[發明專利]一種基于神經網絡的暴力檢測方法、裝置、設備及介質

在審

• 申請號: 202011010026.6
• 申請日: 2020-09-23
• 公開（公告）號: CN112287754A
• 公開（公告）日: 2021-01-29
• 發明（設計）人: 馮落落;李銳;王建華
• 申請（專利權）人: 濟南浪潮高新科技投資發展有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京君慧知識產權代理事務所(普通合伙) 11716
• 代理人: 董延麗

本申請公開了一種基于神經網絡的暴力檢測方法、裝置、設備及介質，包括：將待檢測的視頻發送至預先部署在云平臺的暴力檢測模型，確定出安全等級；根據所述安全等級判斷所述待檢測視頻是否為暴力事件；若確定出所述待檢測視頻含有暴力事件，根據所述安全等級發出對應的警告信息。本說明書實施例提出了一種暴力檢測模型，將該模型部署到云平臺，可以提供暴力檢測，并確定出安全等級，便于通知監測人員，使得暴力事件得到快速的解決，有利于社會的安定。此外，本說明書實施例為了更好進行暴力檢測，使用視頻作為輸入的數據，也就是對視頻進行檢測，而不是針對圖片，這樣就能更好的利用視頻的序列信息，可以極大的提高暴力檢測模型的準確率。

技術領域

本申請涉及計算機技術領域，尤其涉及一種基于神經網絡的暴力檢測方法、裝置、設備及介質。

背景技術

在公共場所，暴力行為可能為人民生命和財產安全帶來極大威脅，是破壞社會穩定和諧的一個重要影響因素。由于近年來監控攝像頭的廣泛部署，通過使用計算機視覺技術捕獲、識別和分析監控攝像頭中的視頻流以實現暴力檢測成為可能。然而現有的暴力檢測方法存在準確率較低的問題。

發明內容

有鑒于此，本申請實施例提供了一種基于神經網絡的暴力檢測方法、裝置、設備及介質，用于解決現有的暴力檢測方法存在準確率較低的問題。

本申請實施例采用下述技術方案：

本申請實施例提供一種基于神經網絡的暴力檢測方法，所述方法包括：

將待檢測的視頻發送至預先部署在云平臺的暴力檢測模型，確定出安全等級，其中，所述暴力檢測模型包括截取視頻的工具、多個卷積層、多個池化層以及多個全連接層；

根據所述安全等級判斷所述待檢測視頻是否為暴力事件；

若確定出所述待檢測視頻含有暴力事件，根據所述安全等級發出對應的警告信息。

需要說明的是，本說明書實施例提出了一種暴力檢測模型，將該模型部署到云平臺，可以提供暴力檢測，并確定出安全等級，便于通知監測人員，使得暴力事件得到快速的解決，有利于社會的安定。此外，本說明書實施例為了更好進行暴力檢測，使用視頻作為輸入的數據，也就是對視頻進行檢測，而不是針對圖片，這樣就能更好的利用視頻的序列信息，可以極大的提高暴力檢測模型的準確率。

進一步的，所述將待檢測的視頻發送至預先部署在云平臺的暴力檢測模型之前，所述方法還包括：

在預設的數據集中獲取多個有關暴力事件的視頻與多個無暴力事件的視頻，通過所述截取視屏的工具截取出多張預設尺寸的圖片，根據圖片中的行為對各個視頻標記安全等級，構成暴力檢測的數據集；

建立初始的暴力檢測模型；

根據所述暴力檢測的數據集訓練所述初始的暴力檢測模型，得到符合條件的暴力檢測模型，并將所述符合條件的暴力檢測模型部署到云平臺。

進一步的，所述初始的暴力檢測模型訓練時，批尺寸設置為64-70。

需要說明的是，由于只有一個GPU，顯存大小有限，經過測試，批尺寸設置為64-70時，更有利于暴力檢測模型的訓練。

進一步的，所述初始的暴力檢測模型訓練時，損失函數為交叉熵函數和L2正則化函數。

需要說明的是，由于本說明書實施例是一個多分類的問題，所以可以使用交叉熵這種損失函數，而不是使用其他損失函數。為了使模型具有更好的泛化能力，可以使用L2正則化進行權重的約束，這樣可以使得模型復雜度降低，減小過擬合的問題。因此，損失函數可以應用交叉熵損失與L2正則化。

進一步的，所述暴力檢測模型是基于3D的CNN網絡模型與3D的RNN網絡模型構建，其中，

所述CNN網絡模型用于提取圖片的空間特征；