[發明專利]一種社區監控場景下電梯猥褻行為異常檢測方法

在審

• 申請號: 202011029847.4
• 申請日: 2020-09-27
• 公開（公告）號: CN112307896A
• 公開（公告）日: 2021-02-02
• 發明（設計）人: 徐亮;張衛山;孫浩云;尹廣楹;張大千;管洪清
• 申請（專利權）人: 青島邃智信息科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N3/08;G06F9/50
• 代理公司: 北京聯瑞聯豐知識產權代理事務所(普通合伙) 11411
• 代理人: 郭堃

1.一種社區監控場景下電梯猥褻行為異常檢測方法，其特征在于：包括以下步驟：

步驟1：獲取社區內電梯環境下的乘客視頻流，解碼獲得乘客圖像并進行多屬性標注制作數據集；

步驟2：將圖像數據集輸入設計的目標多屬性檢測網絡模型TMD-CNN中進行訓練學習，直至得到最優參數；

步驟3：利用訓練好的TMD-CNN目標多屬性檢測模型對社區電梯環境進行檢測，輸出乘客數量、性別、關鍵點位置信息；

步驟4：使用距離計算公式計算異性關鍵點距離，比較與設定閾值大小關系，判斷是否發生猥褻行為；

步驟5：采用GPU調度策略進行GPU調度。

2.根據權利要求1所述的社區監控場景下電梯猥褻行為異常檢測方法，其特征在于：在所述步驟1中，還包括在社區各電梯中安裝高清攝像頭或者視頻采集裝置，選擇需要監測的區域，獲取電梯環境區域下所有的視頻流；對視頻流進行解碼操作獲得帶有電梯乘客的圖像集，為了獲得適用性較強的目標多屬性檢測網絡模型，需要對圖像集進行標注制作數據集對模型進行訓練，標注屬性有：乘客個體標注分析其性別，人體關鍵點位置標注包括頭部、胸部、雙手、臀部五個部位。

3.根據權利要求1所述的社區監控場景下電梯猥褻行為異常檢測方法，其特征在于：在所述步驟2中，還包括使用步驟1中制作的數據集對目標多屬性檢測網絡模型TMD-CNN進行訓練學習，訓練過程：首先使用默認參數進行訓練，根據訓練中間結果，對初始權值、訓練速率和迭代次數不斷進行調整，直到所述網絡以預設的效率達到最優的檢測效果。

4.根據權利要求1所述的社區監控場景下電梯猥褻行為異常檢測方法，其特征在于：在所述步驟3中，還包括使用訓練好的TMD-CNN目標多屬性檢測網絡模型對社區內電梯監控區域進行實時檢測，輸出電梯內乘客數量，各乘客性別、關鍵點空間位置信息。

5.根據權利要求1所述的社區監控場景下電梯猥褻行為異常檢測方法，其特征在于：在所述步驟4中，還包括設置異性之間任何兩關鍵點之間的距離小于設定的閾值即可認為發生猥褻；通過在步驟3中檢測出來的關鍵點空間位置信息計算兩點間距離，距離計算公式：

6.根據權利要求1所述的社區監控場景下電梯猥褻行為異常檢測方法，其特征在于：在所述步驟5中，還包括實時監控GPU處理集群中的GPU使用情況，采取適當的調度策略對GPU進行實時調度。