[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

本發明涉及深度學習技術領域，具體公開了一種社區監控場景下電梯猥褻行為異常檢測方法，包括以下步驟：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；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；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；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；采用GPU調度策略進行GPU調度。本發明使用GPU調度策略分析GPU實時情況提高網絡模型的運行速度，提高檢測效率，提高了對社區內電梯環境的適用性與實用性。

技術領域

本發明涉及深度學習技術領域，特別涉及一種社區監控場景下電梯猥褻行為異常檢測方法。

背景技術

隨著科學技術、網絡技術的不斷發展，人們的生活逐步向數字化、網絡化、智能化方向發生轉變，帶動了人們生活水平的提高。近幾年來，人工智能技術、機器學習的飛速崛起，又一次推動了社會不斷朝著智能方向發展。智慧社區、智慧城市便是人工智能發展的產物。越來越多的研究學者開始關注深度學習領域，深度學習是目前機器學習發展階段的最高級別，而卷積神經網絡則是深度學習的典型代表，在圖像檢測、圖像識別等方面都有著顯著的成效。對于特征提取，卷積神經網絡具有自動學習的優勢，代替了繁雜的傳統人工提取方法，減少了人工干預，提高了特征提取的精確度。卷積神經不僅在特征提取方面有顯著成效，在物體檢測識別等其他方面也起著不可替代的作用。

利用深度學習對人體進行檢測，是目前的一個研究熱點。人體目標的有效檢測可以應用在各種領域，比如社區生活、商業監控、軍事輔助等。近年來關于目標檢測的也在一直處于不斷發展狀態，檢測準確率以及效率越來越高。Faster R-CNN是目標檢測識別領域最有效的方法之一，其優勢不僅在于把候選框提起部分放在GPU上運行，還把區域候選框的提取部分從網絡嵌入到網絡里邊，經過卷積后的特征圖可以用來獲取區域候選框。類似的目標識別網絡還有Mask-RCNN、YOLO、SSD等，雖然眾多技術上在實驗效果上準確度已達96％以上，但是其適用性嚴重依賴檢測環境，由于天氣、光照等客觀原因，以及目標變化的不定性等這些外界因素影響了目標檢測，從而降低了眾多檢測模型的準確度。這些算法并不能適應各種復雜環境的要求，目標檢測識別仍沒有完整的體系，因此如何設計出針對特定環境提高目標識別準確度的算法依然是目前的研究重點。

猥褻行為是社區內的一大“頑疾”，由于一直缺乏有效的監控手段，不僅影響社區風氣環境，而且給社區居民帶來巨大的安全隱患。近年來也有不少相應的解決措施，由于人體動作較為復雜等影響導致智能監控檢測誤報率較高，而且適得其反，大大降低監控效率?；诖?，如何通過深度學習算法對電梯內監控視頻分析功能進行抗干擾訓練，以實現電梯場景下目標猥褻行為的精準識別。

發明內容

為了解決猥褻行為這一社會“頑疾”，本發明針對社區內電梯場景提出猥褻行為異常檢測方法。為了使檢測模型更適用于電梯環境，設計基于卷積神經網絡的目標多屬性檢測網絡模型TMD-CNN(Target Multi-attribute Detection-Convolution NerualNetwork)，使用電梯環境的圖像制作數據集對該網絡模型進行訓練學習，得到高適用性的目標檢測模型。檢測目標為乘客性別以及身體關鍵點，包括頭部、胸部、雙手、臀部5個部位。通過計算異性之間關鍵點距離判斷是否發生猥褻異常行為。因為電梯環境空間小，有關鍵點部位發生漏檢現象，設置任何關鍵點之間的距離小于設定閾值，即可認為是猥褻行為。TMD-CNN目標多屬性檢測網絡模型的設計提高了對目標檢測的適用性與實用性，采用GPU調度策略提高了模型的運算效率。實驗表明，本發明能有效識別社區監控場景下猥褻行為異常檢測方法。解決社區居民安全隱患，改善社區風氣環境。

為了解決上述技術問題，本發明的技術方案是：