[發(fā)明專利]一種網(wǎng)絡(luò)的異常行為識別方法

在審

• 申請?zhí)枺?/td>: 202011178597.0
• 申請日: 2020-10-29
• 公開（公告）號: CN112528733A
• 公開（公告）日: 2021-03-19
• 發(fā)明（設(shè)計(jì)）人: 付云虎;錢慧芳;易劍平
• 申請（專利權(quán)）人: 西安工程大學(xué)
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 西安弘理專利事務(wù)所 61214
• 代理人: 燕肇琪

本發(fā)明公開了一種網(wǎng)絡(luò)的異常行為識別方法，具體按照以下步驟實(shí)施：步驟1、收集視頻數(shù)據(jù)集；步驟2、利用基于時(shí)空信息的視頻幀提取方法對視頻進(jìn)行視頻幀提??；步驟3、對視頻幀調(diào)整；步驟4、對提取幀的人體異常行為識別數(shù)據(jù)集中圖片劃分為訓(xùn)練集和測試集；步驟5、對inceptionv3網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行改進(jìn)；步驟6、用改進(jìn)后的inceptionv3網(wǎng)絡(luò)結(jié)構(gòu)對異常行為圖像進(jìn)行識別，完成異常行為識別。解決了現(xiàn)有技術(shù)中存在的模型計(jì)算量大的問題。

技術(shù)領(lǐng)域

本發(fā)明屬于視頻識別技術(shù)領(lǐng)域，涉及一種網(wǎng)絡(luò)的異常行為識別方法。

背景技術(shù)

隨著5G智能視頻監(jiān)控設(shè)備普及和公安部天網(wǎng)系統(tǒng)完善，視頻監(jiān)督(監(jiān)控)廣受政府和公眾的歡迎，從政府打擊犯罪到家庭的日常安全都有所應(yīng)用。異常行為與人身財(cái)產(chǎn)安全息息相關(guān)，通過人力計(jì)算海量視頻信息花費(fèi)是非常昂貴并且識別效率低。因此有必要自動檢測并且識別可疑的異常行為，并對其進(jìn)行歸類，以便公安部門處理，使用，調(diào)研，其中，在一些公共場所，比如車站，火車站，公交車上，在這些特定環(huán)境里對類似于斗毆，搶劫，持刀，暴恐，這樣的行為就稱為異常行為。由于人類行為的模糊性和不確定性，準(zhǔn)確地識別異常行為成為現(xiàn)今的攻克的重難點(diǎn)?，F(xiàn)有技術(shù)中存在的參數(shù)量大，計(jì)算時(shí)間長的問題。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種網(wǎng)絡(luò)的異常行為識別方法，解決了現(xiàn)有技術(shù)中存在的模型計(jì)算量大的問題。

本發(fā)明所采用的技術(shù)方案是，一種網(wǎng)絡(luò)的異常行為識別方法，具體按照以下步驟實(shí)施：

步驟1、收集視頻數(shù)據(jù)集；

步驟2、利用基于時(shí)空信息的視頻幀提取方法對視頻進(jìn)行視頻幀提??；

步驟3、對視頻幀調(diào)整；

步驟4、對提取幀的人體異常行為識別數(shù)據(jù)集中圖片劃分為訓(xùn)練集和測試集；

步驟5、對inceptionv3網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行改進(jìn)，將改進(jìn)后網(wǎng)絡(luò)放到訓(xùn)練集進(jìn)行訓(xùn)練，利用測試集分別對改進(jìn)前網(wǎng)絡(luò)和訓(xùn)練后的模型進(jìn)行驗(yàn)證，當(dāng)訓(xùn)練后的模型得到的數(shù)據(jù)高于改進(jìn)前網(wǎng)絡(luò)得到的數(shù)據(jù)，證明改進(jìn)成功，將訓(xùn)練后的模型進(jìn)行保存；

步驟6、用改進(jìn)后的inceptionv3網(wǎng)絡(luò)結(jié)構(gòu)對異常行為圖像進(jìn)行識別，完成異常行為識別。

本發(fā)明的特點(diǎn)還在于：

步驟1具體按照以下實(shí)施：在網(wǎng)上下載含有異常行為的視頻，得到數(shù)據(jù)集。

步驟2中，基于時(shí)空信息的視頻幀提取方法設(shè)置視頻幀數(shù)為每秒30幀。

步驟3具體按照以下實(shí)施：調(diào)整圖片大小為299*299*3。

步驟4中訓(xùn)練集和測試集中圖片數(shù)量的比例為8：2。

步驟5中對inceptionv3網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行改進(jìn)具體按照以下實(shí)施：先通過2 個(gè)卷積核為3*3大小的conv1卷積層，然后接1個(gè)卷積核為3*3大小的conv2 層，再連接1個(gè)卷積核為3*3大小的conv padded層，然后連接2個(gè)卷積核大小為3*3大小的pool層，然后接1個(gè)卷積核為3*3大小的conv3層，然后接2個(gè)卷積核為3*3大小的conv4層，然后接1個(gè)卷積核為3*3大小的conv5 層，然后接3個(gè)inception層，然后接1個(gè)卷積核為8*8大小的pool層，然后接1個(gè)linear層，最后增加一個(gè)LSTM分類層。

步驟6具體按照以下實(shí)施：利用改進(jìn)的inceptionv3網(wǎng)絡(luò)對人體異常行為圖像數(shù)據(jù)集進(jìn)行特征提取，然后凍結(jié)inceptionv3輸出層，使用LSTM代替輸出層，LSTM分類層對人體異常行為圖像在不同通道的特征信息進(jìn)行整合并計(jì)算其所對應(yīng)的預(yù)測類的概率，輸出具有最大概率的預(yù)測類作為預(yù)測結(jié)果，完成異常行為識別。