[發(fā)明專利]一種監(jiān)考人員違規(guī)行為識別方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202011196561.5
• 申請日: 2020-10-30
• 公開（公告）號: CN112417989A
• 公開（公告）日: 2021-02-26
• 發(fā)明（設(shè)計）人: 謝強
• 申請（專利權(quán)）人: 四川天翼網(wǎng)絡(luò)服務(wù)有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 成都金英專利代理事務(wù)所(普通合伙) 51218
• 代理人: 袁英

1.一種監(jiān)考人員違規(guī)行為識別方法，其特征在于，所述監(jiān)考人員違規(guī)行為識別方法包括以下步驟：

S1：輸入視頻文件并采集數(shù)據(jù)；

S2：處理輸入的視頻文件，提取出目標(biāo)輪廓和關(guān)鍵區(qū)域，并對關(guān)鍵區(qū)域進行稠密光流計算得到光流序列圖；

S3: 結(jié)合CNN和LSTM網(wǎng)絡(luò)對數(shù)據(jù)進行特征提取；

S4: 通過雙流融合的方式對特征信息進行識別，獲取識別后的行為信息；

S5：統(tǒng)計整理行為識別結(jié)果信息并展示。

2.如權(quán)利要求1所述的一種監(jiān)考人員違規(guī)行為識別方法，其特征在于，所述S2還包括以下子步驟：

S21：通過對輸入圖像進行高斯混合模型計算和幀間差分計算，提取目標(biāo)輪廓和關(guān)鍵區(qū)域；

S22：通過對關(guān)鍵區(qū)域進行Farneback稠密光流計算得到光流序列圖。

3.如權(quán)利要求1所述的一種監(jiān)考人員違規(guī)行為識別方法，其特征在于，所述S3還包括以下子步驟：

S31:通過輸入的運動關(guān)鍵區(qū)域的原始幀圖像提取特征；

S32:通過輸入的堆疊光流圖提取特征。

4.如權(quán)利要求1所述的一種監(jiān)考人員違規(guī)行為識別方法，其特征在于，所述S4采用一種固定權(quán)值的雙流融合方式，通過對時間流和空間流分配不同權(quán)重并融合二者分類結(jié)果以獲得最終行為識別結(jié)果。

5.如權(quán)利要求4所述的一種監(jiān)考人員違規(guī)行為識別方法，其特征在于，所述固定權(quán)值通過實驗選取。

6.一種監(jiān)考人員違規(guī)行為識別系統(tǒng)，其特征在于，所述監(jiān)考人員違規(guī)行為識別系統(tǒng)包括：

數(shù)據(jù)采集模塊：用于采集并向視頻預(yù)處理模塊輸入視頻文件；

視頻預(yù)處理模塊：包括運動前景處理子模塊和稠密光流計算子模塊，處理數(shù)據(jù)采集模塊輸入的視頻文件，提取出目標(biāo)輪廓和關(guān)鍵區(qū)域，并對關(guān)鍵區(qū)域進行稠密光流計算得到光流序列圖，將光流圖和原始幀圖像發(fā)送至特征提取模塊；

特征提取模塊：包括基于空間流網(wǎng)絡(luò)的特征提取和基于時間流網(wǎng)絡(luò)的特征提取，通過結(jié)合CNN和LSTM網(wǎng)絡(luò)對視頻預(yù)處理模塊傳遞的數(shù)據(jù)進行特征提取，并將提取后的特征信息發(fā)送給分類模型模塊；

分類模型模塊：通過雙流融合的方式對特征信息進行識別，并將識別后的行為信息發(fā)送給識別結(jié)果輸出模塊；

識別結(jié)果輸出模塊：連接用戶終端，用于接收并展示分類模型模塊輸出的行為識別結(jié)果信息。

7.如權(quán)利要求6所述的一種監(jiān)考人員違規(guī)行為識別系統(tǒng)，其特征在于，所述特征提取模塊的網(wǎng)絡(luò)的全連接層采用Dropout機制。