[發明專利]一種基于案件邏輯推理的預警系統及訓練方法

有效

• 申請號: 202011634978.5
• 申請日: 2020-12-31
• 公開（公告）號: CN112733679B
• 公開（公告）日: 2023-09-01
• 發明（設計）人: 姜峰;周金明
• 申請（專利權）人: 南京視察者智能科技有限公司
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V40/20;G06V20/52;G06V10/764;G06V10/774;G06V10/80;G06V10/82;G06N3/0464;G06N3/0442;G06N3/045;G06N5/04;G06Q50/26
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于案件邏輯推理的預警系統，其特征在于，該系統包括如下內容：

構建邏輯知識庫：獲取歷史案例大數據中對非法案件申請行為的知識特征；

判斷人員是否處在密集人群中；通過YOLOV3網絡檢測目標區域內所有人員頭部，以任意人員為目標，提取此人頭部中心點10倍檢測框長寬的范圍，計算該范圍內人頭數量，表示人群密集程度，設置密集程度閾值，當人頭數量大于閾值時輸出1，否則輸出0；

判斷人員的表情是否激動，表情分類采用ResNet50網絡作為主干網絡，根據所述YOLOV3網絡檢測出的目標區域內所有人員頭部，將有臉部信息的人員頭部區域劃分成n個子塊，每個子塊和完整頭部區域分別作為分類網絡的輸入，后接一個注意力模塊，注意力模塊由一個全連接層和sigmoid函數組成，用于給各個子塊區域分配權重；之后，每個子塊提取的特征會與完整頭部區域提取的特征使用聚合映射進行關聯，獲取每個子塊特征在整體上的重要性占比；先將相鄰子塊特征進行融合，而后對所有提取的特征在通道上級聯，通過一個1×1卷積進行特征融合，再通過一個高效的壓縮激勵模塊關注通道信息，獲取通道權重，然后將整合后的特征與完整頭部區域特征相加融合；最后所有特征被整合進分類器中進行表情分類；

判斷人員的行為是否過激；

對是否處在密集人群、表情是否激動、行為是否過激的結果進行分析，確定是否對案件進行預警。

2.根據權利要求1所述的一種基于案件邏輯推理的預警系統，其特征在于，在判斷人員是否處在密集人群中時，只選擇有效的錨框優化網絡參數，對于每次訓練迭代中網絡獲得的目標i的錨框集合,計算每個錨框與該目標標簽框之間的IOU值，按大小取前k個組成一個候選錨框集合A_i，只使用集合A_i的檢測框信息、目標置信度和類別置信度計算損失函數，更新模型參數，每次迭代后選擇的集合A_i不斷靠近標簽；k的取值是一個固定值或一個列表，當是一個固定值時，表示每次訓練迭代都取固定長度的候選框集合，當是一個列表時，隨著訓練的深入，調整候選框集合的長度，加快網絡的收斂。

3.根據權利要求2所述的一種基于案件邏輯推理的預警系統，其特征在于，構建YOLOV3網絡訓練的損失函數如下：

其中θ為網絡參數，a_j為集合A_i中的任一錨框，a_i為最優錨框，表示使損失函數最小時的a_j的取值，表示目標i的標簽框對應的類別，表示目標i的標簽框對應的位置信息，δ為正則化因子，和分別對應YOLOV3的分類和檢測損失函數。

4.根據權利要求1-3任一項所述的一種基于案件邏輯推理的預警系統，其特征在于，判斷人員的行為是否過激，行為識別分類使用基于LSTM的骨架行為識別深度模型，將時空信息融合進行為識別中。

5.根據權利要求4所述的一種基于案件邏輯推理的預警系統，其特征在于，判斷人員的行為是否過激，具體為，通過一個人體姿態估計模型獲取目標的關節點坐標位置，將關節點的坐標以時間為通道疊加在一起，作為整個模型的輸入，通過一個線性網絡層將關節點位置轉化為空間特征圖，采用m個LSTM模塊對特征進行學習，得到融合了時空信息的特征。

6.根據權利要求5所述的一種基于案件邏輯推理的預警系統，其特征在于，在每個LSTM模塊之前都會先對特征進行時空平均池化，即兩個池化分支，分別對通道方向和特征圖進行池化操作，對應時間和空間的信息整合，兩個分支后分別接一個sigmoid函數后相加，得到融合了時空信息的特征，表示為：

F_ts＝f_lstm(concat(P_ts,T_ts))

其中，F_ts表示關節點s在時間點t的強化特征，P_ts,T_ts分別表示對應關節點s在時間點t的空間和時間表達，f_lstm表示LSTM模塊。