[發明專利]一種人工智能監控方法

有效

• 申請號: 202110328486.1
• 申請日: 2021-03-26
• 公開（公告）號: CN112926517B
• 公開（公告）日: 2022-11-18
• 發明（設計）人: 王田;張奇鵬;呂金虎
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06V40/20
• 分類號: G06V40/20;G06V10/764;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 北京康思博達知識產權代理事務所(普通合伙) 11426
• 代理人: 劉冬梅;范國鋒

1.一種人工智能監控方法，通過特征提取圖卷積網絡獲取動作特征，再根據動作特征進行人體動作預測和人體動作識別，從而實現人工智能監控。

2.根據權利要求1所述的人工智能監控方法，其特征在于，包括以下步驟：

S1、構建特征提取圖卷積網絡，用于提取動作特征；

S2、構建動作識別網絡和動作預測網絡，根據提取的動作特征，進行動作識別和動作預測；

S3、對特征提取圖卷積網絡、動作識別網絡和動作預測網絡進行訓練，獲得監控模型。

3.根據權利要求2所述的人工智能監控方法，其特征在于，

在步驟S1中，所述動作特征為能夠體現人體動作狀態的矩陣，所述構建特征提取圖卷積網絡包括以下子步驟:

S11、將圖像信息轉換為人體骨架，作為圖卷積網絡的輸入；

S12、確定圖卷積網絡參數。

4.根據權利要求3所述的人工智能監控方法，其特征在于，

在步驟S11中，將圖像中不同骨骼簡化為線段，將線段連接形成人體骨架，通過鄰接矩陣對人體骨架進行數學表達，

其中，將代表不同骨骼線段的端點作為鄰接矩陣的頂點，將線段作為鄰接矩陣的邊，從而獲得人體骨架的鄰接矩陣A。

5.根據權利要求3所述的人工智能監控方法，其特征在于，

在步驟S12中，圖卷積層卷積核包括固定卷積核和關聯卷積：

所述固定卷積核用于描述人體骨架中相互連接的骨骼對人體動作的影響；

所述關聯卷積核用于描述人體骨架中非連接的骨骼對人體動作的影響。

6.根據權利要求5所述的人工智能監控方法，其特征在于，

所述固定卷積核表示為：

其中，σ()為非線性激活函數；

操作表示元素的乘積，上標l表示不同的卷積層；

M^l為第l層的可學習矩陣，其用于表示鄰接矩陣A中不同邊的權重；

W^l表示第l層的權重參數矩陣；

X^l表示第l層的卷積層的輸出，也是第l+1層的輸入；

I是單位矩陣，是的度矩陣。

7.根據權利要求5所述的人工智能監控方法，其特征在于，

所述關聯卷積核可以表示為：

X^l+1＝σ(A_pX^lW^l)

其中，A_p為可訓練鄰接矩陣，其大小與鄰接矩陣A相同。

8.根據權利要求6或7所述的人工智能監控方法，其特征在于，

將固定卷積核和關聯卷積核加和后作為特征提取圖卷積網絡最終的卷積核，表示為：

其中λ表示超參數，λ∈[0,1]，用以調整固定卷積核和關聯卷積核之間的注意比例。

9.根據權利要求3所述的人工智能監控方法，其特征在于，

在相鄰的圖卷積層之間還具有時間卷積層，用以捕獲圖像幀序列中的動作特征。

10.一種電子裝置，包括存儲器和處理器，其特征在于，所述存儲器中存儲有計算機程序，所述處理器被設置為通過所述計算機程序執行所述權利要求1-9任一項中所述的方法。