[發明專利]基于深度學習的智能預警方法

在審

• 申請號: 202110381949.0
• 申請日: 2021-04-09
• 公開（公告）號: CN113191209A
• 公開（公告）日: 2021-07-30
• 發明（設計）人: 林高鋒;楊一帆;柯德勁;郭濟
• 申請（專利權）人: 電子科技大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06Q50/26;G08B21/02;G10L15/02;G10L15/04;G10L15/06;G10L15/26;G10L25/63;G06N20/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于深度學習的智能預警方法，所述預警方法的特征在于：將關鍵詞識別與異常行為檢測應用于該系統中；具體的，在群眾反映訴求的過程中，通過關鍵詞識別系統和異常行為檢測系統對群眾語音和動作行為進行檢測，判斷其情緒是否過激或有做出危險動作的舉動。及時提醒工作人員做好準備，防止意外情況發生，從而提高群眾反映訴求效率；本發明由三個基本方法組成，包括融合方法、關鍵詞識別方法、異常行為檢測方法。

2.根據權利要求1所述的智能預警方法中三種方法的處理順序，其特征在于：

關鍵詞識別方法將語音中的關鍵詞進行提取，對比數據源中的關鍵詞，給出危險等級；異常行為檢測方法通過對視頻圖像進行分析處理，通過圖卷積神經網絡對關鍵點信息進行異常行為識別，亦給出危險等級。然后融合方法對關鍵詞識別方法和異常行為檢測方法輸出的結果進行融合處理，對群眾反映訴求的過程過程給出最終的危險等級。

3.根據權利要求1所述的智能預警方法的融合方法，其特征在于：

對于融合分類器所得預測結果進行聚合，即對每一個預測結果進行投票，票數最多的為最終的預測結果。

4.根據權利要求1所述的智能預警方法的關鍵詞識別方法，其特征在于：

提取群眾語音中的關鍵詞，首先對語音預測量并進行分割，接著提取音頻段中的音節參數特征，作為關鍵詞識別模塊的輸入，輸出關鍵詞識別結果。

5.根據權利要求1所述的智能預警方法的異常行為檢測方法，其特征在于：

通過攝像頭對群眾反映訴求過程進行視頻圖像采集，然后識別和定位出圖像中所有乘客的骨骼關鍵點，對骨架距離進行計算。最后使用圖卷積建模實現異常行為檢測。

6.根據權利要求3所述的智能預警方法的融合分類器訓練過程，其特征在于：

將數據源劃分為多個子集，根據數據源特點選擇一種機器學習算法作為訓練算法，但是在不同的隨機子集上進行訓練。得到多個分類器，組成融合分類器。

7.根據權利要求4所述的智能預警方法的關鍵詞識別模塊訓練過程，其特征在于：

提取訓練數據源中語音的音節狀態轉移矩陣，將其作為網絡輸入訓練第一個編碼層的網絡參數，并將訓練好的編碼數據作為第一編碼層的輸出。用同樣的方法訓練更多層的網絡參數，生成全局網絡。計算整個網絡的誤差函數及各個參數的偏導值，更新權值，提高分類器的精準性。

8.根據權利要求5所述的智能預警方法的異常行為檢測模塊訓練過程，其特征在于：

輸入數據源中的圖形數據，經過多次卷積和池化處理得到特征向量。將特征向量傳入全連接層，得出分類識別的結果。如果當前輸出的結果與我們的期望值相符，固定權值和閾值；如果當前輸出的結果與我們的期望值不相符，則進行反向傳播過程。求出結果與期望值的誤差，再將誤差一層一層的返回，計算出每一層的誤差，然后進行權值更新。最終確定權值和閾值，得到一個適宜的網絡。

9.根據權利要求7、8所述的數據源，其特征在于：

數據源分為兩部分，第一部分是群眾反映訴求中出現的關鍵詞，比如臟話或者情緒激動的詞匯；第二部分是異常行為數據集，使用國際上流行的USCD異常檢測數據庫，該數據集主要針對人群中個體行為的識別研究。