[发明专利]一种基于深度学习的家庭成员安全隐患监测方法

权利要求书

1.一种基于深度学习的家庭成员安全隐患监测方法，其特征在于，所述方法基于家庭各个成员面部特征及行为所构建的用户数据库，执行如下人脸特征匹配方法和行为检测方法，实现家庭成员安全隐患发现；

所述人脸特征匹配方法，包括：

步骤A1.采用预先训练所获得的人脸检测模块，针对监控摄像装置所捕获的各帧视频图像进行人脸检测，获得各个人脸局部图像，并进入步骤A2；

步骤A2.分别针对各个人脸局部图像，针对人脸局部图像中的五官进行移位，使其五官位置与预设标准对其人脸图像的五官位置相同，由此分别更新各个人脸局部图像，然后进入步骤A3；

步骤A3.分别针对各个人脸局部图像，采用预先经过训练的深度学习网络模型，构建人脸特征提取模块，通过人脸特征提取模块提取人脸局部图像所对应的人脸特征向量，并将其与用户数据库中的家庭成员面部特征进行匹配，确认该人脸局部图像是否为真正的家庭成员，由此基于针对各个人脸局部图像的特征匹配，实现坏人入侵民宅安全隐患发现；

所述行为检测方法，包括：

步骤B1：基于步骤A2中更新所得的各个人脸局部图像，结合监控摄像装置所捕获的连续视频图像帧，通过Canny边缘求取方法和背景差法，获得各个家庭成员运动目标；

步骤B2：采用公共数据库CAVAIAR和BOSS预设异常行为动作样本，如晕倒、摔倒、抽搐、打人等异常行为，针对预设深度学习网络进行训练，获得经过训练的深度学习网络，即异常行为动作检测模型；

步骤B3：分别针对各个家庭成员运动目标，采用异常行为动作检测模型针对家庭成员运动目标进行异常行为动作检测，判断是否该家庭成员是否存在异常行为动作，实现家庭成员安全隐患发现。

2.根据权利要求1所述的一种基于深度学习的家庭成员安全隐患监测方法，其特征在于，

在所述步骤A1中：采用预设家庭成员人脸检测样本，采用HOG算法，针对至少两个基于hog特征的人脸检测单元，分别进行训练，获得各个经过训练的人脸检测单元；然后进行级联，获得多级级联回归树式人脸检测单元；最后采用预设人脸检测样本，针对多级级联回归树式人脸检测单元进行人脸回归训练，获得人脸检测模块。

3.根据权利要求1所述的一种基于深度学习的家庭成员安全隐患监测方法，其特征在于，

在所述步骤A2中：分别针对各个人脸局部图像，采用二维仿射变换针对人脸局部图像中的五官进行移位，使其五官位置与预设标准对其人脸图像的五官位置相同，由此分别更新各个人脸局部图像。

4.根据权利要求1所述的一种基于深度学习的家庭成员安全隐患监测方法，其特征在于，

在所述步骤A3中：采集家庭成员的面部图像，并进行尺寸初始化操作，然后构建家庭成员面部训练样本数据；针对深度学习框架caffe和开源vgg模型进行微调，获得预设架构、对应于家庭成员面部特征提取的深度学习网络模型，作为人脸特征提取模块。

5.根据权利要求1所述的一种基于深度学习的家庭成员安全隐患监测方法，其特征在于，

所述行为检测方法，首先，利用堆积去噪编码器沿着稠密轨迹提取深度外观特征和深度运动特征；然后，为了提高特征的分类能力，利用加权相关性方法对这二种特征进行融合；最后，采用稀疏重建进行异常行为检测。