[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

说明书

本发明公开一种基于深度学习的家庭成员安全隐患监测方法，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；本发明具有以下优点：(1)针对家庭成员安全隐患实现有效地发现和预警。(2)在提供人脸识别功能之外，还提供异常行为检测功能。(3)行为检测方法沿着行为兴趣点的稠密轨迹提取行为的外观特征和运动特征。

技术领域

本发明涉及一种基于深度学习的家庭成员安全隐患监测方法，属于图像视觉检测分析技术领域。

背景技术

近年来，随着社会老龄化问题加剧，越来越多老人独自住在家里，因年龄较大，独自在家，当发生意外情况时(如突发疾病，煤气泄露等事件)较难处理，甚至会造成人身安全问题，存在巨大的隐患。存在家人难以了解老人的安全情况，遭遇突发情况时报警、急救困难等问题。除此以外，现如今社会还存在陌生人私闯民宅，保姆虐待幼儿、老人的事情，针对这些事情，需要一种在家中监督人们行为、保证家人生命安全的监测方法。

发明内容

本发明所要解决的技术问题是提供一种基于深度学习的家庭成员安全隐患监测方法，能够有效保证家中成员的安全，避免安全隐患的发生。

本发明为了解决上述技术问题采用以下技术方案：一种基于深度学习的家庭成员安全隐患监测方法，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。

优选地，

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。

优选地，

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。

优选地，