[发明专利]人员违法动作识别方法、系统、计算机设备和存储介质

权利要求书

1.一种人员违法动作识别方法，其特征在于，包括：

从小区监控视频中采集多个视频段；

从第一视频段中获取多个视频帧；所述第一视频段为所述多个视频段中的任一视频段；

识别每个所述视频帧中各人员的头像区域，根据人员的头像区域从每个所述视频帧中划分出与各人员一一对应的子视频帧；

将属于同一人员的各子视频帧按时间先后顺序进行排列，得到多个子视频帧组；各子视频帧组与各人员一一对应；

从第一人员所对应的子视频帧组中提取动作特征；所述第一人员为所述各人员中的任一人员；

通过循环神经网络RNN动作识别模型识别所述动作特征，若所述动作特征中存在与预设姿态数据匹配的动作，则判定所述第一人员存在违法动作，并根据所述违法动作为所述第一人员设置对应的违法概率值，若所述动作特征中不存在与所述预设姿态数据匹配的动作，则将所述第一人员所对应的违法概率值设置为0，最终得到违法概率值集合；所述违法概率值集合包括所述第一人员在每个视频段中所对应的违法概率值；

根据所述违法概率值集合计算所述第一人员的违法概率均值；若所述违法概率均值大于预警值，则判定所述第一人员存在违法行为。

2.根据权利要求1所述的人员违法动作识别方法，其特征在于，

所述识别每个所述视频帧中各人员的头像区域，包括：

通过第一卷积神经网络CNN模型分别提取每个所述视频帧中的头像特征；

根据所述头像特征识别出每个所述视频帧中各人员的头像区域；

所述头像特征至少包括头部特征、面部特征、五官特征和头部佩戴品特征中的一项。

3.根据权利要求2所述的人员违法动作识别方法，其特征在于，

所述通过第一卷积神经网络CNN模型分别提取每个所述视频帧中的头像特征，包括：

通过所述第一CNN模型中的卷积核对第一视频帧进行采样，得到若干个第一区域图像，将各所述第一区域图像输入至所述第一CNN模型的池化层中；所述第一视频帧为任一所述视频帧；

通过所述第一CNN模型的池化层从第一区域图像中提取头像特征，最终得到每个视频帧中的头像特征。

4.根据权利要求1所述的人员违法动作识别方法，其特征在于，

所述根据所述违法概率值集合计算所述第一人员的违法概率均值，包括：

为所述第一人员设置累加器；

对所述累加器初始化；

通过所述累加器计算所述违法概率值集合中的违法概率值的总和；

将所述总和与视频段的数量做除法运算，得到所述违法概率均值。

5.根据权利要求1所述的人员违法动作识别方法，其特征在于，

所述RNN动作识别模型的算法公式为：

其中，I为输入向量的维度，V为向量化的字符或者字符部分的维度，H为隐层的神经元个数，K为输出层的神经元个数，x为第二卷积神经网络CNN模型提取出来的所述动作特征，v为递归神经网络对所述动作特征识别结果化成的向量数据，为时刻RNN动作识别模型中隐含层神经元的输入，为时刻RNN动作识别模型中隐含层神经元的输出；为时刻RNN动作识别模型中输出层神经元的输入；为时刻RNN动作识别模型中输出层神经元的输出，为违法概率值。

6.根据权利要求1所述的人员违法动作识别方法，其特征在于，

所述动作特征至少包括躯体姿势特征、四肢动作特征、与他人接触动作特征和手中持有物特征中的一项。

7.根据权利要求1所述的一种人员违法动作识别方法，其特征在于，

所述将属于同一人员的各子视频帧按时间先后顺序进行排列，得到多个子视频帧组，包括：

将每个视频帧中属于同一人员的子视频帧标记相同的标识；

分别将具有相同标识的子视频帧按时间先后顺序进行排列，得到多个子视频帧组。