[发明专利]基于视觉和加速度信息实现监所暴力行为检测的方法

说明书

本发明涉及一种基于视觉和加速度信息实现监所暴力行为检测的方法，包括对训练用的加速度数据集进行预处理；对预处理的加速度数据进行数据增强；通过训练加速度特征提取1D‑CNN网络；通过softmax函数获得1D‑CNN网络暴力行为的后验概率；获取RGB图和稠密光流差异图；对预处理的RGB图和稠密光流差异图进行数据增强；训练RGB图特征提取2D‑CNN网络；训练稠密光流差异图特征提取2D‑CNN网络；通过判别相关分析算法将异构网络进行特征融合。采用了本发明的基于视觉和加速度信息实现监所暴力行为检测的方法，可更加全面地获取在押人员的不同来源传感器信息，实现了多源信息综合判断监所暴力行为，实现了对监所暴力行为的自动预警功能，从而提高了监管场所的安全性。

技术领域

本发明涉及多媒体信息处理技术领域，尤其涉及基于视觉和加速度传感器行为识别领域，具体是指一种基于视觉和加速度信息实现监所暴力行为检测的方法。

背景技术

目前，国家高度重视监所内的安全防范体系建设。监所因其职责的特殊性，造成了其安防系统的特殊要求。目前我国监所大部分分布在经济欠发达地区，由于经济条件的制约，个别监所没有建立起全覆盖的监控摄像系统、对讲系统，存在监所防护设备不足、防护设备严重老化等问题，虽然有的监所实现了摄像机的全覆盖，但随着监控点的大幅度增加，人员监控工作强度加大，受人力所限，导致出现大量监控盲点，完全依靠人员监控以杜绝“暴狱、脱逃”发生依然任重而道远。目前对监舍内的在押人员的管控一般采用摄像机视频进行监控。然而视频监控易受遮挡、逆光等因素的影响产生监控盲点，且视频监控只能事后取证不能进行事前防范，无法将监所安防事故消灭在萌芽状态。

近年来随着科技的进步，特别是深度学习的快速发展，关于行为识别的智能分析技术发展迅速。基于视频的智能行为检测在进行异常行为判别时存在获取在押人员信息不全面问题。单一信息来源的智能行为分析技术已不能满足监所内的特殊安防需求。

发明内容

本发明的目的是克服了上述现有技术的缺点，提供了一种满足操作简便、适用范围较为广泛的基于视觉和加速度信息实现监所暴力行为检测的方法。

为了实现上述目的，本发明的基于视觉和加速度信息实现监所暴力行为检测的方法如下：

该基于视觉和加速度信息实现监所暴力行为检测的方法，其主要特点是，所述的方法包括以下步骤：

(1)对训练用的加速度数据集进行预处理；

(2)对预处理的加速度数据进行数据增强；

(3)通过训练加速度特征提取1D-CNN网络；

(4)通过softmax函数获得1D-CNN网络暴力行为的后验概率；

(5)对训练用的视频数据集进行预处理，获取RGB图和稠密光流差异图；

(6)对预处理的RGB图和稠密光流差异图进行数据增强；

(7)训练RGB图特征提取2D-CNN网络；

(8)训练稠密光流差异图特征提取2D-CNN网络；

(9)通过判别相关分析算法将异构网络进行特征融合，判定是否存在暴力行为。

较佳地，所述的步骤(1)具体包括以下步骤：

(1.1)对传感器原始数据进行数据匹配；

(1.2)通过线性插值补全缺失数据；

(1.3)进行采样，实现数据匹配；

(1.4)通过移动窗口均值平滑进行数据平滑。

较佳地，所述的步骤(1)中的加速度特征为3轴加速度信息，包括x轴、y轴和z轴特征。