[发明专利]一种基于肢体语言深度学习的人质挟持风险评估方法

说明书

本发明公开了一种基于肢体语言深度学习的人质挟持风险评估方法。所述方法包括以下步骤：使用Kinect摄像头进行肢体动作的捕捉和收集；分别搭建卷积神经网络（CNN）和双向长短时记忆条件随机场（Bi‑LSTM‑CRF）对人体静态运动和动态运动进行分析，动作进行分类标记和描述；根据分类标记和描述评估该动作在人质挟持时可能产生的风险水平。本发明考虑到静态身体运动和动态身体运动，达到了更高的效率。

技术领域

本发明属于动作检测领域，特别涉及一种基于肢体语言深度学习的人质挟持风险评估方法。

背景技术

劫持人质案件是指犯罪分子或实施劫持的行为人,公开的以暴力、胁迫或其他手段控制一人或多人的人身自由；并以生命、伤害、折磨或者继续摧残扣押被控制者相威胁,强迫第三方或被控制者本人满足其某种要求的犯罪行为。由于被控制者客观上已经成了劫持者实现个人满足自身要求的“筹码”,所以被称为人质(李恒.劫持人质案件的类型与特点[J].辽宁警察学院学报,2012(4):44-49.)。

劫持人质犯罪是世界各国公认的最严重的一类犯罪，是和平年代里最极端的犯罪表现形式之一。劫持人质犯罪一旦发生，不仅危及人质生命安全，而且会在社会上造成难以消除的恐怖气氛，严重影响社会治安稳定。因此，如何有效预防和处置劫持人质犯罪问题，受到了政府、警方、媒体和社会舆论的广泛关注，也给我国警察系统提出了一个重要的刑事司法实践课题(张跃兵.论劫持人质事件应急处置机制[J].湖北警官学院学报,2009,22(006):58-62.)。实践中，绝大多数劫持人质事件处置是成功的，但有经验也有教训：诸如问题发现不及时、预案及其演练存在问题等等。产生这些问题的原因很大程度上可归诸于缺乏一套有效的预防措施保障。劫持人质事件应急处置工作高效与有序推进，必须要有一套行之有效的预防保障措施，从而使警方能够及时地发现并预防劫持人质事件的发生。由于缺乏合理的引导和制约，劫持人质事件应急处置工作的随意性、被动性等现状难以改变。研究劫持人质风险评估方法就是为了解决这些问题。

到目前为止，针对可能发生的人质劫持问题并没有足够智能的风险评估方法，大多数情况下都是需要人工按下警报按钮或者人工拨打报警电话才会被发现。在一些高风险、人流密集的公共场所会有自动报警器，但是这些报警器只会在公共场所中的一些财物受到损坏的时候才会发挥其作用。因此，对于传统的技术而言，并没有一些技术能够提供事前的预防，只能在事后再进行补救，这种方式使得警方的工作非常被动，经常受制于犯罪者，一旦处理不好就会对人民的生命安全造成危害。在监狱中，则有一些管控方法，使用RFID技术来监控犯人的行为(刘超峰.基于RFID技术的监狱智能监控系统的分析与设计[D].电子科技大学.)，但是该种方法需要被检测者佩戴指定设备，这在日常生活中是不方便的，因此只能应用于监狱中，对于公共场所中不确定犯罪者的情况并不适用。

发明内容

本发明的目的是为了解决上述现有技术存在的缺陷，提出了一种基于肢体语言深度学习的人质挟持风险评估方法。该方法首先通过Kinect捕捉图像，然后引入卷积神经网络(CNN)和双向长短时记忆条件随机场(Bi-LSTM-CRF)分别对人体静态运动和动态运动进行分析处理，分类得到对人体的动作的描述，最后评估该动作的风险水平：是否会发生人质挟持以及在发生挟持之后，可能造成的伤害风险。

本发明的目的至少通过如下技术方案之一实现。

一种基于肢体语言深度学习的人质挟持风险评估方法，包括以下步骤：

S1、使用Kinect摄像头进行肢体动作的捕捉和收集；

S2、分别搭建卷积神经网络(CNN)和双向长短时记忆条件随机场(Bi-LSTM-CRF)对人体静态运动和动态运动进行分析，并对动作进行分类标记和描述；

S3、根据分类标记和描述评估该动作在人质挟持时可能产生的风险水平。