[发明专利]一种违规行为AI识别系统

说明书

本发明公开了一种违规行为AI识别系统，包括视觉分析子系统和运维子系统，所述视觉分析子系统用以分析不同场合下人的行为，并进行实时跟踪，视觉分析子系统包括系统资源配置模块、视图管理模块、任务管理模块和用户管理模块；所述运维子系统用以保证行为AI识别系统的稳定运行，运维子系统包括路由网络配置模块、集群添加配置模块、运行状态监控模块、集群本地升级模块和定时重启配置模块。本发明可提高违规行为的评判效率；可提升违规行为识别精度；结构简单，成本较低，更利于市场推广。

技术领域

本发明涉及行为监测技术领域，尤其涉及一种违规行为AI识别系统。

背景技术

行为识别是近年来一个颇具吸引力和挑战性的研究方向，即给定一段裁剪好的视频，通过计算机视觉技术判断这段视频中人类的行为类别。近年来深度卷积神经网络的发展以及大规模标记数据集的出现，显著提高了行为识别的准确性。行为识别技术在智能安防、人机交互、视频理解、医疗健康等众多领域扮演着越来越重要的角色。

在一些需要高度集中的工作岗位，例如司机、医生、监考和安检观察员等，为了时刻观察工作人员或应试人员的动态，防止其乏累造成的工作疏忽或作弊，通常在工作区域安装行为识别设备，时刻观察人员的工作状态。

而目前的行为识别设备普遍价格偏高，且稳定性较差，容易受电磁、环境温度的干扰；设备在运行时，散热能力较弱，容易影响设备的正常工作；另一方面，目前的识别设备操作繁琐、管理和维护较难，同时也增加了用户的成本。

如专利申请号为CN202010055549.6的专利提出了一种基于视频的行为识别方法、装置、电子设备和存储介质，该专利所记载的技术方案包括确定待识别视频的图像序列；将图像序列输入至行为识别模型，得到行为识别模型输出的行为识别结果；行为识别模型是基于样本视频的样本图像序列和样本行为识别结果训练得到的；其中，行为识别模型用于对图像序列中连续图像的图像特征、时间特征和运动特征进行编码，得到连续图像的时空特征，并基于连续图像的时空特征进行行为识别，时间特征和运动特征是基于连续图像的图像特征确定的，该专利提供的方法、装置、电子设备和存储介质，在保证高精度的行为识别的同时，极大程度上减轻了时空特征编码的计算量，提高了行为识别效率。虽然该专利提高了行为识别效率，但是其成本过高，并不利于市场的推广。

还如专利申请号为CN200880004633.2的专利提出了一种行为识别系统，该专利基于对视频帧的分析来确定该流中所描述的对象。每个对象可以具有用来逐帧地跟踪对象的运动的相应的搜索模型。确定对象的分类并且生成对象的语义表示。语义表示被用来确定对象的行为并且学习由所获得的视频流描述的环境中所发生的行为，这样，系统通过分析环境中对象的移动、活动或不存在来迅速并且实时地学习正常和异常的行为，并且基于已经习得的来识别和预测异常和可疑的行为。同样的，该专利成本过高，不利于市场推广。

发明内容

为了解决上述问题，本发明提供了一种违规行为AI识别系统，该系统包括视觉分析子系统和运维子系统，所述视觉分析子系统用以分析不同场合下人的行为，并进行实时跟踪，视觉分析子系统包括系统资源配置模块、视图管理模块、任务管理模块和用户管理模块；所述运维子系统用以保证行为AI识别系统的稳定运行，运维子系统包括路由网络配置模块、集群添加配置模块、运行状态监控模块、集群本地升级模块和定时重启配置模块。

进一步的，所述资源配置模块包括类别管理子模块、异常行为代码管理子模块和终端管理子模块，所述类别管理子模块用以对行为类别进行新增、编辑、删除、终止以及绑定终端操作，所述异常行为代码管理子模块用以自定义行为违规类型以及违规行为，所述终端管理子模块用以将监控设备终端接入行为AI识别系统。

进一步的，所述视图管理模块包括服务器资源视图子模块、任务进度视图子模块和任务进度列表子模块，所述服务器资源视图子模块用以将抽帧、算法和消息队列服务器的资源占用情况进行可视化，所述任务进度视图子模块以饼状图形式展示任务进度、速度以及预计剩余时间，所述任务进度列表子模块以列表形式按行为类别显示任务进度。