[发明专利]基于用户行为分析模型的环境动态管控方法及系统

权利要求书

1.一种基于用户行为分析模型的环境动态管控方法，其特征在于，包括如下步骤：

步骤100：根据历史积累数据，建立违规行为模型；

步骤200：根据通用模型识别用户行为视频中的关键事件，并截取关键事件图像资料；

步骤300：通过违规行为模型对关键事件进行甄别。

2.根据权利要求1所述的基于用户行为分析模型的环境动态管控方法，其特征在于，步骤100：根据历史积累数据，建立违规行为模型，具体包括如下步骤：

步骤110：提取所述历史数据中的工况数据、可信环境数据、异常数据及其对应的时间数据；

步骤120：根据所述的工况数据、可信环境数据、异常数据及其对应的时间数据训练得到所述违规行为模型。

3.根据权利要求1所述的基于用户行为分析模型的环境动态管控方法，其特征在于，步骤200：根据通用模型识别用户行为视频中的关键事件，并截取关键事件图像资料，具体包括如下步骤：

步骤210：获取包含用户行为的视频图像，将包含用户行为的视频图像处理成视频图像序列，并对所述视频图像序列进行处理；

步骤220：获取处理后的视频图像序列，并根据获取的经过处理后的所述视频图像序列，建立视频图像数据库；

步骤230：根据建立的所述视频图像数据库，从获取的所述视频图像序列中提取出目标行为图像；

步骤240：将预设通用模型中的异常行为图像与所述视频图像数据库中的所述目标行为图像进行直方图的对比测量；

步骤250：判断异常行为图像与所述视频图像数据库中的所述目标行为图像的图像灰度的概率分布相似度是否大于标准阈值，若当异常行为图像与所述视频图像数据库中的所述目标行为图像的图像灰度的概率分布相似度大于或等于标准阈值时，则判别该目标行为图像所属违规行为类别；若当异常行为图像与所述视频图像数据库中的所述目标行为图像的图像灰度的概率分布相似度小于标准阈值时，则结束。

4.根据权利要求3所述的基于用户行为分析模型的环境动态管控方法，其特征在于，所述通用模型为反映异常行为图像的图像相似度灰度分布的数据库模型。

5.根据权利要求3所述的基于用户行为分析模型的环境动态管控方法，其特征在于，步骤250：若当异常行为图像与所述视频图像数据库中的所述目标行为图像的图像灰度的概率分布相似度大于或等于标准阈值时，则判别该目标行为图像所属违规行为类别，具体包括：

若当异常行为图像与所述视频图像数据库中的所述目标行为图像的图像灰度的概率分布相似度大于或等于标准阈值时，则确定与目标行为图像对应的异常行为图像的分类器，根据该异常行为图像的分类器的分类标签确定其所属异常行为类别为当前目标行为图像的所属违规行为类别。

6.根据权利要求2所述的基于用户行为分析模型的环境动态管控方法，其特征在于，所述违规行为模型包括数据AI模型、视频AI模型。

7.根据权利要求6所述的基于用户行为分析模型的环境动态管控方法，其特征在于，所述数据AI模型包括输入层、计算层和输出层；

所述输入层，对输入数据做初步处理得到输入层数据；

所述计算层，采用加权神经网络对输入层数据进行处理，得到针对输入层数据计算后的处理结果；

所述输出层，对所述处理结果规整，并执行所述处理结果对应的操作逻辑。

8.根据权利要求6所述的基于用户行为分析模型的环境动态管控方法，其特征在于，所述视频AI模型包括输入层、计算层、激励层和输出层；

所述输入层用于对边缘设备采集的图像数据去均值、归一化和白化处理并得到初步的输入层数据；

所述计算层通过卷积神经网络对初步的输入层数据进行计算处理得到卷积计算结果；

所述激励层采用非线性映射方式对卷积层的卷积计算结果进行非线性映射得到映射数据以加强梯度递归性能；

所述输出层基于映射数据进行输出处理结果。