[发明专利]一种暴力行为的识别检测方法、装置及系统

说明书

本发明公开了一种暴力行为的识别检测方法、装置及系统。该识别检测装置包括识别检测单元、迭代判断单元以及模型更新单元。该识别检测系统包括识别检测模块以及数据存储模块。通过采用包括预设的学生检测识别网络以及预设的教师检测识别网络的迁移学习模型，仅在教师检测识别网络端进行模型训练迭代，并将模型参数传递给学生检测识别网络以用于学习，从而能够灵活地根据情况的变化适应性更新迭代模型，该识别检测方法、装置及系统提升暴力行为识别检测的准确性；进一步地，本发明提供的一种暴力行为的识别检测方法、装置及系统还通过将模型训练迭代过程迁移到教师识别检测网络上，而在识别检测时仅利用学生识别检测网络，从而实现算力的轻便性。

技术领域

本发明涉及暴力行为的识别检测领域，涉及一种暴力行为的识别检测方法、装置及系统。

背景技术

目前，智能安防在学校、商场、火车站、机场、车站等公共场所的应用日益广泛，对行人、车辆等进行目标检测和行为识别已经成为其必不可少的功能。这些功能的实现都依赖于YOLO、SORT等复杂深度神经网络及其配套学习算法。暴力检测就是找出图像中所有指定的物体(特指行人、车辆)，包含目标定位和目标分类，以确定物体的类别和位置，继而检测该目标是否进行了暴力行为。

在现有技术中，基于深度学习的暴力检测的流程主要有五个步骤：1)数据采集人员在真实场景下使用专业相机对目标进行拍摄，得到原始数据；2)部署在服务器上的深度学习模型通过训练好的逻辑推理功能将输入数据提取出特征；3)在得到特征后，深度学习模型继续对输入数据提取出的特征进行分类判定，进而识别出输入数据图片中的目标属于某种类别的概率；4)深度学习模型检测到目标后，将对其进行暴力行为检测，如果模型判定其为暴力行为且在随后一定时间段内连续被判为暴力行为，则会发送红色警报给监管者；5)在深度学习模型识别出目标后将持续跟踪该目标，直到目标离开监测区域或者目标变换形态使模型不能识别该目标。

但是，现有技术仍存在如下缺陷：传统暴力行为检测通常是运用计算机视觉的传统方法对视频逐帧截取图片，并对图片进行计算机图形学和计算机图像学处理提取特征，而传统方法的特征提取需要人为去设计较为麻烦，也需要配合分类器来判断是否图片中出现了暴力行为；与此同时，传统暴力行为检测准确率不高，误差较大，经常误判，且无法标注出暴力行为，也无法定位发生暴力行为的具体位置。

因此，当前需要一种暴力行为的识别检测方法、装置及系统，从而克服现有技术中存在的上述缺陷。

发明内容

针对现存的上述技术问题，本发明的目的在于提供一种暴力行为的识别检测方法、装置及系统，从而提升暴力行为识别检测的准确性。

本发明提供了一种暴力行为的识别检测方法，所述识别检测方法包括：获取待识别检测的行为数据组，并根据预设的学生识别检测网络，对所述行为数据组进行识别检测，从而获得并存储识别检测结果以及对应的置信度；所述学生识别检测网络由预设的教师识别检测网络蒸馏、量化以及剪枝得来；根据所述识别检测结果、所述置信度、所述教师识别检测网络、预设的置信阈值以及预设的迭代阈值，判断是否需要更新所述学生识别检测网络；如果需要，则获取所述学生识别检测网络的迭代模型参数组，根据所述迭代模型参数组，更新所述学生识别检测网络，并重复执行上述步骤。

在一个实施例中，根据所述识别检测结果、所述置信度、所述教师识别检测网络、预设的置信阈值以及预设的迭代阈值，判断是否需要更新所述学生识别检测网络，具体包括：筛选出所述置信度低于预设的置信阈值的第一识别检测结果，并判断所述第一识别检测结果的数量是否达到预设的更新阈值；若是，则需要更新所述学生识别检测网络；若否，则不需要更新所述学生识别检测网络。

在一个实施例中，获取所述学生识别检测网络的迭代模型参数组，具体包括：将所述第一识别检测结果及对应的第一置信度发送给所述教师识别检测网络，以使所述教师识别检测网络根据所述第一识别检测结果以及对应的第一置信度进行迭代训练以获得第一教师识别检测网络，并经由蒸馏、量化以及剪枝，从而获得迭代模型参数组；接收所述教师识别检测网络发送的迭代模型参数组。