[发明专利]基于深度学习的人体行为识别系统

摘要

本发明涉及captcha领域，特别涉及基于深度学习的人体行为识别系统，本发明系统采用包含LSTM的神经网络来实现当前页面操作主体的判断。所述神经网络模型包含embedding层、LSTM、全连接层和softmax层；本发明系统在进行模型训练时，所采用的机器生成的负样本是以人体行为样本为基础，包括随机生成，将正样本轨迹进行随机切分成若干子段再将切分后的子段进行随机拼接，在正样本的基础上进行轨迹参数的比例缩放，扰动等方式生成；本系统的训练方式使得本系统具有更高的分辩能力。为图形拖动实现验证时的操作主体判断提供工具和技术支撑。

主权项

基于深度学习的人体行为识别系统，其特征在于，所述系统包含神经网络模型，所述神经网络模型包含：embedding层、LSTM、全连接层和softmax层；所述神经网络模型的训练或预测中，信号的向前传输过程为：将训练样本的(dxi，dyi，dti)信号输入embedding层，由所述embedding层将dxi、dyi、dti分别转化成对应的m维的向量，并将dxi、dyi、dti对应的m维向量拼接成一个3m维的向量；将该3m维的向量依时序输入LSTM神经网络中，由LSTM神经网络输出3m*L维的该条轨迹的表示向量到全连接层中，并通过softmax层输出该条轨迹是否是人体行为的判断结果。