[发明专利]一种基于深度学习的家庭成员安全隐患监测方法

摘要

本发明公开一种基于深度学习的家庭成员安全隐患监测方法，所述方法基于家庭各个成员面部特征及行为所构建的用户数据库，执行如下人脸特征匹配方法和行为检测方法，实现家庭成员安全隐患发现；本发明具有以下优点：(1)针对家庭成员安全隐患实现有效地发现和预警。(2)在提供人脸识别功能之外，还提供异常行为检测功能。(3)行为检测方法沿着行为兴趣点的稠密轨迹提取行为的外观特征和运动特征。

主权项

1.一种基于深度学习的家庭成员安全隐患监测方法，其特征在于，所述方法基于家庭各个成员面部特征及行为所构建的用户数据库，执行如下人脸特征匹配方法和行为检测方法，实现家庭成员安全隐患发现；所述人脸特征匹配方法，包括：步骤A1.采用预先训练所获得的人脸检测模块，针对监控摄像装置所捕获的各帧视频图像进行人脸检测，获得各个人脸局部图像，并进入步骤A2；步骤A2.分别针对各个人脸局部图像，针对人脸局部图像中的五官进行移位，使其五官位置与预设标准对其人脸图像的五官位置相同，由此分别更新各个人脸局部图像，然后进入步骤A3；步骤A3.分别针对各个人脸局部图像，采用预先经过训练的深度学习网络模型，构建人脸特征提取模块，通过人脸特征提取模块提取人脸局部图像所对应的人脸特征向量，并将其与用户数据库中的家庭成员面部特征进行匹配，确认该人脸局部图像是否为真正的家庭成员，由此基于针对各个人脸局部图像的特征匹配，实现坏人入侵民宅安全隐患发现；所述行为检测方法，包括：步骤B1：基于步骤A2中更新所得的各个人脸局部图像，结合监控摄像装置所捕获的连续视频图像帧，通过Canny边缘求取方法和背景差法，获得各个家庭成员运动目标；步骤B2：采用公共数据库CAVAIAR和BOSS预设异常行为动作样本，如晕倒、摔倒、抽搐、打人等异常行为，针对预设深度学习网络进行训练，获得经过训练的深度学习网络，即异常行为动作检测模型；步骤B3：分别针对各个家庭成员运动目标，采用异常行为动作检测模型针对家庭成员运动目标进行异常行为动作检测，判断是否该家庭成员是否存在异常行为动作，实现家庭成员安全隐患发现。