[发明专利]一种基于时间序列及CNN的不安全行为识别方法及系统在审
| 申请号： | 201711045704.0 | 申请日： | 2017-10-31 |
| 公开（公告）号： | CN107862331A | 公开（公告）日： | 2018-03-30 |
| 发明（设计）人： | 骆汉宾;丁烈云;方伟立;钟波涛;刘佳静;张永成 | 申请（专利权）人： | 华中科技大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 华中科技大学专利中心42201 | 代理人： | 王世芳,李智 |
| 地址： | 430074 湖北*** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于时间序列及CNN的不安全行为识别方法及系统，通过将不安全行为的训练集视频的原始数据输入卷积神经网络进行训练和学习，从卷积神经网络的最后一层池化层输出空间特征向量；将空间特征向量作为时间递归神经网络的输入，使用时间递归神经网络学习其中包含的时间序列依赖关系进而学习空间行为的时间序列表示，得到平均池化特征向量；将平均池化特征向量输入softmax层，得到卷积神经网络和时间递归神经网络的深度混合学习模型，即softmax分类器；利用softmax分类器对施工现场的监控视频进行在线识别，识别出施工现场的不安全行为。本发明能够为建筑工程施工全过程中不安全行为的实时侦查和矫正提供支持。 | ||
| 搜索关键词： | 一种 基于 时间 序列 cnn 不安全 行为 识别 方法 系统 | ||
【主权项】：
一种基于时间序列及CNN的不安全行为识别方法，其特征在于，包括如下步骤：步骤1：将施工现场不安全行为的训练集视频的原始数据输入卷积神经网络进行训练和学习，从卷积神经网络的最后一层池化层输出空间特征向量；步骤2：将空间特征向量作为时间递归神经网络的输入，使用时间递归神经网络学习其中包含的时间序列依赖关系进而学习空间行为的时间序列表示，得到平均池化特征向量；步骤3：将平均池化特征向量输入softmax层，得到卷积神经网络和时间递归神经网络的深度混合学习模型，即softmax分类器；步骤4：利用softmax分类器对施工现场的监控视频进行在线识别，识别出施工现场的不安全行为。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于华中科技大学，未经华中科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201711045704.0/，转载请声明来源钻瓜专利网。
