申请/专利权人：西安交通大学;广东顺德西安交通大学研究院

申请日：2020-03-30

公开（公告）日：2020-07-24

公开（公告）号：CN111444861A

主分类号：G06K9/00(20060101)

分类号：G06K9/00(20060101);G06K9/62(20060101);G06N3/04(20060101)

优先权：

专利状态码：失效-发明专利申请公布后的驳回

法律状态：2023.07.04#发明专利申请公布后的驳回;2020.08.18#实质审查的生效;2020.07.24#公开

摘要：本发明公开了一种基于监控视频的车辆偷盗行为识别方法，包括步骤：首先使用3维卷积预训练模型提取特征，在分类之前加入时空联合注意力机制，用来聚焦车辆偷盗行为发生的时空位置，最后通过分类实现对偷盗行为的识别。针对监控视频中犯罪目标犯罪行为隐蔽，动作幅度小导致难以检测的问题，在网络中加入时间注意力机制来捕捉时间上的运动信息的变化；针对监控视频中犯罪目标较小，在空间上所占的位置较小的问题，在网络中加入空间注意力机制；然后使用先时间后空间级联的时空联合机制来建模车辆偷盗行为的时空间信息，得到具有较好区分度的3维时空特征，从而提高识别准确率，在车辆偷盗行为数据集上的识别准确率达到了97.8％。

主权项：1.一种基于监控视频的车辆偷盗行为识别方法，其特征在于，包括以下步骤：1特征提取模块输入为固定长度的连续RGB帧，采用3维卷积神经网络网络提取车辆偷盗行为的时空特征；2时间注意力模块在时空特征的时间维度使用注意力机制，给各时间点的特征分配不同的权重，使得识别网络更易捕捉到时间上的动作变化信息；3空间注意力模块在时空特征的空间维度使用注意力机制，给不同空间位置的局部特征分配不同的权重，使得识别网络更易聚焦到犯罪目标的空间位置，减少背景因素的干扰；4时间空间联合策略采用先时间后空间级联的时空联合策略，实现了3维时空的权重分配机制，获得更具有区分度的时空特征。

全文数据：

权利要求：

百度查询： 西安交通大学;广东顺德西安交通大学研究院 一种基于监控视频的车辆偷盗行为识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD