申请/专利权人：西安工程大学

申请日：2020-10-29

公开（公告）日：2024-03-22

公开（公告）号：CN112528733B

主分类号：G06V40/20

分类号：G06V40/20;G06V20/40;G06V10/82;G06N3/0464;G06N3/082

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2021.04.06#实质审查的生效;2021.03.19#公开

摘要：本发明公开了一种网络的异常行为识别方法，具体按照以下步骤实施：步骤1、收集视频数据集；步骤2、利用基于时空信息的视频帧提取方法对视频进行视频帧提取；步骤3、对视频帧调整；步骤4、对提取帧的人体异常行为识别数据集中图片划分为训练集和测试集；步骤5、对inceptionv3网络结构进行改进；步骤6、用改进后的inceptionv3网络结构对异常行为图像进行识别，完成异常行为识别。解决了现有技术中存在的模型计算量大的问题。

主权项：1.一种基于改进inceptionv3网络的人体异常行为识别方法，其特征在于，具体按照以下步骤实施：步骤1、收集视频数据集；步骤2、利用基于时空信息的视频帧提取方法对视频进行视频帧提取；步骤3、对视频帧调整；步骤4、对提取帧的人体异常行为识别数据集中图片划分为训练集和测试集；步骤5、对inceptionv3网络结构进行改进，将改进后网络放到训练集进行训练，利用测试集分别对改进前网络和训练后的模型进行验证，当训练后的模型得到的数据高于改进前网络得到的数据，证明改进成功，将训练后的模型进行保存，具体按照以下步骤实施：先通过2个卷积核为3*3大小的conv1卷积层，然后接1个卷积核为3*3大小的conv2层，再连接1个卷积核为3*3大小的convpadded层，然后连接2个卷积核大小为3*3大小的pool层，然后接1个卷积核为3*3大小的conv3层，然后接2个卷积核为3*3大小的conv4层，然后接1个卷积核为3*3大小的conv5层，然后接3个inception层，然后接1个卷积核为8*8大小的pool层，然后接1个linear层，最后增加一个LSTM分类层；步骤6、用改进后的inceptionv3网络结构对异常行为图像进行识别，完成异常行为识别，具体按照以下实施：利用改进的inceptionv3网络对人体异常行为图像数据集进行特征提取，然后冻结inceptionv3输出层，使用LSTM代替输出层，LSTM分类层对人体异常行为图像在不同通道的特征信息进行整合并计算其所对应的预测类的概率，输出具有最大概率的预测类作为预测结果，完成异常行为识别。

全文数据：

权利要求：

百度查询： 西安工程大学 一种基于改进inceptionv3网络的人体异常行为识别方法

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