申请/专利权人：浙大城市学院

申请日：2022-06-02

公开（公告）日：2024-04-02

公开（公告）号：CN114943922B

主分类号：G06V20/40

分类号：G06V20/40;G06V40/16;G06V40/20;G06V10/62;G06V10/82;G06N3/0464;G06N3/084

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2022.09.13#实质审查的生效;2022.08.26#公开

摘要：本发明涉及一种基于深度学习的机考可疑行为识别方法，包括步骤：拍摄获取包含机考可疑行为的视频，对视频进行预处理，得到与机考可疑行为视频相对应的视频帧图片序列。本发明的有益效果是：本发明构建了机考行为数据集，为实现机考可疑行为识别搭建了数据基础；本发明还提出了基于面部五官运动特征的机考行为识别算法，该算法通过目标检测的方法将RGB帧所表示的空间信息转换为能够表示运动信息的时间序列；相比于使用光流，机考行为识别算法设计的时间序列在机考场景下对运动特征的提取和分类更加高效；实验证明机考行为识别算法可以通过融合的方式显著提高主流深度学习行为识别模型在机考行为数据集上的效果。

主权项：1.一种基于深度学习的机考可疑行为识别方法，其特征在于，包括以下步骤：步骤1、拍摄获取包含机考可疑行为的视频，对视频进行预处理，得到与机考可疑行为视频相对应的视频帧图片序列；所有视频帧图片序列组成机考行为数据集；步骤2、将机考行为数据集或其他大规模行为数据集按设定比例划分为训练集与验证集，采用训练集训练时空特征提取网络；步骤3、随机挑选一部分步骤1得到的视频帧图片序列进行面部五官区域标记，形成原始图片以及xml文件，xml文件中object标签下包含类别信息和坐标信息；将类别信息和坐标信息与原始图形结合，得到面部五官区域目标检测数据集；步骤4、利用步骤3得到的面部五官区域目标检测数据集来训练面部五官区域目标检测网络；步骤5、利用步骤4得到的面部五官区域目标检测网络来检测步骤1中机考行为数据集内的视频帧图片的面部五官区域，得到检测信息；计算出表征行为运动特征的时间序列，形成面部运动特征时间序列数据集；步骤6、利用步骤5得到的面部运动特征时间序列数据集来训练循环神经网络，得到训练好的运动特征提取网络；循环神经网络为双向GRU网络；运动特征提取网络为面部五官区域目标检测网络拼接双向GRU网络；步骤7、采用步骤2得到的时空特征提取网络和步骤6得到的运动特征提取网络分别提取视频帧图片的检测信息和表征行为运动特征，再分别经由全连接层和softmax函数输出分类得分，将两路得分进行融合，得到最后的分类结果。

全文数据：

权利要求：

百度查询： 浙大城市学院 一种基于深度学习的机考可疑行为识别方法

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