[发明专利]一种基于深度学习的监狱视频监控方法

权利要求书

1.一种基于深度学习的监狱视频监控方法，通过计算机视觉技术中的目标检测算法从海量的监狱视频监控数据中筛选值得重点关注的监控和帧，其特征在于包括以下步骤，步骤一：利用基于深度学习的目标检测模型对监狱监控视频中的当前帧进行检测；步骤二：根据检测结果和设置相应规则判断是否存在潜在危险和罪犯违纪违规行为；步骤三：将存在潜在危险的目标监控显示在监区监控室和监狱指挥中心（监控中心），将存在罪犯违纪违规行为的帧自动保存作为视频督查通报的依据。

2.权利要求1中步骤一所述的基于深度学习的目标检测模型是指计算机视觉领域适用于目标检测（object detection）任务的卷积神经网络，其特征在于可以通过互联网获得已开源的目标检测网络模型，或者通过标注监狱视频监控图片数据集、搭建目标检测网络来训练获得更加适合监狱的目标检测网络模型。

3.权利要求1中步骤二所述的存在潜在危险的判断规则是可能会发生的越狱、自杀、打架等事件的条件，特征在于包括：在检测结果中发现1至2名罪犯；发现货车；在特定时间罪犯不该出现的区域发现罪犯；其他特殊场景下自定义的潜在危险情况。

4.权利要求1中步骤二所述的存在罪犯违纪违规行为判断规则是根据监狱关于罪犯管理的规章制度在目标检测模型能够检测范围内设置的，其特征在于包括：在晾晒房以外发现衣服；在要求带安全帽的劳动现场发现罪犯未戴安全帽；在就寝时间段发现罪犯看书；罪犯在民警不在场时进入民警办公室；其他可检测的罪犯违纪违规行为。