[发明专利]一种基于双流卷积神经网络和SVM的抽烟动作识别方法

说明书

本发明公开了一种基于双流卷积神经网络的危险行为自动识别方法，通过两个不同的卷积神经网络分别学习时间特征和空间特征并使用Softmax获取动作识别结果；不直接简单加权融合两个网络的Softmax分类结果，将两个训练Softmax的输出作为新的输入特征来SVM分类器，最终实现对视频中人物抽烟动作的自动识别。本发明使用SVM对时域卷积网络和空域卷积网络的分类结果建模，进一步提升了基于视频的人物抽烟行为自动识别的精度。

技术领域

本发明涉及基于双流卷积神经网络的人体行为识别，更具体的是涉及一种针对监控视频数据的抽烟动作自动识别方法。

背景技术

吸烟不仅是一种对人体健康危害巨大的不良习惯，更是一种安全隐患的主要诱发原因。对于加油站、油库、化学药品库等存储大量易燃易爆物品的场所，吸烟的明火可能导致火灾或爆炸等安全事故，造成巨大的经济损失和人员伤亡。目前，在上述场所下对于吸烟行为的防范主要依靠宣传标语警示或安全人员监察，将可能引发的巨大灾难寄托在依靠宣传标语唤醒的人员素质是不可靠的，安全人员也难以时刻观察场所内所有人员的行为，在吸烟后发现和及时制止，安全隐患已经出现。因此，我们急需一种在吸烟安全隐患刚刚出现的瞬间就能检测并报警的基于监控视频的抽烟行为自动识别方法，通过对禁烟场所的监控视频流中人员姿态的估计和动作的识别，对可能存在的抽烟动作及时预警，提醒管理人员重点注意，在减轻了安保人员工作强度的同时提高大幅度降低可能存在的安全隐患。

目前，基于计算机视觉的吸烟检测主要是通过分析和识别烟雾，包括利用颜色、能量等烟雾静态特征或飘动方向等动态特征。相比于火灾产生的浓烟，吸烟烟雾的浓度相对低且范围相对小；在露天情况下，烟雾特征受光照、风向、风速等干扰，现有的技术难以提取到理想的烟雾特征进行吸烟行为识别。随着技术的不断进步，基于深度学习算法的视频数据智能分析正在快速发展，在人物脸部识别、人物位置预测等领域已经被大量应用。

发明内容

针对以上问题，本发明提出了一种基于双流卷积神经网络和SVM的抽烟动作识别方法。针对露天环境下难以提取到理想的烟雾特征进行吸烟行为识别的问题，通过识别人物的动作来识别抽烟行为，使用两个不同的卷积神经网络分别学习时间特征和空间特征并使用Softmax获取动作识别结果；针对抽烟动作的相似性动作较多容易出现误判的问题，不直接简单加权融合两个网络的Softmax分类结果，将两个训练Softmax的输出作为新的输入特征来SVM分类器，提高视频中人物抽烟动作的识别准确率。

为了解决以上问题，本发明采用了如下技术方案：

一种基于双流卷积神经网络和SVM的抽烟动作识别方法，其特征在于，包括以下步骤：Step1原始数据准备

针对常见场景下的人物抽烟行为，通过收集来自吸烟室监控摄像头及网络的视频数据。

Step2数据预处理

(1)将大小、帧率各不相同的视频数据统一到相同大小和25帧率。

(2)截取视频数据中关键的抽烟动作部分，将视频的时长控制在10s左右。

(3)将每一个视频拆成视频帧，每一个视频随机抽取10张图片组成图片数据集。

Step3数据集制作

针对Step2预处理后的数据进行人工分类，将人工分类信息作为网络训练的类别监督信息。随机选取增强后视频数据的60％作为训练数据，剩余的作为测试数据；随机选取图片数据集中的60％作为训练数据，其余的作为测试数据。

Step4空域卷积网络的构建与训练

Step4-1空域卷积网络的构建