[发明专利]基于神经网络的多模型协同暴力检测方法及系统

权利要求书

1.一种基于神经网络的多模型协同暴力检测方法，其特征在于，包括：

步骤1：训练神经网络模型A、神经网络模型B及构造运动检测模型，其中，神经网络模型A检测单帧图像中的个体，其输出为单帧图像中的人数；神经网络模型B检测一组连续图像中的暴力行为，其输出为一组连续图像中暴力行为存在的概率；运动检测模型检测多帧图像中物体的运动幅度，其输出为物体运动幅度值；

步骤2：接入监控摄像头；

步骤3：实时读取监控摄像头中的下一帧图像；

步骤4：对所读取的图像进行预处理，使该图像成为神经网络模型A输入的标准格式；

步骤5：将该帧图像输入神经网络模型A，神经网络模型A输出该帧图像中的人数，若输出结果大于预设的阈值A，则执行步骤6；否则令暴力检测概率为0，执行步骤9；

步骤6：将该帧图像输入到运动检测模型，若输出结果大于预设的阈值B，则将该帧图像保留至神经网络模型B的输入集合中，并执行步骤7；否则清空神经网络模型B的输入集合，令暴力检测概率为0，执行步骤9；

步骤7：检查神经网络模型B的输入集合，当神经网络模型B的输入集合中视频帧的数量大于预设的阈值C时，则将该集合中的视频帧进行预处理，使其成为神经网络模型B输入的标准格式，然后执行步骤8；否则执行步骤3；

步骤8：将步骤7处理后的数据输入神经网络模型B，神经网络模型B输出该组图像中存在暴力行为的概率；

步骤9：展示实时暴力检测概率。

2.如权利要求1所述的基于神经网络的多模型协同暴力检测方法，其特征在于，所述步骤1还包括：

子步骤1：构造神经网络模型A的数据集A，使用构造的数据集A训练神经网络模型A；

子步骤2：构造神经网络模型B的数据集B，使用构造的数据集B训练神经网络模型B；

子步骤3：载入神经网络模型A，并设定阈值A，阈值A为触发运动检测模型的临界值；

子步骤4：载入运动检测模型，并设定阈值B，阈值B为存储视频帧到神经网络模型B输入集合的临界值；

子步骤5：载入神经网络模型B，并设定阈值C，阈值C为触发神经网络模型B的临界值；

子步骤6：选取视频数据测试神经网络模型A、运动检测模型和神经网络模型B，以检测其是否正常载入。

3.如权利要求1所述的基于神经网络的多模型协同暴力检测方法，其特征在于，所述步骤9中，将暴力检测概率按照曲线的形式实时绘制并展示。

4.如权利要求1所述的基于神经网络的多模型协同暴力检测方法，其特征在于，所述神经网络模型A采用基于卷积神经网络的体系结构，其输入为一帧图像，其输出为数字，该数字表示所输入视频帧内的人数；神经网络模型B采用基于卷积神经网络和长短期记忆网络融合的体系结构，其输入为一组图像，其输出为该组图像中是否包含暴力行为的概率。

5.如权利要求1所述的基于神经网络的多模型协同暴力检测方法，其特征在于，所述运动检测模型为帧差模型、光流模型、梯度模型中的一种。

6.如权利要求1所述的基于神经网络的多模型协同暴力检测方法，其特征在于，步骤3中采用相隔固定帧或固定时间的方法从监控摄像头中读取图像。

7.如权利要求1所述的基于神经网络的多模型协同暴力检测方法，其特征在于，所述预处理包括对图像进行降采样、尺度变换、灰度化处理。