[发明专利]物业服务平台管理系统及其方法

权利要求书

1.一种物业服务平台管理系统，其特征在于，包括：监控数据采集模块，用于获取由摄像头采集的配电室内人员的行为动作监控视频；采样模块，用于从所述行为动作监控视频提取多个行为动作监控关键帧；行为特征提取模块，用于将所述多个行为动作监控关键帧分别通过作为过滤器的卷积神经网络模型以得到多个行为动作特征向量；行为理解模块，用于将所述多个行为动作特征向量通过基于转换器的动作语义理解模型以得到动作理解特征向量；行为监测模块，用于将所述动作理解特征向量通过分类器以得到分类结果，所述分类结果用于表示配电室内人员的行为是否异常；以及管理结果生成模块，用于基于所述分类结果，生成管理结果，所述管理结果用于表示是否产生行为动作异常预警提示。

2.根据权利要求1所述的物业服务平台管理系统，其特征在于，所述采样模块，用于以预定采样频率从所述行为动作监控视频中提取多个行为动作监控关键帧。

3.根据权利要求2所述的物业服务平台管理系统，其特征在于，所述行为特征提取模块，进一步用于：使用所述卷积神经网络模型的各层在层的正向传递中分别进行：对输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图进行基于局部特征矩阵的均值池化以得到池化特征图；以及对所述池化特征图进行非线性激活以得到激活特征图；其中，所述卷积神经网络模型的最后一层的输出为所述行为动作特征向量，所述卷积神经网络模型的第一层的输入为所述行为动作监控关键帧。

4.根据权利要求3所述的物业服务平台管理系统，其特征在于，所述作为过滤器的卷积神经网络模型为金字塔网络。

5.根据权利要求4所述的物业服务平台管理系统，其特征在于，所述行为理解模块，包括：时序上下文理解单元，用于将所述多个行为动作特征向量输入所述基于转换器的动作语义理解模型以得到多个上下文行为动作特征向量；聚合度优化单元，用于对所述多个上下文行为动作特征向量进行向量间特征聚合度优化以得到多个优化后上下文行为动作特征向量；以及级联单元，用于将所述多个优化后上下文行为动作特征向量进行级联以得到所述动作理解特征向量。

6.根据权利要求5所述的物业服务平台管理系统，其特征在于，所述时序上下文理解单元，进一步用于：将所述多个行为动作特征向量排列为输入向量；将所述输入向量通过可学习嵌入矩阵分别转化为查询向量和关键向量；计算所述查询向量和所述关键向量的转置向量之间的乘积以得到自注意关联矩阵；对所述自注意关联矩阵进行标准化处理以得到标准化自注意关联矩阵；将所述标准化自注意关联矩阵输入Softmax激活函数进行激活以得到自注意力特征矩阵；以及将所述自注意力特征矩阵与以所述多个行为动作特征向量中各个行为动作特征向量作为值向量分别进行相乘以得到所述多个上下文行为动作特征向量。

7.根据权利要求6所述的物业服务平台管理系统，其特征在于，所述聚合度优化单元，进一步用于：以如下公式对所述多个上下文行为动作特征向量进行向量间特征聚合度优化以得到多个优化后上下文行为动作特征向量；其中，所述公式为：，其中是所述多个上下文行为动作特征向量中的各个上下文行为动作特征向量，是所述多个上下文行为动作特征向量的各个多个上下文行为动作特征向量中与所述上下文行为动作特征向量 之间的距离，即小于预定阈值，即 的上下文行为动作特征向量，为加权超参数，表示向量的指数运算，所述向量的指数运算表示计算以向量中各个位置的特征值为幂的自然指数函数值，表示按位置差分，表示所述多个优化后上下文行为动作特征向量中的各个优化后上下文行为动作特征向量。

8.根据权利要求7所述的物业服务平台管理系统，其特征在于，所述行为监测模块，包括：全连接编码单元，用于使用所述分类器的全连接层对所述动作理解特征向量进行全连接编码以得到编码分类特征向量；以及分类结果生成单元，用于将所述编码分类特征向量输入所述分类器的Softmax分类函数以得到所述分类结果。