[发明专利]一种室内环境下的异常行为识别方法

摘要

本发明公开了一种室内环境下的异常行为识别方法，属于深度学习、视频图像和信息融合领域。由于使用深度学习方法作为特征提取器，本发明所述方法可以从图像中获取更加高维抽象的特征，极大提升了目标行为识别的准确度。此外，采用剪枝操作能够有效压缩模型规模并加速模型运行，保证深度网络在资源受限、实时性要求高的嵌入式环境下也能正常工作。同时，本方法充分考虑到多种信息的特征，对每种信息所对应的行为概率进行决策级融合，可以大幅提高目标行为识别的准确度。

主权项

1.一种室内环境下的异常行为识别方法，其特征在于：包括以下步骤：步骤一：获取CASIA行为分析数据库中俯视角下走、跑、弯腰、跳、下蹲、晕倒等视频集合，将视频中的所有帧提取出来，预处理后作为训练数据集；步骤二：将卷积神经网络(Convolutional Neural Networks,CNN)作为特征提取器提取训练数据集的高维抽象特征，将支持向量机(Support Vector Machine,SVM)作为分类器获得对应行为的标签，离线训练所构造的模型；步骤三：对于训练后的卷积神经网络，将所有小于阈值K的神经元之间的连接权重置为0，并微调网络以使其保持识别精度处于较高水平，重复步骤三以持续压缩并加速深度网络；步骤四：通过位于房间天花板的红外摄像头获取待识别目标的视频，将视频关键帧作为测试集，预处理后输入训练好的模型，识别目标对应动作；步骤五：构建目标的行为关联矩阵G＝(T,L,A)，关联矩阵的三个元素分别表示时间、地点、动作与自然行为之间的关系，即不同情况下可能对应的自然行为。由不同时间、位置、动作与自然行为之间的关联矩阵构建自然行为与环境上下文信息的知识库，利用D‑S证据理论融合每种情况下的自然行为概率分布，完成目标的行为识别。