[发明专利]基于深度学习的行为检测方法、装置

摘要

本发明提供一种基于深度学习的行为检测方法及装置。其中方法包括：建立模型数据集，优化模型，提取待检测视频的图像帧，利用深度学习算法模型对相关行为进行检测，得到结果。本发明的有益效果为，可以在复杂条件下，特别是对室外作业划定区域中的目标进行检测，实时性良好，准确率较高，计算速度较快，而且能够在CPU环境下运行，实用性较强。

主权项

1.一种基于深度学习的行为检测方法，包括：步骤S1，收集与目标行为相关的图片，将图片中与目标行为相关的图像区域作为样本集，样本集进行人工标注，使用标注的样本集建立深度学习算法模型的异常行为数据集；步骤S2，对异常行为数据集进行数据处理和/或优化，得到数据模型，对模型网络结构进行裁剪，减小模型大小和计算量，从而加速推理过程，迁移学习对模型进行训练，得到最终的深度学习算法模型；步骤S3，输入待检测的视频源，提取所述视频源分解的单个图像帧；步骤S4，对所述图像帧归一化，将其转换为神经网络所要求的输入格式blob结构；步骤S5，根据配置文件和算法模型文件加载神经网络，向神经网络中输入所述图像帧构造的blob结构，并进行正向传递，神经网络输出运行获得的预测边界框列表；步骤S6，循环输出列表中的预测结果，提取classID并获取到边界框centerX，centerY，宽度值，高度值，划定要检测区域的警戒线坐标，根据得到的边界框坐标以及划定要检测区域的警戒线坐标，得到所有在警戒区域内的边界框，在图像上绘制边界框及对应的异常行为classID和置信度分数，从而得到这一帧图像的异常行为检测结果。