[发明专利]基于深度学习的校园暴力行为检测系统和方法

说明书

本发明提供了一种基于深度学习的校园暴力行为检测系统和方法，其中，所述检测系统包括：图像数据管理模块，图像数据管理模块用于获取校园暴力行为场景和非校园暴力行为场景的图像数据，并对图像数据进行分类标注和图像增广，以生成训练数据集和测试数据集；深度学习算法训练管理模块，深度学习算法训练管理模块基于神经网络算法模型构建目标算法模型，并根据训练数据集和测试数据集对目标算法模型进行训练和测试，以生成校园暴力行为检测算法模型；人机交互管理模块，人机交互管理模块用于采用校园暴力行为检测算法模型对校园监控实时获取的图像数据进行判断，若判断结果为发生校园暴力，则进行报警。

技术领域

本发明涉及图像检测识别技术领域，具体涉及一种基于深度学习的校园暴力行为检测系统和一种基于深度学习的校园暴力行为检测方法。

背景技术

校园暴力多发生在中小学校园中，大多数情况为学生蓄意滥用躯体力量，在教学楼、宿舍和校园的偏僻角落对一个或多个学生进行肢体殴打，这种暴力行为对被侵害的学生造成严重的生理和心理上的伤害。很多时候学校老师和安保人员本可以通过监控摄像及时发现这种暴力行为，并进行制止，但因为发现不及时或者没有关注监控摄像，错过了制止这种行为的最佳时机。

发明内容

本发明旨在至少在一定程度上解决上述技术中的技术问题之一，为此，本发明一个目的在于提出一种基于深度学习的校园暴力行为检测系统，能够及时发现校园暴力行为，并进行报警，从而能够提高监视效率，为校园安全提供有效保障。

本发明的第二个目的在于提出一种基于深度学习的校园暴力行为检测方法。

为实现上述目的，本发明第一方面实施例提出了一种基于深度学习的校园暴力行为检测系统，包括：图像数据管理模块，所述图像数据管理模块用于获取校园暴力行为场景和非校园暴力行为场景的图像数据，并对所述图像数据进行分类标注和图像增广，以生成训练数据集和测试数据集；深度学习算法训练管理模块，所述深度学习算法训练管理模块基于神经网络算法模型构建目标算法模型，并根据所述训练数据集和所述测试数据集对所述目标算法模型进行训练和测试，以得到校园暴力行为检测算法模型；人机交互管理模块，所述人机交互管理模块用于采用所述校园暴力行为检测算法模型对校园监控实时获取的图像数据进行判断，若判断结果为发生校园暴力，则进行报警。

根据本发明实施例的基于深度学习的校园暴力行为检测系统，首先通过图像数据管理模块获取所需图像数据，并对所获取图像数据进行分类标注和图像增广，将图像数据分为训练和测试两个数据集，然后通过深度学习算法训练管理模块基于神经网络算法模型构建目标算法模型，并根据训练和测试两个数据集的图像数据进行训练，以生成校园暴力行为检测算法模型，最后通过人机交互管理模块采用所生成的校园暴力行为检测算法模型对校园监控实时获取的图像数据进行判断，若判断结果为发生校园暴力，则进行报警，由此，能够及时发现校园暴力行为，并进行报警，从而能够提高监视效率，为校园安全提供有效保障。

另外，根据本发明上述实施例提出的基于深度学习的校园暴力行为检测系统还可以具有如下附加的技术特征：

具体地，所述图像数据管理模块包括：图像数据获取模块，所述图像数据获取模块用于获取校园暴力行为场景和非校园暴力行为场景的图像数据；标注模块，所述标注模块用于为所述校园暴力行为场景的图像数据标注“是”和为所述非校园暴力行为场景的图像数据标注“否”，并将所述图像数据分为所述训练数据集和所述测试数据集；图像增广模块，所述图像增广模块用于对所述训练数据集进行图像增广，以扩大所述训练数据集的规模。