[发明专利]一种基于深度学习行为识别的校园暴力评估方法

说明书

一种基于深度学习行为识别的校园暴力评估方法，包括采集分布在校园各处的监控视频数据，以不同地点的监控摄像头作为分类标签，将视频流数据拆分成不同的连续帧组，输入、训练、构建三维卷积神经网络（3D‑CNN）校园暴力评估模型，并采用交叉验证法检验模型的泛化能力；在此基础上对个体新输入的数据识别动作类别，判断其所处位置的安全状况，并对异常行为发出警报。本发明不仅提出利用深度学习进行校园暴力监控的方法，还首次将3D‑CNN应用于校园暴力预警。在大数据时代背景下，不仅保障了管理的科学性、高效性和安全性，更为防治校园暴力提供了一种有效的解决途径。

技术领域

本发明属于大数据处理技术领域，具体涉及一种基于深度学习行 为识别的校园暴力评估方法。

背景技术

校园暴力是指学生个体之间或教师与学生之间通过肢体、言语及 网络传播等方式欺负、羞辱其他同学并对其造成人身、精神伤害的事 件。在我们印象中，学校本应是孩子学习和成长的安全之地，但对全 球半数青少年来说，情况却并非如此。深受其扰，却无处求援的局面 加剧了校园暴力防治的难度，给管理者带来严峻考验。因此，校园暴 力防治研究意义重大。

目前，校园暴力防治研究可以分为两大类，一类是传统校园暴力 防治研究，另一类是基于大数据的校园暴力防治研究。传统校园暴力 防治研究根据统计校园暴力的外显数据探究其深层原因、未来发展趋 势以及所带来的影响。常用研究方法包括：调查法、个案分析法、统 计法等，数据主要来源于调查问卷和暴露个案。传统研究起源早，历 史久远，发展较为成熟，具有研究范围广、深度高、成果多等优点， 但还是存在样本数据量小、不具代表性、数据处理耗时费力等不足之 处。

基于大数据的校园暴力防治研究与人工智能、智慧物联、数据科 学联系紧密，通过多学科深度融合的方式，将海量数据高效整合处理， 发现数据之美，探索数据的深层表现，具有数据量大、代表性强、效 率高等特点。专利CN201410649012.7公开了一种基于智能手机平台 的校园欺凌检测方法，通过手机内置三轴加速计、三轴陀螺仪、麦克 风、GPS等模块实现对监控对象的动作、情感及言语欺凌识别，并通 过手机短信自动报警，具有准确、快速的优点，但其投入成本高、效 率低，无法大面积投入使用；专利CN201611160698.9，CN201910556819.9和CN201910634611.4虽都公开了一种基于校园监 控视频数据的智能安全分析方法，但需要辅助包括个人照片、位置在 内的各类敏感信息，且针对校园安全评估核心模块，并未能提出一个 合理且高效的神经网络模型和模型建立方法。大数据时代背景下，人 们往往易于淹没在数据海洋中，被一个个“信息茧房”禁锢，无法突 破局限，发现其中价值。由此可见，如何充分挖掘监控视频数据，建 立科学、准确、高效的安全评估模型是数据时代校园暴力防治研究的 关键。

发明内容

为了弥补上述现有技术的缺陷，本发明旨在提供一种基于深度学 习行为识别的校园暴力评估方法，利用3D CNN神经网络从监控视频 获取校园安全状况，将大大提高数据采集的高效性、校园安全可控范 围及安全评估的准确性，降低人工投入与经费支出，真正实现校园智 慧化管理。

为了实现上述目的，本发明采用的技术方案是：

一种基于深度学习行为识别的校园暴力评估方法，包括以下步 骤：

1)参考现有公开数据集，结合特定校园应用场景，自制用于构 建校园暴力评估神经网络模型所需的视频数据集，并进行数据压缩、 集成、清洗和标记等预处理操作。

2)引入深度学习神经网络—3D-CNN，根据需求设计确定隐藏 层数量、激活函数选择、各层次卷积核大小等网络内部结构。

3)将步骤1)中的数据集按2:8比例随机划分为测试集和训练集； 依照交叉验证法把训练集分为h个不相交的子集，依次输入步骤2) 所设计的3D-CNN网络中，训练构建3D-CNN校园暴力评估模型，