[发明专利]一种基于动作判定传感器和深度学习技术的幼儿行为监控系统及其判定方法

说明书

本发明提出了一种基于动作判定传感器和深度学习技术的幼儿行为监控系统及其判定方法，监控系统包含图像处理和步态识别两种模式，上述两种模式相互融合提高幼儿行为的判定准确度。图像处理基于深度学习技术，通过对分类好的幼儿图片使用CNN进行训练，得到相应的分类模型，在空间上监测点在t时刻的幼儿动作变化数据，从而更好地预测下一帧的动作，相比于传统的单帧识别判断，本发明具有良好地预判性。为应对图像处理时可能造成的误判，本发明将步态识别融入其中，感知幼儿的行为实际动作，在幼儿行为图片学习的基础之上结合幼儿行为产生的加速度变化差和压感变化差进行反馈学习。上述两种方式相结合有效提高了幼儿行为监控的准确度和预判能力。

技术领域

本发明涉及一种基于动作判定传感器和深度学习技术的幼儿行为监控系统及其判定方法，属于生物肢体语言检测与行为分析领域。

背景技术

随着经济水平的迅速发展，人们的生活工作节奏也越来越快。总有那么一段时间，工作需要赶进度，加班使人身心俱疲无暇他顾，可能会疏忽幼儿的一些问题，也有那么一种情况，父母年纪很大了，很难把照顾孩子的任务做的很好，可能会产生一些由于疏忽导致的情况。那么如果有一款产品能够代替或者辅助人们完成对孩子的看护，在他们需要帮助或者遇到危险的时候向主人告警，势必能够大大降低孩子遇险的可能性，或者在孩子遇险的第一时间就能够得到通知，迅速救援。

而现有技术中对于幼儿的监护仅仅停留在摄像头的捕捉与动作判断上，这种方法存在较大的局限性，且针对不同个体单纯地通过图像识别难以做出准确的判定。

发明内容

发明目的：利用深度学习技术，一个目的是提出一种基于动作判定传感器和深度学习技术的幼儿行为监控系统，通过深度学习方法对监控图像进行分析并结合动作判定传感器的数据，从而判断幼儿行为是否为危险行为。进一步目的是提供一种基于上述监控系统的幼儿行为判定方法。

技术方案：一种基于动作判定传感器和深度学习技术的幼儿行为判定方法，包括以下步骤：

步骤1、收集幼儿行为，获得样本数据；

步骤2、制定判定规则对收集到的图片进行分类，按危险级别进行风险标注；

步骤3、由图像采集设备对预定空间内的幼儿行为实时监控，并与样本数据比对得出风险级别；

步骤4、系统对当前风险级别评估，风险大于预设值则判定当前行为危险级别较高，通过运营商网络向监护人发出告警。

在进一步的实施例中幼儿行为图片学习，由图像采集设备收集幼儿的行为图片，并根据具体的行为将危险识别标注为6级，幼儿攀爬，危险级别6；幼儿在无人看护情况下手持带有金属光泽的东西，危险级别5；幼儿在无人看护情况下往嘴里塞东西，危险级别4；幼儿蹬被子，危险级别3；幼儿哭闹，危险级别2；幼儿爬行，危险级别1；

对分类好的幼儿图片使用CNN进行训练，得到相应的分类模型：在空间上监测点在t时刻的幼儿动作变化数据为：

其中，A_i,t表述目标动作监测点i在t时刻的动作数据；表述目标动作监测点i_n在t时刻的动作变化数据；

构建时空特征矩阵：

其中，A_i,t-m表述监测点i在当前时刻前m个时间统计单位的时刻动作数据，表示监测点i_n在当前时刻前m个时间统计单位的时刻动作数据，A_i,t-1表示监测点i在当前时刻前1个时间统计单位的时刻动作数据，表示监测点i_n在当前时刻前1个时间统计单位的时刻动作数据；

在构建时空特征矩阵的基础之上应用LightGBM模型对幼儿的下一动作进行预判，采用Bossting算法建立决策树加法模型：