[发明专利]用于暴力行为检测的深度学习模型训练数据集构造方法及系统

说明书

本发明实施例公开了一种用于暴力行为检测的深度学习模型训练数据集构造方法及系统，所述方法包括：步骤1：存储和清洗公开数据集中的视频；步骤2：存储和清洗网站中的视频；步骤3：录制含有暴力行为的视频；步骤4：基于已有模型录制视频；步骤5：设定输入帧数；步骤6：若存在待处理视频，则取出待处理视频；步骤7：获取该视频的总帧数；步骤8：计算取帧间隔；步骤9：计算取帧的序号；步骤10：将对应帧序号的图片按特定参数命名，并存储至指定文件系统；步骤11：将待处理视频记录为“已处理”。本发明提升基于深度学习的暴力行为检测模型输入样本数量和样本质量，减少训练时间，降低资源开销，提升模型性能，进而提升暴力行为检测效果。

技术领域

本发明涉及计算机软件应用技术领域，尤其涉及一种用于暴力行为检测的深度学习模型训练数据集构造方法及系统。

背景技术

人工智能（AI），特别是基于深度学习的AI方法和技术在解决计算机视觉、语音识别、自然语言处理等领域的一些问题上表现出了优秀的性能，近年来受到了广泛的关注。在机器视觉领域，设计出的深度学习模型往往拥有庞大的参数数量，其训练依赖于大量的数据样本。例如Facebook的人脸识别系统DeepFace使用了4000多个身份的400万张人脸图像。2017年Jeff Leek指出，如果拥有的数据量不够大，则不应使用深度学习的方法。

暴力行为检测作为机器视觉领域的一个重要应用，已公开的标准化数据集较少，而数据样本的缺乏是阻碍深度学习模型在该应用上发挥作用的一个关键原因。此外，对于一些特定的深度学习模型，其对数据集的构建存在特殊的限制。在不适合的数据集上训练可能需要消耗大量的时间和资源开销，不利于这些模型的实际应用。以循环神经网络（Recurrent Neural Networks，RNN）为例，假设数据集包含10000个视频，每个视频帧率为25帧/秒、时长为3秒。如果将每一个视频的所有视频帧全部输入RNN模型，共需输入750000视频帧，会造成较高的时间和资源开销。为解决上述问题，需要研究一种用于暴力行为检测的深度学习模型训练数据集构造方法及系统。

发明内容

本发明实施例所要解决的技术问题在于，提供一种用于暴力行为检测的深度学习模型训练数据集构造方法及系统，以提升基于深度学习的暴力行为检测模型输入样本数量和样本质量，减少训练时间，降低资源开销，提升模型性能，进而提升暴力行为检测效果。

为了解决上述技术问题，本发明实施例提出了一种用于暴力行为检测的深度学习模型训练数据集构造方法，包括：

步骤1：从已公开、已标准化和已标注的暴力行为数据集中获得含有暴力行为的视频，并将下载的视频存入指定文件系统；

步骤2：从网站获得已公开、未标准化的含有暴力行为的视频，将下载的视频存入指定文件系统；

步骤3：基于特定动作和不同的人员，录制含有暴力行为的视频，并将录制的视频存入指定的文件系统；

步骤4：在特定场所运行已训练完成的暴力行为检测深度学习模型，录制其判断错误的视频，并将录制的视频存入指定的文件系统；

步骤5：设定深度学习模型输入要求的视频帧数，其中视频帧为从一个视频中提取的一张图片，一张或多张图片的集合构成深度学习模型的输入；

步骤6：如果已经不存在待处理视频，则完成用于暴力行为检测的深度学习模型训练数据集构造，结束全部过程；否则从文件系统中取出一个待处理视频的路径，然后执行步骤7；

步骤7：获取该视频的总帧数；

步骤8：计算该视频的取帧间隔，取帧间隔 = 该视频总帧数 / 深度学习模型输入要求的视频帧数，其结果为浮点数；

步骤9：以步骤8得到的取帧间隔，计算并存储从待处理视频中取帧的序号，帧序号的计算方式为：从0循环到深度学习模型输入要求的视频帧数，将其乘以取帧间隔并做四舍五入得到帧序号；