[发明专利]基于混合策略的暴力行为检测方法及系统、存储介质

权利要求书

1.一种基于混合策略的暴力行为检测方法，其特征在于，所述方法包括以下步骤：

获取已训练的第一深度神经网络模型和第二深度神经网络模型；其中，所述第一深度神经网络模型用于识别运动激烈程度达到预设值的视频；所述第二深度神经网络模型用于识别仅包含人体特征的视频；

提取监控视频在预测间隔时间内的全部视频帧并计算所述全部视频帧的平均光流；

当所述平均光流大于或等于光流阈值时，利用所述已训练的第一深度神经网络模型进行暴力行为检测；

当所述平均光流小于光流阈值时，利用所述已训练的第二深度神经网络模型进行暴力行为检测。

2.如权利要求1所述的基于混合策略的暴力行为检测方法，其特征在于，所述获取已训练的第一深度神经网络模型的步骤具体包括：

获取针对第一深度神经网络模型的视频帧数据集；

对所述视频帧数据集中的视频帧数据进行标准化处理，得到标准化视频帧数据集；

对所述标准化视频帧数据集进行相邻视频帧间的差值处理，得到差值视频帧数据集；

分别使用从所述差值视频帧数据集中划分出的训练集、验证集和测试集对所述第一深度神经网络模型进行训练、验证和测试，得到已训练的第一深度神经网络模型。

3.如权利要求2所述的基于混合策略的暴力行为检测方法，其特征在于，所述获取针对第一深度神经网络模型的视频帧数据集的步骤具体包括：

获取满足设定条件的视频，并在每个所述视频中提取视频帧，得到第一深度神经网络模型的视频帧数据集。

4.如权利要求1所述的基于混合策略的暴力行为检测方法，其特征在于，所述获取已训练的第二深度神经网络模型的步骤具体包括：

获取针对第二深度神经网络模型的仅包含人体特征的视频帧数据集；

对所述视频帧数据集中的视频帧数据进行标准化处理，得到标准化视频帧数据集；

分别使用从所述标准化视频帧数据集中划分出的训练集、验证集和测试集对所述第二深度神经网络模型进行训练、验证和测试，得到已训练的第二深度神经网络模型。

5.如权利要求4所述的基于混合策略的暴力行为检测方法，其特征在于，所述获取针对第二深度神经网络模型的仅包含人体特征的视频帧数据集的步骤具体包括：

获取满足设定条件的视频，并在每个所述视频中提取视频帧，得到第二深度神经网络模型的视频帧数据集；

识别所述视频帧中的人体，并将其他非人体区域的像素在每个通道上的通道值设置为0。

6.如权利要求2或4所述的基于混合策略的暴力行为检测方法，其特征在于，所述对所述视频帧数据集中的视频帧数据进行标准化处理，得到标准化视频帧数据集的步骤具体包括：

使用一个五维数组存储所述视频帧数据集中的每个像素在每个通道上的通道值，得到训练用五维数组；其中，所述训练用五维数组的维度分别表示视频编号、视频帧编号、像素水平坐标、像素垂直坐标、通道编号；

将存储在所述训练用五维数组上的通道值映射为0到1之间的浮点数；

分别计算所述训练用五维数组在每个通道上的通道值的平均值和标准差；

在所述训练用五维数组中分别对每个通道上的通道值进行标准差标准化，得到训练用标准化五维数组，将其作为标准化视频帧数据集。

7.如权利要求6所述的基于混合策略的暴力行为检测方法，其特征在于，所述利用所述已训练的第一深度神经网络模型进行暴力行为检测的步骤具体包括：

在所述全部视频帧中提取视频帧，并使用一个五维数组存储所述视频帧中的每个像素在每个通道上的通道值，得到检测用五维数组；其中，所述检测用五维数组的维度分别表示视频编号、视频帧编号、像素水平坐标、像素垂直坐标、通道编号；

将存储在所述检测用五维数组上的通道值映射为0到1之间的浮点数；

在所述检测用五维数组中分别对每个通道上的通道值进行标准差标准化，得到检测用标准化五维数组；

在所述检测用标准化五维数组中进行相邻视频帧间的差值处理，得到检测用差值五维数组；

将所述检测用差值五维数组输入所述已训练的第一深度神经网络模型进行暴力行为检测。