[发明专利]一种社区监控场景下电梯猥亵行为异常检测方法

权利要求书

1.一种社区监控场景下电梯猥亵行为异常检测方法，其特征在于：包括以下步骤：

步骤1：获取社区内电梯环境下的乘客视频流，解码获得乘客图像并进行多属性标注制作数据集；

步骤2：将图像数据集输入设计的目标多属性检测网络模型TMD-CNN中进行训练学习，直至得到最优参数；

步骤3：利用训练好的TMD-CNN目标多属性检测模型对社区电梯环境进行检测，输出乘客数量、性别、关键点位置信息；

步骤4：使用距离计算公式计算异性关键点距离，比较与设定阈值大小关系，判断是否发生猥亵行为；

步骤5：采用GPU调度策略进行GPU调度。

2.根据权利要求1所述的社区监控场景下电梯猥亵行为异常检测方法，其特征在于：在所述步骤1中，还包括在社区各电梯中安装高清摄像头或者视频采集装置，选择需要监测的区域，获取电梯环境区域下所有的视频流；对视频流进行解码操作获得带有电梯乘客的图像集，为了获得适用性较强的目标多属性检测网络模型，需要对图像集进行标注制作数据集对模型进行训练，标注属性有：乘客个体标注分析其性别，人体关键点位置标注包括头部、胸部、双手、臀部五个部位。

3.根据权利要求1所述的社区监控场景下电梯猥亵行为异常检测方法，其特征在于：在所述步骤2中，还包括使用步骤1中制作的数据集对目标多属性检测网络模型TMD-CNN进行训练学习，训练过程：首先使用默认参数进行训练，根据训练中间结果，对初始权值、训练速率和迭代次数不断进行调整，直到所述网络以预设的效率达到最优的检测效果。

4.根据权利要求1所述的社区监控场景下电梯猥亵行为异常检测方法，其特征在于：在所述步骤3中，还包括使用训练好的TMD-CNN目标多属性检测网络模型对社区内电梯监控区域进行实时检测，输出电梯内乘客数量，各乘客性别、关键点空间位置信息。

5.根据权利要求1所述的社区监控场景下电梯猥亵行为异常检测方法，其特征在于：在所述步骤4中，还包括设置异性之间任何两关键点之间的距离小于设定的阈值即可认为发生猥亵；通过在步骤3中检测出来的关键点空间位置信息计算两点间距离，距离计算公式：

6.根据权利要求1所述的社区监控场景下电梯猥亵行为异常检测方法，其特征在于：在所述步骤5中，还包括实时监控GPU处理集群中的GPU使用情况，采取适当的调度策略对GPU进行实时调度。