[发明专利]基于设备端的智能暴恐行为检测方法在审
| 申请号： | 202011129340.6 | 申请日： | 2020-10-21 |
| 公开（公告）号： | CN112287791A | 公开（公告）日： | 2021-01-29 |
| 发明（设计）人： | 李雪;李锐;王建华 | 申请（专利权）人： | 济南浪潮高新科技投资发展有限公司 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 济南泉城专利商标事务所 37218 | 代理人： | 李桂存 |
| 地址： | 250104 山东省济南市*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 基于 设备 智能 行为 检测 方法 | ||
【权利要求书】：
1.一种基于设备端的智能暴恐行为检测方法，其特征在于，包括以下步骤：
S1. 对暴恐行为进行分类；
S2.选择轻量级网络MobileNets模型，该模型在卷积操作中借鉴了可分离卷积的思想，将标准卷积操作分割为depthwise和pointwise两部分；
S3. 利用网络训练标记后的暴恐数据得到模型，利用剪枝的方式对模型进行压缩，即通过排序神经网络中神经元的贡献度，去除对输出贡献较小的参数；
S4.对模型检测出的暴恐元素进行逻辑关系组合，定义判断暴恐行为的条件；
S5. 对当前帧图像检测，当检测结果符合逻辑关系时，判定为暴恐行为，发出警报，通知最近的安保人员，否则判为正常行为。
2.根据权利要求1所述基于设备端的智能暴恐行为检测方法，其特征在于：假设输入数据维度为，depthwise+Pointwise的组合卷积参数量为: ，w为图像宽度、h为图像，c为图像通道，n为卷积核个数。
3.根据权利要求1所述基于设备端的智能暴恐行为检测方法，其特征在于：s1中参考PASCAL VOC数据集的标注格式，人为定义6中暴恐行为：血腥、爆炸、车祸、枪支、刀具和恐怖分子，标记数据并参与训练。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于济南浪潮高新科技投资发展有限公司，未经济南浪潮高新科技投资发展有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202011129340.6/1.html，转载请声明来源钻瓜专利网。
