[发明专利]一种网络的异常行为识别方法

说明书

本发明公开了一种网络的异常行为识别方法，具体按照以下步骤实施：步骤1、收集视频数据集；步骤2、利用基于时空信息的视频帧提取方法对视频进行视频帧提取；步骤3、对视频帧调整；步骤4、对提取帧的人体异常行为识别数据集中图片划分为训练集和测试集；步骤5、对inceptionv3网络结构进行改进；步骤6、用改进后的inceptionv3网络结构对异常行为图像进行识别，完成异常行为识别。解决了现有技术中存在的模型计算量大的问题。

技术领域

本发明属于视频识别技术领域，涉及一种网络的异常行为识别方法。

背景技术

随着5G智能视频监控设备普及和公安部天网系统完善，视频监督(监控)广受政府和公众的欢迎，从政府打击犯罪到家庭的日常安全都有所应用。异常行为与人身财产安全息息相关，通过人力计算海量视频信息花费是非常昂贵并且识别效率低。因此有必要自动检测并且识别可疑的异常行为，并对其进行归类，以便公安部门处理，使用，调研，其中，在一些公共场所，比如车站，火车站，公交车上，在这些特定环境里对类似于斗殴，抢劫，持刀，暴恐，这样的行为就称为异常行为。由于人类行为的模糊性和不确定性，准确地识别异常行为成为现今的攻克的重难点。现有技术中存在的参数量大，计算时间长的问题。

发明内容

本发明的目的是提供一种网络的异常行为识别方法，解决了现有技术中存在的模型计算量大的问题。

本发明所采用的技术方案是，一种网络的异常行为识别方法，具体按照以下步骤实施：

步骤1、收集视频数据集；

步骤2、利用基于时空信息的视频帧提取方法对视频进行视频帧提取；

步骤3、对视频帧调整；

步骤4、对提取帧的人体异常行为识别数据集中图片划分为训练集和测试集；

步骤5、对inceptionv3网络结构进行改进，将改进后网络放到训练集进行训练，利用测试集分别对改进前网络和训练后的模型进行验证，当训练后的模型得到的数据高于改进前网络得到的数据，证明改进成功，将训练后的模型进行保存；

步骤6、用改进后的inceptionv3网络结构对异常行为图像进行识别，完成异常行为识别。

本发明的特点还在于：

步骤1具体按照以下实施：在网上下载含有异常行为的视频，得到数据集。

步骤2中，基于时空信息的视频帧提取方法设置视频帧数为每秒30帧。

步骤3具体按照以下实施：调整图片大小为299*299*3。

步骤4中训练集和测试集中图片数量的比例为8：2。

步骤5中对inceptionv3网络结构进行改进具体按照以下实施：先通过2 个卷积核为3*3大小的conv1卷积层，然后接1个卷积核为3*3大小的conv2 层，再连接1个卷积核为3*3大小的conv padded层，然后连接2个卷积核大小为3*3大小的pool层，然后接1个卷积核为3*3大小的conv3层，然后接2个卷积核为3*3大小的conv4层，然后接1个卷积核为3*3大小的conv5 层，然后接3个inception层，然后接1个卷积核为8*8大小的pool层，然后接1个linear层，最后增加一个LSTM分类层。

步骤6具体按照以下实施：利用改进的inceptionv3网络对人体异常行为图像数据集进行特征提取，然后冻结inceptionv3输出层，使用LSTM代替输出层，LSTM分类层对人体异常行为图像在不同通道的特征信息进行整合并计算其所对应的预测类的概率，输出具有最大概率的预测类作为预测结果，完成异常行为识别。