[发明专利]一种基于深度学习下用户行为分析模型构建及系统应用在审
申请号: | 202110162142.8 | 申请日: | 2021-02-05 |
公开(公告)号: | CN112836648A | 公开(公告)日: | 2021-05-25 |
发明(设计)人: | 喻剑兰;汤守咏 | 申请(专利权)人: | 湖南嘿哈猫网络科技有限公司 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06N3/04;G06N3/08 |
代理公司: | 深圳市众元信科专利代理有限公司 44757 | 代理人: | 王宣玲 |
地址: | 410000 湖南省长沙市长沙高新开发区*** | 国省代码: | 湖南;43 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 深度 学习 用户 行为 分析 模型 构建 系统 应用 | ||
1.一种基于深度学习下用户行为分析模型构建及系统应用,包括,其特征在于,包括以下步骤:
步骤一,构建针对视频流基于深度学习下用户行为分析模型;
步骤二,结合海康AI训练平台,应用训练模型;
步骤三,通过安防平台,进行平台调用。
2.根据权利要求1所述的一种基于深度学习下用户行为分析模型构建及系统应用,其特征在于:所述模型构建基于深度学习算法,将通过神经网络层来描述样本,所述神经网络层分为两层,且神经网络层包括一个浅层网络和一个深度网络。
3.根据权利要求2所述的一种基于深度学习下用户行为分析模型构建及系统应用,其特征在于:所述样本通过训练得到相应的两个深度模型,两个所述深度模型包括视频分类模型和视频行为分析模型。
4.根据权利要求1所述的一种基于深度学习下用户行为分析模型构建及系统应用,其特征在于:所述模型构建中采用AlexNet网络进行训练分类。
5.根据权利要求4所述的一种基于深度学习下用户行为分析模型构建及系统应用,其特征在于:所述AlexNet网络采用ReLU作为激活函数,且训练过程中采用多GPU并行训练,所述ALexNet网络计算时采用局部反应归一化。
6.根据权利要求5所述的一种基于深度学习下用户行为分析模型构建及系统应用,其特征在于:所述局部反应归一化中采用了随机梯度下降算法进行优化,所述随机梯度下降算法的具体算式为χt+1=χt+Δxt,Δχt=ρΔxt-1-ηgt;
其中x代表神经网络的参数,t代表迭代次数,为学习率,g为当前的梯度,代表动量系数。
7.根据权利要求1所述的一种基于深度学习下用户行为分析模型构建及系统应用,其特征在于:所述训练模型结合海康AI训练平台进行应用,且训练模型应用到每个门店摄像头上。
8.根据权利要求1所述的一种基于深度学习下用户行为分析模型构建及系统应用,其特征在于:所述平台将每个门店摄像头接入,且对符合模型视频动态展示在电视墙。
9.根据权利要求1所述的一种基于深度学习下用户行为分析模型构建及系统应用,其特征在于:所述平台具有大数据处理、实时计算以及机器学习的特点。
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湖南嘿哈猫网络科技有限公司,未经湖南嘿哈猫网络科技有限公司许可,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/202110162142.8/1.html,转载请声明来源钻瓜专利网。