[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

说明书

本发明公开了一种基于深度学习下用户行为分析模型构建及系统应用。本发明将神经网络层进行分层来描述对应的样本，对得到的样本进行训练从而得到两个深度模型，分别是视频分类模型和视频行为分析模型，将所获取的视频进行分类和分析，分析视频中行为是否合规，是否有伤害，将不合规、有伤害的行为通过电视墙进行展示，方便监控人员对场馆内的情况进行及时掌握和管理，且平台采取半监督算法进行函数模型的建立，提高平台自身的学习能力。

技术领域

本发明涉及人工智能技术领域，具体为一种基于深度学习下用户行为分析模型构建及系统应用。

背景技术

健身是一种健全人的身体、增强人的体质的运动项目。随着人们对自身身体素质的重视，健身馆成为了人们休息时常去的地方之一。健身馆因无人值守，人们在内进行训练的同时，要注意自身安全，避免出现运动过度受伤或出现偷窃情况丢失物品。现有的健身馆为保障顾客的人身安全，常在室内的各个角落安装有摄像头，实时记录室内的人员活动。

现有的摄像头只具有拍摄视频记录情况的作用，将所记录的视频通过配套监控软件，将场馆内的监控展示在电视墙上，而摄像头本身并不能就所记录的视频有效的分析出当前用户的行为是否合规，是否存在危险，因此场馆内安保工作需要值班人员借助摄像头所拍摄的视频进行分析，无法做到有人与无人一样，浪费了大量的人力物力。为此，我们提出一种基于深度学习下用户行为分析模型构建及系统应用。

发明内容

本发明的目的在于提供一种基于深度学习下用户行为分析模型构建及系统应用，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：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。

优选的，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。

优选的，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。

优选的，所述模型构建中采用AlexNet网络进行训练分类。

优选的，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。

优选的，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χ_t+1＝χ_t+Δχ_t，Δχ_t＝ρΔx_t-1-ηg_t；

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，在一定程度上增加更新的稳定性，从而学习地更快，并且还有一定拜托局部最优的能力。

优选的，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。

优选的，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。

优选的，所述平台具有大数据处理、实时计算以及机器学习的特点。

与现有技术相比，本发明的有益效果是：