[发明专利]一种基于卷积和图卷积的违规行为识别方法

权利要求书

1.一种基于卷积和图卷积的违规行为识别方法，其特征在于，包括以下顺序步骤：

S1：采集行为对象图像，建立图像数据库；

S2：采用人体姿态提取方案HigherHRNet从图像数据库中提取每个行为对象的姿态；

S3：对HigherHRNet进行部分优化；

S4：基于HigherHRNet识别的关键点位姿信息，构建无向图，并对其进行预处理增强；

S5：确定违规的异常类型。

2.如权利要求1所述的一种基于卷积和图卷积的违规行为识别方法，其特征在于，所述S3中对HigherHRNet进行部分优化包括以下子步骤：

S31：将卷积通道数量缩减为原来的一半。

3.如权利要求2所述的一种基于卷积和图卷积的违规行为识别方法，其特征在于，所述S3中对HigherHRNet进行部分优化包括以下并行子步骤：

S32：在部分架构中加入分离卷积。

4.如权利要求1所述的一种基于卷积和图卷积的违规行为识别方法，其特征在于，所述S4中对无向图进行预处理增强包括以下子步骤：

S41：随机增减无向图各节点间的距离，用于模拟不同的人的身高与胖瘦；

S42：随机增减无向图各节点的坐标值，用于模拟同一个人的不同姿态幅度；

S43：将无向图组成的区域进行大小归一化，用于减少关键点数据的复杂度。

5.如权利要求1所述的一种基于卷积和图卷积的违规行为识别方法，其特征在于，所述S4和S5之间还包括以下步骤：

S451：将视频序列的无向图进行按序拼接，由2D空间转换到3D空间。

6.如权利要求4所述的一种基于卷积和图卷积的违规行为识别方法，其特征在于，所述S4和S5之间还包括以下步骤：

S452：基于3D的无向图做图卷积运算，获取3D空间的特征信息。

7.如权利要求1所述的一种基于卷积和图卷积的违规行为识别方法，其特征在于，所述S5还包括以下子步骤：

S51：基于特征信息采用交叉熵损失函数进行分类；

S52：根据分类结果确定得到违规的异常类型。