[发明专利]膨胀卷积神经网络的行人异常行为识别方法及装置

权利要求书

1.一种膨胀卷积神经网络的行人异常行为识别方法，其特征在于，所述方法包括：

接收用户输入的行人异常行为模型的模型构建要求，其中，所述模型构建要求包括神经网络种类、卷积层层数、卷积感受眼值及神经网络构建顺序；

下载与所述神经网络种类对应的神经网络集，其中所述神经网络集包括原始卷积神经网络及原始BP神经网络；

根据所述卷积层层数调整所述原始卷积神经网络的网络结构，得到初级卷积神经网络，其中所述初级卷积神经网络包括初级卷积核；

构建与所述卷积感受眼值相同的卷积核，得到膨胀卷积核，将所述膨胀卷积核替代所述初级卷积核，得到膨胀卷积神经网络；

按照所述神经网络构建顺序构建所述膨胀卷积神经网络和所述原始BP神经网络，得到原始行人异常行为模型；

训练所述原始行人异常行为模型，直至满足训练要求后得到所述行人异常行为模型；

接收行人异常行为识别指令，启动与所述行人异常行为识别指令对应的监控视频；

将所述监控视频输入至所述行人异常行为模型执行异常行为判断，得到行人异常行为分析结果。

2.如权利要求1所述的膨胀卷积神经网络的行人异常行为识别方法，其特征在于，所述下载与所述神经网络种类对应的神经网络集，其中所述神经网络集包括原始卷积神经网络及原始BP神经网络，包括：

接收用户输入的神经网络自动化下载程序，编译所述神经网络自动化下载程序，得到神经网络自动化下载脚本；

运行所述神经网络自动化下载脚本时，自动打开神经网络下载网址，并根据所述神经网络自动化下载脚本的脚本参数，在所述神经网络下载网址内索引到与所述神经网络种类对应的神经网络bin文件和说明文件，其中，所述神经网络bin文件包括原始卷积神经网络bin文件及原始BP神经网络bin文件；

分别封装所述原始卷积神经网络bin文件及原始BP神经网络bin文件，得到所述原始卷积神经网络及原始BP神经网络。

3.如权利要求2所述的膨胀卷积神经网络的行人异常行为识别方法，其特征在于，所述运行所述神经网络自动化下载脚本时，自动打开神经网络下载网址，并根据所述神经网络自动化下载脚本的脚本参数，在所述神经网络下载网址内索引到与所述神经网络种类对应的神经网络bin文件，包括：

按照所述神经网络自动化下载脚本的函数顺序，依次运行所述神经网络自动化下载脚本内的函数，其中所述神经网络自动化下载脚本的函数包括下载网页打开函数、神经网络种类寻找函数及下载函数；

当运行至所述下载网页打开函数时，根据所述下载网页打开函数预先设定的下载网址自动打开所述神经网络下载网址；

在所述神经网络下载网址内，运行所述神经网络种类寻找函数，寻找与所述神经网络种类具有相同关键字的下载插件；

运行所述下载函数自动点击所述下载插件，下载得到所述神经网络bin文件。

4.如权利要求3所述的膨胀卷积神经网络的行人异常行为识别方法，其特征在于，所述根据所述卷积层层数调整所述原始卷积神经网络的网络结构，得到初级卷积神经网络，其中所述初级卷积神经网络包括初级卷积核，包括：

从所述说明文件中提取所述原始卷积神经网络的卷积层层数，得到原卷积层数；

判断所述原卷积层数和所述卷积层层数是否相同，当所述原卷积层数和所述卷积层层数相同时，所述原始卷积神经网络即为所述初级卷积神经网络；

当所述原卷积层数和所述卷积层层数不相同时，启动Python编程语言的IDE，在所述IDE内利用Python编程语言，重写与所述卷积层层数相同的卷积神经网络，得到卷积网络重写程序；

编译所述卷积网络重写程序，得到所述初级卷积神经网络，其中所述初级卷积神经网络包括初级卷积神经网络bin文件。