[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

说明书

本发明涉及视频监控技术领域，揭露了一种膨胀卷积神经网络的行人异常行为识别方法及装置，包括：下载原始卷积神经网络及原始BP神经网络，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，构建与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，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，将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。本发明可解决行人异常行为识别准确率不高的问题。

技术领域

本发明涉及视频监控技术领域，尤其涉及一种膨胀卷积神经网络的行人异常行为识别方法、装置、电子设备及计算机可读存储介质。

背景技术

伴随人工智能的快速发展，很多行业迎来变革性改变，特别是智能化的视频检测领域，如人脸识别、车辆识别等，大幅提高工作效率，解放生产力。

此外，交通领域中，对于行人异常行为识别的应用也正逐渐普及，如通过深度学习算法探究行人是否有乱闯红灯情况等不准守交通规则的异常行为。目前关于行人异常行为识别方法主要基于卷积神经网络先识别行人和红绿灯，然后判断在红灯情况下，行人是否有横穿马上的异常行为，但由于卷积神经网络的卷积操作细腻度不高，有时在复杂的行人环境场景中，难以即使检测出行人和红绿灯等物体，因此缺乏一种提高行人异常行为识别准确率的方法。

发明内容

本发明提供一种膨胀卷积神经网络的行人异常行为识别方法、装置、电子设备及计算机可读存储介质，其主要目的在于解决因行人异常行为识别的卷积细腻度不高从而导致准确率有待提升的问题。

为实现上述目的，本发明提供的一种膨胀卷积神经网络的行人异常行为识别方法，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。

可选地，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。

可选地，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：