申请/专利权人：华南理工大学

申请日：2020-07-31

公开（公告）日：2023-09-01

公开（公告）号：CN111967355B

主分类号：G06V20/52

分类号：G06V20/52;G06V10/80;G06V20/40;G06V10/82;G06N3/0464;G06N3/08;G06N5/048

优先权：

专利状态码：有效-授权

法律状态：2023.09.01#授权;2020.12.08#实质审查的生效;2020.11.20#公开

摘要：本发明公开了一种基于肢体语言的服刑人员越狱意图评估方法。所述方法包括以下步骤：对监控视频每一帧图像中的服刑人员的人身像提取出骨架信息，得到骨架信息序列；构建RNN与模糊推理融合的网络并进行训练；将骨架信息序列输入构建的RNN与模糊推理融合的网络输出服刑人员的越狱意图。本发明具有准确率高、可信度水平高、实时性好的优点。通过相机采集服刑人员的肢体语言特征，对监狱设备的改造要求较低，也充分考虑到了脸部图像可能模糊不清的情形。网络将RNN与模糊推理相结合，既能提取与肢体语言相关的时态信息，又解决了模糊性和噪声问题。非接触式的采集和评估方法，避免了服刑人员的心理不适。

主权项：1.一种基于肢体语言的服刑人员越狱意图评估方法，其特征在于，包括以下步骤：S1、对监控视频每一帧图像中的服刑人员的人身像提取出骨架信息，得到骨架信息序列；S2、构建RNN与模糊推理融合的网络并进行训练；S3、将骨架信息序列输入构建的RNN与模糊推理融合的网络输出服刑人员的越狱意图；所述RNN与模糊推理融合的网络包括如下7层：第一层为输入层，其输入信号u1来自步骤S1所提取的骨架信息序列x；第二层为模糊层，模糊化减少骨架信息中的干扰噪声，此层使用高斯成员函数计算来自第一层的数据的成员资格值；高斯成员函数计算公式如下： 其中，u2是第二层的输出矩阵，表示矩阵u2的第i行第j列的值；表示骨架信息序列x的第i个值xi的第j个的骨架坐标；vij和是第i个输入所对应的第j个骨架点的高斯成员函数的均值和方差；训练时，取σij＝0.5；第三层为空间激活层，第三层的每个节点使用连续累积乘法作为模糊运算符，对第二层输出的成员资格值操作后获得空间激活强度，计算如下： 其中是第三层的第i个输出；第四层为时序激活层，该层利用RNN，用于获取骨架信息的时间特征；该层中的每个神经元计算如下： 其中，是该层第m个节点输出值；t是时间步长；n是第四层的总节点数；表示第m个节点的当前状态的时间激活强度值；wm是第m个节点的当前状态值相对于上一个状态值的权重；此层输出u4将上一层的空间激活强度与上一个状态的时间激活强度相结合；第五层为后续层，此层使用第一层的输入和第四层的输出进行加权线性求和计算，具体公式如下： 其中是该层第m个输出节点；是对应第m个输出节点的系数矩阵；ωm是对应的权重参数；bm是对应第m个节点的偏差；是输入数据元素的加权总和；第六层为去模糊化层，第六层的任务是解模糊；该层采用加权平均去模糊化方法，如下所示： 其中是解模糊层的第m个输出；此层的输出提取了骨架信息序列之间的关系，将作为最后分类的依据；第七层为结果层，此层采用sigmod函数预测服刑人员的越狱意图；具体公式如下：p＝sigmodWu6；其中p表示越狱概率，W是该层的权重系数矩阵，训练时由ADAM算法自动调整。

全文数据：

权利要求：

百度查询： 华南理工大学 一种基于肢体语言的服刑人员越狱意图评估方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD