一种基于联想记忆神经网络的违规操作行为预测方法技术

本发明专利技术公开了一种工人违规操作行为的预测方法，主要包括：A.建立联想记忆神经网络模型，并输入岗位的操作行为图像或视频作为待学习样本模板，供神经网络进行学习；B.寻找图像滑动窗口的中心像素，通过图像矢量中值滤波器对图像进行降噪处理；C.构造图像的高斯混合模型，对高斯分布的权值进行归一化处理，去除背景和阴影，提取人体轮廓；D.通过联想记忆神经网络对工人行为轨迹进行识别，综合最近行为状态、最近行为的进阶浮动对操作行为进行预测，提前防范工人的违规操作行为。该方法具有鲁棒性、容错性和自适应性，并行处理方法提高计算速度，充分逼近复杂的非线性关系降低复杂度，联想记忆提高识别能力，可起到事前预警工人违规操作行为的作用。

【技术实现步骤摘要】
一种基于联想记忆神经网络的违规操作行为预测方法
本专利技术属于人工智能、大数据、机器学习领域，具体涉及一种基于联想记忆神经网络的违规操作行为预测方法。
技术介绍
安全管理涉及到“人-机-物-环-管理”各个方面，目前，人们通过专业的信息化安全管理系统来对安全管理工作进行信息化和体系化的管理，其中机器设备、环境参数等都可直接通过传感设备有效获取，可以根据参数变化情况，提前预警设备状态和故障预防，对安全管理工作有了很大的促进。然而人的行为则因灵活性高、规律性难以把握，目前对人的安全管理尚处于思想教育、视频监控和事后整顿的阶段，还无法有效地监测和预警。
技术实现思路
为解决上述问题，本专利技术的目的在于提供一种基于联想记忆神经网络的违规操作行为预测方法，并行处理提高计算速度，充分逼近复杂的非线性关系降低复杂度，联想记忆提高识别和预测能力，实现事前对工人的违规操作行为进行预警。本专利技术解决其问题所采用的技术方案，包括以下步骤：一种基于联想记忆神经网络的违规操作行为预测方法，其特征在于：所述方法包括以下步骤：A.建立联想记忆神经网络模型，并输入岗位的操作行为图像或视频作为待学习样本模板，供神经网络进行学习；B.寻找图像滑动窗口的中心像素，通过图像矢量中值滤波器对图像进行降噪处理；C.构造图像的高斯混合模型，对高斯分布的权值进行归一化处理，去除背景和阴影，提取人体轮廓；D.通过联想记忆神经网络对行为轨迹进行识别，综合最近行为状态、行为的进阶浮动对工人的操作行为进行预测，提前防范工人的违规操作行为。进一步的，所述步骤A的具体实现方式为：(1)建立联想记忆神经网络模型，输入为待学习的样本S＝{s1,s2,…,sn}，是一个欧几里德n维矢量，通过m条规则映射到l维模糊矢量V＝{v1,v2,…,vn}上，联想记忆神经网络系统通过学习可存储空间模式对(S,V)；设立目标函数：F＝STV＝min{mS(si),mV(vi)}其中，mS(si)是S中第i个元素的隶属度，mv(vi)是V中第i个元素的隶属度，F是一个模糊矩阵；(2)对目标函数进行二次规划：其中，c、a、b是实数向量，x是规划问题的解，即待识别模式，则联想记忆神经网络模型为：其中，s0是投影算子，x(0)＝0，y(0)＝0；通过对人体检测和运动轨迹的识别、分析进行预测。进一步的，所述步骤B的具体实现方式为：(1)图像窗口中N个矢量的集合为A＝{a1,a2,…,aN}，将其通过矢量中值滤波器后得到的输出中值矢量AM，计算滤波器窗口内的每一个矢量到其他矢量的Hamming距离和将所有矢量进行升序排序，选择ak＝min{sumd}的矢量，若：则ak是输出的中值矢量，用ak作为滤波器窗口的中心像素；(3)通过矢量中值滤波器对图像进行滤波，降低噪音，另外，图像中亮度不均匀会影响图像的分割效果，通过数字化处理得到背景的亮度变换差值，然后进行亮度补偿，从而消除背景亮度的不均匀造成的影响。进一步的，所述步骤C的具体实现方式为：(1)构造图像f(x,y)的高斯混合模型：其中，μ(x,y)是图像每一像素的平均亮度，σ2(x,y)是像素亮度的方差，T是图像差分二值化的阈值；高斯分布的权值为：ω1＝(1-σ)ωt-1其中，t是时间；(2)将所有高斯分布的权值进行归一化处理，并按时间顺序排列，若前S个分布满足：其中，ε是阈值，则这S个分布是阴影分布，计算阴影分布的均值μt，若其与μ(x,y)之差的绝对值大于标准差，则μt是运动目标，否则是阴影，并进行删除，从而提取人体轮廓。进一步的，所述步骤D的具体实现方式为：(1)将目标函数转换为求线性函数的极值问题：G(x,y)＝k1||x-x′||+k2||y-y′||其中，k1、k2是系数，G(x,y)是能量函数；则常数a，使得：其中，R是最大不变集，即规划问题的解集；当时，通过可得投影算子与样本之间的汉明距离，若投影算子与样本的最小汉明距离不唯一，则取能使能量函数G(x,y)＝k1||x-x′||+k2||y-y′||达到极小值的解；(2)对于任意的一个初始输入样本si，其在N维空间的吸引域为D(si)，且k个初始输入样本的吸引域在N维空间中满足：使得样本吸引域尽可能的大，记忆样本根据汉明距离选择样本对图像进行识别，从网络的运动轨迹来预估识别的结果，对于不能识别的模式，通过联想记忆输出可能的样本，综合最近行为状态、最近行为的进阶浮动对工人的操作行为进行预测，提前防范工人的违规操作行为。本专利技术的有益效果是：该方法具有鲁棒性、容错性和自适应性，并行处理方法提高计算速度，充分逼近复杂的非线性关系降低复杂度，联想记忆提高识别能力，可起到事前预警工人违规操作行为的有益作用。附图说明图1为一种基于联想记忆神经网络的违规操作行为预测方法的整体流程图；图2为人体行为识别系统流程图；图3为联想记忆神经网络识别方法流程图。具体实施方式参照图1，本专利技术所述的方法包括以下步骤：A.建立联想记忆神经网络模型，并输入岗位的操作行为图像或视频作为待学习样本模板，供神经网络进行学习；(1)建立联想记忆神经网络模型，输入为待学习的样本S＝{s1,s2,…,sn}，是一个欧几里德n维矢量，通过m条规则映射到l维模糊矢量V＝{v1,v2,…,vn}上，联想记忆神经网络系统通过学习可存储空间模式对(S,V)。设立目标函数：F＝STV＝min{mS(si),mV(vi)}其中，ms(si)是S中第i个元素的隶属度，mv(vi)是V中第i个元素的隶属度，F是一个模糊矩阵。(2)对目标函数进行二次规划：其中，c、a、b是实数向量，x是规划问题的解，即待识别模式。则联想记忆神经网络模型为：其中，s0是投影算子，x(0)＝0，y(0)＝0。通过对人体检测和运动轨迹的识别、分析进行预测，如图2所示。B.寻找图像滑动窗口的中心像素，通过图像矢量中值滤波器对图像进行降噪处理；(1)图像窗口中N个矢量的集合为A＝{a1,a2,…,aN}，将其通过矢量中值滤波器后得到的输出中值矢量AM，计算滤波器窗口内的每一个矢量到其他矢量的Hamming距离和将所有矢量进行升序排序，选择ak＝min{sumd}的矢量，若：则ak是输出的中值矢量，用ak作为滤波器窗口的中心像素。(2)通过矢量中值滤波器对图像进行滤波，降低噪音。另外，图像中亮度不均匀会影响图像的分割效果。通过数字化处理得到背景的亮度变换差值，然后进行亮度补偿，从而消除背景亮度的不均匀造成的影响。C.构造图像的高斯混合模型，对高斯分布的权值进行归一化处理，去除背景和阴影，提取人体轮廓；(1)构造图像f(x,y)的高斯混合模型：其中，μ(x,y)是图像每一像素的平均亮度，σ2(x,y)是像素亮度的方差，T是图像差分二值化的阈值。高斯分布的权值为：ωt＝(1-σ)ωt-1其中，t是时间。(2)将所有高斯分布的权值进行归一化处理，并按时间顺序排列，若前S个分布满足：其中，ε是阈值。则这S个分布是阴影分布。计算阴影分布的均值μt，若其与μ(x,y)之差的绝对值大于标准差，则μt是运动目标，否则是阴影，并进行删除。从而提取人体轮廓。D.通过联想记忆神经网络对运动轨迹进行识别，综合最近行为状态、最近行为的进阶浮动对工人的操作行为进行预测，提前防范工人的违规操作行为。(1本文档来自技高网...

【技术保护点】
1.一种基于联想记忆神经网络的违规操作行为预测方法，其特征在于：所述方法包括以下步骤：A.建立联想记忆神经网络模型，并输入岗位的操作行为图像或视频作为待学习样本模板，供神经网络进行学习；B.寻找图像滑动窗口的中心像素，通过图像矢量中值滤波器对图像进行降噪处理；C.构造图像的高斯混合模型，对高斯分布的权值进行归一化处理，去除背景和阴影，提取人体轮廓；D.通过联想记忆神经网络对行为轨迹进行识别，综合最近行为状态、行为的进阶浮动对工人的操作行为进行预测，提前防范工人的违规操作行为。

【技术特征摘要】
1.一种基于联想记忆神经网络的违规操作行为预测方法，其特征在于：所述方法包括以下步骤：A.建立联想记忆神经网络模型，并输入岗位的操作行为图像或视频作为待学习样本模板，供神经网络进行学习；B.寻找图像滑动窗口的中心像素，通过图像矢量中值滤波器对图像进行降噪处理；C.构造图像的高斯混合模型，对高斯分布的权值进行归一化处理，去除背景和阴影，提取人体轮廓；D.通过联想记忆神经网络对行为轨迹进行识别，综合最近行为状态、行为的进阶浮动对工人的操作行为进行预测，提前防范工人的违规操作行为。2.如权利要求1所述的基于联想记忆神经网络的违规操作行为预测方法，其特征在于：所述步骤A的具体实现方式为：(1)建立联想记忆神经网络模型，输入为待学习的样本S＝{s1,s2,…,sn}，是一个欧几里德n维矢量，通过m条规则映射到l维模糊矢量V＝{v1,v2,…,vn}上，联想记忆神经网络系统通过学习可存储空间模式对(S,V)；设立目标函数：F＝STV＝min{mS(si),mV(vi)}其中，mS(si)是S中第i个元素的隶属度，mV(vi)是V中第i个元素的隶属度，F是一个模糊矩阵；(2)对目标函数进行二次规划：其中，c、a、b是实数向量，x是规划问题的解，即待识别模式，则联想记忆神经网络模型为：其中，s0是投影算子，x(0)＝0，y(0)＝0；通过对人体检测和运动轨迹的识别、分析进行预测。3.如权利要求2所述的基于联想记忆神经网络的违规操作行为预测方法，其特征在于：所述步骤B的具体实现方式为：(1)图像窗口中N个矢量的集合为A＝{a1,a2,…,aN}，将其通过矢量中值滤波器后得到的输出中值矢量AM，计算滤波器窗口内的每一个矢量到其他矢量的Hamming距离和将所有矢量进行升序排序，选择ak＝min{sumd}的矢量，若：则ak是输出的中值矢量，用ak作为滤波器窗口的中心像素...

【专利技术属性】
技术研发人员：翟颖敏，张永宾，杨迎霞，
申请(专利权)人：黄佳敏，
类型：发明
国别省市：山东,37