暴力分拣行为识别方法和装置制造方法及图纸

本申请公开了一种暴力分拣行为识别方法和装置。该方法包括：获取待预测视频；对待预测视频进行灰度化；将灰度化后的待预测视频输入预定的三维卷积神经网络模型进行暴力分拣行为的识别，其中预定的三维卷积神经网络模型具有行为特征提取能力。本申请通过利用存在行为特征提取能力的模型构建三维卷积神经网络模型，利用灰度视频进行学习和暴力分拣行为识别。从而缩短了暴力分拣行为识别的周期，提高了判断的准确性。

Method and device of violence sorting behavior identification

【技术实现步骤摘要】
暴力分拣行为识别方法和装置
本专利技术涉及计算机视觉视频处理
，尤其涉及基于深度学习和知识迁移的暴力分拣行为识别的方法和装置。
技术介绍
近年来，随物流行业的发展，为了追求时效性，会出现暴力分拣的行为，例如还会出现扔或者踢包裹的现象，这些行为对包裹造成了损害，同时也使的各类投诉呈现激增的趋势。快递行业从业人员服务水平质量低以及对基层网点管理的不规范性导致暴力分拣的行为的存在，暴力分拣行为经常发现在正常的分拣行为之中，持续时间通常在一秒之内，所以基于视频的暴力分拣行为智能检测尤为重要。现今，深度学习被广泛的应用在图片分析和视频理解领域，但是目前深度学习都需要大量的训练数据，数据标注需要耗费时间和人力，除此之外。视频本身是由连续的多帧图片组成，对于神经网络的计算而言是比较耗时的，而且当视频帧率较低时，分拣行为的差异性会变小，容易造成结果的误判。因此，快速有效的识别暴力分拣行为是亟待解决的问题。
技术实现思路
针对现有技术存在的不足之处，本申请提出了一种暴力分拣行为识别方法，其有效地解决了现有技术中存在的耗时本文档来自技高网...

【技术保护点】
1.一种暴力分拣行为识别方法，其特征在于，包括：/n获取待预测视频；/n对所述待预测视频进行灰度化；/n将所述灰度化后的待预测视频输入预定的三维卷积神经网络模型进行暴力分拣行为的识别，其中所述预定的三维卷积神经网络模型具有行为特征提取能力。/n

【技术特征摘要】
1.一种暴力分拣行为识别方法，其特征在于，包括：
获取待预测视频；
对所述待预测视频进行灰度化；
将所述灰度化后的待预测视频输入预定的三维卷积神经网络模型进行暴力分拣行为的识别，其中所述预定的三维卷积神经网络模型具有行为特征提取能力。


2.根据权利要求1所述的暴力分拣行为识别方法，其特征在于，所述预定的三维卷积神经网络模型是通过以下步骤建立的：
获取存在行为识别能力的第一模型和未输入任何参数的第二模型；
将所述第一模型进行灰度化；
提取所述灰度化后的第一模型的特征层参数；
将所述特征层参数传输到所述第二模型中，生成存在行为特征提取能力的初始三维卷积神经网络模型；
将多个已经灰度化并经过标注后的样本视频输入所述初始三维卷积神经网络模型进行训练，以形成所述预定的三维卷积神经网络模型。


3.根据权利要求2所述的暴力分拣行为识别方法，其特征在于，还包括利用下采样法或插帧法对所述已经灰度化并经过标注后的样本视频进行帧率处理。


4.根据权利要求2所述的暴力分拣行为识别方法，其特征在于，将多个已经灰度化并经过标注后的样本视频输入所述初始三维卷积神经网络模型进行训练包括：
采取小批量随机梯度下降法，拟合所述样本视频以判断样本视频的分类。


5.根据权利要求1所述的暴力分拣行为识别方法，其特征在于，所述将所述灰度化后的待预测视频输入预定的三维卷积神经网络模型进行暴力分拣行为的识别，包括：
将所述灰度化后的待预测视频经过多个卷积层以提取其中的行为特征，输出张量；
对所述灰度视频的行为特征进行处理，将所述张量输入全局均值池化层后，输出向量；
将所述向量经过全连接层，进行行为特征分类，输出暴力分拣行为的概率，如果概率大于或等于预定...

【专利技术属性】
技术研发人员：虢齐，张玉双，袁益琴，
申请(专利权)人：顺丰科技有限公司，
类型：发明
国别省市：广东;44