乱丢垃圾行为的识别方法、识别装置和可读存储介质制造方法及图纸

本发明专利技术公开了一种乱丢垃圾行为的识别方法，该方法包括：获取依次采集的多个监控图像；执行对所述多个监控图像中人体图像与垃圾图像的识别操作，得到识别结果；根据所述识别结果确定监控区域内人体与垃圾的相对位置变化信息；根据所述相对位置变化信息确定乱丢垃圾行为的判别信息。本发明专利技术还公开了一种行为识别装置和可读存储介质。本发明专利技术旨在实现对监控区域中出现的乱丢垃圾行为进行自动识别，保障环境卫生。

【技术实现步骤摘要】
乱丢垃圾行为的识别方法、识别装置和可读存储介质
本专利技术涉及监控
，尤其涉及乱丢垃圾行为的识别方法、行为识别装置和可读存储介质。
技术介绍
随着人们生活水平的提高，人们对环境问题也越来越重视。其中，环境卫生问题与人们的生活息息相关，是目前人们需要亟待解决的问题。然而，由于缺乏对乱丢垃圾行为自动监控识别的有效手段，很多时候只能看到遍地垃圾污染环境而无法对乱丢垃圾的不文明行为进行及时监管，破坏环境卫生。
技术实现思路
本专利技术的主要目的在于提供一种乱丢垃圾行为的识别方法，旨在实现对监控区域中出现的乱丢垃圾行为进行自动识别，保障环境卫生。为实现上述目的，本专利技术提供一种乱丢垃圾行为的识别方法，所述乱丢垃圾行为的识别方法包括以下步骤：获取依次采集的多个监控图像；执行对所述多个监控图像中人体图像与垃圾图像的识别操作，得到识别结果；根据所述识别结果确定监控区域内人体与垃圾的相对位置变化信息；根据所述相对位置变化信息确定乱丢垃圾行为的判别信息。可选地，所述根据所述相对位置变化信息确定乱丢垃圾行为的判别信息的步骤包括：若所述相对位置变化信息为所述垃圾相对于所述人体的位置从第一位置切换至第二位置，则确定所述判别信息为存在乱丢垃圾行为；其中，所述第一位置为所述垃圾与所述人体结合的位置，所述第二位置为所述垃圾与所述人体分离、且所述垃圾位于地面的位置；可选地，所述执行对所述多个监控图像中人体图像与垃圾图像的识别操作，得到识别结果的步骤包括：将所述多个监控图像输入人体与垃圾识别模型；其中，所述人体与垃圾识别模型为基于Alexnet改进的卷积神经网络模型；获取所述人体与垃圾识别模型的输出结果作为所述识别结果。可选地，所述将所述多个监控图像输入人体与垃圾识别模型的步骤之前，还包括：获取基于Alexnet改进的卷积神经网络的训练模型和训练样本集；所述训练样本集包括多个携带有第一标签的第一图像；所述第一标签设置为对所述第一图像中的人员和/或垃圾进行标识的信息；采用所述训练样本集交替训练所述训练模型，得到候选模型；根据所述候选模型确定所述人体与垃圾识别模型。可选地，所述获取基于Alexnet改进的卷积神经网络的训练模型的步骤之前，还包括：建立基于Alexnet改进的卷积神经网络的初始模型；所述初始模型包括连接的卷积层、激活层、归一层、池化层和全连接层，其中，所述激活层包括第一激活层和第二激活层，所述第一激活层基于ReLU函数构建，所述第二激活层基于LeakyReLU函数构建；设置所述初始模型中的超参数得到所述训练模型。可选地，所述卷积层的数量有多个，所述全连接层的数量有多个，一部分所述卷积层与所述第二激活层连接，另一部分所述卷积层与所述第一激活层连接；部分所述全连接层与所述第一激活层连接。可选地，所述根据所述候选模型确定所述人体与垃圾识别模型的步骤包括：将所述训练样本集输入所述候选模型后得到的结果，作为训练结果；根据预设的损失函数计算每个第一图像在所述训练结果中对应的信息及其对应的第一标签之间的损失值；若所述损失值小于或等于设定阈值，则将所述候选模型作为所述人体与垃圾识别模型。可选地，所述将所述候选模型作为所述人体与垃圾识别模型的步骤之前，还包括：若所述损失值小于或等于设定阈值，则获取测试样本集，所述测试样本集包括多个携带有第二标签的第二图像；所述第二标签设置为对所述第二图像中的人员和/或垃圾进行标识的信息；将所述测试样本集输入所述候选模型后得到的结果，作为测试结果；若所述第二图像在所述测试结果中对应的信息与其对应的第二标签一致，则执行将所述候选模型作为所述人体与垃圾识别模型的步骤；若所述第二图像在所述测试结果中对应的信息与其对应的第二标签不一致，则调整所述训练模型中的超参数，返回执行所述采用所述训练样本集交替训练所述训练模型，得到候选模型的步骤。此外，为了实现上述目的，本申请还提出一种行为识别装置，所述行为识别装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的乱丢垃圾行为的识别程序，所述乱丢垃圾行为的识别程序被所述处理器执行时实现如上任一项所述的乱丢垃圾行为的识别方法的步骤。此外，为了实现上述目的，本申请还提出一种可读存储介质，所述可读存储介质上存储有乱丢垃圾行为的识别程序，所述乱丢垃圾行为的识别程序被处理器执行时实现如上任一项所述的乱丢垃圾行为的识别方法的步骤。本专利技术提出的一种乱丢垃圾行为的识别方法，该方法对依次采集的多个监控图像中的人体图像和垃圾图像进行识别，基于识别结果确定监控区域内人体与垃圾相对位置变化信息，通过人体与垃圾之间的相对变化位置信息来确定乱丢垃圾行为的判别信息，在此方法中，基于图像识别获取监控区域内人体与垃圾之间的相对位置变化信息，通过人体与垃圾的相对位置变化对区域内是否存在乱丢垃圾行为进行表征，从而实现可通过监控设备对监控区域内出现的乱丢垃圾行为进行自动识别，保证生活中出现的乱丢垃圾的不文明行为的可发现、可追溯，以为乱丢垃圾行为的监管提供有效依据，保障环境卫生。附图说明图1为本专利技术行为识别装置一实施例运行涉及的硬件结构示意图；图2为本专利技术乱丢垃圾行为的识别方法一实施例的流程示意图；图3为本专利技术乱丢垃圾行为的识别方法另一实施例的流程示意图；图4为本专利技术乱丢垃圾行为的识别方法又一实施例的流程示意图；图5为图4中步骤S03相关的细化流程示意图；图6为本专利技术乱丢垃圾行为的识别方法再一实施例的流程示意图；图7为本专利技术实施例乱丢垃圾行为的识别方法涉及的人体与垃圾识别模型的示意图。本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。本专利技术实施例的主要解决方案是：获取依次采集的多个监控图像；执行对所述多个监控图像中人体图像与垃圾图像的识别操作，得到识别结果；根据所述识别结果确定监控区域内人体与垃圾的相对位置变化信息；根据所述相对位置变化信息确定乱丢垃圾行为的判别信息。由于现有技术中缺乏对乱丢垃圾行为自动监控识别的有效手段，很多时候只能看到遍地垃圾污染环境而无法对乱丢垃圾的不文明行为进行及时监管，破坏环境卫生。本专利技术提供上述的解决方案，旨在实现对监控区域中出现的乱丢垃圾行为进行自动识别，保障环境卫生。本专利技术实施例提出一种行为识别装置，应用于乱丢垃圾行为的识别。在本专利技术实施例中，参照图1，行为识别装置包括：处理器1001(例如CPU)，存储器1002等。存储器1002可以是高速RAM存储器，也可以是稳定的存储器(non-volatilememory)，例如磁盘存储器。存储器1002可选的还可以是独立于前述处理器1001的存储装置。存储器1002本文档来自技高网...

【技术保护点】
1.一种乱丢垃圾行为的识别方法，其特征在于，所述乱丢垃圾行为的识别方法包括以下步骤：/n获取依次采集的多个监控图像；/n执行对所述多个监控图像中人体图像与垃圾图像的识别操作，得到识别结果；/n根据所述识别结果确定监控区域内人体与垃圾的相对位置变化信息；/n根据所述相对位置变化信息确定乱丢垃圾行为的判别信息。/n

【技术特征摘要】
1.一种乱丢垃圾行为的识别方法，其特征在于，所述乱丢垃圾行为的识别方法包括以下步骤：
获取依次采集的多个监控图像；
执行对所述多个监控图像中人体图像与垃圾图像的识别操作，得到识别结果；
根据所述识别结果确定监控区域内人体与垃圾的相对位置变化信息；
根据所述相对位置变化信息确定乱丢垃圾行为的判别信息。


2.如权利要求1所述的乱丢垃圾行为的识别方法，其特征在于，所述根据所述相对位置变化信息确定乱丢垃圾行为的判别信息的步骤包括：
若所述相对位置变化信息为所述垃圾相对于所述人体的位置从第一位置切换至第二位置，则确定所述判别信息为存在乱丢垃圾行为；
其中，所述第一位置为所述垃圾与所述人体结合的位置，所述第二位置为所述垃圾与所述人体分离、且所述垃圾位于地面的位置。


3.如权利要求1或2所述的乱丢垃圾行为的识别方法，其特征在于，所述执行对所述多个监控图像中人体图像与垃圾图像的识别操作，得到识别结果的步骤包括：
将所述多个监控图像输入人体与垃圾识别模型；其中，所述人体与垃圾识别模型为基于Alexnet改进的卷积神经网络模型；
获取所述人体与垃圾识别模型的输出结果作为所述识别结果。


4.如权利要求3所述的乱丢垃圾行为的识别方法，其特征在于，所述将所述多个监控图像输入人体与垃圾识别模型的步骤之前，还包括：
获取基于Alexnet改进的卷积神经网络的训练模型和训练样本集；所述训练样本集包括多个携带有第一标签的第一图像；所述第一标签设置为对所述第一图像中的人员和/或垃圾进行标识的信息；
采用所述训练样本集交替训练所述训练模型，得到候选模型；
根据所述候选模型确定所述人体与垃圾识别模型。


5.如权利要求4所述的乱丢垃圾行为的识别方法，其特征在于，所述获取基于Alexnet改进的卷积神经网络的训练模型的步骤之前，还包括：
建立基于Alexnet改进的卷积神经网络的初始模型；所述初始模型包括连接的卷积层、激活层、归一层、池化层和全连接层，其中，所述激活层包括第一激活层和第二激活层，所述第一激活层基于ReLU函数构建，所述第二激活层基...

【专利技术属性】
技术研发人员：陈继华，陈志国，陈凯迪，
申请(专利权)人：上海迥灵信息技术有限公司，深圳力维智联技术有限公司，
类型：发明
国别省市：上海;31