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