一种基于神经网络的监狱服刑人员监管方法及系统技术方案

一种基于神经网络的监狱服刑人员监管方法及系统，该方法包括行为数据的采集，通过监狱内的监控装置对服刑人员进行行为采集获得行为数据；危险行为的识别，通过训练好的危险行为识别模型对当前采集的行为数据进行危险识别；危险行为的管控，发现危险行为时发出预警，并将危险行为与发生该危险行为的服刑人员的个人信息进行绑定储存，生成危险行为记录，根据所述危险行为记录下发不同的管教措施；该系统包括，监控装置和监控平台；所述监控平台包括视频分析模块、预警模块、数据管理模块和管控模块；本发明专利技术实现了对服刑人员行为的监控以及危险行为的主动发现，并能够分析出危险行为的危险程度，针对不同的服刑人员能够自动配备对应的管控措施。备对应的管控措施。备对应的管控措施。

【技术实现步骤摘要】
一种基于神经网络的监狱服刑人员监管方法及系统


[0001]本专利技术涉及监狱监控管理
，更具体的说是涉及一种基于神经网络的监狱服刑人员监管方法及系统。

技术介绍

[0002]传统监狱对于服刑人员的监管方式和行为分析单一落后，服刑人员被改造质量差，管理体制不完善，导致工作效率大大降低。
[0003]现有技术仅局限于对服刑人员的行为进行实时监测，但无法对服刑人员的行为进行危险性分析和危险性系数结果的反馈，从而无法对危险性高的行为达到预警的功能，增加了监管人员的工作难度；在无法进行危险性分析和危险性结果的反馈的同时也不能进一步的对服刑人员进行对应其危险程度的管控。
[0004]因此，如何提供一种基于神经网络的监狱服刑人员监管方法及系统，实现对服刑人员危险行为的危险性分析及反馈并且根据不同危险级别的服刑人员自动实施不同程度的管控措施，是本领域技术人员亟需解决的问题。

技术实现思路

[0005]有鉴于此，本专利技术提供了一种基于神经网络的监狱服刑人员监管方法及系统，实现了对服刑人员行为的监控以及危险行为的主动发现，并能够分析出危险行为的危险程度，并且针对不同的服刑人员能够自动配备对应的管控措施。
[0006]为了实现上述目的，本专利技术采用如下技术方案：一种基于神经网络的监狱服刑人员监管方法，包括行为数据的采集，采集服刑人员的行为数据；危险行为的识别，通过预先训练好的危险行为识别模型对当前采集的行为数据进行危险识别；危险行为的管控，当危险识别发现危险行为时发出预警，并将危险行为与发生该危险行为的服刑人员的个人信息进行绑定储存，生成危险行为记录，根据所述危险行为记录下发不同的管教措施。
[0007]进一步的，所述危险行为识别模型训练步骤包括：通过服刑人员的历史危险数据对LeNet
‑
5网络进行预训练，得到预训练模型，并从所述预训练模型中提取预训练模型参数；通过历史危险数据对Inception
‑
v3网络进行训练，并且在训练过程中导入所述预训练模型参数进行初始化，得到所述危险行为识别模型进一步的，所述行为数据的采集还包括与所述监控装置建立远程通讯，接收监控装置主动发起的设备端SIP信令，并发送服务器端SIP信令至所述监控装置，建立通讯。
[0008]进一步的，在所述建立通讯后还包括视频处理，对所述监控装置采集的RTP数据音视频数据帧解析处理成与监控终端对应的通讯协议视频流，并将所述视频流发送至所述监
控终端。
[0009]进一步的，还包括对历史危险数据中的危险行为根据危险程度设置危险参数；所述危险行为记录包括对应各个危险行为的危险参数。
[0010]进一步的，所述危险行为的管控包括，根据服刑人员对应的所述危险行为记录中的危险参数为该服刑人员设置监管级别，并对不同监管级别的服刑人员发送不同时长的学习课程。
[0011]进一步的，所述危险行为的管控还包括通过监控装置监督服刑人员的学习情况，并形成监控回放进行储存。
[0012]进一步的，所述危险行为的管控还包括，对每次学习课程的所述监控回放进行储存形成学习记录，根据所述学习记录和所述危险行为记录调整服刑人员的监管级别。
[0013]进一步的，所述危险行为包括但不限于超越警戒线、脱离规定区域、私传信件、打架斗殴和擅自使用绝缘物品中的一种或多种。
[0014]一种基于神经网络的监狱服刑人员监管系统，包括监控装置和监控平台；所述监控平台包括视频分析模块、预警模块、数据管理模块和管控模块；所述监控装置，用于采集服刑人员的行为数据；所述视频分析模块，通过预先训练好的危险行为识别模型对当前采集的行为数据进行危险识别；所述预警模块，用于当危险识别发现危险行为时发出预警；所述数据管理模块，用于将所述危险行为与发生该危险行为的服刑人员的个人信息进行绑定储存，生成危险行为记录；所述管控模块，用于根据所述危险行为记录对服刑人员下发不同的管教措施。
[0015]进一步的，还包括边缘服务器，所述边缘服务器用于与所述监控装置建立远程通讯，接收监控装置主动发起的设备端SIP信令，并发送服务器端SIP信令至所述监控装置，建立通讯。
[0016]进一步的，所述边缘服务器还用于对所述监控装置采集的行为数据解析处理成与所述监控平台对应的通讯协议视频流，并将所述视频流发送至所述监控平台。
[0017]进一步的，所述视频分析模块还用于对危险行为进行危险程度分析，得到所述危险行为的危险参数。
[0018]进一步的，所述管控模块还用于根据服刑人员对应的所述危险行为记录中的危险参数为该服刑人员设置监管级别，以及对不同监管级别的服刑人员发送不同时长的学习课程。
[0019]进一步的，所述管控模块还包括学习监督模块，所述学习监督模块用于通过监控装置监督服刑人员的学习情况，并形成监控回放进行储存。
[0020]进一步的，所述学习监督模块还用于将每次学习课程的所述监控回放进行储存形成学习记录。
[0021]进一步的，所述管控模块还用于根据所述学习记录和所述危险行为记录调整服刑人员的监管级别。
[0022]经由上述的技术方案可知，与现有技术相比，本专利技术公开提供了一种基于神经网络的监狱服刑人员监管方法及系统，本专利技术基于神经网络，针对服刑人员危险性程度进行
建模分析，以大量的历史数据库和实时获取的数据进行模型训练。所构建的服刑人员危险性程度分析模型，识别效果较好。另外，多摄像头，多角度、全方位的实时监测服刑人员，并对服刑人员的行为进行实时分析与计算，进而分析出服刑人员的异常行为。进而, 监管人员可通过反馈结果根据不同服刑人员的不同异常行为采取对应的管教措施。
附图说明
[0023]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
[0024]图1附图为本专利技术提供的一种基于神经网络的监狱服刑人员监管方法示意图；图2附图为本专利技术提供的Inception
‑
v3网络结构示意图；图3附图为本专利技术提供的 Inception
‑
v3 的辅助分类器网络结构示意图；图4附图为本专利技术提供的一种基于神经网络的监狱服刑人员监管系统结构示意图。
具体实施方式
[0025]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0026]如图1，本专利技术实施例公开了一种基于神经网络的监狱服刑人员监管方法，包括行为数据的采集，通过监狱内的监控装置对服刑人员进行行为采集获得行为数据；危险行为的识别，利用监控装置本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络的监狱服刑人员监管方法，其特征在于，包括行为数据的采集，采集服刑人员的行为数据；危险行为的识别，通过预先训练好的危险行为识别模型对当前采集的行为数据进行危险识别；危险行为的管控，当危险识别发现危险行为时发出预警，并将危险行为与发生该危险行为的服刑人员的个人信息进行绑定储存，生成危险行为记录，根据所述危险行为记录下发不同的管教措施。2.根据权利要求1所述的一种基于神经网络的监狱服刑人员监管方法，其特征在于，所述危险行为识别模型训练步骤包括：通过服刑人员的历史危险数据对LeNet
‑
5网络进行预训练，得到预训练模型，并从所述预训练模型中提取预训练模型参数；通过历史危险数据对Inception
‑
v3网络进行训练，并且在训练过程中导入所述预训练模型参数进行初始化，得到所述危险行为识别模型。3.根据权利要求1所述的一种基于神经网络的监狱服刑人员监管方法，其特征在于，还包括根据危险程度对历史危险数据中的危险行为设置危险参数；所述危险行为记录包括危险行为以及与该危险行为对应的危险参数。4.根据权利要求3所述的一种基于神经网络的监狱服刑人员监管方法，其特征在于，所述危险行为的管控包括，根据服刑人员对应的所述危险行为记录中的危险参数为该服刑人员设置监管级别，并对不同监管级别的服刑人员发送不同时长的学习课程。5.根据权利要求4所述的一种基于神经网络的监狱服刑人员监管方法，其特征在于，所述危险行为的管控还包括监督服刑人员的学习情况，并形成监控回放进行储存。6.根据...

【专利技术属性】
技术研发人员：叶德建，曹朔，叶剑君，
申请(专利权)人：上海清鹤科技股份有限公司，
类型：发明
国别省市：