欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2023111794403
申请人: 杭州智驳科技有限公司
专利类型:发明专利
专利状态:授权未缴费
专利领域: 计算;推算;计数
更新日期:2024-12-11
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.数字乡村独居老人安全求助系统,其特征在于,包括:老人行为状态视频采集模块,用于获取由摄像头采集的被监控独居老人的行为状态监控视频;

关键帧提取模块,用于从所述行为状态监控视频提取多个行为状态监控关键帧;

光流图像提取模块,用于基于光流特征提取网络从所述多个行为状态监控关键帧提取光流图像的序列;

空间流图像特征提取模块,用于将所述多个行为状态监控关键帧通过基于三维卷积神经网络模型的空间流特征提取器以得到第一行为监控特征图;

时间流图像特征提取模块,用于将所述光流图像的序列通过基于三维卷积神经网络模型的时间流特征提取器以得到第二行为监控特征图;

行为特征融合模块,用于融合所述第一行为监控特征图和所述第二行为监控特征图以得到分类特征图;

安全求助检测模块,用于将所述分类特征图通过分类器以得到分类结果,所述分类结果用于表示是否产生安全求助请求;

所述行为特征融合模块,包括:

优化因数计算单元,用于分别计算所述第一行为监控特征图和所述第二行为监控特征图的高斯回归不确定性因数以得到第一高斯回归不确定性因数和第二高斯回归不确定性因数;

加权优化单元,用于以所述第一高斯回归不确定性因数和所述第二高斯回归不确定性因数作为加权系数对所述第一行为监控特征图和所述第二行为监控特征图进行加权优化以得到优化后第一行为监控特征图和优化后第二行为监控特征图;

优化特征融合单元,用于融合所述优化后第一行为监控特征图和所述优化后第二行为监控特征图以得到所述分类特征图;

所述优化因数计算单元,用于:

以如下优化公式分别计算所述第一行为监控特征图和所述第二行为监控特征图的高斯回归不确定性因数以得到所述第一高斯回归不确定性因数和所述第二高斯回归不确定性因数;

其中,所述优化公式为:

其中,f1i是所述第一行为监控特征图中第i个位置的特征值,f2i是所述第二行为监控特征图中第i个位置的特征值,S是特征图的尺度,μ1和σ12分别是所述第一行为监控特征图中各个位置特征值集合的均值和方差,且μ2和σ22分别是所述第二行为监控特征图中各个位置特征值集合的均值和方差,log为以2为底的对数函数,w1和w2分别是所述第一高斯回归不确定性因数和所述第二高斯回归不确定性因数;

所述安全求助检测模块,包括:

特征图展开单元,用于将所述分类特征图按照行向量或列向量展开为分类特征向量;

均一化激活单元,用于对所述分类特征向量进行特征秩表达的语义信息均一化激活以得到优化分类特征向量;

全连接编码单元,用于使用所述分类器的多个全连接层对所述优化分类特征向量进行全连接编码以得到编码分类特征向量;

分类单元,用于将所述编码分类特征向量通过所述分类器的Softmax分类函数以得到所述分类结果;

所述均一化激活单元,用于:以如下激活公式对所述分类特征向量进行特征秩表达的语义信息均一化激活以得到所述优化分类特征向量;

其中,所述激活公式为:

其中,V是所述分类特征向量,vi是所述分类特征向量V的第i个特征值,||V||2表示所述分类特征向量的二范数,log是以2为底的对数,且α是权重超参数,v'i所述优化分类特征向量的第i个特征值;

基于特征向量范数的秩表达语义信息均一化而不是尺度进行特征匹配,将相似特征秩表达以类似方式激活,并降低差异较大的特征秩表达之间的相关性,以解决所述分类特征向量的特征分布在不同空间秩表达下的概率表达映射效率低下的问题。

2.根据权利要求1所述的数字乡村独居老人安全求助系统,其特征在于,所述空间流图像特征提取模块,用于:使用所述空间流特征提取器在层的正向传递中对输入数据分别进行:基于三维卷积核对所述输入数据进行三维卷积处理以得到第一卷积特征图;

对所述第一卷积特征图进行均值池化处理以得到第一池化特征图;

对所述第一池化特征图进行非线性激活以得到第一激活特征图;

其中,所述空间流特征提取器的最后一层的输出为所述第一行为监控特征图,所述空间流特征提取器的第一层的输入为所述多个行为状态监控关键帧。

3.根据权利要求2所述的数字乡村独居老人安全求助系统,其特征在于,所述时间流图像特征提取模块,用于:使用所述时间流特征提取器在层的正向传递中对输入数据分别进行:基于三维卷积核对所述输入数据进行三维卷积处理以得到第二卷积特征图;

对所述第二卷积特征图进行均值池化处理以得到第二池化特征图;

对所述第二池化特征图进行非线性激活以得到第二激活特征图;

其中,所述时间流特征提取器的最后一层的输出为所述第二行为监控特征图,所述时间流特征提取器的第一层的输入为所述光流图像的序列。

4.根据权利要求3所述的数字乡村独居老人安全求助系统,其特征在于,所述优化特征融合单元,用于:以如下融合公式融合所述优化后第一行为监控特征图和所述优化后第二行为监控特征图以得到所述分类特征图;

其中,所述融合公式为:

Fc=Concat[F′1,F′2]

其中,F'1表示所述优化后第一行为监控特征图,F'2表示所述优化后第二行为监控特征图,Concat[·]表示级联函数,Fc表示所述分类特征图。

5.用于如权利要求1所述的数字乡村独居老人安全求助系统的数字乡村独居老人安全求助方法,其特征在于,包括:获取由摄像头采集的被监控独居老人的行为状态监控视频;

从所述行为状态监控视频提取多个行为状态监控关键帧;

基于光流特征提取网络从所述多个行为状态监控关键帧提取光流图像的序列;

将所述多个行为状态监控关键帧通过基于三维卷积神经网络模型的空间流特征提取器以得到第一行为监控特征图;

将所述光流图像的序列通过基于三维卷积神经网络模型的时间流特征提取器以得到第二行为监控特征图;

融合所述第一行为监控特征图和所述第二行为监控特征图以得到分类特征图;

将所述分类特征图通过分类器以得到分类结果,所述分类结果用于表示是否产生安全求助请求。

6.根据权利要求5所述的数字乡村独居老人安全求助方法,其特征在于,所述融合所述第一行为监控特征图和所述第二行为监控特征图以得到分类特征图,包括:分别计算所述第一行为监控特征图和所述第二行为监控特征图的高斯回归不确定性因数以得到第一高斯回归不确定性因数和第二高斯回归不确定性因数;

以所述第一高斯回归不确定性因数和所述第二高斯回归不确定性因数作为加权系数对所述第一行为监控特征图和所述第二行为监控特征图进行加权优化以得到优化后第一行为监控特征图和优化后第二行为监控特征图;

融合所述优化后第一行为监控特征图和所述优化后第二行为监控特征图以得到所述分类特征图。

7.一种电子设备,其特征在于,包括:处理器;以及,存储器,在所述存储器中存储有计算机程序指令,所述计算机程序指令在被所述处理器运行时使得所述处理器执行如权利要求5至6任一项所述的方法。

8.一种计算机可读存储介质,其特征在于:其上存储有计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行如权利要求5至6任一项所述的方法。