买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明公开了一种人员行为智能监控与报警方法及系统，通过使用监控摄像头搭载本系统实现人员异常行为检测与报警。对人员危险行为检测，包含危险动作以及手持危险物检测。对于危险动作采用增强注意力机制的时空图卷积模型进行识别，在对骨骼关节点进行卷积过程中加入更多注意力机制。手持危险物使用改进的YOLOv7模型进行识别，在模型中加入自适应剪枝提升手持物识别速度。对模型中存在的超参数加入TPE优化算法进行优化。与现有技术相比，本发明可以更及时的发现异常人员行为，及时发现安全隐患并通过报警模块进行响铃提醒，降低危险事件的发生。

主权项：1.一种人员行为智能监控与报警方法，其特征在于，包括如下步骤：步骤1：异常行为的定义，确定危险行为；动作危险包括踢踹、用拳头击打公共设施；手持危险物包括手持刀具，棍棒；步骤2：通过搜集公开的监控数据集，以及从网络上截取相应的视频数据集，将视频转化为图片帧，通过使用YOLOv7-Pose模型完成对人体骨骼关节点的识别与标注；步骤3：根据步骤2获取的骨骼关节点标注，确定手部关节位置，用于识别手持危险物；步骤4：通过步骤3确定的手部位置，通过建立改进的YOLOv7模型用于完成手持危险物的识别，所述改进的YOLOv7模型为在模型中加入自适应剪枝，去除模型中不必要的参数和层，同时保持模型的整体性能；步骤4.1：对于YOLOv7的每一层，通过前向传播计算每个神经元或特定参数的重要性得分这一过程使用了权重的敏感度分析和梯度的统计信息；步骤4.2：为了使得分在0和1之间，对得分进行归一化处理： 其中，maxS和minS分别是得分的最大值和最小值；步骤4.3：设定剪枝比例ρ，这是一个介于0和1之间的值，代表模型保留的神经元或参数的比例；步骤4.4：对于每一层，首先计算该层的总参数数量N，然后基于剪枝比例ρ，确定要保留的元素数量k：k＝ρ×N2步骤4.5：选择要保留的元素，根据归一化得分选择得分最高的k个元素，神经元以及参数；步骤4.6：完成剪枝操作，将所有不在选择列表中的元素设置为零或进行相应的操作以剪枝；步骤5：建立增强注意力机制的时空图卷积模型ASTGCN，在对骨骼关节点进行卷积过程中加入更多注意力机制；步骤5.1：在时空图卷积模型中，通过GCN对人体骨骼关键点进行卷积提取图中各关节点的关联关系，初始状态，两个关节点相连时，这两个骨骼关节点的邻接矩阵值为非零，否则为零；步骤5.2：对于没有直接连接的关节点，将他们之间的关系考虑进来；步骤5.3：原始STGCN算法的公式如下： 其中，Kv表示分区个数，Wk表示权重，Ak表示邻接矩阵，Mk表示掩码，fout，fin分别表示特征图的输出和输入；步骤5.4：通过改变公式中掩码与邻接矩阵点乘的方式，将其变为相加操作，使得即使邻接矩阵为0时，也能够学习到相关特征，进一步增强注意力，则再加入一个Dk，Dk表示每个关节点之间的坐标距离关系，通过动态计算确定，改进后的ASTGCN公式如下： 步骤6：通过步骤5建立的ASTGCN模型使用步骤2识别到的人体骨骼关节点信息，完成危险动作的模型的训练，用于视频监控中，人员危险动作识别；对于模型中存在的超参数使用基于树结构的贝叶斯优化算法TPE进行优化，进一步提升模型的性能；步骤7：通过步骤4以及步骤6建立的识别模型完成人员行为的识别，并将结果同步到前端界面，对于识别行为是危险行为后，并调用报警模块进行响铃提醒。

全文数据：

权利要求：

百度查询： 淮阴工学院 一种人员行为智能监控与报警方法及系统