一種監(jiān)獄服刑人員的行為識別方法及裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及信號處理技術(shù)，尤其涉及一種監(jiān)獄服刑人員的行為識別方法及裝置。
【背景技術(shù)】
[0002] 監(jiān)獄是關(guān)押犯罪嫌疑人和服刑人員的場所，由于其職責(zé)的特殊性，因而對安全防 范系統(tǒng)也有其特殊要求。目前在監(jiān)獄管理中存在如下問題：犯人管理控制成效差與動向難 以掌握，警員警力不足，若不能夠及時察覺和制止極易造成逃脫、自殺、施暴、破壞等安全隱 患，影響?yīng)z警的人身安全、服刑人員的人身安全及社會的安全。如何通過先進(jìn)的技術(shù)手段， 對服刑人員人體行為的感知和識別，對服刑人員可能的犯罪行為進(jìn)行檢測，做到早發(fā)現(xiàn)、早 報告、早控制和早解決，從而方便獄警的管理，保證獄警、服刑人員和社會的安全。
[0003] 在監(jiān)獄行為識別方面有基于計算機視覺的智能視頻監(jiān)控系統(tǒng)。利用攝像頭作為感 知手段，通過拍攝得到的圖像序列來識別出其中人的動作，對異常動作報警。但是，用攝像 頭來進(jìn)行行為的感知有諸多局限性。攝像頭的使用受到光照條件、安裝位置、角度和遮擋等 諸多因素的限制。由此，現(xiàn)有諸如利用攝像頭等的用于監(jiān)獄人員的行為識別技術(shù)的識別效 果較差，準(zhǔn)確度較低。

【發(fā)明內(nèi)容】

[0004] 鑒于此，本發(fā)明提供了一種監(jiān)獄服刑人員的行為識別方法及裝置，以解決現(xiàn)有的 用于監(jiān)獄人員行為識別的技術(shù)的識別效果差、準(zhǔn)確度低的問題。
[0005] 根據(jù)本發(fā)明的一個方面，提供了一種監(jiān)獄服刑人員的行為識別方法，所述行為識 別方法包括：采集服刑人員的行為特征參數(shù)；通過對所述服刑人員的行為特征參數(shù)進(jìn)行數(shù) 據(jù)分割和規(guī)范化，以獲得所述服刑人員的行為特征向量；以及利用預(yù)定的行為識別模型對 所述服刑人員的行為特征向量進(jìn)行識別，以獲得所述服刑人員的當(dāng)前行為類別。
[0006] 進(jìn)一步地，所述服刑人員的行為特征參數(shù)包括：心電參數(shù)、位置參數(shù)、姿態(tài)參數(shù)、溫 度參數(shù)以及血壓參數(shù)。
[0007] 進(jìn)一步地，所述預(yù)定的行為識別模型通過如下方式獲得：獲得訓(xùn)練樣本集，其中， 所述訓(xùn)練樣本集中的每個訓(xùn)練樣本具有表示該訓(xùn)練樣本所屬行為類別的標(biāo)簽；利用所述訓(xùn) 練樣本集，計算信息增益率并選擇決策結(jié)點，通過訓(xùn)練獲得用于對行為類別進(jìn)行識別的行 為識別模型。
[0008] 進(jìn)一步地，所述獲得訓(xùn)練樣本集的步驟包括：提取每個服刑人員在其當(dāng)前行為類 別已知的情況下的心電參數(shù)、位置參數(shù)、姿態(tài)參數(shù)、溫度參數(shù)和血壓參數(shù)；對每個服刑人員 的心電參數(shù)、位置參數(shù)、姿態(tài)參數(shù)、溫度參數(shù)和血壓參數(shù)是經(jīng)過預(yù)處理的，所述預(yù)處理包括 濾波、模數(shù)轉(zhuǎn)換、數(shù)據(jù)分割以及數(shù)據(jù)規(guī)范化，得到訓(xùn)練階段每個服刑人員的行為特征向量， 作為訓(xùn)練樣本；利用所有訓(xùn)練樣本獲得所述訓(xùn)練樣本集，其中，每個訓(xùn)練樣本S q表示為Sq = {心，心，43,44,45刃1}，其中，9表示訓(xùn)練樣本的序數(shù)，9=1，2，~，|5|，|5|為訓(xùn)練樣本 集中包括的訓(xùn)練樣本總數(shù)，C 1表示行為類別標(biāo)簽，i = 1，2，…，M，M為行為類別標(biāo)簽的種類 總數(shù)；fql、fq2、fq3、匕4和f 0依次為訓(xùn)練樣本S q的第一屬性、第二屬性、第三屬性、第四屬性和 第五屬性，其中，第一屬性對應(yīng)心電參數(shù)，第二屬性對應(yīng)位置參數(shù)，第三屬性對應(yīng)姿態(tài)參數(shù)， 第四屬性對應(yīng)溫度參數(shù)，而第五屬性對應(yīng)血壓參數(shù)。
[0009] 進(jìn)一步地，所述利用所述訓(xùn)練樣本集計算信息增益率并選擇決策結(jié)點、通過訓(xùn)練 獲得用于對行為類別進(jìn)行識別的行為識別模型的步驟包括：令A(yù)表示f ql、fq2、fq3、匕4和f q5 中的任一個，設(shè)A共有η個不同取值，所述η個不同取值記為&](」=1，2, ···!〇,假設(shè)訓(xùn)練 樣本集S被屬性A的不同取值分為η個子集Sj (j = 1，2，…η)，用aj表示S ^中A的取值； I表示A = 的訓(xùn)練樣本數(shù)量，I C i I = f (Ci，S)表示訓(xùn)練樣本集S中類別標(biāo)簽為Ci的訓(xùn) 練樣本數(shù)量；用P(C1)表示訓(xùn)練樣本集S中的訓(xùn)練樣本屬于類別標(biāo)簽(^類的概率，用P (a ,) 表示訓(xùn)練樣本集s中的訓(xùn)練樣本的屬性A = aj的概率，其中，P(C1) = Ic11/|s|，p(aj)= Sj I / I S I ;計算訓(xùn)練樣本集S中M個類的信息熵Info (C):
[0010]
[0011] 計算每個屬性A的信息熵Inf〇A (C):
[0012]
(I ? 2>
[0013] 計算每個屬性A的信息增益Gain (A):
[0014] Gain(A) = Info (C)-InfoA (C) (1-3)
[0015] 計算每個屬性A的分裂信息的度量H(A):
[0016]
(i ~~ 4)
[0017] 計算每個屬性A的信息增益率GainRatio (S，A):
[0018] GainRatio (S，A) = Gain (A)/H (A) (1-5)
[0019] 利用所述訓(xùn)練樣本集S，根據(jù)公式（1-1)至（1-5)來計算該屬性的信息增益率，根 據(jù)信息增益由大到小，選擇決策結(jié)點，建立分類規(guī)則的行為識別模型對該結(jié)點進(jìn)行分類對 于其它屬性按上述步驟從新計算，建立分類規(guī)則的行為識別模型對該結(jié)點進(jìn)行分類，建立 分類規(guī)則。通過訓(xùn)練獲得所述行為識別模型。
[0020] 進(jìn)一步地，所述利用預(yù)定的行為識別模型對所述服刑人員的行為特征向量進(jìn)行識 別的步驟包括：基于所述行為識別模型對所述服刑人員的行為特征向量進(jìn)行識別，在該識 別的結(jié)果為犯罪行為的情況下，通過K近鄰距離加權(quán)分類算法對所述服刑人員的行為特征 向量進(jìn)行再次識別：若所述服刑人員的行為特征向量的再次識別結(jié)果也為犯罪行為，則將 所述服刑人員的行為特征向量的當(dāng)前行為類別確定為犯罪行為。
[0021] 進(jìn)一步地，所述行為識別方法還包括：當(dāng)所述服刑人員的當(dāng)前行為類別為犯罪時， 向監(jiān)控中心進(jìn)行報警。
[0022] 根據(jù)本發(fā)明的另一方面，還提供了一種監(jiān)獄服刑人員的行為識別裝置，所述行為 識別裝置包括：采集單元，其用于采集服刑人員的行為特征參數(shù)；預(yù)處理單元，其用于通過 對所述服刑人員的行為特征參數(shù)進(jìn)行數(shù)據(jù)分割和規(guī)范化，以獲得所述服刑人員的行為特征 向量；以及識別單元，其用于利用預(yù)定的行為識別模型對所述服刑人員的行為特征向量進(jìn) 行識別，以獲得所述服刑人員的當(dāng)前行為類別。
[0023] 進(jìn)一步地，所述采集單元包括：心電傳感器，其用于采集服刑人員的心電參數(shù)；位 置傳感器，其用于采集服刑人員的位置參數(shù)；姿態(tài)傳感器，其用于采集服刑人員的姿態(tài)參 數(shù)；溫度傳感器，其用于采集服刑人員的溫度參數(shù)；以及血壓傳感器，其用于采集服刑人員 的血壓參數(shù)。
[0024] 上述根據(jù)本發(fā)明實施例的一種監(jiān)獄服刑人員的行為識別方法及裝置，根據(jù)從監(jiān)獄 服刑人員身上采集的行為特征參數(shù)，利用行為識別模型對服刑人員的行為進(jìn)行分類識別， 識別的準(zhǔn)確度較高，效果較好；通過訓(xùn)練階段訓(xùn)練獲得服刑人員的心電、位置、姿態(tài)、溫度和 血壓等多個參數(shù)與其行為之間的對應(yīng)關(guān)系，使得所獲得的行為識別模型的識別準(zhǔn)確度非常 高；能夠方便獄警的管理，保證獄警、服刑人員和社會的安全；通過雙重數(shù)據(jù)服刑人員行為 識別算法，提高預(yù)測準(zhǔn)確率、魯棒性，降低錯誤報警率；結(jié)合行為識別模型以及K近鄰距離 加權(quán)分類算法的雙重算法對服刑人員的行為特征向量進(jìn)行行為類別識別，識別的準(zhǔn)確度進(jìn) 一步提尚。
[0025] 通過以下結(jié)合附圖對本發(fā)明的最佳實施例的詳細(xì)說明，本發(fā)明的這些以及其他優(yōu) 點將更加明顯。
【附圖說明】
[0026] 本發(fā)明可以通過參考下文中結(jié)合附圖所給出的描述而得到更好的理解，其中在所 有附圖中使用了相同或相似的附圖標(biāo)記來表示相同或者相似的部件。所述附圖連同下面的 詳細(xì)說明一起包含在本說明書中并且形成本說明書的一部分，而且用來進(jìn)一步舉例說明本 發(fā)明的優(yōu)選實施例和解釋本發(fā)明的原理和優(yōu)點。在附圖中：
[0027] 圖1是示出本發(fā)明的一種監(jiān)獄服刑人員的行為識別方法的一個示例處理的流程 圖；
[0028] 圖2是示出本發(fā)明的行為識別裝置的結(jié)構(gòu)示意圖；
[0029] 圖3是示出圖2所示的采集單元的結(jié)構(gòu)示意圖；
[0030] 圖4是示出本發(fā)明的一種監(jiān)獄服刑人員的行為識別方法的一個應(yīng)用示例中用于 獲得行為識別模型的處理的流程圖；
[0031] 圖5是示出本發(fā)明的一種監(jiān)獄服刑人員的行為識別方法和裝置的一個應(yīng)用示例 的結(jié)構(gòu)示意圖。
[0032] 本領(lǐng)域技術(shù)人員應(yīng)當(dāng)理解，附圖中的元件僅僅是為了簡單和清楚起見而示出的， 而且不一定是按比例繪制的。例如，附圖中某些元件的尺寸可能相對于其他元件放大了，以 便有助于提高對本發(fā)明實施例的理解。
【具體實施方式】
[0033] 在此，還需要說明的一點是，為了避免因不必要的細(xì)節(jié)而模糊了本發(fā)明，在附圖中 僅僅示出了與根據(jù)本發(fā)明的方案密切相關(guān)的裝置結(jié)構(gòu)和處理步驟，而省略了與本發(fā)明關(guān)系 不大的其他細(xì)節(jié)。
[0034] 本發(fā)明的實施例提供了一種監(jiān)獄服刑人員的行為識別方法，該行為識別方法包 括：采集服刑人員的行為特征參數(shù)；通過對服刑人員的行為特征參數(shù)進(jìn)行數(shù)據(jù)分割和規(guī)范 化，以獲得服刑人員的行為特征向量；以及利用預(yù)定的行為識別模型對服刑人員的行為特 征向量進(jìn)行識別，以獲得服刑人員的當(dāng)前行為類別。
[0035] 圖1示出了本發(fā)明的一種監(jiān)獄服刑人員的行為識別方法的一個示例處理的流程 圖。上述行為識別方法的示例性處理開始于步驟S110。
[0036] 在步驟SllO中，采集服刑人員的行為特征參數(shù)。然后，執(zhí)行步驟S120。
[0037] 進(jìn)一步地，服刑人員的行為特征參數(shù)可以包括以下參數(shù)：心電參數(shù)、位置參數(shù)、