专利交易市场

本发明公开了一种基于RGB视频监控的ICU患者自拔管行为预警方法，属于计算机视觉行为识别领域。包括构建ICU患者自拔管行为数据集，基于该数据集获取基于神经网络和基于光流行为特征的ICU场景下患者自拔管预警分类模型，通过基于神经网络的ICU场景下患者自拔管预警分类模型得到视频图像纹理特征分类结果，通过基于光流行为特征的ICU场景下患者自拔管预警分类模型得到患者自拔管光流行为特征分类结果；上述两种分类结果进行融合后作为输入搭建双流ICU场景患者自拔管预警模型，实现基于RGB监控视频的ICU患者自拔管预警工作。本发明解决了单流结构提取特征不全面的问题，具有高实时性，高准确率，全自动化且无接触等优点。

本发明属于图像处理技术领域，具体涉及基于图像增强和3D卷积神经网络的视频行为识别方法，包括将输入的原始视频序列切分成帧，对各个帧图片进行预处理，并将其分别划分至训练集与测试集；将训练集图片输入行为区域增强网络进行训练，获得相应的掩码处理后图片；使用掩码处理后的图片序列训练3D卷积神经网络；输入测试集图片，获得该分支网络的测试集分类概率；将训练集图片输入3D卷积神经网络进行训练；输入测试集图片，得到该分支网络的测试集分类概率；将两分支网络的分类概率进行支持向量机模型训练，并得到最终的测试集检测结果。本发明能够准确并实时识别出视频中人物的行为，且更加充分的利用图像信息，提高视频中行为识别的准确率。