摘要
监狱作为国家的刑罚执行机关，承担着维护社会稳定、监管服刑人员的重要职能。但近年来，监狱犯人自杀、斗殴等恶性事件时有发生，反映了监狱预防和处理服刑人员危险行为的工作仍有需要改进的空间。伴随智慧监狱建设过程的进行，在部署了大规模监控设备的前提下，监狱引入了智能监控技术来保障其职能的有效履行，拥有智能分析和自动预警功能的智能监控系统开始被广泛用于协助值班干警及时获取准确信息和处理突发事件，以阻止更多危险行为的发生。 当前针对监狱场景的智能监控技术研究虽然已经获取了一定成果，但构建一个实用性强的服刑人员危险行为智能检测系统还存在一些亟需解决的问题，例如:最容易威胁到服刑人员生命安全的自杀行为还存在很大的监控空白;监狱场景下暴力行为检测算法的精确度和速度还需要进一步提升;现存的监控方法实用性较为欠缺等等。本文对监狱场景下如何在实时监控视频中准确检测到服刑人员的危险行为并及时报警进行研究，主要研究内容如下: 针对国内服刑人员自杀行为检测研究领域研究较少的问题，提出了基于改进ResNet18网络的自杀行为检测方法。拍摄并制作了自杀行为数据集SD343S,同时，依据自杀行为动作特征明显且动作保持持久的特点，结合通道注意力机制和空间注意力机制原理设计了混合注意力模块CSA,将其嵌入到ResNet18网络中，形成了一种融合混合注意力模块的改进ResNet18网络。通过对比实验，验证了改进后的ResNet18网络具有更高的准确率和召回率，符合应用实际需求。 针对当前暴力检测算法效率和准确率不满足监狱应用需求的问题，提出了改进的C3D暴力行为检测方法。依据数据集UT-interaction、数据集ViolenceDetectioninVideos和自制数据集SD343V,构建了一种两分类的暴力行为数据集，使数据集更贴合服刑人员实际情况。同时，依据暴力行为包含时序信息较多且动作易与正常行为混淆的特点,提出了一种结合C3D卷积神经网络和SVM的暴力行为检测模型，通过对比实验，证明了该模型在满足系统实时性要求的同时提高了暴力行为的识别准确率，符合应用实际需求。 针对缺少应用性较强的监狱监管方案的问题，结合监狱场景下的实际需求，设计并完成了危险行为智能检测系统。系统中嵌入了上述基于深度学习的两种检测方法，能够准确检测出服刑人员的危险行为并弹出警报提醒，同时还具备数据存储和统计功能，达到了对监狱进行精准监管并灵活调整的监控效果。
NETL