基于AI算法的垃圾分类投放行为识别方法及系统与流程

本发明涉及ai行为识别，尤其涉及一种基于ai算法的垃圾分类投放行为识别方法及系统。

背景技术：

1、传统的垃圾分类方法往往依赖于人工监督和管理，效率低下且容易出错。近年来，人工智能技术的快速发展为解决这一问题提供了新的思路和方法。

2、尽管如此，目前基于ai的垃圾分类识别系统仍面临着诸多挑战。垃圾投放行为具有高度的多样性和复杂性，传统的计算机视觉算法难以准确捕捉和识别这些行为。环境因素如光照变化、遮挡等会影响识别的准确性。

技术实现思路

1、本发明提供了一种基于ai算法的垃圾分类投放行为识别方法及系统，用于准确识别垃圾分类投放行为，同时具备实时性和可扩展性，进而提高垃圾分类的效率和准确性。

2、第一方面，本发明提供了一种基于ai算法的垃圾分类投放行为识别方法，所述基于ai算法的垃圾分类投放行为识别方法包括：

3、对垃圾投放视频数据进行采集和预处理，得到预处理后的数据集；

4、对所述预处理后的数据集进行数据探索和增广处理，得到扩展数据集；

5、采用改进的模拟特征点选择算法，并引入二阶通道注意力机制和区域空间融合模块对所述扩展数据集进行特征提取和行为表征，得到行为特征向量；

6、根据所述行为特征向量构建并训练行为分类模型，得到训练后的分类模型，所述行为分类模型为多分支深度神经网络，包含图注意力机制和多任务学习策略；

7、基于所述训练后的分类模型进行全局重检测和长时行为识别，得到行为识别结果；

8、基于所述行为识别结果，对所述训练后的分类模型进行边云协同计算和强化学习，得到目标分类模型。

9、第二方面，本发明提供了一种基于ai算法的垃圾分类投放行为识别系统，所述基于ai算法的垃圾分类投放行为识别系统包括：

10、采集模块，用于对垃圾投放视频数据进行采集和预处理，得到预处理后的数据集；

11、处理模块，用于对所述预处理后的数据集进行数据探索和增广处理，得到扩展数据集；

12、提取模块，用于采用改进的模拟特征点选择算法，并引入二阶通道注意力机制和区域空间融合模块对所述扩展数据集进行特征提取和行为表征，得到行为特征向量；

13、训练模块，用于根据所述行为特征向量构建并训练行为分类模型，得到训练后的分类模型，所述行为分类模型为多分支深度神经网络，包含图注意力机制和多任务学习策略；

14、识别模块，用于基于所述训练后的分类模型进行全局重检测和长时行为识别，得到行为识别结果；

15、计算模块，用于基于所述行为识别结果，对所述训练后的分类模型进行边云协同计算和强化学习，得到目标分类模型。

16、本发明第三方面提供了一种基于ai算法的垃圾分类投放行为识别设备，包括：存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述基于ai算法的垃圾分类投放行为识别设备执行上述的基于ai算法的垃圾分类投放行为识别方法。

17、本发明的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述的基于ai算法的垃圾分类投放行为识别方法。

18、本发明提供的技术方案中，通过采用非局部均值算法进行自适应去噪和对比度增强，结合生成对抗网络和三维卷积自编码器进行数据增广，显著提高了训练数据的质量和多样性，改进的模拟特征点选择算法结合二阶通道注意力机制和区域空间融合模块，能够更加有效地捕捉垃圾投放行为的时空特征，提高了特征表示的判别性和鲁棒性。采用包含图注意力机制和多任务学习策略的多分支深度神经网络作为行为分类模型，能够同时处理多个相关任务，提高了模型的泛化能力和识别准确率。通过对初始分类结果进行时序一致性处理和全局重检测，结合长时行为模板匹配，有效减少了短时误分类现象，提高了长时行为识别的准确性。采用边云协同计算策略，结合强化学习进行模型优化，既提高了系统的实时性能，又能够根据实际应用场景动态调整任务分配，实现了模型的持续优化和适应性提升。

19、本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

20、为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

技术特征：

1.一种基于ai算法的垃圾分类投放行为识别方法，其特征在于，所述方法包括：

2.根据权利要求1所述的基于ai算法的垃圾分类投放行为识别方法，其特征在于，所述对垃圾投放视频数据进行采集和预处理，得到预处理后的数据集，包括：

3.根据权利要求1所述的基于ai算法的垃圾分类投放行为识别方法，其特征在于，所述对所述预处理后的数据集进行数据探索和增广处理，得到扩展数据集，包括：

4.根据权利要求1所述的基于ai算法的垃圾分类投放行为识别方法，其特征在于，所述采用改进的模拟特征点选择算法，并引入二阶通道注意力机制和区域空间融合模块对所述扩展数据集进行特征提取和行为表征，得到行为特征向量，包括：

5.根据权利要求4所述的基于ai算法的垃圾分类投放行为识别方法，其特征在于，所述对所述扩展数据集中的每个视频片段应用改进的模拟特征点选择算法，通过计算局部响应函数和全局一致性约束，得到初始特征点集合，包括：

6.根据权利要求1所述的基于ai算法的垃圾分类投放行为识别方法，其特征在于，所述根据所述行为特征向量构建并训练行为分类模型，得到训练后的分类模型，所述行为分类模型为多分支深度神经网络，包含图注意力机制和多任务学习策略，包括：

7.根据权利要求6所述的基于ai算法的垃圾分类投放行为识别方法，其特征在于，所述将所述时序特征序列输入时空图卷积网络，通过多层图卷积操作提取时空关系，得到图特征表示；所述时空图卷积网络包括3个图卷积层，每层使用chebnet卷积核，并在每层后添加图池化操作，包括：

8.根据权利要求1所述的基于ai算法的垃圾分类投放行为识别方法，其特征在于，所述基于所述训练后的分类模型进行全局重检测和长时行为识别，得到行为识别结果，包括：

9.根据权利要求1所述的基于ai算法的垃圾分类投放行为识别方法，其特征在于，所述基于所述行为识别结果，对所述训练后的分类模型进行边云协同计算和强化学习，得到目标分类模型，包括：

10.一种基于ai算法的垃圾分类投放行为识别系统，其特征在于，用于执行如权利要求1-9中任一项所述的基于ai算法的垃圾分类投放行为识别方法，所述系统包括：

技术总结本发明涉及AI行为识别技术领域，公开了一种基于AI算法的垃圾分类投放行为识别方法及系统，其中，该方法包括：对垃圾投放视频数据进行采集和预处理，得到预处理后的数据集；对预处理后的数据集进行数据探索和增广处理，得到扩展数据集；对扩展数据集进行特征提取和行为表征，得到行为特征向量；根据行为特征向量构建并训练行为分类模型，得到训练后的分类模型；基于训练后的分类模型进行全局重检测和长时行为识别，得到行为识别结果；基于行为识别结果，对训练后的分类模型进行边云协同计算和强化学习，得到目标分类模型，该方法能够准确识别垃圾分类投放行为，同时具备实时性和可扩展性的AI算法，进而提高垃圾分类的效率和准确性。技术研发人员：梁静,邵宝,龙小鹏,程小勇,张伟受保护的技术使用者：深圳绿源智谷科技环境有限公司技术研发日：技术公布日：2024/12/2