(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211083283.1 (22)申请日 2022.09.06 (71)申请人 云南电网有限责任公司电力科 学研 究院 地址 650000 云南省昆明市经济技 术开发 区云大西路10 5号 (72)发明人 杨迎春　赵旭　罕天玺　李正志　 闵青云　 (74)专利代理 机构 深圳中细软知识产权代理有 限公司 4 4528 专利代理师 袁文英 (51)Int.Cl. G06V 40/20(2022.01) G06F 21/60(2013.01) G06T 7/73(2017.01)G06V 10/44(2022.01) G06V 10/74(2022.01) G06V 10/764(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01) G06V 20/10(2022.01) G06V 40/16(2022.01) (54)发明名称 违章行为识别方法、 违章预测模型训练方法 和系统 (57)摘要 本申请实施例公开了一种违章行为识别方 法、 违章预测模型训练方法和违章行为识别系 统。 其中， 违章行为识别方法包括如下步骤： 终端 获取待识别图像； 终端将待识别图像输入违章预 测模型的前端处理层中， 得到中间特征并发送至 云端； 云端在获取到中间特征后， 将中间特征输 入违章预测模 型的后端处理层中， 以识别得出违 章结果。 因此， 本申请能够使终端将获取的待识 别图像通过处理得到数据量更小的中间特征后 发送至云端， 以使云端通过对中间特征处理最终 得到违章结果， 从而减少终端和云端之间的数据 传输量， 以降低云端得到违章结果所需的运算 量， 在保证准确获取违章结果的同时， 加快处理 速度， 且降低云端的压力。 权利要求书2页 说明书10页 附图3页 CN 115424349 A 2022.12.02 CN 115424349 A 1.一种违章行为识别方法， 应用于终端， 其特 征在于， 包括如下步骤： 获取待识别图像； 将所述待识别图像输入违章预测模型的前端处 理层中， 得到中间特 征； 将所述中间特 征发送至云端， 以使所述云端根据所述中间特 征识别出违章结果。 2.如权利要求1所述的违章行为识别方法， 其特征在于， 所述将所述待识别图像输入训 练后的违章预测模型的前端处 理层之前， 所述方法还 包括： 在获取所述待识别图像时， 获取与所述待识别图像同一时间采集的音频信息； 将所述待识别图像输入声 音预测模型中， 得到预测音频信息； 根据所述音频信息和所述预测音频信息判断所述待识别图像是否为真实图像； 当所述待识别图像为真实图像时， 将所述待识别图像输入所述前端处 理层中。 3.如权利要求1所述的违章行为识别方法， 其特 征在于， 所述方法还 包括： 提取所述待识别图像中的面部特征， 根据 所述面部特征确定与 所述待识别图像对应的 身份信息； 根据所述身份信 息匹配对应的私钥， 利用所述私钥对所述中间特征进行加签得到加签 特征； 将所述加签特 征和所述中间特 征打包发送至所述云端。 4.一种违章行为识别方法， 应用于云端， 其特 征在于， 包括如下步骤： 获取终端发送的中间特 征， 所述中间特 征由所述终端对待识别图像处 理而获得； 将所述中间特 征输入违章预测模型的后端处 理层中， 以识别得 出违章结果。 5.如权利要求4所述的违章行为识别方法， 其特征在于， 所述获取终端发送的中间特征 之前， 所述方法还 包括： 获取作业人员的身份信息； 根据所述身份信息获取公钥和与所述身份信息匹配的私钥； 将所述身份信息、 所述私钥及所述身份信息和所述私钥的匹配关系发送给所述终端， 以使所述终端根据所述身份信息对所述中间特 征加签得到加签特 征； 接收所述终端发送的所述加签特 征。 6.如权利要求5所述的违章行为识别方法， 其特征在于， 将所述中间特征输入训练后的 违章预测模型的后端处 理层中之前， 所述方法还 包括： 利用所述公钥对所述加签特 征进行解签， 得到解签特 征； 当所述解签特征和所述中间特 征一致时， 将所述中间特 征输入所述后端处 理层中。 7.一种违章行为识别方法， 其特 征在于， 包括如下步骤： 终端获取待识别图像； 所述终端将所述待识别图像输入违章预测模型的前端处理层中， 得到中间特征并发送 至云端； 所述云端在获取到所述中间特征后， 将所述中间特征输入所述违章预测模型的后端处 理层中， 以识别得 出违章结果。 8.一种违章预测模型训练方法， 其特 征在于， 包括如下步骤： 获取样本信息， 所述样本信息包括违章状态属性； 将所述样本信息输入初始违章预测模型中进行处理， 得到预测违章结果， 所述预测违权　利　要　求　书 1/2 页 2 CN 115424349 A 2章结果包括预测违章状态属性和违章 概率； 获取所述预测违章结果与 所述样本信 息的目标偏差； 根据 所述目标偏差对所述初始违 章预测模型进行迭代调参， 直至所述目标偏差小于预设偏差阈值， 得到违章预测模型。 9.如权利要求8所述的违章预测模型训练方法， 其特 征在于， 所述方法还 包括： 获取所述违章预测模型各处理层的输出数据量， 按照所述输出数据量的大小排列 所述 处理层； 根据所述输出 数据量获取动态输出 数据量阈值； 将输出数据量大于所述动态输出数据量阈值的处理层作为前端处理层， 并分配至终端 中； 将输出数据量小于或等于所述动态输出数据量阈值的处理层作为后端处理层， 并分配 至云端中。 10.一种违章行为识别系统， 其特 征在于， 包括终端和云端； 所述终端用于执 行如权利要求1至 3中任一项所述方法的步骤； 所述云端用于执 行如权利要求 4至6中任一项所述方法的步骤。权　利　要　求　书 2/2 页 3 CN 115424349 A 3