一种基于肢体语言深度学习的人质挟持风险评估方法

摘要

本发明公开了一种基于肢体语言深度学习的人质挟持风险评估方法。所述方法包括以下步骤：使用Kinect摄像头进行肢体动作的捕捉和收集；分别搭建卷积神经网络（CNN）和双向长短时记忆条件随机场（Bi‑LSTM‑CRF）对人体静态运动和动态运动进行分析，动作进行分类标记和描述；根据分类标记和描述评估该动作在人质挟持时可能产生的风险水平。本发明考虑到静态身体运动和动态身体运动，达到了更高的效率。