聚众斗殴

摘要： 一、使用警犬处置聚众斗殴的概述在基层一线派出所接触案例中,涉及人身伤害的违法犯罪行为时有发生。而在基层出警过程中,处警民警即使手中有警械,有时也处于被动状态。2018年全国警犬技术大比武中,就有处置群体性事件这一项,针对人群进行切割、合围、追击以及最后的随行监视。当前,使用治安犬参与执勤,已经成为福建省公安常态化勤务模式。

摘要： 实践中,对驾车参与聚众斗殴能否认定为持械聚众斗殴,以及在公共场所驾车聚众斗殴的数罪形态、入罪主体认定及涉案车辆处置等方面存在较大分歧,本文重点就上述问题展开讨论。一、车辆能否解释为聚众斗殴中的“械”车辆能否成为聚众斗殴中的“械”,在什么情况下将其认定为聚众斗殴中的“械”,一直颇具争议。笔者认为,可以将车辆认定为聚众斗殴中的“械”。

摘要： 案例回放安徽省灵璧县农村青年西某贺和未成年人李某等为首者,纠集网罗来自县内多个乡镇、村(社区)的未成年在校学生、社会闲散少年,组织起一个共17人的黑社会性质的犯罪组织,除西某贺1994年11月出生,属青年外,其余16人犯罪时均未满18周岁。2017年初至2018年4月,一年余时间内,他们多次持械聚众斗殴,寻衅滋事,或单独或伙同他人采取暴力手段,多次强奸轮奸未成年少女和幼女,强迫幼女卖淫,以及开设赌场,等等,严重危害社会秩序。

摘要： 跟着“大哥”出入有车,前呼后拥,一言不合就喊打喊杀持刀相向;聚众斗殴收“保护费”;寻衅滋事肆意打砸,一些充满稚气的面孔还觉得自己“混江湖”“很威风”……近年来,各地发生的涉黑恶案件中,不乏未成年人的身影。未成年人涉黑恶犯罪虽然从整体上看人数总量不大,占同期犯罪比例不高,但数量逐年增长。2020年4月23日,最高检发布了3件依法严惩利用未成年人实施黑恶势力犯罪典型案例。

摘要： 《心灵捕手》这部电影拍摄于1997年,地点为波士顿。观看电影激起我对2012年在波士顿旅居两个月的回忆,电影的主要内容是:麻省理工的一名数学教授发现年轻的清洁工威尔是个数学天才,只是威尔童年屡遭不幸,性格变得孤傲,经常聚众斗殴,成了常被警察局拘留的对象。为了录用这位数学天才,教授保释了威尔,条件是威尔每周必须参加数学研讨并接受心理咨询。为修复威尔的心灵创伤,心理学教授以信任为前提,以真诚为路径,以坚持为手杖,开始了为期十次的心理辅导。最后威尔走出心理阴影,获得新生。影片展现的街区将我带到了波士顿,我们居住过的剑桥社区,美丽的河岸,古老的建筑物。在麻省理工学院的教学楼,哈佛的酒吧.

摘要： 2018年4月,安徽省体育学校学生李某受朋友周某电话邀约,在合肥市蜀山区参与实施了聚众斗殴行为,造成被害人张某受轻微伤。经公安机关侦查审讯,李某犯罪事实清楚,证据充分。因李某系未成年人,故其案件移交至合肥市包河区人民检察院(以下简称“包河检察院”)进行审查起诉。若正式起诉,李某可能会被判处一年有期徒刑以下的刑罚。

摘要： 本发明公开了一种基于机器学习的防止宠物斗殴方法，所述方法包括：第一宠物可穿戴设备检测预设距离内是否存在第二宠物可穿戴设备；所述第一宠物可穿戴设备与所述第二宠物可穿戴设备建立通讯连接；所述第一宠物可穿戴设备及所述第二宠物可穿戴设备开启录像、录音；每隔预设时间，获取所述第一宠物的情绪状态、行为意图及生理数据、所述第二宠物的情绪状态、行为意图及生理数据，结合预设的规则执行预设命令；所述第一宠物可穿戴设备及所述第二宠物可穿戴设备结束录像、录音；获得宠物命令机器学习模型训练数据，重新训练所述宠物命令机器学习模型。本发明方法结合了机器学习及宠物生理状态数据，最终更有效的防止宠物斗殴事件的发生。

摘要： 本发明公开了一种基于视频分析的打架斗殴异常行为自动检测方法，包括：S1、输入视频序列中的原始图像；S2、采用金字塔L‑K光流法，计算图像中所有像素点的运动矢量；S3、在运动速度矩阵的基础上增加视角调整系数矩阵DM的修正；S4、对修正后的运动速度矩阵进行聚类分析，动态提取每一帧图像不同行为下的有效像素点；S5、结合运动矢量关于运动速度和运动方向的信息，提出异常行为的综合特征指标；S6、确定运动特征指标发生打架斗殴异常行为的判定阈值，并根据该阈值进行打架斗殴异常行为的判断。本发明在现有的光流方法计算结果的基础上，增加视角调整系数矩阵，经过改进后的光流矢量将更加准确的体现出具有纵向透视视角场景下目标的运动特征。

摘要： 本发明公开了一种熊蜂斗殴行为的预测方法和装置，方法包括：获取训练样本集，其中，训练样本集为多张标注有标签类别的熊蜂群照片；根据斗殴识别模型识别训练样本集的训练样本，获得熊蜂轮廓的极坐标系，其中，斗殴识别模型为金字塔结构中融合有注意力机制的残差卷积神经网络模型；根据极坐标系确定斗殴识别模型的训练预测结果，待训练预测结果达到预设目标时，确定斗殴识别模型完成训练；根据完成训练的斗殴识别模型，识别存在斗殴行为的熊蜂。预测方法使用斗殴识别模型得到的一次分类，和基于熊蜂轮廓得到的二次分类来共同预测该位置熊蜂的斗殴情况，该预测方式结合了熊蜂图片特征和熊蜂轮廓特征，进而提高了对熊蜂斗殴行为预测的准确率。

摘要： 本发明公开了一种时间因果诱导的斗殴行为的识别方法。本发明针对群体斗殴行为特点，即多人之间具有因果关系，具有时间延迟关系，具有空间依赖关系，来实现群体斗殴行为的特征提取。针对上述三个问题，分别使用Granger因果关系估计多人的因果关系矩阵，Granger因果时间延迟关系估计多人的因果时间延迟矩阵，用于因果特征融合，空间外观图模型估计，用于多人空间特征融合。依次，提取因果图融合的个体特征，空间图融合的个体特征，并使用最大池化方法将个体特征矩阵转化为群体特征，使用全连接层识别群体斗殴行为。本发明可有效实现群体斗殴的多人因果图特征提取，多人空间图特征提取，以及实现对群体斗殴行为检测。

摘要： 本申请公开了一种人员斗殴检测方法、装置、电子设备及计算机可读存储介质，该方法包括：获取待测视频帧，并对待测视频帧进行基于肢体角度的动作检测，得到第一检测结果；对待测视频帧进行基于光流失量的动作幅度检测，得到第二检测结果；对待测视频帧进行基于离散程度的人体关键点融合状态检测，得到第三检测结果；利用第一检测结果、第二检测结果和第三检测结果生成斗殴检测结果；若斗殴检测结果为命中，则确定检测到人员斗殴；该方法从多个角度对人员斗殴行为进行检测，并综合检测结果得到斗殴检测结果，因此得到的斗殴检测结果的准确率较高，减少了误报。

摘要： 一种基于视频的打架斗殴检测方法，基于目标检测方法对视频中的人体目标进行有效检测，而后利用骨架提取算法提取人体骨架关键点信息，包括连续多帧的每个人体的骨架关键点2D坐标信息，构建成骨架序列，并在骨架序列上构建时空卷积图，同时将时空卷积图输入已训练好的多层时空卷积网络（st‑gcn）进行动作识别；利用本方法可精准识别打架斗殴等动作行为，可广泛应用于车站、机场、超市、商业街区、运动场等重要公众场合，实现实时预警。

摘要： 本发明属于人工智能技术领域，公开了一种斗殴行为识别预警方法及其识别预警系统，所述识别预警方法包括如下步骤：S1：根据现有的斗殴行为图像，基于神经网络建立斗殴行为识别模型；S2：对斗殴行为识别模型进行多维动态行为识别补偿；S3：实时获取现场视频，使用补偿后斗殴行为识别模型进行识别果；S4：根据实时获取的斗殴行为识别结果，判断是否发生斗殴；S5：开始采集斗殴视频，发出警报，根据斗殴视频进行人脸识别；S6：根据实时获取的斗殴行为识别结果，判断斗殴是否结束。本发明解决了现有技术存在的斗殴行为更难辨认、割裂了人与人之间的互动性、识别的准确性低以及假性斗殴行为存在极大的识别预警干扰的问题。

摘要： 本发明公开了一种基于机器学习的防止宠物斗殴方法，所述方法包括：第一宠物可穿戴设备检测预设距离内是否存在第二宠物可穿戴设备；所述第一宠物可穿戴设备与所述第二宠物可穿戴设备建立通讯连接；所述第一宠物可穿戴设备及所述第二宠物可穿戴设备开启录像、录音；每隔预设时间，获取所述第一宠物的情绪状态、行为意图及生理数据、所述第二宠物的情绪状态、行为意图及生理数据，结合预设的规则执行预设命令；所述第一宠物可穿戴设备及所述第二宠物可穿戴设备结束录像、录音；获得宠物命令机器学习模型训练数据，重新训练所述宠物命令机器学习模型。本发明方法结合了机器学习及宠物生理状态数据，最终更有效的防止宠物斗殴事件的发生。

摘要： 本发明公开了一种打架斗殴行为的识别方法。本发明属于安全预警领域，尤其涉及一种打架斗殴行为的识别方法。解决了现有技术中监控系统需要设置多个将造成施工复杂、成本较高的问题。本发明的技术方案：通过监控视频获取数据，使用隔帧法提取视频数据，通过模型识别出视频内的目标人物，以及目标人物的肢体骨骼数据来判断目标人物的数量、目标人物数据的交叠率、目标人物的运动速度和目标人物肢体摆动幅度。本发明可以解决在健身房管理中及时地发现监控目标出现的斗殴的情况并及时地做以对应的处理，对打架行为识别。

摘要： 本发明提供了一种聚众斗殴行为识别方法、装置、存储介质及电子设备。该方法包括以下步骤：采集预设范围内的实时影像信息，所述实时影像信息包括多帧图片；对所述多帧图片进行识别，以判断该预设范围内是否存在至少两个人体；若存在至少两个人体则对每一所述人体的移动轨迹进行绘制；判断所述至少两个人体的移动轨迹是否满足预设条件；若满足，则对每一所述人体的手部区域图像进行放大，并对放大后的手部区域图像进行识别；若在该手部区域识别到武器，则判断所述预设范围内发生聚众斗殴行为。