基于多摄像头的三维重建后的音视频的暴力事件检测方法

本发明提供一种基于多摄像头的三维重建后的音视频的暴力事件检测方法，由于现有方法在处理遮挡、背对施暴等情况时存在错检误检的问题，在音频识别上没有声纹识别方法，容易声音混淆，所以采取三维重建与声纹识别的方法。在本方法中三维重建利用多摄像头获取人体关键点数据，结合处理后的图卷积网络（GCN）和二维卷积神经网络（2DCNN）分别处理视频和音频数据，来进行多维度的暴力检测，然后根据梅尔频谱特性去区别不同人的声纹特性，提高检测精度。然后在视频与音频的概率设置权重中我们需要自适应调整权重，并且通过算法优化阈值并判定暴力行为。这种创新方法对于以往的单摄像头检测或者无声纹检测方法具有优异的超越性。