技术特征：
技术总结
本发明公开了一种基于深度学习的监狱异常情况监测方法及监测系统，包括：基于第一子网络，生成人体关键点时序信息；基于第二子网络，针对音频信息产生序列特征向量；基于第三子网络，根据人体关键点时序信息和序列特征向量识别人类行为，基于识别的人类行为，在行为异常时输出异常报警。本发明的基于深度学习的监狱异常情况监测方法通过由三个相互关联的子网络构成一个整体网络，约束三个子网络单独进行训练和深度学习，提高了训练速度和识别准确率，能够更快的识别潜在异常事件，降低了人力监控的成本，消除了安全隐患，同时为实现人工智能辅助刑罚变更执行监督、羁押必要性审查评估等任务奠定量化基础。
技术研发人员：朱宁莉;邓海;李根;代合鹏;李素莹;关大英
受保护的技术使用者：航天信息股份有限公司
技术研发日：2018.10.30
技术公布日：2019.03.22