CN109685012B - 生物的视频监控方法及装置 - Google Patents

生物的视频监控方法及装置 Download PDF

Info

Publication number
CN109685012B
CN109685012B CN201811593880.2A CN201811593880A CN109685012B CN 109685012 B CN109685012 B CN 109685012B CN 201811593880 A CN201811593880 A CN 201811593880A CN 109685012 B CN109685012 B CN 109685012B
Authority
CN
China
Prior art keywords
target
video
motion characteristic
information
monitored
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201811593880.2A
Other languages
English (en)
Other versions
CN109685012A (zh
Inventor
唐大闰
徐浩
吴明辉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Mingsheng Pinzhi Artificial Intelligence Technology Co ltd
Original Assignee
Miaozhen Information Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Miaozhen Information Technology Co Ltd filed Critical Miaozhen Information Technology Co Ltd
Priority to CN201811593880.2A priority Critical patent/CN109685012B/zh
Publication of CN109685012A publication Critical patent/CN109685012A/zh
Application granted granted Critical
Publication of CN109685012B publication Critical patent/CN109685012B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Human Computer Interaction (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Signal Processing (AREA)
  • Image Analysis (AREA)
  • Closed-Circuit Television Systems (AREA)

Abstract

本发明提供了一种生物的视频监控方法及装置，该方法包括：从待监控视频中提取目标物品的运动特征信息，其中，运动特征信息用于指示待监控视频中摆放的目标物品的运动特征，待监控视频为未拍摄到目标生物的视频；将运动特征信息与目标运动特征进行匹配，其中，目标运动特征用于指示目标生物引起目标物品发生运动时目标物品产生的运动特征；在运动特征信息与目标运动特征匹配成功的情况下，确定待监控视频为目标视频，其中，目标视频为有目标生物出现的视频。通过本发明，解决了相关技术中对视频中的目标生物的监控效率较低的问题，进而达到了提高对视频中的目标生物进行监控的效率的效果。

Description

生物的视频监控方法及装置
技术领域
本发明涉及计算机领域，具体而言，涉及一种生物的视频监控方法及装置。
背景技术
目前对视频中出现的目标生物(比如：老鼠、蟑螂等有害生物)进行监控的方式是检测视频中出现的生物的运动是否符合目标生物的运动规律。但是，在某些目标生物确实出现过的场景下拍摄的视频中可能并不能拍摄到目标生物。目前的检测方式很容易发生漏判或者错判，监控效率较低
针对上述的问题，目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种生物的视频监控方法及装置，以至少解决相关技术中相关技术中对视频中的目标生物的监控效率较低的问题。
根据本发明的一个实施例，提供了一种生物的视频监控方法，包括：
从待监控视频中提取目标物品的运动特征信息，其中，所述运动特征信息用于指示所述待监控视频中摆放的所述目标物品的运动特征，所述待监控视频为未拍摄到目标生物的视频；
将所述运动特征信息与目标运动特征进行匹配，其中，所述目标运动特征用于指示所述目标生物引起所述目标物品发生运动时所述目标物品产生的运动特征；
在所述运动特征信息与目标运动特征匹配成功的情况下，确定所述待监控视频为目标视频，其中，所述目标视频为有所述目标生物出现的视频。
可选地，从所述待监控视频中提取所述目标物品的所述运动特征信息包括以下至少之一：
从所述待监控视频中提取目标诱饵的计量信息，其中，所述目标物品包括所述目标诱饵，所述计量信息用于指示在所述待监控视频中所述目标诱饵的计量，所述目标诱饵为投放给所述目标生物的诱饵；
从所述待监控视频中提取所述目标物品的移动信息，其中，所述目标物品包括所述待监控视频中允许被所述目标生物触碰而产生移动的物品，所述移动信息用于指示所述目标物品的当前位置相对于所述目标物品的摆放位置之间的位移。
可选地，将所述运动特征信息与目标运动特征进行匹配包括：
在所述运动特征信息包括所述计量信息的情况下，确定所述计量信息与目标计量信息之间的计量差值，其中，所述目标计量信息用于指示已投放的所述目标诱饵的计量；在所述计量差值大于目标计量差值的情况下，确定所述运动特征信息与目标运动特征匹配成功；
在所述运动特征信息包括所述移动信息的情况下，确定所述移动信息与目标移动信息之间的位移差值，其中，所述目标移动信息用于指示所述目标生物引起所述目标物品产生移动时所述目标物品的位移；在所述位移差值落入目标位移范围内的情况下，确定所述运动特征信息与目标运动特征匹配成功。
可选地，在所述运动特征信息包括所述移动信息的情况下，将所述运动特征信息与目标运动特征进行匹配包括：
将所述移动信息作为输入参数输入到运动检测模型中，得到所述运动检测模型的目标输出参数，其中，所述运动检测模型是使用视频样本对初始检测模型进行训练得到的模型，所述视频样本为所述目标生物出现过且引起了所述视频样本中的所述目标物品产生移动的视频，所述运动检测模型用于指示所述待监控视频与所述视频样本之间的相似度；
在所述目标输出参数所指示的相似度落入目标相似度范围的情况下，确定所述运动特征信息与目标运动特征匹配成功。
可选地，在从待监控视频中提取目标物品的运动特征信息之前，所述方法还包括：
获取摄像设备拍摄到的视频文件；
在所述视频文件拍摄到的场景中确定目标区域，其中，所述目标区域为所述场景中出现所述目标物品的区域；
从所述视频文件中截取所述目标区域中的所述目标物品产生过移动的视频片段，得到所述待监控视频。
根据本发明的另一个实施例，提供了一种生物的视频监控装置，包括：
提取模块，用于从待监控视频中提取目标物品的运动特征信息，其中，所述运动特征信息用于指示所述待监控视频中摆放的所述目标物品的运动特征，所述待监控视频为未拍摄到目标生物的视频；
匹配模块，用于将所述运动特征信息与目标运动特征进行匹配，其中，所述目标运动特征用于指示所述目标生物引起所述目标物品发生运动时所述目标物品产生的运动特征；
第一确定模块，用于在所述运动特征信息与目标运动特征匹配成功的情况下，确定所述待监控视频为目标视频，其中，所述目标视频为有所述目标生物出现的视频。
可选地，所述提取模块包括以下至少之一：
第一提取单元，用于从所述待监控视频中提取目标诱饵的计量信息，其中，所述目标物品包括所述目标诱饵，所述计量信息用于指示在所述待监控视频中所述目标诱饵的计量，所述目标诱饵为投放给所述目标生物的诱饵；
第二提取单元，用于从所述待监控视频中提取所述目标物品的移动信息，其中，所述目标物品包括所述待监控视频中允许被所述目标生物触碰而产生移动的物品，所述移动信息用于指示所述目标物品的当前位置相对于所述目标物品的摆放位置之间的位移。
可选地，所述匹配模块包括：
第一确定单元，用于在所述运动特征信息包括所述计量信息的情况下，确定所述计量信息与目标计量信息之间的计量差值，其中，所述目标计量信息用于指示已投放的所述目标诱饵的计量；在所述计量差值大于目标计量差值的情况下，确定所述运动特征信息与目标运动特征匹配成功；
第二确定单元，用于在所述运动特征信息包括所述移动信息的情况下，确定所述移动信息与目标移动信息之间的位移差值，其中，所述目标移动信息用于指示所述目标生物引起所述目标物品产生移动时所述目标物品的位移；在所述位移差值落入目标位移范围内的情况下，确定所述运动特征信息与目标运动特征匹配成功。
根据本发明的又一个实施例，还提供了一种存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
根据本发明的又一个实施例，还提供了一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。
通过本发明，通过从待监控视频中提取目标物品的运动特征信息，其中，运动特征信息用于指示待监控视频中摆放的目标物品的运动特征，待监控视频为未拍摄到目标生物的视频；将运动特征信息与目标运动特征进行匹配，其中，目标运动特征用于指示目标生物引起目标物品发生运动时目标物品产生的运动特征；在运动特征信息与目标运动特征匹配成功的情况下，确定待监控视频为目标视频，其中，目标视频为有目标生物出现的视频的方式，监控待监控视频中提取的目标物品的运动特征信息是否与用于指示目标生物引起目标物品发生运动时目标物品产生的目标运动特征匹配，如果匹配成功，则能够确定待监控视频为有目标生物出现的目标视频，从而通过对目标物品运动的监控来判断没有拍摄到目标生物的视频中是否有目标生物出现过，从而降低了漏判和错判的概率。因此，可以解决相关技术中对视频中的目标生物的监控效率较低的问题，达到提高提高对视频中的目标生物进行监控的效率的效果。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是本发明实施例的一种生物的视频监控方法的移动终端的硬件结构框图；
图2是根据本发明实施例的生物的视频监控方法的流程图；
图3是根据本发明实施例的生物的视频监控装置的结构框图；
图4是根据本发明可选实施例的生物的视频监控方法的示意图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
本申请实施例一所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在移动终端上为例，图1是本发明实施例的一种生物的视频监控方法的移动终端的硬件结构框图。如图1所示，移动终端10可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104，可选地，上述移动终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述移动终端的结构造成限定。例如，移动终端10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。
存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本发明实施例中的生物的视频监控方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至移动终端10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端10的通信供应商提供的无线网络。在一个实例中，传输装置106包括一个网络适配器(Network Interface Controller，简称为NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置106可以为射频(Radio Frequency，简称为RF)模块，其用于通过无线方式与互联网进行通讯。
在本实施例中提供了一种生物的视频监控方法，图2是根据本发明实施例的生物的视频监控方法的流程图，如图2所示，该流程包括如下步骤：
步骤S202，从待监控视频中提取目标物品的运动特征信息，其中，所述运动特征信息用于指示所述待监控视频中摆放的所述目标物品的运动特征，所述待监控视频为未拍摄到目标生物的视频；
步骤S204，将所述运动特征信息与目标运动特征进行匹配，其中，所述目标运动特征用于指示所述目标生物引起所述目标物品发生运动时所述目标物品产生的运动特征；
步骤S206，在所述运动特征信息与目标运动特征匹配成功的情况下，确定所述待监控视频为目标视频，其中，所述目标视频为有所述目标生物出现的视频。
可选地，在本实施例中，上述目标生物可以但不限于包括：老鼠、蟑螂、鸟类等等。
可选地，在本实施例中，上述目标物品可以但不限于包括：诱饵、药剂、线缆、绿化植株、餐具、瓶罐等等。
可选地，在本实施例中，上述运动特征信息可以但不限于包括：诱饵或者药剂的减少，线缆的晃动，植株、餐具或者瓶罐等物品的移动等等。
通过上述步骤，监控待监控视频中提取的目标物品的运动特征信息是否与用于指示目标生物引起目标物品发生运动时目标物品产生的目标运动特征匹配，如果匹配成功，则能够确定待监控视频为有目标生物出现的目标视频，从而通过对目标物品运动的监控来判断没有拍摄到目标生物的视频中是否有目标生物出现过，从而降低了漏判和错判的概率。因此，可以解决相关技术中对视频中的目标生物的监控效率较低的问题，达到提高提高对视频中的目标生物进行监控的效率的效果。
可选地，在上述步骤S202中，可以但不限于通过以下方式至少之一提取运动特征信息：
方式一，从待监控视频中提取目标诱饵的计量信息，其中，目标物品包括目标诱饵，计量信息用于指示在待监控视频中目标诱饵的计量，目标诱饵为投放给目标生物的诱饵。
方式二，从待监控视频中提取目标物品的移动信息，其中，目标物品包括待监控视频中允许被目标生物触碰而产生移动的物品，移动信息用于指示目标物品的当前位置相对于目标物品的摆放位置之间的位移。
可选地，在上述步骤S204中，对于上述不同的提取运动特征的方式可以但不限于采用以下不同的方式对运动特征信息与目标运动特征进行匹配：
方式1，在运动特征信息包括计量信息的情况下，确定计量信息与目标计量信息之间的计量差值，其中，目标计量信息用于指示已投放的目标诱饵的计量；在计量差值大于目标计量差值的情况下，确定运动特征信息与目标运动特征匹配成功。
方式2，在运动特征信息包括移动信息的情况下，确定移动信息与目标移动信息之间的位移差值，其中，目标移动信息用于指示目标生物引起目标物品产生移动时目标物品的位移；在位移差值落入目标位移范围内的情况下，确定运动特征信息与目标运动特征匹配成功。
可选地，对于移动信息的匹配过程可以但不限于通过深度学习来完成，可以使用已确定的出现了目标生物的视频作为视频样本训练模型，得到输入参数为移动信息，输出参数为与视频样本之间的相似度的运动检测模型，该相似度即可以表示视频中出现目标生物的概率，将该相似度落入目标相似度范围的视频确定为目标视频，从而实现基于深度学习的视频监控。例如：在上述步骤S204中，在运动特征信息包括移动信息的情况下，将移动信息作为输入参数输入到运动检测模型中，得到运动检测模型的目标输出参数，其中，运动检测模型是使用视频样本对初始检测模型进行训练得到的模型，视频样本为目标生物出现过且引起了视频样本中的目标物品产生移动的视频，运动检测模型用于指示待监控视频与视频样本之间的相似度，在目标输出参数所指示的相似度落入目标相似度范围的情况下，确定运动特征信息与目标运动特征匹配成功。
可选地，在进行生物的视频监控之前，可以首先对拍摄到的视频进行初步的筛选，筛选出场景中有目标物品并且目标物品产生了运动特征信息的视频片段作为待监控视频，从而有效提高视频的监控效率。例如：在上述步骤S202之前，获取摄像设备拍摄到的视频文件，在视频文件拍摄到的场景中确定目标区域，其中，目标区域为场景中出现目标物品的区域，从视频文件中截取目标区域中的目标物品产生过移动的视频片段，得到待监控视频。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
在本实施例中还提供了一种生物的视频监控装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
图3是根据本发明实施例的生物的视频监控装置的结构框图，如图3所示，该装置包括：
提取模块32，用于从待监控视频中提取目标物品的运动特征信息，其中，运动特征信息用于指示待监控视频中摆放的目标物品的运动特征，待监控视频为未拍摄到目标生物的视频；
匹配模块34，用于将运动特征信息与目标运动特征进行匹配，其中，目标运动特征用于指示目标生物引起目标物品发生运动时目标物品产生的运动特征；
第一确定模块36，用于在运动特征信息与目标运动特征匹配成功的情况下，确定待监控视频为目标视频，其中，目标视频为有目标生物出现的视频。
可选地，提取模块包括以下至少之一：
第一提取单元，用于从待监控视频中提取目标诱饵的计量信息，其中，目标物品包括目标诱饵，计量信息用于指示在待监控视频中目标诱饵的计量，目标诱饵为投放给目标生物的诱饵；
第二提取单元，用于从待监控视频中提取目标物品的移动信息，其中，目标物品包括待监控视频中允许被目标生物触碰而产生移动的物品，移动信息用于指示目标物品的当前位置相对于目标物品的摆放位置之间的位移。
可选地，匹配模块包括：
第一确定单元，用于在运动特征信息包括计量信息的情况下，确定计量信息与目标计量信息之间的计量差值，其中，目标计量信息用于指示已投放的目标诱饵的计量；在计量差值大于目标计量差值的情况下，确定运动特征信息与目标运动特征匹配成功；
第二确定单元，用于在运动特征信息包括移动信息的情况下，确定移动信息与目标移动信息之间的位移差值，其中，目标移动信息用于指示目标生物引起目标物品产生移动时目标物品的位移；在位移差值落入目标位移范围内的情况下，确定运动特征信息与目标运动特征匹配成功。
可选地，匹配模块包括：
输入单元，用于在运动特征信息包括移动信息的情况下，将移动信息作为输入参数输入到运动检测模型中，得到运动检测模型的目标输出参数，其中，运动检测模型是使用视频样本对初始检测模型进行训练得到的模型，视频样本为目标生物出现过且引起了视频样本中的目标物品产生移动的视频，运动检测模型用于指示待监控视频与视频样本之间的相似度；
第三确定单元，用于在目标输出参数所指示的相似度落入目标相似度范围的情况下，确定运动特征信息与目标运动特征匹配成功。
可选地，上述装置还包括：
获取模块，用于获取摄像设备拍摄到的视频文件；
第二确定模块，用于在视频文件拍摄到的场景中确定目标区域，其中，目标区域为场景中出现目标物品的区域；
截取模块，用于从视频文件中截取目标区域中的目标物品产生过移动的视频片段，得到待监控视频。
需要说明的是，上述各个模块是可以通过软件或硬件来实现的，对于后者，可以通过以下方式实现，但不限于此：上述模块均位于同一处理器中；或者，上述各个模块以任意组合的形式分别位于不同的处理器中。
下面结合本发明可选实施例进行详细说明。
本发明可选实施例提供了一种生物的视频监控方法，图4是根据本发明可选实施例的生物的视频监控方法的示意图，如图4所示，该流程包括如下步骤：
步骤0，事先部署好监控摄像头。事先准备好老鼠检测模型。模型可以分为三种：基于规则的，基于特征的，基于数据训练的。规则与特征，都可以来自于人类的经验。规则可以包括：人类够不到的地方投放的鼠饵减少或者消失了等等。特征可以包括：电线发生颤动，颤动频率满足一定特征(例如随机振动，而不是规律振动)等等。基于数据训练的模型，来自于实际数据，例如：人工确认了某几个视频的关注区域内，线缆的颤动是老鼠造成的。使用这些数据，训练出一个场景识别模型。使用该模型，对未知数据进行判断，检测是否有老鼠。
步骤1，针对摄像头的监控范围内，存在的“易被触动或移位”的目标物品，例如线缆、室内绿化植株、餐具、小的瓶罐等，标定为“关注区域”，表示对该区域进行监控。
步骤2，使用视频录制模块，将摄像头的视频保存下来。
步骤3，使用运动检测模块，过滤掉视频中，“关注区域”里没有任何位置发生运动的部分，只保留下来“关注区域”里发生运动的视频片段，得到待监控视频。
步骤4，使用老鼠检测模型，判断待监控视频中的关注区域内线缆等目标物品的运动，是否为老鼠引起的。
步骤5，得到疑似老鼠活动，引起关注区域内物品发生变动的视频片段确定为目标视频。
本发明的实施例还提供了一种存储介质，该存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
可选地，在本实施例中，上述存储介质可以被设置为存储用于执行以下步骤的计算机程序：
S1，从待监控视频中提取目标物品的运动特征信息，其中，所述运动特征信息用于指示所述待监控视频中摆放的所述目标物品的运动特征，所述待监控视频为未拍摄到目标生物的视频；
S2，将所述运动特征信息与目标运动特征进行匹配，其中，所述目标运动特征用于指示所述目标生物引起所述目标物品发生运动时所述目标物品产生的运动特征；
S3，在所述运动特征信息与目标运动特征匹配成功的情况下，确定所述待监控视频为目标视频，其中，所述目标视频为有所述目标生物出现的视频。
可选地，在本实施例中，上述存储介质可以包括但不限于：U盘、只读存储器(Read-Only Memory，简称为ROM)、随机存取存储器(Random Access Memory，简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
本发明的实施例还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。
可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：
S1，从待监控视频中提取目标物品的运动特征信息，其中，所述运动特征信息用于指示所述待监控视频中摆放的所述目标物品的运动特征，所述待监控视频为未拍摄到目标生物的视频；
S2，将所述运动特征信息与目标运动特征进行匹配，其中，所述目标运动特征用于指示所述目标生物引起所述目标物品发生运动时所述目标物品产生的运动特征；
S3，在所述运动特征信息与目标运动特征匹配成功的情况下，确定所述待监控视频为目标视频，其中，所述目标视频为有所述目标生物出现的视频。
可选地，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。
显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种生物的视频监控方法，其特征在于，包括：
从待监控视频中提取目标物品的运动特征信息，其中，所述运动特征信息用于指示所述待监控视频中摆放的所述目标物品的运动特征，所述待监控视频为未拍摄到目标生物的视频；
将所述运动特征信息与目标运动特征进行匹配，其中，所述目标运动特征用于指示所述目标生物引起所述目标物品发生运动时所述目标物品产生的运动特征；
在所述运动特征信息与目标运动特征匹配成功的情况下，确定所述待监控视频为目标视频，其中，所述目标视频为有所述目标生物出现的视频；
从所述待监控视频中提取所述目标物品的所述运动特征信息包括：从所述待监控视频中提取目标诱饵的计量信息，其中，所述目标物品包括所述目标诱饵，所述计量信息用于指示在所述待监控视频中所述目标诱饵的计量，所述目标诱饵为投放给所述目标生物的诱饵；
在所述运动特征信息包括所述计量信息的情况下，确定所述计量信息与目标计量信息之间的计量差值，其中，所述目标计量信息用于指示已投放的所述目标诱饵的计量；在所述计量差值大于目标计量差值的情况下，确定所述运动特征信息与目标运动特征匹配成功。
2.根据权利要求1所述的方法，其特征在于，从所述待监控视频中提取所述目标物品的所述运动特征信息还包括：
从所述待监控视频中提取所述目标物品的移动信息，其中，所述目标物品包括所述待监控视频中允许被所述目标生物触碰而产生移动的物品，所述移动信息用于指示所述目标物品的当前位置相对于所述目标物品的摆放位置之间的位移。
3.根据权利要求2所述的方法，其特征在于，将所述运动特征信息与目标运动特征进行匹配包括：
在所述运动特征信息包括所述移动信息的情况下，确定所述移动信息与目标移动信息之间的位移差值，其中，所述目标移动信息用于指示所述目标生物引起所述目标物品产生移动时所述目标物品的位移；在所述位移差值落入目标位移范围内的情况下，确定所述运动特征信息与目标运动特征匹配成功。
4.根据权利要求2所述的方法，其特征在于，在所述运动特征信息包括所述移动信息的情况下，将所述运动特征信息与目标运动特征进行匹配包括：
将所述移动信息作为输入参数输入到运动检测模型中，得到所述运动检测模型的目标输出参数，其中，所述运动检测模型是使用视频样本对初始检测模型进行训练得到的模型，所述视频样本为所述目标生物出现过且引起了所述视频样本中的所述目标物品产生移动的视频，所述运动检测模型用于指示所述待监控视频与所述视频样本之间的相似度；
在所述目标输出参数所指示的相似度落入目标相似度范围的情况下，确定所述运动特征信息与目标运动特征匹配成功。
5.根据权利要求1至4中任一项所述的方法，其特征在于，在从待监控视频中提取目标物品的运动特征信息之前，所述方法还包括：
获取摄像设备拍摄到的视频文件；
在所述视频文件拍摄到的场景中确定目标区域，其中，所述目标区域为所述场景中出现所述目标物品的区域；
从所述视频文件中截取所述目标区域中的所述目标物品产生过移动的视频片段，得到所述待监控视频。
6.一种生物的视频监控装置，其特征在于，包括：
提取模块，用于从待监控视频中提取目标物品的运动特征信息，其中，所述运动特征信息用于指示所述待监控视频中摆放的所述目标物品的运动特征，所述待监控视频为未拍摄到目标生物的视频；
匹配模块，用于将所述运动特征信息与目标运动特征进行匹配，其中，所述目标运动特征用于指示所述目标生物引起所述目标物品发生运动时所述目标物品产生的运动特征；
第一确定模块，用于在所述运动特征信息与目标运动特征匹配成功的情况下，确定所述待监控视频为目标视频，其中，所述目标视频为有所述目标生物出现的视频；
所述提取模块包括：第一提取单元，用于从所述待监控视频中提取目标诱饵的计量信息，其中，所述目标物品包括所述目标诱饵，所述计量信息用于指示在所述待监控视频中所述目标诱饵的计量，所述目标诱饵为投放给所述目标生物的诱饵；
所述匹配模块包括：第一确定单元，用于在所述运动特征信息包括所述计量信息的情况下，确定所述计量信息与目标计量信息之间的计量差值，其中，所述目标计量信息用于指示已投放的所述目标诱饵的计量；在所述计量差值大于目标计量差值的情况下，确定所述运动特征信息与目标运动特征匹配成功。
7.根据权利要求6所述的装置，其特征在于，所述提取模块还包括：
第二提取单元，用于从所述待监控视频中提取所述目标物品的移动信息，其中，所述目标物品包括所述待监控视频中允许被所述目标生物触碰而产生移动的物品，所述移动信息用于指示所述目标物品的当前位置相对于所述目标物品的摆放位置之间的位移。
8.根据权利要求7所述的装置，其特征在于，所述匹配模块包括：
第二确定单元，用于在所述运动特征信息包括所述移动信息的情况下，确定所述移动信息与目标移动信息之间的位移差值，其中，所述目标移动信息用于指示所述目标生物引起所述目标物品产生移动时所述目标物品的位移；在所述位移差值落入目标位移范围内的情况下，确定所述运动特征信息与目标运动特征匹配成功。
9.一种存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行所述权利要求1至5任一项中所述的方法。
10.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行所述权利要求1至5任一项中所述的方法。
CN201811593880.2A 2018-12-25 2018-12-25 生物的视频监控方法及装置 Active CN109685012B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811593880.2A CN109685012B (zh) 2018-12-25 2018-12-25 生物的视频监控方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811593880.2A CN109685012B (zh) 2018-12-25 2018-12-25 生物的视频监控方法及装置

Publications (2)

Publication Number Publication Date
CN109685012A CN109685012A (zh) 2019-04-26
CN109685012B true CN109685012B (zh) 2020-12-18

Family

ID=66189439

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811593880.2A Active CN109685012B (zh) 2018-12-25 2018-12-25 生物的视频监控方法及装置

Country Status (1)

Country Link
CN (1) CN109685012B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103955780A (zh) * 2014-03-10 2014-07-30 上海绿博生物科技发展有限公司 实现生态猪肉品质安全可追溯的方法
CN104008367A (zh) * 2014-05-08 2014-08-27 中国农业大学 基于计算机视觉的育肥猪的自动行为分析系统及方法
US9986716B1 (en) * 2016-05-31 2018-06-05 Vium, Inc. Animal monitoring device and method
CN108846621A (zh) * 2018-02-01 2018-11-20 贺桂和 一种基于策略模块的库存管理系统
US10134279B1 (en) * 2017-05-05 2018-11-20 Toyota Motor Engineering & Manufacturing North America, Inc. Systems and methods for visualizing potential risks

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8120650B2 (en) * 2006-12-21 2012-02-21 Vadim Laser Video fishing rod with underwater observation gear
US10123521B2 (en) * 2012-06-18 2018-11-13 Spfm, L.P. Systems and methods for automated fish culling
US9076044B2 (en) * 2012-12-15 2015-07-07 Joseph Ernest Dryer Apparatus and method for monitoring hand washing
CN103873829A (zh) * 2014-03-20 2014-06-18 活点信息技术有限公司 基于物联网的视频报警监控系统及方法
CN204615984U (zh) * 2015-06-04 2015-09-02 广州长视电子有限公司 一种自动觉察被控物体移动的监控设备
CN105211045B (zh) * 2015-10-21 2017-08-15 广东省生物资源应用研究所 一种超声驱鼠器驱鼠效果的测定方法
CN109040709B (zh) * 2018-09-21 2020-12-08 深圳市九洲电器有限公司 视频监控方法及装置、监控服务器及视频监控系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103955780A (zh) * 2014-03-10 2014-07-30 上海绿博生物科技发展有限公司 实现生态猪肉品质安全可追溯的方法
CN104008367A (zh) * 2014-05-08 2014-08-27 中国农业大学 基于计算机视觉的育肥猪的自动行为分析系统及方法
US9986716B1 (en) * 2016-05-31 2018-06-05 Vium, Inc. Animal monitoring device and method
US10134279B1 (en) * 2017-05-05 2018-11-20 Toyota Motor Engineering & Manufacturing North America, Inc. Systems and methods for visualizing potential risks
CN108846621A (zh) * 2018-02-01 2018-11-20 贺桂和 一种基于策略模块的库存管理系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Aleksandr I. Nikolskyy 等.Using LabView for real-time monitoring and tracking of multiple biological objects.《Health Monitoring of Structural and Biological Systems 2017》.2017,全文. *
基于OpenCV的小型生物运动检测技术研究;郭志彪 等;《电脑知识与技术》;20170331;第13卷(第7期);全文 *

Also Published As

Publication number Publication date
CN109685012A (zh) 2019-04-26

Similar Documents

Publication Publication Date Title
CN110198310B (zh) 一种网络行为反作弊方法、装置及存储介质
CN110235890B (zh) 一种有害生物检测及驱赶方法、装置、设备和系统
CN110610169B (zh) 图片标注方法和装置、存储介质及电子装置
CN111010547A (zh) 目标对象的追踪方法及装置、存储介质、电子装置
CN109544862A (zh) 基于智能家居的行为识别方法、装置、存储介质及设备
CN111507268B (zh) 报警方法及装置、存储介质和电子装置
CN108874910B (zh) 基于视觉的小目标识别系统
CN109197273A (zh) 害虫活动时间段的确定方法及装置、施药时间的确定方法
JP6286559B2 (ja) 対話式アプリケーションにおいて標識アイコンを追加するための方法およびデバイス
CN111047622A (zh) 视频中对象的匹配方法和装置、存储介质及电子装置
CN103929460A (zh) 获取联系人状态信息的方法及移动设备
CN111540020B (zh) 目标行为的确定方法及装置、存储介质、电子装置
CN109685012B (zh) 生物的视频监控方法及装置
CN113627334A (zh) 对象的行为识别方法及装置
CN111723785A (zh) 一种动物发情确定方法及装置
CN109960965A (zh) 基于无人机识别动物行为的方法、装置和系统
CN109375187B (zh) 雷达目标的确定方法及装置
CN110472537B (zh) 一种自适应识别方法、装置、设备及介质
CN110488829A (zh) 巡逻设备的控制方法及装置
CN105635649A (zh) 生物诱捕监测及辨识装置
CN113469130A (zh) 一种遮挡目标检测方法、装置、存储介质及电子装置
CN111860344A (zh) 确定图像中目标对象数量的方法及装置
CN112560621A (zh) 基于动物图像的识别方法、装置、终端及介质
CN111738152B (zh) 图像的确定方法、装置、存储介质以及电子装置
CN110866532B (zh) 对象的匹配方法和装置、存储介质及电子装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20230718

Address after: 200232 32 / F, West Bank artificial intelligence center, 701 Yunjin Road, Xuhui District, Shanghai

Patentee after: Shanghai Mingsheng Pinzhi Artificial Intelligence Technology Co.,Ltd.

Address before: 100102 room 321008, 5 building, 1 Tung Fu Street East, Chaoyang District, Beijing.

Patentee before: MIAOZHEN INFORMATION TECHNOLOGY Co.,Ltd.