CN109685834A - 警犬训练监控方法、装置、计算机设备及存储介质 - Google Patents

Abstract

本发明涉及警犬训练监控方法、装置、计算机设备及存储介质，该方法包括获取警犬的实时视频数据；对实时视频数据进行处理，以得到警犬实时位置；获取网格化搜捕任务；根据警犬实时位置以及网格化搜捕任务进行对应的训练，以得到训练结果；反馈训练结果。本发明通过获取警犬的实时视频数据，对其进行处理后，获取到警犬的实时位置，并对任务进行网格化处理，得到网格化搜捕任务，根据警犬实时位置和网格化搜捕任务进行训练，实现实时监控警犬所在的位置，提高执行任务时的效率和有效性。

Description

警犬训练监控方法、装置、计算机设备及存储介质

技术领域

本发明涉及动物定位监控方法，更具体地说是指警犬训练监控方法、装置、计算机设备及存储介质。

背景技术

自警犬技术工作管理体制调整以来，警犬技术科研工作水平随着警犬技术整体工作的开展而进一步提升，涌现了血迹搜索犬、消防搜救犬、城市追踪犬等一批公安系统内知名的科技成果，增强了警犬的战斗力。但是与此同时，由于警犬技术工作自身的行业特殊性，目前还没有形成成熟的推广应用机制，市面上也没有相关的产品和系统。

对于警犬在园区的实时位置只能通过人为干预才能得知，无法实时监控，也无法发现警犬是否存在异常情况，因此，对于警犬的训练，无法系统的去制定科学的训练计划，导致警犬训练杂乱无序，效果不明显，且警犬现有的实战模式，无明确的区域划分，导致任务执行存在任务区域重叠，效率低下，也存在遗漏区域未进行搜索的情况；无实时的轨迹、视频上传，导致指挥长无法得知具体的实战情况以及任务执行情况，无法做出最准确的作战指令；无相关的任务上报体制，只能靠喊或者是对讲机，导致信息无法留痕，也无法根据任务上报形成可视化报表。

因此，有必要设计一种新的方法，实现实时监控警犬所在的位置，提高执行任务时的效率和有效性。

发明内容

本发明的目的在于克服现有技术的缺陷，提供警犬训练监控方法、装置、计算机设备及存储介质。

为实现上述目的，本发明采用以下技术方案：警犬训练监控方法，包括：

获取警犬的实时视频数据；

对实时视频数据进行处理，以得到警犬实时位置；

获取网格化搜捕任务；

根据警犬实时位置以及网格化搜捕任务进行对应的训练，以得到训练结果；

反馈所述训练结果。

其进一步技术方案为：所述实时视频数据包括警犬白天与夜晚的实时视频数据。

其进一步技术方案为：所述对实时视频数据进行处理，以得到警犬实时位置，包括：

对实时视频数据进行截图处理，获取实时图片；

对实时图片进行标记，以得到实时图像的检测框架；

对实时图片的检测框架进行训练，以得到警犬实时位置。

其进一步技术方案为：所述对实时图片进行标记，以得到实时图像的检测框架，包括：

对所述实时图片进行特征提取，以得到图片特征；

对图片特征进行多尺度预测，以得到预测结果；

对预测结果进行位置框选，以得到位置框；

对位置框进行分类预测，以得到实时图像的检测框架。

其进一步技术方案为：所述对实时视频数据进行处理，以得到警犬实时位置之后，还包括：

获取需要识别的警犬图像；

将所述警犬图像结合警犬实时位置进行训练，以得到警犬身份信息。

其进一步技术方案为：所述获取网格化搜捕任务，包括：

获取所有任务；

对所有任务按照圈定相关的搜捕区域进行网格划分，形成网格化搜捕任务。

其进一步技术方案为：所述根据警犬实时位置以及网格化搜捕任务进行对应的训练，以得到训练结果，包括：

根据警犬实时位置以及网格化搜捕任务获取警犬的实时轨迹情况；

获取对网格化搜捕任务进行对应的训练时的实时视频；

整合所述实时视频以及实时轨迹情况，以形成训练结果。

本发明还提供了警犬训练监控装置，包括：

数据获取单元，用于获取警犬的实时视频数据；

数据处理单元，用于对实时视频数据进行处理，以得到警犬实时位置；

网格化任务获取单元，用于获取网格化搜捕任务；

训练单元，用于根据警犬实时位置以及网格化搜捕任务进行对应的训练，以得到训练结果；

反馈单元，用于反馈所述训练结果。

本发明还提供了一种计算机设备，所述计算机设备包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现上述的方法。

本发明还提供了一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时可实现上述的方法。

本发明与现有技术相比的有益效果是：本发明通过获取警犬的实时视频数据，对其进行处理后，获取到警犬的实时位置，并对任务进行网格化处理，得到网格化搜捕任务，根据警犬实时位置和网格化搜捕任务进行训练，实现实时监控警犬所在的位置，提高执行任务时的效率和有效性。

下面结合附图和具体实施例对本发明作进一步描述。

附图说明

为了更清楚地说明本发明实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的警犬训练监控方法的应用场景示意图；

图2为本发明实施例提供的警犬训练监控方法的流程示意图；

图3为本发明实施例提供的警犬训练监控方法的子流程示意图；

图4为本发明实施例提供的警犬训练监控方法的子流程示意图；

图5为本发明实施例提供的警犬训练监控方法的子流程示意图；

图6为本发明实施例提供的警犬训练监控方法的子流程示意图；

图7为本发明实施例提供的警犬训练监控方法的网格化搜捕任务的示意图；

图8为本发明实施例提供的警犬训练监控方法的训练结果反馈展示的示意图；

图9为本发明另一实施例提供的警犬训练监控方法的流程示意图；

图10为本发明实施例提供的警犬训练监控装置的示意性框图；

图11为本发明实施例提供的警犬训练监控装置的数据处理单元的示意性框图；

图12为本发明实施例提供的警犬训练监控装置的标记子单元的示意性框图；

图13为本发明实施例提供的警犬训练监控装置的任务获取单元的示意性框图；

图14为本发明实施例提供的警犬训练监控装置的训练单元的示意性框图；

图15为本发明另一实施例提供的警犬训练监控装置的示意性框图；

图16为本发明实施例提供的计算机设备的示意性框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。

还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

请参阅图1和图2，图1为本发明实施例提供的警犬训练监控方法的应用场景示意图。图2为本发明实施例提供的警犬训练监控方法的示意性流程图。该警犬训练监控方法，可以运用在服务器内，从摄像头以及用户终端获取到相关数据后，对相关数据进行处理，以进行警犬的实时定位和监控，在执行任务时对任务进行网格化处理后，再进行训练，实时反馈训练结果，以进行可视化展示。

图2是本发明实施例提供的警犬训练监控方法的流程示意图。如图2所示，该方法包括以下步骤S110至S170。

S110、获取警犬的实时视频数据。

在本实施例中，上述的实时视频数据是指关于警犬的实时视频，包括有警犬和警犬所在位置周围环境的视频；具体地，实时视频数据包括警犬白天与夜晚的实时视频数据。

在本实施例中，通过在训练基地中安装摄像头，以实时获取警犬所在位置和实时监控警犬。

S120、对实时视频数据进行处理，以得到警犬实时位置。

在本实施例中，警犬实时位置是指警犬所在的具体位置，具体是在基地内的具体位置，不必细化到具体的地理位置，以减少处理过程，提高效率。

在一实施例中，如图3所示，上述的步骤S120可包括步骤S121～S123。

S121、对实时视频数据进行截图处理，获取实时图片。

实时视频数据是由若干帧图片组成的，按照帧进行实时视频数据的截图处理，以分成若干帧实时图片，以便于快速且准确地处理。

S122、对实时图片进行标记，以得到实时图片的检测框架。

在本实施例中，实时图片的检测框架是指实时图片中需要进行识别和检测的区域，将实时图片按照犬只在图片上最小区域范围进行标记，而犬只在图片上最小区域范围则为该实时图片的检测框架。

在一实施例中，如图4所示，上述的步骤S122包括S1221～S1224。

S1221、对所述实时图片进行特征提取，以得到图片特征。

在本实施例中，图片特征是指犬只的特征，具体地，是将实时图片进行栅格划分，对每个小格进行特征识别，当该小格满足特征的条件，比如该小格的RGB值进行判断，则该小格是图片的特征所在的其中一部分，按照上述的方式进行所有小格的识别，以得到整个图片特征。

S1222、对图片特征进行多尺度预测，以得到预测结果。

可直接将图片特征输入到多尺度预测模型中进行预测，以得到预测结果。

在本实施例中，预测结果是指带有尺寸以及图片特征的图片。

S1223、对预测结果进行位置框选，以得到位置框。

在本实施例中，位置框是指按照预测结果内的尺寸进行确定的犬只所在位置范围。

S1224、对位置框进行分类预测，以得到实时图像的检测框架。

在本实施例中，需要对位置框按照背景和犬只等类别进行分类，以划分环境背景的区域以及犬只的区域。

S123、对实时图像的检测框架进行训练，以得到警犬实时位置。

在本实施例中，将实时图像的检测框架输入到训练模型内，该训练模型利用监督学习从包含标签信息的警犬图像中学习出模型拟合函数，在对实时图像的检测框架进行训练的过程是按照该拟合函数对实时图像的检测框架进行拟合处理，以得到警犬实时位置。

S130、获取需要识别的警犬图像；

S140、将所述警犬图像结合警犬实时位置进行训练，以得到警犬身份信息。

在本实施例中，需要对警犬的身份进行确认，则将需要识别的警犬图像输入到该训练模型内，结合警犬实时位置进行训练，以得到该实时位置的警犬的身份信息。达到识别犬只身份确定犬只在基地内位置的目的，使犬只可以实时监控，针对异常情况可以及时有效的进行处理。

S150、获取网格化搜捕任务。

在本实施例中，网格化搜捕任务指的是按照任务执行区域进行网格化划分的搜捕训练任务。

在一实施例中，如图5所示，上述的步骤S150可包括步骤S151～S152。

S151、获取所有任务；

S152、对所有任务按照圈定相关的搜捕区域进行网格划分，形成网格化搜捕任务。

如图7所示，用户终端上会发布相应的网格化搜捕任务，并画出相应的作战区域，按网格区域划分不同的队员以及时间、任务详情等信息，用户终端的队员收到相关的任务以后，就按照任务详情去执行任务，服务器端的指挥长可以在系统上查看相关的实时轨迹和视频情况。

且该网格化搜捕任务可以是相应的训练计划，指定相应的队员以及时间、场地、训练项等信息。用户终端的队员收到相关的训练任务以后，可以选择需要携带的犬只，开始相应的训练项目。

S160、根据警犬实时位置以及网格化搜捕任务进行对应的训练，以得到训练结果。

在本实施例中，训练结果包括警犬的实时轨迹和训练过程的实时视频。

在一实施例中，如图6所示，上述的步骤S160可包括步骤S161～S163。

S161、根据警犬实时位置以及网格化搜捕任务获取警犬的实时轨迹情况；

S162、获取对网格化搜捕任务进行对应的训练时的实时视频；

S163、整合所述实时视频以及实时轨迹情况，以形成训练结果。

执行任务时，具体是指定的任务区域内进行搜捕，通过用户终端的GPS上传，展示每个队员警犬的实时轨迹情况，通过用户终端所配置的执法记录仪，将拍摄的实时视频，通过接口的形式，回传到服务器，实现在服务器上实时观看现场的视频情况，以及任务执行完成后，会对本次任务的执行情况进行上报，系统后台针对上报的信息，进行可视化展示。

由原先的盲目式、无规则式的划分任务，转换为科学的网格化搜捕任务，大大提高了警犬执行任务的效率以及有效性。

S170、反馈所述训练结果。

如图8所示，将该训练结果反馈至服务器，以进行可视化展示。

上述警犬训练监控方法，通过获取警犬的实时视频数据，对其进行处理后，获取到警犬的实时位置，并对任务进行网格化处理，得到网格化搜捕任务，根据警犬实时位置和网格化搜捕任务进行训练，实现实时监控警犬所在的位置，提高执行任务时的效率和有效性。

图9是本发明另一实施例提供的一种警犬训练监控方法的流程示意图。如图9所示，本实施例的警犬训练监控方法包括步骤S210-S280。其中步骤S210-S270与上述实施例中的步骤S110-S170类似，在此不再赘述。下面详细说明本实施例中所增加的步骤S280。

S280、对警犬基本信息的处理。

具体地，将犬只的基本信息录入到服务器后，可以查看每一只犬只的档案基本信息，以及相关的族谱信息。兽医可通过用户终端针对相关犬只制定疫苗计划，到计划执行的前3天时，服务器会通过用户终端自动提醒兽医，执行相关的疫苗计划。当犬只有什么异常情况时，训导员可以通过用户终端向服务器上报犬只的异常情况给到兽医，兽医接受到该情况以后，可以针对犬只做相关的治疗工作，并将治疗过程以及注意事项填报到服务器中。由原先的纸质记录犬只档案、繁育、治疗等信息转化为电子档，达到了一目了然，并且有据可查，更全面的了解警犬的成长史，病史以及家族史。

摄像头拍摄视频，将视频信息通过接口的方式回传到服务器，然后经过服务器分析，确定犬只的位置。用户终端任务执行过程中可以拍摄实时视频，当然也可以采用执法记录仪，且用户终端可在任务执行过程中通过APP可以实时上传GPS数据，用于系统轨迹展示。

服务器对警犬信息、位置信息、训练信息、网格化搜捕信息的存储，且可对数据进行处理等，并实现了对相关数据的增删改查功能。

图10是本发明实施例提供的一种警犬训练监控装置300的示意性框图。如图10所示，对应于以上警犬训练监控方法，本发明还提供一种警犬训练监控装置300。该警犬训练监控装置300包括用于执行上述警犬训练监控方法的单元，该装置可以被配置于服务器中。

具体地，请参阅图10，该警犬训练监控装置300包括：

数据获取单元301，用于获取警犬的实时视频数据；

数据处理单元302，用于对实时视频数据进行处理，以得到警犬实时位置；

网格化任务获取单元305，用于获取网格化搜捕任务；

训练单元306，用于根据警犬实时位置以及网格化搜捕任务进行对应的训练，以得到训练结果；

反馈单元307，用于反馈所述训练结果。

在一实施例中，如图11所示，所述数据处理单元302包括：

截图子单元3021，用于对实时视频数据进行截图处理，获取实时图片；

标记子单元3022，用于对实时图片进行标记，以得到实时图像的检测框架；

框架训练子单元3023，用于对实时图片的检测框架进行训练，以得到警犬实时位置。

在一实施例中，如图12所示，所述标记子单元3022包括：

特征提取模块30221，用于对所述实时图片进行特征提取，以得到图片特征；

多尺度预测模块30222，用于对图片特征进行多尺度预测，以得到预测结果；

框选模块30223，用于对预测结果进行位置框选，以得到位置框；

分类预测模块30224，用于对位置框进行分类预测，以得到实时图像的检测框架。

在一实施例中，上述的装置还包括：

警犬图像获取单元303，用于获取需要识别的警犬图像；

身份获取单元304，用于将所述警犬图像结合警犬实时位置进行训练，以得到警犬身份信息。

在一实施例中，如图13所示，所述网格化任务获取单元305包括：

任务获取单元3051，用于获取所有任务；

划分子单元3052，用于对所有任务按照圈定相关的搜捕区域进行网格划分，形成网格化搜捕任务。

在一实施例中，如图14所示，所述训练单元306包括：

轨迹获取子单元3061，用于根据警犬实时位置以及网格化搜捕任务获取警犬的实时轨迹情况；

任务训练视频获取子单元3062，用于获取对网格化搜捕任务进行对应的训练时的实时视频；

整合子单元3063，用于整合所述实时视频以及实时轨迹情况，以形成训练结果。

图15是本发明另一实施例提供的一种警犬训练监控装置300的示意性框图。如图15所示，本实施例的警犬训练监控装置300是上述实施例的基础上增加了信息处理单元308。

信息处理单元308，用于对警犬基本信息的处理。

需要说明的是，所属领域的技术人员可以清楚地了解到，上述警犬训练监控装置300和各单元的具体实现过程，可以参考前述方法实施例中的相应描述，为了描述的方便和简洁，在此不再赘述。

上述警犬训练监控装置300可以实现为一种计算机程序的形式，该计算机程序可以在如图16所示的计算机设备上运行。

请参阅图16，图16是本申请实施例提供的一种计算机设备的示意性框图。该计算机设备500可以是服务器，其中，服务器可以是独立的服务器，也可以是多个服务器组成的服务器集群。

参阅图16，该计算机设备500包括通过系统总线501连接的处理器502、存储器和网络接口505，其中，存储器可以包括非易失性存储介质503和内存储器504。

该非易失性存储介质503可存储操作系统5031和计算机程序5032。该计算机程序5032包括程序指令，该程序指令被执行时，可使得处理器502执行一种警犬训练监控方法。

该处理器502用于提供计算和控制能力，以支撑整个计算机设备500的运行。

该内存储器504为非易失性存储介质503中的计算机程序5032的运行提供环境，该计算机程序5032被处理器502执行时，可使得处理器502执行一种警犬训练监控方法。

该网络接口505用于与其它设备进行网络通信。本领域技术人员可以理解，图16中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备500的限定，具体的计算机设备500可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

其中，所述处理器502用于运行存储在存储器中的计算机程序5032，以实现如下步骤：

获取警犬的实时视频数据；

对实时视频数据进行处理，以得到警犬实时位置；

获取网格化搜捕任务；

根据警犬实时位置以及网格化搜捕任务进行对应的训练，以得到训练结果；

反馈所述训练结果。

其中，所述实时视频数据包括警犬白天与夜晚的实时视频数据。

在一实施例中，处理器502在实现所述对实时视频数据进行处理，以得到警犬实时位置步骤时，具体实现如下步骤：

对实时视频数据进行截图处理，获取实时图片；

对实时图片进行标记，以得到实时图像的检测框架；

对实时图片的检测框架进行训练，以得到警犬实时位置。

在一实施例中，处理器502在实现所述对实时图片进行标记，以得到实时图像的检测框架步骤时，具体实现如下步骤：

对所述实时图片进行特征提取，以得到图片特征；

对图片特征进行多尺度预测，以得到预测结果；

对预测结果进行位置框选，以得到位置框；

对位置框进行分类预测，以得到实时图像的检测框架。

在一实施例中，处理器502在实现所述对实时视频数据进行处理，以得到警犬实时位置步骤之后，还实现如下步骤：

获取需要识别的警犬图像；

将所述警犬图像结合警犬实时位置进行训练，以得到警犬身份信息。

在一实施例中，处理器502在实现所述获取网格化搜捕任务步骤时，具体实现如下步骤：

获取所有任务；

对所有任务按照圈定相关的搜捕区域进行网格划分，形成网格化搜捕任务。

在一实施例中，处理器502在实现所述根据警犬实时位置以及网格化搜捕任务进行对应的训练，以得到训练结果步骤时，具体实现如下步骤：

根据警犬实时位置以及网格化搜捕任务获取警犬的实时轨迹情况；

获取对网格化搜捕任务进行对应的训练时的实时视频；

整合所述实时视频以及实时轨迹情况，以形成训练结果。

应当理解，在本申请实施例中，处理器502可以是中央处理单元(CentralProcessing Unit，CPU)，该处理器502还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application SpecificIntegratedCircuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

本领域普通技术人员可以理解的是实现上述实施例的方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成。该计算机程序包括程序指令，计算机程序可存储于一存储介质中，该存储介质为计算机可读存储介质。该程序指令被该计算机系统中的至少一个处理器执行，以实现上述方法的实施例的流程步骤。

因此，本发明还提供一种存储介质。该存储介质可以为计算机可读存储介质。该存储介质存储有计算机程序，其中该计算机程序被处理器执行时使处理器执行如下步骤：

获取警犬的实时视频数据；

对实时视频数据进行处理，以得到警犬实时位置；

获取网格化搜捕任务；

根据警犬实时位置以及网格化搜捕任务进行对应的训练，以得到训练结果；

反馈所述训练结果。

其中，所述实时视频数据包括警犬白天与夜晚的实时视频数据。

在一实施例中，所述处理器在执行所述计算机程序而实现所述对实时视频数据进行处理，以得到警犬实时位置步骤时，具体实现如下步骤：

对实时视频数据进行截图处理，获取实时图片；

对实时图片进行标记，以得到实时图像的检测框架；

对实时图片的检测框架进行训练，以得到警犬实时位置。

在一实施例中，所述处理器在执行所述计算机程序而实现所述对实时图片进行标记，以得到实时图像的检测框架步骤时，具体实现如下步骤：

对所述实时图片进行特征提取，以得到图片特征；

对图片特征进行多尺度预测，以得到预测结果；

对预测结果进行位置框选，以得到位置框；

对位置框进行分类预测，以得到实时图像的检测框架。

在一实施例中，所述处理器在执行所述计算机程序而实现所述对实时视频数据进行处理，以得到警犬实时位置步骤之后，还实现如下步骤：

获取需要识别的警犬图像；

将所述警犬图像结合警犬实时位置进行训练，以得到警犬身份信息。

在一实施例中，所述处理器在执行所述计算机程序而实现所述获取网格化搜捕任务步骤时，具体实现如下步骤：

获取所有任务；

对所有任务按照圈定相关的搜捕区域进行网格划分，形成网格化搜捕任务。

在一实施例中，所述处理器在执行所述计算机程序而实现所述根据警犬实时位置以及网格化搜捕任务进行对应的训练，以得到训练结果步骤时，具体实现如下步骤：

根据警犬实时位置以及网格化搜捕任务获取警犬的实时轨迹情况；

获取对网格化搜捕任务进行对应的训练时的实时视频；

整合所述实时视频以及实时轨迹情况，以形成训练结果。

所述存储介质可以是U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、磁碟或者光盘等各种可以存储程序代码的计算机可读存储介质。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的。例如，各个单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。

本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。本发明实施例装置中的单元可以根据实际需要进行合并、划分和删减。另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。

该集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个存储介质中。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，或者该技术方案的全部或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中，包括若干指令用以使得一台计算机设备(可以是个人计算机，终端，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.警犬训练监控方法，其特征在于，包括：

获取警犬的实时视频数据；

对实时视频数据进行处理，以得到警犬实时位置；

获取网格化搜捕任务；

根据警犬实时位置以及网格化搜捕任务进行对应的训练，以得到训练结果；

反馈所述训练结果。

2.根据权利要求1所述的警犬训练监控方法，其特征在于，所述实时视频数据包括警犬白天与夜晚的实时视频数据。

3.根据权利要求1所述的警犬训练监控方法，其特征在于，所述对实时视频数据进行处理，以得到警犬实时位置，包括：

对实时视频数据进行截图处理，获取实时图片；

对实时图片进行标记，以得到实时图像的检测框架；

对实时图片的检测框架进行训练，以得到警犬实时位置。

4.根据权利要求3所述的警犬训练监控方法，其特征在于，所述对实时图片进行标记，以得到实时图像的检测框架，包括：

对所述实时图片进行特征提取，以得到图片特征；

对图片特征进行多尺度预测，以得到预测结果；

对预测结果进行位置框选，以得到位置框；

对位置框进行分类预测，以得到实时图像的检测框架。

5.根据权利要求4所述的警犬训练监控方法，其特征在于，所述对实时视频数据进行处理，以得到警犬实时位置之后，还包括：

获取需要识别的警犬图像；

将所述警犬图像结合警犬实时位置进行训练，以得到警犬身份信息。

6.根据权利要求1所述的警犬训练监控方法，其特征在于，所述获取网格化搜捕任务，包括：

获取所有任务；

对所有任务按照圈定相关的搜捕区域进行网格划分，形成网格化搜捕任务。

7.根据权利要求1至6任一项所述的警犬训练监控方法，其特征在于，所述根据警犬实时位置以及网格化搜捕任务进行对应的训练，以得到训练结果，包括：

根据警犬实时位置以及网格化搜捕任务获取警犬的实时轨迹情况；

获取对网格化搜捕任务进行对应的训练时的实时视频；

整合所述实时视频以及实时轨迹情况，以形成训练结果。

8.警犬训练监控装置，其特征在于，包括：

数据获取单元，用于获取警犬的实时视频数据；

数据处理单元，用于对实时视频数据进行处理，以得到警犬实时位置；

网格化任务获取单元，用于获取网格化搜捕任务；

训练单元，用于根据警犬实时位置以及网格化搜捕任务进行对应的训练，以得到训练结果；

反馈单元，用于反馈所述训练结果。

9.一种计算机设备，其特征在于，所述计算机设备包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的方法。

10.一种存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时可实现如权利要求1至7中任一项所述的方法。