CN111275911A - 一种危险提示方法、设备和计算机可读存储介质 - Google Patents
一种危险提示方法、设备和计算机可读存储介质 Download PDFInfo
- Publication number
- CN111275911A CN111275911A CN202010048816.7A CN202010048816A CN111275911A CN 111275911 A CN111275911 A CN 111275911A CN 202010048816 A CN202010048816 A CN 202010048816A CN 111275911 A CN111275911 A CN 111275911A
- Authority
- CN
- China
- Prior art keywords
- danger
- area
- image
- monitored
- monitored object
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000012544 monitoring process Methods 0.000 claims abstract description 166
- 230000000694 effects Effects 0.000 claims abstract description 53
- 230000006399 behavior Effects 0.000 claims description 163
- 230000007613 environmental effect Effects 0.000 claims description 19
- 230000015654 memory Effects 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 description 18
- 230000009471 action Effects 0.000 description 15
- 241000282326 Felis catus Species 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 6
- 241001465754 Metazoa Species 0.000 description 5
- 230000006378 damage Effects 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 4
- 208000027418 Wounds and injury Diseases 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 208000014674 injury Diseases 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 241000282414 Homo sapiens Species 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 241000282472 Canis lupus familiaris Species 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 231100001261 hazardous Toxicity 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
- G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
- G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
- G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
- G08B13/19602—Image analysis to detect motion of the intruder, e.g. by frame subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Social Psychology (AREA)
- Human Computer Interaction (AREA)
- Psychiatry (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种危险提示方法、设备和计算机可读存储介质。该方法包括：采集包含监控对象的环境图像；根据包含监控对象的环境图像，识别监控对象所处的区域，并且识别监控对象的活动范围以及行为状态；根据区域对应的区域危险系数，活动范围对应的范围危险系数以及行为状态对应的行为危险系数，确定监控对象危险系数；如果监控对象危险系数大于预设的危险系数阈值，则执行预设的危险提示操作。本发明可以确定监控对象危险系数，该监控对象危险系数可以确定监控对象是否即将出现危险情况，如果即将出现危险情况，则进行危险提示操作，避免危险情况发生，从而解决了监控对象在监控环境中无人看管的问题。
Description
技术领域
本发明涉及图像处理技术领域，尤其涉及一种危险提示方法、设备和计算机可读存储介质。
背景技术
目前，随着社会的不断发展，人们开始追求更加有品质的生活方式，所以饲养宠物成为很多家庭的选择。但是，宠物在为家庭带来乐趣的同时，也带来了很多的问题，因为白天主人需要出去上班，导致宠物大多数时间都是在家中独处，所以经常会出现因为家中无人看管造成宠物破坏房间的问题，从而对家庭造成一定的经济损失，甚至宠物的一些行为还会对宠物本身造成一些伤害，比如：宠物碰倒家具导致宠物被砸伤。
目前，为了解决宠物在家无人看管的问题，可以在家中设置摄像头，主人通过摄像头来监视宠物在家中的行为，在预计危险即将出现时，及时回到家中看护宠物或者制止宠物的危险行为。
但是，现有的解决方法虽然可以在一定程度上减少经济损失，但是无法解决宠物无人看管而出现的危险行为。因为，现有的解决方法需要浪费大量的时间来监视摄像头采集的画面，对于上班族而言并不现实，而且即便是预计到危险即将出现，却不能及时阻止宠物的危险行为。
发明内容
本发明的主要目的在于提供一种危险提示方法、设备和计算机可读存储介质，以解决现有技术中无法解决宠物无人看管而出现的危险行为。
针对上述技术问题，本发明是通过以下技术方案来解决的：
本发明提供了一种危险提示方法，包括：采集包含监控对象的环境图像；根据所述包含监控对象的环境图像，识别所述监控对象所处的区域，并且识别所述监控对象的活动范围以及行为状态；根据所述区域对应的区域危险系数，所述活动范围对应的范围危险系数以及所述行为状态对应的行为危险系数，确定监控对象危险系数；如果所述监控对象危险系数大于预设的危险系数阈值，则执行预设的危险提示操作。
其中，所述根据所述区域对应的区域危险系数，所述活动范围对应的范围危险系数以及所述行为状态对应的行为危险系数，确定监控对象危险系数，包括：识别所述环境图像中的所述监控对象的类型；根据所述监控对象的类型，获取所述区域对应的权重值，所述活动范围对应的权重值以及所述行为状态对应的权重值；根据所述区域对应的权重值，所述活动范围对应的权重值以及所述行为状态对应的权重值，确定所述区域危险系数，所述范围危险系数以及所述行为危险系数的加权和，将所述加权和作为所述监控对象危险系数。
其中，在所述根据所述包含监控对象的环境图像，识别所述监控对象所处的区域，并且识别所述监控对象的活动范围以及行为状态之前，还包括：将监控环境划分为多个区域，为每个所述区域对应设置区域图像和区域危险系数；在每个所述区域图像中标识出目标物品，为所述目标物品设置活动范围，并为所述目标物品的活动范围对应设置范围危险系数；为每个所述区域图像中标识出的目标物品对应设置行为状态图像，并为所述行为状态图像对应设置行为危险系数。
其中，所述根据所述包含监控对象的环境图像，识别所述监控对象所处的区域，并且识别所述监控对象的活动范围以及行为状态，包括：在设置的多个区域图像中，识别与所述环境图像匹配的区域图像，并确定所述监控对象处于所述匹配的区域图像对应的区域内；根据所述匹配的区域图像中标识出的目标物品，在所述环境图像中识别所述目标物品，并确定所述监控对象针对所述目标物品所处的活动范围；在为所述匹配的区域图像中标识出的目标物品设置的行为状态图像中，识别所述监控对象匹配的行为状态图像；根据所述区域对应的区域危险系数，所述活动范围对应的范围危险系数以及所述行为状态对应的行为危险系数，确定监控对象危险系数，包括：获取所述监控对象所处区域对应的区域危险系数，所述监控对象针对所述目标物品所处的活动范围对应的范围危险系数以及所述监控对象匹配的行为状态图像对应的行为危险系数；根据所述监控对象所处区域对应的区域危险系数，所述监控对象针对所述目标物品所处的活动范围对应的范围危险系数以及所述监控对象匹配的行为状态图像对应的行为危险系数，确定监控对象危险系数。
其中，所述根据所述包含监控对象的环境图像，识别所述监控对象所处的区域，并且识别所述监控对象的活动范围以及行为状态；根据所述区域对应的区域危险系数，所述活动范围对应的范围危险系数以及所述行为状态对应的行为危险系数，确定监控对象危险系数，包括：将所述包含监控对象的环境图像输入预先训练的危险系数预判模型，并获取所述危险系数预判模型输出的监控对象危险系数；其中，所述危险系数预判模型用于根据所述包含监控对象的环境图像，识别所述监控对象所处的区域，并且识别所述监控对象的活动范围以及行为状态；根据所述区域对应的区域危险系数，所述活动范围对应的范围危险系数以及所述行为状态对应的行为危险系数，确定监控对象危险系数。
其中，所述执行危险提示操作，包括：调用预设的播放设备，使所述播放设备播放预先录制的危险提示音频信息；或者，向预设的终端设备发送预设的危险提示信息；其中，所述终端设备用于根据所述危险提示信息，控制所述播放设备播放所述危险提示音频信息；和/或，所述终端设备用于采集危险提示音频信息，并将所述危险提示音频信息发送给所述播放设备进行播放。
其中，所述采集包含监控对象的环境图像，包括：采集监控环境的环境图像；根据预先设置的所述监控对象的图像，识别所述环境图像中是否包含所述监控对象；如果所述环境图像包含所述监控对象，则确定采集到包含监控对象的环境图像；如果所述环境图像不包含所述监控对象，则舍弃所述环境图像，继续采集所述监控环境的环境图像。
其中，所述采集包含监控环境的环境图像，包括：监测所述监控对象在监控环境中的位置；跟踪所述监控对象在监控环境中的位置，并根据所述监控对象在监控环境中的位置，采集包含所述监控对象的环境图像。
本发明还提供了一种危险提示设备，所述危险提示设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现上述任一项所述的危险提示方法的步骤。
本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有危险提示程序，所述危险提示程序被处理器执行时实现上述任一项所述的危险提示方法的步骤。
本发明有益效果如下：
本发明采集包含监控对象的环境图像，根据包含监控对象的环境图像，确定监控对象所处区域的区域危险系数，在该区域中的活动范围的范围危险系数，以及在该区域中的行为状态的行为危险系数，进而可以确定监控对象危险系数，该监控对象危险系数可以确定监控对象是否即将出现危险情况，如果即将出现危险情况，则进行危险提示操作，避免危险情况发生，从而解决了监控对象在监控环境中无人看管的问题。
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是根据本发明一实施例的危险提示方法的流程图；
图2是根据本发明一实施例的监控对象危险系数的确定步骤流程图；
图3是根据本发明一实施例的构建训练样本集的步骤流程图；
图4是根据本发明一实施例训练危险系数预判模型的步骤流程图；
图5是根据本发明一实施例的危险提示设备的结构图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，以下结合附图及具体实施例，对本发明作进一步地详细说明。
根据本发明的实施例，提供了一种危险提示方法。如图1所示，为根据本发明一实施例的危险提示方法的流程图。
步骤S110，采集包含监控对象的环境图像。
监控对象，包括：人和/或动物。其中，监控对象的类型可以分为人和动物，也可以分为老人、儿童、猫、狗等。
环境图像，是指监控对象所处的监控环境的图像。例如：环境图像为家居环境的图像。
可以调用监控环境中的摄像头，采集包含监控对象的环境图像。
下面提供两种采集包含监控对象的环境图像的方式，但是，本领域技术人员应当知道的是，下面提供的两种方式仅用于说明本实施例，而不用于限定本实施例。
方式一，采集监控环境的环境图像；根据预先设置的所述监控对象的图像，识别所述环境图像中是否包含所述监控对象；如果所述环境图像包含所述监控对象，则确定采集到包含监控对象的环境图像；如果所述环境图像不包含所述监控对象，则舍弃所述环境图像，继续采集监控环境的环境图像。
监控对象的图像可以是预先拍摄的监控对象的图像，如宠物的图像。利用图像识别技术，识别环境图像中是否包含监控对象的图像，如果包含，则确定环境图像包含监控对象，如果不包含，则确定环境图像不包含监控对象。
方式二，监测所述监控对象在监控环境中的位置；跟踪所述监控对象在监控环境中的位置，并根据所述监控对象在监控环境中的位置，采集包含所述监控对象的环境图像。
可以利用定位传感器监测监控对象在监控环境中的位置，并跟踪监控对象在监控环境中的位置。控制摄像头朝向监控对象的位置拍摄环境图像，使得环境图像中包含监控对象。定位传感器例如是红外线传感器。
步骤S120，根据所述包含监控对象的环境图像，识别所述监控对象所处的区域，并且识别所述监控对象的活动范围以及行为状态。
监控对象所处的区域，用于反映监控对象在监控环境中所处的区域。例如：监控环境为家居环境，将家居环境分为客厅区域、卧室区域和厨房区域。利用图像识别技术，可以根据包含监控对象的环境图像，识别出监控对象在监控环境中所处的区域。
监控对象的活动范围，用于反映监控对象在所在区域中与目标物品的位置关系。例如：在厨房区域中，将灶具作为目标物品，根据包含监控对象的环境图像，可以识别出监控对象与灶具之间的距离。
监控对象的行为状态，用于反映监控对象的行为动作。根据监控对象在所处区域的目标物品周边做出的行为动作，可以确定监控对象的下一步动作是否会出现危险情况。该危险情况包括：监控对象对目标物品造成破坏，或者监控对象自身出现危险。例如：监控对象为猫，根据包含监控对象的环境图像，识别出该猫的行为动作是抬脚，如果猫所处的区域为厨房，猫的活动范围是在玻璃瓶旁边，则可以确定猫的下一步动作将会打翻瓶子。
步骤S130，根据所述区域对应的区域危险系数，所述活动范围对应的范围危险系数以及所述行为状态对应的行为危险系数，确定监控对象危险系数。
监控对象危险系数是指监控对象的下一步动作所可能造成的危险系数。
预先为每个区域对应设置区域危险系数；预先为每个区域中的目标物品对应设置一个或者多个活动范围，并且为每个活动范围对应设置范围危险系数；预先为每个区域中的目标物品对应设置一个或者多个行为动作，为每个行为动作对应设置行为危险系数。其中，为目标物品对应设置的行为动作，以行为动作的图像来体现。
根据识别出的监控对象所处的区域，监控对象的活动范围以及行为状态，确定监控对象所处的区域对应的区域危险系数，监控对象在该区域中相对于目标物品的活动范围对应的范围危险系数，监控对象在该区域中针对目标物品的行为动作对应的行为危险系数。
在确定所述区域对应的区域危险系数，所述活动范围对应的范围危险系数以及所述行为状态对应的行为危险系数之后，可以计算所述区域对应的区域危险系数，所述活动范围对应的范围危险系数以及所述行为状态对应的行为危险系数的和，作为监控对象危险系数；或者，计算所述区域对应的区域危险系数，所述活动范围对应的范围危险系数以及所述行为状态对应的行为危险系数的加权和，作为监控对象危险系数。
进一步地，由于每个类型的监控对象的破坏能力或者行为能力都不同，所以可以识别所述环境图像中的所述监控对象的类型；根据所述监控对象的类型，获取所述区域对应的权重值，所述活动范围对应的权重值以及所述行为状态对应的权重值；根据所述区域对应的权重值，所述活动范围对应的权重值以及所述行为状态对应的权重值，确定所述区域危险系数，所述范围危险系数以及所述行为危险系数的加权和，将所述加权和作为所述监控对象危险系数。进一步地，预先采集的需要监控的每个监控对象的图像，并为每个监控对象的图像标注类型；在多个已经标注类型的监控对象的图像中，识别与环境图像中的监控对象的图像区域相似度最大的监控对象的图像，将环境图像中的监控对象识别为相似度最大的监控对象的图像标注的类型。或者，预先采集每个类型的监控对象的特征，例如：动物的特征为存在尾巴，女人的特征为长头发等；利用图像识别技术，识别环境图像中的监控对象符合的特征，进而确定监控对象的类型。
可以为每种监控对象设置一个权重值，这样，根据监控对象的类型，获取的区域对应的权重值，活动范围对应的权重值以及行为状态对应的权重值，都为该监控对象的类型对应的权重值。也可以为每种监控对象设置多个权重值，使得该监控对象在不同区域对应不同的权重值，相同区域的不同活动范围对应不同的权重值，相同区域的不同的行为状态对应不同的权重值。
步骤S140，如果所述监控对象危险系数大于预设的危险系数阈值，则执行预设的危险提示操作。
危险系数阈值用于衡量监控对象是否即将处于危险状态之中。
危险系数阈值可以是经验值或者通过实验获得的值。
如果所述监控对象危险系数小于等于所述危险系数阈值，则禁止执行预设的危险提示操作。
执行预设的危险提示操作，包括：调用预设的播放设备，使所述播放设备播放预先录制的危险提示音频信息；或者，向预设的终端设备发送预设的危险提示信息；其中，所述终端设备用于根据所述危险提示信息，控制所述播放设备播放所述危险提示音频信息，和/或，所述终端设备用于采集危险提示音频信息，并将所述危险提示音频信息发送给所述播放设备进行播放。
该播放设备可以是具有播放功能的摄像头，具有播放功能的家居设备。
危险提示音频信息是用于进行危险提示的语音信息。
可以获取与监控对象的类型对应的危险提示音频信息，使播放设备播放与监控对象的类型对应的危险提示音频信息。例如：监控对象为宠物，由于宠物在听到主人发出的制止声音时，一般会停止下一步动作，所以可以播放主人预先录制的用于驱赶宠物的危险提示音频信息。又如：监控对象为老人，由于老人容易忘事，所以可以播放提示老人下一步动作的危险提示音频信息，如播放用于提示老人关闭天然气的危险提示音频信息。
该终端设备可以是用户使用的移动终端。例如：手机、平板电脑等。
危险提示信息，用于提示用户监控对象即将处于危险状态之中。
终端设备在接收到危险提示信息之后，显示该危险提示信息。用户可以录制危险提示音频信息并发送给播放设备进行播放。
在本实施例中，采集包含监控对象的环境图像，根据包含监控对象的环境图像，确定监控对象所处区域的区域危险系数，在该区域中的活动范围的范围危险系数，以及在该区域中的行为状态的行为危险系数，进而可以确定监控对象危险系数，该监控对象危险系数可以确定监控对象是否即将出现危险情况，如果即将出现危险情况，则进行危险提示操作，避免危险情况发生，从而解决了监控对象在监控环境中无人看管的问题。
随着人工智能技术和大数据挖掘等技术的飞速发展，基本上可以实现监控环境的智能化处理，并且可以实现对监控环境的各个角落进行实时监控，通过摄像头采集到的监控环境中监控对象的实时状态，进而可以分析出监控对象的下一步动作所可能造成的危险系数，通过该危险系数来判别监控对象下一步的动作是否会对用户造成经济损失或者对监控对象自身造成伤害，如果判定结果为是，则播放危险提示音频信息，以减少经济损失，或者避免监控对象对自身造成伤害。
本实施例可以有效的减少当主人不在家时宠物造成的不必要的损失，保证家庭财产的安全、宠物自身的安全和一些家庭复杂环境下突发情况的发生，并且也可以让宠物以为主人在一直注视着它，增进人与动物之间的互动。
下面提供一种较为具体的实施例来说明本发明监控对象危险系数的确定过程。如图2所示，为根据本发明一实施例的监控对象危险系数的确定步骤流程图。
步骤S210，将监控环境划分为多个区域，为每个所述区域对应设置区域图像和区域危险系数。
例如：将家居环境划分为客厅区域、卧室区域和厨房区域，为客厅区域对应设置的区域危险系数为2，为卧室区域对应设置的区域危险系数为1，为厨房区域对应设置的区域危险系数为5。
步骤S220，在每个所述区域图像中标识出目标物品，为所述目标物品设置活动范围，并为所述目标物品的活动范围对应设置范围危险系数。
每个区域可以存在多个目标物品，这样，在每个区域对应的区域图像中可以标识出多个目标物品，为每个目标物品对应设置一个或者多个活动范围，并为每个活动范围对应设置范围危险系数。
例如：在厨房区域的图像中标识出第一目标物品为灶具，第二目标物品为碗架，为灶具设置一个活动范围，该活动范围是以灶具的中心点为中心50cm范围内，并为该活动范围对应设置范围危险系数为5；为碗架设置两个活动范围，第一活动范围是距离碗架大于10cm且小于20cm范围内，第二活动范围是距离碗架大于0cm且小于等于10cm范围内，为第一活动范围对应设置范围危险系数为5，为第二活动范围对应设置范围危险系数为10。
步骤S230，为每个所述区域图像中标识出的目标物品对应设置行为状态图像，并为所述行为状态图像对应设置行为危险系数。
例如：监控对象为猫，在厨房区域的图像中标识出的目标物品为灶具，为该灶具对应设置的行为状态图像为猫抬脚的图像，为该猫抬脚的图像设置行为危险系数为5。
步骤S240，采集包含监控对象的环境图像。
步骤S250，在设置的多个区域图像中，识别与所述环境图像匹配的区域图像，并确定所述监控对象处于所述匹配的区域图像对应的区域内。
将环境图像分别与多个区域图像进行相似度计算，将与环境图像相似度最大的区域图像，确定为与环境图像相匹配的区域图像。
步骤S260，根据所述匹配的区域图像中标识出的目标物品，在所述环境图像中识别所述目标物品，并确定所述监控对象针对所述目标物品所处的活动范围。
将标识出的目标物品的图像区域在环境图像中进行匹配，确定环境图像中与该目标物品的图像相似度最大的图像区域，将与该目标物品的图像相似度最大的图像区域确定为目标物品。
在确定环境图像中的目标物品之后，确定目标物品与监控对象之间的距离，根据目标物品与监控对象之间的距离确定监控对象针对目标物品所处的活动范围。
步骤S270，在为所述匹配的区域图像中标识出的目标物品设置的行为状态图像中，识别所述监控对象匹配的行为状态图像。
在为该目标物品设置的行为状态图像中，识别与环境图像中的监控对象的图像区域相似度最大的行为状态图像，将与监控对象的图像区域相似度最大的行为状态图像作为监控对象匹配的行为状态图像。
步骤S280，获取所述监控对象所处区域对应的区域危险系数，所述监控对象针对所述目标物品所处的活动范围对应的范围危险系数以及所述监控对象匹配的行为状态图像对应的行为危险系数。
步骤S290，根据所述监控对象所处区域对应的区域危险系数，所述监控对象针对所述目标物品所处的活动范围对应的范围危险系数以及所述监控对象匹配的行为状态图像对应的行为危险系数，确定监控对象危险系数。
可以将所述区域危险系数，所述范围危险系数以及所述行为危险系数的和，作为监控对象危险系数；或者，可以将所述区域危险系数，所述范围危险系数以及所述行为危险系数的加权和，作为监控对象危险系数。
下面提供另一种较为具体的实施例来说明本发明监控对象危险系数的确定过程。
在本实施例中，通过预先训练的危险系数预判模型来确定监控对象危险系数。进一步地，可以将所述包含监控对象的环境图像输入预先训练的危险系数预判模型，并获取所述危险系数预判模型输出的监控对象危险系数。
该危险系数预判模型用于根据所述包含监控对象的环境图像，识别所述监控对象所处的区域，并且识别所述监控对象的活动范围以及行为状态；根据所述区域对应的区域危险系数，所述活动范围对应的范围危险系数以及所述行为状态对应的行为危险系数，确定监控对象危险系数。
在将包含监控对象的环境图像输入危险系数预判模型之前，还可以对环境图像执行图像预处理。该图像预处理，包括但不限于以下步骤：对环境图像进行灰度化处理；对灰度化之后的环境图像进行降噪处理；对降噪处理之后的环境图像进行归一化处理。
灰度化处理，是指将彩色环境图像转换为灰度图像。
降噪处理，是指滤除灰度图像中的噪声，使灰度图像更加平滑。
归一化处理，是指将灰度图像中的各个像素点的值归一化到0至1之间。
在将包含监控对象的环境图像输入预先训练的危险系数预判模型之前，还包括：根据预先构建的训练样本集，训练所述危险系数预判模型；其中，在所述训练样本集中包括多个样本图像；在每个所述样本图像中包括所述监控对象并且每个所述样本图像的监控对象危险系数已知。
图3为根据本发明一实施例的构建训练样本集的步骤流程图。
步骤S310，采集监测环境的多张环境图像并存储。
步骤S320，顺序获取一张环境图像，并对该环境图像执行图像预处理。
步骤S330，判断图像预处理后的环境图像是否符合预设的样本条件；如果是，则执行步骤S340；如果否，则执行步骤S350。
样本条件，包括但不限于：环境图像中包括预设类型的监控对象。
监控对象的类型，包括但不限于：动物、老人和儿童。
步骤S340，为符合样本条件的环境图像标注监控对象危险系数，并将标注监控对象危险系数的环境图像作为训练样本集中的样本图像。
步骤S350，舍弃不符合样本条件的环境图像。
在本实施例中，危险系数预判模型采用深度学习卷积神经网络模型。
图4为根据本发明一实施例训练危险系数预判模型的步骤流程图。
步骤S410，从所述训练样本集中，顺序获取一个样本图像。
步骤S420，将当前获取的样本图像输入所述危险系数预判模型，并获取所述危险系数预判模型输出的监控对象危险系数。
步骤S430，根据当前获取的样本图像已知的对象危险系数和所述危险系数预判模型输出的对象危险系数，确定所述危险系数预判模型的损失值。
利用预设的损失函数，当前获取的样本图像已知的对象危险系数和所述危险系数预判模型输出的对象危险系数，计算危险系数预判模型的损失值；如果该损失值大于预设的损失阈值，则确定危险系数预判模型未收敛，调整危险系数预判模型中的参数，获取下一个样本图像；如果该损失值小于等于该损失阈值，则确定危险系数预判模型已经收敛，训练完毕。
步骤S440，判断所述危险系数预判模型的损失值是否大于预设的损失阈值；如果是，则跳转到步骤S410；如果否，则执行步骤S450。
如果所述危险系数预判模型收敛，则所述危险系数预判模型训练完毕。
如果所述危险系数预判模型的损失值大于所述损失阈值，则调整危险系数预判模型中的参数，从所述训练样本集中，获取下一个样本图像，继续对所述为危险系数预判模型进行训练。
步骤S450，如果所述危险系数预判模型的损失值小于等于预设的损失阈值，则确定所述危险系数预判模型训练完毕。
当然，本发明实施例也可以将训练样本集划分多个子集，该多个子集包括：训练集，验证集和测试集，利用训练集来训练危险系数预判模型中的参数，利用验证集来验证危险系数预判模型输出监控对象危险系数的准确性，利用测试集来测试危险系数预判模型的性能。
本发明实施例的危险系数预判模型可以根据监控对象每天的生活习性进行不断地学习，是危险系数预判模型的输出结果更加准确。
本实施例提供一种危险提示设备。如图5所示，为根据本发明一实施例的危险提示设备的结构图。
所述危险提示设备，包括但不限于：处理器510、存储器520。
所述处理器510用于执行存储器520中存储的危险提示程序，以实现上述的危险提示方法。
具体而言，所述处理器510用于执行存储器520中存储的危险提示程序，以实现以下步骤：采集包含监控对象的环境图像；根据所述包含监控对象的环境图像，识别所述监控对象所处的区域，并且识别所述监控对象的活动范围以及行为状态；根据所述区域对应的区域危险系数，所述活动范围对应的范围危险系数以及所述行为状态对应的行为危险系数，确定监控对象危险系数；如果所述监控对象危险系数大于预设的危险系数阈值，则执行预设的危险提示操作。
其中，所述根据所述区域对应的区域危险系数，所述活动范围对应的范围危险系数以及所述行为状态对应的行为危险系数，确定监控对象危险系数，包括：识别所述环境图像中的所述监控对象的类型；根据所述监控对象的类型，获取所述区域对应的权重值，所述活动范围对应的权重值以及所述行为状态对应的权重值；根据所述区域对应的权重值，所述活动范围对应的权重值以及所述行为状态对应的权重值，确定所述区域危险系数，所述范围危险系数以及所述行为危险系数的加权和，将所述加权和作为所述监控对象危险系数。
其中，在所述根据所述包含监控对象的环境图像，识别所述监控对象所处的区域，并且识别所述监控对象的活动范围以及行为状态之前，还包括：将监控环境划分为多个区域，为每个所述区域对应设置区域图像和区域危险系数；在每个所述区域图像中标识出目标物品，为所述目标物品设置活动范围，并为所述目标物品的活动范围对应设置范围危险系数；为每个所述区域图像中标识出的目标物品对应设置行为状态图像，并为所述行为状态图像对应设置行为危险系数。
其中，所述根据所述包含监控对象的环境图像，识别所述监控对象所处的区域，并且识别所述监控对象的活动范围以及行为状态，包括：在设置的多个区域图像中，识别与所述环境图像匹配的区域图像，并确定所述监控对象处于所述匹配的区域图像对应的区域内；根据所述匹配的区域图像中标识出的目标物品，在所述环境图像中识别所述目标物品，并确定所述监控对象针对所述目标物品所处的活动范围；在为所述匹配的区域图像中标识出的目标物品设置的行为状态图像中，识别所述监控对象匹配的行为状态图像；根据所述区域对应的区域危险系数，所述活动范围对应的范围危险系数以及所述行为状态对应的行为危险系数，确定监控对象危险系数，包括：获取所述监控对象所处区域对应的区域危险系数，所述监控对象针对所述目标物品所处的活动范围对应的范围危险系数以及所述监控对象匹配的行为状态图像对应的行为危险系数；根据所述监控对象所处区域对应的区域危险系数，所述监控对象针对所述目标物品所处的活动范围对应的范围危险系数以及所述监控对象匹配的行为状态图像对应的行为危险系数，确定监控对象危险系数。
其中，所述根据所述包含监控对象的环境图像，识别所述监控对象所处的区域，并且识别所述监控对象的活动范围以及行为状态；根据所述区域对应的区域危险系数，所述活动范围对应的范围危险系数以及所述行为状态对应的行为危险系数，确定监控对象危险系数，包括：将所述包含监控对象的环境图像输入预先训练的危险系数预判模型，并获取所述危险系数预判模型输出的监控对象危险系数；其中，所述危险系数预判模型用于根据所述包含监控对象的环境图像，识别所述监控对象所处的区域，并且识别所述监控对象的活动范围以及行为状态；根据所述区域对应的区域危险系数，所述活动范围对应的范围危险系数以及所述行为状态对应的行为危险系数，确定监控对象危险系数。
其中，所述执行危险提示操作，包括：调用预设的播放设备，使所述播放设备播放预先录制的危险提示音频信息；或者，向预设的终端设备发送预设的危险提示信息；其中，所述终端设备用于根据所述危险提示信息，控制所述播放设备播放所述危险提示音频信息；和/或，所述终端设备用于采集危险提示音频信息，并将所述危险提示音频信息发送给所述播放设备进行播放。
其中，所述采集包含监控对象的环境图像，包括：采集监控环境的环境图像；根据预先设置的所述监控对象的图像，识别所述环境图像中是否包含所述监控对象；如果所述环境图像包含所述监控对象，则确定采集到包含监控对象的环境图像；如果所述环境图像不包含所述监控对象，则舍弃所述环境图像，继续采集所述监控环境的环境图像。
其中，所述采集包含监控环境的环境图像，包括：监测所述监控对象在监控环境中的位置；跟踪所述监控对象在监控环境中的位置，并根据所述监控对象在监控环境中的位置，采集包含所述监控对象的环境图像。
本发明实施例还提供了一种计算机可读存储介质。这里的计算机可读存储介质存储有一个或者多个程序。其中，存储介质可以包括易失性存储器，例如随机存取存储器；存储器也可以包括非易失性存储器，例如只读存储器、快闪存储器、硬盘或固态硬盘；存储器还可以包括上述种类的存储器的组合。
当计算机可读存储介质中一个或者多个程序可被一个或者多个处理器执行，以实现上述的危险提示方法。
具体而言，所述处理器用于执行存储器中存储的危险提示程序，以实现以下步骤：采集包含监控对象的环境图像；根据所述包含监控对象的环境图像，识别所述监控对象所处的区域，并且识别所述监控对象的活动范围以及行为状态；根据所述区域对应的区域危险系数，所述活动范围对应的范围危险系数以及所述行为状态对应的行为危险系数，确定监控对象危险系数；如果所述监控对象危险系数大于预设的危险系数阈值，则执行预设的危险提示操作。
其中，所述根据所述区域对应的区域危险系数，所述活动范围对应的范围危险系数以及所述行为状态对应的行为危险系数，确定监控对象危险系数，包括：识别所述环境图像中的所述监控对象的类型；根据所述监控对象的类型，获取所述区域对应的权重值，所述活动范围对应的权重值以及所述行为状态对应的权重值；根据所述区域对应的权重值，所述活动范围对应的权重值以及所述行为状态对应的权重值，确定所述区域危险系数，所述范围危险系数以及所述行为危险系数的加权和，将所述加权和作为所述监控对象危险系数。
其中，在所述根据所述包含监控对象的环境图像，识别所述监控对象所处的区域，并且识别所述监控对象的活动范围以及行为状态之前，还包括：将监控环境划分为多个区域，为每个所述区域对应设置区域图像和区域危险系数；在每个所述区域图像中标识出目标物品，为所述目标物品设置活动范围，并为所述目标物品的活动范围对应设置范围危险系数；为每个所述区域图像中标识出的目标物品对应设置行为状态图像，并为所述行为状态图像对应设置行为危险系数。
其中，所述根据所述包含监控对象的环境图像，识别所述监控对象所处的区域，并且识别所述监控对象的活动范围以及行为状态，包括：在设置的多个区域图像中，识别与所述环境图像匹配的区域图像，并确定所述监控对象处于所述匹配的区域图像对应的区域内；根据所述匹配的区域图像中标识出的目标物品，在所述环境图像中识别所述目标物品，并确定所述监控对象针对所述目标物品所处的活动范围；在为所述匹配的区域图像中标识出的目标物品设置的行为状态图像中，识别所述监控对象匹配的行为状态图像；根据所述区域对应的区域危险系数，所述活动范围对应的范围危险系数以及所述行为状态对应的行为危险系数，确定监控对象危险系数，包括：获取所述监控对象所处区域对应的区域危险系数，所述监控对象针对所述目标物品所处的活动范围对应的范围危险系数以及所述监控对象匹配的行为状态图像对应的行为危险系数；根据所述监控对象所处区域对应的区域危险系数，所述监控对象针对所述目标物品所处的活动范围对应的范围危险系数以及所述监控对象匹配的行为状态图像对应的行为危险系数，确定监控对象危险系数。
其中，所述根据所述包含监控对象的环境图像，识别所述监控对象所处的区域，并且识别所述监控对象的活动范围以及行为状态；根据所述区域对应的区域危险系数，所述活动范围对应的范围危险系数以及所述行为状态对应的行为危险系数，确定监控对象危险系数，包括：将所述包含监控对象的环境图像输入预先训练的危险系数预判模型，并获取所述危险系数预判模型输出的监控对象危险系数；其中，所述危险系数预判模型用于根据所述包含监控对象的环境图像，识别所述监控对象所处的区域，并且识别所述监控对象的活动范围以及行为状态；根据所述区域对应的区域危险系数，所述活动范围对应的范围危险系数以及所述行为状态对应的行为危险系数，确定监控对象危险系数。
其中，所述执行危险提示操作，包括：调用预设的播放设备，使所述播放设备播放预先录制的危险提示音频信息；或者，向预设的终端设备发送预设的危险提示信息；其中，所述终端设备用于根据所述危险提示信息，控制所述播放设备播放所述危险提示音频信息；和/或，所述终端设备用于采集危险提示音频信息，并将所述危险提示音频信息发送给所述播放设备进行播放。
其中，所述采集包含监控对象的环境图像，包括：采集监控环境的环境图像；根据预先设置的所述监控对象的图像，识别所述环境图像中是否包含所述监控对象；如果所述环境图像包含所述监控对象，则确定采集到包含监控对象的环境图像；如果所述环境图像不包含所述监控对象，则舍弃所述环境图像，继续采集所述监控环境的环境图像。
其中，所述采集包含监控环境的环境图像，包括：监测所述监控对象在监控环境中的位置；跟踪所述监控对象在监控环境中的位置，并根据所述监控对象在监控环境中的位置，采集包含所述监控对象的环境图像。
以上所述仅为本发明的实施例而已，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。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。
Claims (10)
1.一种危险提示方法，其特征在于，包括：
采集包含监控对象的环境图像；
根据所述包含监控对象的环境图像，识别所述监控对象所处的区域，并且识别所述监控对象的活动范围以及行为状态；
根据所述区域对应的区域危险系数，所述活动范围对应的范围危险系数以及所述行为状态对应的行为危险系数，确定监控对象危险系数；
如果所述监控对象危险系数大于预设的危险系数阈值，则执行预设的危险提示操作。
2.根据权利要求1所述的方法，其特征在于，所述根据所述区域对应的区域危险系数，所述活动范围对应的范围危险系数以及所述行为状态对应的行为危险系数，确定监控对象危险系数，包括：
识别所述环境图像中的所述监控对象的类型；
根据所述监控对象的类型，获取所述区域对应的权重值，所述活动范围对应的权重值以及所述行为状态对应的权重值；
根据所述区域对应的权重值，所述活动范围对应的权重值以及所述行为状态对应的权重值，确定所述区域危险系数，所述范围危险系数以及所述行为危险系数的加权和，将所述加权和作为所述监控对象危险系数。
3.根据权利要求1所述的方法，其特征在于，在所述根据所述包含监控对象的环境图像，识别所述监控对象所处的区域，并且识别所述监控对象的活动范围以及行为状态之前，还包括：
将监控环境划分为多个区域，为每个所述区域对应设置区域图像和区域危险系数；
在每个所述区域图像中标识出目标物品，为所述目标物品设置活动范围，并为所述目标物品的活动范围对应设置范围危险系数；
为每个所述区域图像中标识出的目标物品对应设置行为状态图像，并为所述行为状态图像对应设置行为危险系数。
4.根据权利要求3所述的方法，其特征在于，
所述根据所述包含监控对象的环境图像，识别所述监控对象所处的区域，并且识别所述监控对象的活动范围以及行为状态，包括：
在设置的多个区域图像中，识别与所述环境图像匹配的区域图像，并确定所述监控对象处于所述匹配的区域图像对应的区域内；
根据所述匹配的区域图像中标识出的目标物品，在所述环境图像中识别所述目标物品，并确定所述监控对象针对所述目标物品所处的活动范围；
在为所述匹配的区域图像中标识出的目标物品设置的行为状态图像中，识别所述监控对象匹配的行为状态图像；
根据所述区域对应的区域危险系数，所述活动范围对应的范围危险系数以及所述行为状态对应的行为危险系数，确定监控对象危险系数，包括：
获取所述监控对象所处区域对应的区域危险系数，所述监控对象针对所述目标物品所处的活动范围对应的范围危险系数以及所述监控对象匹配的行为状态图像对应的行为危险系数；
根据所述监控对象所处区域对应的区域危险系数，所述监控对象针对所述目标物品所处的活动范围对应的范围危险系数以及所述监控对象匹配的行为状态图像对应的行为危险系数，确定监控对象危险系数。
5.根据权利要求1所述的方法，其特征在于，所述根据所述包含监控对象的环境图像，识别所述监控对象所处的区域，并且识别所述监控对象的活动范围以及行为状态；根据所述区域对应的区域危险系数，所述活动范围对应的范围危险系数以及所述行为状态对应的行为危险系数，确定监控对象危险系数，包括：
将所述包含监控对象的环境图像输入预先训练的危险系数预判模型，并获取所述危险系数预判模型输出的监控对象危险系数；其中，
所述危险系数预判模型用于根据所述包含监控对象的环境图像，识别所述监控对象所处的区域，并且识别所述监控对象的活动范围以及行为状态；根据所述区域对应的区域危险系数，所述活动范围对应的范围危险系数以及所述行为状态对应的行为危险系数，确定监控对象危险系数。
6.根据权利要求1所述的方法，其特征在于，所述执行危险提示操作，包括：
调用预设的播放设备，使所述播放设备播放预先录制的危险提示音频信息；或者，向预设的终端设备发送预设的危险提示信息；其中，
所述终端设备用于根据所述危险提示信息，控制所述播放设备播放所述危险提示音频信息；和/或，所述终端设备用于采集危险提示音频信息，并将所述危险提示音频信息发送给所述播放设备进行播放。
7.根据权利要求1所述的方法，其特征在于，所述采集包含监控对象的环境图像，包括：
采集监控环境的环境图像；
根据预先设置的所述监控对象的图像，识别所述环境图像中是否包含所述监控对象；
如果所述环境图像包含所述监控对象，则确定采集到包含监控对象的环境图像；
如果所述环境图像不包含所述监控对象，则舍弃所述环境图像，继续采集所述监控环境的环境图像。
8.根据权利要求1所述的方法，其特征在于，所述采集包含监控环境的环境图像，包括：
监测所述监控对象在监控环境中的位置；
跟踪所述监控对象在监控环境中的位置，并根据所述监控对象在监控环境中的位置，采集包含所述监控对象的环境图像。
9.一种危险提示设备，其特征在于，所述危险提示设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1～8中任一项所述的危险提示方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有危险提示程序，所述危险提示程序被处理器执行时实现如权利要求1～8中任一项所述的危险提示方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010048816.7A CN111275911B (zh) | 2020-01-16 | 2020-01-16 | 一种危险提示方法、设备和计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010048816.7A CN111275911B (zh) | 2020-01-16 | 2020-01-16 | 一种危险提示方法、设备和计算机可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111275911A true CN111275911A (zh) | 2020-06-12 |
| CN111275911B CN111275911B (zh) | 2021-02-26 |
Family
ID=71003448
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010048816.7A Active CN111275911B (zh) | 2020-01-16 | 2020-01-16 | 一种危险提示方法、设备和计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111275911B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112784797A (zh) * | 2021-01-29 | 2021-05-11 | 北京百度网讯科技有限公司 | 目标图像识别方法和装置 |
| CN113111748A (zh) * | 2021-03-31 | 2021-07-13 | 青岛海尔科技有限公司 | 行为数据处理方法及装置、存储介质及电子装置 |
| CN113611079A (zh) * | 2021-07-30 | 2021-11-05 | 北京市商汤科技开发有限公司 | 提示方法及装置、电子设备和存储介质 |
| CN115035668A (zh) * | 2022-03-09 | 2022-09-09 | 武汉众智数字技术有限公司 | 一种基于视频监控的社区安防系统 |
| CN115273395A (zh) * | 2022-05-31 | 2022-11-01 | 歌尔股份有限公司 | 监控方法、装置、设备、系统及存储介质 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0955932A (ja) * | 1995-08-15 | 1997-02-25 | Fuji Electric Co Ltd | 異常監視装置の異常検出方法 |
| CN102625081A (zh) * | 2012-02-20 | 2012-08-01 | 华焦宝 | 参观场所目标跟踪方法及系统 |
| CN103049748A (zh) * | 2012-12-30 | 2013-04-17 | 信帧电子技术（北京）有限公司 | 行为监测方法及装置 |
| CN103544806A (zh) * | 2013-10-31 | 2014-01-29 | 江苏物联网研究发展中心 | 基于视频绊线规则的重要物资运输车辆监控预警系统 |
| CN104077550A (zh) * | 2014-06-18 | 2014-10-01 | 胡月明 | 一种实现动物行为监测的健康指数评价的方法及系统 |
| CN104318578A (zh) * | 2014-11-12 | 2015-01-28 | 苏州科达科技股份有限公司 | 一种视频图像分析方法及系统 |
| CN107066938A (zh) * | 2017-02-08 | 2017-08-18 | 清华大学 | 视频分析设备、方法和计算机程序产品 |
| CN108053423A (zh) * | 2017-12-05 | 2018-05-18 | 中国农业大学 | 一种多目标动物跟踪方法及装置 |
| CN109308555A (zh) * | 2017-07-27 | 2019-02-05 | 杭州海康威视数字技术股份有限公司 | 一种危险预警方法、装置、系统及视频采集设备 |
| CN110225367A (zh) * | 2019-06-27 | 2019-09-10 | 北京奇艺世纪科技有限公司 | 一种视频中对象信息的显示、识别方法及装置 |
-
2020
- 2020-01-16 CN CN202010048816.7A patent/CN111275911B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0955932A (ja) * | 1995-08-15 | 1997-02-25 | Fuji Electric Co Ltd | 異常監視装置の異常検出方法 |
| CN102625081A (zh) * | 2012-02-20 | 2012-08-01 | 华焦宝 | 参观场所目标跟踪方法及系统 |
| CN103049748A (zh) * | 2012-12-30 | 2013-04-17 | 信帧电子技术（北京）有限公司 | 行为监测方法及装置 |
| CN103544806A (zh) * | 2013-10-31 | 2014-01-29 | 江苏物联网研究发展中心 | 基于视频绊线规则的重要物资运输车辆监控预警系统 |
| CN104077550A (zh) * | 2014-06-18 | 2014-10-01 | 胡月明 | 一种实现动物行为监测的健康指数评价的方法及系统 |
| CN104318578A (zh) * | 2014-11-12 | 2015-01-28 | 苏州科达科技股份有限公司 | 一种视频图像分析方法及系统 |
| CN107066938A (zh) * | 2017-02-08 | 2017-08-18 | 清华大学 | 视频分析设备、方法和计算机程序产品 |
| CN109308555A (zh) * | 2017-07-27 | 2019-02-05 | 杭州海康威视数字技术股份有限公司 | 一种危险预警方法、装置、系统及视频采集设备 |
| CN108053423A (zh) * | 2017-12-05 | 2018-05-18 | 中国农业大学 | 一种多目标动物跟踪方法及装置 |
| CN110225367A (zh) * | 2019-06-27 | 2019-09-10 | 北京奇艺世纪科技有限公司 | 一种视频中对象信息的显示、识别方法及装置 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112784797A (zh) * | 2021-01-29 | 2021-05-11 | 北京百度网讯科技有限公司 | 目标图像识别方法和装置 |
| CN113111748A (zh) * | 2021-03-31 | 2021-07-13 | 青岛海尔科技有限公司 | 行为数据处理方法及装置、存储介质及电子装置 |
| CN113611079A (zh) * | 2021-07-30 | 2021-11-05 | 北京市商汤科技开发有限公司 | 提示方法及装置、电子设备和存储介质 |
| CN115035668A (zh) * | 2022-03-09 | 2022-09-09 | 武汉众智数字技术有限公司 | 一种基于视频监控的社区安防系统 |
| CN115273395A (zh) * | 2022-05-31 | 2022-11-01 | 歌尔股份有限公司 | 监控方法、装置、设备、系统及存储介质 |
| CN115273395B (zh) * | 2022-05-31 | 2024-03-12 | 歌尔股份有限公司 | 监控方法、装置、设备、系统及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111275911B (zh) | 2021-02-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111275911B (zh) | 一种危险提示方法、设备和计算机可读存储介质 | |
| CN108540773B (zh) | 一种监控方法、装置、系统及云服务器 | |
| US11938614B2 (en) | Control device for robot to tease pet and mobile robot | |
| JP2021073552A (ja) | 情報処理装置、情報処理方法及びプログラム | |
| CN111975772B (zh) | 机器人控制方法、装置、电子设备及存储介质 | |
| CN112000051A (zh) | 一种基于物联网的畜牧养殖管理系统 | |
| CN109479746A (zh) | 一种机器人逗宠控制方法及芯片 | |
| CN110896871A (zh) | 一种投放食物的方法、装置和智能投食机 | |
| CN109709546B (zh) | 宠物状态监测方法和装置 | |
| CN116451046B (zh) | 基于图像识别的宠物状态分析方法、装置、介质及设备 | |
| CN114118755A (zh) | 基于rpa和ai的牲畜养殖管理方法、装置、设备及存储介质 | |
| KR102624927B1 (ko) | 가축의 설사 탐지 및 설사 위험도 예측 시스템 및 그 이용 방법 | |
| CN110321796A (zh) | 一种犬只训导方法、装置、系统及存储介质 | |
| Larsen et al. | Automatic detection of locomotor play in young pigs: A proof of concept | |
| KR102518418B1 (ko) | 영상 분석 기반의 반추동물 및 사육환경 분석 장치 및 방법 | |
| CN111189489B (zh) | 住户行为辨识系统与住户行为辨识方法 | |
| CN116092175A (zh) | 一种牲畜打架行为识别及预警方法、装置、介质及电子设备 | |
| Hung et al. | Pet cat behavior recognition based on YOLO model | |
| CN113728941A (zh) | 一种智能驯养宠物犬的方法及驯养系统 | |
| CN117557598B (zh) | 宠物居家安全管控方法及相关装置 | |
| Yang et al. | Recognizing the rooting action of prepartum sow in free-farrowing pen using computer vision | |
| KR102308447B1 (ko) | 사육개체관리장치 및 그 장치의 구동방법 | |
| Farah et al. | Computing a rodent’s diary | |
| KR102516271B1 (ko) | 홍채인식 및 복합인식을 통한 동물 관리시스템 | |
| KR102414023B1 (ko) | 객체를 모니터링하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체 |
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 |