CN111414829B - 一种发送报警信息的方法和装置 - Google Patents
一种发送报警信息的方法和装置 Download PDFInfo
- Publication number
- CN111414829B CN111414829B CN202010176812.7A CN202010176812A CN111414829B CN 111414829 B CN111414829 B CN 111414829B CN 202010176812 A CN202010176812 A CN 202010176812A CN 111414829 B CN111414829 B CN 111414829B
- Authority
- CN
- China
- Prior art keywords
- classification information
- image
- preset area
- preset
- information
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000002159 abnormal effect Effects 0.000 claims abstract description 55
- 238000003062 neural network model Methods 0.000 claims abstract description 26
- 238000005516 engineering process Methods 0.000 claims description 21
- 238000001514 detection method Methods 0.000 claims description 19
- 238000007621 cluster analysis Methods 0.000 claims description 15
- 239000002360 explosive Substances 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 11
- 239000003814 drug Substances 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000012544 monitoring process Methods 0.000 abstract description 7
- 235000021067 refined food Nutrition 0.000 abstract description 6
- 239000002699 waste material Substances 0.000 abstract description 5
- 230000015654 memory Effects 0.000 description 21
- 238000004590 computer program Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 7
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 238000010411 cooking Methods 0.000 description 4
- 230000006698 induction Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 230000008722 morphological abnormality Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Linguistics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Biomedical Technology (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Biophysics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Signal Processing (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种发送报警信息的方法和装置，用以解决现有技术中监控某一区域中的人或加工的食品是否存在安全隐患的方法浪费时间和人力的问题。本申请首先获取对预设区域进行图像采集得到的待分析图像，然后基于训练的神经网络模型识别该待分析图像中目标对象的分类信息，如果该预设区域对应的异常的分类信息包括识别的该分类信息，则通过预设报警方式发送报警信息。由于使用神经网络模型识别待分析图像中的目标对象的分类信息，确定该分类信息为该预设区域对应的异常的分类信息，则进行报警，从而可以方便快捷的确定该预设区域中的人或加工的食品存在安全隐患的问题，既节省时间又节省人力。
Description
技术领域
本发明涉及计算机技术领域，特别涉及一种发送报警信息的方法和装置。
背景技术
随着现代城市生活节奏的加快，越来越多的家庭会雇佣保姆来帮忙做饭。通常保姆做饭时，厨房内只有保姆一个人，雇主无法监控保姆做饭的全过程。为了保证保姆做出来的饭菜安全卫生，可以使用摄像头对保姆做饭的全过程进行监控，如果使用摄像头对保姆做饭过程进行全程监控，需要一直观看监控视频，浪费时间，浪费人力。
此外，当小孩儿拿着危险物品玩耍时，比如剪刀，可能会影响小孩儿的安全，如果大人一直看着小孩儿，浪费时间，浪费人力。
综上所述，现有技术中监控在某一区域中的人或加工的食品是否存在安全隐患的方法浪费时间，浪费人力。
发明内容
本发明提供一种发送报警信息的方法和装置，用以解决现有技术中存在的监控在某一区域中的人或加工的食品是否存在安全隐患的方法浪费时间和人力的问题。
第一方面，本申请实施例提供一种发送报警信息的方法，该方法包括：
获取对预设区域进行图像采集得到的待分析图像；
基于训练的神经网络模型识别所述待分析图像中目标对象的分类信息；
若所述预设区域对应的异常的分类信息包括识别的所述目标对象的分类信息，则通过预设报警方式发送报警信息。
可选的，所述获取对预设区域进行图像采集得到的待分析图像之前，还包括：
基于毫米波雷达技术检测到所述预设区域内有人存在；或
基于红外感应技术检测到所述预设区域内有人存在。
可选的，若所述预设区域为厨房，则所述异常的分类信息为药类物品、易燃类物品、易爆类物品；
若所述预设区域为卧室或客厅，则所述异常的分类信息为工具类物品、易燃类物品、易爆类物品。
可选的，所述若所述预设区域对应的异常的分类信息中包括识别的所述目标对象的分类信息，则通过预设报警方式发送报警信息，包括：
若所述待分析图像中存在一个分类信息，所述目标对象的分类信息为所述预设区域对应的异常的分类信息，则通过所述预设方式发送报警信息；
若所述待分析图像中存在多个分类信息，所述多个分类信息中存在至少一个所述预设区域对应的异常的分类信息，则通过所述预设方式发送报警信息。
可选的，该方法还包括：
发送毫米波雷达信号；
接收到对应所述毫米波雷达信号的回波信号后进行聚类分析；
若聚类分析结果中包括对应的人的异常形态，则通过所述预设报警方式发送报警信息。
第二方面，本发明实施例还一种发送报警信息的装置，该装置包括：
获取模块，用于获取对预设区域进行图像采集得到的待分析图像；
识别模块，用于基于训练的神经网络模型识别所述待分析图像中目标对象的分类信息；
处理模块，用于若所述预设区域对应的异常的分类信息包括识别的所述目标对象的分类信息，则通过预设报警方式发送报警信息。
可选的，该装置还包括：
检测模块，用于基于毫米波雷达技术检测到所述预设区域内有人存在；或
基于红外感应技术检测到所述预设区域内有人存在。
可选的，若所述预设区域为厨房，则所述异常的分类信息为药类物品、易燃类物品、易爆类物品；
若所述预设区域为卧室或客厅，则所述异常的分类信息为工具类物品、易燃类物品、易爆类物品。
可选的，所述识别模块具体用于：
若所述待分析图像中存在一个分类信息，所述目标对象的分类信息为所述预设区域对应的异常的分类信息，则通过所述预设方式发送报警信息；
若所述待分析图像中存在多个分类信息，所述多个分类信息中存在至少一个所述预设区域对应的异常的分类信息，则通过所述预设方式发送报警信息。
可选的，所述检测模块还用于：
发送毫米波雷达信号；
接收到对应所述毫米波雷达信号的回波信号后进行聚类分析；
若聚类分析结果中包括对应的人的异常形态，则通过所述预设报警方式发送报警信息。
第三方面，本发明实施例还提供一种智能终端，包括：
存储器以及处理器；
存储器，用于存储程序指令；
处理器，用于调用所述存储器中存储的程序指令，按照获得的程序第一方面任一项所述的厨房安全的实现方法。
第四方面，本发明实施例还提供一种计算机存储介质，其中，所述计算机存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行本申请实施例中的任一项所述的发送报警信息的方法。
本申请公开了一种发送报警信息的方法和装置，涉及计算机技术领域，该方法包括：首先获取对预设区域进行图像采集得到的待分析图像，然后基于训练的神经网络模型识别该待分析图像中目标对象的分类信息，如果该预设区域对应的异常的分类信息包括识别的该分类信息，则通过预设报警方式发送报警信息。由于使用神经网络模型识别待分析图像中的目标对象的分类信息，确定该分类信息为该预设区域对应的异常的分类信息，则进行报警，从而可以方便快捷的确定在该预设区域中的人或加工的食品存在安全隐患的问题，既节省时间又节省人力。
本申请的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请而了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种发送报警信息的方法的流程示意图；
图2为本申请另一实施例提供的一种发送报警信息的方法的流程示意图；
图3为本申请实施例提供的一种神经网络模型的示意图；
图4为本申请实施例提供的一种发送报警信息的装置的结构示意图；
图5为本申请实施例提供的一种智能终端的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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。
现在许多家庭会雇佣保姆帮忙做饭，保姆做饭时为了保证菜品的安全和/或卫生，可以先获取对厨房进行图像采集得到的待分析图像，再基于训练的神经网络模型识别待分析图像中目标对象的分类信息，如果厨房对应的异常的分类信息包括识别的分类信息，则通过预设方式发送报警信息，当用户接收到报警信息后，可以查看待分析图像，再次确定保姆做的饭菜是否存在安全和/或卫生的隐患。
本申请提供一种发送报警信息的方法，该方法的设计思想分为三个主要的部分：第一部分为人体检测部分，用来检测人是否在预设区域内，从而根据不同的检测结果执行不同的操作；第二部分为识别目标对象的分类信息部分，用来实现根据待分析图像确定待分析图像中目标对象的类别；第三部分为告警部分，用来实现若预设区域的异常的分类信息包括识别到的分类信息而进行告警，要提醒用户及时查看待分析图像，确定是否存在安全和/或卫生隐患。
为进一步说明本申请实施例提供的技术方案，下面结合附图以及具体实施方式对此进行详细的说明。虽然本申请实施例提供了如下所述实施例或附图所示的方法操作步骤，但基于常规或者无需创造性的劳动在所述方法中可以包括更多或者更少的操作步骤。在逻辑上不存在必要因果关系的步骤中，这些步骤的执行顺序不限于本申请实施例提供的执行顺序。
首先，根据设计思想中的第一部分，首先进行人体检测，用来检测人是否在预设区域内。在一种可能的实施例中，可基于毫米波雷达波技术检测预设区域内是否有人；具体实施时，首先发送毫米波雷达信号对人进行定位；当接收到对应毫米波雷达信号的回波信号之后进行聚类分析；当获得聚类分析结果之后，若聚类分析结果中不包括对应人的聚类，则确定预设区域内不具有人；若聚类分析结果中包括对应人的聚类，则确定该预设区域内具有人。
本实施例中通过毫米波雷达技术检测预设区域中是否有人，具有高灵敏度的特点，并且对于目标位置的检测的准确率高。
在实施中，预设区域可以为厨房、卧室以及客厅，如果预设区域为厨房，则使用毫米波雷达技术检测厨房中是否有人存在，具有受厨房油烟等环境因素干扰小的优势。
在另一个可能的实施例中，还可以基于红外感应技术检测厨房内是否有人，通过人眼感应不到的红外光感应物体，也可获得对于厨房内是否具有人的检测结果。
通过对人体的检测，如果检测到厨房内没有人，则进行周期性检测，或实时检测，直到检测有人存在为止；如果检测到厨房内有人，则是实现对待分析图像中的目标对象进行分类的实施，确定识别的分类信息是否为与预设区域对应的异常的分类信息。
通过以上对于人体的检测之后，下面从识别目标对象的分类信息部分结合具体实施例进行说明。参阅图1，为本申请实施例提供的一种发送报警信息的方法，包括：
S100、获取对预设区域进行图像采集得到的待分析图像。
这里获取的对预设区域进行图像采集得到的待分析图像是在检测到预设区域有人的前提下，当检测到预设区域有人存在后，可以开始视频监控服务，通过监控视频流获取待分析图像。
具体实施时，可首先将获取的监控的视频流分为多个视频段，然后将各视频段内分别处理为多个图像帧；从而将每一个图像帧作为待分析图像，以用来对识别出的待分析图像中目标对象的分类信息进行判断。
S101、基于训练的神经网络模型识别所述待分析图像中目标对象的分类信息。
在一个实施例中，参阅图2，为本申请实施例提供的一种神经网络模型的示意图，首先，可将监控视频流处理为一系列的图像帧V＝{I0，I1，…，In}；例如图2中的图像帧I1、图像帧I2、图像帧I3，为三个从监控视频流中处理得到的三张图像帧。本模型的目的在于从帧级水平恢复检测到的目标物体{O0，O1，…，On}，其中每个Ok表示对应于图像帧Ik的边界框和预测物类的列表，在本申请中的目标物体可以为图像帧中的药品图像、机械器具图像、易燃物品图像、易爆物品图像等。然后再根据确定的目标对象的图像确定对应的分类信息。
例如，图2中有三个目标对象，包括：“目标对象A”、“目标对象B”、“目标对象C”，图像帧I1在经过神经网络模型的识别后确定为目标对象的分类信息为“药类物品”、图像帧I2在经过神经网络模型的识别后确定为目标对象的分类信息为“易燃类物品”、图像帧I3在经过神经网络模型的识别后确定为目标对象的分类信息为“工具类物品”。图2为本申请提供的一种为说明本申请的实施例，并不用于限定本申请。
为了构建图2所示的模型，首先可采用一个基于mobilenet(一种轻量级神经网络)架构的SSD(Single Shot MultiBox Detector，单发多框检测器)框架，并且，为了降低参数量，使得运算更快，可选的将SSD特征层中的所有卷积层替换为可分离的深度卷积，同时删除原始的mobilenet中用来分类的最后一层；将卷积LSTM(Long Short-Term Memory，长短期记忆网络)层直接注入到单帧检测器中。其中，卷积LSTM层允许网络对空间和时间信息进行编码，因此可为处理图像的时间流创建一个统一的模型。
然后，对于每帧图像的检测，从Conv(向量卷积运算)层和ConvLSTM(结合LSTM的向量卷积运算)层都进行特征提取，其中，每一个ConvLSTM层会将抽取的特征传到SSD进行计算和预测。在图像帧与图像帧之间会通过LSTM的状态变量Ct相关联，将前一帧图像对应的LSTM层的状态传入后一帧图像对应的LSTM层在后一帧图像的特征计算和预测中一同计算，这样使得前后图像帧间的信息进行传递，可提高对目标物体检测的准确率。
例如，如图2中所示，将ConvLSTM层的特征信息抽取出来加入到后一帧图像的计算中，通过这样的实施方式可以获得多尺度的特征信息。
具体实施时，本申提供的预测模型可以用以下的方程描述：F(It，St-1)＝(Ot，St)，其中Sk＝{Sk0，Sk1，…，Skm-1}指的是一个特征图向量，表示的是截止到当前帧k的一段视频。此外，可以利用一个包含m层LSTM的神经网络来近似这个方程，其中，特征向量St-1的每个特征图作为一个LSTM的状态输入；特征向量St的每一个特征图都来自LSTM的状态输出。
在本申请实施例中，为了获得整个视频的检测结果，只需要按顺序让每个图像帧经过这个神经网络，则可得到具有每个图像帧信息的最后的图像帧，并根据该图像帧确定检测结果。
S102、若所述预设区域对应的异常的分类信息包括识别的所述目标对象的分类信息，则通过预设报警方式发送报警信息。
这里预设区域对应的异常的分类信息是指不同的预设区域对应不同的异常的分类信息，在一个实施例中，若预设区域为厨房，则异常的分类信息为药类物品、易燃类物品、易爆类物品；若预设区域为卧室或客厅，则异常的分类信息为工具类物品、易燃类物品、易爆类物品。
在判断是否进行报警时，如果待分析图像中存在一个分类信息，该分类信息为该预设区域对应的异常的分类信息，则通过预设方式发送报警信息；如果该待分析图像中存在多个分类信息，该多个分类信息中存在至少一个该预设区域对应的异常的分类信息，则通过预设方式发送报警信息。
比如，基于训练的神经网络模型识别待分析图像中目标对象的分类信息有两个，一个为工具类物品，一个为易燃类物品，预设区域为厨房区域，与厨房对应的异常的分类信息为药类物品、易燃类物品、易爆类物品，其中识别的工具类物品不是与厨房区域对应的异常的分类信息，识别的易燃类物品为与厨房区域对应的异常的分类信息，则通过预设方式发送报警信息。
在实施中，发送报警信息的一种实施方式为发送报警信息给指定终端设备，例如，发送提示短消息或响铃给预设的指定终端设备，如手机、电脑等；或者报警的另一种实施方式为通过安装的报警器进行报警，其中，一种可能的场景为在厨房、卧室或客厅中安装有报警器，通过报警器的响铃进行报警。
本申请发送报警信息的方法，还可以为检测到预设区域有人后，通过毫米波雷达技术确定人的形态为异常，则通过预设报警方式发送报警信息。
具体的，首先发送毫米波雷达信号对人进行定位；然后接收到对应该毫米波雷达信号的回波信号后进行聚类分析；若聚类分析结果中包括对应的人的异常形态，则通过预设报警方式发送报警信息。
需要说明的是，如果本发明思想的第一部分检测预设区域中是否有人时是基于毫米波雷达技术进行检测，则在检测到预设区域有人之前和检测到有人之后，会持续不断的发送毫米波雷达信号，通过毫米波雷达技术检测预设区域内是否有人，以及检测到预设区域中有人后，检测人的形态是否异常。
如果本发明思想的第一部分检测预设区域中是否有人时是基于红外感应进行检测，则在检测到预设区域有人之后，会发送毫米波雷达信号，通过毫米波雷达技术检测预设区域内的人的形态是否异常。
人的形态异常可以包括人的上半身前倾或蹲下，以预设区域为厨房区域为例，人在厨房内炒菜时，正常情况下应该是直立状态，如果人的上半身前倾，有可能是往炒菜的锅内放不干净的东西，比如吐口水；如果人蹲下，有可能是在准备不能往菜中放的东西，比如药品。
需要说明的是，人的形态异常不一定说明菜品不安全和/或不干净，只是说明菜品存在不安全和/或不干净的安全隐患。
这里采用预设报警方式发送报警信息和上述预设区域对应的异常的分类信息包括识别的分类信息时，通过预设报警方式发送报警信息相同，此处不再赘述。
通过本申请提供的发送报警的方法，通过结合毫米波雷达技术和神经网络学习模型实现监控在某一区域中的人或加工的食品是否存在安全隐患，并且在出现安全隐患时可及时进行处理，并进行告警，从而及时提醒人进行处理。
为更清楚的理解本申请提供的方法，参阅图3，为本申请另一实施例提供的一种发送报警信息的方法的流程示意图，对本申请的具体实施方式进一步说明，包括：
首先是进行人体检测部分的检测，执行如以下步骤：
步骤301：发送雷达信号。
步骤302：接收回波信号。
步骤303：对回波信号进行处理。
步骤304：获取点云数据和时频信息。
其中，点云数据和时频信息会经过卡尔曼滤波处理，从而对检测到的目标进行聚类和跟踪，并通过应用分类算法进行分类，从而可确定存在人。当没有人时，在聚类时就不会得到这个类，由此可以判断人不在预设区域内。
步骤305：进行人体检测与跟踪。
基于毫米波雷达技术对人的状态进行及时的检测和跟踪。
步骤306：检测人是否在预设区域内。
若检测到人在预设区域内，则执行步骤307；若检测到人未在预设区域内，则执行步骤301。
步骤307：启动视频监控录像。
步骤308：将视频录像的视频流分为多个视频段。
步骤309：将各视频段分别处理为多个图像帧。
步骤310：将每个图像帧作为待分析图像。
步骤311a：基于训练的神经网络模型识别待分析图像中目标对象的分类信息。
步骤311b：基于毫米波雷达技术判断待分析图像中人的形态是否正常，若是，则执行步骤313，否则执行步骤308。
步骤312：判断预设区域对应的异常的分类信息是否包括识别的分类信息，若是，则执行步骤313，否则执行步骤308。
步骤313：通过预设的报警方式发送报警信息。
基于相同的发明构思，参阅图4，为本申请实施例提供的一种厨房安全的实现装置，该装置包括：获取模块401、识别模块402以及处理模块403。
获取模块401，用于获取对预设区域进行图像采集得到的待分析图像；
识别模块402，用于基于训练的神经网络模型识别所述待分析图像中目标对象的分类信息；
处理模块403，用于若所述预设区域对应的异常的分类信息包括识别的所述目标对象的分类信息，则通过预设报警方式发送报警信息。
可选的，该装置还包括：
检测模块404，用于基于毫米波雷达技术检测到所述预设区域内有人存在；或
基于红外感应技术检测到所述预设区域内有人存在。
可选的，若所述预设区域为厨房，则所述异常的分类信息为药类物品、易燃类物品、易爆类物品；
若所述预设区域为卧室或客厅，则所述异常的分类信息为工具类物品、易燃类物品、易爆类物品。
可选的，所述识别模块402具体用于：
若所述待分析图像中存在一个分类信息，所述目标对象的分类信息为所述预设区域对应的异常的分类信息，则通过所述预设方式发送报警信息；
若所述待分析图像中存在多个分类信息，所述多个分类信息中存在至少一个所述预设区域对应的异常的分类信息，则通过所述预设方式发送报警信息。
可选的，所述检测模块404还用于：
发送毫米波雷达信号；
接收到对应所述毫米波雷达信号的回波信号后进行聚类分析；
若聚类分析结果中包括对应的人的异常形态，则通过所述预设报警方式发送报警信息。
在介绍了本申请示例性实施方式中的发送报警信息的方法和装置之后，接下来，介绍本申请的另一示例性实施方式的智能终端。
所属技术领域的技术人员能够理解，本申请的各个方面可以实现为系统、方法或程序产品。因此，本申请的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。
在一些可能的实施方式中，根据本申请的智能终端可以至少包括至少一个处理器、以及至少一个存储器。其中，存储器存储有计算机程序，当计算机程序被处理器执行时，使得处理器执行本说明书上述描述的根据本申请各种示例性实施方式的厨房安全的实现方法中的步骤。例如，处理器可以执行如图1中所示的S100-S102。
下面参照图5来描述根据本申请的这种实施方式的智能终端130。图5显示的智能终端130仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图5所示，智能终端130以通用智能终端的形式表现。智能终端130的组件可以包括但不限于：上述至少一个处理器131、上述至少一个存储器132、连接不同系统组件(包括存储器132和处理器131)的总线133。
总线133表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器、外围总线、处理器或者使用多种总线结构中的任意总线结构的局域总线。
存储器132可以包括易失性存储器形式的可读介质，例如随机存取存储器(RAM)1321和/或高速缓存存储器1322，还可以进一步包括只读存储器(ROM)1323。
存储器132还可以包括具有一组(至少一个)程序模块1324的程序/实用工具1325，这样的程序模块1324包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
智能终端130也可以与一个或多个外部设备134(例如键盘、指向设备等)通信，和/或与使得该智能终端130能与一个或多个其它智能终端进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口135进行。并且，智能终端130还可以通过网络适配器136与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器136通过总线133与用于智能终端130的其它模块通信。应当理解，尽管图中未示出，可以结合智能终端130使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
在一些可能的实施方式中，本申请提供的智能终端的控制方法的各个方面还可以实现为一种程序产品的形式，其包括计算机程序，当程序产品在计算机设备上运行时，计算机程序用于使计算机设备执行本说明书上述描述的根据本申请各种示例性实施方式的厨房安全的实现方法中的步骤，例如，计算机设备可以执行如图1中所示的S100-S102。
程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
本申请的实施方式的用于厨房安全的实现的程序产品可以采用便携式紧凑盘只读存储器(CD-ROM)并包括计算机程序，并可以在智能终端上运行。然而，本申请的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读计算机程序。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的计算机程序可以用任何适当的介质传输，包括——但不限于——无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本申请操作的计算机程序，程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。计算机程序可以完全地在目标对象智能终端上执行、部分地在目标对象设备上执行、作为一个独立的软件包执行、部分在目标对象智能终端上部分在远程智能终端上执行、或者完全在远程智能终端或服务器上执行。在涉及远程智能终端的情形中，远程智能终端可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到目标对象智能终端，或者，可以连接到外部智能终端(例如利用因特网服务提供商来通过因特网连接)。
应当注意，尽管在上文详细描述中提及了装置的若干单元或子单元，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本申请的实施方式，上文描述的两个或更多单元的特征和功能可以在一个单元中具体化。反之，上文描述的一个单元的特征和功能可以进一步划分为由多个单元来具体化。
此外，尽管在附图中以特定顺序描述了本申请方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用计算机程序的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
Claims (6)
1.一种发送报警信息的方法，其特征在于，该方法包括：
通过毫米波雷达技术检测预设区域内是否有人；
在检测到所述预设区域内有人的情况下，获取对预设区域进行图像采集得到的待分析图像；
基于训练的神经网络模型识别所述待分析图像中目标对象的分类信息；
若所述预设区域对应的异常的分类信息包括识别的所述目标对象的分类信息，则通过预设报警方式发送报警信息；
其中，该方法还包括：
发送毫米波雷达信号；
接收到对应所述毫米波雷达信号的回波信号后进行聚类分析；
若聚类分析结果中包括对应的人的异常形态，则通过所述预设报警方式发送报警信息；
其中，所述获取对预设区域进行图像采集得到的待分析图像之前，还包括：
通过下列方式得到所述训练的神经网络模型：
基于mobilenet架构的SSD框架，将SSD特征层中的所有卷积层替换为可分离的深度卷积，删除原始的mobilenet中用来分类的最后一层，以及将卷积LSTM层注入到单帧检测器中，得到所述训练的神经网络模型，其中，所述卷积LSTM层允许网络对空间和时间信息进行编码；
其中，所述基于训练的神经网络模型识别所述待分析图像中目标对象的分类信息，包括：
针对每帧图像，从Conv层和ConvLSTM层进行特征提取，从Conv层提取到的特征用于识别当前帧图像中目标对象的分类信息，从ConvLSTM层提取到的特征用于识别下一帧图像中目标对象的分类信息；
所述通过毫米波雷达技术检测预设区域内是否有人，包括：
发送毫米波雷达信号对人进行定位；
当接收到对应毫米波雷达信号的回波信号之后进行聚类分析；
当获得聚类分析结果之后，若聚类分析结果中包括对应人的聚类，则确定该预设区域内具有人。
2.如权利要求1所述的方法，其特征在于，若所述预设区域为厨房，则所述异常的分类信息为药类物品、易燃类物品、易爆类物品；
若所述预设区域为卧室或客厅，则所述异常的分类信息为工具类物品、易燃类物品、易爆类物品。
3.如权利要求1所述的方法，其特征在于，所述若所述预设区域对应的异常的分类信息中包括识别的所述目标对象的分类信息，则通过预设报警方式发送报警信息，包括：
若所述待分析图像中存在一个分类信息，所述目标对象的分类信息为所述预设区域对应的异常的分类信息，则通过所述预设报警方式发送报警信息；
若所述待分析图像中存在多个分类信息，所述多个分类信息中存在至少一个所述预设区域对应的异常的分类信息，则通过所述预设报警方式发送报警信息。
4.一种发送报警信息的装置，其特征在于，该装置包括：
检测模块，用于通过毫米波雷达技术检测预设区域内是否有人；
获取模块，用于在检测到所述预设区域内有人的情况下，获取对预设区域进行图像采集得到的待分析图像；
识别模块，用于基于训练的神经网络模型识别所述待分析图像中目标对象的分类信息；
处理模块，用于若所述预设区域对应的异常的分类信息包括识别的所述目标对象的分类信息，则通过预设报警方式发送报警信息；
其中，所述识别模块还用于：
发送毫米波雷达信号；接收到对应毫米波雷达信号的回波信号之后进行聚类分析；若聚类分析结果中包括对应的人的异常形态，则通过预设报警方式发送报警信息；
通过下列方式得到所述训练的神经网络模型：
基于mobilenet架构的SSD框架，将SSD特征层中的所有卷积层替换为可分离的深度卷积，删除原始的mobilenet中用来分类的最后一层，以及将卷积LSTM层注入到单帧检测器中，得到所述训练的神经网络模型，其中，所述卷积LSTM层允许网络对空间和时间信息进行编码；
其中，所述基于训练的神经网络模型识别所述待分析图像中目标对象的分类信息，包括：
针对每帧图像，从Conv层和ConvLSTM层进行特征提取，从Conv层提取到的特征用于识别当前帧图像中目标对象的分类信息，从ConvLSTM层提取到的特征用于识别下一帧图像中目标对象的分类信息；
所述识别模块具体用于：
发送毫米波雷达信号对人进行定位；当接收到对应毫米波雷达信号的回波信号之后进行聚类分析；当获得聚类分析结果之后，若聚类分析结果中包括对应人的聚类，则确定该预设区域内具有人。
5.如权利要求4所述的装置，其特征在于，若所述预设区域为厨房，则所述异常的分类信息为药类物品、易燃类物品、易爆类物品；
若所述预设区域为卧室或客厅，则所述异常的分类信息为工具类物品、易燃类物品、易爆类物品。
6.如权利要求4所述的装置，其特征在于，所述识别模块具体用于：
若所述待分析图像中存在一个分类信息，所述目标对象的分类信息为所述预设区域对应的异常的分类信息，则通过所述预设报警方式发送报警信息；
若所述待分析图像中存在多个分类信息，所述多个分类信息中存在至少一个所述预设区域对应的异常的分类信息，则通过所述预设报警方式发送报警信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010176812.7A CN111414829B (zh) | 2020-03-13 | 2020-03-13 | 一种发送报警信息的方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010176812.7A CN111414829B (zh) | 2020-03-13 | 2020-03-13 | 一种发送报警信息的方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111414829A CN111414829A (zh) | 2020-07-14 |
| CN111414829B true CN111414829B (zh) | 2024-03-15 |
Family
ID=71491104
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010176812.7A Active CN111414829B (zh) | 2020-03-13 | 2020-03-13 | 一种发送报警信息的方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111414829B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111860284A (zh) * | 2020-07-15 | 2020-10-30 | 上海钧正网络科技有限公司 | 一种换电柜的安全管理方法、装置、介质及服务器 |
| CN112131955A (zh) * | 2020-08-27 | 2020-12-25 | 深圳新太开发科技有限公司 | 智能垂钓方法及智能垂钓装置、计算机可读存储介质 |
Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005285011A (ja) * | 2004-03-30 | 2005-10-13 | Sumitomo Electric Ind Ltd | 人間認識システム、及び画像処理装置 |
| CN106546981A (zh) * | 2016-10-24 | 2017-03-29 | 复旦大学 | 运动人体安检成像系统和方法 |
| CN106919806A (zh) * | 2017-04-27 | 2017-07-04 | 刘斌 | 一种人体监测方法、装置以及系统及计算机可读存储设备 |
| CN107045623A (zh) * | 2016-12-30 | 2017-08-15 | 厦门瑞为信息技术有限公司 | 一种基于人体姿态跟踪分析的室内危险情况告警的方法 |
| CN108647559A (zh) * | 2018-03-21 | 2018-10-12 | 四川弘和通讯有限公司 | 一种基于深度学习的危险物识别方法 |
| CN108876822A (zh) * | 2018-07-09 | 2018-11-23 | 山东大学 | 一种行为危险度评估方法及家庭安防看护系统 |
| CN109101906A (zh) * | 2018-07-27 | 2018-12-28 | 中国南方电网有限责任公司超高压输电公司贵阳局 | 一种变电站电力设备红外图像异常实时检测方法及装置 |
| CN109447071A (zh) * | 2018-11-01 | 2019-03-08 | 博微太赫兹信息科技有限公司 | 一种基于fpga和深度学习的毫米波成像危险物品检测方法 |
| CN109581361A (zh) * | 2018-11-22 | 2019-04-05 | 九牧厨卫股份有限公司 | 一种检测方法、检测装置、终端以及检测系统 |
| CN109711331A (zh) * | 2018-12-25 | 2019-05-03 | 山东雷诚电子科技有限公司 | 一种毫米波雷达安检仪异物检测方法 |
| CN109886139A (zh) * | 2019-01-28 | 2019-06-14 | 平安科技（深圳）有限公司 | 人体检测模型生成方法、排污口异常检测方法以及装置 |
| CN109961058A (zh) * | 2019-04-03 | 2019-07-02 | 湖南省顺鸿智能科技有限公司 | 一种非接触式跌倒检测方法及装置 |
| CN110175512A (zh) * | 2019-04-12 | 2019-08-27 | 天津华来科技有限公司 | 一种场景检测报警方法及装置 |
| CN110176117A (zh) * | 2019-06-17 | 2019-08-27 | 广东翔翼科技信息有限公司 | 一种基于行为识别技术的监控装置及监控方法 |
| CN110332657A (zh) * | 2019-05-21 | 2019-10-15 | 珠海格力电器股份有限公司 | 基于空调的安防机器人及包含其的空调器 |
| CN110443969A (zh) * | 2018-05-03 | 2019-11-12 | 中移(苏州)软件技术有限公司 | 一种火点检测方法、装置、电子设备及存储介质 |
| CN110633652A (zh) * | 2019-08-27 | 2019-12-31 | 宇龙计算机通信科技(深圳)有限公司 | 意外状况确定方法、装置和电子设备 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108270970B (zh) * | 2018-01-24 | 2020-08-25 | 北京图森智途科技有限公司 | 一种图像采集控制方法及装置、图像采集系统 |
-
2020
- 2020-03-13 CN CN202010176812.7A patent/CN111414829B/zh active Active
Patent Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005285011A (ja) * | 2004-03-30 | 2005-10-13 | Sumitomo Electric Ind Ltd | 人間認識システム、及び画像処理装置 |
| CN106546981A (zh) * | 2016-10-24 | 2017-03-29 | 复旦大学 | 运动人体安检成像系统和方法 |
| CN107045623A (zh) * | 2016-12-30 | 2017-08-15 | 厦门瑞为信息技术有限公司 | 一种基于人体姿态跟踪分析的室内危险情况告警的方法 |
| CN106919806A (zh) * | 2017-04-27 | 2017-07-04 | 刘斌 | 一种人体监测方法、装置以及系统及计算机可读存储设备 |
| CN108647559A (zh) * | 2018-03-21 | 2018-10-12 | 四川弘和通讯有限公司 | 一种基于深度学习的危险物识别方法 |
| CN110443969A (zh) * | 2018-05-03 | 2019-11-12 | 中移(苏州)软件技术有限公司 | 一种火点检测方法、装置、电子设备及存储介质 |
| CN108876822A (zh) * | 2018-07-09 | 2018-11-23 | 山东大学 | 一种行为危险度评估方法及家庭安防看护系统 |
| CN109101906A (zh) * | 2018-07-27 | 2018-12-28 | 中国南方电网有限责任公司超高压输电公司贵阳局 | 一种变电站电力设备红外图像异常实时检测方法及装置 |
| CN109447071A (zh) * | 2018-11-01 | 2019-03-08 | 博微太赫兹信息科技有限公司 | 一种基于fpga和深度学习的毫米波成像危险物品检测方法 |
| CN109581361A (zh) * | 2018-11-22 | 2019-04-05 | 九牧厨卫股份有限公司 | 一种检测方法、检测装置、终端以及检测系统 |
| CN109711331A (zh) * | 2018-12-25 | 2019-05-03 | 山东雷诚电子科技有限公司 | 一种毫米波雷达安检仪异物检测方法 |
| CN109886139A (zh) * | 2019-01-28 | 2019-06-14 | 平安科技（深圳）有限公司 | 人体检测模型生成方法、排污口异常检测方法以及装置 |
| CN109961058A (zh) * | 2019-04-03 | 2019-07-02 | 湖南省顺鸿智能科技有限公司 | 一种非接触式跌倒检测方法及装置 |
| CN110175512A (zh) * | 2019-04-12 | 2019-08-27 | 天津华来科技有限公司 | 一种场景检测报警方法及装置 |
| CN110332657A (zh) * | 2019-05-21 | 2019-10-15 | 珠海格力电器股份有限公司 | 基于空调的安防机器人及包含其的空调器 |
| CN110176117A (zh) * | 2019-06-17 | 2019-08-27 | 广东翔翼科技信息有限公司 | 一种基于行为识别技术的监控装置及监控方法 |
| CN110633652A (zh) * | 2019-08-27 | 2019-12-31 | 宇龙计算机通信科技(深圳)有限公司 | 意外状况确定方法、装置和电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111414829A (zh) | 2020-07-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20230246905A1 (en) | Cooperative monitoring networks | |
| US10362769B1 (en) | System and method for detection of disease breakouts | |
| EP3407200B1 (en) | Method and device for updating online self-learning event detection model | |
| CN108228705B (zh) | 直播视频反馈中的自动对象和活动跟踪设备、方法及介质 | |
| CN111046849B (zh) | 一种厨房安全的实现方法、装置以及智能终端、存储介质 | |
| US20170039455A1 (en) | Computer-vision based security system using a depth camera | |
| US20240062861A1 (en) | Wi-fi based condition monitoring | |
| US20170053504A1 (en) | Motion detection system based on user feedback | |
| CN111414829B (zh) | 一种发送报警信息的方法和装置 | |
| US11631306B2 (en) | Methods and system for monitoring an environment | |
| CN109614906A (zh) | 一种基于深度学习的安防系统及安防报警方法 | |
| US20210063214A1 (en) | Activity Monitoring Systems And Methods | |
| CN107005679A (zh) | 一种基于云服务的智能目标识别装置、系统及方法 | |
| CN109544862A (zh) | 基于智能家居的行为识别方法、装置、存储介质及设备 | |
| CN114218992B (zh) | 异常对象的检测方法及相关装置 | |
| CN111739243B (zh) | 一种基于d-s证据理论的火灾状态检测方法 | |
| CN108540777A (zh) | 一种智能监控方法、装置、设备和存储介质 | |
| CN112184642A (zh) | 睡眠姿势异常的警示方法和装置、存储介质、电子装置 | |
| CN111227789A (zh) | 人体健康监护方法和装置 | |
| US20210117724A1 (en) | Video object detection with co-occurrence | |
| CN114469076A (zh) | 一种融合身份特征的独居老人跌倒识别方法及系统 | |
| CN115103157A (zh) | 基于边云协同的视频分析方法、装置、电子设备及介质 | |
| CN111653067A (zh) | 智能家居设备及基于音频的报警方法 | |
| CN107958434B (zh) | 智能看护方法、装置、电子设备及存储介质 | |
| US11443139B2 (en) | Contextual safety assessment, recommendations, provisioning and monitoring |
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 |