[发明专利]监控目标的监控方法、装置、计算机设备及存储介质在审

专利信息
申请号: 201910394444.0 申请日: 2019-05-13
公开(公告)号: CN110263634A 公开(公告)日: 2019-09-20
发明(设计)人: 曹靖康;王健宗;王义文 申请(专利权)人: 平安科技(深圳)有限公司
主分类号: G06K9/00 分类号: G06K9/00;G08B21/04;G06N3/04;G06N3/08
代理公司: 深圳众鼎专利商标代理事务所(普通合伙) 44325 代理人: 黄章辉
地址: 518000 广东省深圳市福田区福*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 监测目标 初始图像 目标图像 采集 预设 跌倒 肢体 卷积神经网络 计算机设备 存储介质 监控目标 管理方 图像 视频 预警 跌倒状态 关联存储 规则检测 用户体验 监控 判定 损伤 输出 检测 记录
【权利要求书】:

1.一种监控目标的监控方法,其特征在于,包括:

采集包含待识别目标的初始视频,并记录开始采集所述初始视频的开始时间,和结束采集所述初始视频的结束时间;

通过对所述初始视频进行预处理,获取所述初始视频中的初始图像以及所述初始图像在所述初始视频中对应的播放时间,并根据所述开始时间、所述结束时间和所述播放时间,获取所述初始图像的采集时间;

提取所述初始图像中的待识别目标的人脸特征,并将所述人脸特征与自数据库中调取的监测目标的人脸特征进行比对,获取包含监测目标的初始图像,将所述包含监测目标的初始图像记录为目标图像,并将所述目标图像以及与所述目标图像对应的所述采集时间关联存储;

获取预设的VGG卷积神经网络模型;

将所述目标图像输入至所述VGG卷积神经网络模型,获取输出的肢体图像;

根据所述肢体图像以及与所述肢体图像对应的所述采集时间,通过预设的跌倒规则检测所述监测目标是否跌倒,并在所述检测目标跌倒时,对预设的管理方进行预警。

2.如权利要求1所述的监控目标的监控方法,其特征在于,所述获取预设的VGG卷积神经网络模型,包括:

获取样本图像以及与所述样本图像对应的真实肢体图像;

将所述样本图像输入至包含初始参数的VGG卷积神经网络模型,获取输出的样本肢体图像,并获取所有所述样本肢体图像与所述真实肢体图像之间的整体相似度;

检测所述整体相似度是否大于预设的相似阈值;

当所述整体相似度小于或等于所述相似阈值时,调整所述VGG卷积神经网络模型的初始参数,并继续执行获取所述整体相似度及其后续步骤,直至所述整体相似度大于所述相似阈值;

当所述整体相似度大于所述相似阈值时,确认所述VGG卷积神经网络模型训练完成,并获取所述VGG卷积神经网络模型。

3.如权利要求2所述的监控目标的监控方法,其特征在于,所述调整所述VGG卷积神经网络模型的初始参数,包括:

通过损失函数计算所述样本肢体图像与其对应的真实肢体图像之间的调整权数;

根据所述调整权数对所述VGG卷积神经网络模型的初始参数进行调整。

4.如权利要求1所述的监控目标的监控方法,其特征在于,所述根据所述肢体图像以及与所述肢体图像对应的所述采集时间,通过预设的跌倒规则检测所述监测目标是否跌倒,包括:

获取所述肢体图像中的人体各关节点或/和各肢体之间的位置关系;

检测所述跌倒规则中是否存在与所述肢体图像中的人体各关节点或/和各肢体之间的位置关系相匹配的所述跌倒位置关系;

当所述跌倒规则中存在与所述肢体图像中的人体各关节点或/和各肢体之间的位置关系相匹配的所述跌倒位置关系时,获取在所述肢体图像对应的所述采集时间之后的预设时间段内的所有肢体图像,并将获取的所有肢体图像作为判断图像;

遍历所有所述判断图像,检测人体各关节点或/和各肢体之间的位置关系与所述跌倒规则中的跌倒位置关系相匹配的所述判断图像是否大于预设比例;

当人体各关节点或/和各肢体之间的位置关系与所述跌倒规则中的跌倒位置关系相匹配的所述判断图像大于所述预设比例时,确认所述监测目标跌倒。

5.如权利要求4所述的监控目标的监控方法,其特征在于,所述遍历所有所述判断图像,检测人体各关节点或/和各肢体之间的位置关系与所述跌倒规则中的跌倒位置关系相匹配的所述判断图像是否大于预设比例之后,还包括:

当人体各关节点或/和各肢体之间的位置关系与所述跌倒规则中的跌倒位置关系相匹配的所述判断图像小于或等于所述预设比例时,确认所述监测目标无跌倒。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于平安科技(深圳)有限公司,未经平安科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910394444.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top