[发明专利]关键目标的行为预测方法、AI追踪相机及存储介质

权利要求书

1.一种关键目标的行为预测方法，其特征在于，应用于AI追踪相机，包括：

获取模型参数并根据所述模型参数初始化原始卷积神经网络，获得分类识别模型；其中所述原始卷积神经网络预先内置于所述AI追踪相机；

根据所述分类识别模型对所述AI追踪相机拍摄得到的户外图像进行分类和识别，得到带标注信息的户外图像；其中所述标注信息包括场景类别、目标类别和行为信息；

根据所述目标类别，从所述带标注信息的户外图像中筛选出包含关键目标的目标图像；

在所述目标图像的数量超过预设数值之后，根据所述目标图像获得所述关键目标的未来行为信息，包括：

在AI服务器的行为预测模型预测得到所述关键目标的未来行为信息之后，接收所述AI服务器发送的所述未来行为信息；其中所述行为预测模型是所述AI服务器根据所述目标图像的时间信息、地理信息、场景类别、行为信息及所述AI追踪相机的当前环境信息建立的；

在获取模型参数并根据所述模型参数初始化原始卷积神经网络之后，所述方法还包括：

定期从AI服务器获取更新后的模型参数，并根据更新后的模型参数重新初始化所述原始卷积神经网络；其中所述更新后的模型参数是所述AI服务器根据无法识别，和/或，识别错误的户外图像及其对应的人为标注信息对位于AI服务器的分类识别模型进行训练优化后得到的。

2.根据权利要求1所述的方法，其特征在于，在得到所述未来行为信息之后，所述方法还包括：

继续自触发拍摄户外图像，并将该户外图像输入到所述分类识别模型中进行分类和识别；

若判断得到的带标注信息的户外图像中的目标类别为所述关键目标，而且其行为信息与所述未来行为信息相符，则触发向用户终端发送提醒信息。

3.根据权利要求2所述的方法，其特征在于，在判断得到的带标注信息的户外图像中的目标类别为所述关键目标，而且其行为信息与所述未来行为信息相符之后，所述方法还包括：

执行预先设定的报警程序，根据关键目标的目标类别触发声光报警器发射警示灯光，和/或，发出警报铃声。

4.根据权利要求1所述的方法，其特征在于，在从所述带标注信息的户外图像中筛选出包含关键目标的目标图像之后，所述方法还包括：

将包含关键目标的目标图像以及AI追踪相机的地理位置发送至AI服务器，以使所述AI服务器根据所述目标图像生成所述关键目标的时间轴信息，其中所述时间轴信息包括时间信息、地理信息、场景类别和行为信息。

5.一种用于关键目标的行为预测的装置，应用于AI追踪相机，其特征在于，包括：

通信模块，用于获取模型参数并根据所述模型参数初始化原始卷积神经网络，获得分类识别模型；其中所述原始卷积神经网络预先内置于所述AI追踪相机；还用于在获取模型参数并根据所述模型参数初始化原始卷积神经网络之后，定期从AI服务器获取更新后的模型参数，并根据更新后的模型参数重新初始化所述原始卷积神经网络；其中所述更新后的模型参数是所述AI服务器根据无法识别，和/或，识别错误的户外图像及其对应的人为标注信息对位于AI服务器的分类识别模型进行训练优化后得到的；

神经网络模块，还用于根据所述分类识别模型对所述AI追踪相机拍摄得到的户外图像进行分类和识别，得到带标注信息的户外图像；其中所述标注信息包括场景类别、目标类别和行为信息；

关键目标筛选模块，用于根据所述目标类别，从所述带标注信息的户外图像中筛选出包含关键目标的目标图像；

行为预测模块，用于在所述目标图像的数量超过预设数值之后，根据所述目标图像获得所述关键目标的未来行为信息，包括：

在所述AI服务器的行为预测模型预测得到所述关键目标的未来行为信息之后，接收所述AI服务器发送的所述未来行为信息；其中所述行为预测模型是所述AI服务器根据所述目标图像的时间信息、地理信息、场景类别、行为信息及所述AI追踪相机的当前环境信息建立的。