[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

说明书

本发明涉及了一种关键目标的行为预测方法，应用于AI追踪相机，包括：获取模型参数并根据模型参数初始化原始卷积神经网络，获得分类识别模型；根据分类识别模型对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；根据目标类别，从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；在目标图像的数量超过预设数值之后，根据目标图像获得关键目标的未来行为信息。本发明的AI追踪相机可以对人或动物进行分类识别和行为预测，不仅能更准确地跟踪动物或人，而且还能帮助用户对监控区域内的关键目标进行有效管理和监控，提高用户体验。

技术领域

本发明属于人工智能领域，尤其涉及一种关键目标的行为预测方法、AI追踪相机及可读存储介质。

背景技术

追踪相机是常应用于野外或者郊区的无人看守相机，主要用途为帮助用户打猎、动物行为记录、保护区野生动物多样性调查研究、养殖场监控、非法狩猎监控、私人庭院监控、工地查看等，其能够利用红外或其它感应技术的运动探测器，自动捕捉动物的运动状态。通常情况下，当追踪相机通过运动探测器发现动物后，会发出触发信号并自动拍摄高清晰度的图片和视频，然后通过wifi或移动网络上传至后台服务器，因此，很多用户在自己感兴趣的地方安装追踪相机后，然后通过用户终端查看追踪相机上传的图像或视频来观察出现在监控区域的关键目标(人或动物)。

然而，目前的追踪相机只是简单地将触发拍摄的图像发送至用户终端，需要用户通过用户终端一一查看追踪相机上传的图像或视频，需要消耗大量的时间才能判断关键目标的行为特点，其用户体验较差，娱乐性低且打猎成功的概率较低。

发明内容

本发明提供一种关键目标的行为预测方法，应用于AI追踪相机，实施该方法，可以对人或动物进行分类识别和行为预测，不仅能更准确地跟踪动物或人，而且还能帮助用户对监控区域内的关键目标进行有效管理和监控，提高用户体验。

第一方面，提供一种关键目标的行为预测方法，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；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。

优选地，根据所述目标图像获得所述关键目标的未来行为，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。

优选地，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：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行为预测模型，并根据所述行为预测模型预测所述关键目标的未来行为信息。

优选地，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。

优选地，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。