[发明专利]基于多级神经网络级联的目标看护方法及装置

说明书

本发明公开一种基于多级神经网络级联的目标看护方法及装置。该方法包括：获取摄像头采集的视频流图像；选择逻辑组合关系，依据逻辑组合关系确定深度网络模组中各个深度网络模型之间的级联关系以及相应的输出动作；加载相应的深度网络模型；调用多核动态分配管理指令，计算加载的深度网络模型的复杂度，依据复杂度为每一深度网络模型分配相应的内存和预定数量的核处理器；将采集的视频流图像输入对应的深度网络模型；依据经级联的各个深度网络模型处理后得到的指定输出信息解析出视频流图像中的场景信息，并执行相应的输出动作。本发明对内存空间要求低，将各类深度网络模型进行灵活组合，形成积木式开发模式，提高用户开发效率和趣味性。

本申请是2019年1月29日提交、发明名称为“基于多核处理器的多元深度网络模型重构方法及装置”、申请号为201910088001.9的发明专利申请的分案申请。

技术领域

本发明涉及数据处理技术，尤其涉及采用多核处理器的深度网络模型下的数据处理，具体涉及一种基于多级神经网络级联的目标看护方法及装置。

背景技术

现有的深度网络模型往往只能处理单一场景的检测、分类、分割等任务。涉及到复杂的场景将无能无力。

现有的解决复杂场景分析的方法通常可采用的方式有两种：一种是采用成本较高的GPU，将多个深度网络模型输出信息直接串行输出。但GPU成本太高，不利于大规模使用；另外一种是直接对场景进行时序分析，通过场景中各动作或者各目标之间的空间位置关联性和时间关联性，对场景进行分析。这种方法所要求的训练数据集较为特殊，处理起来麻烦，且连续对视频进行时序分析，所要求的内存空间较大，算法复杂度也很高。

发明内容

本发明解决的技术问题是，提供一种内存空间要求低，算法复杂度不高，灵活组合且成本较低的基于多核处理器的多元深度网络模型重构方法及装置。

为实现上述目的，一方面，本发明提供了一种基于多级神经网络级联的目标看护方法，用于老人和/或婴幼儿看护，包括：

获取摄像头采集的视频流图像；

依据看护对象选择逻辑组合关系，依据所述逻辑组合关系确定深度网络模组中各个深度网络模型之间的级联关系以及相应的输出动作；

依据所述逻辑组合关系，加载相应的深度网络模型；

调用多核动态分配管理指令，计算加载的所述深度网络模型的复杂度，依据所述复杂度为每一深度网络模型分配相应的内存和预定数量的核处理器；

将采集的所述视频流图像输入对应的深度网络模型中；

依据经级联的各个深度网络模型处理后得到的指定输出信息解析出所述视频流图像中的场景信息，并执行相应的输出动作；

所述逻辑组合关系为：采集的所述视频流图像中指定的有效识别区域。

优选地，若看护对象为婴幼儿，所述深度网络模型包括小孩深度检测模型和网络跟踪识别模型，所述小孩深度检测模型和所述网络跟踪识别模型二级级联；

若看护对象为老人，所述深度网络模型包括小老人深度检测模型、网络跟踪识别模型和深度网络跌倒分类模型；

所述老人深度网络检测模型、所述深度网络跟踪识别模型、所述深度网络跌倒分类模型进行三级级联；所述老人深度网络检测模型的输出作为所述深度网络跟踪识别模型的输入，而所述深度网络跟踪识别模型的输出作为所述深度网络跌倒分类模型的输入。

优选地，所述输出动作为语音提示，其中，提示内容包括小孩超出划定区域或老人跌倒。

优选地，所述依据所述复杂度为每一深度网络模型分配相应的内存和预定数量的核处理器包括：

获各所述深度网络模型的参数文件和权重文件；