[发明专利]鼠情监控方法、装置及存储介质

权利要求书

1.一种鼠情监控方法，其特征在于，包括：

从图像采集装置获取预定场所的图像；以及

基于卷积神经网络的计算模型，对所述图像进行分析，生成与所述预定场所是否存在鼠情的鼠情信息，并且其中，

基于卷积神经网络的计算模型，对所述图像进行分析，生成与所述图像采集装置所监控的监控区域内的是否有鼠情的鼠情信息的操作，包括：将所述图像划分成多个图像区域；基于所述多个图像区域，利用所述计算模型，分别生成与所述多个图像区域对应的多个第一向量，所述多个第一向量分别包含对应图像区域存在老鼠的置信度参数；以及根据所述多个第一向量，生成所述鼠情信息，并且其中，

所述第一向量还包括以下第一向量参数：矩形框在对应的图像区域内的位置，其中所述矩形框与所述第一向量对应的图像区域内的老鼠图像匹配；所述向量对应的图像区域内的老鼠图像的分类；以及所述矩形框的大小，并且其中，

根据所述多个第一向量，生成所述鼠情信息操作，还包括：对所述多个第一向量执行修正操作；以及根据修正后的所述多个第一向量，生成所述鼠情信息，其中

所述修正操作包括：判定目标向量是否指示对应的图像区域内包含老鼠图像，其中所述目标向量为所述多个第一向量中作为所述修正操作的对象的向量；在所述目标向量指示对应的图像区域包含老鼠图像的情况下，计算所述目标向量对应的图像区域与预设的背景图像的相似性；以及在所计算的相似性大于预设的阈值的情况下，判定所述目标向量所对应的图像区域中不包含老鼠图像。

2.根据权利要求1所述的方法，其特征在于，还包括通过以下操作对所述卷积神经网络的计算模型进行训练：

获取预定数量的包含老鼠图像的样本图像；

获取所述样本图像的样本信息，其中所述样本信息包括所述样本图像中老鼠图像的实际坐标、实际长宽信息、实际分类信息以及实际置信度参数；

基于所述样本图像，利用所述计算模型得到第二向量，其中所述第二向量包括所述样本图像中老鼠图像的输出坐标信息、输出长宽信息、输出分类信息以及输出置信度参数；

将所述第二向量与所述样本信息进行比较，以及根据所述比较的结果对所述计算模型进行优化。

3.根据权利要求2所述的方法，其特征在于，基于将所述第二向量与所述样本信息进行比较，以及根据所述比较的结果对所述计算模型进行优化的操作，包括：

根据所述第二向量与所述样本信息，计算所述计算模型的损失值，其中所述损失值的大小反映所述计算模型的准确率；以及

根据所述损失值，利用梯度下降方法，并对所述计算模型进行反向更新。