[发明专利]鼠情监控方法、装置及存储介质

说明书

本申请公开了一种鼠情监控方法、装置、处理器及存储介质。其中，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，对图像进行分析，生成与预定场所是否存在鼠情的鼠情信息。从而，本实施例的技术方案解决了现有技术中存在的稳定性差，无法实现运行在移动端或嵌入式设备中等技术问题。

技术领域

本申请涉及鼠情监控领域，特别是涉及一种鼠情监控方法、装置、处理器及存储介质。

背景技术

目前常用的鼠情监控方法包括传统的识别手段以及相关视觉识别手段进行鼠情监控。

目前针对鼠情监控主要包括传统鼠情监控方法和逐渐流行的机器视觉监控方法。传统监控方法如粉剂法、鼠夹法、粘鼠板、目测法等方法。该方法在识别鼠情及鼠密度上存在诸多不足：粉剂法以及目测法误差大，耗费人力资源；鼠夹法以及粘鼠板效率低，均无法观察活鼠的形态、活动规律等鼠情，且都存在消息延后无法获取及时动态信息。

现有的利用机器视觉进行鼠情监控的方法包括背景建模方法和特征点监控方法：

背景建模法：常见的背景建模方法包括高斯混合背景建模方法和背景差分法等方法，其原理是是首先根据图像序列的第一帧或前几帧根据像素点差异建立背景参考模型，并使用图像序列中的当前帧和背景参考模型进行像素比较来判断该像素点是否属于运动物体。在基于背景建模法的运动目标识别中，背景图像建模和模拟的准确程度，直接影响到识别的效果。由于场景的复杂性、不可预知性以及各种环境干扰和噪声的存在，如光照的突然变化、实际背景图像中有些物体的波动、摄像机的抖动、运动物体进出场景对原场景的影响等，使得传统背景建模方法很难具备较高的稳定性。同时传统背景建模计算量较大，很难做到实时效果，且极其消耗计算资源，无法实时运行在移动端或嵌入式设备，对服务器造成极大压力。

且上述方法在实际工程中场景较为复杂的情况时均难以保持较高识别准确率，且如果采用摄像机进行不间断地拍照时，会产生大量的图像数据，将这些数据存放在数据库中时，由于数据量大，导致查看速度变慢，用户不能快速获得关于当前时间老鼠的识别图像。

针对上述的现有的鼠情监控方法稳定性较差，不能实现运行在移动端或嵌入式设备中的技术问题，目前尚未提出有效的解决方案。

发明内容

本公开的实施例提供了一种鼠情监控方法、装置、处理器及存储介质，以至少解决现有的鼠情监控方法存在的识别方法稳定性差，不能实现运行在移动端或嵌入式设备中技术问题。

根据本公开实施例的一个方面，提供了一种鼠情监控方法，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，对图像进行分析，生成与预定场所是否存在鼠情的鼠情信息。

根据本公开实施例的另一个方面，还提供了一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时由处理器执行以上任意一项所述的方法。

根据本公开实施例的另一个方面，还提供了一种鼠情监控装置，包括：获取模块，用于从图像采集装置获取预定场所的图像；以及生成模块，用于基于卷积神经网络的计算模型，对图像进行分析，生成与预定场所是否存在鼠情的鼠情信息。

根据本公开实施例的另一个方面，还提供了一种鼠情监控装置，包括：处理器；以及存储器，与处理器连接，用于为处理器提供处理以下处理步骤的指令：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，对图像进行分析，生成与预定场所是否存在鼠情的鼠情信息。