[发明专利]对鼠情进行统计的方法、装置、设备以及存储介质

权利要求书

1.一种对鼠情进行统计的方法，其特征在于，包括：

获取预定时段内的关于监控区域的视频；以及

利用基于机器学习的计算模型，对所述视频所包含的多个视频帧进行分析，生成与所述监控区域内的鼠情相关的统计信息，其中所述统计信息包括所述预定时段内所述监控区域出现的老鼠的数量。

2.根据权利要求1所述的方法，其特征在于，所述计算模型包括基于机器学习的检测模型、基于机器学习的特征提取模型以及聚类模型，并且利用所述计算模型，对所述多个视频帧进行分析，生成所述统计信息的操作，包括：

利用所述检测模型检测所述多个视频帧中包含的老鼠图像，并且生成包含单个老鼠图像的图片；

利用所述特征提取模型对所述包含单个老鼠图像的图片进行处理，生成与所述图片中的老鼠图像对应的特征向量；以及

利用所述聚类模型对所述特征向量进行聚类处理，得到所述老鼠图像的类别的数量，并且将所述类别的数量作为所述预定时段内所述监控区域出现的老鼠的数量，根据所述老鼠的数量生成所述统计信息。

3.根据权利要求2所述的方法，其特征在于，利用所述检测模型检测所述多个视频帧中包含的老鼠图像，并且生成包含单个老鼠图像的图片的操作，包括：

利用所述检测模型，生成所述老鼠图像在相应的视频帧中的位置及宽高信息；以及

根据所述老鼠图像的所述位置及宽高信息从所述相应的视频帧中提取所述老鼠图像，并生成包含单个老鼠图像的所述图片。

4.根据权利要求3所述的方法，其特征在于，所述检测模型包含卷积神经网络，并且生成所述老鼠图像在相应的视频帧中的位置及宽高信息的操作，包括：

利用所述卷积神经网络对所述多个视频帧进行处理，生成分别与所述多个视频帧对应的多个向量，其中所述多个向量包含对应的视频帧中所述老鼠图像的位置及宽高信息。

5.根据权利要求2所述的方法，其特征在于，所述特征提取模型包括含多个卷积层的卷积模型，并且利用所述特征提取模型对所述包含单个老鼠图像的图片进行处理，生成与所述图片中的老鼠图像对应的特征向量的操作，包括：

利用所述卷积模型对包含单个老鼠的所述图片处理，生成与所述图片对应的特征向量，其中所述特征向量包括与所对应的图片中的老鼠图像的形貌相关的特征参数。

6.根据权利要求5所述的方法，其特征在于，所述特征参数包含以下至少一项：所述特征向量对应的老鼠图像内包含的目标老鼠的眼睛、鼻子、嘴巴、体型、腿部、足部、尾巴、体毛以及胖瘦信息。

7.根据权利要求2所述的方法，其特征在于，利用所述聚类模型对所述特征向量进行聚类处理的操作，包括：根据最近邻检索算法，对所述特征向量进行聚类操作。

8.一种存储介质(104)，其特征在于，所述存储介质(104)包括存储的程序，其中，在所述程序运行时由处理器执行权利要求1至7中任意一项所述的方法。

9.一种对鼠情进行统计的装置(500)，其特征在于，包括：

视频获取模块(510)，用于获取预定时段内的关于监控区域的视频；以及

统计信息生成模块(520)，用于利用基于机器学习的计算模型，对所述视频所包含的多个视频帧进行分析，生成与所述监控区域内的鼠情相关的统计信息，其中所述统计信息包括所述预定时段内所述监控区域出现的老鼠的数量。

10.一种对鼠情进行统计的设备(600)，其特征在于，包括：

处理器(610)；以及

存储器(620)，与所述处理器(610)连接，用于为所述处理器(610)提供处理以下处理步骤的指令：

获取预定时段内的关于监控区域的视频；以及

利用基于机器学习的计算模型，对所述视频所包含的多个视频帧进行分析，生成与所述监控区域内的鼠情相关的统计信息，其中所述统计信息包括所述预定时段内所述监控区域出现的老鼠的数量。