[发明专利]对鼠情进行统计的方法、装置、设备以及存储介质

说明书

本申请公开了一种对鼠情进行统计的方法、装置、设备以及存储介质。其中，使用基于机器学习的计算模型，对视频进行分析，生成与鼠情相关的统计信息。包括：通过利用训练好的计算模型对视频包含的视频帧进行检测处理，生成包含单个老鼠图像的图片。并对包含单个老鼠图像的图片进行特征提取，生成特征向量信息及特征向量数据库。然后对特征向量信息进行聚类处理，被聚为一类的视为同一个老鼠从而生成了包含老鼠个数的统计信息。整个过程不需要人工干预，能够精确地生成包含老鼠数量的统计信息。从而很好的解决了现有视觉监测方法中存在的检测效率低、成本高、识别率低、时效低以及信息不完整等技术问题。

技术领域

本申请涉及鼠情监测领域，特别是涉及一种对鼠情进行统计的方法、装置、设备以及存储介质。

背景技术

目前针对鼠情监测主要包括传统鼠情监测方法和逐渐流行的机器视觉监测方法。传统监测方法如粉剂法、鼠夹法、粘鼠板、目测法等方法。这些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。

针对传统的鼠情监测方法存在的问题，机器视觉入侵识别技术得以应用，而目前比较先进的入侵检测识别技术，主要依赖于激光感应，由于激光的原理仅仅是一条射线，因此在识别老鼠的过程中要装备大量的激光设备来提升激光所探测密度，成本造价太高，且激光仅适用于开阔地，会产生大量的辐射，造成投鼠忌器的负面作用。智能安防只能通过压力大小、温度等物理特征判断生物，并不能精确判断是否是老鼠或是其他同等大小生物。并且传感器有以下不足：作用型传感器:须用特殊光纤,成本高；非作用型传感器虽然成本低，但灵敏度较低。

并且，激光检测没有提取老鼠识别的足够的特征，无法准确识别每一只老鼠，也不能实现统计老鼠数量的功能。

针对上述的现有的监测方法中存在的检测效率低、成本高、识别率低、时效低以及信息不完整等技术问题，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对鼠情进行统计的方法、装置、设备以及存储介质，以至少解决现有的视觉监测方法中存在的检测效率低、成本高、识别率低、时效低以及信息不完整等技术问题。

根据本公开实施例的一个方面，提供了一种对鼠情进行统计的方法，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，对视频所包含的多个视频帧进行分析，生成与监控区域内的鼠情相关的统计信息，其中统计信息包括预定时段内所述监控区域出现的老鼠的数量。

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

根据本公开实施例的另一个方面，还提供了一种对鼠情进行统计的装置，包括：视频获取模块，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，用于利用基于机器学习的计算模型，对视频所包含的多个视频帧进行分析，生成与监控区域内的鼠情相关的统计信息。其中统计信息包括预定时段内监控区域出现的老鼠的数量。

根据本公开实施例的另一个方面，还提供了一种对鼠情进行统计的设备，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：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，对视频所包含的多个视频帧进行分析，生成与监控区域内的鼠情相关的统计信息。其中统计信息包括预定时段内监控区域出现的老鼠的数量。