[发明专利]一种目标监控方法、装置、计算机设备及存储介质

说明书

本申请公开了一种目标监控方法，首先获取目标群体的媒体信息，目标群体包括N个目标物，N为正整数；再利用预设的身份识别模型对媒体信息进行识别确定所述目标群体中每个目标物的身份；然后根据每个目标物的身份从媒体信息中选取每个目标物对应的帧画面集；通过预设的行为识别模型对帧画面集进行识别确定帧画面集的每一帧画面中目标物的行为特征；如果目标物的行为特征满足预设条件，则执行对应的策略计算目标物的行为特征满足预设条件的持续时间。可自动识别出视频中目标物的身份并进行区分，对每个目标物的行为习惯进行监控管理。本发明还公开了一种目标监控装置、相关计算机设备及存储介质。

技术领域

本申请涉及图像识别领域，尤其涉及一种目标监控方法、装置、计算机设备及存储介质。

背景技术

近年来卷积神经网络(Convolutional Neural Network,CNN)在多个方向持续发力，CNN是一种模仿人类大脑神经网络的前馈神经网络，在语音识别、图像识别、运动分析、自然语言处理甚至脑电波分析方面均有很大突破，尤其是在图像识别方面有着重大的革命意义。

人类和动物的大脑很容易识别物体，当我们看着像树木、汽车的东西时，我们通常能够很快判断它是什么，那是因为我们从一出生开始就一直在不断地学习当中。同样，计算机为了识别图像也需要进行大量的学习和训练，经过不断地探索和创新，人们提出了一种利用CNN建立有效的识别模型进行图像识别的方法，基本原理是：利用大量的训练样本和算法对于CNN不断的进行学习和训练，根据CNN得到的预测结果和真实结果建立误差函数，通过对该误差函数的处理可更新卷积神经网络中的权重和偏置等参数，以此建立识别模型，在应用时将测试样本输入该识别模型时会自动输出对应的识别结果。

CNN通过学习、训练建立的识别模型可以对生物体进行识别，例如当输入具有奶牛的图片或视频时该模型可以自动识别出目标物是奶牛，但是现有的视频监控仅能对目标进行浅层次地观察，并不能进一步通过视频进行数据收集、分析行为等过程，无法对目标物的行为习惯进行记录和分析。

发明内容

本申请实施例提供一种目标监控方法、装置、计算机设备及存储介质，可自动识别出视频中目标物的身份并进行区分，通过视频监控对每个目标物的行为习惯进行实时记录和智能分析，大大增强了视频监控的实用性。

一种目标监控方法，包括：

获取目标群体的媒体信息，所述目标群体包括N个目标物，N为正整数；

利用预设的身份识别模型对所述媒体信息进行识别确定所述目标群体中每个目标物的身份；

根据每个目标物的身份从所述媒体信息中选取每个目标物对应的帧画面集；

通过预设的行为识别模型对所述帧画面集进行识别确定所述帧画面集的每一帧画面中目标物的行为特征；

若所述目标物的行为特征满足预设条件，则执行对应的策略计算所述目标物的行为特征满足预设条件的持续时间。

一种目标监控装置，包括：

获取模块，用于获取目标群体的媒体信息，所述目标群体包括N个目标物，所述N为正整数；

识别模块，用于利用身份识别模型对所述媒体信息进行识别确定所述目标群体中每个目标物的身份信息；

处理模块，用于根据每个目标物的身份信息从所述媒体信息中确定每个目标物对应的帧画面集；

所述处理模块，还用于通过行为识别模型对所述帧画面集进行识别确定每一帧画面中目标物的行为特征；

计算模块，用于若所述目标物的行为特征满足预设条件，则执行对应的策略计算所述目标物的行为特征满足预设条件的持续时间。