[发明专利]监控目标的监控方法、装置、计算机设备及存储介质

权利要求书

1.一种监控目标的监控方法，其特征在于，包括：

采集包含待识别目标的初始视频，并记录开始采集所述初始视频的开始时间，和结束采集所述初始视频的结束时间；

通过对所述初始视频进行预处理，获取所述初始视频中的初始图像以及所述初始图像在所述初始视频中对应的播放时间，并根据所述开始时间、所述结束时间和所述播放时间，获取所述初始图像的采集时间；

提取所述初始图像中的待识别目标的人脸特征，并将所述人脸特征与自数据库中调取的监测目标的人脸特征进行比对，获取包含监测目标的初始图像，将所述包含监测目标的初始图像记录为目标图像，并将所述目标图像以及与所述目标图像对应的所述采集时间关联存储；

获取预设的VGG卷积神经网络模型；

将所述目标图像输入至所述VGG卷积神经网络模型，获取输出的肢体图像；

根据所述肢体图像以及与所述肢体图像对应的所述采集时间，通过预设的跌倒规则检测所述监测目标是否跌倒，并在所述检测目标跌倒时，对预设的管理方进行预警。

2.如权利要求1所述的监控目标的监控方法，其特征在于，所述获取预设的VGG卷积神经网络模型，包括：

获取样本图像以及与所述样本图像对应的真实肢体图像；

将所述样本图像输入至包含初始参数的VGG卷积神经网络模型，获取输出的样本肢体图像，并获取所有所述样本肢体图像与所述真实肢体图像之间的整体相似度；

检测所述整体相似度是否大于预设的相似阈值；

当所述整体相似度小于或等于所述相似阈值时，调整所述VGG卷积神经网络模型的初始参数，并继续执行获取所述整体相似度及其后续步骤，直至所述整体相似度大于所述相似阈值；

当所述整体相似度大于所述相似阈值时，确认所述VGG卷积神经网络模型训练完成，并获取所述VGG卷积神经网络模型。

3.如权利要求2所述的监控目标的监控方法，其特征在于，所述调整所述VGG卷积神经网络模型的初始参数，包括：

通过损失函数计算所述样本肢体图像与其对应的真实肢体图像之间的调整权数；

根据所述调整权数对所述VGG卷积神经网络模型的初始参数进行调整。

4.如权利要求1所述的监控目标的监控方法，其特征在于，所述根据所述肢体图像以及与所述肢体图像对应的所述采集时间，通过预设的跌倒规则检测所述监测目标是否跌倒，包括：

获取所述肢体图像中的人体各关节点或/和各肢体之间的位置关系；

检测所述跌倒规则中是否存在与所述肢体图像中的人体各关节点或/和各肢体之间的位置关系相匹配的所述跌倒位置关系；

当所述跌倒规则中存在与所述肢体图像中的人体各关节点或/和各肢体之间的位置关系相匹配的所述跌倒位置关系时，获取在所述肢体图像对应的所述采集时间之后的预设时间段内的所有肢体图像，并将获取的所有肢体图像作为判断图像；

遍历所有所述判断图像，检测人体各关节点或/和各肢体之间的位置关系与所述跌倒规则中的跌倒位置关系相匹配的所述判断图像是否大于预设比例；

当人体各关节点或/和各肢体之间的位置关系与所述跌倒规则中的跌倒位置关系相匹配的所述判断图像大于所述预设比例时，确认所述监测目标跌倒。

5.如权利要求4所述的监控目标的监控方法，其特征在于，所述遍历所有所述判断图像，检测人体各关节点或/和各肢体之间的位置关系与所述跌倒规则中的跌倒位置关系相匹配的所述判断图像是否大于预设比例之后，还包括：

当人体各关节点或/和各肢体之间的位置关系与所述跌倒规则中的跌倒位置关系相匹配的所述判断图像小于或等于所述预设比例时，确认所述监测目标无跌倒。