[发明专利]关键目标的行为预测方法、AI服务器及存储介质

权利要求书

1.一种关键目标的行为预测方法，其特征在于，应用于AI服务器，并用于打猎场景，包括：

获取追踪相机在预设时间片段内自触发拍摄的户外图像；其中所述追踪相机检基于红外探测功能和温差感应功能触发拍摄；

将所述户外图像输入到卷积神经网络中进行分类和识别，得到带标注信息的户外图像；其中所述标注信息包括场景类别、目标类别和行为信息；

根据所述目标类别，从所述带标注信息的户外图像中筛选出包含关键目标的目标图像；

当所述目标图像的数量超过预设数值后，根据所述目标图像的时间信息、地理信息、场景类别、行为信息及所述追踪相机的当前环境信息建立行为预测模型，并根据所述行为预测模型预测所述关键目标的未来行为；

继续获取所述追踪相机自触发拍摄得到的户外图像；若将所述户外图像输入到所述卷积神经网络中进行分类和识别，得到的带标注信息的户外图像中的目标类别为所述关键目标，而且其行为信息与预测的所述未来行为相符，则触发向用户终端发送提醒信息。

2.根据权利要求1所述的方法，其特征在于，在将所述户外图像输入到卷积神经网络中进行分类和识别之后，所述方法还包括：

若所述户外图像为误触发拍摄得到的，则过滤该户外图像；

若所述户外图像的图像质量低于预设阈值，则对该户外图像进行修正处理，以使该户外图像的图像质量满足所述预设阈值；

若所述户外图像为在光线较弱的环境拍摄得到的，则对该户外图像进行彩色化处理。

3.根据权利要求2所述的方法，其特征在于，在从所述带标注信息的户外图像中筛选出包含关键目标的目标图像之后，所述方法还包括：

根据所述目标图像生成所述关键目标的时间轴信息，其中所述时间轴信息包括时间信息、地理信息、场景类别和行为信息；

并将所述时间轴信息和所述目标图像发送至用户终端，以使所述用户终端显示所述目标图像和所述时间轴信息。

4.根据权利要求3所述的方法，其特征在于，在根据所述目标图像生成所述关键目标的时间轴信息之后，所述方法还包括：

对所述关键目标的时间轴信息进行统计，得到所述关键目标的习惯行为，并将所述关键目标的习惯行为发送至所述用户终端。

5.根据权利要求4所述的方法，其特征在于，在将所述时间轴信息和所述目标图像发送至用户终端之后，或者在将所述关键目标的习惯行为发送至所述用户终端之后，所述方法还包括：

接收从用户终端反馈的错误信息，并获取所述错误信息对应的目标图像；其中所述错误信息包括错误时间轴信息，和/或，错误习惯行为；

获取所述错误信息对应的目标图像的人为标注信息，并将该人为标注信息和该目标图像重新输入到所述卷积神经网络中进行训练。

6.根据权利要求1所述的方法，其特征在于，在将所述户外图像输入到卷积神经网络中进行分类和识别之后，所述方法包括:

若无法得到带标注信息的户外图像，则获取该户外图像的人为标注信息，并将该户外图像和其人为标注信息重新输入到所述卷积神经网络中进行训练。

7.根据权利要求1所述的方法，其特征在于，所述追踪相机为多个，且各个追踪相机的地理位置不同，在筛选出包含关键目标的目标图像之后，所述方法还包括：

根据从多个不同地理位置的追踪相机对应的目标图像，生成关键目标地图，并将所述关键目标地图发送至用户终端；其中所述关键目标地图包括所述关键目标的休息地，和/或，饮水地。