[发明专利]关键目标的行为预测方法、AI服务器及存储介质

说明书

本发明公开一种关键目标的行为预测方法，该方法包括：获取追踪相机在预设时间片段内自触发拍摄的户外图像；将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；根据目标类别，从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；当目标图像的数量超过预设数值后，根据目标图像的时间信息、地理信息、场景类别、行为信息及追踪相机的当前环境信息建立行为预测模型，并根据行为预测模型预测关键目标的未来行为。本发明可实现对人或动物的分类识别和行为预测，不仅能更准确地跟踪关键目标，而且还能帮助用户有效监控和管理监控区域内的关键目标，提升用户体验。

技术领域

本发明属于人工智能领域，尤其涉及一种关键目标的行为预测方法、AI服务器及可读存储介质。

背景技术

追踪相机是常应用于野外或者郊区的无人看守相机，可用于帮助猎人打猎、动物行为记录、保护区野生动物多样性调查研究、养殖果园监控、非法狩猎监控、私人庭院监控、工地查看等，其能够利用红外或其它感应技术的运动探测器，自动捕捉动物的运动状态。通常情况下，当追踪相机通过运动探测器发现动物后，会发出触发信号并自动拍摄高清晰度的图片和视频，然后通过wifi或移动网络上传至后台服务器，因此，很多用户在自己感兴趣的地方安装追踪相机后，然后通过用户终端查看追踪相机上传的图像或视频来观察出现在监控区域的目标对象(人或动物)。

然而，用户通过用户终端(例如手机)查看追踪相机上传的图像或视频，需要消耗大量的时间才能判断目标对象的行为特点，其用户体验较差，娱乐性低。

发明内容

本发明提供一种关键目标的行为预测方法，该方法应用于AI服务器，实施该方法，可实现对关键目标的分类识别和行为预测，不仅能更准确地跟踪关键目标的行为轨迹，而且还能帮助用户有效监控和管理监控区域内的目标对象，提升用户体验。

第一方面，提供一种关键目标的行为预测方法，应用于AI服务器，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；

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。

优选地，在预测所述关键目标的未来行为之后，所述方法还包括：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。

优选地，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。

优选地，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。

优选地，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。