监控目标的监控方法、装置、计算机设备及存储介质制造方法及图纸

本发明专利技术公开了一种监控目标的监控方法、装置、计算机设备及存储介质，所述方法包括：采集包含待识别目标的初始视频；获取初始视频中的初始图像以及初始图像的采集时间；获取包含监测目标的初始图像，将包含监测目标的初始图像记录为目标图像，并将目标图像以及与目标图像对应的采集时间关联存储；获取预设的VGG卷积神经网络模型；将目标图像输入至VGG卷积神经网络模型，获取输出的肢体图像；根据肢体图像以及与肢体图像对应的采集时间，通过预设的跌倒规则检测监测目标是否跌倒，在检测目标跌倒时，对预设的管理方进行预警。本发明专利技术可以精准的判定出监测目标是否处于跌倒状态，以便于更高效的对管理方进行预警，避免监测目标的损伤，提升用户体验。

Monitoring methods, devices, computer equipment and storage media for monitoring targets

【技术实现步骤摘要】
监控目标的监控方法、装置、计算机设备及存储介质
本专利技术涉及图像检测领域，尤其涉及一种监控目标的监控方法、装置、计算机设备及存储介质。
技术介绍
现今大多数老人或行动不便的人大部分时间都是独自生活，或有比较多的时间处于无人监管的状态下，此时若他们出现跌倒等状况时，若不能及时发现并通知相关的人对他们进行帮助，可能会导致无法挽回的后果，而如何监测老人等是否出现跌倒等状况，则需要快速且准确的监测方法。
技术实现思路
基于此，本专利技术提供一种监控目标的监控方法、装置、计算机设备及存储介质，用于精准的判定出监测目标是否处于跌倒状态，以便于更高效的对管理方进行预警，避免监测目标的损伤，提升用户体验。一种监控目标的监控方法，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。一种跌倒监测装置，包括：采集模块，用于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；预处理模块，用于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；筛选模块，用于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；模型获取模块，用于获取预设的VGG卷积神经网络模型；肢体识别模块，用于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；判定模块，用于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。一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述监控目标的监控方法的步骤。一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述监控目标的监控方法的步骤。上述监控目标的监控方法、装置、计算机设备及存储介质，通过引入VGG卷积神经网络模型，对所采集到的包含监测目标的初始图像进行人体关节点和肢体的识别，进而获得记录人体关节点和肢体的肢体图像，且引入所述跌倒规则和肢体图像对应的采集时间对肢体图像进行判断，可以更精准的判定出监测目标是否处于跌倒状态，以便于更高效的对管理方进行预警，避免监测目标的损伤，提升用户体验。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对本专利技术实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术一实施例中监控目标的监控方法的一应用环境示意图；图2是本专利技术一实施例中监控目标的监控方法的流程图；图3是本专利技术一实施例中监控目标的监控方法的步骤S40的流程图；图4是本专利技术一实施例中监控目标的监控方法的步骤S404的流程图；图5是本专利技术一实施例中监控目标的监控方法的步骤S60的流程图；图6是本专利技术另一实施例中监控目标的监控方法的步骤S60的流程图；图7是本专利技术一实施例中跌倒监测装置的示意图；图8是本专利技术一实施例中跌倒监测装置的模型获取模块的示意图；图9是本专利技术一实施例中跌倒监测装置的判定模块的示意图；图10是本专利技术一实施例中计算机设备的一示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术提供的监控目标的监控方法，可应用在如图1的应用环境中，其中，客户端(计算机设备/终端设备)通过网络与服务器(服务端)进行通信。首先对初始视频进行处理获取目标图像，然后，通过引入VGG卷积神经网络模型，对所采集到的包含监测目标的初始图像进行人体关节点和肢体的识别，进而获得记录人体关节点和肢体的肢体图像，且引入所述跌倒规则和肢体图像对应的采集时间对肢体图像进行判断，判断监测目标是否跌倒。其中，客户端(计算机设备/终端设备)包括但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。在一实施例中，如图2所示，提供一种监控目标的监控方法，以该方法应用在图1中的服务器为例进行说明，包括如下步骤：S10，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。所述待识别目标是指出现在所述初始视频中的人，可能为第三人(非监测目标)或是监测目标，所述监测目标为预先设定的需要实时监测其行动状况的人，如老人院中的老人，又如家庭中的老人或/和小孩；可理解地，所述第三人即为没有设定进行监测的人。在一实施例中，所述监测目标为老人院中的老人，采集包含监测目标的初始视频包括：首先与老人院中预先设立的监控设备进行通讯连接(可以使用有线连接，亦可以通过蓝牙，WiFi等无线网络技术与所述监控设备进行连接)，然后通过所述监控设备实时拍摄所述监控设备的监控区域下的视频，接着，检测拍摄的视频中是否出现待识别目标，当拍摄的视频中出现所述待识别目标时，即代表拍摄的视频可能包含有监测目标，此时，获取所述初始视频，以供在后续步骤中获取目标图像。所述开始时间是指所述终端设备开始采集到所述初始视频的时间，所述结束时间是指所述终端设备结束采集所述初始视频的时间。在本应用场景下，所述监控设备包括但不限于摄像机、手动或电动镜头、或能传导和记录音频信号的设备；所述检测拍摄的视频中是否出现待识别目标，可以利用比对像素的方法，即预先获取所述监控终端的监控区域在无待识别目标时的原始像素，然后获取拍摄的视频的当前像素，比对所述当前像素和所述原始像素是否相差超过预设的差异阈值，当二者之间的差异超过所述差异阈值时，即证明所述拍摄的视频中出现了待识别目标。S20，通过对所述初始视频进行预处理，获取所述初始视频中的本文档来自技高网...

【技术保护点】
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。

【技术特征摘要】
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...

【专利技术属性】
技术研发人员：曹靖康，王健宗，王义文，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东,44