一种踢被行为识别方法、装置、系统、设备和介质制造方法及图纸

本发明专利技术公开了一种踢被行为识别方法、装置、系统、设备和介质，该方法在每个设定周期内按照设定的时间间隔获取监测区域内的热成像图像，基于预先训练完成的深度学习模型，识别每个热成像图像中的关节点位置；根据关节点位置的灰度值，确定出关节点位置的温度值，通过判断关节点位置的温度值低于第一预设阈值的目标热成像图像的数量是否满足预设的条件，判断幼儿是否发生踢被行为，这是因为幼儿在踢被后身体着凉时，关节点位置降温的速度很快，因此通过检测关节点位置的温度，可以准确地判断幼儿是否发生踢被行为，并且由于使用的是热成像图像，因此在白天和夜间都可以进行踢被行为的识别，从而提高了踢被行为识别方法的适用性和准确性。

【技术实现步骤摘要】
一种踢被行为识别方法、装置、系统、设备和介质
本专利技术涉及热成像
，尤其涉及一种踢被行为识别方法、装置、系统、设备和介质。
技术介绍
由于多种原因的影响，幼儿在睡觉时会发生踢被行为，而在将被子踢掉后，由于幼儿无法自己盖上被子，因此监护人夜晚需要反复起床检查幼儿是否踢被，并在确定踢被时，给幼儿盖被子，导致监护人无法得到很好休息，并且如果检查不及时，还会导致幼儿着凉生病的问题。而针对幼儿的踢被行为，目前业界提出以下几种解决方案：(1)基于深度学习的幼儿防踢被识别方法，该方法中包括采集可见光图像，通过深度学习的方法对可见光图像进行检测，从而确定幼儿是否踢被。该方法通过相应的检测方法及装置检测幼儿是否踢被，从而提醒监护人。但是该方法是基于可见光图像的，因此只适用于白天，而幼儿的大部分踢被行为发生在晚上，导致该方法无法适用。(2)使用阵列式红外热电堆传感器监测幼儿身体区域温度，将幼儿身体区域温度与环境原始温度的温差与阈值做比较，从而判断幼儿是否踢被。该方法中将阵列式红外热电堆传感器放置于被子内，通过传感器检测被子内的温度，而由于将传感器放置于被子中会导致幼儿误食或幼儿不舒适等情况，因此防踢被装置放置于被子中的方法的危险性高，不适用于幼儿，另外通过传感器进行温度的检测精度也不高，不能很好的达到监控效果。
技术实现思路
本专利技术实施例提供了一种踢被行为识别方法、装置、系统、设备和介质，用以解决现有技术中判断幼儿是否踢被的方法的适用性差以及准确性低的问题。本专利技术实施例提供了一种踢被行为识别方法，所述方法包括：在每个设定周期内按照设定的时间间隔获取监测区域内的热成像图像，基于预先训练完成的深度学习模型，识别每个热成像图像中的关节点位置；根据每个热成像图像中的关节点位置的灰度值，确定每个热成像图像中的关节点位置的温度值；判断所述温度值低于第一预设阈值的目标热成像图像的数量是否满足预设的条件，若是，确定发生踢被行为。进一步地，所述判断所述温度值低于第一预设阈值的目标热成像图像的数量是否满足预设的条件，包括：确定所述温度值低于第一预设阈值的目标热成像图像的第一数量；判断所述第一数量与该设定周期内获取的热成像图像的第二数量的比值是否大于第二预设阈值。进一步地，所述基于预先训练完成的深度学习模型，识别每个热成像图像中的关节点位置之前，所述方法还包括：基于预先训练完成的目标检测模型，识别每个热成像图像中幼儿区域的子热成像图像；将每个子热成像图像作为监测区域对应的每个热成像图像。进一步地，所述根据每个热成像图像中的关节点位置的灰度值，确定每个热成像图像中的关节点位置的温度值，包括：根据每个热成像图像中的关节点位置及预先设置的区域范围，确定包含所述关节点位置的目标区域范围；根据所述目标区域范围的灰度值的平均值，确定每个热成像图像中的关节点位置的温度值。进一步地，所述方法还包括：向监护人的蓝牙设备发送确定信号，提醒监护人幼儿已发生踢被行为。进一步地，训练所述深度学习模型的过程包括：针对样本集中的任一样本图像，获取所述样本图像及所述样本图像对应的第一标签信息，其中所述第一标签信息标识关节点的位置信息；将所述样本图像输入到原始深度学习模型中，获取输出的所述样本图像的第二标签信息；根据所述第一标签信息和所述第二标签信息，对所述原始深度学习模型的各参数的参数值进行调整，得到训练完成的所述深度学习模型。进一步地，训练所述目标检测模型的过程包括：针对样本集中的任一样本图像，获取所述样本图像及所述样本图像对应的第三标签信息，其中所述第三标签信息标识幼儿的区域信息；将所述样本图像输入到原始目标检测模型中，获取输出的所述样本图像的第四标签信息；根据所述第三标签信息和所述第四标签信息，对所述原始目标检测模型的各参数的参数值进行调整，得到训练完成的所述目标检测模型。相应地，本专利技术实施例提供了一种踢被行为识别装置，所述装置包括：获取模块，用于在每个设定周期内按照设定的时间间隔获取监测区域内的热成像图像；识别模块，用于基于预先训练完成的深度学习模型，识别每个热成像图像中的关节点位置；确定模块，用于根据每个热成像图像中的关节点位置的灰度值，确定每个热成像图像中的关节点位置的温度值；判断模块，用于判断所述温度值低于第一预设阈值的目标热成像图像的数量是否满足预设的条件，若是，确定发生踢被行为。进一步地，所述判断模块，具体用于确定所述温度值低于第一预设阈值的目标热成像图像的第一数量；判断所述第一数量与该设定周期内获取的热成像图像的第二数量的比值是否大于第二预设阈值。进一步地，所述识别模块，还用于基于预先训练完成的深度学习模型，识别每个热成像图像中的关节点位置之前，基于预先训练完成的目标检测模型，识别每个热成像图像中幼儿区域的子热成像图像；将每个子热成像图像作为监测区域对应的每个热成像图像。进一步地，所述确定模块，具体用于根据每个热成像图像中的关节点位置及预先设置的区域范围，确定包含所述关节点位置的目标区域范围；根据所述目标区域范围的灰度值的平均值，确定每个热成像图像中的关节点位置的温度值。进一步地，所述装置还包括：发送模块，用于向监护人的蓝牙设备发送确定信号，提醒监护人幼儿已发生踢被行为。进一步地，所述装置还包括：训练模块，用于针对样本集中的任一样本图像，获取所述样本图像及所述样本图像对应的第一标签信息，其中所述第一标签信息标识关节点的位置信息；将所述样本图像输入到原始深度学习模型中，获取输出的所述样本图像的第二标签信息；根据所述第一标签信息和所述第二标签信息，对所述原始深度学习模型的各参数的参数值进行调整，得到训练完成的所述深度学习模型。进一步地，所述训练模块，还用于针对样本集中的任一样本图像，获取所述样本图像及所述样本图像对应的第三标签信息，其中所述第三标签信息标识幼儿的区域信息；将所述样本图像输入到原始目标检测模型中，获取输出的所述样本图像的第四标签信息；根据所述第三标签信息和所述第四标签信息，对所述原始目标检测模型的各参数的参数值进行调整，得到训练完成的所述目标检测模型。相应地，本专利技术实施例提供了一种踢被行为识别系统，所述系统包括执行上述踢被行为识别方法中任一所述方法的设备，以及蓝牙设备。相应地，本专利技术实施例提供了一种电子设备，所述电子设备包括存储器和处理器，所述存储器用于存储程序指令，所述处理器用于根据所述存储器中存储的计算机程序时实现上述任一所述踢被行为识别方法的步骤。相应地，本专利技术实施例提供了一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现上述任一所述踢被行为识别方法的步骤。本专利技术实施例提供了一种踢被行为识别方法、装置、系统、设备和介质，该方法在每个设定周期内按照设定的时间间隔获取监测区域内的热成像图本文档来自技高网...

【技术保护点】
1.一种踢被行为识别方法，其特征在于，所述方法包括：/n在每个设定周期内按照设定的时间间隔获取监测区域内的热成像图像，基于预先训练完成的深度学习模型，识别每个热成像图像中的关节点位置；/n根据每个热成像图像中的关节点位置的灰度值，确定每个热成像图像中的关节点位置的温度值；/n判断所述温度值低于第一预设阈值的目标热成像图像的数量是否满足预设的条件，若是，确定发生踢被行为。/n

【技术特征摘要】
1.一种踢被行为识别方法，其特征在于，所述方法包括：
在每个设定周期内按照设定的时间间隔获取监测区域内的热成像图像，基于预先训练完成的深度学习模型，识别每个热成像图像中的关节点位置；
根据每个热成像图像中的关节点位置的灰度值，确定每个热成像图像中的关节点位置的温度值；
判断所述温度值低于第一预设阈值的目标热成像图像的数量是否满足预设的条件，若是，确定发生踢被行为。


2.根据权利要求1所述的方法，其特征在于，所述判断所述温度值低于第一预设阈值的目标热成像图像的数量是否满足预设的条件，包括：
确定所述温度值低于第一预设阈值的目标热成像图像的第一数量；
判断所述第一数量与该设定周期内获取的热成像图像的第二数量的比值是否大于第二预设阈值。


3.根据权利要求1所述的方法，其特征在于，所述基于预先训练完成的深度学习模型，识别每个热成像图像中的关节点位置之前，所述方法还包括：
基于预先训练完成的目标检测模型，识别每个热成像图像中幼儿区域的子热成像图像；
将每个子热成像图像作为监测区域对应的每个热成像图像。


4.根据权利要求1所述的方法，其特征在于，所述根据每个热成像图像中的关节点位置的灰度值，确定每个热成像图像中的关节点位置的温度值，包括：
根据每个热成像图像中的关节点位置及预先设置的区域范围，确定包含所述关节点位置的目标区域范围；
根据所述目标区域范围的灰度值的平均值，确定每个热成像图像中的关节点位置的温度值。


5.根据权利要求1所述的方法，其特征在于，所述方法还包括:
向监护人的蓝牙设备发送确定信号，提醒监护人幼儿已发生踢被行为。


6.根据权利要求1所述的方法，其特征在于，训练所述深度学习模型的过程包括：
针对样本集中的任一样本图像，获取所述样本图像及所述样本图像对应的第一标签信息，其中所述第一标签信息标识关节点的位置信息；
将所述样本图像输入到原始深度学习模型中，获取输出的所述样本图像的第二标签信息；
根据所述第一标签信息和所述第二标签信息，对所述原始深度学习模型的各参数的参数值进行调整，得到训练完成的所述深度学习模型。


7.根据权利要求3所述的方法，其特征在于，训练所述目标检测模型的过程包括：
针对样本集中的任一样本图像，获取所述样本图像及所述样本图像对应的第三标签信息，其中所述第三标签信息标识幼儿的区域信息；
将所述样本图像输入到原始目标检测模型中，获取输出的所述样本图像的第四标签信息；
根据所述第三标签信息和所述第四标签信息，对所述原始目标检测模型的各参数的参数值进行调整，得到训练完成的所述目标检测模型。


8.一种踢被行为识别装置，其特征在于，所述装置包括：
获取模块，用于在每个设定周期内按照设定的时间间隔获取监测区域内的热成像图像；
识别模块，用于基于预先训练完成的深...

【专利技术属性】
技术研发人员：李明竹，
申请(专利权)人：浙江大华技术股份有限公司，
类型：发明
国别省市：浙江;33