用于告警的方法及装置制造方法及图纸

本申请实施例公开了用于告警的方法及装置。该方法的一具体实施方式包括：对获取的视频进行图像识别，得到人物信息；将人物信息对应的人物的视频片段导入预先训练的行为识别模型，得到对应人物的行为标签，上述行为识别模型用于对人物的行为进行识别，并为行为设置行为标签；响应于上述行为标签为非安全，则发出告警信号。该实施方式提高了识别视频中行为的准确性，能够及时发现非安全行为，并发出告警信号。

【技术实现步骤摘要】
用于告警的方法及装置
本申请实施例涉及计算机
，具体涉及用于告警的方法及装置。
技术介绍
随着科技的发展，电子设备的应用范围也越来越广。电子设备可以设置在路口或商店等位置，采集车辆或行人视频或图像。当发生事故等时，工作人员可以通过电子设备采集的视频或图像对事故做出分析。
技术实现思路
本申请实施例的目的在于提出了用于告警的方法及装置。第一方面，本申请实施例提供了一种用于告警的方法，该方法包括：对获取的视频进行图像识别，得到人物信息；将人物信息对应的人物的视频片段导入预先训练的行为识别模型，得到对应人物的行为标签，上述行为识别模型用于对人物的行为进行识别，并为行为设置行为标签；响应于上述行为标签为非安全，则发出告警信号。在一些实施例中，上述对获取的视频进行图像识别，得到人物信息，包括：响应于视频中存在人物图像，提取人物图像；识别人物图像对应的人物的人物信息，上述人物信息包括以下至少一项：性别、身高、着装颜色。在一些实施例中，上述行为识别模型包括卷积神经网络、循环神经网络和全连接层。在一些实施例中，上述将人物信息对应的人物的视频片段导入预先训练的行为识别模型，得到对应人物的行为标签，包括：将上述视频片段输入至上述卷积神经网络，得到上述视频片段的各帧图像的特征向量，其中，上述卷积神经网络用于表征视频片段与视频的各帧图像的特征向量之间的对应关系；将上述视频片段的各帧图像的特征向量输入至上述循环神经网络，得到上述视频片段的特征向量，其中，上述循环神经网络用于表征视频片段的各帧图像的特征向量与视频片段的特征向量之间的对应关系，视频片段的特征向量用于表征视频片段的各帧图像的特征向量之间的关联关系；将上述视频片段的特征向量输入至上述全连接层，得到上述行为标签，其中，上述全连接层用于表征视频片段的特征向量与行为标签之间的对应关系。在一些实施例中，上述行为识别模型通过如下步骤训练得到：获取多个记录有人物行为的历史视频和上述多个历史视频中的每个历史视频所对应的历史行为标签，其中，历史行为标签用于标识人物行为是否安全；将上述多个历史视频中的每个历史视频作为输入，将上述多个历史视频中的每个历史视频所对应的历史行为标签作为输出，训练得到上述行为识别模型。在一些实施例中，上述将上述多个历史视频中的每个历史视频作为输入，将上述多个历史视频中的每个历史视频所对应的历史行为标签作为输出，训练得到上述行为识别模型，包括：执行以下训练步骤：将上述多个历史视频中的每个历史视频依次输入至初始行为识别模型，得到上述多个历史视频中的每个历史视频所对应的预测历史行为标签，将上述多个历史视频中的每个历史视频所对应的预测历史行为标签与该历史视频所对应的历史行为标签进行比较，得到上述初始行为识别模型的识别准确率，确定上述识别准确率是否大于预设准确率阈值，若大于上述预设准确率阈值，则将上述初始行为识别模型作为训练完成的行为识别模型。在一些实施例中，上述将上述多个历史视频中的每个历史视频作为输入，将上述多个历史视频中的每个历史视频所对应的历史行为标签作为输出，训练得到上述行为识别模型，包括：响应于不大于上述预设准确率阈值，调整上述初始行为识别模型的参数，并继续执行上述训练步骤。第二方面，本申请实施例提供了一种用于告警的装置，该装置包括：人物信息识别单元，用于对获取的视频进行图像识别，得到人物信息；行为标签获取单元，用于将人物信息对应的人物的视频片段导入预先训练的行为识别模型，得到对应人物的行为标签，上述行为识别模型用于对人物的行为进行识别，并为行为设置行为标签；告警单元，用于响应于上述行为标签为非安全，则发出告警信号。在一些实施例中，上述人物信息识别单元包括：人物图像提取子单元，用于响应于视频中存在人物图像，提取人物图像；人物信息识别子单元，用于识别人物图像对应的人物的人物信息，上述人物信息包括以下至少一项：性别、身高、着装颜色。在一些实施例中，上述行为识别模型包括卷积神经网络、循环神经网络和全连接层。在一些实施例中，上述行为标签获取单元包括：图像特征向量获取子单元，用于将上述视频片段输入至上述卷积神经网络，得到上述视频片段的各帧图像的特征向量，其中，上述卷积神经网络用于表征视频片段与视频的各帧图像的特征向量之间的对应关系；视频特征向量获取子单元，用于将上述视频片段的各帧图像的特征向量输入至上述循环神经网络，得到上述视频片段的特征向量，其中，上述循环神经网络用于表征视频片段的各帧图像的特征向量与视频片段的特征向量之间的对应关系，视频片段的特征向量用于表征视频片段的各帧图像的特征向量之间的关联关系；行为标签获取子单元，用于将上述视频片段的特征向量输入至上述全连接层，得到上述行为标签，其中，上述全连接层用于表征视频片段的特征向量与行为标签之间的对应关系。在一些实施例中，上述装置包括行为识别模型训练单元，上述行为识别模型训练单元包括：历史信息获取子单元，用于获取多个记录有人物行为的历史视频和上述多个历史视频中的每个历史视频所对应的历史行为标签，其中，历史行为标签用于标识人物行为是否安全；行为识别模型训练子单元，用于将上述多个历史视频中的每个历史视频作为输入，将上述多个历史视频中的每个历史视频所对应的历史行为标签作为输出，训练得到上述行为识别模型。在一些实施例中，上述行为识别模型训练子单元包括：行为识别模型训练模块，用于将上述多个历史视频中的每个历史视频依次输入至初始行为识别模型，得到上述多个历史视频中的每个历史视频所对应的预测历史行为标签，将上述多个历史视频中的每个历史视频所对应的预测历史行为标签与该历史视频所对应的历史行为标签进行比较，得到上述初始行为识别模型的识别准确率，确定上述识别准确率是否大于预设准确率阈值，若大于上述预设准确率阈值，则将上述初始行为识别模型作为训练完成的行为识别模型。在一些实施例中，上述行为识别模型训练子单元还包括：参数调整模块，用于响应于不大于上述预设准确率阈值，调整上述初始行为识别模型的参数，并继续执行上述训练步骤。第三方面，本申请实施例提供了一种服务器，包括：一个或多个处理器；存储器，用于存储一个或多个程序，摄像头，用于获取图像和/或视频；当上述一个或多个程序被上述一个或多个处理器执行时，使得上述一个或多个处理器执行上述第一方面的用于告警的方法。第四方面，本申请实施例提供了一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现上述第一方面的用于告警的方法。本申请实施例提供的用于告警的方法及装置，首先对获取的视频进行图像识别，得到人物信息；然后，将人物信息对应的人物的视频片段导入预先训练的行为识别模型，得到对应人物的行为标签；最后在行为标签为非安全时发出告警信号。本申请能够对视频包含的行为进行分析，并为行为设置行为标签；当行为标签为非安全时发出告警信号。提高了识别视频中行为的准确性，能够及时发现非安全行为，并发出告警信号。附图说明通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：图1是本申请可以应用于其中的示例性系统架构图；图2是根据本申请的用于告警的方法的一个实施例的流程图；图3是根据本申请的行为识别模型训练方法的一个实施例的流程图；图4是根据本文档来自技高网...

【技术保护点】
1.一种用于告警的方法，包括：对获取的视频进行图像识别，得到人物信息；将人物信息对应的人物的视频片段导入预先训练的行为识别模型，得到对应人物的行为标签，所述行为识别模型用于对人物的行为进行识别，并为行为设置行为标签；响应于所述行为标签为非安全，则发出告警信号。

【技术特征摘要】
1.一种用于告警的方法，包括：对获取的视频进行图像识别，得到人物信息；将人物信息对应的人物的视频片段导入预先训练的行为识别模型，得到对应人物的行为标签，所述行为识别模型用于对人物的行为进行识别，并为行为设置行为标签；响应于所述行为标签为非安全，则发出告警信号。2.根据权利要求1所述的方法，其中，所述对获取的视频进行图像识别，得到人物信息，包括：响应于视频中存在人物图像，提取人物图像；识别人物图像对应的人物的人物信息，所述人物信息包括以下至少一项：性别、身高、着装颜色。3.根据权利要求1所述的方法，其中，所述行为识别模型包括卷积神经网络、循环神经网络和全连接层。4.根据权利要求3所述的方法，其中，所述将人物信息对应的人物的视频片段导入预先训练的行为识别模型，得到对应人物的行为标签，包括：将所述视频片段输入至所述卷积神经网络，得到所述视频片段的各帧图像的特征向量，其中，所述卷积神经网络用于表征视频片段与视频的各帧图像的特征向量之间的对应关系；将所述视频片段的各帧图像的特征向量输入至所述循环神经网络，得到所述视频片段的特征向量，其中，所述循环神经网络用于表征视频片段的各帧图像的特征向量与视频片段的特征向量之间的对应关系，视频片段的特征向量用于表征视频片段的各帧图像的特征向量之间的关联关系；将所述视频片段的特征向量输入至所述全连接层，得到所述行为标签，其中，所述全连接层用于表征视频片段的特征向量与行为标签之间的对应关系。5.根据权利要求1所述的方法，其中，所述行为识别模型通过如下步骤训练得到：获取多个记录有人物行为的历史视频和所述多个历史视频中的每个历史视频所对应的历史行为标签，其中，历史行为标签用于标识人物行为是否安全；将所述多个历史视频中的每个历史视频作为输入，将所述多个历史视频中的每个历史视频所对应的历史行为标签作为输出，训练得到所述行为识别模型。6.根据权利要求5所述的方法，其中，所述将所述多个历史视频中的每个历史视频作为输入，将所述多个历史视频中的每个历史视频所对应的历史行为标签作为输出，训练得到所述行为识别模型，包括：执行以下训练步骤：将所述多个历史视频中的每个历史视频依次输入至初始行为识别模型，得到所述多个历史视频中的每个历史视频所对应的预测历史行为标签，将所述多个历史视频中的每个历史视频所对应的预测历史行为标签与该历史视频所对应的历史行为标签进行比较，得到所述初始行为识别模型的识别准确率，确定所述识别准确率是否大于预设准确率阈值，若大于所述预设准确率阈值，则将所述初始行为识别模型作为训练完成的行为识别模型。7.根据权利要求6所述的方法，其中，所述将所述多个历史视频中的每个历史视频作为输入，将所述多个历史视频中的每个历史视频所对应的历史行为标签作为输出，训练得到所述行为识别模型，包括：响应于不大于所述预设准确率阈值，调整所述初始行为识别模型的参数，并继续执行所述训练步骤。8.一种用于告警的装置，包括：人物信息识别单元，用于对获取的视频进行图像识别，得到人物信息；行为标签获取单元，用于将人物信息对应的人物的视频片段导入预先训练的行为识...

【专利技术属性】
技术研发人员：杨锐，
申请(专利权)人：百度在线网络技术北京有限公司，
类型：发明
国别省市：北京,11