对鼠情进行统计的方法、装置、设备以及存储介质制造方法及图纸

本申请公开了一种对鼠情进行统计的方法、装置、设备以及存储介质。其中，使用基于机器学习的计算模型，对视频进行分析，生成与鼠情相关的统计信息。包括：通过利用训练好的计算模型对视频包含的视频帧进行检测处理，生成包含单个老鼠图像的图片。并对包含单个老鼠图像的图片进行特征提取，生成特征向量信息及特征向量数据库。然后对特征向量信息进行聚类处理，被聚为一类的视为同一个老鼠从而生成了包含老鼠个数的统计信息。整个过程不需要人工干预，能够精确地生成包含老鼠数量的统计信息。从而很好的解决了现有视觉监测方法中存在的检测效率低、成本高、识别率低、时效低以及信息不完整等技术问题。

【技术实现步骤摘要】
对鼠情进行统计的方法、装置、设备以及存储介质
本申请涉及鼠情监测领域，特别是涉及一种对鼠情进行统计的方法、装置、设备以及存储介质。
技术介绍
目前针对鼠情监测主要包括传统鼠情监测方法和逐渐流行的机器视觉监测方法。传统监测方法如粉剂法、鼠夹法、粘鼠板、目测法等方法。这些方法在识别鼠情及鼠密度上存在诸多不足：粉剂法以及目测法误差大，耗费人力资源；鼠夹法以及粘鼠板效率低，均无法观察活鼠的形态、活动规律等鼠情，且都存在消息延后无法获取及时动态信息。针对传统的鼠情监测方法存在的问题，机器视觉入侵识别技术得以应用，而目前比较先进的入侵检测识别技术，主要依赖于激光感应，由于激光的原理仅仅是一条射线，因此在识别老鼠的过程中要装备大量的激光设备来提升激光所探测密度，成本造价太高，且激光仅适用于开阔地，会产生大量的辐射，造成投鼠忌器的负面作用。智能安防只能通过压力大小、温度等物理特征判断生物，并不能精确判断是否是老鼠或是其他同等大小生物。并且传感器有以下不足：作用型传感器:须用特殊光纤,成本高；非作用型传感器虽然成本低，但灵敏度较低。并且，激光检测没有提取老鼠识别的足够的特征，无法准确识别每一只老鼠，也本文档来自技高网...

【技术保护点】
1.一种对鼠情进行统计的方法，其特征在于，包括：获取预定时段内的关于监控区域的视频；以及利用基于机器学习的计算模型，对所述视频所包含的多个视频帧进行分析，生成与所述监控区域内的鼠情相关的统计信息，其中所述统计信息包括所述预定时段内所述监控区域出现的老鼠的数量。

【技术特征摘要】
1.一种对鼠情进行统计的方法，其特征在于，包括：获取预定时段内的关于监控区域的视频；以及利用基于机器学习的计算模型，对所述视频所包含的多个视频帧进行分析，生成与所述监控区域内的鼠情相关的统计信息，其中所述统计信息包括所述预定时段内所述监控区域出现的老鼠的数量。2.根据权利要求1所述的方法，其特征在于，所述计算模型包括基于机器学习的检测模型、基于机器学习的特征提取模型以及聚类模型，并且利用所述计算模型，对所述多个视频帧进行分析，生成所述统计信息的操作，包括：利用所述检测模型检测所述多个视频帧中包含的老鼠图像，并且生成包含单个老鼠图像的图片；利用所述特征提取模型对所述包含单个老鼠图像的图片进行处理，生成与所述图片中的老鼠图像对应的特征向量；以及利用所述聚类模型对所述特征向量进行聚类处理，得到所述老鼠图像的类别的数量，并且将所述类别的数量作为所述预定时段内所述监控区域出现的老鼠的数量，根据所述老鼠的数量生成所述统计信息。3.根据权利要求2所述的方法，其特征在于，利用所述检测模型检测所述多个视频帧中包含的老鼠图像，并且生成包含单个老鼠图像的图片的操作，包括：利用所述检测模型，生成所述老鼠图像在相应的视频帧中的位置及宽高信息；以及根据所述老鼠图像的所述位置及宽高信息从所述相应的视频帧中提取所述老鼠图像，并生成包含单个老鼠图像的所述图片。4.根据权利要求3所述的方法，其特征在于，所述检测模型包含卷积神经网络，并且生成所述老鼠图像在相应的视频帧中的位置及宽高信息的操作，包括：利用所述卷积神经网络对所述多个视频帧进行处理，生成分别与所述多个视频帧对应的多个向量，其中所述多个向量包含对应的视频帧中所述老鼠图像的位置及宽高信息。5.根据权利要求2所述的方法，其特征在于，所述特征提取...

【专利技术属性】
技术研发人员：黄清臻，李邦庚，田志博，
申请(专利权)人：思百达物联网科技北京有限公司，
类型：发明
国别省市：北京,11