【技术实现步骤摘要】
一种目标监控方法、装置、计算机设备及存储介质
本申请涉及图像识别领域，尤其涉及一种目标监控方法、装置、计算机设备及存储介质。
技术介绍
近年来卷积神经网络(ConvolutionalNeuralNetwork,CNN)在多个方向持续发力，CNN是一种模仿人类大脑神经网络的前馈神经网络，在语音识别、图像识别、运动分析、自然语言处理甚至脑电波分析方面均有很大突破，尤其是在图像识别方面有着重大的革命意义。人类和动物的大脑很容易识别物体，当我们看着像树木、汽车的东西时，我们通常能够很快判断它是什么，那是因为我们从一出生开始就一直在不断地学习当中。同样，计算机为了识别图像也需要进行大量的学习和训练，经过不断地探索和创新，人们提出了一种利用CNN建立有效的识别模型进行图像识别的方法，基本原理是：利用大量的训练样本和算法对于CNN不断的进行学习和训练，根据CNN得到的预测结果和真实结果建立误差函数，通过对该误差函数的处理可更新卷积神经网络中的权重和偏置等参数，以此建立识别模型，在应用时将测试样本输入该识别模型时会自动输出对应的识别结果。CNN通过学习、训练建立的识别模型可以对生...
【技术保护点】
1.一种目标监控方法，其特征在于，包括：获取目标群体的媒体信息，所述目标群体包括N个目标物，N为正整数；利用预设的身份识别模型对所述媒体信息进行识别确定所述目标群体中每个目标物的身份；根据每个目标物的身份从所述媒体信息中选取每个目标物对应的帧画面集；通过预设的行为识别模型对所述帧画面集进行识别确定所述帧画面集的每一帧画面中目标物的行为特征；若所述目标物的行为特征满足预设条件，则执行对应的策略计算所述目标物的行为特征满足预设条件的持续时间。
【技术特征摘要】
1.一种目标监控方法，其特征在于，包括：获取目标群体的媒体信息，所述目标群体包括N个目标物，N为正整数；利用预设的身份识别模型对所述媒体信息进行识别确定所述目标群体中每个目标物的身份；根据每个目标物的身份从所述媒体信息中选取每个目标物对应的帧画面集；通过预设的行为识别模型对所述帧画面集进行识别确定所述帧画面集的每一帧画面中目标物的行为特征；若所述目标物的行为特征满足预设条件，则执行对应的策略计算所述目标物的行为特征满足预设条件的持续时间。2.如权利要求1所述的目标监控方法，其特征在于，所述若所述目标物的行为特征满足预设条件，则执行对应的策略计算所述目标物的行为特征满足预设条件的持续时间，包括：若所述目标物的行为特征满足进食状态的条件，则记录当前帧画面发生的第一时间点；若所述第一时间点之后所述目标物的行为特征发生变化，则记录第二时间点，所述第二时间点为所述目标物的行为特征发生变化的时间点；根据所述第二时间点和所述第一时间点之间的时间差计算所述目标物的进食时间。3.如权利要求2所述的目标监控方法，其特征在于，所述若所述目标物的行为特征满足预设条件，则执行对应的策略计算所述目标物的行为特征满足预设条件的持续时间之后，所述目标监控方法还包括：若所述行为识别模型识别出所述目标物的行为特征再次满足所述预设条件，则计算此次目标物的进食时间并调取所述目标物的历史进食时间；将所述此次目标物的进食时间与所述历史进食时间相加得到更新的进食时间；根据所述更新的进食时间计算所述目标物的进食量。4.如权利要求1所述的目标监控方法，其特征在于，在所述获取目标群体的媒体信息之前，所述目标监控方法还包括：获取训练样本，所述训练样本包含的信息为训练样本中的每个目标物的面部特征和行为参数；将所述训练样本通过卷积神经网络进行处理得到预测结果，所述预测结果为通过所述卷积神经网络预测得到的每个目标物的身份以及行为特征；根据所述训练样本对应的真实结果和所述预测结果构建误差函数；采用梯度下降法和反向传导法则通过所述误差函数更新所述卷积神经网络的权重和偏置；根据所述卷积神经网络中更新的权重和更新的偏置得到识别模型，所述识别模型包括身份识别模型和行为识别模型。5.如权利要求4所述的目...
【专利技术属性】
技术研发人员：凡金龙，马进，王健宗，
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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。