The invention relates to the recognition method, device, computer equipment and storage medium of infant's spitting behavior. The method includes obtaining real-time image of infant to get the image to be recognized; using the deep learning recognition model to recognize the image to be recognized to get the recognition result; outputting the recognition result to the terminal to prompt the terminal; wherein, the deep learning recognition model is based on The images of dry infant's spitting behavior and non - spitting behavior are obtained by training convolution neural network as sample set. After obtaining the candidate frame of the infant's face area, the candidate frame is divided into several local areas by the classification network and mapped to the score feature map to obtain the relevant feature map, the probability of each category is calculated according to the relevant feature map to identify the category, and the image is recognized by the deep learning recognition model to obtain the category, so as to improve the recognition of the whole infant's spitting behavior The accuracy of other processes reduces the complexity of recognition.
【技术实现步骤摘要】
婴幼儿吐奶行为识别方法、装置、计算机设备及存储介质
本专利技术涉及计算机
,更具体地说是指婴幼儿吐奶行为识别方法、装置、计算机设备及存储介质。
技术介绍
吐奶或溢奶是新生儿和婴幼儿很常见的现象,大多数情况下吐奶是生理性的,但是如果奶水由食管突然反逆到咽喉部时,婴幼儿刚好正在吸气,误入气管,发生呛奶。量少时,可直接吸入肺部造成吸入性肺炎。量大时,将造成气管堵塞,呼吸不畅,甚至会危及婴幼儿生命安全。虽然市场上已出现针对婴幼儿吐奶行为硬件识别设备,但多为侵扰式安装,影响婴幼儿睡眠质量,通过图像处理技术来识别吐奶行为的设备也易受光照、识别模型匮乏等因素影响。婴幼儿在睡眠期间,发生吐奶不易被察觉,缺少既能直接识别婴幼儿在睡眠期间的吐奶行为,又不影响婴幼儿睡眠的非接触式识别手段,目前关于婴幼儿吐奶行为识别的设备和方法主要分为两大类:一种是接触式的硬件传感器识别方法,往往会影响到婴幼儿睡眠质量,并且在婴幼儿吐奶量过少的情况下不易识别到;另一种是基于图像处理的非接触式识别方法。但是仅仅对图像灰度阈值信息的简单处理,很难保证识别结果的准确有效性,且一般会局限于婴幼儿的嘴部部位来识别吐奶行为,识别的准确率较低。因此,有必要设计一种新的方法,实现提高整个婴幼儿吐奶行为识别过程的准确率,降低识别复杂度。
技术实现思路
本专利技术的目的在于克服现有技术的缺陷,提供婴幼儿吐奶行为识别方法、装置、计算机设备及存储介质。为实现上述目的,本专利技术采用以下技术方案:婴幼儿吐奶行为识别方法,包括:获取婴幼儿实时图像,以得到待识别图像;采用深度学习识别模型对待识别图像进行识别,以得到识别结果 ...
【技术保护点】
1.婴幼儿吐奶行为识别方法,其特征在于,包括:获取婴幼儿实时图像,以得到待识别图像;采用深度学习识别模型对待识别图像进行识别,以得到识别结果;将识别结果输出至终端,以提示终端;其中,所述深度学习识别模型是通过若干婴幼儿吐奶行为图像以及婴幼儿非吐奶行为图像作为样本集训练深度学习卷积神经网络所得的。
【技术特征摘要】
1.婴幼儿吐奶行为识别方法,其特征在于,包括:获取婴幼儿实时图像,以得到待识别图像;采用深度学习识别模型对待识别图像进行识别,以得到识别结果;将识别结果输出至终端,以提示终端;其中,所述深度学习识别模型是通过若干婴幼儿吐奶行为图像以及婴幼儿非吐奶行为图像作为样本集训练深度学习卷积神经网络所得的。2.根据权利要求1所述的婴幼儿吐奶行为识别方法,其特征在于,所述深度学习识别模型是通过若干婴幼儿吐奶行为图像以及婴幼儿非吐奶行为图像作为样本集训练深度学习卷积神经网络所得的,包括:获取带有类别标签的若干婴幼儿吐奶行为图像以及婴幼儿非吐奶行为图像,以得到样本集;对样本集分为训练集以及测试集;构建基础网络、面部区域提取网络以及分类网络;利用训练集对基础网络、面部区域提取网络以及分类网络进行训练,以得到待核对识别模型;采用测试集对待核对识别模型进行测试,以得到测试结果;判断所述测试结果是否符合预设条件;若是,则将待核对识别模型作为深度学习识别模型;若否,则返回所述利用训练集对基础网络、面部区域提取网络以及分类网络进行训练,以得到待核对识别模型。3.根据权利要求2所述的婴幼儿吐奶行为识别方法,其特征在于,所述利用训练集对基础网络、面部区域提取网络以及分类网络进行训练,以得到待核对识别模型,包括:将训练集输入基础网络内进行卷积,以得到第一卷积结果;将第一卷积结果输入面部区域提取网络内进行面部区域提取,以得到候选框;将候选框输入分类网络内进行分类,以得到分类结果;根据分类结果以及对应类别标签计算损失值;判断所述损失值是否不大于预设阈值;若是,则整合基础网络、面部区域提取网络以及分类网络,以得到待核对识别模型;若否,则调整基础网络、面部区域提取网络以及分类网络对应的参数,并返回所述将训练集输入基础...
【专利技术属性】
技术研发人员:汪玉冰,郑邦胜,王秋阳,周起如,
申请(专利权)人:深圳市赛为智能股份有限公司,
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。