偷盗行为预警方法、终端设备及存储介质技术

本发明专利技术涉及一种偷盗行为预警方法、终端设备及存储介质，应用于行为检测技术领域，该方法包括：获取拍摄视频中的图像；根据预设算法判断所述图像中是否有人；若是，则通过预先训练的偷盗行为分类模型对所述图像中的人的行为进行判别；若所述行为属于偷盗行为，则向用户发送报警信息和图像信息。通过以上技术方案，在对区域的管理上，不仅提高了管理效率，还降低了人工成本，在实际应用的过程中，使得识别过程更加简便，且能够在绝大部分的设备上应用。

Early warning method, terminal equipment and storage medium of theft

【技术实现步骤摘要】
偷盗行为预警方法、终端设备及存储介质
本专利技术涉及行为检测
，具体涉及一种偷盗行为预警方法、终端设备及存储介质。
技术介绍
由于在工地或仓库中常常放置建材等物品，且由于堆放区域广，物品的堆放位置不集中，因此，在工地或仓库等其他存放物品的区域的管理上存在困难，经常发生物品被盗事件。在现有技术中，为加强管理，避免盗窃事件的发生，一方面，通常会增加管理人员的数量，通过增加巡逻的次数来加大管理力度，然而这种方式不仅达到的效率低，而且还会增加人工成本。另一方面，通过增加摄像头的安装数量，实现全方位的监控，对摄像头采集的图像采用姿态估计算法，对图像中人的姿态进行分析，然而，对姿态进行分析需要一个庞大的姿态数据库，将图像中人的姿态与数据库中的数据进行对比，以此来判断是否存在偷盗行为，这种方式在实际应用过程中，由于需要较大的数据库资源，因此，在普通设备端上实施的可能性较低，操作繁琐，不易普及。
技术实现思路
有鉴于此，提供一种偷盗行为预警方法、终端设备及存储介质，以解决现有技术中，对于偷盗行为存在管理效率低，识别过程复杂且实施方式不易普及的问题。为实现以上目的，本专利技术采用如下技术方案：第一方面，采用一种偷盗行为预警方法，该方法包括：获取拍摄视频中的图像；根据预设算法判断所述图像中是否有人；若是，则通过预先训练的偷盗行为分类模型对所述图像中的人的行为进行判别；若所述行为属于偷盗行为，则向用户发送报警信息和图像信息。进一步的，所述根据预设算法判断所述图像中是否有人，包括：通过背景建模算法确定所述图像的前景变化值；将所述前景变化值与预设变化阈值进行比较，若所述前景变化值大于所述预设变化阈值，通过物体检测算法判断所述图像中是否有人。进一步的，在根据预设算法判断所述图像中是否有人之前，还包括：将所述图像输入至预先构建的白昼分类模型中，对所述图像进行分类；若所述图像为夜间图像，则对所述图像进行图像增强。进一步的，所述将所述图像输入至预先构建的白昼分类模型中，对所述图像进行分类，包括：识别所述图像的亮度值；若所述亮度值小于预设亮度阈值，则所述图像为夜间图像；若所述亮度值大于或等于预设亮度阈值，则所述图像为白天图像。进一步的，所述通过预先训练的偷盗行为分类模型对所述图像中的人的行为进行判别，包括：对所述图像中包含人的区域进行划分；将划分后的所述图像输入至预先训练的偷盗行为分类模型中；依次对划分后所述区域中所述人的行为进行判别。进一步的，还包括：对判别后的所述区域进行标记。进一步的，所述偷盗行为分类模型的训练过程包括：获取样本图像并对所述样本图像进行标记，得到正常行为样本图像和偷盗行为样本图像；将所述正常行为样本图像和所述偷盗行为样本图像输入至预先构建的深度学习模型中进行训练，得到所述偷盗行为分类模型。进一步的，所述白昼分类模型的构建过程包括：采集白天图像和夜晚图像，并将所述白天图像和所述夜晚图像作为训练样本图像；将所述训练样本图像输入至预先构建的深度学习模型进行训练，得到所述白昼分类模型。第二方面，采用一种偷盗行为预警装置，该装置包括：获取模块，用于获取拍摄视频中的图像；第一判断模块，用于根据预设算法判断所述图像中是否有人；第二判断模块，若是，则用于通过预先训练的偷盗行为分类模型对所述图像中的人的行为进行判别；发送模块，若所述行为属于偷盗行为，则用于向用户发送报警信息和图像信息。第二方面，采用一种终端设备，该设备包括：处理器，以及与所述处理器相连接的存储器；所述存储器用于存储计算机程序，所述计算机程序用于执行第一方面中的偷盗行为预警方法；所述处理器用于调用并执行所述存储器中的所述计算机程序。第三方面，采用一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时，实现第一方面所述的偷盗行为预警方法中的各个步骤。本专利技术采用以上技术方案，首先，根据摄像头拍摄的视频，将视频按帧处理，获取所述视频中的图像；其次，根据预设算法判断所述图像中是否有人，若识别出图像中有人，则通过预先训练好的偷盗行为分类模型，依次对所述行人的行为进行判别，判断是否属于偷盗行为，若属于偷盗行为，则向用户发送报警信息和图像信息。通过以上技术方案，通过训练的偷盗行为分类模型，降低了数据资源的需求量，在对区域的管理上，不仅提高了管理效率，还降低了人工成本，在实际应用的过程中，使得识别过程更加简便，且能够在绝大部分的设备上应用。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术实施例提供的一种偷盗行为预警方法的流程图；图2为本专利技术另一实施例提供的一种偷盗行为预警方法的流程图；图3是本专利技术又一实施例提供的一种偷盗行为预警装置的结构示意图图4是本专利技术再一实施例提供的一种终端设备的结构示意图。附图标记：获取模块-301、第一判断模块-302、第二判断模块-303、发送模块-304、处理器-401、存储器-402。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚，下面将对本专利技术的技术方案进行详细的描述。显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式，都属于本专利技术所保护的范围。实施例图1为本专利技术实施例提供的一种偷盗行为预警方法的流程图，该方法可以由本专利技术实施例提供的偷盗行为预警装置来执行，该装置可采用软件和/或硬件的方式实现。如图1所示，该方法具体可以包括如下步骤：S101、获取拍摄视频中的图像。具体的，由本专利技术实施例提供的一种偷盗行为预警方法，在实际应用的过程中，可以应用在工地或仓库等其他存放物品的区域的管理上，首先，可以在区域内设置多个摄像头，以保证监控范围没有死角，由于摄像头对被监控的区域可以进行实时拍摄，因此，本实施例中的一种偷盗行为预警方法，可以通过获取摄像头拍摄的视频，将获得的视频按视频帧处理，最终能够得到视频中的每一帧的图像信息，并及时对获取的图像进行分析，以判断监控区域是否存在偷盗行为。在本实施例中，通过获取拍摄视频中的图像，能够实现实时监控区域的目的，对区域当前的状态进行实时分析，及时的做出判断，提高了对区域的管理效率。S102、根据预设算法判断所述图像中是否有人。具体的，在获取完拍摄视频中的图像之后，对图像进行识别和处理时，可以根据预设算法来判断图像中是否有人存在。因为，在实际应用的过程中，只有检测到有人出现时，才会有可能发生偷盗行为；若图像中没有人存在，则也不会发生偷盗行为，因此，对获取的图像进行识别时，首先需要判断该图像内是否有人存在，在本实施例中识别图像是否有人的预设算法，可以是物本文档来自技高网...

【技术保护点】
1.一种偷盗行为预警方法，其特征在于，包括：/n获取拍摄视频中的图像；/n根据预设算法判断所述图像中是否有人；/n若是，则通过预先训练的偷盗行为分类模型对所述图像中的人的行为进行判别；/n若所述行为属于偷盗行为，则向用户发送报警信息和图像信息。/n

【技术特征摘要】
1.一种偷盗行为预警方法，其特征在于，包括：
获取拍摄视频中的图像；
根据预设算法判断所述图像中是否有人；
若是，则通过预先训练的偷盗行为分类模型对所述图像中的人的行为进行判别；
若所述行为属于偷盗行为，则向用户发送报警信息和图像信息。


2.根据权利要求1所述的偷盗行为预警方法，其特征在于，所述根据预设算法判断所述图像中是否有人，包括：
通过背景建模算法确定所述图像的前景变化值；
将所述前景变化值与预设变化阈值进行比较，若所述前景变化值大于所述预设变化阈值，通过物体检测算法判断所述图像中是否有人。


3.根据权利要求1所述的偷盗行为预警方法，其特征在于，在根据预设算法判断所述图像中是否有人之前，还包括：
将所述图像输入至预先构建的白昼分类模型中，对所述图像进行分类；
若所述图像为夜间图像，则对所述图像进行图像增强。


4.根据权利要求3所述的偷盗行为预警方法，其特征在于，所述将所述图像输入至预先构建的白昼分类模型中，对所述图像进行分类，包括：
识别所述图像的亮度值；
若所述亮度值小于预设亮度阈值，则所述图像为夜间图像；
若所述亮度值大于或等于预设亮度阈值，则所述图像为白天图像。


5.根据权利要求1所述的偷盗行为预警方法，其特征在于，所述通过预先训练的偷盗行为分类模型对所述图像中的人的行为进行判别，包括：
对所述图像中包含人的...

【专利技术属性】
技术研发人员：张一，邵泉铭，
申请(专利权)人：成都睿云物联科技有限公司，
类型：发明
国别省市：四川;51