一种自适应的危险行为监控方法与系统、智能设备技术方案

本发明专利技术涉及一种自适应的危险行为监控方法与系统、智能设备，其中，危险行为监控方法，包括：获取基础危险行为集，以及对应网点的扩展危险行为集，训练危险行为检测模型，并分发到对应的网点；获取该网点的监控图片；利用危险行为检测模型，对监控图片进行检测，得到危险行为检测结果；根据危险行为检测结果的危险程度，执行对应的警示操作。增加设置了对应各个网点的扩展危险行为集，以训练出对应各个网点的危险行为检测模型。如此，可以提高危险行为监控对不同网点的适应性。各个网点，根据实际情况，可以自由增加扩展危险行为集中的训练数据，而不需要担心对其他网点的影响，方案的扩展性得到了提升。

【技术实现步骤摘要】
一种自适应的危险行为监控方法与系统、智能设备
本专利技术涉及人工智能领域，特别是涉及一种自适应的危险行为监控方法与系统、智能设备。
技术介绍
随着人工智能技术的不断发展，越来越多的场景采用了人工智能技术。在一些场景下，计算机视觉技术，被用于对于人身、财产安全进行监控。尤其是个别场景下，用户的一些行为可能会对自身、他人或者财产造成伤害，亟需对用户的危险行为进行监控与警示。现有技术中，一般是利用计算机视觉技术，对一类场景设计一个统一的危险行为监控方案。比如说银行网点内的危险行为监控方案，一般由银行总部统一设计，得到一个统一的危险行为检测模型，分发给各个网点进行使用。但是，银行的网点分布在多个不同的区域位置。而不同区域内，受到风俗习惯、居民的文化特点、区域特点等因素的影响，用户的行为习惯、模式可能具有不同的特点，由此导致的行为风险程度，也存在较大的差异。相同的行为，在不同的区域中，可能带来不用程度的危害结果，甚至，可能不具有危害性。而现有所有区域均采用统一的危险行为监控方案，没有考虑到不同区域的用户行为的差异性，可能会存在误报、漏报的情形，对不同区域的适应性存在一定的问题；也不支持各个区域进行方案的扩展，扩展性不强。
技术实现思路
基于此，有必要针对现有针对不同区域的危险行为监控方案，采用统一的计算机视觉方案，对不同区域的适应性存在一定的问题，存在漏报、误报的问题，提供一种自适应的危险行为监控方法与系统、智能设备。本申请一实施例提供了一种自适应的危险行为监控方法，包括：<br>获取基础危险行为集，以及对应网点的扩展危险行为集，训练危险行为检测模型，并分发到对应的网点；获取该网点的监控图片；利用危险行为检测模型，对监控图片进行检测，得到危险行为检测结果；根据危险行为检测结果的危险程度，执行对应的警示操作。在一些实施例中，所述获取基础危险行为集，以及对应网点的扩展危险行为集，训练危险行为检测模型，并分发到对应的网点步骤，具体包括：后台的模型训练单元获取基础危险行为集，训练得到基础的检测模型，并分发给所有网点；网点的模型优化单元，接收基础的检测模型，利用对应该网点的扩展危险行为集，对基础的检测模型进行优化，得到对应该网点的危险行为检测模型。在一些实施例中，在所述获取该网点的监控图片步骤之后，还包括：对监控图片进行人脸识别，得到行为人的身份信息；所述根据危险行为检测结果的危险程度，执行对应的警示操作步骤，具体包括：当判断危险行为检测结果为轻度危险行为时，获取预设时间段内该行为人的危险行为检测结果，判断轻度危险行为的次数是否超过预设阈值，当判断结果为是时，将本次危险行为检测结果视为重度危险行为；当判断危险行为检测结果为重度危险行为时，触发警报以及远程接管。在一些实施例中，在所述获取该网点的监控图片步骤之后，还包括：对监控图片进行人脸检测，当检测人脸时，进行危险行为检测。在一些实施例中，还包括：获取符合预设条件的危险行为检测结果对应的监控图片，更新对应网点的扩展危险行为集。本申请一实施例还提供了一种自适应的危险行为监控系统，适用于包括多个网点的情形，包括：模型训练单元，用于获取基础危险行为集，以及对应网点的扩展危险行为集，训练危险行为检测模型，并分发到对应的网点；每个网点设置有摄像头、处理器、存储器、响应处理单元，其中，所述摄像头，用于获取该网点的监控图片；所述存储器，用于接收并存储危险行为检测模型；所述处理器，用于利用危险行为检测模型，对监控图片进行检测，得到危险行为检测结果；所述响应处理单元，用于根据危险行为检测结果的危险程度，执行对应的警示操作。在一些实施例中，所述处理器，还用于对监控图片进行人脸识别，得到行为人的身份信息；所述响应处理单元，具体用于，当判断危险行为检测结果为轻度危险行为时，获取预设时间段内该行为人的危险行为检测结果，判断轻度危险行为的次数是否超过预设阈值，当判断结果为是时，将本次危险行为检测结果视为重度危险行为；当判断危险行为检测结果为重度危险行为时，触发警报以及远程接管。在一些实施例中，所述处理器，还用于对监控图片进行人脸检测，当检测人脸时，才对监控图片进行危险行为检测。在一些实施例中，所述网点还设置有数据更新单元，用于获取符合预设条件的危险行为检测结果对应的监控图片，更新对应网点的扩展危险行为集。本申请另一实施例还提供了一种智能设备，包含前述任一项实施例所述的自适应的危险行为监控系统。本申请实施例提供的危险行为监控方案，针对不同网点，在基础危险行为集的基础上，另行设置了对应各个网点的扩展危险行为集，以训练出对应各个网点的危险行为检测模型。如此，可以提高危险行为监控对不同网点的适应性。各个网点，根据实际情况，可以自由增加扩展危险行为集中的训练数据，而不需要担心对其他网点的影响，方案的扩展性得到了提升。附图说明图1为本申请一实施例的危险行为监控方法的应用场景示意图；图2为本申请一实施例的危险行为监控方法的流程示意图；图3为本申请另一实施例的危险行为监控方法的流程示意图；图4本申请一实施例的危险行为监控系统的框架结构示意图。具体实施方式为了能够更清楚地理解本专利技术的上述目的、特征和优点，下面结合附图和具体实施方式对本专利技术进行详细描述。需要说明的是，在不冲突的情况下，本申请的实施方式及实施方式中的特征可以相互组合。除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。本文中在本专利技术的说明书中所使用的术语只是为了描述具体的实施方式的目的，不是旨在于限制本专利技术。如图2所示，本申请一实施例公开了一种自适应的危险行为监控方法，包括：S100，获取基础危险行为集，以及对应网点的扩展危险行为集，训练危险行为检测模型，并分发到对应的网点；如图1所示，本实施例提供的方法，主要应用这样的场景下：具有多个网点1-N，N为大于1的正整数，有一个后台，通过网络，与所有网点通信连接。步骤S100，可以在后台执行。示例的，后台可以设置有模型训练单元和训练数据存储单元，训练数据存储单元存储有基础危险行为集以及对应不同网点的扩展危险行为集。其中，基础危险行为集，包括了所有网点均适用的危险行为训练数据；不同的网点有对应各自的扩展危险行为集，扩展危险行为集，包括仅适应于该网点的危险行为数据，是对基础危险行为集的补充。不同的网点，可以提供、更新各自的扩展危险行为集。危险行为数据，可以包括有危险行为的图像和标注信息。标注信息用于表示危险行为的程度，可以分为轻度危险行为和重度危险行为。模型训练单元，可以为每个网点训练各自的危险行为检测模型。模型训练单元在训练某个网点的危险行为检测模型时，可以将基础危险行为集和对应该网点的扩展危险行为集，合并为训练本文档来自技高网...

【技术保护点】
1.一种自适应的危险行为监控方法，其特征在于，包括：/n获取基础危险行为集，以及对应网点的扩展危险行为集，训练危险行为检测模型，并分发到对应的网点；/n获取该网点的监控图片；/n利用危险行为检测模型，对监控图片进行检测，得到危险行为检测结果；/n根据危险行为检测结果的危险程度，执行对应的警示操作。/n

【技术特征摘要】
1.一种自适应的危险行为监控方法，其特征在于，包括：
获取基础危险行为集，以及对应网点的扩展危险行为集，训练危险行为检测模型，并分发到对应的网点；
获取该网点的监控图片；
利用危险行为检测模型，对监控图片进行检测，得到危险行为检测结果；
根据危险行为检测结果的危险程度，执行对应的警示操作。


2.根据权利要求1所述的自适应的危险行为监控方法，其特征在于，所述获取基础危险行为集，以及对应网点的扩展危险行为集，训练危险行为检测模型，并分发到对应的网点步骤，具体包括：
后台的模型训练单元获取基础危险行为集，训练得到基础的检测模型，并分发给所有网点；
网点的模型优化单元，接收基础的检测模型，利用对应该网点的扩展危险行为集，对基础的检测模型进行优化，得到对应该网点的危险行为检测模型。


3.根据权利要求1所述的自适应的危险行为监控方法，其特征在于，在所述获取该网点的监控图片步骤之后，还包括：
对监控图片进行人脸识别，得到行为人的身份信息；
所述根据危险行为检测结果的危险程度，执行对应的警示操作步骤，具体包括：
当判断危险行为检测结果为轻度危险行为时，获取预设时间段内该行为人的危险行为检测结果，判断轻度危险行为的次数是否超过预设阈值，当判断结果为是时，将本次危险行为检测结果视为重度危险行为；
当判断危险行为检测结果为重度危险行为时，触发警报以及远程接管。


4.根据权利要求1所述的自适应的危险行为监控方法，其特征在于，在所述获取该网点的监控图片步骤之后，还包括：
对监控图片进行人脸检测，当检测人脸时，进行危险行为检测。


5.根据权利要求1所述的自适应的危险行为监控方法，其特征在于，还包括：
获取...

【专利技术属性】
技术研发人员：王华洋，黄华，周院平，邓小飞，孙信中，矫人全，
申请(专利权)人：南京奥拓电子科技有限公司，
类型：发明
国别省市：江苏;32