本申请涉及一种基于视频监控的有害动物检测方法、装置和电子装置，其中，该基于视频监控的有害动物检测方法包括：获取视频流；视频流包括多帧视频图像；根据预先构建的运动物体检测模型，对多帧视频图像进行检测，得到第一预选目标集合；第一预选目标集合包括动检大目标、动检小目标和其他动检目标；根据预先构建的目标检测模型，对多帧视频图像进行检测，得到第二预选目标集合，第二预选目标集合包括大物体目标和小物体目标；根据第一预选目标集合和第二预选目标集合，确定视频流中的有害动物目标。通过本申请，解决了相关技术中，无法有效监测室内环境中的有害动物目标的问题。监测室内环境中的有害动物目标的问题。监测室内环境中的有害动物目标的问题。
【技术实现步骤摘要】
基于视频监控的有害动物检测方法、装置和电子装置
[0001]本申请涉及智能监控领域，特别是涉及一种基于视频监控的有害动物检测方法、装置和电子装置。
技术介绍
[0002]随着经济的快速发展，人民消费水平的提高，越来越多的人倾向于去饭店或者点外卖来解决一日三餐。然而，很多外表光鲜亮丽的饭店，其后厨却成为了藏污纳垢之所。隐匿在厨房的有害动物目标严重会对着厨房的卫生安全造成很大的威胁，例如老鼠、蟑螂等。这些有害动物目标身上携带的细菌和病毒会对食客的身体健康产生不良的影响。
[0003]相关技术中，通过人工监测厨房中的有害动物目标，来改善厨房的卫生安全问题。然而，由于老鼠蟑螂等有害动物目标的体积较小，行动迅速，且多出行于夜间，因此，通过人工监测厨房中的有害动物目标是十分困难的。
[0004]目前，针对相关技术中，无法有效监测室内环境中的有害动物目标的问题，尚未提出有效的解决方案。
技术实现思路
[0005]本申请实施例提供了一种基于视频监控的有害动物检测方法、装置和电子装置，以至少解决相关技术中无法有效监测室内环境中的有害动物目标的问题。
[0006]第一方面，本申请实施例提供了一种基于视频监控的有害动物检测方法，包括：
[0007]获取视频流；所述视频流包括多帧视频图像；
[0008]根据预先构建的运动物体检测模型，对多帧所述视频图像进行检测，得到第一预选目标集合；所述第一预选目标集合包括动检大目标、动检小目标和其他动检目标；
[0009]根据预先构建的目标检测模型，对多帧所述视频图像进行检测，得到第二预选目标集合，所述第二预选目标集合包括大物体目标和小物体目标；
[0010]根据所述第一预选目标集合和所述第二预选目标集合，确定所述视频流中的有害动物目标。
[0011]在其中一些实施例中，所述根据预先构建的运动物体检测模型，对多帧所述视频图像进行检测，得到第一预选目标集合包括：
[0012]根据所述运动物体检测模型，对多帧所述视频图像进行检测，得到所述视频图像中多个运动物体的轮廓信息以及每一所述运动物体对应图像子区域的坐标信息；
[0013]根据每一所述运动物体对应图像子区域的坐标信息，计算每一所述运动物体对应图像子区域的像素面积；
[0014]根据预设的像素面积阈值范围和每一所述运动物体对应图像子区域的像素面积，得到所述第一预选目标集合；所述像素面积阈值范围包括最大像素面积阈值和最小像素面积阈值；所述动检大目标表示对应图像子区域的像素面积大于所述最大像素面积阈值的运动物体；所述动检小目标表示对应图像子区域的像素面积小于最小像素面积阈值的运动物
体；所述其他动检目标表示对应图像子区域的像素面积在所述像素面积阈值区间内的运动物体。
[0015]在其中一些实施例中，所述根据所述第一预选目标集合和所述第二预选目标集合，确定所述视频流中的有害动物目标包括：
[0016]将所述第一预选目标集合和所述第二预选目标集合相结合，得到第一汇总目标集合；
[0017]根据所述大物体目标和交并比算法，将符合预设过滤条件的其他动检目标从所述第一汇总目标集合中滤除，得到第二汇总目标集合；
[0018]对所述第二汇总目标集合中的动检大目标、动检小目标和大物体目标进行剔除处理，得到最终汇总目标集合，并将所述最终汇总目标集合中的所有目标作为所述视频流中的有害动物目标。
[0019]在其中一些实施例中，所述根据所述大物体目标和交并比算法，将符合预设过滤条件的其他动检目标从所述第一汇总目标集合中滤除包括：
[0020]针对每一帧视频图像，计算每一所述其他动检目标所在图像子区域与每一所述大物体目标所在图像子区域的第一交并比；
[0021]将所述第一交并比与第一预设交并比阈值进行比较；
[0022]若所述第一交并比大于或者等于所述第一预设交并比阈值，则将所述第一交并比对应的其他动检目标从所述第一汇总目标集合中滤除。
[0023]在其中一些实施例中，在所述根据所述第一预选目标集合和所述第二预选目标集合，确定所述视频流中的有害动物目标之后，所述方法还包括：
[0024]根据训练好的深度学习分类模型，对所述视频流中的有害动物目标进行分类处理，得到分类处理后的有害动物目标集合；所述有害动物目标集合包括多种有害动物目标；其中，所述深度学习分类模型至少包括老鼠和蟑螂中的至少之一。
[0025]在其中一些实施例中，在所述根据训练好的深度学习分类模型，对所述视频流中的有害动物目标进行分类处理，得到分类处理后的有害动物目标集合之后，所述方法还包括：
[0026]针对所述有害动物目标进行目标跟踪处理，得到每一所述有害动物目标对应的ID的轨迹信息；
[0027]统计每一种有害动物目标的出现帧数；
[0028]若所述有害动物目标的出现帧数大于预设帧数阈值，则根据所述有害动物目标对应的ID的轨迹信息，确定所述有害动物目标的密集活动区域，并输出告警信息，所述告警信息包括所述有害动物目标的密集活动区域以及对应的ID的轨迹信息。
[0029]在其中一些实施例中，所述方法还包括：
[0030]根据所述有害动物目标对应的ID的轨迹信息，计算所述有害动物目标的高度和平均轨迹变化速率；
[0031]获取每一种有害动物对应的预设高度阈值范围和预设平均轨迹变化速率阈值范围；
[0032]根据预设高度阈值范围、预设平均轨迹变化速率阈值范围以及所述有害动物目标的高度和平均轨迹变化速率，确定所述有害动物目标的种类。
[0033]第二方面，本申请实施例提供了一种基于视频监控的有害动物检测装置，包括：
[0034]数据获取模块，用于获取视频流；所述视频流包括多帧视频图像；
[0035]动态检测模块，用于根据预先构建的运动物体检测模型，对多帧所述视频图像进行检测，得到第一预选目标集合；所述第一预选目标集合包括动检大目标、动检小目标和其他动检目标；
[0036]目标检测模块，用于根据预先构建的目标检测模型，对多帧所述视频图像进行检测，得到第二预选目标集合，所述第二预选目标集合包括大物体目标和小物体目标；
[0037]目标确定模块，用于根据所述第一预选目标集合和所述第二预选目标集合，确定所述视频流中的有害动物目标。
[0038]第三方面，本申请实施例提供了一种电子装置，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述的基于视频监控的有害动物检测方法。
[0039]第四方面，本申请实施例提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一方面所述的基于视频监控的有害动物检测方法。
[0040]相比于相关技术，本申请实施例提供的基于视频监控的有害动物检测方法、装置和电子装置，通过获取视频流；视频流包括多帧视频图像；根据预先构建的运动物体检测本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于视频监控的有害动物检测方法，其特征在于，包括：获取视频流；所述视频流包括多帧视频图像；根据预先构建的运动物体检测模型，对多帧所述视频图像进行检测，得到第一预选目标集合；所述第一预选目标集合包括动检大目标、动检小目标和其他动检目标；根据预先构建的目标检测模型，对多帧所述视频图像进行检测，得到第二预选目标集合，所述第二预选目标集合包括大物体目标和小物体目标；根据所述第一预选目标集合和所述第二预选目标集合，确定所述视频流中的有害动物目标。2.根据权利要求1所述的方法，其特征在于，所述根据预先构建的运动物体检测模型，对多帧所述视频图像进行检测，得到第一预选目标集合包括：根据所述运动物体检测模型，对多帧所述视频图像进行检测，得到所述视频图像中多个运动物体的轮廓信息以及每一所述运动物体对应图像子区域的坐标信息；根据每一所述运动物体对应图像子区域的坐标信息，计算每一所述运动物体对应图像子区域的像素面积；根据预设的像素面积阈值范围和每一所述运动物体对应图像子区域的像素面积，得到所述第一预选目标集合；所述像素面积阈值范围包括最大像素面积阈值和最小像素面积阈值；所述动检大目标表示对应图像子区域的像素面积大于所述最大像素面积阈值的运动物体；所述动检小目标表示对应图像子区域的像素面积小于最小像素面积阈值的运动物体；所述其他动检目标表示对应图像子区域的像素面积在所述像素面积阈值区间内的运动物体。3.根据权利要求1所述的方法，其特征在于，所述根据所述第一预选目标集合和所述第二预选目标集合，确定所述视频流中的有害动物目标包括：将所述第一预选目标集合和所述第二预选目标集合相结合，得到第一汇总目标集合；根据所述大物体目标和交并比算法，将符合预设过滤条件的其他动检目标从所述第一汇总目标集合中滤除，得到第二汇总目标集合；对所述第二汇总目标集合中的动检大目标、动检小目标和大物体目标进行剔除处理，得到最终汇总目标集合，并将所述最终汇总目标集合中的所有目标作为所述视频流中的有害动物目标。4.根据权利要求3所述的方法，其特征在于，所述根据所述大物体目标和交并比算法，将符合预设过滤条件的其他动检目标从所述第一汇总目标集合中滤除包括：针对每一帧视频图像，计算每一所述其他动检目标所在图像子区域与每一所述大物体目标所在图像子区域的第一交并比；将所述第一交并比与第一预设交并比阈值进行比较；若所述第一交并比大于或者等于所述第一预设交并比阈值，则将所述第一交并比对应的其他动检目标从所述第一汇总目标集合中滤除...
【专利技术属性】
技术研发人员：吕辰，潘华东，殷俊，张兴明，孙鹤，
申请(专利权)人：浙江大华技术股份有限公司，
类型：发明
国别省市：
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。