基于人工智能的危情监测方法、装置、电子设备及介质制造方法及图纸

本申请涉及人工智能技术领域，提供一种基于人工智能的危情监测方法、装置、电子设备及介质，所述方法包括：若检测到目标用户的心率波动值大于预设波动阈值，基于所述目标用户对应的坐标位置确定风险预判区域；根据所述风险预判区域，确定所述目标用户对应的第一风险值；若所述第一风险值大于第一阈值，控制所述坐标位置对应的拍摄装置采集所述目标用户对应的行为图像；将所述行为图像输入训练完成的行为识别模型中，得到所述目标用户对应的行为识别结果；若所述行为识别结果不属于安全行为库中的行为，按照预设的预警规则进行预警。本申请提高了危情监控的效率。申请提高了危情监控的效率。申请提高了危情监控的效率。

【技术实现步骤摘要】
基于人工智能的危情监测方法、装置、电子设备及介质


[0001]本申请涉及人工智能
，具体涉及一种基于人工智能的危情监测方法、装置、电子设备及介质。

技术介绍

[0002]目前危情监控主要是通过人力监控，例如监测是否有人溺水主要是通过救生员的观察。但是通过人力监控危情很难确保在第一时间发现有人处于危情之中，容易错失最佳救援时机。现在也能通过危情检测设备进行简单的判断，但是使用危情检测设备很容易造成误判，判断危情的准确率不高。
[0003]因此，如何提高判断危情的准确率是目前亟待解决的问题。

技术实现思路

[0004]鉴于以上内容，有必要提出一种基于人工智能的危情监测方法、装置、电子设备及介质，提高判断危情的准确率。
[0005]第一方面，本申请提供了一种基于人工智能的危情监测方法，所述方法包括：
[0006]若检测到目标用户的心率波动值大于预设波动阈值，基于所述目标用户对应的坐标位置确定风险预判区域；
[0007]根据所述风险预判区域，确定所述目标用户对应的第一风险值；
[0008]若所述第一风险值大于第一阈值，控制所述坐标位置对应的拍摄装置采集所述目标用户对应的行为图像；
[0009]将所述行为图像输入训练完成的行为识别模型中，得到所述目标用户对应的行为识别结果；
[0010]若所述行为识别结果不属于安全行为库中的行为，按照预设的预警规则进行预警。
[0011]根据本申请的一个可选的实施方式，所述基于所述目标用户对应的坐标位置确定风险预判区域包括：
[0012]根据所述目标用户对应的坐标位置，确定所述目标用户对应的场所信息，并基于所述场所信息确定切分距离和切分次数；
[0013]从所述坐标位置按照所述切分距离和所述切分次数，分别沿预设方向进行切分，得到多个切分点；
[0014]在所述多个切分点中，连接与所述坐标位置距离一致的切分点，确定多个切分区域，将所述多个切分区域确定为风险预判区域。
[0015]根据本申请的一个可选的实施方式，所述根据所述风险预判区域，确定所述目标用户对应的第一风险值包括：
[0016]计算每个切分区域中用户对应的心率波动值，得到每个所述切分区域对应的心率异常值；
[0017]根据每个切分区域对应的切分点与所述坐标位置的距离，确定每个所述切分区域对应的异常权重；
[0018]基于每个切分区域对应的心率异常值和异常权重，确定所述目标用户对应的第一风险值。
[0019]根据本申请的一个可选的实施方式，所述基于每个切分区域对应的心率异常值和异常权重，确定所述目标用户对应的第一风险值包括：
[0020]计算每个切分区域对应的心率异常值与异常权重的乘积，将切分区域对应的心率异常值与异常权重的乘积确定为切分区域对应的风险值；
[0021]根据每个切分区域对应的风险值，确定所述目标用户对应的第一风险值。
[0022]根据本申请的一个可选的实施方式，所述将所述行为图像输入训练完成的行为识别模型中，得到所述目标用户对应的行为识别结果包括：
[0023]对所述行为图像进行人物分割，确定所述行为图像中各像素点所属人物；
[0024]从所述行为图像中提取所述行为图像中属于所述目标用户的像素点，得到所述目标用户的人物图像；
[0025]对所述人物图像输入训练完成的行为识别模型中，得到所述目标用户的行为识别结果。
[0026]根据本申请的一个可选的实施方式，所述从所述行为图像中提取所述行为图像中属于目标用户的像素点，得到所述目标用户的人物图像，包括：
[0027]基于所述行为图像中属于目标用户的像素点，确定包络框，所述包络框为将所有属于所述目标用户的像素点包括在内的矩形框；
[0028]获取所述包络框内的图像，得到所述目标用户的人物图像。
[0029]根据本申请的一个可选的实施方式，所述获取所述包络框内的图像，得到所述目标用户的人物图像，包括：
[0030]将位于所述包络框内且不属于所述目标用户的像素点的像素值设置为预设像素值，得到所述目标用户的人物图像。
[0031]第二方面，本申请提供了一种基于人工智能的危情监测装置，所述装置包括：
[0032]区域确定模块，用于若检测到目标用户的心率波动值大于预设波动阈值，基于所述目标用户对应的坐标位置确定风险预判区域；
[0033]风险计算模块，用于根据所述风险预判区域，确定所述目标用户对应的第一风险值；
[0034]图像获取模块，用于若所述第一风险值大于第一阈值，控制所述坐标位置对应的拍摄装置采集所述目标用户对应的行为图像；
[0035]行为识别模块，用于将所述行为图像输入训练完成的行为识别模型中，得到所述目标用户对应的行为识别结果；
[0036]危情预警模块，用于若所述行为识别结果不属于安全行为库中的行为，按照预设的预警规则进行预警。
[0037]第三方面，本申请提供了一种电子设备，所述电子设备包括处理器和存储器，所述处理器用于执行所述存储器中存储的计算机程序时实现所述基于人工智能的危情监测方法。
[0038]第四方面，本申请提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现所述基于人工智能的危情监测方法。
[0039]综上所述，本申请所述的基于人工智能的危情监测方法、装置、电子设备及介质，通过在检测到目标用户的心率波动值大于预设波动阈值时，基于所述目标用户对应的坐标位置确定风险预判区域，完成第一次危险判断，并根据所述风险预判区域，确定所述目标用户对应的第一风险值，所述第一风险值用于完成第二次危险判断；若所述第一风险值大于第一阈值，每隔采样周期控制所述坐标位置对应的拍摄装置采集所述目标用户对应的行为图像；将所述行为图像输入训练完成的行为识别模型中，得到所述目标用户对应的行为识别结果，所述行为识别结果用于完成第三次危险判断；所述行为识别结果不属于安全行为库中的行为，按照预设的预警规则进行预警，根据三次危险判断结果确定目标用户是否处于危险之间，避免了错误判断了目标用户的情况，提高了危情判断的准确率。
附图说明
[0040]图1是本申请实施例一提供的基于人工智能的危情监测方法的流程图。
[0041]图2是本申请实施例提供的一种风险预判区域的示意图。
[0042]图3是本申请实施例二提供的基于人工智能的危情监测装置的结构图。
[0043]图4是本申请实施例三提供的电子设备的结构示意图。
具体实施方式
[0044]为了能够更清楚地理解本申请的上述目的、特征和优点，下面结合附图和具体实施例对本申请进行详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
[0045]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申请的
的技术人员通常理解的含义相同。本文中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的危情监测方法，其特征在于，所述方法包括：若检测到目标用户的心率波动值大于预设波动阈值，基于所述目标用户对应的坐标位置确定风险预判区域；根据所述风险预判区域，确定所述目标用户对应的第一风险值；若所述第一风险值大于第一阈值，控制所述坐标位置对应的拍摄装置采集所述目标用户对应的行为图像；将所述行为图像输入训练完成的行为识别模型中，得到所述目标用户对应的行为识别结果；若所述行为识别结果不属于安全行为库中的行为，按照预设的预警规则进行预警。2.如权利要求1所述的基于人工智能的危情监测方法，其特征在于，所述基于所述目标用户对应的坐标位置确定风险预判区域包括：根据所述目标用户对应的坐标位置，确定所述目标用户对应的场所信息，并基于所述场所信息确定切分距离和切分次数；从所述坐标位置按照所述切分距离和所述切分次数，分别沿预设方向进行切分，得到多个切分点；在所述多个切分点中，连接与所述坐标位置距离一致的切分点，确定多个切分区域，将所述多个切分区域确定为风险预判区域。3.如权利要求1所述的基于人工智能的危情监测方法，其特征在于，所述根据所述风险预判区域，确定所述目标用户对应的第一风险值包括：计算每个切分区域中用户对应的心率波动值，得到每个所述切分区域对应的心率异常值；根据每个切分区域对应的切分点与所述坐标位置的距离，确定每个所述切分区域对应的异常权重；基于每个切分区域对应的心率异常值和异常权重，确定所述目标用户对应的第一风险值。4.如权利要求3所述的基于人工智能的危情监测方法，其特征在于，所述基于每个切分区域对应的心率异常值和异常权重，确定所述目标用户对应的第一风险值包括：计算每个切分区域对应的心率异常值与异常权重的乘积，将切分区域对应的心率异常值与异常权重的乘积确定为切分区域对应的风险值；根据每个切分区域对应的风险值，确定所述目标用户对应的第一风险值。5.如权利要求1所述的基于人工智能的危情监测方法，其特征在于，所述将所述行为图像输入训练完成的行为识别模型中，得到所述目标用户对应的...

【专利技术属性】
技术研发人员：刘彪，
申请(专利权)人：平安普惠企业管理有限公司，
类型：发明
国别省市：