【技术实现步骤摘要】
报警信息的设定方法以及其设定装置
[0001]本申请涉及红外领域，具体而言，涉及一种报警信息的设定方法、其设定装置、计算机可读存储介质、处理器以及电子设备。
技术介绍
[0002]热成像技术是指利用红外探测器和光学成像物镜接受被测目标的红外辐射能量分布图形反映到红外探测器的光敏元件上，从而获得红外热像图，这种热像图与物体表面的热分布场相对应，通俗地讲红外热像仪就是将物体发出的不可见红外能量转变为可见的热图像，热图像上面的不同颜色代表被测物体的不同温度，热成像技术是根据所有物体都发热这一事实来实现的，尽管许多物体从外表看不出什么，但在其上仍有冷热之分，借助热图上的颜色可以看到温度的分布，红色、粉红表示比较高的温度，蓝色和绿色表示了较低的温度，光线就是可见光，是人眼能够感受的电磁波，可见光的波长为：0.38μm
‑
0.78μm，比0.38μm短的电磁波和比0.78μm长的电磁波，人眼都无法感受，比0.38μm短的电磁波位于可见光光谱紫色以外，称为紫外线，比0.78μm长的电磁波位于可见光光谱红色以外，称为红外线...
【技术保护点】
【技术特征摘要】
1.一种报警信息的设定方法，其特征在于，所述方法包括：实时获取热成像信息，所述热成像信息至少包括热图像以及对应的测试温度；至少根据所述热图像，确定所述热图像中目标的初始目标图像，所述目标包括预定生物；确定满足第一预定条件的所述初始目标图像为目标图像，所述第一预定条件包括：所述初始目标图像对应的所述测试温度在预定范围内；在满足第二预定条件的情况下，发出包括警报声的报警信息，以提醒所述目标，所述第二预定条件包括：所述目标图像对应的所述目标到达预定位置。2.根据权利要求1所述的方法，其特征在于，至少根据所述热图像，确定所述热图像中目标的初始目标图像，包括：获取深度学习模型，所述深度学习模型是使用多组预定数据通过机器学习训练出的，多组所述预定数据中的每组所述预定数据均包括历史热图像以及历史目标图像；将实时获取的所述热图像输入所述深度学习模型中，得到所述热图像对应的所述初始目标图像。3.根据权利要求1所述的方法，其特征在于，所述第二预定条件还包括：预定车辆到达所述预定位置的时间与当前时刻的差值小于或者等于预定阈值，其中，所述预定车辆用于表征需要经过所述预定位置的车辆。4.根据权利要求3所述的方法，其特征在于，所述方法还包括：在所述预定车辆到达所述预定位置的时间与当前时刻的差值大于所述预定阈值的情况下，不发出所述报警信息。5.根据权利要求3所述的方法，其特征在于，在满足第二预定条件的情况下，发出包括警报声的报警信息，包括：在所述预定车辆到达所述预定位置的时间与当前时刻的差值小于或者等于所述预定阈值的情况下，获取所述预定位置的类型信息，所述类型信息包括单线类型、双线类型以及区域类型中之一，其中，所述单线类型用于表征所述预定位置包括一条直线，所述双线类型用于表征所述预定位置包括两条平行线以及平行线之间的区域，所述区域类型用于表征所述预定位置包括多边形区域；在所述预定位置的所述类型信息为所述单线类型，且所述目标处于所述单线类型对应的第一单线上的情况下，发出所述警报声以及第一提示信息，所述报警信息还包括所述第一提示信息，所述第一提示信息包括第一持续时间、第一单线编号以及预定方向，其中，所述预定方向用于表征所述目标到达所述第一单线前的所在位置相对所述第一单线的方向，所述第一持续时间用于表征到目前为止，所述目标在所述第一单线上滞留的时间，所述第一单线编号用于表征所述第一单线对应的编号，所述第一单线用于表征所述预定位置对应的直线；在所述预定位置的所述类型信息为所述区域类型，且所述目标进入所述多边形区域的情况下，发出所述警报声以及第二提示信息，所述报警信息还包括所述第二提示信息，所述第二提示信息包括第二持续时间以及边线编号，所述边线编号用于表征所述多边形区域中各边缘线的编号，所第二持续时间用于表征到目前为止，所述目...
【专利技术属性】
技术研发人员：杨洋，沈铭华，马昆，曹延军，李明江，郭自军，仓义勇，
申请(专利权)人：宁夏广天夏电子科技有限公司，
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。