【技术实现步骤摘要】
本申请涉及音频监控，特别是涉及动物群状态检测方法、装置及计算机存储介质。
技术介绍
1、近年出现了很多由于烟花、天敌入侵等造成养殖场家畜、家禽群体出现异常状态的情况，最终导致踩踏挤压造成严重损失，现有技术都是针对养殖场景家畜、家的监测都是通过算法监测动物个体的行为或者通过传感器获取信息再进行人工检测，从而对一些异常状态进行预警，检测精度较差。
技术实现思路
1、为解决上述技术问题，本申请提出了一种动物群状态检测方法、装置及计算机存储介质。
2、为解决上述技术问题，本申请提出了一种动物群状态检测方法，所述动物群状态检测方法包括：获取动物群场景的视频序列和音频序列；获取视频序列中每一视频帧的分布热力图，以及获取所述音频序列中每一音频帧的音频特征图；将每一视频帧的分布热力图及其对应音频帧的音频特征图进行特征融合，获取融合特征图；分析所述融合特征图的序列，获取所述动物群状态。
3、其中，所述获取视频序列中每一视频帧的分布热力图，包括：将所述视频序列中每一视频帧输入分布热力图生成模块，获取所述分布热力图；其中，所述分布热力图生成模块包括多尺度编码器和注意力机制编码器，所述多尺度编码器用于提取所述视频帧的高维特征图，所述注意力机制编码器用于从所述高维特征图提取所述视频帧的分布热力图。
4、其中，所述多尺度编码器包括若干不同卷积核的卷积层，所述多尺度编码器通过不同卷积核的卷积层提取所述视频帧不同感受野的视频特征，将所述不同感受野的视频特征融合得到所述高维特征图
5、其中，所述注意力机制编码器包括最大池化层，平均池化层以及多层感知机；所述注意力机制编码器通过最大池化层提取所述高维特征图的最大池化特征，通过平均池化层提取所述高维特征图的平均池化特征，将所述最大池化特征和所述平均池化特征输入所述多层感知机，提取所述高维特征图的分布热力图。
6、其中，所述动物群状态检测方法还包括：获取训练图像，其中，所述训练图像包括标注关键部位坐标；将所述关键部位坐标的集合转换成标签热力图；将所述训练图像和所述标签热力图输入所述分布热力图生成模块进行训练。
7、其中，所述分析所述融合特征图的序列，获取所述动物群状态，包括：将所述融合特征图的序列输入异常状态分析模块，获取所述动物群状态；其中，所述异常状态分析模块包括压平层、长短期记忆层以及分类层，所述压平层用于将所述融合特征图数据一维化，所述长短期记忆层用于将一维化的融合特征图进行分析，获取变化特征量，所述分类层用于根据所述变化特征量对所述动物群状态进行分类。
8、其中，所述获取所述音频序列中每一音频帧的音频特征图，包括：将所述音频序列中每一音频帧转化为语谱图；将所述语谱图通过卷积神经网络进行特征提取得到所述音频特征图。
9、其中，所述获取所述动物群状态之后，所述动物群状态检测方法还包括：根据所述动物群状态，获取所述动物群状态的危险等级数值；在所述危险等级数值超过预设报警数值时，输出报警信息。
10、为解决上述技术问题，本申请提出一种动物群状态检测装置，所述动物群状态检测装置包括存储器以及与所述存储器耦接的处理器；其中，所述存储器用于存储程序数据，所述处理器用于执行所述程序数据以实现如上述的动物群状态检测方法。
11、为解决上述技术问题，本申请提出一种计算机存储介质，所述计算机存储介质用于存储程序数据，所述程序数据在被计算机执行时，用以实现上述的动物群状态检测方法。
12、与现有技术相比，本申请的有益效果是：动物群状态检测装置获取动物群场景的视频序列和音频序列；获取视频序列中每一视频帧的分布热力图，以及获取所述音频序列中每一音频帧的音频特征图；将每一视频帧的分布热力图及其对应音频帧的音频特征图进行特征融合，获取融合特征图；分析所述融合特征图的序列，获取所述动物群状态。通过上述方式，从群体分布的整体入手，提高动物群状态的检测精度。
本文档来自技高网...【技术保护点】
1.一种动物群状态检测方法，其特征在于，所述动物群状态检测方法包括：
2.根据权利要求1所述的动物群状态检测方法，其特征在于，
3.根据权利要求2所述的动物群状态检测方法，其特征在于，
4.根据权利要求2所述的动物群状态检测方法，其特征在于，
5.根据权利要求2所述的动物群状态检测方法，其特征在于，
6.根据权利要求1所述的动物群状态检测方法，其特征在于，
7.根据权利要求1所述的动物群状态检测方法，其特征在于，
8.根据权利要求1所述的动物群状态检测方法，其特征在于，
9.一种动物群状态检测装置，其特征在于，所述动物群状态检测装置包括存储器以及与所述存储器耦接的处理器；
10.一种计算机存储介质，其特征在于，所述计算机存储介质用于存储程序数据，所述程序数据在被计算机执行时，用以实现如权利要求1至8任一项所述的动物群状态检测方法。
【技术特征摘要】
1.一种动物群状态检测方法，其特征在于，所述动物群状态检测方法包括：
2.根据权利要求1所述的动物群状态检测方法，其特征在于，
3.根据权利要求2所述的动物群状态检测方法，其特征在于，
4.根据权利要求2所述的动物群状态检测方法，其特征在于，
5.根据权利要求2所述的动物群状态检测方法，其特征在于，
6.根据权利要求1所述的动物群状态检测方法，其特征在于，
【专利技术属性】
技术研发人员：刘卓异，杨学迅，孙志亮，黄鹏，殷俊，
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。