[发明专利]报警方法、装置、电子设备及存储介质

权利要求书

1.一种报警方法，其特征在于，所述方法包括：

获取谈话室中各预设区域的采样信息，每个预设区域均对应各自的深度学习算法，所述获取谈话室中各预设区域的采样信息包括：按照预设划分规则提取出各预设区域的图像信息；

针对每个预设区域，通过该预设区域对应的深度学习算法，判断该预设区域是否存在异常行为；

所述预设区域包括看守人员所在的看守区域，所述采样信息包括所述看守区域的图像；

所述针对每个预设区域，通过该预设区域对应的深度学习算法，判断该预设区域是否存在异常行为，包括：针对所述看守区域，通过所述看守区域对应的预先训练的深度学习算法，对所述看守区域的图像进行分析，判断是否存在人员及人员在预设时间内是否活动，若不存在人员或人员在预设时间内未活动，判定所述看守区域存在异常行为，否则，判定所述看守区域不存在异常行为；

所述预设区域包括所述谈话室，所述采样信息包括所述谈话室的图像；

所述针对每个预设区域，通过该预设区域对应的深度学习算法，判断该预设区域是否存在异常行为，包括：针对所述谈话室，通过所述谈话室对应的预先训练的深度学习算法，对所述谈话室的图像进行分析，判断所述谈话室中的人数是否为预设人数，若不为预设人数，判定所述谈话室存在异常行为，否则，判定所述谈话室不存在异常行为；

若存在异常区域，获取各所述异常区域的异常行为的触发时间，其中，所述触发时间用于表征异常行为的发生时间，所述异常区域为存在异常行为的预设区域；

针对每个所述异常区域，判断该异常区域异常行为的触发时间，是否在该异常区域对应的预设报警时段内；

若存在待报警区域，针对所述待报警区域进行报警，其中，所述待报警区域为触发时间在该异常区域对应的预设报警时段内的异常区域。

2.根据权利要求1所述的方法，其特征在于，所述预设区域包括门窗区域，所述采样信息包括所述门窗区域的图像；

所述针对每个预设区域，通过该预设区域对应的深度学习算法，判断该预设区域是否存在异常行为，包括：

针对所述门窗区域，通过所述门窗区域对应的预先训练的深度学习算法，对所述门窗区域的图像进行分析，判断是否有人员在所述门窗区域的禁入区中，若有人员在所述门窗区域的禁入区中，判定所述门窗区域存在异常行为，否则，判定所述门窗区域不存在异常行为。

3.根据权利要求1所述的方法，其特征在于，所述预设区域包括谈话过程中被谈话人员所处的第一区域，所述采样信息包括所述第一区域的图像；

所述针对每个预设区域，通过该预设区域对应的深度学习算法，判断该预设区域是否存在异常行为，包括：

针对所述第一区域，通过所述第一区域对应的预先训练的深度学习算法，对所述第一区域的图像进行分析，判断是否有人员起身，若有人员起身，判定所述第一区域存在异常行为，否则，判定所述第一区域不存在异常行为。

4.根据权利要求1所述的方法，其特征在于，所述预设区域包括谈话过程中谈话人员所处的第二区域，所述采样信息包括所述第二区域的图像；

所述针对每个预设区域，通过该预设区域对应的深度学习算法，判断该预设区域是否存在异常行为，包括：

针对所述第二区域，通过所述第二区域对应的预先训练的深度学习算法，对所述第二区域的图像进行分析，判断是否有人员存在过激行为，若有人员存在过激行为，判定所述第二区域存在异常行为，否则，判定所述第二区域不存在异常行为。

5.根据权利要求1所述的方法，其特征在于，所述预设区域包括床位区域，所述采样信息包括所述床位区域的图像；

所述针对每个预设区域，通过该预设区域对应的深度学习算法，判断该预设区域是否存在异常行为，包括：

针对所述床位区域，通过所述床位区域对应的预先训练的深度学习算法，对所述床位区域的图像进行分析，判断是否有人员离铺，若有人员离铺，判定所述床位区域存在异常行为，否则，判定所述床位区域不存在异常行为。