[发明专利]安全预警方法、装置、计算设备及存储介质

说明书

本申请适用于计算机技术领域，提出一种安全预警方法，包括：获取预先确定的第一监控设备采集的第一目标图像帧；利用预先训练完成的深度学习模型对图像信息进行分析，得到待识别行人的第一身份信息；若基于第一身份信息确定待识别行人是目标行人，则获取所有第二监控设备采集的第二目标图像帧；基于第二目标图像帧预测目标行人的目标路线；若确定目标路线存在监控盲区，则向预先确定的终端发送安全预警提示。通过在确定待识别行人为目标行人，根据所有第二监控设备采集的第二图像帧预测目标行人的目标路线，在确定目标路线存在监控盲区的情况下，向预先确定的终端发送安全预警提示，能够避免由于监控盲区而导致的安全隐患发生。

技术领域

本申请属于计算机技术领域，尤其涉及一种安全预警方法、装置、计算设备及存储介质。

背景技术

随着社会的进步和发展，目前大学校园基本属于全开放式或者半开放式，这对校内学生的生活和安全带来很大的影响。为了保障学生的生活和安全，通常在校园内安装有大量的监控设备的同时，配备有大量的安保人员，但是由于常见的监控设备具有监控盲区以及夜晚可视度较差，在无法预知校内行人轨迹的情况下，仍然存在安全隐患。

发明内容

有鉴于此，本申请实施例提供了安全预警方法、装置、计算设备及存储介质，以解决现有技术中由于监控盲区而导致的安全隐患问题。

本申请实施例的第一方面提供了一种安全预警方法，包括：

获取预先确定的第一监控设备采集的第一目标图像帧，所述第一目标图像帧包含有待识别行人的图像信息；

利用预先训练完成的深度学习模型对所述图像信息进行分析，得到所述待识别行人的第一身份信息；

若基于所述第一身份信息确定所述待识别行人是目标行人，则获取所有第二监控设备采集的第二目标图像帧；所述第二监控设备为预设区域内除所述第一监控设备之外的任一监控设备，所述第二目标图像帧包含所述目标行人的图像信息；

基于所述第二目标图像帧预测所述目标行人的目标路线；

若确定所述目标路线存在监控盲区，则向预先确定的终端发送安全预警提示。

在一种可选的实现方式中，预先训练完成的所述深度学习模型为人脸识别模型，所述利用预先训练完成的深度学习模型对所述图像信息进行分析，得到所述待识别行人的第一身份信息，包括：

利用所述人脸识别模型对所述图像信息进行人脸识别，得到所述待识别行人的第一身份信息。

在一种可选的实现方式中，在利用所述人脸识别模型对所述图像信息进行人脸识别，得到所述待识别行人的第一身份信息之前，包括：

获取预设数量的训练样本；每个所述训练样本包含有样本行人的图像信息以及样本行人的预设分类标签；

将所述样本行人的图像信息分别输入预先建立的神经网络模型进行模型训练，得到训练之后的所述神经网络模型；训练之后的所述神经网络模型输出每个所述样本行人的预测分类标签；

若训练之后的所述神经网络模型的损失函数的变化率小于或等于预设变化率阈值，且所述预设分类标签与所述预测分类标签相同的概率大于预设的概率阈值，则对所述神经网络模型的训练完成，得到所述人脸识别模型。

在一种可选的实现方式中，所述人脸识别模型的损失函数为：

其中，N为训练样本总数，y_i为第i个训练样本对应的预测分类标签，为第i个训练样本的对数概率，m是预设的距离约束，是第i个训练样本对应为第j类预设分类标签(j∈{1,…,K}，K是类别数)的得分。

在一种可选的实现方式中，在所述若基于所述第一身份信息确定所述待识别行人为目标行人，则获取所有第二监控设备采集的第二目标图像帧之前，包括：