[发明专利]监控方法、装置、服务器及计算机可读存储介质

权利要求书

1.一种监控方法，其特征在于，所述方法包括：

获取目标监控设备采集到的监控图像；

通过预先训练的多任务检测模型对所述监控图像进行检测，得到多个检测任务对应的检测结果，其中，所述多任务检测模型通过多任务训练样本集训练得到，用于执行所述多个检测任务；

将所述多个检测任务对应的检测结果作为所述监控图像对应的监控信息，发送给预设用户终端。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取多任务训练样本集，所述多任务训练样本集包含多个样本图像，每个样本图像包含所述多个检测任务对应的标注信息；

将所述样本图像输入至初始模型，得到针对所述样本图像的所述多个检测任务的样本检测结果；

通过反向传播算法，利用所述样本检测结果，对所述初始模型中的参数进行调整，得到所述多任务检测模型。

3.根据权利要求2所述的方法，其特征在于，所述通过反向传播算法，利用所述样本检测结果，对所述初始模型中的参数进行调整，得到所述多任务检测模型，包括：

针对每种检测任务，根据该检测任务对应的样本检测结果、以及与该样本检测结果对应的样本图像中该检测任务对应的标注信息，计算该检测任务对应的损失函数；

计算各检测任务对应的损失函数的和值，作为多任务损失函数；

根据所述多任务损失函数和反向传播算法，对所述初始模型中的参数进行调整，得到所述多任务检测模型。

4.根据权利要求3所述的方法，其特征在于，所述根据该检测任务对应的样本检测结果、以及与该样本检测结果对应的样本图像中该检测任务对应的标注信息，计算该检测任务对应的损失函数，包括：

根据预设的任务类型和损失函数的计算规则的对应关系，确定该检测任务的任务类型对应的目标计算规则；

根据该检测任务对应的样本检测结果、与该样本检测结果对应的样本图像中该检测任务对应的标注信息、以及所述目标计算规则，计算该检测任务对应的损失函数。

5.根据权利要求4所述的方法，其特征在于，任务类型包括分类检测类型和边框检测类型，

当该检测任务的任务类型为分类检测类型时，该检测任务对应的损失函数通过以下公式计算：

其中，P_i为样本图像x_i的样本分类概率，y_i^cls为样本图像x_i的分类标签；

当该检测任务的任务类型为边框检测类型时，该检测任务对应的损失函数通过以下公式计算：

其中，为样本图像x_i的样本检测边框的坐标向量，为样本图像x_i中的标注边框的坐标向量。

6.根据权利要求1-5任一所述的方法，其特征在于，所述检测任务包含行人检测、人物特征提取、人脸检测、人脸特征提取中的至少两种。

7.一种监控装置，其特征在于，所述装置包括：

第一获取模块，用于获取目标监控设备采集到的监控图像；

检测模块，用于通过预先训练的多任务检测模型对所述监控图像进行检测，得到多个检测任务对应的检测结果，其中，所述多任务检测模型通过多任务训练样本集训练得到，用于执行所述多个检测任务；

发送模块，用于将所述多个检测任务对应的检测结果作为所述监控图像对应的监控信息，发送给预设用户终端。

8.根据权利要求7所述的装置，其特征在于，所述装置还包括：

第二获取模块，用于获取多任务训练样本集，所述多任务训练样本集包含多个样本图像，每个样本图像包含所述多个检测任务对应的标注信息；

输入模块，用于将所述样本图像输入至初始模型，得到针对所述样本图像的所述多个检测任务的样本检测结果；

调整模块，用于通过反向传播算法，利用所述样本检测结果，对所述初始模型中的参数进行调整，得到所述多任务检测模型。