[发明专利]一种自适应的危险行为监控方法与系统、智能设备

说明书

本发明涉及一种自适应的危险行为监控方法与系统、智能设备，其中，危险行为监控方法，包括：获取基础危险行为集，以及对应网点的扩展危险行为集，训练危险行为检测模型，并分发到对应的网点；获取该网点的监控图片；利用危险行为检测模型，对监控图片进行检测，得到危险行为检测结果；根据危险行为检测结果的危险程度，执行对应的警示操作。增加设置了对应各个网点的扩展危险行为集，以训练出对应各个网点的危险行为检测模型。如此，可以提高危险行为监控对不同网点的适应性。各个网点，根据实际情况，可以自由增加扩展危险行为集中的训练数据，而不需要担心对其他网点的影响，方案的扩展性得到了提升。

技术领域

本发明涉及人工智能领域，特别是涉及一种自适应的危险行为监控方法与系统、智能设备。

背景技术

随着人工智能技术的不断发展，越来越多的场景采用了人工智能技术。在一些场景下，计算机视觉技术，被用于对于人身、财产安全进行监控。尤其是个别场景下，用户的一些行为可能会对自身、他人或者财产造成伤害，亟需对用户的危险行为进行监控与警示。

现有技术中，一般是利用计算机视觉技术，对一类场景设计一个统一的危险行为监控方案。比如说银行网点内的危险行为监控方案，一般由银行总部统一设计，得到一个统一的危险行为检测模型，分发给各个网点进行使用。

但是，银行的网点分布在多个不同的区域位置。而不同区域内，受到风俗习惯、居民的文化特点、区域特点等因素的影响，用户的行为习惯、模式可能具有不同的特点，由此导致的行为风险程度，也存在较大的差异。相同的行为，在不同的区域中，可能带来不用程度的危害结果，甚至，可能不具有危害性。而现有所有区域均采用统一的危险行为监控方案，没有考虑到不同区域的用户行为的差异性，可能会存在误报、漏报的情形，对不同区域的适应性存在一定的问题；也不支持各个区域进行方案的扩展，扩展性不强。

发明内容

基于此，有必要针对现有针对不同区域的危险行为监控方案，采用统一的计算机视觉方案，对不同区域的适应性存在一定的问题，存在漏报、误报的问题，提供一种自适应的危险行为监控方法与系统、智能设备。

本申请一实施例提供了一种自适应的危险行为监控方法，包括：

获取基础危险行为集，以及对应网点的扩展危险行为集，训练危险行为检测模型，并分发到对应的网点；

获取该网点的监控图片；

利用危险行为检测模型，对监控图片进行检测，得到危险行为检测结果；

根据危险行为检测结果的危险程度，执行对应的警示操作。

在一些实施例中，所述获取基础危险行为集，以及对应网点的扩展危险行为集，训练危险行为检测模型，并分发到对应的网点步骤，具体包括：

后台的模型训练单元获取基础危险行为集，训练得到基础的检测模型，并分发给所有网点；

网点的模型优化单元，接收基础的检测模型，利用对应该网点的扩展危险行为集，对基础的检测模型进行优化，得到对应该网点的危险行为检测模型。

在一些实施例中，在所述获取该网点的监控图片步骤之后，还包括：

对监控图片进行人脸识别，得到行为人的身份信息；

所述根据危险行为检测结果的危险程度，执行对应的警示操作步骤，具体包括：

当判断危险行为检测结果为轻度危险行为时，获取预设时间段内该行为人的危险行为检测结果，判断轻度危险行为的次数是否超过预设阈值，当判断结果为是时，将本次危险行为检测结果视为重度危险行为；

当判断危险行为检测结果为重度危险行为时，触发警报以及远程接管。

在一些实施例中，在所述获取该网点的监控图片步骤之后，还包括：