本發(fā)明實(shí)施例涉及室內(nèi)異常情況檢測，尤其涉及一種異常檢測方法、裝置、計(jì)算機(jī)設(shè)備及存儲介質(zhì)。

背景技術(shù)：

1、隨著智能家居技術(shù)的迅速發(fā)展，智能中控作為家庭智能化管理的重要一環(huán)，逐漸被賦予更多功能。傳統(tǒng)的智能中控系統(tǒng)主要用于控制家庭電器，但其功能相對單一，無法滿足用戶對安全性與智能化的更高需求。

2、用戶在家中可以能會遇到如火災(zāi)，或，兒童或老人發(fā)生危險(xiǎn)，或，陌生人闖入等異常情況，現(xiàn)有的中控系統(tǒng)無法針對室內(nèi)發(fā)生的情況進(jìn)行準(zhǔn)確的識別，安全隱患較大，因此，如何提高異常情況識別的準(zhǔn)確度成為現(xiàn)在亟待解決的問題。

技術(shù)實(shí)現(xiàn)思路

1、鑒于此，為解決上述技術(shù)問題或部分技術(shù)問題，本發(fā)明實(shí)施例提供一種異常檢測方法、裝置、計(jì)算機(jī)設(shè)備及存儲介質(zhì)。

2、第一方面，本發(fā)明實(shí)施例提供一種異常檢測方法，包括：

3、獲取目標(biāo)區(qū)域內(nèi)的圖像信息；

4、確定所述圖像信息中包含的場景類型；

5、根據(jù)所述場景類型確定所述目標(biāo)區(qū)域?qū)?yīng)的目標(biāo)檢測模型；

6、根據(jù)所述目標(biāo)檢測模型檢測所述目標(biāo)區(qū)域內(nèi)的異常情況。

7、在一個(gè)可能的實(shí)施方式中，所述確定所述圖像信息中包含的場景類型，包括：

8、當(dāng)所述圖像信息中包含對象時(shí)，獲取所述對象的身份信息；

9、當(dāng)所述身份信息包含陌生對象，且身份信息中未包含非陌生對象時(shí)，確定所述場景類型為第一場景；

10、所述根據(jù)所述場景類型確定所述目標(biāo)區(qū)域?qū)?yīng)的目標(biāo)檢測模型，包括：

11、確定所述第一場景對應(yīng)的目標(biāo)檢測模型為第一模型，所述第一模型用于檢測陌生對象的異常行為。

12、在一個(gè)可能的實(shí)施方式中，所述確定所述圖像信息中包含的場景類型，包括：

13、當(dāng)所述身份信息中包含非陌生對象，獲取所述非陌生對象對應(yīng)的年齡信息；

14、當(dāng)所述年齡信息處于預(yù)設(shè)年齡范圍時(shí)，確定所述場景類型為第二場景；

15、所述根據(jù)所述場景類型確定所述目標(biāo)區(qū)域?qū)?yīng)的目標(biāo)檢測模型，包括：

16、確定所述第二場景對應(yīng)的目標(biāo)檢測模型為第二模型，所述第二模型用于檢測處于預(yù)設(shè)年齡范圍內(nèi)對象的危險(xiǎn)行為。

17、在一個(gè)可能的實(shí)施方式中，所述確定所述圖像信息中包含的場景類型，包括：

18、當(dāng)所述圖像信息中包含預(yù)設(shè)的火災(zāi)特征時(shí)，確定所述場景類型為第三場景；

19、所述根據(jù)所述場景類型確定所述目標(biāo)區(qū)域?qū)?yīng)的目標(biāo)檢測模型，包括：

20、確定所述第三場景對應(yīng)的目標(biāo)檢測模型為第三模型，所述第三模型用于檢測所述目標(biāo)區(qū)域是否發(fā)生火災(zāi)。

21、在一個(gè)可能的實(shí)施方式中，所述方法還包括：

22、當(dāng)通過所述第一模型檢測到所述目標(biāo)區(qū)域內(nèi)的陌生對象做出預(yù)設(shè)的異常行為時(shí)，觸發(fā)報(bào)警操作；

23、或，當(dāng)通過所述第二模型檢測到處于預(yù)設(shè)年齡范圍內(nèi)的非陌生對象，做出預(yù)設(shè)的危險(xiǎn)行為時(shí)，觸發(fā)報(bào)警操作；

24、或，當(dāng)通過所述第三模型檢測到所述目標(biāo)區(qū)域發(fā)生火災(zāi)時(shí)，觸發(fā)報(bào)警操作。

25、在一個(gè)可能的實(shí)施方式中，所述獲取目標(biāo)區(qū)域內(nèi)的圖像信息之前，所述方法還包括：

26、獲取多個(gè)異常行為圖像作為訓(xùn)練集輸入第一初始模型進(jìn)行訓(xùn)練，直至模型收斂，得到訓(xùn)練好的第一模型；

27、獲取多個(gè)第一年齡范圍對應(yīng)的危險(xiǎn)行為，和多個(gè)第二年齡范圍對應(yīng)的危險(xiǎn)行為圖像作為訓(xùn)練集輸入第二初始模型進(jìn)行訓(xùn)練，直至模型收斂，得到訓(xùn)練好的第二模型；

28、獲取多個(gè)火災(zāi)圖像作為訓(xùn)練集輸入第三初始模型進(jìn)行訓(xùn)練，直至模型收斂，得到訓(xùn)練好的第三模型。

29、在一個(gè)可能的實(shí)施方式中，所述方法還包括：

30、當(dāng)所述目標(biāo)區(qū)域內(nèi)同時(shí)包括兩個(gè)及以上場景類型時(shí)，獲取每個(gè)場景類型對應(yīng)的場景優(yōu)先級，所述場景優(yōu)先級為：所述第三場景大于所述第二場景大于所述第一場景；

31、當(dāng)通過兩個(gè)及以上所述目標(biāo)檢測模型檢測出所述目標(biāo)區(qū)域內(nèi)的異常情況時(shí)，根據(jù)所述場景優(yōu)先級觸發(fā)報(bào)警操作。

32、第二方面，本發(fā)明實(shí)施例提供一種異常檢測裝置，包括：

33、獲取模塊，用于獲取目標(biāo)區(qū)域內(nèi)的圖像信息；

34、確定模塊，用于確定所述圖像信息中包含的場景類型；

35、所述確定模塊，還用于根據(jù)所述場景類型確定所述目標(biāo)區(qū)域?qū)?yīng)的目標(biāo)檢測模型；

36、檢測模塊，用于根據(jù)所述目標(biāo)檢測模型檢測所述目標(biāo)區(qū)域內(nèi)的異常情況。

37、第三方面，本發(fā)明實(shí)施例提供一種計(jì)算機(jī)設(shè)備，包括：處理器和存儲器，所述處理器用于執(zhí)行所述存儲器中存儲的異常檢測程序，以實(shí)現(xiàn)上述第一方面中任一項(xiàng)所述的異常檢測方法。

38、第四方面，本發(fā)明實(shí)施例提供一種存儲介質(zhì)，所述存儲介質(zhì)存儲有一個(gè)或者多個(gè)程序，所述一個(gè)或者多個(gè)程序可被一個(gè)或者多個(gè)處理器執(zhí)行，以實(shí)現(xiàn)上述第一方面中任一項(xiàng)所述的異常檢測方法。

39、本發(fā)明實(shí)施例提供的異常檢測方案，通過獲取目標(biāo)區(qū)域內(nèi)的圖像信息；確定所述圖像信息中包含的場景類型；根據(jù)所述場景類型確定所述目標(biāo)區(qū)域?qū)?yīng)的目標(biāo)檢測模型；根據(jù)所述目標(biāo)檢測模型檢測所述目標(biāo)區(qū)域內(nèi)的異常情況。由此可以通過不同的場景類型確定對應(yīng)的檢測模型進(jìn)行異常情況檢測，提高了異常情況檢測的準(zhǔn)確度。

技術(shù)特征：

1.一種異常檢測方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述確定所述圖像信息中包含的場景類型，包括：

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述確定所述圖像信息中包含的場景類型，包括：

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述確定所述圖像信息中包含的場景類型，包括：

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述方法還包括：

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述獲取目標(biāo)區(qū)域內(nèi)的圖像信息之前，所述方法還包括：

7.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述方法還包括：

8.一種異常檢測裝置，其特征在于，包括：

9.一種計(jì)算機(jī)設(shè)備，其特征在于，包括：處理器和存儲器，所述處理器用于執(zhí)行所述存儲器中存儲的異常檢測程序，以實(shí)現(xiàn)權(quán)利要求1～7中任一項(xiàng)所述的異常檢測方法。

10.一種存儲介質(zhì)，其特征在于，所述存儲介質(zhì)存儲有一個(gè)或者多個(gè)程序，所述一個(gè)或者多個(gè)程序可被一個(gè)或者多個(gè)處理器執(zhí)行，以實(shí)現(xiàn)權(quán)利要求1～7中任一項(xiàng)所述的異常檢測方法。

技術(shù)總結(jié)
本發(fā)明實(shí)施例涉及一種異常檢測方法、裝置、計(jì)算機(jī)設(shè)備及存儲介質(zhì)，通過獲取目標(biāo)區(qū)域內(nèi)的圖像信息；確定所述圖像信息中包含的場景類型；根據(jù)所述場景類型確定所述目標(biāo)區(qū)域?qū)?yīng)的目標(biāo)檢測模型；根據(jù)所述目標(biāo)檢測模型檢測所述目標(biāo)區(qū)域內(nèi)的異常情況。由此可以通過不同的場景類型確定對應(yīng)的檢測模型進(jìn)行異常情況檢測，提高了異常情況檢測的準(zhǔn)確度。

技術(shù)研發(fā)人員：鐘奧林,唐杰,陳道遠(yuǎn),李昱,王春燕
受保護(hù)的技術(shù)使用者：珠海格力電器股份有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/22