CN111862521B - 行为热力图生成及报警方法、装置、电子设备及存储介质 - Google Patents
行为热力图生成及报警方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111862521B CN111862521B CN201910351634.4A CN201910351634A CN111862521B CN 111862521 B CN111862521 B CN 111862521B CN 201910351634 A CN201910351634 A CN 201910351634A CN 111862521 B CN111862521 B CN 111862521B
- Authority
- CN
- China
- Prior art keywords
- behavior
- target
- specified
- sub
- region
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000010586 diagram Methods 0.000 title claims abstract description 130
- 238000000034 method Methods 0.000 title claims abstract description 112
- 230000006399 behavior Effects 0.000 claims abstract description 635
- 238000004458 analytical method Methods 0.000 claims abstract description 135
- 238000012544 monitoring process Methods 0.000 claims abstract description 118
- 238000005070 sampling Methods 0.000 claims description 92
- 230000000875 corresponding effect Effects 0.000 claims description 63
- 238000004422 calculation algorithm Methods 0.000 claims description 48
- 230000015654 memory Effects 0.000 claims description 32
- 238000004590 computer program Methods 0.000 claims description 31
- 239000003086 colorant Substances 0.000 claims description 25
- 238000005516 engineering process Methods 0.000 claims description 23
- 238000001514 detection method Methods 0.000 claims description 21
- 230000002596 correlated effect Effects 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 11
- 230000003542 behavioural effect Effects 0.000 claims description 9
- 241001465754 Metazoa Species 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 5
- 235000019580 granularity Nutrition 0.000 description 22
- 238000010438 heat treatment Methods 0.000 description 15
- 230000009471 action Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 9
- 238000013528 artificial neural network Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 241000283690 Bos taurus Species 0.000 description 6
- 238000013135 deep learning Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 239000000284 extract Substances 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000001537 neural effect Effects 0.000 description 3
- 230000001960 triggered effect Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000012300 Sequence Analysis Methods 0.000 description 2
- 238000004040 coloring Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000007958 sleep Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000035622 drinking Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 231100000572 poisoning Toxicity 0.000 description 1
- 230000000607 poisoning effect Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/12—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions
- G08B17/125—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions by using a video camera to detect fire or smoke
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/12—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Alarm Systems (AREA)
Abstract
本申请实施例提供了行为热力图生成及报警方法、装置、电子设备及存储介质，该方法包括：获取各预设监控区域的图像数据中各指定目标的行为分析结果，其中，预设监控区域为待统计区域中的区域；根据各指定目标的行为分析结果，确定待统计区域的各子区域中指定行为发生的频次，其中，子区域与预设监控区域存在交集；按照各子区域中指定行为发生的频次，生成待统计区域的指定行为的行为热力图。本申请实施例的行为热力图生成方法，通过图像数据统计待统计区域中各子区域指定行为的发生频次，进而生成待统计区域的行为热力图，可以实现对大面积区域进行直观的监测。
Description
技术领域
本申请涉及图像处理技术领域，特别是涉及行为热力图生成及报警方法、装置、电子设备及存储介质。
背景技术
随着计算机视觉技术的发展，通过图像数据自动识别指定目标成为可能。相关的图像识别技术中，均是通过计算机视觉技术，例如卷积神经网络等，对图像数据进行分析，从而确定图像数据中的目标是否存在指定的行为。然而，上述方法仅是针对单路图像数据中是否出现指定行为进行识别，不方便对大面积区域进行直观的监测。
发明内容
本申请实施例的目的在于提供一种行为热力图生成及报警方法、装置、电子设备及存储介质，以实现对大面积区域进行直观的监测。具体技术方案如下：
第一方面，本申请实施例提供了一种报警方法，所述方法包括：
展示待统计区域的行为热力图，其中，所述行为热力图表征指定行为在所述待统计区域的各子区域中发生的频次；
在所述行为热力图的子区域满足预设报警条件时，触发针对满足预设报警条件的子区域的报警。
可选的，所述在所述行为热力图中的子区域满足预设报警条件时，触发针对满足预设报警条件的子区域的报警，包括：
分别比较所述行为热力图各子区域中指定行为发生的频次与预设频次阈值的大小；
针对指定行为发生的频次大于所述预设频次阈值的目标子区域，触发针对所述目标子区域的报警。
可选的，所述行为热力图的子区域中包括热力颜色，所述热力颜色表征所述子区域中指定行为发生的频次，且所述子区域中指定行为发生的频次越高，所述子区域的热力颜色的热力值越高；
所述在所述行为热力图的子区域满足预设报警条件时，触发针对满足预设报警条件的子区域的报警，包括：
分别比较各所述子区域的热力颜色的热力值与预设热力预值的大小；
针对热力值大于所述预设热力阈值的待报警子区域，触发针对所述待报警子区域的报警。
可选的，所述行为热力图的子区域中包括热力颜色，所述指定行为多个指定行为，不同的指定行为对应不同的热力颜色，所述热力颜色的深浅程度与所述热力颜色对应的指定行为发生的频次正相关，各所述热力颜色分别对应相应的报警联动；
所述在所述行为热力图的子区域满足预设报警条件时，触发针对满足预设报警条件的子区域的报警，包括：
针对各所述子区域中的各热力颜色，比较该热力颜色的深浅程度与该热力颜色对应的预设程度预值的大小；
针对深浅程度大于预设程度预值的目标热力颜色，触发针对所述目标热力颜色所在的子区域、且与所述目标热力颜色对应的报警联动。
可选的，本申请实施例的报警方法还包括：
获取用户针对待展示的子区域的展示指令；
按照所述展示指令，展示所述待展示的子区域中的图像数据，其中，所述待展示的子区域中的图像数据为所述待展示的子区域中的监控区域的视频流。
第二方面，本申请实施例提供了一种行为热力图生成方法，应用于后端设备，所述方法包括：
获取各预设监控区域的图像数据中各指定目标的行为分析结果，其中，所述预设监控区域为待统计区域中的区域；
根据各所述指定目标的行为分析结果，确定所述待统计区域的各子区域中指定行为发生的频次，其中，所述子区域与所述预设监控区域存在交集；
按照各所述子区域中指定行为发生的频次，生成所述待统计区域的指定行为的行为热力图。
可选的，所述获取各预设监控区域的图像数据中各指定目标的行为分析结果，包括：
获取各预设监控区域的图像数据；
通过计算机视觉技术，分别对各所述图像数据中的指定目标进行跟踪检测，提取各所述指定目标的像素区域序列；
对各所述指定目标的像素区域序列进行分析，得到各所述指定目标的行为分析结果。
可选的，各指定目标的像素区域序列为各采样指定目标的像素区域序列，所述通过计算机视觉技术，分别对各所述图像数据中的指定目标进行跟踪检测，提取各所述指定目标的像素区域序列，包括：
通过预设目标检测算法及预设目标跟踪算法，确定各所述图像数据中的各指定目标及各所述指定目标的位置；
通过预设目标采样算法，对各所述图像数据中的各指定目标进行采样，得到各采样指定目标；
按照各所述采样指定目标的位置，对各所述图像数据进行目标行为序列抽取，得到各所述采样指定目标的像素区域序列。
可选的，一个所述子区域至少包括一个所述预设监控区域，所述根据各所述指定目标的行为分析结果，确定待统计区域的各子区域中指定行为发生的频次，包括：
获取各所述子区域与各所述预设监控区域的包含关系；
按照所述包含关系、各所述指定目标的行为分析结果及各所述指定目标所在的预设监控区域，确定待统计区域的各所述子区域中指定行为发生的频次。
可选的，在所述获取各预设监控区域的图像数据中各指定目标的行为分析结果之后，所述方法还包括：
获取各所述指定目标在所述预设监控区域中的实际位置；
所述根据各所述指定目标的行为分析结果，确定待统计区域的各子区域中指定行为发生的频次，包括：
根据各所述指定目标的实际位置及各所述指定目标的行为分析结果，确定待统计区域的各子区域中指定行为发生的频次。
可选的，所述获取各所述指定目标在所述预设监控区域中的实际位置，包括：
根据各所述指定目标的像素区域序列，确定各所述指定目标在所述图像数据中的位置；
按照各所述指定目标在所述图像数据中的位置，确定各所述指定目标在所述预设监控区域中的实际位置。
可选的，所述根据各所述指定目标的实际位置及各所述指定目标的行为分析结果，确定待统计区域的各子区域中指定行为发生的频次，包括：
根据各所述指定目标的行为分析结果，将各所述指定目标进行分类，得到多个行为列表，其中，同一行为列表中各指定目标的行为类型相同；
确定指定行为对应的目标行为列表；
根据所述目标行为列表中各指定目标的实际位置，确定待统计区域的各子区域中所述指定行为发生的频次。
可选的，在所述根据各所述指定目标的行为分析结果，确定待统计区域的各子区域中指定行为发生的频次之前，所述方法还包括：
获取用户输入的粒度设定指令，其中，所述粒度设定指令表征子区域的大小属性；
按照所述粒度设定指令，确定待统计区域中各子区域。
可选的，所述指定行为多个指定行为，所述按照各所述子区域中指定行为发生的频次，生成所述待统计区域的指定行为的行为热力图，包括：
获取所述待统计区域的电子地图，获取各所述子区域中各指定行为发生的频次；
确定各所述指定行为对应的热力颜色；
针对所述电子地图中的任一子区域，按照该子区域中各所述指定行为发生的频次，在该子区域的地图中显示该子区域中各指定行为对应的热力颜色，其中，任一热力颜色的深浅程度与该热力颜色对应的指定行为发生的频次正相关。
可选的，所述各指定目标的行为分析结果为触发各指定行为的指定目标名单；所述获取各预设监控区域的图像数据中各指定目标的行为分析结果，包括：
接收各前端智能设备发送的各行为列表，其中，所述行为列表中包括指定目标的标识，且同一所述行为列表中各指定目标的行为类型相同；
组装各所述行为列表，分别得到触发各指定行为的指定目标名单。
第三方面，本申请实施例提供了一种行为列表发送方法，应用于前端智能设备，所述方法包括：
获取预设监控区域的图像数据；
通过计算机视觉技术，对所述图像数据进行分析，得到所述图像数据中各指定目标的行为分析结果；
按照各所述指定目标的行为分析结果，将各所述指定目标进行分类，得到多个行为列表，其中，同一所述行为列表中各指定目标的行为类型相同；
发送各所述行为列表。
可选的，各指定目标的行为分析结果为各采样指定目标的行为分析结果，所述通过计算机视觉技术，对所述图像数据进行分析，得到所述图像数据中各指定目标的行为分析结果，包括：
通过预设目标检测算法及预设目标跟踪算法，确定所述图像数据中的各指定目标及各所述指定目标的位置；
通过预设目标采样算法，对所述图像数据中的各指定目标进行采样，得到各采样指定目标；
按照各所述采样指定目标的位置，对所述图像数据进行目标行为序列抽取，得到各所述采样指定目标的像素区域序列；
对各所述采样指定目标的像素区域序列进行分析，得到各所述采样指定目标的行为分析结果。
第四方面，本申请实施例提供了一种报警装置，所述装置包括：
热力图展示模块，用于展示待统计区域的行为热力图，其中，所述行为热力图表征指定行为在所述待统计区域的各子区域中发生的频次；
报警触发模块，用于在所述行为热力图的子区域满足预设报警条件时，触发针对满足预设报警条件的子区域的报警。
可选的，所述报警触发模块，包括：
频次比较子模块，用于分别比较所述行为热力图各子区域中指定行为发生的频次与预设频次阈值的大小；
子区域报警子模块，用于针对指定行为发生的频次大于所述预设频次阈值的目标子区域，触发针对所述目标子区域的报警。
可选的，所述行为热力图的子区域中包括热力颜色，所述热力颜色表征所述子区域中指定行为发生的频次，且所述子区域中指定行为发生的频次越高，所述子区域的热力颜色的热力值越高；
所述报警触发模块，包括：
热力值比较子模块，用于分别比较各所述子区域的热力颜色的热力值与预设热力预值的大小；
触发报警子模块，用于针对热力值大于所述预设热力阈值的待报警子区域，触发针对所述待报警子区域的报警。
可选的，所述行为热力图的子区域中包括热力颜色，所述指定行为多个指定行为，不同的指定行为对应不同的热力颜色，所述热力颜色的深浅程度与所述热力颜色对应的指定行为发生的频次正相关，各所述热力颜色分别对应相应的报警联动；
所述报警触发模块，具体用于：
针对各所述子区域中的各热力颜色，比较该热力颜色的深浅程度与该热力颜色对应的预设程度预值的大小；
针对深浅程度大于预设程度预值的目标热力颜色，触发针对所述目标热力颜色所在的子区域、且与所述目标热力颜色对应的报警联动。
可选的，本申请实施例的报警装置还包括：
展示指令接收模块，用于获取用户针对待展示的子区域的展示指令；
图像数据展示模块，用于按照所述展示指令，展示所述待展示的子区域中的图像数据，其中，所述待展示的子区域中的图像数据为所述待展示的子区域中的监控区域的视频流。
第五方面，本申请实施例提供了一种行为热力图生成装置，应用于后端设备，所述装置包括：
分析结果获取模块，用于获取各预设监控区域的图像数据中各指定目标的行为分析结果，其中，所述预设监控区域为待统计区域中的区域；
子区域频次统计模块，用于根据各所述指定目标的行为分析结果，确定所述待统计区域的各子区域中指定行为发生的频次，其中，所述子区域与所述预设监控区域存在交集；
行为热力图生成模块，用于按照各所述子区域中指定行为发生的频次，生成所述待统计区域的指定行为的行为热力图。
可选的，所述分析结果获取模块，包括：
图像数据获取子模块，用于获取各预设监控区域的图像数据；
行为分析子模块，所述行为分析子模块，包括：
区域序列确定单元，用于通过计算机视觉技术，分别对各所述图像数据中的指定目标进行跟踪检测，提取各所述指定目标的像素区域序列；
区域序列分析单元，用于对各所述指定目标的像素区域序列进行分析，得到各所述指定目标的行为分析结果。
可选的，各指定目标的像素区域序列为各采样指定目标的像素区域序列，所述区域序列确定单元，包括：
位置确定子单元，用于通过预设目标检测算法及预设目标跟踪算法，确定各所述图像数据中的各指定目标及各所述指定目标的位置；
系数采样子单元，用于通过预设目标采样算法，对各所述图像数据中的各指定目标进行采样，得到各采样指定目标；
区域截取确定子单元，用于按照各所述采样指定目标的位置，对各所述图像数据进行目标行为序列抽取，得到各所述采样指定目标的像素区域序列。
可选的，一个所述子区域至少包括一个所述预设监控区域，所述子区域频次统计模块，包括：
包含关系确定子模块，用于获取各所述子区域与各所述预设监控区域的包含关系；
行为频次统计子模块，用于按照所述包含关系、各所述指定目标的行为分析结果及各所述指定目标所在的预设监控区域，确定待统计区域的各所述子区域中指定行为发生的频次。
可选的，本申请实施例的行为热力图生成装置还包括：
实际位置获取模块，用于获取各所述指定目标在所述预设监控区域中的实际位置；
所述子区域频次统计模块，具体用于：根据各所述指定目标的实际位置及各所述指定目标的行为分析结果，确定待统计区域的各子区域中指定行为发生的频次。
可选的，所述实际位置获取模块，包括：
图像位置获取子模块，用于根据各所述指定目标的像素区域序列，确定各所述指定目标在所述图像数据中的位置；
实际位置映射子模块，用于按照各所述指定目标在所述图像数据中的位置，确定各所述指定目标在所述预设监控区域中的实际位置。
可选的，所述子区域频次统计模块，包括：
指定目标分类子模块，用于根据各所述指定目标的行为分析结果，将各所述指定目标进行分类，得到多个行为列表，其中，同一行为列表中各指定目标的行为类型相同；
目标列表确定子模块，用于确定指定行为对应的目标行为列表；
频次确定子模块，用于根据所述目标行为列表中各指定目标的实际位置，确定待统计区域的各子区域中所述指定行为发生的频次。
可选的，本申请实施例的行为热力图生成装置还包括：
设定指令获取模块，用于获取用户输入的粒度设定指令，其中，所述粒度设定指令表征子区域的大小属性；
子区域设定模块，用于按照所述粒度设定指令，确定待统计区域中各子区域。
可选的，所述指定行为多个指定行为，所述行为热力图生成模块，包括：
多频次统计子模块，用于获取所述待统计区域的电子地图，获取各所述子区域中各指定行为发生的频次；
热力颜色对应子模块，用于确定各所述指定行为对应的热力颜色；
地图着色子模块，用于针对所述电子地图中的任一子区域，按照该子区域中各所述指定行为发生的频次，在该子区域的地图中显示该子区域中各指定行为对应的热力颜色，其中，任一热力颜色的深浅程度与该热力颜色对应的指定行为发生的频次正相关。
可选的，所述各指定目标的行为分析结果为触发各指定行为的指定目标名单；所述分析结果获取模块，包括：
行为列表接收子模块，用于接收各智能设备发送的行为列表，其中，所述行为列表中包括指定目标的标识，且同一行为列表中各指定目标的行为类型相同；
行为列表组装子模块，用于组装各所述行为列表，分别得到触发各指定行为的指定目标名单。
第六方面，本申请实施例提供了一种行为列表发送装置，应用于前端智能设备，所述装置包括：
图像数据获取模块，用于获取预设监控区域的图像数据；
目标行为分析模块，用于通过计算机视觉技术，对所述图像数据进行分析，得到所述图像数据中各指定目标的行为分析结果；
指定目标分类模块，用于按照各所述指定目标的行为分析结果，将各所述指定目标进行分类，得到多个行为列表，其中，同一所述行为列表中各指定目标的行为类型相同；
行为列表发送模块，用于发送各所述行为列表。
可选的，各指定目标的行为分析结果为各采样指定目标的行为分析结果，所述目标行为分析模块，包括：
目标位置确定子模块，用于通过预设目标检测算法及预设目标跟踪算法，确定所述图像数据中的各指定目标及各所述指定目标的位置；
指定目标采样子模块，用于通过预设目标采样算法，对所述图像数据中的各指定目标进行采样，得到各采样指定目标；
像素区域截取子模块，用于按照各所述采样指定目标的位置，对所述图像数据进行目标行为序列抽取，得到各所述采样指定目标的像素区域序列；
目标行为分析子模块，用于对各所述采样指定目标的像素区域序列进行分析，得到各所述采样指定目标的行为分析结果。
第七方面，本申请实施例提供了一种电子设备，包括处理器及存储器；
所述存储器，用于存放计算机程序；
所述处理器，用于执行所述存储器上所存放的程序时，实现上述第一方面任一所述的报警方法。
第八方面，本申请实施例提供了一种电子设备，包括处理器及存储器；
所述存储器，用于存放计算机程序；
所述处理器，用于执行所述存储器上所存放的程序时，实现上述第二方面任一所述的行为热力图生成方法。
第九方面，本申请实施例提供了一种电子设备，包括处理器及存储器；
所述存储器，用于存放计算机程序；
所述处理器，用于执行所述存储器上所存放的程序时，实现上述第三方面任一所述的行为列表发送方法。
第十方面，本申请实施例提供了一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面任一所述的报警方法。
第十一方面，本申请实施例提供了一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述第二方面任一所述的行为热力图生成方法。
第十二方面，本申请实施例提供了一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述第三方面任一所述的行为列表发送方法。
本申请实施例提供的行为热力图生成及报警方法、装置、电子设备及存储介质，获取各预设监控区域的图像数据中各指定目标的行为分析结果，其中，预设监控区域为待统计区域中的区域；根据各指定目标的行为分析结果，确定待统计区域的各子区域中指定行为发生的频次，其中，子区域与预设监控区域存在交集；按照各子区域中指定行为发生的频次，生成待统计区域的指定行为的行为热力图。通过图像数据统计待统计区域中各子区域指定行为的发生频次，进而生成待统计区域的行为热力图，可以实现对大面积区域进行直观的监测。当然，实施本申请的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1a为本申请实施例的行为热力图生成方法的第一种示意图；
图1b为本申请实施例的行为热力图生成方法的第二种示意图；
图2为本申请实施例的行为热力图生成方法的第三种示意图；
图3为本申请实施例的报警方法的一种示意图；
图4为本申请实施例的深度学习算法训练过程的一种示意图；
图5为本申请实施例的行为热力图生成方法的第四种示意图；
图6为本申请实施例的行为列表发送方法的一种示意图；
图7为本申请实施例的行为热力图生成装置的一种示意图；
图8为本申请实施例的行为列表发送装置的一种示意图；
图9为本申请实施例的电子设备的一种示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
为了方便用户对大面积区域进行直观的监测，本申请实施例提供了一种行为热力图生成方法，参见图1a，应用于后端设备，该方法包括：
S101，获取各预设监控区域的图像数据中各指定目标的行为分析结果，其中，上述预设监控区域为待统计区域中的区域。
本申请实施例的行为热力图生成方法应用于后端设备，因此可以通过后端设备执行，具体的，该后端设备可以为服务器、个人电脑或硬盘录像机等。本申请实施例中的图像数据可以为视频流，在一些仅包含目标识别的应用场景中，也可以为单帧视频帧。
预设监控区域为待统计区域中用户指定的监控区域。后端设备可以通过设置在各预设监控区域的智能摄像机，直接获取各图像数据中各指定目标的行为分析结果。智能摄像机通过计算机视觉技术，对自身采集的图像数据进行分析，得到自身采集的图像数据中各指定目标的行为分析结果。
可选的，智能摄像机通过行为列表的方式发送各指定目标的行为分析结果，针对任一智能摄像机，该智能摄像机针对每种行为类型建立一个行为列表，该智能摄像机将触发指定行为类型的指定目标的标识添加到相应的行为列表中。相应的，上述获取各预设监控区域的图像数据中各指定目标的行为分析结果，包括：接收各智能设备发送的行为列表，其中，上述行为列表中包括指定目标的标识，且同一行为列表中各指定目标的行为类型相同；组装各上述行为列表，分别得到触发各指定行为的指定目标名单，其中，上述各指定目标的行为分析结果以触发各指定行为的指定目标名单的方式表示。后端设备通过组装各智能设备发送的行为列表，可以汇总多个预设监控区域的图像数据的分析结果，将计算资源分摊到前端智能设备，减少后端设备的处理压力，提升了灵活性。具体的，此处的智能设备可以为智能摄像机或硬盘录像机等。
在一种可能的实施方式中，图像数据分析过程由后端设备执行，参见图1b，上述获取各预设监控区域的图像数据中各指定目标的行为分析结果，包括：
S1011，获取各预设监控区域的图像数据。
后端设备接收各摄像机发送的各预设监控区域的图像数据。
S1012，通过计算机视觉技术，对各上述图像数据进行分析，得到各上述图像数据中指定目标的行为分析结果。
后端设备通过计算机视觉技术，得到各图像数据中指定目标的行为分析结果。指定目标为用户希望关注的目标，可以为人、车辆或动物等，具体可以根据实际要求进行设定。在一种可能的实施方式中，计算机视觉技术为预先训练的深度学习算法，后端设备利用深度学习算法对图像数据进行分析，得到图像数据中指定目标的行为分析结果。预先训练的深度学习算法的过程可以如图4所示包括：确定感兴趣的行为类型，对包含指定目标的各图像数据中指定目标的行为类型进行标定，得到样本图像数据，将样本图像数据输入到深度学习算法中进行训练，收敛后得到预先训练的深度学习算法。
可选的，上述通过计算机视觉技术，对各上述图像数据进行分析，得到各上述图像数据中指定目标的行为分析结果，包括：
步骤一，通过计算机视觉技术，分别对各上述图像数据中的指定目标进行跟踪检测，提取各上述指定目标的像素区域序列。
计算机视觉技术可以包括目标检测算法及目标跟踪算法，后端设备通过目标检测算，分别对各图像数据中的指定目标进行识别，并通过目标跟踪算法，对指定目标进行跟踪，从而得到各指定目标在图像数据中的位置，进而按照各指定目标在图像数据中的位置，提取各指定目标的像素区域序列。
在一种可能的实施方式中，为了减少后端设备的处理压力，通过采样指定目标的像素区域序列代替各指定目标的像素区域序列。上述通过计算机视觉技术，分别对各上述图像数据中的指定目标进行跟踪检测，提取各上述指定目标的像素区域序列，包括：
步骤A，通过预设目标检测算法及预设目标跟踪算法，确定各上述图像数据中的各指定目标及各上述指定目标的位置。
后端设备通过目标检测算，分别对各图像数据中的指定目标进行识别，并通过目标跟踪算法，对指定目标进行跟踪，从而得到各指定目标在图像数据中的位置，在一种可能的实施方式中，为了有效区分各指定目标，可以针对每个指定目标设置一个唯一的ID。目标检测算法可以包括行人目标检测，例如，HOG(Histogram of Oriented Gradient，方向梯度直方图)、DPM(Deformable Parts Models，可变型部件模型)、FRCNN(Faster Regions withConvolutional Neural Networks，更快的基于分区的卷积神经网络)、YOLO(You OnlyLook Once，你只看一次)、SSD(Single Shot Multibox Detector，单点多盒探测器)，目标跟踪算法可以为多目标跟踪算法方法。
步骤B，通过预设目标采样算法，对各上述图像数据中的各指定目标进行采样，得到各采样指定目标。
后端设备还对各指定目标进行目标采样，从而减少后端设备的处理压力。后端设备可以通过任意相关的采样算法对指定目标进行采样。例如，对各图像数据中的指定目标进行目标稀疏采样，目标稀疏采样方法包含但不限于目标均匀采样、点位均匀采样、点位带权采样及基于区域目标数量的采样等，通过采样可以获取目标规模适量的指定目标，即采样指定目标。
步骤C，按照各上述采样指定目标的位置，对各上述图像数据进行目标行为序列抽取，得到各上述采样指定目标的像素区域序列。
在步骤A中确定了各指定目标的位置，各采样指定目标均为各指定目标中的目标，因此各采样指定目标的位置已知。后端设备按照各采样指定目标的位置，对各图像数据进行目标行为序列抽取，按照一定结构，例如，Tubelet等，从图像数据中进行图像截取，得到各采样指定目标的像素区域序列。通过采样指定目标的像素区域序列代替各指定目标的像素区域序列。
在本申请实施例中，对各指定目标的像素区域序列进行采样，根据目标密集程度，完成稀疏采样，在保留不同预设监控区域下指定目标分布特性的同时，降低了行为类型识别处理的数据量，提升了整体方案的实用性。
步骤二，对各上述指定目标的像素区域序列进行分析，得到各上述指定目标的行为分析结果。
针对各指定目标的像素区域序列进行分析，使用图像序列行为识别框架，例如，LSTM(Long Short-Term Memory，长短期记忆网络)、双流网络、C3D(3D ConvNets，深度3维卷积网络)、P3D(Pseudo-3D Residual Networks，伪三维残差网络)、ArtNet、PointNet、PointSIFT等，结合分类神经网络进行序列行为特征提取，得到各指定目标的像素区域序列的行为分析结果。其中，分类神经网络包含但不限于Resnet18(Residual Neural Network18，残差神经网络18)、Resnet50(Residual Neural Network50，残差神经网络50)、Resnet101(Residual Neural Network101，残差神经网络101)、Resnet152(ResidualNeural Network152，残差神经网络152)、Inception-v1、VGG(Visual Geometry GroupNetwork，视觉几何组网络)等。在一种可能的实施方式中，行为分析结果包括行为类别和置信度。
S102，根据各上述指定目标的行为分析结果，确定待统计区域的各子区域中指定行为发生的频次，其中，上述子区域与上述预设监控区域存在交集；
待统计区域可以为预先设定的区域，也可以为用户指定的区域。在一种可能的实施方式中，在S102之前，上述方法还包括：获取用户输入的待统计区域选取指令；按照上述待统计区域选取指令，确定待统计区域。待统计区域选取指令表征待统计区域的范围。待统计区域的各子区域可以为预先确定的，例如，预先按照面积大小划分多个面积区间，针对每个面积区间设定子区域的大小及划分方法。按照待统计区域的大小确定待统计区域所属的面积区间，按照待统计区域所属的面积区间对应的子区域的大小及划分方法，确定待统计区域中的各子区域。当然，也可以设定固定的子区域大小及划分方法，针对待统计区域，根据固定子区域大小及划分方法，确定待统计区域的各子区域。
在一种可能的实施方式中，子区域是提前划分好的，预先按照不同的粒度例如，道路、楼层、小区、城区、城市或省区等，划分多个子区域。根据预先划分好的子区域，确定待统计区域包括的子区域。
在一种可能的实施方式中，还可以按照用户需求选择不同的粒度。可选的，在上述根据各上述指定目标的行为分析结果，确定待统计区域的各子区域中指定行为发生的频次之前，上述方法还包括：
步骤一，获取用户输入的粒度设定指令，其中，上述粒度设定指令表征子区域的大小属性。粒度设定指令表征子区域的大小，例如，粒度设定指令表征子区域为道路、楼层、小区、城区、城市或省区等。
步骤二，按照上述粒度设定指令，确定待统计区域中各子区域。例如，在粒度设定指令表征子区域为小区时，确定各子区域为小区；在粒度设定指令表征子区域为街道时，确定各子区域为街道。
通过粒度设定，可以汇总不同粒度的行为分析结果，能够直观结合电子地图以不同颜色和颜色深浅对区域行为进行可视化显示，直观易于使用。
指定行为可以是预先设定的行为类型，也可以为用户实时选取的行为类型。在一种可能的实施方式中，上述方法还包括：获取用户输入的指定行为选取指令，其中，指定行为选取指令表征指定行为的行为类型；按照指定行为选取指令，确定指定行为。
后端设备按照各指定目标所属的预设监控区域，确定各指定目标所在的子区域；按照各指定目标的行为分析结果，分别统计各子区域中指定行为发生的频次。在通常情况下，预设监控区域的大小是小于子区域的大小的，在一种可能的实施方式中，上述子区域包括上述预设监控区域，上述根据各上述指定目标的行为分析结果，确定待统计区域的各子区域中指定行为发生的频次，包括：
步骤一，获取各上述子区域与各上述预设监控区域的包含关系。
根据各子区域的位置及各预设监控区域的位置，分别确定各子区域包括的预设监控区域。
步骤二，按照上述包含关系、各上述指定目标的行为分析结果及各上述指定目标所在的预设监控区域，确定待统计区域的各上述子区域中指定行为发生的频次。
图像数据为预设监控区域的视频图像，任一图像数据中的指定目标，为该图像数据对应的预设监控区域中的指定目标。若子区域包括一预设监控区域，则该一预设监控区域中的指定目标为该子区域中的指定目标。按照各指定目标的行为分析结果，分别统计各子区域中指定行为发生的频次。
为了方便指定目标的行为分析结果的统计，在一种可能的实施方式中，上述方法还包括：根据各上述指定目标的行为分析结果，将各上述指定目标进行分类，得到多个行为列表，其中，同一行为列表中各指定目标的行为类型相同。根据指定目标的行为分析结果，将同一行为类型的各指定目标划分到一个行为列表中，行为列表除了记录对应的行为类型及包含的指定目标的标识外，还可以记录指定目标的位置，指定目标的位置可以是指定目标所属的图像数据/预设监控区域，或指定目标的位置为指定目标的实际坐标等。
S103，按照各上述子区域中指定行为发生的频次，生成上述待统计区域的指定行为的行为热力图。
后端设备按照各子区域中指定行为发生的频次，在电子地图中，对待统计区域各子区域进行着色，从而得到待统计区域的指定行为的行为热力图。在一种可能的实施方式中，可以用冷暖色表示子区域中指定行为发生的频次，例如，子区域中指定行为发生的频次越高，该子区域的颜色越趋近于暖色；子区域中指定行为发生的频次越低，该子区域的颜色越趋近于冷色。
在实际应用的过程中，用户可能希望对多种行为类型进行监测，在一种可能的实施方式中，上述指定行为为多个指定行为，上述按照各上述子区域中指定行为发生的频次，生成上述待统计区域的指定行为的行为热力图，包括：
步骤一，获取上述待统计区域的电子地图，获取各上述子区域中各指定行为发生的频次。
步骤二，确定各上述指定行为对应的热力颜色。
指定行为包括多种指定行为，可以针对不同的指定行为设定不同的热力颜色。各指定行为对应的热力颜色可以为随机确定的，也可以为用户指定的，此处不再赘述。
步骤三，针对上述电子地图中的任一子区域，按照该子区域中各上述指定行为发生的频次，在该子区域的地图中显示该子区域中各指定行为对应的热力颜色，其中，任一热力颜色的深浅程度与该热力颜色对应的指定行为发生的频次正相关。
针对任一子区域，在该子区域的电子地图位置显示该子区域包含的指定行为的热力颜色。且该子区域中指定行为的频次越高，该指定行为对应的的热力颜色的深浅程度越深。
使用电子地图作为基底、使用颜色深浅表示指定行为频次的高低、使用不同颜色表示不同行为类型，在电子地图中的各子区域位置分别显示相应的热力颜色，得到待统计区域的行为热力图。在一种可能的实施方式中，行为热力图可以进行放大或缩小，根据电子地图比例尺更新频次统计数据。用户可以从电子地图上选择子区域中的图像数据进行视频预览，更真实地观测实际情况。可选的，上述方法还包括，获取针对指定预设监控区域的图像展示指令；按照图像展示指令，展示指定预设监控区域的图像数据。例如，用户可以通过鼠标或触屏点击子区域中的指定预设监控区域，后端设备在检测到针对指定预设监控区域的点击指令后，展示指定预设监控区域的图像数据。
在本申请实施例中，通过图像数据统计待统计区域中各子区域指定行为的发生频次，进而生成待统计区域的行为热力图，可以实现对大面积区域进行直观的监测。
在行为热力图粒度要求较小时，需要对指定目标的位置进行进一步的定位。在一种可能的实施方式中，在上述获取各预设监控区域的图像数据中各指定目标的行为分析结果之后，上述方法还包括：
获取各上述指定目标在上述预设监控区域中的实际位置。
指定目标的实际位置可以为智能摄像机等前端智能设备上报的，也可以为后端设备按照图像数据确定的。
在一种可能的实施方式中，参见图2，上述获取各上述指定目标在上述预设监控区域中的实际位置，包括：
S201，根据各上述指定目标的像素区域序列，确定各上述指定目标在上述图像数据中的位置。
指定目标的像素区域可以为指定目标的目标框选中的像素区域，按照指定目标的像素区域序列，确定指定目标在上述图像数据中的位置序列，例如，可以为位置坐标序列(时序上连续的多个坐标区域)。
S202，按照各上述指定目标在上述图像数据中的位置，确定各上述指定目标在上述预设监控区域中的实际位置。
通过相关的坐标换算方法，将指定目标在图像数据中的位置转换为指定目标在预设监控区域中的实际位置，该实际位置可以为全球定位***坐标或自定义的区域坐标。
在一种可能的实施方式中，各指定目标的实际位置可以为智能摄像机等前端设备发送给后端设备的，后端设备直接获取各指定目标的实际位置即可。
上述根据各上述指定目标的行为分析结果，确定待统计区域的各子区域中指定行为发生的频次，包括：
根据各上述指定目标的实际位置及各上述指定目标的行为分析结果，确定待统计区域的各子区域中指定行为发生的频次。
分别确定待统计区域的各子区域的实际位置。按照各指定目标的实际位置、各子区域的实际位置及各指定目标的行为分析结果，分别确定各子区域中指定行为发生的频次。
在本申请实施例中，通过确定各指定目标的实际位置，能够应用于子区域不包含完整预设监控区域的情况，甚至可以应用于子区域小于预设监控区域的情况，并且能够适用于行为热力图颗粒度较小的场景，即子区域较小的场景，理论子区域最小可以为一个坐标点，能够大大增加行为热力图的监测精度。
为了方便指定目标的行为分析结果的统计，在一种可能的实施方式中，上述根据各上述指定目标的实际位置及各上述指定目标的行为分析结果，确定待统计区域的各子区域中指定行为发生的频次，包括：
S1021，根据各上述指定目标的行为分析结果，将各上述指定目标进行分类，得到多个行为列表，其中，同一行为列表中各指定目标的行为类型相同。
根据指定目标的行为分析结果，将同一行为类型的各指定目标划分到一个行为列表中。针对任一行为列表，该行为列表中记录了该行为列表的行为类型，该行为列表包含的各指定目标的标识，以及该行为列表包含的各指定目标的实际位置。
S1022，确定指定行为对应的目标行为列表。
确定将指定行为对应的行为列表，即目标行为列表。
S1023，根据上述目标行为列表中各指定目标的实际位置，确定待统计区域的各子区域中上述指定行为发生的频次。
分别确定待统计区域的各子区域的实际位置。按照目标行为列表中各指定目标的实际位置及各子区域的实际位置，分别确定各子区域中指定目标的出现频次，即各子区域中指定行为发生的频次。
在本申请实施例中，通过设定行为列表，方便指定目标的行为分析结果的统计，行为热力图生成效率高。
本申请实施例还提供了一种报警方法，参见图3，该方法包括：
S301，展示待统计区域的行为热力图，其中，上述行为热力图表征指定行为在上述待统计区域的各子区域中发生的频次。
本申请实施例的报警方法可以通过后端设备执行，具体的，该后端设备可以为服务器、个人电脑或硬盘录像机等。行为热力图可以通过上述任一行为热力图生成方法获得，此处不再赘述。
S302，在上述行为热力图的子区域满足预设报警条件时，触发针对满足预设报警条件的子区域的报警。
预设报警条件可以按照实际情况进行设定，例如设定为指定行为频次大于预设频次阈值，或热力颜色的热力值大于预设热力预值等。在一种可能的实施方式中，上述在上述行为热力图中的子区域满足预设报警条件时，触发针对满足预设报警条件的子区域的报警，包括：分别比较上述行为热力图各子区域中指定行为发生的频次与预设频次阈值的大小；针对指定行为发生的频次大于上述预设频次阈值的目标子区域，触发针对上述目标子区域的报警。
在一种可能的实施方式中，上述行为热力图的子区域中包括热力颜色，上述热力颜色表征上述子区域中指定行为发生的频次，且上述子区域中指定行为发生的频次越高，上述子区域的热力颜色的热力值越高；上述在上述行为热力图的子区域满足预设报警条件时，触发针对满足预设报警条件的子区域的报警，包括：分别比较各上述子区域的热力颜色的热力值与预设热力预值的大小；针对热力值大于上述预设热力阈值的待报警子区域，触发针对上述待报警子区域的报警。
本申请实施例的行为热力图生成方法具体可以如图5所示。用户可以设定关注的行为类别，后端设备实时监测待统计区域内的各指定行为的频次，一旦出现指定行为类别热力明显上升达到预设热力阈值时，可以主动触发预警联动。用户可以主动查看现场视频或现场该行为类别样例，并根据情况及时响应。
在实际情况中，本申请实施例的报警方法可以广泛应用于各个领域。举例如下：
可以预设人员奔跑、人员集会游行、人员打架人员倒地等行为类型，当某指定监测区域人员奔跑行为热力突然上升，达到行为热力图***预设阈值上限时，触发预警，并推送现场视频或现场行为短视频给管理者，若查看发现是商场发生了火灾，则可快速派出火警支援；当某地区人员倒地行为、和人员打架行为热力突然上升，达到阈值上限，管理者实际查看发现火车站发生了暴恐事件，则可快速派出工作人员支援。
可以预设人员排队、人员滞留、人员拖动行李箱等行为类型，当某指定监测区域人员滞留行为热力突然上升，达到预设阈值上限，经管理者查看推送的现场视频或短视频，发现火车站某广场发现大量旅客，则可以快速派出运输资源或疏导人员前往疏散人群。
可以预设学生低头、学生趴桌睡觉、学生起立发言等行为类型，当校园监测区域内学生趴桌睡觉行为热力突然上升时(属于正常教学时间段)，触发联动策略，向教学管理者告警，教学管理者查看推送的视频或行为短视频发现，个别课堂出现了教学气氛低的现象，可以及时了解教学工作，提升教学质量。
可以预设牧牛进食、牧牛饮水、牧牛卧地、牧牛剧烈运动等等行为类型，当牧场监测区域内牧牛卧地行为热力突然上升(属于正常进食时间段)时，触发联动策略，向牧场管理者告警，经牧场管理者查看推送的现场视频或短视频，发现牧牛疑似出现中毒或疫情，则可快速进行疾控卫生工作。
本申请实施例中，可以根据指定监测区域行为列表统计结果，简便地进行多功能组合使用，包含了查看单一/任意多种行为的分布特性，查看单一区域/任意多区域的行为分布特征，用户交互操作简洁。采用行为热力图进行行为预览和调度，便于用户快速关注现场情况，方便取证，能够快速做出***调度，提高了智能化水平。
为了能够同时针对多种指定行为进行检测，在一种可能的实施方式中，上述行为热力图的子区域中包括热力颜色，上述指定行为多个指定行为，不同的指定行为对应不同的热力颜色，上述热力颜色的深浅程度与上述热力颜色对应的指定行为发生的频次正相关，各上述热力颜色分别对应相应的报警联动；
上述在上述行为热力图的子区域满足预设报警条件时，触发针对满足预设报警条件的子区域的报警，包括：
步骤一，针对各上述子区域中的各热力颜色，比较该热力颜色的深浅程度与该热力颜色对应的预设程度预值的大小。
步骤二，针对深浅程度大于预设程度预值的目标热力颜色，触发针对上述目标热力颜色所在的子区域、且与上述目标热力颜色对应的报警联动。
预先针对各热力颜色的设定预设程度阈值，不同热力颜色的预设程度阈值可以相同也可以不同，按照实际需求设定。不同子区域的热力颜色可以设定不同的报警联动，也可以设定相同的报警联动，具体按照实际需要进行设定。后端设备分别针对各子区域的各热力颜色进行分析，针对任一热力颜色，比较该热力颜色的深浅程度与该热力颜色对应的预设程度预的大小。在该热力颜色的深浅程度大于该热力颜色对应的预设程度阈值时，执行针对该热力颜色所在的子区域的、且与该热力颜色对应的报警联动。
本申请实施例中，可以基于行为热力图同时实现对多种指定行为的检测报警，能够满足用户多种需求。
可选的，本申请实施例的报警方法还包括：
步骤一，获取用户针对待展示的子区域的展示指令。
步骤二，按照上述展示指令，展示上述待展示的子区域中的图像数据，其中，上述待展示的子区域中的图像数据为上述待展示的子区域中的监控区域的视频流。
图像数据为监控设备采集的各监控区域的视频流，用户通过展示指令可以展示待展示的子区域中的图像数据。在一些情况下，待展示的子区域中包括多个图像数据，可以先生成各图像数据的预览窗口，供用户选择展示。
本申请实施例中，实现了实际监控场景的图像数据的展示，能够帮助用户更加充分的了解实际情况，满足用户多种需求。
本申请实施例还提供了一种行为列表发送方法，参见图6，应用于前端智能设备，该方法包括：
S601，获取预设监控区域的图像数据。
本申请实施例的行为列表发送方法应用于前端智能设备，因此可以通过前端智能设备实现，具体的，该前端智能设备可以为智能摄像机或硬盘录像机等。智能摄像机可以直接对预设监控区域的图像数据进行采集，从而得到预设监控区域的图像数据。硬盘录像机可以通过连接的摄像机获取预设监控区域的图像数据。
S602，通过计算机视觉技术，对上述图像数据进行分析，得到上述图像数据中各指定目标的行为分析结果。
前端智能设备通过目标检测算，对图像数据中的指定目标进行识别，并通过目标跟踪算法，对各指定目标进行跟踪，从而得到各指定目标在图像数据中的位置，按照各指定目标在图像数据中的位置，对各指定目标进行行为识别，得到各指定目标的行为分析结果。
S603，按照各上述指定目标的行为分析结果，将各上述指定目标进行分类，得到多个行为列表，其中，同一上述行为列表中各指定目标的行为类型相同。
根据指定目标的行为分析结果，将同一行为类型的各指定目标划分到一个行为列表中，行为列表除了记录对应的行为类型及包含的指定目标的标识外，还可以记录指定目标的位置，指定目标的位置可以是指定目标所属的图像数据/预设监控区域，或指定目标的位置为指定目标的实际坐标等。
S604，发送各上述行为列表。
智能摄像机或硬盘录像机向服务器发送各行为列表，以使服务器按照行为列表生成行为热力图，行为热力图的生成过程如上述行为热力图生成方法上述，此处不再赘述。
可选的，各指定目标的行为分析结果为各采样指定目标的行为分析结果，上述通过计算机视觉技术，对上述图像数据进行分析，得到上述图像数据中各指定目标的行为分析结果，包括：
步骤一，通过预设目标检测算法及预设目标跟踪算法，确定上述图像数据中的各指定目标及各上述指定目标的位置。
通过目标检测算，对图像数据中的指定目标进行识别，并通过目标跟踪算法，对指定目标进行跟踪，从而得到各指定目标在图像数据中的位置，在一种可能的实施方式中，为了有效区分各指定目标，可以针对每个指定目标设置一个唯一的ID。目标检测算法可以包括行人目标检测，例如，HOG、DPM、FRCNN、YOLO、SSD，目标跟踪算法可以为多目标跟踪算法方法。
步骤二，通过预设目标采样算法，对上述图像数据中的各指定目标进行采样，得到各采样指定目标。
对各指定目标进行目标采样，例如，对各图像数据中的指定目标进行目标稀疏采样，目标稀疏采样方法包含但不限于目标均匀采样、点位均匀采样、点位带权采样及基于区域目标数量的采样等，通过采样可以获取目标规模适量的指定目标，即采样指定目标。
步骤三，按照各上述采样指定目标的位置，对上述图像数据进行目标行为序列抽取，得到各上述采样指定目标的像素区域序列。
在步骤一中确定了各指定目标的位置，各采样指定目标均为各指定目标中的目标，因此各采样指定目标的位置已知。前端智能设备按照各采样指定目标的位置，对各图像数据进行目标行为序列抽取，按照一定结构，例如，Tubelet等，从图像数据中进行图像截取，得到各采样指定目标的像素区域序列。
步骤四，对各上述采样指定目标的像素区域序列进行分析，得到各上述采样指定目标的行为分析结果。
针对各采样指定目标的像素区域序列进行分析，使用图像序列行为识别框架，例如，LSTM、双流网络、C3D、P3D、ArtNet、PointNet、PointSIFT等，结合分类神经网络进行序列行为特征提取，得到各指定目标的像素区域序列的行为分析结果。其中，分类神经网络包含但不限于Resnet18、Resnet50、Resnet101、Resnet152、Inception-v1、VGG等。在一种可能的实施方式中，行为分析结果包括行为类别和置信度。
本申请实施例提供了一种报警装置，该装置包括：
热力图展示模块，用于展示待统计区域的行为热力图，其中，上述行为热力图表征指定行为在上述待统计区域的各子区域中发生的频次；
报警触发模块，用于在上述行为热力图的子区域满足预设报警条件时，触发针对满足预设报警条件的子区域的报警。
可选的，上述报警触发模块，包括：
频次比较子模块，用于分别比较上述行为热力图各子区域中指定行为发生的频次与预设频次阈值的大小；
子区域报警子模块，用于针对指定行为发生的频次大于上述预设频次阈值的目标子区域，触发针对上述目标子区域的报警。
可选的，上述行为热力图的子区域中包括热力颜色，上述热力颜色表征上述子区域中指定行为发生的频次，且上述子区域中指定行为发生的频次越高，上述子区域的热力颜色的热力值越高；
上述报警触发模块，包括：
热力值比较子模块，用于分别比较各上述子区域的热力颜色的热力值与预设热力预值的大小；
触发报警子模块，用于针对热力值大于上述预设热力阈值的待报警子区域，触发针对上述待报警子区域的报警。
可选的，上述行为热力图的子区域中包括热力颜色，上述指定行为多个指定行为，不同的指定行为对应不同的热力颜色，上述热力颜色的深浅程度与上述热力颜色对应的指定行为发生的频次正相关，各上述热力颜色分别对应相应的报警联动；
上述报警触发模块，具体用于：
针对各上述子区域中的各热力颜色，比较该热力颜色的深浅程度与该热力颜色对应的预设程度预值的大小；
针对深浅程度大于预设程度预值的目标热力颜色，触发针对上述目标热力颜色所在的子区域、且与上述目标热力颜色对应的报警联动。
可选的，本申请实施例的报警装置还包括：
展示指令接收模块，用于获取用户针对待展示的子区域的展示指令；
图像数据展示模块，用于按照上述展示指令，展示上述待展示的子区域中的图像数据，其中，上述待展示的子区域中的图像数据为上述待展示的子区域中的监控区域的视频流。
本申请实施例还提供了一种行为热力图生成装置，参见图7，应用于后端设备，该装置包括：
分析结果获取模块701，用于获取各预设监控区域的图像数据中各指定目标的行为分析结果，其中，上述预设监控区域为待统计区域中的区域；
子区域频次统计模块702，用于根据各上述指定目标的行为分析结果，确定待统计区域的各子区域中指定行为发生的频次，其中，上述子区域与上述预设监控区域存在交集；
行为热力图生成模块703，用于按照各上述子区域中指定行为发生的频次，生成上述待统计区域的指定行为的行为热力图。
可选的，上述分析结果获取模块701，包括：
图像数据获取子模块，用于获取各预设监控区域的图像数据；
行为分析子模块，用于通过计算机视觉技术，对各上述图像数据进行分析，得到各上述图像数据中指定目标的行为分析结果。
可选的，上述行为分析子模块，包括：
区域序列确定单元，用于通过计算机视觉技术，分别对各上述图像数据中的指定目标进行跟踪检测，提取各上述指定目标的像素区域序列；
区域序列分析单元，用于对各上述指定目标的像素区域序列进行分析，得到各上述指定目标的行为分析结果。
可选的，各指定目标的像素区域序列为各采样指定目标的像素区域序列，上述区域序列确定单元，包括：
位置确定子单元，用于通过预设目标检测算法及预设目标跟踪算法，确定各上述图像数据中的各指定目标及各上述指定目标的位置；
系数采样子单元，用于通过预设目标采样算法，对各上述图像数据中的各指定目标进行采样，得到各采样指定目标；
区域截取确定子单元，用于按照各上述采样指定目标的位置，对各上述图像数据进行目标行为序列抽取，得到各上述采样指定目标的像素区域序列。
可选的，上述行为热力图生成装置还包括：
实际位置获取模块，用于获取各上述指定目标在上述预设监控区域中的实际位置；
上述子区域频次统计模块，具体用于：根据各上述指定目标的实际位置及各上述指定目标的行为分析结果，确定待统计区域的各子区域中指定行为发生的频次。
可选的，上述实际位置获取模块，包括：
图像位置获取子模块，用于根据各上述指定目标的像素区域序列，确定各上述指定目标在上述图像数据中的位置；
实际位置映射子模块，用于按照各上述指定目标在上述图像数据中的位置，确定各上述指定目标在上述预设监控区域中的实际位置。
可选的，上述子区域频次统计模块702，包括：
指定目标分类子模块，用于根据各上述指定目标的行为分析结果，将各上述指定目标进行分类，得到多个行为列表，其中，同一行为列表中各指定目标的行为类型相同；
目标列表确定子模块，用于确定指定行为对应的目标行为列表；
频次确定子模块，用于根据上述目标行为列表中各指定目标的实际位置，确定待统计区域的各子区域中上述指定行为发生的频次。
可选的，上述行为热力图生成装置还包括：
设定指令获取模块，用于获取用户输入的粒度设定指令，其中，上述粒度设定指令表征子区域的大小属性；
子区域设定模块，用于按照上述粒度设定指令，确定待统计区域中各子区域。
可选的，上述子区域包括上述预设监控区域，上述子区域频次统计模块702，包括：
包含关系确定子模块，用于获取各上述子区域与各上述预设监控区域的包含关系；
行为频次统计子模块，用于按照上述包含关系、各上述指定目标的行为分析结果及各上述指定目标所在的预设监控区域，确定待统计区域的各上述子区域中指定行为发生的频次。
可选的，上述指定行为多个指定行为，上述行为热力图生成模块703，包括：
多频次统计子模块，用于获取上述待统计区域的电子地图，获取各上述子区域中各指定行为发生的频次；
热力颜色对应子模块，用于确定各上述指定行为对应的热力颜色；
地图着色子模块，用于针对上述电子地图中的任一子区域，按照该子区域中各上述指定行为发生的频次，在该子区域的地图中显示该子区域中各指定行为对应的热力颜色，其中，任一热力颜色的深浅程度与该热力颜色对应的指定行为发生的频次正相关。
可选的，上述行为热力图生成装置还包括：
联动策略模块，用于在上述行为热力图的指定监测区域的热力颜色满足预设联动规则时，执行满足预设联动规则的热力颜色对应的指定行为的联动策略。
可选的，上述各指定目标的行为分析结果为触发各指定行为的指定目标名单；上述分析结果获取模块，包括：
行为列表接收子模块，用于接收各智能设备发送的行为列表，其中，上述行为列表中包括指定目标的标识，且同一行为列表中各指定目标的行为类型相同；
行为列表组装子模块，用于组装各上述行为列表，分别得到触发各指定行为的指定目标名单。
本申请实施例还提供了一种行为列表发送装置，参见图8，应用于前端智能设备，该装置包括：
图像数据获取模块801，用于获取预设监控区域的图像数据；
目标行为分析模块802，用于通过计算机视觉技术，对上述图像数据进行分析，得到上述图像数据中各指定目标的行为分析结果；
指定目标分类模块803，用于按照各上述指定目标的行为分析结果，将各上述指定目标进行分类，得到多个行为列表，其中，同一上述行为列表中各指定目标的行为类型相同；
行为列表发送模块804，用于发送各上述行为列表。
可选的，各指定目标的行为分析结果为各采样指定目标的行为分析结果，上述目标行为分析模块802，包括：
目标位置确定子模块，用于通过预设目标检测算法及预设目标跟踪算法，确定上述图像数据中的各指定目标及各上述指定目标的位置；
指定目标采样子模块，用于通过预设目标采样算法，对上述图像数据中的各指定目标进行采样，得到各采样指定目标；
像素区域截取子模块，用于按照各上述采样指定目标的位置，对上述图像数据进行目标行为序列抽取，得到各上述采样指定目标的像素区域序列；
目标行为分析子模块，用于对各上述采样指定目标的像素区域序列进行分析，得到各上述采样指定目标的行为分析结果。
本申请实施例还提供了一种电子设备，包括：处理器及存储器；
上述存储器，用于存放计算机程序；
上述处理器用于执行上述存储器存放的计算机程序时，实现上述任一行为热力图生成方法。
可选的，参见图9，本申请实施例的电子设备还包括通信接口902和通信总线904，其中，处理器901，通信接口902，存储器903通过通信总线904完成相互间的通信。具体的，该电子设备可以为服务器或硬盘录像机等。
本申请实施例还提供了一种电子设备，包括：处理器及存储器；
上述存储器，用于存放计算机程序；
上述处理器用于执行上述存储器存放的计算机程序时，实现上述任一行为列表发送方法。具体的，该电子设备可以为智能摄像机或硬盘录像机等。
本申请实施例还提供了一种电子设备，包括：处理器及存储器；
上述存储器，用于存放计算机程序；
上述处理器用于执行上述存储器存放的计算机程序时，实现上述任一报警方法。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
本申请实施例还提供了一种计算机可读存储介质，上述计算机可读存储介质内存储有计算机程序，上述计算机程序被处理器执行时实现上述任一行为热力图生成方法。
本申请实施例还提供了一种计算机可读存储介质，上述计算机可读存储介质内存储有计算机程序，上述计算机程序被处理器执行时实现上述任一行为列表发送方法。
本申请实施例还提供了一种计算机可读存储介质，上述计算机可读存储介质内存储有计算机程序，上述计算机程序被处理器执行时实现上述任一报警方法。
需要说明的是，在本文中，各个可选方案中的技术特征只要不矛盾均可组合来形成方案，这些方案均在本申请公开的范围内。诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、电子设备及存储介质的实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本申请的较佳实施例而已，并非用于限定本申请的保护范围。凡在本申请的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本申请的保护范围内。
Claims (27)
1.一种报警方法，其特征在于，所述方法包括：
展示待统计区域的行为热力图，其中，所述行为热力图表征指定行为在所述待统计区域的各子区域中发生的频次，所述指定行为为指定目标的行为，所述指定目标包括：人、车辆、动物；
在所述行为热力图的子区域满足预设报警条件时，触发针对满足预设报警条件的子区域的报警；
其中，所述行为热力图的子区域中包括热力颜色，所述指定行为是多个指定行为，不同的指定行为对应不同的热力颜色，所述热力颜色的深浅程度与所述热力颜色对应的指定行为发生的频次正相关，各所述热力颜色分别对应相应的报警联动。
2.根据权利要求1所述的方法，其特征在于，所述在所述行为热力图中的子区域满足预设报警条件时，触发针对满足预设报警条件的子区域的报警，包括：
分别比较所述行为热力图各子区域中指定行为发生的频次与预设频次阈值的大小；
针对指定行为发生的频次大于所述预设频次阈值的目标子区域，触发针对所述目标子区域的报警。
3.根据权利要求1所述的方法，其特征在于，所述在所述行为热力图的子区域满足预设报警条件时，触发针对满足预设报警条件的子区域的报警，包括：
针对各所述子区域中的各热力颜色，比较该热力颜色的深浅程度与该热力颜色对应的预设程度预值的大小；
针对深浅程度大于预设程度预值的目标热力颜色，触发针对所述目标热力颜色所在的子区域、且与所述目标热力颜色对应的报警联动。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取用户针对待展示的子区域的展示指令；
按照所述展示指令，展示所述待展示的子区域中的图像数据，其中，所述待展示的子区域中的图像数据为所述待展示的子区域中的监控区域的视频流。
5.一种行为热力图生成方法，其特征在于，应用于后端设备，所述方法包括：
获取各预设监控区域的图像数据中各指定目标的行为分析结果，其中，所述预设监控区域为待统计区域中的区域，所述指定目标包括：人、车辆、动物；
根据各所述指定目标的行为分析结果，确定所述待统计区域的各子区域中指定行为发生的频次，其中，所述子区域与所述预设监控区域存在交集；
按照各所述子区域中指定行为发生的频次，生成所述待统计区域的指定行为的行为热力图；
所述指定行为是多个指定行为，所述按照各所述子区域中指定行为发生的频次，生成所述待统计区域的指定行为的行为热力图，包括：
获取所述待统计区域的电子地图，获取各所述子区域中各指定行为发生的频次；
确定各所述指定行为对应的热力颜色；
针对所述电子地图中的任一子区域，按照该子区域中各所述指定行为发生的频次，在该子区域的地图中显示该子区域中各指定行为对应的热力颜色，其中，任一热力颜色的深浅程度与该热力颜色对应的指定行为发生的频次正相关。
6.根据权利要求5所述的方法，其特征在于，所述获取各预设监控区域的图像数据中各指定目标的行为分析结果，包括：
获取各预设监控区域的图像数据；
通过预设目标检测算法及预设目标跟踪算法，确定各所述图像数据中的各指定目标及各所述指定目标的位置；
通过预设目标采样算法，对各所述图像数据中的各指定目标进行采样，得到各采样指定目标；
按照各所述采样指定目标的位置，对各所述图像数据进行目标行为序列抽取，得到各所述采样指定目标的像素区域序列；
对各所述指定目标的像素区域序列进行分析，得到各所述指定目标的行为分析结果。
7.根据权利要求5所述的方法，其特征在于，一个所述子区域至少包括一个所述预设监控区域，所述根据各所述指定目标的行为分析结果，确定待统计区域的各子区域中指定行为发生的频次，包括：
获取各所述子区域与各所述预设监控区域的包含关系；
按照所述包含关系、各所述指定目标的行为分析结果及各所述指定目标所在的预设监控区域，确定待统计区域的各所述子区域中指定行为发生的频次。
8.根据权利要求5所述的方法，其特征在于，在所述获取各预设监控区域的图像数据中各指定目标的行为分析结果之后，所述方法还包括：
获取各所述指定目标在所述预设监控区域中的实际位置；
所述根据各所述指定目标的行为分析结果，确定待统计区域的各子区域中指定行为发生的频次，包括：
根据各所述指定目标的实际位置及各所述指定目标的行为分析结果，确定待统计区域的各子区域中指定行为发生的频次。
9.根据权利要求8所述的方法，其特征在于，所述根据各所述指定目标的实际位置及各所述指定目标的行为分析结果，确定待统计区域的各子区域中指定行为发生的频次，包括：
根据各所述指定目标的行为分析结果，将各所述指定目标进行分类，得到多个行为列表，其中，同一行为列表中各指定目标的行为类型相同；
确定指定行为对应的目标行为列表；
根据所述目标行为列表中各指定目标的实际位置，确定待统计区域的各子区域中所述指定行为发生的频次。
10.根据权利要求5所述的方法，其特征在于，在所述根据各所述指定目标的行为分析结果，确定待统计区域的各子区域中指定行为发生的频次之前，所述方法还包括：
获取用户输入的粒度设定指令，其中，所述粒度设定指令表征子区域的大小属性；
按照所述粒度设定指令，确定待统计区域中各子区域。
11.根据权利要求5所述的方法，其特征在于，所述各指定目标的行为分析结果为触发各指定行为的指定目标名单；所述获取各预设监控区域的图像数据中各指定目标的行为分析结果，包括：
接收各前端智能设备发送的各行为列表，其中，所述行为列表中包括指定目标的标识，且同一所述行为列表中各指定目标的行为类型相同；
组装各所述行为列表，分别得到触发各指定行为的指定目标名单。
12.一种行为列表发送方法，其特征在于，应用于前端智能设备，所述方法包括：
获取预设监控区域的图像数据，其中，所述预设监控区域为待统计区域中的区域；
通过计算机视觉技术，对所述图像数据进行分析，得到所述图像数据中各指定目标的行为分析结果，所述指定目标包括：人、车辆、动物；
按照各所述指定目标的行为分析结果，将各所述指定目标进行分类，得到多个行为列表，其中，同一所述行为列表中各指定目标的行为类型相同；
发送各所述行为列表至后端设备，以使所述后端设备基于各所述行为列表，分别确定所述待统计区域的各子区域中的指定行为发生的频次，并基于各所述子区域中指定行为发生的频次生成所述待统计区域的指定行为的行为热力图，其中，所述子区域与所述预设监控区域存在交集，所述行为热力图的子区域中包括热力颜色，所述指定行为是多个指定行为，不同的指定行为对应不同的热力颜色，所述热力颜色的深浅程度与所述热力颜色对应的指定行为发生的频次正相关。
13.根据权利要求12所述的方法，其特征在于，各指定目标的行为分析结果为各采样指定目标的行为分析结果，所述通过计算机视觉技术，对所述图像数据进行分析，得到所述图像数据中各指定目标的行为分析结果，包括：
通过预设目标检测算法及预设目标跟踪算法，确定所述图像数据中的各指定目标及各所述指定目标的位置；
通过预设目标采样算法，对所述图像数据中的各指定目标进行采样，得到各采样指定目标；
按照各所述采样指定目标的位置，对所述图像数据进行目标行为序列抽取，得到各所述采样指定目标的像素区域序列；
对各所述采样指定目标的像素区域序列进行分析，得到各所述采样指定目标的行为分析结果。
14.一种报警装置，其特征在于，所述装置包括：
热力图展示模块，用于展示待统计区域的行为热力图，其中，所述行为热力图表征指定行为在所述待统计区域的各子区域中发生的频次，所述指定行为为指定目标的行为，所述指定目标包括：人、车辆、动物；
报警触发模块，用于在所述行为热力图的子区域满足预设报警条件时，触发针对满足预设报警条件的子区域的报警；
其中，所述行为热力图的子区域中包括热力颜色，所述指定行为是多个指定行为，不同的指定行为对应不同的热力颜色，所述热力颜色的深浅程度与所述热力颜色对应的指定行为发生的频次正相关，各所述热力颜色分别对应相应的报警联动。
15.根据权利要求14所述的装置，其特征在于，所述报警触发模块，包括：
频次比较子模块，用于分别比较所述行为热力图各子区域中指定行为发生的频次与预设频次阈值的大小；
子区域报警子模块，用于针对指定行为发生的频次大于所述预设频次阈值的目标子区域，触发针对所述目标子区域的报警。
16.一种行为热力图生成装置，其特征在于，应用于后端设备，所述装置包括：
分析结果获取模块，用于获取各预设监控区域的图像数据中各指定目标的行为分析结果，其中，所述预设监控区域为待统计区域中的区域，所述指定目标包括：人、车辆、动物；
子区域频次统计模块，用于根据各所述指定目标的行为分析结果，确定所述待统计区域的各子区域中指定行为发生的频次，其中，所述子区域与所述预设监控区域存在交集；
行为热力图生成模块，用于按照各所述子区域中指定行为发生的频次，生成所述待统计区域的指定行为的行为热力图；
所述指定行为是多个指定行为，所述行为热力图生成模块，具体用于：
获取所述待统计区域的电子地图，获取各所述子区域中各指定行为发生的频次；
确定各所述指定行为对应的热力颜色；
针对所述电子地图中的任一子区域，按照该子区域中各所述指定行为发生的频次，在该子区域的地图中显示该子区域中各指定行为对应的热力颜色，其中，任一热力颜色的深浅程度与该热力颜色对应的指定行为发生的频次正相关。
17.根据权利要求16所述的装置，其特征在于，一个所述子区域至少包括一个所述预设监控区域，所述子区域频次统计模块，包括：
包含关系确定子模块，用于获取各所述子区域与各所述预设监控区域的包含关系；
行为频次统计子模块，用于按照所述包含关系、各所述指定目标的行为分析结果及各所述指定目标所在的预设监控区域，确定待统计区域的各所述子区域中指定行为发生的频次。
18.根据权利要求16所述的装置，其特征在于，所述子区域频次统计模块，包括：
指定目标分类子模块，用于根据各所述指定目标的行为分析结果，将各所述指定目标进行分类，得到多个行为列表，其中，同一行为列表中各指定目标的行为类型相同；
目标列表确定子模块，用于确定指定行为对应的目标行为列表；
频次确定子模块，用于根据所述目标行为列表中各指定目标的实际位置，确定待统计区域的各子区域中所述指定行为发生的频次。
19.根据权利要求16所述的装置，其特征在于，所述装置还包括：
设定指令获取模块，用于获取用户输入的粒度设定指令，其中，所述粒度设定指令表征子区域的大小属性；
子区域设定模块，用于按照所述粒度设定指令，确定待统计区域中各子区域。
20.根据权利要求16所述的装置，其特征在于，所述各指定目标的行为分析结果为触发各指定行为的指定目标名单；所述分析结果获取模块，包括：
行为列表接收子模块，用于接收各智能设备发送的行为列表，其中，所述行为列表中包括指定目标的标识，且同一行为列表中各指定目标的行为类型相同；
行为列表组装子模块，用于组装各所述行为列表，分别得到触发各指定行为的指定目标名单。
21.一种行为列表发送装置，其特征在于，应用于前端智能设备，所述装置包括：
图像数据获取模块，用于获取预设监控区域的图像数据，其中，所述预设监控区域为待统计区域中的区域；
目标行为分析模块，用于通过计算机视觉技术，对所述图像数据进行分析，得到所述图像数据中各指定目标的行为分析结果，所述指定目标包括：人、车辆、动物；
指定目标分类模块，用于按照各所述指定目标的行为分析结果，将各所述指定目标进行分类，得到多个行为列表，其中，同一所述行为列表中各指定目标的行为类型相同；
行为列表发送模块，用于发送各所述行为列表至后端设备，以使所述后端设备基于各所述行为列表，分别确定所述待统计区域的各子区域中的指定行为发生的频次，并基于各所述子区域中指定行为发生的频次生成所述待统计区域的指定行为的行为热力图，其中，所述子区域与所述预设监控区域存在交集，所述行为热力图的子区域中包括热力颜色，所述指定行为是多个指定行为，不同的指定行为对应不同的热力颜色，所述热力颜色的深浅程度与所述热力颜色对应的指定行为发生的频次正相关。
22.一种电子设备，其特征在于，包括处理器及存储器；
所述存储器，用于存放计算机程序；
所述处理器，用于执行所述存储器上所存放的程序时，实现权利要求1-4任一所述的报警方法。
23.一种电子设备，其特征在于，包括处理器及存储器；
所述存储器，用于存放计算机程序；
所述处理器，用于执行所述存储器上所存放的程序时，实现权利要求5-11任一所述的行为热力图生成方法。
24.一种电子设备，其特征在于，包括处理器及存储器；
所述存储器，用于存放计算机程序；
所述处理器，用于执行所述存储器上所存放的程序时，实现权利要求12-13任一所述的行为列表发送方法。
25.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求5-11任一所述的行为热力图生成方法。
26.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求12-13任一所述的行为列表发送方法。
27.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-4任一所述的报警方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910351634.4A CN111862521B (zh) | 2019-04-28 | 2019-04-28 | 行为热力图生成及报警方法、装置、电子设备及存储介质 |
| PCT/CN2020/085423 WO2020221031A1 (zh) | 2019-04-28 | 2020-04-17 | 行为热力图生成及报警方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910351634.4A CN111862521B (zh) | 2019-04-28 | 2019-04-28 | 行为热力图生成及报警方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111862521A CN111862521A (zh) | 2020-10-30 |
| CN111862521B true CN111862521B (zh) | 2022-07-05 |
Family
ID=72965214
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910351634.4A Active CN111862521B (zh) | 2019-04-28 | 2019-04-28 | 行为热力图生成及报警方法、装置、电子设备及存储介质 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN111862521B (zh) |
| WO (1) | WO2020221031A1 (zh) |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112488913A (zh) * | 2020-11-27 | 2021-03-12 | 杭州海康威视数字技术股份有限公司 | 数据处理方法、装置及电子设备 |
| CN112560715A (zh) * | 2020-12-21 | 2021-03-26 | 北京市商汤科技开发有限公司 | 操作记录展示方法、装置、电子设备及存储介质 |
| CN112749461B (zh) * | 2020-12-25 | 2023-05-02 | 深圳供电局有限公司 | 负荷数据监控方法、电力***、计算机设备和存储介质 |
| CN112906594B (zh) * | 2021-03-03 | 2022-06-03 | 杭州海康威视数字技术股份有限公司 | 一种布防区域生成方法、装置、设备及存储介质 |
| CN113010829B (zh) * | 2021-03-31 | 2023-01-20 | 中国建设银行股份有限公司 | 一种数据分区可视化方法、装置、计算机设备及存储介质 |
| CN113592320B (zh) * | 2021-06-16 | 2023-10-03 | 成都世纪光合作用科技有限公司 | 一种就餐意图识别方法、装置及电子设备 |
| CN114474091B (zh) * | 2022-01-26 | 2024-02-27 | 北京声智科技有限公司 | 机器人消杀方法、消杀机器人、消杀设备及存储介质 |
| CN114579889B (zh) * | 2022-04-26 | 2022-08-12 | 阿里巴巴（中国）有限公司 | 订单热力图的推荐方法、装置、设备及存储介质 |
| CN115099620B (zh) * | 2022-06-23 | 2023-12-05 | 中国建筑第五工程局有限公司 | 一种基于bim的智能房建施工信息收集分析*** |
| CN115083112B (zh) * | 2022-08-22 | 2022-11-22 | 枫树谷(成都)科技有限责任公司 | 一种智能预警应急管理***及其部署方法 |
| CN115648630B (zh) * | 2022-10-25 | 2024-05-31 | 上海复志信息科技股份有限公司 | 离型膜打印区域的处理方法、装置及光固化3d打印设备 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104766295A (zh) * | 2014-01-02 | 2015-07-08 | 三星泰科威株式会社 | 热图提供设备和方法 |
| CN105447458A (zh) * | 2015-11-17 | 2016-03-30 | 深圳市商汤科技有限公司 | 一种大规模人群视频分析***和方法 |
| WO2016135536A1 (en) * | 2015-02-27 | 2016-09-01 | Yandex Europe Ag | Method of and system for generating a heat map |
| CN106251578A (zh) * | 2016-08-19 | 2016-12-21 | 深圳奇迹智慧网络有限公司 | 基于探针的人流预警分析方法和*** |
| CN106485868A (zh) * | 2015-08-27 | 2017-03-08 | 杭州海康威视数字技术股份有限公司 | 火情的监测方法、***和火情的监测服务器 |
| CN108038116A (zh) * | 2017-10-24 | 2018-05-15 | 安徽四创电子股份有限公司 | 一种基于gis的人流密度监控方法 |
| CN108229407A (zh) * | 2018-01-11 | 2018-06-29 | 武汉米人科技有限公司 | 一种视频分析中的行为检测方法与*** |
| CN108399591A (zh) * | 2018-02-12 | 2018-08-14 | 北京天时前程自动化工程技术有限公司 | 热力站供热区域的热网数据可视化监控方法及*** |
| CN108419045A (zh) * | 2018-02-11 | 2018-08-17 | 浙江大华技术股份有限公司 | 一种基于红外热成像技术的监控方法及装置 |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9997046B2 (en) * | 2015-12-31 | 2018-06-12 | International Business Machines Corporation | Visitor flow management |
| US10140832B2 (en) * | 2016-01-26 | 2018-11-27 | Flir Systems, Inc. | Systems and methods for behavioral based alarms |
| KR20180130621A (ko) * | 2017-05-29 | 2018-12-10 | 전자부품연구원 | 서비스 공간 내 외현적 행동 반응 분석 장치 및 방법 |
| CN107292271B (zh) * | 2017-06-23 | 2020-02-14 | 北京易真学思教育科技有限公司 | 学习监控方法、装置及电子设备 |
| CN108428326A (zh) * | 2018-03-14 | 2018-08-21 | 海南师范大学 | 一种生态旅游评估管理预警信息*** |
| CN108764047A (zh) * | 2018-04-27 | 2018-11-06 | 深圳市商汤科技有限公司 | 群体情绪行为分析方法和装置、电子设备、介质、产品 |
| CN109034355B (zh) * | 2018-07-02 | 2022-08-02 | 百度在线网络技术（北京）有限公司 | 致密人群的人数预测方法、装置、设备以及存储介质 |
| CN108846389A (zh) * | 2018-08-13 | 2018-11-20 | 树蛙信息科技(南京)有限公司 | 一种客流分析***及其方法 |
| CN109508657B (zh) * | 2018-10-29 | 2022-04-26 | 重庆中科云从科技有限公司 | 人群聚集分析方法、***、计算机可读存储介质及设备 |
| CN109635769B (zh) * | 2018-12-20 | 2023-06-23 | 天津天地伟业信息***集成有限公司 | 一种用于球型摄像机的行为识别统计方法 |
-
2019
- 2019-04-28 CN CN201910351634.4A patent/CN111862521B/zh active Active
-
2020
- 2020-04-17 WO PCT/CN2020/085423 patent/WO2020221031A1/zh active Application Filing
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104766295A (zh) * | 2014-01-02 | 2015-07-08 | 三星泰科威株式会社 | 热图提供设备和方法 |
| WO2016135536A1 (en) * | 2015-02-27 | 2016-09-01 | Yandex Europe Ag | Method of and system for generating a heat map |
| CN106485868A (zh) * | 2015-08-27 | 2017-03-08 | 杭州海康威视数字技术股份有限公司 | 火情的监测方法、***和火情的监测服务器 |
| CN105447458A (zh) * | 2015-11-17 | 2016-03-30 | 深圳市商汤科技有限公司 | 一种大规模人群视频分析***和方法 |
| CN106251578A (zh) * | 2016-08-19 | 2016-12-21 | 深圳奇迹智慧网络有限公司 | 基于探针的人流预警分析方法和*** |
| CN108038116A (zh) * | 2017-10-24 | 2018-05-15 | 安徽四创电子股份有限公司 | 一种基于gis的人流密度监控方法 |
| CN108229407A (zh) * | 2018-01-11 | 2018-06-29 | 武汉米人科技有限公司 | 一种视频分析中的行为检测方法与*** |
| CN108419045A (zh) * | 2018-02-11 | 2018-08-17 | 浙江大华技术股份有限公司 | 一种基于红外热成像技术的监控方法及装置 |
| CN108399591A (zh) * | 2018-02-12 | 2018-08-14 | 北京天时前程自动化工程技术有限公司 | 热力站供热区域的热网数据可视化监控方法及*** |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111862521A (zh) | 2020-10-30 |
| WO2020221031A1 (zh) | 2020-11-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111862521B (zh) | 行为热力图生成及报警方法、装置、电子设备及存储介质 | |
| US10614316B2 (en) | Anomalous event retriever | |
| US20240037953A1 (en) | Methods and systems for determining object activity within a region of interest | |
| US9792434B1 (en) | Systems and methods for security data analysis and display | |
| US10318910B2 (en) | Spatio-temporal key performance indicators | |
| US20160065906A1 (en) | Video Analytics Configuration | |
| Wang et al. | Tweeting cameras for event detection | |
| Khan et al. | Unmanned aerial vehicle-based traffic analysis: A case study to analyze traffic streams at urban roundabouts | |
| US11615620B2 (en) | Systems and methods of enforcing distancing rules | |
| CN111222373B (zh) | 一种人员行为分析方法、装置和电子设备 | |
| US11575837B2 (en) | Method, apparatus and computer program for generating and displaying a heatmap based on video surveillance data | |
| US20140355823A1 (en) | Video search apparatus and method | |
| US20220044558A1 (en) | Method and device for generating a digital representation of traffic on a road | |
| CN111582060B (zh) | 自动划线周界报警方法、计算机设备及存储装置 | |
| CN112733690A (zh) | 一种高空抛物检测方法、装置及电子设备 | |
| AU2016262874A1 (en) | Systems, methods, and devices for information sharing and matching | |
| Donratanapat et al. | A national scale big data analytics pipeline to assess the potential impacts of flooding on critical infrastructures and communities | |
| EP3940666A1 (en) | Digital reconstruction method, apparatus, and system for traffic road | |
| CN111369792A (zh) | 一种交通事件的分析方法、装置及电子设备 | |
| CN114067396A (zh) | 基于视觉学习的居配工程现场试验数字化管理***及方法 | |
| CN110855932B (zh) | 基于视频数据的报警方法、装置、电子设备及存储介质 | |
| CN112668364B (zh) | 一种基于视频的行为预测方法及装置 | |
| CN115690914A (zh) | 异常行为提醒方法、装置、电子设备及存储介质 | |
| CN115311591A (zh) | 异常行为的预警方法、装置及智能摄像头 | |
| GB2594459A (en) | A method, apparatus and computer program for generating and displaying a heatmap based on video surveillance data |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |