本申请实施例涉及计算机技术领域，具体涉及用于告警的方法及装置。
背景技术：
随着科技的发展，电子设备的应用范围也越来越广。电子设备可以设置在路口或商店等位置，采集车辆或行人视频或图像。当发生事故等时，工作人员可以通过电子设备采集的视频或图像对事故做出分析。
技术实现要素：
本申请实施例的目的在于提出了用于告警的方法及装置。
第一方面，本申请实施例提供了一种用于告警的方法，该方法包括：对获取的视频进行图像识别，得到人物信息；将人物信息对应的人物的视频片段导入预先训练的行为识别模型，得到对应人物的行为标签，上述行为识别模型用于对人物的行为进行识别，并为行为设置行为标签；响应于上述行为标签为非安全，则发出告警信号。
在一些实施例中，上述对获取的视频进行图像识别，得到人物信息，包括：响应于视频中存在人物图像，提取人物图像；识别人物图像对应的人物的人物信息，上述人物信息包括以下至少一项：性别、身高、着装颜色。
在一些实施例中，上述行为识别模型包括卷积神经网络、循环神经网络和全连接层。
在一些实施例中，上述将人物信息对应的人物的视频片段导入预先训练的行为识别模型，得到对应人物的行为标签，包括：将上述视频片段输入至上述卷积神经网络，得到上述视频片段的各帧图像的特征向量，其中，上述卷积神经网络用于表征视频片段与视频的各帧图像的特征向量之间的对应关系；将上述视频片段的各帧图像的特征向量输入至上述循环神经网络，得到上述视频片段的特征向量，其中，上述循环神经网络用于表征视频片段的各帧图像的特征向量与视频片段的特征向量之间的对应关系，视频片段的特征向量用于表征视频片段的各帧图像的特征向量之间的关联关系；将上述视频片段的特征向量输入至上述全连接层，得到上述行为标签，其中，上述全连接层用于表征视频片段的特征向量与行为标签之间的对应关系。
在一些实施例中，上述行为识别模型通过如下步骤训练得到：获取多个记录有人物行为的历史视频和上述多个历史视频中的每个历史视频所对应的历史行为标签，其中，历史行为标签用于标识人物行为是否安全；将上述多个历史视频中的每个历史视频作为输入，将上述多个历史视频中的每个历史视频所对应的历史行为标签作为输出，训练得到上述行为识别模型。
在一些实施例中，上述将上述多个历史视频中的每个历史视频作为输入，将上述多个历史视频中的每个历史视频所对应的历史行为标签作为输出，训练得到上述行为识别模型，包括：执行以下训练步骤：将上述多个历史视频中的每个历史视频依次输入至初始行为识别模型，得到上述多个历史视频中的每个历史视频所对应的预测历史行为标签，将上述多个历史视频中的每个历史视频所对应的预测历史行为标签与该历史视频所对应的历史行为标签进行比较，得到上述初始行为识别模型的识别准确率，确定上述识别准确率是否大于预设准确率阈值，若大于上述预设准确率阈值，则将上述初始行为识别模型作为训练完成的行为识别模型。
在一些实施例中，上述将上述多个历史视频中的每个历史视频作为输入，将上述多个历史视频中的每个历史视频所对应的历史行为标签作为输出，训练得到上述行为识别模型，包括：响应于不大于上述预设准确率阈值，调整上述初始行为识别模型的参数，并继续执行上述训练步骤。
第二方面，本申请实施例提供了一种用于告警的装置，该装置包括：人物信息识别单元，用于对获取的视频进行图像识别，得到人物信息；行为标签获取单元，用于将人物信息对应的人物的视频片段导入预先训练的行为识别模型，得到对应人物的行为标签，上述行为识别模型用于对人物的行为进行识别，并为行为设置行为标签；告警单元，用于响应于上述行为标签为非安全，则发出告警信号。
在一些实施例中，上述人物信息识别单元包括：人物图像提取子单元，用于响应于视频中存在人物图像，提取人物图像；人物信息识别子单元，用于识别人物图像对应的人物的人物信息，上述人物信息包括以下至少一项：性别、身高、着装颜色。
在一些实施例中，上述行为识别模型包括卷积神经网络、循环神经网络和全连接层。
在一些实施例中，上述行为标签获取单元包括：图像特征向量获取子单元，用于将上述视频片段输入至上述卷积神经网络，得到上述视频片段的各帧图像的特征向量，其中，上述卷积神经网络用于表征视频片段与视频的各帧图像的特征向量之间的对应关系；视频特征向量获取子单元，用于将上述视频片段的各帧图像的特征向量输入至上述循环神经网络，得到上述视频片段的特征向量，其中，上述循环神经网络用于表征视频片段的各帧图像的特征向量与视频片段的特征向量之间的对应关系，视频片段的特征向量用于表征视频片段的各帧图像的特征向量之间的关联关系；行为标签获取子单元，用于将上述视频片段的特征向量输入至上述全连接层，得到上述行为标签，其中，上述全连接层用于表征视频片段的特征向量与行为标签之间的对应关系。
在一些实施例中，上述装置包括行为识别模型训练单元，上述行为识别模型训练单元包括：历史信息获取子单元，用于获取多个记录有人物行为的历史视频和上述多个历史视频中的每个历史视频所对应的历史行为标签，其中，历史行为标签用于标识人物行为是否安全；行为识别模型训练子单元，用于将上述多个历史视频中的每个历史视频作为输入，将上述多个历史视频中的每个历史视频所对应的历史行为标签作为输出，训练得到上述行为识别模型。
在一些实施例中，上述行为识别模型训练子单元包括：行为识别模型训练模块，用于将上述多个历史视频中的每个历史视频依次输入至初始行为识别模型，得到上述多个历史视频中的每个历史视频所对应的预测历史行为标签，将上述多个历史视频中的每个历史视频所对应的预测历史行为标签与该历史视频所对应的历史行为标签进行比较，得到上述初始行为识别模型的识别准确率，确定上述识别准确率是否大于预设准确率阈值，若大于上述预设准确率阈值，则将上述初始行为识别模型作为训练完成的行为识别模型。
在一些实施例中，上述行为识别模型训练子单元还包括：参数调整模块，用于响应于不大于上述预设准确率阈值，调整上述初始行为识别模型的参数，并继续执行上述训练步骤。
第三方面，本申请实施例提供了一种服务器，包括：一个或多个处理器；存储器，用于存储一个或多个程序，摄像头，用于获取图像和/或视频；当上述一个或多个程序被上述一个或多个处理器执行时，使得上述一个或多个处理器执行上述第一方面的用于告警的方法。
第四方面，本申请实施例提供了一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现上述第一方面的用于告警的方法。
本申请实施例提供的用于告警的方法及装置，首先对获取的视频进行图像识别，得到人物信息；然后，将人物信息对应的人物的视频片段导入预先训练的行为识别模型，得到对应人物的行为标签；最后在行为标签为非安全时发出告警信号。本申请能够对视频包含的行为进行分析，并为行为设置行为标签；当行为标签为非安全时发出告警信号。提高了识别视频中行为的准确性，能够及时发现非安全行为，并发出告警信号。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1是本申请可以应用于其中的示例性系统架构图；
图2是根据本申请的用于告警的方法的一个实施例的流程图；
图3是根据本申请的行为识别模型训练方法的一个实施例的流程图；
图4是根据本申请的用于告警的方法的一个应用场景的示意图；
图5是根据本申请的用于告警的装置的一个实施例的结构示意图；
图6是适于用来实现本申请实施例的服务器的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请实施例的用于告警的方法或用于告警的装置的示例性系统架构100。
如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送信息等。终端设备101、102、103上可以安装有各种视频处理应用，例如图像处理应用、视频采集应用、视频控制应用、视频分割应用、视频发送工具、视频追踪应用等。
终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有摄像头并且支持图像和视频采集的各种电子设备，包括但不限于监控摄像头、网络摄像头、违章摄像头等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103提供的视频进行数据处理的服务器。服务器可以对接收到的视频等数据进行分析等处理，当发现视频中存在非安全行为时可以发出告警信号。
需要说明的是，本申请实施例所提供的用于告警的方法一般由服务器105执行，相应地，用于告警的装置一般设置于服务器105中。
需要说明的是，服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
继续参考图2，示出了根据本申请的用于告警的方法的一个实施例的流程200。该用于告警的方法包括以下步骤：
步骤201，对获取的视频进行图像识别，得到人物信息。
在本实施例中，用于告警的方法的执行主体(例如图1所示的服务器105)可以通过有线连接方式或者无线连接方式从终端设备101、102、103接收视频。其中，终端设备101、102、103可以将实时/非实时采集的视频发送给服务器105。人物信息用于对视频中的人物进行描述。需要指出的是，上述无线连接方式可以包括但不限于3g/4g连接、wifi连接、蓝牙连接、wimax连接、zigbee连接、uwb(ultrawideband)连接、以及其他现在已知或将来开发的无线连接方式。
现有安装在路口或商店等位置的摄像头能够采集设定范围内的视频信息。工作人员可以对摄像头进行一定程度的控制，例如可以是：对摄像头的视频采集角度进行控制，以获取特定视频采集范围内的视频数据。还可以通过摄像头自带的补光灯等设备，一定程度上对采集视频时的亮度进行控制。当发生事故等情况时，工作人员可以调取之前获取的相关视频，以便对事故进行分析等。但这种对事故的分析处理是在发生事故以后才进行的，具有时间滞后性，只能对事故起到分析原因或过程等作用，并不能避免事故的发生。
为此，本实施例的执行主体可以实时或非实时地获取终端设备101、102、103采集的视频。之后，执行主体可以对视频包含的各帧图像进行图像识别等处理，从各帧图像中得到视频包含的人物信息。
在本实施例的一些可选的实现方式中，上述对获取的视频进行图像识别，得到人物信息，可以包括以下步骤：
第一步，响应于视频中存在人物图像，提取人物图像。
视频中可能记录有人物，也可能没有记录人物。通常，对视频的分析都是对人物或与人物相关的信息进行的分析。因此，当视频中存在人物图像时，执行主体可以提取相应的人物图像。
第二步，识别人物图像对应的人物的人物信息。
得到人物图像后，对人物图像进行图像处理，可以识别到对应该人物图像的人物的人物信息。其中，上述人物信息用于对视频中的人物进行描述，可以包括以下至少一项：人物数量、性别、身高、着装颜色等。
步骤202，将人物信息对应的人物的视频片段导入预先训练的行为识别模型，得到对应人物的行为标签。
视频的数据量通常较大。为了便于对具体的人物进行分析，执行主体可以从视频中提取出对应人物的视频片段。之后，执行主体可以将人物的视频片段导入预先训练的行为识别模型，得到对应人物的行为标签。其中，本申请的上述行为识别模型可以用于对人物的行为进行识别，并为行为设置行为标签。行为可以是多种，例如可以是走路、吵架、打架等。行为标签用于按一定的标准对行为进行分类。例如，标准可以按照是否安全为标准，对行为进行划分。对应的行为标签的内容可以是安全行为或非安全行为；标准还可以是人物关系，对应的行为标签的内容可以是朋友关系、家人关系、陌生人关系等。
在本实施例的一些可选的实现方式中，本实施例的行为识别模型可以是人工神经网络，可以包括卷积神经网络、循环神经网络和全连接层。相应的，上述将人物信息对应的人物的视频片段导入预先训练的行为识别模型，得到对应人物的行为标签，可以包括以下步骤：
第一步，将上述视频片段输入至上述卷积神经网络，得到上述视频片段的各帧图像的特征向量。
在本实施例中，执行主体可以将视频片段输入卷积神经网络，得到视频片段包含的各帧图像的特征向量。视频片段由多帧图像组成，各帧图像的特征向量可以用于描述各帧图像所具有的特征。例如，该帧图像中可以有对应“抱起”动作的特征向量、“捂嘴”动作的特征向量和“跑动”动作的特征向量等。图像的特征向量可以通过用于标记各个动作的标记点等方式来表示。执行主体可以通过多种方式训练表征视频片段与视频的各帧图像的特征向量之间的对应关系的卷积神经网络。上述的图像的特征向量可以通过在图像上设置标记点，并以标记点在平面坐标或空间坐标的坐标值来实现。
在本实施例中，卷积神经网络可以是一种前馈神经网络，它的人工神经元可以响应一部分覆盖范围内的周围单元，对于大型图像处理有出色表现。通常，卷积神经网络的基本结构包括两层，其一为特征提取层，每个神经元的输入与前一层的局部接受域相连，并提取该局部的特征。一旦该局部特征被提取后，它与其它特征间的位置关系也随之确定下来；其二是特征映射层，网络的每个计算层由多个特征映射组成，每个特征映射是一个平面，平面上所有神经元的权值相等。这里，执行主体可以将视频片段从卷积神经网络的输入侧输入，依次经过卷积神经网络中的各层的参数的处理，并从卷积神经网络的输出侧输出，输出侧输出的信息即为视频片段的各帧图像的特征向量。
作为一种示例，执行主体可以基于对大量样本视频片段和样本视频片段的各帧图像的特征向量进行统计而生成存储有多个样本视频片段与样本视频片段的各帧图像的特征向量的对应关系的对应关系表，并将该对应关系表作为卷积神经网络。如此，执行主体可以将视频片段与该对应关系表中的多个样本视频片段依次进行比较。若该对应关系表中的某个样本视频片段与该视频片段相同或相似，则可以将该对应关系表中的该样本视频片段的各帧图像的特征向量作为该视频片段的各帧图像的特征向量。
作为另一种示例，执行主体可以首先获取样本视频片段和样本视频片段的各帧图像的特征向量；然后将样本视频片段作为输入，将样本视频片段的各帧图像的特征向量作为输出，训练得到能够表征样本视频片段和样本视频片段的各帧图像的特征向量之间的对应关系的卷积神经网络。如此，执行主体可以将视频片段从卷积神经网络的输入侧输入，依次经过卷积神经网络中的各层的参数的处理，并从卷积神经网络的输出侧输出，输出侧输出的信息即为视频片段的各帧图像的特征向量。
第二步，将上述视频片段的各帧图像的特征向量输入至上述循环神经网络，得到上述视频片段的特征向量。
在本实施例中，执行主体可以将视频片段的各帧图像的特征向量输入至循环神经网络，从而得到视频片段的特征向量。其中，视频片段的特征向量可以用于表征视频片段的各帧图像的特征向量之间的关联关系。将多个时刻的各帧图像的特征向量组合起来，可以构成视频片段的特征向量。例如，将上述的各帧图像的“抱起”动作的特征向量、“捂嘴”动作的特征向量和“跑动”动作的特征向量等按照时间先后顺序进行组合，可以得到对应的视频片段的特征向量。该视频片段的特征向量可以是用于表征连贯的多个动作的特征向量。将多个动作组合起来可以对应某种行为。因此，视频片段的特征向量也可以认为是各种图形的特征向量的动态化表达，可以包含比各帧图像的特征向量更多的信息。执行主体可以通过多种方式训练可以表征视频片段的各帧图像的特征向量与视频片段的特征向量之间的关联关系的循环神经网络。
在本实施例中，循环神经网络是一种节点定向连接成环的人工神经网络。这种网络的本质特征是在处理单元之间既有内部的反馈连接又有前馈连接，其内部状态可以展示动态时序行为。
作为示例，执行主体可以基于对大量样本视频片段的各帧图像的特征向量和样本视频片段的特征向量进行统计而生成存储有多个样本视频片段的各帧图像的特征向量与样本视频片段的特征向量的对应关系的对应关系表，并将该对应关系表作为循环神经网络。如此，执行主体可以计算视频片段的各帧图像的特征向量与该对应关系表中的多个样本视频片段的各帧图像的特征向量之间的欧式距离等参数。若该对应关系表中的某个样本视频片段的各帧图像的特征向量与视频片段的各帧图像的特征向量之间的欧式距离小于预设的距离阈值，可以将该对应关系表中的该样本视频片段的特征向量作为该视频片段的特征向量。
作为另一个示例，执行主体可以获取样本视频片段的各帧图像的特征向量和样本视频片段的特征向量；然后将样本视频片段的各帧图像的特征向量作为输入，将样本视频片段的特征向量作为输出，训练得到能够表征样本视频片段的各帧图像的特征向量与样本视频片段的特征向量之间的对应关系的循环神经网络。如此，执行主体可以将视频片段的各帧图像的特征向量从循环神经网络的输入侧输入，依次经过循环神经网络中的各层的参数的处理，并从循环神经网络的输出侧输出，输出侧输出的信息即为视频片段的特征向量。
第三步，将上述视频片段的特征向量输入至上述全连接层，得到上述行为标签。
在本实施例中，执行主体可以将视频片段的特征向量输入至全连接层，从而得到视频片段的行为标签。其中，视频片段中可以包含行走、吵架、打架等多种类型的行为。不同的行为可以对应不同的行为标签。例如，将上述的各帧图像的“抱起”动作的特征向量、“捂嘴”动作的特征向量和“跑动”动作的特征向量等按照时间先后顺序进行组合，可以得到对应的视频片段的特征向量。该视频片段的特征向量可以对应“拐卖人口”、“抢劫”等行为。此时，可以对该视频片段的特征向量设置内容可以为“非安全”的行为标签。执行主体可以通过多种方式训练可以表征视频片段的特征向量与行为标签之间的对应关系的全连接层。
在本实施例中，全连接层的每一个节点都与循环神经网络的输出层的所有节点相连，用来把循环神经网络输出层输出的视频的特征向量综合起来。由于其全相连的特性，一般全连接层的参数也是最多的。同时，在利用全连接层的参数对视频的特征向量进行线性变换后，可以加上一个非线性激励函数对线性变换的结果进行转换，从而引入非线性因素，以增强行为识别模型的表达能力。其中，激励函数可以是softmax函数。softmax函数是人工神经网络中常见的一种激励函数，在此不再详细赘述。
作为一种示例，执行主体可以基于对大量样本视频片段的特征向量和行为标签进行统计而生成存储有多个样本视频片段的特征向量与样本行为标签的对应关系的对应关系表，并将该对应关系表作为全连接层。如此，执行主体可以计算视频片段的特征向量与该对应关系表中的多个样本视频片段的特征向量之间的欧氏距离。若该对应关系表中的某个样本视频片段的特征向量与该视频片段的特征向量之间的欧式距离小于预设的距离阈值，则将该对应关系表中的样本视频片段对应的样本行为标签作为该视频片段的行为标签。
作为另一个示例，执行主体可以首先获取样本视频片段的特征向量和样本行为标签。然后，将样本视频片段的特征向量作为输入，将样本行为标签作为输出，训练得到能够表征样本视频片段的特征向量与样本行为标签之间的对应关系的全连接层。如此，执行主体可以将视频片段的特征向量从全连接层的输入侧输入，经过全连接层的参数和激励函数的处理，并从全连接层的输出侧输出，输出侧输出的信息即为行为标签。
步骤203，响应于上述行为标签为非安全，则发出告警信号。
由上述描述可知，行为标签模型得到的行为标签内容可以有多种情况。当行为标签的内容为非安全等情况时，执行主体可以及时发出告警信号，以便防止事故的发生，或减小事故的损失等。例如，当终端设备101、102、103采集到某一成年人尾随一小孩，并捂住小孩的嘴将小孩抱走时，执行主体上的行为标签模型可以对该成年人的视频片段进行分析，得出该成年人的行为为非安全的行为标签。之后，执行主体可以及时发出告警信号，以便相关人员及时对该成年人进行监控或抓获等。
进一步参考图3，其示出了根据本申请的行为识别模型训练方法的一个实施例的流程300。该行为识别模型训练方法的流程300，包括以下步骤：
步骤301，获取多个记录有人物行为的历史视频和上述多个历史视频中的每个历史视频所对应的历史行为标签。
在本实施例中，行为识别模型训练方法运行于其上的执行主体(例如图1所示的服务器105)可以获取多个记录有人物行为的历史视频和多个历史视频中的每个历史视频所对应的历史行为标签。
在本实施例中，执行主体可以获取多个记录有人物行为的历史视频，并为本领域技术人员播放。本领域技术人员可以根据经验对多个历史视频中的每个历史视频标注历史行为标签。其中，本实施例的历史行为标签可以用于标识历史视频中的人物行为是否安全。例如，当历史视频的视频内容为打架、吵架等带有暴力倾向的行为时，技术人员可以为历史视频设置内容为非安全的历史行为标签。历史行为标签的内容根据需要可以是不同的内容，具体根据实际需要而定。
步骤302，将上述多个历史视频中的每个历史视频依次输入至初始行为识别模型，得到上述多个历史视频中的每个历史视频所对应的预测历史行为标签。
在本实施例中，基于所获取的多个记录有人物行为的历史视频，执行主体可以将多个历史视频中的每个历史视频依次输入至初始行为识别模型，从而得到多个历史视频中的每个历史视频所对应的预测历史行为标签。这里，执行主体可以将每个历史视频从初始行为识别模型的输入侧输入，依次经过初始行为识别模型中的各层的参数的处理，并从初始行为识别模型的输出侧输出，输出侧输出的信息即为该历史视频所对应的预测历史行为标签。其中，初始行为识别模型可以是未经训练的行为识别模型或未训练完成的行为识别模型，其各层设置有初始化参数，初始化参数在行为识别模型的训练过程中可以被不断地调整。
初始行为识别模型可以按照如下步骤训练得到：
第一步，获取多个不同行为类型的样本视频片段和上述多个不同行为类型的样本视频片段中每个行为类型的样本视频片段的样本行为标签。
训练初始行为识别模型时，可以为包含典型的行为类型的样本视频片段设置对应的样本行为标签。例如可以是，样本视频片段内容包括拐卖儿童行为，该行为包括对小孩的“捂嘴”动作和“快速走动”动作。则可以为该样本视频片段设置内容为“拐卖人口”或“非安全”的样本行为标签。
第二步，利用机器学习方法，将上述多个不同行为类型的样本视频片段中每个行为类型的样本视频片段作为输入，将上述多个不同行为类型的样本视频片段中每个行为类型的样本视频片段的样本行为标签作为输出，训练得到初始行为识别模型。
得到上述的样本视频片段和对应样本视频片段的样本行为标签后，可以将每个行为类型的样本视频片段作为输入，将该行为类型的样本视频片段的样本行为标签作为输出，训练得到初始行为识别模型。初始行为识别模型可以基于深度学习模型等模型实现，并且可以具有包含卷积神经网络、循环神经网络和全连接层等结构。
步骤303，将上述多个历史视频中的每个历史视频所对应的预测历史行为标签与该历史视频所对应的历史行为标签进行比较，得到上述初始行为识别模型的识别准确率。
在本实施例中，基于步骤302所得到的多个历史视频中的每个历史视频所对应的预测历史行为标签，执行主体可以将多个历史视频中的每个历史视频所对应的预测历史行为标签与该历史视频所对应的历史行为标签进行比较，从而得到初始行为识别模型的识别准确率。具体地，若一个历史视频所对应的预测历史行为标签与该历史视频所对应的历史行为标签相同或相近，则初始行为识别模型识别正确；若一个历史视频所对应的预测历史行为标签与该历史视频所对应的历史行为标签不同或不相近，则初始行为识别模型识别错误。这里，执行主体可以计算识别正确的数目与样本总数的比值，并作为初始行为识别模型的识别准确率。
步骤304，确定上述识别准确率是否大于预设准确率阈值。
在本实施例中，基于步骤303所得到的初始行为识别模型的识别准确率，执行主体可以将初始行为识别模型的识别准确率与预设准确率阈值进行比较，若大于预设准确率阈值，则执行步骤305；若大于预设准确率阈值，则执行步骤306。
步骤305，将上述初始行为识别模型作为训练完成的行为识别模型。
在本实施例中，在初始行为识别模型的识别准确率大于预设准确率阈值的情况下，说明该行为识别模型训练完成。此时，执行主体可以将初始行为识别模型作为训练完成的行为识别模型。
步骤306，调整上述初始行为识别模型的参数。
在本实施例中，在初始行为识别模型的识别准确率不大于预设准确率阈值的情况下，执行主体可以调整初始行为识别模型的参数，并返回执行步骤302，直至训练出能够识别视频中人物的行为的行为识别模型为止。
继续参见图4，图4是根据本实施例的用于告警的方法的应用场景的一个示意图。在图4的应用场景中，终端设备101采集到两个小男孩打架的视频。之后，终端设备101将采集到的视频通过网络104发送给服务器105。服务器105对视频进行图像识别，确定该视频中包含的人物信息。例如，人物信息可以是“2人，男”。然后，服务器105将视频中的对应人物信息的人物的视频片段导入行为识别模型，可以确认人物行为为打架，并得到内容为非安全的行为标签。最后，服务器105根据行为标签发出告警信号。相关人员可以根据告警信号确定人物所在位置，并进行制止。
本申请的上述实施例提供的方法首先对获取的视频进行图像识别，得到人物信息；然后，将人物信息对应的人物的视频片段导入预先训练的行为识别模型，得到对应人物的行为标签；最后在行为标签为非安全时发出告警信号。本申请能够对视频包含的行为进行分析，并为行为设置行为标签；当行为标签为非安全时发出告警信号。提高了识别视频中行为的准确性，能够及时发现非安全行为，并发出告警信号。
进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种用于告警的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图5所示，本实施例的用于告警的装置500可以包括：人物信息识别单元501、行为标签获取单元502和告警单元503。其中，人物信息识别单元501用于对获取的视频进行图像识别，得到人物信息；行为标签获取单元502用于将人物信息对应的人物的视频片段导入预先训练的行为识别模型，得到对应人物的行为标签，上述行为识别模型用于对人物的行为进行识别，并为行为设置行为标签；告警单元503用于响应于上述行为标签为非安全，则发出告警信号。
在本实施例的一些可选的实现方式中，上述人物信息识别单元501可以包括：人物图像提取子单元(图中未示出)和人物信息识别子单元(图中未示出)。其中，人物图像提取子单元用于响应于视频中存在人物图像，提取人物图像；人物信息识别子单元用于识别人物图像对应的人物的人物信息，上述人物信息可以包括以下至少一项：性别、身高、着装颜色等。
在本实施例的一些可选的实现方式中，上述行为识别模型包括卷积神经网络、循环神经网络和全连接层。
在本实施例的一些可选的实现方式中，上述行为标签获取单元502可以包括：图像特征向量获取子单元(图中未示出)、视频特征向量获取子单元(图中未示出)和行为标签获取子单元(图中未示出)。其中，图像特征向量获取子单元用于将上述视频片段输入至上述卷积神经网络，得到上述视频片段的各帧图像的特征向量，其中，上述卷积神经网络用于表征视频片段与视频的各帧图像的特征向量之间的对应关系；视频特征向量获取子单元用于将上述视频片段的各帧图像的特征向量输入至上述循环神经网络，得到上述视频片段的特征向量，其中，上述循环神经网络用于表征视频片段的各帧图像的特征向量与视频片段的特征向量之间的对应关系，视频片段的特征向量用于表征视频片段的各帧图像的特征向量之间的关联关系；行为标签获取子单元，用于将上述视频片段的特征向量输入至上述全连接层，得到上述行为标签，其中，上述全连接层用于表征视频片段的特征向量与行为标签之间的对应关系。
在本实施例的一些可选的实现方式中，用于告警的装置500可以包括行为识别模型训练单元(图中未示出)，上述行为识别模型训练单元包括：历史信息获取子单元(图中未示出)和行为识别模型训练子单元(图中未示出)。其中，历史信息获取子单元用于获取多个记录有人物行为的历史视频和上述多个历史视频中的每个历史视频所对应的历史行为标签，其中，历史行为标签用于标识人物行为是否安全；行为识别模型训练子单元用于将上述多个历史视频中的每个历史视频作为输入，将上述多个历史视频中的每个历史视频所对应的历史行为标签作为输出，训练得到上述行为识别模型。
在本实施例的一些可选的实现方式中，上述行为识别模型训练子单元可以包括：行为识别模型训练模块(图中未示出)，用于将上述多个历史视频中的每个历史视频依次输入至初始行为识别模型，得到上述多个历史视频中的每个历史视频所对应的预测历史行为标签，将上述多个历史视频中的每个历史视频所对应的预测历史行为标签与该历史视频所对应的历史行为标签进行比较，得到上述初始行为识别模型的识别准确率，确定上述识别准确率是否大于预设准确率阈值，若大于上述预设准确率阈值，则将上述初始行为识别模型作为训练完成的行为识别模型。
在本实施例的一些可选的实现方式中，上述行为识别模型训练子单元还可以包括：参数调整模块(图中未示出)，用于响应于不大于上述预设准确率阈值，调整上述初始行为识别模型的参数，并继续执行上述训练步骤。
本实施例还提供了一种服务器，包括：一个或多个处理器；存储器，用于存储一个或多个程序，摄像头，用于获取图像和/或视频；当上述一个或多个程序被上述一个或多个处理器执行时，使得上述一个或多个处理器执行上述的用于告警的方法。
本实施例还提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现上述的用于告警的方法。
下面参考图6，其示出了适于用来实现本申请实施例的服务器的计算机系统600的结构示意图。图6示出的服务器仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示，计算机系统600包括中央处理单元(cpu)601，其可以根据存储在只读存储器(rom)602中的程序或者从存储部分608加载到随机访问存储器(ram)603中的程序而执行各种适当的动作和处理。在ram603中，还存储有系统600操作所需的各种程序和数据。cpu601、rom602以及ram603通过总线604彼此相连。输入/输出(i/o)接口605也连接至总线604。
以下部件连接至i/o接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至i/o接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。摄像头612也根据需要连接至i/o接口605。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(cpu)601执行时，执行本申请的方法中限定的上述功能。
需要说明的是，本申请上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、rf等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括人物信息识别单元、行为标签获取单元和告警单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，告警单元还可以被描述为“在行为标签为非安全时发出告警信号的单元”。
作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的装置中所包含的；也可以是单独存在，而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该装置执行时，使得该装置：对获取的视频进行图像识别，得到人物信息；将人物信息对应的人物的视频片段导入预先训练的行为识别模型，得到对应人物的行为标签，上述行为识别模型用于对人物的行为进行识别，并为行为设置行为标签；响应于上述行为标签为非安全，则发出告警信号。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。