基于图像识别的防自杀预警方法、装置、设备及存储介质与流程

本发明涉及预警技术领域，尤其涉及一种基于图像识别的防自杀预警方法、装置、设备及可读存储介质。

背景技术：

目前，关押在监狱里的犯人，存在不少自杀行径，其中，上吊自杀因其痛苦短暂，易于完成，常常成为监狱里犯人自杀的首选途径，因而，如何减少犯人自杀尤其是上吊自杀成为监狱管理人员的监狱难题。

技术实现要素：

本发明的主要目的在于提供一种基于图像识别的防自杀预警方法、装置、设备及可读存储介质，旨在解决现有技术中，监狱管理人员难以监管监狱里犯人自杀，致使监狱中自杀率上升的技术问题。

为实现上述目的，本发明提供一种基于图像识别的防自杀预警方法，所述基于图像识别的防自杀预警方法包括：

实时获取监狱室中的监控视频，并将所述监控视频分别输入至预设第一识别器与预设第二识别器中，以识别所述监控视频中是否存在自杀行为；

获取所述预设第一识别器针对所述监控视频中是否存在自杀行为的第一识别结果，并获取所述预设第二识别器针对所述监控视频中是否存在自杀行为的第二识别结果；

根据所述第一识别结果以及所述第二识别结果，确定防自杀预警的预警策略。

可选地，所述自杀行为包括上吊自杀行为；

所述实时获取监狱室中的监控视频，并将所述监控视频分别输入至预设第一识别器与预设第二识别器中，以识别所述监控视频中是否存在自杀行为步骤之前包括：

获取预设的存在上吊自杀行为与非上吊自杀行为的视频用例，挑选预设比例的所述视频用例设为第一用例，将所述视频用例中所述第一用例外的其他用例设为第二用例；

将所述第一用例作为训练用例进行预设基础网络模型的调整训练，以调整训练所述基础网络模型针对所述上吊自杀行为对应各个行为特征的行为特征权重，以及所述行为特征之间的关联连接权值；

将所述第二用例作为测试用例对调整训练后的所述基础网络模型进行测试，以得到第一识别网络模型，将所述第一识别网络模型置于所述预设第一识别器中。

可选地，所述上吊自杀行为的各个行为特征包括人表情特征、支撑物特征、绳状物体特征、支撑物和人脚之间的距离特征、人脚与地面之间的距离特征；

所述将所述第一用例作为训练用例进行预设基础网络模型的调整训练，以调整训练所述基础网络模型针对所述上吊自杀行为对应各个行为特征的行为特征权重，以及所述行为特征之间的关联连接权值步骤包括：

将所述第一用例作为训练用例输入至所述预设基础网络模型中；

随机确定所述预设基础网络模型中所述人表情特征、所述支撑物特征、所述绳状物体特征、所述支撑物和人脚之间的距离特征以及所述人脚与地面之间的距离特征的特征权重，以及所述各个行为特征之间的关联连接权值，以根据所述特征权重以及所述关联连接权值对所述第一用例中的各帧图像分别进行预设次数的卷积与最大池化交替处理，得到实际输出；

获取所述实际输出与所述第一用例对应期望输出之间的误差，根据所述误差有序调整所述特征权重以及所述关联连接权值，直至所述实际输出与所述第一用例对应期望输出一致。

可选地，所述自杀行为包括上吊自杀行为；

所述实时获取监狱室中的监控视频，并将所述监控视频分别输入至预设第一识别器与预设第二识别器中，以识别所述监控视频中是否存在自杀行为步骤之前还包括：

采集并解析数量大于预设值的监狱上吊自杀录像视频，以将所述录像视频中所有上吊自杀行为对应的支撑物和人脚之间的第一距离，脚与地面之间的第二距离，人头部与绳状物体之间的交集面积范围，人微表情信息以及人、支撑物和绳状物体位置关系进行汇总入库处理，得到待处理数据；

对所述待处理数据进行数据清洗处理，得到清洗数据；

将所述清洗数据作为识别基准范围置于所述预设第二识别器中。

可选地，所述获取所述预设第二识别器针对所述监控视频中是否存在自杀行为的第二识别结果步骤包括：

基于所述预设第二识别器，提取同一时间点所述监控视频中人的各个行为特征数据，将所述各个行为特征数据分别对应与所述第二识别器中的所述识别基准范围进行比对；

若所述各个行为特征数据都对应处于所述识别基准范围内时，确定所述第二识别结果为所述监控视频中存在自杀行为。

可选地，所述根据所述第一识别结果以及所述第二识别结果，确定防自杀预警的预警策略步骤包括：

若所述第一识别结果以及所述第二识别结果都为所述监控视频中存在自杀行为，启动预设最高级别警报，在所述最高级别警报中包括闪光预警方式。

可选地，所述根据所述第一识别结果以及所述第二识别结果，确定防自杀预警的预警策略步骤还包括：

若所述第一识别结果或者所述第二识别结果中存在自杀行为，则启动预设中级级别警报，所述中级级别警报中未包括闪光预警方式。

本发明还提供一种基于图像识别的防自杀预警装置，所述基于图像识别的防自杀预警装置包括：

第一获取模块，用于实时获取监狱室中的监控视频，并将所述监控视频分别输入至预设第一识别器与预设第二识别器中，以识别所述监控视频中是否存在自杀行为；

第二获取模块，用于获取所述预设第一识别器针对所述监控视频中是否存在自杀行为的第一识别结果，并获取所述预设第二识别器针对所述监控视频中是否存在自杀行为的第二识别结果；

确定模块，用于根据所述第一识别结果以及所述第二识别结果，确定防自杀预警的预警策略。

可选地，所述自杀行为包括上吊自杀行为；

所述基于图像识别的防自杀预警装置还包括：

第三获取模块，用于获取预设的存在上吊自杀行为与非上吊自杀行为的视频用例，挑选预设比例的所述视频用例设为第一用例，将所述视频用例中所述第一用例外的其他用例设为第二用例；

调整训练模块，用于将所述第一用例作为训练用例进行预设基础网络模型的调整训练，以调整训练所述基础网络模型针对所述上吊自杀行为对应各个行为特征的行为特征权重，以及所述行为特征之间的关联连接权值；

测试模块，用于将所述第二用例作为测试用例对调整训练后的所述基础网络模型进行测试，以得到第一识别网络模型，将所述第一识别网络模型置于所述预设第一识别器中。

可选地，所述上吊自杀行为的各个行为特征包括人表情特征、支撑物特征、绳状物体特征、支撑物和人脚之间的距离特征、人脚与地面之间的距离特征；

所述调整训练模块包括：

输入单元，用于将所述第一用例作为训练用例输入至所述预设基础网络模型中；

第一确定单元，用于随机确定所述预设基础网络模型中所述人表情特征、所述支撑物特征、所述绳状物体特征、所述支撑物和人脚之间的距离特征以及所述人脚与地面之间的距离特征的特征权重，以及所述各个行为特征之间的关联连接权值，以根据所述特征权重以及所述关联连接权值对所述第一用例中的各帧图像分别进行预设次数的卷积与最大池化交替处理，得到实际输出；

获取单元，用于获取所述实际输出与所述第一用例对应期望输出之间的误差，根据所述误差有序调整所述特征权重以及所述关联连接权值，直至所述实际输出与所述第一用例对应期望输出一致。

可选地，所述自杀行为包括上吊自杀行为；

所述基于图像识别的防自杀预警装置还包括：

采集模块，用于采集并解析数量大于预设值的监狱上吊自杀录像视频，以将所述录像视频中所有上吊自杀行为对应的支撑物和人脚之间的第一距离，脚与地面之间的第二距离，人头部与绳状物体之间的交集面积范围，人微表情信息以及人、支撑物和绳状物体位置关系进行汇总入库处理，得到待处理数据；

清洗模块，用于对所述待处理数据进行数据清洗处理，得到清洗数据；

放置模块，用于将所述清洗数据作为识别基准范围置于所述预设第二识别器中。

可选地，所述第二获取模块包括：

提取单元，用于基于所述预设第二识别器，提取同一时间点所述监控视频中人的各个行为特征数据，将所述各个行为特征数据分别对应与所述第二识别器中的所述识别基准范围进行比对；

第二确定单元，用于若所述各个行为特征数据都对应处于所述识别基准范围内时，确定所述第二识别结果为所述监控视频中存在自杀行为。

可选地，所述确定模块包括：

第一启动单元，用于若所述第一识别结果以及所述第二识别结果都为所述监控视频中存在自杀行为，启动预设最高级别警报，在所述最高级别警报中包括闪光预警方式。

可选地，所述确定模块包括：

第二启动单元，用于若所述第一识别结果或者所述第二识别结果中存在自杀行为，则启动预设中级级别警报，所述中级级别警报中未包括闪光预警方式。

此外，为实现上述目的，本发明还提供一种可读存储介质，所述可读存储介质存储有一个或者一个以上程序，所述一个或者一个以上程序可被一个或者一个以上的处理器执行以用于：

实时获取监狱室中的监控视频，并将所述监控视频分别输入至预设第一识别器与预设第二识别器中，以识别所述监控视频中是否存在自杀行为；

获取所述预设第一识别器针对所述监控视频中是否存在自杀行为的第一识别结果，并获取所述预设第二识别器针对所述监控视频中是否存在自杀行为的第二识别结果；

根据所述第一识别结果以及所述第二识别结果，确定防自杀预警的预警策略。

本发明实时获取监狱室中的监控视频，并将所述监控视频分别输入至预设第一识别器与预设第二识别器中，以识别所述监控视频中是否存在自杀行为；获取所述预设第一识别器针对所述监控视频中是否存在自杀行为的第一识别结果，并获取所述预设第二识别器针对所述监控视频中是否存在自杀行为的第二识别结果；根据所述第一识别结果以及所述第二识别结果，确定防自杀预警的预警策略。在本申请中，实时对监狱室进行监控，并能够基于预设的第一识别器与第二识别器对获取到的监控视频分别进行识别处理，以及时准确地判断监狱中是否存在自杀行为，并针对性地采取预警策略，以减少监狱中自杀率，也即本申请解决了现有技术中，监狱管理人员难以监管监狱里犯人自杀，致使自杀率上升的技术问题。

附图说明

图1为本发明基于图像识别的防自杀预警方法第一实施例的流程示意图；

图2为本发明基于图像识别的防自杀预警方法第二实施例中实时获取监狱室中的监控视频，并将所述监控视频分别输入至预设第一识别器与预设第二识别器中，以识别所述监控视频中是否存在自杀行为步骤之前的细化流程示意图；

图3是本发明实施例方法涉及的硬件运行环境的设备结构示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明提供一种基于图像识别的防自杀预警方法，在本发明基于图像识别的防自杀预警方法的第一实施例中，参照图1，所述基于图像识别的防自杀预警方法包括：

步骤s10，实时获取监狱室中的监控视频，并将所述监控视频分别输入至预设第一识别器与预设第二识别器中，以识别所述监控视频中是否存在自杀行为；

步骤s20，获取所述预设第一识别器针对所述监控视频中是否存在自杀行为的第一识别结果，并获取所述预设第二识别器针对所述监控视频中是否存在自杀行为的第二识别结果；

步骤s30，根据所述第一识别结果以及所述第二识别结果，确定防自杀预警的预警策略。

具体步骤如下：

步骤s10，实时获取监狱室中的监控视频，并将所述监控视频分别输入至预设第一识别器与预设第二识别器中，以识别所述监控视频中是否存在自杀行为；

在本实施例中，基于图像识别的防自杀预警方法应用于基于图像识别的防自杀预警系统，该基于图像识别的防自杀预警系统在监狱中的各个监狱室中设置有摄像头，以对该监狱内的犯人进行实时监控录像，以得到监控录像视频，该监控录像视频会实时同步发送到基于图像识别的防自杀预警系统的识别器中，以进行自杀行为的识别处理，特别地，进行上吊自杀行为的识别处理，为了提升识别的准确性，避免偶然因素造成的影响，可以设置有多个识别器，特别地，可以设置预设第一识别器与预设第二识别器，以在避免偶然因素造成的影响外，减少资源的浪费，该预设第一识别器与预设第二识别器同步进行自杀行为的识别处理，以在犯人存在自杀行为时，及时预警或者警报，以减少监狱内犯人的自杀率。

在本实施例中，该预设第一识别器与预设第二识别器中都具有能够准确识别是否存在自杀行为的模型，也即，预设第一识别器中的第一模型是经过训练后得到能够准确识别自杀行为特别是上吊自杀行为的模型，该预设第二识别器中的第二模型是经过训练后得到的能够准确识别自杀行为特别是上吊自杀行为的模型，由于预设第一识别器与预设第二识别器中都具有能够准确识别是否存在自杀行为的模型，因而，将所述监控视频分别输入至预设第一识别器与预设第二识别器中后，能够准确识别所述监控视频中是否存在自杀行为。

需要说明的是，在本实施例中，第一模型以及第二模型的训练方法可以相同，也可以不相同，当该第一模型以及第二模型的训练方法相同时，训练用例不同，当该第一模型以及第二模型的训练方法不相同时，训练用例可以不同，也可以相同。

在本实施例中，以第一模型以及第二模型的训练方法不相同为例进行说明，具体地，第一模型是通过机器学习方法训练得到的模型，第二模型是通过大数据统计方法得到的模型。

其中，所述自杀行为包括上吊自杀行为；

所述实时获取监狱室中的监控视频，并将所述监控视频分别输入至预设第一识别器与预设第二识别器中，以识别所述监控视频中是否存在自杀行为步骤之前包括：

步骤s01，获取预设的存在上吊自杀行为与非上吊自杀行为的视频用例，挑选预设比例的所述视频用例设为第一用例，将所述视频用例中所述第一用例外的其他用例设为第二用例；

在本实施例中，通过机器学习方法训练得到预设第一识别器中的第一模型，在训练过程中，首先获取监狱室里发生的包括上吊自杀行为与非自杀行为的多个录像视频，将该包括上吊自杀行为与非自杀行为的多个录像视频作为视频用例，进行第一模型的训练，在训练过程中，需要将视频用例分为训练用例以及测试用例，以训练得到第一模型并对第一模型的识别效应进行测试验证，具体地，挑选预设比例的所述视频用例设为第一用例也即训练用例，将所述视频用例中所述第一用例外的其他用例设为第二用例也即测试用例，其中，预设比例可以为70％。

步骤s02，将所述第一用例作为训练用例进行预设基础网络模型的调整训练，以调整训练所述基础网络模型针对所述上吊自杀行为对应各个行为特征的行为特征权重，以及所述行为特征之间的关联连接权值；

在本实施例中，通过机器学习方法训练得到第一模型，通过机器学习方法训练得到第一模型的实质在于对训练用例输出一个与训练用例中期望输出一致的实际输出。

将所述第一用例作为训练用例进行预设基础网络模型的调整训练，以调整训练所述基础网络模型针对所述上吊自杀行为对应各个行为特征的行为特征权重，以及所述行为特征之间的关联连接权值，也即，将第一用例输入至预设基础网络模型中，根据训练用例中期望输出与实际输出的误差不断进行预设基础网络模型的模型参数等的学习调整，得到第一模型。

所述上吊自杀行为的各个行为特征包括人表情特征、支撑物特征、绳状物体特征、支撑物和人脚之间的距离特征、人脚与地面之间的距离特征；

所述将所述第一用例作为训练用例进行预设基础网络模型的调整训练，以调整训练所述基础网络模型针对所述上吊自杀行为对应各个行为特征的行为特征权重，以及所述行为特征之间的关联连接权值步骤包括：

步骤s021，将所述第一用例作为训练用例输入至所述预设基础网络模型中；

将所述第一用例作为训练用例输入至所述预设基础网络模型中，其中，第一用例也即训练用例的期望输出是明确的。

步骤s022，随机确定所述预设基础网络模型中所述人表情特征、所述支撑物特征、所述绳状物体特征、所述支撑物和人脚之间的距离特征以及所述人脚与地面之间的距离特征的特征权重，以及所述各个行为特征之间的关联连接权值，以根据所述特征权重以及所述关联连接权值对所述第一用例中的各帧图像分别进行预设次数的卷积与最大池化交替处理，得到实际输出；

在本实施例中，机器学习的方式为：在外界训练用例的刺激下不断改变预设基础网络模型的特征权重以及特征之间的关联连接权值，也即学习的本质是对预设基础网络模型进行参数的有序动态调整。例如，rpn(regionproposalnetworks)基础网络模型学习的思想是：利用训练用例中期望输出与实际输出的误差，进行相应行为特征权重，以及所述行为特征之间的关联连接权值的调整。具体地，也即训练用例中存在各个输入图像，该输入图像存在人表情特征、所述支撑物特征、所述绳状物体特征、所述支撑物和人脚之间的距离特征以及所述人脚与地面之间的距离特征等基本特征，在得到多个基本特征后，先随机确定各个基本特征的权重以及各个基本特征之间的关联权重，然后根据所述特征权重以及所述关联连接权值对所述第一用例中的各帧图像分别进行预设次数的卷积与最大池化交替处理，得到实际输出，该预设次数可以为3次。

步骤s023，获取所述实际输出与所述第一用例对应期望输出之间的误差，根据所述误差有序调整所述特征权重以及所述关联连接权值，直至所述实际输出与所述第一用例对应期望输出一致。

在得到实际输出后，根据实际输出与期望输出的误差，不断有序调整，直至所述实际输出与所述第一用例对应期望输出一致。

例如，在本实施例中，将人表情特征、支撑物特征、绳状物体特征、支撑物和人脚之间的距离特征以及人脚与地面之间的距离特征等作为基本特征n1、n2、、、nn，该基本特征n1、n2、、、nn分别对应的n个权重w1，w2、、、wn，该n个基本特征n1、n2、、、nnn彼此之间关联权重为q1，q2，q3等等，在进行训练过程中，若在对n1对应的权重w1调大、nn对应的权重wn调小，q1调大时，实际输出更接近期望输出，则对权重w1调大，权重wn调小以及q1调大处理。

步骤s03，将所述第二用例作为测试用例对调整训练后的所述基础网络模型进行测试，以得到第一识别网络模型，将所述第一识别网络模型置于所述预设第一识别器中。

在得到第二用例后，将所述第二用例作为测试用例对调整训练后的所述基础网络模型进行测试，以得到第一识别网络模型，需要说明的是，当所述调整训练后的所述基础网络模型未通过测试时，基于第一用例对调整训练后的所述基础网络模型进行再次的调整训练处理，以得到第一识别网络模型，将所述第一识别网络模型置于所述预设第一识别器中，需要说明的是，预设第二识别器与预设第一识别器的训练方法可以相同，在此不再赘述。

步骤s20，获取所述预设第一识别器针对所述监控视频中是否存在自杀行为的第一识别结果，并获取所述预设第二识别器针对所述监控视频中是否存在自杀行为的第二识别结果；

预设第一识别器，由于预设第一识别器以及预设第二识别器都是训练后能够识别自杀行为的识别器，因而直接获取所述预设第一识别器针对所述监控视频中是否存在自杀行为的第一识别结果，并获取所述预设第二识别器针对所述监控视频中是否存在自杀行为的第二识别结果即可。

步骤s30，根据所述第一识别结果以及所述第二识别结果，确定防自杀预警的预警策略。

根据所述第一识别结果以及所述第二识别结果，确定防自杀预警的预警策略，其中，防自杀预警的预警策略可以对存在自杀行为的风险机率进行不同级别的预警处理。

本发明实时获取监狱室中的监控视频，并将所述监控视频分别输入至预设第一识别器与预设第二识别器中，以识别所述监控视频中是否存在自杀行为；获取所述预设第一识别器针对所述监控视频中是否存在自杀行为的第一识别结果，并获取所述预设第二识别器针对所述监控视频中是否存在自杀行为的第二识别结果；根据所述第一识别结果以及所述第二识别结果，确定防自杀预警的预警策略。在本申请中，实时对监狱室进行监控，并能够基于预设的第一识别器与第二识别器对获取到的监控视频分别进行识别处理，以及时准确地判断监狱中是否存在自杀行为，并针对性地采取预警策略，以减少监狱中自杀率，也即本申请解决了现有技术中，监狱管理人员难以监管监狱里犯人自杀，致使自杀率上升的技术问题。

进一步地，本发明提供基于图像识别的防自杀预警方法的另一实施例，在该实施例中，所述自杀行为包括上吊自杀行为；

所述实时获取监狱室中的监控视频，并将所述监控视频分别输入至预设第一识别器与预设第二识别器中，以识别所述监控视频中是否存在自杀行为步骤之前还包括：

步骤s04，采集并解析数量大于预设值的监狱上吊自杀录像视频，以将所述录像视频中所有上吊自杀行为对应的支撑物和人脚之间的第一距离，脚与地面之间的第二距离，人头部与绳状物体之间的交集面积范围，人微表情信息以及人、支撑物和绳状物体位置关系进行汇总入库处理，得到待处理数据；

在本实施例中，基于大数据分析得到预设第二识别器中的识别模型，具体地，采集并解析数量大于预设值的监狱上吊自杀录像视频，以将所述录像视频中所有上吊自杀行为对应的支撑物和人脚之间的第一距离，脚与地面之间的第二距离，人头部与绳状物体之间的交集面积范围，人微表情信息以及人、支撑物和绳状物体位置关系进行汇总入库处理，得到待处理数据，也即具体地，将自杀行为的支撑物和人脚之间的第一距离区间x、脚与地面之间的第二距离区间y、人头部与绳状物体之间的交集面积范m区间，人脸面部信息的采集qn区间等进行汇总入库处理，得到待处理数据。

步骤s05，对所述待处理数据进行数据清洗处理，得到清洗数据；

对支撑物和人脚之间的第一距离区间x、脚与地面之间的第二距离区间y、人头部与绳状物体之间的交集面积范m区间，人脸面部信息的采集qn区间等数据进行清洗处理，即是剔除区间范围明显不合理的数据，得到清洗数据。

步骤s06，将所述清洗数据作为识别基准范围置于所述预设第二识别器中。

将所述清洗数据作为识别基准范围置于所述预设第二识别器中，以供后续进行判断。

其中，所述获取所述预设第二识别器针对所述监控视频中是否存在自杀行为的第二识别结果步骤包括：

步骤a1，基于所述预设第二识别器，提取同一时间点所述监控视频中人的各个行为特征数据，将所述各个行为特征数据分别对应与所述第二识别器中的所述识别基准范围进行比对；

在本实施例中，将所述清洗数据作为识别基准范围置于所述预设第二识别器中后，基于所述预设第二识别器，提取同一时间点所述监控视频中人的各个行为特征数据，将所述各个行为特征数据如支撑物和人脚之间的第一距离，脚与地面之间的第二距离，人头部与绳状物体之间的交集面积范围等同步分别对应与所述第二识别器中的所述识别基准范围进行比对。

步骤a2，若所述各个行为特征数据都对应处于所述识别基准范围内时，确定所述第二识别结果为所述监控视频中存在自杀行为。

若所述各个行为特征数据都对应处于所述识别基准范围内时，确定所述第二识别结果为所述监控视频中存在自杀行为，或者若所述各个行为特征数据中存在大于预设个数的行为特征数据对应处于所述识别基准范围内时，确定所述第二识别结果为所述监控视频中存在自杀行为。

通过采集并解析数量大于预设值的监狱上吊自杀录像视频，以将所述录像视频中所有上吊自杀行为对应的支撑物和人脚之间的第一距离，脚与地面之间的第二距离，人头部与绳状物体之间的交集面积范围，人微表情信息以及人、支撑物和绳状物体位置关系进行汇总入库处理，得到待处理数据；对所述待处理数据进行数据清洗处理，得到清洗数据；将所述清洗数据作为识别基准范围置于所述预设第二识别器中，在本实施例中，实现通过大数据准确统计方法得到预设第二识别器，以准确进行自杀行为的识别。

进一步地，本发明提供基于图像识别的防自杀预警方法的另一实施例，在该实施例中，所述根据所述第一识别结果以及所述第二识别结果，确定防自杀预警的预警策略步骤包括：

步骤s31，若所述第一识别结果以及所述第二识别结果都为所述监控视频中存在自杀行为，启动预设最高级别警报，在所述最高级别警报中包括闪光预警方式。

在本实施例中，若所述第一识别结果以及所述第二识别结果都为所述监控视频中存在自杀行为，启动预设最高级别警报，在所述最高级别警报中包括闪光预警方式，另外，该最高级别警报中还包括铃声报警方式。

所述根据所述第一识别结果以及所述第二识别结果，确定防自杀预警的预警策略步骤还包括：

步骤s32，若所述第一识别结果或者所述第二识别结果中存在自杀行为，则启动预设中级级别警报，所述中级级别警报中未包括闪光预警方式。

在本实施例中，若所述第一识别结果或者所述第二识别结果中存在自杀行为，则启动预设中级级别警报，若所述第一识别结果或者所述第二识别结果中都未存在自杀行为，则不启动警报，所述中级级别警报级别比预设最高级别警报低，未包括闪光预警方式但包括铃声报警方式。

在本实施例中，实现分级警报，以便有效对监狱自杀行为进行有效预警。

参照图3，图3是本发明实施例方案涉及的硬件运行环境的设备结构示意图。

本发明实施例基于图像识别的防自杀预警设备可以是pc，也可以是智能手机、平板电脑、电子书阅读器、mp3(movingpictureexpertsgroupaudiolayeriii，动态影像专家压缩标准音频层面3)播放器、mp4(movingpictureexpertsgroupaudiolayeriv，动态影像专家压缩标准音频层面4)播放器、便携计算机等终端设备。

如图3所示，该基于图像识别的防自杀预警设备可以包括：处理器1001，例如cpu，存储器1005，通信总线1002。其中，通信总线1002用于实现处理器1001和存储器1005之间的连接通信。存储器1005可以是高速ram存储器，也可以是稳定的存储器(non-volatilememory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储设备。

可选地，该基于图像识别的防自杀预警设备还可以包括目标用户接口、网络接口、摄像头、rf(radiofrequency，射频)电路，传感器、音频电路、wifi模块等等。目标用户接口可以包括显示屏(display)、输入单元比如键盘(keyboard)，可选目标用户接口还可以包括标准的有线接口、无线接口。网络接口可选的可以包括标准的有线接口、无线接口(如wi-fi接口)。

本领域技术人员可以理解，图3中示出的基于图像识别的防自杀预警设备结构并不构成对基于图像识别的防自杀预警设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图3所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块以及基于图像识别的防自杀预警程序。操作系统是管理和控制基于图像识别的防自杀预警设备硬件和软件资源的程序，支持基于图像识别的防自杀预警程序以及其它软件和/或程序的运行。网络通信模块用于实现存储器1005内部各组件之间的通信，以及与基于图像识别的防自杀预警设备中其它硬件和软件之间通信。

在图3所示的基于图像识别的防自杀预警设备中，处理器1001用于执行存储器1005中存储的基于图像识别的防自杀预警程序，实现上述任一项所述的基于图像识别的防自杀预警方法的步骤。

本发明基于图像识别的防自杀预警设备具体实施方式与上述基于图像识别的防自杀预警方法各实施例基本相同，在此不再赘述。

本发明还提供一种基于图像识别的防自杀预警装置，所述基于图像识别的防自杀预警装置包括：

第一获取模块，用于实时获取监狱室中的监控视频，并将所述监控视频分别输入至预设第一识别器与预设第二识别器中，以识别所述监控视频中是否存在自杀行为；

第二获取模块，用于获取所述预设第一识别器针对所述监控视频中是否存在自杀行为的第一识别结果，并获取所述预设第二识别器针对所述监控视频中是否存在自杀行为的第二识别结果；

确定模块，用于根据所述第一识别结果以及所述第二识别结果，确定防自杀预警的预警策略。

本发明基于图像识别的防自杀预警装置具体实施方式与上述基于图像识别的防自杀预警方法各实施例基本相同，在此不再赘述。

本发明提供了一种可读存储介质，所述可读存储介质存储有一个或者一个以上程序，所述一个或者一个以上程序还可被一个或者一个以上的处理器执行以用于实现上述任一项所述的基于图像识别的防自杀预警方法的步骤。

本发明可读存储介质具体实施方式与上述基于图像识别的防自杀预警方法各实施例基本相同，在此不再赘述。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利处理范围内。