一种钓鱼行为检测方法、装置及系统与流程

1.本技术涉及图像处理技术领域，尤其涉及一种钓鱼行为检测方法、装置及系统。


背景技术：

2.钓鱼是一项深受大众喜爱的休闲方式，但是出于安全考虑或管理需要部分区域是禁止钓鱼的，例如景区的湖泊、私人承包的水库等，这些禁止钓鱼区域为了驱赶钓鱼者一般会设置警示牌或安排管理人员巡逻。
3.目前，由于警示牌的驱赶效果并不明显，安排管理人员巡逻又浪费人力、物力资源，因此常实时监控禁止钓鱼区域，在监控画面检测到鱼竿与人时，播放警告语音，并将检测到鱼竿与人的监控画面发送给管理人员，从而增强驱赶效果，并节省人力、物力资源。但是采用传统的图像处理方法检测鱼竿与人，准确性较低和鲁棒性较弱，并且仅检测到鱼竿与人就确定存在钓鱼行为，误报率较高。
4.由此可见，现有的钓鱼行为检测方法存在检测鱼竿与人的方法准确性较低和鲁棒性较弱，以及确定钓鱼行为的方式误报率较高的问题。


技术实现要素：

5.本技术实施例提供一种钓鱼行为检测方法、装置及系统，用于解决现有的钓鱼行为检测方法存在的检测鱼竿与人的方法准确性较低和鲁棒性较弱，以及确定钓鱼行为的方式误报率较高的问题。
6.第一方面，为解决上述技术问题，本技术实施例提供一种钓鱼行为检测方法，包括：
7.获取待检测图像；
8.基于目标检测模型对所述待检测图像进行目标检测，得到已检测图像，并确定所述已检测图像中是否存在第一鱼竿目标集和第一人体目标集；其中，所述已检测图像中的检测框的位置参数包括中心点的坐标、宽度、高度和倾斜角度，所述倾斜角度为所述检测框和所述已检测图像的水平轴的夹角；
9.若存在第一鱼竿目标集和第一人体目标集，则确定所述已检测图像中是否存在钓鱼行为目标集；其中，所述钓鱼行为目标集包括所述第一鱼竿目标集中任一鱼竿目标和关联的所述第一人体目标集中任一人体目标。
10.在本技术实施例中，可以获取待检测图像，基于目标检测模型对待检测图像进行目标检测，得到已检测图像，并确定已检测图像中是否存在第一鱼竿目标集和第一人体目标集，其中，已检测图像中的检测框的位置参数包括中心点的坐标、宽度、高度和倾斜角度，倾斜角度为检测框和已检测图像的水平轴的夹角，若存在第一鱼竿目标集和第一人体目标集，则确定已检测图像中是否存在钓鱼行为目标集，其中，钓鱼行为目标集包括第一鱼竿目标集中任一鱼竿目标和关联的第一人体目标集中任一人体目标。通过中心点的坐标、宽度、高度和倾斜角度等位置参数指示鱼竿目标和人体目标的检测框在已检测图像中的所在位
置，提高鱼竿目标和人体目标的检测结果的准确性和鲁棒性，并确定已检测图像中存在的鱼竿目标和人体目标是否关联，降低在禁止钓鱼区域的钓鱼行为的误报率。
11.一种可选实施方式中，基于目标检测模型对所述待检测图像进行目标检测，得到已检测图像之前，还包括：
12.获取至少一个样本图像；其中，所述样本图像中鱼竿目标和人体目标的真实框的位置参数包括中心点的坐标、宽度、高度和倾斜角度，所述倾斜角度为所述真实框和所述样本图像的水平轴的夹角；
13.基于所述至少一个样本图像对预设检测模型进行训练，得到所述目标检测模型；其中，所述目标检测模型用于检测图像中的鱼竿目标和人体目标。
14.一种可选实施方式中，确定所述已检测图像中是否存在钓鱼行为目标集，包括：
15.删除所述第一鱼竿目标集中置信度小于第一预设阈值的鱼竿目标，以及所述第一人体目标集中置信度小于第二预设阈值的人体目标，得到第二鱼竿目标集和第二人体目标集；
16.确定所述第二鱼竿目标集中任一鱼竿目标的检测框和所述第二人体目标集中任一人体目标的检测框的交并比；
17.若所述交并比大于第三预设阈值，则关联所述交并比对应的鱼竿目标和人体目标，确定所述已检测图像中存在所述钓鱼行为目标集；
18.若所述交并比不大于所述第三预设阈值，则确定所述交并比对应的鱼竿目标和人体目标的距离；其中，所述距离为所述鱼竿目标的检测框的各个顶点和所述人体目标的检测框的各条边的最小欧氏距离；
19.若所述距离不大于第四预设阈值，则关联所述交并比对应的鱼竿目标和人体目标，确定所述已检测图像中存在所述钓鱼行为目标集。
20.一种可选实施方式中，确定所述第二鱼竿目标集中任一鱼竿目标的检测框和所述第二人体目标集中任一人体目标的检测框的交并比，包括：
21.获取所述第二鱼竿目标集中任一鱼竿目标的检测框的位置参数和所述第二人体目标集中任一人体目标的检测框的位置参数；
22.基于所述任一鱼竿目标的检测框的位置参数和任一人体目标的检测框的位置参数，确定所述任一鱼竿目标的检测框和所述任一人体目标的检测框的交点的坐标；
23.基于所述交点的坐标，确定所述任一鱼竿目标的检测框和所述任一人体目标的检测框的交并比。
24.一种可选实施方式中，基于所述交点的坐标，确定所述任一鱼竿目标的检测框和所述任一人体目标的检测框的交并比，包括：
25.基于所述交点的坐标，采用预设公式确定所述任一鱼竿目标的检测框和所述任一人体目标的检测框的交并比；
26.所述预设公式，具体为：
[0027][0028]
其中，iou为所述任一鱼竿目标的检测框和所述任一人体目标的检测框的交并比，为所述任一鱼竿目标的检测框的面积，为所述任一人体目标的检测框的面积，(mi,ni)为第i个所述交点的坐标，n为所述交点的个数。
[0029]
一种可选实施方式中，还包括：
[0030]
若不存在第一人体目标集或不存在所述钓鱼行为目标集，则将所述已检测图像发送给管理人员；
[0031]
若存在所述钓鱼行为目标集，则将所述已检测图像发送给所述管理人员，并在禁止钓鱼区域播放警告语音。
[0032]
第二方面，本技术实施例还提供一种钓鱼行为检测装置，包括：
[0033]
获取模块，用于获取待检测图像；
[0034]
检测模块，用于基于目标检测模型对所述待检测图像进行目标检测，得到已检测图像，并确定所述已检测图像中是否存在第一鱼竿目标集和第一人体目标集；其中，所述已检测图像中的检测框的位置参数包括中心点的坐标、宽度、高度和倾斜角度，所述倾斜角度为所述检测框和所述已检测图像的水平轴的夹角；
[0035]
确定模块，用于若存在第一鱼竿目标集和第一人体目标集，则确定所述已检测图像中是否存在钓鱼行为目标集；其中，所述钓鱼行为目标集包括所述第一鱼竿目标集中任一鱼竿目标和关联的所述第一人体目标集中任一人体目标。
[0036]
一种可选实施方式中，所述装置还包括训练模块，用于：
[0037]
获取至少一个样本图像；其中，所述样本图像中鱼竿目标和人体目标的真实框的位置参数包括中心点的坐标、宽度、高度和倾斜角度，所述倾斜角度为所述真实框和所述样本图像的水平轴的夹角；
[0038]
基于所述至少一个样本图像对预设检测模型进行训练，得到所述目标检测模型；其中，所述目标检测模型用于检测图像中的鱼竿目标和人体目标。
[0039]
一种可选实施方式中，所述确定模块，具体用于：
[0040]
删除所述第一鱼竿目标集中置信度小于第一预设阈值的鱼竿目标，以及所述第一人体目标集中置信度小于第二预设阈值的人体目标，得到第二鱼竿目标集和第二人体目标集；
[0041]
确定所述第二鱼竿目标集中任一鱼竿目标的检测框和所述第二人体目标集中任一人体目标的检测框的交并比；
[0042]
若所述交并比大于第三预设阈值，则关联所述交并比对应的鱼竿目标和人体目标，确定所述已检测图像中存在所述钓鱼行为目标集；
[0043]
若所述交并比不大于所述第三预设阈值，则确定所述交并比对应的鱼竿目标和人体目标的距离；其中，所述距离为所述鱼竿目标的检测框的各个顶点和所述人体目标的检
测框的各条边的最小欧氏距离；
[0044]
若所述距离不大于第四预设阈值，则关联所述交并比对应的鱼竿目标和人体目标，确定所述已检测图像中存在所述钓鱼行为目标集。
[0045]
一种可选实施方式中，所述确定模块，具体用于：
[0046]
获取所述第二鱼竿目标集中任一鱼竿目标的检测框的位置参数和所述第二人体目标集中任一人体目标的检测框的位置参数；
[0047]
基于所述任一鱼竿目标的检测框的位置参数和任一人体目标的检测框的位置参数，确定所述任一鱼竿目标的检测框和所述任一人体目标的检测框的交点的坐标；
[0048]
基于所述交点的坐标，确定所述任一鱼竿目标的检测框和所述任一人体目标的检测框的交并比。
[0049]
一种可选实施方式中，所述确定模块，具体用于：
[0050]
基于所述交点的坐标，采用预设公式确定所述任一鱼竿目标的检测框和所述任一人体目标的检测框的交并比；
[0051]
所述预设公式，具体为：
[0052][0053]
其中，iou为所述任一鱼竿目标的检测框和所述任一人体目标的检测框的交并比，为所述任一鱼竿目标的检测框的面积，为所述任一人体目标的检测框的面积，(mi,ni)为第i个所述交点的坐标，n为所述交点的个数。
[0054]
一种可选实施方式中，所述装置还包括处理模块，用于：
[0055]
若不存在第一人体目标集或不存在所述钓鱼行为目标集，则将所述已检测图像发送给管理人员；
[0056]
若存在所述钓鱼行为目标集，则将所述已检测图像发送给所述管理人员，并在禁止钓鱼区域播放警告语音。
[0057]
第三方面，本技术实施例还提供一种钓鱼行为检测系统，包括：
[0058]
存储器，用于存储程序指令；
[0059]
处理器，用于调用所述存储器中存储的程序指令，按照获得的程序指令执行第一方面中的任一种实施方式包括的步骤。
[0060]
第四方面，本技术实施例提供一种存储介质，该存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行第一方面中的任一种实施方式包括的步骤。
附图说明
[0061]
为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例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技术的一些实施例。
[0062]
图1为本技术实施例提供的一种钓鱼行为检测系统的结构示意图；
[0063]
图2a为本技术实施例提供的一种钓鱼行为检测方法的流程示意图；
[0064]
图2b为本技术实施例提供的一种已检测图像的示意图；
[0065]
图2c为本技术实施例提供的一种鱼竿目标的检测框和人体目标的检测框的交点的示意图；
[0066]
图3为本技术实施例提供的一种钓鱼行为检测装置的结构示意图；
[0067]
图4为本技术实施例提供的又一种钓鱼行为检测系统的结构示意图。
具体实施方式
[0068]
为使本技术的目的、技术方案和优点更加清楚明白，下面将结合本技术实施例中的附图，对本技术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技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，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，都属于本技术保护的范围。在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互任意组合。并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，能够以不同于此处的顺序执行所示出或描述的步骤。
[0069]
本技术的说明书和权利要求书及上述附图中的术语“第一”和“第二”是用于区别不同对象，而非用于描述特定顺序。此外，术语“包括”以及它们任何变形，意图在于覆盖不排他的保护。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0070]
本技术实施例中，“至少一个”可以表示至少两个，例如可以是两个、三个或者更多个，本技术实施例不做限制。
[0071]
另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中字符“/”，在不做特别说明的情况下，一般表示前后关联对象是一种“或”的关系。
[0072]
目前，由于警示牌的驱赶效果并不明显，安排管理人员巡逻又浪费人力、物力资源，因此常实时监控禁止钓鱼区域，在监控画面检测到鱼竿与人时，播放警告语音，并将检测到鱼竿与人的监控画面发送给管理人员，从而增强驱赶效果，并节省人力、物力资源。但是采用传统的图像处理方法检测鱼竿与人，准确性较低和鲁棒性较弱，并且仅检测到鱼竿与人就确定存在钓鱼行为，误报率较高。由此可见，现有的钓鱼行为检测方法存在检测鱼竿与人的方法准确性较低和鲁棒性较弱，以及确定钓鱼行为的方式误报率较高的问题。
[0073]
鉴于此，本技术实施例提供一种钓鱼行为检测方法，该方法可以获取待检测图像，基于目标检测模型对待检测图像进行目标检测，得到已检测图像，并确定已检测图像中是否存在第一鱼竿目标集和第一人体目标集，其中，已检测图像中的检测框的位置参数包括中心点的坐标、宽度、高度和倾斜角度，倾斜角度为检测框和已检测图像的水平轴的夹角，若存在第一鱼竿目标集和第一人体目标集，则确定已检测图像中是否存在钓鱼行为目标集，其中，钓鱼行为目标集包括第一鱼竿目标集中任一鱼竿目标和关联的第一人体目标集中任一人体目标。通过中心点的坐标、宽度、高度和倾斜角度等位置参数指示鱼竿目标和人
体目标的检测框在已检测图像中的所在位置，提高鱼竿目标和人体目标的检测结果的准确性和鲁棒性，并确定已检测图像中存在的鱼竿目标和人体目标是否关联，降低在禁止钓鱼区域的钓鱼行为的误报率。
[0074]
为了更好的理解上述技术方案，下面通过说明书附图以及具体实施例对本技术技术方案做详细的说明，应当理解本技术实施例以及实施例中的具体特征是对本技术技术方案的详细的说明，而不是对本技术技术方案的限定，在不冲突的情况下，本技术实施例以及实施例中的技术特征可以相互组合。
[0075]
如图1所示，为本技术实施例提供的一种钓鱼行为检测系统的结构示意图，当然本技术实施例所提供的方法可以适用到多种钓鱼行为检测系统上，应当理解图1所示的钓鱼行为检测系统是对可适用本技术实施例所提供方法的钓鱼行为检测系统的简单说明，而不是对可适用本技术实施例所提供方法的钓鱼行为检测系统的限定。
[0076]
图1所示的钓鱼行为检测系统包括存储器101、处理器102、总线接口103。存储器101以及处理器102通过总线接口103连接。存储器101用于存储程序指令。处理器102用于调用存储器101中存储的程序指令，按照获得的程序指令执行钓鱼行为检测方法中包括的所有步骤。
[0077]
需要说明的是，在本技术实施例中，钓鱼行为检测系统可以安装在智能摄像头中，该智能摄像头主要用于监控景区的湖泊、私人承包的水库等禁止钓鱼区域。
[0078]
如图2a所示，为本技术实施例提供的一种钓鱼行为检测方法的流程示意图，该方法可以由前述图1所示的钓鱼行为检测系统执行。该方法的具体流程描述如下。
[0079]
步骤201：获取待检测图像。
[0080]
在本技术实施例中，钓鱼行为检测系统可以从智能摄像头针对禁止钓鱼区域采集的视频中获取待检测图像，例如，先将智能摄像头针对禁止钓鱼区域采集的视频码流解码为图像码流，再基于预设时间间隔对图像码流进行采样处理，得到采样处理后的图像码流，然后由于yuv格式的图像比rgb格式的图像储存空间小，对采样处理后的图像码流进行格式转换处理，得到格式转换处理后的图像码流，从格式转换处理后的图像码流中获取待检测图像。
[0081]
步骤202：基于目标检测模型对待检测图像进行目标检测，得到已检测图像，并确定已检测图像中是否存在第一鱼竿目标集和第一人体目标集。
[0082]
在本技术实施例中，在从智能摄像头针对禁止钓鱼区域采集的视频中获取待检测图像之后，钓鱼行为检测系统可以基于目标检测模型对待检测图像进行目标检测，得到已检测图像，并确定已检测图像中是否存在第一鱼竿目标集和第一人体目标集，其中，已检测图像中的检测框的位置参数包括中心点的坐标、宽度、高度和倾斜角度，倾斜角度为检测框和已检测图像的水平轴的夹角；
[0083]
示例性的，如图2b所示，为本技术实施例提供的一种已检测图像的示意图，图2b中的人体目标和鱼竿目标的检测框的位置参数均为(c
x
,cy,w,h,θ)，其中，(c
x
,cy)为检测框的中心点的坐标，w为检测框的宽度，h为检测框的高度，θ为检测框的倾斜角度(即检测框和图像的水平轴的夹角)，由于人体目标的检测框一般与水平轴平行，人体目标的检测框的位置参数θ可固定为0。另外，可将检测框的位置参数由(c
x
,cy,w,h,θ)转换为(x0,y0；x1,y1；x2,y2；x3,y3)，其中，(x0,y0)，(x1,y1)，(x2,y2)，(x3,y3)为检测框的按序排列(逆时针或顺时针)的
各个顶点的坐标，如(x0,y0)为检测框的左上角的坐标，(x1,y1)为检测框的右上角的坐标，(x2,y2)为检测框的右下角的坐标，(x3,y3)为检测框的左下角的坐标。
[0084]
需要说明的是，在本技术实施例中，在基于目标检测模型对待检测图像进行目标检测，得到已检测图像之前，可以获取至少一个样本图像，其中，样本图像中鱼竿目标和人体目标的真实框的位置参数包括中心点的坐标、宽度、高度和倾斜角度，倾斜角度为真实框和图像的水平轴的夹角，基于至少一个样本图像对预设检测模型进行训练，得到用于检测图像中的鱼竿目标和人体目标的目标检测模型。其中，预设检测模型为基于卷积神经网络的检测模型，例如区域卷积神经网络(region convolutional neural network，r-cnn)，yolo(you only look once)、单激发多盒探测器(single shot multibox detector，ssd)等。预设检测模型的回归参数包括检测框的中心点的坐标(c
x
,cy)，检测框的宽度w，检测框的高度h以及检测框的倾斜角度θ，检测框的倾斜角度θ的回归公式为其中，t
θ
为检测框的倾斜角度θ的改正值，为真实框的倾斜角度θ
*
的改正值，θa为先验框的倾斜角度。预设检测模型的回归损失函数，具体为：
[0085][0086]
其中，lr为回归损失，f(
·
)为对数函数或平方根函数，m1为检测框的中心点的坐标，m2为真实框的中心点的坐标。
[0087]
步骤203：若存在第一鱼竿目标集和第一人体目标集，则确定已检测图像中是否存在钓鱼行为目标集。
[0088]
在本技术实施例中，在基于目标检测模型对待检测图像进行目标检测，得到已检测图像，并确定已检测图像中是否存在第一鱼竿目标集和第一人体目标集之后，若钓鱼行为检测系统确定已检测图像中存在第一鱼竿目标集和第一人体目标集，则确定已检测图像中是否存在钓鱼行为目标集，其中，钓鱼行为目标集包括第一鱼竿目标集中任一鱼竿目标和关联的第一人体目标集中任一人体目标。
[0089]
具体的，删除第一鱼竿目标集中置信度小于第一预设阈值的鱼竿目标，以及第一人体目标集中置信度小于第二预设阈值的人体目标，得到第二鱼竿目标集和第二人体目标集，确定第二鱼竿目标集中任一鱼竿目标的检测框和第二人体目标集中任一人体目标的检测框的交并比，若交并比大于第三预设阈值，则关联交并比对应的鱼竿目标和人体目标，确定已检测图像中存在钓鱼行为目标集，若交并比不大于第三预设阈值，则确定交并比对应的鱼竿目标和人体目标的距离，其中，距离为鱼竿目标的检测框的各个顶点和人体目标的检测框的各条边的最小欧氏距离，若距离不大于第四预设阈值，则关联交并比对应的鱼竿目标和人体目标，确定已检测图像中存在钓鱼行为目标集。
[0090]
需要说明的是，在本技术实施中，确定第二鱼竿目标集中任一鱼竿目标的检测框和第二人体目标集中任一人体目标的检测框的交并比时，可以获取第二鱼竿目标集中任一鱼竿目标的检测框的位置参数和第二人体目标集中任一人体目标的检测框的位置参数，基于任一鱼竿目标的检测框的位置参数和任一人体目标的检测框的位置参数，确定任一鱼竿目标的检测框和任一人体目标的检测框的交点的坐标，基于交点的坐标，采用预设公式确定任一鱼竿目标的检测框和任一人体目标的检测框的交并比，其中，预设公式，具体为：
[0091][0092]
其中，iou为任一鱼竿目标的检测框和任一人体目标的检测框的交并比，为任一鱼竿目标的检测框的面积，为任一人体目标的检测框的面积，(mi,ni)为第i个交点的坐标，n为交点的个数。
[0093]
示例性的，如图2c所示，为本技术实施例提供的一种任一鱼竿目标的检测框和任一人体目标的检测框的交点的示意图，将任一鱼竿目标的检测框的位置参数和任一人体目标的检测框的位置参数由(c
x
,cy,w,h,θ)转换为(x0,y0；x1,y1；x2,y2；x3,y3)，得到任一鱼竿目标的检测框b1(x0,y0；x1,y1；x2,y2；x3,y3)，任一人体目标的检测框b2(x0,y0；x1,y1；x2,y2；x3,y3)，基于两点确定一条直线和两条相交直线必有交点，确定任一鱼竿目标的检测框的位置参数和任一人体目标的检测框的交点的坐标为(m1,n1)，(m2,n2)，(m3,n3)，(m4,n4)，(m5,n5)，(m6,n6)，(m7,n7)，(m8,n8)。
[0094]
在基于目标检测模型对待检测图像进行目标检测，得到已检测图像，并确定已检测图像中是否存在第一鱼竿目标集和第一人体目标集之后，若钓鱼行为检测系统确定已检测图像中不存在第一鱼竿目标集或存在第一鱼竿目标集和第一人体目标集但不存在钓鱼行为目标集，则仅将已检测图像发送给管理人员，不在禁止钓鱼区域播放警告语音。
[0095]
在基于目标检测模型对待检测图像进行目标检测，得到已检测图像，并确定已检测图像中是否存在第一鱼竿目标集和第一人体目标集之后，若钓鱼行为检测系统确定已检测图像中存在第一鱼竿目标集和第一人体目标集且存在钓鱼行为目标集，则将已检测图像发送给管理人员，并在禁止钓鱼区域播放警告语音。
[0096]
上述方案，钓鱼行为检测系统通过中心点的坐标、宽度、高度和倾斜角度等位置参数指示鱼竿目标和人体目标的检测框在已检测图像中的所在位置，提高鱼竿目标和人体目标的检测结果的准确性和鲁棒性，并且在确定已检测图像中存在关联的鱼竿目标和人体目标时，将已检测图像发送给管理人员，并在禁止钓鱼区域播放警告语音，在确定已检测图像中只存在鱼竿目标时，仅将已检测图像发送给管理人员，并不在禁止钓鱼区域播放警告语音，降低在禁止钓鱼区域的钓鱼行为的误报率。
[0097]
基于同一发明构思，本技术实施例还提供一种钓鱼行为检测装置，该钓鱼行为检测装置可以应用于前述图1所示的钓鱼行为检测系统。该钓鱼行为检测装置可以实现前述的钓鱼行为检测方法对应的功能。该钓鱼行为检测装置可以是硬件结构、软件模块、或硬件
结构加软件模块。该钓鱼行为检测装置可以由芯片系统实现，芯片系统可以由芯片构成，也可以包含芯片和其他分立器件。请参见图3，为本技术实施例提供的一种钓鱼行为检测装置的结构示意图，该钓鱼行为检测装置包括获取模块301、检测模块302、确定模块303、第一处理模块304以及第二处理模块305。
[0098]
获取模块301，用于获取待检测图像；
[0099]
检测模块302，用于基于目标检测模型对所述待检测图像进行目标检测，得到已检测图像，并确定所述已检测图像中是否存在第一鱼竿目标集和第一人体目标集；其中，所述已检测图像中的检测框的位置参数包括中心点的坐标、宽度、高度和倾斜角度，所述倾斜角度为所述检测框和所述已检测图像的水平轴的夹角；
[0100]
确定模块303，用于若存在第一鱼竿目标集和第一人体目标集，则确定所述已检测图像中是否存在钓鱼行为目标集；其中，所述钓鱼行为目标集包括所述第一鱼竿目标集中任一鱼竿目标和关联的所述第一人体目标集中任一人体目标。
[0101]
一种可选实施方式中，所述装置还包括训练模块，用于：
[0102]
获取至少一个样本图像；其中，所述样本图像中鱼竿目标和人体目标的真实框的位置参数包括中心点的坐标、宽度、高度和倾斜角度，所述倾斜角度为所述真实框和所述样本图像的水平轴的夹角；
[0103]
基于所述至少一个样本图像对预设检测模型进行训练，得到所述目标检测模型；其中，所述目标检测模型用于检测图像中的鱼竿目标和人体目标。
[0104]
一种可选实施方式中，所述确定模块303，具体用于：
[0105]
删除所述第一鱼竿目标集中置信度小于第一预设阈值的鱼竿目标，以及所述第一人体目标集中置信度小于第二预设阈值的人体目标，得到第二鱼竿目标集和第二人体目标集；
[0106]
确定所述第二鱼竿目标集中任一鱼竿目标的检测框和所述第二人体目标集中任一人体目标的检测框的交并比；
[0107]
若所述交并比大于第三预设阈值，则关联所述交并比对应的鱼竿目标和人体目标，确定所述已检测图像中存在所述钓鱼行为目标集；
[0108]
若所述交并比不大于所述第三预设阈值，则确定所述交并比对应的鱼竿目标和人体目标的距离；其中，所述距离为所述鱼竿目标的检测框的各个顶点和所述人体目标的检测框的各条边的最小欧氏距离；
[0109]
若所述距离不大于第四预设阈值，则关联所述交并比对应的鱼竿目标和人体目标，确定所述已检测图像中存在所述钓鱼行为目标集。
[0110]
一种可选实施方式中，所述确定模块303，具体用于：
[0111]
获取所述第二鱼竿目标集中任一鱼竿目标的检测框的位置参数和所述第二人体目标集中任一人体目标的检测框的位置参数；
[0112]
基于所述任一鱼竿目标的检测框的位置参数和任一人体目标的检测框的位置参数，确定所述任一鱼竿目标的检测框和所述任一人体目标的检测框的交点的坐标；
[0113]
基于所述交点的坐标，确定所述任一鱼竿目标的检测框和所述任一人体目标的检测框的交并比。
[0114]
一种可选实施方式中，所述确定模块303，具体用于：
[0115]
基于所述交点的坐标，采用预设公式确定所述任一鱼竿目标的检测框和所述任一人体目标的检测框的交并比；
[0116]
所述预设公式，具体为：
[0117][0118]
其中，iou为所述任一鱼竿目标的检测框和所述任一人体目标的检测框的交并比，为所述任一鱼竿目标的检测框的面积，为所述任一人体目标的检测框的面积，(mi,ni)为第i个所述交点的坐标，n为所述交点的个数。
[0119]
一种可选实施方式中，所述装置还包括处理模块，用于：
[0120]
若不存在第一人体目标集或不存在所述钓鱼行为目标集，则将所述已检测图像发送给管理人员；
[0121]
若存在所述钓鱼行为目标集，则将所述已检测图像发送给所述管理人员，并在禁止钓鱼区域播放警告语音。
[0122]
基于同一发明构思，本技术实施例还提供一种钓鱼行为检测系统，请参见图4，为本技术实施例提供的一种钓鱼行为检测系统的结构示意图，该钓鱼行为检测系统包括至少一个处理器402，以及与至少一个处理器连接的存储器401，本技术实施例中不限定处理器402与存储器401之间的具体连接介质，图4是以处理器402和存储器401之间通过总线400连接为例，总线400在图4中以粗线表示，其它部件之间的连接方式，仅是进行示意性说明，并不以此为限。总线400可以分为地址总线、数据总线、控制总线等，为便于表示，图4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。
[0123]
在本技术实施例中，存储器401存储有可被至少一个处理器402执行的指令，至少一个处理器402通过调用存储器401存储的指令，可以执行前述的钓鱼行为检测方法中所包括的步骤。其中，处理器402是钓鱼行为检测系统的控制中心，可以利用各种接口和线路连接整个钓鱼行为检测系统的各个部分，通过执行存储在存储器401内的指令，从而实现钓鱼行为检测系统的各种功能。可选的，处理器402可包括一个或多个处理单元，处理器402可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器402中。在一些实施例中，处理器402和存储器401可以在同一芯片上实现，在一些实施例中，它们也可以在独立的芯片上分别实现。
[0124]
存储器401作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。存储器401可以包括至少一种类型的存储介质，例如可以包括闪存、硬盘、多媒体卡、卡型存储器、随机访问存储器(random access memory，ram)、静态随机访问存储器(static random access memory，sram)、可编程只读存储器(programmable read only memory，prom)、只读存储器(read only memory，rom)、带电可擦除可编程只读存储器(electrically erasable programmable read-only memory，
eeprom)、磁性存储器、磁盘、光盘等等。存储器401是能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。本技术实施例中的存储器401还可以是电路或者其它任意能够实现存储功能的装置，用于存储程序指令和/或数据。
[0125]
在本技术实施例中，处理器402可以是通用处理器，例如中央处理器(cpu)、数字信号处理器、专用集成电路、现场可编程门阵列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，可以实现或者执行本技术实施例中公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本技术实施例所公开的钓鱼行为检测方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
[0126]
通过对处理器402进行设计编程，可以将前述实施例中介绍的钓鱼行为检测方法所对应的代码固化到芯片内，从而使芯片在运行时能够执行前述的钓鱼行为检测方法的步骤，如何对处理器402进行设计编程为本领域技术人员所公知的技术，这里不再赘述。
[0127]
基于同一发明构思，本技术实施例还提供一种存储介质，该存储介质存储有计算机指令，当该计算机指令在计算机上运行时，使得计算机执行如前述的钓鱼行为检测方法的步骤。
[0128]
在一些可能的实施方式中，本技术提供的钓鱼行为检测方法的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在钓鱼行为检测系统上运行时，程序代码用于使该钓鱼行为检测系统执行本说明书上述描述的根据本技术各种示例性实施方式的钓鱼行为检测方法中的步骤。
[0129]
本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0130]
本技术是参照根据本技术的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0131]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0132]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0133]
显然，本领域的技术人员可以对本技术进行各种改动和变型而不脱离本技术的精神和范围。这样，倘若本技术的这些修改和变型属于本技术权利要求及其等同技术的范围之内，则本技术也意图包含这些改动和变型在内。