一种防儿童走失方法、装置、电子设备及存储介质与流程

本发明实施例涉及儿童保护技术，尤其涉及一种防儿童走失方法、装置、电子设备及存储介质。

背景技术：

在大型商场、闹市区等人群密集的地方，因为人群密集、拥挤等原因，很容易出现儿童走失的情况。

目前，通常采用的防儿童走失的方案为：通过给儿童身上佩戴定位设备，该定位设备用于对儿童的位置进行定位，并实时地与儿童监护人的智能终端进行信息交互，一旦检测到儿童与其监护人之间的距离较远时，则进行报警。

上述防儿童走失的方案中，需要为每位儿童预先购置并佩戴所述定位设备，成本较高，且当发现儿童走失时，无法及时保留儿童走失现场的信息，一旦儿童落入犯罪分子的手中，儿童佩戴的所述定位设备会被丢弃并破坏。而且对于大型商场、闹市区等人群密集的场景并不能保证每位儿童均佩戴所述定位设备，上述方案对于没有佩戴所述定位设备的儿童则无法实现防走失的目的。

技术实现要素：

本发明提供一种防儿童走失方法、装置、电子设备及存储介质，实现了对大面积范围内的所有儿童进行防走失监控的目的。

第一方面，本发明实施例提供了一种防儿童走失方法，该方法包括：

获取目标场景的监控视频流；

基于所述监控视频流确定所述目标场景中是否有儿童存在；

若确定所述目标场景中有儿童存在，则对所述监控视频流进行深度分析，得到分析结果；

基于所述分析结果确定所述儿童是否存在走失风险；

若所述儿童存在走失风险，则进行报警。

第二方面，本发明实施例还提供了一种防儿童走失装置，该装置包括：

获取模块，用于获取目标场景的监控视频流；

儿童确定模块，用于基于所述监控视频流确定所述目标场景中是否有儿童存在；

分析模块，用于若确定所述目标场景中有儿童存在，则对所述监控视频流进行深度分析，得到分析结果；

风险确定模块，用于基于所述分析结果确定所述儿童是否存在走失风险；

报警模块，用于若所述儿童存在走失风险，则进行报警。

第三方面，本发明实施例还提供了一种电子设备，所述电子设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-10中任一项所述的防儿童走失方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如权利要求1-10中任一项所述的防儿童走失方法。

本发明实施例提供的一种防儿童走失方法，通过获取目标场景的监控视频流；基于所述监控视频流确定所述目标场景中是否有儿童存在；若确定所述目标场景中有儿童存在，则对所述监控视频流进行深度分析，得到分析结果；基于所述分析结果确定所述儿童是否存在走失风险；若所述儿童存在走失风险，则进行报警的技术手段，实现了对大面积范围内的所有儿童进行防走失监控的目的。

附图说明

图1是本发明实施例一中的一种防儿童走失方法的流程示意图；

图2是本发明实施例二中的一种防儿童走失方法的流程示意图；

图3是本发明实施例三中的一种防儿童走失方法的流程示意图；

图4是本发明实施例四中的一种防儿童走失方法的流程示意图；

图5是本发明实施例五中的一种防儿童走失方法的流程示意图；

图6是本发明实施例六中的一种防儿童走失方法的流程示意图；

图7为本发明实施例七中的一种防儿童走失装置的结构示意图；

图8为本发明实施例八中的一种电子设备的结构示意图。

具体实施方式

下面结合附图和实施例对本发明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本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

实施例一

图1为本发明实施例一提供的一种防儿童走失方法的流程示意图，本实施例可适用于对商场、闹市区等人群密集的公共场所的儿童进行安全监控，以防儿童走失的情况，该方法可以由防儿童走失装置来执行，其中该装置可由软件和/或硬件实现。具体参见图1所示，所述防儿童走失方法包括如下步骤：

步骤110、获取目标场景的监控视频流。

其中，所述目标场景包括大型商场、闹市区等大面积场所，还可以包括超市等任何需要进行儿童安全监控的场所。所述监控视频流可由设置在目标场景周围的摄像头获取，所述摄像头的数量可依据目标场景的面积设定，其目的是实现对目标场景360度无死角监控，以达到对目标场景内任何位置的儿童进行安全监控的目的。

步骤120、基于所述监控视频流确定所述目标场景中是否有儿童存在，若确定所述目标场景中有儿童存在，则继续执行步骤130。

具体的，基于所述监控视频流获取至少两帧连续的原始图片，然后基于该原始图片结合人脸识别技术，识别原始图片中的所有人脸，然后再结合图片识别技术，识别并推测各人脸对应的年龄信息，最后根据各人脸对应的年龄信息确定目标场景中是否有儿童存在。或者利用图片识别技术识别原始图片中每个人的服饰类型，通过服饰类型确定目标场景中是否有儿童存在，所述服饰类型具体可包括：儿童服饰和成人服饰。还可以通过人脸识别技术以及图片识别技术识别原始图片中每个人的身高数据，通过身高数据确定目标场景中是否有儿童存在。

其中，基于所述监控视频流确定所述目标场景中是否有儿童存在的操作可以由设置在目标场景周围的监控终端执行，也可以由云端分析服务器执行；若由云端分析服务器执行该操作，则监控终端需将实时获取的目标场景的监控视频流实时上传至云端分析服务器。

步骤130、对所述监控视频流进行深度分析，得到分析结果。

其中，对所述监控视频流进行深度分析的实质为：对监控视频流中儿童的情绪状态进行分析，例如分析监控视频流中的儿童有没有哭闹，焦急或者惊慌失措等能够透露当前儿童存在走失风险的情绪表现。具体的，可基于深度学习技术，对具有特定情绪表现的儿童监控视频流进行预先学习，以记忆各种情绪表现的特征，实现对新来的监控视频流中儿童的情绪表现进行识别的目的。

具体的，上述对所述监控视频流进行深度分析的操作可由云端分析服务器执行，若上述步骤120中“基于所述监控视频流确定所述目标场景中是否有儿童存在”的操作由设置在目标场景周围的监控终端执行，则当监控终端确定目标场景中有儿童存在时，则需要将包括该儿童的监控视频流发送至云端分析服务器，以使云端分析服务器实现对所述监控视频流进行深度分析的目的。

步骤140、基于所述分析结果确定所述儿童是否存在走失风险，若所述儿童存在走失风险，则执行步骤150。

其中，可依据儿童的情绪状态确定所述儿童是否存在走失风险，例如，若当前儿童的情绪状态为焦急、哭闹或者惊慌失措，则确定当前儿童存在走失风险。为了提高儿童是否存在走失风险的确定精度，可在依据儿童的情绪状态的基础上结合儿童周围成年人信息进行确定，例如，若当前儿童的情绪状态为焦急，且当前儿童周围没有成年人时，则确定当前儿童存在走失风险。或者，若当前儿童的情绪状态为焦急，且当前儿童周围有成年人，但是该成年人的视线或者关注点不在当前儿童上，则确定当前儿童存在走失风险。或者，若当前儿童的情绪状态为焦急，且当前儿童周围有成年人，但是该成年人与当前儿童没有血缘关系时，则确定当前儿童存在走失风险。

进一步的，所述防儿童走失方法还包括：若所述儿童存在走失风险，则将包含该儿童的所述目标场景的监控视频流进行保存，并发送至安保人员对应的终端设备(例如监控室的电脑)，以进行人工复核，提高被监控儿童走失风险的确定准确度，以防误报警，引起大家的慌乱；同时还实现了对儿童走失现场信息的及时保存，若被监控儿童确实存在走失风险，则可基于保存下来的儿童走失现场信息对走失儿童进行快速寻找，大大提高了儿童的安全性。

具体的，基于所述分析结果确定所述儿童是否存在走失风险的操作可以由云端分析服务器执行，也可以由报警系统执行。若基于所述分析结果确定所述儿童是否存在走失风险的操作由云端分析服务器执行，则当确定当前儿童存在走失风险时，云端分析服务器需向报警系统发送报警信号，以使报警系统及时报警。若基于所述分析结果确定所述儿童是否存在走失风险的操作由报警系统执行，云端分析服务器需将对所述监控视频流进行深度分析得到的分析结果发送至报警系统，由报警系统进行逻辑判断以及报警决策。

步骤150、进行报警。

若被监控到的儿童存在走失风险，则进行报警，以提高儿童父母、亲戚等相关监护人的注意。

本实施例提供的防儿童走失方法，通过获取目标场景的监控视频流；基于所述监控视频流确定所述目标场景中是否有儿童存在；若确定所述目标场景中有儿童存在，则对所述监控视频流进行深度分析，得到分析结果；基于所述分析结果确定所述儿童是否存在走失风险；若所述儿童存在走失风险，则进行报警的技术手段，实现了对大面积范围内的所有儿童进行防走失监控的目的，当儿童存在走失风险时，通过将包含该儿童的目标场景的监控视频流进行保存，并发送至安保人员对应的终端设备，以进行人工复核，提高了儿童走失风险的确定准确度，同时还实现了对儿童走失现场信息的及时保存，有助于尽快找到走失儿童。

实施例二

图2为本发明实施例二提供的一种防儿童走失方法的流程示意图。在上述实施例的基础上，本实施例对步骤120“基于所述监控视频流确定所述目标场景中是否有儿童存在”进行了优化，具体是通过结合人脸识别技术和图片识别技术实现对目标场景中儿童的识别。具体参见图2所示，所述方法包括如下步骤：

步骤210、获取目标场景的监控视频流。

步骤220、从所述监控视频流中提取至少一帧原始图片。

步骤230、对于各帧原始图片，将当前帧原始图片输入至预设的人脸检测模型，得到当前帧原始图片中各人脸的坐标位置信息以及尺寸信息。

具体的，将每帧原始图片，依次输入至预设的人脸检测模型，人脸检测模型针对每帧原始图片进行运算，得到每帧原始图片包含的各人脸的坐标位置信息以及尺寸信息，其中，所述人脸的坐标位置信息具体指人脸关键点的坐标位置信息，例如两只眼睛的坐标位置信息、鼻子的坐标位置信息以及嘴巴的坐标位置信息，所述尺寸信息具体指人脸轮廓的尺寸信息。

其中，所述人脸检测模型基于深度学习算法被构建，通过利用大量被标注过的人脸图片进行预先训练得到，所述被标注过的人脸图片指被标注图片中人脸坐标位置信息和尺寸信息的图片，以使人脸检测模型学习并记忆识别人脸特征信息的运算过程，达到能够识别各种图片中人脸的坐标位置信息以及尺寸信息的效果。当一张图片被送入训练好的人脸检测模型时，人脸检测模型自动检测该图片中是否有人脸，若检测到该图片中有人脸，进一步检测人脸的坐标位置信息和尺寸信息，并将检测到的人脸的坐标位置信息和尺寸信息输出。

步骤240、对于各人脸的坐标位置信息以及尺寸信息，依据当前人脸的坐标位置信息以及尺寸信息从对应帧原始图片中截取包含当前人脸的局部图片。

其中，对于各人脸的坐标位置信息以及尺寸信息，依据当前人脸的坐标位置信息以及尺寸信息从对应帧原始图片中截取包含当前人脸的局部图片的实质为：基于每个人脸的坐标位置信息以及尺寸信息从对应帧原始图片中分别截取局部图片，即每张局部图片中包括一张人脸，所述对应帧原始图片指包含所述各人脸的图片。

每张原始图片通过大量的坐标数据点进行表示，当得到当前人脸的坐标位置信息以及尺寸信息时，则可从所述大量的坐标数据点中将属于当前人脸的数据点取出，实现从对应帧原始图片中截取包含当前人脸的局部图片的过程。

步骤250、将各所述局部图片输入至预设的年龄识别模型，得到各所述局部图片中人脸对应的年龄数值。

其中，将各所述局部图片输入至预设的年龄识别模型，得到各所述局部图片中人脸对应的年龄数值的实质为：将每张所述局部图片依次输入至预设的年龄识别模型，年龄识别模型分别对每张所述局部图片进行运算，得到每张局部图片中人脸的年龄数值。

所述预设的年龄识别模型基于深度学习算法被构建，通过利用大量的被标注过的人脸图片进行训练得到，所述被标注过的人脸图片指被标注人脸图片中人脸对应的年龄数据的图片。为了提高模型的识别准确度，可采集不同类型的人脸图片，例如采集包含不同年龄段人脸的人脸图片，采集包含多张人脸的人脸图片，采集不同光线下的人脸图片等。当新的人脸图片即所述局部图片被输入至年龄识别模型时，年龄识别模型经过运算后输出局部图片中人脸对应的年龄数值。

步骤260、基于所述年龄数值确定所述目标场景中是否有儿童存在，若确定所述目标场景中有儿童存在，则执行步骤270。

具体的，若存在小于预设值的年龄数值，则确定所述目标场景中有儿童存在，可选的，所述预设值例如可以是10。

步骤270、对所述监控视频流进行深度分析，得到分析结果。

步骤280、基于所述分析结果确定所述儿童是否存在走失风险，若所述儿童存在走失风险，则进行报警。

在上述实施例技术方案的基础上，本实施例的技术方案，通过从所述监控视频流中提取至少一帧原始图片，对于各帧原始图片，将当前帧原始图片输入至预设的人脸检测模型，得到当前帧原始图片中各人脸的坐标位置信息以及尺寸信息，对于各人脸的坐标位置信息以及尺寸信息，依据当前人脸的坐标位置信息以及尺寸信息从对应帧原始图片中截取包含当前人脸的局部图片，将各所述局部图片输入至预设的年龄识别模型，得到各所述局部图片中人脸对应的年龄数值，基于所述年龄数值确定所述目标场景中是否有儿童存在的技术手段，实现了对目标场景中是否有儿童存在进行确定的目的。

实施例三

图3为本发明实施例三提供的一种防儿童走失方法的流程示意图。在上述实施例的基础上，本实施例继续对步骤120“基于所述监控视频流确定所述目标场景中是否有儿童存在”进行优化，给出了另一种实现方式，具体是通过识别图片中人像的衣服类别实现对目标场景中儿童的识别。具体参见图3所示，所述方法包括如下步骤：

步骤310、获取目标场景的监控视频流。

步骤320、从所述监控视频流中提取至少一帧原始图片。

步骤330、对于各帧原始图片，将当前帧原始图片输入至预设的抠图模型，得到当前帧原始图片中各人像衣服区域的衣服子图片。

具体的，将每帧原始图片，依次输入至预设的抠图模型，抠图模型针对每帧原始图片进行运算，得到每帧原始图片包含的各人像衣服区域的衣服字图片，其中，每张衣服子图片中包括一个人像的衣服区域。

其中，所述抠图模型基于深度学习算法被构建，通过利用大量被标注过的人像图片进行预先训练得到，所述被标注过的人像图片指被标注图片中人像衣服区域的图片，以使抠图模型学习并记忆识别图片中人像衣服区域的运算过程，达到能够识别各种图片中的人像衣服区域的效果。当一张图片被送入训练好的抠图模型时，抠图模型自动检测该图片中的人像衣服区域，并将检测到的人像衣服区域输出得到包括人像衣服区域的衣服子图片。

步骤340、对于各所述衣服子图片，将当前衣服子图片输入至预设的服饰类别识别模型，得到当前衣服子图片中衣服的类别。

其中，对于各所述衣服子图片，将当前衣服子图片输入至预设的服饰类别识别模型，得到当前衣服子图片中衣服的类别的实质为：将每张衣服子图片依次输入至预设的服饰类别识别模型，服饰类别识别模型分别对每张所述衣服子图片进行运算，得到每张衣服子图片中衣服的类别，所述衣服的类别包括童装和成人装。

所述预设的服饰类别识别模型基于深度学习算法被构建，通过利用大量的被标注过的衣服图片进行训练得到，所述被标注过的衣服图片指被标注衣服图片中衣服类别的图片。为了提高模型的识别准确度，可采集不同类型的衣服图片，例如采集包含不同年龄段的人所穿的衣服图片，采集包含不同风格衣服的衣服图片，采集不同光线下的衣服图片等。当新的衣服图片即所述衣服子图片被输入至服饰类别识别模型时，服饰类别识别模型经过运算后输出衣服子图片中衣服的类别是成人装还是儿童装。

步骤350、基于所述衣服的类别确定所述目标场景中是否有儿童存在，若确定所述目标场景中有儿童存在，则执行步骤360。

具体的，若服饰类别识别模型识别出各所述衣服子图片中的衣服类别均是成人衣服，则确定目标场景中没有儿童存在，若服饰类别识别模型识别出各所述衣服子图片中的衣服类别中有儿童衣服，则确定目标场景中有儿童存在。

步骤360、对所述监控视频流进行深度分析，得到分析结果。

步骤370、基于所述分析结果确定所述儿童是否存在走失风险，若所述儿童存在走失风险，则进行报警。

在上述实施例技术方案的基础上，本实施例的技术方案，通过从所述监控视频流中提取至少一帧原始图片；对于各帧原始图片，将当前帧原始图片输入至预设的抠图模型，得到当前帧原始图片中各人像衣服区域的衣服子图片；对于各所述衣服子图片，将当前衣服子图片输入至预设的服饰类别识别模型，得到当前衣服子图片中衣服的类别；基于所述衣服的类别确定所述目标场景中是否有儿童存在的技术手段，实现了对目标场景中是否有儿童存在进行确定的目的。

实施例四

图4为本发明实施例四提供的一种防儿童走失方法的流程示意图。在上述实施例的基础上，本实施例继续对步骤120“基于所述监控视频流确定所述目标场景中是否有儿童存在”进行优化，给出了又一种实现方式，具体是在通过结合人脸识别技术和图片识别技术确定出目标场景中有儿童存在的基础上，通过服饰类别识别确认上述确定出的儿童是否真的是儿童，这样优化的好处是提高了儿童识别的准确度。具体参见图4所示，所述方法包括如下步骤：

步骤410、获取目标场景的监控视频流。

步骤420、从所述监控视频流中提取至少一帧原始图片。

步骤430、对于各帧原始图片，将当前帧原始图片输入至预设的人脸检测模型，得到当前帧原始图片中各人脸的坐标位置信息以及尺寸信息。

步骤440、对于各人脸的坐标位置信息以及尺寸信息，依据当前人脸的坐标位置信息以及尺寸信息从对应帧原始图片中截取包含当前人脸的局部图片。

步骤450、将各所述局部图片输入至预设的年龄识别模型，得到各所述局部图片中人脸对应的年龄数值。

步骤460、基于所述年龄数值确定所述目标场景中是否有儿童存在，若确定所述目标场景中有儿童存在时，继续执行步骤470。

步骤470、基于各所述局部图片中人脸对应的年龄数值在原始图片中分别对儿童对应的人像以及成年人对应的人像进行标记。

具体的，例如，若当前局部图片中人脸对应的年龄数值大于预设值，例如15，则将原始图片中当前局部图片对应的人像标记为成年人。若当前局部图片中人脸对应的年龄数值小于预设值，则将原始图片中当前局部图片对应的人像标记为儿童。

步骤480、获取原始图片中被标记的儿童人像衣服区域的衣服子图片。

步骤490、将所述衣服子图片输入至预设的服饰类别识别模型，得到所述衣服子图片中衣服的类别。

步骤4100、基于所述衣服的类别确认被标记的儿童人像是否为真的儿童人像，若被标记的儿童人像为真的儿童人像，则继续执行步骤4110。

若被标记为儿童人像的衣服类别为儿童装，则确定该被标记的儿童人像为真的儿童人像，若被标记为儿童人像的衣服类别为成人装，则确定该被标记的儿童人像不是真的儿童人像。

步骤4110、对所述监控视频流进行深度分析，得到分析结果。

步骤4120、基于所述分析结果确定所述儿童是否存在走失风险，若所述儿童存在走失风险，则进行报警。

在上述实施例技术方案的基础上，本实施例的技术方案，在通过结合人脸识别技术和图片识别技术确定出目标场景中有儿童存在的基础上，通过服饰类别识别技术确认上述确定出的儿童是否真的是儿童的技术手段，提高了对目标场景中儿童识别的准确度。

实施例五

图5为本发明实施例五提供的一种防儿童走失方法的流程示意图。在上述实施例的基础上，本实施例对步骤130“若确定所述目标场景中有儿童存在，则对所述监控视频流进行深度分析，得到分析结果”进行了优化，具体是通过结合深度学习技术实现了对监控视频流中人脸情绪状态的识别。具体参见图5所示，所述方法包括如下步骤：

步骤510、获取目标场景的监控视频流。

步骤520、基于所述监控视频流确定所述目标场景中是否有儿童存在，若确定所述目标场景中有儿童存在，则执行步骤530。

步骤530、从所述监控视频流中提取至少两帧连续的原始图片。

步骤540、对于各帧原始图片，通过人脸识别关键点提取技术识别出当前帧原始图片中各儿童人脸预设器官的轮廓坐标信息。

具体的，首先利用人脸识别技术识别各帧原始图片中的人脸，然后基于图片识别技术识别人脸中的儿童人脸，最后通过人脸识别关键点提取技术识别各儿童人脸预设器官的轮廓坐标信息，所述预设器官包括眼睛、嘴巴以及鼻子等。

步骤550、按照时序关系，将各帧原始图片中各儿童人脸预设器官的轮廓坐标信息进行串联。

具体的，按照时间的先后顺序，将各帧原始图片中同一个儿童人脸的预设器官的轮廓坐标信息进行串联，然后将对应每个儿童的串联后的信息输入至预设的情绪识别模型，得到每个儿童人脸对应的情绪状态，其中，所述情绪状态包括哭闹和焦虑。通过对连续一段时间内的多帧原始图片中儿童人脸预设器官的轮廓坐标信息变化的分析，可获得准确度更高的情绪状态分析结果。

步骤560、将串联后的信息输入至预设的情绪识别模型，得到每个儿童人脸对应的情绪状态。

具体的，将每个儿童人脸对应的串联后的信息输入至预设的情绪识别模型，得到每个儿童人脸对应的情绪状态。所述预设的情绪识别模型基于深度学习算法被构建，通过利用大量的被标注过的人脸图片序列帧进行训练得到，所述被标注过的人脸图片序列帧指被标注人脸对应的情绪状态的连续的多帧图片。为了提高模型的识别准确度，可采集不同情绪状态的人脸图片序列帧，例如采集情绪状态为焦急的儿童的人脸图片序列帧，采集情绪状态为哭闹的儿童的人脸图片序列帧等。当新的人脸图片序列帧被输入至情绪识别模型时，情绪识别模型经过运算后输出人脸图片序列帧中人脸对应的情绪状态。

步骤570、当当前儿童的情绪状态为哭闹或者焦虑，且与当前儿童预设距离范围内没有成年人时，确定当前儿童存在走失风险，进行报警。

在上述实施例技术方案的基础上，本实施例的技术方案，通过基于连续的多帧原始图片进行人脸情绪状态的识别，提高了人脸情绪状态的识别精度，有助于确定被监控儿童是否存在走失风险，实现了对大面积目标场景中儿童的防走失监控。

实施例六

图6为本发明实施例六提供的一种防儿童走失方法的流程示意图。在上述实施例的基础上，本实施例对步骤130“若确定所述目标场景中有儿童存在，则对所述监控视频流进行深度分析，得到分析结果”继续进行了优化，具体是通过图片识别技术识别图片中成年人脸与儿童人脸之间的相似度，以确定该成年人与该儿童是否存在血缘关系，用于辅助判定该儿童是否存在走失风险，提高了儿童走失风险的判定准确度。具体参见图6所示，所述方法包括如下步骤：

步骤610、获取目标场景的监控视频流。

步骤620、基于所述监控视频流确定所述目标场景中是否有儿童存在，若确定所述目标场景中有儿童存在，则执行步骤630。

步骤630、从所述监控视频流中提取至少两帧连续的原始图片。

步骤640、对于各帧原始图片，通过人脸识别关键点提取技术识别出当前帧原始图片中各儿童人脸预设器官的轮廓坐标信息。

步骤650、按照时序关系，将各帧原始图片中各儿童人脸预设器官的轮廓坐标信息进行串联。

步骤660、将串联后的信息输入至预设的情绪识别模型，得到每个儿童人脸对应的情绪状态。

其中，所述情绪状态包括哭闹和焦虑。

步骤670、对于各帧原始图片，确定当前帧原始图片中成年人脸与儿童人脸之间的相似度。

具体的，可通过深度学习技术构建相似度计算模型，通过相似度计算模型实现对原始图片中成年人脸与儿童人脸之间相似度的计算。相似度计算模型可由大量的被标记过的图片进行训练，该被标注过的图片指被标注图片中人脸之间相似度的图片，通过对相似度计算模型进行训练，使得模型学习并记忆计算图片中人脸之间相似度的过程。当新的图片输入至训练好的相似度计算模型时，模型自动进行相似度计算并输出相似度结果。

步骤680、根据所述相似度确定成年人与儿童之间是否存在血缘关系。

具体的，若所述相似度大于设定阈值，则确定成年人与儿童之间存在血缘关系，所述阈值例如可以是80％。

步骤690、当当前儿童的情绪状态为哭闹或者焦虑，且与当前儿童预设距离范围内有成年人，但是该成年人与当前儿童之间不存在血缘关系时，确定当前儿童存在走失风险，进行报警。

在上述实施例技术方案的基础上，本实施例的技术方案，通过进一步计算儿童与其周围成年人之间的人脸相似度，判定儿童周围是否存在与该儿童具有血缘关系的亲人，进而辅助判定该儿童是否存在走失风险，提高了走失风险的判定精度，实现了对目标场景中儿童的安全监控。

实施例七

图7为本发明实施例七提供的一种防儿童走失装置的结构示意图。参见图7所示，所述装置包括：获取模块710、儿童确定模块720、分析模块730、风险确定模块740和报警模块750；

其中，获取模块710，用于获取目标场景的监控视频流；儿童确定模块720，用于基于所述监控视频流确定所述目标场景中是否有儿童存在；分析模块730，用于若确定所述目标场景中有儿童存在，则对所述监控视频流进行深度分析，得到分析结果；风险确定模块740，用于基于所述分析结果确定所述儿童是否存在走失风险；报警模块750，用于若所述儿童存在走失风险，则进行报警。

进一步的，儿童确定模块720包括：提取单元，用于从所述监控视频流中提取至少一帧原始图片；人脸识别单元，用于对于各帧原始图片，将当前帧原始图片输入至预设的人脸检测模型，得到当前帧原始图片中各人脸的坐标位置信息以及尺寸信息；截取单元，用于对于各人脸的坐标位置信息以及尺寸信息，依据当前人脸的坐标位置信息以及尺寸信息从对应帧原始图片中截取包含当前人脸的局部图片；年龄识别单元，用于将各所述局部图片输入至预设的年龄识别模型，得到各所述局部图片中人脸对应的年龄数值；确定单元，用于基于所述年龄数值确定所述目标场景中是否有儿童存在。

进一步的，所述装置还包括：标记模块，用于当确定所述目标场景中有儿童存在时，基于各所述局部图片中人脸对应的年龄数值在原始图片中分别对儿童对应的人像以及成年人对应的人像进行标记。

进一步的，儿童确定模块720还包括：衣服子图片获取单元，用于当确定所述目标场景中有儿童存在时，获取原始图片中被标记的儿童人像衣服区域的衣服子图片；衣服类别识别单元，用于将所述衣服子图片输入至预设的服饰类别识别模型，得到所述衣服子图片中衣服的类别；确认单元，用于基于所述衣服的类别确认被标记的儿童人像是否为真的儿童人像；其中，所述衣服的类别包括童装和成人装。

进一步的，儿童确定模块720还包括：抠图模块，用于对于各帧原始图片，将当前帧原始图片输入至预设的抠图模型，得到当前帧原始图片中各人像衣服区域的衣服子图片；确定单元，用于基于所述衣服的类别确定所述目标场景中是否有儿童存在。

进一步的，分析模块730包括：图片提取单元，用于从所述监控视频流中提取至少两帧连续的原始图片；人脸关键点识别单元，用于对于各帧原始图片，通过人脸识别关键点提取技术识别出当前帧原始图片中各儿童人脸预设器官的轮廓坐标信息；串联单元，用于按照时序关系，将各帧原始图片中各儿童人脸预设器官的轮廓坐标信息进行串联；输入单元，用于将串联后的信息输入至预设的情绪识别模型，得到每个儿童人脸对应的情绪状态；其中，所述情绪状态包括哭闹和焦虑。

进一步的，风险确定模块740具体用于：当当前儿童的情绪状态为哭闹或者焦虑，且与当前儿童预设距离范围内没有成年人时，确定当前儿童存在走失风险。

进一步的，分析模块730还包括：相似度确定单元，用于对于各帧原始图片，确定当前帧原始图片中成年人脸与儿童人脸之间的相似度；血缘关系确定单元，用于根据所述相似度确定成年人与儿童之间是否存在血缘关系。对应的，风险确定模块740具体用于：当当前儿童的情绪状态为哭闹或者焦虑，且与当前儿童预设距离范围内有成年人，但是该成年人与当前儿童之间不存在血缘关系时，确定当前儿童存在走失风险。

进一步的，所述装置还包括保存模块，用于若所述儿童存在走失风险，则将所述目标场景的监控视频流进行保存，并发送至安保人员对应的终端设备，以进行人工复核。

本实施例提供的防儿童走失装置，通过获取目标场景的监控视频流；基于所述监控视频流确定所述目标场景中是否有儿童存在；若确定所述目标场景中有儿童存在，则对所述监控视频流进行深度分析，得到分析结果；基于所述分析结果确定所述儿童是否存在走失风险；若所述儿童存在走失风险，则进行报警的技术手段，实现了对大面积范围内的所有儿童进行防走失监控的目的，当儿童存在走失风险时，通过将包含该儿童的目标场景的监控视频流进行保存，并发送至安保人员对应的终端设备，以进行人工复核，提高了儿童走失风险的确定准确度，同时还实现了对儿童走失现场信息的及时保存，有助于尽快找到走失儿童。

本发明实施例所提供的防儿童走失装置可执行本发明任意实施例所提供的防儿童走失方法，具备执行方法相应的功能模块和有益效果，未在上述实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的防儿童走失方法。

实施例八

图8为本发明实施例八提供的一种电子设备的结构示意图。图8示出了适于用来实现本发明实施方式的示例性设备12的框图。图8显示的设备12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图8所示，设备12以通用计算设备的形式表现。设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。

总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(isa)总线，微通道体系结构(mac)总线，增强型isa总线、视频电子标准协会(vesa)局域总线以及外围组件互连(pci)总线。

设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(ram)30和/或高速缓存存储器32。设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图8未显示，通常称为“硬盘驱动器”)。尽管图8中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如cd-rom,dvd-rom或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如防儿童走失装置的获取模块710、儿童确定模块720、分析模块730、风险确定模块740和报警模块750)程序模块，这些程序模块被配置以执行本发明各实施例的功能。

具有一组(例如防儿童走失装置的获取模块710、儿童确定模块720、分析模块730、风险确定模块740和报警模块750)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。

设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该设备12交互的设备通信，和/或与使得该设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口22进行。并且，设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与设备12的其它模块通信。应当明白，尽管图中未示出，可以结合设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。

处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的防儿童走失方法。

实施例九

本发明实施例九还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述实施例所述的防儿童走失方法，该方法包括：

获取目标场景的监控视频流；

基于所述监控视频流确定所述目标场景中是否有儿童存在；

若确定所述目标场景中有儿童存在，则对所述监控视频流进行深度分析，得到分析结果；

基于所述分析结果确定所述儿童是否存在走失风险；

若所述儿童存在走失风险，则进行报警。

本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。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。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(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(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。在本文件中，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。

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。

可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c++，还包括常规的过程式程序设计语言—诸如”c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。