本申请涉及智能视频监控技术领域，特别涉及一种对象行为检测方法及装置。
背景技术：
随着视频监控技术的发展，一些重要的场所往往都会安装摄像头，用以获得这些场所的监控视频。这些监控视频可以为人们提供所监控场所的信息。目前，可以根据监控视频对工作场所中的人员的迟到行为进行监控。
为了实现对工作场所的人员迟到行为的检测，现有技术中，常常采用人工查看监控视频的方式，检测人员是否存在迟到行为。但是，采用人工查看的方式，需要人工识别人员到席的时间，并确定人员是否存在迟到行为。这种迟到行为的检测方法效率较低。
技术实现要素：
本申请实施例的目的在于提供了一种对象行为检测方法及装置，以提高对对象行为的检测效率。
为了达到上述目的，本发明公开了一种对象行为检测方法，包括：
获得第一图像；
检测所述第一图像的预设区域中是否存在目标对象；
根据检测结果确定所述目标对象的当前状态；
根据所述目标对象的上一状态和所述当前状态，判断所述目标对象的状态是否发生变化；
如果是，则获取所述第一图像的第一采集时刻，并将所述上一状态更新为所述当前状态；
根据所述第一采集时刻与预设时间段之间的关系，确定所述目标对象的行为。
可选的，所述检测所述第一图像的预设区域中是否存在目标对象，包括：
检测所述第一图像的预设区域中是否存在疑似人脸区域；
若存在，则判断所述疑似人脸区域是否与预先存储的目标对象的特征相匹配；
若匹配，则判定所述第一图像的预设区域中存在目标对象。
可选的，当所述当前状态表明所述目标对象出现，所述上一状态表明所述目标对象没有出现时，所述根据所述第一采集时刻与预设时间段之间的关系，确定所述目标对象的行为，包括：
当所述第一采集时刻∈(a，b]时，并且所述目标对象在所述预设时间段内是第一次出现的情况下，确定所述目标对象存在迟到行为；其中，所述a为所述预设时间段的起始时刻，所述b为所述预设时间段的终止时刻。
可选的，当所述当前状态表明所述目标对象出现，所述上一状态表明所述目标对象没有出现时，所述根据所述第一采集时刻与预设时间段之间的关系，确定所述目标对象的行为，包括：
当所述第一采集时刻∈(a，b]时，并且所述目标对象在所述预设时间段内已经出现过的情况下，确定所述目标对象存在离席行为；其中，所述a为所述预设时间段的起始时刻，所述b为所述预设时间段的终止时刻。
可选的，所述方法还包括：
当检测到所述第一图像的预设区域中不存在目标对象，所述第一采集时刻等于所述b时，并且所述目标对象在所述预设时间段内已经出现过的情况下，确定所述目标对象存在早退行为。
可选的，所述方法还包括：
当检测到所述第一图像的预设区域中不存在目标对象，所述第一采集时刻等于所述b时，并且所述目标对象在所述预设时间段内没有出现过的情况下，确定所述目标对象存在缺席行为。
可选的，所述方法还包括：
当所述第一图像的预设区域中存在所述目标对象时，根据预先生成的着装检测模型，检测所述目标对象的着装是否符合要求；
根据检测结果，确定所述目标对象的着装行为。
可选的，所述根据检测结果，确定所述目标对象的着装行为，包括：
当所述第一采集时刻等于所述b时，统计所述目标对象的着装符合要求的图像的第一数量，统计所述目标对象的着装不符合要求的图像的第二数量；
根据所述第一数量和所述第二数量，确定所述目标对象的着装行为。
为了达到上述目的，本发明还公开了一种对象行为检测装置，包括：
图像获得模块，用于获得第一图像；
对象检测模块，用于检测所述第一图像的预设区域中是否存在目标对象；
状态确定模块，用于根据检测结果确定所述目标对象的当前状态；
状态判断模块，用于根据所述目标对象的上一状态和所述当前状态，判断所述目标对象的状态是否发生变化；
时刻获取模块，用于当所述目标对象的状态发生变化时，获取所述第一图像的第一采集时刻，并将所述上一状态更新为所述当前状态；
行为确定模块，用于根据所述第一采集时刻与预设时间段之间的关系，确定所述目标对象的行为。
可选的，所述对象检测模块，包括：
检测子模块，用于检测所述第一图像的预设区域中是否存在疑似人脸区域；
判断子模块，用于当检测到所述第一图像的预设区域中存在疑似人脸区域时，判断所述疑似人脸区域是否与预先存储的目标对象的特征相匹配；
判定子模块，用于当判断出所述疑似人脸区域与预先存储的目标对象的特征相匹配时，判定所述第一图像的预设区域中存在目标对象。
可选的，所述行为确定模块，具体用于：
当所述当前状态表明所述目标对象出现，所述上一状态表明所述目标对象没有出现时，当所述第一采集时刻∈(a，b]时，并且所述目标对象在所述预设时间段内是第一次出现的情况下，确定所述目标对象存在迟到行为；其中，所述a为所述预设时间段的起始时刻，所述b为所述预设时间段的终止时刻。
可选的，所述行为确定模块，具体用于：
当所述当前状态表明所述目标对象出现，所述上一状态表明所述目标对象没有出现时，当所述第一采集时刻∈(a，b]时，并且所述目标对象在所述预设时间段内已经出现过的情况下，确定所述目标对象存在离席行为；其中，所述a为所述预设时间段的起始时刻，所述b为所述预设时间段的终止时刻。
可选的，所述装置还包括早退行为确定模块；
所述早退行为确定模块，用于当检测到所述第一图像的预设区域中不存在目标对象，所述第一采集时刻等于所述b时，并且所述目标对象在所述预设时间段内已经出现过的情况下，确定所述目标对象存在早退行为。
可选的，所述装置还包括缺席行为确定模块；
所述缺席行为确定模块，用于当检测到所述第一图像的预设区域中不存在目标对象，所述第一采集时刻等于所述b时，并且所述目标对象在所述预设时间段内没有出现过的情况下，确定所述目标对象存在缺席行为。
可选的，所述装置还包括着装检测模块；
所述着装检测模块，用于当所述第一图像的预设区域中存在所述目标对象时，根据预先生成的着装检测模型，检测所述目标对象的着装是否符合要求；
所述行为确定模块，具体用于根据检测结果，确定所述目标对象的着装行为。
可选的，所述行为确定模块，包括：
统计子模块，用于当所述第一采集时刻等于所述b时，统计所述目标对象的着装符合要求的图像的第一数量，统计所述目标对象的着装不符合要求的图像的第二数量；
确定子模块，用于根据所述第一数量和所述第二数量，确定所述目标对象的着装行为。
由上述技术方案可见，本申请实施例中，首先检测获得的第一图像的预设区域中是否存在目标对象，根据检测结果确定所述目标对象的当前状态，根据目标对象的上一状态和当前状态，判断目标对象的状态是否发生变化，如果是，则获取第一图像的第一采集时刻，并将上一状态更新为当前状态；根据第一采集时刻与预设时间段之间的关系，确定所述目标对象的行为。
也就是说，本申请实施例根据目标对象的上一状态和当前状态发生变化时，第一采集时刻与预设时间段之间的关系，确定目标对象的行为，不需要人工检测对象的行为，因此能够提高对对象行为的检测效率。
附图说明
为了更清楚地说明本发明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的介绍。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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1为本申请实施例提供的对象行为检测方法的一种流程示意图；
图2为目标对象的几种行为与时间关系的示意图；
图3为本申请实施例提供的对象行为检测系统的一种结构示意图；
图4为本申请实施例提供的对象行为检测装置的一种结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述。显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
本申请实施例提供了一种对象行为检测方法及装置，以提高对对象行为的检测效率。本申请实施例提供的对象行为检测方法及装置可以应用于终端或服务器，也可以应用于其他电子设备，本申请对此不做具体限定。
下面通过具体实施例，对本申请进行详细说明。
图1为本申请实施例提供的对象行为检测方法的一种流程示意图，所述方法包括如下步骤：
步骤s101：获得第一图像。
具体的，获得第一图像，可以是从监控视频采集设备实时采集的图像，也可以是从预先录制好的监控视频中获取的图像。当然，也可以是以其他形式获取的图像，本申请对此不做具体限定。
本实施例所检测的对象在图像中具有一定范围的固定位置。因此，监控视频中的场景，可以是办公场所，这种情况下本实施例可以对办公场所中的工作人员的行为进行检测；可以是大会会场，这种情况下本实施例可以对会场中的演讲人员的行为进行检测。本申请对所检测的人员的社会角色不做具体限定。
步骤s102：检测所述第一图像的预设区域中是否存在目标对象。
具体的，预设区域是根据对象在第一图像中的固定位置预先设置好的。预设区域可以位于第一图像中的任意位置处。预设区域可以是图像中具有一定规则形状的区域，预先设置好预设区域，即预先设置好监控画面中区域的坐标范围。
上述目标对象可以是人，当然也可以是动物，如，宠物狗等等，本申请对此不做具体限定。由于实际视频监控中主要是对监控场景中的人进行监控，作为一种具体实施方式，上述目标对象为人。
本实施例中，步骤s102，即检测第一图像的预设区域中是否存在目标对象，可以包括多种实施方式：
一是，检测第一图像的预设区域中是否存在人脸区域，如果是，则确定第一图像的预设区域中存在目标对象。
由于一般情况下，预设区域中的目标对象是比较固定的，除了目标对象之外的其他目标对象不会经常出现在该预设区域。因此，在这种实施方式中只需检测预设区域中是否存在人脸，无需区分每个图像中检测到的人脸是否相同，能够提高检测效率。
二是，检测所述第一图像的预设区域中是否存在疑似人脸区域；若存在，则判断所述疑似人脸区域是否与预先存储的目标对象的特征相匹配；若匹配，则判定所述第一图像的预设区域中存在目标对象。
在这种实施方式中，预先在终端、服务器或其他电子设备中存储目标对象的特征，并将检测出的疑似人脸区域与该特征进行匹配，即，判断疑似人脸区域是否全部具有上述特征，如果是，则确定疑似人脸区域与该特征相匹配。
其中，预先存储的目标对象的特征，可以是根据预先存储的目标对象的人脸图像获得的。
例如，在工作场所中，为了检测员工a(即a为目标对象)的行为，可以预先采集a的人脸图像，获取a的人脸图像的特征，将该特征存储在电子设备中。在检测a的行为时，可以首先检测图像中预设区域中是否存在疑似人脸区域，如果存在，则获取疑似人脸区域的特征，并判断疑似人脸区域的特征与预先存储的a的人脸图像的特征进行匹配，如果匹配成功，则确定图像的预设区域中检测到了员工a。员工b进入员工a的工作位置，则无法在图像的预设区域中检测出存在目标对象。因此，上述实施方式能够提高检测的准确性。
需要说明的是，在图像中检测人脸区域属于现有技术，其具体过程此处不再赘述。
步骤s103：根据检测结果确定所述目标对象的当前状态。
依据目标对象是否出现在上述预设区域，可以将目标对象的状态分为出现和没有出现两种状态。
当检测到第一图像的预设区域中存在目标对象时，确定目标对象的当前状态为出现。当检测到第一图像的预设区域中不存在目标对象时，确定目标对象的当前状态为没有出现。
由于监控视频是由大量图像组成的，在对每一图像进行检测时，都可以确定一个目标对象的状态，该状态或为出现，或为没有出现。针对当前检测的第一图像，确定的目标对象的状态即为当前状态，而针对当前检测的第一图像的上一图像，确定的目标对象的状态即为上一状态。
步骤s104：根据所述目标对象的上一状态和所述当前状态，判断所述目标对象的状态是否发生变化，如果是，则执行步骤s105。否则，不予处理。
本实施例中，所述目标对象的上一状态和所述当前状态，判断所述目标对象的状态是否发生变化，具体可以包括多种实施方式：
当目标对象的上一状态为出现，当前状态为出现时，判定目标对象的状态没有发生变化；
当目标对象的上一状态为没有出现，当前状态为没有出现时，判定目标对象的状态没有发生变化；
当目标对象的上一状态为出现，当前状态为没有出现时，判定目标对象的状态发生变化；
当目标对象的上一状态为没有出现，当前状态为出现时，判定目标对象的状态发生变化。
步骤s105：获取第一图像的第一采集时刻，并将所述上一状态更新为所述当前状态。
作为本实施例的具体实施方式，获取第一图像的第一采集时刻，可以包括：根据开始录制视频的时刻、帧率和第一图像在整个视频中的位置，确定第一图像的第一采集时刻。例如，8时0分开始录制视频，码率为25帧/s，第一图像为视频的第10000帧，那么第一图像的第一采集时刻为8时00分+10000帧/(25帧/s)＝8时6分40秒。
也可以是，针对采集的每一图像，存储该图像的采集时刻，根据存储的采集时刻，直接获取第一图像的第一采集时刻。
步骤s106：根据第一采集时刻与预设时间段之间的关系，确定所述目标对象的行为。
可以理解的是，预设时间段可以理解为正常情况下，目标对象应该处于预设区域中的时间段，预设时间段由起始时刻和终止时刻确定。
预设时间段可以以绝对时刻表示。例如，对于工作场所，上班时间为8：00，下班时间为16：00，那么预设时间段可以设置为8：00—16：00。其中，8：00即为起始时刻，16：00即为终止时刻。
预设时间段也可以以相对时刻表示。例如，上班时间为0，下班时间为8，那么预设时间段可以设置为[0，8]。其中，0即为起始时刻，8即为终止时刻。
第一采集时刻t与预设时间段[a，b]之间的关系可以包括：t＜a，t＝a，a＜t＜b，t＝b，t＞b，以及上述情况的组合。其中，a为预设时间段的起始时刻，b为预设时间段的终止时刻。
根据第一采集时刻与预设时间段之间的关系不同，对应确定的目标对象的行为也不同，目标对象的行为可以包括：正常入席、迟到、离席等。
另外，在本实施例的具体实施方式中，还可以包括：记录第一图像、第一采集时刻以及对应的行为。在更具体的实施方式中，还可以获取第一图像向前的预设数量个图像和第一图像向后的预设数量个图像，根据第一图像向前的预设数量个图像和第一图像向后的预设数量个图像，生成第一视频，记录第一视频、第一采集时刻以及对应的行为。
可以理解的是，记录的上述信息可以作为目标对象发生相应行为的证据。
由上述内容可知，本实施例中，首先检测获得的第一图像的预设区域中是否存在目标对象，根据检测结果确定所述目标对象的当前状态，根据目标对象的上一状态和当前状态，判断目标对象的状态是否发生变化，如果是，则获取第一图像的第一采集时刻，并将上一状态更新为当前状态；根据第一采集时刻与预设时间段之间的关系，确定所述目标对象的行为。也就是说，本申请实施例根据目标对象的上一状态和当前状态发生变化时，第一采集时刻与预设时间段之间的关系，确定目标对象的行为，不需要人工检测对象的行为，因此能够提高对对象行为的检测效率。
在图1所示实施例中，根据目标对象的上一状态和当前状态的不同内容，可以确定目标对象存在不同的行为。为了更具体地确定目标对象的不同行为，图1所示实施例可以包括不同的实施方式。下面分别介绍。
在本申请的另一实施方式中，在图1所示实施例中，步骤s106，根据所述第一采集时刻与预设时间段之间的关系，确定所述目标对象的行为，可以包括：
当所述当前状态表明所述目标对象出现，所述上一状态表明所述目标对象没有出现时，当所述第一采集时刻∈(a，b]时，并且所述目标对象在所述预设时间段内是第一次出现的情况下，确定所述目标对象存在迟到行为。
其中，所述∈为属于符号，所述a为所述预设时间段的起始时刻，所述b为所述预设时间段的终止时刻，(a，b]表示不包含a点，包含b点。
需要说明的是，迟到行为是指在预设时间段内目标对象第一次出现的时间晚于起始时刻。
具体的，当确定目标对象的当前状态后，可以记录并存储目标对象的当前状态以及每个状态发生的次数，包括目标对象的出现次数，目标对象没有出现的次数。其中，目标对象没有出现的次数可以理解为目标对象离开预设区域的次数。
在本实施例的具体实现方式中，可以根据存储的目标对象的出现次数，确定目标对象在预设时间段内是否为第一次出现。
可以理解的是，如果第一采集时刻t＝a，则认为目标对象正常入席，不存在迟到行为。
在本申请的另一实施方式中，在图1所示实施例中，步骤s106，根据所述第一采集时刻与预设时间段之间的关系，确定所述目标对象的行为，可以包括：
当所述当前状态表明所述目标对象出现，所述上一状态表明所述目标对象没有出现时，当所述第一采集时刻∈(a，b]时，并且所述目标对象在所述预设时间段内已经出现过的情况下，确定所述目标对象存在离席行为。
需要说明的是，离席行为是指在预设时间段内目标对象曾经出现过，但是中途离开了席位，并且，在终止时刻之前又返回了席位。
具体的，可以根据存储的目标对象的出现次数，确定目标对象在预设时间段内是否已经出现过。
可以理解的是，如果目标对象在预设时间段内出现离席行为，那么可以认为目标对象首先要在预设时间段内已经出现过，然后，目标对象依次做出离开席位、返回席位等动作。当目标对象又返回席位时，而且返回席位的时刻不超过终止时刻，才能认为目标对象存在离席行为。
值得指出的是，在预设时间段内，目标对象可能发生多次离席行为。因此，本实施例的具体实施方式中，还可以记录离席行为的次数。
在本申请的另一实施方式中，图1所示实施例中还可以包括：
当检测到所述第一图像的预设区域中不存在目标对象，所述第一采集时刻等于所述b时，并且所述目标对象在所述预设时间段内已经出现过的情况下，确定所述目标对象存在早退行为。
需要说明的是，早退行为是指在预设时间段内目标对象曾经出现过，但是中途离开了席位，并且直到终止时刻，目标对象都没有再返回席位。在目标对象在预设时间段内已经出现过的情况下，只有在终止时刻b对应的第一图像的预设区域中没有检测到目标对象，才能确定目标对象存在早退行为。
在本申请的另一实施方式中，图1所示实施例还可以包括：
当检测到所述第一图像的预设区域中不存在目标对象，所述第一采集时刻等于所述b时，并且所述目标对象在所述预设时间段内没有出现过的情况下，确定所述目标对象存在缺席行为。
需要说明的是，缺席行为是指在预设时间段内目标对象从始至终都没有出现过。只有在终止时刻b对应的第一图像的预设区域中没有检测到目标对象，并且目标对象在预设时间段内从来没有出现过的情况下，才能确定目标对象存在缺席行为。
另外，为了检测目标对象的着装是否符合要求，在本申请的另一实施方式中，在图1所示实施例中还可以包括：
步骤1：当所述第一图像的预设区域中存在所述目标对象时，根据预先生成的着装检测模型，检测所述目标对象的着装是否符合要求。
具体的，可以预先采集包含符合要求的着装的图像，并对该图像中的着装进行标记。然后，采用上述图像对预设的机器学习模型进行训练，得到着装检测模型。
步骤2：根据检测结果，确定所述目标对象的着装行为。
具体的，当检测结果表明目标对象着装符合要求时，确定目标对象的着装行为正常。当检测结果表明目标对象着装不符合要求时，确定目标对象的着装行为异常。
在本步骤的一种具体实施方式中，步骤2可以包括：
步骤2a：当第一采集时刻等于所述b时，统计所述目标对象的着装符合要求的图像的第一数量，统计所述目标对象的着装不符合要求的图像的第二数量。
步骤2b：根据所述第一数量和所述第二数量，确定所述目标对象的着装行为。
具体的，可以根据第一数量和第二数量，获得目标对象着装行为正常的数量比例，即为第一数量/(第一数量+第二数量)。判断所述数量比例是否大于预设比例阈值，如果是，则确定目标对象着装行为正常，否则，确定目标对象着装行为异常。
考虑到实际检测过程中存在多种干扰因素，预设比例阈值可以设置为较小值，例如10％或30％。
下面结合具体实例对本申请再做详细说明。
图2为迟到、离席、早退、缺席行为与时间关系的示意图。其中，a为预设时间段的起始时刻，b为预设时间段的终止时刻。目标对象用a表示。
图2中以不同填充样式的方框表示目标对象在图像的预设区域中是出现的状态，还是没有出现的状态。如图2中(1)所示，当当前检测的图像位于a～t1之间时，确定预设区域中不存在a，a的上一状态和当前状态均表明a没有出现，即a的状态没有变化。
当当前检测的图像位于t1时，即t1为第一采集时刻，确定预设区域中存在a，a的上一状态表明a没有出现，当前状态表明a出现，此时判断出a的状态发生变化，同时，确定t1位于ab之间，故能确定a存在迟到行为。
当当前检测的图像位于t1～t2时，确定预设区域中存在a，但是a的上一状态和当前状态均表明a出现，即a的状态没有变化。
当当前检测的图像位于t2时，即t2为第一采集时刻，确定预设区域中不存在a，a的上一状态表明a出现，当前状态表明a没有出现，此时判断出a的状态发生变化，到现在还不能确定a是离席还是早退。
当当前检测的图像位于t2～t3时，确定预设区域中不存在a，a的上一状态和当前状态均表明a没有出现，即a的状态没有变化。
当当前检测的图像位于t3时，确定预设区域中存在a，a的上一状态表明a没有出现，当前状态表明a出现，此时判断出a的状态发生变化。同时，由于a曾经在ab之间出现过，因此此时可以确定a存在离席行为。
当当前检测的图像位于t3～t4时，确定预设区域中存在a，但是a的上一状态和当前状态均表明a出现，即a的状态没有变化。
当当前检测的图像位于t4时，即t4为第一采集时刻，确定预设区域中不存在a，a的上一状态表明a出现，当前状态表明a没有出现，此时判断出a的状态发生变化，但是不能确定a存在离席行为还是早退行为。
当当前检测的图像位于t4～b时，确定预设区域中不存在a，a的上一状态和当前状态均表明a没有出现，即a的状态没有变化。
如果当前检测的图像位于b，即b为第一采集时刻，确定预设区域中不存在a，则如果在从a到b的时间段内a已经出现过，则可以确定a存在早退行为。
如图2中(2)所示，如果当前检测的图像位于b，即b为第一采集时刻，确定预设区域中不存在a，则如果在从a到b的时间段内a没有出现过，则可以确定a存在缺席行为。
本申请还可以提供一种对象行为检测系统，包括视频采集单元301、视频分析单元302、数据关联单元303和违规展示单元304。图3为该系统的结构示意图，该系统与图1所示方法实施例相对应。
其中，视频采集单元301，用于采集包含预设区域的第一图像，并将图像发送至视频分析单元302。
具体的视频采集单元301可以由摄像机来实现。根据不同场景的情况不同，摄像机可以选择壁装或吊装。
根据实际应用需求，视频采集单元301还可以包含补光设备。
视频分析单元302，用于获得视频采集单元301发送的第一图像；检测所述第一图像的预设区域中是否存在目标对象；根据检测结果确定所述目标对象的当前状态；根据所述目标对象的上一状态和所述当前状态，判断所述目标对象的状态是否发生变化；如果是，则获取所述第一图像的第一采集时刻，并将所述上一状态更新为所述当前状态；根据所述第一采集时刻与预设时间段之间的关系，确定所述目标对象的行为；将所述第一图像、第一采集时刻和目标对象的行为发送至数据关联单元303。
具体的，根据实际需求以及视频采集单元中摄像机的类型，可以将视频分析单元302集成到摄像机芯片中，将视频分析单元301与视频采集单元302合成一体。当然，视频分析单元302也可以由服务器或嵌入式设备来实现。
数据关联单元303，用于接收视频分析单元302发送的所述第一图像、第一采集时刻和目标对象的行为，并存储。
具体的，数据关联单元303可以将上述信息存储至数据库，并将上述信息与相关的目标对象进行关联，对所有目标对象的上述信息进行更新。
违规展示单元304，用于将存储的所述第一图像、第一采集时刻和目标对象的行为进行统计，并生成目标对象行为报表，以可视化的方式展示出来。
图4为本申请实施例提供的对象行为检测装置的一种结构示意图，与图1所示方法实施例相对应，所述装置包括：
图像获得模块401，用于获得第一图像；
对象检测模块402，用于检测所述第一图像的预设区域中是否存在目标对象；
状态确定模块403，用于根据检测结果确定所述目标对象的当前状态；
状态判断模块404，用于根据所述目标对象的上一状态和所述当前状态，判断所述目标对象的状态是否发生变化；
时刻获取模块405，用于当所述目标对象的状态发生变化时，获取所述第一图像的第一采集时刻，并将所述上一状态更新为所述当前状态；
行为确定模块406，用于根据所述第一采集时刻与预设时间段之间的关系，确定所述目标对象的行为。
作为本申请的另一实施方式，在图4所示实施例中，所述对象检测模块402，可以包括检测子模块、判断子模块和判定子模块；(图中未示出)
检测子模块，用于检测所述第一图像的预设区域中是否存在疑似人脸区域；
判断子模块，用于当检测到所述第一图像的预设区域中存在疑似人脸区域时，判断所述疑似人脸区域是否与预先存储的目标对象的特征相匹配；
判定子模块，用于当判断出所述疑似人脸区域与预先存储的目标对象的特征相匹配时，判定所述第一图像的预设区域中存在目标对象。
作为本申请的另一实施方式，在图4所示实施例中，所述行为确定模块406，具体用于：
当所述当前状态表明所述目标对象出现，所述上一状态表明所述目标对象没有出现时，当所述第一采集时刻∈(a，b]时，并且所述目标对象在所述预设时间段内是第一次出现的情况下，确定所述目标对象存在迟到行为；其中，所述a为所述预设时间段的起始时刻，所述b为所述预设时间段的终止时刻。
作为本申请的另一实施方式，在图4所示实施例中，所述行为确定模块406，具体用于：
当所述当前状态表明所述目标对象出现，所述上一状态表明所述目标对象没有出现时，当所述第一采集时刻∈(a，b]时，并且所述目标对象在所述预设时间段内已经出现过的情况下，确定所述目标对象存在离席行为。
作为本申请的另一实施方式，图4所示实施例还可以包括早退行为确定模块(图中未示出)；
所述早退行为确定模块，用于当检测到所述第一图像的预设区域中不存在目标对象，所述第一采集时刻等于所述b时，并且所述目标对象在所述预设时间段内已经出现过的情况下，确定所述目标对象存在早退行为。
作为本申请的另一实施方式，图4所示实施例还可以包括缺席行为确定模块(图中未示出)；
所述缺席行为确定模块，用于当检测到所述第一图像的预设区域中不存在目标对象，所述第一采集时刻等于所述b时，并且所述目标对象在所述预设时间段内没有出现过的情况下，确定所述目标对象存在缺席行为。
作为本申请的另一实施方式，在图4所示实施例中，所述装置还可以包括着装检测模块(图中未示出)；
所述着装检测模块，用于当所述第一图像的预设区域中存在所述目标对象时，根据预先生成的着装检测模型，检测所述目标对象的着装是否符合要求；
所述行为确定模块406，具体用于根据检测结果，确定所述目标对象的着装行为。
作为本申请的另一实施方式，在图4所示实施例中，所述行为确定模块406，可以包括统计子模块和确定子模块；(图中未示出)
其中，统计子模块，用于当所述第一采集时刻等于所述b时，统计所述目标对象的着装符合要求的图像的第一数量，统计所述目标对象的着装不符合要求的图像的第二数量；
确定子模块，用于根据所述第一数量和所述第二数量，确定所述目标对象的着装行为。
由于上述装置实施例和系统实施例都是基于方法实施例得到的，与该方法具有相同的技术效果，因此装置实施例和系统实施例的技术效果在此不再赘述。
对于装置实施例和系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。
需要说明的是，在本文中，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。
本领域普通技术人员可以理解，上述实施方式中的全部或部分步骤是能够通过程序指令相关的硬件来完成的，所述的程序可以存储于计算机可读取存储介质中。这里所称存储介质，是指rom/ram、磁碟、光盘等。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所做的任何修改、等同替换、改进等，均包含在本发明的保护范围内。