防隐私泄漏的意外行为处理方法、装置、设备及存储介质

技术领域

本发明涉及图像识别技术领域，尤其涉及防隐私泄漏的意外行为处理方法、装置、设备及存储介质。

背景技术

随着经济水平的不断发展，越来越多的年轻人涌入大城市进行发展，考虑到实际经济情况和父母的身体情况，大多数老年人也选择居家养老，通过大量的数据表明，老年人在居家养老的过程中容易出现摔倒、突然疾病的紧急情况，若未在规定时间处理，则会导致悲剧的发生，而处理的前提是在第一时间内识别出老年人的意外行为状态，目前，识别意外行为状态的相关技术是摄像头实时拍摄老年人的图片，并实时上传至云服务器，由云服务器根据图片判断老年人是否发生意外，但是上述方式直接将图片上传至云服务器会造成隐私的泄漏，且识别用户是否发生意外的准确性较低。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种防隐私泄漏的意外行为处理方法、装置、设备及存储介质，旨在解决现有技术识别用户发生意外的准确性较低，且在识别过程中会导致用户隐私泄漏的技术问题。

为实现上述目的，本发明提供了一种防隐私泄漏的意外行为处理方法，所述防隐私泄漏的意外行为处理方法包括以下步骤：

接收目标摄像设备传输的目标用户的当前图像，根据所述当前图像得到对应的特征点集；

通过目标行为识别模型对所述特征点集进行识别，得到所述目标用户的当前行为状态；

在所述当前行为状态为预设意外行为状态时，将所述当前图像进行释放，通过云服务器确定的意外处理策略对所述当前行为状态进行调节。

可选地，所述接收目标摄像设备传输的目标用户的当前图像，根据所述当前图像得到对应的特征点集之前，还包括：

实时检测目标用户所在的当前位置，根据所述当前位置和历史活动轨迹确定所述目标用户的活动范围；

获取所述活动范围内的摄像设备信息；

向所述摄像设备信息对应的摄像设备发送预设图像请求，以使所述摄像设备根据所述预设图像请求从不同角度对所述目标用户进行拍摄，得到当前图像，并通过目标通信策略将所述当前图像进行传输。

可选地，所述通过目标行为识别模型对所述特征点集进行识别，得到所述目标用户的当前行为状态，包括：

根据所述特征点集得到目标人体部位和若干关节点的位置平面坐标；

根据所述目标人体部位确定极点；

根据所述极点对所述位置平面坐标进行坐标转换，得到目标极坐标；

通过目标行为识别模型对所述目标极坐标进行识别，得到所述目标用户的当前行为状态。

可选地，所述通过目标行为识别模型对所述目标极坐标进行识别，得到所述目标用户的当前行为状态，包括：

根据所述目标极坐标得到第一极轴数值集合和第二数值集合；

分别提取所述第一极轴数值集合中的第一最大数值和第一最小数值，以及分别提取所述第二数值集合的第二最大数值和第二最小数值；

通过预设极值算法对所述第一最大数值和第一最小数值进行计算，得到第一极轴数值；

通过所述预设极值算法对所述第二最大数值和第二最小数值进行计算，得到第二数值；

根据所述第一极轴数值和所述第二数值生成归一化关节点行为描述子；

通过目标行为识别模型对归一化关节点行为描述子进行识别，得到所述目标用户的当前行为状态。

可选地，所述通过目标行为识别模型对归一化关节点行为描述子进行识别，得到所述目标用户的当前行为状态，包括：

根据所述目标行为识别模型得到若干数量的关节点行为描述子集合；

对所述关节点行为描述子集合进行遍历；

将所述归一化关节点行为描述子逐一与遍历后的各个关节点行为描述子进行匹配，得到当前关节点行为描述子匹配结果；

通过所述目标行为识别模型对所述当前关节点行为描述子匹配结果进行识别，得到目标用户的当前行为状态。

可选地，所述通过目标行为识别模型对归一化关节点行为描述子进行识别，得到所述目标用户的当前行为状态之前，还包括：

获取基于摄像设备的若干数量用户的室内行为数据；

根据所述室内行为数据得到对应的行为数据特性；

根据所述行为数据特性对初始神经网络的隐藏层的神经单元进行调整；

对调整后的初始神经网络进行主干网络拓宽，得到目标神经网络；

根据所述室内行为数据和所述目标神经网络训练出目标行为识别模型。

可选地，所述在所述当前行为状态为预设意外行为状态时，将所述当前图像进行释放，通过云服务器确定的意外处理策略对所述当前行为状态进行调节，包括：

在所述当前行为状态为预设意外行为状态时，将所述当前图像进行释放，通过预设连接策略将所述当前行为状态发送至云服务器，以使所述云服务器根据所述当前行为状态确定对应的意外处理策略；

根据所述意外处理策略拨打紧急救治电话，以及通过目标摄像设备的蜂鸣器播放危险预警信息；

根据所述危险预警信息将门禁的状态设置为关闭状态，在预设时间内通过医护人员对所述当前行为状态进行调节。

此外，为实现上述目的，本发明还提出一种防隐私泄漏的意外行为处理装置，所述防隐私泄漏的意外行为处理装置包括：

接收模块，用于接收目标摄像设备传输的目标用户的当前图像，根据所述当前图像得到对应的特征点集；

识别模块，用于通过目标行为识别模型对所述特征点集进行识别，得到所述目标用户的当前行为状态；

调节模块，用于在所述当前行为状态为预设意外行为状态时，将所述当前图像进行释放，通过云服务器确定的意外处理策略对所述当前行为状态进行调节。

此外，为实现上述目的，本发明还提出一种防隐私泄漏的意外行为处理设备，所述防隐私泄漏的意外行为处理设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的防隐私泄漏的意外行为处理程序，所述防隐私泄漏的意外行为处理程序配置为实现如上文所述的防隐私泄漏的意外行为处理方法。

此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有防隐私泄漏的意外行为处理程序，所述防隐私泄漏的意外行为处理程序被处理器执行时实现如上文所述的防隐私泄漏的意外行为处理方法。

本发明提出的防隐私泄漏的意外行为处理方法，通过接收目标摄像设备传输的目标用户的当前图像，根据所述当前图像得到对应的特征点集；通过目标行为识别模型对所述特征点集进行识别，得到所述目标用户的当前行为状态；在所述当前行为状态为预设意外行为状态时，将所述当前图像进行释放，通过云服务器确定的意外处理策略对所述当前行为状态进行调节；通过上述方式，在得到当前图像的特征点集后，通过目标行为识别模型对特征点集进行识别，并释放当前图像，然再判断当前行为状态是否为预设意外行为状态，若是，则由云服务器对当前行为状态进行调节，从而能够有效提高识别用户发生意外的准确性，以及防止用户隐私的泄漏。

附图说明

图1是本发明实施例方案涉及的硬件运行环境的防隐私泄漏的意外行为处理设备的结构示意图；

图2为本发明防隐私泄漏的意外行为处理方法第一实施例的流程示意图；

图3为本发明防隐私泄漏的意外行为处理方法第二实施例的流程示意图；

图4为本发明防隐私泄漏的意外行为处理方法一实施例的关节点坐标变换示意图；

图5为本发明防隐私泄漏的意外行为处理装置第一实施例的功能模块示意图。

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用以解释本发明，并不用于限定本发明。

参照图1，图1为本发明实施例方案涉及的硬件运行环境的防隐私泄漏的意外行为处理设备结构示意图。

如图1所示，该防隐私泄漏的意外行为处理设备可以包括：处理器1001，例如中央处理器(Central Processing Unit，CPU)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(Wireless-Fidelity，Wi-Fi)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory，RAM)存储器，也可以是稳定的非易失性存储器(Non-Volatile Memory，NVM)，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的存储装置。

本领域技术人员可以理解，图1中示出的结构并不构成对防隐私泄漏的意外行为处理设备的限定，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1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及防隐私泄漏的意外行为处理程序。

在图1所示的防隐私泄漏的意外行为处理设备中，网络接口1004主要用于与网络一体化平台工作站进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明防隐私泄漏的意外行为处理设备中的处理器1001、存储器1005可以设置在防隐私泄漏的意外行为处理设备中，所述防隐私泄漏的意外行为处理设备通过处理器1001调用存储器1005中存储的防隐私泄漏的意外行为处理程序，并执行本发明实施例提供的防隐私泄漏的意外行为处理方法。

基于上述硬件结构，提出本发明防隐私泄漏的意外行为处理方法实施例。

参照图2，图2为本发明防隐私泄漏的意外行为处理方法第一实施例的流程示意图。

在第一实施例中，所述防隐私泄漏的意外行为处理方法包括以下步骤：

步骤S10，接收目标摄像设备传输的目标用户的当前图像，根据所述当前图像得到对应的特征点集。

需要说明的是，本实施例的执行主体为防隐私泄漏的意外行为处理设备，还可为其他可实现相同或相似功能的设备，例如智能网关等，本实施例对此不作限制，在本实施例中，以智能网关为例进行说明。

应当理解的是，当前图像指的是目标用户在活动范围内的图像，该当前是由目标摄像设备通过目标通信策略传输至智能网关的，特征点集指的是由唯一识别当前图像的特征点的集合，该特征点集包括但不限于人体重要部位和关节点，例如，人体躯干、头部、左肩、左边肘部等。

进一步地，步骤S10之前，还包括：实时检测目标用户所在的当前位置，根据所述当前位置和历史活动轨迹确定所述目标用户的活动范围；获取所述活动范围内的摄像设备信息；向所述摄像设备信息对应的摄像设备发送预设图像请求，以使所述摄像设备根据所述预设图像请求从不同角度对所述目标用户进行拍摄，得到当前图像，并通过目标通信策略将所述当前图像进行传输。

可以理解的是，当前位置指的是目标用户所在位置，该目标用户指的是老年人，而老年人居住的家庭位置可以为老家，也可以为新家，在老家的活动范围可能为房间和客厅，新家的活动范围可能为客厅和观影房，在检测出目标用户所在的当前位置后，根据当前位置和历史活动轨迹确定目标用户的活动范围，摄像设备信息指的是分布在活动范围内的摄像设备信息，包括摄像设备ID码、名称以及型号等，预设图像请求指的是请求摄像设备对目标用户进行拍摄的请求，而摄像设备在接收到预设图像请求后，对目标用户进行拍摄，并通过目标通信策略将拍摄的当前图像传输至智能网关，所述目标通信策略可以为以Zigbee无线通信策略。

步骤S20，通过目标行为识别模型对所述特征点集进行识别，得到所述目标用户的当前行为状态。

可以理解的是，目标行为识别模型指的是识别出用户的行为状态的模型，该目标行为识别模型是通过改进的神经网络和室内行为数据训练得到的，当前行为状态指的是目标用户在当前时刻的行为状态，该当前行为状态包括正常行为状态和意外行为状态。

步骤S30，在所述当前行为状态为预设意外行为状态时，将所述当前图像进行释放，通过云服务器确定的意外处理策略对所述当前行为状态进行调节。

应当理解的是，在识别出目标用户的当前行为状态后，判断当前行为状态是否为预设意外行为状态，若是，则判定目标用户出现意外，此时需要将当前意外行为状态发送至云服务器，由云服务器根据确定的意外处理策略对当前行为状态进行干预和调节，该预设意外行为状态包括但不限于摔倒、手捂心脏等，为了防止目标用户的隐私的泄漏，在判定当前行为状态为预设意外行为状态时，需要将目标用户的当前图像进行释放，此时智能网关仅将当前行为状态发送至云服务器，完全不用上传图像等任何信息，相较于相关技术直接将图像上传至云服务器进行处理，能够有效防止目标用户的隐私的泄漏。

进一步地，步骤S30，包括：在所述当前行为状态为预设意外行为状态时，将所述当前图像进行释放，通过预设连接策略将所述当前行为状态发送至云服务器，以使所述云服务器根据所述当前行为状态确定对应的意外处理策略；根据所述意外处理策略拨打紧急救治电话，以及通过目标摄像设备的蜂鸣器播放危险预警信息；根据所述危险预警信息将门禁的状态设置为关闭状态，在预设时间内通过医护人员对所述当前行为状态进行调节。

可以理解的是，预设连接策略指的是将识别出的当前行为状态发送至云服务器的策略，该预设连接策略指的是长连接策略，而云服务器在接收到当前行为状态后，首先，根据当前行为状态确定对应的意外处理策略，该意外处理策略包括但不限于拨打紧急救治电话、播放用于呼救的危险预警信息以及设置门禁状态，例如，在目标用户捂住心脏晕倒在卫生间时，避免造成二次伤害，此时通过蜂鸣器播放危险预警信息防止目标用户昏迷和及时呼救，而门禁的声音传感器在接收到危险预警信息后，直接将门禁的状态设置为关闭状态，使得帮忙的邻居和医护人员的进入，对目标用户进行及时的救治，预设时间指的是救治目标用户的最佳时间，即使得医护人员在预设时间内对目标用户进行救治，从而调节目标用户的当前行为状态朝正常行为状态的趋势发展。

本实施例通过接收目标摄像设备传输的目标用户的当前图像，根据所述当前图像得到对应的特征点集；通过目标行为识别模型对所述特征点集进行识别，得到所述目标用户的当前行为状态；在所述当前行为状态为预设意外行为状态时，将所述当前图像进行释放，通过云服务器确定的意外处理策略对所述当前行为状态进行调节；通过上述方式，在得到当前图像的特征点集后，通过目标行为识别模型对特征点集进行识别，并释放当前图像，然再判断当前行为状态是否为预设意外行为状态，若是，则由云服务器对当前行为状态进行调节，从而能够有效提高识别用户发生意外的准确性，以及防止用户隐私的泄漏。

在一实施例中，如图3所述，基于第一实施例提出本发明防隐私泄漏的意外行为处理方法第二实施例，所述步骤S20，包括：

步骤S201，根据所述特征点集得到目标人体部位和若干关节点的位置平面坐标。

应当理解的是，目标人体部位指的是目标用户的重要部位，该目标人体部位包括但不限于人体躯干、头部、左肩、左边肘部、左手腕等，若干关节点包括但不限于左肩关节点、左边肘部关节点、左手腕关节点、右肩关节点、右边肘部关节点、右手腕关节点、左膝盖关节点、左踝关节点、右膝盖关节点和右踝关节点，位置平面坐标指的是目标人体部位的中心点和若干关节点在图像直角坐标系下的坐标，例如，中心点坐标为(Xc,Yc)和若干关节点坐标为(Xi,Yi)。

步骤S202，根据所述目标人体部位确定极点。

可以理解的是，在得到目标人体部位后，将目标人体部位的躯干中心点作为极点，例如，极点P。

步骤S203，根据所述极点对所述位置平面坐标进行坐标转换，得到目标极坐标。

应当理解的是，目标极坐标指的是对位置平面坐标进行坐标转换后的坐标，参考图4，图4为关节点坐标变换示意图，其中，极点为P，中心点坐标为(Xc,Yc)，若干关节点坐标为(Xi,Yi)，此时转换后的目标极坐标为(r

其中，(r

步骤S204，通过目标行为识别模型对所述目标极坐标进行识别，得到所述目标用户的当前行为状态。

可以理解的是，在确定目标极坐标后，通过目标行为识别模型对目标极坐标进行识别，以得到目标用户的当前行为状态，该当前行为状态包括正常行为状态和意外行为状态。

进一步地，步骤S204之前，还包括：获取基于摄像设备的若干数量用户的室内行为数据；根据所述室内行为数据得到对应的行为数据特性；根据所述行为数据特性对初始神经网络的隐藏层的神经单元进行调整；对调整后的初始神经网络进行主干网络拓宽，得到目标神经网络；根据所述室内行为数据和所述目标神经网络训练出目标行为识别模型。

应当理解的是，行为数据特性指的是室内行为数据的特性，该行为数据特性具有瞬时性、可变性，在得到行为数据特性后，根据行为数据特性调整初始神经网络的隐藏层的神经单元和网络层，使得调整后的目标神经网络满足行为数据特性要求，然后将室内行为数据输入至目标神经网络中进行训练，以得到目标行为识别模型。

进一步地，步骤S204，包括：根据所述目标极坐标得到第一极轴数值集合和第二数值集合；分别提取所述第一极轴数值集合中的第一最大数值和第一最小数值，以及分别提取所述第二数值集合的第二最大数值和第二最小数值；通过预设极值算法对所述第一最大数值和第一最小数值进行计算，得到第一极轴数值；通过所述预设极值算法对所述第二最大数值和第二最小数值进行计算，得到第二数值；根据所述第一极轴数值和所述第二数值生成归一化关节点行为描述子；通过目标行为识别模型对归一化关节点行为描述子进行识别，得到所述目标用户的当前行为状态。

可以理解的是，在得到第一极轴数值集合后，分别提取出第一极轴数值集合中的第一最大数值和第一最小数值，在得到第二数值集合后，分别提取出第二数值集合中的第二最大数值和第二最小数值，然后通过预设极值算法对第一最大数值和第一最小数值进行计算，以及对第二最大数值和第二最小数值进行计算，例如，min_r为第一最小数值和max_r为第一最大数值，min_φ为第二最小数值和max_φ为第二最大数值，第一极轴数值

第二数值

该预设极值算法可以为极小极大值算法，此时计算出的第一极轴数值和第二数值位于区间[0,1]之间，然后根据第一极轴数值和第二数值生成归一化关节点行为描述子，此时的归一化关节点行为描述子具有平移变换、尺度变换和旋转变换不变的特性，再通过目标行为识别模型对归一化关节点行为描述子进行识别，以得到目标用户的当前行为状态。

进一步地，所述通过目标行为识别模型对归一化关节点行为描述子进行识别，得到所述目标用户的当前行为状态，包括：根据所述目标行为识别模型得到若干数量的关节点行为描述子集合；对所述关节点行为描述子集合进行遍历；将所述归一化关节点行为描述子逐一与遍历后的各个关节点行为描述子进行匹配，得到当前关节点行为描述子匹配结果；通过所述目标行为识别模型对所述当前关节点行为描述子匹配结果进行识别，得到目标用户的当前行为状态。

应当理解的是，若干数量的关节点行为描述子集合指的是目标行为识别模型用于识别目标用户状态的各个关节点行为描述子构成的集合，然后遍历出各个关节点行为描述子，再将归一化关节点行为描述子逐一与遍历后的各个关节点行为描述子进行匹配，在匹配完成后，通过目标行为识别模型对当前关节点行为描述子匹配结果进行识别，以得到目标用户的当前行为状态，例如，当前关节点行为描述子匹配结果中匹配成功的关节点行为描述子为A，然后通过目标行为识别模型识别出与A对应的行为状态B，此时行为状态B为目标用户的当前行为状态。

本实施例根据所述特征点集得到目标人体部位和若干关节点的位置平面坐标；根据所述目标人体部位确定极点；根据所述极点对所述位置平面坐标进行坐标转换，得到目标极坐标；通过目标行为识别模型对所述目标极坐标进行识别，得到所述目标用户的当前行为状态；通过上述方式，根据目标人体部位确定极点，然后根据极点对位置平面坐标进行坐标转换，再通过目标行为识别模型对目标极坐标进行识别，得到目标用户的当前行为状态，从而能够有效提高识别出当前行为状态的准确性。

此外，本发明实施例还提出一种存储介质，所述存储介质上存储有防隐私泄漏的意外行为处理程序，所述防隐私泄漏的意外行为处理程序被处理器执行时实现如上文所述的防隐私泄漏的意外行为处理方法的步骤。

由于本存储介质采用了上述所有实施例的全部技术方案，因此至少具有上述实施例的技术方案所带来的所有有益效果，在此不再一一赘述。

此外，参照图5，本发明实施例还提出一种防隐私泄漏的意外行为处理装置，所述防隐私泄漏的意外行为处理装置包括：

接收模块10，用于接收目标摄像设备传输的目标用户的当前图像，根据所述当前图像得到对应的特征点集。

识别模块20，用于通过目标行为识别模型对所述特征点集进行识别，得到所述目标用户的当前行为状态。

调节模块30，用于在所述当前行为状态为预设意外行为状态时，将所述当前图像进行释放，通过云服务器确定的意外处理策略对所述当前行为状态进行调节。

本实施例通过接收目标摄像设备传输的目标用户的当前图像，根据所述当前图像得到对应的特征点集；通过目标行为识别模型对所述特征点集进行识别，得到所述目标用户的当前行为状态；在所述当前行为状态为预设意外行为状态时，将所述当前图像进行释放，通过云服务器确定的意外处理策略对所述当前行为状态进行调节；通过上述方式，在得到当前图像的特征点集后，通过目标行为识别模型对特征点集进行识别，并释放当前图像，然再判断当前行为状态是否为预设意外行为状态，若是，则由云服务器对当前行为状态进行调节，从而能够有效提高识别用户发生意外的准确性，以及防止用户隐私的泄漏。

需要说明的是，以上所描述的工作流程仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的，此处不做限制。

另外，未在本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隐私泄漏的意外行为处理方法，此处不再赘述。

本发明所述防隐私泄漏的意外行为处理装置的其他实施例或具有实现方法可参照上述各方法实施例，此处不再赘余。

此外，需要说明的是，在本文中，术语“包括”、“包含”或者其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、物品或者系统不仅包括那些要素，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、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如只读存储器(Read Only Memory，ROM)/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，一体化平台工作站，或者网络设备等)执行本发明各个实施例所述的方法。

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保护范围内。