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。为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请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申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，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，都应当属于本申请保护的范围。

本发明提供一种安全监控方法，参照图1，图1为本发明安全监控方法第一实施例的流程示意图，所述方法包括步骤：

步骤S10，获取深度摄像头检测到的检测区域对应的第一深度数据；

深度摄像头，即ToF(Time of Flight，飞行时间)摄像头，通过向外发射一组人眼看不到的激光脉冲，如红外光，遇到物体后反射回摄像头，通过计算从发射到反射回摄像头的时间差或相位差，形成一组距离深度数据，即第一深度数据，从而得到一个立体的空间模型。检测区域为深度摄像头的可检测区域。

步骤S20，根据所述第一深度数据判断所述检测区域是否出现目标行为；

根据第一深度数据可以区分检测区域中的人体与物体，并根据人体与物体的状态来判断是否出现目标行为。目标行为包括但不限于偷盗、抢劫、暴力等。

步骤S30，若所述检测区域出现目标行为，则执行预设处理操作。

当检测到目标行为时，需要提醒用户及时应对。预设处理操作包括通知用户、报警、吓阻目标行为等。具体地，在出厂时，厂家在系统中预先设置公安或消防等部门的联系方式，用户还可以自行设置用户设备信息，当检测区域出现目标行为时，分别发送报警信息至用户设备以及公安或消防等部门。吓阻目标行为可以通过播放预设音频的方式实施；如系统中预设蜂鸣警报音频，或用户自行录制或导入用户语音，当检测区域出现目标行为时，播放蜂鸣警报音频或用户语音。

本实施例通过深度摄像头采集深度数据以避免暴露室内环境信息以及用户的图像信息，从而避免在数据泄露时对用户隐私的影响，同时基于数据仍然能够对目标行为进行监控。

进一步地，参见图2，在基于本发明的第一实施例所提出的本发明安全监控方法第二实施例中，所述步骤S20包括步骤：

步骤S21，将所述第一深度数据导入到训练完成的身份识别模型中；

步骤S22，运行所述训练完成的身份识别模型，得到身份识别结果；

步骤S23，若所述身份识别结果为出现非家庭成员时，将所述身份识别结果对应的第一深度数据作为第二深度数据，并将通过训练完成的目标行为识别模型根据所述第二深度数据判断所述检测区域是否出现目标行为。

若所述身份识别结果为未出现非家庭成员时，认为检测区域未出现目标行为。

本实施例中，身份识别模型采用卷积神经网络模型；可以理解的是，对于身份识别模型的类型还可以根据实际应用场景在现有的模型中进行选择，在此不进行赘述。

在使用身份识别模型之前，需要对身份识别模型进行训练，以得到训练完成的身份识别模型。具体地，通过深度摄像头采集家庭成员的体态信息，并将家庭成员的体态信息作为训练样本对身份识别模型进行训练；需要说明的是，对身份识别模型的训练样本中需要包含正样本与负样本，其中，家庭成员的体态信息为正样本，正样本对应的身份识别模型的识别结果为家庭成员；负样本对应的身份识别模型的识别结果为非家庭成员，负样本可以是厂家预设在系统中的其它人员的体态信息，也可以是在需要对身份识别模型进行训练时，系统自行通过网络获取的，如厂家将负样本存储在服务器中，系统通过网络从服务器中拿取负样本。可以理解的是，在身份识别模型的训练过程中还需要设置损失函数，损失函数用于对身份识别模型的识别逻辑进行修正，具体地损失函数的类型可以根据实际需要在现有技术中进行选择，在此不进行赘述。将训练样本依次输入到身份识别模型中运行，并根据损失函数得到的误差值持续进行修正，当身份识别模型的训练达到完成条件时，得到训练完成的身份识别模型；完成条件包括但不限于训练次数或训练总误差值。

将第一深度数据输入到训练完成的身份识别模型中进行识别，当识别结果为无人员或家庭成员时，认为不存在目标行为，无需执行后续目标行为的判断；当识别结果为非家庭成员时，认为存在目标行为的可能，因此执行后续目标行为的判断，以进一步地确认。

第二深度数据为第一深度数据中包含非家庭成员的深度数据，由于未出现非家庭成员的深度数据对提供目标行为的依据贡献较低，因此为了减少计算量同时避免对识别结果造成影响，将第一深度数据中未出现非家庭成员的深度数据进行排除得到第二深度数据，并根据第二深度数据进行目标行为的判断。

本实施例能够通过识别是否包括非家庭成员对第一深度数据进行筛选得到第二深度数据，以根据第二深度数据对目标行为进行判断，减少了计算量。

进一步地，在基于本发明的第二实施例所提出的本发明安全监控方法第三实施例中，所述步骤S23包括步骤：

步骤S231，将所述第二深度数据导入到训练完成的目标行为识别模型中；

步骤S232，运行所述训练完成的目标行为识别模型，得到目标行为识别结果，并判断所述目标行为识别结果是否满足预设目标行为条件；

步骤S233，若所述目标行为识别结果满足预设目标行为条件，则所述检测区域出现目标行为；

步骤S234，若所述目标行为识别结果不满足预设目标行为条件，则所述检测区域未出现目标行为。

本实施例中，目标行为识别模型采用卷积神经网络模型，可以理解的是，对于目标行为识别模型的类型还可以根据实际应用场景在现有的模型中进行选择，在此不进行赘述。

在使用目标行为识别模型之前，需要对目标行为识别模型进行训练，以得到训练完成的目标行为识别模型。需要说明的是，目标行为识别模型的训练可以是在出厂前进行，也可以实在系统启动后进行。具体地，对目标行为识别模型的训练样本中需要包含正样本与负样本，其中，正样本对应的目标行为识别模型的识别结果为存在目标行为；负样本对应的目标行为识别模型的识别结果为不存在目标行为，训练样本可以是厂家预设在系统中的，也可以是在需要对目标行为识别模型进行训练时，系统自行通过网络获取的，如厂家将需变脸样本存储在服务器中，系统通过网络从服务器中拿取需变脸样本。可以理解的是，在目标行为识别模型的训练过程中还需要设置损失函数，损失函数用于对目标行为识别模型的识别逻辑进行修正，具体地损失函数的类型可以根据实际需要在现有技术中进行选择，在此不进行赘述。将训练样本依次输入到目标行为识别模型中运行，并根据损失函数得到的误差值持续进行修正，当目标行为识别模型的训练达到完成条件时，得到训练完成的目标行为识别模型；完成条件包括但不限于训练次数或训练总误差值

将第二深度数据输入到训练完成的目标行为识别模型中进行识别，当识别结果不满足预设目标行为条件时，认为不存在目标行为；当识别结果满足预设目标行为条件时，认为存在目标行为的可能。

本实施例能够合理地对目标行为进行识别。

进一步地，在基于本发明的第三实施例所提出的本发明安全监控方法第四实施例中，所述步骤S231包括步骤：

步骤S2311，获取连续的包含当前检测周期的第一预设数量个检测周期的第二深度数据，并分别在各检测周期的第二深度数据中选取第二预设数量帧第三深度数据；

步骤S2312，将各检测周期的第三深度数据导入到训练完成的目标行为识别模型中；

所述步骤S232包括步骤：

步骤S2321，根据各检测周期的第三深度数据对应的识别结果判断各检测周期是否出现目标行为；

步骤S2322，若出现目标行为的检测周期的数量大于或等于第三预设数量，所述检测区域出现目标行为；

步骤S2323，若出现目标行为的检测周期的数量小于所述第三预设数量，所述检测区域未出现目标行为。

为了避免出现误判断，提高识别的准确率，本实施例不通过单独的一次目标行为识别模型的识别结果来认为是否出现目标行为，而是通过多次识别结果来综合判断目标行为的发生与否。

以时间长度划分检测周期，本实施例中，检测周期的长度为2分钟，第一预设数量为3；可以理解的是，具体的检测周期长度以及第一预设数量可以根据实际应用场景进行设置；需要说明的是，当前检测周期为已获取到周期内所有深度数据的最新周期。获取包含当前检测周期在内的连续三个检测周期的第二深度数据，由于当前周期为最新周期，因此，连续三个检测周期是以当前检测周期为最晚周期的三个周期，如当前周期为周期X，连续三个检测周期则分别为X_T-2、X_T-1、X_T；在下一阶段的判断中，采集的连续三个检测周期则为X_T-1、X_T、X_T+1。

第三深度数据为从第二深度数据中选择的帧数据；第三深度数据可以是从第二深度数据中随机选取的，还可以是以一定规则从第二深度中选取的，如每间隔预设时间选取一帧作为第三深度数据；本实施例中从单个检测周期中选取10帧第三深度数据。

根据各检测周期内的第三深度数据对各检测周期是否出现目标行为进行判断；当出现目标行为的检测周期达到第三预设数量时，认为出现目标行为。具体地，第三预设数量可以为固定值，在本实施例中第三预设数量为2，第三预设数量还可以根据总的检测周期数量进行设置，如设置第三预设数量为大于检测周期总数量一半的最小自然数；检测周期数量为3，则第三预设数量设置为2。

本实施例能够合理地避免对目标行为的误判断。

进一步地，在基于本发明的第四实施例所提出的本发明安全监控方法第五实施例中，所述识别结果包括目标行为准确率；所述步骤S2321包括步骤：

步骤S23211，计算所述目标行为识别结果中单个检测周期中所有第三深度数据对应的目标行为准确率的平均值；

步骤S23212，判断所述平均值是否大于预设目标准确率；

步骤S23213，若所述平均值大于所述预设目标准确率，则该检测周期出现目标行为；

步骤S23214，若所述平均值小于或等于所述预设目标准确率，则该检测周期未出现目标行为。

在运行目标行为识别模型之后，目标行为识别模型会输出识别结果，识别结果中包括出现目标行为准确率以及未出现目标行为的准确率；准确率越高，则表示其对应结果的可能性越大。

在获取到单个检测周期中所有第三深度数据对应的准确率之后，计算单个检测周期中所有第三深度数据的平均准确率，即平均值，当平均值大于所述预设目标准确率，认为该检测周期出现目标行为；本实施例中，预设目标准确率为0.6。可以理解的是，具体预设目标准确率的数值设置可以根据实际使用场景进行调整，在此不进行赘述。

本实施例能够合理地对单个检测周期内的目标行为进行识别。

进一步地，在基于本发明的第一实施例所提出的本发明安全监控方法第六实施例中，所述步骤S30包括步骤：

步骤S31，持续获取所述深度数据中的目标行为人位置；

步骤S32，根据所述目标行为人位置，控制所述深度摄像头对所述目标行为人进行视线跟踪。

当检测到目标行为出现时，为更好地实现监控操作，对目标行为人进行视线跟踪。具体地，在深度摄像头中设置有专注区域，如所能采集到的检测范围的中心，在当前监控周期对目标行为人位置进行识别，并在识别到目标行为人位置之后，控制深度摄像头的专注区域移动到目标行为人位置，以对目标行为人进行视线跟踪。

本实施例通过对目标行为人进行视线跟踪，使得能够有效地捕捉目标过程。

进一步地，在基于本发明的第一实施例所提出的本发明安全监控方法第七实施例中，所述方法还包括步骤：

步骤S40，当接收到用户发送的停止监控指令时，控制所述深度摄像头停止运行，并隐藏所述深度摄像头。

所述步骤S40包括步骤：

骤S41，持续采集用户的语音数据，并对所述语音数据进行语音识别操作得到语音识别结果；

骤S42，匹配与所述语音识别结果对应的控制指令；

骤S43，当匹配到与所述语音识别结果对应的控制指令为停止监控指令时，控制所述深度摄像头停止运行，并隐藏所述深度摄像头。

停止监控指令为用户控制深度摄像头关闭的指令；本实施例中通过语音识别的方式来获取用户的停止监控指令；具体的语音识别方式可以根据实际应用场景进行选择，在此不进行赘述；需要说明的时，用户还可以通过遥控控制、智能终端设备控制等方式发送停止监控指令。当用户无需进行目标行为监控时，考虑到用户隐私问题，可以将深度摄像头关闭。

本实施例中的深度摄像头可伸缩地设置于空调上，其深度摄像头可旋转；所述深度摄像头工作时伸出，暴露于所述空调外；所述深度摄像头关闭时收缩，隐藏于所述空调内部。

本实施例中在用户无需使用监控功能时，关闭深度摄像头，保证用户的隐私安全。

需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。

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根据上述实施例的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，本申请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，服务器，或者网络设备等)执行本申请各个实施例所述的方法。

本申请还提供一种用于实施上述安全监控方法的电子装置，电子装置包括：

第一获取模块，用于获取深度摄像头检测到的检测区域对应的第一深度数据；

第一判断模块，用于根据所述第一深度数据判断所述检测区域是否出现目标行为；

第一执行模块，用于若所述检测区域出现目标行为，则执行预设处理操作。

需要说明的是，该实施例中的第一获取模块可以用于执行本申请实施例中的步骤S10，该实施例中的第一判断模块可以用于执行本申请实施例中的步骤S20，该实施例中的第一执行模块可以用于执行本申请实施例中的步骤S30。

通过深度摄像头采集深度数据以避免暴露室内环境信息以及用户的图像信息，从而避免在数据泄露时对用户隐私的影响，同时基于数据仍然能够对目标行为进行监控。

进一步地，所述第一判断模块包括：

第一执行子模块，用于将所述第一深度数据导入到训练完成的身份识别模型中；

第二执行子模块，用于运行所述训练完成的身份识别模型，得到身份识别结果；

第三执行子模块，用于若所述身份识别结果为出现非家庭成员时，将所述身份识别结果对应的第一深度数据作为第二深度数据，并将通过训练完成的目标行为识别模型根据所述第二深度数据判断所述检测区域是否出现目标行为。

进一步地，所述第三执行子模块包括：

第一执行单元，用于将所述第二深度数据导入到训练完成的目标行为识别模型中；

第一判断单元，用于运行所述训练完成的目标行为识别模型，得到目标行为识别结果，并判断所述目标行为识别结果是否满足预设目标行为条件；

第二执行单元，用于若所述目标行为识别结果满足预设目标行为条件，则所述检测区域出现目标行为；

第三执行单元，用于若所述目标行为识别结果不满足预设目标行为条件，则所述检测区域未出现目标行为。

进一步地，所述第一执行单元包括：

第一获取子单元，用于获取连续的包含当前检测周期的第一预设数量个检测周期的第二深度数据，并分别在各检测周期的第二深度数据中选取第二预设数量帧第三深度数据；

第一执行子单元，用于将各检测周期的第三深度数据导入到训练完成的目标行为识别模型中；

所述第一判断单元包括：

第一判断子单元，用于根据各检测周期的第三深度数据对应的识别结果判断各检测周期是否出现目标行为；

第二执行子单元，用于若出现目标行为的检测周期的数量大于或等于第三预设数量，所述检测区域出现目标行为；

第三执行子单元，用于若出现目标行为的检测周期的数量小于所述第三预设数量，所述检测区域未出现目标行为。

进一步地，所述识别结果包括目标行为准确率；

所述第一判断子单元，还用于计算所述目标行为识别结果中单个检测周期中所有第三深度数据对应的目标行为准确率的平均值；

所述第一判断子单元，还用于判断所述平均值是否大于预设目标准确率；

所述第一判断子单元，还用于若所述平均值大于所述预设目标准确率，则该检测周期出现目标行为；

所述第一判断子单元，还用于若所述平均值小于或等于所述预设目标准确率，则该检测周期未出现目标行为。

进一步地，所述第一执行模块包括：

第一获取子模块，用于持续获取所述深度数据中的目标行为人位置；

第四执行子模块，用于根据所述目标行为人位置，控制所述深度摄像头对所述目标行为人进行视线跟踪。

进一步地，所述电子装置还包括：

第二执行模块，用于当接收到用户发送的停止监控指令时，控制所述深度摄像头停止运行，并隐藏所述深度摄像头。

进一步地，所述第二执行模块包括：

第三执行子模块，用于持续采集用户的语音数据，并对所述语音数据进行语音识别操作得到语音识别结果；

第四执行子模块，用于匹配与所述语音识别结果对应的控制指令；

第五执行子模块，用于当匹配到与所述语音识别结果对应的控制指令为停止监控指令时，控制所述深度摄像头停止运行，并隐藏所述深度摄像头。

此处需要说明的是，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例所公开的内容。需要说明的是，上述模块作为装置的一部分可以通过软件实现，也可以通过硬件实现，其中，硬件环境包括网络环境。

参照图3，在硬件结构上所述空调可以包括通信模块10、存储器20以及处理器30等部件。在所述空调中，所述处理器30分别与所述存储器20以及所述通信模块10连接，所述存储器20上存储有计算机程序，所述计算机程序同时被处理器30执行，所述计算机程序执行时实现上述方法实施例的步骤。

通信模块10，可通过网络与外部通讯设备连接。通信模块10可以接收外部通讯设备发出的请求，还可以发送请求、指令及信息至所述外部通讯设备，所述外部通讯设备可以是其它空调、服务器或者物联网设备，例如电视等等。

存储器20，可用于存储软件程序以及各种数据。存储器20可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如根据所述第一深度数据判断所述检测区域是否出现目标行为)等；存储数据区可包括数据库，存储数据区可存储根据系统的使用所创建的数据或信息等。此外，存储器20可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

处理器30，是空调的控制中心，利用各种接口和线路连接整个空调的各个部分，通过运行或执行存储在存储器20内的软件程序和/或模块，以及调用存储在存储器20内的数据，执行空调的各种功能和处理数据，从而对空调进行整体监控。处理器30可包括一个或多个处理单元；可选地，处理器30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30中。

进一步地，上述空调还包括深度摄像头，所述深度摄像头可伸缩地设置于所述空调上；

所述深度摄像头伸出时，暴露于所述空调外；所述深度摄像头收缩时，隐藏于所述空调内部。

用户通过停止监控指令控制深度摄像头的工作状态，所述深度摄像头工作时伸出；所述深度摄像头关闭时收缩。

尽管图3未示出，但上述空调还可以包括电路控制模块，所述电路控制模块用于与电源连接，保证其他部件的正常工作。本领域技术人员可以理解，图3中示出的空调结构并不构成对空调的限定，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。

本发明还提出一种计算机可读存储介质，其上存储有计算机程序。所述计算机可读存储介质可以是图3的空调中的存储器20，也可以是如ROM(Read-Only Memory，只读存储器)/RAM(Random Access Memory，随机存取存储器)、磁碟、光盘中的至少一种，所述计算机可读存储介质包括若干指令用以使得一台具有处理器的终端设备(可以是电视，汽车，手机，计算机，服务器，终端，或者网络设备等)执行本发明各个实施例所述的方法。

在本发明中，术语“第一”“第二”“第三”“第四”“第五”仅用于描述的目的，而不能理解为指示或暗示相对重要性，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

尽管上面已经示出和描述了本发明的实施例，本发明保护的范围并不局限于此，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改和替换，这些变化、修改和替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。