扎堆行为检测方法及系统与流程

1.本发明涉及模式识别技术领域，尤其涉及一种扎堆行为检测方法及系统。


背景技术：

2.在畜牧养殖中，人工养殖区内经常会出现牲畜扎堆现象，及时发现扎堆行为并处理，对检查养殖区内环境状况以及牲畜健康情况，具有重要价值。
3.相关技术中，大部分养殖区内均采用人工养殖的方法，例如养殖猪群时，需要通过人力巡检的方式检测猪群的扎堆行为，这种巡检方式对巡检人员有较高的专业要求，且费时费力，在人力有限时对扎堆行为的排查往往不及时，导致产生养殖生产损失。


技术实现要素：

4.本发明提供一种扎堆行为检测方法及系统，用以解决现有技术以人工巡检的方式排查牲畜扎堆行为时消耗人力成本大且排查不及时的缺陷，提高了对人工养殖区内牲畜扎堆行为检测的效率。
5.本发明提供一种扎堆行为检测方法，包括：接收视频终端发送的视频帧，所述视频帧包括多个待检测目标；基于所述视频帧，获得所述待检测目标的数量信息和位置信息，并将所述位置信息按照第一比例进行转换，得到目标位置信息，所述第一比例用于表示所述待检测目标在所述视频帧中的像素距离与地面对应距离的比值；基于所述数量信息和所述目标位置信息，得到所述待检测目标的扎堆行为信息。
6.根据本发明提供的一种扎堆行为检测方法，所述基于所述数量信息和所述目标位置信息，得到所述待检测目标的扎堆行为信息，包括：基于第一聚类模型对所述数量信息和所述目标位置信息进行聚类处理，得到由所述第一聚类模型输出的多个目标簇；当第一目标簇中的待检测目标数目不超过所述待检测目标的总数的一半，且最大目标簇中的待检测目标数目超过第二目标簇中的待检测目标数目的一半时，确定所述待检测目标具有扎堆行为，所述第二目标簇为多个所述目标簇中除所述第一目标簇外的其他目标簇；其中，所述第一目标簇中的待检测目标数目小于第一阈值，所述待检测目标的总数基于所述数量信息确定。
7.根据本发明提供的一种扎堆行为检测方法，所述位置信息包括多个待检测目标在所述视频帧中对应的像素坐标，所述将所述位置信息按照第一比例进行转换，得到目标位置信息，包括：将多个所述像素坐标输入至如下公式，得到多个所述待检测目标之间的实际坐标：
其中，i为自然数，a表示转换参数，x表示所述像素间距，x表示实际间距；基于多个所述实际坐标，得到所述目标位置信息。
8.根据本发明提供的一种扎堆行为检测方法，所述基于所述视频帧，获得所述待检测目标的数量信息和位置信息，包括：将所述视频帧数据输入至第一模型，得到由所述第一模型输出的所述数量信息和所述位置信息；其中，所述第一模型用于识别所述待检测目标在所述视频帧中对应目标框的数目和位置，所述位置信息基于所述待检测目标对应目标框的几何中心确定。
9.根据本发明提供的一种扎堆行为检测方法，第一模型通过如下步骤得到：基于yolov5模型对将第一数据集进行预训练，得到预训练模型；以所述预训练模型的目标参数作为初始参数，以样本检测目标为训练样本，以所述样本检测目标对应的标签为训练标签对所述yolov5模型进行训练，得到所述第一模型。
10.根据本发明提供的一种扎堆行为检测方法，在所述得到所述待检测目标的扎堆行为信息之后，包括：将所述扎堆行为信息发送给应用服务器，所述应用服务器用于基于所述扎堆行为信息指示智能终端进行目标操作，所述智能终端包括客户终端和移动终端。
11.本发明还提供一种扎堆行为检测系统，包括：接收单元，用于接收视频终端发送的视频帧，所述视频帧包括多个待检测目标；第一处理单元，用于基于所述视频帧，获得所述待检测目标的数量信息和位置信息，并将所述位置信息按照第一比例进行转换，得到目标位置信息，所述第一比例用于表示所述待检测目标在所述视频帧中的像素距离与地面对应距离的比值；第二处理单元，用于基于所述数量信息和所述目标位置信息，得到所述待检测目标的扎堆行为信息。
12.根据本发明提供的一种扎堆行为检测系统，所述系统还包括：发送单元，用于在得到所述待检测目标的扎堆行为信息之后，将所述扎堆行为信息发送给应用服务器，所述应用服务器用于基于所述扎堆行为信息指示智能终端进行目标操作，所述智能终端包括客户终端和移动终端。
13.本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述扎堆行为检测方法。
14.本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述扎堆行为检测方法。
15.本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述扎堆行为检测方法。
16.本发明提供的扎堆行为检测方法及系统，通过接收视频终端发送的包含多个待检测目标视频帧，然后检测视频帧中待检测目标数目及其位置信息，接着利用第一比例尺将位置信息转换后并结合待检测目标的数目，得到多个待检测目标对应的扎堆行为信息，实
现了仅识别视频帧中的待检测目标的数量和位置，就能够对进行待检测目标扎堆行为的检测，提高了扎堆行为检测效率，同时节约了成本。
附图说明
17.为了更清楚地说明本发明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一简单地介绍，显而易见地，下面描述中的附图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。
18.图1是本发明提供的扎堆行为检测方法的流程示意图之一；图2是本发明提供的扎堆行为检测方法的流程示意图之二；图3是本发明提供的相机拍照角度及位置修正示意图之一；图4是本发明提供的相机拍照角度及位置修正示意图之二；图5是本发明提供的扎堆行为检测系统的结构示意图之一；图6是本发明提供的扎堆行为检测系统的结构示意图之二；图7是本发明提供的扎堆行为检测系统的结构示意图之三；图8是本发明提供的电子设备的结构示意图。
具体实施方式
19.为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，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作出创造性劳动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。
20.下面结合图1-图6描述本发明的扎堆行为检测方法及系统。
21.如图1所述，该扎堆行为检测方法，包括：步骤110、步骤120和步骤130。
22.步骤110、接收视频终端发送的视频帧，视频帧包括多个待检测目标。
23.在该步骤中，gpu服务器用于将视频终端发送的视频数据进行分析和处理。
24.在该步骤中，视频终端可以是视频监控设备，用于实时采集监控区域的画面，例如，视频终端可以是安装在养殖区的摄像头，摄像头可全天对养殖区的画面进行监控。
25.在该步骤中，视频终端发送至gpu服务器的数据可以是一段视频，包括多个连续的视频帧，也可以是视频中的一个或多个视频帧。
26.在该步骤中，待检测的物体可以是人、动物或其他可运动的物体。
27.下面，以对养殖区内猪只活动情况进行监控为例进行说明。
28.在该实施例中，视频终端为安装在养殖区内的监控设备，监控设备拍摄到某个时刻或某段时间内的多个猪只的活动画面，并将这些画面对应的视频帧发送到gpu服务器，gpu服务器接收到视频帧后对其进行分析和处理，并判断养殖区内猪只是否存在扎堆行为。
29.步骤120、基于视频帧，获得待检测目标的数量信息和位置信息，并将位置信息按照第一比例进行转换，得到目标位置信息，第一比例用于表示待检测目标在视频帧中的像素距离与地面对应距离的比值。
30.在该步骤中，视频帧包含了多种目标，例如，摄像头拍摄到猪舍内的画面时，画面
中可以包含猪只、护栏和食槽等目标，其中待检测目标为猪只。
31.在该实施例中，数量信息为视频帧中识别出待检测目标的数量，例如，gpu服务器识别出摄到猪舍内的画面中包含了40只猪。
32.在该实施例中，位置信息可以是视频帧中识别出待检测目标的像素坐标。
33.在该实施例中，可以利用目标检测算法识别出视频帧中待检测目标，该目标检测算法可以是基于深度学习的目标检测算法，例如，基于yolo模型的目标检测算法等；也可以是基于机器学习的目标检测算法，例如，基于支撑向量机的目标检测算法。
34.需要说明的是，由于摄像设备的拍摄角度不同，在视频帧中的远处物体所在的像素位置与其实际位置有所偏差，导致后续猪只行为分析判断根据视频帧检测出的位置信息出现误差，因此，需要将多个待检测目标在视频帧中的像素距离通过第一比例进行转换，得到待检测目标的实际间距，即对待检测目标的像素位置进行修正。
35.在该实施例中，第一比例可以是根据多次试验得到的修正参数，也可以是根据实际需求自定义设置的参数。
36.在该实施例中，将视频帧输入yolo模型进行目标检测，识别视频帧中猪只数量以及猪只所在的位置信息，将猪只的位置信息按照修正参数进行转换得到猪只的目标位置信息。
37.步骤130、基于数量信息和目标位置信息，得到待检测目标的扎堆行为信息。
38.在该步骤中，扎堆行为信息是指在视频帧中识别的待检测目标是否存在扎堆行为。
39.在该实施例中，根据待检测目标的数量以及目标位置信息，可以利用聚类算法将识别出的待检测目标按照距离进行分类，得到猪只的多个分簇。
40.在该实施例中，聚类算法可以是基于密度的聚类算法，例如，dbscan算法或kmeans算法。
41.在该实施例中，聚类算法可以采用欧氏距离（euclid distance）、曼哈顿距离(manhattan distance)或切比雪夫距离（chebyshev distance）等。
42.在该实施例中，经过猪只的分簇后，可以根据各分簇中猪只的密度是否满足扎堆的条件，来判断该视频帧中是否存在猪只扎堆行为。
43.在一些实施例中，当确认视频帧中任一分簇存在猪只扎堆行为后，提醒巡检人员前往该分簇对应的实际场地进行应急处理，以减少因猪只扎堆而带来的养殖损失。
44.本发明提供的扎堆行为检测方法，通过接收视频终端发送的包含多个待检测目标视频帧，然后检测视频帧中待检测目标数目及其位置信息，接着利用第一比例尺将位置信息转换后并结合待检测目标的数目，得到多个待检测目标对应的扎堆行为信息，该方法仅识别视频帧中的待检测目标的数量和位置，就能够对进行待检测目标扎堆行为的检测，提高了扎堆行为检测效率，同时节约了成本。
45.在一些实施例中，基于数量信息和目标位置信息，得到待检测目标的扎堆行为信息，包括：基于第一聚类模型对数量信息和目标位置信息进行聚类处理，得到由第一聚类模型输出的多个目标簇；当第一目标簇中的待检测目标数目不超过待检测目标的总数的一半，且最大目标簇中的待检测目标数目超过第二目标簇中的待检测目标数目的一半时，确定待检测目标具有扎堆行为，第二目标簇为多个目标簇中除第一目标簇外的其他目标簇；
其中，第一目标簇中的待检测目标数目小于第一阈值，待检测目标的总数基于数量信息确定。
46.在该实施例中，第一聚类模型可以是dbscan算法或kmeans算法等用于进行目标聚类的算法或模型。
47.在该实施例中，多个目标簇为基于多个待检测目标的数量和目标位置进行聚类的输出结果。
48.在该实施例中，可以将各待检测目标领域的距离阈值以及第一阈值可根据实际需求自定义设置，例如，各待检测目标领域的距离阈值设定为80cm，第一阈值（目标簇内最小样本数）可以设置为3，即各目标簇中的待检测目标的最大实际距离不超过80cm，且各目标簇内至少包括3个待检测目标。
49.需要说明的是，实际情况中存在单个或低于最小样本数的待检测目标作为单独的分簇，这类分簇即为第一目标簇，除第一目标簇外的其他目标簇内样本数均不低于最小样本数。
50.在该实施例中，视频帧中识别的猪只数量为40，根据这40只猪的目标位置，利用dbscan算法进行分类，样本间距衡量使用欧式距离，各猪只领域的距离阈值设定为80cm，簇内最小样本数设置为3，经过分簇后得到编号为0-7的8个目标簇，各目标簇内对应的猪只数目分别为：2、2、2、18、3、4、6和3，由于第一目标簇内的样本数低于最小样本数3，则编号为0、1和2对应的分簇为第一目标簇，第一目标簇的猪只数为6，少于识别的猪只数目的一半（对应数量为20），而且编号为3的目标簇内的猪只数（对应数量为18）超过了除第一目标簇外的其他目标簇内猪只总数的一半（对应数量为17），则编号3对应给的目标簇内存在猪只扎堆行为，进而，可以认为该视频帧中的待检测目标具有扎堆行为。
51.在图2所示的实施例中，gpu服务器周期性接收视频终端发送的视频帧，并对视频帧画面中的猪只进行目标检测，以获取猪只的位置信息，将猪只的位置信息按照第一比例进行转换后得到目标位置信息，再根据密度聚类算法和猪只对应的目标位置信息对猪只进行聚类，最后根据聚类结果判断猪只是否存在扎堆行为。
52.在一些实施例中，只要任一目标簇内存在猪只扎堆行为，则需要提醒巡检人员前该往目标簇对应实际区域进行处理。
53.本发明提供的扎堆行为检测方法，通过第一聚类模型根据待检测目标基于数量信息和目标位置信息进行聚类得到多个目标簇，然后判断包含最大样本的目标簇是否满足预设条件，以判别视频帧中是否存在扎堆行为，这种利用聚类的方法对视频数据进行智能筛选，提高了识别效率和识别的准确率。
54.在一些实施例中，位置信息包括多个待检测目标在视频帧中对应的像素坐标，将位置信息按照第一比例进行转换，得到目标位置信息，包括：将多个像素坐标输入至如下公式，得到多个待检测目标之间的实际坐标：其中，i为自然数，a为转换参数，x为像素间距，x为实际间距；基于多个实际坐标，得到目标位置信息。
55.需要说明的是，相机的不同拍摄角度影响着成像后的像素坐标与实际坐标的偏
差，需要获取经过多次试验获取修正参数，将待检测目标在视频帧上的像素坐标进行修正，得到实际坐标。
56.在图3所示的实施例中，相机拍摄夹角为0
°
，当待检测目标在地面坐标系的实际位置与相机的拍摄夹角为时，该待检测目标在地面坐标系的坐标为（x0，0），在成像面坐标系的坐标为（x0，0）；当待检测目标在地面坐标系的实际位置与相机的拍摄夹角为时，该待检测目标在地面坐标系的坐标为（x1，0），在成像面坐标系的坐标为（x1，0）。
57.在该实施例中，相机与地面的拍摄夹角为0
°
时，相机拍摄夹角与地面平行，可得：其中，为参数，且，x为多个待检测目标的实际间距，x为多个待检测目标的像素间距，为相机距离地面高度，为相机焦距。
58.在图4所示的实施例中，相机拍摄夹角不为0
°
，即相机与地面存在一定的拍摄夹角时，可得到如下表达式：其中，表示待检测目标在地面坐标系的实际位置与相机的拍摄夹角，联合上述两式，得到：其中，均表示角度参数，。
59.对上式进行泰勒展开，得到：其中，，当像素坐标x比较小时，，当像素坐标x比较大时，为常数项，则上述式子可等价为下式：其中，i为自然数，成像坐标x与空间实际坐标x可用一个多项式进行等价转换，而为需要根据实际相机情况求出的修正参数。
60.在一些实例中，可以通过预实验确定上述修正参数。
61.在该实施例中，可以先制作标有水平刻度的长杆，比如长杆为10m，分割为100等分，每刻度长度约0.1m，水平置于地面，然后使用相机进行拍照，可获取100个图片中的长杆刻度像素距离x，而长杆刻度的实际距离x已知。
62.在该实施例中，可以根据实际需求，制作不同刻度、不同长度的长杆来修正参数。
63.本发明提供的扎堆行为检测方法，通过将视频帧中的待检测目标对应的像素坐标转换成实际坐标，减少因拍摄角度不同而带来的测量误差，提高了目标位置信息可靠性，进而提高了识别效率和识别的准确率。
64.在一些实施例中，基于视频帧，获得待检测目标的数量信息和位置信息，包括：将视频帧输入至第一模型，得到由第一模型输出的数量信息和位置信息；其中，第一模型用于识别待检测目标在视频帧中对应目标框的数目和位置，位置信息基于待检测目标对应目标框的几何中心确定。
65.在该实施例中，第一模型可以是用于模式识别的目标检测模型，例如，第一名模型可以是，yolo网络模型或svm模型。
66.在该实施例中，视频帧中可以包含多个目标信息，待检测目标为可能发生扎堆行为的可移动物体，例如，针对养殖区拍摄的视频帧，待检测目标可以是猪只。
67.在该实施例中，第一模型检测视频帧中多个待检测目标的数量和位置时，第一模型会根据各待检测目标的轮廓进行标注得到各待检测目标对应的目标框，该目标框可以是待检测目标的外接矩形或外接圆等，也可以是待检测目标的轮廓。
68.在该实施例中，以各待检测目标对应目标框的几何中心作为待检测目标在帧图像上的位置，该位置可以用像素坐标表示。
69.在该实施例中，将养殖区拍摄的视频帧输入至yolo网络模型进行目标识别，可以得到标注猪只坐标和数量的帧图像。
70.本发明提供的扎堆行为检测方法，通过目标检测模型对视频帧中的待检测目标进行模式识别，以获取待检测目标中数量信息和位置信息，相较于人工巡检的方式更加高效，且为后续过程对待检测目标进行分簇提供了数据基础。
71.在一些实施例中，第一模型通过如下步骤得到：基于yolov5模型对将第一数据集进行预训练，得到预训练模型；以预训练模型的目标参数作为初始参数，以样本检测目标为训练样本，以样本检测目标对应的标签为训练标签对yolov5模型进行训练，得到第一模型。
72.在该实施例中，yolov5模型作为第一模型的初始网络模型。
73.需要说明的是，yolov5模型在对多目标识别的处理速度上优势明显，而养殖区内的牲畜扎堆时需要进行及时处理，因此，可以使用yolov5模型作为第一模型对视频帧中的待检测目标进行分析和处理，以保证数据处理的效率。
74.需要说明的是，在针对样本检测目标不充足的情况下，是用迁移学习能够通用特征学习从其他已经训练好的网络中迁移过来，从而节省模型训练时间，并且得到较好的识别结果。
75.在该实施例中，第一数据可以是coco（microsoft common objects in context）数据集，也可以是pascal voc（pascal visual object classes）数据集。
76.在该实施例中，将coco数据集输入至yolov5模型进行预训练，预训练结束后，将通过预训练得到的网络参数直接作为yolov5模型的初始参数，并冻结骨干网络参数，只对高层特征进行学习，训练样本使用猪只训练样本911张，泛化样本456张，测试样本81张，yolov5模型在迭代训练约200次后收敛，从而得到可用于进行猪只检测的第一模型。
77.在一些实施例中，第一模型的初始网络模型可以是yolov5s6、yolov5m6或
yolov5l6等模型。
78.本发明提供的扎堆行为检测方法，通过将yolov5模型在第一数据集上的预训练参数作为初始参数进行迁移学习训练，得到可进行目标识别的第一模型，在保证识别准确率的情况下缩短了训练过程，并提高了提取的待检测目标位置信息和数量信息的准确性。
79.在一些实施例中，在得到待检测目标的扎堆行为信息之后，还包括：将扎堆行为信息发送给应用服务器，应用服务器用于基于扎堆行为信息指示智能终端进行目标操作，智能终端包括客户终端和移动终端。
80.在该实施例中，扎堆行为信息中包含动物扎堆行为时，应用服务器产生报警信息，并将报警信息发送给客户端和移动端，客户端和移动端中任一处的巡检人员收到报警信息后，前往发生扎堆行为的区域进行应急处理。
81.在图5所示的实施例中，gpu服务器通过对视频终端发送的视频帧进行待检测目标识别以及待检测目标聚类分析等处理操作后，gpu服务器将处理结果发送给应用服务器，应用服务器根据处理结果进行预警，并将预警信息发送至客户终端和移动终端，以执行相应的应急处理。
82.在该实施例中，客户终端可以是电脑，移动终端可以是智能手机或智能手环等。
83.本发明提供的扎堆行为检测方法，通过将扎堆行为信息发送给应用服务器产生告警信息，并将报警信息推送给智能终端，有助于巡检人员及时发现并处理对应养殖区的动物扎堆行为，减少养殖生产损失。
84.下面对本发明提供的扎堆行为检测系统进行描述，下文描述的扎堆行为检测系统与上文描述的扎堆行为检测方法可相互对应参照。
85.如图6所示，本发明还提供一种扎堆行为检测系统，包括：接收单元610，用于接收视频终端发送的视频帧，视频帧包括多个待检测目标；第一处理单元620，用于基于视频帧，获得待检测目标的数量信息和位置信息，并将位置信息按照第一比例尺进行转换，得到目标位置信息，第一比例用于表示待检测目标在视频帧中的像素距离与地面对应距离的比值；第二处理单元630，用于基于数量信息和目标位置信息，得到待检测目标的扎堆行为信息。
86.本发明提供的扎堆行为检测系统，通过接收单元610接收视频终端发送的包含多个待检测目标视频帧，然后通过第一处理单元620检测视频帧中待检测目标数目及其位置信息，接着利用第一比例尺将位置信息转换后并结合待检测目标的数目，最后通过第二处理单元630得到多个待检测目标对应的扎堆行为信息，该系统仅识别视频帧中的待检测目标的数量和位置，就能够对进行待检测目标扎堆行为的检测，提高了扎堆行为检测效率，同时节约了成本。
87.如图7所示，根据本发明提供的一种扎堆行为检测系统，还包括：发送单元640，用于在得到待检测目标的扎堆行为信息之后，将扎堆行为信息发送给应用服务器，应用服务器用于基于扎堆行为信息指示智能终端进行目标操作，智能终端包括客户终端和移动终端。
88.本发明提供的扎堆行为检测系统，通过发送单元640将扎堆行为信息发送给应用服务器产生告警信息，并将报警信息推送给智能终端，有助于巡检人员及时发现并处理对
应养殖区的动物扎堆行为，减少养殖生产损失。
89.图8示例了一种电子设备的实体结构示意图，如图8所示，该电子设备可以包括：处理器(processor)810、通信接口(communications interface)820、存储器(memory)830和通信总线840，其中，处理器810，通信接口820和存储器830通过通信总线840完成相互间的通信。处理器810可以调用存储器830中的逻辑指令，以执行扎堆行为检测方法，该方法包括：接收视频终端发送的视频帧，视频帧包括多个待检测目标；基于视频帧，获得待检测目标的数量信息和位置信息，并将位置信息按照第一比例进行转换，得到目标位置信息，第一比例用于表示待检测目标在视频帧中的像素距离与地面对应距离的比值；基于数量信息和目标位置信息，得到待检测目标的扎堆行为信息。
90.此外，上述的存储器830中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。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或者该技术方案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中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器（rom，read-only memory）、随机存取存储器（ram，random access memory）、磁碟或者光盘等各种可以存储程序代码的介质。
91.另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的扎堆行为检测方法，该方法包括：接收视频终端发送的视频帧，视频帧包括多个待检测目标；基于视频帧，获得待检测目标的数量信息和位置信息，并将位置信息按照第一比例进行转换，得到目标位置信息，第一比例用于表示待检测目标在视频帧中的像素距离与地面对应距离的比值；基于数量信息和目标位置信息，得到待检测目标的扎堆行为信息。
92.又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的扎堆行为检测方法，该方法包括：接收视频终端发送的视频帧，视频帧包括多个待检测目标；基于视频帧，获得待检测目标的数量信息和位置信息，并将位置信息按照第一比例进行转换，得到目标位置信息，第一比例用于表示待检测目标在视频帧中的像素距离与地面对应距离的比值；基于数量信息和目标位置信息，得到待检测目标的扎堆行为信息。
93.以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
94.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各实施方式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。基于这样的理解，上述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，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指
令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行各个实施例或者实施例的某些部分所述的方法。
95.最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。