一种动物监控方法及装置与流程

本申请涉及监控技术领域，尤其涉及一种动物监控方法及装置。

背景技术：

人们生活的地域范围内通常存在一些动物，例如，可能存在由于主人疏忽或故意丢弃等原因而产生的流浪动物，或者，可能存在一些野外动物。这些动物会影响公共卫生，甚至给人们的人身安全带来危害。为了解决上述问题，城市管理人员会人工搜寻流浪动物或野生动物，并对搜寻到的动物进行妥善管理。

然而，人工搜寻流浪动物或野生动物的效率比较低下，且存在漏查的情况。

技术实现要素：

本申请实施例的目的在于提供一种动物监控方法及装置，以解决搜寻效率低，漏查率高的问题。具体技术方案如下：

第一方面，提供了一种动物监控方法，所述方法包括：

获取目标监控设备采集到的监控视频；

通过动物检测算法确定所述监控视频中是否包含动物图像；

如果所述监控视频中包含动物图像，则通过动物特征提取算法从所述动物图像中提取动物特征；

根据待监控的动物类别对应的动物特征、提取出的动物特征、以及采集所述监控视频的监控设备所处的地形信息，判断所述动物图像包含的动物是否属于所述待监控的动物类别；

如果所述动物图像包含的动物属于所述待监控的动物类别，则输出所述动物所属的动物类别的第一预警信息。

可选的，所述根据待监控的动物类别对应的动物特征、提取出的动物特征、以及采集所述监控视频的监控设备所处的地形信息，判断所述动物图像包含的动物是否属于所述待监控的动物类别，包括：

针对每个待监控的动物类别，计算所述动物类别对应的动物特征与提取出的动物特征的相似度；

如果相似度大于预设相似度阈值，则判断所述动物类别对应的地形信息与采集所述监控视频的监控设备所处的地形信息是否相同；

如果相同，则判定所述动物图像包含的动物属于所述动物类别；如果不相同，判定所述动物图像包含的动物不属于所述动物类别。

可选的，所述如果所述监控视频中包含动物图像，则通过动物特征提取算法从所述动物图像中提取动物特征之后，还包括：

通过行人检测算法确定所述监控视频中是否包含行人图像；

所述如果所述监控视频中包含行人图像，则通过行人特征提取算法从所述行人图像中提取行人的特征，并根据对象跟踪算法，确定所述行人与所述动物图像包含的动物的同时出现时长是否大于预设时长阈值；

如果所述行人与所述动物图像包含的动物的同时出现时长不大于所述预设时长阈值，则执行所述根据待监控的动物类别对应的动物特征、提取出的动物特征、以及采集所述监控视频的监控设备所处的地形信息，判断所述动物图像包含的动物是否属于所述待监控的动物类别的步骤。

可选的，所述方法还包括：

如果所述监控视频中包含动物图像，则通过动物行为检测算法，确定所述动物图像包含的动物的动物行为；

如果所述动物行为是预设危险行为，则输出第二预警信息。

可选的，所述输出所述动物所属的动物类别的第一预警信息，包括：

根据预设的动物类别和预警终端的对应关系，确定所述动物所属的动物类别对应的目标预警终端；

向所述目标预警终发送所述动物所属的动物类别的第一预警信息。

第二方面，提供了一种动物监控装置，所述装置包括：

获取模块，用于获取目标监控设备采集到的监控视频；

第一确定模块，用于通过动物检测算法确定所述监控视频中是否包含动物图像；

提取模块，用于如果所述监控视频中包含动物图像，则通过动物特征提取算法从所述动物图像中提取动物特征；

判断模块，用于根据待监控的动物类别对应的动物特征、提取出的动物特征、以及采集所述监控视频的监控设备所处的地形信息，判断所述动物图像包含的动物是否属于所述待监控的动物类别；

第一输出模块，用于如果所述动物图像包含的动物属于所述待监控的动物类别，则输出所述动物所属的动物类别的第一预警信息。

可选的，所述判断模块，具体用于：

针对每个待监控的动物类别，计算所述动物类别对应的动物特征与提取出的动物特征的相似度；

如果相似度大于预设相似度阈值，则判断所述动物类别对应的地形信息与采集所述监控视频的监控设备所处的地形信息是否相同；

如果相同，则判定所述动物图像包含的动物属于所述动物类别；如果不相同，判定所述动物图像包含的动物不属于所述动物类别。

可选的，所述装置还包括：

第二确定模块，用于通过行人检测算法确定所述监控视频中是否包含行人图像；

第三确定模块，用于所述如果所述监控视频中包含行人图像，则通过行人特征提取算法从所述行人图像中提取行人的特征，并根据对象跟踪算法，确定所述行人与所述动物图像包含的动物的同时出现时长是否大于预设时长阈值；

如果所述行人与所述动物图像包含的动物的同时出现时长不大于所述预设时长阈值，则触发所述判断模块执行所述根据待监控的动物类别对应的动物特征、提取出的动物特征、以及采集所述监控视频的监控设备所处的地形信息，判断所述动物图像包含的动物是否属于所述待监控的动物类别的步骤。

可选的，所述装置还包括：

第四确定模块，用于如果所述监控视频中包含动物图像，则通过动物行为检测算法，确定所述动物图像包含的动物的动物行为；

第二输出模块，用于如果所述动物行为是预设危险行为，则输出第二预警信息。

可选的，所述第一输出模块，具体用于：

根据预设的动物类别和预警终端的对应关系，确定所述动物所属的动物类别对应的目标预警终端；

向所述目标预警终发送所述动物所属的动物类别的第一预警信息。

第三方面，提供了一种服务器，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；

存储器，用于存放计算机程序；

处理器，用于执行存储器上所存放的程序时，实现第一方面任一所述的方法步骤。

第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现第一方面任一所述的方法步骤。

第五方面，提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述任一所述的动物监控方法。

本申请实施例有益效果：

本申请实施例提供了一种动物监控方法，可以获取目标监控设备采集到的监控视频，通过动物检测算法确定监控视频中是否包含动物图像，如果监控视频中包含动物图像，则通过动物特征提取算法从动物图像中提取动物特征，根据待监控的动物类别对应的动物特征、提取出的动物特征、以及采集监控视频的监控设备所处的地形信息，判断动物图像包含的动物是否属于待监控的动物类别，如果动物图像包含的动物属于待监控的动物类别，则输出动物所属的动物类别的第一预警信息。这样，可以从监控视频中自动识别出待监控的动物类型的动物，并进行报警，无需人工搜寻，提高了搜寻效率，并降低了漏查率。

当然，实施本申请的任一产品或方法并不一定需要同时达到以上所述的所有优点。

附图说明

为了更清楚地说明本申请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地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，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一种动物监控方法的流程图；

图2为本申请实施例提供的另一种动物监控方法的流程图；

图3为本申请实施例提供的另一种动物监控方法的流程图；

图4为本申请实施例提供的另一种动物监控方法的流程图；

图5为本申请实施例提供的另一种动物监控方法的流程图；

图6为本申请实施例提供的一种动物监控装置的结构示意图；

图7为本申请实施例提供的一种服务器的结构示意图。

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、完整地描述，显然，所描述的实施例仅仅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做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。

本申请实施例提供了一种动物监控方法，可以应用于服务器中，其中，该服务器可以是监控系统中的后台服务器。该服务器可以与各监控设备连接，并接收各监控设备发送的监控视频。该服务器可以通过动物检测算法检测监控视频中的动物图像，进而通过动物特征提取算法从动物图像中提取动物特征，然后，可以根据待监控的动物类别对应的动物特征、提取出的动物特征、以及采集监控视频的监控设备所处的地形信息，判断动物图像包含的动物是否属于待监控的动物类别，如果动物图像包含的动物属于待监控的动物类别，则输出动物所属的动物类别的第一预警信息。从而实现自动识别待监控的动物类型的动物，并进行报警，无需人工搜寻，提高了搜寻效率，并降低了漏查率。

下面将结合具体实施方式，对本申请实施例提供的一种动物监控方法进行详细的说明，如图1所示，具体步骤如下：

步骤101，获取目标监控设备采集到的监控视频。

本申请实施例中，可以在待监控区域中设置监控设备。例如，可以在郊外部署摄像头，或者，可以在禁止动物进入的区域附近设置监控设备，比如地铁站、火车站、商场等。其中，监控设备可以是具有体积小、隐蔽性强、可自我续航等特点的监控设备。监控设备在运行后，可以实时采集所属监控区域的监控视频，然后，可以将采集的监控视频发送给后台的服务器，服务器则可以接收各监控设备发送的监控视频。

步骤102，通过动物检测算法确定监控视频中是否包含动物图像。

本申请实施例中，服务器中可以预先存储有动物检测算法。服务器接收到监控视频后，针对每个监控视频，可以根据该监控视频包含的监控图像和动物检测算法，在该监控视频中进行动物检测，从而确定该监控视频中是否包含动物图像。

具体的，服务器可以周期性的进行检测，相应的，针对服务器接收到的任一监控视频，服务器在接收到该监控视频的监控图像后，可以提取预设时长内该监控视频所包含的监控图像，以进行本次计算。当达到下一周期时，重新进行计算，以实时检测监控视频中是否存在动物。其中，服务器可以通过opencv从监控视频中提取监控图像。

当服务器获取目标监控视频在预设时长内的监控图像后，可以通过预设的动物检测算法，识别该监控图像中是否包含动物，并且，可以通过动物检测算法提取监控图像中包含的动物的轮廓，然后根据该动物的轮廓确定动物对应的候选区域框，进而提取该候选区域框所包含的图像，得到该动物的动物图像。其中，动物检测算法可以是现有的任意具有动物检测功能的算法，比如yolo框架算法、深度学习神经网络等，该深度学习神经网络具体可以是faster-rcnn(fasterregion-basedconvolutionalneuralnetwork，基于高速区域提议的卷积神经网络)、rcnn等。

另外，服务器提取出动物图像后，可以对这些动物图像做进一步的筛选。具体的，针对每张动物图像，服务器可以判断该动物图像是否满足预设清晰度条件、以及该动物图像的置信度是否大于预设阈值。如果该动物图像满足预设清晰度条件、且该动物图像的置信度大于或等于预设阈值，则说明该动物图像为可用图片，保存该动物图像。如果该动物图像不满足预设清晰度条件、或者该动物图像的置信度小于预设阈值，则说明该动物图像为不可用图片，丢弃该动物图像。

可选的，为了分担服务器压力,监控系统中还可以设置有用于进行边缘计算的智能终端(比如智能盒子)，智能终端通过wifi可以覆盖多个监控设备，并连接电线和网线，以提高续航和网络稳定性。另外，智能终端还可以与服务器进行通信。在该场景下，步骤102的处理可以由智能终端完成，智能终端可以将筛选后的动物图像上报给服务器，以使服务器进行后续处理。服务器则可以通过与智能终端的接口、或者智能终端发送的各监控视频的标识，确定接收到的动物图像属于哪一路监控视频。

步骤103，如果监控视频中包含动物图像，则通过动物特征提取算法从动物图像中提取动物特征。

本申请实施例中，服务器获取到动物图像后，可以通过动物特征提取算法从动物图像中提取动物特征。其中，动物特征提取算法可以为resnet50网络模型，也可以为机器学习算法、深度学习神经网络等，该深度学习神经网络可以是faster-rcnn、rcnn等，本申请实施例不做限定。

步骤104，根据待监控的动物类别对应的动物特征、提取出的动物特征、以及采集监控视频的监控设备所处的地形信息，判断动物图像包含的动物是否属于待监控的动物类别。

本申请实施例中，技术人员可以在后台系统中设置需要监控的动物类别，例如，可以上传该动物类别的动物图像，服务器则可以存储这些动物图像，并可以从动物图像中提取动物特征，并进行存储。

服务器可以确定采集监控视频的监控设备所处的地形信息，进而根据预设的地形信息和动物类别的对应关系，确定该地形信息对应的动物类别，确定出的动物类别是待监控的动物类别中，可能出现在该监控设备周围的动物的类别。服务器可以获取这些动物类别对应的动物特征，针对确定出的每个动物类别，服务器可以计算提取出的动物特征与该动物类别对应的动物特征的相似度。如果相似度大于或等于预设相似度阈值，则可以判定该动物图像包含的动物属于待监控的动物类别。如果相似度小于预设相似度阈值，则可以判定该动物图像包含的动物不属于待监控的动物类别。

步骤105，如果动物图像包含的动物属于待监控的动物类别，则输出动物所属的动物类别的第一预警信息。

本申请实施例中，如果服务器判定动物图像包含的动物属于某待监控的动物类别(可称为目标动物类别)，则可以输出对应目标动物类别的第一预警信息。其中，第一预警信息可以包括该动物图像所属的监控图像的时间戳(即该监控图像的拍摄时间)、该监控设备的位置信息、以及目标动物类别的标识信息。另外，第一预警信息还可以包含其他信息，比如提取出的动物图像、动物图像对应的相似度等，本申请实施例不做限定。另外，本申请实施例中，服务器中还可以存储监控视频，可供用户进行历史回看，确定动物的具体信息。

可选的，如果服务器判定动物图像包含的动物不属于任意待监控的动物类别，则说明该动物不是需要监控的动物，可以不进行处理。

可选的，如图2所示，上述方法还可以包括以下步骤。

步骤106，通过行人检测算法确定监控视频中是否包含行人图像。

本申请实施例中，服务器中可以预先存储有行人检测算法。服务器接收到监控视频后，还可以根据该监控视频包含的监控图像和行人检测算法，在该监控视频中进行行人检测，从而确定该监控视频中是否包含行人图像。其中，行人检测与动物检测可以同时进行，并且，行人检测的过程与动物检测的过程类似。

具体的，针对服务器接收到的任一监控视频，服务器在接收到该监控视频的监控图像后，可以提取该监控视频所包含的监控图像，然后可以通过预设的行人检测算法，识别该监控图像中是否包含行人，并且，可以通过行人检测算法提取监控图像中包含的行人的轮廓，根据该行人的轮廓确定行人对应的候选区域框，进而提取该候选区域框所包含的图像，得到该行人的行人图像。其中，行人检测算法可以是现有的任意具有行人检测功能的算法，比如yolo框架算法、深度学习神经网络等，该深度学习神经网络具体可以是faster-rcnn(fasterregion-basedconvolutionalneuralnetwork，基于高速区域提议的卷积神经网络)、rcnn等。

另外，服务器提取出行人图像后，可以对这些行人图像做进一步的筛选。具体的，针对每张行人图像，服务器可以判断该行人图像是否满足预设清晰度条件、以及该行人图像的置信度是否大于预设阈值。如果该行人图像满足预设清晰度条件、且该行人图像的置信度大于或等于预设阈值，则说明该行人图像为可用图片，保存该行人图像。如果该行人图像不满足预设清晰度条件、或者该行人图像的置信度小于预设阈值，则说明该行人图像为不可用图片，丢弃该行人图像。

如果监控视频中包含行人图像，则执行步骤107，如果不包含，则结束处理。

步骤107，通过行人特征提取算法从行人图像中提取行人的特征，并根据对象跟踪算法，确定行人与动物图像包含的动物的同时出现时长是否大于预设时长阈值。

本申请实施例中，服务器可以通过行人特征提取算法从行人图像中提取行人的特征，从而确定出现在该动物周围的行人。服务器可以根据对象跟踪算法、提取出的行人特征和动物特征，对监控视频中的各行人和各动物进行跟踪检测，从而确定行人与该动物的同时出现时长。如果行人与动物图像包含的动物的同时出现时长不大于预设时长阈值，则返回步骤104。否则，说明该动物是该行人的宠物，结束处理。

可选的，如图3所示，上述方法还可以包括以下步骤。

步骤108，如果监控视频中包含动物图像，则通过动物行为检测算法，确定动物图像包含的动物的动物行为。

本申请实施例中，服务器中还可以设置有动物行为检测算法，如果服务器判定监控视频中包含动物图像，则可以通过动物行为检测算法，确定动物图像包含的动物的动物行为。其中，动物行为检测算法可以由现有技术中的任意具有识别功能的模型实现，比如深度学习cnn(convolutionalneuralnetworks,卷积神经网络)模型、rnn(recurrentneuralnetwork，循环神经网络)等，本申请实施例不做限定。

步骤109，如果动物行为是预设危险行为，则输出第二预警信息。

本申请实施例中，可以预先设定动物可能发生的危险行为，比如咬人、扑人等。如果服务器确定动物行为是预设危险行为，则输出第二预警信息，第二预警信息可以包括监控设备所处的位置信息、拍摄时间和发生的预设危险行为的标识，以使用户可以及时进行处理。

可选的，如图4所示，输出第一预警信息的具体过程可以包括以下步骤。

步骤401，根据预设的动物类别和预警终端的对应关系，确定动物所属的动物类别对应的目标预警终端。

本申请实施例中，不同的动物可以由不同的管理结构进行管理，例如，流浪动物可以由流浪动物管理协会进行管理，野生动物可以由野生动物保护协会管理。因此，可以设置动物类别和预警终端的对应关系，比如，流浪猫或流浪狗对应的预警终端为流浪动物管理协会的终端，野猪、野猴对应的预警终端为野生动物保护协会的终端。服务器确定出监控视频中的动物所属的目标动物类型后，可以根据预设的动物类别和预警终端的对应关系，确定目标动物类别对应的目标预警终端。

步骤402，向目标预警终发送动物所属的动物类别的第一预警信息。

可选的，如图5所示，判断动物图像包含的动物是否属于待监控的动物类别的具体过程可以包括以下步骤。

步骤501，针对每个待监控的动物类别，计算动物类别对应的动物特征与提取出的动物特征的相似度。

本申请实施例中，针对每个待监控的动物类别，服务器也可以先计算提取出的动物特征与该动物类别对应的动物特征的相似度。其中，动物特征可以以向量形式表示，则可以计算向量的相似度。

步骤502，判断该相似度是否大于预设相似度阈值。

如果相似度大于或等于预设相似度阈值，则执行步骤503。如果该相似度小于预设相似度阈值，则结束处理。

步骤503，判断动物类别对应的地形信息与采集监控视频的监控设备所处的地形信息是否相同。

如果相同，则执行步骤504。如果不相同，执行步骤506。

步骤504，判定动物图像包含的动物属于动物类别。

步骤505，判定动物图像包含的动物不属于动物类别。

本申请实施例中，可以获取目标监控设备采集到的监控视频，通过动物检测算法确定监控视频中是否包含动物图像，如果监控视频中包含动物图像，则通过动物特征提取算法从动物图像中提取动物特征，根据待监控的动物类别对应的动物特征、提取出的动物特征、以及采集监控视频的监控设备所处的地形信息，判断动物图像包含的动物是否属于待监控的动物类别，如果动物图像包含的动物属于待监控的动物类别，则输出动物所属的动物类别的第一预警信息。这样，可以从监控视频中自动识别出待监控的动物类型的动物，并进行报警，无需人工搜寻，提高了搜寻效率，并降低了漏查率。

本申请实施例还提供一种动物监控方法的具体示例，具体如下。

首先，在监控后台系统录入某地区内可能出现的动物的动物类型，比如野猪和蟒蛇，并可以上传野猪和蟒蛇的图片。

工作人员在可能有动物出没的位置设置摄像头c1～c8，并设置能够wifi覆盖的位置放置智能盒子a1。

夜深时，在c4处有流浪狗出现，在c7处有野猪出现，智能盒子识别出含动物图像i4和i7并上传至服务器。

服务器将上传的图片i4和i7进行运算提出动物特征，与预设的野猪和蟒蛇的动物特征进行比对，得出图片i4与野猪相似度40％，蟒蛇2％，图片i7与相似度80％，蟒蛇2％。

图片i7与野猪相似度80％高于预警阈值70％，则服务器将图片i7的拍摄时间、摄像头c7的位置信息、与野猪相似度80％等信息发送至工作人员手机，以提醒工作人员处理。

工作人员根据预警结果和抓拍图片i7判断动物的行为和情绪，安排相应的抓捕或驱赶操作。

本申请实施例提供了一种动物监控方法，可以获取目标监控设备采集到的监控视频，通过动物检测算法确定监控视频中是否包含动物图像，如果监控视频中包含动物图像，则通过动物特征提取算法从动物图像中提取动物特征，根据待监控的动物类别对应的动物特征、提取出的动物特征、以及采集监控视频的监控设备所处的地形信息，判断动物图像包含的动物是否属于待监控的动物类别，如果动物图像包含的动物属于待监控的动物类别，则输出动物所属的动物类别的第一预警信息。这样，可以从监控视频中自动识别出待监控的动物类型的动物，并进行报警，无需人工搜寻，提高了搜寻效率，并降低了漏查率。

基于相同的技术构思，本申请实施例还提供了一种动物监控装置，如图6所示，该装置包括：

获取模块610，用于获取目标监控设备采集到的监控视频；

第一确定模块620，用于通过动物检测算法确定监控视频中是否包含动物图像；

提取模块630，用于如果监控视频中包含动物图像，则通过动物特征提取算法从动物图像中提取动物特征；

判断模块640，用于根据待监控的动物类别对应的动物特征、提取出的动物特征、以及采集监控视频的监控设备所处的地形信息，判断动物图像包含的动物是否属于待监控的动物类别；

第一输出模块650，用于如果动物图像包含的动物属于待监控的动物类别，则输出动物所属的动物类别的第一预警信息。

可选的，判断模块640，具体用于：

针对每个待监控的动物类别，计算动物类别对应的动物特征与提取出的动物特征的相似度；

如果相似度大于预设相似度阈值，则判断动物类别对应的地形信息与采集监控视频的监控设备所处的地形信息是否相同；

如果相同，则判定动物图像包含的动物属于动物类别；如果不相同，判定动物图像包含的动物不属于动物类别。

可选的，该装置还包括：

第二确定模块，用于通过行人检测算法确定监控视频中是否包含行人图像；

第三确定模块，用于如果监控视频中包含行人图像，则通过行人特征提取算法从行人图像中提取行人的特征，并根据对象跟踪算法，确定行人与动物图像包含的动物的同时出现时长是否大于预设时长阈值；

如果行人与动物图像包含的动物的同时出现时长不大于预设时长阈值，则触发判断模块640执行根据待监控的动物类别对应的动物特征、提取出的动物特征、以及采集监控视频的监控设备所处的地形信息，判断动物图像包含的动物是否属于待监控的动物类别的步骤。

可选的，该装置还包括：

第四确定模块，用于如果所述监控视频中包含动物图像，则通过动物行为检测算法，确定动物图像包含的动物的动物行为；

第二输出模块，用于如果动物行为是预设危险行为，则输出第二预警信息。

可选的，第一输出模块650，具体用于：

根据预设的动物类别和预警终端的对应关系，确定动物所属的动物类别对应的目标预警终端；

向目标预警终发送动物所属的动物类别的第一预警信息。

本申请实施例提供了一种动物监控装置，可以获取目标监控设备采集到的监控视频，通过动物检测算法确定监控视频中是否包含动物图像，如果监控视频中包含动物图像，则通过动物特征提取算法从动物图像中提取动物特征，根据待监控的动物类别对应的动物特征、提取出的动物特征、以及采集监控视频的监控设备所处的地形信息，判断动物图像包含的动物是否属于待监控的动物类别，如果动物图像包含的动物属于待监控的动物类别，则输出动物所属的动物类别的第一预警信息。这样，可以从监控视频中自动识别出待监控的动物类型的动物，并进行报警，无需人工搜寻，提高了搜寻效率，并降低了漏查率。

基于相同的技术构思，本发明实施例还提供了一种服务器，如图7所示，包括处理器701、通信接口702、存储器703和通信总线704，其中，处理器701，通信接口702，存储器703通过通信总线704完成相互间的通信，

存储器703，用于存放计算机程序；

处理器701，用于执行存储器703上所存放的程序时，实现如下步骤：

获取目标监控设备采集到的监控视频；

通过动物检测算法确定所述监控视频中是否包含动物图像；

如果所述监控视频中包含动物图像，则通过动物特征提取算法从所述动物图像中提取动物特征；

根据待监控的动物类别对应的动物特征、提取出的动物特征、以及采集所述监控视频的监控设备所处的地形信息，判断所述动物图像包含的动物是否属于所述待监控的动物类别；

如果所述动物图像包含的动物属于所述待监控的动物类别，则输出所述动物所属的动物类别的第一预警信息。

可选的，所述根据待监控的动物类别对应的动物特征、提取出的动物特征、以及采集所述监控视频的监控设备所处的地形信息，判断所述动物图像包含的动物是否属于所述待监控的动物类别，包括：

针对每个待监控的动物类别，计算所述动物类别对应的动物特征与提取出的动物特征的相似度；

如果相似度大于预设相似度阈值，则判断所述动物类别对应的地形信息与采集所述监控视频的监控设备所处的地形信息是否相同；

如果相同，则判定所述动物图像包含的动物属于所述动物类别；如果不相同，判定所述动物图像包含的动物不属于所述动物类别。

可选的，所述如果所述监控视频中包含动物图像，则通过动物特征提取算法从所述动物图像中提取动物特征之后，还包括：

通过行人检测算法确定所述监控视频中是否包含行人图像；

所述如果所述监控视频中包含行人图像，则通过行人特征提取算法从所述行人图像中提取行人的特征，并根据对象跟踪算法，确定所述行人与所述动物图像包含的动物的同时出现时长是否大于预设时长阈值；

如果所述行人与所述动物图像包含的动物的同时出现时长不大于所述预设时长阈值，则执行所述根据待监控的动物类别对应的动物特征、提取出的动物特征、以及采集所述监控视频的监控设备所处的地形信息，判断所述动物图像包含的动物是否属于所述待监控的动物类别的步骤。

可选的，所述方法还包括：

如果所述监控视频中包含动物图像，则通过动物行为检测算法，确定所述动物图像包含的动物的动物行为；

如果所述动物行为是预设危险行为，则输出第二预警信息。

可选的，所述输出所述动物所属的动物类别的第一预警信息，包括：

根据预设的动物类别和预警终端的对应关系，确定所述动物所属的动物类别对应的目标预警终端；

向所述目标预警终发送所述动物所属的动物类别的第一预警信息。

上述服务器提到的通信总线可以是外设部件互连标准(peripheralcomponentinterconnect，pci)总线或扩展工业标准结构(extendedindustrystandardarchitecture，eisa)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

通信接口用于上述服务器与其他设备之间的通信。

存储器可以包括随机存取存储器(randomaccessmemory，ram)，也可以包括非易失性存储器(non-volatilememory，nvm)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。

上述的处理器可以是通用处理器，包括中央处理器(centralprocessingunit，cpu)、网络处理器(networkprocessor，np)等；还可以是数字信号处理器(digitalsignalprocessing，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现场可编程门阵列(field-programmablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。

在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一动物监控方法的步骤。

在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一动物监控方法。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(dsl))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，dvd)、或者半导体介质(例如固态硬盘solidstatedisk(ssd))等。

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。

以上所述仅是本申请的具体实施方式，使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。