[發明專利]異常狀態的識別方法、裝置及計算機可讀存儲介質

在審

• 申請號: 202011492066.9
• 申請日: 2020-12-15
• 公開（公告）號: CN112528893A
• 公開（公告）日: 2021-03-19
• 發明（設計）人: 徐高峰;田云鑫;張星
• 申請（專利權）人: 南京中興力維軟件有限公司;深圳力維智聯技術有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 深圳市恒程創新知識產權代理有限公司 44542
• 代理人: 張小容

本發明公開了一種異常狀態的識別方法、裝置及計算機可讀存儲介質，所述異常狀態的識別方法包括：獲取目標視頻數據；將所述目標視頻數據輸入測試模型庫中的各個測試模型，以生成各個所述測試模型的判決結果，所述判決結果包括模型判定為真和模型判定為假；在所述測試模型中不存在模型判定為真的判決結果時，將所述目標視頻數據輸入預設模型進行訓練，以生成目標測試模型；將所述目標測試模型添加至所述測試模型庫，以更新所述測試模型庫。本發明能夠解決對異常狀態識別的準確性和效率較低的問題。

技術領域

本發明涉及人工智能技術領域，特別涉及一種異常狀態的識別方法、裝置及計算機可讀存儲介質。

背景技術

在智能安防領域，異常識別是一個常見需求。對于異常狀態的識別，現有技術方案通常有兩種，一是采用預設的人工智能算法對異常信息訓練產生模型，通過訓練好的模型。實現對特定異常目標的檢測，確定為異常目標后，向管理平臺發送告警信息；二是采用預設的人工智能算法對正確的信息進行訓練，不符合正確信息標志的判定為異常信息。這些方案都是通過采集數據和標記數據，然后用標記好的數據訓練模型，模型只能識別本次標記過的異常狀態，無法識別新出現的異常狀態，若要使模型識別新出現的異常狀態，模型在一段時間后必須重新采集數據、重新標記數據以及重新訓練模型，導致模型對異常狀態識別的準確性和效率較低。

發明內容

本發明的主要目的是提供一種異常狀態的識別方法、裝置及計算機可讀存儲介質，解決對異常狀態識別的準確性和效率較低的問題。

為實現上述目的，本發明提供一種異常狀態的識別方法，所述異常狀態的識別方法包括：

獲取目標視頻數據；

將所述目標視頻數據輸入測試模型庫中的各個測試模型，以生成各個所述測試模型的判決結果，所述判決結果包括模型判定為真和模型判定為假；

在所述測試模型中不存在模型判定為真的判決結果時，將所述目標視頻數據輸入預設模型進行訓練，以生成目標測試模型；

將所述目標測試模型添加至所述測試模型庫，以更新所述測試模型庫。

可選地，所述將所述目標視頻數據同時輸入測試模型庫中的各個測試模型。

可選地，所述將所述目標視頻數據輸入測試模型庫中的各個測試模型，以生成各個所述測試模型的判決結果的步驟之后包括：

在所述測試模型中至少存在一個判決結果為模型判定為真時，獲取模型判定為真的測試模型的標記；

在所述標記為預設標記時，向預設終端發送告警提示信息。

可選地，所述獲取目標視頻數據的步驟包括：

獲取視頻數據流；

采用預設分類算法對所述視頻數據流進行分類，以得到所述目標視頻數據。

可選地，所述獲取視頻數據流的步驟之前包括：

通過數據采集器采集原始數據；

采用所述預設分類算法對所述原始數據進行分類，以得到分類數據；

將所述分類數據輸入預設模型訓練，以生成測試模型。

可選地，所述通過數據采集器采集原始數據的步驟之前包括：

獲取預設神經網絡；

根據所述預設神經網絡搭建預設模型。

可選地，所述將所述分類數據輸入預設模型訓練，以生成測試模型的步驟之后包括：

獲取所述測試模型的數據標簽，以使用戶根據所述數據標簽對所述測試模型進行標記；