在线自学习事件检测模型更新方法及装置制造方法及图纸

本发明专利技术实施例提供了一种在线自学习事件检测模型更新方法及装置，所述方法包括：当检测到当前事件检测模型产生的至少一个目标报警事件时，将所述至少一个目标报警事件展示给用户，以使用户基于所展示的目标报警事件发出所述各目标报警事件的事件结果；获得用户基于所展示的目标报警事件发出的各目标报警事件的事件结果；判断用户发出事件结果的目标报警事件是否满足预设更新条件，如果是，根据至少一个所述用户发出事件结果的目标报警事件及各自对应的事件结果，以及预定的训练样本训练得到目标事件检测模型；使用所述目标事件检测模型替换所述当前事件检测模型。本实施方式能够不断地更新当前事件检测模型，从而提高在线学习的精确性。

Online self learning event detection model updating method and device

The embodiment of the invention provides an online self-learning event detection model updating method and device, the method includes at least one target when the detected current event detection model of alarm events, will alarm the at least one target event is displayed to the user, so that users display alarm events based on target issue the each target event alarm results; user alarm events issued by the display of each target object based on alarm event results; to determine the user issued the event target alarm event meets the preset update condition, if it is, according to at least one of the user sends the event alarm event and target the corresponding results, as well as scheduled training samples to train the target event detection model; target detection model for the use of the event Change the current event detection model. The present method can continuously update the current event detection model so as to improve the accuracy of online learning.

【技术实现步骤摘要】
在线自学习事件检测模型更新方法及装置
本专利技术涉及数据处理
，特别是涉及一种在线自学习事件检测模型更新方法及装置。
技术介绍
在线学习方法可以针对具体的场景，使用预先设定的事件检测模型对输入的待学习数据(如视频、图片等)进行在线学习，以对满足条件的事件进行报警等操作。例如，在交通工具领域，通过对汽车偏离车道的状态进行在线学习，有效区分驾驶员有意识的换道操作而造成的车道偏离状态和驾驶员无意识下使汽车偏离车道行驶的车道偏离状态，并通过学习结果，对第二种车道偏离状态进行预警，输出报警事件。然而，在实际应用中，使用事件检测模型进行在线学习时，由于场景的复杂性等因素，不可避免产生一定数量的误报事件。而且，由于一直使用同一个事件检测模型，因此，在以后的学习过程中，仍会产生相同的误报事件。因此，现有的在线学习方法受限于事件检测模型的完善程度，一直使用同一个事件检测模型进行在线学习会产生大量的相同的误报事件，如何完善事件检测模型，以提高在线学习的精确性成为一个亟待解决的问题。
技术实现思路
本专利技术实施例的目的在于提供一种在线自学习事件检测模型更新方法及装置，以提高在线学习的精确性。具体技术方案如下：第一方面，本专利技术提供了一种在线自学习事件检测模型更新方法，应用于电子设备，所述方法包括：当检测到当前事件检测模型产生的至少一个目标报警事件时，将所述至少一个目标报警事件展示给用户，以使用户基于所展示的目标报警事件发出所述各目标报警事件的事件结果；获得用户基于所展示的目标报警事件发出的各目标报警事件的事件结果；判断用户发出事件结果的目标报警事件是否满足预设更新条件，如果是，根据至少一个所述用户发出事件结果的目标报警事件及各自对应的事件结果，以及预定的训练样本训练得到目标事件检测模型，其中，所述预定的训练样本包括以下至少一项：多个预设基准事件及各自对应的事件结果、以及多个用户确认的历史报警事件及各自对应的事件结果；使用所述目标事件检测模型替换所述当前事件检测模型。进一步地，所述使用所述目标事件检测模型替换所述当前事件检测模型之前，所述方法还包括：获取验证样本，并根据所述验证样本判断所述目标事件检测模型的误报率是否低于所述当前事件检测模型的误报率，其中，所述验证样本包括以下至少一项：多个预设基准事件及各自对应的事件结果、多个或一个用户发出事件结果的历史报警事件及各自对应的事件结果、以及至少一个所述用户发出事件结果的目标报警事件及各自对应的事件结果；若是，继续执行所述使用所述目标事件检测模型替换所述当前事件检测模型。进一步地，所述将所述至少一个目标报警事件展示给用户，包括：将所述至少一个目标报警事件发送给用户并展示；或当接收到用户发送的浏览目标报警事件的请求时，将所述至少一个目标报警事件发送给用户并展示。进一步地，所述预设更新条件包括：所述用户发出事件结果的目标报警事件的数量达到预设阈值、或所述用户发出事件结果的目标报警事件的发生时间在预设时间范围内。进一步地，所述目标报警事件的展示形式包括以下至少一种：文字形式、图片形式、音频形式和视频形式。第二方面，本专利技术提供了一种在线自学习事件检测模型更新装置，应用于电子设备，所述装置包括：展示模块，用于当检测到当前事件检测模型产生的至少一个目标报警事件时，将所述至少一个目标报警事件展示给用户，以使用户基于所展示的目标报警事件发出所述各目标报警事件的事件结果；获得模块，用于获得用户基于所展示的目标报警事件发出的各目标报警事件的事件结果；执行模块，用于判断用户发出事件结果的目标报警事件是否满足预设更新条件，如果是，根据至少一个所述用户发出事件结果的目标报警事件及各自对应的事件结果，以及预定的训练样本训练得到目标事件检测模型，其中，所述预定的训练样本包括以下至少一项：多个预设基准事件及各自对应的事件结果、以及多个用户确认的历史报警事件及各自对应的事件结果；替换模块，用于使用所述目标事件检测模型替换所述当前事件检测模型。进一步地，所述装置还包括：判断模块，用于获取验证样本，并根据所述验证样本判断所述目标事件检测模型的误报率是否低于所述当前事件检测模型的误报率，若是，触发所述替换模块；其中，所述验证样本包括以下至少一项：多个预设基准事件及各自对应的事件结果、多个或一个用户发出事件结果的历史报警事件及各自对应的事件结果、以及至少一个所述用户发出事件结果的目标报警事件及各自对应的事件结果。进一步地，所述展示模块具体用于：将所述至少一个目标报警事件发送给用户并展示；或当接收到用户发送的浏览目标报警事件的请求时，将所述至少一个目标报警事件发送给用户并展示。进一步地，所述预设更新条件包括：所述用户发出事件结果的目标报警事件的数量达到预设阈值、或所述用户发出事件结果的目标报警事件的发生时间在预设时间范围内。进一步地，所述目标报警事件的展示形式包括以下至少一种：文字形式、图片形式、音频形式和视频形式。本专利技术实施例提供的在线自学习事件检测模型更新方法及装置，通过将当前事件检测模型产生的目标报警事件展示给用户，以使用户发出各目标报警事件的事件结果，并且，当用户发出事件结果的目标报警事件满足预设更新条件时，可以根据用户发出事件结果的目标报警事件及各自对应的事件结果，以及预定的训练样本训练得到目标事件检测模型，最后使用目标事件检测模型替换当前事件检测模型，能够不断地更新当前事件检测模型，若当前事件检测模型产生了错误的目标报警事件，基于用户发出该错误报警事件的事件结果训练得到的目标事件检测模型在以后的学习过程中不会产生相同的错误的报警事件，因此，利用更新后的目标事件检测模型进行在线学习，能够提高在线学习的精确性。附图说明为了更清楚地说明本专利技术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，下面描述中的附图仅仅是本专利技术的一些实施例，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。图1为本专利技术一个实施例提供的在线自学习事件检测模型更新方法的示意性流程图；图2为本专利技术另一个实施例提供的在线自学习事件检测模型更新方法的示意性流程图；图3为本专利技术一个实施例提供的在线自学习事件检测模型更新装置的结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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，都属于本专利技术保护的范围。需要说明的是，在不冲突的情况下，本专利技术中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本专利技术。在线学习方法可以针对具体的场景，使用预先设定的事件检测模型对输入的待学习数据(如视频、图片等)进行在线学习，以对满足条件的事件进行报警等操作。在实际应用中，使用事件检测模型进行在线学习时，由于场景的复杂性等因素，不可避免产生一定数量的误报事件。而且，由于一直使用同一个事件检测模型，因此，在以后的学习过程中，仍会产生相同的误报事件。因此，现有的在线学习方法受限于事件检测模型的完善程度，一直使用同一个事件检测模型进行在本文档来自技高网...

【技术保护点】
一种在线自学习事件检测模型更新方法，应用于电子设备，其特征在于，所述方法包括：当检测到当前事件检测模型产生的至少一个目标报警事件时，将所述至少一个目标报警事件展示给用户，以使用户基于所展示的目标报警事件发出所述各目标报警事件的事件结果；获得用户基于所展示的目标报警事件发出的各目标报警事件的事件结果；判断用户发出事件结果的目标报警事件是否满足预设更新条件，如果是，根据至少一个所述用户发出事件结果的目标报警事件及各自对应的事件结果，以及预定的训练样本训练得到目标事件检测模型，其中，所述预定的训练样本包括以下至少一项：多个预设基准事件及各自对应的事件结果、以及多个用户确认的历史报警事件及各自对应的事件结果；使用所述目标事件检测模型替换所述当前事件检测模型。

【技术特征摘要】
1.一种在线自学习事件检测模型更新方法，应用于电子设备，其特征在于，所述方法包括：当检测到当前事件检测模型产生的至少一个目标报警事件时，将所述至少一个目标报警事件展示给用户，以使用户基于所展示的目标报警事件发出所述各目标报警事件的事件结果；获得用户基于所展示的目标报警事件发出的各目标报警事件的事件结果；判断用户发出事件结果的目标报警事件是否满足预设更新条件，如果是，根据至少一个所述用户发出事件结果的目标报警事件及各自对应的事件结果，以及预定的训练样本训练得到目标事件检测模型，其中，所述预定的训练样本包括以下至少一项：多个预设基准事件及各自对应的事件结果、以及多个用户确认的历史报警事件及各自对应的事件结果；使用所述目标事件检测模型替换所述当前事件检测模型。2.根据权利要求1所述的方法，其特征在于，所述使用所述目标事件检测模型替换所述当前事件检测模型之前，所述方法还包括：获取验证样本，并根据所述验证样本判断所述目标事件检测模型的误报率是否低于所述当前事件检测模型的误报率，其中，所述验证样本包括以下至少一项：多个预设基准事件及各自对应的事件结果、多个或一个用户发出事件结果的历史报警事件及各自对应的事件结果、以及至少一个所述用户发出事件结果的目标报警事件及各自对应的事件结果；若是，继续执行所述使用所述目标事件检测模型替换所述当前事件检测模型。3.根据权利要求1所述的方法，其特征在于，所述将所述至少一个目标报警事件展示给用户，包括：将所述至少一个目标报警事件发送给用户并展示；或当接收到用户发送的浏览目标报警事件的请求时，将所述至少一个目标报警事件发送给用户并展示。4.根据权利要求1-3任一项所述的方法，其特征在于，所述预设更新条件包括：所述用户发出事件结果的目标报警事件的数量达到预设阈值、或所述用户发出事件结果的目标报警事件的发生时间在预设时间范围内。5.根据权利要求1-3任一项所述的方法，其特征在于，所述目标报警事件的展示形式包括以下至少一种：文字形式、图...

【专利技术属性】
技术研发人员：方家乐，王鹏，郭斌，陈锡，冯仁光，
申请(专利权)人：杭州海康威视数字技术股份有限公司，
类型：发明
国别省市：浙江,33