【技术实现步骤摘要】
异常状态的识别方法、装置及计算机可读存储介质
本专利技术涉及人工智能
，特别涉及一种异常状态的识别方法、装置及计算机可读存储介质。
技术介绍
在智能安防领域，异常识别是一个常见需求。对于异常状态的识别，现有技术方案通常有两种，一是采用预设的人工智能算法对异常信息训练产生模型，通过训练好的模型。实现对特定异常目标的检测，确定为异常目标后，向管理平台发送告警信息；二是采用预设的人工智能算法对正确的信息进行训练，不符合正确信息标志的判定为异常信息。这些方案都是通过采集数据和标记数据，然后用标记好的数据训练模型，模型只能识别本次标记过的异常状态，无法识别新出现的异常状态，若要使模型识别新出现的异常状态，模型在一段时间后必须重新采集数据、重新标记数据以及重新训练模型，导致模型对异常状态识别的准确性和效率较低。
技术实现思路
本专利技术的主要目的是提供一种异常状态的识别方法、装置及计算机可读存储介质，解决对异常状态识别的准确性和效率较低的问题。为实现上述目的，本专利技术提供一种异常状态的识别方法，所述异...
【技术保护点】
1.一种异常状态的识别方法，其特征在于，所述异常状态的识别方法包括：/n获取目标视频数据；/n将所述目标视频数据输入测试模型库中的各个测试模型，以生成各个所述测试模型的判决结果，所述判决结果包括模型判定为真和模型判定为假；/n在所述测试模型中不存在模型判定为真的判决结果时，将所述目标视频数据输入预设模型进行训练，以生成目标测试模型；/n将所述目标测试模型添加至所述测试模型库，以更新所述测试模型库。/n
【技术特征摘要】
1.一种异常状态的识别方法，其特征在于，所述异常状态的识别方法包括：
获取目标视频数据；
将所述目标视频数据输入测试模型库中的各个测试模型，以生成各个所述测试模型的判决结果，所述判决结果包括模型判定为真和模型判定为假；
在所述测试模型中不存在模型判定为真的判决结果时，将所述目标视频数据输入预设模型进行训练，以生成目标测试模型；
将所述目标测试模型添加至所述测试模型库，以更新所述测试模型库。
2.如权利要求1所述的异常状态的识别方法，其特征在于，所述将所述目标视频数据同时输入测试模型库中的各个测试模型。
3.如权利要求1所述的异常状态的识别方法，其特征在于，所述将所述目标视频数据输入测试模型库中的各个测试模型，以生成各个所述测试模型的判决结果的步骤之后包括：
在所述测试模型中至少存在一个判决结果为模型判定为真时，获取模型判定为真的测试模型的标记；
在所述标记为预设标记时，向预设终端发送告警提示信息。
4.如权利要求1所述的异常状态的识别方法，其特征在于，所述获取目标视频数据的步骤包括：
获取视频数据流；
采用预设分类算法对所述视频数据流进行分类，以得到所述目标视频数据。
5.如权利要求4所述的异常状态的识别方法，其特征在于，所述获取视频数据流的步骤之前包括：
通过数据采集器采集原始数据；
采用所述预设分类算法对...
【专利技术属性】
技术研发人员：徐高峰，田云鑫，张星，
申请(专利权)人：南京中兴力维软件有限公司，深圳力维智联技术有限公司，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。