【技术实现步骤摘要】
智能摄像头自训练置信度阈值的优化方法、装置及设备本申请是2021年1月27日提交、专利技术名称为“智能摄像头自训练置信度阈值选择方法、装置及设备”申请号为202110109738.1的专利技术专利申请的分案申请。
本专利技术涉及图像处理
,尤其涉及一种智能摄像头自训练置信度阈值的优化方法、装置及设备。
技术介绍
随着视频监控设备被广泛应用于监控日常生活中的不同场景,摄像头尤其是带有图像分析功能的智能摄像头成为现在生活监控管理中的一个常见监控工具。这种智能摄像头除了配备有常规的摄像头拍摄还设有具有处理器功能的芯片,可以对拍摄的场景图像数据进行简单的处理分析。然而现有技术中,因这类智能摄像头的芯片具备有计算能力,为使智能摄像头能够适应多场景应用,通常做法是这类智能摄像头在出厂前会尽可能多的收集多个不同场景的样本图像训练出一个轻量级网络模型部署到智能摄像头上,使得智能摄像头能够适用于不同场景,如:婴幼儿看护管理、医院病人监护、学校监控、商城监控、车库监控、景区监控、养殖场监控、道路交通监控等。尽管智能摄像头事先对不同应用场景进行了很多样本采集,里面对每个场景都进行了大量的样本训练,但是在直接将智能摄像头使用到场景中开展监护时,对于不同用户所在的实际场景依然存在较大差异性,这就导致智能摄像头出厂前进行大量训练得到的基础检测模型不适用,容易出现较大偏差,此外,还有一种是将智能摄像头与服务器连接起来,由服务器提供基础检测模型的升级安装程序包,让智能摄像头的基础检测模型进行升级更新。但随着人们对用个人 ...
【技术保护点】
1.一种智能摄像头自训练置信度阈值的优化方法,其特征在于,所述方法包括:/n获取测试样本集和置信度阈值的取样步长;/n利用所述测试样本集对当前模型进行测试,输出所述测试样本集中的检测结果;/n根据所述取样步长对应的各置信度阈值和所述检测结果,输出与各所述置信度阈值一一对应的mAP值;/n对比各所述mAP值,输出与对比结果对应的目标mAP值作为所述当前模型的目标置信度阈值;/n其中,所述目标mAP值为符合要求的mAP值,所述mAP值为平均精度值。/n
【技术特征摘要】
1.一种智能摄像头自训练置信度阈值的优化方法,其特征在于,所述方法包括:
获取测试样本集和置信度阈值的取样步长;
利用所述测试样本集对当前模型进行测试,输出所述测试样本集中的检测结果;
根据所述取样步长对应的各置信度阈值和所述检测结果,输出与各所述置信度阈值一一对应的mAP值;
对比各所述mAP值,输出与对比结果对应的目标mAP值作为所述当前模型的目标置信度阈值;
其中,所述目标mAP值为符合要求的mAP值,所述mAP值为平均精度值。
2.根据权利要求1所述的智能摄像头自训练置信度阈值的优化方法,其特征在于,在所述利用所述测试样本集对当前模型进行测试,输出所述测试样本集中的检测结果之后还包括:
对所述检测结果中各正样本的置信度进行排序,输出置信度序列;
对所述置信度序列进行取样,得到多个取样置信度;
输出各所述取样置信度一一对应的mAP值;
其中,将各取样置信度作为置信度阈值。
3.根据权利要求2所述的智能摄像头自训练置信度阈值的优化方法,其特征在于,所述对比各所述mAP值,输出与对比结果对应的目标mAP值作为所述当前模型的目标置信度阈值包括:
对比各所述取样置信度和各所述置信度阈值对应的mAP值,输出目标mAP值;
根据所述目标mAP值,将与所述目标mAP值对应的置信度阈值作为所述目标置信度阈值;
其中,所述目标mAP值为从各所述mAP值中筛选出的最大的mAP值。
4.根据权利要求3所述的智能摄像头自训练置信度阈值的优化方法,其特征在于,所述对比各所述取样置信度和各所述置信度阈值对应的mAP值,输出目标mAP值包括:
将各所述取样置信度和取样步长对应的置信度阈值记为第一置信度阈值组;
根据所述第一置信度阈值组中各置信度阈值对应的mAP值,输出最大的mAP值对应的参考置信度阈值,以及与所述参考置信度阈值相邻的前一置信度阈值和后一置信度阈值;
减小取样步长,输出所述前一置信度阈值与所述参考置信度阈值之间的第一置信度阈值区间和所述参考置信度阈值与所述后一置信度阈值之间的第二置信度阈值区间;
获取所述第一置信度阈值区间和所述第二置信度阈值区间的置信度阈值,得到新的所述第一置信度阈值组;
重复根据所述第一置信度阈值组中各置信度阈值对应的mAP值,输出最大的mAP值对应的参考置信度阈值,以及...
【专利技术属性】
技术研发人员:陈辉,龙祥,张智,熊章,雷奇文,艾伟,胡国湖,
申请(专利权)人:武汉星巡智能科技有限公司,
类型:发明
国别省市:湖北;42
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。