训练数据获取方法及异常行为识别网络训练方法技术

本说明书提供了一种训练数据获取方法及异常行为识别网络训练方法，针对特定异常行为，获取包含特定异常行为的采集数据，及获取网络数据，并获取采集数据和网络数据的动作特征，并根据每个网络数据的动作特征与采集数据的动作特征的相似度，确定若干个采集数据的相似网络数据，将相似网络数据和采集数据作为特定异常行为的正样本训练数据。通过动作特征的相似度，从若干廉价的网络数据中确定出了可以作为正样本的训练数据，提升了训练数据获取效率，进一步地加快了异常行为识别网络的获取。进一步地加快了异常行为识别网络的获取。进一步地加快了异常行为识别网络的获取。

【技术实现步骤摘要】
训练数据获取方法及异常行为识别网络训练方法


[0001]本说明书涉及计算机应用
，具体涉及机器学习
，尤其涉及训练数据获取方法及异常行为识别网络训练方法。

技术介绍

[0002]在智慧城市管理的场景中，往往需要自动通过视频数据来识别异常行为(比如打架、攀爬等)，防止异常行为对城市安全和谐产生危害。
[0003]自动识别异常行为往往需要通过有标注的异常行为数据来训练异常行为识别网络。而数据的采集和标注往往需要花费较长时间，这使得短时间内无法快速训练得到异常行为识别网络。

技术实现思路

[0004]本说明书提供了一种训练数据获取方法及异常行为识别网络训练方法。
[0005]根据本说明书实施例的第一方面，提供一种训练数据获取方法，包括：
[0006]获取网络数据，及包含特定异常行为的采集数据；
[0007]获取每个所述网络数据及每个所述采集数据的动作特征；
[0008]根据每个所述网络数据的动作特征与采集数据的动作特征的相似度，从所述网络数据中选取所述采集数据的相似网络数据，并将所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种训练数据获取方法，其特征在于，所述方法包括：获取网络数据，及包含特定异常行为的采集数据；获取每个所述网络数据及每个所述采集数据的动作特征；根据每个所述网络数据的动作特征与采集数据的动作特征的相似度，从所述网络数据中选取所述采集数据的相似网络数据，并将所述采集数据及所述相似网络数据作为针对特定异常行为的正样本训练数据。2.根据权利要求1所述方法，其特征在于，所述网络数据包括：互联网公开的数据集，和/或网络爬虫数据，和/或基于虚拟游戏引擎生成的数据。3.根据权利要求1
‑
2任一项所述方法，其特征在于，所述获取每个所述网络数据及每个所述采集数据的动作特征，包括：获取主干网络；通过所述主干网络，提取每个所述采集数据的动作特征；获取预先存储的通过所述主干网络所提取的每个所述网络数据的动作特征。4.根据权利要求1
‑
3任一项所述方法，其特征在于，所述根据每个所述网络数据的动作特征与采集数据的动作特征的相似度，选取所述采集数据的相似网络数据，包括：将获取的全部采集数据的动作特征合成为采集数据中心特征；根据每个所述网络数据的动作特征与所述采集数据中心特征的相似度，选取所述采集数据的相似网络数据。5.根据权利要求1
‑
4任一项所述方法，其特征在于，所述根据每个所述网络数据的动作特征与采集数据的动作特征的相似度，选取所述采集数据的相似网络数据，包括：根据预设数量比例，及所述采集数据的数量，确定需要采集的相似网络数据的数量N；从所述网络数据中，选取N个相似网络数据；其中，任一所述相似网络数据的动作特征与采集数据的动作特征的相似度，不小于未被选取的任一所述网络数据的动作特征与采集数据的动作特征的相似度。6.一种异常行为识别网络训练方法，其特征在于，所述方法包括：获取训练数据，所述训练数据包括正样本训练数据和负样本训练数据，所述正样本训练数据基于权利要求1
‑
5任一项的方法所获取；通过所述正样本训练数据和负样本训练数据迭代训练异常行为识别网络，直至网络输出的损失小于预设第一损失阈值，或迭代次数大于预设次数阈值。7.根据权利要求6所述方法，其特征在于，所述正样本训练数据包括第一标签，所述负样本训练数据包括第二标签；训练异常行为识别网络的每次迭代包括：获取每个所述训练数据的判定结果；所述判定结果用于表征所述训练数据是否包括所述特定异常行为；针对每个相似网络数据，若所述相似网络数据的判定结果与标签不符，则将所述相似...

【专利技术属性】
技术研发人员：苏婧，苏海昇，王栋梁，甘伟豪，
申请(专利权)人：上海商汤智能科技有限公司，
类型：发明
国别省市：