检测模型训练方法及装置、事件检测方法及装置制造方法及图纸

本说明书实施例提供检测模型训练方法及装置、事件检测方法及装置，其中，所述检测模型训练方法包括接收包含事件的样本视频，并提取所述样本视频的样本特征；将所述样本特征输入第一类别模块，生成所述样本视频的第一类别序列，以及将所述样本特征输入第二类别模块，生成所述样本视频的第二类别序列；基于所述第一类别序列和所述第二类别序列获得目标损失函数，并根据所述目标损失函数训练所述检测模型。型。型。

【技术实现步骤摘要】
检测模型训练方法及装置、事件检测方法及装置


[0001]本说明书实施例涉及计算机
，特别涉及检测模型训练方法。本说明书一个或者多个实施例同时涉及事件检测方法，检测模型训练装置，事件检测装置，一种计算设备，以及一种计算机可读存储介质。

技术介绍

[0002]在当前的平安、市政、交通等城市大脑项目中，每天会产生海量的摄像头视频数据，如何对这些视频数据进行有效的信息挖掘是一个亟待解决的问题。基于单张图片的视觉分析不能有效利用时序上的有效信息，难以在视频场景中获得较好的效果。因此，目前通常的做法是依赖事后监管，即有人报告异常行为事件(如盗窃、打架等)发生时，调取相应时间段的录像来查看当时的情况。这种事后监管的方式只能用于事后取证，并不能实时发现异常情况并作出警示和干预，且现有的检测模型只能对动作特征比较明显的异常事件进行识别，而很容易遗漏动作特征不明显的异常事件。
[0003]因此急需提供一种可以对动作特征不明显的异常事件进行检测的检测模型训练方法。

技术实现思路

[0004]有鉴于此，本说明书施例提供了检测模型训练方法。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种检测模型训练方法，包括：接收包含事件的样本视频，并提取所述样本视频的样本特征；将所述样本特征输入第一类别模块，生成所述样本视频的第一类别序列，以及将所述样本特征输入第二类别模块，生成所述样本视频的第二类别序列；基于所述第一类别序列和所述第二类别序列获得目标损失函数，并根据所述目标损失函数训练所述检测模型。2.根据权利要求1所述的检测模型训练方法，所述提取所述样本视频的样本特征，包括：根据预设特征提取器提取所述样本视频的高维样本特征，其中，所述高维样本特征包括时间维度特征以及每一个时间点的事件维度特征。3.根据权利要求1或2所述的检测模型训练方法，所述将所述样本特征输入第一类别模块，生成所述样本视频的第一类别序列，包括：将所述样本特征输入第一类别模块，并获取所述第一类别模块通过多示例学习方法生成的所述样本视频的第一类别序列。4.根据权利要求3所述的检测模型训练方法，所述将所述样本特征输入第二类别模块，生成所述样本视频的第二类别序列，包括：将所述样本特征输入第二类别模块，并获取所述第二类别模块通过特征投影方法生成的所述样本视频的第二类别序列。5.根据权利要求1所述的检测模型训练方法，所述基于所述第一类别序列和所述第二类别序列获得目标损失函数，包括：基于所述第一类别序列获得所述第一类别模块的第一损失函数，以及基于所述第二类别序列获得所述第二类别模块的第二损失函数；基于所述第一损失函数和所述第二损失函数获得所述目标损失函数。6.根据权利要求1或5所述的检测模型训练方法，所述将所述样本特征输入第一类别模块，生成所述样本视频的第一类别序列之后，还包括：基于注意力机制的方法对所述第一类别序列进行修正，获得修正后的第一类别序列。7.根据权利要求6所述的检测模型训练方法，所述基于所述第一损失函数和所述第二损失函数获得所述目标损失函数，包括：为所述第一损失函数和所述第二损失函数进行加权，将加权后的第一损失函数和第二损失函数进行相加，获得所述目标损失函数。8.一种检测模型训练方法，包括：基于用户的调用请求为所述用户展示视频输入界面；接收所述用户基于所述视频输入界面发送的包含事件的样本视频，并提取所述样本视频的样本特征；将所述样本特征输入第一类别模块，生成所述样本视频的第一类别序列，以及将所述样本特征输入第二类别模块，生成所述样本视频的第二类别序列；基于所述第一类别序列和所述第二类别序列获得目标损失函数，并根据所述目标损失函数训练所述检测模型，且将所述检测模型返回至所述用户。9.一种检测模型训练方法，包括：
接收用户发送的调用请求，其中，所述调用请求中携带包含事件的样本视频；提取所述样本视频的样本特征；将所述样本特征输入第一类别模块，生成所述样本视频的第一类别序列，以及将所述样本特征输入第二类别模块，生成所述样本视频的第二类别序列；基于所述第一类别序列和所述第二类别序列获得目标损失函数，并根据所述目标损失函数训练所述检测模型，且将所述检测模型返回至所述用户。10.一种事件检测方法，包括：接收包含事件的视频，并将所述视频输入检测模型，获得所述视频中包含的事件以及所述事件发生的时间，其中，所述检测模型根据如上述权利要求1
‑
7中任意一项所述的检测模型训练方法训练获得；在所述事件满足预设预警条件的情况下，为所述事件生成对应的预警策略。11.根据权利要求10所述的事件检测方法，所述接收包含事件的视频包括：基于用户的调用请求为所述用户展示视频输入界面，并接收所述用户基于所述视频输入界面发送的包含事件的视频。12.根据权利要求10所述的事件检测方法，所述接收包含事件的视频包括：接收用户发送的调用请求，其中，所述调用请求中携带包含事件的视频。13.一种事件检测方法，应用于城市管理场景，包括：接收包含治安事件的视频，并将所述视频输入检测模型，获得所述视频中包含的治安事件以及所述治安事件发生的时间，其中，所述检测模型根据如上述权利要求1
‑
7中任意一项所述的检测模型训练方法训练获得；在所述治安事件满足预设预警条件的情况下，为所述治...

【专利技术属性】
技术研发人员：刘袁，陈静远，陈新鹏，邓兵，黄建强，华先胜，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：