降低图像误识别率的方法和系统技术方案

本发明专利技术提供了降低图像误识别率的方法和系统，应用于管理系统，管理系统包括管理平台和算法支持层，管理平台包括应用管理层和应用支持层；在所述应用管理层上对设备的参数进行配置确定当前应用场景，以及采集视频流；包括：算法支持层根据当前应用场景调用预存的算法模型；通过预存的算法模型对视频流进行分析，得到推理结果；当推理结果为告警信息时，将告警信息通过过滤器分析后，显示告警信息或过滤告警信息；可以快速提高算法精度和减少告警误报。报。报。

【技术实现步骤摘要】
降低图像误识别率的方法和系统


[0001]本专利技术涉及人工智能处理
，尤其是涉及降低图像误识别率的方法和系统。

技术介绍

[0002]随着人工智能的飞速发展，在决定企业产生经济效益的各个环节，都已能够看到人工智能的身影：AI帮助人们安全生活、远程交易、便捷通行；人工智能将催生新技术、新产品、新产业、新业态和新模式，实现社会生产力的整体跃升，推动社会进入智能经济时代。
[0003]然而对于各行业大部分场景告警信息识别仍然处于初级辅助状态。目前，采用如下方法重新训练出一个新模型：1)增加样本数量，在已有的资源中，需要挑选出需要的样本；2)对样本标注，找出样本后，需要标注出样本中某一区域；3)模型训练，将标注成功后的样本加入原有模型再次训练；4)模型升级与推理，将模型升级为最新版本并进行算法推理工作。
[0004]虽然算法模型升级可以提升算法精度，但是存在以下缺点：1)模型升级后，不能保证精度提升。在许多情况下，增加样本后，算法误报仍然很多；2)收集样本和训练模型需要花费大量时间和人力成本。

技术实现思路

[0005]有鉴于此，本专利技术的目的在于提供降低图像误识别率的方法和系统，可以快速提高算法精度和减少告警误报。
[0006]第一方面，本专利技术实施例提供了降低图像误识别率的方法，应用于管理系统，所述管理系统包括管理平台和算法支持层，所述管理平台包括应用管理层和应用支持层；所述方法包括：
[0007]在所述应用管理层上对设备的参数进行配置确定当前应用场景，以及采集视频流；
[0008]所述算法支持层根据所述当前应用场景调用预存的算法模型；
[0009]通过所述预存的算法模型对所述视频流进行分析，得到推理结果；
[0010]当所述推理结果为告警信息时，将所述告警信息通过过滤器分析后，显示所述告警信息或过滤所述告警信息。
[0011]进一步的，所述过滤器包括正样本过滤器，将所述告警信息通过过滤器分析后，显示所述告警信息或过滤所述告警信息，包括：
[0012]如果所述当前应用场景包括正样本，则将所述告警信息输入到所述正样本过滤器中；
[0013]通过所述正样本过滤器将所述正样本的特征值与所述告警信息的特征值进行比较，得到第一比较结果；
[0014]如果所述第一比较结果大于第一设定阈值，则显示所述告警信息；
[0015]如果所述第一比较结果小于或等于所述第一设定阈值，则所述告警信息为误报，过滤所述告警信息。
[0016]进一步的，所述过滤器包括负样本过滤器，将所述告警信息通过过滤器分析后，显示所述告警信息或过滤所述告警信息，包括：
[0017]如果所述当前应用场景包括负样本，则将所述告警信息输入到所述负样本过滤器中；
[0018]通过所述负样本过滤器将所述负样本的特征值与所述告警信息的特征值进行比较，得到第二比较结果；
[0019]如果所述第二比较结果大于第二设定阈值，则所述告警信息为误报，过滤所述告警信息；
[0020]如果所述第二比较结果小于或等于所述第二设定阈值，则显示所述告警信息。
[0021]进一步的，所述过滤器包括度量过滤器，将所述告警信息通过过滤器分析后，显示所述告警信息或过滤所述告警信息，包括：
[0022]将所述告警信息输入到所述度量过滤器中，以及确定度量过滤范围；
[0023]在所述度量过滤范围内通过度量算法确定正样本的数量和负样本的数量；
[0024]根据所述正样本的数量和所述负样本的数量确定所述告警信息的类别；
[0025]根据所述告警信息的类别显示所述告警信息或过滤所述告警信息。
[0026]进一步的，根据所述正样本的数量和所述负样本的数量确定所述告警信息的类别，包括：
[0027]如果所述正样本的数量大于所述负样本的数量，则所述告警信息为所述正样本；
[0028]如果所述负样本的数量大于所述正样本的数量，则所述告警信息为所述负样本。
[0029]进一步的，根据所述告警信息的类别显示所述告警信息或过滤所述告警信息，包括：
[0030]当所述告警信息为所述正样本时，显示所述告警信息；
[0031]当所述告警信息为所述负样本时，过滤所述告警信息。
[0032]第二方面，本专利技术实施例提供了降低图像误识别率的系统，应用于管理系统，所述管理系统包括管理平台和算法支持层，所述管理平台包括应用管理层和应用支持层；所述系统包括：
[0033]配置模块，用于在所述应用管理层上对设备的参数进行配置确定当前应用场景，以及采集视频流；
[0034]调用模块，用于所述算法支持层根据所述当前应用场景调用预存的算法模型；
[0035]分析模块，用于通过所述预存的算法模型对所述视频流进行分析，得到推理结果；
[0036]显示或过滤模块，用于当所述推理结果为告警信息时，将所述告警信息通过过滤器分析后，显示所述告警信息或过滤所述告警信息。
[0037]进一步的，所述过滤器包括正样本过滤器，所述显示或过滤模块具体用于：
[0038]如果所述当前应用场景包括正样本，则将所述告警信息输入到所述正样本过滤器中；
[0039]通过所述正样本过滤器将所述正样本的特征值与所述告警信息的特征值进行比较，得到第一比较结果；
[0040]如果所述第一比较结果大于第一设定阈值，则显示所述告警信息；
[0041]如果所述第一比较结果小于或等于所述第一设定阈值，则所述告警信息为误报，过滤所述告警信息。
[0042]第三方面，本专利技术实施例提供了电子设备，包括存储器、处理器，所述存储器上存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的方法。
[0043]第四方面，本专利技术实施例提供了具有处理器可执行的非易失的程序代码的计算机可读介质，所述程序代码使所述处理器执行如上所述的方法。
[0044]本专利技术实施例提供了降低图像误识别率的方法和系统，应用于管理系统，管理系统包括管理平台和算法支持层，管理平台包括应用管理层和应用支持层；在所述应用管理层上对设备的参数进行配置确定当前应用场景，以及采集视频流；包括：算法支持层根据当前应用场景调用预存的算法模型；通过预存的算法模型对视频流进行分析，得到推理结果；当推理结果为告警信息时，将告警信息通过过滤器分析后，显示告警信息或过滤告警信息；可以快速提高算法精度和减少告警误报。
[0045]本专利技术的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
[0046]为使本专利技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
[0047]为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种降低图像误识别率的方法，其特征在于，应用于管理系统，所述管理系统包括管理平台和算法支持层，所述管理平台包括应用管理层和5应用支持层；所述方法包括：在所述应用管理层上对设备的参数进行配置确定当前应用场景，以及采集视频流；所述算法支持层根据所述当前应用场景调用预存的算法模型；通过所述预存的算法模型对所述视频流进行分析，得到推理结果；0当所述推理结果为告警信息时，将所述告警信息通过过滤器分析后，显示所述告警信息或过滤所述告警信息。2.根据权利要求1所述的降低图像误识别率的方法，其特征在于，所述过滤器包括正样本过滤器，将所述告警信息通过过滤器分析后，显示所述告警信息或过滤所述告警信息，包括：5如果所述当前应用场景包括正样本，则将所述告警信息输入到所述正样本过滤器中；通过所述正样本过滤器将所述正样本的特征值与所述告警信息的特征值进行比较，得到第一比较结果；如果所述第一比较结果大于第一设定阈值，则显示所述告警信息；0如果所述第一比较结果小于或等于所述第一设定阈值，则所述告警信息为误报，过滤所述告警信息。3.根据权利要求1所述的降低图像误识别率的方法，其特征在于，所述过滤器包括负样本过滤器，将所述告警信息通过过滤器分析后，显示所述告警信息或过滤所述告警信息，包括：5如果所述当前应用场景包括负样本，则将所述告警信息输入到所述负样本过滤器中；通过所述负样本过滤器将所述负样本的特征值与所述告警信息的特征值进行比较，得到第二比较结果；如果所述第二比较结果大于第二设定阈值，则所述告警信息为误报，过滤所述告警信息；如果所述第二比较结果小于或等于所述第二设定阈值，则显示所述告警信息。4.根据权利要求1所述的降低图像误识别率的方法，其特征在于，所述过滤器包括度量过滤器，将所述告警信息通过过滤器分析后，显示所述告警信息或过滤所述告警信息，包括：将所述告警信息输入到所述度量过滤器中，以及确定度量过滤范围；在所述度量过滤范围内通过度量算法确定正样本的数量和负样本的数量；根据所述正样本的数量和所述负样本的数量确定所述告警信息的类别；根据所述告警信息的类别显示所述告警信...

【专利技术属性】
技术研发人员：程亚，
申请(专利权)人：上海点泽智能科技有限公司，
类型：发明
国别省市：