基于深度学习进行特征识别的实时预警方法和系统技术方案

本发明专利技术涉及数据处理领域，特别是涉及一种基于深度学习进行特征识别的实时预警方法和系统，该方法包括：获取待检测特征向量对应的匹配度组C＝(c1,c2,...,c

【技术实现步骤摘要】
基于深度学习进行特征识别的实时预警方法和系统


[0001]本专利技术涉及数据处理领域，特别是涉及一种基于深度学习进行特征识别的实时预警方法和系统。

技术介绍

[0002]工业互联网是新一代信息通信技术与工业经济深度融合的新型基础设施、应用模式和工业生态，通过对人、机、物、系统等的全面连接，构建起覆盖全产业链、全价值链的全新制造和服务体系，为工业乃至产业数字化、网络化和智能化发展提供了实现途径。
[0003]目前大规模实时在线分析技术会应用在工业互联网中，在进行实时在线分析时，通常会基于视频追踪得到若干目标的数据，即会对视频中的目标进行识别，以得到若干目标的数据，并根据每一目标的数据得到对应的特征向量。其中，目标可以为工业生产环境中的人体或设备等，目标的数据为目标的图像。在得到任一目标的数据对应的特征向量后，可以将该特征向量与数据库中的若干预设特征向量逐一进行匹配度比对，若该特征向量与任一预设特征向量的匹配度大于预设值，则说明该特征向量对应的目标较可能为敏感目标，此时进行预警。
[0004]但是，在实际应用中，视频中的目标的数据较本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习进行特征识别的实时预警方法，其特征在于，所述实时预警方法包括以下步骤：S100，获取待检测特征向量对应的匹配度组C＝(c1,c2,...,c
j
,...,c
L
)，j＝1,2,...,L；其中，所述待检测特征向量为待检测数据对应的特征向量；c
j
为所述待检测特征向量与第j个聚类簇对应的簇心向量的匹配度，每一所述聚类簇中均包括若干目标物数据的特征向量，全部所述聚类簇中的任意两个特征向量均不同，c1≥c2≥...≥c
j
≥...≥c
L
；L为预设的聚类簇的数量；S200，检测与c1、c2、...、c
q
对应的聚类簇中是否存在与所述待检测特征向量的匹配度大于预设阈值的特征向量；若是，则进行预警；q为目标数量；q的确定方法包括以下步骤：S210，将全部所述聚类簇中的至少部分特征向量均作为目标特征向量；S220，获取预设特征向量组T＝(t1,t2,...,t
r
,...,t
s
)，r＝1,2,...,s；其中，t
r
为与第r个目标特征向量的匹配度大于所述预设阈值的预设特征向量，s为目标特征向量的数量；S230，获取匹配度列表D＝(d1,d2,...,d
r
,...,d
s
)，d
r
＝(d
r1
,d
r2
,...,d
rj
,...,d
rL
)；其中，d
r
为t
r
对应的匹配度组，d
r
为t
r
与第j个聚类簇对应的簇心向量的匹配度；S240，将d
r
中的匹配度按照由小至大的顺序进行排序，得到d
r
对应的排序后匹配度组d
r1
，以得到排序后匹配度列表D1＝(d
11
,d
21
,...,d
r1
,...,d
s1
)，d
r1
＝(d
r11
,d
r21
,...,d
rj1
,...,d
rL1
)；其中，d
r11
≥d
r21
≥...≥d
rj1
≥...≥d
rL1
；S250，根据D1，获取序数组NUM＝(num1,num2,...,num
r
,...,num
s
)；其中，num
r
为t
r
对应的目标特征向量所在的聚类簇对应的匹配度在d
r1
中的序数；S260，确定参考数量ceil(w1*n/(L*acy))是否小于L；若是，则确定出q＝ceil(w1*n/(L*acy))；其中，ceil()为预设的向上取整函数，w1为第一权重系数，0＜w1＜1；n为全部所述聚类簇中的特征向量的总数量，acy为影响系数，acy＝ber/s，ber为NUM中小于或等于基准序数num
ave
的序数的数量，num
ave
＝(∑
r＝1s
num
r
)/s。2.根据权利要求1所述的实时预警方法，其特征在于，所述步骤S210包括以下步骤：S211，获取聚类簇组V＝(v1,v2,...,v
j
,...,v
L
)；其中，v
j
为第j个聚类簇，v
j
＝(v
j1
,v
j2
,...,v
jk
,...,v
jm(j)
)，k＝1,2,...,m(j)；v
jk
为v
j
包括的第k个特征向量；m(j)为v
j
包括的特征向量的数量，∑
k＝1L
m(k)＝n；V中的任意两个特征向量均不同；S212,在v
j
中随机选择预设数量pre的特征向量作为目标特征向量；m(j)≥pre。3.根据权利要求2所述的实时预警方法，其特征在于，pre＝ceil(w2*m
min
)；其中，w2为第二权重系数，0.001≤w2≤0.2；m
min
为最小数量，m
min
＝min(m(1),m(2),...,m(j),...,m(L))。4.根据权利要求1所述的实时预警方法，其特征在于，所述步骤S260包括以下步骤：S261，确定参考数量ceil(w1*n/(L*acy))是否小于或者等于L；若是，则确定出q＝ceil(w1*n/(L*acy))；否则，确定出q＝L。5.根据权利要求2所述的实时预警方法，其特征在于，V为根据L对特征向量组A中的特征向量进行聚类得到的，A＝(a1,a2,...,a
i
,...,a

【专利技术属性】
技术研发人员：刘晓文，李凡平，石柱国，
申请(专利权)人：以萨技术股份有限公司，
类型：发明
国别省市：