实现用于监测人的ML模型的训练制造技术

提供了一种用于实现机器学习ML模型的训练的方法，该机器学习ML模型用于基于能够描绘人的数据馈送来监测人。该方法由训练数据提供器(i)执行。该方法包括：获得(40)能够描绘人的数据馈送；从多个匿名化水平中选择(42)匿名化水平；根据所选择的匿名化水平对数据馈送进行匿名化(44)，得到处理的数据馈送；以及发送(47)所处理的数据馈送作为用于训练中心节点中的中心ML模型的训练数据。不同的匿名化水平是可获得的并且水平的改变可以由中心节点请求。求。求。

【技术实现步骤摘要】
【国外来华专利技术】实现用于监测人的ML模型的训练


[0001]本公开内容涉及实现用于监测人的机器学习(ML)模型的训练的领域，并且尤其涉及提供用于训练的数据馈送，其中匿名化水平是动态选择的。

技术介绍

[0002]新技术开创了新机遇。例如，数码相机和通信技术的发展使得能够以相对低的成本使用视频监控来提供对人的监测。这可能对老年人或残疾人特别有用，以这种方式老年人或残疾人就可以通过住在他们自己家里，而不是住在有工作人员的护理机构里来享受大大改善的生活质量。视频数据也可以用于例如人数统计。
[0003]视频监控当然有用，但会产生隐私问题。几乎没有人喜欢使用视频监控来进行持续监测，以监测这个人何时需要帮助。
[0004]减少隐私担忧的一种方法是，代替人工监测，使用机器学习(ML)模型来确定被监测人的状态。然而，还需要训练基于视频数据的ML模型，这需要向ML模型提供视频数据。作为训练过程的一部分，这种用于训练的视频数据有时需要手动处理，这对视频数据中捕获的人来说是隐私担忧。

技术实现思路

[0005]一个目的是当基于能够描绘人的数据馈送提本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于实现机器学习ML模型的训练的方法，所述机器学习ML模型用于基于能够描绘人的数据馈送来监测人，所述方法由训练数据提供器(1)执行，所述方法包括：获得(40)能够描绘所述人的数据馈送；从多个匿名化水平中选择(42)匿名化水平；根据所选择的匿名化水平对所述数据馈送进行匿名化(44)，得到处理的数据馈送；发送(47)所处理的数据馈送作为用于训练中心节点中的中心ML模型的训练数据；以及从所述中心节点接收(48)增加或降低所述匿名化水平的指示；并且其中，重复所述方法，其中，所述选择(42)的下一次迭代基于增加或降低所述匿名化水平的所述指示。2.根据权利要求1所述的方法，其中，所述匿名化水平按照增加匿名化的顺序包括：面部模糊、用计算机生成的面部图像替换面部、用其他人的面部图片替换面部、整个身体模糊。3.根据前述权利要求中任一项所述的方法，其中，所述匿名化(44)包括选择与所述数据馈送中的人相同性别的另一面部。4.根据前述权利要求中一项所述的方法，还包括：确定(45)与所述数据馈送相关联的标签；以及包括(46)与所处理的数据馈送相关联的所述标签。5.根据权利要求4所述的方法，其中，所述标签指示所述人的接近摔倒事件。6.根据权利要求4或5所述的方法，其中，所述确定(45)标签基于本地ML模型的推断结果，所述本地ML模型与所述训练数据提供器(1)设置在相同的地点。7.一种用于实现机器学习ML模型的训练的训练数据提供器(1)，所述机器学习ML模型用于基于能够描绘人的数据馈送来监测人，所述训练数据提供器(1)包括：处理器(60)；以及存储指令(67)的存储器(64)，所述指令(67)在由所述处理器执行时使所述训练数据提供器(1)执行以下操作：获得能够描绘所述人的数据馈送；从多个匿名化水平中选择匿名化水平；根据所选择的匿名化水平对所述数据馈送进行匿名化，得到处理的数据馈送；发送所处理的数据馈送作为用于训练中心节点中的中心ML模型的训练数据；以及从所述中心节点接收增加或降低所述匿名化水平的指示；并且重复所述指令，其中，...

【专利技术属性】
技术研发人员：肯尼斯，
申请(专利权)人：亚萨合莱有限公司，
类型：发明
国别省市：