CN113947103A - 高空抛物的模型更新方法、高空抛物检测系统及存储介质 - Google Patents

Abstract

本发明涉及高空抛物检测领域，提供了一种高空抛物的模型更新方法，包括：获取采集到的监控视频数据，并运行第一模型对监控视频数据进行处理，得到第一识别结果；在确定第一识别结果为高空抛物事件时，运行第二模型对监控视频数据进行处理，得到第二识别结果；根据第二识别结果确定针对第一模型和/或第二模型的目标更新策略；根据目标更新策略，对第一模型和/或第二模型进行迭代更新。通过在第一模型的识别结果为高空抛物事件时，根据第二模型的识别结果确定检测模型的目标更新策略，并按照目标更新策略更新检测模型，得到新的检测模型，可以提高用于识别高空抛物的检测模型的识别准确性。

Description

高空抛物的模型更新方法、高空抛物检测系统及存储介质

技术领域

本发明涉及高空抛物检测领域，尤其涉及一种高空抛物的模型更新方法、高空抛物检测系统及存储介质。

背景技术

高空抛物不仅仅是不文明的行为，还对地面上的人及财物造成威胁。为了有效的减少甚至避免高空抛物，国家明确了高空抛物罪，然而高空抛物事件发生场所多为高空楼层，少有目击者，抛物时间短，使得执法部门很难追究抛物者的法律责任。因此，实现智能化识别高空抛物就显得极其重要。

目前，主要通过监控装置采集图像数据，再将采集到的图像数据输入到高空抛物检测模型中，以检测是否发生高空抛物事件，由于高空抛物检测模型对高空抛物的识别准确性依赖于训练样本数据的全面性，而高空抛物事件的训练样本数据难以全面地收集，因此，如何提高高空抛物检测模型对高空抛物的识别准确性是目前亟待解决的问题。

发明内容

本发明实施例提供了一种高空抛物的模型更新方法、高空抛物检测系统及存储介质，有助于提高高空抛物检测模型对高空抛物的识别准确性。

第一方面，本发明实施例提供一种高空抛物的模型更新方法，应用于高空抛物检测系统，所述高空抛物检测系统包括用于识别高空抛物事件的第一模型和第二模型，所述方法包括：

获取采集到的监控视频数据，并运行所述第一模型对所述监控视频数据进行处理，得到第一识别结果；

在确定所述第一识别结果为高空抛物事件时，运行所述第二模型对所述监控视频数据进行处理，得到第二识别结果；

根据所述第二识别结果确定针对所述第一模型和/或所述第二模型的目标更新策略；

根据所述目标更新策略，对所述第一模型和/或所述第二模型进行迭代更新。

第二方面，本发明实施例还提供了一种高空抛物检测系统，所述高空抛物检测系统包括第一设备和第二设备，所述第一设备与所述第二设备通信连接，所述第一设备包括用于识别高空抛物事件的第一模型，所述第二设备包括用于识别高空抛物事件的第二模型，其中：

所述第一设备用于获取监控视频数据，运行所述第一模型对所述监控视频数据进行处理，得到第一识别结果；

所述第一设备还用于在确定所述第一识别结果为高空抛物事件时，将所述监控视频数据发送给所述第二设备；

所述第二设备用于在接收到所述监控视频数据后，运行所述第二模型对所述监控视频数据进行处理，得到第二识别结果；

所述第二设备还用于根据所述第二识别结果确定针对所述第一模型和/或所述第二模型的目标更新策略；

所述第二设备还用于根据所述目标更新策略，对所述第一模型和/或所述第二模型进行迭代更新。

第三方面，本发明实施例还提供一种存储介质，用于计算机可读存储，所述存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如本发明说明书提供的任一项高空抛物的模型更新的方法的步骤。

本发明实施例提供的高空抛物的模型更新方法，高空抛物检测系统通过获取采集到的监控视频数据，并运行第一模型对监控视频数据进行处理，得到第一识别结果，在第一模型的第一识别结果为高空抛物事件时，运行第二模型对监控视频数据进行处理，得到第二识别结果，根据第二识别结果可以自适应地确定针对第一模型和/或第二模型的目标更新策略，并按照目标更新策略自适应地更新第一模型和/或第二模型，得到新的第一模型和/或第二模型，从而使得新的检测模型可以适应更多场景的高空抛物识别，极大地提高了高空抛物检测模型的识别准确性。

附图说明

为了更清楚地说明本发明实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是实施本发明实施例提供的高空抛物的模型更新方法的一场景示意图；

图2是本发明实施例提供的一种高空抛物的模型更新方法的步骤流程示意图；

图3是图2中的高空抛物的模型更新方法的子步骤流程示意图；

图4是本发明实施例中的第一模型的迭代更新过程示意图；

图5是本发明实施例提供的累计帧差图的一示意图；

图6是本发明实施例提供的当前视频帧的一示意图；

图7是本发明实施例提供的合成图像的一示意图；

图8是本发明实施例提供的合成图像经第一模型进行处理得到的图像的一示意图；

图9是本发明实施例提供的另一种高空抛物的模型更新方法的步骤流程示意图；

图10是本发明实施例提供的一种高空抛物检测系统的结构示意框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。

应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。

下面结合附图，对本发明的一些实施例作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。

高空抛物不仅仅是不文明的行为，还对地面上的人及财物造成威胁。为了有效的减少甚至避免高空抛物，国家明确了高空抛物罪，然而高空抛物事件发生场所多为高空楼层，少有目击者，抛物时间短，使得执法部门很难追究抛物者的法律责任。因此，实现智能化识别高空抛物就显得极其重要。目前，主要通过监控装置采集图像数据，再将采集到的图像数据输入到高空抛物检测模型中，以检测是否发生高空抛物事件，由于高空抛物检测模型对高空抛物的识别准确性依赖于训练样本数据的全面性，而高空抛物事件的训练样本数据难以全面地收集，因此，如何提高高空抛物检测模型对高空抛物的识别准确性是目前亟待解决的问题。

为解决上述问题，本发明实施例提供一种高空抛物的模型更新方法、高空抛物检测系统及存储介质，该方法通过获取采集到的监控视频数据，并运行第一模型对监控视频数据进行处理，得到第一识别结果，在第一模型的第一识别结果为高空抛物事件时，运行第二模型对监控视频数据进行处理，得到第二识别结果，根据第二识别结果可以自适应地确定针对第一模型和/或第二模型的目标更新策略，并按照目标更新策略自适应地更新第一模型和/或第二模型，得到新的第一模型和/或第二模型，从而使得新的检测模型可以适应更多场景的高空抛物识别，极大地提高了高空抛物检测模型的识别准确性。

请参阅图1，图1是实施本发明实施例提供的高空抛物的模型更新方法的一场景示意图。如图1所示，该场景包括一个或多个监控装置100、第一设备200和第二设备300，监控装置100与第一设备200通信连接，第一设备200与第二设备300通信连接，第一设备200包括用于识别高空抛物事件的第一模型，第二设备300包括用于识别高空抛物事件的第二模型。

其中，一个或多个监控装置100可以通过无线或有线与第一设备200连接，监控装置100可以包括图像采集装置，例如，图像采集装置为高清摄像头、红外摄像头、鱼眼摄像头或全景摄像头等，一个或多个监控装置100可以部署在楼宇园区、住宅小区等的不同位置，以采集楼宇园区、住宅小区等的不同位置的监控视频数据，并将采集到的监控视频数据发送给第一设备100，由第一设备100运行第一模型对监控视频数据进行处理，得到高空抛物事件的识别结果，以识别高空抛物事件，保证楼宇园区、住宅小区等内住户或车辆的安全。应理解，一个或多个监控装置100的朝向可以相同，也可以不同，本实施例对此不做具体限定。

其中，第一设备200可以包括笔记本电脑、个人计算机(PC机)、边缘检测设备、服务器等，第二设备300可以包括笔记本电脑、个人计算机(PC机)、边缘检测设备、服务器等。服务器可以是独立的服务器，也可以是由多台服务器组成的服务器集群，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。例如，第一设备200为个人计算机，第二设备300为服务器，又例如，第一设备200和第二设备300均为服务器。

在一实施例中，第一设备200可以与一个或多个显示设备通信连接，一个或多个显示装置用于显示一个或多个监控装置100采集到的监控视频数据。需要说明的是，显示设备包括智能显示屏、智能手机、平板电脑、个人计算机、笔记本电脑，或者也可以是带有显示屏的其他电子设备，本发明实施例对此不做具体限定，显示设备上设置有显示屏，该显示屏包括LED显示屏、OLED显示屏、LCD显示屏等等。

在一实施例中，第一设备200获取监控装置100采集到的监控视频数据，并运行第一模型对监控视频数据进行处理，得到第一识别结果，在确定第一识别结果为高空抛物事件时，向第二设备300发送监控视频数据；第二设备300运行第二模型对该监控视频数据进行处理，得到第二识别结果；第二设备300根据第二识别结果确定针对第一模型和/或第二模型的目标更新策略；根据目标更新策略，对第一模型和/或第二模型进行迭代更新。其中，在第二识别结果为高空抛物事件时，第二设备300向第一设备200发送高空抛物提示信息，第一设备200输出高空抛物提示信息。例如，第一设备200将高空抛物提示信息输出至显示设备进行显示，供用户及时查看识别到高空抛物事件所在的区域，是否真的发生高空抛物事件。

以下，将结合图1中的场景对本发明的实施例提供的高空抛物的模型更新方法进行详细介绍。需知，图1中的场景仅用于解释本发明实施例提供的高空抛物的模型更新方法，但并不构成对本发明实施例提供的高空抛物的模型更新方法应用场景的限定。

请参阅图2，图2是本发明实施例提供的一种高空抛物的模型更新方法的步骤流程示意图。该高空抛物的模型更新方法应用于高空抛物检测系统，高空抛物检测系统包括用于识别高空抛物事件的第一模型和第二模型。

如图2所示，该高空抛物的模型更新方法可以包括步骤S101至步骤S104。

步骤S101、获取采集到的监控视频数据，并运行第一模型对监控视频数据进行处理，得到第一识别结果。

其中，第一模型可以为检测模型，第二模型可以为分类模型，第二模型的网络结构复杂度大于第一模型的网络结构复杂度，高空抛物检测系统与一个或多个监控装置通信连接，高空抛物检测系统可以包括第一设备，第一模型和第二模型可以部署于第一设备，高空抛物检测系统可以包括第一设备和第二设备，第一设备与第二设备通信连接，第一设备包括第一模型，第二设备包括第二模型，第一设备与一个或多个监控装置通信连接。

在一实施例中，第一模型为预先训练好的第一神经网络模型，第二模型为预先训练好的第二神经网络模型，第一神经网络模型与第二神经网络模型不同。

其中，第一神经网络模型的训练方式可以为：获取第一样本数据，其中，第一样本数据包括多个第一正例样本和多个第一负例样本，第一正例样本包括高空抛物图像和第一标签，第一负例样本包括背景图像和第二标签；根据第一样本数据对第一神经网络模型进行迭代训练，直至第一神经网络模型收敛，从而得到第一模型。第一标签用于表示高空抛物图像的分类结果为高空抛物事件，即发生了高空抛物，第二标签用于表示背景图像的分类结果为非高空抛物事件，即没有发生高空抛物。

其中，第二神经网络模型的训练方式可以为：获取第二样本数据，其中，第二样本数据包括多个第二正例样本和多个第二负例样本，第二正例样本包括高空抛物图像和第一标签，高空抛物图像标注有抛物轨迹，第二负例样本包括背景图像和第二标签；根据第二样本数据对第二神经网络模型进行迭代训练，直至第二神经网络模型收敛，从而得到第二模型。第一样本数据与第二样本数据的正负例样本比例不同，例如，第一样本数据的正负例样本比例为1:3，第二样本数据的正负例样本比例为1:1。

在一实施例中，运行第一模型对监控视频数据进行处理，得到第一识别结果的方式可以为：从监控视频数据中获取当前视频帧和多个候选视频帧；对多个候选视频帧中的每相邻两个候选视频帧进行像素作差，得到多个帧差图，并对多个帧差图进行累计，得到累计帧差图；将累计帧差图与当前视频帧进行合成，得到合成图像，并将合成图像输入第一模型进行处理，得到第一识别结果。其中，当前视频帧为采集时刻为当前系统时刻所对应的视频帧，多个候选视频帧包括当前视频帧和多个历史视频帧，历史视频帧为采集时刻在当前系统时刻之前所对应的视频帧。

步骤S102、在确定第一识别结果为高空抛物事件时，运行第二模型对监控视频数据进行处理，得到第二识别结果。

在一实施例中，在确定第一识别结果为高空抛物事件时，第一设备将监控视频数据发送给第二设备；第二设备在接收到第一设备发送的监控视频数据时，运行第二模型对监控视频数据进行处理，得到第二识别结果。其中，第二识别结果包括高空抛物事件和非高空抛物事件。

在一实施例中，在第二识别结果为高空抛物事件时，第二设备向第一设备发送高空抛物提示信息，第一设备在接收到第二设备发送的高空抛物提示信息时，输出高空抛物提示信息，以提示用户发生了高空抛物；获取用户反馈的信息，并存储用户反馈的信息。

其中，用户反馈的信息用于指示第二模型的识别结果是否有误，例如，用户反馈的信息包括识别正确信息和/或识别错误信息，识别错误信息用于指示第二模型的识别结果有误，识别正确信息用于指示第二模型的识别结果无误。

在一实施例中，运行第二模型对监控视频数据进行处理，得到第二识别结果的方式可以为：从监控视频数据中获取当前视频帧和多个候选视频帧；对多个候选视频帧中的每相邻两个候选视频帧进行像素作差，得到多个帧差图，并对多个帧差图进行累计，得到累计帧差图；确定每个候选视频帧中的前景目标，并基于每个候选视频帧中的前景目标，生成前景序列图；对当前视频帧进行灰度处理，得到灰度图，并将灰度图、累计帧差图和前景序列图进行叠加，得到目标图像；将目标图像输入第二模型，得到第二识别结果。

步骤S103、根据第二识别结果确定针对第一模型和/或第二模型的目标更新策略。

示例性的，在第二识别结果不为高空抛物事件时，确定目标更新策略为预设的第一更新策略，第一更新策略用于更新第一模型。

可见，在本示例中，通过在第一识别结果为高空抛物事件，而第二识别结果不为高空抛物事件时，可以确定第一模型的识别结果出现错误，因此，通过确定目标更新策略为用于更新第一模型的第一更新策略，从而可以实现第一模型的迭代更新，提高第一模型对高空抛物事件的识别准确性。

示例性的，在第二识别结果为高空抛物事件时，若获取到高空抛物事件的用户反馈的识别错误信息，则确定目标更新策略为预设的第二更新策略，第二更新策略用于更新第二模型。或者，确定目标更新策略为预设的第三更新策略，第三更新策略用于更新第一模型和第二模型。

其中，第一更新策略、第二更新策略和第三更新策略不同。

可见，在本示例中，通过在第一识别结果和第二识别结果为高空抛物事件，而用户反馈的信息为识别错误信息时，可以确定第一模型和第二模型的识别结果出现错误，因此，通过确定目标更新策略为用于更新第一模型和第二模型的第三更新策略，从而可以实现第一模型和第二模型的迭代更新，提高第一模型和第二模型对高空抛物事件的识别准确性。

步骤S104、根据目标更新策略，对第一模型和/或第二模型进行迭代更新。

其中，目标更新策略可以为第一更新策略、第二更新策略、第三更新策略和第四更新策略，第一更新策略用于更新第一模型，第二更新策略用于更新第二模型，第三更新策略用于更新第一模型和第二模型，第四更新策略用于指示高空抛物检测系统基于视频监控数据的采集区域处的气象信息对第一模型进行迭代更新。

在一实施例中，如图3所示，步骤S104包括子步骤S1041至子步骤S1042。

步骤S1041、在目标更新策略为第一更新策略时，根据监控视频数据生成第一训练样本数据。

示例性的，从监控视频数据中获取基准高空抛物图像和基准背景图像，其中，基准高空抛物图像包括高空抛物，基准背景图像不包括高空抛物；根据基准高空抛物图像生成多个正例样本，其中，正例样本包括高空抛物图像和第一标签；根据基准背景图像生成多个负例样本，负例样本包括背景图像和第二标签；合并多个正例样本和多个负例样本，得到第一训练样本数据。

其中，第一标签用于表示高空抛物图像的分类结果为高空抛物事件，即发生了高空抛物，第二标签用于表示背景图像的分类结果为非高空抛物事件，即没有发生高空抛物。

示例性的，根据基准高空抛物图像生成多个正例样本的方式可以为：确定基准高空抛物图像与预设高空抛物图像库中的各预设高空抛物图像之间的相似度；从预设高空抛物图像库中获取相似度大于或等于预设相似度阈值的预设高空抛物图像作为候选高空抛物图像；将各候选高空抛物图像与第一标签进行组合，得到多个正例样本。其中，预设相似度阈值可由用户自行设置，本实施例对此不做具体限定，例如，预设相似度阈值为0.9。

示例性的，根据基准背景图像生成多个负例样本的方式可以为：确定基准背景图像与预设背景图像库中的各预设背景图像之间的相似度；从预设背景图像库中获取相似度大于或等于预设相似度的预设背景图像作为候选背景图像；将各候选背景图像与第二标签进行组合，得到多个负例样本。

其中，预设相似度可由用户自行设置，本实施例对此不做具体限定，例如，预设相似度为0.85。

可见，本示例中，通过从监控视频数据中获取基准高空抛物图像和基准背景图像，再从预设背景图像库中选择与基准背景图像相似的图像作为候选背景图像，并从预设高空抛物图像库中选择与基准高空抛物图像相似的图像作为候选高空抛物图像，然后将各候选高空抛物图像与第一标签进行组合，得到多个正例样本，并将各候选背景图像与第二标签进行组合，得到多个负例样本，最后合并多个正例样本和多个负例样本，得到第一训练样本数据，可以使得生成的第一训练样本数据能够准确的表征识别错误对应的场景，从而使用第一训练样本数据，对第一模型进行迭代更新后，保证第一模型能够识别这个识别错误对应的场景，进而提高第一模型对高空抛物事件的识别准确性。

步骤S1042、根据第一训练样本数据，对第一模型进行迭代更新；

示例性的，从第一训练样本数据中获取正例样本或负例样本作为目标样本；将目标样本中的图像输入第一模型，得到目标样本中的图像的预测标签；根据目标样本中的真实标签和该预测标签，确定模型损失值；在模型损失值大于损失值阈值时，更新第一模型的参数，然后返回执行从第一训练样本数据中获取正例样本或负例样本作为目标样本的步骤，直至模型损失值小于或等于损失值阈值，从而得到迭代更新后的第一模型。

可见，本示例中，通过第一训练样本数据，对第一模型进行迭代更新，可以提高第一模型对高空抛物事件的识别准确性。

示例性的，确定第一训练样本数据的正负样本比例；在第一训练样本数据的正负样本比例不满足第一预设比例时，调整第一训练样本数据，以使调整后的第一训练样本数据的正负样本比例满足第一预设比例。

可见，本示例中，通过调整第一训练样本数据的正负样本比例，使得调整后的第一训练样本数据的正负样本比例满足第一预设比例，可以保证正负样本的均衡性，使得在使用第一训练样本数据，对第一模型进行迭代更新后，可以保证第一模型能够识别这个识别错误对应的场景，进而提高第一模型对高空抛物事件的识别准确性。

其中，第一模型的训练迭代过程可以由第二设备完成，在第二设备完成第一模型的迭代更新后，向第一设备发送更新后的第一模型，以使第一设备在本地部署更新后的第一模型，以覆盖之前的第一模型。

在一实施例中，在目标更新策略为第二更新策略时，根据监控视频数据生成第二训练样本数据，并根据第二训练样本数据，对第二模型进行迭代更新。其中，第二训练样本数据的具体生成方式可以参考前述第一训练样本数据的具体生成方式，此处不做赘述。

可见，本示例中，通过监控视频数据生成的第二训练样本数据，可以准确地表征第二模型识别错误对应的场景，从而在使用第二训练样本数据，对第二模型进行迭代更新后，可以保证第二模型能够识别这个识别错误对应的场景，进而提高第二模型对高空抛物事件的识别准确性。

在一实施例中，在目标更新策略为第三更新策略时，根据监控视频数据生成第一训练样本数据和第二训练样本数据，并根据第一训练样本数据，对第一模型进行迭代更新以及根据第二训练样本数据，对第二模型进行迭代更新。

其中，第一预设比例和第一训练样本数据的样本个数可由用户自行设置，本实施例对此不做具体限定，例如，第一训练样本数据的样本个数为15000条，第一预设比例为1:3。

示例性的，确定第二训练样本数据的正负样本比例；在第二训练样本数据的正负样本比例不满足第二预设比例时，调整第二训练样本数据，以使调整后的第二训练样本数据的正负样本比例满足第二预设比例。

其中，第二预设比例和第二训练样本数据的样本个数可由用户自行设置，本实施例对此不做具体限定，例如，第二训练样本数据的样本个数为20000条，第二预设比例为1:1。

可见，本示例中，通过可以准确地表征第一模型识别错误对应的场景的第一训练样本数据对第一模型进行迭代更新，同时通过可以准确地表征第二模型识别错误对应的场景的第二训练样本数据对第二模型进行迭代更新，可以保证第一模型和第二模型能够识别这个识别错误对应的场景，进而提高第一模型和第二模型对高空抛物事件的识别准确性。

在一实施例中，在第二识别结果不为高空抛物事件时，获取视频监控数据的采集区域处的气象信息，并获取运行第一模型所需要满足的预设气象条件；在该气象信息不满足预设气象条件时，确定目标更新策略为预设的第四更新策略；根据第四更新策略对第一模型进行迭代更新。

其中，第四更新策略用于指示高空抛物检测系统基于视频监控数据的采集区域处的气象信息对第一模型进行迭代更新，预设气象条件可基于实际情况进行设置，本实施例对此不做具体限定。

可见，本示例中，通过在气象信息不满足运行第一模型所需要满足的预设气象条件时，基于第四更新策略对第一模型进行迭代更新，使得迭代更新后的第一模型可以适应视频监控数据所在区域的气象条件，从而提高第一模型对高空抛物事件的识别准确性。

示例性的，获取视频监控数据的采集区域处的气象信息的方式可以为：从视频监控数据中获取监控装置的身份识别码；查询预设的身份识别码与地理位置信息之间的映射关系，获取视频监控数据中的身份识别码对应的地理位置信息；基于地理位置信息从气象数据库中获取监控装置所处区域的气象信息。其中，视频监控数据的采集区域为监控装置所处的区域，预设气象条件可基于实际情况进行设置，本实施例对此不做具体限定。

示例性的，根据第四更新策略对第一模型进行迭代更新的方式可以为：根据监控视频数据生成第一训练样本数据；根据气象信息对第一训练样本数据中的各正例样本进行调整，得到新的正例样本，同时根据气象信息对第一训练样本数据中的各负例样本进行调整，得到新的负例样本；将新的正例样本和新的负例样本进行合并，得到第四训练样本数据；根据第四训练样本数据对第一模型进行迭代更新。

请参阅图4，图4是本发明实施例中第一模型的迭代更新过程示意图。如图8所示，第一模型的迭代更新过程包括步骤S11-S19。

步骤S11、获取采集到的监控视频数据，并运行第一模型对监控视频数据进行处理，得到第一识别结果；

步骤S12、在确定第一识别结果为高空抛物事件时，运行第二模型对监控视频数据进行处理，得到第二识别结果；

步骤S13、在第二识别结果不为高空抛物事件时，从监控视频数据中获取基准高空抛物图像和基准背景图像；

步骤S14、根据基准高空抛物图像生成多个正例样本，并根据基准背景图像生成多个负例样本，且合并多个正例样本和多个负例样本，得到第一训练样本数据；

步骤S15、从第一训练样本数据中获取正例样本或负例样本作为目标样本；

步骤S16、将目标样本中的图像输入第一模型，得到目标样本中的图像的预测标签；

步骤S17、根据目标样本中的真实标签和该预测标签，确定模型损失值；

步骤S18、在模型损失值大于损失值阈值时，更新第一模型的参数，并返回执行步骤S15；

步骤S19、在模型损失值小于或等于损失值阈值时，停止训练第一模型。

可见，本示例中，通过在第一识别结果为高空抛物事件，而第二识别结果不为高空抛物事件时，可以确定第一模型的识别结果出现错误，因此，通过从监控视频数据中获取基准高空抛物图像和基准背景图像，然后根据基准高空抛物图像生成多个正例样本，并根据基准背景图像生成多个负例样本，且合并多个正例样本和多个负例样本，可以得到用于准确地表征第一模型识别错误对应的场景的第一训练样本数据，再然后从第一训练样本数据中获取正例样本或负例样本作为目标样本，并将目标样本中的图像输入第一模型，得到目标样本中的图像的预测标签，之后根据目标样本中的真实标签和该预测标签，确定模型损失值，在在模型损失值大于损失值阈值时，更新第一模型的参数，并返回执行步骤S15，而在在模型损失值小于或等于损失值阈值时，停止训练第一模型，可以实现第一模型的迭代更新，从而提高第一模型对高空抛物事件的识别准确性。

例如，部署在某小区的监控装置100采集到小区楼宇处的监控视频数据，监控装置将监控视频数据发送给高空抛物检测系统中的第一设备200，第一设备200可以从监控视频数据中获取到如图5所示的当前视频帧和20个候选视频帧，然后对20个候选视频帧中的每相邻两个候选视频帧进行像素作差，得到多个帧差图，并对多个帧差图进行累计，可以得到如图6所示的累计帧差图，通过对图6所示的累计帧差图和图5所示的当前视频帧进行合成，即将图6中的白色虚线21与图5所示的当前视频帧进行合成，可以得到如图7所示的合成图像，将图7所示的合成图像输入第一模型进行处理，可以得到如图8所示的图像，如图8所示，抛物轨迹11被矩形框12所框选，也即第一模型识别到抛物轨迹，第一识别结果为高空抛物事件，此时，第一设备200将监控视频数据发送给第二设备300，第二设备300运行第二模型对监控视频数据进行处理，得到第二识别结果，在第二识别结果不为高空抛物事件时，可以确定第一设备200中部署的第一模型出现高空事件识别错误，因此通过监控视频数据可以生成第一训练样本数据，并基于第一训练样本数据对第一模型进行迭代更新，可以提高第一模型对高空抛物事件的识别准确性。

请参阅图9，图9是本发明实施例提供的另一种高空抛物的模型更新方法的步骤流程示意图。

如图9所示，该高空抛物的模型更新方法可以包括步骤S201至步骤S204。

步骤S201、获取采集到的监控视频数据，并运行第一模型对监控视频数据进行处理，得到第一识别结果。

示例性的，从监控视频数据中获取当前视频帧和多个候选视频帧；对多个候选视频帧中的每相邻两个候选视频帧进行像素作差，得到多个帧差图，并对多个帧差图进行累计，得到累计帧差图；将累计帧差图与当前视频帧进行合成，得到合成图像，并将合成图像输入第一模型进行处理，得到第一识别结果。

其中，第一识别结果包括高空抛物事件和非高空抛物事件，当前视频帧为采集时刻为当前系统时刻所对应的视频帧，多个候选视频帧包括当前视频帧和多个历史视频帧，历史视频帧为采集时刻在当前系统时刻之前所对应的视频帧。

步骤S202、在确定第一识别结果为高空抛物事件时，获取视频监控数据的采集区域处的气象信息，并获取运行第一模型所需要满足的预设气象条件。

示例性的，获取视频监控数据的采集区域处的气象信息的方式可以为：从视频监控数据中获取监控装置的身份识别码；查询预设的身份识别码与地理位置信息之间的映射关系，获取视频监控数据中的身份识别码对应的地理位置信息；基于地理位置信息从气象数据库中获取监控装置所处区域的气象信息。

其中，视频监控数据的采集区域为监控装置所处的区域，预设气象条件可基于实际情况进行设置，本实施例对此不做具体限定。

步骤S203、在气象信息不满足预设气象条件时，根据气象信息，生成第三训练样本数据。

示例性的，根据气象信息，生成第三训练样本数据的方式可以为：获取第一模型的历史训练样本数据，其中，历史训练样本数据包括多个历史正例样本和多个历史负例样本；根据气象信息，对各历史正例样本中的高空抛物图像进行调整，得到新的正例样本；根据气象信息，对各历史负例样本中的背景图像进行调整，得到新的负例样本；将新的正例样本和新的负例样本进行合并，得到第三训练样本数据。

其中，气象信息包括大雾天、雨天、雪天等。

步骤S204、根据第三训练样本数据，对第一模型进行迭代更新。

示例性的，第三训练样本数据包括多个正例样本和多个负例样本。根据第三训练样本数据，对第一模型进行迭代更新的方式可以为：从第三训练样本数据中获取正例样本或负例样本作为目标样本；将目标样本中的图像输入第一模型，得到目标样本中的图像的预测标签；根据目标样本中的真实标签和该预测标签，确定模型损失值；在模型损失值大于损失值阈值时，更新第一模型的参数，然后返回执行从第三训练样本数据中获取正例样本或负例样本作为目标样本的步骤，直至模型损失值小于或等于损失值阈值，从而得到迭代更新后的第一模型。

在一实施例中，在根据第三训练样本数据，对第一模型进行迭代更新之后，在视频监控数据的采集区域处的气象信息满足预设气象条件时，将迭代更新后得到的第一模型恢复为迭代更新前的第一模型。

可见，本示例中，通过将更新后的检测模型恢复到更新前的检测模型，这样可以避免设备一直运行较大的检测模型，提高运行效率。

在一实施例中，高空抛物检测系统中存储有多个第一模型，且各个第一模型对应不同的气象条件。因此，在获取到视频监控数据的采集区域处的气象信息后，确定高空抛物检测系统中是否存在有与该气象信息匹配的第一模型，若存在与该气象信息匹配的第一模型，则运行与该气象信息匹配的第一模型对视频监控数据进行处理，得到第一识别结果。

可见，本示例中，通过在高空抛物检测系统中部署多个第一模型，且各第一模型对应的气象信息不同，可以自适应地选择与气象信息匹配的第一模型来处理在对应气象条件下采集到的监控视频数据，能够提高高空抛物检测的准确性。

本发明实施例提供的高空抛物的模型更新方法，通过在视频监控数据的采集区域处的气象信息不满足运行第一模型所需要满足的预设气象条件时，基于气象信息对第一模型进行迭代更新，可以使得迭代更新后的能够检测新的气象条件下的高空抛物事件，极大地提高了高空抛物检测模型的应用范围和准确性。

请参阅图10，图10是本发明实施例提供的一种高空抛物检测系统的结构示意性框图。

如图10所示，高空抛物检测系统400包括第一设备410和第二设备420，所述第一设备410与所述第二设备420通信连接，所述第一设备410包括用于识别高空抛物事件的第一模型，所述第二设备420包括用于识别高空抛物事件的第二模型，其中：

所述第一设备410用于获取监控视频数据，运行所述第一模型对所述监控视频数据进行处理，得到第一识别结果；

所述第一设备410还用于在确定所述第一识别结果为高空抛物事件时，将所述监控视频数据发送给所述第二设备420；

所述第二设备420用于在接收到所述监控视频数据后，运行所述第二模型对所述监控视频数据进行处理，得到第二识别结果；

所述第二设备420还用于根据所述第二识别结果确定针对所述第一模型和/或所述第二模型的目标更新策略；

所述第二设备420还用于根据所述目标更新策略，对所述第一模型和/或所述第二模型进行迭代更新。

在一实施例中，所述第二设备420还用于：

在所述第二识别结果不为高空抛物事件时，确定目标更新策略为预设的第一更新策略，所述第一更新策略用于更新所述第一模型；

在所述第二识别结果为高空抛物事件时，若获取到所述高空抛物事件的用户反馈的识别错误信息，则确定目标更新策略为预设的第二更新策略，所述第二更新策略用于更新所述第二模型，或者，确定目标更新策略为预设的第三更新策略，所述第三更新策略用于更新所述第一模型和所述第二模型。

在一实施例中，所述第二设备420还用于：

所述根据所述目标更新策略，对所述第一模型和/或所述第二模型进行迭代更新，包括：

在所述目标更新策略为第一更新策略时，根据所述监控视频数据生成第一训练样本数据，并根据所述第一训练样本数据，对所述第一模型进行迭代更新；

在所述目标更新策略为第二更新策略时，根据所述监控视频数据生成第二训练样本数据，并根据所述第二训练样本数据，对所述第二模型进行迭代更新；

在所述目标更新策略为第三更新策略时，根据所述监控视频数据生成第一训练样本数据和第二训练样本数据，并根据所述第一训练样本数据，对所述第一模型进行迭代更新以及根据所述第二训练样本数据，对所述第二模型进行迭代更新。

在一实施例中，所述第二设备420还用于：

从所述监控视频数据中获取基准高空抛物图像和基准背景图像；

根据所述基准高空抛物图像生成多个正例样本，其中，所述正例样本包括高空抛物图像和第一标签；

根据所述基准背景图像生成多个负例样本，其中，所述负例样本包括背景图像和第二标签；

合并多个所述正例样本和多个所述负例样本，得到所述第一训练样本数据。

在一实施例中，所述第二设备420还用于：

确定所述基准高空抛物图像与预设高空抛物图像库中的各预设高空抛物图像之间的相似度；

从所述预设高空抛物图像库中获取所述相似度大于或等于预设相似度阈值的预设高空抛物图像作为候选高空抛物图像；

将各所述候选高空抛物图像与所述第一标签进行组合，得到多个正例样本。

在一实施例中，所述第二设备420还用于：

确定所述第一训练样本数据的正负样本比例；

在所述正负样本比例不满足第一预设比例时，调整所述第一训练样本数据，以使调整后的第一训练样本数据的正负样本比例满足所述第一预设比例。

在一实施例中，所述第二设备420还用于：

获取所述视频监控数据的采集区域处的气象信息，并获取运行所述第一模型所需要满足的预设气象条件；

在所述气象信息不满足所述预设气象条件时，根据所述气象信息，生成第三训练样本数据；

根据所述第三训练样本数据，对所述第一模型进行迭代更新。

在一实施例中，所述第二设备420还用于：

获取所述视频监控数据的采集区域处的气象信息，并获取运行所述第一模型所需要满足的预设气象条件；

在所述气象信息不满足所述预设气象条件时，根据所述气象信息，生成第三训练样本数据；

根据所述第三训练样本数据，对所述第一模型进行迭代更新；

在所述视频监控数据的采集区域处的气象信息满足所述预设气象条件时，将迭代更新后得到的第一模型恢复为迭代更新前的第一模型。

其中，第一设备410可以包括笔记本电脑、个人计算机(PC机)、边缘检测设备、服务器等，第二设备420可以包括笔记本电脑、个人计算机(PC机)、边缘检测设备、服务器等。服务器可以为可以是独立的服务器，也可以是由多台服务器组成的服务器集群，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。例如，第一设备410为个人计算机，第二设备420为服务器，又例如，第一设备410和第二设备420均为服务器。

需要说明的是，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的高空抛物检测系统的具体工作过程，可以参考前述高空抛物的模型更新方法实施例中的对应过程，在此不再赘述。

本发明实施例还提供一种存储介质，用于计算机可读存储，所述存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如本发明实施例说明书提供的任一项的高空抛物的模型更新方法的步骤。

其中，所述存储介质可以是前述实施例所述的高空抛物检测系统的内部存储单元，例如所述高空抛物检测系统的硬盘或内存。所述存储介质也可以是所述高空抛物检测系统的外部存储设备，例如所述高空抛物检测系统上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。

本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施例中，在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分；例如，一个物理组件可以具有多个功能，或者一个功能或步骤可以由若干物理组件合作执行。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。

应当理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。以上所述，仅为本发明的具体实施例，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种高空抛物的模型更新方法，其特征在于，应用于高空抛物检测系统，所述高空抛物检测系统包括用于识别高空抛物事件的第一模型和第二模型，所述方法包括：

获取采集到的监控视频数据，并运行所述第一模型对所述监控视频数据进行处理，得到第一识别结果；

在确定所述第一识别结果为高空抛物事件时，运行所述第二模型对所述监控视频数据进行处理，得到第二识别结果；

根据所述第二识别结果确定针对所述第一模型和/或所述第二模型的目标更新策略；

根据所述目标更新策略，对所述第一模型和/或所述第二模型进行迭代更新。

2.根据权利要求1所述的方法，其特征在于，所述根据所述第二识别结果确定针对所述第一模型和/或所述第二模型的目标更新策略，包括：

在所述第二识别结果不为高空抛物事件时，确定目标更新策略为预设的第一更新策略，所述第一更新策略用于更新所述第一模型；

在所述第二识别结果为高空抛物事件时，若获取到所述高空抛物事件的用户反馈的识别错误信息，则确定目标更新策略为预设的第二更新策略，所述第二更新策略用于更新所述第二模型，或者，确定目标更新策略为预设的第三更新策略，所述第三更新策略用于更新所述第一模型和所述第二模型。

3.根据权利要求1所述的方法，其特征在于，所述根据所述目标更新策略，对所述第一模型和/或所述第二模型进行迭代更新，包括：

在所述目标更新策略为第一更新策略时，根据所述监控视频数据生成第一训练样本数据，并根据所述第一训练样本数据，对所述第一模型进行迭代更新；

在所述目标更新策略为第二更新策略时，根据所述监控视频数据生成第二训练样本数据，并根据所述第二训练样本数据，对所述第二模型进行迭代更新；

在所述目标更新策略为第三更新策略时，根据所述监控视频数据生成第一训练样本数据和第二训练样本数据，并根据所述第一训练样本数据，对所述第一模型进行迭代更新以及根据所述第二训练样本数据，对所述第二模型进行迭代更新。

4.根据权利要求3所述的方法，其特征在于，所述根据所述监控视频数据生成第一训练样本数据，包括：

从所述监控视频数据中获取基准高空抛物图像和基准背景图像；

根据所述基准高空抛物图像生成多个正例样本，其中，所述正例样本包括高空抛物图像和第一标签；

根据所述基准背景图像生成多个负例样本，其中，所述负例样本包括背景图像和第二标签；

合并多个所述正例样本和多个所述负例样本，得到所述第一训练样本数据。

5.根据权利要求4所述的方法，其特征在于，所述根据所述基准高空抛物图像生成多个正例样本，包括：

确定所述基准高空抛物图像与预设高空抛物图像库中的各预设高空抛物图像之间的相似度；

从所述预设高空抛物图像库中获取所述相似度大于或等于预设相似度阈值的预设高空抛物图像作为候选高空抛物图像；

将各所述候选高空抛物图像与所述第一标签进行组合，得到多个正例样本。

6.根据权利要求3所述的方法，其特征在于，所述方法还包括：

确定所述第一训练样本数据的正负样本比例；

在所述正负样本比例不满足第一预设比例时，调整所述第一训练样本数据，以使调整后的第一训练样本数据的正负样本比例满足所述第一预设比例。

7.根据权利要求1-6中任一项所述的方法，其特征在于，所述方法还包括：

获取所述视频监控数据的采集区域处的气象信息，并获取运行所述第一模型所需要满足的预设气象条件；

在所述气象信息不满足所述预设气象条件时，根据所述气象信息，生成第三训练样本数据；

根据所述第三训练样本数据，对所述第一模型进行迭代更新。

8.根据权利要求7所述的方法，其特征在于，所述根据所述第三训练样本数据，对所述第一模型进行迭代更新之后，还包括：

在所述视频监控数据的采集区域处的气象信息满足所述预设气象条件时，将迭代更新后得到的第一模型恢复为迭代更新前的第一模型。

9.一种高空抛物检测系统，其特征在于，所述高空抛物检测系统包括第一设备和第二设备，所述第一设备与所述第二设备通信连接，所述第一设备包括用于识别高空抛物事件的第一模型，所述第二设备包括用于识别高空抛物事件的第二模型，其中：

所述第一设备用于获取监控视频数据，运行所述第一模型对所述监控视频数据进行处理，得到第一识别结果；

所述第一设备还用于在确定所述第一识别结果为高空抛物事件时，将所述监控视频数据发送给所述第二设备；

所述第二设备用于在接收到所述监控视频数据后，运行所述第二模型对所述监控视频数据进行处理，得到第二识别结果；

所述第二设备还用于根据所述第二识别结果确定针对所述第一模型和/或所述第二模型的目标更新策略；

所述第二设备还用于根据所述目标更新策略，对所述第一模型和/或所述第二模型进行迭代更新。

10.一种存储介质，其特征在于，用于计算机可读存储，所述存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如权利要求1-8中任一项所述的高空抛物的模型更新方法。

Images