一种模型更新方法、装置、设备及介质与流程

技术特征：
1.一种模型更新方法，其特征在于，包括：以预设数据收集周期收集目标视频数据，并利用预设数据分析方法从所述目标视频数据中确定有效图片；基于所述有效图片中目标对象的交互场景，并利用预设加权平均方法为所述有效图片中的目标对象添加标注数据；将带有标注数据的有效图片作为新增样本图片输入预设的训练前模型中进行训练，以获取训练后模型；利用预设判定规则确定所述训练后模型是否优于所述训练前模型；若所述训练后模型优于所述训练前模型，则对所述训练后模型进行上线测试，并基于上线测试过程中所述训练后模型的负反馈率确定所述训练后模型的可信度；当所述可信度大于预设可信度阈值时，将所述训练后模型作为运行模型，并将所述训练前模型设置为备份状态。2.根据权利要求1所述的模型更新方法，其特征在于，所述利用预设数据分析方法从所述目标视频数据中确定有效图片，包括：利用预设帧间隔从所述目标视频数据中确定目标图片，并利用帧差法提取所述目标图片中的背景，然后利用预设高斯混合模型进行背景建模；确定所述目标图片对应的背景二值图，并确定所述目标图片的交并比；若所述目标图片的交并比小于预设第一阈值，则将所述目标图片确定为有效图片。3.根据权利要求1所述的模型更新方法，其特征在于，所述基于所述有效图片中目标对象的交互场景，并利用预设加权平均方法为所述有效图片中的目标对象添加标注数据，包括：确定所述有效图片中目标对象的交互场景；若所述有效图片中目标对象处于连续帧交互场景，则基于所述有效图片中的连续帧跟踪位置，并利用预设第一加权平均方法确定所述目标对象在所述有效图片中最后一帧的跟踪位置，基于所述连续帧跟踪位置与所述最后一帧的跟踪位置对所述有效图片中的目标对象添加标注数据；若所述有效图片中所述目标对象处于突变交互场景，则获取标准标注位置，并基于所述标准标注位置与有效图片中的连续帧跟踪位置，利用预设第二加权平均方法确定所述目标对象在所述有效图片中最后一帧的标注位置，然后基于所述连续帧跟踪位置与所述最后一帧的跟踪位置对所述有效图片中的目标对象添加标注数据。4.根据权利要求3所述的模型更新方法，其特征在于，所述确定所述有效图片中目标对象的交互场景，包括：利用预设数据跟踪算法确定所述有效图片中差异系数满足预设第二阈值的图片；将差异系数小于预设第二阈值的图片确定为连续帧交互场景，并将差异系数不小于预设第二阈值的图片确定为突变交互场景。5.根据权利要求3或4所述的模型更新方法，其特征在于，所述获取标准标注位置，包括：将处于突变交互场景的有效图片确定为目标有效图片发送至预设标注数据接收界面；接收由所述预设标注数据接收界面接收的标注数据，并基于所述标注数据确定所述目
标有效图片的标准标注位置。6.根据权利要求3所述的模型更新方法，其特征在于，所述利用预设判定规则确定所述训练后模型是否优于所述训练前模型，包括：确定历史数据集，并将所述带有标注数据的有效图片作为新增样本图片加入所述历史数据集中，以确定当前数据集；所述历史数据集中包括基于预设第一划分比例划分的历史训练集与历史测试集；利用预设第二划分比例将所述当前数据集划分为当前测试集与当前训练集，并分别利用所述历史测试集与所述当前测试集对所述训练前模型与训练后模型进行测试，以分别获取所述训练前模型与所述训练后模型对应的测试结果；基于所述测试结果判断所述训练后模型是否优于所述训练前模型。7.根据权利要求6所述的模型更新方法，其特征在于，所述分别获取所述训练前模型与所述训练后模型对应的测试结果，包括：分别获取所述训练前模型与所述训练后模型的历史测试平均精度与当前测试平均精度；相应的，所述基于所述测试结果判断所述训练后模型是否优于所述训练前模型，包括：判断所述训练后模型的历史测试平均精度与当前测试平均精度是否均大于所述训练前模型的历史测试平均精度与当前测试平均精度。8.一种模型更新装置，其特征在于，包括：数据分析模块，用于以预设数据收集周期收集目标视频数据，并利用预设数据分析方法从所述目标视频数据中确定有效图片；数据标注模块，用于基于所述有效图片中目标对象的交互场景，并利用预设加权平均方法为所述有效图片中的目标对象添加标注数据；模型训练模块，用于将带有标注数据的有效图片作为新增样本图片输入预设的训练前模型中进行训练，以获取训练后模型；模型判定模块，用于利用预设判定规则确定所述训练后模型是否优于所述训练前模型；模型测试模块，用于若所述训练后模型优于所述训练前模型，则对所述训练后模型进行上线测试，并基于上线测试过程中所述训练后模型的负反馈率确定所述训练后模型的可信度；模型更新模块，用于当所述可信度大于预设可信度阈值时，将所述训练后模型作为运行模型，并将所述训练前模型设置为备份状态。9.一种电子设备，其特征在于，包括处理器和存储器；其中，所述处理器执行所述存储器中保存的计算机程序时实现如权利要求1至7任一项所述的模型更新方法。10.一种计算机可读存储介质，其特征在于，用于存储计算机程序；其中，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的模型更新方法。

技术总结
本申请公开了一种模型更新方法、装置、设备及介质，涉及人工智能领域，该方法包括：以预设数据收集周期收集目标视频数据，并利用预设数据分析方法从目标视频数据中确定有效图片；基于有效图片中目标对象的交互场景，利用预设加权平均方法为目标对象添加标注数据；将带有标注数据的有效图片输入预设的训练前模型中进行训练，并利用预设判定规则确定训练后模型是否优于训练前模型；若优于则对训练后模型进行上线测试，并基于其负反馈率确定其可信度；当可信度大于预设可信度阈值时，将其作为运行模型，并将训练前模型设置为备份状态。本发明能够分析外界负反馈的频率自动启动模型更新，只需简单的对事件响应的判断式人工交互，降低维护复杂度。维护复杂度。维护复杂度。


技术研发人员：鲁斌 梁艳菊
受保护的技术使用者：无锡物联网创新中心有限公司
技术研发日：2022.08.19
技术公布日：2022/11/18