[发明专利]广告物异常识别方法、装置、服务器设备及存储介质

权利要求书

1.一种广告物异常识别方法，其特征在于，包括：

获取采集的目标广告物的监控图像；

将所述监控图像输入已训练的神经网络模型，以得到所述监控图像与已存储的各个场景类别标识对应的基准图像的相似度；

根据得到的相似度结果确定所述监控图像对应的场景类别标识，并在所确定的场景类别标识对应有目标广告物异常时输出异常提示信息。

2.根据权利要求1所述的方法，其特征在于，所述已训练的神经网络模型用于根据所述监控图像的特征向量与已存储的各个场景类别标识对应的各个基准图像的特征向量的乘积，确定所述监控图像与已存储的各个场景类别标识对应的各个基准图像的相似度。

3.根据权利要求1所述的方法，其特征在于，所述已训练的神经网络模型用于根据所述监控图像的特征向量与已存储的各个场景类别标识对应的所有基准图像的平均特征向量的乘积，确定所述监控图像与已存储的各个场景类别标识对应的基准图像的相似度。

4.根据权利要求1所述的方法，其特征在于，所述根据得到的相似度结果确定所述监控图像对应的场景类别标识，包括：

通过softmax函数对得到的相似度结果转化为分类概率值以得到所述监控图像对应的场景类别标识；

或者将得到的相似度结果中的最大相似度对应的场景类别标识作为所述监控图像对应的场景类别标识。

5.一种广告物异常识别装置，其特征在于，包括：

获取模块，用于获取采集的目标广告物的监控图像；

场景类别标识确定模块，用于将所述监控图像输入已训练的神经网络模型，以得到所述监控图像与已存储的各个场景类别标识对应的基准图像的相似度；

输出模块，用于根据得到的相似度结果确定所述监控图像对应的场景类别标识，并在所确定的场景类别标识对应有目标广告物异常时输出异常提示信息。

6.根据权利要求5所述的装置，其特征在于，所述已训练的神经网络模型用于根据所述监控图像的特征向量与已存储的各个场景类别标识对应的各个基准图像的特征向量的乘积，确定所述监控图像与已存储的各个场景类别标识对应的各个基准图像的相似度。

7.根据权利要求5所述的装置，其特征在于，所述已训练的神经网络模型用于根据所述监控图像的特征向量与已存储的各个场景类别标识对应的所有基准图像的平均特征向量的乘积，确定所述监控图像与已存储的各个场景类别标识对应的基准图像的相似度。

8.根据权利要求5所述的装置，其特征在于，所述根据得到的相似度结果确定所述监控图像对应的场景类别标识，包括：

输出模块具体通过softmax函数对得到的相似度结果转化为分类概率值以得到所述监控图像对应的场景类别标识；或者将得到的相似度结果中的最大相似度对应的场景类别标识作为所述监控图像对应的场景类别标识。

9.一种服务器设备，其特征在于，包括：

一个或多个处理器；

存储器，用于存储一个或多个程序，以及各个场景类别标识对应的基准图像，以及接收的监控图像；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-4中任一所述的广告物异常识别方法。

10.一种包含计算机可执行指令的存储介质，其特征在于，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-4中任一所述的广告物异常识别方法。