[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

说明书

本发明实施例公开了一种广告物异常识别方法、装置、服务器设备及存储介质，该方法包括：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。解决了现有技术的广告物异常识别方法在应对新的广告物异常场景时不够灵活的问题，达到了灵活应对新的广告物异常场景的技术效果。

技术领域

本发明实施例涉及监控领域，尤其涉及一种广告物异常识别方法、装置、服务器设备及存储介质。

背景技术

户外广告是在建筑物外表或街道、广场等室外公共场所设立的霓虹灯、广告牌、海报等。户外广告物长期在户外展示，会遇到各种“异常”情况。例如，户外广告物容易遭到人为破坏，包括涂鸦、撕毁，又或者广告物上粘贴覆盖其它非法广告，因此需要对广告设备进行监控。传统的人工监控方法是通过人工对户外广告物逐个进行监控检视，这需要大量的人力，而且效率通常比较低，异常情况发生后，较难及时发现。因此视频监控应运而生，但是视频监控若要人来识别，则容易错过很多广告物异常的情况，若要通过机器学习的方式来识别，则需要在新的场景出现时重新训练模型，该模型训练不仅常需要采集大量的训练样本，还需要专业人士来操作，成本较高。

综上，现有技术的广告物异常识别方法在应对新的广告物异常场景时不够灵活。

发明内容

本发明实施例提供了一种广告物异常识别方法、装置、服务器设备及存储介质，解决了现有技术的广告物异常识别方法在应对新的广告物异常场景时不够灵活的问题。

第一方面，本发明实施例提供了一种广告物异常识别方法，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。

进一步，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。

进一步，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。

进一步，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。

第二方面，本发明实施例还提供了一种广告物异常识别装置，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。

进一步，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。