[发明专利]一种对象异常状态的检测方法和装置在审

专利信息
申请号: 202010504600.7 申请日: 2020-06-05
公开(公告)号: CN111767802A 公开(公告)日: 2020-10-13
发明(设计)人: 胡玉婷;黄闻 申请(专利权)人: 京东数字科技控股有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62;G06N3/04
代理公司: 北京华夏泰和知识产权代理有限公司 11662 代理人: 沈园园
地址: 100176 北京市大兴区北京经*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 对象 异常 状态 检测 方法 装置
【权利要求书】:

1.一种对象异常状态的检测方法,其特征在于,包括:

获取目标对象的第一图像和第二图像,其中,所述第一图像用于展示所述目标对象,所述第二图像用于展示所述目标对象的目标部位;

通过对象检测模型对所述第一图像进行检测,得到所述目标对象所属于的目标对象类型,其中,所述对象检测模型是使用标注了对象类型的第一样本对第一初始模型进行训练得到的,所述第一样本用于展示样本对象;

从具有对应关系的对象类型和状态检测模型中获取所述目标对象类型所对应的目标状态检测模型,其中,所述目标状态检测模型是使用标注了异常状态的第二样本对第二初始模型进行训练得到的,所述第二样本用于展示所述样本对象的所述目标部位;

通过所述目标状态检测模型对所述第二图像进行检测,得到所述目标对象所处于的目标异常状态,其中,所述目标异常状态用于指示所述目标对象的所述目标部位处于由目标异常对象所导致的异常状态中。

2.根据权利要求1所述的方法,其特征在于,通过所述对象检测模型对所述第一图像进行检测,得到所述目标对象所属于的目标对象类型包括:

将所述第一图像输入第一特征提取器,得到所述第一特征提取层输出的第一图像特征;

将所述第一图像特征输入对象分类器,得到所述对象分类器输出的所述目标对象类型,其中,所述对象检测模型包括所述第一特征提取器和所述对象分类器。

3.根据权利要求2所述的方法,其特征在于,将所述第一图像特征输入对象分类器,得到所述对象分类器输出的所述目标对象类型包括:

将所述第一图像特征输入所述对象分类器,得到多个对象类型中每个对象类型对应的第一概率,其中,所述第一概率用于指示所述目标对象属于所述每个对象类型的概率;

获取所述对象分类器输出的所述目标对象类型,其中,所述目标对象类型为所述多个对象类型中所述第一概率超过第一阈值且所述第一概率最高的对象类型。

4.根据权利要求1所述的方法,其特征在于,从具有对应关系的对象类型和状态检测模型中获取所述目标对象类型所对应的目标状态检测模型包括:

从具有对应关系的对象类型和状态检测模型的模型参数中获取所述目标对象类型所对应的目标模型参数;

使用所述目标模型参数更新预先存储的所述第二初始模型的模型参数,得到所述目标状态检测模型。

5.根据权利要求1所述的方法,其特征在于,通过所述目标状态检测模型对所述第二图像进行检测,得到所述目标对象所处于的目标异常状态包括:

将所述第二图像输入第二特征提取器,得到所述第二特征提取层输出的第二图像特征;

将所述第二图像特征输入状态分类器,得到所述状态分类器输出的所述目标异常状态,其中,所述目标状态检测模型包括所述第二特征提取器和所述状态分类器。

6.根据权利要求5所述的方法,其特征在于,将所述第二图像特征输入状态分类器,得到所述状态分类器输出的所述目标异常状态包括:

将所述第二图像特征输入所述状态分类器,得到多个异常状态中每个异常状态对应的第二概率,其中,所述第二概率用于指示所述目标对象的所述目标部位处于所述每个异常状态的概率;

获取所述状态分类器输出的所述目标异常状态,其中,所述目标异常状态为所述多个异常状态中所述第二概率超过第二阈值且所述第二概率最高的异常状态。

7.根据权利要求1所述的方法,其特征在于,在根据所述第二图像检测所述目标对象在所述目标对象类型对应的异常状态中所处于的目标异常状态之后,所述方法还包括:

从预先建立的知识图谱中匹配所述目标对象类型对应的目标对象信息,和所述目标异常状态对应的目标异常状态信息,其中,所述目标对象信息用于指示所述目标对象的属性特征,所述目标异常状态信息用于指示所述目标异常状态的属性特征以及消除所述目标异常状态的方式;

推送所述目标对象信息和目标异常状态信息。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于京东数字科技控股有限公司,未经京东数字科技控股有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010504600.7/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top