[发明专利]基于机器学习的油罐车防盗方法

权利要求书

1.一种基于机器学习的油罐车防盗方法，其特征在于，其包括以下步骤：

S1、通过摄像头实时获取油罐车注油口和/或出油口处的场景画面；

S2、将所述场景画面输入至设于油罐车本地的本地机器学习模型，利用本地机器学习模型预测所述场景画面中是否发生盗油事件；

S3、若预测发生盗油事件，则发出报警信号；

S4、将所述报警信号输出至本地报警装置，所述本地报警装置设于当前油罐车的驾驶室中；

S5、向油罐车驾驶室中的司机提供一报警确认装置以供司机确认当前报警信号是否准确；

若司机通过报警确认装置对当前报警信号进行确认后，则：

S6、基于所述报警确认装置的确认结果，将经过报警确认的场景画面及确认结果作为训练数据训练所述本地机器学习模型；

若司机未通过报警确认装置对当前报警信号进行确认，则：

S7、将所述报警信号输出至云端报警装置，所述云端报警装置设于云服务器中；

S8、向远程管理员提供一核实途径以供所述远程管理员将由所述云端报警装置接收的且未经所述报警确认装置进行确认的报警信号发送至所属油罐车的本地报警装置；

当所本地机器学习模型更新后，则：

S9、上传所述本地机器学习模型的模型更新信息至云服务器；

S10、基于所述本地机器学习模型的模型更新信息更新设于云服务器的云端机器学习模型；

S11、基于更新后的云端机器学习模型更新设于其他油罐车本地的本地机器学习模型。

2.如权利要求1所述的基于机器学习的油罐车防盗方法，其特征在于，步骤S2中，所述本地机器学习模型的初始模型是通过对油罐车注油口和/或出油口处的通用场景画面进行机器学习训练得出。