[发明专利]生成视频分析模型的方法及视频分析系统

权利要求书

1.一种生成视频分析模型的方法，其特征在于，所述方法应用于视频分析系统，所述方法包括：

接收视频流数据，解析所述视频流数据，得到未标注的图像数据，所述未标注的图像数据包括结构化信息；

将所述未标注的图像数据中的低质量图像过滤，得到图像质量满足训练要求的图像数据，其中所述低质量图像包括模糊图像、大角度图像和带遮挡的图像中的一种或多种；

采用多模型融合评估对所述图像质量满足训练要求的图像进行预标注，利用所述图像质量满足训练要求的图像的结构化信息对预标注的图像数据进行校验，生成用于模型训练的数据集，所述数据集包括训练集；

采用在线训练算法对所述训练集进行在线训练，得到视频分析模型；

发布所述视频分析模型。

2.根据权利要求1所述的方法，其特征在于，所述采用在线训练算法对所述训练集进行在线训练，包括：

基于原有视频分析模型，采用迁移学习或增量训练算法对所述训练集进行在线训练，其中所述原有视频分析模型包括外部输入的视频分析模型或所述视频分析系统保存的在先版本的视频分析模型。

3.根据权利要求1所述的方法，其特征在于，所述采用在线训练算法对所述训练集进行在线训练，包括：

自动调整模型训练超参数，所述超参数包括学习率衰减步长、训练总步长、基础学习率和批量尺寸(batch size)中的一种或多种；

所述在线训练算法为增量训练、迁移学习、知识蒸馏和元学习算法中的一种或多种。

4.根据权利要求1至3任一项所述的方法，其特征在于，所述发布所述视频分析模型，包括：

测试所述视频分析模型的性能，生成模型性能分析报表；

当所述视频分析模型的性能满足使用标准，将所述视频分析模型发布到所述视频分析系统。

5.根据权利要求4所述的方法，其特征在于，所述数据集还包括测试集，所述测试所述视频分析模型的性能，生成模型性能分析报表，包括：

根据用户提供的测试集或者所述测试集测试所述视频分析模型的性能；

所述模型性能分析报表中包括：所述视频分析模型的推理时延、内存占用及基于测试集的准确率中的一项或多项。

6.一种视频分析系统，其特征在于，所述视频分析系统包括视频分析子系统、数据管理子系统、在线训练子系统和模型评估与发布子系统，其中：

所述视频分析子系统，用于接收视频流数据，解析所述视频流数据，得到未标注的图像数据，所述未标注的图像数据包括结构化信息；

所述数据管理子系统，用于将所述未标注的图像数据中的低质量图像过滤，得到图像质量满足训练要求的图像数据，其中所述低质量图像包括模糊图像、大角度图像和带遮挡的图像中的一种或多种；

所述数据管理子系统，还用于采用多模型融合评估对所述图像质量满足训练要求的图像数据进行预标注，利用所述图像质量满足训练要求的图像的结构化信息对预标注的图像进行校验，生成用于模型训练的数据集，所述数据集包括训练集和测试集；

所述在线训练子系统，用于采用在线训练算法对所述训练集进行在线训练，得到视频分析模型。

所述模型评估与发布子系统，用于发布所述视频分析模型。

7.根据权利要求6所述的视频分析系统，其特征在于：

所述在线训练子系统用于基于原有视频分析模型，采用迁移学习或增量训练算法对所述训练集进行在线训练，其中所述原有视频分析模型包括外部输入的视频分析模型或所述视频分析系统保存的在先版本的视频分析模型。

8.根据权利要求6所述的视频分析系统，其特征在于：

所述在线训练子系统用于自动调整模型训练超参数，所述超参数包括学习率衰减步长、训练总步长、基础学习率和批量尺寸中的一种或多种；

所述在线训练算法为增量训练、迁移学习、知识蒸馏或者元学习算法中的一种或多种。