(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211401873.4 (22)申请日 2022.11.10 (71)申请人 中国平安财产保险股份有限公司 地址 518000 广东省深圳市福田区益田路 5033号平安金融中心12、 13、 38、 39、 40 层 (72)发明人 陶恺　 (74)专利代理 机构 深圳国新 南方知识产权代理 有限公司 4 4374 专利代理师 姜宇 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/20(2017.01) G06V 10/74(2022.01) G06V 10/774(2022.01) (54)发明名称 检测模型训练方法、 智能点数方法和相关设 备 (57)摘要 本申请涉及人工智能技术， 提供一种检测模 型训练方法。 该检测模型训练方法包括： 获取每 个图像包括至少一个目标物体以及所述目标物 体的标注框的训练样本数据； 将所述训练样本数 据输入至 预设的检测模型， 输出包括所述图像中 的至少一个预测框的预测结果数据； 根据预设的 匹配规则将所述预测框与所述标注框进行匹配， 得到包括所述预测框以及与所述预测框匹配的 所述标注框的匹配结果数据； 使用预设的损失函 数计算所述预测框与匹配的所述标注框之间的 误差， 再根据所述误差对所述检测模 型的参数进 行训练， 直至根据所述损失函数计算的所述误差 小于或等于预设误差阈值， 得到训练完成的目标 检测模型。 权利要求书3页 说明书9页 附图5页 CN 115457036 A 2022.12.09 CN 115457036 A 1.一种检测模型训练方法， 其特 征在于， 包括： 获取训练样本数据， 所述训练样本数据中每个图像包括至少一个目标物体以及所述目 标物体的标注框； 将所述训练样本数据输入至预设的检测模型， 输出预测结果数据， 所述预测结果数据 包括所述图像中的至少一个预测框； 根据预设的匹配规则将所述预测框与所述标注框进行匹配， 得到匹配结果， 所述匹配 结果包括所述预测框以及与所述预测框匹配的所述标注框； 使用预设的损失函数计算所述预测框与匹配的所述标注框之间的误差， 根据 所述误差 对所述检测模型的参数进 行训练， 直至根据所述损失函数计算的所述误差小于或等于预设 误差阈值， 得到训练完成的所述检测模型。 2.根据权利要求1所述的检测模型训练方法， 其特征在于， 所述匹配规则包括如下公 式： 其中， 表示第 个预测框， 表示第 个标注框， 表示获取第 个预 测框与第 个标注框的重叠度， 表示预设第一重叠度阈值， 表示将 个标注框与 第 个预测框的重叠度值按照 从大到小排序后选取排序位于前 位且重叠度值大于 的 预测框作为第 个预测框的匹配结果， 为标注框的数量。 3.根据权利要求1所述的检测模型训练方法， 其特征在于， 所述预设的损失函数包含预 测框损失， 所述预测框损失的计算公式如下： 其中， 表示第 个预测框中第 个物体的坐标信息， 表示目标 物体的实际坐标信息 。 4.根据权利要求1所述的检测模型训练方法， 其特征在于， 所述检测模型输出的预测结 果数据还 包括所述预测框的结构数据， 所述结构数据的表达式如下： 其中， 和 表示预测所述目标物体的预测框 的中心点坐标， 和 分别表示预测 所述目标物体的预测框的宽和高， 表示预测所述目标物体的预测框的置信度， 表示所述预测所述目标物体的预测框的 标识。 5.一种智能点数 方法， 应用于人工智能端， 其特 征在于， 包括： 所述人工智能端接收服 务端发送的目标物体的第一图像列表； 将所述第一图像列表输入至预先训练 的检测模型， 输出所述第 一图像列表的目标物体 检测结果， 所述目标物体 检测结果包括所述目标物体的预测框数据；权　利　要　求　书 1/3 页 2 CN 115457036 A 2利用预设目标追踪算法， 根据所述预测框数据获取 所述目标物体的追踪数据； 利用预设轨 迹计算算法， 根据所述追踪数据获取 所述目标物体的点数 结果； 其中， 所述检测模型是根据权利要求1至4任一项所述的检测模型训练方法训练获取 的。 6.根据权利要求5所述的智能点数方法， 其特征在于， 所述输出所述第 一图像列表的目 标物体检测结果之后还 包括： 将所述目标物体检测结果中的预测框按照所述 值从大到小生成第一顺序队 列， 并去除所述第一顺序队列中所述 值小于预设 阈值的所述预测框； 将 所述第一 顺序队列中第一个所述预测框作为基准框； 分别判断所述第一顺序队列中第二个至最后一个所述预测框的 是否与所述基准 框的 相同； 若不同， 则判断所述预测框与所述基准框的重 叠度是否大于预设第二重 叠度阈值； 若否， 则将所述预测框从所述第一 顺序队列中移除； 其中， 表示预测所述目标物体的预测框的置信度， 表示所述预测所述目 标物体的预测框的 标识。 7.根据权利要求5所述的智能点数方法， 其特征在于， 所述发送所述追踪数据至预设轨 迹计算算法， 得到所述目标物体的点数 结果包括： 从所述追踪数据中获取所述目标物体的跟踪轨迹列表， 所述跟踪轨迹列表中的跟踪轨 迹包括多个目标物体图像帧， 每个所述目标物体图像帧包括所述目标物体的位置和预测 框； 根据所述跟踪轨迹中所述目标物体图像帧的宽和高的尺寸以及预设判断辅助框生成 规则， 在所述目标物体图像帧上生成一自定义形状的方向判断辅助框； 根据所述目标物体图像帧中所述目标物体相对于所述辅助框的位置确定所述目标物 体的在所述目标物体图像帧中的方向； 根据所述目标物体在不同所述目标物体图像帧中的方向构建所述目标物体的方向集 合； 遍历所述跟踪轨迹， 获取所述跟踪轨迹中的初始N个目标物体图像帧的位置平均值作 为所述目标物体进入屏幕的入位置， 获取所述跟踪轨迹的最后N个目标物体图像 帧的位置 平均值作为所述目标物体退出屏幕的出位置， 并根据所述入位置和所述出位置以及所述方 向集合， 得到所述跟踪轨 迹中所述目标物体的入方向和出 方向； 确定所述跟踪轨迹中出方向中第一预设方向和第二预设方向中数量较多的方向作为 第一方向， 确定所述跟踪轨迹中出方向中第三预设方向和 第四预设方向中数量较多的方向 作为第二方向； 若所述跟踪轨迹 中所述目标物体的出方向为所述第 二方向， 则判断所述跟踪轨迹 中所 述目标物体的入方向是否也 为所述第二方向， 若否， 则将所述 点数结果加1； 若所述跟踪轨迹 中所述目标物体的出方向为所述第 一方向， 则判断所述跟踪轨迹 中所 述目标物体的入方向是否也未 所述第一方向， 若否， 则将所述 点数结果加1；权　利　要　求　书 2/3 页 3 CN 115457036 A 3