(19)中华 人民共和国 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 202111676619.0 (22)申请日 2021.12.31 (71)申请人 城云科技 （中国） 有限公司 地址 310052 浙江省杭州市滨江区长河街 道江南大道588号恒 鑫大厦主楼17层、 18层 (72)发明人 毛云青　方玲洪　郁强　董墨江　 (74)专利代理 机构 杭州汇和信专利代理有限公 司 33475 代理人 薛文玲 (51)Int.Cl. G06V 10/776(2022.01) G06V 10/774(2022.01) G06V 10/762(2022.01) G06V 10/82(2022.01)G06V 20/40(2022.01) G06N 3/08(2006.01) G06K 9/62(2022.01) (54)发明名称 置信度调整 方法、 装置及应用其的城市事件 推送方法 (57)摘要 本申请提出了一种置信度调整方法， 包括： 获取目标对象以及目标对象的初始置信度和数 据信息； 获取与目标对象 的所有维度信息相同的 同类型对象得到至少一相同对象， 并获取每一相 同对象的数据信息和置信度； 根据目标对象 的数 据信息和所有相同对象的数据信息进行聚类分 析、 训练神经网络模型获取获得目标对象的正确 识别率； 获取与目标对象 的任一维度信息相同的 同类型对象得到至少一相似对象， 统计对应每一 维度信息的维度正确偏差率， 根据所有维度正确 偏差率之和获得正确偏差率； 根据初始置信度、 正确识别率 以及正确偏差率获得目标对象的优 化置信度。 该方法通过分析目标对象的数据信息 获取相同对象和相似对象来调整目标对象的置 信度。 权利要求书3页 说明书9页 附图2页 CN 114299367 A 2022.04.08 CN 114299367 A 1.置信度调整方法， 其特 征在于， 包括以下步骤： 获取目标对象以及所述目标对象的初始置信度和数据信 息， 其中所述数据信 息包括至 少一维度信息； 获取与所述目标对象的所有所述维度信 息相同的同类型对象得到至少一相同对象， 并 获取每一所述相同对象的数据信息和置信度； 根据所述目标对象的数据信 息和所有所述相同对象的数据信 息进行聚类分析， 根据对 应所述目标对象所属的聚类中心的相同对象的置信度计算置信度平均值； 使用所有所述相同对象的数据信息训练神经网络模型获取获得所述目标对象的正确 识别率； 获取与所述目标对象的任一所述维度信 息相同的同类型对象得到至少一相似对象， 统 计对应每一所述 维度信息的维度正确偏差率， 根据所有所述 维度正确偏差率之和获得正确 偏差率； 根据所述初始置信度、 所述正确 识别率以及所述正确偏差率获得所述目标对象的优化 置信度。 2.根据权利要求1所述的置信度调整方法， 其特征在于， “根据所述目标对象的数据信 息和所有 所述相同对象的数据信息进 行聚类分析， 根据对应所述目标对象所属的聚类中心 的相同对 象的置信度计算置信度平均值 ”包括： 根据所述 目标对象的数据信息和所有所述 相同对象的数据信息进行聚类分析， 获得至少一聚类中心， 选取所述 目标对象所属的聚类 中心作为目标聚类中心， 根据对应所述目标聚类中心的相同对象的置信度的平均值计算置 信度平均值。 3.根据权利要求1所述的置信度调整方法， 其特征在于， “使用所有所述相同对象的数 据信息训练神经网络模型获取获得所述 目标对象的正确识别率 ”包括： 获取每一所述相同 对象的第一识别结果， 其中所述第一识别结果用于标识所述相同对 象是否被正确识别； 根 据所述第一识别结果将每一所述相同对象的数据信息标记为正样本或负样本； 使用所述正 样本和所述负样本组成训练数据集训练神经网络模型； 将所述目标对象的数据信息输入训 练后的所述神经网络模型得到所述目标对象的正样本概率和负样本概率； 根据所述正样本 概率与所述负 样本概率的差值获得 所述目标对象的正确识别率。 4.根据权利要求4所述的置信度调整方法， 其特征在于， 所述维度信息为时间信息、 地 点信息、 天气信息中任意 一种。 5.根据权利要求1所述的置信度调整方法， 其特征在于， “统计对应每一所述维度信息 的维度正确偏差率 ”包括： 获取每一所述相似对象的第二识别结果， 其中所述第二识别结果 用于标识所述相似对 象是否被正确识别； 对应相同维度信息的所有所述相似对 象中， 统计 所述第二识别结果表 示相似对象被正确识别的第一数量和被错误识别的第二数量， 根据所 述第一数量与所述第二数量的差值除以对应该维度信息的所有所述相似对 象的数量的商 获得维度正确偏差率。 6.根据权利要求1所述的置信度调整方法， 其特征在于， “获取目标对象以及所述目标 对象的初始置信度和数据信息 ”包括： 获取待检测图像； 根据所述待检测图像获取目标对象 以及所述目标对象的初始置信度； 获取 所述目标对象的数据信息 。 7.根据权利要求1所述的置信度调 整方法， 其特征在于， 所述优化置信度的计算方式为权　利　要　求　书 1/3 页 2 CN 114299367 A 2C*(1‑e‑δb)*eα， 其中， C为所述初始置信度， α 为所述 正确识别率， b为所述 正确偏差率设。 8.根据权利要求1所述的置信度调 整方法， 其特征在于， 所述神经网络模型为长短期记 忆神经网络模型。 9.根据权利要求1所述的置信度调 整方法， 其特征在于， 每一所述相同对象的置信度为 使用所述置信度调整方法优化后得到的置信度。 10.城市事 件推送方法， 其特 征在于， 包括以下步骤： 获取待测视频图像； 根据所述待测视频图像获取至少一目标事件以及每一所述目标事件的初始置信度， 并 获取每一所述目标事 件的数据信息； 根据权利要求1 ‑9任一所述的置信度调整方法基于每一所述目标事件的初始置信度和 数据信息获取优化置信度； 将所述优化置信度达 到设定阈值的目标事 件推送至相应的业 务系统。 11.置信度调整装置， 其特 征在于， 包括以下模块： 第一获取模块， 用于获取目标对象以及所述目标对象的初始置信度和数据信息， 其中 所述数据信息包括至少一维度信息； 第一分析模块， 用于获取与 所述目标对象的所有所述维度信 息相同的同类型对象得到 至少一相同对象， 并获取每一所述相同对象的数据信息和置信度； 聚类模块， 用于根据 所述目标对象的数据信 息和所有所述相同对象的数据信 息进行聚 类分析， 根据对应所述目标对象所属的聚类中心的相同对象的置信度计算置信度平均值； 检测模块， 用于使用所有所述相同对象的数据信 息训练神经网络模型获取获得所述目 标对象的正确识别率； 第二分析模块， 用于获取与 所述目标对象的任一所述维度信 息相同的同类型对象得到 至少一相似对 象， 统计对应每一所述维度信息的维度正确偏差率， 根据所有所述维度正确 偏差率之和获得正确偏差率； 第一优化模块， 用于根据所述初始置信度、 所述正确识别率以及所述正确偏差率获得 所述目标对象的优化置信度。 12.城市事 件推送装置， 其特 征在于， 包括以下模块： 第二获取模块， 用于获取待测视频图像； 目标检测模块， 用于根据所述待测视频图像获取至少一目标事件以及每一所述目标事 件的初始置信度， 并获取每一所述目标事 件的数据信息； 第二优化模块， 根据根据权利要求1 ‑9任一所述的置信度调整方法基于每一所述目标 事件的初始置信度和数据信息获取优化置信度； 事件推送模块， 用于将所述优化置信度达到设定 阈值的目标事件推送至相应的业务系 统。 13.一种电子装置， 包括存储器和 处理器， 其特征在于， 所述存储器中存储有计算机程 序， 所述处理器被设置为运行所述计算机程序以执行权利要求1至9任一所述的置信度调整 方法或权利要求10所述的城市事 件推送方法。 14.一种计算机程序产品， 其特征在于， 包括软件代码部分， 当所述计算机程序产品在 计算机上被运行时， 所述软件代码 部分用于执行根据权利要求1至9任一所述的置信度调整权　利　要　求　书 2/3 页 3 CN 114299367 A 3