图像识别误报率的确定方法、装置、电子设备及介质与流程

1.本技术涉及图像识别技术领域，尤其是涉及一种图像识别误报率的确定方法、装置、电子设备及介质。


背景技术：

2.在垃圾分类行业，ai（artificial intelligence，人工智能）图像识别技术得到了广泛应用，它包括机器学习、深度学习、算法视觉和图像数据集等方面，主要是通过在算法端对垃圾图像进行识别，实现高效、准确和自动化的垃圾分类、回收和处理，节约人力和时间成本，同时也能够提高环保效益。
3.相关的技术方案，垃圾分类模型用于对垃圾进行分类，将训练好的垃圾分类模型应用到实际业务场景中时，根据实际场景图片，利用垃圾分类模型，得到垃圾分类结果，进而，通过违规事件识别算法会对垃圾分类结果进行分析和归类，生成一系列和垃圾分类相关的违规事件，比如“垃圾混投”、“垃圾丢包”、“可回收物分类错误”等。同时得到违规事件对应的事件信息，如事件类型、事件产生的时间以及采集的图像等。然后将生成的垃圾分类违规事件及事件信息上传至前端平台进行展示，人工对违规事件判定结果进行验证和分析，准确判断事件是否真的违规，确定违规事件的误报率，并将误报率反馈给算法人员，以供算法人员对违规事件识别算法进行调整和优化。但在试点小区，短时间内就能产生很多违规事件，这一操作需要耗费较多的人力成本，效率很低。


技术实现要素：

4.为了解决现有技术中验证垃圾分类违规事件识别算法的准确度需要依赖人工导致验证效率低的问题，本技术实施例提供了一种图像识别误报率的确定方法、装置、电子设备及介质。
5.第一方面，本技术提供一种图像识别误报率的确定方法，采用如下技术方案：一种图像识别误报率的确定方法，包括：获取第一时间区间内多个垃圾分类违规事件各自对应的事件信息，其中，所述事件信息包括事件类型和事件图像；根据第一垃圾分类违规事件的事件类型，确定目标关键检测因子；其中，所述第一垃圾分类违规事件为所述多个垃圾分类违规事件中的任一事件；判断所述第一垃圾分类违规事件的事件图像是否匹配所述目标关键检测因子；若否，则确定误报判定结果为误报；若是，则确定误报判定结果为非误报；根据各个垃圾分类违规事件对应的误报判定结果确定误报率。
6.通过采用上述技术方案，首先针对违规事件的事件类型确定关键检测因子，关键检测因子为事件类型对应的事件图像中必须存在或者不能存在的关键特征，某一事件类型对应的事件图像中必须存在的特征为正关键检测因子，不能存在的特征为负关键检测因子，当事件图像中检测不到正关键检测因子和/或检测到负关键检测因子时，判定对应的违
规事件误报，通过关键检测因子对违规事件进行误报筛选，能够得到精准的垃圾分类违规事件误报率，以对垃圾分类违规事件识别算法进行准确验证。
7.本技术在一较佳示例中可以进一步配置为：所述根据各个垃圾分类违规事件对应的误报判定结果确定误报率，包括：将第一时间区间内被判定为非误报的垃圾分类违规事件作为第二垃圾分类违规事件；将所述第一时间区间划分为若干第二时间区间；当检测到目标第二时间区间中连续的同一事件类型的第二垃圾分类违规事件的事件数量超过预设数量阈值时，按照所述预设数量阈值调整所述目标第二时间区间中连续的同一事件类型的第二垃圾分类违规事件的误报判定结果；其中，所述目标第二时间区间为所述若干第二时间区间中的任一区间；根据各个垃圾分类违规事件对应的最新的误报判定结果确定误报率。
8.通过采用上述技术方案，通过关键检测因子能够准确筛选出部分误报事件，但由于关键检测因子的数量是有限的，不能表示事件图像中的全部特征，因此通过关键检测因子被判定为非误报的事件中还可能存在误报事件，因此本方案通过划分第二时间区间，一般情况下，第二时间区间内连续的同一类型的事件数量有限，当第二时间区间中连续的同一类型的事件数量超过预设数量阈值时，判定超过预设数量阈值的事件为重复事件，将重复事件判定为误报事件，能够排除由于网络或者算法问题导致短时间内出现过多的重复事件，提高了误报率的精准度。
9.本技术在一较佳示例中可以进一步配置为：所述根据各个垃圾分类违规事件对应的最新的误报判定结果确定误报率，包括：将所述第一时间区间划分为若干第三时间区间，其中，所述第三时间区间大于所述第二时间区间；当检测到目标第三时间区间中连续的同一事件类型的第三垃圾分类违规事件的事件数量超过所述预设数量阈值时，基于所述目标第三时间区间对应的第三垃圾分类违规事件的事件图像和预设数量阈值，调整所述目标第三时间区间中连续的同一事件类型的第二垃圾分类违规事件的误报判定结果；其中，所述第三垃圾分类违规事件为按照所述预设数量阈值对第二垃圾分类违规事件的误报判定结果进行调整后的违规事件，所述目标第三时间区间为所述若干第三时间区间中的任一区间；根据各个垃圾分类违规事件对应的最新的误报判定结果确定误报率。
10.通过采用上述技术方案，将第一时间区间划分为较第二时间区间更大的第三时间区间，以对上一示例通过数量阈值调整误报判定结果后的违规事件进行重复检测，能够提高误报率确定的准确度。
11.本技术在一较佳示例中可以进一步配置为：所述基于所述目标第三时间区间对应的所述第三垃圾分类违规事件的事件图像和预设数量阈值，调整所述目标第三时间区间中连续的同一事件类型的第三垃圾分类违规事件的误报判定结果，包括：基于所述目标第三时间区间对应的所述第三垃圾分类违规事件的事件图像，从所述目标第三时间区间中连续的同一事件类型的第三垃圾分类违规事件中，确定连续的相似事件的事件数量；
当检测到所述连续的相似事件的事件数量超过所述预设数量阈值时，按照所述预设数量阈值调整所述连续的相似事件的误报判定结果。
12.通过采用上述技术方案，对多个事件的事件图像进行相似度判定，能够在多个第三时间区间中连续的同一事件类型违规事件中筛选出相似度高的事件，即重复事件，通过对相似事件的误报判定结果进行调整，能够进一步提高误报率的精准度。
13.本技术在一较佳示例中可以进一步配置为：所述基于所述目标第三时间区间对应的所述第三垃圾分类违规事件的事件图像，从所述目标第三时间区间中连续的同一事件类型的第三垃圾分类违规事件中，确定连续的相似事件的事件数量，包括：对所述目标第三时间区间中连续的同一事件类型的第三垃圾分类违规事件对应的事件图像进行特征提取，得到每个事件图像对应的图像特征；基于所述每个事件图像对应的图像特征，确定所述目标第三时间区间中连续的同一事件类型的第三垃圾分类违规事件对应的多个事件图像中每两个相邻事件的事件图像的相似度；当所述两个相邻事件的事件图像的相似度超过预设相似度阈值时，判定所述两个相邻事件均为相似事件；基于所述相似事件判定结果，确定所述目标第三时间区间中连续的同一事件类型的第三垃圾分类违规事件中连续的相似事件的事件数量。
14.通过采用上述技术方案，通过事件图像的图像特征对每两个事件图像的相似度进行判定，能够在第三时间区间中连续的同一事件类型的多个事件中准确筛选出相似事件，以使得到的目标第三时间区间中连续的同一事件类型的第三垃圾分类违规事件中相似事件的数量更加准确。
15.本技术在一较佳示例中可以进一步配置为：所述方法还包括：获取多个异常情况检测因子；其中，所述多个异常情况检测因子包括以下至少一项：垃圾桶数量、垃圾桶角度、事件图像模糊程度；当检测到所述第一垃圾分类违规事件的事件图像满足任一异常情况检测因子时，判定所述第一垃圾分类违规事件为异常事件；否则，判定所述第一垃圾分类违规事件为非异常事件；将所述第一垃圾分类违规事件的异常判定结果存储到垃圾分类违规事件数据库中。
16.通过采用上述技术方案，通过设置异常情况检测因子，对垃圾分类违规事件对应的事件图像中的异常情况进行实时监测，能够及时发现垃圾分类的垃圾桶和监控设备的异常，并将异常情况上传数据库，方便工作人员对垃圾分类异常情况进行查看和现场整改。
17.本技术在一较佳示例中可以进一步配置为：在根据各个垃圾分类违规事件对应的误报判定结果确定误报率之后，所述方法还包括以下至少一项：将所述各个垃圾分类违规事件的误报判定结果以及所述误报率存储到垃圾分类违规事件数据库中；基于所述误报率对垃圾分类违规事件识别算法进行修正。
18.通过采用上述技术方案，将垃圾分类违规事件的误报判定结果和误报率上传至数据库，方便工作人员对误报事件进行查看，根据误报率验证垃圾分类违规事件识别算法的
准确度，提高了验证算法的效率，对垃圾分类违规事件识别算法进行修正，能够提高垃圾分类识别算法的精准度。
19.第二方面，本技术提供一种图像识别误报率的确定装置，采用如下的技术方案：一种图像识别误报率的确定装置，包括：获取模块，用于获取第一时间区间内多个垃圾分类违规事件各自对应的事件信息，其中，所述事件信息包括事件类型和事件图像；第一确定模块，用于根据第一垃圾分类违规事件的事件类型，确定目标关键检测因子；其中，所述第一垃圾分类违规事件为所述多个垃圾分类违规事件中的任一事件；判断模块，用于判断所述第一垃圾分类违规事件的事件图像是否匹配所述目标关键检测因子；若否，则确定误报判定结果为误报；若是，则确定误报判定结果为非误报；第二确定模块，用于根据各个垃圾分类违规事件对应的误报判定结果确定误报率。
20.第三方面，本技术提供一种电子设备，采用如下的技术方案：一个或多个处理器；存储器；一个或多个应用程序，其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序配置用于：执行如第一方面任一项所述的图像识别误报率的确定方法。
21.第四方面，本技术提供一种计算机可读存储介质，采用如下的技术方案：一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令所述计算机执行如第一方面任一项所述的图像识别误报率的确定方法。
22.综上所述，本技术包括以下有益技术效果：本技术通过根据获取的第一时间区间内多个垃圾分类违规事件的事件类型，确定目标关键检测因子，关键检测因子为事件类型对应的事件图像中必须存在或者不能存在的关键特征，判断第一垃圾分类违规事件的事件图像是否匹配目标关键检测因子，从而确定垃圾分类违规事件是否误报，然后根据各个垃圾分类违规事件对应的误报判定结果确定误报率，提高了误报率的精准度，以通过误报率对垃圾分类违规事件识别算法的准确度进行验证，减少了人力成本，提高了垃圾分类违规事件识别算法的验证效率。
附图说明
23.图1是本技术实施例提供的一种图像识别误报率的确定方法的流程示意图；图2是本技术一具体实施例提供的一种确定误报率的的流程示意图；图3是本技术一具体实施例提供的一种更新误报判定结果的流程示意图；图4是本技术一具体实施例提供的一种调整目标第三时间区间中连续的同一事件类型的第三垃圾分类违规事件的误报判定结果的流程示意图；图5是本技术一具体实施例提供的一种确定相似事件的事件数量的流程示意图；图6是本技术一具体实施例提供的一种异常情况检测的流程示意图；图7是本技术一具体实施例提供的一种图像识别误报率的确定方法的流程示意图；
图8是本技术实施例提供的一种图像识别误报率的确定装置的结构示意图；图9是本技术实施例提供的一种图像识别误报率的确定装置的模块示意图；图10是本技术实施例提供的一种电子设备的结构示意图。
具体实施方式
24.以下结合附图对本技术作进一步详细说明。
25.本具体实施例仅仅是对本技术的解释，其并不是对本技术的限制，本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本技术的权利要求范围内都受到专利法的保护。
26.为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
27.另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中字符“/”，如无特殊说明，一般表示前后关联对象是一种“或”的关系。
28.在实际业务场景中，垃圾分类违规事件识别算法对垃圾分类的结果进行识别，生成多个垃圾分类违规事件和正常事件。但是，由于网络延时或者算法程序出错等原因，垃圾分类违规事件识别算法生成的垃圾分类违规事件可能产生了误报，即某些事件没有违规但被识别算法判定为违规，或是违规事件的违规类型被识别算法判定错误。
29.因此，可以对垃圾分类违规事件识别算法产生的多个违规事件进行误报判定，基于误报判定结果确定垃圾分类违规事件的误报率，以通过误报率对垃圾分类违规事件识别算法的准确度进行验证。
30.本技术实施例提供一种图像识别误报率的确定方法，如图1所示，在本技术实施例中提供的方法可以由电子设备执行，该电子设备可以为服务器也可以为终端设备，其中，该服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云计算服务的云服务器。终端设备可以是智能手机、平板电脑、笔记本电脑、台式计算机等，但并不局限于此，该终端设备以及服务器可以通过有线或无线通信方式进行直接或间接地连接，本技术实施例在此不做限制，该方法包括：步骤s101、获取第一时间区间内多个垃圾分类违规事件各自对应的事件信息，其中，事件信息包括事件类型和事件图像。
31.垃圾分类违规事件识别算法将生成的垃圾分类违规事件的事件信息上传至垃圾分类违规事件数据库中，垃圾分类违规事件的事件类型包括垃圾混投、垃圾丢包等，某类垃圾混投表示其他类型垃圾被丢进该类垃圾桶中的违规行为，垃圾丢包表示将垃圾丢在地面上的违规行为。事件图像是由垃圾投放点设置的图像采集装置采集的，图像采集装置可以是垃圾投放点附近设置的监控摄像头，用于采集垃圾桶图片以及垃圾地面图片和视频信息。一个事件对应的事件图像可以为一个或多个，具体与垃圾投放点设置的图像采集装置的数量有关，如果存在两个图像采集装置对同一片垃圾投放区域进行监测，那么同一时刻就能获得同一事件的两张不同拍摄角度的事件图像。同时，图像采集装置会实时记录采集
到的事件图像对应的事件时间。对于每个事件，其事件类型、事件图像和事件时间是相互对应的。
32.本实施例对垃圾分类违规事件是否误报进行判定，可以从违规事件数据库中获取第一时间区间内的历史垃圾分类违规事件的事件信息，还可以根据实际需求调取指定时间段内属于同一事件类型的事件集合。
33.具体的，本实施例不对第一时间区间的具体时长进行限定，可以根据实际的业务场景需要自行设置，示例性的，第一时间区间可以为几小时到几天不等。
34.步骤s102、根据第一垃圾分类违规事件的事件类型，确定目标关键检测因子；其中，第一垃圾分类违规事件为多个垃圾分类违规事件中的任一事件。
35.本实施例根据垃圾分类违规事件的事件信息，对垃圾分类违规事件的判定结果进行自动化验证。在对违规事件进行误报判定之前，可以预先设置关键检测因子，关键检测因子与垃圾分类违规事件的事件类型相对应，任一事件类型可以对应一个或多个关键检测因子。关键检测因子分为正关键检测因子和负关键检测因子，正关键检测因子为事件类型对应的事件图像中必须存在的关键特征，负检关键测因子为事件类型对应的事件图像中不能存在的关键特征。事件类型对应的关键检测因子可以根据历史垃圾分类违规事件数据设置，还可以根据实际经验人为设置，同一事件类型可以同时包含正关键检测因子和负关键检测因子，本技术实施例不做限定。在对违规事件进行误报判定时，通过违规事件的事件类型可以确定与事件类型对应的关键检测因子。
36.步骤s103、判断第一垃圾分类违规事件的事件图像是否匹配目标关键检测因子；若否，则确定误报判定结果为误报；若是，则确定误报判定结果为非误报。
37.第一垃圾分类违规事件为多个垃圾分类违规事件中的任一事件，当第一垃圾分类违规事件的事件类型对应的关键检测因子为正关键检测因子时，对事件图像进行特征提取和识别，若检测到第一垃圾分类违规事件的事件图像中不存在正关键检测因子对应的特征图像，判定第一垃圾分类违规事件为误报事件，否则，判定第一垃圾分类违规事件为非误报事件。比如，对于事件类型为乱丢垃圾袋的事件，假设对应的正关键检测因子为垃圾袋，如果事件图像中不存在地面上有垃圾袋的图像，判定该违规事件为误报事件。
38.当第一垃圾分类违规事件的事件类型对应的关键检测因子为负关键检测因子时，对事件图像进行特征提取和识别，若检测到第一垃圾分类违规事件的事件图像中存在负关键检测因子对应的特征图像，判定第一垃圾分类违规事件为误报事件，否则，判定第一垃圾分类违规事件为非误报事件。
39.当第一垃圾分类违规事件既包含正关键检测因子，又包含负关键检测因子时，若检测到第一垃圾分类违规事件的事件图像中不存在正关键检测因子对应的特征图像，或者，存在负关键检测因子对应的特征图像，判定该事件误报；若检测到第一垃圾分类违规事件的事件图像中存在正关键检测因子对应的特征图像，同时不存在负关键检测因子对应的特征图像，判定该事件为非误报。
40.步骤s104、根据各个垃圾分类违规事件对应的误报判定结果确定误报率。
41.基于垃圾分类违规事件的事件信息能够准确筛选出其中的误报事件，根据第一时间区间内垃圾分类违规事件的总数量和误报事件的数量，能够确定第一时间区间内垃圾分类违规事件的误报率，结合事件类型，还能确定第一事件区间内某一事件类型的垃圾分类
违规事件的误报率。本实施例通过关键检测因子对违规事件进行误报筛选，能够得到精准的垃圾分类违规事件误报率，以对垃圾分类违规事件识别算法进行准确验证。
42.进一步的，为了便于理解，本技术实施例的一种可能的实现方式，垃圾分类违规事件的事件类型包括垃圾混投和垃圾丢包，垃圾混投又可以具体到哪类垃圾混投，可以包括：厨余垃圾混投、可回收垃圾混投、有害垃圾混投、其他垃圾混投，例如,厨余垃圾混投就是将其他类型的垃圾丢进厨余垃圾桶的行为。垃圾丢包指在垃圾分类处的图像采集装置的监控区域内，出现垃圾丢在垃圾桶之外的地面上的行为。
43.具体的，可以设置垃圾混投的正关键检测因子为垃圾类型对应的垃圾桶口图像，其中，垃圾类型为厨余垃圾、可回收垃圾、有害垃圾、其他垃圾中的一种。规定垃圾混投事件的第一检测区域内需包含垃圾桶摆放区域，比如：对于厨余垃圾混投事件，设置检测区域内采集到的事件图像中必须包含厨余垃圾桶口，否则，就判定为误报事件。具体的，在利用算法检测的过程中，检测得到结果后，会将输入图像中的垃圾所在区域的图像剪切出来，以作为事件图像。此外，针对任一垃圾投放行为，会采集多个图像，然后对多个图像进行识别，选取人丢垃圾进垃圾桶到人体完全离开图像采集装置检测区域的时刻下垃圾桶口的图像作为这一垃圾分类事件的事件图像，然后对垃圾桶内垃圾进行识别并分类，确定本次投放的垃圾是否正确分类，如果垃圾分类不正确，垃圾分类违规事件识别算法就产生一个事件类型为垃圾混投的垃圾分类违规事件，如果生成的事件图像中包含人体图像，会对垃圾分类识别产生干扰，导致违规事件判断不准确。因此，还可以设置人体作为垃圾混投事件的负关键检测因子，当事件图像中检测到人体图像，就判定事件误报。
44.对于事件类型为垃圾混投的违规事件，可以设置垃圾类型对应的垃圾桶口作为该事件类型的关键检测因子，还可以同时设置垃圾类型对应的垃圾桶口和人体作为垃圾混投的关键检测因子，本实施例不作限定。
45.一些情况下，存在在垃圾桶附近乱丢垃圾的情况，即垃圾丢包事件，对于事件类型为垃圾丢包的事件，图像采集装置监测区域为垃圾桶摆放区域旁边的空地，可以设置垃圾和人体作为正关键检测因子，表明存在人扔垃圾的行为，当获得的事件图像中同时存在人体和垃圾时，才能判定为垃圾丢包。还可以将人脸作为垃圾丢包事件的正关键检测因子，以通过人脸识别对垃圾分类违规事件进行人脸追溯，从而确定违规事件行为人的身份信息。
46.另，本技术中垃圾分类违规事件的事件类型不局限于垃圾混投和垃圾丢包，相应的，事件类型对应的关键检测因子可以为一个或多个，可以根据具体的业务场景灵活设置，本技术实施例不再进行限定。
47.本技术实施例的一种可能的实现方式，步骤s104根据各个垃圾分类违规事件对应的误报判定结果确定误报率，如图2所示，包括步骤sa1-步骤sa3，其中：sa1、将第一时间区间内被判定为非误报的垃圾分类违规事件作为第二垃圾分类违规事件，将第一时间区间划分为若干第二时间区间。
48.实际场景中，短时间内连续出现多条同一事件类型的违规事件的概率较小，由于网络卡顿或者算法出错等原因，可能会将同一事件识别为多个事件，导致短时间内连续出现多条同一事件类型的违规事件。比如：同一垃圾分类检测区域中，一秒以内连续出现两条及以上的垃圾混投事件的概率近似于零，这时则会判定这两条及以上的垃圾混投事件中产生了重复事件。
49.在本实施例中，根据事件时间将第一时间区间划分为若干第二时间区间，第二时间区间的数量大于一，其中，每个第二时间区间等长，本技术不对第二时间区间的具体时长进行限定，优选的，第二时间区间设置为一秒。
50.sa2、当检测到目标第二时间区间中连续的同一事件类型的第二垃圾分类违规事件的事件数量超过预设数量阈值时，按照预设数量阈值调整目标第二时间区间中连续的同一事件类型的第二垃圾分类违规事件的误报判定结果；其中，目标第二时间区间为若干第二时间区间中的任一区间。
51.具体的，可以设置预设数量阈值，表示第二时间区间内连续出现同一事件类型的违规事件数量的最大值，预设数量阈值的具体值可以在实际应用场景中根据经验人为设置，优选的，预设数量阈值设置为一。
52.当第二时间区间内连续的同一事件类型的第二垃圾分类违规事件数量超过预设数量阈值时，则判定其中超出预设数量阈值的事件为重复事件。可以将重复事件判定为误报事件，剩余的数量为预设数量阈值的事件判定非误报事件。
53.sa3、根据各个垃圾分类违规事件对应的最新的误报判定结果确定误报率。
54.本实施例对通过关键检测因子判定为非误报的违规事件进行了重复判定，提高了误报事件的判定准确度，更够得到更加精准的误报率。
55.对于目标第二时间区间中连续的同一事件类型的第二垃圾分类违规事件的事件数量不超过预设数量阈值的情况，一种是不调整误报判定结果，另一种是可以再次进行判断提高精准度，具体参考下述实施例。
56.本技术实施例的一种可能的实现方式，步骤sa3根据各个垃圾分类违规事件对应的最新的误报判定结果确定误报率，如图3所示，还包括步骤sb1-步骤sb3，其中：sb1、将第一时间区间划分为若干第三时间区间，其中，第三时间区间大于第二时间区间。
57.上述实施例结合第二时间区间中事件数量调整了误报结果，本实施例中划分更大的第三时间区间，以对上一示例通过数量阈值调整误报判定结果后的违规事件进行二次检测，能够提高误报率确定的准确度。
58.具体的，第三时间区间可以根据实际需求灵活设置，优选的，第三时间区间可以设置为三秒。
59.sb2、当检测到目标第三时间区间中连续的同一事件类型的第三垃圾分类违规事件的事件数量超过预设数量阈值时，基于目标第三垃圾分类违规事件的事件图像和预设数量阈值，调整目标第三时间区间中连续的同一事件类型的第三垃圾分类违规事件的误报判定结果。
60.其中，第三垃圾分类违规事件为按照预设数量阈值对第二垃圾分类违规事件的误报判定结果进行调整后的违规事件，目标第三时间区间为若干第三时间区间中的任一区间。
61.具体的，对于上一示例通过数量阈值调整误报判定结果后的违规事件，当检测到目标第三时间区间中连续的同一事件类型的第三垃圾分类违规事件的事件数量超过预设数量阈值时，初步判定这些违规事件中存在重复事件，可以进一步结合事件图像筛选出第三时间区间内连续的同一类型的违规事件的数量超过预设数量阈值的违规事件中的相似
事件，相似事件即为重复判定的事件，基于相似事件调整误报判定结果。
62.sb3、根据各个垃圾分类违规事件对应的最新的误报判定结果确定误报率。
63.通过采用上述技术方案，将第一时间区间划分为较第二时间区间更大的第三时间区间，以对上一示例通过数量阈值调整误报判定结果后的违规事件进行重复检测，能够提高误报率确定的准确度。
64.本技术实施例的一种可能的实现方式，基于目标第三时间区间对应的第三垃圾分类违规事件的事件图像和预设数量阈值，调整目标第三时间区间中连续的同一事件类型的第三垃圾分类违规事件的误报判定结果，如图4所示，包括步骤sc1-步骤sc2，其中：sc1、基于目标第三时间区间对应的第三垃圾分类违规事件的事件图像，从目标第三时间区间中连续的同一事件类型的第三垃圾分类违规事件中，确定连续的相似事件的事件数量。
65.其中，相似事件为事件图像与相邻事件的事件图像的相似度超过预设相似度阈值的事件。
66.对于本技术实施例，判断目标第三时间区间中是否存在连续的同一事件类型的第三垃圾分类违规事件的事件数量是否大于预设数量阈值的情况；若是，则根据连续的同一事件类型的第三垃圾分类违规事件对应的事件图像确定相邻事件之间的相似度，若相邻事件之间的相似度达到预设相似度阈值时，将相邻事件确定为相似事件，得到相似事件的数量。
67.如，目标第三时间区间中的连续的同一事件类型的第三垃圾分类违规事件为[a1、a2、a3、a4、a5]，若事件a1、a2的相似度达到预设相似度阈值，事件a2、a3的相似度未达到预设相似度阈值，事件a3、a4的相似度达到预设相似度阈值，事件a4、a5的相似度达到预设相似度阈值，此时，事件a1、a2相似，此时连续的相似事件的事件数量为2；事件a3、a4、a5相似，此时连续的相似事件的事件数量为3。
[0068]
上一实施例中根据第二时间区间中同一事件类型的违规事件数量和预设数量阈值进行对比，可以筛选出重复事件，并将重复事件判定为误报事件。本实施例进行重复检测，以进一步提高误报事件筛选的精准度。但由于第三时间区间大于第二时间区间，仅通过时间区间中同一事件类型的违规事件数量和预设数量阈值进行对比，准确度不高，因此可以引入事件图像相似度对重复事件进行筛选。
[0069]
sc2、当检测到连续的相似事件的事件数量超过预设数量阈值时，按照预设数量阈值调整连续的相似事件的误报判定结果。
[0070]
示例性的，可以从得到的连续的相似事件的第一个事件开始，选择数量为预设数量阈值的事件判定为非误报事件，其中剩余的违规事件的数量确定为误报事件的数量。
[0071]
承接上述实施例，事件a1、a2相似，此时连续的相似事件的数量为2，预设数量阈值为1，连续的相似事件的事件数量超过预设数量阈值，则将a2的误报判定结果调整为误报；事件a3、a4、a5相似，此时连续的相似事件的数量为3，连续的相似事件的事件数量超过预设数量阈值，则将a4、a5的误报判定结果调整为误报。
[0072]
当预设数量阈值为2时，事件a1、a2相似，连续的相似事件的事件数量为2，连续的相似事件的事件数量超过预设数量阈值，此时不调整，事件a3、a4、a5相似，此时连续的相似事件的事件数量为3，连续的相似事件的数量超过预设数量阈值，则将a5的误报判定结果调
整为误报。
[0073]
本实施例对多个事件的事件图像进行相似度判定，能够在多个第三时间区间中连续的同一事件类型违规事件中筛选出相似度高的事件，即重复事件，通过对相似事件的误报判定结果进行调整，能够进一步提高误报率的精准度。
[0074]
本技术实施例的一种可能的实现方式，基于目标第三时间区间对应的第三垃圾分类违规事件的事件图像，从目标第三时间区间中连续的同一事件类型的第三垃圾分类违规事件中，确定相似事件的数量，如图5所示，包括步骤sd1-步骤sd3，其中：sd1、对目标第三时间区间中连续的同一事件类型的第三垃圾分类违规事件对应的事件图像进行特征提取，得到每个事件图像对应的图像特征；基于每个事件图像对应的图像特征，确定目标第三时间区间中连续的同一事件类型的第三垃圾分类违规事件对应的多个事件图像中每两个相邻事件的事件图像的相似度。
[0075]
在本实施例中，可以对第三时间区间内连续的同一类型的第二垃圾分类违规事件对应的事件图像进行特征提取，针对每一事件图像，至少提取两个重要特征，比如采集垃圾特征和垃圾桶口特征，对多个事件图像中两两相邻事件进行特征比对，以得到对应的相似度。
[0076]
sd2、当两个相邻事件的事件图像的相似度超过预设相似度阈值时，判定两个相邻事件均为相似事件。
[0077]
其中，相似度超过预设相似度阈值的事件为相似事件，即重复事件。预设相似度阈值可以根据实际需求设置，优选的，预设相似度阈值为95%。
[0078]
具体的，当这个事件图像与其相邻事件的事件图像的相似度超过预设相似度阈值时，两个事件图像对应的两个相邻事件为同一事件，判定这两个相邻事件为相似事件。
[0079]
sd3、基于相似事件判定结果，确定目标第三时间区间中连续的同一事件类型的第三垃圾分类违规事件中连续的相似事件的事件数量。
[0080]
本实施例能够在第三时间区间中连续的同一事件类型的多个事件中准确筛选出相似事件，以使得到的目标第三时间区间中连续的同一事件类型的第三垃圾分类违规事件中相似事件的数量更加准确。
[0081]
本技术实施例的一种可能的实现方式，在获取第一时间区间内多个垃圾分类违规事件各自对应的事件信息之后，方法还包括：将第一时间区间划分为若干去重区间，当检测到目标去重区间中连续的同一事件类型的垃圾分类违规事件的事件数量超过预设去重数量阈值时，将目标去重区间中连续的同一事件类型的垃圾分类事件中超过去重数量阈值的垃圾分类违规事件删除，得到去重后的多个垃圾分类违规事件；其中，目标去重区间为若干去重区间中的任一区间。
[0082]
具体的，去重是删除重复事件，去重区间越大，去重数量阈值越小，得到的重复事件就越不精确，因此一般选取较短的时间作为去重区间，去重区间和去重数量阈值可以根据实际需求灵活设置，优选的，去重区间设置为0.5秒，去重数量阈值设置为二。
[0083]
通过对初始的垃圾分类违规事件进行删除重复事件的处理，能够得到重要且准确的垃圾分类违规事件数据，以得到精确的违规事件误报率。
[0084]
本技术实施例的一种可能的实现方式，如图6所示，方法还包括步骤se1-步骤se3，其中：
se1、获取多个异常情况检测因子；其中，多个异常情况检测因子包括以下至少一项：垃圾桶数量、垃圾桶角度、事件图像模糊程度。
[0085]
在实际的业务场景中，垃圾分类投放点可能产生异常情况，比如垃圾桶数量不足、垃圾桶角度不对、采集到的事件图像过于模糊，就将包含异常情况的事件图像对应的违规事件判定为异常事件。
[0086]
具体的，通过设置异常情况检测因子来判定垃圾分类投放点是否出现异常情况，异常情况检测因子还可以包括垃圾桶占比，表示某一分类的垃圾桶占比过小，以及垃圾桶位置等。针对具体的事件类型，可以灵活设置异常情况检测因子。
[0087]
示例性的，垃圾桶数量可以设置在一个垃圾分类点，每一类垃圾的垃圾桶数量至少为一，对于特定需要检测垃圾分类情况的垃圾种类，可以设置该种类的垃圾桶数量占比不少于垃圾桶总数量的20%，预设角度阈值为垃圾桶可以倾斜的最大角度，可以根据经验设置，优选的，预设角度阈值设置为30
°
。
[0088]
se2、当检测到第一垃圾分类违规事件的事件图像满足任一异常情况检测因子时，判定第一垃圾分类违规事件为异常事件；否则，判定第一垃圾分类违规事件为非异常事件。
[0089]
具体的，一个事件类型可以对应一个或多个异常情况检测因子，当检测到事件图像满足任一异常情况检测因子时，判定事件异常。
[0090]
se3、将第一垃圾分类违规事件的异常判定结果存储到垃圾分类违规事件数据库中。
[0091]
此外，还可以设置各个事件类型通用的异常情况检测因子，比如事件图像模糊程度，当采集到的事件图像过于模糊，表示图像采集装置出现模糊或遮挡，需要进行现场处理，并将模糊事件图像对应的违规事件标记为异常事件。
[0092]
具体的，对于初次判定为异常的事件，可以在判定过程中重新采集图像，再通过垃圾分类违规事件识别算法对新采集的图像进行识别，能够提高检测精准度。并将识别得到的异常情况上传数据库，方便工作人员对垃圾分类异常情况进行查看，以及现场整改图像采集装置和垃圾桶。
[0093]
本技术中各检测因子可以根据业务场景自定义、打开或关闭，各阈值可以根据实际情况灵活调整。
[0094]
本技术实施例的一种可能的实现方式，在根据各个垃圾分类违规事件对应的误报判定结果确定误报率之后，方法还包括以下至少一项：将各个垃圾分类违规事件的误报判定结果以及误报率存储到垃圾分类违规事件数据库中；基于误报率对垃圾分类违规事件识别算法进行修正。
[0095]
具体的，垃圾分类违规事件识别算法对垃圾分类结果进行识别，判断出垃圾分类事件是否违规，将违规事件及违规事件的事件类型、事件时间、事件图像等信息上传至垃圾分类违规事件数据库，上传业务平台进行分类展示，用户可以设置筛选条件，随时对指定日期内某一类型的违规事件进行查看，获取该类型的违规事件的总数量、各事件产生的事件、对应的事件图像等信息。
[0096]
本技术对垃圾分类违规事件识别算法的识别结果进行误报判断，得到第一时间区间内违规事件的误报率，以及第一时间区间内不同事件类型的违规事件的误报率，并将得
到的误报率上传至垃圾分类违规事件数据库。同时对事件的误报判定结果进行关联展示，包括违规事件的事件类型、事件时间、事件图像、是否为误报、是否为异常以及属于哪种异常等，可以根据实际需求设置可视化展示的形式，比如，只展示某一日期时间内的垃圾桶摆放位置不对的事件，以便快速检查此类异常情况发生的情况，对某一类情况进行聚类，能够直观且高效的发现各类违规事件的规律。在此环节，可以随时介入人工判断，如果出现明显的错判，可对该事件对应的标记进行修正，并及时对检测程序进行调整。
[0097]
本技术可以有两种实际的应用场景，第一种可以将本技术提供的图像识别误报率的确定方法应用于业务平台进行违规事件展示之后，以对垃圾分类违规事件识别算法的准确度进行检测，能够节省人工验证的成本，提升效率，还可以基于生成的误报率对垃圾分类违规事件识别算法进行修正。
[0098]
本技术的另一种应用场景为本技术提供的图像识别误报率的确定方法运用较为成熟稳定之后，可以作为过滤器，设置在垃圾分类违规事件识别算法生成各类违规事件之后，将生成的违规事件上传至业务平台之前，能够在垃圾分类违规事件上传至业务平台之前，提前判断违规事件是否为误报，如果产生误报，可以在上传业务平台展示之前对误报事件进行拦截，不上传业务平台，能够减少误报事件上传至业务平台的数量和概率，减少业务平台的工作量。
[0099]
具体的，上述两种应用场景可以同时进行，即在上传业务平台前后，都设置本技术提供的图像识别误报率的确定方法，既能减少误报事件上传至业务平台的数量和概率，又能对垃圾分类违规事件识别算法的准确度进行验证。
[0100]
图7为本技术一具体实施例提供的一种图像识别误报率的确定方法的实现流程图，如图7所示，本实施例获取垃圾分类违规事件识别算法的分类结果，通过设置正负关键检测因子，当违规事件的事件图像匹配关键检测因子时，判定为非误报，否则，归为误报事件。对于其中的非误报事件，设置第二时间区间，当第二时间区间中连续的同类型的事件数量超过数量阈值时，判定产生误报，否则，设置第三时间区间，当当第三时间区间中连续的同类型的事件数量超过数量阈值时，进行相似度判定，对相似事件进行误报判定。另一方面，对获取到的垃圾分类违规事件识别算法的分类结果设置异常情况检测因子，当违规事件的事件图像匹配异常情况检测因子时，标记违规事件异常。最后将得到的误报事件和异常事件汇总，计算误报率并输出。
[0101]
上述实施例从方法流程的角度介绍一种图像识别误报率的确定方法，下述实施例从虚拟模块或者虚拟单元的角度介绍了一种图像识别误报率的确定装置，具体详见下述实施例。
[0102]
本技术实施例提供一种图像识别误报率的确定装置，如图8所示，该装置可以包括：获取模块801，用于获取第一时间区间内多个垃圾分类违规事件各自对应的事件信息，其中，事件信息包括事件类型和事件图像；第一确定模块802，用于根据第一垃圾分类违规事件的事件类型，确定目标关键检测因子；其中，第一垃圾分类违规事件为多个垃圾分类违规事件中的任一事件；判断模块803，用于判断第一垃圾分类违规事件的事件图像是否匹配目标关键检测因子；若否，则确定误报判定结果为误报；若是，则确定误报判定结果为非误报；
第二确定模块804，用于根据各个垃圾分类违规事件对应的误报判定结果确定误报率。
[0103]
本技术在一较佳示例中可以进一步配置为：第二确定模块804在执行根据各个垃圾分类违规事件对应的误报判定结果确定误报率时，具体用于：将第一时间区间内被判定为非误报的垃圾分类违规事件作为第二垃圾分类违规事件；将第一时间区间划分为若干第二时间区间；当检测到目标第二时间区间中连续的同一事件类型的第二垃圾分类违规事件的事件数量超过预设数量阈值时，按照预设数量阈值调整目标第二时间区间中连续的同一事件类型的第二垃圾分类违规事件的误报判定结果；其中，目标第二时间区间为若干第二时间区间中的任一区间；根据各个垃圾分类违规事件对应的最新的误报判定结果确定误报率。
[0104]
本技术在一较佳示例中可以进一步配置为：第二确定模块804在执行根据各个垃圾分类违规事件对应的最新的误报判定结果确定误报率时，具体用于：将第一时间区间划分为若干第三时间区间，其中，第三时间区间大于第二时间区间；当检测到目标第三时间区间中连续的同一事件类型的第三垃圾分类违规事件的事件数量超过预设数量阈值时，基于目标第三时间区间对应的第三垃圾分类违规事件的事件图像和预设数量阈值，调整目标第三时间区间中连续的同一事件类型的第三垃圾分类违规事件的误报判定结果；其中，第三垃圾分类违规事件为按照预设数量阈值对第二垃圾分类违规事件的误报判定结果进行调整后的违规事件，目标第三时间区间为若干第三时间区间中的任一区间；根据各个垃圾分类违规事件对应的最新的误报判定结果确定误报率。
[0105]
本技术在一较佳示例中可以进一步配置为：第二确定模块804在执行基于目标第三时间区间对应的第三垃圾分类违规事件的事件图像和预设数量阈值，调整目标第三时间区间中连续的同一事件类型的第三垃圾分类违规事件的误报判定结果时，具体用于：基于目标第三时间区间对应的第三垃圾分类违规事件的事件图像，从目标第三时间区间中连续的同一事件类型的第三垃圾分类违规事件中，确定连续的相似事件的事件数量；当检测到连续的相似事件的事件数量超过预设数量阈值时，按照预设数量阈值调整连续的相似事件的误报判定结果。
[0106]
本技术在一较佳示例中可以进一步配置为：第二确定模块804在执行基于目标第三时间区间对应的第三垃圾分类违规事件的事件图像，从目标第三时间区间中连续的同一事件类型的第三垃圾分类违规事件中，确定连续的相似事件的事件数量时，具体用于：对目标第三时间区间中连续的同一事件类型的第三垃圾分类违规事件对应的事件图像进行特征提取，得到每个事件图像对应的图像特征；基于每个事件图像对应的图像特征，确定目标第三时间区间中连续的同一事件类型的第三垃圾分类违规事件对应的多个事件图像中每两个相邻事件的事件图像的相似度；当两个相邻事件的事件图像的相似度超过预设相似度阈值时，判定两个相邻事件均为相似事件；基于相似事件判定结果，确定目标第三时间区间中连续的同一事件类型的第三垃
圾分类违规事件中连续的相似事件的事件数量。
[0107]
本技术在一较佳示例中可以进一步配置为：装置，还包括：异常因子检测模块，用于：获取多个异常情况检测因子；其中，多个异常情况检测因子包括以下至少一项：垃圾桶数量、垃圾桶角度、事件图像模糊程度；当检测到第一垃圾分类违规事件的事件图像满足任一异常情况检测因子时，判定第一垃圾分类违规事件为异常事件；否则，判定第一垃圾分类违规事件为非异常事件；将第一垃圾分类违规事件的异常判定结果存储到垃圾分类违规事件数据库中。
[0108]
本技术在一较佳示例中可以进一步配置为：装置，还包括：修正模块，用于：将各个垃圾分类违规事件的误报判定结果以及误报率存储到垃圾分类违规事件数据库中；基于误报率对垃圾分类违规事件识别算法进行修正。
[0109]
图9是本技术一具体实施例提供的一种图像识别误报率的确定装置的模块示意图，如图9所示，包括：算法识别结果模块，即获取模块，用于得到事件信息及获取事件信息的图像采集设备；关键检测因子模块，即第一确定模块和判断模块，用于对违规事件基于关键检测因子进行误报判定；重复性检测模块，用于对违规事件综合时间区间、数量、相似度进行误报判定；异常因子检测模块，用于设置异常检测因子，并对事件图像中的异常情况进行检测；数据计算与展示模块，即第二确定模块，用于对误报率、事件信息、异常标定结果等进行统计并分类展示，标记结果表示该事件属于误报事件，或是异常事件，以及具体为何种异常，图像归档表示将获得的违规事件和异常事件对应的事件图像上传至违规事件数据库。
[0110]
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的一种图像识别误报率的确定装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0111]
本技术实施例中提供了一种电子设备，如图10所示，图10所示的电子设备1000包括：处理器1001和存储器1003。其中，处理器1001和存储器1003相连，如通过总线1002相连。可选地，电子设备1000还可以包括收发器1004。需要说明的是，实际应用中收发器1004不限于一个，该电子设备1000的结构并不构成对本技术实施例的限定。
[0112]
处理器1001可以是cpu（central processing unit，中央处理器），通用处理器，dsp（digital signal processor，数据信号处理器），asic（application specific integrated circuit，专用集成电路），fpga（field programmable gate array，现场可编程门阵列）或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本技术公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器1001也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，dsp和微处理器的组合等。
[0113]
总线1002可包括一通路，在上述组件之间传送信息。总线1002可以是pci（peripheral component interconnect，外设部件互连标准）总线或eisa（extended industry standard architecture，扩展工业标准结构）总线等。总线1002可以分为地址总线、数据总线、控制总线等。为便于表示，图10中仅用一条粗线表示，但并不表示仅有一根总
线或一型的总线。
[0114]
存储器1003可以是rom（read only memory，只读存储器）或可存储静态信息和指令的其他类型的静态存储设备，ram（random access memory，随机存取存储器）或者可存储信息和指令的其他类型的动态存储设备，也可以是eeprom（electrically erasable programmable read only memory，电可擦可编程只读存储器）、cd-rom（compact disc read only memory，只读光盘）或其他光盘存储、光碟存储（包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等）、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。
[0115]
存储器1003用于存储执行本技术方案的应用程序代码，并由处理器1001来控制执行。处理器1001用于执行存储器1003中存储的应用程序代码，以实现前述用于产学研的信息处理方法实施例所示的内容。
[0116]
其中，电子设备包括但不限于：移动电话、笔记本电脑、数字广播接收器、pda（个人数字助理）、pad（平板电脑）、pmp（便携式多媒体播放器）、车载终端（例如车载导航终端）等等的移动终端以及诸如数字tv、台式计算机等等的固定终端。还可以为服务器等。图10示出的电子设备仅仅是一个示例，不应对本技术实施例的功能和使用范围带来任何限制。
[0117]
本技术实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，当其在计算机上运行时，使得计算机可以执行前述方法实施例中相应内容。
[0118]
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
[0119]
以上仅是本技术的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本技术原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本技术的保护范围。