[发明专利]一种行为类型的确定方法、装置、存储介质及电子装置

说明书

本发明实施例提供了一种行为类型的确定方法、装置、存储介质及电子装置，其中，该方法包括：使用目标网络模型中包括的N个目标子网络分别对目标对象的目标数据进行分析，以确定目标对象的N个状态信息，其中，N个目标子网络中包括的每个目标子网络均为使用多组训练数据通过机器学习训练出的，多组训练数据中的每组数据均包括N组训练子数据，每组训练子数据均包括对象的数据以及数据的标签信息，一组训练子数据用于训练一个目标子网络，训练每个目标子网络所使用的训练数据中的数据标签信息不同；基于N个状态信息确定目标对象的行为类型。通过本发明，解决了确定对象的行为类型效率低的问题，达到提高确定对象的行为类型的效率效果。

技术领域

本发明实施例涉及通信领域，具体而言，涉及一种行为类型的确定方法、装置、存储介质及电子装置。

背景技术

随着车辆的使用量日益增多，对交通管理的压力也越来越大，对车辆的合理有效管理越来越迫切。智能监控技术已经在交通管理领域广泛应用，比如：车辆检测，车辆识别，流量统计，违章抓拍等。然而，车辆违章行为复杂，当前人工智能和智能交通管理的结合还不够密切，在违章确定方面，人们在得到车辆数据后多数还是靠人工统计的方式得到详细违章类型，不仅人力消耗比较大，效率还不高。

由此可知，相关技术中存在确定对象的行为类型效率低的问题。

针对相关技术中存在的上述问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种行为类型的确定方法、装置、存储介质及电子装置，以至少解决相关技术中存在的确定对象的行为类型效率低的问题。

根据本发明的一个实施例，提供了一种行为类型的确定方法，包括：使用目标网络模型中包括的N个目标子网络分别对目标对象的目标数据进行分析，以确定所述目标对象的N个状态信息，其中，所述N个目标子网络并列连接在所述目标网络模型中包括的主干网络后，所述N个目标子网络中包括的每个所述目标子网络均为使用多组训练数据通过机器学习训练出的，所述多组训练数据中的每组数据均包括N组训练子数据，每组所述训练子数据均包括对象的数据以及所述数据的标签信息，一组所述训练子数据用于训练一个所述目标子网络，训练每个所述目标子网络所使用的训练数据中的数据标签信息不同；基于所述N个状态信息确定所述目标对象的行为类型。

根据本发明的另一个实施例，提供了一种行为类型的确定装置，包括：分析模块，用于使用目标网络模型中包括的N个目标子网络分别对目标对象的目标数据进行分析，以确定所述目标对象的N个状态信息，其中，所述N个目标子网络并列连接在所述目标网络模型中包括的主干网络后，所述N个目标子网络中包括的每个所述目标子网络均为使用多组训练数据通过机器学习训练出的，所述多组训练数据中的每组数据均包括N组训练子数据，每组所述训练子数据均包括对象的数据以及所述数据的标签信息，一组所述训练子数据用于训练一个所述目标子网络，训练每个所述目标子网络所使用的训练数据中的数据标签信息不同；确定模块，用于基于所述N个状态信息确定所述目标对象的行为类型。

根据本发明的又一个实施例，还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，其中，所述计算机程序被处理器执行时实现上述任一项中所述的方法的步骤。

根据本发明的又一个实施例，还提供了一种电子装置，包括存储器和处理器，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上述任一项方法实施例中的步骤。

通过本发明，使用目标网络模型中包括的N个目标子网络模型分别对目标对象的目标数据进行分析，以确定目标对象的N个状态信息，根据N个状态信息确定目标对象的行为类型。由于N个目标子网络模型是通过多组训练数据通过机器学习训练出的，每个目标子网络所使用的训练数据中数据标签信息不同，因此，可以准确、快速地确定出目标对象的状态信息，进而确定出目标对象的行为类型，因此，可以解决相关技术中存在的确定对象的行为类型效率低的问题，达到提高确定对象的行为类型的效率效果。

附图说明