摘要
本发明公开了一种基于机器学习的视频告警聚合方法及系统,涉及视频监控分析技术领域。所述方法是先根据历史收到的所有视频告警数据,得到各份数据的视频告警特征向量组,并应用聚类算法聚类得到多个聚类中心,然后根据欧拉距离计算结果将各份数据划分到相应的聚类类别下,再然后根据向量组及类别划分结果,应用机器学习算法训练得到告警数据聚类类别划分模型,并应用该模型将新收到的视频告警数据划分到具有最大划分概率的某个聚类类别下,最后仅在从告警动作最近执行时间戳到新告警时间戳的时长超过预设时长阈值时,执行告警动作,如此可对相似视频告警进行智能合并,有效减少重复告警,提高系统资源利用效率和用户对告警信息的判断能力。
技术关键词
视频特征向量
卷积神经网络模型
聚类算法
初始聚类中心
人工智能模型
数据获取单元
机器学习算法
分层编码方式
视频监控分析
中间层
周期
存储计算机程序
收发器
计算机系统
坐标
存储器
特征值
系统为您推荐了相关专利信息
导航特征
控制点
小行星着陆探测
探测器
轨迹设计方法
配电变压器
信息采集系统
户变关系
配电自动化系统
校验方法
特种设备
检测数据处理方法
预测网络模型
检测数据处理系统
DBSCAN聚类算法
单组元发动机
网格模型
推进剂
动态边界条件
状态分析方法