當目標人物的沉浮頻率偏離目標頻率值時，也即目標人物沉浮頻率過高或沉浮頻率過低，目標人物均存在溺水的可能性。在具體實施中，游泳者在正常游泳時，泳姿可能會發生變化，但是泳姿通常是正常的，例如，游泳者在某一時間段進行蛙泳，之后一段時間進行仰泳。若游泳者出現溺水時，其對應的泳姿會出現異常。因此，在本實用新型實施例中，當目標人物的沉浮頻率偏離預設的目標頻率值，且目標人物的泳姿信息異常時，控制器12可以判定目標人物發生溺水。在具體實施中，若在目標人物所處的理論位置范圍內沒有檢測到目標人物，且沒有檢測到目標人物的時間超過預設時長時，目標人物也可能會發生溺水。在本實用新型實施例中，當目標人物的沉浮頻率...

在本申請的示例性實施例中，所述對所述向量化語義表示w1進行span劃分，得到多個語義片段可以包括：獲取設定的span的大寬度max_span_width；根據span的寬度從1到max_span_width依次在所述向量化語義表示w1上進行選取，獲得多個span的語義表示span_embedding。在本申請的示例性實施例中，可以根據設定的span的大寬度max_span_width＝8對步驟s101得到的語義表示w1進行劃分。劃分方法可以包括：span的寬度從1至max_span_width依次在向量w1上進行選取，得到n個span的語義表示，即span_embedding。s103...

并為所得到的截圖添加標簽，其中，標簽包括：采集當前幀圖像的采集時間和所發生異常事件類型對應的類型標簽。可選的，一種具體實現方式中，上述裝置還包括：視頻標記模塊，用于當事件檢測結果為關于發生異常事件且所發生異常事件類型的結果時，在關于目標防護艙的監控視頻中，為當前幀圖像添加第二標簽，其中，第二標簽包括：所發生異常事件類型對應的類型標簽。相應于上述本發明實例提供的一種事件檢測方法，本發明實施例還提供了一種電子設備，如圖7所示，包括處理器701、通信接口702、存儲器703和通信總線704，其中，處理器701，通信接口702，存儲器703通過通信總線704完成相互間的通信，存儲器703，用于...

基于光流圖檢測模型輸出的檢測結果，確定關于目標防護艙的事件檢測結果，可以包括以下步驟g21-g23：步驟g21：將至少包含當前幀圖像的類圖像確定為輔助圖像；步驟g22：將輔助圖像輸入到預設的場景檢測模型中，得到場景檢測模型輸出的檢測結果；步驟g23：將場景圖像檢測模型輸出的檢測結果和光流圖檢測模型輸出的檢測結果進行融合計算，基于融合計算的結果，確定當前時刻，關于目標防護艙的事件檢測結果。其中，關于類圖像的相關描述內容、場景檢測模型的相關描述內容、場景圖像檢測模型輸出的檢測結果和光流圖檢測模型輸出的檢測結果進行融合的融合過程等，可以參見上述的以第二類圖像作為輔助圖像時的相關描述內容。相對...

比如人名、地名、組織機構名、時間等。4、事件檢測與主體抽取：事件檢測與主體抽取即為同時抽取事件的觸發詞和事件的主體。5、注意力機制：注意力機制的本質來自于人類視覺注意力機制。當人們發現一個場景經常在某部分出現自己想觀察的東西時，人們會進行學習在將來再出現類似場景時把注意力放到該部分上。在計算某一序列表示時，注意力機制可以獲得權重和序列位置的相關性。6、自注意力機制：自注意力機制是對注意力機制的改進，減少了對外部信息的依賴，更擅長捕捉數據或特征的內部相關性，無視詞之間的距離直接計算依賴關系，能夠學習一個句子的內部結構。7、span：span可認為是“一段區域，每個span具有一定的寬度”...

根據設定的span寬度，對語句進行span劃分，以將語句劃分為多個span，并對每個span進行標記；其中，每個標記表示x+y+1種類型中的任意一種，1表示所述觸發詞的類型和所述事件主體的類型以外的其他類型。在本申請的示例性實施例中，所述對所述向量化語義表示w1進行span劃分，得到多個語義片段可以包括：獲取設定的span的大寬度max_span_width；根據span的寬度從1到max_span_width依次在所述向量化語義表示w1上進行選取，獲得多個span的語義表示span_embedding。在本申請的示例性實施例中，所述對所述新的語義表示w3進行span分類可以包括：使用...

從而可以提高對防護艙內用戶出現異常事件的檢測準確率可選的，一種具體實現方式中，上述裝置還包括圖像判斷模塊；在本實現方式中，一種情況下，圖像判斷模塊，可以用于在基于當前幀圖像，確定待分析圖像之前，判斷當前幀圖像和當前幀圖像之前的連續預設數量幀圖像，是否均包含目標對象；在本實現方式中，另一種情況下，圖像判斷模塊，可以用于在基于當前幀圖像，確定待分析圖像之前，判斷當前幀圖像和在當前時刻之前的預設時長內采集到的連續多幀圖像，是否均包含目標對象；如果是，觸發圖像確定模塊。可選的，一種具體實現方式中，上述圖像確定模塊630包括：圖像確定子模塊，用于將至少包含當前幀圖像的類圖像確定為待分析圖像，其中...

目標對象為：能夠表征用戶進入目標防護艙的用戶身體部位；可以理解的，在某些時刻，目標防護艙內可能并不存在用戶，則可以確定在這些時刻目標防護艙內不會發生異常事件。因此，為了節省電子設備的資源，減輕電子設備的運行負擔，在獲取到當前幀圖像后，電子設備便可以利用圖像識別算法對當前幀圖像進行檢測，判斷當前幀圖像是否包含目標對象。其中，當判斷結果為是時，電子設備可以確定存在用戶進入目標防護艙，則在當前時刻，目標防護艙內可能發生異常事件，這樣，電子設備便可以繼續執行步驟s303。需要說明的是，電子設備可以采用任一能夠檢測出當前幀圖像中是否包含目標對象的圖像識別算法執行上述步驟s302，對此，本發明實施...

如果是，基于所述當前幀圖像，確定待分析圖像，其中，所述待分析圖像為：關于所述目標語音關鍵事件檢測防護艙及所述目標對象的圖像；將所述待分析圖像輸入到預設的檢測模型中，得到關于所述目標防護艙的事件檢測結果；其中，所述檢測模型為：基于各個樣本圖像和每個樣本圖像的事件檢測結果所訓練得到的模型。第二方面，本發明實施例提供了一種事件檢測裝置，所述裝置包括：圖像獲取模塊，用于實時獲取關于目標防護艙的圖像，并將當前時刻所采集到的圖像作為當前幀圖像；圖像檢測模塊，用于檢測所述當前幀圖像是否包含目標對象，其中，所述目標對象為：能夠表征用戶進入所述目標防護艙的用戶身體部位；如果是，觸發圖像確定模塊；所述圖像...

在該方法或過程不依賴于本文所述步驟的特定順序的程度上，該方法或過程不應限于所述的特定順序的步驟。如本領域普通技術人員將理解的，其它的步驟順序也是可能的。因此，說明書中闡述的步驟的特定順序不應被解釋為對權利要求的限制。此外，針對該方法和/或過程的權利要求不應限于按照所寫順序執行它們的步驟，本領域技術人員可以容易地理解，這些順序可以變化，并且仍然保持在本申請實施例的精神和范圍內。在本申請的示例性實施例中，在介紹本申請實施例方案之前，可以首先對本申請實施例涉及的術語進行介紹：1、事件類型及定義：事件類型是指不同的事件所屬的類別，比如在金融領域有“實控人股東變更”、“信批違規”、“財務造假”等...

確定當前時刻，關于目標防護艙的事件檢測結果。需要說明的是，電子設備可以通過多種方式執行上述步驟f23，對此本發實施例不作具體限定。為了行文清晰，后續對上述步驟f23的具體實現方式進行舉例說明。顯然，在本實施例三中，采用多種數據來確定檢測關于目標防護艙的事件檢測結果，使得到的事件檢測結果更可靠，且具有說服力，從而可以提高對防護艙內用戶出現異常事件的檢測準確率。其中，由于類圖像可能為：當前幀圖像和當前幀圖像之前的連續m幀圖像的多張圖像，也可能為：當前幀圖像；第二類圖像可能為：包括光流圖和光流圖之前的連續n幀光流圖的多張圖像，也可能為：光流圖。因此，在本實施例三中，待分析圖像和輔助圖像，以及...

光流圖檢測模型為：采用各個第二樣本圖像和每個第二樣本圖像的事件檢測結果所訓練得到的模型，且每個第二樣本圖像為一幀光流圖。需要說明的是，下面對上述步驟f23的具體實現方式進行舉例說明。一種具體實現方式中，上述步驟f23可以包括如下步驟f231-f232：f231：根據場景圖像檢測模型和光流圖檢測模型的權重，計算場景圖像檢測模型輸出的檢測結果和場景圖像檢測模型的權重的乘積，并計算光流圖檢測模型輸出的檢測結果與光流圖檢測模型的權重的第二乘積；f232：計算乘積和第二乘積的和值，基于和值，確定關于目標防護艙的事件監測結果。在本實現方式中，當場景圖像檢測模型輸出的檢測結果和光流圖檢測模型輸出的檢...

檢測模型為：基于各個樣本圖像和每個樣本圖像的事件檢測結果所訓練得到的模型。在該檢測模型的訓練過程中，可以將各個樣本圖像作為待訓練模型的輸入，將各個樣本圖像的事件檢測結果作為待訓練模型的輸出。這樣，在訓練過程中，待訓練模型可以學習各個樣本圖像中的圖像特征，輸出各個樣本圖像的事件檢測結果，逐步建立樣本圖像的圖像特征和事件檢測結果的對應關系。這樣，經過大量樣本圖像的學習，便可以得到上述檢測模型。而該訓練得到的檢測模型也就可以用于對基于當前幀圖像確定的待分析圖像進行檢測，輸出的事件檢測結果，即為關于目標防護艙的事件檢測結果。顯然，在訓練上述檢測模型時，所使用的樣本圖像為關于防護艙的圖像。需要強...

檢測模型為：基于各個樣本圖像和每個樣本圖像的事件檢測結果所訓練得到的模型。在該檢測模型的訓練過程中，可以將各個樣本圖像作為待訓練模型的輸入，將各個樣本圖像的事件檢測結果作為待訓練模型的輸出。這樣，在訓練過程中，待訓練模型可以學習各個樣本圖像中的圖像特征，輸出各個樣本圖像的事件檢測結果，逐步建立樣本圖像的圖像特征和事件檢測結果的對應關系。這樣，經過大量樣本圖像的學習，便可以得到上述檢測模型。而該訓練得到的檢測模型也就可以用于對基于當前幀圖像確定的待分析圖像進行檢測，輸出的事件檢測結果，即為關于目標防護艙的事件檢測結果。顯然，在訓練上述檢測模型時，所使用的樣本圖像為關于防護艙的圖像。需要強...

確定在時刻t0目標人物所處的位置信息，以及在時刻t1目標人物所處的位置信息。根據兩個時刻目標人物所處的位置信息，可以獲取目標人物的運動軌跡。根據目標人物的運動軌跡，可以獲知目標人物所處的理論位置范圍。在確定了目標人物的理論位置范圍之后，控制器12可以從m個第二攝像頭14采集到的實時圖像中，識別出目標人物游泳時的動作姿勢，進而獲取目標人物的泳姿信息。在實際應用中，游泳者在游泳時，其對應的泳姿可以為蝶泳、蛙泳、仰泳、自由泳等。無論哪種泳姿，都存在一定的規律性。在具體實施中，控制器12可以采用現有的圖像識別方法來識別目標人物游泳時的動作姿勢。控制器12可以將識別出的動作姿勢與現有的泳姿信息庫...

每種類型與某一數字對應，以便于計算機的處理，則可以分別標記為[0,1,2,3,4,...,29,30]。在本申請的示例性實施例中，因計算機無法直接處理中文，因此可以將句子(語句)中每一個單詞轉化為數字的映射。即，獲得語句的向量化語義表示w1。在本申請的示例性實施例中，所述獲得語句的向量化語義表示w1可以包括：通過雙向lstm網絡模型或bert模型獲得語句的向量化語義表示w1。在本申請的示例性實施例中，在通過雙向lstm網絡獲得語句的向量化語義表示w1之前，所述方法還可以包括：將語句中的m個字符隨機初始化為一個維度為[m，n]的n維向量d，其中，對于從0到m-1的索引id，每個id對應一...

實施例一：待分析圖像為上述類圖像，即待分析圖像為至少包含當前幀圖像的目標防護艙的圖像：則上述步驟s304，包括如下步驟f1-f2：步驟f1：將待分析圖像輸入到預設的場景圖像檢測模型中，得到場景圖像檢測模型輸出的檢測結果；步驟f2：基于場景圖像檢測模型輸出的檢測結果，確定關于目標防護艙的事件檢測結果；其中，由于待分析圖像為目標防護艙的場景圖像，則在本實施例一中，所采用的檢測模型即為預設的場景圖像檢測模型，且用于訓練該場景圖像檢測模型的各個樣本圖像組中所包括的圖像可以稱為場景圖像。需要說明的是，場景圖像檢測模型為：采用各個樣本圖像組和每個樣本圖像組的事件檢測結果所訓練得到的模型，且每一樣本...

產品功能ProductFunctions●自動語音關鍵事件檢測（交通事故、違章停車、逆行、物品遺撒、行人穿越車道、排隊等）●交通數據檢測（車流量、車速、占有率、車型等）（固定場景）系統事件檢測實景系統測速實景系統優勢SystemAdvantages●高魯棒性的背景更新技術，使得設備可在極短時間內適應所切換的新背景；●單設備檢測區域廣闊，采用視頻識別、的方法，使得一個攝像頭監控的區域能夠覆蓋多個車道；●誤觸發少，由于采用了運動軌跡的方法，能夠保證每個目標只觸發一次，避免了由于目標本身的差異造成的多次觸發；●操作無需人為干預，采用了DSP前端處理，可以24小時不間斷進行監測；●由于有豐富的...

確定關于目標防護艙的事件檢測結果；其中，光流圖檢測模型為：采用各個第二樣本圖像組和每個第二樣本圖像組的事件檢測結果所訓練得到的模型，且每一第二樣本圖像組中的圖像與待分析圖像的圖像數量相同，各個第二樣本圖像組中的圖像為：關于防護艙的光流圖。可選的，一種具體實現方式中，上述裝置還包括：光流圖確定模塊，用于每獲取到一幀圖像，利用該幀圖像和該幀圖像的前一幀圖像，得到該幀圖像對應的光流圖；則在本實現方式中，上述結果確定子模塊包括：輔助圖像確定單元，用于將至少包含光流圖在內的第二類圖像確定為輔助圖像，第二類圖像中各個圖像的類型均為：基于每兩幀連續的關于目標防護艙且包括目標對象的圖像獲取的光流圖，光...

本實用新型涉及監控技術領域，尤其涉及一種溺水語音關鍵事件檢測系統。背景技術：隨著生活水平的提高，游泳運動這一全身性鍛煉的體育運動越來越受到人們的歡迎。由于游泳運動在水中進行，在游泳過程中，存在一定的危險性。對于初學者，在游泳過程中，因游泳技術不足導致無法隨意呼吸、換氣、行動等導致嗆水，容易造成溺水事件；對于有經驗的游泳者，可能會出現抽筋、碰撞受傷、意識模糊等原因導致溺水事件發生。若無法及時發現溺水的游泳者，極易導致溺水時間過長造成傷亡。為了有效地解決溺水問題，通常在游泳場館中安裝有攝像頭。后臺工作人員根據攝像頭獲取到的實時畫面，判斷是否有人發生溺水。當發現有人溺水時，通知游泳池邊的救生...

紅外線發射器所發射的紅外線將被用戶身體發射到紅外接收器。而當用戶倒地后，紅外線接收器因為接收不到紅外線的反射信號而判斷用戶出現倒地事件，并發出警報，以使外界救護人員能夠及時地進入對用戶進行救援。然而，在上述相關方案中，由于紅外線發射器和紅外線接收器距離地面有一定的高度，因此，當防護艙內用戶出現彎腰等情況，身體低于該高度時，紅外接收器因為接收到紅外信號而判斷用戶出現倒地事件，產生誤報；當身高不足上述高度的用戶進入防護艙時，將無法檢測到用戶進入語音關鍵事件檢測防護艙，進而，當該用戶發生倒地事件時，產生漏報。且，該方案無法檢測出用戶出現劇烈運動。基于此，上述相關方案對防護艙內用戶出現異常事件...

在本申請的示例性實施例中，所述對所述向量化語義表示w1進行span劃分，得到多個語義片段可以包括：獲取設定的span的大寬度max_span_width；根據span的寬度從1到max_span_width依次在所述向量化語義表示w1上進行選取，獲得多個span的語義表示span_embedding。在本申請的示例性實施例中，可以根據設定的span的大寬度max_span_width＝8對步驟s101得到的語義表示w1進行劃分。劃分方法可以包括：span的寬度從1至max_span_width依次在向量w1上進行選取，得到n個span的語義表示，即span_embedding。s103...

向告警裝置輸出告警指令。告警裝置在接收到告警指令后執行告警操作，從而可以提醒救生人員。因此，本實用新型實施例中的方案能夠及時準確地檢測到溺水事件的發生，并及時地通知救生員進行救援。為使本實用新型的上述目的、特征和優點能夠更為明顯易懂，下面結合對本實用新型的具體實施例做詳細的說明。本實用新型實施例提供了一種溺水事件檢測系統。在本實用新型實施例中，溺水事件檢測系統可以包括n個攝像頭11、控制器12以及告警裝置13。在具體實施中，n個攝像頭11可以均設置在游泳池壁上。n個攝像頭11在工作時，可以實時采集到游泳池內的圖像。n個攝像頭11與控制器12可以通信連接，從而可以將實時采集到的圖像傳輸至...

本申請提供了一種事件檢測方法，如圖1所示，所述方法可以包括s101-s105：s101、獲得語句的向量化語義表示w1。在本申請的示例性實施例中，在獲得語句的向量化語義表示w1之前，可以首先對要進行事件抽取的數據進行預處理。在本申請的示例性實施例中，所述方法還可以包括：預先將觸發詞的類型劃分為x種，將事件主體的類型劃分為y種，其中，x、y均為正整數；在獲得語句的向量化語義表示w1之前，根據設定的span寬度，對語句進行span劃分，以將語句劃分為多個span，并對每個span進行標記；其中，每個標記表示x+y+1種類型中的任意一種，1表示所述觸發詞的類型和所述事件主體的類型以外的其他類型...

電子設備在上述步驟s304中得到的事件檢測結果可以為：關于未發生異常事件的結果，即目標防護艙內未發生異常情況；相對應的，電子設備在上述步驟s304中得到的事件檢測結果也可以為：關于發生異常事件的結果，即目標防護艙內發生異常情況。可選的，一種具體實現方式中，上述事件檢測結果為：關于未發生異常事件的結果。具體的，當事件檢測結果為：關于未發生異常事件的結果時，則在上述步驟s304中，上述檢測模型可以直接輸出：未發生異常事件，這樣，電子設備便可以確定目標防護艙內未發生異常事件。可選的，另一種具體實現方式中，上述事件檢測結果為：關于發生異常事件的結果。具體的，當事件檢測結果為：關于發生異常事件的...

電子設備便可以基于該當前幀圖像，確定待分析圖像。由于是對目標防護艙內發生的事件進行檢測，因此，也就是檢測目標防護艙內的用戶是否處于正常情況中。這樣，電子設備所確定的待分析圖像便可以為：關于目標防護艙內的用戶的圖像，進一步的，目標防護艙內的用戶通過當前幀圖像中的目標對象表征。因此，電子設備所確定的待分析圖像即為：關于目標防護艙及目標對象的圖像。例如，包括目標防護艙內部情況及目標對象的圖像。需要說明的是，電子設備可以通過多種方式基于當前幀圖像，確定待分析圖像，對此，本發明實施例不做具體限定。可選的，一種具體實現方式中，上述步驟s303，可以為：將至少包含當前幀圖像的類圖像確定為待分析圖像，...

得到正常事件以及每種類型的異常事件的概率和。這樣，電子設備便可以將概率和值比較高的事件確定為目標防護艙內用戶出現的事件的類型，并將該類型作為：關于目標防護艙的事件檢測結果。其中，當正常事件的概率和比較高時，電子設備可以確定目標防護艙內未發生異常事件，當某類型異常事件的概率和比較高時，電子設備可以確定目標防護艙內發生該類型異常事件。例如，場景圖像檢測模型輸出的檢測結果為：正常事件概率5％，倒地事件概率50％，劇烈運動事件43％，破壞設備事件2％；場景圖像檢測模型的權重為：，則可以得到乘積為：正常事件概率4％，倒地事件概率40％，劇烈運動事件％，破壞設備事件％；光流圖檢測模型輸出的檢測結果...

根據設定的span寬度，對語句進行span劃分，以將語句劃分為多個span，并對每個span進行標記；其中，每個標記表示x+y+1種類型中的任意一種，1表示所述觸發詞的類型和所述事件主體的類型以外的其他類型。在本申請的示例性實施例中，所述對所述向量化語義表示w1進行span劃分，得到多個語義片段可以包括：獲取設定的span的大寬度max_span_width；根據span的寬度從1到max_span_width依次在所述向量化語義表示w1上進行選取，獲得多個span的語義表示span_embedding。在本申請的示例性實施例中，所述對所述新的語義表示w3進行span分類可以包括：使用...

從而可以提高對防護艙內用戶出現異常事件的檢測準確率可選的，一種具體實現方式中，上述裝置還包括圖像判斷模塊；在本實現方式中，一種情況下，圖像判斷模塊，可以用于在基于當前幀圖像，確定待分析圖像之前，判斷當前幀圖像和當前幀圖像之前的連續預設數量幀圖像，是否均包含目標對象；在本實現方式中，另一種情況下，圖像判斷模塊，可以用于在基于當前幀圖像，確定待分析圖像之前，判斷當前幀圖像和在當前時刻之前的預設時長內采集到的連續多幀圖像，是否均包含目標對象；如果是，觸發圖像確定模塊。可選的，一種具體實現方式中，上述圖像確定模塊630包括：圖像確定子模塊，用于將至少包含當前幀圖像的類圖像確定為待分析圖像，其中...

根據設定的span寬度，對語句進行span劃分，以將語句劃分為多個span，并對每個span進行標記；其中，每個標記表示x+y+1種類型中的任意一種，1表示所述觸發詞的類型和所述事件主體的類型以外的其他類型。在本申請的示例性實施例中，所述對所述向量化語義表示w1進行span劃分，得到多個語義片段可以包括：獲取設定的span的大寬度max_span_width；根據span的寬度從1到max_span_width依次在所述向量化語義表示w1上進行選取，獲得多個span的語義表示span_embedding。在本申請的示例性實施例中，所述對所述新的語義表示w3進行span分類可以包括：使用...