便可以極大地減少監控人員在查看視頻時所耗費的時間。另一種具體實現方式中，上述本發明實施例提供的一種事件檢測方法還可以包括如下步驟c2：步驟c2：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。當用于采集關于目標防護艙的圖像的圖像采集設備和用于對目標防護艙進行監控的攝像頭為同一設備時，電子設備實時獲取的關于目標防護艙的圖像即為關于目標防護艙的監控視頻中的每個視頻幀。這樣，當電子設備確定當前時刻目標防護艙內出現的異常事件的類型后，便可以通過第二標簽對當前幀圖像進行標記，該第二標簽中包括：當前時刻目標防護艙內出現的異常事件的類型的類型標簽。這樣，當監控人員需要查看目標防護艙的監控視頻中與該異常事件對應的視頻內容時，便可以直接通過異常事件的類型標簽，在監控視頻的進度條上查找該類型標簽對應的視頻幀的錄制時間。進一步的，監控人員便可以根據所查找到的時間，直接調取與該時間對應的監控視頻的視頻內容。這樣，便可以極大地減少監控人員在查看視頻時所耗費的時間。以上可見，應用本發明實施例提供的方案，實時獲取目標防護艙的圖像。語音關鍵事件檢測領域有哪些？歡迎來電咨詢！浙江量子語音關鍵事件檢測供應
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、對多個語義片段進行平均池化，得到每個span的表示w2。在本申請的示例性實施例中，因每個span的寬度不一樣(span_embedding的維度可以為[sw,d1],其中sw取值為1～max_span_width)，因此可以對這n個span的語義表示進行平均池化處理，從而得到這n個span的表示w2，w2的維度可以為[n,d1]。s104、使用自注意力機制對獲得的每個span的表示w2進行計算，得到每個span的新的語義表示w3。在本申請的示例性實施例中，該自注意力機制可以為自注意力加權計算。在本申請的示例性實施例中，可以將步驟s103所得的span的表示w2通過自注意力機制(自注意力加權計算)計算得到新的表示w4。廣西光纖數據語音關鍵事件檢測內容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。
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。需要強調的是，不同類型和數量的待分析圖像，所利用的檢測模型也是不同的。為了行為清楚，后續將會對待分析圖像與檢測模型之間的對應關系進行舉例說明。需要說明的是，上述檢測模型可以在電子設備中訓練得到的，也可以在與電子設備通信連接的其他電子設備中訓練得到的，這樣，電子設備便可以從該其他電子設備中獲得上述檢測模型，這都是合理的。此外，在本發明實施例中，電子設備可以檢測目標防護艙內是否發生異常事件，則在這種情況下。
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偏離預設的目標頻率值，且在預設時長內在所述理論位置范圍內沒有檢測到目標人物時，控制器12也可以判定目標人物發生溺水。在實際應用中，預設時長可以根據具體的應用場景進行設定。例如，預設時長設置為15s。又如，預設時長設置為20s。需要說明的是，在本實用新型實施例中，控制器12執行的算法運算操作均可以采用現有的公知技術所實現。在具體實施中，在判定目標人物溺水之后，控制器12可以向預先關聯的告警裝置13輸出告警指令。語音關鍵事件檢測運用成熟度如何？
所描述的實施例是本發明一部分實施例，而不是全部的實施例。基于本發明中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬于本發明保護的范圍。在當前檢測用戶在防護艙內出現倒地事件的相關方案中，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的檢測準確率較低。為了解決上述相關方案中存在的問題，本發明實施例提供了一種事件檢測方法。可以理解的，由于用戶在防護艙內進行各類金融服務，因此，為了保證用戶的人身安全和財產安全，會通過攝像頭對防護艙內的情況進行監控。顯然，在本發明實施例中，這些攝像頭在對防護艙內的情況進行監控時，所采集到的實時監控畫面即為本發明實施例中的關于防護艙的圖像。這樣，隨著攝像頭不斷采集到防護艙內的監控畫面，也就可以實時獲得關于防護艙的圖像。智能語音質檢都有什么功能?歡迎來電咨詢！廣東新一代語音關鍵事件檢測介紹
語音關鍵事件檢測在國際上的運用如何？浙江量子語音關鍵事件檢測供應
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對應一個不同的字符；對于長度為s的語句，該語句中每一個字符能夠在向量d中找到對應的id，從而獲得維度為[s，d]的向量。在本申請的示例性實施例中，通過雙向lstm網絡獲得語句的向量化語義表示w1可以包括：將維度為[s，d]的向量輸入預設的雙向lstm神經網絡，將所述雙向lstm神經網絡的輸出作為語句的向量化語義表示w1。在本申請的示例性實施例中，通過bert模型獲得語句的向量化語義表示w1可以包括：將語句直接輸入所述bert模型，將所述bert模型的輸出作為語句的向量化語義表示w1。在本申請的示例性實施例中，所述向量化語義表示w1的維度可以為[s，d1]；其中，當通過雙向lstm網絡獲得語句的向量化語義表示w1時，d1為2*lstm隱層節點數；當通過bert模型獲得語句的向量化語義表示w1時，d1＝768。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。浙江量子語音關鍵事件檢測供應