直至電子設(shè)備判斷預設(shè)時長內(nèi)采集到的連續(xù)多幀圖像中均包含相同的目標對象后，電子設(shè)備繼續(xù)獲得下一幀圖像，即預設(shè)時長后的當前時刻對應的當前幀圖像，并判斷該當前幀圖像中是否包括預設(shè)時長內(nèi)采集到的連續(xù)多幀圖像所包含的目標對象。這樣，當判斷結(jié)果為是時，電子設(shè)備便可以繼續(xù)執(zhí)行后續(xù)步驟s303。當前，光流法是圖像分析領(lǐng)域中被重點關(guān)注的一種方法，所謂光流是指圖像亮度模式的表觀運動。可以理解的，當用戶在防護艙中進行各類金融活動時，用戶的某些身體部位也是運動的，例如，手指等。光流表達了圖像的變化，可以引申出光流場。所謂光流場是指圖像中所有像素點構(gòu)成的一種二維(2d)瞬時速度場，其中的二維速度矢量是景物中可見點的三維速度矢量在成像表面的投影。這樣，光流不包含了被觀察物體的運動信息，而且還包含有關(guān)景物三維結(jié)構(gòu)的豐富信息。因此，在本發(fā)明實施例中也可以引入光流法。可選的，一種具體實現(xiàn)方式中，上述本發(fā)明實施例提供的一種事件檢測方法中，還可以包括如下步驟d1：步驟d1：每當獲取到一幀圖像時，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；由于光流包含被觀察物體的運動信息，因此，光流圖表征的是兩幀圖像之間的變化。語音關(guān)鍵事件檢測有哪些關(guān)鍵技術(shù)？四川自主可控語音關(guān)鍵事件檢測特征
基于光流圖檢測模型輸出的檢測結(jié)果，確定關(guān)于目標防護艙的事件檢測結(jié)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(shè)的場景檢測模型中，得到場景檢測模型輸出的檢測結(jié)果；步驟g23：將場景圖像檢測模型輸出的檢測結(jié)果和光流圖檢測模型輸出的檢測結(jié)果進行融合計算，基于融合計算的結(jié)果，確定當前時刻，關(guān)于目標防護艙的事件檢測結(jié)果。其中，關(guān)于類圖像的相關(guān)描述內(nèi)容、場景檢測模型的相關(guān)描述內(nèi)容、場景圖像檢測模型輸出的檢測結(jié)果和光流圖檢測模型輸出的檢測結(jié)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(guān)描述內(nèi)容。相對應上述本發(fā)明實施例提供的一種事件檢測方法，本發(fā)明實施例還提供了一種事件檢測裝置。圖6為本發(fā)明實施例提供的一種事件檢測裝置的結(jié)構(gòu)示意圖，如圖6所示，該裝置可以包括如下模塊：圖像獲取模塊610，用于實時獲取關(guān)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620，用于檢測當前幀圖像是否包含目標對象，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；如果是，觸發(fā)圖像確定模塊；圖像確定模塊630。四川光纖數(shù)據(jù)語音關(guān)鍵事件檢測語音關(guān)鍵事件檢測的成熟度如何？歡迎咨詢！
這樣，電子設(shè)備在每獲取到一幀圖像時，便可以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。進一步的，在本實現(xiàn)方式中，上述步驟s303，基于當前幀圖像，確定待分析圖像，便可以包括如下步驟e1：步驟e1：將至少包含光流圖在內(nèi)的第二類圖像確定為待分析圖像，其中，第二類圖像中各個圖像均為：基于每兩幀連續(xù)的關(guān)于目標防護艙且包括目標對象的圖像獲取的光流圖，光流圖為當前幀圖像對應的光流圖。由于電子設(shè)備實時獲取的關(guān)于目標防護艙的圖像均為目標圖像采集設(shè)備所采集的、能夠反映目標防護艙的內(nèi)部空間在每個時刻的真實情況的圖像，而光流圖是基于這些關(guān)于目標防護艙的圖像中人物的運動變化情況獲得的，因此，電子設(shè)備可以將光流圖確定為待分析圖像。從而，利用待分析圖像，確定當前時刻，關(guān)于目標防護艙的事件檢測結(jié)果。其中，為了描述簡單，可以將當前幀圖像的光流圖簡稱為光流圖。其中，由于本發(fā)明實施例是對目標防護艙內(nèi)的用戶是否處于正常情況中進行檢測，因此，第二類圖像中的各個光流圖應該是關(guān)于目標防護艙中用戶運動情況的光流圖。進一步的，由于每幀光流圖是通過連續(xù)兩幀圖像獲取到的，因此，在本實現(xiàn)方式中。
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(jù)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(jù)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(guī)律性。在具體實施中，控制器12可以采用現(xiàn)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(xiàn)有的泳姿信息庫進行比對，從而獲知目標人物的泳姿信息。具體的比對過程也可以采用現(xiàn)有的匹配算法，本實用新型實施例不做贅述。在具體實施中，可以預先根據(jù)經(jīng)驗值，設(shè)置相應的目標頻率值。例如，根據(jù)大數(shù)據(jù)統(tǒng)計分析，正常情況下，游泳者沉浮一次間隔的時間為15s，也即1分鐘游泳者的沉浮頻率為4次。此時，可以設(shè)置目標頻率值為1分鐘4次。可以理解的是，目標頻率值也可以根據(jù)實際的應用場景進行設(shè)定，并不僅限于本實用新型上述實施例中提供的示例。語音關(guān)鍵事件檢測的意義是什么？歡迎咨詢！
還可以在檢測到發(fā)生異常事件時，確定所發(fā)生的異常事件的事件類型。即事件檢測結(jié)果為：關(guān)于發(fā)生異常事件且所發(fā)生異常事件類型的結(jié)果。這樣，電子設(shè)備可以根據(jù)檢測模型的輸出結(jié)果，確定目標防護艙內(nèi)發(fā)生哪種異常事件。可選的，一種具體實現(xiàn)方式中：在上述步驟s304中，上述檢測模型可以直接輸出：所發(fā)生的異常事件的類型，這樣，電子設(shè)備便可以直接確定目標防護艙內(nèi)用戶出現(xiàn)的異常事件的類型，并將該類型作為：關(guān)于目標防護艙的事件檢測結(jié)果。例如，倒地事件；這樣，電子設(shè)備便可以確定目標防護艙內(nèi)出現(xiàn)用戶意外倒地的事件。可選的，另一種具體實現(xiàn)方式中：在上述步驟s304中，在訓練檢測模型時，可以預先設(shè)定多種類型的異常事件，則上述檢測模型可以直接輸出：正常事件概率以及每種類型的異常事件的概率。其中，正常事件表示目標防護艙內(nèi)未發(fā)生異常事件。這樣，電子設(shè)備便可以將概率比較高的事件確定為目標防護艙內(nèi)用戶出現(xiàn)的事件的類型，并將該類型作為：關(guān)于目標防護艙的事件檢測結(jié)果。顯然，當正常事件概率比較高時，則可以確定目標防護艙內(nèi)未發(fā)生異常事件，當某類型的異常事件的概率比較高時，則可以確定目標防護艙內(nèi)發(fā)生該類型異常事件。例如，正常事件概率5％。語音關(guān)鍵事件檢測在線咨詢魚亮科技！廣西數(shù)字語音關(guān)鍵事件檢測內(nèi)容
語音關(guān)鍵事件檢測主要應用在哪些領(lǐng)域？四川自主可控語音關(guān)鍵事件檢測特征
根據(jù)設(shè)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(fā)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(shè)定的span的大寬度max_span_width；根據(jù)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：使用兩層全連接神經(jīng)網(wǎng)絡和softmax層對每個span進行分類；其中，在訓練階段，將分類結(jié)果與帶有標記的span進行誤差計算和反向傳播。本申請還提供了一種事件檢測裝置，可以包括處理器和計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)中存儲有指令，當所述指令被所述處理器執(zhí)行時，實現(xiàn)上述任意一項所述的事件檢測方法。與相關(guān)技術(shù)相比，本申請可以包括：獲得語句的向量化語義表示w1；對所述向量化語義表示w1進行span劃分，得到多個語義片段；對多個語義片段進行平均池化，得到每個span的表示w2。四川自主可控語音關(guān)鍵事件檢測特征