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。語音關鍵事件檢測算法的性能評估通常包括準確率、召回率和F1分數等指標。深圳光纖數據語音關鍵事件檢測內容
上述步驟s302a可以為：步驟s302b：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，執行上述步驟s303。在本實現方式中，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。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，在本實現方式中，電子設備可以采用任一能夠檢測出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中是否均包含目標對象的圖像識別算法執行上述步驟s302b，對此，本發明實施例不做具體限定。其中，上述預設時長可以為任一時長，例如，2s，5s等，這都是合理的。下面，對電子設備執行上述步驟s302b的具體過程進行說明：電子設備在獲取到每幀關于目標防護艙的圖像后，判斷該圖像中是否包含目標對象。進而，在獲取該圖像的下一幀圖像后，判斷該下一幀圖像中是否包括與前一幀圖像相同的目標對象。依次類推。安徽數字語音關鍵事件檢測內容語音關鍵事件檢測算法通常基于機器學習和深度學習技術，通過訓練模型來識別不同的聲音模式。
本發明涉及語音關鍵事件檢測技術，特別是涉及一種事件語音關鍵事件檢測。背景技術：當前，很多銀行通過設置語音關鍵事件檢測防護艙來為用戶提供更便捷的金融服務。所謂防護艙，是一種離行式或在行式的智能化金融服務設施，其具有完善的結構設計，可以實現智能化控制和遠程監控，保障內部atm(automatictellermachine，自動柜員機)及其它金融服務設備全天候安全、以及可靠地運行。其中，離行式是指設置在銀行營業網點之外的地方，例如，住宅小區、校園、地鐵站等公共場所；在行式是指設置在銀行營業網點中。可以理解的，當用戶進入語音關鍵事件檢測防護艙進行金融活動時，有些時候會出現倒地、劇烈運動、破壞設備等異常事件，例如，老人突然身體不適暈倒、有人搶奪用戶的銀行卡、有人惡意破壞設備等情況。為了保障用戶的人身和財產安全，需要對用戶在防護艙中出現的異常事件進行檢測，以便于可以及時救治或報警。相關方案中，檢測用戶在語音關鍵事件檢測防護艙內出現倒地事件的方案是：在防護艙的兩側面板上距離地面1米。這樣，用戶在進入到防護艙時，便進入到紅外線發射器的感測范圍內，進而，由于用戶身體的遮擋。
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測結果為：正常事件概率以及每種類型的異常事件的概率時，電子設備可以根據預設的場景圖像檢測模型的權重，計算場景圖像檢測模型輸出的正常事件概率以及每種類型的異常事件的概率分別與該權重的乘積，作為正常事件以及每種類型的異常事件的乘積；并根據預設的光流圖檢測模型的權重，計算光路途檢測模型輸出的正常事件概率以及每種類型的異常事件的概率分別與該權重的乘積，作為正常事件以及每種類型的異常事件的第二乘積。進而，計算乘積和第二乘積的和值。利用語音關鍵事件檢測技術，我們可以實現音頻數據的自動分類和標簽化，方便后續的檢索和分析。
上文中所公開方法中的全部或某些步驟、系統、裝置中的功能模塊/單元可以被實施為軟件、固件、硬件及其適當的組合。在硬件實施方式中，在以上描述中提及的功能模塊/單元之間的劃分不一定對應于物理組件的劃分；例如，一個物理組件可以具有多個功能，或者一個功能或步驟可以由若干物理組件合作執行。某些組件或所有組件可以被實施為由處理器，如數字信號處理器或微處理器執行的軟件，或者被實施為硬件，或者被實施為集成電路，如集成電路。這樣的軟件可以分布在計算機可讀介質上，計算機可讀介質可以包括計算機存儲介質(或非暫時性介質)和通信介質(或暫時性介質)。如本領域普通技術人員公知的，術語計算機存儲介質包括在用于存儲信息(諸如計算機可讀指令、數據結構、程序模塊或其他數據)的任何方法或技術中實施的易失性和非易失性、可移除和不可移除介質。計算機存儲介質包括但不限于ram、rom、eeprom、閃存或其他存儲器技術、cd-rom、數字多功能盤(dvd)或其他光盤存儲、磁盒、磁帶、磁盤存儲或其他磁存儲裝置、或者可以用于存儲期望的信息并且可以被計算機訪問的任何其他的介質。此外，本領域普通技術人員公知的是。語音關鍵事件檢測技術怎么樣？歡迎來電咨詢！天津新一代語音關鍵事件檢測是什么
語音關鍵事件檢測的設備有哪些？歡迎咨詢！深圳光纖數據語音關鍵事件檢測內容
倒地事件概率75％，劇烈運動事件15％，破壞設備事件5％；這樣，電子設備便可以確定目標防護艙內出現用戶意外倒地的事件。可以理解的，對防護艙內發生的異常事件進行檢測的目的之一是保證監控人員能夠及時發現各類異常事件，保證防護艙內的用戶的人身和財產安全，因此，可以實時對目標防護艙內發生的事件進行檢測。具體的，在本發明實施例中，電子設備是實時獲取當前幀圖像的，進而，便可以繼續實時判斷該當前幀圖像是否包括目標對象時，并在判斷結果為是時，實時對目標防護艙內發生的事件進行檢測，得到在采集當前幀圖像的當前時刻，關于目標防護艙的事件檢測結果。即電子設備可以實現對關于目標防護艙的事件檢測結果的實時檢測，其中，在這種情況下，上述所確定的關于目標防護艙的事件檢測結果均為：當前時刻，關于目標防護艙的事件檢測結果。從而，可以及時發現目標防護艙內出現的各類異常事件。進一步的，在發現目標防護艙內出現的各類異常事件后，為了保證監控人員能夠及時對異常事件該異常事件作出反應，采取有針對性的應對措施。則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。深圳光纖數據語音關鍵事件檢測內容