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，用于存放計算機程序；處理器701，用于執行存儲器703上所存放的程序時，實現上述本發明實施例提供的一種事件檢測方法中的任一方法步驟。上述電子設備提到的通信總線可以是外設部件互連標準(peripheralcomponentinterconnect，pci)總線或擴展工業標準結構(extendedindustrystandardarchitecture，eisa)總線等。該通信總線可以分為地址總線、數據總線、控制總線等。為便于表示，圖中用一條粗線表示，但并不表示有一根總線或一種類型的總線。語音關鍵事件檢測有什么注意事項？海南量子語音關鍵事件檢測
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。海南量子語音關鍵事件檢測標準語音關鍵事件檢測在語音識別、語音合成和語音交互等領域具有廣泛的應用前景。
通信接口用于上述電子設備與其他設備之間的通信。存儲器可以包括隨機存取存儲器(randomaccessmemory，ram)，也可以包括非易失性存儲器(non-volatilememory，nvm)，例如至少一個磁盤存儲器。可選的，存儲器還可以是至少一個位于遠離前述處理器的存儲裝置。上述的處理器可以是通用處理器，包括處理器(centralprocessingunit，cpu)、網絡處理器(networkprocessor，np)等；還可以是數字信號處理器(digitalsignalprocessing，dsp)、集成電路(applicationspecificintegratedcircuit，asic)、現場可編程門陣列(field-programmablegatearray，fpga)或者其他可編程邏輯器件、分立門或者晶體管邏輯器件、分立硬件組件。本發明實施例還提供了一種計算機可讀存儲介質，該計算機可讀存儲介質內存儲有計算機程序，該計算機程序被處理器執行時實現上述本發明實施例提供的一種事件檢測方法中的任一方法步驟。需要說明的是，在本文中，諸如和第二等之類的關系術語用來將一個實體或者操作與另一個實體或操作區分開來，而不一定要求或者暗示這些實體或操作之間存在任何這種實際的關系或者順序。而且，術語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含。
存儲器通過通信總線完成相互間的通信；存儲器，用于存放計算機程序；處理器，用于執行存儲器上所存放的程序時，實現上述方面提供的一種事件檢測方法中的任一方法步驟。第四方面，本發明實施例提供了一種計算機可讀存儲介質，所述計算機可讀存儲介質內存儲有計算機程序，所述計算機程序被處理器執行時實現上述方面提供的一種事件檢測方法中的任一方法步驟。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，并判斷當前時刻所采集到的當前幀圖像是否包括目標對象，由于目標對象為：能夠表征用戶進入目標防護艙的用戶身體部位，則可以基于當前幀圖像判斷當前時刻是否有用戶進入目標防護艙。則當判斷結果為是時，便可以基于當前幀圖像，確定待分析圖像，進而將該待分析圖像輸入到預設的檢測模型中，得到當前時刻，關于目標語音關鍵事件檢測防護艙的事件檢測結果。這樣，由于檢測模型是基于各個樣本圖像和各個樣本圖像的事件檢測結果所訓練得到的模型，因此，檢測模型充分學習了樣本圖像和事件檢測結果之間的對應關系。基于此，在本發明實施例中，利用采集到的真實圖像來確定待分析圖像，利用訓練好的檢測模型對待分析圖像進行檢測。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。
該m+1幀圖像便可以組成一個樣本圖像組，并進一步確定該樣本圖像組的事件檢測結果為：采集該m+1幀圖像時，該防護艙內發生的事件類型。具體的，當待分析圖像為：當前幀圖像，則場景圖像檢測模型為：采用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，且每個樣本圖像為一幀場景圖像。其中，針對至少一個防護艙，在該防護艙中發生各類事件時，采集一幀關于該防護艙的圖像，并將采集該圖像時，該防護艙內發生的事件類型作為該圖像的事件檢測結果，這樣，便可以得到一個樣本圖像組及樣本圖像組的事件檢測結果。實施例二：待分析圖像為上述第二類圖像，即待分析圖像為：至少包含光流圖的光流圖；則上述步驟s303，包括如下步驟g1-g2：步驟g1：將待分析圖像輸入到預設的光流圖檢測模型中，得到光流圖檢測模型輸出的檢測結果；步驟g2：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。其中，由于待分析圖像為目標防護艙的場景圖像對應的光流圖，則在本實施例二中，所采用的檢測模型即為預設的光流圖檢測模型，且用于訓練該光流圖檢測模型的各個第二樣本圖像組中所包括的圖像即為光流圖。需要說明的是。語音關鍵事件檢測的好處有哪些？歡迎咨詢！上海信息化語音關鍵事件檢測設計
通過結合語音關鍵事件檢測和自然語言處理技術，我們可以實現更加智能的語音助手和智能客服系統。海南量子語音關鍵事件檢測
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。海南量子語音關鍵事件檢測