激情综合色综合久久综合,国产综合色产在线视频欧美,欧美国产 视频1,国产 日韩 欧美 第二页

當(dāng)目標(biāo)人物的沉浮頻率偏離目標(biāo)頻率值時，也即目標(biāo)人物沉浮頻率過高或沉浮頻率過低，目標(biāo)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(fā)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(xiàn)溺水時，其對應(yīng)的泳姿會出現(xiàn)異常。因此，在本實用新型實施例中，當(dāng)目標(biāo)人物的沉浮頻率偏離預(yù)設(shè)的目標(biāo)頻率值，且目標(biāo)人物的泳姿信息異常時，控制器12可以判定目標(biāo)人物發(fā)生溺水。在具體實施中，若在目標(biāo)人物所處的理論位置范圍內(nèi)沒有檢測到目標(biāo)人物，且沒有檢測到目標(biāo)人物的時間超過預(yù)設(shè)時長時，目標(biāo)人物也可能會發(fā)生溺水。在本實用新型實施例中，當(dāng)目標(biāo)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(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，可以根據(jù)設(shè)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(biāo)簽，其中，標(biāo)簽包括：采集當(dāng)前幀圖像的采集時間和所發(fā)生異常事件類型對應(yīng)的類型標(biāo)簽?？蛇x的，一種具體實現(xiàn)方式中，上述裝置還包括：視頻標(biāo)記模塊，用于當(dāng)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)果時，在關(guān)于目標(biāo)防護艙的監(jiān)控視頻中，為當(dāng)前幀圖像添加第二標(biāo)簽，其中，第二標(biāo)簽包括：所發(fā)生異常事件類型對應(yīng)的類型標(biāo)簽。相應(yīng)于上述本發(fā)明實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電子設(shè)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(jié)果，確定關(guān)于目標(biāo)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(dāng)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(yù)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(dāng)前時刻，關(guān)于目標(biāo)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...

比如人名、地名、組織機構(gòu)名、時間等。4、事件檢測與主體抽?。菏录z測與主體抽取即為同時抽取事件的觸發(fā)詞和事件的主體。5、注意力機制：注意力機制的本質(zhì)來自于人類視覺注意力機制。當(dāng)人們發(fā)現(xiàn)一個場景經(jīng)常在某部分出現(xiàn)自己想觀察的東西時，人們會進行學(xué)習(xí)在將來再出現(xiàn)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(quán)重和序列位置的相關(guān)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(shù)據(jù)或特征的內(nèi)部相關(guān)性，無視詞之間的距離直接計算依賴關(guān)系，能夠?qū)W習(xí)一個句子的內(nèi)部結(jié)構(gòu)。7、span：span可認為是“一段區(qū)域，每個span具有一定的寬度”...

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(biāo)記；其中，每個標(biāo)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...

從而可以提高對防護艙內(nèi)用戶出現(xiàn)異常事件的檢測準(zhǔn)確率可選的，一種具體實現(xiàn)方式中，上述裝置還包括圖像判斷模塊；在本實現(xiàn)方式中，一種情況下，圖像判斷模塊，可以用于在基于當(dāng)前幀圖像，確定待分析圖像之前，判斷當(dāng)前幀圖像和當(dāng)前幀圖像之前的連續(xù)預(yù)設(shè)數(shù)量幀圖像，是否均包含目標(biāo)對象；在本實現(xiàn)方式中，另一種情況下，圖像判斷模塊，可以用于在基于當(dāng)前幀圖像，確定待分析圖像之前，判斷當(dāng)前幀圖像和在當(dāng)前時刻之前的預(yù)設(shè)時長內(nèi)采集到的連續(xù)多幀圖像，是否均包含目標(biāo)對象；如果是，觸發(fā)圖像確定模塊?？蛇x的，一種具體實現(xiàn)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(dāng)前幀圖像的類圖像確定為待分析圖像，其中...

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

如果是，基于所述當(dāng)前幀圖像，確定待分析圖像，其中，所述待分析圖像為：關(guān)于所述目標(biāo)語音關(guān)鍵事件檢測防護艙及所述目標(biāo)對象的圖像；將所述待分析圖像輸入到預(yù)設(shè)的檢測模型中，得到關(guān)于所述目標(biāo)防護艙的事件檢測結(jié)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(jié)果所訓(xùn)練得到的模型。第二方面，本發(fā)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(guān)于目標(biāo)防護艙的圖像，并將當(dāng)前時刻所采集到的圖像作為當(dāng)前幀圖像；圖像檢測模塊，用于檢測所述當(dāng)前幀圖像是否包含目標(biāo)對象，其中，所述目標(biāo)對象為：能夠表征用戶進入所述目標(biāo)防護艙的用戶身體部位；如果是，觸發(fā)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(yīng)限于所述的特定順序的步驟。如本領(lǐng)域普通技術(shù)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(yīng)被解釋為對權(quán)利要求的限制。此外，針對該方法和/或過程的權(quán)利要求不應(yīng)限于按照所寫順序執(zhí)行它們的步驟，本領(lǐng)域技術(shù)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(nèi)。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(shù)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(lǐng)域有“實控人股東變更”、“信批違規(guī)”、“財務(wù)造假”等...

確定當(dāng)前時刻，關(guān)于目標(biāo)防護艙的事件檢測結(jié)果。需要說明的是，電子設(shè)備可以通過多種方式執(zhí)行上述步驟f23，對此本發(fā)實施例不作具體限定。為了行文清晰，后續(xù)對上述步驟f23的具體實現(xiàn)方式進行舉例說明。顯然，在本實施例三中，采用多種數(shù)據(jù)來確定檢測關(guān)于目標(biāo)防護艙的事件檢測結(jié)果，使得到的事件檢測結(jié)果更可靠，且具有說服力，從而可以提高對防護艙內(nèi)用戶出現(xiàn)異常事件的檢測準(zhǔn)確率。其中，由于類圖像可能為：當(dāng)前幀圖像和當(dāng)前幀圖像之前的連續(xù)m幀圖像的多張圖像，也可能為：當(dāng)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(xù)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(jié)果所訓(xùn)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(xiàn)方式進行舉例說明。一種具體實現(xiàn)方式中，上述步驟f23可以包括如下步驟f231-f232：f231：根據(jù)場景圖像檢測模型和光流圖檢測模型的權(quán)重，計算場景圖像檢測模型輸出的檢測結(jié)果和場景圖像檢測模型的權(quán)重的乘積，并計算光流圖檢測模型輸出的檢測結(jié)果與光流圖檢測模型的權(quán)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(guān)于目標(biāo)防護艙的事件監(jiān)測結(jié)果。在本實現(xiàn)方式中，當(dāng)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...

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(jié)果所訓(xùn)練得到的模型。在該檢測模型的訓(xùn)練過程中，可以將各個樣本圖像作為待訓(xùn)練模型的輸入，將各個樣本圖像的事件檢測結(jié)果作為待訓(xùn)練模型的輸出。這樣，在訓(xùn)練過程中，待訓(xùn)練模型可以學(xué)習(xí)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(jié)果，逐步建立樣本圖像的圖像特征和事件檢測結(jié)果的對應(yīng)關(guān)系。這樣，經(jīng)過大量樣本圖像的學(xué)習(xí)，便可以得到上述檢測模型。而該訓(xùn)練得到的檢測模型也就可以用于對基于當(dāng)前幀圖像確定的待分析圖像進行檢測，輸出的事件檢測結(jié)果，即為關(guān)于目標(biāo)防護艙的事件檢測結(jié)果。顯然，在訓(xùn)練上述檢測模型時，所使用的樣本圖像為關(guān)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(jié)果所訓(xùn)練得到的模型。在該檢測模型的訓(xùn)練過程中，可以將各個樣本圖像作為待訓(xùn)練模型的輸入，將各個樣本圖像的事件檢測結(jié)果作為待訓(xùn)練模型的輸出。這樣，在訓(xùn)練過程中，待訓(xùn)練模型可以學(xué)習(xí)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(jié)果，逐步建立樣本圖像的圖像特征和事件檢測結(jié)果的對應(yīng)關(guān)系。這樣，經(jīng)過大量樣本圖像的學(xué)習(xí)，便可以得到上述檢測模型。而該訓(xùn)練得到的檢測模型也就可以用于對基于當(dāng)前幀圖像確定的待分析圖像進行檢測，輸出的事件檢測結(jié)果，即為關(guān)于目標(biāo)防護艙的事件檢測結(jié)果。顯然，在訓(xùn)練上述檢測模型時，所使用的樣本圖像為關(guān)于防護艙的圖像。需要強...

確定在時刻t0目標(biāo)人物所處的位置信息，以及在時刻t1目標(biāo)人物所處的位置信息。根據(jù)兩個時刻目標(biāo)人物所處的位置信息，可以獲取目標(biāo)人物的運動軌跡。根據(jù)目標(biāo)人物的運動軌跡，可以獲知目標(biāo)人物所處的理論位置范圍。在確定了目標(biāo)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(biāo)人物游泳時的動作姿勢，進而獲取目標(biāo)人物的泳姿信息。在實際應(yīng)用中，游泳者在游泳時，其對應(yīng)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(biāo)人物游泳時的動作姿勢?？刂破?2可以將識別出的動作姿勢與現(xiàn)有的泳姿信息庫...

每種類型與某一數(shù)字對應(yīng)，以便于計算機的處理，則可以分別標(biāo)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(zhuǎn)化為數(shù)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(wǎng)絡(luò)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(wǎng)絡(luò)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(yīng)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(dāng)前幀圖像的目標(biāo)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(yù)設(shè)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(jié)果；步驟f2：基于場景圖像檢測模型輸出的檢測結(jié)果，確定關(guān)于目標(biāo)防護艙的事件檢測結(jié)果；其中，由于待分析圖像為目標(biāo)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(yù)設(shè)的場景圖像檢測模型，且用于訓(xùn)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(jié)果所訓(xùn)練得到的模型，且每一樣本...

產(chǎn)品功能ProductFunctions●自動語音關(guān)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(shù)據(jù)檢測（車流量、車速、占有率、車型等）（固定場景）系統(tǒng)事件檢測實景系統(tǒng)測速實景系統(tǒng)優(yōu)勢SystemAdvantages●高魯棒性的背景更新技術(shù)，使得設(shè)備可在極短時間內(nèi)適應(yīng)所切換的新背景；●單設(shè)備檢測區(qū)域廣闊，采用視頻識別、的方法，使得一個攝像頭監(jiān)控的區(qū)域能夠覆蓋多個車道；●誤觸發(fā)少，由于采用了運動軌跡的方法，能夠保證每個目標(biāo)只觸發(fā)一次，避免了由于目標(biāo)本身的差異造成的多次觸發(fā)；●操作無需人為干預(yù)，采用了DSP前端處理，可以24小時不間斷進行監(jiān)測；●由于有豐富的...

確定關(guān)于目標(biāo)防護艙的事件檢測結(jié)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(jié)果所訓(xùn)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(shù)量相同，各個第二樣本圖像組中的圖像為：關(guān)于防護艙的光流圖?？蛇x的，一種具體實現(xiàn)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(yīng)的光流圖；則在本實現(xiàn)方式中，上述結(jié)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(nèi)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(xù)的關(guān)于目標(biāo)防護艙且包括目標(biāo)對象的圖像獲取的光流圖，光...

本實用新型涉及監(jiān)控技術(shù)領(lǐng)域，尤其涉及一種溺水語音關(guān)鍵事件檢測系統(tǒng)。背景技術(shù)：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(xué)者，在游泳過程中，因游泳技術(shù)不足導(dǎo)致無法隨意呼吸、換氣、行動等導(dǎo)致嗆水，容易造成溺水事件；對于有經(jīng)驗的游泳者，可能會出現(xiàn)抽筋、碰撞受傷、意識模糊等原因?qū)е履缢录l(fā)生。若無法及時發(fā)現(xiàn)溺水的游泳者，極易導(dǎo)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(jù)攝像頭獲取到的實時畫面，判斷是否有人發(fā)生溺水。當(dāng)發(fā)現(xiàn)有人溺水時，通知游泳池邊的救生...

紅外線發(fā)射器所發(fā)射的紅外線將被用戶身體發(fā)射到紅外接收器。而當(dāng)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(xiàn)倒地事件，并發(fā)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(guān)方案中，由于紅外線發(fā)射器和紅外線接收器距離地面有一定的高度，因此，當(dāng)防護艙內(nèi)用戶出現(xiàn)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(xiàn)倒地事件，產(chǎn)生誤報；當(dāng)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(guān)鍵事件檢測防護艙，進而，當(dāng)該用戶發(fā)生倒地事件時，產(chǎn)生漏報。且，該方案無法檢測出用戶出現(xiàn)劇烈運動。基于此，上述相關(guān)方案對防護艙內(nèi)用戶出現(xiàn)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(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，可以根據(jù)設(shè)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(zhí)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(zhǔn)確地檢測到溺水事件的發(fā)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(yōu)點能夠更為明顯易懂，下面結(jié)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(tǒng)。在本實用新型實施例中，溺水事件檢測系統(tǒng)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(shè)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(nèi)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?zhí)峁┝艘环N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(shù)據(jù)進行預(yù)處理。在本申請的示例性實施例中，所述方法還可以包括：預(yù)先將觸發(fā)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(shù)；在獲得語句的向量化語義表示w1之前，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(biāo)記；其中，每個標(biāo)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...

電子設(shè)備在上述步驟s304中得到的事件檢測結(jié)果可以為：關(guān)于未發(fā)生異常事件的結(jié)果，即目標(biāo)防護艙內(nèi)未發(fā)生異常情況；相對應(yīng)的，電子設(shè)備在上述步驟s304中得到的事件檢測結(jié)果也可以為：關(guān)于發(fā)生異常事件的結(jié)果，即目標(biāo)防護艙內(nèi)發(fā)生異常情況。可選的，一種具體實現(xiàn)方式中，上述事件檢測結(jié)果為：關(guān)于未發(fā)生異常事件的結(jié)果。具體的，當(dāng)事件檢測結(jié)果為：關(guān)于未發(fā)生異常事件的結(jié)果時，則在上述步驟s304中，上述檢測模型可以直接輸出：未發(fā)生異常事件，這樣，電子設(shè)備便可以確定目標(biāo)防護艙內(nèi)未發(fā)生異常事件?？蛇x的，另一種具體實現(xiàn)方式中，上述事件檢測結(jié)果為：關(guān)于發(fā)生異常事件的結(jié)果。具體的，當(dāng)事件檢測結(jié)果為：關(guān)于發(fā)生異常事件的...

電子設(shè)備便可以基于該當(dāng)前幀圖像，確定待分析圖像。由于是對目標(biāo)防護艙內(nèi)發(fā)生的事件進行檢測，因此，也就是檢測目標(biāo)防護艙內(nèi)的用戶是否處于正常情況中。這樣，電子設(shè)備所確定的待分析圖像便可以為：關(guān)于目標(biāo)防護艙內(nèi)的用戶的圖像，進一步的，目標(biāo)防護艙內(nèi)的用戶通過當(dāng)前幀圖像中的目標(biāo)對象表征。因此，電子設(shè)備所確定的待分析圖像即為：關(guān)于目標(biāo)防護艙及目標(biāo)對象的圖像。例如，包括目標(biāo)防護艙內(nèi)部情況及目標(biāo)對象的圖像。需要說明的是，電子設(shè)備可以通過多種方式基于當(dāng)前幀圖像，確定待分析圖像，對此，本發(fā)明實施例不做具體限定。可選的，一種具體實現(xiàn)方式中，上述步驟s303，可以為：將至少包含當(dāng)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(shè)備便可以將概率和值比較高的事件確定為目標(biāo)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(biāo)防護艙的事件檢測結(jié)果。其中，當(dāng)正常事件的概率和比較高時，電子設(shè)備可以確定目標(biāo)防護艙內(nèi)未發(fā)生異常事件，當(dāng)某類型異常事件的概率和比較高時，電子設(shè)備可以確定目標(biāo)防護艙內(nèi)發(fā)生該類型異常事件。例如，場景圖像檢測模型輸出的檢測結(jié)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(shè)備事件2％；場景圖像檢測模型的權(quán)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(shè)備事件％；光流圖檢測模型輸出的檢測結(jié)果...

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(biāo)記；其中，每個標(biāo)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...

從而可以提高對防護艙內(nèi)用戶出現(xiàn)異常事件的檢測準(zhǔn)確率可選的，一種具體實現(xiàn)方式中，上述裝置還包括圖像判斷模塊；在本實現(xiàn)方式中，一種情況下，圖像判斷模塊，可以用于在基于當(dāng)前幀圖像，確定待分析圖像之前，判斷當(dāng)前幀圖像和當(dāng)前幀圖像之前的連續(xù)預(yù)設(shè)數(shù)量幀圖像，是否均包含目標(biāo)對象；在本實現(xiàn)方式中，另一種情況下，圖像判斷模塊，可以用于在基于當(dāng)前幀圖像，確定待分析圖像之前，判斷當(dāng)前幀圖像和在當(dāng)前時刻之前的預(yù)設(shè)時長內(nèi)采集到的連續(xù)多幀圖像，是否均包含目標(biāo)對象；如果是，觸發(fā)圖像確定模塊?？蛇x的，一種具體實現(xiàn)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(dāng)前幀圖像的類圖像確定為待分析圖像，其中...

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(biāo)記；其中，每個標(biāo)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...