CN113205037B - 事件检测的方法、装置、电子设备以及可读存储介质 - Google Patents
事件检测的方法、装置、电子设备以及可读存储介质 Download PDFInfo
- Publication number
- CN113205037B CN113205037B CN202110466781.3A CN202110466781A CN113205037B CN 113205037 B CN113205037 B CN 113205037B CN 202110466781 A CN202110466781 A CN 202110466781A CN 113205037 B CN113205037 B CN 113205037B
- Authority
- CN
- China
- Prior art keywords
- image data
- event
- detected
- scene
- urban
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 133
- 238000000034 method Methods 0.000 claims description 29
- 230000002159 abnormal effect Effects 0.000 claims description 25
- 238000012545 processing Methods 0.000 claims description 18
- 238000012790 confirmation Methods 0.000 claims description 14
- 238000012549 training Methods 0.000 claims description 5
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000013135 deep learning Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 12
- 238000004590 computer program Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 238000009825 accumulation Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 2
- 201000004569 Blindness Diseases 0.000 description 1
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/44—Event detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/35—Categorising the entire scene, e.g. birthday party or wedding scene
- G06V20/38—Outdoor scenes
- G06V20/39—Urban scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
- Y02A30/60—Planning or developing urban green infrastructure
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Image Analysis (AREA)
Abstract
本公开公开了一种事件检测的方法,涉及人工智能技术领域,具体涉及计算机视觉和深度学习技术领域,可应用于智慧城市场景下。事件检测的方法包括:获取图像数据,识别所述图像数据的城市场景;确定与所述城市场景对应的待检测目标与待检测事件;对所述图像数据中的待检测目标进行检测,得到所述待检测事件的检测状态;根据所述待检测事件的检测状态,得到所述图像数据的事件检测结果。本公开能够提升事件检测的准确性与效率。
Description
技术领域
本公开涉及人工智能技术领域,具体涉及计算机视觉和深度学习技术领域,可应用于智慧城市场景下。提供了一种事件检测的方法、装置、电子设备以及可读存储介质。
背景技术
按照目前城市管理的规划布局,在城市的各个位置安装了大量的视频装置进行监控。通过使用这些海量的数据,对城市管理规范化,城市网格智能化都将起到积极的作用。但是现有技术在使用监控视频流数据进行事件检测时,存在稳定性差、检测结果的准确性较低的技术问题。
发明内容
本公开提供了一种事件检测的方法、装置、电子设备以及可读存储介质,用于提升事件检测的准确性与效率。
根据本公开的第一方面,提供了一种事件检测的方法,包括:获取图像数据,识别所述图像数据的城市场景;确定与所述城市场景对应的待检测目标与待检测事件;对所述图像数据中的待检测目标进行检测,得到所述待检测事件的检测状态;根据所述待检测事件的检测状态,得到所述图像数据的事件检测结果。
根据本公开的第二方面,提供了一种事件检测的装置,包括:获取单元,用于获取图像数据,识别所述图像数据的城市场景;确定单元,用于确定与所述城市场景对应的待检测目标与待检测事件;检测单元,用于对所述图像数据中的待检测目标进行检测,得到所述待检测事件的检测状态;处理单元,用于根据所述待检测事件的检测状态,得到所述图像数据的事件检测结果。
根据本公开的第三方面,提供了一种电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如上所述的方法。
根据本公开的第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行如上所述的方法。
根据本公开的第五方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现如上所述的方法。
由以上技术方案可以看出,本公开首先识别所获取的图像数据的城市场景,然后确定与城市场景对应的待检测目标与待检测事件,最后再对图像数据中的待检测目标进行检测,从而根据所得到的待检测事件的检测状态来得到图像数据的事件检测结果,由于将不同的城市场景与不同的待检测目标与待检测事件进行对应,因此本公开能够提升事件检测的准确性与效率。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开第一实施例的示意图;
图2是根据本公开第二实施例的示意图;
图3是根据本公开第三实施例的示意图;
图4是根据本公开第四实施例的示意图;
图5是用来实现本公开实施例的事件检测的方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和机构的描述。
图1是根据本公开第一实施例的示意图。如图1所示,本实施例的事件检测的方法,具体可以包括如下步骤:
S101、获取图像数据,识别所述图像数据的城市场景;
S102、确定与所述城市场景对应的待检测目标与待检测事件;
S103、对所述图像数据中的待检测目标进行检测,得到所述待检测事件的检测状态;
S104、根据所述待检测事件的检测状态,得到所述图像数据的事件检测结果。
本实施例的事件检测方法,首先识别所获取的图像数据的城市场景,然后确定与城市场景对应的待检测目标与待检测事件,最后再对图像数据中的待检测目标进行检测,从而根据所得到的待检测事件的检测状态来得到图像数据的事件检测结果,由于将不同的城市场景与不同的待检测目标与待检测事件进行对应,因此本实施例能够提升事件检测的准确性与效率。
本实施例执行S101所获取的图像数据,可以是从由城市的某一监控区域的摄像装置实时拍摄的视频流数据中所提取得到的;所获取的图像数据中包含至少一张城市图像,所包含的城市图像可以对应于道路、广场、学校等城市场景中的至少一种。
本实施例在执行S101获取图像数据时,可以采用的可选实现方式为:获取城市的视频流数据,不同的视频流数据对应于不同的城市场景;从所获取的视频流数据中提取至少一张关键帧图像,作为图像数据。
本实施例在执行S101获取图像数据之后,识别所获取的图像数据的城市场景。在通常情况下,本实施例识别得到的城市场景仅为道路、广场、学校等中的一个,但也存在通过识别图像数据会得到多个城市场景的情况。
本实施例在执行S101识别图像数据的城市场景时,可以采用的可选实现方式为:将所获取的图像数据输入第一识别模型,根据第一识别模型的输出结果得到图像数据的城市场景,本实施例中的第一识别模型是预先训练得到的,其能够对图像数据所对应的城市场景进行识别。
另外,本实施例在执行S101识别图像数据的城市场景时,也可以通过计算图像数据与不同的标准图像之间的相似度的方式,将与图像数据最相似的标准图像所对应的城市场景,作为所获取的图像数据的城市场景。
本实施例在执行S101识别所获取的图像数据的城市场景之后,执行S102确定与识别得到的城市场景对应的待检测目标与待检测事件。其中,本实施例执行S102所确定的待检测目标可以为一个,也可以为多个;所确定的待检测事件可以为一个,也可以为多个。
本实施例中不同的城市场景对应于不同的待检测目标与不同的待检测事件,通过区分城市场景所对应的待检测对象的方式,从而实现仅对图像数据中特定的待检测对象进行检测的目的,能够有效地避免检测的盲目性,提升事件检测的效率。
举例来说,若城市场景为市场,对应市场的待检测目标可以包含人、摊位、桌椅、广告牌、垃圾、积水等,对应市场的待检测事件可以包含违规经营事件、积水事件等;若城市场景为道路,对应道路的待检测目标可以包含车辆、摩托车、人力车、路牌、绿地、积水等,对应道路的待检测事件可以包含违章停车事件、占道事件、积水事件等。
本实施例在执行S102确定与城市场景对应的待检测目标与待检测事件时,可以根据预设的对应关系来确定,该预设的对应关系中包含各城市场景,以及各城市场景对应的待检测目标与待检测事件。
本实施例在执行S102确定城市场景对应的待检测目标与待检测事件之后,执行S103对图像数据中的待检测目标进行检测,得到待检测事件的检测状态。其中,本实施例执行S103所得到的待检测事件的检测状态为正常状态与异常状态中的一种。
可以理解的是,若本实施例执行S102确定了多个待检测事件,则本实施例执行S103可分别得到每个待检测事件所对应的检测状态。
具体地,本实施例在执行S103对图像数据中的待检测目标进行检测,得到待检测事件的检测状态时,可以采用的可选实现方式为:将所获取的图像数据与所确定的待检测目标输入第二识别模型,根据第二识别模型的输出结果得到待检测事件的检测状态,本实施例中的第二识别模型是预先训练得到的,其能够根据图像数据与待检测目标,来得到与图像数据对应的每个待检测事件的检测状态。
另外,本实施例在执行S103对图像数据中的待检测目标进行检测,得到待检测事件的检测状态时,也可以根据图像数据中是否存在待检测目标的检测结果,来得到待检测事件的检测状态,例如对应道路的图像数据中存在积水,则确定积水事件处于异常状态。
本实施例在执行S103得到待检测事件的检测状态之后,执行S104根据所得到的待检测事件的检测状态,得到图像数据的事件检测结果。
本实施例在执行S104时,可以直接将所得到的待检测事件的检测状态作为图像数据的事件检测结果。
由于本实施例在执行S103时所获取的待检测事件的检测状态可能存在错误,因此为了提升所得到的事件检测结果的准确性,本实施例在执行S104根据待检测事件的检测状态,得到图像数据的事件检测结果时,可以采用的可选实现方式为:将所获取的图像数据与所得到的待检测事件的事件状态发送至用户,以用于用户对待检测事件的事件状态进行确认;根据用户所返回的确认结果,得到图像数据的事件检测结果。
也就是说,本实施例还可以通过用户对所得到的待检测事件的事件状态进行核查,从而尽可能地去除待检测事件的错误的事件状态,进一步提升所得到的事件检测结果的准确性。本实施例还能使用用户所返回的确认结果来对第二识别模型进行优化,即将图像数据、图像数据的待检测目标与确认结果作为训练数据,继续对第二识别模型进行更新,使得第二识别模型能够输出更为准确的待检测事件的检测状态。
另外,本实施例在执行S104得到所获取的图像数据的事件检测结果之后,还可以包含以下内容:确定所得到的事件检测结果中是否存在处于异常状态的待检测事件;在确定事件检测结果中存在处于异常状态的待检测事件的情况下,发出报警信息,所发出的报警信息中包含待检测事件的异常状态与处于异常状态的待检测事件的位置信息,从而提升报警的准确性以及异常事件的处置效率。
可以理解的是,本实施例可以向相关部门人员来发出报警信息,以使得相关部门人员能够快速地处置城市中出现的异常事件。
图2是根据本公开第二实施例的示意图。图2示出了事件检测***200,其包含基础配置模块、视频播放存储模块、视频分析模块、报警信息存储模块与信息处置模块。其中,基础配置模块用于按照用户需求来灵活地配置不同视频数据流的处理规则,使得视频数据流可以分时处理,也可以批量处理;视频播放存储模块用于完成视频数据流的实时播放和存储,并且支持视频数据流的调取与浏览;视频分析模块用于完成上述实施例的事件检测以及异常事件的报警;报警信息存储模块用于实现报警信息的分类检索与查询展示;信息处置模块用于实现对于异常事件的处置。
图3是根据本公开第三实施例的示意图。图3示出了信息处置单元的处理流程图:将视频数据流输入视频分析模块之后,视频分析模块进行事件检测;在视频分析模块检测出异常事件之后,生成报警信息并上报至信息处置单元;信息处置单元将报警信息发送至相关部分人员进行确认,若异常事件检测错误,则将确认结果返回视频分析模块;若异常事件无需进行处理,则结束流程;若异常事件需要进行处理,则下发处置,并在确定处置已完成的情况下,进行核查以确定异常事件是否已完成处理,若未进行核查则转至执行下发处置。
图4是根据本公开第四实施例的示意图。如图4所示,本实施例的事件检测的装置400,包括:
获取单元401、用于获取图像数据,识别所述图像数据的城市场景;
确定单元402、用于确定与所述城市场景对应的待检测目标与待检测事件;
检测单元403、用于对所述图像数据中的待检测目标进行检测,得到所述待检测事件的检测状态;
处理单元404、用于根据所述待检测事件的检测状态,得到所述图像数据的事件检测结果。
获取单元401所获取的图像数据,可以是从由城市的某一监控区域的摄像装置实时拍摄的视频流数据中所提取得到的;所获取的图像数据中包含至少一张城市图像,所包含的城市图像可以对应于道路、广场、学校等城市场景中的至少一种。
获取单元401在获取图像数据时,可以采用的可选实现方式为:获取城市的视频流数据;从所获取的视频流数据中提取至少一张关键帧图像,作为图像数据。
获取单元401在获取图像数据之后,识别所获取的图像数据的城市场景。在通常情况下,获取单元401识别得到的城市场景仅为道路、广场、学校等中的一个,但也存在通过识别图像数据会得到多个城市场景的情况。
获取单元401在识别图像数据的城市场景时,可以采用的可选实现方式为:将所获取的图像数据输入第一识别模型,根据第一识别模型的输出结果得到图像数据的城市场景。
另外,获取单元401在识别图像数据的城市场景时,也可以通过计算图像数据与不同的标准图像之间的相似度的方式,将与图像数据最相似的标准图像所对应的城市场景,作为所获取的图像数据的城市场景。
本实施例在由获取单元401识别所获取的图像数据的城市场景之后,由确定单元402确定与识别得到的城市场景对应的待检测目标与待检测事件。其中,确定单元402所确定的待检测目标可以为一个,也可以为多个;所确定的待检测事件可以为一个,也可以为多个。
确定单元402在确定与城市场景对应的待检测目标与待检测事件时,可以根据预设的对应关系来确定,该预设的对应关系中包含各城市场景,以及各城市场景对应的待检测目标与待检测事件。
本实施例在由确定单元402确定城市场景对应的待检测目标与待检测事件之后,由检测单元403对图像数据中的待检测目标进行检测,得到待检测事件的检测状态。其中,检测单元403所得到的待检测事件的检测状态为正常状态与异常状态中的一种。
可以理解的是,若确定单元402确定了多个待检测事件,则检测单元403可分别得到每个待检测事件所对应的检测状态。
具体地,检测单元403在对图像数据中的待检测目标进行检测,得到待检测事件的检测状态时,可以采用的可选实现方式为:将所获取的图像数据与所确定的待检测目标输入第二识别模型,根据第二识别模型的输出结果得到待检测事件的检测状态。
另外,检测单元403在对图像数据中的待检测目标进行检测,得到待检测事件的检测状态时,也可以根据图像数据中是否存在待检测目标的检测结果,来得到待检测事件的检测状态,例如对应道路的图像数据中存在积水,则确定积水事件处于异常状态。
本实施例在由检测单元403得到待检测事件的检测状态之后,由处理单元404根据所得到的待检测事件的检测状态,得到图像数据的事件检测结果。
处理单元404可以直接将检测单元403所得到的待检测事件的检测状态作为图像数据的事件检测结果。
由于检测单元403所获取的待检测事件的检测状态可能存在错误,因此为了提升所得到的事件检测结果的准确性,处理单元404在根据待检测事件的检测状态,得到图像数据的事件检测结果时,可以采用的可选实现方式为:将所获取的图像数据与所得到的待检测事件的事件状态发送至用户,以用于用户对待检测事件的事件状态进行确认;根据用户所返回的确认结果,得到图像数据的事件检测结果。
也就是说,处理单元404还可以通过用户对所得到的待检测事件的事件状态进行核查,从而尽可能地去除待检测事件的错误的事件状态,进一步提升所得到的事件检测结果的准确性。处理单元404还能使用用户所返回的确认结果来对第二识别模型进行优化,即将图像数据、图像数据的待检测目标与确认结果作为训练数据,继续对第二识别模型进行更新,使得第二识别模型能够输出更为准确的待检测事件的检测状态。
另外,本实施例中的事件检测的装置400中还可以包含报警单元405,用于执行:在得到所获取的图像数据的事件检测结果之后,确定所得到的事件检测结果中是否存在处于异常状态的待检测事件;在确定事件检测结果中存在处于异常状态的待检测事件的情况下,发出报警信息,所发出的报警信息中包含待检测事件的异常状态与处于异常状态的待检测事件的位置信息。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
如图5所示,是根据本公开实施例的事件检测的方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图5所示,设备500包括计算单元501,其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序,来执行各种适当的动作和处理。在RAM 503中,还可存储设备500操作所需的各种程序和数据。计算单元501、ROM502以及RAM503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
设备500中的多个部件连接至I/O接口505,包括:输入单元506,例如键盘、鼠标等;输出单元505,例如各种类型的显示器、扬声器等;存储单元508,例如磁盘、光盘等;以及通信单元509,例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理,例如事件检测的方法。例如,在一些实施例中,事件检测的方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元508。
在一些实施例中,计算机程序的部分或者全部可以经由ROM502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM 503并由计算单元501执行时,可以执行上文描述的事件检测的方法的一个或多个步骤。备选地,在其他实施例中,计算单元501可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行事件检测的方法。
此处描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的***和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务(“Virtual Private Server”,或简称“VPS”)中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式***的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (10)
1.一种事件检测的方法,包括:
获取图像数据,识别所述图像数据的城市场景,所述城市场景为广场场景、市场场景、学校场景中的一种;
根据预设的对应关系,确定与所述城市场景对应的待检测目标、以及与所述城市场景对应的待检测事件,所述预设的对应关系中包含与不同的城市场景对应的待检测目标、以及与不同的城市场景对应的待检测事件;
对所述图像数据中的待检测目标进行检测,得到所述图像数据的城市场景对应的待检测事件的检测状态;
根据所述待检测事件的检测状态,得到所述图像数据的事件检测结果;
其中,所述识别所述图像数据的城市场景包括:
计算所述图像数据与不同的标准图像之间的相似度;
将相似度计算结果最高的标准图像所对应的城市场景,作为所述图像数据的城市场景;
所述对所述图像数据中的待检测目标进行检测,得到所述图像数据的城市场景对应的待检测事件的检测状态包括:
将所述图像数据与所述待检测目标输入第二识别模型,根据所述第二识别模型的输出结果得到所述图像数据的城市场景对应的待检测事件的检测状态;
所述方法还包括:
获取用户对所述图像数据的城市场景对应的待检测事件的检测状态的确认结果;
将所述图像数据、所述图像数据的城市场景对应的待检测目标与所述确认结果作为训练数据,对所述第二识别模型进行更新。
2.根据权利要求1所述的方法,其中,所述获取图像数据包括:
获取城市的视频流数据;
从所述视频流数据中提取至少一张关键帧图像,作为所述图像数据。
3.根据权利要求1所述的方法,其中,所述根据所述待检测事件的检测状态,得到所述图像数据的事件检测结果包括:
将所述图像数据与所述待检测事件的检测状态发送至用户;
根据用户所返回的确认结果,得到所述图像数据的事件检测结果。
4.根据权利要求1所述的方法,还包括:
在得到所述图像数据的事件检测结果之后,确定所述事件检测结果中是否存在处于异常状态的待检测事件;
在确定所述事件检测结果中存在处于异常状态的待检测事件的情况下,发出报警信息。
5.一种事件检测的装置,包括:
获取单元,用于获取图像数据,识别所述图像数据的城市场景,所述城市场景为广场场景、市场场景、学校场景中的一种;
确定单元,用于根据预设的对应关系,确定与所述城市场景对应的待检测目标、以及与所述城市场景对应的待检测事件,所述预设的对应关系中包含与不同的城市场景对应的待检测目标、以及与不同的城市场景对应的待检测事件;
检测单元,用于对所述图像数据中的待检测目标进行检测,得到所述图像数据的城市场景对应的待检测事件的检测状态;
处理单元,用于根据所述待检测事件的检测状态,得到所述图像数据的事件检测结果;
其中,所述获取单元在识别所述图像数据的城市场景时,具体执行:
计算所述图像数据与不同的标准图像之间的相似度;
将相似度计算结果最高的标准图像所对应的城市场景,作为所述图像数据的城市场景;
所述检测单元在对所述图像数据中的待检测目标进行检测,得到所述图像数据的城市场景对应的待检测事件的检测状态时,具体执行:
将所述图像数据与所述待检测目标输入第二识别模型,根据所述第二识别模型的输出结果得到所述图像数据的城市场景对应的待检测事件的检测状态;
所述处理单元还用于执行:
获取用户对所述图像数据的城市场景对应的待检测事件的检测状态的确认结果;
将所述图像数据、所述图像数据的城市场景对应的待检测目标与所述确认结果作为训练数据,对所述第二识别模型进行更新。
6.根据权利要求5所述的装置,其中,所述获取单元在获取图像数据时,具体执行:
获取城市的视频流数据;
从所述视频流数据中提取至少一张关键帧图像,作为所述图像数据。
7.根据权利要求5所述的装置,其中,所述处理单元在根据所述待检测事件的检测状态,得到所述图像数据的事件检测结果时,具体执行:
将所述图像数据与所述待检测事件的检测状态发送至用户;
根据用户所返回的确认结果,得到所述图像数据的事件检测结果。
8.根据权利要求5所述的装置,还包括报警单元,用于执行:
在所述处理单元得到所述图像数据的事件检测结果之后,确定所述事件检测结果中是否存在处于异常状态的待检测事件;
在确定所述事件检测结果中存在处于异常状态的待检测事件的情况下,发出报警信息。
9.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1至4中任一项所述的方法。
10.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行权利要求1至4中任一项所述的方法。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110466781.3A CN113205037B (zh) | 2021-04-28 | 2021-04-28 | 事件检测的方法、装置、电子设备以及可读存储介质 |
PCT/CN2022/075019 WO2022227764A1 (zh) | 2021-04-28 | 2022-01-29 | 事件检测的方法、装置、电子设备以及可读存储介质 |
KR1020227024754A KR20220149508A (ko) | 2021-04-28 | 2022-01-29 | 이벤트 검출 방법, 장치, 전자 기기 및 판독 가능 기록 매체 |
JP2022543087A JP2023527100A (ja) | 2021-04-28 | 2022-01-29 | イベント検出方法、装置、電子機器、読み取り可能な記憶媒体、及びコンピュータプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110466781.3A CN113205037B (zh) | 2021-04-28 | 2021-04-28 | 事件检测的方法、装置、电子设备以及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113205037A CN113205037A (zh) | 2021-08-03 |
CN113205037B true CN113205037B (zh) | 2024-01-26 |
Family
ID=77029196
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110466781.3A Active CN113205037B (zh) | 2021-04-28 | 2021-04-28 | 事件检测的方法、装置、电子设备以及可读存储介质 |
Country Status (4)
Country | Link |
---|---|
JP (1) | JP2023527100A (zh) |
KR (1) | KR20220149508A (zh) |
CN (1) | CN113205037B (zh) |
WO (1) | WO2022227764A1 (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113205037B (zh) * | 2021-04-28 | 2024-01-26 | 北京百度网讯科技有限公司 | 事件检测的方法、装置、电子设备以及可读存储介质 |
CN114118933A (zh) * | 2021-08-24 | 2022-03-01 | 泰华智慧产业集团股份有限公司 | 城市管理事件的记录方法及*** |
CN114332731A (zh) * | 2021-12-24 | 2022-04-12 | 阿波罗智联(北京)科技有限公司 | 城市事件识别方法、装置、自动驾驶车辆及云端服务器 |
CN114445711B (zh) * | 2022-01-29 | 2023-04-07 | 北京百度网讯科技有限公司 | 图像检测方法、装置、电子设备和存储介质 |
CN114943510A (zh) * | 2022-05-09 | 2022-08-26 | 上海商汤科技开发有限公司 | 城市管理案件处理方法、***、装置、设备及存储介质 |
CN115334250B (zh) * | 2022-08-09 | 2024-03-08 | 阿波罗智能技术(北京)有限公司 | 一种图像处理方法、装置及电子设备 |
CN116035564A (zh) * | 2022-12-06 | 2023-05-02 | 北京顺源辰辰科技发展有限公司 | 一种噎食与误吸智能检测方法、装置及电子设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105678267A (zh) * | 2016-01-08 | 2016-06-15 | 浙江宇视科技有限公司 | 一种场景识别方法及装置 |
CN109815852A (zh) * | 2019-01-03 | 2019-05-28 | 深圳壹账通智能科技有限公司 | 智慧城市事件管理方法、装置、计算机设备和存储介质 |
CN110443969A (zh) * | 2018-05-03 | 2019-11-12 | 中移(苏州)软件技术有限公司 | 一种火点检测方法、装置、电子设备及存储介质 |
CN111753634A (zh) * | 2020-03-30 | 2020-10-09 | 上海高德威智能交通***有限公司 | 交通事件检测方法和设备 |
CN112507813A (zh) * | 2020-11-23 | 2021-03-16 | 北京旷视科技有限公司 | 事件检测方法、装置、电子设备及存储介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103679189B (zh) * | 2012-09-14 | 2017-02-01 | 华为技术有限公司 | 场景识别的方法和装置 |
US20220001858A1 (en) * | 2018-11-13 | 2022-01-06 | Nec Corporation | Dangerous scene prediction device, dangerous scene prediction method, and dangerous scene prediction program |
US10885775B2 (en) * | 2019-06-06 | 2021-01-05 | Verizon Patent And Licensing Inc. | Monitoring a scene to analyze an event using a plurality of image streams |
CN113205037B (zh) * | 2021-04-28 | 2024-01-26 | 北京百度网讯科技有限公司 | 事件检测的方法、装置、电子设备以及可读存储介质 |
-
2021
- 2021-04-28 CN CN202110466781.3A patent/CN113205037B/zh active Active
-
2022
- 2022-01-29 KR KR1020227024754A patent/KR20220149508A/ko not_active Application Discontinuation
- 2022-01-29 JP JP2022543087A patent/JP2023527100A/ja active Pending
- 2022-01-29 WO PCT/CN2022/075019 patent/WO2022227764A1/zh active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105678267A (zh) * | 2016-01-08 | 2016-06-15 | 浙江宇视科技有限公司 | 一种场景识别方法及装置 |
CN110443969A (zh) * | 2018-05-03 | 2019-11-12 | 中移(苏州)软件技术有限公司 | 一种火点检测方法、装置、电子设备及存储介质 |
CN109815852A (zh) * | 2019-01-03 | 2019-05-28 | 深圳壹账通智能科技有限公司 | 智慧城市事件管理方法、装置、计算机设备和存储介质 |
CN111753634A (zh) * | 2020-03-30 | 2020-10-09 | 上海高德威智能交通***有限公司 | 交通事件检测方法和设备 |
CN112507813A (zh) * | 2020-11-23 | 2021-03-16 | 北京旷视科技有限公司 | 事件检测方法、装置、电子设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
Object-Scene Convolutional Neural Networks for Event Recognition in Images;Limin Wang et al.;proceedings of IEEE conference on computer vision and pattern recognition(CVPR) workshops;第30-35页 * |
基于视频图像处理的交通事件检测***;汪勤 等;计算机应用;28(7);第1886-1889页 * |
Also Published As
Publication number | Publication date |
---|---|
KR20220149508A (ko) | 2022-11-08 |
CN113205037A (zh) | 2021-08-03 |
WO2022227764A1 (zh) | 2022-11-03 |
JP2023527100A (ja) | 2023-06-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113205037B (zh) | 事件检测的方法、装置、电子设备以及可读存储介质 | |
CN112613569A (zh) | 图像识别方法、图像分类模型的训练方法及装置 | |
CN115346171A (zh) | 一种输电线路监控方法、装置、设备及存储介质 | |
CN112507957B (zh) | 一种车辆关联方法、装置、路侧设备及云控平台 | |
CN114064745A (zh) | 一种确定交通提示距离的方法、装置及电子设备 | |
CN114581711A (zh) | 目标对象检测方法、装置、设备、存储介质以及程序产品 | |
CN113989300A (zh) | 车道线分割的方法、装置、电子设备和存储介质 | |
CN113936158A (zh) | 一种标签匹配方法及装置 | |
CN113360688B (zh) | 信息库的构建方法、装置及*** | |
CN113806361B (zh) | 电子监控设备与道路的关联方法、装置及存储介质 | |
CN114694138B (zh) | 一种应用于智能驾驶的路面检测方法、装置及设备 | |
CN115713749A (zh) | 自动驾驶模型的训练方法、装置、电子设备和存储介质 | |
CN114428887B (zh) | 点击数据去噪方法、装置、电子设备及存储介质 | |
CN116258769B (zh) | 一种定位校验方法、装置、电子设备和存储介质 | |
CN114445711B (zh) | 图像检测方法、装置、电子设备和存储介质 | |
CN114022695A (zh) | 一种检测模型的训练方法、装置、电子设备及存储介质 | |
CN117830730A (zh) | 异常行为确定方法、装置、电子设备及存储介质 | |
CN114267019A (zh) | 识别方法、装置、设备以及存储介质 | |
CN115965648A (zh) | 一种离岗检测方法、装置、电子设备及存储介质 | |
CN114693777A (zh) | 交通标志的空间位置确定方法、装置及电子设备 | |
CN117671400A (zh) | 样本收集方法、装置、电子设备及存储介质 | |
CN114579594A (zh) | 信息更新方法、装置、电子设备以及存储介质 | |
CN112749631A (zh) | 基于图像识别的数据处理方法、装置、电子设备和介质 | |
CN114677691A (zh) | 文本识别方法、装置、电子设备及存储介质 | |
CN115147814A (zh) | 交通指示对象的识别方法和目标检测模型的训练方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |