深圳数字语音关键事件检测

时间:2024年01月31日 来源:

    本发明实施例提供的一种事件检测方法,包括如下步骤:s300:实时获取关于目标防护舱的图像,并将当前时刻所采集到的图像作为当前帧图像;其中,目标防护舱指代的是需要进行事件检测的防护舱,并不具有任何其他限定意义。目标防护舱所对应的目标图像采集设备,实时对目标防护舱的内部空间进行图像采集,并将得到的关于目标防护舱的图像实时传输给的目标防护舱所对应的电子设备。这样,电子设备便可以实时获取关于目标防护舱的图像。其中,可以理解的,关于目标防护舱的图像可以为目标防护舱内部空间的图像。也就是说,上述目标图像采集设备可以在每个时刻采集关于目标防护舱的图像,进而,电子设备可以在每个时刻获得在该时刻时,关于目标防护舱的图像,该图像显示了每个时刻目标防护舱的内容空间的情况。则在当前时刻,电子设备所获得的关于目标防护舱的图像即为在当前时刻,目标图像采集设备所采集的关于目标防护舱的图像,这样,电子设备可以将该图像作为当前帧图像。显然,电子设备可以基于当前帧时刻,确定当前时刻,关于目标防护舱的事件检测结果。s301:检测当前帧图像是否包含目标对象,如果是,执行步骤s303;其中。语音关键事件检测有什么注意事项?深圳数字语音关键事件检测

    用于将场景图像检测模型输出的检测结果和光流图检测模型输出的检测结果进行融合计算,基于融合计算的结果,确定关于目标防护舱的事件检测结果。可选的,一种具体实现方式中,上述结果确定单元包括:乘积计算子单元,用于根据场景图像检测模型和光流图检测模型的权重,计算场景图像检测模型输出的检测结果和场景图像检测模型的权重的乘积,并计算光流图检测模型输出的检测结果与光流图检测模型的权重的第二乘积;结果确定子单元,用于计算乘积和第二乘积的和值,基于和值,确定关于目标防护舱的事件监测结果。可选的,一种具体实现方式中,事件检测结果为:关于未发生异常事件的结果,或者,关于发生异常事件且所发生异常事件类型的结果。可选的,一种具体实现方式中,上述装置还包括:事件判断模块,用于当事件检测结果为关于发生异常事件且所发生异常事件类型的结果时,判断目标防护舱当前时刻发生的事件类型是否包括预设类型的事件;如果是,触发报警模块;报警模块,用于生成并发出与预设类型对应的报警信号。可选的,一种具体实现方式中,上述装置还包括:图像截取模块,用于当事件检测结果为关于发生异常事件且所发生异常事件类型的结果时,对当前帧图像进行截图。山东光纤数据语音关键事件检测介绍语音关键事件检测技术可以帮助我们在海量的音频数据中快速找到感兴趣的部分,提高信息处理的效率。

    上述步骤s302a可以为:步骤s302b:判断当前帧图像和在当前时刻之前的预设时长内采集到的连续多帧图像,是否均包含目标对象;如果是,执行上述步骤s303。在本实现方式中,在获取到当前帧图像后,电子设备便可以利用图像识别算法判断当前帧图像和在当前时刻之前的预设时长内采集到的连续多帧图像,是否均包含目标对象。其中,当判断结果为是时,电子设备可以确定存在用户进入目标防护舱,则在当前时刻,目标防护舱内可能发生异常事件,这样,电子设备便可以继续执行步骤s303。需要说明的是,在本实现方式中,电子设备可以采用任一能够检测出当前帧图像和在当前时刻之前的预设时长内采集到的连续多帧图像中是否均包含目标对象的图像识别算法执行上述步骤s302b,对此,本发明实施例不做具体限定。其中,上述预设时长可以为任一时长,例如,2s,5s等,这都是合理的。下面,对电子设备执行上述步骤s302b的具体过程进行说明:电子设备在获取到每帧关于目标防护舱的图像后,判断该图像中是否包含目标对象。进而,在获取该图像的下一帧图像后,判断该下一帧图像中是否包括与前一帧图像相同的目标对象。依次类推。

    检测模型为:基于各个样本图像和每个样本图像的事件检测结果所训练得到的模型。在该检测模型的训练过程中,可以将各个样本图像作为待训练模型的输入,将各个样本图像的事件检测结果作为待训练模型的输出。这样,在训练过程中,待训练模型可以学习各个样本图像中的图像特征,输出各个样本图像的事件检测结果,逐步建立样本图像的图像特征和事件检测结果的对应关系。这样,经过大量样本图像的学习,便可以得到上述检测模型。而该训练得到的检测模型也就可以用于对基于当前帧图像确定的待分析图像进行检测,输出的事件检测结果,即为关于目标防护舱的事件检测结果。显然,在训练上述检测模型时,所使用的样本图像为关于防护舱的图像。需要强调的是,不同类型和数量的待分析图像,所利用的检测模型也是不同的。为了行为清楚,后续将会对待分析图像与检测模型之间的对应关系进行举例说明。需要说明的是,上述检测模型可以在电子设备中训练得到的,也可以在与电子设备通信连接的其他电子设备中训练得到的,这样,电子设备便可以从该其他电子设备中获得上述检测模型,这都是合理的。此外,在本发明实施例中,电子设备可以检测目标防护舱内是否发生异常事件,则在这种情况下。语音关键事件检测一般应用在什么行业?

    电子设备可以确定存在用户进入目标防护舱,则在当前时刻,目标防护舱内可能发生异常事件,这样,电子设备便可以继续执行步骤s303。需要说明的是,在本实现方式中,电子设备可以采用任一能够检测出当前帧图像和当前帧图像之前的连续预设数量帧图像中是否均包含目标对象的图像识别算法执行上述步骤s302a,对此,本发明实施例不做具体限定。其中,上述预设数量可以为任一正整数,例如,5,10等,这都是合理的。下面,对电子设备执行上述步骤s302a的具体过程进行说明:电子设备在获取到每帧关于目标防护舱的图像后,判断该图像中是否包含目标对象。进而,在获取该图像的下一帧图像后,判断该下一帧图像中是否包括与前一帧图像相同的目标对象。依次类推,直至电子设备判断连续预设数量帧图像后中均包含相同的目标对象后,电子设备继续获得下一帧图像,即采集完连续预设数量帧图像后的当前时刻对应的当前帧图像,并判断该当前帧图像中是否包括前连续预设数量帧图像所包含的目标对象。这样,当判断结果为是时,电子设备便可以继续执行后续步骤s303。另一种具体实现方式中,如图5所示。语音关键事件检测算法的性能评估通常包括准确率、召回率和F1分数等指标。广州移动语音关键事件检测哪里买

语音关键事件检测在音频编辑和音频处理领域也有应用,如自动剪辑音频中的特定部分或去除背景噪音等。深圳数字语音关键事件检测

    使用自注意力机制对获得的每个span的表示w2进行计算,得到每个span的新的语义表示w3;对所述新的语义表示w3进行span分类,确定每个span是否为一个事件的触发词或事件主体。通过该实施例方案,能够同时抽取事件触发词和事件的主体,可获取更加有用的信息,具有较强的实际应用价值;在数据处理和建模的过程中不使用现有的自然语言处理工具,使得操作简单,也避免了因使用自然语言处理工具而导致的误差累积的问题,同时也更加符合真实应用场景;通过划分span的方式,完美解决了序列标注存在的问题,效率更高,适用性更强。本申请的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请而了解。本申请的其他优点可通过在说明书以及附图中所描述的方案来实现和获得。附图说明附图用来提供对本申请技术方案的理解,并且构成说明书的一部分,与本申请的实施例一起用于解释本申请的技术方案,并不构成对本申请技术方案的限制。图1为本申请实施例的事件检测方法流程图;图2为本申请实施例的事件检测装置组成框图。具体实施方式本申请描述了多个实施例,但是该描述是示例性的,而不是限制性的。深圳数字语音关键事件检测

信息来源于互联网 本站不为信息真实性负责