【技术实现步骤摘要】
一种基于事件线索网络的智能时空数据事件分析方法
本专利技术涉及时空数据的智能处理技术，特别是涉及一种基于事件线索网络的智能时空数据事件分析方法。
技术介绍
公众场景安全监控、社交网络、视频媒体、人机交互等的发展，对面向视频、流媒体等时空数据的计算机视觉技术提出了新的需求与新的挑战。实际所要处理的大部分视频均为未经过人工分割的长视频。面向未分割的视频，需要检测视频中的行为片段、检测视频中的异常行为，精确定位出行为的开始时间、结束时间，同时需要确定其类别。一段未分割的视频，可能存在包括多个行为片段的问题。公众场景的安全监控中，虽然现在有些摄像终端配备了实时的危险事件报警系统，但是有大量的事件不适宜于做实时判读，需要在后期联合多源信息做综合判断。例如，对于打斗、踩踏事件可以做实时的报警。但是对于人员在货架前仔细挑选、或者在等候区徘徊等事件，确不一定是异常事件，有可能是在对比商品，或者在单纯的等待。一旦发生失窃事件，在时间轴上这两个事件即可以联系起来，作为团伙作案的可能进行优先排查。网络的发展给人们的交流带来了便利，也同时为网络视频内容的管理带来困难。同时社交媒体、自媒体...
【技术保护点】
1.一种基于事件线索网络的智能时空数据事件分析方法，其特征在于：所述方法包括训练和测试两个阶段，所述训练和测试阶段均包括事件线索网络与事件分类网络，实现步骤如下：步骤1、在训练阶段，读取时空数据，将时空数据分解成固定长度为N的时空数据片段；步骤2、对于步骤1得到的每个时空数据片段进行标记，得到标记后的时空数据片段；若时空数据片段包括事件，则为正类，如果时空数据片段不包括事件，则为负类；对标记后的时空数据片段，利用监督学习方法基于三维卷积循环神经网络对事件线索网络进行训练，得到事件线索网络模型；步骤3、对于步骤2得到的标记后的时空数据片段的边界，采用困难样本挖掘的方法，利用生...
【技术特征摘要】
1.一种基于事件线索网络的智能时空数据事件分析方法，其特征在于：所述方法包括训练和测试两个阶段，所述训练和测试阶段均包括事件线索网络与事件分类网络，实现步骤如下：步骤1、在训练阶段，读取时空数据，将时空数据分解成固定长度为N的时空数据片段；步骤2、对于步骤1得到的每个时空数据片段进行标记，得到标记后的时空数据片段；若时空数据片段包括事件，则为正类，如果时空数据片段不包括事件，则为负类；对标记后的时空数据片段，利用监督学习方法基于三维卷积循环神经网络对事件线索网络进行训练，得到事件线索网络模型；步骤3、对于步骤2得到的标记后的时空数据片段的边界，采用困难样本挖掘的方法，利用生成学习生成困难样本，将困难样本通过事件线索网络进行训练，事件线索网络训练后，得到经过困难样本挖掘提升后的事件线索网络模型，得到精确的包含事件的时空数据片段；步骤4、对包括事件的时空数据片段，利用事件分类网络，对时空数据片段进行分类训练，得到时空数据片段的事件分类结果，至此完成训练阶段；步骤5、在测试阶段中，将未经过裁剪长度不固定的时空数据片段输入基于三维卷积循环神经网络的事件线索网络，得到长度不固定的包括事件的时空数据片段；步骤6、利用事件分类网络，对步骤5得到的未经过裁剪的长度不固定的包括事件的时空数据片段输入事件分类网络进行分类，得到时空数据片段所包含的事件类别，从而对时空数据片段实现智能时空数据事件分析。2.根据权利要求1所述的一种基于事件线索网络的智能时空数据事件分析方法，其特征在于：所述步骤2中，事件线索网络训练的方法如下：步骤i)对于所得到的固定长度的时空数据片段ts为此时空数据片段的起始时间N为时空数据片段的持续时间，ts+N为时空数据片段的结束时间，利用三维卷积循环神经网络对时空数据片段进行特征提取；所述三维卷积循环神经网络为以多个带有时序关系的序列数据为输入的网络，输入为长度为N的时空数据，整个三维卷积循环神经网络的基础卷积为三维的结构，对时空数据进行卷积；整个网络在运行的过程中，对时空数据进行卷积操作，同时对时空数据进行池化操作，最终将时空数据展开成向量，得到固定长度的时空数据的特征向量步骤ii)时空数据具有时序特征，利用三维卷积循环神经网络对时空数据的时序特征进行建模，以三维卷积循环神经网络生成的固定长度的时空数据的特征向量作为输入，利用三维卷积循环神经网络...
【专利技术属性】
技术研发人员：王田，陈阳，单光存，孙琦，文社欣，
申请(专利权)人：北京航空航天大学，博恒科技杭州有限公司，
类型：发明
国别省市：北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。