完整事件确定方法、存储介质及电子装置制造方法及图纸

本申请实施例提供了一种完整事件确定方法、存储介质及电子装置，所述方法包括：获取目标区域的音频数据；根据音频数据与预设的判定条件，通过第一神经网络模型确定音频数据中包含的独立事件所对应的第一特征向量；第一神经网络模型为使用第一样本数据训练的卷积神经网络模型，第一神经网络模型包括共享网络层和第一分类层，共享网络层包括A层网络结构，A层网络结构之间共享参数，每一层网络结构包括B层卷积层，在每一层网络结构中，位于中间位置的卷积层的卷积通道数量多于位于输入或输出位置的所述卷积层的卷积通道数量；将第一特征向量输入第二神经网络模型，通过第二神经网络模型确定完整事件发生的概率。模型确定完整事件发生的概率。模型确定完整事件发生的概率。

【技术实现步骤摘要】
完整事件确定方法、存储介质及电子装置


[0001]本申请涉及音频数据识别
，具体而言，涉及一种完整事件确定方法、存储介质及电子装置。

技术介绍

[0002]监控系统是当前安防领域内不可或缺的一部分，诸如校园、医院、商场等场景下，均依赖于监控系统进行监控以避免突发事件的发生，或在突发事件发生时可及时发现并进行处理。
[0003]相关技术中，监控系统多基于视频技术实现相应的视频监控，例如，监控摄像头等。上述视频监控设备虽然可以获取监控设备所设置位置发生的全过程事件，但其一方面仅能针对监控设备所设置位置进行相应的监控，而受限于地形复杂性与隐私性，往往在监控场景内存在一定的监控死角，视频监控设备对发生在上述监控死角的事件则无法进行有效的监控；另一方面，大多数监控场景中，视频监控设备仍需监控人员读取监控画面进行判断，而由于监控人员往往并无法全天候工作，故在特殊时段内，仅依靠视频监控设备无法避免突发事件的发生或无法及时进行相应处理。
[0004]针对上述视频监控设备的缺陷，相关技术中的部分监控系统集成了音频监控模块，即通过采集监控场景本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种完整事件确定方法，其特征在于，包括：获取目标区域的音频数据，其中，所述目标区域为预设的监控区域；根据所述音频数据与预设的判定条件，通过第一神经网络模型确定所述音频数据中包含的独立事件所对应的第一特征向量；其中，所述独立事件与所述判定条件对应，所述第一神经网络模型为使用第一样本数据训练的卷积神经网络模型，所述第一样本数据包括独立事件音数据和对应的独立事件标签，所述独立事件标签用于指示所述独立事件的类型，所述第一神经网络模型包括共享网络层和第一分类层，所述共享网络层包括A层网络结构，A层所述网络结构之间共享参数，每一层所述网络结构包括B层卷积层，在每一层所述网络结构中，位于中间位置的所述卷积层的卷积通道数量多于位于输入或输出位置的所述卷积层的卷积通道数量，A、B为大于1的整数，所述第一分类层包括N个分类器，N为大于0的整数，每一分类器分别对应一个判定条件；将所述第一特征向量输入第二神经网络模型，通过所述第二神经网络模型确定完整事件发生的概率，其中，所述第二神经网络模型为使用第二样本数据训练的卷积神经网络模型，所述第二样本数据包括完整事件音数据和对应的完整事件标签，所述完整事件标签用于指示所述完整事件的类型，所述完整事件音数据中包含一个或多个所述独立事件音数据，所述完整事件包括一个或多个所述独立事件。2.根据权利要求1所述的方法，其特征在于，所述根据所述音频数据与预设的判定条件，通过第一神经网络模型确定所述音频数据中包含的独立事件所对应的第一特征向量，包括：提取所述音频数据对应的初始特征向量并输入所述第一神经网络模型；调整所述初始特征向量的特征维数后输入所述共享网络层，通过所述共享网络层输出所述音频数据的局部特征向量，其中，所述初始特征向量的特征维数与待输入的所述共享网络层的卷积层的卷积通道数量相等；通过所述第一分类层根据所述音频数据的局部特征向量提取N个独立事件音分别对应的所述第一特征向量。3.根据权利要求2所述的方法，其特征在于，所述通过所述第二神经网络模型确定完整事件发生的概率，包括：对所述第一神经网络模型输出的所述N个独立事件音的第一特征向量进行编码；根据所述音频数据确定第一音频时序信息，其中，所述第一音频时序信息用于指示N个所述独立事件之间的时序关系；根据所述第一特征向量以及所述第一音频时序信息确定所述完整事件发...

【专利技术属性】
技术研发人员：司马华鹏，汤毅平，姚奥，
申请(专利权)人：宿迁硅基智能科技有限公司，
类型：发明
国别省市：