一种事件识别方法、系统、计算机设备及可读存储介质技术方案

本发明专利技术涉及目标行为分析，具体提供一种事件识别方法、系统、计算机设备及可读存储介质，旨在解决如何更加准确的判断待检测事件是否发生的问题。为此目的，本发明专利技术的一种事件识别方法包括：将检测目标的连续图像集输入至已训练的神经网络模型；根据所述神经网络模型判断所述检测目标的运动轨迹与待检测事件的关系，以确定待检测事件是否发生。通过判断检测目标行为轨迹与待检测事件的关系，确定待检测事件是否发生。行为轨迹是多图像帧的结果，减小了物体遮挡的影响。通过行为轨迹的多图像帧集合预测，增强了事件识别的鲁棒性，减少了在传统目标检测预测事件是否发生中，由于拍摄设备不稳定造成一定的图像花屏和拍摄环境变化的影响。响。响。

【技术实现步骤摘要】
一种事件识别方法、系统、计算机设备及可读存储介质


[0001]本专利技术涉及目标行为分析领域，具体提供一种事件识别方法、系统、计算机设备及可读存储介质。

技术介绍

[0002]随着科技的发展，在检测某个目标是否达到(或离开)某一指定位置这类事件的判断中，由最初的由工作人员现场查看，到后来通过摄像头实时获取现场图像，并将当前时刻的图像通过目标识别即对指定位置的图形进行分析处理，以判断目标是否达到达(或离开)指定位置。但是实际的应用场景中，由于摄像头等图像获取装置的位置、高度等问题，会存在目标被遮挡的情况。例如，在机场停机坪应用场景中，需要通过传送带车传送行李进货仓，随飞机运输乘客携带的行李。然而，由于飞机机翼、拍摄机位高度与角度等因素影响，导致拍摄图片中传送带车存在一定程度的遮挡，即获取的图像中目标并不是清晰且完整的，对目标检测的检测结果造成了影响，使得目标是否到达(或离开)指定位置事件判断出现误差，并且也难以获得目标达到(或离开)事件发生的时间。
[0003]相应地，本领域需要一种新的事件识别方案来解决上述问题。

技术实现思路

[0004]为了克服上述缺陷，提出了本专利技术，以提供解决或至少部分地解决如何更加准确的判断待检测事件是否发生的技术问题的一种事件识别方法。
[0005]在第一方面，本专利技术提供一种事件识别方法，包括步骤：
[0006]将检测目标的连续图像集输入至已训练的神经网络模型；
[0007]根据所述神经网络模型判断所述检测目标的运动轨迹与待检测事件的关系，以确定待检测事件是否发生。
[0008]在一个实施例中，所述方法还包括：
[0009]获取所述检测目标的第一时间段视频；
[0010]从所述第一时间段视频中均匀连续的抽取图像帧，并制成所述连续图像集。
[0011]在一个实施例中，所述神经网络包括第一骨干网络、第二骨干网络、分类网络；
[0012]所述根据所述神经网络模型判断所述检测目标的运动轨迹与待检测事件的关系，包括：
[0013]通过所述第一骨干网络获取所述连续图像集中检测目标的空间特征；
[0014]通过所述第二骨干网络获取所述连续图像集中检测目标的时序特征；
[0015]将所述空间特征和所述时序特征进行特征融合，得到融合特征；
[0016]将所述融合特征输入分类网络，得到检测目标的运动轨迹与所述待检测事件的关系。
[0017]在一个实施例中，所述判断所述检测目标的运动轨迹与待检测事件的关系，以确定待检测事件是否发生，包括：
[0018]若所述检测目标的运动轨迹为事件前轨迹，则所述连续图像集中与第一预设帧数对应的图像帧对应的时间为到位事件发生时间；
[0019]若所述检测目标运动轨迹为事件后轨迹，则所述连续图像集中与第二预设帧数对应的图像帧对应的时间为离位事件发生时间。
[0020]在一个实施例中，所述判断所述检测目标的运动轨迹与待检测事件的关系，以确定待检测事件是否发生，还包括：
[0021]若所述检测目标的运动轨迹不是事件前轨迹且不是事件后轨迹，则根据预设步长获取第二时间段视频；
[0022]从所述第二时间段视频中均匀连续的抽取图像帧，并制成所述连续图像集。
[0023]在一个实施例中，所述方法还包括：
[0024]根据所述检测目标的运动轨迹与待检测事件的关系，得到所述待检测事件发生的时间节点；
[0025]根据所述时间节点发出告警，并输出告警时间节点。
[0026]在一个实施例中，所述方法还包括：
[0027]抽取样本视频的图像帧并标注事件发生的时间节点，得到样本数据集；
[0028]统一所述样本数据集中图像的分辨率；
[0029]对所述图像进行亮度动态调整、对比动态调整、饱和度动态调整和/或模糊处理，得到多样本数据集；
[0030]将所述多样本数据集至少作为训练集的一部分对预设神经网络模型进行训练，从而得到所述已训练的神经网络模型。
[0031]在第二方面，本专利技术提供一种事件识别系统，包括：
[0032]输入模块，用于接收待检测事件的视频；
[0033]图像集制作模块，用于连续抽取所述视频的图像帧，并制成连续图像集；
[0034]分析处理模块，用于获取所述检测目标的轨迹并分析所述轨迹与待检测事件的关系；
[0035]告警模块，用于根据事件发生的时间节点发出告警通知并输出告警时间。
[0036]在第三方面，提供一种计算机设备，包括处理器和存储装置，其中所述存储器中存储有程序，所述处理器执行所述程序时实现上述方法的技术方案中任一项技术方案所述的事件识别方法。
[0037]在第四方面，提供一种计算机可读存储介质，存储有程序，所述程序被执行时实现上述方法的技术方案中任一项技术方案所述的事件识别方法。
[0038]本专利技术上述一个或多个技术方案，至少具有如下一种或多种有益效果：
[0039]在实施本专利技术的技术方案中，通过判断检测目标行为轨迹与待检测事件的关系，确定待检测事件是否发生。行为轨迹是多图像帧的结果，减小了物体遮挡的影响。通过行为轨迹的多图像帧集合预测，增强了事件识别的鲁棒性，减少了在传统目标检测预测事件是否发生中，由于拍摄设备不稳定造成一定的图像花屏和拍摄环境变化的影响。
[0040]进一步的，根据轨迹判断待检测事件是否发生这种检测方式具有较高的通用性，能够满足机场传送带车到离位检测需求；同时还能够满足多种车辆行为识别、人体行为识别、泛安防等众多应用场景的需求。
附图说明
[0041]参照附图，本专利技术的公开内容将变得更易理解。本领域技术人员容易理解的是：这些附图仅仅用于说明的目的，而并非意在对本专利技术的保护范围组成限制。此外，图中类似的数字用以表示类似的部件，其中：
[0042]图1是根据本专利技术的一个实施例的一种事件识别方法的主要步骤流程示意图；
[0043]图2是根据本专利技术的一个实施例的制成连续图像集方法的主要步骤流程示意图；
[0044]图3是根据本专利技术的一个实施例的神经网络模型判断检测目标运动轨迹与待检测事件关系的方法的主要步骤流程示意图；
[0045]图4是根据本专利技术的一个实施例的根据时间节点发出告警方法的主要步骤流程示意图；
[0046]图5是根据本专利技术的一个实施例的神经网络模型训练数据集制作方法的主要步骤流程示意图；
[0047]图6是根据本专利技术的一个实施例的事件识别系统的主要结构框图示意图。
具体实施方式
[0048]下面参照附图来描述本专利技术的一些实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本专利技术的技术原理，并非旨在限制本专利技术的保护范围。
[0049]在本专利技术的描述中，“模块”、“处理器”可以包括硬件、软件或者两者的组合。一个模块可以包括硬件电路，各种合适的感应器，通信端口，存储器，也可以包括软件部分，比如本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种事件识别方法，其特征在于，包括步骤：将检测目标的连续图像集输入至已训练的神经网络模型；根据所述神经网络模型判断所述检测目标的运动轨迹与待检测事件的关系，以确定待检测事件是否发生。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取所述检测目标的第一时间段视频；从所述第一时间段视频中均匀连续的抽取图像帧，并制成所述连续图像集。3.根据权利要求1或2所述的方法，其特征在于，所述神经网络包括第一骨干网络、第二骨干网络、分类网络；所述根据所述神经网络模型判断所述检测目标的运动轨迹与待检测事件的关系，包括：通过所述第一骨干网络获取所述连续图像集中检测目标的空间特征；通过所述第二骨干网络获取所述连续图像集中检测目标的时序特征；将所述空间特征和所述时序特征进行特征融合，得到融合特征；将所述融合特征输入分类网络，得到检测目标的运动轨迹与所述待检测事件的关系。4.根据权利要求1所述的方法，其特征在于，所述判断所述检测目标的运动轨迹与待检测事件的关系，以确定待检测事件是否发生，包括：若所述检测目标的运动轨迹为事件前轨迹，则所述连续图像集中与第一预设帧数对应的图像帧对应的时间为到位事件发生时间；若所述检测目标运动轨迹为事件后轨迹，则所述连续图像集中与第二预设帧数对应的图像帧对应的时间为离位事件发生时间。5.根据权利要求1所述的方法，其特征在于，所述判断所述检测目标的运动轨迹与待检测事件的关系，以确定待检测事件是否发生，还...

【专利技术属性】
技术研发人员：王志华，钟南昌，
申请(专利权)人：重庆中科云从科技有限公司，
类型：发明
国别省市：