[发明专利]一种场景中复杂事件的检测方法、系统、设备及存储介质

权利要求书

1.一种场景中复杂事件的检测方法，其特征在于，包括：

将同一时间段内连续的第一数量个光波谱段实时图像序列，作为第一输入参量，输入到预设事件内容提取模型中，以使所述预设事件内容提取模型对所述第一输入参量进行特征提取，并输出所述同一时间段内检测到的复杂事件，其中，所述复杂事件为所述光波谱段实时图像序列的空域特征和时域特征；

将所述复杂事件作为第二输入参量，输入到预设复杂事件检测模型中，以使所述预设复杂事件检测模型对所述第二输入参量进行特征提取，并输出所述第二输入参量对应的检测结果。

2.根据权利要求1所述的方法，其特征在于，所述将同一时间段内连续的第一数量个光波谱段实时图像序列，作为第一输入参量，输入到预设事件内容提取模型中，以使所述预设事件内容提取模型对所述第一输入参量进行特征提取，并输出所述同一时间段内检测到的复杂事件，具体包括：

将同一时间段内连续的第一数量个光波谱段实时图像序列，作为第一输入参量，输入到预设事件内容提取模型中，建立所述预设事件内容提取模型中的第一数量个卷积单元中的每一个所述卷积单元，与所述第一输入参量中每一个所述光波谱段实时图像序列的一一对应关系；

将所述每一个所述光波谱段实时图像序列输入到对应的所述卷积单元中，以使所述卷积单元对其对应的所述光波谱段实时图像序列进行特征提取，输出第一数量个所述空域特征，其中，所述第一数量个所述空域特征与所述第一数量个所述光波谱段实时图像序列一一对应；

将所述第一数量个所述空域特征在通道维度上拼接，获得一个空域特征向量，并将所述空域特征向量作为第三输入参量输入到预设循环神经网络网络单元中；

将所述第一数量个所述空域特征输入到所述预设循环神经网络单元中，以使所述预设循环神经网络单元分别对每一个所述空域特征进行时域特征提取，输出与每一个所述空域特征对应的第一数量个时域特征；

将所述第一数量个时域特征作为第四输入参量，将所述第三输入参量和第四输入参量作为所述复杂事件输入到预设循环神经网络单元中。

3.根据权利要求2所述的方法，其特征在于，所述将所述复杂事件作为第二输入参量，输入到预设复杂事件检测模型中，以使所述预设复杂事件检测模型对所述第二输入参量进行特征提取，并输出所述第二输入参量对应的检测结果，具体包括：

所述预设循环神经网络单元建立所述第三输入参量和第四输入参量间的时空对应关系，输出一个特征组，并将所述特征组作为第五输入参量，输入到预设复杂事件检测模型中，以使所述预设复杂事件检测模型对所述第五输入参量进行检测，其中，所述特征组包括在存在所述时空对应关系的一个所述时域特征向量和两个空域特征。

4.根据权利要求3所述的方法，其特征在于，所述将所述复杂事件作为第二输入参量，输入到预设复杂事件检测模型中，以使所述预设复杂事件检测模型对所述第五输入参量进行检测，具体包括：

建立预设复杂事件数据库中的故障类型与所述特征组的一一对应关系，建立所述故障类型与报警等级的对应关系；

所述预设复杂事件检测模型根据输入的每一个所述特征组的内容，调取所述预设复杂事件数据库中与所述每一个所述特征组对应的故障类型，并将所述对应的每一个故障类型的所述报警等级与报警阈值比较，当所述报警等级不小于所述报警阈值时，所述预设复杂事件检测模型将发出报警信号，并输出触发所述报警信号的所述故障类型的具体内容。

5.根据权利要求2所述的方法，其特征在于，所述方法还包括：

在将所述第一输入参量，输入到预设事件内容提取模型中之前，将所述第一数量个光波谱段实时图像序列输入到预设全局时间采样单元中，以使所述预设全局时间采样模型分别对每一个所述光波谱段实时图像序列进行预处理。