[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

说明书

本发明实施例提供了一种场景中复杂事件的检测方法、系统、设备及存储介质，方法包括：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，输入到预设事件内容提取模型中，以使预设事件内容提取模型对第一输入参量进行特征提取，并输出同一时间段内检测到的复杂事件，其中，复杂事件为光波谱段实时图像序列的空域特征和时域特征，将复杂事件输入到预设复杂事件检测模型中，以使预设复杂事件检测模型对第二输入参量进行特征提取，并输出第二输入参量对应的检测结果。本发明通过综合多种光波谱段实时图像序列，结合复杂事件数据库和神经网络模型，对采集的多种光波谱段实时图像序列进行特征提取和复杂事件确定，实现对场景中复杂事件的高效检测。

技术领域

本发明涉及图像处理领域，特别是涉及一种场景中复杂事件的检测方法、系统、设备及存储介质。

背景技术

随着技术的发展，越来越多的监控设备被安装于各种各样的物理场景中，用以监测物理场景中发生的复杂事件，并对发生的复杂事件做出判断和反应，从而确保物理场景处于安全状态。

目前对物理场景中的复杂事件进行检测的方法，通过图像序列采集装置对物理场景进行检测。但是，现有技术中采用图像序列的方式对复杂事件进行检测，仍然需要由人工来对输出结果进行检测，增加了对复杂事件的处理的反应时间，降低了检测效率。因此，如何实现对物理场景中复杂事件的高效检测，已经成为现阶段相关领域技术人员迫切要解决的问题。

发明内容

本发明实施例的目的在于提供一种场景中复杂事件的检测方法、系统、设备及存储介质，以实现对场景中复杂事件的高效检测。具体技术方案如下：

一种场景中复杂事件的检测方法，所述方法包括：

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。

可选的，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。

可选的，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：