[發(fā)明專利]一種場景中復(fù)雜事件的檢測方法、系統(tǒng)、設(shè)備及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202111319503.1
• 申請日: 2021-11-09
• 公開（公告）號: CN113989746A
• 公開（公告）日: 2022-01-28
• 發(fā)明（設(shè)計(jì)）人: 蔣錦霞;孫霞;賴曉翰;梅峰;戴波;沈桂竹;盧文達(dá);王劍;王雪;周果清;王慶
• 申請（專利權(quán)）人: 國網(wǎng)浙江省電力有限公司信息通信分公司;國網(wǎng)浙江省電力有限公司;西北工業(yè)大學(xué)
• 主分類號: G06V20/52
• 分類號: G06V20/52;G06V10/40;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京集佳知識產(chǎn)權(quán)代理有限公司 11227
• 代理人: 林哲生

1.一種場景中復(fù)雜事件的檢測方法，其特征在于，包括：

將同一時(shí)間段內(nèi)連續(xù)的第一數(shù)量個(gè)光波譜段實(shí)時(shí)圖像序列，作為第一輸入?yún)⒘浚斎氲筋A(yù)設(shè)事件內(nèi)容提取模型中，以使所述預(yù)設(shè)事件內(nèi)容提取模型對所述第一輸入?yún)⒘窟M(jìn)行特征提取，并輸出所述同一時(shí)間段內(nèi)檢測到的復(fù)雜事件，其中，所述復(fù)雜事件為所述光波譜段實(shí)時(shí)圖像序列的空域特征和時(shí)域特征；

將所述復(fù)雜事件作為第二輸入?yún)⒘浚斎氲筋A(yù)設(shè)復(fù)雜事件檢測模型中，以使所述預(yù)設(shè)復(fù)雜事件檢測模型對所述第二輸入?yún)⒘窟M(jìn)行特征提取，并輸出所述第二輸入?yún)⒘繉?yīng)的檢測結(jié)果。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述將同一時(shí)間段內(nèi)連續(xù)的第一數(shù)量個(gè)光波譜段實(shí)時(shí)圖像序列，作為第一輸入?yún)⒘浚斎氲筋A(yù)設(shè)事件內(nèi)容提取模型中，以使所述預(yù)設(shè)事件內(nèi)容提取模型對所述第一輸入?yún)⒘窟M(jìn)行特征提取，并輸出所述同一時(shí)間段內(nèi)檢測到的復(fù)雜事件，具體包括：

將同一時(shí)間段內(nèi)連續(xù)的第一數(shù)量個(gè)光波譜段實(shí)時(shí)圖像序列，作為第一輸入?yún)⒘浚斎氲筋A(yù)設(shè)事件內(nèi)容提取模型中，建立所述預(yù)設(shè)事件內(nèi)容提取模型中的第一數(shù)量個(gè)卷積單元中的每一個(gè)所述卷積單元，與所述第一輸入?yún)⒘恐忻恳粋€(gè)所述光波譜段實(shí)時(shí)圖像序列的一一對應(yīng)關(guān)系；

將所述每一個(gè)所述光波譜段實(shí)時(shí)圖像序列輸入到對應(yīng)的所述卷積單元中，以使所述卷積單元對其對應(yīng)的所述光波譜段實(shí)時(shí)圖像序列進(jìn)行特征提取，輸出第一數(shù)量個(gè)所述空域特征，其中，所述第一數(shù)量個(gè)所述空域特征與所述第一數(shù)量個(gè)所述光波譜段實(shí)時(shí)圖像序列一一對應(yīng)；

將所述第一數(shù)量個(gè)所述空域特征在通道維度上拼接，獲得一個(gè)空域特征向量，并將所述空域特征向量作為第三輸入?yún)⒘枯斎氲筋A(yù)設(shè)循環(huán)神經(jīng)網(wǎng)絡(luò)網(wǎng)絡(luò)單元中；

將所述第一數(shù)量個(gè)所述空域特征輸入到所述預(yù)設(shè)循環(huán)神經(jīng)網(wǎng)絡(luò)單元中，以使所述預(yù)設(shè)循環(huán)神經(jīng)網(wǎng)絡(luò)單元分別對每一個(gè)所述空域特征進(jìn)行時(shí)域特征提取，輸出與每一個(gè)所述空域特征對應(yīng)的第一數(shù)量個(gè)時(shí)域特征；

將所述第一數(shù)量個(gè)時(shí)域特征作為第四輸入?yún)⒘浚瑢⑺龅谌斎雲(yún)⒘亢偷谒妮斎雲(yún)⒘孔鳛樗鰪?fù)雜事件輸入到預(yù)設(shè)循環(huán)神經(jīng)網(wǎng)絡(luò)單元中。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述將所述復(fù)雜事件作為第二輸入?yún)⒘浚斎氲筋A(yù)設(shè)復(fù)雜事件檢測模型中，以使所述預(yù)設(shè)復(fù)雜事件檢測模型對所述第二輸入?yún)⒘窟M(jìn)行特征提取，并輸出所述第二輸入?yún)⒘繉?yīng)的檢測結(jié)果，具體包括：

所述預(yù)設(shè)循環(huán)神經(jīng)網(wǎng)絡(luò)單元建立所述第三輸入?yún)⒘亢偷谒妮斎雲(yún)⒘块g的時(shí)空對應(yīng)關(guān)系，輸出一個(gè)特征組，并將所述特征組作為第五輸入?yún)⒘浚斎氲筋A(yù)設(shè)復(fù)雜事件檢測模型中，以使所述預(yù)設(shè)復(fù)雜事件檢測模型對所述第五輸入?yún)⒘窟M(jìn)行檢測，其中，所述特征組包括在存在所述時(shí)空對應(yīng)關(guān)系的一個(gè)所述時(shí)域特征向量和兩個(gè)空域特征。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述將所述復(fù)雜事件作為第二輸入?yún)⒘浚斎氲筋A(yù)設(shè)復(fù)雜事件檢測模型中，以使所述預(yù)設(shè)復(fù)雜事件檢測模型對所述第五輸入?yún)⒘窟M(jìn)行檢測，具體包括：

建立預(yù)設(shè)復(fù)雜事件數(shù)據(jù)庫中的故障類型與所述特征組的一一對應(yīng)關(guān)系，建立所述故障類型與報(bào)警等級的對應(yīng)關(guān)系；

所述預(yù)設(shè)復(fù)雜事件檢測模型根據(jù)輸入的每一個(gè)所述特征組的內(nèi)容，調(diào)取所述預(yù)設(shè)復(fù)雜事件數(shù)據(jù)庫中與所述每一個(gè)所述特征組對應(yīng)的故障類型，并將所述對應(yīng)的每一個(gè)故障類型的所述報(bào)警等級與報(bào)警閾值比較，當(dāng)所述報(bào)警等級不小于所述報(bào)警閾值時(shí)，所述預(yù)設(shè)復(fù)雜事件檢測模型將發(fā)出報(bào)警信號，并輸出觸發(fā)所述報(bào)警信號的所述故障類型的具體內(nèi)容。

5.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述方法還包括：

在將所述第一輸入?yún)⒘浚斎氲筋A(yù)設(shè)事件內(nèi)容提取模型中之前，將所述第一數(shù)量個(gè)光波譜段實(shí)時(shí)圖像序列輸入到預(yù)設(shè)全局時(shí)間采樣單元中，以使所述預(yù)設(shè)全局時(shí)間采樣模型分別對每一個(gè)所述光波譜段實(shí)時(shí)圖像序列進(jìn)行預(yù)處理。