CN114120126A - 事件检测方法、装置、设备、存储介质以及程序产品 - Google Patents

事件检测方法、装置、设备、存储介质以及程序产品 Download PDF

Info

Publication number
CN114120126A
CN114120126A CN202111444902.0A CN202111444902A CN114120126A CN 114120126 A CN114120126 A CN 114120126A CN 202111444902 A CN202111444902 A CN 202111444902A CN 114120126 A CN114120126 A CN 114120126A
Authority
CN
China
Prior art keywords
target object
image
information
category
trash
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202111444902.0A
Other languages
English (en)
Inventor
杜雨亭
代旭
孙孟尧
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202111444902.0A priority Critical patent/CN114120126A/zh
Publication of CN114120126A publication Critical patent/CN114120126A/zh
Priority to US18/070,171 priority patent/US20230087081A1/en
Priority to EP22210090.1A priority patent/EP4187500A1/en
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/2431—Multiple classes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/44—Event detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Evolutionary Computation (AREA)
  • Business, Economics & Management (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Educational Administration (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本公开提供了一种事件检测方法、装置、设备、存储介质以及程序产品，涉及计算机技术领域，尤其涉及图像处理、云计算等人工智能技术领域。具体实现方案为：根据第一图像，确定第一目标对象；根据第二图像，确定第二目标对象和第二目标对象的类别；将第一目标对象与第二目标对象的类别进行关联，得到第一事件信息；以及将第一事件信息与检测阈值进行比较，得到第一事件检测结果。

Description

事件检测方法、装置、设备、存储介质以及程序产品
技术领域
本公开涉及计算机技术领域，尤其涉及图像处理、云计算等人工智能技术领域，更具体地，涉及一种事件检测方法、装置、设备、存储介质以及程序产品。
背景技术
目前，随着互联网和人工智能技术的发展，生活、生产的各个方面正在逐步实现自动化。
发明内容
本公开提供了一种事件检测方法、装置、设备、存储介质以及计算机程序产品。
根据本公开的一方面，提供了一种事件检测方法，包括根据第一图像，确定第一目标对象；根据第二图像，确定第二目标对象和第二目标对象的类别；将第一目标对象与第二目标对象的类别进行关联，得到第一事件信息；以及将第一事件信息与检测阈值进行比较，得到第一事件检测结果。
根据本公开的另一方面，提供了一种事件检测装置，包括第一目标对象确定模块、第二目标对象确定模块、第一事件信息确定模块以及检测结果确定模块，第一目标对象确定模块，用于根据第一图像，确定第一目标对象；第二目标对象确定模块，用于根据第二图像，确定第二目标对象和第二目标对象的类别；第一事件信息确定模块，用于将第一目标对象与第二目标对象的类别进行关联，得到第一事件信息；以及检测结果确定模块，用于将第一事件信息与检测阈值进行比较，得到第一事件检测结果。
根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本公开实施例所述的方法。
根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据本公开实施例所述的方法。
根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据本公开实施例所述的方法。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1示例性示出了适于本公开实施例的事件检测方法、装置的系统架构；
图2示例性示出了根据本公开实施例的事件检测方法的流程图；
图3示例性示出了根据本公开另一实施例的事件检测方法的示意图；
图4示例性示出了根据本公开又一实施例的事件检测方法的示意图；
图5示例性示出了根据本公开又一实施例的事件检测方法的示意图；
图6示例性示出了根据本公开又一实施例的事件检测方法的示意图；
图7示例性示出了根据本公开实施例的事件检测装置的框图；
图8示例性示出了用来实现本公开实施例的事件检测方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
适于本公开实施例的事件检测方法和装置的系统架构介绍如下。
图1示意性示出了根据本公开一实施例的事件检测方法和装置的系统架构。需要注意的是，图1所示仅为可以应用本公开实施例的系统架构的示例，以帮助本领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。
如图1所示，根据该实施例的系统架构100可以包括客户端101A、101B、101C，网络102和服务器103。网络102用以在客户端101A、101B、101C和服务器103之间提供通信链路的介质。网络102可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用客户端101A、101B、101C通过网络102与服务器103交互，以接收或发送消息等。客户端101A、101B、101C上可以安装有各种通讯客户端应用，例如导航类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
客户端101A、101B、101C可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。本公开实施例的客户端101A、101B、101C例如可以运行应用程序。
服务器103可以是提供各种服务的服务器，例如对用户利用客户端101A、101B、101C所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理，并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给客户端。另外，服务器103还可以是云服务器，即服务器103具有云计算功能。
需要说明的是，本公开实施例所提供的事件检测方法可以由服务器103执行。相应地，本公开实施例所提供的事件检测装置可以设置于服务器103中。本公开实施例所提供的事件检测方法也可以由不同于服务器103且能够与客户端101A、101B、101C和/或服务器103通信的服务器或服务器集群执行。相应地，本公开实施例所提供的事件检测装置也可以设置于不同于服务器103且能够与客户端101A、101B、101C和/或服务器103通信的服务器或服务器集群中。
在一种示例中，服务器103可以通过网络102获取来自客户端101A、101B、101C的第一图像、第二图像和第三图像。
应该理解，图1中的客户端、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的客户端、网络和服务器。
应注意，本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
图2示例性示出了根据本公开一实施例的事件检测方法的流程图。
如图2所示，根据本公开一实施例的事件检测方法200包括操作S210～操作S240。
在操作S210，根据第一图像，确定第一目标对象。
在操作S220，根据第二图像，确定第二目标对象和第二目标对象的类别。
在操作S230，将第一目标对象与第二目标对象的类别进行关联，得到第一事件信息。
在操作S240，将第一事件信息与检测阈值进行比较，得到第一事件检测结果。
事件检测涉及生产和生活的各个方面，通过事件检测获得的事件检测结果例如可以评价事件的合规性，以帮助相关人员作出决策。本公开实施例的事件检测方法检测的对象可以是：将第一目标对象与第二目标对象的类别关联得到的第一事件信息。
根据本公开实施例的事件检测方法，可以以该第一事件信息表征第一目标对象与第二目标对象的类别之间的关联关系，第一事件信息可以完整地表征该事件，在将第一事件信息与检测阈值进行比较时，可以获得准确的第一事件检测结果，本公开实施例的事件检测方法还可以自动获得完整的第一事件信息，并自动检测该事件发生，减少人力投入，提升事件检测的效率和准确度。
图3示意性示出了根据本公开另一实施例的事件检测方法中得到第一事件信息的示意图。
根据本公开另一实施例，可以使用以下实施例来实现事件检测方法中得到第一事件信息的具体示例。本领域技术人员技术可以理解，可以在例如图2所示的操作S220之后执行图3所示的示例方法，将第一目标对象与第二目标对象的类别进行关联，得到第一事件信息。
如图3所示，在操作S310，在确定第一图像301与第二图像302关联的情况下，根据第一目标对象在第一图像301中的位置信息和第二目标对象在第二图像302中的位置信息，确定第一图像301中，与第二目标对象的位置最接近的第一目标对象为关联目标对象。
在一些情况下，第一目标对象与第二目标对象没有出现在同一图像中，而是分别出现在第一图像和第二图像中。此时，可以以预设的关联规则关联第一图像与第二图像，从而确定第一目标对象与第二目标对象之间的关联关系，以确定完整、准确的第一事件信息。例如，预设的关联规则可以是关联同一时刻采集的第一图像和第二图像。
应该理解，上述实施例中，第一目标对象和第二目标对象分别出现在不同的图像中，即分别出现在第一图像301和第二图像302，可以根据第一图像301确定第一目标对象，根据第二图像302确定第二目标对象和第二目标对象的类别信息。
在另一个实施例中，第一目标对象和第二目标对象可以同时出现在某一图像M中，可以根据该图像M确定第一目标对象的位置信息、第二目标对象和第二目标对象的类别信息。
应该理解，对于特定的第一事件信息，具有关联关系的第一目标对象、第二目标对象是确定的，在一些情况下，第一图像可能包括多个第一目标对象，第二图像也可能包括多个第二目标对象，因此需要准确地确定第一事件信息涉及的第一目标对象与第二目标对象。
如图3所示，第一图像301包括第一目标对象11、12，第二图像302包括第二目标对象21、22，可以以各个第二目标对象为查找的基础，通过位置优先的原则确定位置与第二目标对象最接近的第一目标对象为关联目标对象1x，后续可以利用关联目标对象、第二目标对象和第二目标对象的类别，准确地确定第一事件信息。
在操作S320，根据第二目标对象的类别与对应的关联目标对象，确定第一事件信息。
第一事件信息可以表征关联的第一目标对象、第二目标对象和第二目标对象的类别三者，以完整表征该事件。
本公开实施例的事件检测方法可以以第二目标对象为基础，准确地从第一图像中确定与第二目标对象关联的第一目标对象为关联目标对象，由关联目标对象和第二目标对象的类别确定的第一事件信息也更加准确。
示例性地，根据第一目标对象在第一图像中的位置信息和第二目标对象在第二图像中的位置信息，确定与第二目标对象的位置最接近的第一目标对象为关联目标对象可以包括：根据第一图像与第二图像之间的基于像素的距离映射关系确定与第二目标对象的位置最接近的第一目标对象为关联目标对象。该距离映射关系可以表示第一图像的某一个像素点与第二图像的某一个像素点之间的实际距离信息，可以以第一目标对象所在的多个像素点的中心像素点作为第一目标对象的位置信息，同理确定第二目标对象的中心像素点为第二目标对象的位置信息，根据第一图像与第二图像之间的基于像素的距离映射关系，确定与第二目标对象的位置最为接近的第一目标对象为关联目标对象。
图4示意性示出了根据本公开又一实施例的事件检测方法中确定第一目标对象的示意图。
根据本公开又一实施例，可以使用以下实施例来实现事件检测方法中确定第一目标对象的具体示例。本领域技术人员技术可以理解，可以在例如图2所示的操作S220之前执行图4所示的示例方法，根据第一图像，确定第一目标对象。
如图4所示，在操作S410，根据第一目标对象检测模型402，检测第一图像401中的第一目标对象，获得第一目标对象的位置信息403。
本公开实施例的事件检测方法可以根据第一目标对象检测模型，自动、准确地确定第一图像中的第一目标对象以及第一目标对象的位置信息。
示例性地，可以在第一图像输入第一目标对象检测模型之前，对第一图像进行预处理，以避免第一图像对第一目标对象检测模型检测产生干扰或者其他不利的影响，预处理例如可以包括图像缩放预处理、归一化预处理。
示例性地，图像缩放预处理可以是将第一图像缩放为608*608的尺寸，归一化预处理可以是对第一图像的像素值除以255。
示例性地，第一目标对象检测模型的输出可以是包括第一目标信息的检测框的位置信息，检测框的位置信息可以包括检测框置信度、检测框左上角X坐标，左上角Y坐标，检测框的宽度值以及检测框的高度值。
图5示意性示出了根据本公开又一实施例的事件检测方法中确定第二目标对象和第二目标对象的类别的示意图。
根据本公开又一实施例，可以使用以下实施例来实现事件检测方法中确定第二目标对象和第二目标对象的类别的具体示例。本领域技术人员技术可以理解，可以在例如图2所示的操作S210之后执行图5所示的示例方法，根据第二图像，确定第二目标对象和第二目标对象的类别。
如图5所示，在操作S510，根据第二目标对象检测模型503，检测第二图像502中的第二目标对象，获得第二目标对象的位置信息和第二目标对象的类别信息504。
本公开实施例的事件检测方法可以根据第二目标对象检测模型，自动、准确地确定第二图像中的第二目标对象、第二目标对象的位置信息以及第二目标对象的类别信息。
示例性地，可以在第二图像输入第二目标对象检测模型之前，对第二图像进行预处理，以避免第二图像对第二目标对象检测模型检测产生干扰或者其他不利的影响，预处理例如可以包括图像缩放预处理、归一化预处理。
示例性地，图像缩放预处理可以是将第二图像缩放为608*608的尺寸，归一化预处理可以是对第二图像的像素值除以255。
示例性地，第二目标对象检测模型的输出可以是包括第二目标信息的检测框的位置信息，检测框的位置信息可以包括检测框置信度、检测框左上角X坐标，左上角Y坐标，检测框的宽度值以及检测框的高度值。
示例性地，第一目标对象检测模型和/或第二目标对象检测模型可以包括PaddlePaddle-YOLO模型。
PaddlePaddle-YOLO模型，即PP-YOLO，一种目标检测器，YOLO，即You Only LookOnce，一种目标检测框架。PaddlePaddle-YOLO模型可以在实际应用场景中直接应用，且具有相对平衡的有效性和效率，通过结合各种技巧，可以几乎不增加模型参数和每秒浮点运算次数，实现在确保速度几乎不变的情况下，尽可能提高检测器精度。本公开实施例的事件检测方法利用PaddlePaddle-YOLO模型可以快速、准确地检测第一目标对象的位置信息和/或第二目标对象的位置信息和类别信息。
示例性地，第一目标对象可以包括人体对象，第二目标对象可以包括垃圾对象，第二目标对象的类别可以包括干垃圾和湿垃圾。
本公开实施例的事件检测方法可以应用于垃圾分类投放检测。
垃圾分类可以理解为按照某一标准将垃圾分类储存、投放和搬运的一系列活动，可以提高垃圾的资源价值，减少垃圾处理量和垃圾处理设备的使用，降低垃圾处理成本。随着垃圾分类的普及，分类投放垃圾成为社区等地方重点关注的事件。
本公开实施例的事件检测方法可以自动、准确地检测人体对象分类投放垃圾的事件，确定某一人体对象与相应的垃圾对象的类别之间的关联关系，以确定该人体对象是否正确分类投放垃圾，减少检测垃圾分类事件的人力投入，提高垃圾分类事件的检测效率和准确度。
本公开实施例示例性示出了垃圾对象的类别可以包括干垃圾和湿垃圾，应该理解，垃圾对象的类别还可以包括有害垃圾、厨余垃圾等，在此不限定垃圾对象的具体类别。
图6示意性示出了根据本公开又一实施例的事件检测方法中得到第一事件检测结果的示意图。
根据本公开又一实施例，可以使用以下实施例来实现事件检测方法中得到第一事件检测结果的具体示例。本领域技术人员技术可以理解，可以在例如图2所示的操作S230之后执行图6所示的示例方法，将第一事件信息与检测阈值进行比较，得到第一事件检测结果。
如图6所示，在操作S610，获取包括垃圾桶对象的第三图像603。
垃圾分类投放事件中，判断某一类别的垃圾对象是否投放正确基于检测到的垃圾对象，还基于检测到的某一类别的垃圾对象是否在相应类别的垃圾桶内。
在操作S620，在第二图像602与第三图像603关联的情况下，根据第二目标对象检测模型604检测第三图像603中的垃圾桶对象，获得垃圾桶对象的位置信息608和类别信息607，垃圾桶对象的类别可以包括干垃圾垃圾桶和湿垃圾垃圾桶。
在上述实施例中，垃圾对象与垃圾桶对象没有出现在同一图像中，而是分别出现在第二图像和第三图像中，人体对象与垃圾桶对象也没有出现在同一图像中，而是分别出现在第一图像和第三图像中，可以根据第一图像确定人体对象，根据第二图像确定垃圾对象的位置信息和类别信息，根据第三图像确定垃圾桶对象的位置信息和类别信息。
在另一个实施例中，垃圾对象与垃圾桶对象可以同时出现在某一图像N中，可以根据该图像N确定垃圾对象的位置信息和类别信息，还可以根据该图像N确定垃圾桶对象的位置信息和类别信息。在另一个实施例中，人体对象与垃圾桶对象可以同时出现在某一图像O中，可以根据该图像O确定人体对象的位置信息，还可以根据该图像O确定垃圾桶对象的位置信息和类别信息。
第二图像602与第三图像603关联可以理解为第二图像602中的垃圾对象与第三图像603中的垃圾桶对象之间的关联关系，可以通过关联同时刻采集的第二图像602与第三图像603，确定第二图像602中的某一类别的垃圾对象是否正确投放在相应类别的垃圾桶对象内。
本公开实施例示例性示出了垃圾桶对象的类别可以包括干垃圾垃圾桶和湿垃圾垃圾桶，应该理解，垃圾桶对象的类别还可以包括有害垃圾垃圾桶、厨余垃圾垃圾桶等，在此不限定垃圾桶对象的具体类别。
通过垃圾对象的位置信息与垃圾桶对象的位置信息还可以确认位于垃圾桶对象外的溢出垃圾，在检测到溢出垃圾后，可以向相关人员提示溢出垃圾的位置信息，例如相关人员可以作出决策：更换垃圾桶对象。
在操作S630，根据第二目标对象的位置信息605与垃圾桶对象的位置信息608，和第二目标对象的类别信息606与垃圾桶对象的类别信息607确定检测阈值609。
应该理解，第二目标对象的位置信息605与垃圾桶对象的位置信息608可以确定垃圾对象是否投放在垃圾桶内，第二目标对象的类别信息606与垃圾桶对象的类别信息607可以确定某一类别的垃圾对象是否正确投放在相应类别的垃圾桶对象内。可以以该检测阈值609确定垃圾对象是否投放在垃圾桶内以及某一类别的垃圾对象是否正确投放在相应类别的垃圾桶对象内。
在操作S640，将第一事件信息610与检测阈值609进行比较，得到第一事件检测结果611。
本公开实施例的事件检测方法，可以通过垃圾对象的位置信息与垃圾桶对象的位置信息，以及垃圾对象的类别信息与垃圾桶对象的类别信息自动、准确地检测人体对象分类投放垃圾的事件，减少检测分类投放垃圾的人力投入，提高垃圾分类事件的检测效率和准确度。
以下将示例性地说明应用于垃圾分类投放场景下的本公开实施例的事件检测方法。
可以设置三个摄像头C1、C2、C3，三个摄像头C1、C2、C3可以分别处于可以拍摄人体对象、垃圾对象以及垃圾桶对象的角度，例如，拍摄垃圾对象的摄像头C2可以位于垃圾桶对象的开口上方。可以由上述的三个摄像头C1、C2、C3分别获得第一图像、第二图像和第三图像，关联同时刻采集的第一图像、第二图像以及第三图像以确保第一事件信息准确。例如，在人体对象向湿垃圾垃圾桶内投放干垃圾的同时，摄像头C1拍摄到第一图像，利用第一目标对象检测模型处理第一图像，从而可以确定第一图像中的人体对象，作为第一目标对象。摄像头C2拍摄到第二图像，利用第二目标对象检测模型处理第二图像，从而可以确定第二图像中的垃圾对象的位置信息和垃圾对象的类别信息，垃圾对象作为第二目标对象。摄像头C3拍摄到第三图像，利用第二目标对象检测模型处理第三图像，从而可以确定第三图像中的垃圾桶对象的位置信息和类别信息，由此可获得第一事件信息，即，人体对象、干垃圾和湿垃圾垃圾桶，该第一事件信息可以与检测阈值比较，获得第一事件检测结果，即，垃圾分类投放错误。
例如，当垃圾分类投放错误时可以提示相关人员，相关人员可以查看第一图像确认具体的人体对象的身份，并对垃圾分类投放错误的人体对象进行教育等。
根据本公开的实施例，本公开还提供了一种事件检测装置。
如图7所示，根据本公开实施例的事件检测装置700包括第一目标对象确定模块710、第二目标对象确定模块720、第一事件信息确定模块730以及检测结果确定模块740。
第一目标对象确定模块710，用于根据第一图像，确定第一目标对象。在一实施例中，第一目标对象确定模块710可以用于执行上述操作S210，在此不再赘述。
第二目标对象确定模块720，用于根据第二图像，确定第二目标对象和第二目标对象的类别。在一实施例中，第二目标对象确定模块720可以用于执行上述操作S220，在此不再赘述。
第一事件信息确定模块730，用于将第一目标对象与第二目标对象的类别进行关联，得到第一事件信息。在一实施例中，第一事件信息确定模块730可以用于执行上述操作S230，在此不再赘述。
检测结果确定模块740，用于将第一事件信息与检测阈值进行比较，得到第一事件检测结果。在一实施例中，检测结果确定模块740可以用于执行上述操作S240，在此不再赘述。
根据本公开实施例的事件检测装置，其中，第一事件信息确定模块可以包括：关联目标确定子模块和第一事件信息确定子模块。
关联目标确定子模块，可以用于在确定第一图像与第二图像关联的情况下，根据第一目标对象在第一图像中的位置信息和第二目标对象在第二图像中的位置信息，确定与第二目标对象的位置最接近的第一目标对象为关联目标对象；
第一事件信息确定子模块，可以用于根据第二目标对象的类别与对应的关联目标对象，确定第一事件信息。
根据本公开实施例的事件检测装置，其中，第一目标对象确定模块可以包括第一信息确定子模块。
第一信息确定子模块，可以用于根据第一目标对象检测模型，检测第一图像中的第一目标对象，获得第一目标对象的位置信息。
根据本公开实施例的事件检测装置，其中，第二目标对象确定模块可以包括第二信息确定子模块。
第二信息确定子模块，可以用于根据第二目标对象检测模型，检测第二图像中的第二目标对象，获得第二目标对象的位置信息和第二目标对象的类别信息。
根据本公开实施例的事件检测装置，其中，第一目标对象检测模型和/或第二目标对象检测模型包括PaddlePaddle-YOLO模型。
根据本公开实施例的事件检测装置，其中，第一目标对象包括人体对象，第二目标对象包括垃圾对象，第二目标对象的类别包括干垃圾和湿垃圾。
根据本公开实施例的事件检测装置，检测结果确定模块可以包括：第三图像获取子模块、垃圾桶对象确定子模块、检测阈值确定子模块以及检测结果确定子模块。
第三图像获取子模块，可以用于获取包括垃圾桶对象的第三图像。
垃圾桶对象确定子模块，可以用于在第二图像与第三图像关联的情况下，根据第二目标对象检测模型检测第三图像中的垃圾桶对象，获得垃圾桶对象的位置信息和类别信息，垃圾桶对象的类别包括干垃圾垃圾桶和湿垃圾垃圾桶。
检测阈值确定子模块，可以用于根据第二目标对象的位置信息与垃圾桶对象的位置信息，和第二目标对象的类别信息与垃圾桶对象的类别信息确定检测阈值。
检测结果确定子模块，可以用于将第一事件信息与检测阈值进行比较，得到第一事件检测结果。
应该理解，本公开装置部分的实施例与本公开方法部分的实施例对应相同或类似，所解决的技术问题和所达到的技术效果也对应相同或类似，本公开在此不再赘述。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图8示出了可以用来实施本公开的实施例的示例电子设备800的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图8所示，电子设备800包括计算单元801，其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序，来执行各种适当的动作和处理。在RAM 803中，还可存储电子设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
电子设备800中的多个部件连接至I/O接口805，包括：输入单元806，例如键盘、鼠标等；输出单元807，例如各种类型的显示器、扬声器等；存储单元808，例如磁盘、光盘等；以及通信单元809，例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理，例如事件检测方法。例如，在一些实施例中，事件检测方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元808。在一些实施例中，计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM 803并由计算单元801执行时，可以执行上文描述的事件检测方法的一个或多个步骤。备选地，在其他实施例中，计算单元801可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行事件检测方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务("Virtual Private Server"，或简称"VPS")中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。
本公开的技术方案中，所涉及的第一图像、第二图像、第三图像的记录，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (17)

1.一种事件检测方法，包括：
根据第一图像，确定第一目标对象；
根据第二图像，确定第二目标对象和所述第二目标对象的类别；
将所述第一目标对象与所述第二目标对象的类别进行关联，得到第一事件信息；以及
将所述第一事件信息与检测阈值进行比较，得到第一事件检测结果。
2.根据权利要求1所述的方法，其中，所述将所述第一目标对象与所述第二目标对象的类别进行关联，得到第一事件信息包括：
在确定所述第一图像与第二图像关联的情况下，根据所述第一目标对象在所述第一图像中的位置信息和所述第二目标对象在所述第二图像中的位置信息，确定与所述第二目标对象的位置最接近的第一目标对象为关联目标对象；
根据所述第二目标对象的类别与对应的所述关联目标对象，确定所述第一事件信息。
3.根据权利要求2所述的方法，其中，所述根据第一图像，确定第一目标对象包括：
根据第一目标对象检测模型，检测所述第一图像中的第一目标对象，获得所述第一目标对象的位置信息。
4.根据权利要求3所述的方法，其中，所述根据第二图像，确定第二目标对象和所述第二目标对象的类别包括：
根据第二目标对象检测模型，检测所述第二图像中的第二目标对象，获得所述第二目标对象的位置信息和所述第二目标对象的类别信息。
5.根据权利要求4所述的方法，其中，所述第一目标对象检测模型和/或所述第二目标对象检测模型包括PaddlePaddle-YOLO模型。
6.根据权利要求4或5所述的方法，其中，所述第一目标对象包括人体对象，所述第二目标对象包括垃圾对象，所述第二目标对象的类别包括干垃圾和湿垃圾。
7.根据权利要求6所述的方法，所述将所述第一事件信息与检测阈值进行比较，得到第一事件检测结果包括：
获取包括垃圾桶对象的第三图像；
在所述第二图像与所述第三图像关联的情况下，根据所述第二目标对象检测模型检测第三图像中的垃圾桶对象，获得所述垃圾桶对象的位置信息和类别信息，所述垃圾桶对象的类别包括干垃圾垃圾桶和湿垃圾垃圾桶；
根据所述第二目标对象的位置信息与所述垃圾桶对象的位置信息，和所述第二目标对象的类别信息与所述垃圾桶对象的类别信息确定所述检测阈值；
将所述第一事件信息与所述检测阈值进行比较，得到所述第一事件检测结果。
8.一种事件检测装置，包括：
第一目标对象确定模块，用于根据第一图像，确定第一目标对象；
第二目标对象确定模块，用于根据第二图像，确定第二目标对象和所述第二目标对象的类别；
第一事件信息确定模块，用于将所述第一目标对象与所述第二目标对象的类别进行关联，得到第一事件信息；以及
检测结果确定模块，用于将所述第一事件信息与检测阈值进行比较，得到第一事件检测结果。
9.根据权利要求8所述的装置，其中，所述第一事件信息确定模块包括：
关联目标确定子模块，用于在确定所述第一图像与第二图像关联的情况下，根据所述第一目标对象在所述第一图像中的位置信息和所述第二目标对象在所述第二图像中的位置信息，确定与所述第二目标对象的位置最接近的第一目标对象为关联目标对象；
第一事件信息确定子模块，用于根据所述第二目标对象的类别与对应的所述关联目标对象，确定所述第一事件信息。
10.根据权利要求9所述的装置，其中，第一目标对象确定模块包括：
第一信息确定子模块，用于根据第一目标对象检测模型，检测所述第一图像中的第一目标对象，获得所述第一目标对象的位置信息。
11.根据权利要求10所述的装置，其中，第二目标对象确定模块包括：
第二信息确定子模块，用于根据第二目标对象检测模型，检测所述第二图像中的第二目标对象，获得所述第二目标对象的位置信息和所述第二目标对象的类别信息。
12.根据权利要求11所述的装置，其中，所述第一目标对象检测模型和/或所述第二目标对象检测模型包括PaddlePaddle-YOLO模型。
13.根据权利要求11或12所述的装置，其中，所述第一目标对象包括人体对象，所述第二目标对象包括垃圾对象，所述第二目标对象的类别包括干垃圾和湿垃圾。
14.根据权利要求13所述的装置，所述检测结果确定模块包括：
第三图像获取子模块，用于获取包括垃圾桶对象的第三图像；
垃圾桶对象确定子模块，用于在所述第二图像与所述第三图像关联的情况下，根据所述第二目标对象检测模型检测第三图像中的垃圾桶对象，获得所述垃圾桶对象的位置信息和类别信息，所述垃圾桶对象的类别包括干垃圾垃圾桶和湿垃圾垃圾桶；
检测阈值确定子模块，用于根据所述第二目标对象的位置信息与所述垃圾桶对象的位置信息，和所述第二目标对象的类别信息与所述垃圾桶对象的类别信息确定所述检测阈值；
检测结果确定子模块，用于将所述第一事件信息与所述检测阈值进行比较，得到所述第一事件检测结果。
15.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。
16.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-7中任一项所述的方法。
17.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-7中任一项所述的方法。
CN202111444902.0A 2021-11-30 2021-11-30 事件检测方法、装置、设备、存储介质以及程序产品 Pending CN114120126A (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202111444902.0A CN114120126A (zh) 2021-11-30 2021-11-30 事件检测方法、装置、设备、存储介质以及程序产品
US18/070,171 US20230087081A1 (en) 2021-11-30 2022-11-28 Method of detecting event, electronic device, and storage medium
EP22210090.1A EP4187500A1 (en) 2021-11-30 2022-11-29 Method and apparatus of detecting event, device, storage medium and program product

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111444902.0A CN114120126A (zh) 2021-11-30 2021-11-30 事件检测方法、装置、设备、存储介质以及程序产品

Publications (1)

Publication Number Publication Date
CN114120126A true CN114120126A (zh) 2022-03-01

Family

ID=80368690

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111444902.0A Pending CN114120126A (zh) 2021-11-30 2021-11-30 事件检测方法、装置、设备、存储介质以及程序产品

Country Status (3)

Country Link
US (1) US20230087081A1 (zh)
EP (1) EP4187500A1 (zh)
CN (1) CN114120126A (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105035600A (zh) * 2015-06-15 2015-11-11 深圳市德立信环境工程有限公司 垃圾分类操作管理系统和方法
CN110428352A (zh) * 2019-08-09 2019-11-08 绵阳德川鸿丰环保科技有限公司 可穿戴设备智能分类垃圾的方法及模块化垃圾分类系统
CN113065509A (zh) * 2021-04-20 2021-07-02 广州铁路职业技术学院（广州铁路机械学校） 垃圾处理方法、装置、设备及计算机存储介质

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112298844B (zh) * 2019-07-29 2023-09-22 杭州海康威视数字技术股份有限公司 一种垃圾分类监督方法及装置
CN110795999B (zh) * 2019-09-21 2022-07-12 万翼科技有限公司 垃圾投递行为分析方法及相关产品
CN111104910B (zh) * 2019-12-20 2023-05-23 上海寒武纪信息科技有限公司 垃圾投递行为监督方法及相关产品

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105035600A (zh) * 2015-06-15 2015-11-11 深圳市德立信环境工程有限公司 垃圾分类操作管理系统和方法
CN110428352A (zh) * 2019-08-09 2019-11-08 绵阳德川鸿丰环保科技有限公司 可穿戴设备智能分类垃圾的方法及模块化垃圾分类系统
CN113065509A (zh) * 2021-04-20 2021-07-02 广州铁路职业技术学院（广州铁路机械学校） 垃圾处理方法、装置、设备及计算机存储介质

Also Published As

Publication number Publication date
US20230087081A1 (en) 2023-03-23
EP4187500A1 (en) 2023-05-31

Similar Documents

Publication Publication Date Title
CN114882321A (zh) 深度学习模型的训练方法、目标对象检测方法和装置
CN113591864B (zh) 文本识别模型框架的训练方法、装置及系统
CN112613569A (zh) 图像识别方法、图像分类模型的训练方法及装置
CN113643260A (zh) 用于检测图像质量的方法、装置、设备、介质和产品
CN112784732A (zh) 地物类型变化的识别、模型训练方法、装置、设备及介质
US20230096921A1 (en) Image recognition method and apparatus, electronic device and readable storage medium
CN111160410A (zh) 一种物体检测方法和装置
CN114581732A (zh) 一种图像处理及模型训练方法、装置、设备和存储介质
CN113963186A (zh) 目标检测模型的训练方法、目标检测方法及相关装置
CN113342954A (zh) 一种应用于问答系统的图像信息处理方法、装置及电子设备
CN116309963B (zh) 一种图像的批量标注方法、装置、电子设备及存储介质
CN114937188A (zh) 一种用户分享截图的信息识别方法、装置、设备及介质
CN114120126A (zh) 事件检测方法、装置、设备、存储介质以及程序产品
CN114581711A (zh) 目标对象检测方法、装置、设备、存储介质以及程序产品
CN114842476A (zh) 水印检测方法及装置、模型训练方法及装置
CN114663418A (zh) 图像处理的方法及装置、存储介质及电子设备
CN114116688A (zh) 数据处理与数据质检方法、装置及可读存储介质
CN113344064A (zh) 事件处理方法和装置
CN113657230B (zh) 训练新闻视频识别模型的方法、检测视频的方法及其装置
EP4089592A1 (en) Method for determining annotation capability information, related apparatus and computer program product
CN115862046A (zh) 样本生成方法、文档理解模型的训练方法和文档理解方法
CN117668833A (zh) 异常操作识别方法、装置、电子设备以及存储介质
CN117271289A (zh) 一种网页监测方法、装置、设备以及存储介质
CN113011158A (zh) 信息异常检测方法、装置、电子设备和存储介质
CN114511535A (zh) 一种白屏检测方法、装置、电子设备、介质及产品

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination