CN115797857B - 一种出行事件确定方法、安检方法以及事件管理方法 - Google Patents
一种出行事件确定方法、安检方法以及事件管理方法 Download PDFInfo
- Publication number
- CN115797857B CN115797857B CN202211384507.2A CN202211384507A CN115797857B CN 115797857 B CN115797857 B CN 115797857B CN 202211384507 A CN202211384507 A CN 202211384507A CN 115797857 B CN115797857 B CN 115797857B
- Authority
- CN
- China
- Prior art keywords
- target
- travel event
- preset
- tested
- package
- 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.)
- Active
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Alarm Systems (AREA)
Abstract
本申请实施例提供了一种出行事件确定方法、安检方法以及事件管理方法,该出行事件确定方法包括:根据包含待测包裹的采集图像,确定所述待测包裹对应的目标物品信息;其中,所述目标物品信息表征所述待测包裹中的目标物品;根据所述目标物品信息,确定在所述目标物品组合存在时各预设出行事件的目标发生概率;根据各预设出行事件的目标发生概率,从所有预设出行事件中选择所述待测包裹对应的目标出行事件。本实施例根据各预设出行事件的目标发生概率,能够精准地确定上述待测包裹对应的目标出行事件,该出行事件综合了上述待测包裹中的几种目标物品的组合影响,反映出相关用户对应的出行场景。
Description
技术领域
本申请涉及安检技术领域,尤其涉及一种出行事件确定方法、安检方法以及事件管理方法。
背景技术
随着科技的发展,交通运输成为生产和生活中的重要组成部分。为了保障交通运输的安全性,需要对包裹进行安检。
相关技术中,通过安检机对包裹进行扫描得到采集图像,根据采集图像确定包裹中是否携带了违禁品。
然而,上述方式只考虑单个物品的影响,在不同出行场景中,物品的危害程度可能不同,因此,亟需一种确定出行信息的方法。
发明内容
本申请实施例提供了一种出行事件确定方法、安检方法以及事件管理方法,用以准确地确定出包裹所对应的出行相关信息。
第一方面,本申请实施例提供了一种基于包裹采集图像的出行事件确定方法,包括:
根据包含待测包裹的采集图像,确定所述待测包裹对应的目标物品信息;其中,所述目标物品信息表征所述待测包裹中的目标物品;
根据所述目标物品信息,确定在所述目标物品组合存在时各预设出行事件的目标发生概率;
根据各预设出行事件的目标发生概率,从所有预设出行事件中选择所述待测包裹对应的目标出行事件。
上述方案,在获取到包含待测包裹的采集图像后,通过确定表征该待测包裹中目标物品的目标物品信息;进而根据目标物品信息,确定在上述待测包裹中的目标物品组合存在时各预设出行事件的目标发生概率,即各预设出行事件发生的可能性;由于各预设出行事件的目标发生概率表征了在上述待测包裹中的几种目标物品同时存在时,各预设出行事件发生的可能性的高低,因此,根据各预设出行事件的目标发生概率,能够精准地确定上述待测包裹对应的目标出行事件,该出行事件综合了上述待测包裹中的几种目标物品的组合影响,反映出相关用户对应的出行场景。
一些可选的实施方式中,根据所述目标物品信息,确定在所述目标物品组合存在时各预设出行事件的目标发生概率,包括:
将所述目标物品信息输入概率推理模型,通过所述概率推理模型根据预设概率信息以及所述目标物品信息,确定各预设出行事件的目标发生概率。
一些可选的实施方式中,所述预设概率信息包括在任一预设出行事件发生时各预设物品单独存在的第一概率,以及各预设出行事件的预设发生概率;根据预设概率信息以及所述目标物品信息,确定各预设出行事件的目标发生概率,包括:
针对任一预设出行事件,将在所述预设出行事件发生时各目标物品单独存在的第一概率进行连乘,得到在所述预设出行事件发生时所有目标物品组合存在的第二概率;
将所述第二概率与所述预设出行事件的预设发生概率相乘,得到概率乘积;
将所述概率乘积与所有目标物品组合存在的第三概率之间的比值,确定为所述预设出行事件的目标发生概率。
一些可选的实施方式中,所述概率推理模型包括贝叶斯网络。
一些可选的实施方式中,根据各预设出行事件的目标发生概率,从所有预设出行事件中选择所述待测包裹对应的目标出行事件,包括:
将目标发生概率的最大值对应的预设出行事件,确定为所述待测包裹对应的目标出行事件。
一些可选的实施方式中,根据各预设出行事件的目标发生概率,从所有预设出行事件中选择所述待测包裹对应的目标出行事件,包括:
将目标发生概率大于发生概率阈值的预设出行事件,确定为候选出行事件;
若有多个候选出行事件,则将权重最高的候选出行事件,确定为所述待测包裹对应的目标出行事件;若有一个候选出行事件,则将所述候选出行事件,确定为所述待测包裹对应的目标出行事件。
一些可选的实施方式中,根据包含待测包裹的采集图像,确定所述待测包裹对应的目标物品信息,包括:
将所述采集图像输入物体识别模型,通过所述物体识别模型对所述采集图像进行物体识别,确定识别物体的物体信息以及所述识别物体对应的置信度;
若所述识别物体对应的置信度大于预设置信度,则将所述识别物体的物体信息确定为所述目标物品信息;否则将所述识别物体的物体信息确定为背景信息。
第二方面,本申请实施例提供了一种安检方法,包括:
确定待测包裹对应的目标物品信息中是否有表征违禁物品的信息;
若所述目标物品信息中有表征违禁物品的信息,则根据所述表征违禁物品的信息以及所述待测包裹对应的目标出行事件,判定所述待测包裹是否通过安检;其中,所述目标出行事件是基于第一方面任一项的方法确定的;
若所述目标物品信息中没有表征违禁物品的信息,则判定所述待测包裹通过安检。
上述方案,由于出行事件综合了上述待测包裹中的几种目标物品的组合影响,反映出相关用户对应的出行场景,而物品在不同出行事件中危害程度是不同的,在目标物品信息中有表征违禁物品的信息时,通过考虑待测包裹中的几种目标物品的组合影响,更加合理地确定待测包裹是否通过安检。
一些可选的实施方式中,根据所述表征违禁物品的信息以及所述待测包裹对应的目标出行事件,判定所述待测包裹是否通过安检,包括:
若所述目标出行事件表征安全出行,且所述表征违禁物品的信息在所述目标出行事件对应的物品集合中,则判定所述待测包裹通过安检;否则,判定所述待测包裹没有通过安检;
其中,所述物品集合包括在所述目标出行事件发生时所需物品的物品信息。
第三方面,本申请实施例提供了一种事件管理方法,包括:
根据预设时段内待测区域的所有待测包裹对应的目标出行事件序列,确定所述目标出行事件序列中各目标出行事件的发生次数;其中,各待测包裹对应的目标出行事件是基于第一方面任一项的方法确定的;
针对任一目标出行事件,若所述目标出行事件的发生次数超过所述目标出行事件对应的预设次数,则通过预设通知方式将事件消息进行通知;其中,所述事件消息包括所述目标出行事件以及表征所述待测区域的信息。
上述方案,由于出行事件综合了上述待测包裹中的几种目标物品的组合影响,反映出相关用户对应的出行场景,通过确定在预设时段内某个待测区域中各待测包裹对应的目标出行事件,进而确定每个目标出行事件的发生次数,当目标出行事件的发生次数超过该目标出行事件对应的预设次数,说明该目标出行事件出现较为频繁,通过预设通知方式将事件消息进行通知,便于相关人员获知目标出行事件异常,及时进行相应管控。
第四方面,本申请实施例提供了一种基于包裹采集图像的出行事件确定装置,包括:
物品确定模块,用于根据包含待测包裹的采集图像,确定所述待测包裹对应的目标物品信息;其中,所述目标物品信息表征所述待测包裹中的目标物品;
概率确定模块,用于根据所述目标物品信息,确定在所述目标物品组合存在时各预设出行事件的目标发生概率;
事件确定模块,用于根据各预设出行事件的目标发生概率,从所有预设出行事件中选择所述待测包裹对应的目标出行事件。
一些可选的实施方式中,所述概率确定模块,具体用于:
将所述目标物品信息输入概率推理模型,通过所述概率推理模型根据预设概率信息以及所述目标物品信息,确定各预设出行事件的目标发生概率。
一些可选的实施方式中,所述预设概率信息包括在任一预设出行事件发生时各预设物品单独存在的第一概率,以及各预设出行事件的预设发生概率;所述概率确定模块,具体用于:
针对任一预设出行事件,将在所述预设出行事件发生时各目标物品单独存在的第一概率进行连乘,得到在所述预设出行事件发生时所有目标物品组合存在的第二概率;
将所述第二概率与所述预设出行事件的预设发生概率相乘,得到概率乘积;
将所述概率乘积与所有目标物品组合存在的第三概率之间的比值,确定为所述预设出行事件的目标发生概率。
一些可选的实施方式中,所述概率推理模型包括贝叶斯网络。
一些可选的实施方式中,所述事件确定模块,具体用于:
将目标发生概率的最大值对应的预设出行事件,确定为所述待测包裹对应的目标出行事件。
一些可选的实施方式中,所述事件确定模块,具体用于:
将目标发生概率大于发生概率阈值的预设出行事件,确定为候选出行事件;
若有多个候选出行事件,则将权重最高的候选出行事件,确定为所述待测包裹对应的目标出行事件;若有一个候选出行事件,则将所述候选出行事件,确定为所述待测包裹对应的目标出行事件。
一些可选的实施方式中,所述物品确定模块,具体用于:
将所述采集图像输入物体识别模型,通过所述物体识别模型对所述采集图像进行物体识别,确定识别物体的物体信息以及所述识别物体对应的置信度;
若所述识别物体对应的置信度大于预设置信度,则将所述识别物体的物体信息确定为所述目标物品信息;否则将所述识别物体的物体信息确定为背景信息。
第五方面,本申请实施例提供了一种安检装置,包括:
违禁品确定模块,用于确定待测包裹对应的目标物品信息中是否有表征违禁物品的信息;
安检处理模块,用于若所述目标物品信息中有表征违禁物品的信息,则根据所述表征违禁物品的信息以及所述待测包裹对应的目标出行事件,判定所述待测包裹是否通过安检;其中,所述目标出行事件是基于第一方面任一项的方法确定的;
若所述目标物品信息中没有表征违禁物品的信息,则判定所述待测包裹通过安检。
一些可选的实施方式中,所述安检处理模块,具体用于:
若所述目标出行事件表征安全出行,且所述表征违禁物品的信息在所述目标出行事件对应的物品集合中,则判定所述待测包裹通过安检;否则,判定所述待测包裹没有通过安检;
其中,所述物品集合包括在所述目标出行事件发生时所需物品的物品信息。
第六方面,本申请实施例提供了一种事件管理装置,包括:
事件次数确定模块,用于根据预设时段内待测区域的所有待测包裹对应的目标出行事件序列,确定所述目标出行事件序列中各目标出行事件的发生次数;其中,各待测包裹对应的目标出行事件是基于第一方面任一项的方法确定的;
通知模块,用于针对任一目标出行事件,若所述目标出行事件的发生次数超过所述目标出行事件对应的预设次数,则通过预设通知方式将事件消息进行通知;其中,所述事件消息包括所述目标出行事件以及表征所述待测区域的信息。
第七方面,本申请实施例提供一种电子设备,所述电子设备包括至少一个处理器以及至少一个存储器,其中,所述存储器存储有计算机程序,当所述程序被所述处理器执行时,使得所述处理器执行上述第一方面、第二方面或者第三方面任一所述的方法。
第八方面,本申请实施例提供一种计算机可读存储介质,其存储有可由电子设备执行的计算机程序,当所述程序在所述电子设备上运行时,使得所述电子设备执行上述第一方面、第二方面或者第三方面任一所述的方法。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的应用场景示意图;
图2为本申请实施例提供的一种基于包裹采集图像的出行事件确定方法的流程示意图;
图3A为本申请实施例提供的X光图像目标检测模型的网络基础模块示意图;
图3B为本申请实施例提供的X光图像目标检测模型的结构示意图;
图4为本申请实施例提供的贝叶斯网络的结构示意图;
图5为本申请实施例提供的安检方法的流程示意图;
图6为本申请实施例提供的预设出行事件与所需物品的对应关系示意图;
图7为本申请实施例提供的事件管理方法的流程示意图;
图8为本申请实施例提供的一种基于包裹采集图像的出行事件确定装置的结构示意图;
图9为本申请实施例提供的一种安检装置的结构示意图;
图10为本申请实施例提供的一种事件管理装置的结构示意图;
图11为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
为了使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请作进一步地详细描述,显然,所描述的实施例仅仅是本申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本申请保护的范围。
术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中,除非另有说明,“多个”的含义是两个或两个以上。
在交通运输中,为了保障交通运输的安全性,需要对包裹进行安检。
相关技术中,通过安检机对包裹进行扫描得到采集图像,根据采集图像确定包裹中是否携带了违禁品。
然而,上述方式只考虑单个物品的影响,在不同出行场景中,物品的危害程度可能不同。例如同样是携带了一把折叠刀,一种情况是跟其它装修工具放在一个工具箱内,另一种情况是跟橡胶手套和衣服等放在一起;与装修工具放在一个工具箱内的折叠刀可能是用作装修使用,但是与橡胶手套和衣服等放在一起的折叠刀可能是作为作案工具使用,这两种情况的危险程度显然是不同的。
鉴于此,本申请实施例提出一种出行事件确定方法、安检方法以及事件管理方法,用以准确地确定出包裹所对应的出行相关信息。
参阅图1所示,为本申请实施例提供的一种应用场景,该场景包括电子设备100以及至少一个安检机200(如安检X光机);电子设备100与安检机200之间可通过至少一种通信方式进行交互;
上述安检机200用于采集包含待测包裹的采集图像(如X光图像),并将采集图像发送给上述电子设备100;
上述电子设备100用于:在收到待测包裹的采集图像后,确定该待测包裹对应的目标物品信息(表征该待测包裹中的目标物品);根据目标物品信息,确定在上述目标物品组合存在时各预设出行事件的目标发生概率;根据各预设出行事件的目标发生概率,从所有预设出行事件中选择该待测包裹对应的目标出行事件。
上述方案,在获取到包含待测包裹的采集图像后,通过确定表征该待测包裹中目标物品的目标物品信息;进而根据目标物品信息,确定在上述待测包裹中的目标物品组合存在时各预设出行事件的目标发生概率,即各预设出行事件发生的可能性;由于各预设出行事件的目标发生概率表征了在上述待测包裹中的几种目标物品同时存在时,各预设出行事件发生的可能性的高低,因此,根据各预设出行事件的目标发生概率,能够精准地确定上述待测包裹对应的目标出行事件,该出行事件综合了上述待测包裹中的几种目标物品的组合影响,反映出相关用户对应的出行场景。
下面将结合附图及具体实施例,对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。
图2为本申请实施例提供的一种基于包裹采集图像的出行事件确定方法的流程示意图,如图2所示,包括以下步骤:
步骤S201:根据包含待测包裹的采集图像,确定所述待测包裹对应的目标物品信息。
其中,所述目标物品信息表征所述待测包裹中的目标物品。
实施中,待测包裹中物品的组合,在一定程度上反映了相关用户(携带该待测包裹的乘客)对应的出行场景,如用户的出行目的,携带该包裹的意图等;基于此,需要先确定待测包裹对应的目标物品信息,即待测包裹中有哪些目标物品。
本实施例对上述目标物品信息不做具体限定,如目标物品的名称、标识等,只要能够唯一表征目标物品即可。
步骤S202:根据所述目标物品信息,确定在所述目标物品组合存在时各预设出行事件的目标发生概率。
实施中,当物品组合不同时,每件事件的发生概率是不同的,如包裹中有较多装修工具,装修事件的发生概率会比较高,可疑出行的概率比较低;
基于此,在确定表征该待测包裹中目标物品的目标物品信息后;需要基于目标物品信息确定在上述待测包裹中的目标物品组合存在时各预设出行事件的目标发生概率,即各预设出行事件发生的可能性。
步骤S203:根据各预设出行事件的目标发生概率,从所有预设出行事件中选择所述待测包裹对应的目标出行事件。
本实施例,由于各预设出行事件的目标发生概率表征了在上述目标物品同时存在时,各预设出行事件发生的可能性的高低,因此,根据各预设出行事件的目标发生概率,能够精准地确定上述待测包裹对应的目标出行事件。
该方式无需用户主动配合,即可便捷、高效地确定出上述待测包裹对应的目标出行事件。
上述方案,在获取到包含待测包裹的采集图像后,通过确定表征该待测包裹中目标物品的目标物品信息;进而根据目标物品信息,确定在上述待测包裹中的目标物品组合存在时各预设出行事件的目标发生概率,即各预设出行事件发生的可能性;由于各预设出行事件的目标发生概率表征了在上述待测包裹中的几种目标物品同时存在时,各预设出行事件发生的可能性的高低,因此,根据各预设出行事件的目标发生概率,能够精准地确定上述待测包裹对应的目标出行事件,该出行事件综合了上述待测包裹中的几种目标物品的组合影响,反映出相关用户对应的出行场景。
一些可选的实施方式中,上述步骤S201可通过但不限于如下方式实现:
将所述采集图像输入物体识别模型,通过所述物体识别模型对所述采集图像进行物体识别,确定识别物体的物体信息以及所述识别物体对应的置信度;
若所述识别物体对应的置信度大于预设置信度,则将所述识别物体的物体信息确定为所述目标物品信息;否则将所述识别物体的物体信息确定为背景信息。
示例性的,物体识别模型能够识别采集图像中的物品,并确定各物体对应的置信度;
如果某一物体对应的置信度大于预设置信度,说明该物体是存在的,将该物体确定为目标物体,该物体的物体信息确定为目标物品信息;如果某一物体对应的置信度小于或等于预设置信度,说明该物体是不存在的,将该物体确定为背景。
一些可选的实施方式中,上述物体识别模型是训练得到的自注意力机制的X光图像目标检测模型。
本实施例,可通过但不限于如下方式得到自注意力机制的X光图像目标检测模型:
1、构建网络基础模块,包括ConvBNL模块、E-ELAN模块、ConvPool模块、SPPCSPC模块、E-ELAN-S模块以及REP模块。参阅图3A以及图3B所示,ConvBNL模块由卷积层(Convolutional Layer)、归一化层(Batch Normalization)和激活函数(如Leaky ReLU)组成。E-ELAN模块是扩展的高效层聚合网络,通过控制梯度路径来使网络更快收敛,使用通道重排技术实现网络的信息交互。ConvPool模块由卷积层和池化层组成。SPPCSPC模块由ConvBNL模块和分层的池化层组成。E-ELAN-S模块由多路径的ConvBNL模块组成。REP模块由卷积层和归一化层组成,并在训练和检测端采用不同的网络结构,以提高检测端的推理速度。在多层特征提取的网络模块中插入多头自注意力(Multi-Head Self-Attention)模块以提高对各种分辨率大小目标的特征提取能力。
2、在构建上述网络基础模块后,将训练集中的样本图像、对应样本图像中实际所含物品的物品信息以及物品在图像中的坐标作为输入,将预测物品信息作为输出,将预测物品信息与对应样本图像中实际所含物品的物品信息之间的相似度作为优化函数,分阶段设置不同的参数进行训练,得到X光图像目标检测模型;将X光图像输入该X光图像目标检测模型后,该X光图像目标检测模型输出所识别物体的物体信息以及对应的置信度。
实施中,为了使上述X光图像目标检测模型的识别结果更加准确,需要使用包含丰富物品的训练集,如训练集中有出行常带物品以及罕见物品,涉及各类杯子、刀具、工具、文具、化妆品、食品、药物等,且每种物品在上述训练集中出现2000~5000次。
上述模型以及训练所需的训练集只是示例性说明,本申请并不以此为限。
一些可选的实施方式中,上述步骤S202可通过但不限于如下方式实现:
将所述目标物品信息输入概率推理模型,通过所述概率推理模型根据预设概率信息以及所述目标物品信息,确定各预设出行事件的目标发生概率。
示例性的,概率推理模型中配置有预设概率信息,将目标物品信息输入概率推理模型,该概率推理模型根据预设概率信息以及所述目标物品信息,确定各预设出行事件的目标发生概率。
一些可选的实施方式中,上述概率推理模型包括贝叶斯网络。
示例性的,贝叶斯网络设置有父节点以及子节点,将预设出行事件作为父节点,将物品信息作为子节点。可根据实际应用场景确定父节点的数量(需要设置多少个预设出行事件),以及子节点的数量(涉及多少种物品);
参阅图4所示,贝叶斯网络对应的预设出行事件的数量为M,对应的物品的数量为N;通过贝叶斯网络能够对M个预设出行事件进行推理,即对于输入的每个X光图像都能够获取M个预设出行事件的目标发生概率。
需要说明的是,贝叶斯网络对应的预设出行事件的数量为M可以是一个或多个,对应于每个概率推理模型,其预设出行事件的设置个数M也为一个或多个。
一些可选的实施方式中,在贝叶斯网络中,所述预设概率信息包括在任一预设出行事件发生时各预设物品单独存在的第一概率,以及各预设出行事件的预设发生概率;
对应的,在贝叶斯网络中,根据预设概率信息以及所述目标物品信息,确定各预设出行事件的目标发生概率,可通过如下方式实现:
针对任一预设出行事件,将在所述预设出行事件发生时各目标物品单独存在的第一概率进行连乘,得到在所述预设出行事件发生时所有目标物品组合存在的第二概率;
将所述第二概率与所述预设出行事件的预设发生概率相乘,得到概率乘积;
将所述概率乘积与所有目标物品组合存在的第三概率之间的比值,确定为所述预设出行事件的目标发生概率。
示例性的,上述待测包裹中有n个目标物品,记作物品1、物品2、……、物品n(这n个物品是上述N个物品中的一部分);
针对第x个预设出行事件TPx,第二概率其中,P(Oi|TPx)为预设出行事件TPx发生时物品i单独存在的第一概率;
概率乘积P乘积=P(O组合n|TPx)*P(TPx);其中,P(TPx)为预设出行事件TPx的预设发生概率;
预设出行事件TPx的目标发生概率P(TPx|O组合n)=P乘积/P(O组合n);P(O组合n)为所有目标物品组合存在的第三概率;
即P(TPx|O组合n)=[P(O组合n|TPx)*P(TPx)]/P(O组合n)—记作公式1。
上述预设发生概率可根据实际应用场景进行设置,例如,预设出行事件为上班,那么通过询问的方式统计上班的乘客的比例,得到上班这一预设出行事件的预设发生概率;或者,该发生预设出行事件与不发生该预设出行事件的比例相近时,可将发生预设出行事件与不发生该预设出行事件的预设发生概率均设置为0.5,此处不再一一举例说明。
上述所有目标物品组合存在的第三概率可通过如下方式确定:
P(~TPx|O组合n)=[P(O组合n|~TPx)*P(~TPx)]/P(O组合n)—记作公式2;
其中,P(~TPx|O组合n)为非预设出行事件TPx的目标发生概率,P(O组合n|~TPx)为在非预设出行事件发生时所有目标物品组合存在的第二概率,P(~TPx)为非预设出行事件TPx的预设发生概率,P(O组合n)为上述所有目标物品组合存在的第三概率;
由于P(~TPx)与P(TPx)之和为1,P(TPx|O组合n)与P(~TPx|O组合n)之和为1,因此,基于公式1与公式2可得到上述所有目标物品组合存在的第三概率以及预设出行事件的目标发生概率。
可以理解,在实际应用中,待测包裹所包含的物品不同,物品组合也是不同的。
一些可选的实施方式中,上述步骤S203可通过但不限于如下方式实现:
方式1:将目标发生概率的最大值对应的预设出行事件,确定为所述待测包裹对应的目标出行事件。
还是以上述M个预设出行事件为例,通过上述方式确定出每个预设出行事件的目标发生概率;从中选择最大的目标发生概率所对应的预设出行事件,作为待测包裹对应的目标出行事件。
方式2:将目标发生概率大于发生概率阈值的预设出行事件,确定为候选出行事件;
若有多个候选出行事件,则将权重最高的候选出行事件,确定为所述待测包裹对应的目标出行事件;若有一个候选出行事件,则将所述候选出行事件,确定为所述待测包裹对应的目标出行事件。
本实施例,各预设出行事件对应有权重值,危险程度较高的出行事件所对应的权重值较高。
还是以上述M个预设出行事件为例,通过上述方式确定出每个预设出行事件的目标发生概率;从中选择大于发生概率阈值的目标发生概率所对应的预设出行事件,作为待测包裹对应的候选出行事件(即这些出行事件发生的概率都比较大);进而将权重最高的候选出行事件,确定为待测包裹对应的目标出行事件,这样能够均衡发生概率以及事件的重要性,更有针对性地选择出目标出行事件,从而有效地防范危险程度较高的出行事件。
图5为本申请实施例提供的一种安检方法的流程示意图,如图5所示,包括以下步骤:
步骤S501:确定待测包裹对应的目标物品信息中是否有表征违禁物品的信息。
在实际安检过程中,会通过智能判图端或者人工判图端确定上述目标物品中是否有违禁物品,即目标物品信息中是否有表征违禁物品的信息;从而确定待测包裹是否通过安检。
在一些场景中,有些违禁物品是事件发生所需的物品,这些违禁物品在对应事件中危害程度很低,如果只要确定目标物品信息中有表征违禁物品的信息就判定乘客没有安检会影响乘客正常出行。
基于此,本实施例在确定目标物品信息中有表征违禁物品的信息时,执行步骤S502,根据表征违禁物品的信息以及待测包裹对应的目标出行事件(即结合实际出行场景),确定待测包裹是否通过安检;反之,如果在确定目标物品信息中没有表征违禁物品的信息时,执行步骤S503,即确定待测包裹通过安检。
步骤S502:若所述目标物品信息中有表征违禁物品的信息,则根据所述表征违禁物品的信息以及所述待测包裹对应的目标出行事件,判定所述待测包裹是否通过安检。
目标出行事件的确定方式可参照上述实施例,此处不再赘述。
步骤S503:若所述目标物品信息中没有表征违禁物品的信息,则判定所述待测包裹通过安检。
上述方案,由于出行事件综合了上述待测包裹中的几种目标物品的组合影响,反映出相关用户对应的出行场景,而物品在不同出行事件中危害程度是不同的,在目标物品信息中有表征违禁物品的信息时,通过考虑待测包裹中的几种目标物品的组合影响,更加合理地确定待测包裹是否通过安检。
一些可选的实施方式中,上述步骤S502可通过但不限于如下方式实现:
若所述目标出行事件表征安全出行,且所述表征违禁物品的信息在所述目标出行事件对应的物品集合中,则判定所述待测包裹通过安检;否则,判定所述待测包裹没有通过安检;
其中,所述物品集合包括在所述目标出行事件发生时所需物品的物品信息。
示例性的,表征安全出行的出行事件是指安全隐患较低,不妨害他人或社会的出行事件,如上班、户外运动、工程维修、就医、上学、音乐课、远程出行、出差或旅游等事件;对应的,表征非安全出行的出行事件是可疑出行等安全隐患较高的出行事件。
参阅图6所示,预设出行事件与所需物品之间存在对应关系(该对应关系可参考贝叶斯网络中父节点与子节点之间的关联关系);
如果事件本身表征安全出行,并且事件发生所需的违禁物品在该事件下出现,那么该违禁品在该场景下危害程度很低,允许待测包裹通过安检;
如果事件本身表征非安全出行,该事件出现就存在较大隐患,不允许待测包裹通过安检;
如果违禁物品不是事件发生所需的物品,说明在该事件下出现危害程度较大,不允许待测包裹通过安检,从而满足不同场景的需求。
上述图6以上班、户外运动、工程维修以及可疑出行四个预设出行事件为例,实际应用中还可出现就医、上学、音乐课、远程出行、出差或旅游等预设出行事件,此处不再一一举例。
图7为本申请实施例提供的一种事件管理方法的流程示意图,如图7所示,包括以下步骤:
步骤S701:根据预设时段内待测区域的所有待测包裹对应的目标出行事件序列,确定所述目标出行事件序列中各目标出行事件的发生次数。
各待测包裹对应的目标出行事件的确定方式可参照上述实施例,此处不再赘述。
实施中,一个区域在短时间内出现大量相同事件时,可能存在风险,基于此,本实施例需要根据目标出行事件序列(预设时段内待测区域的所有待测包裹对应的目标出行事件组合得到的序列),统计各目标出行事件的发生次数。
步骤S702:针对任一目标出行事件,若所述目标出行事件的发生次数超过所述目标出行事件对应的预设次数,则通过预设通知方式将事件消息进行通知。
其中,所述事件消息包括所述目标出行事件以及表征所述待测区域的信息。
示例性的,如果某个目标出行事件的发生次数超过该目标出行事件对应的预设次数,说明上述待测区域在短时间内出现大量相同事件时,可能存在风险;进而通过预设通知方式将目标出行事件以及表征该待测区域的信息进行通知,以便相关人员及时获知可能存在风险的事件以及发生的区域,进而采取相应的管控措施。
例如:在轨道交通安检安防领域,公共安全十分重要,可疑出行这一事件的发生次数超过对应的预设次数时,通知相关人员,以便及时增大安防力度;如果就医这一事件的发生次数超过对应的预设次数时,推断对应区域处为患者较为集中的区域,通知相关人员,可以针对性地增设公共基础设施,以提高便民性。
实施中,针对不同区域、不同目标出行事件,可设置不同的预设次数。
上述方案,由于出行事件综合了上述待测包裹中的几种目标物品的组合影响,反映出相关用户对应的出行场景,通过确定在预设时段内某个待测区域中各待测包裹对应的目标出行事件,进而确定每个目标出行事件的发生次数,当目标出行事件的发生次数超过该目标出行事件对应的预设次数,说明该目标出行事件出现较为频繁,通过预设通知方式将事件消息进行通知,便于相关人员获知目标出行事件异常,及时进行相应管控。
基于相同的发明构思,本申请实施例提供一种基于包裹采集图像的出行事件确定装置,参阅图8所示,出行事件确定装置800包括:
物品确定模块801,用于根据包含待测包裹的采集图像,确定所述待测包裹对应的目标物品信息;其中,所述目标物品信息表征所述待测包裹中的目标物品;
概率确定模块802,用于根据所述目标物品信息,确定在所述目标物品组合存在时各预设出行事件的目标发生概率;
事件确定模块803,用于根据各预设出行事件的目标发生概率,从所有预设出行事件中选择所述待测包裹对应的目标出行事件。
一些可选的实施方式中,所述概率确定模块802,具体用于:
将所述目标物品信息输入概率推理模型,通过所述概率推理模型根据预设概率信息以及所述目标物品信息,确定各预设出行事件的目标发生概率。
一些可选的实施方式中,所述预设概率信息包括在任一预设出行事件发生时各预设物品单独存在的第一概率,以及各预设出行事件的预设发生概率;所述概率确定模块802,具体用于:
针对任一预设出行事件,将在所述预设出行事件发生时各目标物品单独存在的第一概率进行连乘,得到在所述预设出行事件发生时所有目标物品组合存在的第二概率;
将所述第二概率与所述预设出行事件的预设发生概率相乘,得到概率乘积;
将所述概率乘积与所有目标物品组合存在的第三概率之间的比值,确定为所述预设出行事件的目标发生概率。
一些可选的实施方式中,所述概率推理模型包括贝叶斯网络。
一些可选的实施方式中,所述事件确定模块803,具体用于:
将目标发生概率的最大值对应的预设出行事件,确定为所述待测包裹对应的目标出行事件。
一些可选的实施方式中,所述事件确定模块803,具体用于:
将目标发生概率大于发生概率阈值的预设出行事件,确定为候选出行事件;
若有多个候选出行事件,则将权重最高的候选出行事件,确定为所述待测包裹对应的目标出行事件;若有一个候选出行事件,则将所述候选出行事件,确定为所述待测包裹对应的目标出行事件。
一些可选的实施方式中,所述物品确定模块801,具体用于:
将所述采集图像输入物体识别模型,通过所述物体识别模型对所述采集图像进行物体识别,确定识别物体的物体信息以及所述识别物体对应的置信度;
若所述识别物体对应的置信度大于预设置信度,则将所述识别物体的物体信息确定为所述目标物品信息;否则将所述识别物体的物体信息确定为背景信息。
由于该出行事件确定装置即是本申请实施例中的出行事件方法对应的装置,并且该装置解决问题的原理与该方法相似,因此该装置的实施可以参见方法的实施,重复之处不再赘述。
基于相同的发明构思,本申请实施例提供一种安检装置,参阅图9所示,安检装置900包括:
违禁品确定模块901,用于确定待测包裹对应的目标物品信息中是否有表征违禁物品的信息;
安检处理模块902,用于若所述目标物品信息中有表征违禁物品的信息,则根据所述表征违禁物品的信息以及所述待测包裹对应的目标出行事件,确定所述待测包裹是否通过安检;其中,所述目标出行事件是基于上述实施例确定的;
若所述目标物品信息中没有表征违禁物品的信息,则确定所述待测包裹通过安检。
一些可选的实施方式中,所述安检处理模块902,具体用于:
若所述目标出行事件表征安全出行,且所述表征违禁物品的信息在所述目标出行事件对应的物品集合中,则判定所述待测包裹通过安检;否则,判定所述待测包裹没有通过安检;
其中,所述物品集合包括在所述目标出行事件发生时所需物品的物品信息。
由于该安检装置即是本申请实施例中的安检方法对应的装置,并且该装置解决问题的原理与该方法相似,因此该装置的实施可以参见方法的实施,重复之处不再赘述。
基于相同的发明构思,本申请实施例提供一种事件管理装置,参阅图10所示,事件管理装置1000包括:
事件次数确定模块1001,用于根据预设时段内待测区域的所有待测包裹对应的目标出行事件序列,确定所述目标出行事件序列中各目标出行事件的发生次数;其中,各待测包裹对应的目标出行事件是基于上述实施例确定的;
通知模块1002,用于针对任一目标出行事件,若所述目标出行事件的发生次数超过所述目标出行事件对应的预设次数,则通过预设通知方式将事件消息进行通知;其中,所述事件消息包括所述目标出行事件以及表征所述待测区域的信息。
由于该安检装置即是本申请实施例中的安检方法对应的装置,并且该装置解决问题的原理与该方法相似,因此该装置的实施可以参见方法的实施,重复之处不再赘述。
基于相同的技术构思,本申请实施例还提供了一种电子设备1100,如图11所示,包括至少一个处理器1101,以及与至少一个处理器连接的存储器1102,本申请实施例中不限定处理器1101与存储器1102之间的具体连接介质,图11中处理器1101和存储器1102之间通过总线1103连接为例。总线可以分为地址总线、数据总线、控制总线等。为便于表示,图11中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
其中,处理器1101是电子设备的控制中心,可以利用各种接口和线路连接电子设备的各个部分,通过运行或执行存储在存储器1102内的指令以及调用存储在存储器1102内的数据,从而实现数据处理。可选的,处理器1101可包括一个或多个处理单元,处理器1101可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理下发指令。可以理解的是,上述调制解调处理器也可以不集成到处理器1101中。在一些实施例中,处理器1101和存储器1102可以在同一芯片上实现,在一些实施例中,它们也可以在独立的芯片上分别实现。
处理器1101可以是通用处理器,例如中央处理器(CPU)、数字信号处理器、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件,可以实现或者执行本申请实施例中公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合基于上述实施例所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
存储器1102作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。存储器1102可以包括至少一种类型的存储介质,例如可以包括闪存、硬盘、多媒体卡、卡型存储器、随机访问存储器(Random AccessMemory,RAM)、静态随机访问存储器(Static Random Access Memory,SRAM)、可编程只读存储器(Programmable Read Only Memory,PROM)、只读存储器(Read Only Memory,ROM)、带电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,EEPROM)、磁性存储器、磁盘、光盘等等。存储器1102是能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。本申请实施例中的存储器1102还可以是电路或者其它任意能够实现存储功能的装置,用于存储程序指令和/或数据。
在本申请实施例中,存储器1102存储有计算机程序,当该程序被处理器1101执行时,使得处理器1101执行:
根据包含待测包裹的采集图像,确定所述待测包裹对应的目标物品信息;其中,所述目标物品信息表征所述待测包裹中的目标物品;
根据所述目标物品信息,确定在所述目标物品组合存在时各预设出行事件的目标发生概率;
根据各预设出行事件的目标发生概率,从所有预设出行事件中选择所述待测包裹对应的目标出行事件。
一些可选的实施方式中,处理器1101具体执行:
将所述目标物品信息输入概率推理模型,通过所述概率推理模型根据预设概率信息以及所述目标物品信息,确定各预设出行事件的目标发生概率。
一些可选的实施方式中,所述预设概率信息包括在任一预设出行事件发生时各预设物品单独存在的第一概率,以及各预设出行事件的预设发生概率;处理器1101具体执行:
针对任一预设出行事件,将在所述预设出行事件发生时各目标物品单独存在的第一概率进行连乘,得到在所述预设出行事件发生时所有目标物品组合存在的第二概率;
将所述第二概率与所述预设出行事件的预设发生概率相乘,得到概率乘积;
将所述概率乘积与所有目标物品组合存在的第三概率之间的比值,确定为所述预设出行事件的目标发生概率。
一些可选的实施方式中,所述概率推理模型包括贝叶斯网络。
一些可选的实施方式中,处理器1101具体执行:
将目标发生概率的最大值对应的预设出行事件,确定为所述待测包裹对应的目标出行事件。
一些可选的实施方式中,处理器1101具体执行:
将目标发生概率大于发生概率阈值的预设出行事件,确定为候选出行事件;
若有多个候选出行事件,则将权重最高的候选出行事件,确定为所述待测包裹对应的目标出行事件;若有一个候选出行事件,则将所述候选出行事件,确定为所述待测包裹对应的目标出行事件。
一些可选的实施方式中,处理器1101具体执行:
将所述采集图像输入物体识别模型,通过所述物体识别模型对所述采集图像进行物体识别,确定识别物体的物体信息以及所述识别物体对应的置信度;
若所述识别物体对应的置信度大于预设置信度,则将所述识别物体的物体信息确定为所述目标物品信息;否则将所述识别物体的物体信息确定为背景信息。
一些可选的实施方式中,处理器1101执行:
确定待测包裹对应的目标物品信息中是否有表征违禁物品的信息;
若所述目标物品信息中有表征违禁物品的信息,则根据所述表征违禁物品的信息以及所述待测包裹对应的目标出行事件,确定所述待测包裹是否通过安检;
若所述目标物品信息中没有表征违禁物品的信息,则确定所述待测包裹通过安检。
一些可选的实施方式中,处理器1101具体执行:
若所述目标出行事件表征安全出行,且所述表征违禁物品的信息在所述目标出行事件对应的物品集合中,则判定所述待测包裹通过安检;否则,判定所述待测包裹没有通过安检;
其中,所述物品集合包括在所述目标出行事件发生时所需物品的物品信息。
一些可选的实施方式中,处理器1101执行:
根据预设时段内待测区域的所有待测包裹对应的目标出行事件序列,确定所述目标出行事件序列中各目标出行事件的发生次数;
针对任一目标出行事件,若所述目标出行事件的发生次数超过所述目标出行事件对应的预设次数,则通过预设通知方式将事件消息进行通知;其中,所述事件消息包括所述目标出行事件以及表征所述待测区域的信息。
由于该电子设备即是本申请实施例中的方法中的电子设备,并且该电子设备解决问题的原理与该方法相似,因此该电子设备的实施可以参见方法的实施,重复之处不再赘述。
基于相同的技术构思,本申请实施例还提供了一种计算机可读存储介质,其存储有可由电子设备执行的计算机程序,当所述程序在所述电子设备上运行时,使得所述电子设备执行上述基于包裹采集图像的出行事件确定方法、安检方法、或者事件管理方法的步骤。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (8)
1.一种出行事件确定方法,其特征在于,包括:
根据包含待测包裹的采集图像,确定所述待测包裹对应的目标物品信息;其中,所述目标物品信息表征所述待测包裹中的目标物品;
根据所述目标物品信息,确定在所述目标物品组合存在时各预设出行事件的目标发生概率;
根据各预设出行事件的目标发生概率,从所有预设出行事件中选择所述待测包裹对应的目标出行事件;
根据所述目标物品信息,确定在所述目标物品组合存在时各预设出行事件的目标发生概率,包括:
将所述目标物品信息输入概率推理模型,通过所述概率推理模型根据预设概率信息以及所述目标物品信息,确定各预设出行事件的目标发生概率;
所述预设概率信息包括在任一预设出行事件发生时各预设物品单独存在的第一概率,以及各预设出行事件的预设发生概率;根据预设概率信息以及所述目标物品信息,确定各预设出行事件的目标发生概率,包括:
针对任一预设出行事件,将在所述预设出行事件发生时各目标物品单独存在的第一概率进行连乘,得到在所述预设出行事件发生时所有目标物品组合存在的第二概率;
将所述第二概率与所述预设出行事件的预设发生概率相乘,得到概率乘积;
将所述概率乘积与所有目标物品组合存在的第三概率之间的比值,确定为所述预设出行事件的目标发生概率。
2.根据权利要求1所述的方法,其特征在于,所述概率推理模型包括贝叶斯网络。
3.根据权利要求1或2所述的方法,其特征在于,根据各预设出行事件的目标发生概率,从所有预设出行事件中选择所述待测包裹对应的目标出行事件,包括:
将目标发生概率的最大值对应的预设出行事件,确定为所述待测包裹对应的目标出行事件。
4.根据权利要求1或2所述的方法,其特征在于,根据各预设出行事件的目标发生概率,从所有预设出行事件中选择所述待测包裹对应的目标出行事件,包括:
将目标发生概率大于发生概率阈值的预设出行事件,确定为候选出行事件;
若有多个候选出行事件,则将权重最高的候选出行事件,确定为所述待测包裹对应的目标出行事件;若有一个候选出行事件,则将所述候选出行事件,确定为所述待测包裹对应的目标出行事件。
5.根据权利要求1或2所述的方法,其特征在于,根据包含待测包裹的采集图像,确定所述待测包裹对应的目标物品信息,包括:
将所述采集图像输入物体识别模型,通过所述物体识别模型对所述采集图像进行物体识别,确定识别物体的物体信息以及所述识别物体对应的置信度;
若所述识别物体对应的置信度大于预设置信度,则将所述识别物体的物体信息确定为所述目标物品信息;否则将所述识别物体的物体信息确定为背景信息。
6.一种安检方法,其特征在于,包括:
确定待测包裹对应的目标物品信息中是否有表征违禁物品的信息;
若所述目标物品信息中有表征违禁物品的信息,则根据所述表征违禁物品的信息以及所述待测包裹对应的目标出行事件,判定所述待测包裹是否通过安检;其中,所述目标出行事件是基于权利要求1至5任一项所述的方法确定的;
若所述目标物品信息中没有表征违禁物品的信息,则判定所述待测包裹通过安检。
7.根据权利要求6所述的方法,其特征在于,根据所述表征违禁物品的信息以及所述待测包裹对应的目标出行事件,判定所述待测包裹是否通过安检,包括:
若所述目标出行事件表征安全出行,且所述表征违禁物品的信息在所述目标出行事件对应的物品集合中,则判定所述待测包裹通过安检;否则,判定所述待测包裹没有通过安检;
其中,所述物品集合包括在所述目标出行事件发生时所需物品的物品信息。
8.一种事件管理方法,其特征在于,包括:
根据预设时段内待测区域的所有待测包裹对应的目标出行事件序列,确定所述目标出行事件序列中各目标出行事件的发生次数;其中,各待测包裹对应的目标出行事件是基于权利要求1至5任一项所述的方法确定的;
针对任一目标出行事件,若所述目标出行事件的发生次数超过所述目标出行事件对应的预设次数,则通过预设通知方式将事件消息进行通知;其中,所述事件消息包括所述目标出行事件以及表征所述待测区域的信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211384507.2A CN115797857B (zh) | 2022-11-07 | 2022-11-07 | 一种出行事件确定方法、安检方法以及事件管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211384507.2A CN115797857B (zh) | 2022-11-07 | 2022-11-07 | 一种出行事件确定方法、安检方法以及事件管理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115797857A CN115797857A (zh) | 2023-03-14 |
CN115797857B true CN115797857B (zh) | 2023-08-01 |
Family
ID=85435835
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211384507.2A Active CN115797857B (zh) | 2022-11-07 | 2022-11-07 | 一种出行事件确定方法、安检方法以及事件管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115797857B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107992530A (zh) * | 2017-11-14 | 2018-05-04 | 北京三快在线科技有限公司 | 信息推荐方法及电子设备 |
WO2021073370A1 (zh) * | 2019-10-16 | 2021-04-22 | 北京海益同展信息科技有限公司 | 物品检测方法、装置、系统和计算机可读存储介质 |
WO2022105243A1 (zh) * | 2020-11-23 | 2022-05-27 | 北京旷视科技有限公司 | 事件检测方法、装置、电子设备及存储介质 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107273992A (zh) * | 2017-06-20 | 2017-10-20 | 三星电子(中国)研发中心 | 一种规划出行行程的方法和设备 |
CN109214274B (zh) * | 2018-07-19 | 2020-12-29 | 国政通科技有限公司 | 一种机场安保管理系统 |
CN109359755A (zh) * | 2018-09-29 | 2019-02-19 | 百度在线网络技术(北京)有限公司 | 事件监测方法、装置、设备和存储介质 |
CN113194109A (zh) * | 2020-01-14 | 2021-07-30 | 百度在线网络技术(北京)有限公司 | 用于推送信息的方法和装置 |
CN112270671B (zh) * | 2020-11-10 | 2023-06-02 | 杭州海康威视数字技术股份有限公司 | 图像检测方法、装置、电子设备及存储介质 |
CN112818844A (zh) * | 2021-01-29 | 2021-05-18 | 成都商汤科技有限公司 | 安检异常事件检测方法及装置、电子设备和存储介质 |
CN114913480A (zh) * | 2022-05-31 | 2022-08-16 | 杭州睿影科技有限公司 | 一种包裹检测方法、装置、系统、控制器及存储介质 |
-
2022
- 2022-11-07 CN CN202211384507.2A patent/CN115797857B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107992530A (zh) * | 2017-11-14 | 2018-05-04 | 北京三快在线科技有限公司 | 信息推荐方法及电子设备 |
WO2021073370A1 (zh) * | 2019-10-16 | 2021-04-22 | 北京海益同展信息科技有限公司 | 物品检测方法、装置、系统和计算机可读存储介质 |
WO2022105243A1 (zh) * | 2020-11-23 | 2022-05-27 | 北京旷视科技有限公司 | 事件检测方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115797857A (zh) | 2023-03-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10354406B2 (en) | Method of detecting objects within a 3D environment | |
CN111967387B (zh) | 表单识别方法、装置、设备及计算机可读存储介质 | |
US8938357B2 (en) | Characteristic point detection system, characteristic point detection method, and program | |
CN108960266A (zh) | 图像目标检测方法及装置 | |
US20110179027A1 (en) | Automatic linking of points of interest for indoor location based searching | |
US20030046297A1 (en) | System and method for a partially self-training learning system | |
CN106296195A (zh) | 一种风险识别方法及装置 | |
CN111177507B (zh) | 多标记业务处理的方法及装置 | |
CN101496035A (zh) | 模式分类方法 | |
CN105938480A (zh) | 一种基于dtbf的rfid冗余数据清洗方法及系统 | |
US20170178029A1 (en) | Learning device, learning method, and non-transitory computer readable storage medium | |
Ragini et al. | An empirical analysis and classification of crisis related tweets | |
Li et al. | New automatic incident detection algorithm based on traffic data collected for journey time estimation | |
US8301584B2 (en) | System and method for adaptive pruning | |
CN115797857B (zh) | 一种出行事件确定方法、安检方法以及事件管理方法 | |
CN107170012A (zh) | 一种基于语境信息进行视点估计的方法 | |
US10726349B2 (en) | Calculating posterior probability of classes | |
US9053579B2 (en) | Selective learning for growing a graph lattice | |
Schwalb | Analysis of hazards for autonomous driving | |
CN111695820A (zh) | 工程车辆电子联单管理方法、装置、终端及存储介质 | |
Handaga et al. | Similarity approach on fuzzy soft set based numerical data classification | |
WO2016006021A1 (ja) | データ分析装置、データ分析装置の制御方法、およびデータ分析装置の制御プログラム | |
CN110188519A (zh) | 一种异常滑动轨迹的检测方法、装置及电子设备 | |
CN113592031B (zh) | 一种图像分类系统、违章工具识别方法及装置 | |
Zamfirescu-Pereira et al. | Trucks Don’t Mean Trump: Diagnosing Human Error in Image Analysis |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |