[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN112036488A - 基于图像识别的事件识别方法、装置、设备及存储介质 - Google Patents

基于图像识别的事件识别方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN112036488A
CN112036488A CN202010901628.4A CN202010901628A CN112036488A CN 112036488 A CN112036488 A CN 112036488A CN 202010901628 A CN202010901628 A CN 202010901628A CN 112036488 A CN112036488 A CN 112036488A
Authority
CN
China
Prior art keywords
event
image
weather
recognition
tag
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
CN202010901628.4A
Other languages
English (en)
Inventor
林峰
尹钏
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.)
Ping An Property and Casualty Insurance Company of China Ltd
Original Assignee
Ping An Property and Casualty Insurance Company of China 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 Ping An Property and Casualty Insurance Company of China Ltd filed Critical Ping An Property and Casualty Insurance Company of China Ltd
Priority to CN202010901628.4A priority Critical patent/CN112036488A/zh
Publication of CN112036488A publication Critical patent/CN112036488A/zh
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
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
    • 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
    • G06F18/24323—Tree-organised classifiers

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Image Analysis (AREA)

Abstract

本申请涉及人工智能领域，具体使用了图像识别技术，并公开了一种基于图像识别的事件识别方法、装置、计算机设备及存储介质，所述方法包括：获取用户上传的待识别事件的事件图像，所述事件图像包括拍摄时间和拍摄地点；基于所述拍摄时间和拍摄地点获取所述拍摄地点的实时天气；对所述事件图像进行图像识别，以得到所述事件图像中的图像天气；根据所述实时天气和所述图像天气确定所述待识别事件是否为标签事件；若所述待识别事件为标签事件，则确定所述标签事件与历史异常事件的相似度；若所述标签事件与历史异常事件的相似度超过预设值，则确定所述标签事件为异常事件。从而利用图像识别提高事件的识别准确率。

Description

基于图像识别的事件识别方法、装置、设备及存储介质
技术领域
本申请涉及人工智能领域，尤其涉及一种基于图像识别的事件识别方法、装置、设备及存储介质。
背景技术
随着互联网技术的不断发展，为了便捷用户的生活，许多审查工作均可在线上进行处理，用户将需要进行审核的材料、表格或图像等等上传至线上，并提交给审核人员，由审核人员对用户上传的材料、表格或图像进行审查，判断用户上传的材料、表格或图像是否合格，以及是否存在异常。
但审核人员在根据用户上传的图像进行审查时，大多是通过肉眼对图像进行观察，但由于人工通过图像信息获取到的信息量较为有限，对于异常事件的识别准确率和效率较低，可能将一些异常事件错认为正常事件从而给公司带来损失。
因此，如何利用图像识别提高事件的识别准确率成为亟待解决的问题。
发明内容
本申请提供了一种基于图像识别的事件识别方法、装置、设备及存储介质，以利用图像识别提高事件的识别准确率。
第一方面，本申请提供了一种基于图像识别的事件识别方法，所述方法包括：
获取用户上传的待识别事件的事件图像，所述事件图像包括拍摄时间和拍摄地点；基于所述拍摄时间和拍摄地点获取所述拍摄地点的实时天气；对所述事件图像进行图像识别，以得到所述事件图像中的图像天气；根据所述实时天气和所述图像天气确定所述待识别事件是否为标签事件；若所述待识别事件为标签事件，则确定所述标签事件与历史异常事件的相似度；若所述标签事件与历史异常事件的相似度超过预设值，则确定所述标签事件为异常事件。
第二方面，本申请还提供了一种基于图像识别的事件识别装置，所述装置包括：
图像获取模块，用于获取用户上传的待识别事件的事件图像，所述事件图像包括拍摄时间和拍摄地点；实时天气模块，用于基于所述拍摄时间和拍摄地点获取所述拍摄地点的实时天气；图像天气模块，用于对所述事件图像进行图像识别，以得到所述事件图像中的图像天气；事件确定模块，用于根据所述实时天气和所述图像天气确定所述待识别事件是否为标签事件；相似度确定模块，用于若所述待识别事件为标签事件，则确定所述标签事件与历史异常事件的相似度；异常确定模块，用于若所述标签事件与历史异常事件的相似度超过预设值，则确定所述标签事件为异常事件。
第三方面，本申请还提供了一种计算机设备，所述计算机设备包括存储器和处理器；所述存储器用于存储计算机程序；所述处理器，用于执行所述计算机程序并在执行所述计算机程序时实现如上述的基于图像识别的事件识别方法。
第四方面，本申请还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现如上述的基于图像识别的事件识别方法。
本申请公开了一种基于图像识别的事件识别方法、装置、设备及存储介质，通过获取用户上传的待识别事件的事件图像，并对事件图像进行识别，从而得到事件图像中的图像天气，并根据事件图像中包括的拍摄时间和拍摄地点获取拍摄地点的实时天气，也即待识别事件的实时天气。然后根据实时天气和图像天气确定待识别事件是否为标签事件，若待识别事件为标签事件，则确定标签事件与历史异常事件之间的相似度，当标签事件与历史异常事件之间的相似度超过预设值时，确定标签事件为异常事件，完成对待识别事件的异常识别。利用实时天气和图像天气判断待识别事件是否为标签事件，并且在确定标签事件后，对标签事件进行二次校验，进一步提高对于事件识别的准确度。
附图说明
为了更清楚地说明本申请实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，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是本申请实施例提供的一种基于图像识别的事件识别方法的示意流程图；
图2是本申请实施例提供的基于图像识别得到事件图像中的图像天气的示意流程图；
图3是本申请实施例提供的判断标签事件与历史异常事件的相似度的示意流程图；
图4是本申请的实施例还提供一种基于图像识别的事件识别装置的示意性框图；
图5是本申请实施例提供的一种计算机设备的结构示意性框图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，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他实施例，都属于本申请保护的范围。
附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。
应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
本申请的实施例提供了一种基于图像识别的事件识别方法、装置、计算机设备及存储介质。基于图像识别的事件识别方法可用于在审查过程中，基于用户上传的图片资料对异常事件进行识别，从而提高异常事件识别的准确率。
下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
请参阅图1，图1是本申请实施例提供的一种基于图像识别的事件识别方法的示意流程图。该基于图像识别的事件识别方法通过使用人工智能和图像识别，实现异常事件的识别，提高事件识别准确率。
如图1所示，该基于图像识别的事件识别方法，具体包括：步骤S101至步骤S106。
S101、获取用户上传的待识别事件的事件图像，所述事件图像包括拍摄时间和拍摄地点。
其中，事件图像可以是指照片，所述事件图像包括照片的拍摄时间和拍摄地点。用户将拍摄到的待识别事件的事件图像上传至线上，以便基于人工智能对待识别事件的事件图像进行图像识别，以对待识别事件进行异常识别。
在具体实施过程中，用户可以通过APP上传待识别事件的事件图像。在用户上传事件图像时，APP会自动获取用户当前所在地的GPS定位信息，可以将该GPS定位信息作为拍摄地点的GPS信息。
也可以在获取到用户当前所在地的GPS定位信息后，向用户发送提醒，提醒用户确认该GPS定位信息是否为拍摄地点。
还可以由用户选择拍摄地点，并获取用户选择的拍摄地点的GPS信息。
而拍摄时间则可以通过读取事件图像的EXIF信息得到。
S102、基于所述拍摄时间和拍摄地点获取所述拍摄地点的实时天气。
在获取实时天气时，可以与官方天气网站进行联网，从而调取拍摄地点的天气信息，并根据拍摄时间获取用户在拍摄事件图像时的天气信息，将获得的天气信息作为拍摄地点的实时天气，也即待识别事件发生时的实时天气。
S103、对所述事件图像进行图像识别，以得到所述事件图像中的图像天气。
其中，通过对事件图像进行图像识别，得到事件图像中的图像天气，也即待识别事件的图像天气，以便于根据待识别事件的图像天气和待识别事件的实时天气对待识别事件进行异常事件的识别。
在一些实施例中，请参阅图2，为基于图像识别得到事件图像中的图像天气的示意流程图。所述对所述事件图像进行图像识别，以得到所述事件图像中的图像天气，包括步骤S1031和步骤S1032。
S1031、利用云层识别算法对所述事件图像进行云层识别，得到图像云状。
云层识别算法可以是采用密集连接卷积网络为基础训练得到的，例如DenseNet。将事件图像作为云层识别算法的输入，利用云层识别算法识别出事件图像中的图像云状，其中，图像云状包括云层颜色和云层占比。
S1032、根据所述图像云状确定所述事件图像中的云层类型，以根据所述云层类型确定图像天气。
在得到图像云状后，再对事件图像进行模式识别，从而识别出该事件图像中的云层类型，根据识别出的云层类型来确定该事件图像属于哪一个天气大类，最终确定待识别事件的图像天气。其中，天气大类可以包括：雨，雾霾，结冰，降雪，多云，晴天。
在不同的天气状况下，天空中的云层类型有所不同，云层类型可以包括卷积云、积云、卷层云、高层云、雨云等等多种类型。通过对事件图像中的图像云状进行模式识别，从而确定图像云状对应的云层类型，最终根据云层类型来确定待识别事件的图像天气，例如当识别出天空中的云层类型为雨云时，则可以确定待识别事件的图像天气为雨。
在一些实施例中，对所述事件图像进行图像识别，以得到所述事件图像中的图像天气，包括：根据预先训练的天气识别模型对所述事件图像进行天气识别，以确定所述事件图像中的图像天气。
其中，预先训练的天气识别模型可以是基于决策树的支持向量机方法进行学习和分类，从而得到能够对多个类别的天气现象进行分类的天气识别模型。将事件图像作为预先训练的天气识别模型的输入，从而得到事件图像中的图像天气，也即待识别事件的图像天气。
在一些实施例中，在对所述事件图像进行图像识别之前，所述基于图像识别的事件识别方法包括：对所述事件图像进行预处理，得到预处理后的事件图像。
其中，所述预处理包括灰度处理和二值化中的至少一种，以提高对事件图像的处理速度。
在一些实施例中，预处理还可以包括特征提取，得到图像特征，由预先训练的天气识别模型根据提取到的图像特征识别事件图像中的图像天气。其中，图像特征可以包括功率谱斜率特征、对比度特征、噪声特征和饱和度特征等。
S104、根据所述实时天气和所述图像天气确定所述待识别事件是否为标签事件。
其中，标签事件是指具有较高概率为异常事件的待识别事件。在确定待识别事件是否为标签事件时，可以通过判断实时天气和图像天气是否相同或相似来确定待识别事件是否为标签事件。
在一些实施例中，所述根据所述实时天气和所述图像天气确定所述待识别事件是否为标签事件，包括：将所述实时天气与所述图像天气进行对比，以确定所述实时天气与所述图像天气是否相同或相似；当所述实时天气与所述图像天气不相同且也不相似时，确定所述待识别事件为标签事件。
其中，实时天气与图像天气相同是指实时天气与图像天气完全相同，例如实时天气为晴，图像天气也为晴。实时天气与图像天气相似是指实时天气与图像天气同属于同一天气大类，例如实时天气为大雨，图像天气为小雨。
若实时天气和图像天气相同或相似，则认为待识别事件不是标签事件，若实时天气和图像天气不相同也不相似，则认为待识别事件为标签事件。
例如，当实时天气为阵雨，图像天气为小雨时，此时可认为实时天气与图像天气相似，则可以认为待识别事件不是标签事件。
若实时天气为晴天，而图像天气为降雨时，此时可认为实时天气与图像天气不相同也不相似，则可以认为待识别事件是标签事件。
S105、若所述待识别事件为标签事件，则确定所述标签事件与历史异常事件的相似度。
在确定待识别事件为标签事件后，即可确定标签事件与历史异常事件之间的相似度。其中，历史异常事件是指过往被判断出存在异常的事件。标签事件与历史异常事件之间的相似度越大，则标签事件为异常事件的概率也越高。
在一些实施例中，请参阅图3，为判断标签事件与历史异常事件的相似度的示意流程图，判断所述标签事件与历史异常事件的相似度包括步骤S1051至步骤S1053：
S1051、获取所述标签事件的事件信息，并根据所述标签事件的事件信息构建所述标签事件的事件画像；
S1052、获取所述历史异常事件的事件信息，并根据所述历史异常事件的事件信息构建所述历史异常事件的事件画像；
S1053、将所述标签事件的事件画像与所述历史异常事件的事件画像进行对比，以得到所述标签事件与历史异常事件的相似度。
以保险理赔为例，标签事件的事件信息可以包括保单基本信息和出险基本信息，例如，保单基本信息可以包括车型、车价、车龄、品牌、地区，出险基本信息可以包括事故类型、处理时长、出险地点、经手人数量等。
获取标签事件的事件信息，然后根据标签事件的事件信息构建标签事件的事件画像，以便于根据该事件画像对标签事件进行异常识别。
同样的，获取历史异常事件的事件信息，并根据历史异常事件的事件信息构建历史异常事件的事件画像，以便于根据该历史异常事件的事件画像与标签事件的事件画像进行相似度对比。
在进行对比时，分别将标签事件的事件画像与历史异常事件的事件画像中每一项属性分别进行对比，并最终根据每一项属性的对比结果确定标签事件与待识别事件的相似度。例如，出险地点是否都在正常事件不会出现的地点。
在一些实施例中，根据所述标签事件的事件信息构建所述标签事件的事件画像，包括：获取所述标签事件对应用户的用户信息，并根据所述用户信息和所述事件信息构建所述标签事件的事件画像；所述根据所述历史异常事件的事件信息构建所述历史异常事件的事件画像，包括：获取所述历史异常事件对应用户的用户信息，并根据所述用户信息和所述事件信息构建所述历史异常事件的事件画像，并保存所述历史异常事件的事件画像。
在构建标签事件的事件画像时，可以获取标签事件对应的用户的用户信息，并将用户信息与事件信息共同构建事件画像，其中，用户信息包括年龄、职业、工作城市、薪资收入等等。
同样的，在构建历史异常事件的事件画像时，也可以获取历史异常事件对应的用户的用户信息，将用户信息与事件信息共同构建事件画像。
其中，在保存历史异常事件的事件画像时，可以将历史异常事件的事件画像存储于区块链中。在标签事件的事件画像以及历史异常事件的事件画像中加入对应的用户信息，提高事件画像对事件代表的准确度。
S106、若所述标签事件与历史异常事件的相似度超过预设值，则确定所述标签事件为异常事件。
若标签事件与历史异常事件的相似度大于预设值，则认为此时该标签事件有较大概率存在异常，因此将该标签事件认为是异常事件，完成异常事件的识别。以便于操作人员根据识别结果对异常事件进行人工处理，例如，联系查勘员去事故现场进行实地现场勘查。
上述实施例提供的基于图像识别的事件识别方法，通过获取用户上传的待识别事件的事件图像，并对事件图像进行识别，从而得到事件图像中的图像天气，并根据事件图像中包括的拍摄时间和拍摄地点获取拍摄地点的实时天气，也即待识别事件的实时天气。然后根据实时天气和图像天气确定待识别事件是否为标签事件，若待识别事件为标签事件，则确定标签事件与历史异常事件之间的相似度，当标签事件与历史异常事件之间的相似度超过预设值时，确定标签事件为异常事件，完成对待识别事件的异常识别。利用用户上传的图像的非焦点部分也即背景环境部分进行识别，根据图像中的背景天气部分确定待识别事件中的标签事件，完成对待识别事件的初次识别，再将标签事件与历史异常事件进行对比，以对标签事件进行二次识别，最终确定异常事件，进而提高异常事件识别的准确率。
请参阅图4，图4是本申请的实施例还提供一种基于图像识别的事件识别装置的示意性框图，该基于图像识别的事件识别装置用于执行前述的基于图像识别的事件识别方法。其中，该基于图像识别的事件识别装置可以配置于服务器或终端中。
其中，服务器可以为独立的服务器，也可以为服务器集群。该终端可以是手机、平板电脑、笔记本电脑、台式电脑、个人数字助理和穿戴式设备等电子设备。
如图4所示，基于图像识别的事件识别装置200包括：图像获取模块201、实时天气模块202、图像天气模块203、事件确定模块204、相似度确定模块205和异常确定模块206。
图像获取模块201，用于获取用户上传的待识别事件的事件图像，所述事件图像包括拍摄时间和拍摄地点。
实时天气模块202，用于基于所述拍摄时间和拍摄地点获取所述拍摄地点的实时天气。
图像天气模块203，用于对所述事件图像进行图像识别，以得到所述事件图像中的图像天气。
其中，图像天气模块203包括云层识别子模块2031和天气确定模块2032。
具体地，云层识别子模块2031，用于利用云层识别算法对所述事件图像进行云层识别，得到图像云状；天气确定子模块2032，用于根据所述图像云状确定所述事件图像中的云层类型，以根据所述云层类型确定图像天气。
事件确定模块204，用于根据所述实时天气和所述图像天气确定所述待识别事件是否为标签事件。
相似度确定模块205，用于若所述待识别事件为标签事件，则确定所述标签事件与历史异常事件的相似度。
其中，相似度确定模块205包括第一画像子模块2051、第二画像子模块2052和对比子模块2053。
具体地，第一画像子模块2051，用于获取所述标签事件的事件信息，并根据所述标签事件的事件信息构建所述标签事件的事件画像；第二画像子模块2052，用于获取所述历史异常事件的事件信息，并根据所述历史异常事件的事件信息构建所述历史异常事件的事件画像；对比子模块2053，用于将所述标签事件的事件画像与所述历史异常事件的事件画像进行对比，以得到所述标签事件与历史异常事件的相似度。
异常确定模块206，用于若所述标签事件与历史异常事件的相似度超过预设值，则确定所述标签事件为异常事件。
进一步地，所述计算机可读存储介质可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据区块链节点的使用所创建的数据等。
需要说明的是，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的基于图像识别的事件识别装置和各模块的具体工作过程，可以参考前述基于图像识别的事件识别方法实施例中的对应过程，在此不再赘述。
上述的基于图像识别的事件识别装置可以实现为一种计算机程序的形式，该计算机程序可以在如图5所示的计算机设备上运行。
请参阅图5，图5是本申请实施例提供的一种计算机设备的结构示意性框图。该计算机设备可以是服务器或终端。
参阅图5，该计算机设备包括通过系统总线连接的处理器、存储器和网络接口，其中，存储器可以包括非易失性存储介质和内存储器。
非易失性存储介质可存储操作系统和计算机程序。该计算机程序包括程序指令，该程序指令被执行时，可使得处理器执行任意一种基于图像识别的事件识别方法。
处理器用于提供计算和控制能力，支撑整个计算机设备的运行。
内存储器为非易失性存储介质中的计算机程序的运行提供环境，该计算机程序被处理器执行时，可使得处理器执行任意一种基于图像识别的事件识别方法。
该网络接口用于进行网络通信，如发送分配的任务等。本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
应当理解的是，处理器可以是中央处理单元(Central Processing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
其中，在一个实施例中，所述处理器用于运行存储在存储器中的计算机程序，以实现如下步骤：
获取用户上传的待识别事件的事件图像，所述事件图像包括拍摄时间和拍摄地点；基于所述拍摄时间和拍摄地点获取所述拍摄地点的实时天气；对所述事件图像进行图像识别，以得到所述事件图像中的图像天气；根据所述实时天气和所述图像天气确定所述待识别事件是否为标签事件；若所述待识别事件为标签事件，则确定所述标签事件与历史异常事件的相似度；若所述标签事件与历史异常事件的相似度超过预设值，则确定所述标签事件为异常事件。
在一个实施例中，所述处理器在实现所述对所述事件图像进行图像识别，以得到所述事件图像中的图像天气时，用于实现：
利用云层识别算法对所述事件图像进行云层识别，得到图像云状；根据所述图像云状确定所述事件图像中的云层类型，以根据所述云层类型确定图像天气。
在一个实施例中，所述处理器在实现所述对所述事件图像进行图像识别，以得到所述事件图像中的图像天气时，用于实现：
根据预先训练的天气识别模型对所述事件图像进行天气识别，以确定所述事件图像中的图像天气。
在一个实施例中，所述处理器在实现所述对所述事件图像进行图像识别之前，用于实现：
对所述事件图像进行预处理，得到预处理后的事件图像，所述预处理包括灰度处理和二值化中的至少一种。
在一个实施例中，所述处理器在实现所述判断所述标签事件与历史异常事件的相似度时，用于实现：
获取所述标签事件的事件信息，并根据所述标签事件的事件信息构建所述标签事件的事件画像；获取所述历史异常事件的事件信息，并根据所述历史异常事件的事件信息构建所述历史异常事件的事件画像；将所述标签事件的事件画像与所述历史异常事件的事件画像进行对比，以得到所述标签事件与历史异常事件的相似度。
在一个实施例中，所述处理器在实现所述根据所述标签事件的事件信息构建所述标签事件的事件画像时，用于实现：
获取所述标签事件对应用户的用户信息，并根据所述用户信息和所述事件信息构建所述标签事件的事件画像；所述根据所述历史异常事件的事件信息构建所述历史异常事件的事件画像，包括：获取所述历史异常事件对应用户的用户信息，并根据所述用户信息和所述事件信息构建所述历史异常事件的事件画像，并保存所述历史异常事件的事件画像。
本申请的实施例中还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序中包括程序指令，所述处理器执行所述程序指令，实现本申请实施例提供的任一项基于图像识别的事件识别方法。
其中，所述计算机可读存储介质可以是前述实施例所述的计算机设备的内部存储单元，例如所述计算机设备的硬盘或内存。所述计算机可读存储介质也可以是所述计算机设备的外部存储设备，例如所述计算机设备上配备的插接式硬盘，智能存储卡(SmartMedia Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种基于图像识别的事件识别方法，其特征在于，包括：
获取用户上传的待识别事件的事件图像，所述事件图像包括拍摄时间和拍摄地点；
基于所述拍摄时间和拍摄地点获取所述拍摄地点的实时天气；
对所述事件图像进行图像识别，以得到所述事件图像中的图像天气；
根据所述实时天气和所述图像天气确定所述待识别事件是否为标签事件；
若所述待识别事件为标签事件，则确定所述标签事件与历史异常事件的相似度；
若所述标签事件与历史异常事件的相似度超过预设值，则确定所述标签事件为异常事件。
2.根据权利要求1所述的基于图像识别的事件识别方法，其特征在于，所述对所述事件图像进行图像识别，以得到所述事件图像中的图像天气，包括：
利用云层识别算法对所述事件图像进行云层识别，得到图像云状；
根据所述图像云状确定所述事件图像中的云层类型，以根据所述云层类型确定图像天气。
3.根据权利要求1所述的基于图像的事件识别方法，其特征在于，所述对所述事件图像进行图像识别，以得到所述事件图像中的图像天气，包括：
根据预先训练的天气识别模型对所述事件图像进行天气识别，以确定所述事件图像中的图像天气。
4.根据权利要求1所述的基于图像识别的事件识别方法，其特征在于，在所述对所述事件图像进行图像识别之前，包括：
对所述事件图像进行预处理，得到预处理后的事件图像，所述预处理包括灰度处理和二值化中的至少一种。
5.根据权利要求1所述的基于图像识别的事件识别方法，其特征在于，所述根据所述实时天气和所述图像天气确定所述待识别事件是否为标签事件，包括：，
将所述实时天气与所述图像天气进行对比，以确定所述实时天气与所述图像天气是否相同或相似；
当所述实时天气与所述图像天气不相同且也不相似时，确定所述待识别事件为标签事件。
6.根据权利要求1所述的基于图像识别的事件识别方法，其特征在于，所述判断所述标签事件与历史异常事件的相似度，包括：
获取所述标签事件的事件信息，并根据所述标签事件的事件信息构建所述标签事件的事件画像；
获取所述历史异常事件的事件信息，并根据所述历史异常事件的事件信息构建所述历史异常事件的事件画像；
将所述标签事件的事件画像与所述历史异常事件的事件画像进行对比，以得到所述标签事件与历史异常事件的相似度。
7.根据权利要求6所述的基于图像识别的事件识别方法，其特征在于，所述根据所述标签事件的事件信息构建所述标签事件的事件画像，包括：
获取所述标签事件对应用户的用户信息，并根据所述用户信息和所述事件信息构建所述标签事件的事件画像；
所述根据所述历史异常事件的事件信息构建所述历史异常事件的事件画像，包括：
获取所述历史异常事件对应用户的用户信息，并根据所述用户信息和所述事件信息构建所述历史异常事件的事件画像，并保存所述历史异常事件的事件画像。
8.一种基于图像识别的事件识别装置，其特征在于，包括：
图像获取模块，用于获取用户上传的待识别事件的事件图像，所述事件图像包括拍摄时间和拍摄地点；
实时天气模块，用于基于所述拍摄时间和拍摄地点获取所述拍摄地点的实时天气；
图像天气模块，用于对所述事件图像进行图像识别，以得到所述事件图像中的图像天气；
事件确定模块，用于根据所述实时天气和所述图像天气确定所述待识别事件是否为标签事件；
相似度确定模块，用于若所述待识别事件为标签事件，则确定所述标签事件与历史异常事件的相似度；
异常确定模块，用于若所述标签事件与历史异常事件的相似度超过预设值，则确定所述标签事件为异常事件。
9.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器；
所述存储器用于存储计算机程序；
所述处理器，用于执行所述计算机程序并在执行所述计算机程序时实现如权利要求1至7中任一项所述的基于图像识别的事件识别方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现如权利要求1至7中任一项所述的基于图像识别的事件识别方法。
CN202010901628.4A 2020-08-31 2020-08-31 基于图像识别的事件识别方法、装置、设备及存储介质 Pending CN112036488A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010901628.4A CN112036488A (zh) 2020-08-31 2020-08-31 基于图像识别的事件识别方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010901628.4A CN112036488A (zh) 2020-08-31 2020-08-31 基于图像识别的事件识别方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN112036488A true CN112036488A (zh) 2020-12-04

Family

ID=73587222

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010901628.4A Pending CN112036488A (zh) 2020-08-31 2020-08-31 基于图像识别的事件识别方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN112036488A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112804494A (zh) * 2021-01-13 2021-05-14 广州穗能通能源科技有限责任公司 电力施工现场监控方法、系统和存储介质
CN115497295A (zh) * 2022-09-21 2022-12-20 联通智网科技股份有限公司 安全预警方法和装置
CN116055900A (zh) * 2023-03-30 2023-05-02 北京城建智控科技股份有限公司 一种基于摄像装置的图像质量修正方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110909731A (zh) * 2019-10-12 2020-03-24 深圳壹账通智能科技有限公司 车辆救援场景质检方法、装置、设备及存储介质
CN111507399A (zh) * 2020-04-16 2020-08-07 上海眼控科技股份有限公司 基于深度学习的云状识别和模型训练方法、装置、终端及介质

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110909731A (zh) * 2019-10-12 2020-03-24 深圳壹账通智能科技有限公司 车辆救援场景质检方法、装置、设备及存储介质
CN111507399A (zh) * 2020-04-16 2020-08-07 上海眼控科技股份有限公司 基于深度学习的云状识别和模型训练方法、装置、终端及介质

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112804494A (zh) * 2021-01-13 2021-05-14 广州穗能通能源科技有限责任公司 电力施工现场监控方法、系统和存储介质
CN115497295A (zh) * 2022-09-21 2022-12-20 联通智网科技股份有限公司 安全预警方法和装置
CN115497295B (zh) * 2022-09-21 2024-06-11 联通智网科技股份有限公司 安全预警方法和装置
CN116055900A (zh) * 2023-03-30 2023-05-02 北京城建智控科技股份有限公司 一种基于摄像装置的图像质量修正方法
CN116055900B (zh) * 2023-03-30 2023-06-09 北京城建智控科技股份有限公司 一种基于摄像装置的图像质量修正方法

Similar Documents

Publication Publication Date Title
CN112634170B (zh) 一种模糊图像修正的方法、装置、计算机设备及存储介质
CN113657993B (zh) 信用风险识别方法、装置、设备及存储介质
CN112036488A (zh) 基于图像识别的事件识别方法、装置、设备及存储介质
CN113705462B (zh) 人脸识别方法、装置、电子设备及计算机可读存储介质
CN113688923B (zh) 订单异常智能检测方法、装置、电子设备及存储介质
CN111178147A (zh) 屏幕破碎分级方法、装置、设备及计算机可读存储介质
CN114241499A (zh) 表格图片识别方法、装置、设备和可读存储介质
CN112733652B (zh) 图像目标识别方法、装置、计算机设备及可读存储介质
CN113657318A (zh) 基于人工智能的宠物分类方法、装置、设备及存储介质
CN114155363A (zh) 换流站车辆识别方法、装置、计算机设备和存储介质
CN113988223A (zh) 证件图像识别方法、装置、计算机设备及存储介质
CN111583215B (zh) 损伤图像智能定损方法、装置、电子设备及存储介质
CN114187449A (zh) 车辆信息处理方法、装置、计算机设备和存储介质
CN113918949A (zh) 基于多模态融合的诈骗app的识别方法
CN113064984A (zh) 意图识别方法、装置、电子设备及可读存储介质
CN111985448A (zh) 车辆图像识别方法、装置、计算机设备及可读存储介质
CN113705459B (zh) 人脸抓拍方法、装置、电子设备及存储介质
CN114240935B (zh) 一种空频域特征融合的医学影像特征识别方法及装置
CN116934505A (zh) 车险理赔风险识别方法、装置、设备及存储介质
CN116151323A (zh) 模型生成方法、装置、电子设备及存储介质
CN116166999A (zh) 异常交易数据识别方法、装置、计算机设备及存储介质
CN115049836A (zh) 图像分割方法、装置、设备及存储介质
CN111400764B (zh) 个人信息保护的风控模型训练方法、风险识别方法及硬件
CN115081898A (zh) 电网运行风险识别方法、装置、计算机设备和存储介质
CN113868503A (zh) 商品图片合规检测的方法、装置、设备和存储介质

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20201204