事件处理方法、装置、电子设备以及存储介质与流程

1.本公开涉及数据处理领域，具体涉及深度学习和大数据领域，尤其涉及一种事件处理方法、装置、电子设备以及存储介质。


背景技术：

2.随着ai(artificial intelligence，人工智能)越来越多地渗透到智慧城市建设中，城市的各职能部门都在积极梳理各项痛点，与互联网或传统供应商合作探讨解决方案。通过拆解传统办公流程后一般包括以下优化环节：智能数据融合、智能应用、智能流程推进、智能分析评价等，用于提升办公效率和质量。
3.目前，在一些场景下的智能数据融合还存在准确率较低、需要人工再进行排查，效率较低等问题。


技术实现要素：

4.本公开提供了一种用于事件处理的方法、装置、电子设备以及存储介质，可应用于智慧城市场景下。
5.根据本公开的第一方面，提供了一种事件处理方法，包括：
6.获取待检测图像，并对所述待检测图像进行特征提取以获取所述待检测图像的多个特征信息；
7.确定目标事件的事件信息，所述事件信息包括发生地信息和发生时间信息中的至少一个；
8.根据所述待检测图像的多个特征信息在预先建立的对象信息库进行检索，并根据所述目标事件的事件信息对检索结果进行排序；
9.根据排序结果获取所述待检测图像中的目标对象的对象信息；
10.根据所述对象信息对所述目标对象进行跟踪定位。
11.根据本公开的第二方面，提供了一种事件处理装置，包括：
12.图像处理模块，用于获取待检测图像，并对所述待检测图像进行特征提取以获取所述待检测图像的多个特征信息；
13.第一确定模块，用于确定目标事件的事件信息，所述事件信息包括发生地信息和发生时间信息中的至少一个；
14.检索模块，用于根据所述待检测图像的多个特征信息在预先建立的对象信息库进行检索，并根据所述目标事件的事件信息对检索结果进行排序；
15.第二确定模块，用于根据排序结果确定所述待检测图像中的目标对象的对象信息；
16.定位模块，用于根据所述对象信息对所述目标对象进行跟踪定位。
17.根据本公开的第三方面，提供了一种电子设备，包括：
18.至少一个处理器；以及
19.与所述至少一个处理器通信连接的存储器；其中，
20.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上述第一方面所述的方法。
21.根据本公开的第四方面，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，所述计算机指令用于使所述计算机执行上述第一方面所述的方法。
22.根据本公开的第五方面，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上述第一方面所述的方法。
23.根据本公开的技术方案，通过提取待检测图像的多个特征信息，并根据待测图像的多个特征信息在预先建立的对象信息库进行检索，从而减少了检索结果的数量。另外，根据目标事件的事件信息，对检索结果进行排序，从而引入了检索结果与目标事件的相关性，可以进一步地对检索结果进行筛选，提高了检索结果的准确性，并有效地缩短人工排除的时长。此外，根据获取的待检测图像中目标对象的对象信息，对目标对象进行跟踪定位，通过综合多方面数据进行跟踪定位分析，可以提高事件处理的准确性及效率。
24.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
25.附图用于更好地理解本方案，不构成对本公开的限定。其中：
26.图1是根据本公开实施例提出的一种事件处理方法的流程图；
27.图2是根据本公开实施例提出的一种建立对象信息库的流程图；
28.图3是根据本公开实施例提出的一种建立每个目标对象的对象信息的流程图；
29.图4是根据本公开实施例提出的一种获取候选对象及其排序的流程图；
30.图5是根据本公开实施例提出的另一种获取候选对象及其排序的流程图；
31.图6是根据本公开实施例提出的一种对目标对象进行跟踪定位的流程图；
32.图7是根据本公开实施例提出的一种事件处理装置的结构框图；
33.图8是根据本公开实施例提出的另一种事件处理装置的结构框图；
34.图9是用来实现本公开实施例的事件处理方法的电子设备的框图。
具体实施方式
35.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。
36.本公开实施例中术语“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a 和b，单独存在b这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
37.需要说明的是，现有的数据融合方案中，由于只采用了目标的人脸信息进行数据融合，使目标信息库的准确率和召回率都不够高。此外，根据目标对象的人脸图像在目标信息库中进行检索时，容易找到很多相似候选，使人工排除工作量大，且效率低。
38.针对上述问题，本公开提出了一种事件处理方法、装置、设备以及存储介质。
39.图1为本公开实施例提出的一种事件处理方法的流程图。需要说明的是，本公开实施例的事件处理方法可应用于本公开实施例的事件处理装置，该事件处理装置可被配置于电子设备。如图1所示，该方法包括以下步骤：
40.步骤101，获取待检测图像，并对待检测图像进行特征提取以获取待检测图像的多个特征信息。
41.为了根据待检测图像检索到尽量准确的目标对象，需要对待检测图像进行特征提取，以获得待检测图像的多个特征信息，这些特征信息可以作为进一步检索目标对象的线索，从而提高检索效率。
42.需要说明的是，待检测图像的多个特征信息可以包括：第一特征信息、第二特征信息、车辆特征信息、时空特征信息中的至少两个，也可以根据场景需要包括其他本公开实施例未提及的特征信息，本公开对此不进行限定。
43.在某场景下，该第一特征信息可以为人脸特征信息，第二特征信息可以为人体特征信息。作为一种示例，人体特征信息可以包括人体向量、衣服颜色、性别、是否戴眼镜、是否戴帽子等。关于车辆特征信息，比如待检测图像中目标对象在车内，可以提取该车的车牌号、车辆颜色等信息。此外，时空特征信息可以为抓拍时间、地点等信息。
44.步骤102，确定目标事件的事件信息，该事件信息包括发生地信息和发生时间信息中的至少一个。
45.可以理解，目标事件的发生地信息和发生时间信息中的至少一个，可以作为进一步确定目标对象的线索。比如目标事件的发生地信息与对象信息库中的抓拍地点进行对应，再比如根据目标事件发生时间信息，与对象信息库中的抓拍时间进行对应等，其中对象信息库将在下文进行介绍。
46.步骤103，根据待检测图像的多个特征信息在预先建立的对象信息库进行检索，并根据目标事件的事件信息对检索结果进行排序。
47.也就是说，将待检测图像的多个特征信息作为筛选条件，在预先建立的对象信息库中检索得到检索结果，再计算检索结果与目标事件的发生地信息和发生时间信息中的至少一个的相关性，从而根据相关性对检索结果进行排序。
48.其中，预先建立的对象信息库可以是根据监控摄像头拍摄的视频，转换为图像后，进行特征提取，将同一个对象的特征信息进行聚类，得到的每个对象的特征信息库。根据待检测图像的多个特征信息在对象信息库中进行检索，得到匹配性较高的检索结果，从而不仅可以提高检索结果的准确率，也可以减少检索结果的数量。根据目标事件的事件信息，对检索结果进行排序，相当于针对检索结果的自动排查，从而提高了排查效率，减少了人工排查的成本。
49.步骤104，根据排序结果获取待检测图像中的目标对象的对象信息。
50.可以理解，根据排序结果就可以得到检索结果中哪个结果或者哪几个结果与待检测图像最为匹配，从而将这个结果或者这几个结果作为检测图像中的目标对象。
51.步骤105，根据对象信息对目标对象进行跟踪定位。
52.由于对象信息中包括对应目标对象在不同时间的对应的地点信息及行为信息，所以可以根据这些信息对目标对象进行跟踪定位分析。此外，也可以根据对象信息在相关数
据库中获取目标对象在不同时间的地点信息及行为信息，从而实现对目标对象的跟踪定位。
53.需要说明的是，在本公开的技术方案中，所涉及的目标对象的特征信息及轨迹行为信息的获取、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。
54.根据本公开实施例的事件处理方法，通过提取待检测图像的多个特征信息，并根据待测图像的多个特征信息在预先建立的对象信息库进行检索，从而通过引入多个线索减少了检索结果的数量。另外，根据目标事件的事件信息，对检索结果进行排序，从而引入了检索结果与目标事件的相关性，也就是可以进一步地对检索结果进行筛选，提高了检索结果的准确性，并有效地缩短人工排除的时长。此外，根据获取的待检测图像中目标对象的对象信息对目标对象进行跟踪定位，通过综合多方面数据进行跟踪定位分析，不仅可以提高事件处理的准确性也可以提高事件处理的效率。
55.为了进一步对对象信息库的建立方式进行详细描述，本公开提出了又一实施例。
56.图2为本公开实施例提出的建立对象信息库的流程图。如图2所示，对象信息库可通过以下方式预先建立：
57.步骤201，获取监控摄像头拍摄的监控视频流，并对监控视频流进行采样以获得n个视频帧；其中n为正整数。
58.其中，监控摄像头可以是多个不同场景的监控摄像头，例如：针对交通道路的监控、针对各地铁站或车站等公共场所的监控。
59.步骤202，对每个视频帧进行目标检测以确定出每个视频帧之中的m 个目标对象样本；其中m为正整数。
60.可以理解，每个视频帧相当于一张图像，针对每个视频帧进行目标检测，从而检测出每个视频帧中的m个目标对象样本。其中每个视频帧中的m个目标对象样本是指，每个视频帧中的m个人像。
61.步骤203，从n个视频帧中获取每个目标对象样本的图像，并对图像进行特征提取以获得每个目标对象样本的多个特征信息。
62.也就是说，将n个视频帧对应的所有目标对象样本提取为图像，然后针对图像再进行特征提取，从而得到每个目标对象样本的多个特征信息。
63.在本公开实施例中，对图像进行特征提取，可以包括对第一特征信息、第二特征信息、车辆特征信息及时空特征信息等中的至少两类特征的提取，为了使采集到的信息覆盖面广，所以尽可能提取多个种类的特征，以提高对象信息库的质量。在某场景下时，其中，第一特征信息可以为人脸特征信息，第二特征信息可以为人体特征信息。作为一种示例，人体特征信息可以包括人体向量、衣服颜色、性别、是否戴眼镜、是否戴帽子等。关于车辆特征信息，比如目标对象样本的图像中目标对象在车内，可以提取该车的车牌号、车辆颜色等信息。此外，时空特征信息可以为抓拍时间、地点等信息。
64.步骤204，根据每个目标对象样本的多个特征信息，建立每个目标对象样本的对象信息。
65.也就是说，通过对图像的特征提取，得到了每个目标对象样本的多个特征信息，也就是得到了每个目标对象对应第一特征信息、第二特征信息、车辆信息、时空信息等，从而将这些特征信息作为每个目标对象样本的对象信息。
66.需要说明的是，由于不同的目标对象样本可能会指代同一目标对象，所以需要根据每个目标对象样本及其特征信息进行判断，以使指代同一目标对象的目标对象样本及其特征信息进行合并，从而得到的每个目标对象对应的对象信息。
67.步骤205，根据每个目标对象样本的对象信息进行建库，得到对象信息库。
68.根据本公开实施例提出的事件处理方法，在建立对象信息库时，针对每个目标对象样本，分别进行特征提取，以得到每个目标对象样本对应的多个特征信息，可以有效地提高对象信息库数据信息覆盖面、大大提升了对象信息库的准确率和召回率，为准确地获取待测图像中的目标对象信息及跟踪定位提供了基础保障。
69.为了针对上述实施例中每个目标对象样本的对象信息的建立进一步说明，本公开提出了另一个实施例。
70.图3为本公开实施例提出的建立每个目标对象的对象信息的流程图。
71.如图3所示，建立每个目标对象的对象信息的实现方式包括：
72.步骤301，获取预先建立的判别模型；其中，所述判别模型是采用对象样本的多个特征信息训练的。
73.需要说明的是，预先建立的判别模型用于根据多个目标对象样本的多个特征信息，判断该多个目标对象样本中是否为同一个对象。
74.步骤302，将每个目标对象样本进行分组，并将每组之中各目标对象样本的多个特征信息输入至判别模型，判断每组之中各目标对象样本是否为同一个对象。
75.可以理解，通过上述采样获取的多个目标对象样本中，可能会存在不同的目标对象样本指代同一个对象的情况，所以为了使每个对象信息与每个对象形成一一对应的关系，所以需要将每个目标对象样本进行分组判别。
76.作为一种示例，可以将所有的目标对应样本进行两两组合，以得到多组目标对象样本。将每组目标对象样本中各目标对象样本对应的多个特征信息均输入至判别模型，来判断每组之中的各目标对象样本是否为同一个对象。
77.步骤303，响应于每组之中各目标对象样本为同一个对象，将每组之中各目标对象样本的多个特征信息进行合并，得到同一个对象的对象信息。
78.也就是说，若每组之中各目标对象样本为同一个对象，则每组之中各目标对象样本的多个特征信息均属于同一个对象，所以将每组之中各目标对象样本的多个特征信息进行合并，从而得到同一个对象对应的对象信息。
79.步骤304，响应于每组之中各目标对象样本不为同一个对象，根据每组之中各目标对象样本的多个特征信息，建立各目标对象样本的对象信息。
80.也就是说，若每组之中各目标对象样本不为同一个对象，则说明每组之中各目标对象样本的多个特征信息为不同对象的信息，所以针对各目标对象样本分别建立对应对象信息。
81.根据本公开实施例提出的事件处理方法，在建立对象信息时，根据判别模型来判断各组目标对象样本是否为同一个对象，并将同一个对象的各目标对象样本的多个特征信息合并为同一个对象的对象信息，可以避免出现多个目标对象的对象信息对应同一个对象的情况，进一步地提高了对象信息的准确性及召回率。
82.在上述实施例的事件处理方法中，会根据待检测图像的多个特征信息在预先建立
的对象信息库进行检索，并根据目标事件的事件信息对检索结果进行排序。为了进一步对该部分的具体实现方式进行描述，本公开针对该部分提出了又一个实施例。
83.图4为本公开实施例提出的一种获取候选对象及其排序的流程图。如图4所示，获取候选对象及其排序的具体实现方式可以包括：
84.步骤401，根据待检测图像的多个特征信息之中的第一特征信息在对象信息库进行检索，获得至少一个候选对象。
85.在本公开实施例中，以待检测图像的多个特征信息和对象信息库中包括第一特征信息、第二特征信息、车辆特征信息及时空特征信息为例进行说明。其中，第一特征信息可以为人脸特征信息，第二特征信息可以为人体特征信息。作为一种示例，根据待检测图像的多个特征信息之中的第一特征信息在对象信息库进行检索的实现方式可以为：获取待检测图像的人脸特征信息；获取对象信息库中每个人的质心人脸向量；根据待检测图像的人脸特征信息，获取其与对象信息库中每个对象的质心人脸向量的相似度；将相似度满足预期的对象信息对应的对象作为候选对象。其中，由于每个对象可能存在由不同图像提取到的多个人脸特征向量，质心人脸向量是指该多个人脸特征向量的平均值。也就是说，可将每个对象的多个人脸特征向量的平均值作为每个人的质心人脸向量。这样，可以减少人脸特征相似度的计算量，从而降低资源消耗。
86.步骤402，从每个候选对象的对象信息中获取时空特征信息。
87.步骤403，根据目标事件的事件信息、以及每个候选对象的时空特征信息，计算每个候选对象与目标事件的第一相关性。
88.可以理解，为了缩小候选对象的范围，可以通过增加线索的方式进一步匹配。
89.在本公开实施例中，目标事件的事件信息可以包括目标事件的发生地信息和发生时间信息中至少一个。根据目标事件的发生地信息和发生时间信息中的至少一个，以及每个候选对象的时空特征信息，可以针对时间和地点计算每个候选对象参与目标事件的可能性，该可能性可以通过计算得到的分值的形式体现，从而得到每个候选对象与目标事件的第一相关性。
90.步骤404，根据待检测图像的多个特征信息之中第二特征信息、车辆特征信息和时空特征信息中的至少一个特征信息，从每个候选对象的对象信息中获取对应的特征信息。
91.也就是说，根据待检测图像每种特征信息，在每个候选对象的对象信息中获取对应种类的特征信息。比如，待检测图像的多个特征信息中包含第二特征信息、车辆特征信息和时空特征信息，则需要从每个候选对象的对象信息中获取对应的第二特征信息、车辆特征信息和时空特征信息。其中第二特征信息在某些场景下，可以为人体特征信息。
92.步骤405，将至少一个特征信息和对应的特征信息输入至预先建立的判别模型，得到每个候选对象与所述目标事件的第二相关性。
93.可以理解，预先建立的判别模型可以根据待检测图像的特征信息与对象信息中对应的特征信息，判断待检测图像中的目标对象与候选对象是否为同一个对象，从而得到每个候选对象的相似度得分。
94.步骤406，根据第一相关性和第二相关性对至少一个候选对象进行排序。
95.为了综合考虑目标事件的发生地信息和发生时间信息中的至少一个，以及待测图像中的特征信息等线索，以对候选对象进一步排查，将根据第一相关性和第二相关性对至
少一个候选对象进行排序。在本公开实施例中，可以将第一相关性的得分与第二相关性的得分进行加权计算，根据加权计算的最终得分大小进行排序。
96.根据本公开实施例的事件处理方法，在进行对象信息检索时，不仅引入了目标事件的事件信息，还引入了第二特征信息、车辆及时空特征信息的相关性，从而可以综合候选对象参与目标事件的可能性，以及与待测图像中目标对象的相似度进行计算，达到准确地排查候选对象的目的，进而节约了人力成本，提高了候选对象排查效率。
97.为了进一步地提高候选对象排查效率，基于上述实施例，本公开实施例提出了另一种获取候选对象及其排序的方式。图5为本公开实施例提出的另一种获取候选对象及其排序的流程图。如图5所示，在上述实施例的基础上，该实现方式还包括：
98.步骤507，确定候选对象是否参与过特定事件。若候选对象未参与过特定事件，则执行步骤506；若候选对象参与过特定事件，则执行步骤508。
99.可以理解，若候选对象在相关事件数据库中有记录，且记录的事件与目标事件有重合度，则会增加候选对象为目标对象的可能性。
100.作为一种示例，可以根据候选对象，在相关事件数据库中进行查询，若在相关事件数据库中可以找到候选对象参与的特定事件，则说明候选对象参与过特定事件。否则，说明没有参与过特定事件。
101.步骤508，响应于候选对象参与过特定事件，获取特定事件的描述信息。
102.步骤509，获取目标事件的线索描述关键词。
103.步骤510，根据特定事件的描述信息和目标事件的线索描述关键词，计算候选对象与目标事件的第三相关性。
104.可以理解，根据特定事件的描述信息和目标事件的线索描述关键词，可以计算特定事件与目标事件的重合性，从而得到候选对象与目标事件的第三相关性。
105.步骤511，根据第一相关性、第二相关性和第三相关性对至少一个候选对象进行排序。
106.为了综合考虑目标事件的发生地信息和/或发生时间信息、待测图像中的特征信息，以及与特定事件的相关性等线索，以对候选对象进一步排查，将根据第一相关性、第二相关性和第三相关性对至少一个候选对象进行排序。在本公开实施例中，可以将第一相关性的得分、第二相关性的得分和第三相关性的得分进行加权计算，根据加权计算的最终得分大小进行排序。
107.需要说明的是，图5中的步骤501～506与图4中的步骤401～406的实现方式完全一致，此处不再赘述。
108.根据本公开实施例的事件处理方法，在进行对象信息检索时，增加了候选对象参与过的特定事件与目标事件的相关性，也就是说，若候选对象参与过与目标事件相关的特定事件，就会增加该候选对象是目标对象的可能性，从而可以进一步地对候选对象进行排查，进而可以提高候选对象排查效率。
109.针对上述实施例中根据对象信息对目标对象进行跟踪定位的具体方式，本公开提出了又一个实施例。
110.图6为本公开实施例提出的对目标对象进行跟踪定位的流程图。如图 6所示，对目标对象进行跟踪定位的实现方式可以包括：
111.步骤601，根据对象信息获取目标对象的运动轨迹；其中，运动轨迹包括监控摄像头的抓拍轨迹和身份id(identity document，身份标识号) 轨迹中的至少一个。
112.需要说明的是，目标对象的运动轨迹可以包含于对象信息中，也就是，基于对象信息中监控摄像头的抓拍时间及地点得到监控摄像头的抓拍轨迹。此外，目标对象的运动轨迹还可以是根据对象信息在轨迹数据库中进行查询，其中轨迹数据库包括每个对象的运动轨迹。例如，通过基站接入打点的方式获得的轨迹点(比如用户的终端sim卡(subscriber identitymodule，用户识别卡)接入到某个基站，基站就会上报该地点信息，得到用户到达该地点的轨迹信息)，又如，通过wifi接入打点的方式获得的轨迹的；又如，用户登录社交应用时所使用的网络ip地址；又如，利用身份证乘车进站、出站的打点方式；再如，利用身份证办理酒店入住、退租等打点方式，或者其他利用id打点的方式获得的轨迹点。
113.步骤602，对目标对象的监控摄像头的抓拍轨迹和身份id轨迹中的至少一个进行合并，并对合并后得到的运动轨迹进行冲突检测分析。
114.在本公开实施例中，将目标对象的监控摄像头的抓拍轨迹和身份id 轨迹中的至少一个进行合并后，其中可能会存在异常轨迹点，所以需要对合并后的运动轨迹进行冲突检测分析。作为一种示例，可以将合并后的运动轨迹通过速度平滑来发现异常点，根据异常点的信息与对象信息进行分析异常原因，从而可以针对对象信息库的聚类错误及时纠正。此外，可以根据对象信息对各轨迹点进行置信度计算，针对置信度低于阈值的轨迹点，可以获取相关的第一特征信息、身份id等信息，以便于工作人员对关键信息点进行人工核对，并及时对对象信息及id关联信息进行修改，以得到准确率较高的目标对象运动轨迹。
115.步骤603，根据经过冲突检测分析后的运动轨迹对目标对象进行跟踪定位。
116.可以理解，将目标对象的运动轨迹进行冲突检测分析之后，工作人员根据分析后的运动轨迹对目标对象进行跟踪定位，进而对目标事件进行处理。
117.根据本公开实施例提出的事件处理方法，根据对象信息获取的目标对象运动的抓拍轨迹和身份id轨迹中的至少一个，从而实现了数据融合对目标对象运动轨迹的获取。此外，针对目标对象的运动轨迹进行冲突检测分析，并针对关键轨迹点进行人工核对，从而提高了目标对象运动轨迹的准确性。
118.为了实现上述方法，本公开提出了一种事件处理装置。
119.图7为本公开实施例提出的一种事件处理装置的结构框图。如图7所示，该装置包括：
120.图像处理模块710，用于获取待检测图像，并对待检测图像进行特征提取以获取待检测图像的多个特征信息；
121.第一确定模块720，用于确定目标事件的事件信息，所述事件信息包括发生地信息和发生时间信息中的至少一个；
122.检索模块730，用于根据待检测图像的多个特征信息在预先建立的对象信息库进行检索，并根据目标事件的事件信息对检索结果进行排序；
123.第二确定模块740，用于根据排序结果确定待检测图像中的目标对象的对象信息；
124.定位模块750，用于根据对象信息对目标对象进行跟踪定位。
125.在本公开的一些实施例中，检索模块730包括：
126.检索获取单元730
‑
1，用于根据待检测图像的多个特征信息之中的第一特征信息
在对象信息库进行检索，获得至少一个候选对象；
127.第一获取单元730
‑
2，用于从每个候选对象的对象信息中获取时空特征信息；
128.第一计算单元730
‑
3，用于根据目标事件的事件信息、以及每个候选对象的时空特征信息，计算每个候选对象与目标事件的第一相关性；
129.第二获取单元730
‑
4，用于根据待检测图像的多个特征信息之中第二特征信息、车辆特征信息和时空特征信息中的至少一个特征信息，从每个候选对象的对象信息中获取对应的特征信息；
130.第二计算单元730
‑
5，用于将至少一个特征信息和对应的特征信息输入至预先建立的判别模型，得到每个候选对象与目标事件的第二相关性；
131.排序单元730
‑
6，用于根据第一相关性和第二相关性对至少一个候选对象进行排序。
132.此外，在本公开实施例中，检索模块730还包括：
133.确定单元730
‑
7，用于确定候选对象是否参与过特定事件；
134.第三获取单元730
‑
8，用于响应于候选对象参与过特定事件，获取特定事件的描述信息；
135.第四获取单元730
‑
9，用于获取目标事件的线索描述关键词；
136.第三计算单元730
‑
10，用于根据特定事件的描述信息和目标事件的线索描述关键词，计算候选对象与目标事件的第三相关性；
137.其中，排序单元730
‑
6具体用于：
138.根据第一相关性、第二相关性和第三相关性对至少一个候选对象进行排序。
139.在本公开实施例中，定位模块750具体用于：
140.根据对象信息获取目标对象的运动轨迹；其中，运动轨迹包括监控摄像头的抓拍轨迹和身份id轨迹中的至少一个；
141.对目标对象的监控摄像头的抓拍轨迹和身份id轨迹中的至少一个进行合并，并对合并后得到的运动轨迹进行冲突检测分析；
142.根据经过冲突检测分析后的运动轨迹对目标对象进行跟踪定位。
143.根据本公开实施例的事件处理装置，通过提取待检测图像的多个特征信息，并根据待测图像的多个特征信息在预先建立的对象信息库进行检索，从而通过引入多个线索减少了检索结果的数量。另外，根据目标事件的发生地信息和/或发生时间信息，对检索结果进行排序，从而引入了检索结果与目标事件的相关性，也就是可以进一步地对检索结果进行筛选，提高了检索结果的准确性，并有效地缩短人工排除的时长。此外，根据获取的待检测图像中目标对象的对象信息对目标对象进行跟踪定位，通过综合多方面数据进行跟踪定位分析，不仅可以提高事件处理的准确性，也可以提高事件处理的效率。
144.图8为本公开实施例提出的另一种事件处理装置的结构框图。如图8 所示，该装置还包括：
145.建立模块860，用于预先建立对象信息库：其中，建立模块860具体用于：
146.获取监控摄像头拍摄的监控视频流，并对监控视频流进行采样以获得 n个视频帧；其中n为正整数；
147.对每个视频帧进行目标检测以确定出每个视频帧之中的m个目标对象样本；其中m
为正整数；
148.从n个视频帧中获取每个目标对象样本的图像，并对图像进行特征提取以获得每个目标对象样本的多个特征信息；
149.根据每个目标对象样本的多个特征信息，建立每个目标对象样本的对象信息；
150.根据每个目标对象样本的对象信息进行建库，得到对象信息库。
151.在本公开的一些实施例中，建立模块860具体用于：
152.获取预先建立的判别模型；其中，判别模型是采用对象样本的多个特征信息训练的；
153.将每个目标对象样本进行分组，并将每组之中各目标对象样本的多个特征信息输入至判别模型，判断每组之中各目标对象样本是否为同一个对象；
154.响应于每组之中各目标对象样本为同一个对象，将每组之中各目标对象样本的多个特征信息进行合并，得到同一个对象的对象信息；
155.响应于每组之中各目标对象样本不为同一个对象，根据每组之中各目标对象样本的多个特征信息，建立各目标对象样本的对象信息。
156.需要说明的是，图8中的810至850与图7中的710至750具有相同的功能和结构，此处不再赘述。
157.关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
158.根据本公开实施例提出的事件处理装置，在建立对象信息库时，针对每个目标对象样本，分别进行特征提取，以得到每个目标对象样本对应的多个特征信息，可以有效地提高对象信息库数据信息覆盖面、大大提升了对象信息库的准确率和召回率，为准确地获取待测图像中的目标对象信息及跟踪定位提供了基础保障。此外，将同一个对象的目标对象样本进行合并，可以避免出现多个目标对象的对象信息对应同一个对象的情况，从而可以进一步地提高对象信息库的准确率和召回率。
159.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，以及一种计算机程序产品。
160.如图9所示，是根据本公开实施例的事件处理的方法的电子设备的框图。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。
161.如图9所示，该电子设备包括：一个或多个处理器901、存储器902，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示gui的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系
统)。图9中以一个处理器901 为例。
162.存储器902即为本公开所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本公开所提供的事件处理的方法。本公开的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本公开所提供的事件处理的方法。
163.存储器902作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本公开实施例中的事件处理的方法对应的程序指令/模块(例如，附图7所示的图像处理模块710、第一确定模块720、检索模块730、第二确定模块740及定位模块750)。处理器901通过运行存储在存储器902中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的事件处理方法。本公开提供了一种计算机程序产品，包括计算机程序，该计算机程序在被处理器901执行时实现上述方法实施例中的事件处理方法。
164.存储器902可以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、至少一个功能所需要的应用程序；存储数据区可存储根据事件处理的电子设备的使用所创建的数据等。此外，存储器902可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器 902可选包括相对于处理器901远程设置的存储器，这些远程存储器可以通过网络连接至事件处理的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
165.事件处理的方法的电子设备还可以包括：输入装置903和输出装置 904。处理器901、存储器902、输入装置903和输出装置904可以通过总线或者其他方式连接，图9中以通过总线连接为例。
166.输入装置903可接收输入的数字或字符信息，以及产生与事件处理的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置904可以包括显示设备、辅助照明装置(例如，led)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(lcd)、发光二极管(led)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
167.此处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、专用asic(专用集成电路)、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。
168.这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光
盘、存储器、可编程逻辑装置(pld))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和 /或数据提供给可编程处理器的任何信号。
169.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。
170.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)、互联网和区块链网络。
171.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。
172.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，本发申请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。
173.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。