TWI799008B

TWI799008B - 查詢導向之事件辨識系統及方法

Info

Publication number: TWI799008B
Application number: TW110147184A
Authority: TW
Inventors: 林建仲; 洪崇志; 高銘章
Original assignee: 凌華科技股份有限公司
Priority date: 2021-12-16
Filing date: 2021-12-16
Publication date: 2023-04-11
Also published as: TW202326524A; US20230196772A1; US12530891B2

Abstract

本發明提供一種查詢導向之事件辨識系統包含擷取單元、分析推理總成、同步處理單元以及事件定義單元。擷取單元用以擷取至少一資料流，其中資料流包含複數個時間點及資料，並且每一時間點對應一資料。分析推理總成包含複數個推理模型，並且以該等推理模型分析及推理該等時間點的該等資料以產生於每一時間點中各自對應資料的至少一推理資料。同步處理單元根據至少一資料流及至少一推理資料產生對應每一時間點的推理資料組。事件定義單元透過語法找出符合推理資料組的事件查詢結果。

Description

查詢導向之事件辨識系統及方法

本發明關於一種事件辨識系統，特別是一種基於人工智能推理及查詢為導向的事件辨識系統。

近年來，隨著人工智慧的蓬勃發展，人工智慧透過機器學習或深度學習於邊緣運算上的應用也越來越廣泛。

管線(pipeline)的架構中通常包含人工智能推理機，用以針對所應用的場景以相應的演算法訓練大量資料，進而產生適合的推理模型。一般來說，通常會將人工智能推理機的推理模型訓練到充分理解的程度，以降低後續事件辨別的複雜度，進而減少分析時間並提高分析效率。然而，若推理模型需訓練到充分理解的程度時，推理模型的開發流程(如：訓練樣本資料蒐集、監督式學習、模型最佳化及邏輯演算法設計等)將耗費大量的時間及成本。進一步地，部分應用場景可能無法取得大量的訓練樣本資料，也會導致延長推理模型的構建過程。

另一方面，當推理模型已訓練到充分理解的程度時，若需應用至新的場景時，必須重新訓練一個新的推理模型或再重新開發新的邏輯演算法，而無法重複利用現有的推理模型辨識新的場景的事件，不僅增加開發成本並且大幅降低實用性及分析效率。

因此，有必要研發一種新的事件辨識系統，以解決先前技術之問題。

有鑑於此，本發明之一範疇提供一種查詢導向之事件辨識系統，以解決先前技術的問題。根據本發明之一具體實施例，查詢導向之事件辨識系統包含擷取單元、分析推理總成、同步處理單元以及事件定義單元。擷取單元用以擷取至少一資料流，其中資料流包含複數個時間點以及複數個資料，並且每一時間點對應一資料。分析推理總成連接擷取單元。分析推理總成包含複數個推理模型。分析推理總成用以該等推理模型分析及推理該等時間點的該等資料以產生於每一時間點中各自對應資料的至少一推理資料。同步處理單元連接分析推理總成。同步處理單元根據至少一資料流以及至少一推理資料產生對應每一時間點的推理資料組。事件定義單元連接同步處理單元。事件定義單元透過一語法找出符合推理資料組的事件查詢結果。

其中，推理模型以串聯及並聯之至少一者的方式連接。

其中，查詢導向之事件辨識系統進一步包含判斷警示單元。判斷警示單元用以根據事件查詢結果的危害程度產產警示訊號。

其中，事件定義單元包含第一事件定義單元及第二事件定義單元。第一事件定義單元透過第一語法找出符合推理資料組的第一事件查詢結果，並且第二事件定義單元透過第二語法找出符合第一事件查詢結果及推理資料的第二事件查詢結果。

其中，至少一推理資料儲存於元數據。

其中，查詢導向之事件辨識系統進一步包含一儲存單元，並且儲存單元用以儲存至少一推理資料。

其中，語法包含至少一推理資料，並且語法選自於圖論、集合論、語意及邏輯判斷式之至少一者。

其中，資料包含影像資料及音訊資料。

本發明之另一範疇提供一種查詢導向之事件辨識方法，以解決先前技術的問題。根據本發明之一具體實施例，查詢導向之事件辨識方法包含以下步驟：擷取單元擷取至少一資料流；分析推理總成以複數個推理模型分析及推理資料流中複數個時間點的複數個資料以產生每一時間點中對應資料的至少一推理資料；同步處理單元根據資料流及推理資料產生對應每一時間點的推理資料組；以及事件定義單元透過語法找出符合推理資料組的事件查詢結果。

其中，查詢導向之事件辨識方法進一步包含以下步驟：判斷警示單元根據事件查詢結果的危害程度產生警示訊號。

其中，於事件定義單元透過語法找出符合推理資料組的事件查詢結果的步驟中，進一步包含以下步驟：第一事件單元透過第一語法找出符合推理資料組的第一事件查詢結果；以及第二事件單元透過第二語法找出符合第一事件查詢結果及推理資料的第二事件查詢結果。

綜上所述，本發明的查詢導向之事件辨識系統可透過複數個推理模型產生於同一時間點中多個物件的事件元素的推理資料，以提升事件定義及事件組合的可塑性，進而提升實用性。並且，透過本發明的查詢導向之事件辨識系統的同步處理單元可整合相同時間點的資料及推理資料，以提高資料的正確性以及系統分析時的準確性。再者，本發明的查詢導向之事件辨識系統可透過事件定義單元快速地查詢每個時間點的推理資料組是否符合事件發生時的必要元素，進而提高效率。進一步地，本發明的查詢導向之事件辨識系統也可透過判斷警示單元根據事件查詢結果提醒或自動執行後續的處理作業，進而提高方便性及實用性。此外，本發明的查詢導向之事件辨識系統也可透過多個事件定義單元的串聯從已辨識出的事件中再找出其他事件，而不需重新輸入語法並重新分析及推理，進而提高效率並降低時間成本。

1、2:查詢導向之事件辨識系統

11、21:擷取單元

12、22:分析推理總成

121A、121B、121C、121D、121E、121F:推理模型

13、23:同步處理單元

14、24:事件定義單元

241:第一事件定義單元

242:第二事件定義單元

25:判斷警示單元

26:儲存單元

D1:第一資料

D2:第二資料

D3:第三資料

T1:第一時間點

T2:第二時間點

T3:第三時間點

S1~S9、S51~S52、S81~S82、S101~S102:步驟

圖1係繪示根據本發明之一具體實施例之查詢導向之事件辨識系統的功能方塊圖。

圖2係繪示根據本發明之一具體實施例之擷取單元、分析推理總成及同步處理單元的功能方塊圖。

圖3A至圖3C係分別繪示資料流及分析推理總成的時序示意圖。

圖4係繪示根據本發明之一具體實施例之查詢導向之事件辨識的步驟流程圖。

圖5係繪示根據本發明之一具體實施例之查詢導向之事件辨識系統的功能方塊圖。

圖6係繪示根據本發明之一具體實施例之查詢導向之事件辨識的步驟流程圖。

圖7係繪示根據本發明之一具體實施例之查詢導向之事件辨識的步驟流程圖。

為了讓本發明的優點，精神與特徵可以更容易且明確地了解，後續將以具體實施例並參照所附圖式進行詳述與討論。值得注意的是，這些具體實施例僅為本發明代表性的具體實施例，其中所舉例的特定方法、裝置、條件、材質等並非用以限定本發明或對應的具體實施例。又，圖中各裝置僅係用於表達其相對位置且未按其實際比例繪述，合先敘明。

在本說明書的描述中，參考術語“一具體實施例”、“另一具體實施例”或“部分具體實施例”等的描述意指結合該實施例描述的具體特徵、結構、材料或者特點包含於本創作的至少一個實施例中。在本說明書中，對上述術語的示意性表述不一定指的是相同的實施例。而且，描述的具體特徵、結構、材料或者特點可以在任何的一個或多個實施例中以合適的方式結合。

請參閱圖1、圖2以及圖3A至圖3C。圖1係繪示根據本發明之一具體實施例之查詢導向之事件辨識系統1的功能方塊圖。圖2係繪示根據本發明之一具體實施例之擷取單元11、分析推理總成12及同步處理單元13的功能方塊圖。圖3A至圖3C係分別繪示資料流及分析推理總成12的時序示意圖。如圖1所示，在本具體實施例中，查詢導向之事件辨識系統1包含擷取單元11、分析推理總成12、同步處理單元13以及事件定義單元14。包含擷取單元11連接分析推理總成12，分析推理總成12連接同步處理單元13，並且同步處理單元13連接事件定義單元14。

於實務中，擷取單元11可為資料擷取裝置，並且分析推理總成12、同步處理單元13以及事件定義單元14可為運算或處理晶片並整合於運算裝置(如：電腦、伺服器)中。而資料擷取裝置可以有線連接或無線連接的方式與運算裝置溝通。在另一具體實施例中，擷取單元11可為資料擷取晶片，分析推理總成12、同步處理單元13以及事件定義單元14可為晶片，並且擷取單元11、分析推理總成12、同步處理單元13以及事件定義單元14可整合於相同或不同的運算裝置中。

在本具體實施例中，擷取單元11用以擷取資料流。其中，資料流包含複數個時間點及複數個資料，並且每一時間點對應一資料。於實務中，當擷取單元11為資料擷取裝置時，擷取單元11可擷取及紀錄連續且具有時序的資料流。舉例來說，當擷取單元11為攝像機時，擷取單元11可拍攝一影像，並且影像中的每一時間點對應一影像資料；當擷取單元11為麥克風時，擷取單元11可錄入一音訊，並且音訊中的每一時間點對應一音訊資料。另一方面，當擷取單元11為資料擷取晶片時，擷取單元11可從已錄製或儲存的影像檔或音訊檔中擷取多個時間點以及對應多個時間點的影像資料或音訊資料。此外，擷取單元11也可同時擷取多個資料流中的資料。於實務中，擷取單元11可同時擷取影像檔及音訊檔，並且每一時間點對應一影像資料及一音訊資料。

值得注意的是，資料流中的資料的種類不限前述的影像資料及音訊資料，並且擷取單元的類型不限於此。於實務中，資料也可為一維資料(如：地震波形、波段、股票的價格等)、二維資料(如：地形高低、人口密度分布等)或多維度的數據資料(如：特徵向量)，而擷取單元可為用以擷取對應該資料種類的裝置或晶片。

在本具體實施例中，分析推理總成12包含複數個推理模型。分析推理總成12以複數個推理模型分析及推理資料流中的複數個時間點及複數個資料以產生於每一時間點中各自對應該資料的推理資料。於實務中，複數個推理模型可分別用來分析及推理擷取單元11所擷取的資料中的不同物件。舉例來說，當擷取單元11所擷取的資料流為馬路的影像資料時，分析推理總成12的推理模型可包含車輛推理模型、行人推理模型、交通號誌推理模型等，並且這些推理模型可分別根據馬路的影像資料分析出「車輛為靜止不動」、「行人位於馬路中央」、「交通號誌為紅燈」等的推理資料。而推理模型可透過監督式學習、非監督式學習、半監督式學習、強化式學習等機器學習或其他深度學習之網路架構的方式分析大量的物件資料及數據而產生。

進一步地，在本具體實施例中，分析推理總成12的複數個推理模型可以串聯及並聯之至少一者的方式連接。於實務中，如圖2所示，分析推理總成12的複數個推理模型可包含串聯連接(如：推理模型121A及推理模型121C、推理模型121B及推理模型121D)、並聯連接(如：推理模型121A及推理模型121B、推理模型121C及推理模型121D、推理模型121D及推理模型121F)、串聯連接後並聯連接、以及並聯連接後串聯連接。並且，其中一個推理模型所產生的推理資料可作為其他推理模型的輸入資料。

於實務中，推理模型121A可為行人推理模型，推理模型121B可為車輛推理模型，推理模型121C可為姿勢推理模型，並且推理模型121D可為位置推理模型。當擷取單元11所擷取的資料流為馬路的影像資料並且分析推理總成12分析影像資料時，推理模型121A可先根據影像資料推理並判別出位於斑馬線上的行人。接著，推理模型121C再推理位於斑馬線上的行人的姿勢(例如：站立、躺下、行走等)。而推理模型121B可先根據影像資料推理並判別出馬路上的車輛。接著，推理模型121D再推理車輛位於馬路的位置。請注意，當分析推理總成12分析影像資料時，推理模型121A及推理模型121B可同時根據影像資料進行分析及推理。

進一步地，推理模型121E可為交集推理模型，並且可根據推理模型121C及推理模型121D的推理資料進一步分析。於實務中，推理模型121E可以物件框的方式標記推理資料中的行人以及車輛，並且推理出行人的物件框以及車輛的物件框是否有交集或重疊以產生推理資料。此外，推理模型121F可為聲音推理模型。當擷取單元11所擷取的資料流包含馬路的影像資料以及音訊資料時，推理模型121F可根據推理模型121B所產生的推理資料以及音訊資料推理出車輛是否有產生聲音(如：碰撞聲、剎車聲等)。

值得注意的是，分析推理總成12的推理模型的數量及連接方式不限於圖2的樣態，於實務中，分析推理總成的推理模型的類型、數量及連接方式皆可根據設計需求而決定。進一步地，分析推理總成也可包含多個應用於不同場景的推理模型組，並且推理模型組可包含對應該場景物件的複數個推理模型。當擷取單元擷取不同場景的資料流後，分析推理總成可根據場景使用對應的推理模型組進行分析。此外，每個推理模型的輸入資料不限於上一個推理模型所產生的推理資料，於實務中，每個推理模型的輸入資料可為資料流的資料，也可為上一個推理模型所產生的推理資料的部分資料，也可為資料流的資料以及上一個推理模型所產生的推理資料的部分資料。

在本具體實施例中，由於擷取單元11所擷取的資料為連續且具有時序，因此，分析推理總成12中的推理模型亦以時序的方式分析及推理資料流中複數個時間點的資料。於實務中，如圖2、圖3A至圖3C所示，擷取單元所擷取的資料流可包含連續的第一資料D1、第二資料D2及第三資料D3，並且第一資料D1、第二資料D2及第三資料D3分別對應連續的第一時間點T1、第二時間點T2及第三時間點T3。於圖3A中，當於第一時間點T1時，分析推理總成的推理模型121B分析及推理第一資料；於圖3B中，當於第二時間點T2時，推理模型121B分析及推理第二資料，推理模型121B同時產生對應第一資料的第一推理資料，並且推理模型121D分析及推理第一資料的第一推理資料；於圖3C中，當於第三時間點T3時，推理模型121B分析及推理第三資料，此時，推理模型121B同時產生對應第二資料的第一推理資料且推理模型121D分析及推理第二資料的第一推理資料，而推理模型121D同時產生對應第一資料的第二推理資料且推理模型121E分析及推理第一資料的第二推理資料。

進一步地，推理模型所產生的推理資料可儲存於元數據中。於圖3B中，當於第二時間點T2時，推理模型121B所產生的對應第一資料的第一推理資料除了作為推理模型121D的輸入資料之外，同時也儲存於元數據中；於圖3C中，當於第三時間點T3時，推理模型121B所產生的對應第二資料的第一推理資料以及推理模型121D所產生對應第一資料的第二推理資料皆儲存於元數據中。因此，當分析推理總成12分析並推理擷取單元11所擷取的資料流後，元數據可包含資料流中的每一個資料於所有推理模型所分析及推理的所有推理資料。

在本具體實施例中，同步處理單元13根據擷取單元11所擷取的資料流以及分析推理總成12所產生的推理資料產生對應每一時間點的推理資料組。於實務中，同步處理單元13可整合元數據及資料流以產生推理資料組。由於元數據具有時序並且對應資料流中於每一時間點的資料，因此同步處理單元13分別將相同時間點的資料流的資料以及元數據中對應該資料的推理資料形成該資料的推理資料組。舉例來說，如圖2所示，當分析推理總成12分析及推理擷取單元11所擷取的資料流中的第一時間點的第一資料後，同步處理單元13可統整第一資料以及推理模型121A至推理模型121F所產生的對應第一資料的所有推理資料，以形成第一推理資料組。因此，本發明的查詢導向之事件辨識系統可透過同步處理單元整合相同時間點的資料，以提高資料的正確性以及系統分析時的準確性。

在本具體實施例中，事件定義單元14透過語法找出符合推理資料組的事件查詢結果。於實務中，事件定義單元14可連接一輸入單元(圖未示)，並且輸入單元可為鍵盤、滑鼠等。使用者可透過輸入單元輸入欲查詢的事件的語法。而語法可包含至少一推理資料，並且語法可選自於圖論、集合論、語意及邏輯判斷式之至少一者。當使用者欲查詢「車子撞到人」的事件時，使用者可透過輸入單元輸入「行人的物件框與車輛的物件框有交集」、「行人為躺著的姿勢」以及「車輛出現雙黃燈」等推理資料，以及「推理資料的交集」的語法。此時，事件定義單元14根據使用者所輸入的語法比對同步處理單元13所產生的所有推理資料組。若推理資料組的資料符合語法時，則事件定義單元14可將該推理資料組標記為「符合」或「查詢結果為是」的事件查詢結果；若推理資料組不符合語法時，則事件定義單元14可將該推理資料組標記為「不符合」或「查詢結果為否」的事件查詢結果。因此，本發明的查詢導向之事件辨識系統可透過事件定義單元快速地查詢每個時間點的推理資料組是否符合事件發生時的必要元素，進而提高效率。

進一步地，當使用者需查詢新的事件時，使用者可重新輸入或新增語法，而事件定義單元14可直接從推理資料組比對符合語法的資料，而不需再針對新的事件重新分析及推理資料流中的資料，進而提高分析效率並降低時間成本。

請一併參閱圖1及圖4。圖4係繪示根據本發明之一具體實施例之查詢導向之事件辨識的步驟流程圖。圖4的步驟可透過圖1的查詢導向之事件辨識系統1來達成。在本具體實施例中，查詢導向之事件辨識包含以下步驟：步驟S1：擷取單元11擷取至少一資料流，其中資料流包含複數個時間點以及分別對應複數個時間點的複數個資料；步驟S2：分析推理總成12以複數個推理模型分析及推理該等時間點的該等資料以產生於每一時間點中各自對應資料的至少一推理資料；步驟S3：同步處理單元13根據資料流以及推理資料產生對應每一時間點的推理資料組；步驟S4：事件定義單元14根據語法比對推理資料組，並且判斷推理資料組是否符合語法。若判斷結果為是，則執行步驟S51：事件定義單元14產生「符合」的事件查詢結果；若判斷結果為否，則執行步驟S52：事件定義單元14產生「不符合」的事件查詢結果。

而事件定義單元透過語法查詢事件的方式不限於此，也可為其他樣態。在一具體實施例中，事件定義單元14儲存複數個語法。當同步處理單元13產生推理資料組後，事件定義單元14可將每一時間點的推理資料組分別比對每一個語法，並產生每一時間點的推理資料組對於所有語法的事件查詢結果。於實務中，語法可根據設計或需求而設定，也可透過輸入或匯入的方式新增並儲存於事件定義單元14中。而當使用者欲查詢新的事件時，使用者可將新的事件所對應的新的語法輸入並儲存於事件定義單元14中。因此，事件定義單元14可直接將同步處理單元13所產生推理資料組比對新的語法，並產生每一時間點的推理資料組對於新的語法的事件查詢結果。

在另一具體實施例中，事件定義單元14預存一事件清單，其中事件清單包含複數個事件，並且每個事件包含事件名稱以及語法。於實務中，使用者可透過輸入單元選擇並輸入事件的事件名稱，事件定義單元14可根據事件名稱所對應的語法比對推理資料組並產生事件查詢結果。而事件清單中每個事件的事件名稱及語法可根據設計或需求而設定，也可透過輸入或匯入的方式新增並儲存於事件定義單元14中。

請參閱圖5。圖5係繪示根據本發明之一具體實施例之查詢導向之事件辨識系統2的功能方塊圖。本具體實施例與前述具體實施例的不同之處，是在於本具體實施例的查詢導向之事件辨識系統2進一步包含判斷警示單元25。判斷警示單元25連接事件定義單元24並且用以根據事件定義單元24所產生的事件查詢結果的危害程度產生警示訊號。於實務中，判斷警示單元25可為文字、通訊、聲音、燈光等的提醒裝置或警示裝置。當事件定義單元24所產生的事件查詢結果為符合時，判斷警示單元25可發出警示訊號以提醒使用者。進一步地，判斷警示單元25的類型也可根據場景而決定。舉例來說，當查詢導向之事件辨識系統2的應用場景為銀行時，判斷警示單元25可為報警裝置。當銀行搶案的事件的語法包含「有遮臉的人」、「尖叫聲」、「攜帶鈔票」及「拿著危險物品的人」的交集，而事件定義單元24找到符合語法的推理資料組並且產生「符合」的事件查詢結果後，報警裝置可根據事件查詢結果得知為銀行搶案的事件並進行報警。因此，本發明的查詢導向之事件辨識系統也可透過判斷警示單元根據事件查詢結果自動執行後續的處理作業，進而提高方便性及實用性。

在本具體實施例中，查詢導向之事件辨識系統2進一步包含儲存單元26用以儲存分析推理總成22所產生的推理資料。於實務中，儲存單元26可為暫存器、快取記憶體、隨機存取記憶體、硬碟、磁帶機、光碟機或雲端等，並且儲存單元26可連接分析推理總成22。當分析推理總成22產生資料流的每一個時間點中對應資料的推理資料後，所有推理資料可儲存於儲存單元26中。並且，前述的元數據也可儲存於儲存單元26中。進一步地，儲存單元26也可連接同步處理單元23以及事件定義單元24，並且儲存單元26也可用以儲存同步處理單元23所生的推理資料組以及事件定義單元24所產生的事件查詢結果。此外，事件定義單元24也可連接一顯示器(圖未示)。事件定義單元24可將符合語法的推理資料組的資料及該資料的時間點顯示於顯示器上，以供使用者查看。並且，事件定義單元24也可從儲存單元26中找出並顯示先前的其他事件查詢結果及推理資料組於顯示器中，以供使用者查看或進行後續的處理。而擷取單元21的功能與前述具體實施例的擷取單元的功能大致相同，於此不再贅述。

此外，在本具體實施例中，事件定義單元24可包含第一事件定義單元241以及第二事件定義單元242。第一事件定義單元241連接同步處理單元23，並且第二事件定義單元242連接第一事件定義單元241。第一事件定義單元241透過第一語法找出符合推理資料組的第一事件查詢結果，並且第二事件定義單元242透過第二語法找出符合第一事件查詢結果及推理資料組的第二事件查詢結果。於實務中，第二事件定義單元242可從第一事件定義單元241所找到符合第一語法的第一事件查詢結果中找到符合第二語法的第二事件查詢結果。舉例來說，當使用者輸入「車子撞到人」的事件的語法並且第一事件定義單元241根據語法找出符合「車子撞到人」的事件的推理資料組之後，使用者可再輸入「違規造成意外」的事件的語法，其中，「違規造成意外」的語法可進一步包含「車輛違規停放」、「行人於紅燈時穿越馬路」等的推理資料。而第二事件定義單元242可直接從符合「車子撞到人」的事件的推理資料組中再找出符合「違規造成意外」的語法的推理資料組的第二事件查詢結果，而不需重新輸入語法並重新分析及推理，進而提高效率並降低時間成本。

請一併參閱圖5及圖6。圖6係繪示根據本發明之一具體實施例之查詢導向之事件辨識的步驟流程圖。圖6的步驟可透過圖5的查詢導向之事件辨識系統2來達成。在本具體實施例中，當擷取單元21、分析推理總成22及同步處理單元23分別依序執行步驟S1至S3，並且事件定義單元24產生「符合」的事件查詢結果(步驟S51)後，進一步執行步驟S6：判斷警示單元25根據事件查詢結果的危害程度產生警示訊號。

請一併參閱圖5及圖7。圖7係繪示根據本發明之一具體實施例之查詢導向之事件辨識的步驟流程圖。圖7的步驟可透過圖5的查詢導向之事件辨識系統2來達成。在本具體實施例中，當擷取單元21、分析推理總成22及同步處理單元23分別依序執行步驟S1至S3之後，執行步驟S7：第一事件定義單元241根據第一語法比對推理資料組，並且判斷推理資料組是否符合第一語法。若判斷結果為否，則執行步驟S82：第一事件定義單元14產生「不符合」的事件查詢結果；若判斷結果為是，則執行步驟S81：第一事件定義單元241產生「符合」的第一事件查詢結果。進一步地，執行步驟S9：第二事件定義單元242根據第二語法比對第一事件查詢結果以及推理資料，並且判斷第一事件查詢結果以及推理資料是否符合第二語法。若判斷結果為是，則執行步驟S101：第二事件定義單元242產生「符合」的第二事件查詢結果；若判斷結果為否，則執行步驟S102：第二事件定義單元242產生「不符合」的事件查詢結果。

藉由以上較佳具體實施例之詳述，係希望能更加清楚描述本發明之特徵與精神，而並非以上述所揭露的較佳具體實施例來對本發明之範疇加以限制。相反地，其目的是希望能涵蓋各種改變及具相等性的安排於本發明所欲申請之專利範圍的範疇內。因此，本發明所申請之專利範圍的範疇應根據上述的說明作最寬廣的解釋，以致使其涵蓋所有可能的改變以及具相等性的安排。

1:查詢導向之事件辨識系統

11:擷取單元

12:分析推理總成

13:同步處理單元

14:事件定義單元

Claims

一種查詢導向之事件辨識系統，包含：

一擷取單元，用以擷取至少一資料流，其中該至少一資料流包含複數個時間點以及複數個資料，並且每一時間點對應一資料；

一分析推理總成，連接該擷取單元，該分析推理總成包含複數個推理模型，該分析推理總成用以該等推理模型分析及推理該等時間點的該等資料以產生於每一該時間點中各自對應該資料的至少一推理資料；

一同步處理單元，連接該分析推理總成，該同步處理單元根據該至少一資料流以及該至少一推理資料產生對應每一該時間點的一推理資料組；以及

一事件定義單元，連接該同步處理單元，該事件定義單元透過一語法找出符合該推理資料組的一事件查詢結果。
如請求項1之查詢導向之事件辨識系統，其中該等推理模型以串聯及並聯之至少一者的方式連接。
如請求項1之查詢導向之事件辨識系統，進一步包含一判斷警示單元，用以根據該事件查詢結果的危害程度產生一警示訊號。
如請求項1之查詢導向之事件辨識系統，其中該事件定義單元包含一第一事件定義單元以及一第二事件定義定單元，該第一事件定義單元透過一第一語法找出符合該推理資料組的一第一事件查詢結果，並且該第二事件定義單元透過一第二語法找出符合該第一事件查詢結果及該至少一推理資料的一第二事件查詢結果。
如請求項1之查詢導向之事件辨識系統，其中該至少一推理資料儲存於元數據。
如請求項1之查詢導向之事件辨識系統，進一步包含一儲存單元，用以儲存該至少一推理資料。
如請求項1之查詢導向之事件辨識系統，其中該語法包含該至少一推理資料，並且該語法選自於圖論、集合論、語意及邏輯判斷式之至少一者。
如請求項1之查詢導向之事件辨識系統，其中該資料包含影像資料及音訊資料。
一種查詢導向之事件辨識方法，包含以下步驟：

一擷取單元擷取至少一資料流；

一分析推理總成以複數個推理模型分析及推理該至少一資料流中複數個時間點的複數個資料以產生於每一該時間點中對應該資料的至少一推理資料；

一同步處理單元根據該至少一資料流及該至少一推理資料產生對應每一該時間點的一推理資料組；以及

一事件定義單元透過一語法找出符合該推理資料組的一事件查詢結果。
如請求項9之查詢導向之事件辨識方法，進一步包含以下步驟：

一判斷警示單元根據該事件查詢結果的危害程度產生一警示訊號。
如請求項9之查詢導向之事件辨識方法，其中於該事件定義單元透過該語法找出符合該推理資料組的該事件查詢結果的步驟中，進一步包含以下步驟：

一第一事件單元透過一第一語法找出符合該推理資料組的一第一事件查詢結果；以及

一第二事件單元透過一第二語法找出符合該第一事件查詢結果及該至少一推理資料的一第二事件查詢結果。