一种基于多模态特征的事件推理方法及系统

本申请实施例提供了一种基于多模态特征的事件推理方法及系统，通过融合多个图像采集设备从不同位姿拍摄的图像数据所提取的特征，得到融合特征，基于融合特征进行事件推理，能够利用不同角度图像数据源之间的关联信息，实现从全局视角对事件进行推理。通过在各图像数据中标识出存在的对象（不同对象标识方式不同），并将标识图像输入多模态大模型，结合提示词引导多模态大模型思考，使其能够更准确识别对象。该方法通过融合特征和标识图像的引入，结合提示词引导多模态大模型思考，使得多模态大模型能够更全面、准确地理解图像信息，从而输出更准确的目标时段内目标区域中发生的事件，即第一事件，提高了事件推理结果的准确率。