CN109190608A - 一种城市违章智能识别方法 - Google Patents

一种城市违章智能识别方法 Download PDF

Info

Publication number
CN109190608A
CN109190608A CN201811292068.6A CN201811292068A CN109190608A CN 109190608 A CN109190608 A CN 109190608A CN 201811292068 A CN201811292068 A CN 201811292068A CN 109190608 A CN109190608 A CN 109190608A
Authority
CN
China
Prior art keywords
regulations
city
violating
intelligent recognition
label
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
CN201811292068.6A
Other languages
English (en)
Inventor
林韶军
洪章阳
何亦龙
黄炳裕
林生基
林文国
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.)
Evecom Information Technology Development Co ltd
Original Assignee
Evecom Information Technology Development Co 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 Evecom Information Technology Development Co ltd filed Critical Evecom Information Technology Development Co ltd
Priority to CN201811292068.6A priority Critical patent/CN109190608A/zh
Publication of CN109190608A publication Critical patent/CN109190608A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • 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
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Tourism & Hospitality (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Educational Administration (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • Development Economics (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供了一种城市违章智能识别方法，包括如下步骤：步骤S1、获取复数张城市违章照片，并通过人工对标注照片的违章类别；步骤S2、创建智能识别模型，并将人工标注的照片上传至智能识别模型进行深度学习训练；步骤S3、获取城市监控视频，利用优化后的智能识别模型对城市监控视频进行智能识别，对判断存在有违章行为的视频帧进行截图，并创建标签；步骤S4、对截图的标签进行人工审核，若标签有误，对标签进行修改，并进入步骤S2；若标签无误，将截图发送至城市管理系统进行实时告警。本发明的优点在于：实现了对城市违章行为的实时监控、智能识别，降低监管城市违章行为的成本。

Description

一种城市违章智能识别方法
技术领域
本发明涉及城市管理领域，特别指一种城市违章智能识别方法。
背景技术
随着城市化进程的推进，大量人口涌入城市进行生活，由此也产生了大量的城市违章行为，例如摆摊设点、店外经营、渣土抛撒、违章停车、违章搭建、垃圾堆放和户外广告等。
针对城市违章行为，传统的做法是利用人工现场巡逻，对城市违章行为进行拍照上传，或者在指挥中心利用视频监控进行人工巡查。而传统的做法存在有如下问题：由于城市违章的问题存在复杂多样的特性，管理格局复杂，使得针对城市违章行为存在监管不及时、执法取证难、问题易反复，且耗费了大量的人力资源。
经检索，申请日为2013.06.20，申请号为201310247758.0的中国发明专利公开了一种违章抓拍方法，该发明通过在客户端选择违章类型，通过抓拍指令启动中心服务器进行违章录像，启动前端设备进行抓拍，并将违章照片上传到分析服务器处理，分析服务器对违章照片进行处理后，将违章照片与事件记录关联，并上报中心服务器停止录像，将违章录像与事件记录关联。该发明存在有如下问题：首先未对违章行为建立个智能识别的模型，每次需将城市违章照片上传到分析服务器处理，不能马上进行识别提醒，造成执法延误；其次上报中心服务器停止录像，并不能对城市违章行为进行实时的监控。
发明内容
本发明要解决的技术问题，在于提供一种城市违章智能识别方法，用于实现对城市违章行为的实时监控、智能识别，降低监管城市违章行为的成本。
本发明是这样实现技术的：一种城市违章智能识别方法，所述方法包括如下步骤：
步骤S1、通过城市公共摄像头获取复数张城市违章照片，并通过人工的方式对城市违章照片的违章类别进行标注；
步骤S2、在云服务器上创建智能识别模型，并将人工标注的城市违章照片上传至智能识别模型进行深度学习训练，对智能识别模型进行优化；
步骤S3、通过城市公共摄像头获取城市监控视频，并利用优化后的智能识别模型对城市监控视频进行智能识别，对判断存在有违章行为的视频帧进行截图，并创建标签；
步骤S4、对截图的标签进行人工审核，若标签有误，对标签进行人工修改，并进入步骤S2；若标签无误，则进入步骤S5；
步骤S5、将截图发送至城市管理系统进行实时告警。
进一步地，所述步骤S1中，所述违章类别包括摆摊设点、店外经营、渣土抛撒、违章停车、违章搭建、垃圾堆放或者户外广告。
进一步地，所述步骤S2中，所述在云服务器上创建智能识别模型具体为：
在云服务器上基于卷积神经网络创建智能识别模型。
进一步地，所述步骤S3中，所述标签包括违章地点、违章类别、违章时间以及审核状态。
本发明的优点在于：
1、实现了对城市违章行为的实时监控、智能识别、及时告警、降低了监管城市违章行为的成本；
2、通过对截图的标签进行人工审核，对有误的标签进行人工修改并再次发送给智能识别模型进行学习训练，可以不断提高智能识别模型的识别准确率；
3、通过对截图创建标签，使得工作人员可以对截图进行分类筛选，对城市违章行为进行分类治理，极大的极高了工作效率；
4、基于卷积神经网络创建智能识别模型，实现了智能识别模型自行学习图像特征。
附图说明
下面参照附图结合实施例对本发明作进一步的说明。
图1是本发明一种城市违章智能识别方法的流程图。
具体实施方式
请参照图1所示，本发明一种城市违章智能识别方法的较佳实施例，包括如下步骤：
步骤S1、通过城市公共摄像头获取复数张城市违章照片，并通过人工的方式对城市违章照片的违章类别进行标注；
步骤S2、在云服务器上创建智能识别模型，并将人工标注的城市违章照片上传至智能识别模型进行深度学习训练，对智能识别模型进行优化；
步骤S3、通过城市公共摄像头获取城市监控视频，并利用优化后的智能识别模型对城市监控视频进行智能识别，可通过参数配置视频分析的点位，对判断存在有违章行为的视频帧进行截图，并创建标签，通过实时告警页面进行集中展示各类违章事件；通过对截图创建标签，使得工作人员可以对截图进行分类筛选、检索，对城市违章行为进行分类治理，极大的极高了工作效率；
步骤S4、对截图的标签进行人工审核，若标签有误，对标签进行人工修改，并进入步骤S2；若标签无误，更新截图的审核状态，则进入步骤S5；通过对截图的标签进行人工审核，对有误的标签进行人工修改并再次发送给智能识别模型进行学习训练，可以不断提高智能识别模型的识别准确率；
步骤S5、将截图发送至城市管理系统进行实时告警。
所述步骤S1中，所述违章类别包括摆摊设点、店外经营、渣土抛撒、违章停车、违章搭建、垃圾堆放或者户外广告。
所述步骤S2中，所述在云服务器上创建智能识别模型具体为：
在云服务器上基于卷积神经网络创建智能识别模型；基于卷积神经网络创建智能识别模型，实现了智能识别模型自行学习图像特征。
所述步骤S3中，所述标签包括违章地点、违章类别、违章时间以及审核状态。
经过对智能识别模型的不断学习训练，最终实现智能识别模型对城市违章行为的实时监控、智能识别、发现问题及时告警、极大降低监管城市违章行为的人力成本。
综上所述，本发明的优点在于：
1、实现了对城市违章行为的实时监控、智能识别、及时告警、降低了监管城市违章行为的成本；
2、通过对截图的标签进行人工审核，对有误的标签进行人工修改并再次发送给智能识别模型进行学习训练，可以不断提高智能识别模型的识别准确率；
3、通过对截图创建标签，使得工作人员可以对截图进行分类筛选，对城市违章行为进行分类治理，极大的极高了工作效率；
4、基于卷积神经网络创建智能识别模型，实现了智能识别模型自行学习图像特征。
虽然以上描述了本发明的具体实施方式，但是熟悉本技术领域的技术人员应当理解，我们所描述的具体的实施例只是说明性的，而不是用于对本发明的范围的限定，熟悉本领域的技术人员在依照本发明的精神所作的等效的修饰以及变化，都应当涵盖在本发明的权利要求所保护的范围内。

Claims (4)

1.一种城市违章智能识别方法，其特征在于：所述方法包括如下步骤：
步骤S1、通过城市公共摄像头获取复数张城市违章照片，并通过人工的方式对城市违章照片的违章类别进行标注；
步骤S2、在云服务器上创建智能识别模型，并将人工标注的城市违章照片上传至智能识别模型进行深度学习训练，对智能识别模型进行优化；
步骤S3、通过城市公共摄像头获取城市监控视频，并利用优化后的智能识别模型对城市监控视频进行智能识别，对判断存在有违章行为的视频帧进行截图，并创建标签；
步骤S4、对截图的标签进行人工审核，若标签有误，对标签进行人工修改，并进入步骤S2；若标签无误，则进入步骤S5；
步骤S5、将截图发送至城市管理系统进行实时告警。
2.如权利要求1所述的一种城市违章智能识别方法，其特征在于：所述步骤S1中，所述违章类别包括摆摊设点、店外经营、渣土抛撒、违章停车、违章搭建、垃圾堆放或者户外广告。
3.如权利要求1所述的一种城市违章智能识别方法，其特征在于：所述步骤S2中，所述在云服务器上创建智能识别模型具体为：
在云服务器上基于卷积神经网络创建智能识别模型。
4.如权利要求1所述的一种城市违章智能识别方法，其特征在于：所述步骤S3中，所述标签包括违章地点、违章类别、违章时间以及审核状态。
CN201811292068.6A 2018-10-30 2018-10-30 一种城市违章智能识别方法 Pending CN109190608A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811292068.6A CN109190608A (zh) 2018-10-30 2018-10-30 一种城市违章智能识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811292068.6A CN109190608A (zh) 2018-10-30 2018-10-30 一种城市违章智能识别方法

Publications (1)

Publication Number Publication Date
CN109190608A true CN109190608A (zh) 2019-01-11

Family

ID=64941421

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811292068.6A Pending CN109190608A (zh) 2018-10-30 2018-10-30 一种城市违章智能识别方法

Country Status (1)

Country Link
CN (1) CN109190608A (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109935078A (zh) * 2019-02-18 2019-06-25 深兰科技（上海）有限公司 一种自动进化型交通管控系统
CN110009913A (zh) * 2019-03-27 2019-07-12 江苏智通交通科技有限公司 一种闯红灯车辆的非现场执法图片智能审核方法和系统
CN110046547A (zh) * 2019-03-06 2019-07-23 深圳市麦谷科技有限公司 违章举报方法、系统、计算机设备及存储介质
CN110263748A (zh) * 2019-06-26 2019-09-20 北京百度网讯科技有限公司 用于发送信息的方法和装置
CN110458082A (zh) * 2019-08-05 2019-11-15 城云科技（中国）有限公司 一种城市管理案件分类识别方法
CN110490077A (zh) * 2019-07-18 2019-11-22 北京工业大数据创新中心有限公司 一种智能违章识别方法和系统
CN110852804A (zh) * 2019-11-11 2020-02-28 湘潭大学 一种基于深度学习的智能车实时巡视系统
CN111339353A (zh) * 2020-02-21 2020-06-26 北京容联易通信息技术有限公司 一种图像处理自优化的方法、装置、电子设备及存储介质
CN112749681A (zh) * 2021-01-25 2021-05-04 长威信息科技发展股份有限公司 一种基于边缘设备和深度学习的违章检测方法
CN112862519A (zh) * 2021-01-20 2021-05-28 北京奥维云网大数据科技股份有限公司 一种针对电商平台家电零售数据的销量异常识别方法
CN113673402A (zh) * 2021-08-12 2021-11-19 南京四维向量科技有限公司 一种基于路灯监控城市市容的图像识别方法
CN114821276A (zh) * 2022-03-09 2022-07-29 上海联数物联网有限公司 城市运行案件智能一键上报的方法、系统、介质及终端

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103383814A (zh) * 2013-06-20 2013-11-06 浙江宇视科技有限公司 一种违章抓拍方法
CN104615989A (zh) * 2015-02-05 2015-05-13 北京邮电大学 一种室外昼夜区分方法
CN105185110A (zh) * 2015-08-06 2015-12-23 苏州市世跃智能科技有限公司 一种基于单球机的违法停车自动检测抓拍的装置和方法
CN107194396A (zh) * 2017-05-08 2017-09-22 武汉大学 国土资源视频监控系统中基于特定违章建筑识别预警方法
CN107248293A (zh) * 2017-07-28 2017-10-13 陕西中熙汇天网络科技有限公司 交通违法移动监控信息采集分析方法及其系统
CN108281007A (zh) * 2018-03-29 2018-07-13 西北工业大学 一种基于智能识别的交通违章监督系统运行的优化方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103383814A (zh) * 2013-06-20 2013-11-06 浙江宇视科技有限公司 一种违章抓拍方法
CN104615989A (zh) * 2015-02-05 2015-05-13 北京邮电大学 一种室外昼夜区分方法
CN105185110A (zh) * 2015-08-06 2015-12-23 苏州市世跃智能科技有限公司 一种基于单球机的违法停车自动检测抓拍的装置和方法
CN107194396A (zh) * 2017-05-08 2017-09-22 武汉大学 国土资源视频监控系统中基于特定违章建筑识别预警方法
CN107248293A (zh) * 2017-07-28 2017-10-13 陕西中熙汇天网络科技有限公司 交通违法移动监控信息采集分析方法及其系统
CN108281007A (zh) * 2018-03-29 2018-07-13 西北工业大学 一种基于智能识别的交通违章监督系统运行的优化方法

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109935078A (zh) * 2019-02-18 2019-06-25 深兰科技（上海）有限公司 一种自动进化型交通管控系统
CN110046547A (zh) * 2019-03-06 2019-07-23 深圳市麦谷科技有限公司 违章举报方法、系统、计算机设备及存储介质
CN110009913B (zh) * 2019-03-27 2021-06-01 江苏智通交通科技有限公司 一种闯红灯车辆的非现场执法图片智能审核方法和系统
CN110009913A (zh) * 2019-03-27 2019-07-12 江苏智通交通科技有限公司 一种闯红灯车辆的非现场执法图片智能审核方法和系统
CN110263748A (zh) * 2019-06-26 2019-09-20 北京百度网讯科技有限公司 用于发送信息的方法和装置
CN110490077A (zh) * 2019-07-18 2019-11-22 北京工业大数据创新中心有限公司 一种智能违章识别方法和系统
CN110490077B (zh) * 2019-07-18 2022-04-15 北京工业大数据创新中心有限公司 一种智能违章识别方法和系统
CN110458082A (zh) * 2019-08-05 2019-11-15 城云科技（中国）有限公司 一种城市管理案件分类识别方法
CN110458082B (zh) * 2019-08-05 2022-05-03 城云科技（中国）有限公司 一种城市管理案件分类识别方法
CN110852804A (zh) * 2019-11-11 2020-02-28 湘潭大学 一种基于深度学习的智能车实时巡视系统
CN110852804B (zh) * 2019-11-11 2023-07-18 湘潭大学 一种基于深度学习的智能车实时巡视系统
CN111339353A (zh) * 2020-02-21 2020-06-26 北京容联易通信息技术有限公司 一种图像处理自优化的方法、装置、电子设备及存储介质
CN111339353B (zh) * 2020-02-21 2023-06-09 北京容联易通信息技术有限公司 一种图像处理自优化的方法、装置、电子设备及存储介质
CN112862519A (zh) * 2021-01-20 2021-05-28 北京奥维云网大数据科技股份有限公司 一种针对电商平台家电零售数据的销量异常识别方法
CN112749681A (zh) * 2021-01-25 2021-05-04 长威信息科技发展股份有限公司 一种基于边缘设备和深度学习的违章检测方法
CN113673402A (zh) * 2021-08-12 2021-11-19 南京四维向量科技有限公司 一种基于路灯监控城市市容的图像识别方法
CN114821276A (zh) * 2022-03-09 2022-07-29 上海联数物联网有限公司 城市运行案件智能一键上报的方法、系统、介质及终端

Similar Documents

Publication Publication Date Title
CN109190608A (zh) 一种城市违章智能识别方法
CN108510750A (zh) 一种基于神经网络模型的无人机巡检违章停车的方法
CN107194396A (zh) 国土资源视频监控系统中基于特定违章建筑识别预警方法
CN110674772A (zh) 电力作业现场智能安全管控辅助系统及方法
CN115272037A (zh) 一种基于物联网的智慧城市区域治安管理预警方法和系统
CN111047818A (zh) 一种基于视频图像的森林火灾预警系统
CN109525809A (zh) 一种输电电缆线路终端户外场智能运维方法和系统
CN110012268A (zh) 管网ai智能监控方法、系统、可读存储介质和设备
CN111447410A (zh) 一种犬只状态识别监控系统及方法
CN109543631A (zh) 一种基于机器学习的火灾图像探测报警方法
CN108960134A (zh) 一种巡线无人机影像标注及智能识别方法
CN113313006B (zh) 基于无人机的城市违建监管方法、系统和存储介质
CN108256447A (zh) 一种基于深度神经网络的无人机航拍视频分析方法
CN104134067A (zh) 基于智能视觉物联网的道路车辆监控系统
CN108965804A (zh) 一种用于城市安防的视频结构化技术
CN116246424B (zh) 一种老年人行为安全监控系统
CN112348003A (zh) 基于深度卷积神经网络的飞机加油场景识别方法及系统
CN106339722A (zh) 一种线路刀闸状态监测方法及装置
CN113240249A (zh) 基于无人机增强现实的城市工程质量智能评价方法及其系统
CN113191273A (zh) 基于神经网络的油田井场视频目标检测与识别方法及系统
CN116824626A (zh) 一种动物异常状态人工智能识别的方法
CN104023205B (zh) 智能安防监控系统
CN109934161A (zh) 基于卷积神经网络的车辆识别与检测方法及系统
CN106022311A (zh) 基于城市监控视频识别的应急事件发现方法及系统
CN109471913A (zh) 一种基于bim的路网管养信息系统

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: 20190111