CN110263748A - 用于发送信息的方法和装置 - Google Patents
用于发送信息的方法和装置 Download PDFInfo
- Publication number
- CN110263748A CN110263748A CN201910563429.4A CN201910563429A CN110263748A CN 110263748 A CN110263748 A CN 110263748A CN 201910563429 A CN201910563429 A CN 201910563429A CN 110263748 A CN110263748 A CN 110263748A
- Authority
- CN
- China
- Prior art keywords
- image
- detected
- information
- act
- violating regulations
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 73
- 230000033228 biological regulation Effects 0.000 claims abstract description 160
- 238000001514 detection method Methods 0.000 claims abstract description 138
- 230000004044 response Effects 0.000 claims abstract description 57
- 238000012360 testing method Methods 0.000 claims abstract description 55
- 238000012549 training Methods 0.000 claims description 67
- 230000005540 biological transmission Effects 0.000 claims description 17
- 230000000717 retained effect Effects 0.000 claims description 16
- 238000012937 correction Methods 0.000 claims description 8
- 238000013507 mapping Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 238000007689 inspection Methods 0.000 claims description 6
- 235000013399 edible fruits Nutrition 0.000 claims description 4
- 230000008439 repair process Effects 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000012512 characterization method Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 10
- 238000012544 monitoring process Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 230000006399 behavior Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 230000003321 amplification Effects 0.000 description 3
- 238000000151 deposition Methods 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 238000003199 nucleic acid amplification method Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000005291 magnetic effect Effects 0.000 description 2
- 230000014759 maintenance of location Effects 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
- G06K17/0022—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本公开的实施例公开了用于发送信息的方法和装置。该方法的一具体实施方式包括:获取待检测图像,其中,待检测图像中显示有待监控区域;将待检测图像输入至预先训练的违章检测模型,生成违章检测结果,其中,违章检测结果用于表征待检测图像中显示的至少一个违章行为所属的类别或待检测图像中不包括违章行为的图像;响应于确定违章检测结果用于表征待检测图像中显示的至少一个违章行为所属的类别,根据预设的对应关系,向与违章行为所属的类别对应的用户终端发送提示信息。该实施方式实现了根据待检测图像确定所显示的违章行为的类型。从而还可以利用云计算技术的弹性计算能力实现待检测图像的检测结果的实时生成。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及用于发送信息的方法和装置。
背景技术
随着城市化进程的加快,对于道路井盖缺失,路灯、消防栓等基础设施破损,道路游商小贩,沿街乞讨等不合规行为的管理也受到越来越多关注。
现阶段城市管理部门的违章检测手段主要是通过城管人员进行现场巡检。一方面是通过城管人员在自己的管辖范围内进行现场巡检;另一方面是通过城市街道安装的摄像头来对指定区域进行监控,城管人员在中控室通过监控影像来判断是否存在违章行为。
发明内容
本公开的实施例提出了用于发送信息的方法和装置。
第一方面,本公开的实施例提供了一种用于发送信息的方法,该方法包括:获取待检测图像,其中,待检测图像中显示有待监控区域;将待检测图像输入至预先训练的违章检测模型,生成违章检测结果,其中,违章检测结果用于表征待检测图像中显示的至少一个违章行为所属的类别或待检测图像中不包括违章行为的图像;响应于确定违章检测结果用于表征待检测图像中显示的至少一个违章行为所属的类别,根据预设的对应关系,向与违章行为所属的类别对应的用户终端发送提示信息。
在一些实施例中,上述违章检测结果还包括用于表征待检测图像中显示的各违章行为在待检测图像中的显示位置;以及上述违章检测模型通过如下步骤训练得到:获取训练样本集合,其中,训练样本包括样本待检测图像和与样本待检测图像对应的样本标注信息,样本标注信息用于表征以下任一者:样本待检测图像中显示的违章行为所属的类别和在样本待检测图像中的显示位置,样本待检测图像中不包括违章行为的图像;将训练样本集合中的训练样本的样本待检测图像作为输入,将与输入的样本待检测图像对应的样本标注信息作为期望输出,训练得到违章检测模型。
在一些实施例中,上述获取待检测图像,包括:从针对待监控区域拍摄的视频流中截取视频帧作为初始图像;将初始图像的尺寸调整至预设尺寸,生成待检测图像。
在一些实施例中,该方法还包括:响应于确定违章检测结果用于表征待检测图像中显示的至少一个违章行为所属的类别,向目标终端发送检测结果留存信息,其中,检测结果留存信息中包括违章检测结果。
在一些实施例中,该方法还包括:响应于接收到与违章行为所属的类别对应的用户终端发送的违章行为处置信息,根据违章行为处置信息,向目标终端发送处置结果留存信息。
在一些实施例中,该方法还包括:响应于接收到检测结果修正信息,将检测结果修正信息所指示的待检测图像和修正结果关联存储。
第二方面,本公开的实施例提供了一种用于发送信息的装置,该装置包括:获取单元,被配置成获取待检测图像,其中,待检测图像中显示有待监控区域;生成单元,被配置成将待检测图像输入至预先训练的违章检测模型,生成违章检测结果,其中,违章检测结果用于表征待检测图像中显示的至少一个违章行为所属的类别或待检测图像中不包括违章行为的图像;第一发送单元,被配置成响应于确定违章检测结果用于表征待检测图像中显示的至少一个违章行为所属的类别,根据预设的对应关系,向与违章行为所属的类别对应的用户终端发送提示信息。
在一些实施例中,上述违章检测结果还包括用于表征待检测图像中显示的各违章行为在待检测图像中的显示位置;以及上述违章检测模型通过如下步骤训练得到:获取训练样本集合,其中,训练样本包括样本待检测图像和与样本待检测图像对应的样本标注信息,样本标注信息用于表征以下任一者:样本待检测图像中显示的违章行为所属的类别和在样本待检测图像中的显示位置,样本待检测图像中不包括违章行为的图像;将训练样本集合中的训练样本的样本待检测图像作为输入,将与输入的样本待检测图像对应的样本标注信息作为期望输出,训练得到违章检测模型。
在一些实施例中,上述获取单元包括:截取模块,从针对待监控区域拍摄的视频流中截取视频帧作为初始图像;生成模块,被配置成将初始图像的尺寸调整至预设尺寸,生成待检测图像。
在一些实施例中,该装置还包括:第二发送单元,被配置成响应于确定违章检测结果用于表征待检测图像中显示的至少一个违章行为所属的类别,向目标终端发送检测结果留存信息,其中,检测结果留存信息中包括违章检测结果。
在一些实施例中,该装置还包括:第三发送单元,被配置成响应于接收到与违章行为所属的类别对应的用户终端发送的违章行为处置信息,根据违章行为处置信息,向目标终端发送处置结果留存信息。
在一些实施例中,该装置还包括:存储单元,被配置成响应于接收到检测结果修正信息,将检测结果修正信息所指示的待检测图像和修正结果关联存储。
第三方面,本公开的实施例提供了一种用于发送信息的系统,该系统包括:采集终端,被配置成获取待检测图像,其中,待检测图像中显示有待监控区域;响应于接收到检测结果留存信息,将检测结果留存信息所指示的待检测图像和违章检测结果关联存储;响应于接收到处置结果留存信息,存储处置结果留存信息所指示的处置结果;云服务器,被配置成实现如第一方面中任一实现方式描述的方法;用户终端,被配置成响应于接收到违章行为处置信息,向云服务器发送违章行为处置信息;响应于接收到表征违章检测结果所指示的违章行为不属实的检测结果修正信息,向云服务器发送检测结果修正信息。
第四方面,本公开的实施例提供了一种服务器,该服务器包括:一个或多个处理器;存储装置,其上存储有一个或多个程序;当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。
第五方面,本公开的实施例提供了一种计算机可读介质,其上存储有计算机程序,该程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
本公开的实施例提供的用于发送信息的方法和装置,首先获取待检测图像,其中,待检测图像中显示有待监控区域;而后,将待检测图像输入至预先训练的违章检测模型,生成违章检测结果,其中,违章检测结果用于表征待检测图像中显示的至少一个违章行为所属的类别或待检测图像中不包括违章行为的图像;最后,响应于确定违章检测结果用于表征待检测图像中显示的至少一个违章行为所属的类别,根据预设的对应关系,向与违章行为所属的类别对应的用户终端发送提示信息。从而实现了根据待检测图像确定所显示的违章行为的类型。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本公开的其它特征、目的和优点将会变得更明显:
图1是本公开的一个实施例可以应用于其中的示例性系统架构图;
图2是根据本公开的用于发送信息的方法的一个实施例的流程图;
图3是根据本公开的实施例的用于发送信息的方法的一个应用场景的示意图;
图4是根据本公开的用于训练违章检测模型的方法的一个实施例的流程图;
图5是根据本公开的用于发送信息的装置的一个实施例的结构示意图;
图6是根据本公开的用于发送信息的系统的一个实施例中各个设备之间交互时序的示意图;
图7是适于用来实现本公开的实施例的电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
图1示出了可以应用本公开的用于发送信息的方法或用于发送信息的装置的示例性架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如图像处理类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件、文本编辑类应用等。
终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是具有显示屏并且支持图像传输的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器,例如为终端设备101、102、103所获取的待检测图像提供检测结果的后台服务器。后台服务器可以对接收到的待检测图像进行分析处理,并将处理结果(如图像中是否显示有某种类型的违章行为)反馈给终端设备。
需要说明的是,上述待检测图像也可以直接存储在服务器105的本地,服务器105可以直接提取本地所存储的待检测图像并进行处理,此时,可以不存在终端设备101、102、103和网络104。
需要说明的是,服务器可以是硬件,也可以是软件。当服务器为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是,本公开的实施例所提供的用于发送信息的方法一般由服务器105执行,相应地,用于发送信息的装置一般设置于服务器105中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本公开的用于发送信息的方法的一个实施例的流程200。该用于发送信息的方法包括以下步骤:
步骤201,获取待检测图像。
在本实施例中,用于发送信息的方法的执行主体(如图1所示的服务器105)可以通过有线连接方式或者无线连接方式获取待检测图像。其中,上述待检测图像中可以显示有待监控区域。作为示例,上述执行主体可以获取预先存储于本地的待检测图像,也可以获取与之通信连接的电子设备(例如图1所示的终端设备)发送的待检测图像。
在本实施例的一些可选的实现方式中,上述执行主体还可以通过如下步骤获取待检测图像:
第一步,从针对待监控区域拍摄的视频流中截取视频帧作为初始图像。
在这些实现方式中,上述针对待监控区域拍摄的视频流可以是安装在城市街道的摄像头向上述执行主体传输的、针对待监控区域拍摄的实时影像。可以理解,视频实质上是一个按照时间的先后顺序排列的图像序列。上述执行主体可以利用各种方式从上述视频流中截取视频帧作为初始图像。作为示例,上述执行主体可以按照预设的时间间隔从上述图像序列中截取视频帧。作为又一示例,上述执行主体也可以将接收到的每帧图像都作为初始图像。
第二步,将初始图像的尺寸调整至预设尺寸,生成待检测图像。
在这些实现方式中,上述执行主体可以将上述第一步所获取的初始图像的尺寸调整至预设尺寸(例如像素为1024×640),生成待检测图像。其中,上述尺寸调整的方法可以包括图像缩小的方法和图像放大的方法。上述图像缩小的方法可以包括但不限于基于等间隔采样的缩小方法和基于局部均值的缩小方法。上述图像放大的方法可以包括但不限于基于像素放大原理的方法和基于双线性插值的方法。
步骤202,将待检测图像输入至预先训练的违章检测模型,生成违章检测结果。
在本实施例中,上述执行主体可以将步骤201所获取的待检测图像输入至预先训练的违章检测模型,生成违章检测结果。其中,上述违章检测结果可以用于表征待检测图像中显示的至少一个违章行为所属的类别或待检测图像中不包括违章行为的图像。上述违章行为所属的类别可以包括但不限于以下至少一项:跨门店经营,无照经营游商,乱堆物堆料,沿街晾晒,暴露垃圾,积存垃圾渣土,户外广告。
需要说明的是,上述违章检测模型可以是技术人员基于对大量的违章行为的图像和违章行为对应的类别的统计而预先制定的、存储有多个图像特征与对应的标注信息的对应关系的对应关系表。其中,上述标注信息可以包括表征上述表征违章行为所属的类别的信息。上述图像特征可以是通过现有的图像特征提取方法而生成的。
作为示例,上述执行主体可以首先利用与上述对应关系表中的图像特征的提取方法一致的方法对步骤201所获取的待检测图像进行特征提取。之后,将所提取的特征与上述对应关系表中的图像特征进行相似度计算。而后,响应于确定存在与上述所提取的特征的相似度大于预设阈值的图像特征,上述执行主体可以将该图像特征对应的标注信息确定为上述待检测图像的违章检测结果。响应于确定不存在与上述所提取的特征的相似度大于预设阈值的图像特征,上述执行主体可以生成表征待检测图像中不包括违章行为的图像的违章检测结果。
需要说明的是,上述对图像提取的特征可以是局部特征,此时也可以存在多个超过预设阈值的相似度。从而,上述执行主体可以生成表征待检测图像中显示的多个违章行为分别所属的类别。
步骤203,响应于确定违章检测结果用于表征待检测图像中显示的至少一个违章行为所属的类别,根据预设的对应关系,向与违章行为所属的类别对应的用户终端发送提示信息。
在本实施例中,响应于确定违章检测结果用于表征待检测图像中显示的至少一个违章行为所属的类别,上述执行主体可以根据预设的对应关系,向与上述步骤202所确定的违章行为所属的类别对应的用户终端发送提示信息。其中,上述对应关系可以根据实际应用场景而设定。例如,上述对应关系可以用于表征违章行为所属的类别与负责该类别违章行为的城管人员所使用的终端之间的对应关系。上述提示信息可以包括上述步骤202所确定的违章检测结果。从而,上述执行主体可以提示使用上述终端的城管人员及时处理上述违章检测结果所指示的违章行为。可选地,上述提示信息还可以包括上述步骤201所获取的待检测图像。从而,使用上述终端的工作人员可以对违章检测结果的准确性进行判断。
在本实施例的一些可选的实现方式中,响应于确定上述违章检测结果用于表征待检测图像中显示的至少一个违章行为所属的类别,上述执行主体还可以向目标终端发送检测结果留存信息。其中,上述目标终端可以是根据实际的应用需求,预先指定的任意用于存储信息的终端。上述目标终端也可以是根据规则而定的表单,例如发送上述待检测图像的终端。上述检测结果留存信息中可以包括上述步骤202所生成的违章检测结果。可选地,上述检测结果留存信息中还可以包括上述步骤201所获取的待检测图像。可选地,上述检测结果留存信息中还可以包括指示存储上述所生成的违章检测结果所对应的待检测图像的信息。从而可以减少同一数据的重复发送所带来的网络资源的浪费。可选地,上述检测结果留存信息还可以包括指示目标设备对上述待监控区域进行拍摄的信息。其中,上述目标设备可以是拍摄上述待检测图像的摄像头。
在本实施例的一些可选的实现方式中,响应于接收到与违章行为所属的类别对应的用户终端发送的违章行为处置信息,上述执行主体还可以根据违章行为处置信息,向目标终端发送处置结果留存信息。其中,上述违章行为处置信息可以是使用上述用户终端的用户所输入的针对上述违章检测结果所指示的违章行为进行处置的信息。其可以包括但不限于以下至少一项:时间,地点,违章类型,针对违章行为现场所拍摄的图像,记录处置过程的信息,记录处置失败的原因的信息。上述处置结果留存信息可以用于指示将上述违章行为处置信息进行存储。可选地,上述时间、地点、违章类型、针对违章行为现场所拍摄的图像也可以通过上述执行主体自动生成。作为示例,上述执行主体还可以获取发送待检测图像的终端的设备标识。实践中,每个安装在街道的监控设备所对应的设备标识和安装位置也可以一一对应。上述执行主体可以在确定出待检测图像中显示有违章行为后自动记录发送该待检测图像的监控设备的安装位置。从而生成记录上述地点的信息。
在本实施例的一些可选的实现方式中,响应于接收到检测结果修正信息,上述执行主体还可以将检测结果修正信息所指示的待检测图像和修正结果关联存储。其中,上述检测结果修正信息可以包括使用上述用户终端的用户所输入的针对上述违章检测结果进行修正的修正结果。实践中,上述检测结果所指示的违章行为有可能不属实。从而,可以利用上述检测结果修正信息所包括的修正结果和关联存储的待检测图像对上述违章检测模型进行优化。
继续参见图3,图3是根据本公开的实施例的用于发送信息的方法的应用场景的一个示意图。在图3的应用场景中,用于拍摄X街道的摄像头301获取所拍摄区域的图像。摄像头301将拍摄的X街道的监控画面302发送至后台服务器303。后台服务器303将上述图像302输入至预先训练的违章检测模型。作为示例,后台服务器303提取上述图像302的图像特征。之后,将所提取的图像特征与预先存储的对应关系表中的图像特征进行比对。响应于确定上述对应关系表中存在与上述提取的图像特征之间的相似度大于预设阈值的图像特征,将对应关系表中的图像特征对应的标签“堆放渣土”确定为违章检测结果。而后,后台服务器303根据预设的对应关系,向负责与“堆放渣土”相关的工作的工作人员306所使用的终端305发送提示信息304。其中,上述提示信息可以包括表征X街道存在堆放渣土的违章行为需要处理的信息。
目前,为了对城市街道的违章行为进行检测,现有技术之一通常是采用人工现场巡检,导致人工成本大、效率不高。此外,现有技术之一还可以采用工作人员通过监控图像判断是否存在违章行为的方法进行违章行为监控,但依然采用人工对是否违章进行判断,不利于提升违章行为处理流程的自动化。而本公开的上述实施例提供的方法,通过预先训练的违章检测模型对待检测图像进行识别,实现了利用人工智能方法监控违章行为,大大减少了人工成本。而且,在发现违章行为时,还通过向与违章行为所属类别对应的用户终端发送提示信息来及时提醒工作人员对违章行为进行处置。实现了对违章行为从检测到提示的自动化流程,从而无需工作人员时刻守候在监控录像前,在未收到提示信息前可以处理其他工作,从而提高了工作效率。
进一步参考图4,其示出了用于训练违章检测模型的方法的一个实施例的流程400。该用于训练违章检测模型的方法的流程400,包括以下步骤:
步骤401,获取训练样本集合。
在本实施例中,用于训练违章检测模型的方法的执行主体(例如图1所示的服务器105)可以首先获取训练样本集合。其中,训练样本可以包括样本待检测图像和与样本待检测图像对应的样本标注信息,样本标注信息可以用于表征以下任一者:样本待检测图像中显示的违章行为所属的类别和在样本待检测图像中的显示位置,样本待检测图像中不包括违章行为的图像。即,如果样本待检测图像中不包括违章行为的图像,则样本标注信息用于表征不存在违章行为的图像;如果样本待检测图像中包括违章行为的图像,则样本标注信息用于表征各违章行为所属的类别及其在样本待检测图像中的显示位置。通常,可以用矩形框来表示违章行为显示在上述样本待检测图像上的位置。上述矩形框可以用各种形式表示。作为示例,可以用中心点的坐标和长度、宽度来表示。作为又一示例,也可以用四个顶点的坐标来表示。
在本实施例中,上述训练样本集合可以通过多种方式得到。作为示例,可以首先获取大量的历史监控图像。然后,在显示有违章行为的历史监控图像上确定出违章行为的显示位置和违章行为所属的类别。之后,将上述违章行为的显示位置、所属的类别和显示有上述违章行为的历史监控图像关联存储,作为正样本的样本待检测图像和样本标注信息。可选地,一个正样本的样本待检测图像中可以显示有多个违章行为。从而,上述与样本待检测图像对应的样本标注信息中可以包括多个违章行为各自所属的类别和各自的显示位置。而后,将不存在违章行为的历史监控图像与表征图像中不包括违章行为的图像的信息关联存储,作为负样本的样本待检测图像和样本标注信息。通过大量的数据形成大量的训练样本,进而组成训练样本集合。
步骤402,将训练样本集合中的训练样本的样本待检测图像作为输入,将与输入的样本待检测图像对应的样本标注信息作为期望输出,训练得到违章检测模型。
在本实施例中,上述执行主体利用步骤401所获取的训练样本集合进行训练,得到违章检测模型的方法具体可以包括以下步骤:
第一步,获取初始违章检测模型。
在本实施例中,上述初始违章检测模型可以是各种用于目标检测(ObjectDetection)的模型。上述用于目标检测的模型可以包括但不限于以下至少一项:R-CNN(Regions with Convolutional Neural Networks,区域卷积神经网络),Faster R-CNN,R-FCN(Region-based Fully Convolutional Networks,基于区域的全卷积网络),SSD(Single Shot MultiBox Detector,单镜头多盒检测器)。
第二步,从上述步骤401所获取的训练样本集合中选取训练样本,以及执行以下训练步骤:
第三步,将选取的训练样本的样本待检测图像输入至上述步骤第一步所获取的初始违章检测模型,得到该样本待检测图像的违章检测结果。
第四步,利用预设的损失函数确定所得到的违章检测结果与该训练样本对应的样本标注信息之间的差异程度。其中,上述损失函数可以是对数损失函数。
第五步,根据所确定的差异程度,确定初始违章检测模型是否训练完成。
具体地,响应于确定初始违章检测模型训练完成,上述执行主体可以将训练完成的初始违章检测模型确定为上述违章检测模型。响应于确定初始违章检测模型未训练完成,上述执行主体可以调整上述初始违章检测模型的相关网络参数,以及从步骤401所获取的训练样本集合中重新选取训练样本,使用调整后的初始违章检测模型作为违章检测模型,继续执行上述训练步骤。
需要说明的是,上述模型训练完成的条件可以包括但不限于以下至少一项:训练时间超过预设时长;训练次数超过预设次数;计算所得的差异程度小于预设的差异阈值;测试集上的准确率达到预设的准确率阈值;测试集上的覆盖率达到预设的覆盖率阈值。
还需要说明的是,上述训练步骤的执行主体可以与用于发送信息的方法的执行主体相同或者不同。如果相同,则上述训练步骤的执行主体可以在训练得到违章检测模型将训练好的违章检测模型的网络结构和参数值存储在本地。如果不同,则上述训练步骤的执行主体可以在训练得到违章检测模型后将训练好的违章检测模型的网络结构和参数值发送给用于发送信息的方法的执行主体。
在本实施例的一些可选的实现方式中,响应于接收到与违章行为所属的类别对应的用户终端发送的违章行为处置信息,上述执行主体还可以根据违章行为处置信息,向目标终端发送处置结果留存信息。
在本实施例的一些可选的实现方式中,响应于接收到检测结果修正信息,上述执行主体还可以将检测结果修正信息所指示的待检测图像和修正结果关联存储。
上述可选的实现方式分别与前述实施例中的相应部分的描述一致,此处不再赘述。
从图4中可以看出,本实施例中的用于训练违章检测模型的方法的流程400体现了获取训练样本集合的步骤,以及训练得到违章检测模型的步骤。由此,本实施例描述的方案可以利用机器学习方法训练违章检测模型,从而实现了利用预先训练的违章检测模型识别待检测图像中多个违章行为所属的类别和显示位置。
进一步参考图5,作为对上述各图所示方法的实现,本公开提供了用于发送信息的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例提供的用于发送信息的装置500包括获取单元501、生成单元502和第一发送单元503。其中,获取单元501,被配置成获取待检测图像。其中,上述待检测图像中显示有待监控区域。生成单元502,被配置成将待检测图像输入至预先训练的违章检测模型,生成违章检测结果。其中,上述违章检测结果用于表征待检测图像中显示的至少一个违章行为所属的类别或待检测图像中不包括违章行为的图像。第一发送单元503,被配置成响应于确定违章检测结果用于表征待检测图像中显示的至少一个违章行为所属的类别,根据预设的对应关系,向与违章行为所属的类别对应的用户终端发送提示信息。
在本实施例中,用于发送信息的装置500中:获取单元501、生成单元502和第一发送单元503的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201、步骤202和步骤203的相关说明,在此不再赘述。
在本实施例的一些可选的实现方式中,上述违章检测结果还可以包括用于表征待检测图像中显示的各违章行为在待检测图像中的显示位置。上述违章检测模型可以通过如下步骤训练得到:获取训练样本集合,其中,训练样本包括样本待检测图像和与样本待检测图像对应的样本标注信息,样本标注信息用于表征以下任一者:样本待检测图像中显示的违章行为所属的类别和在样本待检测图像中的显示位置,样本待检测图像中不包括违章行为的图像;将训练样本集合中的训练样本的样本待检测图像作为输入,将与输入的样本待检测图像对应的样本标注信息作为期望输出,训练得到违章检测模型。
在本实施例的一些可选的实现方式中,上述获取单元501可以包括截取模块(图中未示出)、生成模块(图中未示出)。其中,上述截取模块可以被配置成从针对待监控区域拍摄的视频流中截取视频帧作为初始图像。上述生成模块可以被配置成将初始图像的尺寸调整至预设尺寸,生成待检测图像。
在本实施例的一些可选的实现方式中,上述用于发送信息的装置500还可以包括:第二发送单元(图中未示出),被配置成响应于确定违章检测结果用于表征待检测图像中显示的至少一个违章行为所属的类别,向目标终端发送检测结果留存信息,其中,检测结果留存信息中包括违章检测结果。
在本实施例的一些可选的实现方式中,上述用于发送信息的装置500还可以包括:第三发送单元(图中未示出),被配置成响应于接收到与违章行为所属的类别对应的用户终端发送的违章行为处置信息,根据违章行为处置信息,向目标终端发送处置结果留存信息。
在本实施例的一些可选的实现方式中,上述用于发送信息的装置500还可以包括:存储单元(图中未示出),被配置成响应于接收到检测结果修正信息,将检测结果修正信息所指示的待检测图像和修正结果关联存储。
本公开的上述实施例提供的装置,首先通过获取单元501获取待检测图像,其中,待检测图像中显示有待监控区域;而后,生成单元502将待检测图像输入至预先训练的违章检测模型,生成违章检测结果,其中,违章检测结果用于表征待检测图像中显示的至少一个违章行为所属的类别或待检测图像中不包括违章行为的图像;最后,响应于确定违章检测结果用于表征待检测图像中显示的至少一个违章行为所属的类别,第一发送单元503根据预设的对应关系,向与违章行为所属的类别对应的用户终端发送提示信息。从而实现了根据待检测图像确定所显示的违章行为的类型。
进一步参考图6,其示出了用于发送信息的系统的一个实施例中各个设备之间交互的时序600。该用于发送信息的系统可以包括:采集终端(例如图1所示的终端设备101、102、103),云服务器(例如图1所示的服务器105),用户终端(例如图1所示的终端设备101)。其中,上述采集终端可以被配置成获取待检测图像,上述待检测图像中可以显示有待监控区域;响应于接收到检测结果留存信息,将检测结果留存信息所指示的待检测图像和违章检测结果关联存储;响应于接收到处置结果留存信息,存储处置结果留存信息所指示的处置结果。上述云服务器可以被配置成实现如前述实施例所描述的用于发送信息的方法。上述用户终端可以被配置成响应于接收到违章行为处置信息,向云服务器发送违章行为处置信息;响应于接收到表征违章检测结果所指示的违章行为不属实的检测结果修正信息,向云服务器发送检测结果修正信息。
如图6所示,在步骤601中,采集终端获取待检测图像。
在本实施例中,上述采集终端可以通过摄像头获取待监控区域的图像。其中,上述待检测图像中可以显示有待监控区域。
在步骤602中,采集终端可以将步骤601所获取的待检测图像发送给通信连接的云服务器。其中,上述待检测图像可以以流媒体的形式发送,从而实现监控影像的实时传输。
在步骤603中,云服务器可以将步骤602所获取的待检测图像输入至预先训练的违章检测模型,生成违章检测结果。
在步骤604中,响应于确定违章检测结果用于表征待检测图像中显示的至少一个违章行为所属的类别,根据预设的对应关系,云服务器可以向与违章行为所属的类别对应的用户终端发送提示信息。
上述步骤603、步骤604分别与前述实施例中的步骤202、步骤203一致,上文针对步骤202、步骤203的描述也适用于步骤603、步骤604,此处不再赘述。从而,云服务器可以利用其弹性计算能力实现待检测图像的检测结果的实时生成。
在步骤605中,响应于接收到检测结果留存信息,采集终端可以将检测结果留存信息所指示的待检测图像和违章检测结果关联存储。从而可以实现了违章检测结果的自动备份。
在步骤606中,响应于接收到违章行为处置信息,用户终端可以向云服务器发送违章行为处置信息。
在本实施例中,上述违章行为处置信息可以是使用上述用户终端的用户所输入的针对上述违章检测结果所指示的违章行为进行处置的信息。其可以包括但不限于以下至少一项:时间,地点,违章类型,针对违章行为现场所拍摄的图像,记录处置过程的信息,记录处置失败的原因的信息。
在步骤607中,响应于接收到处置结果留存信息,采集终端可以存储处置结果留存信息所指示的处置结果。
在本实施例中,上述处置结果可以包括记录针对违章行为的执法处置是否成功的信息。例如,执法过程记录,处置失败的原因。
可选地,在步骤608中,响应于接收到表征违章检测结果所指示的违章行为不属实的检测结果修正信息,用户终端可以向云服务器发送检测结果修正信息。从而,可以通过人工干预对违章检测模型的识别结果进行修正。可选地,还可以利用上述识别结果错误的待检测图片及修正后的检测结果修正信息组成新的训练样本,继续训练优化上述违章检测模型。
本申请的上述实施例提供的用于认证身份的系统,首先通过采集终端获取待检测图像。其中,上述待检测图像中显示有待监控区域。而后,云服务器获取上述待检测图像。之后,云服务器将上述待检测图像输入至预先训练的违章检测模型,生成违章检测结果。而后,响应于确定违章检测结果用于表征待检测图像中显示的至少一个违章行为所属的类别,根据预设的对应关系,云服务器向与违章行为所属的类别对应的用户终端发送提示信息。接下来,响应于接收到检测结果留存信息,采集终端可以将检测结果留存信息所指示的待检测图像和违章检测结果关联存储。响应于接收到违章行为处置信息,用户终端可以向云服务器发送违章行为处置信息。而后,响应于接收到处置结果留存信息,采集终端可以存储处置结果留存信息所指示的处置结果。最后,响应于接收到表征违章检测结果所指示的违章行为不属实的检测结果修正信息,用户终端可以向云服务器发送检测结果修正信息。从而通过采集终端、云服务器和用户终端之间的信息流转,实现了对监控视频中是否存在违章行为的实时检测,通过可以及时通知相应的人员进行处置,提升了对违章行为的治理效率。
下面参考图7,下面参考图7,其示出了适于用来实现本公开的实施例的电子设备(例如图1中的服务器)700的结构示意图。图7示出的服务器仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图7所示,电子设备700可以包括处理装置(例如中央处理器、图形处理器等)701,其可以根据存储在只读存储器(ROM)702中的程序或者从存储装置708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中,还存储有电子设备700操作所需的各种程序和数据。处理装置701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
通常,以下装置可以连接至I/O接口705:包括例如触摸屏、触摸板、键盘、鼠标等的输入装置706;包括例如液晶显示器(LCD,Liquid Crystal Display)、扬声器、振动器等的输出装置707;包括例如磁带、硬盘等的存储装置708;以及通信装置709。通信装置709可以允许电子设备700与其他设备进行无线或有线通信以交换数据。虽然图7示出了具有各种装置的电子设备700,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图7中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置709从网络上被下载和安装,或者从存储装置708被安装,或者从ROM 702被安装。在该计算机程序被处理装置701执行时,执行本公开的实施例的方法中限定的上述功能。
需要说明的是,本公开的实施例所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(Radio Frequency,射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述服务器中所包含的;也可以是单独存在,而未装配入该服务器中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该服务器执行时,使得该服务器:获取待检测图像,其中,待检测图像中显示有待监控区域;将待检测图像输入至预先训练的违章检测模型,生成违章检测结果,其中,违章检测结果用于表征待检测图像中显示的至少一个违章行为所属的类别或待检测图像中不包括违章行为的图像;响应于确定违章检测结果用于表征待检测图像中显示的至少一个违章行为所属的类别,根据预设的对应关系,向与违章行为所属的类别对应的用户终端发送提示信息。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开的各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器,包括获取单元、生成单元、发送单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,获取单元还可以被描述为“获取待检测图像的单元,其中,待检测图像中显示有待监控区域”。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (15)
1.一种用于发送信息的方法,包括:
获取待检测图像,其中,所述待检测图像中显示有待监控区域;
将所述待检测图像输入至预先训练的违章检测模型,生成违章检测结果,其中,所述违章检测结果用于表征所述待检测图像中显示的至少一个违章行为所属的类别或所述待检测图像中不包括违章行为的图像;
响应于确定所述违章检测结果用于表征所述待检测图像中显示的至少一个违章行为所属的类别,根据预设的对应关系,向与所述违章行为所属的类别对应的用户终端发送提示信息。
2.根据权利要求1所述的方法,其中,所述违章检测结果还包括用于表征所述待检测图像中显示的各违章行为在所述待检测图像中的显示位置;以及
所述违章检测模型通过如下步骤训练得到:
获取训练样本集合,其中,训练样本包括样本待检测图像和与样本待检测图像对应的样本标注信息,样本标注信息用于表征以下任一者:样本待检测图像中显示的违章行为所属的类别和在样本待检测图像中的显示位置,样本待检测图像中不包括违章行为的图像;
将所述训练样本集合中的训练样本的样本待检测图像作为输入,将与输入的样本待检测图像对应的样本标注信息作为期望输出,训练得到所述违章检测模型。
3.根据权利要求1所述的方法,其中,所述获取待检测图像,包括:
从针对待监控区域拍摄的视频流中截取视频帧作为初始图像;
将所述初始图像的尺寸调整至预设尺寸,生成所述待检测图像。
4.根据权利要求1所述的方法,其中,所述方法还包括:
响应于确定所述违章检测结果用于表征所述待检测图像中显示的至少一个违章行为所属的类别,向目标终端发送检测结果留存信息,其中,所述检测结果留存信息中包括所述违章检测结果。
5.根据权利要求1-4之一所述的方法,其中,所述方法还包括:
响应于接收到与所述违章行为所属的类别对应的用户终端发送的违章行为处置信息,根据所述违章行为处置信息,向目标终端发送处置结果留存信息。
6.根据权利要求5所述的方法,其中,所述方法还包括:
响应于接收到检测结果修正信息,将所述检测结果修正信息所指示的待检测图像和修正结果关联存储。
7.一种用于发送信息的装置,包括:
获取单元,被配置成获取待检测图像,其中,所述待检测图像中显示有待监控区域;
生成单元,被配置成将所述待检测图像输入至预先训练的违章检测模型,生成违章检测结果,其中,所述违章检测结果用于表征所述待检测图像中显示的至少一个违章行为所属的类别或所述待检测图像中不包括违章行为的图像;
第一发送单元,被配置成响应于确定所述违章检测结果用于表征所述待检测图像中显示的至少一个违章行为所属的类别,根据预设的对应关系,向与所述违章行为所属的类别对应的用户终端发送提示信息。
8.根据权利要求7所述的装置,其中,所述违章检测结果还包括用于表征所述待检测图像中显示的各违章行为在所述待检测图像中的显示位置;以及
所述违章检测模型通过如下步骤训练得到:
获取训练样本集合,其中,训练样本包括样本待检测图像和与样本待检测图像对应的样本标注信息,样本标注信息用于表征以下任一者:样本待检测图像中显示的违章行为所属的类别和在样本待检测图像中的显示位置,样本待检测图像中不包括违章行为的图像;
将所述训练样本集合中的训练样本的样本待检测图像作为输入,将与输入的样本待检测图像对应的样本标注信息作为期望输出,训练得到所述违章检测模型。
9.根据权利要求7所述的装置,其中,所述获取单元包括:
截取模块,从针对待监控区域拍摄的视频流中截取视频帧作为初始图像;
生成模块,被配置成将所述初始图像的尺寸调整至预设尺寸,生成所述待检测图像。
10.根据权利要求7所述的装置,其中,所述装置还包括:
第二发送单元,被配置成响应于确定所述违章检测结果用于表征所述待检测图像中显示的至少一个违章行为所属的类别,向目标终端发送检测结果留存信息,其中,所述检测结果留存信息中包括所述违章检测结果。
11.根据权利要求7-10之一所述的装置,其中,所述装置还包括:
第三发送单元,被配置成响应于接收到与所述违章行为所属的类别对应的用户终端发送的违章行为处置信息,根据所述违章行为处置信息,向目标终端发送处置结果留存信息。
12.根据权利要求11所述的装置,其中,所述装置还包括:
存储单元,被配置成响应于接收到检测结果修正信息,将所述检测结果修正信息所指示的待检测图像和修正结果关联存储。
13.一种用于发送信息的系统,包括:
采集终端,被配置成获取待检测图像,其中,所述待检测图像中显示有待监控区域;响应于接收到检测结果留存信息,将所述检测结果留存信息所指示的待检测图像和违章检测结果关联存储;响应于接收到处置结果留存信息,存储所述处置结果留存信息所指示的处置结果;
云服务器,被配置成实现如权利要求1-6中任一所述的方法;
用户终端,被配置成响应于接收到违章行为处置信息,向所述云服务器发送所述违章行为处置信息;响应于接收到表征所述违章检测结果所指示的违章行为不属实的检测结果修正信息,向所述云服务器发送所述检测结果修正信息。
14.一种服务器,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。
15.一种计算机可读介质,其上存储有计算机程序,其中,该程序被处理器执行时实现如权利要求1-6中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910563429.4A CN110263748A (zh) | 2019-06-26 | 2019-06-26 | 用于发送信息的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910563429.4A CN110263748A (zh) | 2019-06-26 | 2019-06-26 | 用于发送信息的方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110263748A true CN110263748A (zh) | 2019-09-20 |
Family
ID=67921947
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910563429.4A Pending CN110263748A (zh) | 2019-06-26 | 2019-06-26 | 用于发送信息的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110263748A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110853364A (zh) * | 2019-11-18 | 2020-02-28 | 珠海研果科技有限公司 | 数据监控方法和装置 |
CN110851148A (zh) * | 2019-09-23 | 2020-02-28 | 上海意略明数字科技股份有限公司 | 一种基于智能图像识别用户行为数据的分析系统及其方法 |
CN111324764A (zh) * | 2020-02-18 | 2020-06-23 | 北京金山安全软件有限公司 | 一种图像检测方法、装置、电子设备及存储介质 |
CN113448268A (zh) * | 2021-05-20 | 2021-09-28 | 鄂尔多斯市龙腾捷通科技有限公司 | 一种智慧城管巡逻监测平台 |
CN113596387A (zh) * | 2020-04-30 | 2021-11-02 | 中国石油天然气股份有限公司 | 监控系统 |
CN115294536A (zh) * | 2022-08-10 | 2022-11-04 | 北京百度网讯科技有限公司 | 基于人工智能的违章检测方法、装置、设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103354029A (zh) * | 2013-07-26 | 2013-10-16 | 安徽三联交通应用技术股份有限公司 | 一种多功能路口交通信息采集方法 |
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 |
CN105046404A (zh) * | 2015-06-23 | 2015-11-11 | 广东建邦计算机软件有限公司 | 利用应用程序对市场主体进行社区巡检的方法和系统 |
CN105869012A (zh) * | 2016-03-17 | 2016-08-17 | 石平安 | 一种基于或囊括商家信用系统及手机通讯录的营销系统 |
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 |
CN109063612A (zh) * | 2018-07-19 | 2018-12-21 | 中智城信息技术有限公司 | 城市智能红线管理方法及机器可读存储介质 |
CN109190608A (zh) * | 2018-10-30 | 2019-01-11 | 长威信息科技发展股份有限公司 | 一种城市违章智能识别方法 |
-
2019
- 2019-06-26 CN CN201910563429.4A patent/CN110263748A/zh active Pending
Patent Citations (7)
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 |
CN103354029A (zh) * | 2013-07-26 | 2013-10-16 | 安徽三联交通应用技术股份有限公司 | 一种多功能路口交通信息采集方法 |
CN105046404A (zh) * | 2015-06-23 | 2015-11-11 | 广东建邦计算机软件有限公司 | 利用应用程序对市场主体进行社区巡检的方法和系统 |
CN105869012A (zh) * | 2016-03-17 | 2016-08-17 | 石平安 | 一种基于或囊括商家信用系统及手机通讯录的营销系统 |
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 |
CN109063612A (zh) * | 2018-07-19 | 2018-12-21 | 中智城信息技术有限公司 | 城市智能红线管理方法及机器可读存储介质 |
CN109190608A (zh) * | 2018-10-30 | 2019-01-11 | 长威信息科技发展股份有限公司 | 一种城市违章智能识别方法 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110851148A (zh) * | 2019-09-23 | 2020-02-28 | 上海意略明数字科技股份有限公司 | 一种基于智能图像识别用户行为数据的分析系统及其方法 |
CN110851148B (zh) * | 2019-09-23 | 2021-07-30 | 上海意略明数字科技股份有限公司 | 一种基于智能图像识别用户行为数据的分析系统及其方法 |
CN110853364A (zh) * | 2019-11-18 | 2020-02-28 | 珠海研果科技有限公司 | 数据监控方法和装置 |
CN110853364B (zh) * | 2019-11-18 | 2022-03-08 | 珠海研果科技有限公司 | 数据监控方法和装置 |
CN111324764A (zh) * | 2020-02-18 | 2020-06-23 | 北京金山安全软件有限公司 | 一种图像检测方法、装置、电子设备及存储介质 |
CN111324764B (zh) * | 2020-02-18 | 2023-09-22 | 北京金山安全软件有限公司 | 一种图像检测方法、装置、电子设备及存储介质 |
CN113596387A (zh) * | 2020-04-30 | 2021-11-02 | 中国石油天然气股份有限公司 | 监控系统 |
CN113596387B (zh) * | 2020-04-30 | 2023-10-31 | 中国石油天然气股份有限公司 | 监控系统 |
CN113448268A (zh) * | 2021-05-20 | 2021-09-28 | 鄂尔多斯市龙腾捷通科技有限公司 | 一种智慧城管巡逻监测平台 |
CN115294536A (zh) * | 2022-08-10 | 2022-11-04 | 北京百度网讯科技有限公司 | 基于人工智能的违章检测方法、装置、设备及存储介质 |
CN115294536B (zh) * | 2022-08-10 | 2023-07-28 | 北京百度网讯科技有限公司 | 基于人工智能的违章检测方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110263748A (zh) | 用于发送信息的方法和装置 | |
CN109145781B (zh) | 用于处理图像的方法和装置 | |
CN108154196B (zh) | 用于输出图像的方法和装置 | |
CN109002842A (zh) | 图像识别方法和装置 | |
CN109344908A (zh) | 用于生成模型的方法和装置 | |
CN109492128A (zh) | 用于生成模型的方法和装置 | |
CN109508681A (zh) | 生成人体关键点检测模型的方法和装置 | |
CN109308490A (zh) | 用于生成信息的方法和装置 | |
CN108985208A (zh) | 生成图像检测模型的方法和装置 | |
CN110400363A (zh) | 基于激光点云的地图构建方法和装置 | |
US11461995B2 (en) | Method and apparatus for inspecting burrs of electrode slice | |
CN108776808A (zh) | 一种用于检测钢包溶蚀缺陷的方法和装置 | |
CN109446990A (zh) | 用于生成信息的方法和装置 | |
CN108986169A (zh) | 用于处理图像的方法和装置 | |
CN110163076A (zh) | 一种图像数据处理方法和相关装置 | |
EP4141786A1 (en) | Defect detection method and apparatus, model training method and apparatus, and electronic device | |
CN109376267A (zh) | 用于生成模型的方法和装置 | |
CN108509921B (zh) | 用于生成信息的方法和装置 | |
CN109145828A (zh) | 用于生成视频类别检测模型的方法和装置 | |
CN110032916A (zh) | 一种检测目标物体的方法和装置 | |
CN110619807B (zh) | 生成全局热力图的方法和装置 | |
CN109508583A (zh) | 一种人群分布特征的获取方法和装置 | |
CN109272543A (zh) | 用于生成模型的方法和装置 | |
CN109902446A (zh) | 用于生成信息预测模型的方法和装置 | |
CN110211121A (zh) | 用于推送模型的方法和装置 |
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 |
Application publication date: 20190920 |
|
RJ01 | Rejection of invention patent application after publication |