CN110443312B - 一种基于人体姿态的城管方法及系统 - Google Patents
一种基于人体姿态的城管方法及系统 Download PDFInfo
- Publication number
- CN110443312B CN110443312B CN201910728119.3A CN201910728119A CN110443312B CN 110443312 B CN110443312 B CN 110443312B CN 201910728119 A CN201910728119 A CN 201910728119A CN 110443312 B CN110443312 B CN 110443312B
- Authority
- CN
- China
- Prior art keywords
- urban
- information data
- urban management
- law enforcement
- management
- 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.)
- Active
Links
Images
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
- 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—Systems or methods specially adapted for 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
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
Abstract
本发明提供了一种基于人体姿态的城管方法及系统,在后台城管图像处理平台,收集摄像头拍摄到的信息数据、执法终端获得的信息数据,标注出这些信息数据中的城市部件、人体姿态和城管事件,构建城管业务训练集;建立关于城市部件、人体姿态和城管事件的城市管理事件模型;根据城管业务训练集,识别提取出当前摄像头拍摄到的信息数据、执法终端获得的信息数据中的城市部件、人体姿态和城管事件,并根据城市管理事件模型分析出当前信息数据与城管事件的近似关联度。能根据城市中摄像头的信息数据、执法终端的信息数据预测出需要城管执法的情况,为城管执法起到指导作用。
Description
技术领域
本发明涉及智慧城市技术领域,特别涉及一种基于人体姿态的城管方法及系统。
背景技术
目前在智慧城市的建设中,对城市现场的管理主要依赖于城管执法人员现场巡逻查看。虽然城市中安装有很多摄像头,但是摄像头所获取的图片、视频资料也只作为城市事件发生后的证据,不能为城管执法起到指导的作用。
发明内容
本发明所要解决的技术问题是:提供一种基于人体姿态的城管方法及系统,能根据城市中摄像头的信息数据、执法终端的信息数据分析出需要城管执法的情况,为城管执法起到指导作用。
为了解决上述技术问题,本发明采用的技术方案为:
一种基于人体姿态的城管方法,所述方法为:
在后台城管图像处理平台,收集摄像头拍摄到的信息数据、执法终端获得的信息数据,标注出这些信息数据中的城市部件、人体姿态和城管事件,构建城管业务训练集;
建立关于城市部件、人体姿态和城管事件的城市管理事件模型,具体为:
其中,αi代表第i个信息数据中人体姿态与城管事件的匹配度,βi代表第 i个信息数据中城市部件与城管事件的匹配度;g(i)代表第i个信息数据与城管事件的近似关联度;
根据城管业务训练集,识别提取出当前摄像头拍摄到的信息数据、执法终端获得的信息数据中的城市部件、人体姿态和城管事件,并根据城市管理事件模型分析出当前信息数据与城管事件的近似关联度。
本发明的有益效果在于:在后台城管图像处理平台内,首先,利用大量的摄像头、执法终端获得的信息数据,人工标注出其中的城市部件、人体姿态和城管事件,并存储为城管业务训练集,作为对当前摄像头、执法终端获得的信息数据判断的参考依据,虽然人工标注比较费时但是出错的概率比较低,作为城管业务训练集学习的方式还是比较可靠的;其次,在对摄像头、执法终端获得的信息数据与城管事件近似关联度分析方面,先从信息数据中分离出城市部件、人体姿态和城管事件,再分别判断城市部件、人体姿态各自与城管事件的关联度,最后分析摄像头、执法终端获得的信息数据与城管事件的关联度,方法合理,便于计算机准确识别出城市部件、人体姿态和城管事件,分析出需要城管执法的情况,为城管执法起到指导作用。
同时,对应上述方法,本发明还公开了一种基于人体姿态的城管系统,所述系统包括后台城管图像处理平台,所述后台城管图像处理平台包括城管业务训练集模块、城市管理事件模型模块和分析城管事件关联度模块,其中,
所述城管业务训练集模块,用于收集摄像头拍摄到的信息数据、执法终端获得的信息数据,标注出这些信息数据中的城市部件、人体姿态和城管事件,构建城管业务训练集;
所述城市管理事件模型模块,用于建立关于城市部件、人体姿态和城管事件的城市管理事件模型,具体为:
其中,αi代表第i个信息数据中人体姿态与城管事件的匹配度,βi代表第 i个信息数据中城市部件与城管事件的匹配度;g(i)代表第i个信息数据与城管事件的近似关联度;
所述分析城管事件关联度模块,用于根据城管业务训练集,识别提取出当前摄像头拍摄到的信息数据、执法终端获得的信息数据中的城市部件、人体姿态和城管事件,并根据城市管理事件模型分析出当前信息数据与城管事件的近似关联度。
本发明的有益效果在于:在后台城管图像处理平台对摄像头拍摄到的信息数据、执法终端获得的信息数据进行集中分析,先进行大量学习,构建成城管业务训练集,然后通过城市管理事件模型模块分析出当前信息数据与城管事件的近似关联度,在城管人员做出执法行动之前分析出需要城管执法的情况,为城管执法起到指导作用。
附图说明
图1为本发明实施例一的基于人体姿态的城管方法的流程图;
图2为本发明实施例二的基于人体姿态的城管方法的流程图;
图3为本发明实施例四的基于人体姿态的城管系统的系统框图。
具体实施方式
为详细说明本发明的技术内容、所实现目的及效果,以下结合实施方式并配合附图予以说明。
请参照图1,本发明提供的实施例一为:
一种基于人体姿态的城管方法,所述方法为:
在后台城管图像处理平台,收集摄像头拍摄到的信息数据、执法终端获得的信息数据,标注出这些信息数据中的城市部件、人体姿态和城管事件,构建城管业务训练集;
建立关于城市部件、人体姿态和城管事件的城市管理事件模型,具体为:
其中,αi代表第i个信息数据中人体姿态与城管事件的匹配度,βi代表第 i个信息数据中城市部件与城管事件的匹配度;g(i)代表第i个信息数据与城管事件的近似关联度;
根据城管业务训练集,识别提取出当前摄像头拍摄到的信息数据、执法终端获得的信息数据中的城市部件、人体姿态和城管事件,并根据城市管理事件模型分析出当前信息数据与城管事件的近似关联度。
城市中有很多摄像头,摄像头拍摄到的信息数据包括图片和视频;执法终端是城市管理人员执法过程中拿在手中的移动终端,执法终端上获得的信息数据包括图片、视频、文字和语音;城市部件指各种城市设备,包括摄像头、电线杆、光照设备、建筑物、传感器,城市部件存储时信息包括城市部件名称、部件经纬度,还可以包括部件类型、部件分类信息、部件编码信息,城市部件存储时信息事先由各城市部件采集人员所采集存储获得,通过摄像头拍摄到的信息数据、执法终端获得的信息数据可快速识别出存储的城市部件;人体姿态在学习训练阶段通过人工标注出来,还能通过行为分析仪快速识别出来,需要执法人员现场执法的人体姿态包括以下几种:围观、站立、蹲坐、敲击、建设、摆设、撬起、倾倒和聚集,当然不局限于这几种人体姿态;从而使得城市部件和人体姿态识别准确性高;城管事件来自于城管执法人员利用移动执法终端所收集的执法事件信息、执法过程信息,城管事件在学习训练阶段通过人工标注出来,在分析关联度阶段,城管事件的结果依赖于学习训练阶段的数据结果,需要执法人员现场执法的城管事件包括占用摆摊、踩踏、占道经营、破坏、违章建设、出店经营、井盖异常、乱倒垃圾、河道异常和聚众,当然不局限于这几种城管事件。
针对城市管理事件模型,公式1中,αi代表第i个信息数据中人体姿态与城管事件的匹配度,设αi取值范围为0~1,αi取值较高的情况举例见表1所示。
表1
序号 | 城管事件 | 人体姿态 | 序号 | 城管事件 | 人体姿态 |
1 | 占用摆摊 | 围观 | 6 | 出店经营 | 摆设 |
2 | 踩踏 | 站立 | 7 | 井盖异常 | 撬起 |
3 | 占道经营 | 下蹲 | 8 | 乱倒垃圾 | 倾倒 |
4 | 破坏 | 敲击 | 9 | 河道异常 | 倾倒 |
5 | 违章建设 | 建设 | 10 | 聚众 | 聚集 |
βi代表第i个信息数据中城市部件与城管事件的匹配度,设βi的取值范围为0~1,βi取值较高的情况举例见表2所示。
表2
序号 | 城管事件 | 城市部件 | 序号 | 城管事件 | 城市部件 |
1 | 占用摆摊 | 学校附近 | 4 | 出店经营 | 店铺 |
2 | 占道经营 | 街道 | 5 | 井盖异常 | 街道 |
3 | 违章建设 | 建筑物 | 6 | 河道异常 | 河边 |
g(i)代表第i个信息数据与城管事件的近似关联度,则当αi与βi比较接近时,g(i)的值较低,此次信息数据与城管事件的关联度越高,需要启动现场执法;相反,如果αi与βi的值相差较大,则g(i)的值较高,此次信息数据与城管事件的关联度越低,不需要启动现场执法。
公式1应用举例:例如当对摄像头拍摄到的信息数据识别提取出人体姿态为下蹲、城市部件为街道、城管事件为占道经营;对于下蹲的人体姿态,在城管业务训练集中标注时,发现下蹲人体姿态与城管事件关联存储模块代表占道经营的图像有95份,代表休息的图像有5份,那么当识别的城管事件为占道经营,则αi取值为0.95;对于街道的城市部件,在城管业务训练集中标注时,发现街道城市部件与城管事件关联存储模块代表占道经营的有88份,井盖异常的有12份,那么当识别的城管事件为占道经营,则βi取值为0.88;将αi和βi的值代入公式1中计算得到g(i)的值为0.428,代表此时在街道处于下蹲姿态属于占道经营的可能性较大,需要启动现场执法。
再例如,当对执法终端获得的信息数据识别提取出人体姿态为敲击、城市部件为河边、城管事件为破坏;对于敲击的人体姿态,在城管业务训练集中标注时,发现敲击人体姿态与城管事件关联存储模块代表破坏的图像有90份,代表维修的图像有10份,那么当识别的城管事件为破坏,则αi取值为0.9;对于河边的城市部件,在城管业务训练集中标注时,发现河边城市部件与城管事件关联存储模块代表破坏的有15份,代表玩耍的有85份,那么当识别的城管事件为破坏,则βi取值为0.15;将αi和βi的值代入公式1中计算得到g(i)的值为 6.57,代表在河边处于敲击姿态属于破坏的可能性较小,不需要启动现场执法。
进一步的,所述城市管理事件模型还包括以下计算:
其中,f(i)代表第i次信息数据与城管事件关联度参考值,n代表人数。
在公式2中,人数n越大,f(i)的值越大,当人越多时需要城管人员现场执法的可能性越大,因此,f(i)作为第i次信息数据与城管事件关联度参考值,当 f(i)的值高于预设参考阈值时,同样需要现场执法。
请参照图2,本发明的实施例二为:
在实施例一的基础上,所述方法还包括:
当g(i)的值小于预设阈值,后台城管图像处理平台将当前信息数据和g(i)值发送至工单调度引擎;
所述工单调度引擎根据接收到的后台城管图像处理平台发送的当前信息数据和g(i)值生成工单处理指令,并将工单处理指令下发至数字城管管理平台;
在数字城管管理平台内,将城市地理信息划分成多个网格元,并为每个网格元对应匹配一个执法终端;
所述数字城管管理平台将接收到的工单调度引擎发送的工单处理指令流转至当前信息数据所在网格元对应匹配的执法终端;
所述执法终端接收到数字城管管理平台发送的工单处理指令后,采集城市现场的信息数据,接收执法人员的程序化执法流程信息,并将城市现场信息数据和执法流程信息发送给后台城管图像处理平台。
当g(i)的值小于预设阈值,说明系统预测需要城管人员现场执法,此时后台城管图像处理平台通知工单调度引擎,在工单调度引擎中生成工单处理指令至数字城管管理平台,这里的工单处理指令可以是标准化指令,根据g(i)的值选择一条标准化指令发送给数字城管管理平台,实现快速处理工单;工单调度引擎在发送工单处理指令的同时可将当前信息数据和g(i)值一并发出,便于数字城管管理平台查看。
数字城管管理平台对工单处理指令进行流转,流转至执法终端,执法终端由执法人员现场移动手持,执法人员借助执法终端可查看工单处理指令,还可执行程序化的执法流程,实现对执法人员现场执法的指引,同时执法人员可将执法过程、结果中的图片、视频信息数据通过执法终端传回后台城管图像处理平台进行使用。
数字城管管理平台上对城市地理信息进行网格划分,网格元预先与执法终端建立匹配对应关系,从而使城市执法更加快速进行分配。
进一步的,执法终端通过无线信道与后台城管图像处理平台建立数据连接,执法终端的数据通过消息报文的形式采用SM2加密算法加解密后再进入后台城管图像处理平台。
具体的,所述方法还包括:在后台城管图像处理平台,设置一个标注协处理器,在所述标注协处理器内,标注出摄像头拍摄到的信息数据、执法终端获得的信息数据中的城市部件、人体姿态和城管事件。
在城管业务训练集构建阶段,通过标注协处理器对城市部件、人体姿态和城管事件进行标注,使通过标注协处理器生成独立的处理网络,避免摄像头拍摄到的信息数据、执法终端获得的信息数据多次进行传输,可以减少数据计算层级,对城市处理事件进行加速处理。
优选地,所述方法还包括:
在后台城管图像处理平台,将对当前摄像头拍摄到的信息数据、执法终端获得的信息数据识别提取出的城市部件、人体姿态和城管事件加入城管业务训练集中,优化城管业务训练集。
城管业务训练集的数据并不仅仅依赖于学习训练阶段的信息数据,在方法被不断使用的过程中,当前摄像头拍摄到的信息数据、执法终端获得的信息数据又重新被加入到城管业务训练集中,实现对城管业务训练集的实时更新,使城管业务训练集不断的优化完善,从而不断提高其准确性。
本发明的实施例三为:
一种基于人体姿态的城管系统,所述系统包括后台城管图像处理平台,所述后台城管图像处理平台包括城管业务训练集模块、城市管理事件模型模块和分析城管事件关联度模块,其中,
所述城管业务训练集模块,用于收集摄像头拍摄到的信息数据、执法终端获得的信息数据,标注出这些信息数据中的城市部件、人体姿态和城管事件,构建城管业务训练集;
所述城市管理事件模型模块,用于建立关于城市部件、人体姿态和城管事件的城市管理事件模型,具体为:
其中,αi代表第i个信息数据中人体姿态与城管事件的匹配度,βi代表第i个信息数据中城市部件与城管事件的匹配度;g(i)代表第i个信息数据与城管事件的近似关联度;
所述分析城管事件关联度模块,用于根据城管业务训练集,识别提取出当前摄像头拍摄到的信息数据、执法终端获得的信息数据中的城市部件、人体姿态和城管事件,并根据城市管理事件模型分析出当前信息数据与城管事件的近似关联度。
进一步的,所述城市管理事件模型模块,还用于计算
其中,f(i)代表第i次信息数据与城管事件关联度参考值,n代表人数。
请参照图3,本发明的实施例四为:
在实施例三的基础上,对于基于人体姿态的城管系统,所述后台城管图像处理平台还包括第一发送模块,所述系统还包括工单调度引擎、数字城管管理平台和执法终端,所述工单调度引擎包括第一接收模块和指令处理模块;所述数字城管管理平台包括网格划分模块、执法匹配模块、第二接收模块和指令流转模块;所述执法终端包括第三接收模块、信息采集模块、第四接收模块和第二发送模块;其中,
所述第一发送模块,用于当g(i)的值小于预设阈值,将当前信息数据和g(i) 值发送至工单调度引擎;
所述第一接收模块,用于接收后台城管图像处理平台发送的当前信息数据和g(i)值;
所述指令处理模块,用于根据接收到的当前信息数据和g(i)值生成工单处理指令,并将工单处理指令下发至数字城管管理平台;
所述网格划分模块,用于将城市地理信息划分成多个网格元;
所述执法匹配模块,用于为每个网格元对应匹配一个执法终端;
所述第二接收模块,用于接收工单调度引擎发送的工单处理指令;
所述指令流转模块,用于将接收到的工单处理指令流转至当前信息数据所在网格元对应匹配的执法终端;
所述第三接收模块,用于接收数字城管管理平台发送的工单处理指令;
所述信息采集模块,用于采集城市现场的信息数据;
所述第四接收模块,用于接收执法人员的程序化执法流程信息;
所述第二发送模块,用于将城市现场信息数据和执法流程信息发送给后台城管图像处理平台。
安装在城市中的摄像头,拍摄获取城市现场图片、视频信息数据。所述系统还包括摄像头,用于拍摄获取城市现场图片、视频信息数据。
具体的,所述后台城管图像处理平台还包括标注协处理器,用于标注出摄像头拍摄到的信息数据、执法终端获得的信息数据中的城市部件、人体姿态和城管事件。
具体的,所述后台城管图像处理平台还包括优化模块,用于将对当前摄像头拍摄到的信息数据、执法终端获得的信息数据识别提取出的城市部件、人体姿态和城管事件加入城管业务训练集中,优化城管业务训练集。
综上所述,本发明提供的基于人体姿态的城管方法及系统,采用标注方法构建城管业务训练集,从摄像头拍摄到的信息数据、执法终端获得的信息数据识别提取出城市部件、人体姿态和城管事件,通过城市部件、人体姿态和城管事件三者匹配度,计算预测出城市现场与城管事件之间的关联度,从而为是否进行现场执法提供指导,如果需要现场执法,后台城管图像处理平台会将数据发送至工单调度引擎生成工单处理指令,并经数字城管管理平台流转至移动执法终端,移动执法终端再将城市现场数据收集并传回后台城管图像处理平台进行使用,使系统保持不断更新不断优化,从整体上提升智慧城市预管理能力。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等同变换,或直接或间接运用在相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种基于人体姿态的城管方法,其特征在于,所述方法为:
在后台城管图像处理平台,收集摄像头拍摄到的信息数据、执法终端获得的信息数据,标注出这些信息数据中的城市部件、人体姿态和城管事件,构建城管业务训练集;
建立关于城市部件、人体姿态和城管事件的城市管理事件模型,具体为:
其中,αi代表第i个信息数据中人体姿态与城管事件的匹配度,βi代表第i个信息数据中城市部件与城管事件的匹配度;g(i)代表第i个信息数据与城管事件的近似关联度;
根据城管业务训练集,识别提取出当前摄像头拍摄到的信息数据、执法终端获得的信息数据中的城市部件、人体姿态和城管事件,并根据城市管理事件模型分析出当前信息数据与城管事件的近似关联度;
当g(i)的值小于预设阈值,通过执法终端进行现场执法。
3.根据权利要求1所述的基于人体姿态的城管方法,其特征在于,所述方法还包括:
当g(i)的值小于预设阈值,后台城管图像处理平台将当前信息数据和g(i)值发送至工单调度引擎;
所述工单调度引擎根据接收到的后台城管图像处理平台发送的当前信息数据和g(i)值生成工单处理指令,并将工单处理指令下发至数字城管管理平台;
在数字城管管理平台内,将城市地理信息划分成多个网格元,并为每个网格元对应匹配一个执法终端;
所述数字城管管理平台将接收到的工单调度引擎发送的工单处理指令流转至当前信息数据所在网格元对应匹配的执法终端;
所述执法终端接收到数字城管管理平台发送的工单处理指令后,采集城市现场的信息数据,接收执法人员的程序化执法流程信息,并将城市现场信息数据和执法流程信息发送给后台城管图像处理平台。
4.根据权利要求1所述的基于人体姿态的城管方法,其特征在于,所述方法还包括:在后台城管图像处理平台,设置一个标注协处理器,在所述标注协处理器内,标注出摄像头拍摄到的信息数据、执法终端获得的信息数据中的城市部件、人体姿态和城管事件。
5.根据权利要求1所述的基于人体姿态的城管方法,其特征在于,所述方法还包括:
在后台城管图像处理平台,将对当前摄像头拍摄到的信息数据、执法终端获得的信息数据识别提取出的城市部件、人体姿态和城管事件加入城管业务训练集中,优化城管业务训练集。
6.一种基于人体姿态的城管系统,其特征在于,所述系统包括后台城管图像处理平台和执法终端,所述后台城管图像处理平台包括城管业务训练集模块、城市管理事件模型模块和分析城管事件关联度模块,其中,
所述城管业务训练集模块,用于收集摄像头拍摄到的信息数据、执法终端获得的信息数据,标注出这些信息数据中的城市部件、人体姿态和城管事件,构建城管业务训练集;
所述城市管理事件模型模块,用于建立关于城市部件、人体姿态和城管事件的城市管理事件模型,具体为:
其中,αi代表第i个信息数据中人体姿态与城管事件的匹配度,βi代表第i个信息数据中城市部件与城管事件的匹配度;g(i)代表第i个信息数据与城管事件的近似关联度;
所述分析城管事件关联度模块,用于根据城管业务训练集,识别提取出当前摄像头拍摄到的信息数据、执法终端获得的信息数据中的城市部件、人体姿态和城管事件,并根据城市管理事件模型分析出当前信息数据与城管事件的近似关联度;
所述执法终端,用于当g(i)的值小于预设阈值,通过执法终端进行现场执法。
8.根据权利要求6所述的基于人体姿态的城管系统,其特征在于,所述后台城管图像处理平台还包括第一发送模块,所述系统还包括工单调度引擎、数字城管管理平台,所述工单调度引擎包括第一接收模块和指令处理模块;所述数字城管管理平台包括网格划分模块、执法匹配模块、第二接收模块和指令流转模块;所述执法终端包括第三接收模块、信息采集模块、第四接收模块和第二发送模块;其中,
所述第一发送模块,用于当g(i)的值小于预设阈值,将当前信息数据和g(i)值发送至工单调度引擎;
所述第一接收模块,用于接收后台城管图像处理平台发送的当前信息数据和g(i)值;
所述指令处理模块,用于根据接收到的当前信息数据和g(i)值生成工单处理指令,并将工单处理指令下发至数字城管管理平台;
所述网格划分模块,用于将城市地理信息划分成多个网格元;
所述执法匹配模块,用于为每个网格元对应匹配一个执法终端;
所述第二接收模块,用于接收工单调度引擎发送的工单处理指令;
所述指令流转模块,用于将接收到的工单处理指令流转至当前信息数据所在网格元对应匹配的执法终端;
所述第三接收模块,用于接收数字城管管理平台发送的工单处理指令;
所述信息采集模块,用于采集城市现场的信息数据;
所述第四接收模块,用于接收执法人员的程序化执法流程信息;
所述第二发送模块,用于将城市现场信息数据和执法流程信息发送给后台城管图像处理平台。
9.根据权利要求6所述的基于人体姿态的城管系统,其特征在于,所述后台城管图像处理平台还包括标注协处理器,用于标注出摄像头拍摄到的信息数据、执法终端获得的信息数据中的城市部件、人体姿态和城管事件。
10.根据权利要求6所述的基于人体姿态的城管系统,其特征在于,所述后台城管图像处理平台还包括优化模块,用于将对当前摄像头拍摄到的信息数据、执法终端获得的信息数据识别提取出的城市部件、人体姿态和城管事件加入城管业务训练集中,优化城管业务训练集。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910728119.3A CN110443312B (zh) | 2019-08-07 | 2019-08-07 | 一种基于人体姿态的城管方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910728119.3A CN110443312B (zh) | 2019-08-07 | 2019-08-07 | 一种基于人体姿态的城管方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110443312A CN110443312A (zh) | 2019-11-12 |
CN110443312B true CN110443312B (zh) | 2021-09-21 |
Family
ID=68433955
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910728119.3A Active CN110443312B (zh) | 2019-08-07 | 2019-08-07 | 一种基于人体姿态的城管方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110443312B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111652577A (zh) * | 2020-05-25 | 2020-09-11 | 伟志股份公司 | 一种基于大数据的智慧城管系统和方法 |
CN114118933A (zh) * | 2021-08-24 | 2022-03-01 | 泰华智慧产业集团股份有限公司 | 城市管理事件的记录方法及系统 |
CN117151959B (zh) * | 2023-10-16 | 2024-04-16 | 广东紫慧旭光科技有限公司 | 一种用于城市管理的实时视频分析方法、系统及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102034212A (zh) * | 2010-06-21 | 2011-04-27 | 艾浩军 | 一种基于视频分析的城市管理系统 |
CN206282342U (zh) * | 2016-08-30 | 2017-06-27 | 江苏鸿信系统集成有限公司 | 数字城管网格化管理平台 |
CN107818312A (zh) * | 2017-11-20 | 2018-03-20 | 湖南远钧科技有限公司 | 一种基于异常行为识别的嵌入式系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11120375B2 (en) * | 2016-08-26 | 2021-09-14 | Conduent Business Services, Llc | System and method for monitoring parking enforcement officer performance in real time with the aid of a digital computer |
-
2019
- 2019-08-07 CN CN201910728119.3A patent/CN110443312B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102034212A (zh) * | 2010-06-21 | 2011-04-27 | 艾浩军 | 一种基于视频分析的城市管理系统 |
CN206282342U (zh) * | 2016-08-30 | 2017-06-27 | 江苏鸿信系统集成有限公司 | 数字城管网格化管理平台 |
CN107818312A (zh) * | 2017-11-20 | 2018-03-20 | 湖南远钧科技有限公司 | 一种基于异常行为识别的嵌入式系统 |
Non-Patent Citations (2)
Title |
---|
A model based method of pedestrian abnormal behavior detection in traffic scene;Jiang Qianyin等;《 2015 IEEE First International Smart Cities Conference (ISC2)》;20151028;第1-6页 * |
场景约束下的视频数据人体异常行为识别研究;付路瑶;《中国优秀硕士学位论文全文数据库 信息科技辑》;20190115;第27-39、48-67页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110443312A (zh) | 2019-11-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110443312B (zh) | 一种基于人体姿态的城管方法及系统 | |
CN109325429A (zh) | 一种关联特征数据的方法、装置、存储介质及终端 | |
CN108986448B (zh) | 一种交通设施管理方法及终端设备 | |
WO2020000834A1 (zh) | 交通事故处理方法、系统及服务器 | |
CN103294775A (zh) | 基于地理时空约束的警务云图像识别车辆管控系统 | |
CN110769195A (zh) | 输电线路施工现场违章智能监控识别系统 | |
CN110177255B (zh) | 一种基于案件调度的视频信息发布方法及系统 | |
CN112164227B (zh) | 违停车辆告警方法、装置、计算机设备和存储介质 | |
KR20220024986A (ko) | 타깃 추적 방법 및 장치, 저장 매체 및 컴퓨터 프로그램 | |
CN111539338A (zh) | 行人口罩佩戴管控方法、装置、设备及计算机存储介质 | |
CN111444798A (zh) | 电动自行车驾驶行为的识别方法、装置和计算机设备 | |
CN113989627B (zh) | 一种基于异步联邦学习的城市防控图像检测方法和系统 | |
CN114445780A (zh) | 裸土苫盖的检测方法及装置、识别模型的训练方法及装置 | |
CN108230669B (zh) | 基于大数据和云分析的道路车辆违法检测方法及系统 | |
CN109582810A (zh) | 一种基于深度学习的狗狗管理系统及其实现方法 | |
CN110909195A (zh) | 基于区块链的图片标注方法、装置及存储介质、服务器 | |
CN112991130A (zh) | 基于人工智能的城市治理事件处理方法及装置 | |
CN116347045B (zh) | 基于通信及卫星技术的监控方法、装置、设备及存储介质 | |
CN111125290B (zh) | 一种基于河长制的智能巡河方法、装置及存储介质 | |
Sheng et al. | Surveilling surveillance: Estimating the prevalence of surveillance cameras with street view data | |
CN114067396A (zh) | 基于视觉学习的居配工程现场试验数字化管理系统及方法 | |
CN113901946A (zh) | 一种异常行为检测的方法、装置、电子设备及存储介质 | |
CN113066182A (zh) | 一种信息展示方法、装置、电子设备及存储介质 | |
CN115577968B (zh) | 一种基于企业违章管理和自动违规判定的积分系统及方法 | |
CN111160945A (zh) | 基于视频技术的广告精准投放方法和系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |