CN112307962A - 一种检测建筑垃圾运输车车厢外表泥土污物的方法 - Google Patents
一种检测建筑垃圾运输车车厢外表泥土污物的方法 Download PDFInfo
- Publication number
- CN112307962A CN112307962A CN202011190035.8A CN202011190035A CN112307962A CN 112307962 A CN112307962 A CN 112307962A CN 202011190035 A CN202011190035 A CN 202011190035A CN 112307962 A CN112307962 A CN 112307962A
- Authority
- CN
- China
- Prior art keywords
- image
- clean
- model
- vehicle
- vehicle body
- 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
- 239000002689 soil Substances 0.000 title claims abstract description 17
- 238000010276 construction Methods 0.000 title claims abstract description 16
- 238000000034 method Methods 0.000 title claims abstract description 15
- 239000002699 waste material Substances 0.000 title claims abstract description 10
- 238000001514 detection method Methods 0.000 claims abstract description 13
- 238000013528 artificial neural network Methods 0.000 claims abstract description 12
- 238000012544 monitoring process Methods 0.000 claims abstract description 4
- 238000011109 contamination Methods 0.000 claims description 6
- 239000000428 dust Substances 0.000 claims description 6
- 238000003709 image segmentation Methods 0.000 claims description 3
- 239000003973 paint Substances 0.000 claims description 3
- 238000010008 shearing Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
Images
Classifications
-
- 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
-
- 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/08—Detecting or categorising vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明公开一种检测建筑垃圾运输车车厢外表泥土污物的方法,首先接收现场执法人员手持终端和工地出入卡口监控拍摄的图像;对图像中的车身侧面和车身尾部进行标注;通过神经网络对标注有车身侧面和车身尾部的图像进行神经网络建模,获得图像中车身待检测部位的识别模型;对获得的神经网络识别模型进行分类,分成洁净类模型和非洁净类模型;然后对洁净类模型和非洁净类模型进行局部分类建模;获得各局部带有概率值的分类结果;整体分类结果与局部分类结果进行线性加权得到车身是否洁净的识别检测结果;最后将否洁净的检测结果与车辆图像对应标注。判断速度快,能够迅速客观的检测判别渣土车车身泥土,检测是否有违规现象,以便做出及时处理。
Description
技术领域
本发明属于城市环境治理技术领域,主要涉及一种检测建筑垃圾运输车车厢外表泥土污物的方法。
背景技术
在城市高速发展的今天,每个城市每天都有数以万千计的建筑垃圾运输车辆(以下简称“渣土车”)在城市里穿梭,渣土车车身在出工地时,需要对车身进行冲洗,如果未冲洗或未冲洗干净,车身所带的泥土会造成扬尘污染。
渣土车在运输作业是,如果车身为冲洗或未冲洗干净在道路上行驶,会引起扬尘污染,为害人民群众的身体健康以及生态环境,为社会带来极大的负面影响,虽然相关部门会派遣执法者道路设卡进行检查,但是无法从根源上解决该问题。同时在执法过程中,判断车身带泥的情况由执法人员主管判断,没有一个科学的标准的执法,存在一定的不合理性;同时渣土车在出工地时进行清洗,清洗的是否合格也没有一个科学的标准,因此需要一个客观的方法进行判断。
发明内容
本发明目的在于针对现有技术的缺陷和不足,提供了一种建筑垃圾运输车车身泥土检测方法,通过大数据分析,结合深度学习和机器学习技术,客观的判别渣土车车身泥土检测方法,检测是否有违规现象,以便做出及时处理。
为实现上述目的,本发明所采取的技术方案是:
一种检测建筑垃圾运输车车厢外表泥土污物的方法,包括以下步骤:
S1、接收现场执法人员手持终端和工地出入卡口监控拍摄的图像;
S2、对图像中的车身侧面和车身尾部进行标注;
S 3、通过用于图像分割的神经网络对标注有车身侧面和车身尾部的图像进行神经网络建模,获得图像中车身待检测部位的识别模型;
S 4、对获得的神经网络识别模型进行分类,分成没有沾染污物的洁净类模型和沾染有污物的非洁净类模型;
S 5、对洁净类模型和非洁净类模型进行局部分类建模;
S 6、获得各局部带有概率值的分类结果;
S 7、将整体分类结果与局部分类结果进行线性加权得到车身是否洁净的识别检测结果;
S 8、将否洁净的检测结果与车辆图像对应标注。
进一步地,步骤S3具体包括以下步骤:
S 31、生成一个针对原图的掩膜,掩膜对应的图像部分即为车身待检测部位
S 32、由于图像中车身待检测部位因拍照角度的原因,使得车身待检测部位非原始形状,所以得到掩膜后,需要通过透视变换对其进行矫正。
进一步地,步骤S5具体包括以下步骤:
S 51对洁净类模型和非洁净类模型中目标检测区域的图像通过固定大小的像素进行剪切;
S 52、对剪切部分进行分类,分为掉漆部分,灰尘部分,泥土部分;
S 53、建立图像局部的识别模型。
本发明有益效果:将采集到的图像进行车身部位标注,对车身部位进行建模分类,识别局部是否沾有泥土,区分是否洁净并在相应的车辆图像上进行标注以便做出及时处理;判断速度快,能够迅速客观的检测判别渣土车车身泥土,检测是否有违规现象,以便做出及时处理。
附图说明
图1为本发明流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及具体实施方式,对本发明进行进一步详细说明,应当理解,此处所描述的具体实施方式仅用以解释本发明,并不用于限定本发明。
参照图1所示,一种检测建筑垃圾运输车车厢外表泥土污物的方法,包括以下步骤:
S1、接收现场执法人员手持终端和工地出入卡口监控拍摄的图像;
S2、对图像中的车身侧面和车身尾部进行标注;
S 3、通过用于图像分割的神经网络对标注有车身侧面和车身尾部的图像进行神经网络建模,获得图像中车身待检测部位的识别模型;
S 4、对获得的神经网络识别模型进行分类,分成没有沾染污物的洁净类模型和沾染有污物的非洁净类模型;
S 5、对洁净类模型和非洁净类模型进行局部分类建模;
S 6、获得各局部带有概率值的分类结果;
S 7、将整体分类结果与局部分类结果进行线性加权得到车身是否洁净的识别检测结果;
S 8、将否洁净的检测结果与车辆图像对应标注。
进一步地,步骤S3具体包括以下步骤:
S 31、生成一个针对原图的掩膜,掩膜对应的图像部分即为车身待检测部位
S 32、由于图像中车身待检测部位因拍照角度的原因,使得车身待检测部位非原始形状,所以得到掩膜后,需要通过透视变换对其进行矫正。
进一步地,步骤S5具体包括以下步骤:
S 51对洁净类模型和非洁净类模型中目标检测区域的图像通过固定大小的像素进行剪切,如30x30像素;
S 52、对剪切部分进行分类,分为掉漆部分,灰尘部分,泥土部分;
S 53、建立图像局部的识别模型。
本发明的描述和应用都只是说明性和示意性的,并非是想要将本发明的范围限制在上述实施例中。这里所披露的实施方式的变形和改变是完全可能的,对于那些本领域的普通技术人员来说,实施方式的替换和等效的各种部件均是公知的。本领域技术人员还应该清楚的是,在不脱离本发明的精神或本质特征的情况下,本发明可以以其它形式、结构、布置、比例,以及用其它组件、材料和部件来实现,以及在不脱离本发明范围和精神的情况下,可以对这里所披露的实施例进行其它变形和改变。
Claims (3)
1.一种检测建筑垃圾运输车车厢外表泥土污物的方法,其特征在于:包括以下步骤:
S1、接收现场执法人员手持终端和工地出入卡口监控拍摄的图像;
S2、对图像中的车身侧面和车身尾部进行标注;
S 3、通过用于图像分割的神经网络对标注有车身侧面和车身尾部的图像进行神经网络建模,获得图像中车身待检测部位的识别模型;
S 4、对获得的神经网络识别模型进行分类,分成没有沾染污物的洁净类模型和沾染有污物的非洁净类模型;
S 5、对洁净类模型和非洁净类模型进行局部分类建模;
S 6、获得各局部带有概率值的分类结果;
S 7、将整体分类结果与局部分类结果进行线性加权得到车身是否洁净的识别检测结果;
S 8、将否洁净的检测结果与车辆图像对应标注。
2.根据权利要求1所述的一种检测建筑垃圾运输车车厢外表泥土污物的方法,其特征在于:步骤S3具体包括以下步骤:
S 31、生成一个针对原图的掩膜,掩膜对应的图像部分即为车身待检测部位;
S 32、由于图像中车身待检测部位因拍照角度的原因,使得车身待检测部位非原始形状,所以得到掩膜后,需要通过透视变换对其进行矫正。
3.根据权利要求1所述的一种检测建筑垃圾运输车车厢外表泥土污物的方法,其特征在于:步骤S5具体包括以下步骤:
S 51、对洁净类模型和非洁净类模型中目标检测区域的图像通过固定大小的像素进行剪切;
S 52、对剪切部分进行分类,分为掉漆部分,灰尘部分,泥土部分;
S 53、建立图像局部的识别模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011190035.8A CN112307962A (zh) | 2020-10-30 | 2020-10-30 | 一种检测建筑垃圾运输车车厢外表泥土污物的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011190035.8A CN112307962A (zh) | 2020-10-30 | 2020-10-30 | 一种检测建筑垃圾运输车车厢外表泥土污物的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112307962A true CN112307962A (zh) | 2021-02-02 |
Family
ID=74332782
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011190035.8A Pending CN112307962A (zh) | 2020-10-30 | 2020-10-30 | 一种检测建筑垃圾运输车车厢外表泥土污物的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112307962A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109961057A (zh) * | 2019-04-03 | 2019-07-02 | 罗克佳华科技集团股份有限公司 | 一种车辆位置获得方法及装置 |
US20190266418A1 (en) * | 2018-02-27 | 2019-08-29 | Nvidia Corporation | Real-time detection of lanes and boundaries by autonomous vehicles |
CN110222593A (zh) * | 2019-05-18 | 2019-09-10 | 四川弘和通讯有限公司 | 一种基于小规模神经网络的车辆实时检测方法 |
CN110222680A (zh) * | 2019-05-19 | 2019-09-10 | 天津大学 | 一种城市生活垃圾物品外包装文本检测方法 |
CN111209923A (zh) * | 2020-04-23 | 2020-05-29 | 北京慧智数据科技有限公司 | 一种基于深度学习技术的渣土车是否盖盖识别方法 |
CN111383219A (zh) * | 2020-03-12 | 2020-07-07 | 众能联合数字技术有限公司 | 一种智能检测高空作业平台设备清洁度的方法及系统 |
CN111626382A (zh) * | 2020-07-28 | 2020-09-04 | 杭州品茗安控信息技术股份有限公司 | 一种建筑工地车辆清洁度的快速智能识别方法和系统 |
-
2020
- 2020-10-30 CN CN202011190035.8A patent/CN112307962A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190266418A1 (en) * | 2018-02-27 | 2019-08-29 | Nvidia Corporation | Real-time detection of lanes and boundaries by autonomous vehicles |
CN109961057A (zh) * | 2019-04-03 | 2019-07-02 | 罗克佳华科技集团股份有限公司 | 一种车辆位置获得方法及装置 |
CN110222593A (zh) * | 2019-05-18 | 2019-09-10 | 四川弘和通讯有限公司 | 一种基于小规模神经网络的车辆实时检测方法 |
CN110222680A (zh) * | 2019-05-19 | 2019-09-10 | 天津大学 | 一种城市生活垃圾物品外包装文本检测方法 |
CN111383219A (zh) * | 2020-03-12 | 2020-07-07 | 众能联合数字技术有限公司 | 一种智能检测高空作业平台设备清洁度的方法及系统 |
CN111209923A (zh) * | 2020-04-23 | 2020-05-29 | 北京慧智数据科技有限公司 | 一种基于深度学习技术的渣土车是否盖盖识别方法 |
CN111626382A (zh) * | 2020-07-28 | 2020-09-04 | 杭州品茗安控信息技术股份有限公司 | 一种建筑工地车辆清洁度的快速智能识别方法和系统 |
Non-Patent Citations (1)
Title |
---|
秦臻: "基于上下文感知回归森林模型的X射线头影测量图像解剖标志点自动定位和分析系统研究", 《中国优秀硕士学位论文全文数据库 医药卫生科技辑》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109409337B (zh) | 基于卷积神经网络的渣土车特征识别方法 | |
CN107478590A (zh) | 一种结合机动车智能视觉识别与尾气遥感检测的方法 | |
CN109782364B (zh) | 基于机器视觉的交通标志牌缺失检测方法 | |
CN105488454A (zh) | 基于单目视觉的前方车辆检测与测距 | |
CN104021574A (zh) | 路面病害自动识别方法 | |
CN109816040B (zh) | 基于深度学习的城市内涝水深检测的方法 | |
CN103985182A (zh) | 一种公交客流自动计数方法及自动计数系统 | |
CN113537016B (zh) | 一种道路巡查中道路损伤自动检测预警的方法 | |
CN111626382A (zh) | 一种建筑工地车辆清洁度的快速智能识别方法和系统 | |
CN112419298B (zh) | 一种螺栓节点板锈蚀检测方法、装置、设备及存储介质 | |
CN112330693B (zh) | 一种煤矸石检测方法及系统 | |
CN116168356B (zh) | 一种基于计算机视觉的车辆损伤判别方法 | |
CN103902981A (zh) | 一种基于字符融合特征的车牌字符识别方法及系统 | |
CN115239219B (zh) | 一种基于物联网的智慧城市渣土车管理方法和系统 | |
CN109858331A (zh) | 自动驾驶清洁车垃圾识别清理方法 | |
CN111209923A (zh) | 一种基于深度学习技术的渣土车是否盖盖识别方法 | |
CN111652214A (zh) | 一种基于深度学习的垃圾瓶分选方法 | |
CN111047585A (zh) | 一种路面裂缝检测方法 | |
CN112307962A (zh) | 一种检测建筑垃圾运输车车厢外表泥土污物的方法 | |
CN111383219B (zh) | 一种智能检测高空作业平台设备清洁度的方法及系统 | |
CN116229396B (zh) | 高速路面病害识别及告警方法 | |
CN104504702A (zh) | 基于方格搜索法的水泥刻槽路面裂缝识别方法 | |
CN107805999A (zh) | 一种有效的路面病害检测系统 | |
CN114743168A (zh) | 基于深度学习的行车风险源识别评估方法及系统 | |
CN109145732B (zh) | 一种基于Gabor投影的黑烟车检测方法 |
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: 20210202 |
|
RJ01 | Rejection of invention patent application after publication |