CN113435352B - 文明城市评分方法、装置、电子设备和存储介质 - Google Patents
文明城市评分方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN113435352B CN113435352B CN202110733002.1A CN202110733002A CN113435352B CN 113435352 B CN113435352 B CN 113435352B CN 202110733002 A CN202110733002 A CN 202110733002A CN 113435352 B CN113435352 B CN 113435352B
- Authority
- CN
- China
- Prior art keywords
- video
- city
- civilized
- behavior
- scored
- 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
- 238000013077 scoring method Methods 0.000 title claims abstract description 14
- 230000006399 behavior Effects 0.000 claims abstract description 156
- 238000012544 monitoring process Methods 0.000 claims abstract description 94
- 238000007781 pre-processing Methods 0.000 claims abstract description 21
- 230000009471 action Effects 0.000 claims description 53
- 238000000034 method Methods 0.000 claims description 51
- 230000015654 memory Effects 0.000 claims description 29
- 238000004590 computer program Methods 0.000 claims description 14
- 238000004891 communication Methods 0.000 claims description 11
- 230000033001 locomotion Effects 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 4
- 238000013075 data extraction Methods 0.000 claims description 3
- 230000000875 corresponding effect Effects 0.000 description 67
- 238000005516 engineering process Methods 0.000 description 16
- 238000011156 evaluation Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 10
- 238000001514 detection method Methods 0.000 description 9
- 230000003287 optical effect Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000000605 extraction Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012806 monitoring device Methods 0.000 description 3
- 239000010813 municipal solid waste Substances 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000009191 jumping Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- FFBHFFJDDLITSX-UHFFFAOYSA-N benzyl N-[2-hydroxy-4-(3-oxomorpholin-4-yl)phenyl]carbamate Chemical compound OC1=C(NC(=O)OCC2=CC=CC=C2)C=CC(=C1)N1CCOCC1=O FFBHFFJDDLITSX-UHFFFAOYSA-N 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- 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
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Computational Biology (AREA)
- Operations Research (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Game Theory and Decision Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本申请公开了一种文明城市评分方法、装置、电子设备和存储介质,其中,文明城市评分方法包括:对于至少一个实时监控视频流中的每个实时监控视频流,分别对每个实时监控视频流进行预处理,得到至少一个第一视频,其中,至少一个实时监控视频由设置于待评分城市中的监控设备获取;对于至少一个第一视频中的每个第一视频,分别对每个第一视频进行行为识别,得到至少一个识别结果;根据至少一个识别结果,对待评分城市中包含的不文明行为进行分类,得到待评分城市中每个类型的不文明行为的数量;根据待评分城市中每个类型的不文明行为的数量、待评分城市的人口、待评分城市的面积、以及每个第一视频对应的时间段,确定待评分城市的文明评分。
Description
技术领域
本发明涉及人工智能技术领域,具体涉及一种文明城市评分方法、装置、电子设备和存储介质。
背景技术
目前,传统的文明城市测评方式大多依靠文明办与第三方评估公司以人工的方式收集数据,再通过收集回来的数据进行审核、分析,得到结果后去到实地整改。
但是,随着创建文明城市的工作不断深化,这种传统测评已和目前的创建文明城市的工作需求不完全匹配。具体而言,传统的测评方式中资源分散、信息不畅、分布不均、各自为阵的问题日渐凸显。同时,这种测评方式需要花费大量的人力、物力,还需花费大量的时间、精力去审核数据,不仅测评周期长、成效慢,结果往往还不是很理想。
发明内容
为了解决现有技术中存在的上述问题,本申请实施方式提供了一种文明城市评分方法、装置、电子设备和存储介质,可以自动获取相关评测数据,并计算待评分城市的文明评分,在降低了人力成本的同时,提升了评测效率。
第一方面,本申请的实施方式提供了一种文明城市评分方法,包括:
对于至少一个实时监控视频流中的每个实时监控视频流,分别对每个实时监控视频流进行预处理,得到至少一个第一视频,其中,至少一个实时监控视频流由设置于待评分城市中的监控设备获取,至少一个第一视频与至少一个实时监控视频流一一对应;
对于至少一个第一视频中的每个第一视频,分别对每个第一视频进行行为识别,得到至少一个识别结果,其中,识别结果用于标识识别结果对应的每个第一视频中的不文明行为的类型和名称;
根据至少一个识别结果,对待评分城市中包含的不文明行为进行分类,得到待评分城市中每个类型的不文明行为的数量;
根据待评分城市中每个类型的不文明行为的数量、待评分城市的人口、待评分城市的面积、以及每个第一视频对应的时间段,确定待评分城市的文明评分。
第二方面,本申请的实施方式提供了一种文明城市评分装置,包括:
预处理模块,用于对于至少一个实时监控视频流中的每个实时监控视频流,分别对每个实时监控视频流进行预处理,得到至少一个第一视频,其中,至少一个实时监控视频由设置于待评分城市中的监控设备获取,至少一个第一视频与至少一个实时监控视频一一对应;
识别模块,用于对于至少一个第一视频中的每个第一视频,分别对每个第一视频进行行为识别,得到至少一个识别结果,其中,识别结果用于标识识别结果对应的每个第一视频中的不文明行为的类型和名称;
统计模块,用于根据至少一个识别结果,对待评分城市中包含的不文明行为进行分类,得到待评分城市中每个类型的不文明行为的数量;
评分模块,用于根据待评分城市中每个类型的不文明行为的数量、待评分城市的人口、待评分城市的面积、以及每个第一视频对应的时间段,确定待评分城市的文明评分。
第三方面,本申请实施方式提供一种电子设备,包括:处理器,处理器与存储器相连,存储器用于存储计算机程序,处理器用于执行存储器中存储的计算机程序,以使得电子设备执行如第一方面的方法。
第四方面,本申请实施方式提供一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序使得计算机执行如第一方面的方法。
第五方面,本申请实施方式提供一种计算机程序产品,计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,计算机可操作来使计算机执行如第一方面的方法。
实施本申请实施方式,具有如下有益效果:
在本申请实施方式中,通过对实时监控视频流进行预处理,得到相对应的第一视频,继而对第一视频中的不文明行为进行识别,统计待评分城市中不文明行为的种类,以及每个种类的数量。最后,基于待评分城市中不文明行为的种类、每个种类的数量、待评分城市的人口、待评分城市的面积、以及第一视频对应的时间段,确定待评分城市的文明评分。由此,实现了对相关评测数据的自动获取,并自动完成待评分城市的文明评分的计算,同时,全程无需人力参与,在降低了人力成本的同时,提升了评测效率和评测结果的客观性。
附图说明
为了更清楚地说明本申请实施方式中的技术方案,下面将对实施方式描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施方式提供的一种文明城市评分装置的硬件结构示意图;
图2为本申请实施方式提供的一种文明城市评分方法的流程示意图;
图3为本申请实施方式提供的一种对每个实时监控视频流进行预处理的方法的流程示意图;
图4为本申请实施方式提供的一种对每个第一视频进行行为识别的方法的流程示意图;
图5为本申请实施方式提供的一种根据动作特征,确定每个第一视频对应的识别结果的方法的流程示意图;
图6为本申请实施方式提供的一种根据待评分城市中每个类型的不文明行为的数量、待评分城市的人口、待评分城市的面积、以及每个第一视频对应的时间段,确定待评分城市的文明评分的方法的流程示意图;
图7为本申请实施方式提供的一种文明城市评分装置的功能模块组成框图;
图8为本申请实施方式提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本申请实施方式中的附图,对本申请实施方式中的技术方案进行清楚、完整地描述,显然,所描述的实施方式是本申请一部分实施方式,而不是全部的实施方式。基于本申请中的实施方式,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式,都属于本申请保护的范围。
本申请的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及“实施方式”意味着,结合实施方式描述的特定特征、结果或特性可以包含在本申请的至少一个实施方式中。在说明书中的各个位置出现该短语并不一定均是指相同的实施方式,也不是与其它实施方式互斥的独立的或备选的实施方式。本领域技术人员显式地和隐式地理解的是,本文所描述的实施方式可以与其它实施方式相结合。
首先,参阅图1,图1为本申请实施方式提供的一种文明城市评分装置的硬件结构示意图。该文明城市评分装置100包括至少一个处理器101,通信线路102,存储器103以及至少一个通信接口104。
在本实施方式中,处理器101,可以是一个通用中央处理器(central processingunit,CPU),微处理器,特定应用集成电路(application-specific integrated circuit,ASIC),或一个或多个用于控制本申请方案程序执行的集成电路。
通信线路102,可以包括一通路,在上述组件之间传送信息。
通信接口104,可以是任何收发器一类的装置(如天线等),用于与其他设备或通信网络通信,例如以太网,RAN,无线局域网(wireless local area networks,WLAN)等。
存储器103,可以是只读存储器(read-only memory,ROM)或可存储静态信息和指令的其他类型的静态存储设备,随机存取存储器(random access memory,RAM)或者可存储信息和指令的其他类型的动态存储设备,也可以是电可擦可编程只读存储器(electrically erasable programmable read-only memory,EEPROM)、只读光盘(compactdisc read-only memory,CD-ROM) 或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。
在本实施方式中,存储器103可以独立存在,通过通信线路102与处理器 101相连接。存储器103也可以和处理器101集成在一起。本申请实施方式提供的存储器103通常可以具有非易失性。其中,存储器103用于存储执行本申请方案的计算机执行指令,并由处理器101来控制执行。处理器101用于执行存储器103中存储的计算机执行指令,从而实现本申请下述实施方式中提供的方法。
在可选的实施方式中,计算机执行指令也可以称之为应用程序代码,本申请对此不作具体限定。
在可选的实施方式中,处理器101可以包括一个或多个CPU,例如图1中的CPU0和CPU1。
在可选的实施方式中,文明城市评分装置100可以包括多个处理器,例如图1中的处理器101和处理器107。这些处理器中的每一个可以是一个单核 (single-CPU)处理器,也可以是一个多核(multi-CPU)处理器。这里的处理器可以指一个或多个设备、电路、和/或用于处理数据(例如计算机程序指令)的处理核。
在可选的实施方式中,若文明城市评分装置100为服务器,则文明城市评分装置100还可以包括输出设备105和输入设备106。输出设备105和处理器101 通信,可以以多种方式来显示信息。例如,输出设备105可以是液晶显示器 (liquid crystal display,LCD),发光二极管(light emitting diode,LED)显示设备,阴极射线管(cathode ray tube,CRT)显示设备,或投影仪(projector)等。输入设备106和处理器101通信,可以以多种方式接收用户的输入。例如,输入设备106可以是鼠标、键盘、触摸屏设备或传感设备等。
上述的文明城市评分装置100可以是一个通用设备或者是一个专用设备。本申请实施方式不限定文明城市评分装置100的类型。
以下,将对本申请所公开的文明城市评分方法进行说明:
参阅图2,图2为本申请实施方式提供的一种文明城市评分方法的流程示意图。该文明城市评分方法包括以下步骤:
201:对于至少一个实时监控视频流中的每个实时监控视频流,分别对每个实时监控视频流进行预处理,得到至少一个第一视频。
在本实施方式中,该至少一个实时监控视频是由设置于待评分城市中的监控设备获取。具体而言,待评分城市中的每个监控设备都会返回一份实时监控视频流,作为该至少一个实时监控视频流中的一部分。
示例性的,可以通过城市交通电子眼、安防装置、“天眼”等组成视频监控网,采集记录实时监控视频流。此外,还可以采用以下技术辅助实现实时监控视频流的采集:
(1)、视频异常监测技术
实现视频监控智能分析的前提是准确识别和剔除视异常视频。视频异常监测技术是一种通过智能图像分析软件自动监测摄像头的视频状态,能够监测各种视频异常现象并报警的技术,常见视频异常有:摄像机被移位或遮挡、视频信号被干扰、视频信号差或无视频信号等现象。
(2)、区域入侵监测技术
区域入侵监测技术可以对视频画面中预设的区域内进行自动监测,并进行自动抓拍、截取和预警。区域入侵监测技术具有较大范围的入侵监测能力,更高的监测率和更低的误报率。这种监测技术可适用于各种固定场合的监测。
(3)、物体遗留监测技术
物体遗留监测技术是一种可以对遗弃物进行自动监测的技术,当物品(包裹、碎块、行李、垃圾等)在某个区域内被放置或遗弃的时候会自动识别和截取。
遗弃物监测技术具有快速监测响应、遗弃物放置过程录像、监测后预警、即时视频确认等机制,可大大减轻现场拍照人员的工作负担,还可以让现场拍照人员有足够多的时间和信息进行预警处理和响应。此外,通过查看现场遗弃过程录像,还可以迅速找到放置遗弃物的可疑人物并采取相应的处置措施。
遗弃物监测技术适用于多种场合的监测,如用于监测路面的危险障碍物、乱扔的垃圾、物品碎块、地面上积留的滑溜液体等。
(4)、目标PTZ跟踪技术
目标PTZ跟踪技术是一种自动监测预设位下监控范围内的运动目标,如触发不文明行为预警,则进行目标跟踪,根据目标的运动行为对摄像机的云台和变焦镜头进行视觉导向的自主驱动,使跟踪目标持续以放大特写画面出现在镜头中央的技术。
传统监控中,摄像机监控区域相对固定,监控范围有限,而自动PTZ跟踪很好地解决了这个问题。而且当触发预警时,智能监测技术可以自动锁定目标,摄像机在接收到预警事件时会自动锁定目标并触发自主跟踪,同时自动回传即时视频画面,从而实现7X24小时真正实时监控,能在第一时间发现预警行为制造者并连续跟踪。
在可选的实施方式中,也可以预先确定待评分城市中的一些监控设备作为采集设备,用于采集特定地点的实时是视频流。示例性的,可以通过历史评分记录,选定历史上不文明行为发生较多的地区的监控设备,作为至少一个实时监控视频流的采集设备,继而减少数据量,加快测评效率。
同时,在本实施方式中,提供了一种对每个实时监控视频流进行预处理的方法,如图3所示,该方法包括:
301:根据预设的尺度范围和覆盖率,分别将每个实时监控视频流分割为至少一个第二视频。
在本实施方式中,将采用多尺度分割的方式,对每个实时监控视频流进行分割,从而得到至少一个第二视频。示例性的,尺度范围限定了每次分割所取得的帧数尺度,覆盖率则限定了下一次分割时的起点位置。
具体而言,在本实施方式中,尺度范围可以为:24帧、48帧、96帧、192 帧、384帧和768帧。即,将每个实时监控视频流按照时间顺序依次分割为6个第二视频,其中,第一个第二视频为24帧,第二个第二视频为48帧,第三个第二视频为96帧,以此类推。同时,在本实施方式中,覆盖率可以为50%,基于此,若使每个实时监控视频流的第1帧为起始帧,则第一个第二视频从第1 帧开始,到第24帧结束,共24帧。则第二个第二视频的起始帧为(24X50%)+1,即第13帧。且由于第二个第二视频为48帧,所以第二个第二视频从第13 帧开始,到第60帧结束。
由此,对于每个实时监控视频流A,通过多尺度分割的方式可以得到B个第二视频C=[(de,df,dg)],其中,de为第e个第二视频,e为大于0且小于或等于B的整数,df为第二视频de开始的帧数,dg为第二视频de结束的帧数。
302:对于至少一个第二视频中的每个第二视频,分别对每个第二视频进行24帧随机采样,得到与至少一个第二视频一一对应的至少一个第三视频。
在本实施方式中,可以对每个第二视频随机采样24帧,组成对应的第三视频。
303:根据至少一个第三视频中的每个第三视频对应的时间,按照时间顺序将至少一个第三视频进行拼接,得到每个实时监控视频流对应的第一视频。
在本实施方式中,通过多尺度分割得到的第二视频可以尽量覆盖原实时监控视频流中所有的动作,由此,解决了由于视频中场景内容变化过快导致的误检和漏检的问题。
202:对于至少一个第一视频中的每个第一视频,分别对每个第一视频进行行为识别,得到至少一个识别结果。
在本实施方式中,该识别结果用于标识识别结果对应的每个第一视频中的不文明行为的类型和名称。示例性的,本申请提供了一种对每个第一视频进行行为识别的方法,如图4所示,该方法包括:
401:分别对每个第一视频进行视频帧提取,得到每个第一视频对应的至少一张第一图像。
在本实施方式中,可以对每个第一视频按照每秒16帧的帧率提取视频帧,继而得到每个第一视频对应的至少一张第一图像。
402:对于至少一张第一图像中的每张第一图像,分别对每张第一图像进行关节点数据提取,得到与至少一张第一图像一一对应的至少一个人体关节点数据。
在本实施方式中,可以多每张第一图像进行特征提取,例如,将每张第一图像输入卷积神经网络进行特征提取,继而得到每张第一图像对应的图像特征。继而根据每张第一图像对应的图像特征,得到该每张第一图像对应的关节点置信图(Part Confidence Maps)和关节点亲和场(Part Affinity Fields)。
通常而言,对人的行为识别通常有可分为四个过程,具体而言,包括:
过程1:是否有人,即确定待识别的区域中是否存在被识别的人体;
过程2:人在哪,即确定被识别的人体在待识别的区域中的位置;
过程3:人处于什么状态,即确定被识别的人体是静止的还是活动的;
过程4:人在做什么,即确定被识别的人体的具体行为。
目前,常用的人体行为识别方法是一种自上而下的方法,简单而言,就是先进行人物检测,确定任务位置后再进行行为检测。但是,这种方法过于人物检测的结果,若无法检测出任务,则后续的检测完全无法进行。同时,检测的成本与待检测区域中的人数成正相关,对于存在大量人体的场景,例如:街道、商场、景区等地方,会造成大量计算资源的占用。
基于此,在本实施方式中,提出了一种自下而上的人体行为识别方法,简单而言,即通过将识别出的人体关节连接成人的方式来提取人体关节点数据。由此,可以将检测的成本与待检测区域中的人数之间的关联断开,使检测的成本与待检测区域中的人数不再相关,同时,提升了识别方法的鲁棒性。
示例性的,可以将每张第一图像输入vgg19模型的前十层进行特征提取,将提取出的特征分为两部分分别对关节点置信度和亲和度向量进行预测。具体而言,可以通过关节点亲和场设置图像中四肢位置和方向的矢量,通过关节点置信图标记每个关节点的置信度,继而通过联合学习每个关节点的位置,确定每个关节点之间的联系。最后,根据每个关节点之间的联系,通过偶匹配的方式,将同一个人的关节点进行连接,即可得到人体关节点数据。
403:根据至少一个人体关节点数据,确定至少一个人体关节点数据对应的居民的动作特征。
在本实施方式中,对于至少一个人体关节点数据中的每个人体关节点数据,可以分别对每个人体关节点数据进行姿态识别,得到与至少一个人体关节点数据一一对应的至少一个行为数据。然后,将该至少一个行为数据,按照至少一个行为数据中的每个行为数据对应的每张第一图像在每个第一视频中的顺序进行排列,得到居民对应的行为序列。最后,对动作序列进行特征提取,得到动作特征。
404:根据动作特征,确定每个第一视频对应的识别结果。
在本实施方式中,提供了一种根据动作特征,确定每个第一视频对应的识别结果的方法,如图5所示,该方法包括:
501:将动作特征与不文明行为序列库中的不文明特征进行匹配。
在本实施方式中,不文明行为序列库中预先存储了大部分不文明行为的行为动作特征。该不文明行为包括但不限于:乱扔垃圾、机动车与非机动车乱停放、堵塞消防通道、乱张贴小广告、宠物乱跑、横穿马路、闯红灯、非机动车走机动车道等。上述不文明行为的行为动作特征的提取方式,和步骤 403中居民的动作特征的提取方式类似,在此不再赘述。
502:确定是否匹配成功,若匹配成功,则跳转至步骤503,否则,跳转至步骤504。
503:记录与动作特征匹配的不文明特征所对应的不文明行为的名称和类型,将不文明行为的名称和类型作为识别结果。
504:根据动作特征预测居民下一时刻的动作。
若匹配不成功,则说明当前画面中不存在不文明行为,而导致该结果的原因可能是不文明行为还未发生。基于此,可以将该动作特征与前置行为序列库中的前置特征进行匹配,继而对居民下一时刻的动作进行预测。
在本实施方式中,前置行为序列库中预先存储了大部分不文明行为的前置行为的动作特征。
505:根据居民下一时刻的动作,确定发生不文明行为的概率,以及不文明行为的名称和类型,将发生不文明行为的概率、不文明行为的名称和类型,作为识别结果。
在本实施方式中,可以通过计算该动作特征,与前置行为序列库中的大部分不文明行为的前置行为的动作特征之间的相似度,确定该动作特征之后,发生各类不文明行为的概率,并对各类不文明行为的概率、类型和名称进行统计。
203:根据至少一个识别结果,对待评分城市中包含的不文明行为进行分类,得到待评分城市中每个类型的不文明行为的数量。
204:根据待评分城市中每个类型的不文明行为的数量、待评分城市的人口、待评分城市的面积、以及每个第一视频对应的时间段,确定待评分城市的文明评分。
在本实施方式中,提供了一种根据待评分城市中每个类型的不文明行为的数量、待评分城市的人口、待评分城市的面积、以及每个第一视频对应的时间段,确定待评分城市的文明评分的方法,如图6所示,该方法包括:
601:根据待评分城市中每个类型的不文明行为对应的第一权重,将待评分城市中每个类型的不文明行为的数量进行加权求和,得到第一和。
602:根据每个第一视频对应的时间段,确定第二权重。
在本实施方式中,由于实时监控视频流采集的时间不同,而不同时间对应的不文明行为发生率也不同,例如,热闹的下午和寂静的深夜,人们的行为活动率肯定是有差别的,因此,要对不同的时间设置不同的第二权重,继而对该时间计算出的初始评分进行修饰,以使评分更加合理。
603:将待评分城市的人口和待评分城市的面积进行乘积,得到第一积。
604:用第二权重对第一积与第一和的商进行加权,得到待评分城市的文明评分。
具体而言,本申请中的文明评分可以通过公式①进行表示:
其中,S表示待评分城市的面积;R表示待评分城市的人口;k表示每个第一视频对应的时间段的权重,即第二权重;xh表示第h个类型的不文明行为的数量;yh表示第h个类型的不文明行为的第一权重;i表示统计所得的该待评分城市中存在的不文明行为的类型的个数;j为常数,可取1。
此外,若存在动作特征与不文明行为序列库中的不文明特征匹配不成功时,部分预测的不文明行为,则文明评分可以通过公式②进行表示:
其中,nq表示预测所得的可能发生的第q个类型的不文明行为的数量; oq表示预测所得的可能发生的第q个类型的不文明行为的第一权重;pq表示预测所得的可能发生的第q个类型的不文明行为的发生概率;m表示预测所得的该待评分城市中可能发生的不文明行为的类型的个数。
综上所述,本发明所提供的文明城市评分方法中,通过对实时监控视频流进行预处理,得到相对应的第一视频,继而对第一视频中的不文明行为进行识别,统计待评分城市中不文明行为的种类,以及每个种类的数量。最后,基于待评分城市中不文明行为的种类、每个种类的数量、待评分城市的人口、待评分城市的面积、以及第一视频对应的时间段,确定待评分城市的文明评分。由此,实现了对相关评测数据的自动获取,并自动完成待评分城市的文明评分的计算,同时,全程无需人力参与,在降低了人力成本的同时,提升了评测效率和评测结果的客观性。
参阅图7,图7为本申请实施方式提供的一种文明城市评分装置的功能模块组成框图。如图7所示,该文明城市评分装置700包括:
预处理模块701,用于对于至少一个实时监控视频流中的每个实时监控视频流,分别对每个实时监控视频流进行预处理,得到至少一个第一视频,其中,至少一个实时监控视频流由设置于待评分城市中的监控设备获取,至少一个第一视频与至少一个实时监控视频流一一对应;
识别模块702,用于对于至少一个第一视频中的每个第一视频,分别对每个第一视频进行行为识别,得到至少一个识别结果,其中,识别结果用于标识识别结果对应的每个第一视频中的不文明行为的类型和名称;
统计模块703,用于根据至少一个识别结果,对待评分城市中包含的不文明行为进行分类,得到待评分城市中每个类型的不文明行为的数量;
评分模块704,用于根据待评分城市中每个类型的不文明行为的数量、待评分城市的人口、待评分城市的面积、以及每个第一视频对应的时间段,确定待评分城市的文明评分。
在本发明的实施方式中,在对于至少一个实时监控视频流中的每个实时监控视频流,分别对每个实时监控视频流进行预处理,得到至少一个第一视频方面,预处理模块701,具体用于:
根据预设的尺度范围和覆盖率,分别将每个实时监控视频流分割为至少一个第二视频;
对于至少一个第二视频中的每个第二视频,分别对每个第二视频进行24 帧随机采样,得到至少一个第三视频,其中,至少一个第三视频与至少一个第二视频一一对应;
根据至少一个第三视频中的每个第三视频对应的时间,按照时间顺序将至少一个第三视频进行拼接,得到每个实时监控视频流对应的第一视频。
在本发明的实施方式中,在对于至少一个第一视频中的每个第一视频,分别对每个第一视频进行行为识别,得到至少一个识别结果方面,识别模块 702,具体用于:
分别对每个第一视频进行视频帧提取,得到每个第一视频对应的至少一张第一图像;
对于至少一张第一图像中的每张第一图像,分别对每张第一图像进行关节点数据提取,得到至少一个人体关节点数据,其中,至少一个人体关节点数据与至少一张第一图像一一对应;
根据至少一个人体关节点数据,确定至少一个人体关节点数据对应的居民的动作特征;
根据动作特征,确定每个第一视频对应的识别结果。
在本发明的实施方式中,在根据至少一个人体关节点数据,确定至少一个人体关节点数据对应的居民的动作特征方面,识别模块702,具体用于:
对于至少一个人体关节点数据中的每个人体关节点数据,分别对每个人体关节点数据进行姿态识别,得到至少一个行为数据,其中,至少一个行为数据与至少一个人体关节点数据一一对应;
将至少一个行为数据,按照至少一个行为数据中的每个行为数据对应的每张第一图像在每个第一视频中的顺序进行排列,得到居民对应的行为序列;
对动作序列进行特征提取,得到动作特征。
在本发明的实施方式中,在根据动作特征,确定每个第一视频对应的识别结果方面,识别模块702,具体用于:
将动作特征与不文明行为序列库中的不文明特征进行匹配;
当匹配成功时,记录与动作特征匹配的不文明特征所对应的不文明行为的名称和类型;
将不文明行为的名称和类型作为识别结果。
在本发明的实施方式中,在根据动作特征,确定每个第一视频对应的识别结果方面,识别模块702,还用于:
当匹配失败时,根据动作特征预测居民下一时刻的动作;
根据居民下一时刻的动作,确定发生不文明行为的概率,以及不文明行为的名称和类型;
将发生不文明行为的概率、不文明行为的名称和类型,作为识别结果。
在本发明的实施方式中,在根据待评分城市中每个类型的不文明行为的数量、待评分城市的人口、待评分城市的面积、以及每个第一视频对应的时间段,确定待评分城市的文明评分方面,评分模块704,具体用于:
根据待评分城市中每个类型的不文明行为对应的第一权重,将待评分城市中每个类型的不文明行为的数量进行加权求和,得到第一和;
根据每个第一视频对应的时间段,确定第二权重;
将待评分城市的人口和待评分城市的面积进行乘积,得到第一积;
用第二权重对第一积与第一和的商进行加权,得到待评分城市的文明评分。
参阅图8,图8为本申请实施方式提供的一种电子设备的结构示意图。如图8所示,电子设备800包括收发器801、处理器802和存储器803。它们之间通过总线804连接。存储器803用于存储计算机程序和数据,并可以将存储器803 存储的数据传输给处理器802。
处理器802用于读取存储器803中的计算机程序执行以下操作:
对于至少一个实时监控视频流中的每个实时监控视频流,分别对每个实时监控视频流进行预处理,得到至少一个第一视频,其中,至少一个实时监控视频流由设置于待评分城市中的监控设备获取,至少一个第一视频与至少一个实时监控视频流一一对应;
对于至少一个第一视频中的每个第一视频,分别对每个第一视频进行行为识别,得到至少一个识别结果,其中,识别结果用于标识识别结果对应的每个第一视频中的不文明行为的类型和名称;
根据至少一个识别结果,对待评分城市中包含的不文明行为进行分类,得到待评分城市中每个类型的不文明行为的数量;
根据待评分城市中每个类型的不文明行为的数量、待评分城市的人口、待评分城市的面积、以及每个第一视频对应的时间段,确定待评分城市的文明评分。
在本发明的实施方式中,在对于至少一个实时监控视频流中的每个实时监控视频流,分别对每个实时监控视频流进行预处理,得到至少一个第一视频方面,处理器802,具体用于执行以下操作:
根据预设的尺度范围和覆盖率,分别将每个实时监控视频流分割为至少一个第二视频;
对于至少一个第二视频中的每个第二视频,分别对每个第二视频进行24 帧随机采样,得到至少一个第三视频,其中,至少一个第三视频与至少一个第二视频一一对应;
根据至少一个第三视频中的每个第三视频对应的时间,按照时间顺序将至少一个第三视频进行拼接,得到每个实时监控视频流对应的第一视频。
在本发明的实施方式中,在对于至少一个第一视频中的每个第一视频,分别对每个第一视频进行行为识别,得到至少一个识别结果方面,处理器802,具体用于执行以下操作:
分别对每个第一视频进行视频帧提取,得到每个第一视频对应的至少一张第一图像;
对于至少一张第一图像中的每张第一图像,分别对每张第一图像进行关节点数据提取,得到至少一个人体关节点数据,其中,至少一个人体关节点数据与至少一张第一图像一一对应;
根据至少一个人体关节点数据,确定至少一个人体关节点数据对应的居民的动作特征;
根据动作特征,确定每个第一视频对应的识别结果。
在本发明的实施方式中,在根据至少一个人体关节点数据,确定至少一个人体关节点数据对应的居民的动作特征方面,处理器802,具体用于执行以下操作:
对于至少一个人体关节点数据中的每个人体关节点数据,分别对每个人体关节点数据进行姿态识别,得到至少一个行为数据,其中,至少一个行为数据与至少一个人体关节点数据一一对应;
将至少一个行为数据,按照至少一个行为数据中的每个行为数据对应的每张第一图像在每个第一视频中的顺序进行排列,得到居民对应的行为序列;
对动作序列进行特征提取,得到动作特征。
在本发明的实施方式中,在根据动作特征,确定每个第一视频对应的识别结果方面,处理器802,具体用于执行以下操作:
将动作特征与不文明行为序列库中的不文明特征进行匹配;
当匹配成功时,记录与动作特征匹配的不文明特征所对应的不文明行为的名称和类型;
将不文明行为的名称和类型作为识别结果。
在本发明的实施方式中,在根据动作特征,确定每个第一视频对应的识别结果方面,处理器802,还用于执行以下操作:
当匹配失败时,根据动作特征预测居民下一时刻的动作;
根据居民下一时刻的动作,确定发生不文明行为的概率,以及不文明行为的名称和类型;
将发生不文明行为的概率、不文明行为的名称和类型,作为识别结果。
在本发明的实施方式中,在根据待评分城市中每个类型的不文明行为的数量、待评分城市的人口、待评分城市的面积、以及每个第一视频对应的时间段,确定待评分城市的文明评分方面,处理器802,具体用于执行以下操作:
根据待评分城市中每个类型的不文明行为对应的第一权重,将待评分城市中每个类型的不文明行为的数量进行加权求和,得到第一和;
根据每个第一视频对应的时间段,确定第二权重;
将待评分城市的人口和待评分城市的面积进行乘积,得到第一积;
用第二权重对第一积与第一和的商进行加权,得到待评分城市的文明评分。
应理解,本申请中的文明城市评分装置可以包括智能手机(如Android手机、iOS手机、Windows Phone手机等)、平板电脑、掌上电脑、笔记本电脑、移动互联网设备MID(MobileInternet Devices,简称:MID)、机器人或穿戴式设备等。上述文明城市评分装置仅是举例,而非穷举,包含但不限于上述文明城市评分装置。在实际应用中,上述文明城市评分装置还可以包括:智能车载终端、计算机设备等等。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到本发明可借助软件结合硬件平台的方式来实现。基于这样的理解,本发明的技术方案对背景技术做出贡献的全部或者部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施方式或者实施方式的某些部分所述的方法。
因此,本申请实施方式还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行以实现如上述方法实施方式中记载的任何一种文明城市评分方法的部分或全部步骤。例如,所述存储介质可以包括硬盘、软盘、光盘、磁带、磁盘、优盘、闪存等。
本申请实施方式还提供一种计算机程序产品,所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,所述计算机程序可操作来使计算机执行如上述方法实施方式中记载的任何一种文明城市评分方法的部分或全部步骤。
需要说明的是,对于前述的各方法实施方式,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施方式均属于可选的实施方式,所涉及的动作和模块并不一定是本申请所必须的。
在上述实施方式中,对各个实施方式的描述都各有侧重,某个实施方式中没有详述的部分,可以参见其他实施方式的相关描述。
在本申请所提供的几个实施方式中,应该理解到,所揭露的装置,可通过其它的方式实现。例如,以上所描述的装置实施方式仅仅是示意性的,例如所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施方式方案的目的。
另外,在本申请各个实施方式中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件程序模块的形式实现。
所述集成的单元如果以软件程序模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储器中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储器中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施方式所述方法的全部或部分步骤。而前述的存储器包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施方式的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储器中,存储器可以包括:闪存盘、只读存储器(英文:Read-Only Memory,简称:ROM)、随机存取器(英文:Random Access Memory,简称:RAM)、磁盘或光盘等。
以上对本申请实施方式进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施方式的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种文明城市评分方法,其特征在于,所述方法包括:
对于至少一个实时监控视频流中的每个实时监控视频流,分别对所述每个实时监控视频流进行预处理,得到至少一个第一视频,其中,所述至少一个实时监控视频流由设置于待评分城市中的监控设备获取,所述至少一个第一视频与所述至少一个实时监控视频流一一对应;
对于所述至少一个第一视频中的每个第一视频,分别对所述每个第一视频进行行为识别,得到至少一个识别结果,其中,所述识别结果用于标识所述识别结果对应的所述每个第一视频中的不文明行为的类型和名称;
根据所述至少一个识别结果,对所述待评分城市中包含的不文明行为进行分类,得到所述待评分城市中每个类型的不文明行为的数量;
根据所述待评分城市中每个类型的不文明行为的数量、所述待评分城市的人口、所述待评分城市的面积、以及所述每个第一视频对应的时间段,确定所述待评分城市的文明评分。
2.根据权利要求1所述的方法,其特征在于,所述对于至少一个实时监控视频流中的每个实时监控视频流,分别对所述每个实时监控视频流进行预处理,得到至少一个第一视频,包括:
根据预设的尺度范围和覆盖率,分别将所述每个实时监控视频流分割为至少一个第二视频;
对于所述至少一个第二视频中的每个第二视频,分别对所述每个第二视频进行24帧随机采样,得到所述每个第二视频对应的第三视频;
将所述每个第二视频对应的第三视频进行集合,得到至少一个第三视频,其中,所述至少一个第三视频与所述至少一个第二视频一一对应;
根据所述至少一个第三视频中的每个第三视频对应的时间,按照时间顺序将所述至少一个第三视频进行拼接,得到所述每个实时监控视频流对应的第一视频。
3.根据权利要求1所述的方法,其特征在于,所述对于所述至少一个第一视频中的每个第一视频,分别对所述每个第一视频进行行为识别,得到至少一个识别结果,包括:
分别对所述每个第一视频进行视频帧提取,得到所述每个第一视频对应的至少一张第一图像;
对于所述至少一张第一图像中的每张第一图像,分别对所述每张第一图像进行关节点数据提取,得到每张第一图像对应的人体关节数据;
将所述每张第一图像对应的人体关节数据进行集合,得到至少一个人体关节点数据,其中,所述至少一个人体关节点数据与所述至少一张第一图像一一对应;
根据所述至少一个人体关节点数据,确定所述至少一个人体关节点数据对应的居民的动作特征;
根据所述动作特征,确定所述每个第一视频对应的识别结果。
4.根据权利要求3所述的方法,其特征在于,所述根据所述至少一个人体关节点数据,确定所述至少一个人体关节点数据对应的居民的动作特征,包括:
对于所述至少一个人体关节点数据中的每个人体关节点数据,分别对所述每个人体关节点数据进行姿态识别,得到每个人体关节点数据对应的行为数据;
将所述每个人体关节点数据对应的行为数据进行集合,得到至少一个行为数据,其中,所述至少一个行为数据与所述至少一个人体关节点数据一一对应;
将所述至少一个行为数据,按照所述至少一个行为数据中的每个行为数据对应的所述每张第一图像在所述每个第一视频中的顺序进行排列,得到所述居民对应的行为序列;
对所述动作序列进行特征提取,得到所述动作特征。
5.根据权利要求4所述的方法,其特征在于,所述根据所述动作特征,确定所述每个第一视频对应的识别结果,包括:
将所述动作特征与不文明行为序列库中的不文明特征进行匹配;
当匹配成功时,记录与所述动作特征匹配的不文明特征所对应的不文明行为的名称和类型;
将所述不文明行为的名称和类型作为所述识别结果。
6.根据权利要求4所述的方法,其特征在于,所述根据所述动作特征,确定所述每个第一视频对应的识别结果,还包括:
当匹配失败时,根据所述动作特征预测所述居民下一时刻的动作;
根据所述居民下一时刻的动作,确定发生不文明行为的概率,以及所述不文明行为的名称和类型;
将所述发生不文明行为的概率、所述不文明行为的名称和类型,作为所述识别结果。
7.根据权利要求1-6中任意一项所述的方法,其特征在于,所述根据所述待评分城市中每个类型的不文明行为的数量、所述待评分城市的人口、所述待评分城市的面积、以及所述每个第一视频对应的时间段,确定所述待评分城市的文明评分,包括:
根据所述待评分城市中每个类型的不文明行为对应的第一权重,将所述待评分城市中每个类型的不文明行为的数量进行加权求和,得到第一和;
根据所述每个第一视频对应的时间段,确定第二权重;
将所述待评分城市的人口和所述待评分城市的面积进行乘积,得到第一积;
用所述第二权重对所述第一积与所述第一和的商进行加权,得到所述待评分城市的文明评分。
8.一种文明城市评分装置,其特征在于,所述装置包括:
预处理模块,用于对于至少一个实时监控视频流中的每个实时监控视频流,分别对所述每个实时监控视频流进行预处理,得到至少一个第一视频,其中,所述至少一个实时监控视频由设置于待评分城市中的监控设备获取,所述至少一个第一视频与所述至少一个实时监控视频一一对应;
识别模块,用于对于所述至少一个第一视频中的每个第一视频,分别对所述每个第一视频进行行为识别,得到至少一个识别结果,其中,所述识别结果用于标识所述识别结果对应的所述每个第一视频中的不文明行为的类型和名称;
统计模块,用于根据所述至少一个识别结果,对所述待评分城市中包含的不文明行为进行分类,得到所述待评分城市中每个类型的不文明行为的数量;
评分模块,用于根据所述待评分城市中每个类型的不文明行为的数量、所述待评分城市的人口、所述待评分城市的面积、以及所述每个第一视频对应的时间段,确定所述待评分城市的文明评分。
9.一种电子设备,其特征在于,包括处理器、存储器、通信接口以及一个或多个程序,其中,所述一个或多个程序被存储在所述存储器中,并且被配置由所述处理器执行,所述一个或多个程序包括用于执行权利要求1-7任一项方法中的步骤的指令。
10.一种可读计算机存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行以实现如权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110733002.1A CN113435352B (zh) | 2021-06-29 | 2021-06-29 | 文明城市评分方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110733002.1A CN113435352B (zh) | 2021-06-29 | 2021-06-29 | 文明城市评分方法、装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113435352A CN113435352A (zh) | 2021-09-24 |
CN113435352B true CN113435352B (zh) | 2022-06-14 |
Family
ID=77757967
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110733002.1A Active CN113435352B (zh) | 2021-06-29 | 2021-06-29 | 文明城市评分方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113435352B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107909025A (zh) * | 2017-11-13 | 2018-04-13 | 毛国强 | 基于视频和无线监控的人物识别及追踪方法和系统 |
CN110097037A (zh) * | 2019-05-22 | 2019-08-06 | 天津联图科技有限公司 | 智能监测方法、装置、存储介质及电子设备 |
CN110188599A (zh) * | 2019-04-12 | 2019-08-30 | 哈工大机器人义乌人工智能研究院 | 一种人体姿态行为智能分析识别方法 |
CN112580470A (zh) * | 2020-12-11 | 2021-03-30 | 北京软通智慧城市科技有限公司 | 城市视觉感知方法、装置、电子设备和存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8684922B2 (en) * | 2006-05-12 | 2014-04-01 | Bao Tran | Health monitoring system |
-
2021
- 2021-06-29 CN CN202110733002.1A patent/CN113435352B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107909025A (zh) * | 2017-11-13 | 2018-04-13 | 毛国强 | 基于视频和无线监控的人物识别及追踪方法和系统 |
CN110188599A (zh) * | 2019-04-12 | 2019-08-30 | 哈工大机器人义乌人工智能研究院 | 一种人体姿态行为智能分析识别方法 |
CN110097037A (zh) * | 2019-05-22 | 2019-08-06 | 天津联图科技有限公司 | 智能监测方法、装置、存储介质及电子设备 |
CN112580470A (zh) * | 2020-12-11 | 2021-03-30 | 北京软通智慧城市科技有限公司 | 城市视觉感知方法、装置、电子设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113435352A (zh) | 2021-09-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Aboah | A vision-based system for traffic anomaly detection using deep learning and decision trees | |
CN110738857B (zh) | 一种车辆违章取证方法、装置及设备 | |
CN110659391A (zh) | 一种视频侦查方法及装置 | |
CN113111838B (zh) | 行为识别方法及装置、设备和存储介质 | |
CN111259868B (zh) | 基于卷积神经网络的逆行车辆检测方法、系统及介质 | |
KR102122850B1 (ko) | 딥 러닝 기반의 교통분석 및 차량번호 인식 솔루션 | |
CN112163525B (zh) | 一种事件类型预测方法、装置、电子设备及存储介质 | |
KR102260123B1 (ko) | 지역내 이벤트감지장치 및 그 장치의 구동방법 | |
CN112949439A (zh) | 一种油罐车重点区域人员入侵监测方法和系统 | |
CN112507860A (zh) | 一种视频标注方法、装置、设备及存储介质 | |
JP2023524623A (ja) | 交通異常を検出するための方法、装置、機器、記憶媒体およびプログラム | |
CN116311166A (zh) | 交通障碍物识别方法、装置及电子设备 | |
CN114663871A (zh) | 图像识别方法、训练方法、装置、系统及存储介质 | |
CN114140745A (zh) | 施工现场人员属性检测方法、系统、装置及介质 | |
CN115311591A (zh) | 异常行为的预警方法、装置及智能摄像头 | |
CN113469080B (zh) | 一种个体、群体、场景交互协同感知方法、系统及设备 | |
Pratama et al. | Smart video surveillance system for level crossing: a systematic literature review | |
Ng et al. | Outdoor illegal parking detection system using convolutional neural network on Raspberry Pi | |
Singh et al. | An intelligent video surveillance system using edge computing based deep learning model | |
CN114764895A (zh) | 异常行为检测装置和方法 | |
CN113435352B (zh) | 文明城市评分方法、装置、电子设备和存储介质 | |
CN110855932B (zh) | 基于视频数据的报警方法、装置、电子设备及存储介质 | |
CN114445787A (zh) | 非机动车重识别方法及相关设备 | |
CN114782883A (zh) | 基于群体智能的异常行为检测方法、装置和设备 | |
Vaishnavi et al. | Implementation of Abnormal Event Detection using Automated Surveillance System |
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 |