CN114187156A - 一种面向移动背景下的城市管理事部件智能识别方法 - Google Patents
一种面向移动背景下的城市管理事部件智能识别方法 Download PDFInfo
- Publication number
- CN114187156A CN114187156A CN202111551204.0A CN202111551204A CN114187156A CN 114187156 A CN114187156 A CN 114187156A CN 202111551204 A CN202111551204 A CN 202111551204A CN 114187156 A CN114187156 A CN 114187156A
- Authority
- CN
- China
- Prior art keywords
- sample picture
- mobile
- analysis model
- video data
- layer
- 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
Images
Classifications
-
- 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
Abstract
一种面向移动背景下的城市管理事部件智能识别方法,首先采集样本图片,而后对样本图片进行标注后形成样本图片库,再采用SSD算法对样本图片库中的样本图片进行训练以构建分析模型;解析由车载多维感知终端采集的移动视频数据,并将解析后的移动视频数据输入至分析模型中,分析模型对解析后的移动视频数据进行处理、分析与识别后输出识别结果,有效实现城市管理的移动式执法,从而实现管理的全时域、全城域覆盖,充分利用城市移动视频资源,有效解放人力,降低对人力需求,减轻人工作业强度,提升城市管理的精细化作业水平;同时也缓解社会矛盾,提高城市管理的智能化水平。
Description
技术领域
本发明涉及视频智能识别技术领域,尤其涉及一种面向移动背景下的城市管理事部件智能识别方法。
背景技术
目前城市管理执法主要采用网格员人工巡查,手动拍照的作业模式以采集违规/违章事部件信息,耗费大量人力。因此,为了节省人力物力成本,主流厂商已实现基于固定背景下(如天网监控等)的智能采集,但其均是面向固定视频背景的智能识别与取证模式,且多基于背景差分法进行事部件的识别,当背景变化时,稳定性及识别的准确率会大幅降低。而目前城市里许多摊贩为流动摊贩,常藏于固定摄像机拍摄不到的区域,因此仍需网格员上街道巡查、拍照取证,从而导致城市管理执法的效率不高,智能化程度有待提高。
随着信息化技术的提升,依托信息化技术,综合利用视频一体化技术,探索快速处置、非现场执法等新型执法模式,提升执法效能,已成为城市管理领域的迫切需求。
发明内容
本发明所解决的技术问题在于提供一种面向移动背景下的城市管理事部件智能识别方法,以解决上述背景技术中的问题。
本发明所解决的技术问题采用以下技术方案来实现:
一种面向移动背景下的城市管理事部件智能识别方法,首先采集一定数量的样本图片,而后对样本图片进行标注后形成样本图片库,再采用SSD算法对样本图片库中的样本图片进行训练以构建分析模型;解析部署在城管执法车、扫地车、私家车等各类车辆上的移动视频数据,并将解析后的移动视频数据输入至分析模型中,分析模型对解析后的移动视频数据进行处理、分析与识别,当发现城市管理违规/违章事件时,输出识别结果并告警,同时将识别出的城市管理违规/违章事部件信息存储到数据库进行统一管理,方便用户查询,具体步骤如下:
(1)建模层
首先构建样本图片库,样本图片数据采用人工+机器相结合的方式(包括公安天网、“雪亮工程”、网格员拍摄以及车辆巡检等)进行采集,而后对样本图片数据进行预处理、标注和分割,基于数据库和数据存储技术,对已标注的样本图片进行存储和管理形成样本图片库,为模型的训练提供输入,再采用SSD算法对已标注的样本图片进行训练,建立分析模型,为分析层进行城市管理违规/违章事件的识别提供算法模型;
(2)前端感知层
前端感知层由车载多维感知终端组成,车载多维感知终端包括安装在城管执法车、扫地车等城市作业车辆上的监控探头和私家车上的行车记录仪,用于采集移动视频数据,而后将采集的移动视频数据传输至视频接入层;
(3)视频接入层
视频接入层是前端感知层与分析层间的桥梁,通过GB28181协议或者RTSP协议,利用Ffmpeg方法对采集的移动视频数据进行解析,得到视频图像,用于前端显示和智能视频分析,解析步骤如下:
A、利用Ffmpeg读取数据包,即获得Avpacket;
B、创建VideoParser;
C、利用Ffmpeg解析rtsp格式的视频流;
D、将数据包传输至VideoParser;
E、利用VideoParser解码数据包,得到视频图像;
(4)分析层
分析层基于分析模型,采用CPU+GPU异构计算硬件框架,分析模型基于SSD算法对视频接入层解析的视频图像信号进行处理、分析及识别,步骤如下:
I、对每个预测框,首先根据类别置信度确定类别与置信度值,并过滤属于背景的预测框;而后根据置信度阈值过滤掉阈值较低的预测框;
II、对留下的预测框进行解码,根据先验框得到留下的预测框真实位置参数;
III、再根据置信度进行降序排列,保留Top-k个预测框;
IV、使用非极大值抑制(NMS)算法,过滤掉重叠度较大的预测框,剩余的预测框即为识别结果;
(5) 应用层
采用以太网方式,将识别的违规/违章事件结果上传至城市管理综合执法业务系统中,供业务系统调用查询,也可供监控平台调用显示,便于实现移动报警信息的统一管理和组织。
有益效果:本发明面向移动背景进行城市管理事部件的识别与取证,有效实现城市管理的移动式执法,从而实现管理的全时域、全城域覆盖,充分利用城市移动视频资源,有效解放人力,降低对人力需求,减轻人工作业强度,提升城市管理的精细化作业水平;同时也缓解社会矛盾,提高城市管理的智能化水平。
附图说明
图1为本发明的较佳实施例的识别流程示意图。
图2为本发明的较佳实施例中的样本图片库构建流程示意图。
图3为本发明的较佳实施例的识别结果示意图。
具体实施方式
为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,下面结合具体图示,进一步阐述本发明。
如图1所示的一种面向移动背景下的城市管理事部件智能识别方法,首先采集一定数量的样本图片,而后对样本图片进行标注后形成样本图片库,再采用SSD算法对样本图片库中的样本图片进行训练以构建分析模型;利用Ffmpeg方法解析部署在城管执法车、扫地车、私家车等各类车辆上的移动视频数据,并将解析后的移动视频数据输入至分析模型中,分析模型使用SSD算法对解析后的移动视频数据进行处理、分析与识别,当发现城市管理违规/违章事件时,输出识别结果并告警,同时将识别出的城市管理违规/违章事部件信息存储到数据库进行统一管理,方便用户查询,具体步骤如下:
(1)建模层
首先构建样本图片库,如图2所示,样本图片数据采用人工+机器相结合的方式(包括公安天网、“雪亮工程”、网格员拍摄以及车辆巡检等)进行采集,而后对样本图片数据进行预处理、标注和分割,基于数据库和数据存储技术,对已标注的样本图片进行存储和管理形成样本图片库,为模型的训练提供输入,而后采用SSD算法对已标注的样本图片进行训练,建立分析模型,为分析层进行城市管理违规/违章事件的识别提供算法模型;
(2)前端感知层
前端感知层由车载多维感知终端组成,车载多维感知终端包括安装在城管执法车、扫地车等城市作业车辆上的监控探头和私家车上的行车记录仪,用于采集移动视频数据,而后将采集的移动视频数据传输至视频接入层;
(3)视频接入层
视频接入层是前端感知层与分析层间的桥梁,通过GB28181协议或者RTSP协议,利用Ffmpeg方法对采集的移动视频数据进行解析,得到视频图像,用于前端显示和智能视频分析,解析步骤如下:
A、利用Ffmpeg读取数据包,即获得Avpacket;
B、创建VideoParser;
C、利用Ffmpeg解析rtsp格式的视频流;
D、将数据包传输至VideoParser;
E、利用VideoParser解码数据包,得到视频图像;
(4)分析层
分析层是决定城市管理事部件识别准确率的关键,基于分析模型,采用CPU+GPU异构计算硬件框架,分析模型基于SSD算法对视频接入层解析的视频图像信号进行处理、分析及识别,步骤如下:
I、对每个预测框,首先根据类别置信度确定类别与置信度值,并过滤属于背景的预测框;而后根据置信度阈值过滤掉阈值较低的预测框;
II、对留下的预测框进行解码,根据先验框得到留下的预测框真实位置参数;
III、再根据置信度进行降序排列,保留Top-k个预测框;
IV、使用非极大值抑制(NMS)算法,过滤掉重叠度较大的预测框,剩余的预测框(图3所示的方框)即为识别结果;
(5) 应用层
采用以太网方式,将识别的违规/违章事件结果上传至城市管理综合执法业务系统中,供业务系统调用查询,也可供监控平台调用显示,便于实现移动报警信息的统一管理和组织。
Claims (7)
1.一种面向移动背景下的城市管理事部件智能识别方法,其特征在于,首先采集样本图片,而后对样本图片进行标注后形成样本图片库,再采用SSD算法对样本图片库中的样本图片进行训练以构建分析模型;解析由车载多维感知终端采集的移动视频数据,并将解析后的移动视频数据输入至分析模型中,分析模型对解析后的移动视频数据进行处理、分析与识别后输出识别结果。
2. 根据权利要求1所述的一种面向移动背景下的城市管理事部件智能识别方法,其特征在于,具体步骤如下:
(1)建模层
首先采集样本图片,而后对样本图片进行标注后形成样本图片库,再采用SSD算法对已标注的样本图片进行训练,建立分析模型;
(2)前端感知层
前端感知层由车载多维感知终端组成,车载多维感知终端用于采集移动视频数据,而后将采集的移动视频数据传输至视频接入层;
(3)视频接入层
视频接入层利用Ffmpeg方法对采集的移动视频数据进行解析,得到视频图像;
(4)分析层
分析层基于分析模型,通过分析模型对视频接入层解析的视频图像信号进行处理、分析及识别后输出识别结果。
3.根据权利要求2所述的一种面向移动背景下的城市管理事部件智能识别方法,其特征在于,步骤(1)中,样本图片数据采用人工+机器相结合的方式采集。
4.根据权利要求2所述的一种面向移动背景下的城市管理事部件智能识别方法,其特征在于,步骤(2)中,车载多维感知终端包括安装在城市作业车辆上的监控探头和私家车上的行车记录仪。
5.根据权利要求2所述的一种面向移动背景下的城市管理事部件智能识别方法,其特征在于,步骤(3)中,解析步骤如下:
A、利用Ffmpeg读取数据包,即获得Avpacket;
B、创建VideoParser;
C、利用Ffmpeg解析rtsp格式的视频流;
D、将数据包传输至VideoParser;
E、利用VideoParser解码数据包,得到视频图像。
6.根据权利要求2所述的一种面向移动背景下的城市管理事部件智能识别方法,其特征在于,步骤(4)中,分析及识别步骤如下:
I、对每个预测框,首先根据类别置信度确定类别与置信度值,并过滤属于背景的预测框;而后根据置信度阈值过滤掉阈值较低的预测框;
II、对留下的预测框进行解码,根据先验框得到留下的预测框真实位置参数;
III、再根据置信度进行降序排列,保留Top-k个预测框;
IV、使用非极大值抑制算法,过滤掉重叠度较大的预测框,剩余的预测框即为识别结果。
7.根据权利要求2所述的一种面向移动背景下的城市管理事部件智能识别方法,其特征在于,步骤(4)中,分析层采用CPU+GPU异构计算硬件框架。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111551204.0A CN114187156A (zh) | 2021-12-17 | 2021-12-17 | 一种面向移动背景下的城市管理事部件智能识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111551204.0A CN114187156A (zh) | 2021-12-17 | 2021-12-17 | 一种面向移动背景下的城市管理事部件智能识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114187156A true CN114187156A (zh) | 2022-03-15 |
Family
ID=80544287
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111551204.0A Pending CN114187156A (zh) | 2021-12-17 | 2021-12-17 | 一种面向移动背景下的城市管理事部件智能识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114187156A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114627420A (zh) * | 2022-03-23 | 2022-06-14 | 北京数字政通科技股份有限公司 | 一种城市管理违规事件信息采集方法及系统 |
-
2021
- 2021-12-17 CN CN202111551204.0A patent/CN114187156A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114627420A (zh) * | 2022-03-23 | 2022-06-14 | 北京数字政通科技股份有限公司 | 一种城市管理违规事件信息采集方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101631237B (zh) | 一种视频监控数据存储管理系统 | |
CN111429726B (zh) | 一种监控视频违停车辆检测、管理方法及对应的系统 | |
CN109816987B (zh) | 一种汽车鸣笛电子警察执法抓拍系统及其抓拍方法 | |
CN109618140B (zh) | 基于视频监控的车辆监测方法、装置、系统及服务器 | |
CN108765976A (zh) | 路侧平行停车信息管理系统及方法 | |
CN109949351B (zh) | 基于视频结构化监控的目标车辆行驶轨迹提取装置及方法 | |
CN102426785B (zh) | 基于轮廓和局部特征点的交通流信息感知方法及系统 | |
CN107547617B (zh) | 一种交通事故信息收集方法及装置 | |
CN103177436B (zh) | 物件追踪的方法、系统 | |
CN109166319A (zh) | 一种基于区块链技术的高速公路违法行为识别方法 | |
CN102902960A (zh) | 基于高斯建模与目标轮廓的遗留物检测方法 | |
CN109410583A (zh) | 基于行车记录仪的交通信息采集及分析系统及运行方法 | |
CN114187156A (zh) | 一种面向移动背景下的城市管理事部件智能识别方法 | |
CN102768797A (zh) | 一种城市路况信息评价方法及装置 | |
CN110263623A (zh) | 列车攀爬监测方法、装置、终端及存储介质 | |
CN113487877A (zh) | 一种道路车辆违规停车监控方法 | |
Paefgen et al. | GPS trajectory feature extraction for driver risk profiling | |
CN209087137U (zh) | 基于行车记录仪的交通信息采集及分析系统 | |
CN105139481A (zh) | 一种汽车喇叭识别系统 | |
CN112188478B (zh) | 基于大数据分析的常驻人口数据采集方法 | |
CN112950942A (zh) | 一种基于视频分析的机动车违停智能检测方法 | |
CN105447479A (zh) | 一种高速卡口道路交通状态视频监控方法 | |
CN108986466B (zh) | 一种基于WiFi探针的交通OD信息采集系统及处理方法 | |
CN108427718A (zh) | 一种车辆行驶信息时空索引及大数据分析方法 | |
CN105632171A (zh) | 一种交通路况视频监控方法 |
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 |