CN115965908A - 一种垃圾违规投放行为的ai识别方法、系统及存储介质 - Google Patents
一种垃圾违规投放行为的ai识别方法、系统及存储介质 Download PDFInfo
- Publication number
- CN115965908A CN115965908A CN202211644502.9A CN202211644502A CN115965908A CN 115965908 A CN115965908 A CN 115965908A CN 202211644502 A CN202211644502 A CN 202211644502A CN 115965908 A CN115965908 A CN 115965908A
- Authority
- CN
- China
- Prior art keywords
- garbage
- area
- throwing
- target
- garbage bag
- 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
- 239000010813 municipal solid waste Substances 0.000 title claims abstract description 192
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000013473 artificial intelligence Methods 0.000 title abstract description 21
- 230000006399 behavior Effects 0.000 claims abstract description 57
- 238000012544 monitoring process Methods 0.000 claims abstract description 33
- 230000009471 action Effects 0.000 claims abstract description 14
- 238000012549 training Methods 0.000 claims description 19
- 238000003062 neural network model Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 6
- 239000003086 colorant Substances 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 230000008034 disappearance Effects 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 5
- 238000001514 detection method Methods 0.000 abstract description 2
- 238000013527 convolutional neural network Methods 0.000 description 7
- 238000005070 sampling Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000004064 recycling Methods 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 231100000331 toxic Toxicity 0.000 description 1
- 230000002588 toxic effect Effects 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
- Y02W30/00—Technologies for solid waste management
- Y02W30/10—Waste collection, transportation, transfer or storage, e.g. segregated refuse collecting, electric or hybrid propulsion
Landscapes
- Refuse Collection And Transfer (AREA)
Abstract
本发明公开了一种垃圾违规投放行为的AI识别方法、系统及存储介质，属于垃圾投放检测技术领域。包括：S100：获取垃圾投放区的监控视频；S200：在垃圾投放区的监控视频中识别待投放区域信息；S300：在垃圾投放区的监控视频中实时对投放行为信息进行跟踪，判定投放行为结果；S400：若存在违规投放行为则进行提示预警。本发明对待投放区域进行准确定位，并对垃圾袋进行跟踪，根据待投放区域与垃圾袋的坐标匹配结果，进行垃圾投放行为判别。本发明有利于对垃圾投放行为进行精确监管。
Description
技术领域
本发明涉及垃圾投放检测技术领域，更具体的说是涉及一种垃圾违规投放行为的AI识别方法、系统及存储介质。
背景技术
随着城市垃圾总量的逐年增加，垃圾处理已经成为影响城市发展的重要因素之一，垃圾管理工作成为环保关注的重点。在垃圾定点回收站在小区内的普及，总是存在较多居民在垃圾定点区域随意投放的违规行为时有发生，垃圾乱扔乱放现象愈加严重，不利于环保人员的工作，使得垃圾回收效率低下，影响市容市貌，如果依赖大量志愿者参与，增加管理成本。可见，垃圾投放行为的精准程度为一个重要指标，但当前对于垃圾违规投放行为的识别大多是基于对垃圾桶本身结构的改进等，现有技术中的方案存在普适性差，检测速度低的问题，不利于更好地进行垃圾投放行为的监管。
因此，如何提供一种垃圾违规投放行为的AI识别方法、系统及存储介质是本领域技术人员亟需解决的问题。
发明内容
有鉴于此，本发明提供了一种垃圾违规投放行为的AI识别方法、系统及存储介质，用以解决上述现有技术中存在的问题。
为了实现上述目的，本发明提供如下技术方案：
一种垃圾违规投放行为的AI识别方法，其特征在于，包括以下步骤：
S100：获取垃圾投放区的监控视频；
S200：在垃圾投放区的监控视频中识别待投放区域信息；
S300：在垃圾投放区的监控视频中实时对投放行为信息进行跟踪，判定投放行为结果；
S400：若存在违规投放行为则进行提示预警。
优选的，所述S200：在垃圾投放区的监控视频中识别待投放区域信息，包括：
S210：分别获取不同类型垃圾桶的一个以上样品数据图像，并按照待投放垃圾将样品数据图像进行划分标注，得到训练数据集{垃圾桶类别：I1,I2,I3...IN}＝{垃圾桶颜色：S1,S2,S3,...SN}；
S220：构建用于颜色分类的BP神经网络模型，并根据所述训练数据集进行模型训练；
S230：将当前垃圾投放区的监控视频进行中值滤波处理，并转换为HSV颜色空间图像；
S240：按照颜色，基于BP神经网络模型分别提取HSV颜色空间图像中垃圾桶区域Rn＝(xn，yn，wn，hn)，得到待投放区域坐标；
其中，HSV颜色空间图像左上角为像素坐标原点，(x,y)为垃圾桶区域左上角的坐标，h与w分别为垃圾桶区域的高和宽，n为垃圾桶区域个数，单位为像素。
优选的，所述S300在垃圾投放区的监控视频中实时对投放行为信息进行跟踪，判定投放行为结果，包括：
S310：提取当前垃圾投放区的视频中带有目标对象的视频流；
S230：跟踪目标对象视频流信息中目标垃圾袋特征区域位置；
S330：确定目标垃圾袋状态；
S340：基于所述目标垃圾袋状态的结果，判定投放行为是否存在违规。
优选的，所述S330：确定目标垃圾袋状态，包括：
当属于同一目标垃圾袋特征区域连续预设时间内未检测到目标坐标时，确定所述目标垃圾袋的状态为消失状态；
当属于同一目标垃圾袋特征区域连续预设时间内目标坐标的变化率小于第二阈值时，确定所述目标垃圾袋的状态为定格状态。
优选的，所述S340：基于所述目标垃圾袋状态结果，判定投放行为是否存在违规，包括：
S341：若目标垃圾袋状态为消失状态，将所述垃圾袋消失前的最后一次出现的坐标与所述待投放区域坐标进行匹配，若没有匹配成功，则判定存在违规投放行为。
优选的，所述S340：基于所述目标垃圾袋状态结果，判定投放行为是否存在违规，还包括：
S342：若目标垃圾袋状态为定格状态，则以HSV颜色空间图像左上角为像素坐标原点，采集目标垃圾袋特征区域坐标：
D＝(xd,yd,wd,hd)
式中，(xd,yd)为目标垃圾袋特征区域左上角的坐标，hd与wd分别为目标垃圾袋特征区域的高和宽；
S350：将所述待投放区域坐标与所述目标垃圾袋特征区域坐标进行匹配，若没有匹配成功，则判定存在违规投放行为。
优选的，所述S400：若存在违规投放行则进行提示预警，包括：
S410：若存在违规投放行为，则进行投放行为提示，引导目标对象将目标垃圾袋投放至垃圾桶内；
S420：若经过预设时间，目标垃圾袋的坐标未与任一垃圾桶坐标匹配，则向后台发出预警提示，通知管理人员到场。
另一方面，本发明提供了一种垃圾违规投放行为的AI识别系统，包括：
摄像头，用于获取垃圾投放区的监控视频；
中央处理器，与所述摄像头连接，用于在垃圾投放区的监控视频中识别待投放区域信息；
跟踪判别模块，与所述摄像头以及所述中央处理器连接，用于对所述投放行为信息进行跟踪，判定投放行为结果；
预警模块，与所述跟踪判别模块连接，用于若存在违规投放行为则进行提示预警。
再一方面，本发明还提供了一种计算机存储介质，所述计算机存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现垃圾违规投放行为的AI识别方法的步骤。
经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种垃圾违规投放行为的AI识别方法、系统及存储介质，本发明对待投放区域进行准确定位，并对垃圾袋进行跟踪，根据待投放区域与垃圾袋的坐标匹配结果，进行垃圾投放行为判别。本发明有利于对垃圾投放行为进行精确监管，具体有益效果为：
(1)不需对垃圾桶进行额外的改造，也不会额外增加用户投放垃圾的成本，可以灵活适应于多种场景及不同的用户年龄群体
(2)本发明通过AI智能摄像头准确识别待投放区域坐标，并快速获取垃圾特征信息，提醒垃圾投放者正确投放垃圾，方便卫生清洁工人进行定向垃圾处理。
(3)通过语音交互的形式提醒垃圾投放者正确投放垃圾，进一步提高不乱堆乱放垃圾的执行率。
(4)对经常未按规定投放垃圾投放者的信息上报给后台管理人员，方便卫生清洁工及时进行清理，并有利于针对这一问题采取措施，进而提高人们垃圾投放正确观念。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，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，还可以根据提供的附图获得其他的附图。
图1为本发明的方法流程示意图；
图2为本发明的系统结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
一方面，参见附图1所示，本发明实施例公开了一种垃圾违规投放行为的AI识别方法，包括以下步骤：
S100：获取垃圾投放区的监控视频；
S200：在垃圾投放区的监控视频中识别待投放区域信息；
S300：在垃圾投放区的监控视频中实时对投放行为信息进行跟踪，判定投放行为结果；
S400：若存在违规投放行为则进行提示预警。
在一个具体实施例中，S200：在垃圾投放区的监控视频中识别待投放区域信息，包括：
S210：分别获取不同类型垃圾桶的一个以上样品数据图像，并按照待投放垃圾将样品数据图像进行划分标注，得到训练数据集{垃圾桶类别：I1,I2,I3...IN}＝{垃圾桶颜色：S1,S2,S3,...SN}；
S220：构建用于颜色分类的BP神经网络模型，并根据训练数据集进行模型训练；
S230：将当前垃圾投放区的监控视频进行中值滤波处理，并转换为HSV颜色空间图像；
S240：按照颜色，基于BP神经网络模型分别提取HSV颜色空间图像中垃圾桶区域Rn＝(xn，yn，wn，hn)，得到待投放区域坐标；
其中，HSV颜色空间图像左上角为像素坐标原点，(x,y)为垃圾桶区域左上角的坐标，h与w分别为垃圾桶区域的高和宽，n为垃圾桶区域个数，单位为像素。
具体的，训练数据集{垃圾桶类别：可回收垃圾，有毒有害垃圾，厨余垃圾，其他垃圾}＝{蓝，红，绿，灰}；
构建用于颜色分类的BP神经网络模型，据训练数据集进行模型训练；
更具体的，进行模型训练包括：通过卷积层初步提取图像特征；通过下采样层提取主要特征；通过全连接层将各部分特征汇总；产生分类器，进行预测识别：
对BP神经网络模型进行权值的初始化；
对输入的图片数据经过卷积层、下采样层、全连接层的向前传播得到输出值；
每一层输出的特征如下：
其中，y(l)是卷积层的输出，f(x)是非线性的激活函数，m是输入该层的特征图集，
是该层卷积核的权值，
是卷积运算，
是卷积层输入的特征向量，bbl是偏置；
步骤13：求出卷积神经网络的输出值与目标值之间的误差；当卷积神经网络输出的结果与期望值不相符时，则进行反向传播过程；求出结果与期望值的误差，再将误差一层一层的返回，计算出每一层的误差，然后进行权值更新；通过训练样本和期望值来调整网络权值；
通过前向传播对样本的预测与卷积神经网络期望值的输出来确定模型内部的参数；定义卷积神经网络的目标函数：
其中，L(x)为损失函数，m为样本数，
为期望输出，y为样本输出，应用梯度下降法对神经网络里每一层的参数w和b求偏导，得到更新之后的卷积神经网络参数值，让实际的卷积神经网络输出更加接近期望值；
当误差大于期望值时，将误差传回卷积神经网络中，依次求得全连接层，下采样层，卷积层的误差；当误差等于或小于期望值时，结束训练；
根据求得误差判断权值是否为最优，如果不是则进行权值更新；
判断是否完成epoch次数，如果已完成则退出模型训练，否则进行下一次的训练；
完成训练模型的训练。
按照颜色，基于BP神经网络模型分别提取HSV颜色空间图像中垃圾桶区域R1＝(x1，y1，w1，h1)、R2＝(x2，y2，w2，h2)，得到两个待投放区域坐标；
在一个具体实施例中，S300在垃圾投放区的监控视频中实时对投放行为信息进行跟踪，判定投放行为结果，包括：
S310：提取当前垃圾投放区的视频中带有目标对象的视频流；
S230：跟踪目标对象视频流信息中目标垃圾袋特征区域位置；
S330：确定目标垃圾袋状态；
S340：基于目标垃圾袋状态的结果，判定投放行为是否存在违规。
在一个具体实施例中，S330：确定目标垃圾袋状态，包括：
当属于同一目标垃圾袋特征区域连续预设时间内未检测到目标坐标时，确定目标垃圾袋的状态为消失状态；
当属于同一目标垃圾袋特征区域连续预设时间内目标坐标的变化率小于第二阈值时，确定目标垃圾袋的状态为定格状态。
在一个具体实施例中，S340：基于目标垃圾袋状态结果，判定投放行为是否存在违规，包括：
S341：若目标垃圾袋状态为消失状态，将垃圾袋消失前的最后一次出现的坐标与待投放区域坐标进行匹配，若没有匹配成功，则判定存在违规投放行为。
在一个具体实施例中，S340：基于目标垃圾袋状态结果，判定投放行为是否存在违规，还包括：
S342：若目标垃圾袋状态为定格状态，则以HSV颜色空间图像左上角为像素坐标原点，采集目标垃圾袋特征区域坐标：
D＝(xd,yd,wd,hd)
式中，(xd,yd)为目标垃圾袋特征区域左上角的坐标，hd与wd分别为目标垃圾袋特征区域的高和宽；
S350：将待投放区域坐标与目标垃圾袋特征区域坐标进行匹配，若没有匹配成功，则判定存在违规投放行为。
在一个具体实施例中，S400：若存在违规投放行则进行提示预警，包括：
S410：若存在违规投放行为，则进行投放行为提示，引导目标对象将目标垃圾袋投放至垃圾桶内；
S420：若经过预设时间，目标垃圾袋的坐标未与任一垃圾桶坐标匹配，则向后台发出预警提示，通知管理人员到场。
若目标垃圾袋状态为定格状态，则计算目标垃圾袋的坐标，并确定出目标垃圾袋的坐标与垃圾桶区域的坐标对应关系，包括：
目标垃圾袋的坐标D＝(xd,yd,wd,hd)分别与两个垃圾桶区域坐标R1＝(x1，y1，w1，h1)、R2＝(x2，y2，w2，h2)匹配，若能够匹配成功，则说明垃圾投放成功，若不匹配，说明将垃圾袋投放到了垃圾桶以外的区域，此时，执行步骤S400。
另一方面，参见附图2所示，本发明还个公开了一种垃圾违规投放行为的AI识别系统，包括：
摄像头，用于获取垃圾投放区的监控视频；
中央处理器，与摄像头连接，用于在垃圾投放区的监控视频中识别待投放区域信息；
跟踪判别模块，与摄像头以及中央处理器连接，用于对投放行为信息进行跟踪，判定投放行为结果；
预警模块，与跟踪判别模块连接，用于若存在违规投放行为则进行提示预警。
具体的所示摄像头为AI智能摄像头。
再一方面，本发明实施例公开了一种计算机存储介质，计算机存储介质上存储有计算机程序，计算机程序被处理器执行时实现如权利要求1-7中任意一项的垃圾违规投放行为的AI识别方法的步骤。
经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种垃圾违规投放行为的AI识别方法、系统及存储介质，通过本发明有利于对垃圾投放行为进行精确监管，具体有益效果为：
(1)不需对垃圾桶进行额外的改造，也不会额外增加用户投放垃圾的成本，可以灵活适应于多种场景及不同的用户年龄群体
(2)本发明通过AI智能摄像头准确识别待投放区域坐标，并快速获取垃圾特征信息，提醒垃圾投放者正确投放垃圾，方便卫生清洁工人进行定向垃圾处理。
(3)通过语音交互的形式提醒垃圾投放者正确投放垃圾，进一步提高不乱堆乱放垃圾的执行率。
(4)对经常未按规定投放垃圾投放者的信息上报给后台管理人员，方便卫生清洁工及时进行清理，并有利于针对这一问题采取措施，进而提高人们垃圾投放正确观念。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (9)
1.一种垃圾违规投放行为的AI识别方法，其特征在于，包括以下步骤：
S100：获取垃圾投放区的监控视频；
S200：在垃圾投放区的监控视频中识别待投放区域信息；
S300：在垃圾投放区的监控视频中实时对投放行为信息进行跟踪，判定投放行为结果；
S400：若存在违规投放行为则进行提示预警。
2.根据权利要求1所述的一种垃圾违规投放行为的AI识别方法，其特征在于，所述S200：在垃圾投放区的监控视频中识别待投放区域信息，包括：
S210：分别获取不同类型垃圾桶的一个以上样品数据图像，并按照待投放垃圾将样品数据图像进行划分标注，得到训练数据集{垃圾桶类别：I1,I2,I3...IN}＝{垃圾桶颜色：S1,S2,S3,...SN}；
S220：构建用于颜色分类的BP神经网络模型，并根据所述训练数据集进行模型训练；
S230：将当前垃圾投放区的监控视频进行中值滤波处理，并转换为HSV颜色空间图像；
S240：按照颜色，基于BP神经网络模型分别提取HSV颜色空间图像中垃圾桶区域Rn＝(xn，yn，wn，hn)，得到待投放区域坐标；
其中，HSV颜色空间图像左上角为像素坐标原点，(x,y)为垃圾桶区域左上角的坐标，h与w分别为垃圾桶区域的高和宽，n为垃圾桶区域个数，单位为像素。
3.根据权利要求2所述的一种垃圾违规投放行为的AI识别方法，其特征在于，所述S300在垃圾投放区的监控视频中实时对投放行为信息进行跟踪，判定投放行为结果，包括：
S310：提取当前垃圾投放区的视频中带有目标对象的视频流；
S230：跟踪目标对象视频流信息中目标垃圾袋特征区域位置；
S330：确定目标垃圾袋状态；
S340：基于所述目标垃圾袋状态的结果，判定投放行为是否存在违规。
4.根据权利要求3所述的一种垃圾违规投放行为的AI识别方法，其特征在于，所述S330：确定目标垃圾袋状态，包括：
当属于同一目标垃圾袋特征区域连续预设时间内未检测到目标坐标时，确定所述目标垃圾袋的状态为消失状态；
当属于同一目标垃圾袋特征区域连续预设时间内目标坐标的变化率小于第二阈值时，确定所述目标垃圾袋的状态为定格状态。
5.根据权利要求3所述的一种垃圾违规投放行为的AI识别方法，其特征在于，所述S340：基于所述目标垃圾袋状态的结果，判定投放行为是否存在违规，包括：
S341：若目标垃圾袋状态为消失状态，则将所述垃圾袋消失前的最后一次出现的坐标与所述待投放区域坐标进行匹配，若没有匹配成功，则判定存在违规投放行为。
6.根据权利要求3所述的一种垃圾违规投放行为的AI识别方法，其特征在于，所述S340：基于所述目标垃圾袋状态的结果，判定投放行为是否存在违规，还包括：
S342：若目标垃圾袋状态为定格状态，则以HSV颜色空间图像左上角为像素坐标原点，采集目标垃圾袋特征区域坐标：
D＝(xd,yd,wd,hd)
式中，(xd,yd)为目标垃圾袋特征区域左上角的坐标，hd与wd分别为目标垃圾袋特征区域的高和宽；
S350：将所述待投放区域坐标与所述目标垃圾袋特征区域坐标进行匹配，若没有匹配成功，则判定存在违规投放行为。
7.根据权利要求6所述的一种垃圾违规投放行为的AI识别方法，其特征在于，所述S400：若存在违规投放行则进行提示预警，包括：
S410：若存在违规投放行为，则进行投放行为提示，引导目标对象将目标垃圾袋投放至垃圾桶内；
S420：若经过预设时间，目标垃圾袋的坐标未与任一垃圾桶坐标匹配，则向后台发出预警提示，通知管理人员到场。
8.一种利用权利要求1-7任一项所述的垃圾违规投放行为的AI识别方法的垃圾违规投放行为的AI识别系统，其特征在于，包括：
摄像头，用于获取垃圾投放区的监控视频；
中央处理器，与所述摄像头连接，用于在垃圾投放区的监控视频中识别待投放区域信息；
跟踪判别模块，与所述摄像头以及所述中央处理器连接，用于对所述投放行为信息进行跟踪，判定投放行为结果；
预警模块，与所述跟踪判别模块连接，用于若存在违规投放行为则进行提示预警。
9.一种计算机存储介质，其特征在于，所述计算机存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-7中任意一项所述的垃圾违规投放行为的AI识别方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211644502.9A CN115965908A (zh) | 2022-12-21 | 2022-12-21 | 一种垃圾违规投放行为的ai识别方法、系统及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211644502.9A CN115965908A (zh) | 2022-12-21 | 2022-12-21 | 一种垃圾违规投放行为的ai识别方法、系统及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115965908A true CN115965908A (zh) | 2023-04-14 |
Family
ID=87359461
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211644502.9A Pending CN115965908A (zh) | 2022-12-21 | 2022-12-21 | 一种垃圾违规投放行为的ai识别方法、系统及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115965908A (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140129942A1 (en) * | 2011-05-03 | 2014-05-08 | Yogesh Chunilal Rathod | System and method for dynamically providing visual action or activity news feed |
| CN107292933A (zh) * | 2017-04-27 | 2017-10-24 | 浙江工业大学 | 一种基于bp神经网络的车辆颜色识别方法 |
| CN107705574A (zh) * | 2017-10-09 | 2018-02-16 | 荆门程远电子科技有限公司 | 一种精准快速的道路违章停车全自动抓拍系统 |
| CN110844403A (zh) * | 2019-11-14 | 2020-02-28 | 青岛海信网络科技股份有限公司 | 一种基于目标识别的垃圾分类识别方法及装置 |
| CN111553214A (zh) * | 2020-04-20 | 2020-08-18 | 哈尔滨工程大学 | 一种驾驶员吸烟行为检测方法及系统 |
| CN112623553A (zh) * | 2020-12-18 | 2021-04-09 | 周治邦 | 一种社区垃圾分类装置及其智能系统 |
| CN113682674A (zh) * | 2020-05-16 | 2021-11-23 | 张洪新 | 一种智能化垃圾分类管理装置 |
-
2022
- 2022-12-21 CN CN202211644502.9A patent/CN115965908A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140129942A1 (en) * | 2011-05-03 | 2014-05-08 | Yogesh Chunilal Rathod | System and method for dynamically providing visual action or activity news feed |
| CN107292933A (zh) * | 2017-04-27 | 2017-10-24 | 浙江工业大学 | 一种基于bp神经网络的车辆颜色识别方法 |
| CN107705574A (zh) * | 2017-10-09 | 2018-02-16 | 荆门程远电子科技有限公司 | 一种精准快速的道路违章停车全自动抓拍系统 |
| CN110844403A (zh) * | 2019-11-14 | 2020-02-28 | 青岛海信网络科技股份有限公司 | 一种基于目标识别的垃圾分类识别方法及装置 |
| CN111553214A (zh) * | 2020-04-20 | 2020-08-18 | 哈尔滨工程大学 | 一种驾驶员吸烟行为检测方法及系统 |
| CN113682674A (zh) * | 2020-05-16 | 2021-11-23 | 张洪新 | 一种智能化垃圾分类管理装置 |
| CN112623553A (zh) * | 2020-12-18 | 2021-04-09 | 周治邦 | 一种社区垃圾分类装置及其智能系统 |
Non-Patent Citations (2)
| Title |
|---|
| RAZA S M等: "Real-Time Trash Detection for Modern Societies using CCTV to Identifying Trash by utilizing Deep Convolutional Neural Network", 《ARXIV 2109》, 21 September 2021 (2021-09-21), pages 1 - 15 * |
| 刘焕云: "运动图像目标跟踪算法研究", 《中国优秀硕士学位论文全文数据库 (信息科技辑)》, no. 2, 15 January 2013 (2013-01-15), pages 138 - 1339 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104495139B (zh) | 垃圾投放箱及垃圾分类投放方法 | |
| CN112407653B (zh) | 一种基于物联网的垃圾分类系统 | |
| CN110294236A (zh) | 一种垃圾分类监督装置、方法及服务器系统 | |
| CN111931623A (zh) | 一种基于深度学习的人脸口罩佩戴检测方法 | |
| CN110844403B (zh) | 一种基于目标识别的垃圾分类识别方法及装置 | |
| CN111301886B (zh) | 基于rbf神经网络的垃圾分类回收系统及控制方法 | |
| CN101751679A (zh) | 运动目标的分类方法和检测方法及其装置 | |
| CN115131283B (zh) | 目标对象的缺陷检测、模型训练方法、装置、设备及介质 | |
| CN113213017A (zh) | 一种基于视觉ai技术的垃圾分类宣教与投放智能监管系统 | |
| CN108921399A (zh) | 一种智能监督管理系统及方法 | |
| CN110288823B (zh) | 一种基于朴素贝叶斯网络的交通违章误判识别方法 | |
| CN112298844A (zh) | 一种垃圾分类监督方法及装置 | |
| CN111325422A (zh) | 一种工单派发方法及系统 | |
| CN114721403B (zh) | 基于OpenCV的自动驾驶控制方法、装置及存储介质 | |
| CN115691044A (zh) | 一种动态风险评估预警方法、系统及装置 | |
| CN109345133A (zh) | 基于大数据和深度学习的评审方法和机器人系统 | |
| CN112734699A (zh) | 物品状态告警方法、装置、存储介质及电子装置 | |
| CN117456726A (zh) | 基于人工智能算法模型的异常停车识别方法 | |
| CN113255550B (zh) | 一种基于视频的行人垃圾扔投次数统计方法 | |
| CN115965908A (zh) | 一种垃圾违规投放行为的ai识别方法、系统及存储介质 | |
| CN110255008A (zh) | 垃圾桶的管理方法及装置 | |
| CN111105135A (zh) | 智能城市清扫车作业监视方法和装置 | |
| CN105930430B (zh) | 一种基于非累积属性的实时欺诈检测方法及装置 | |
| CN111553199A (zh) | 一种基于计算机视觉的机动车交通违法行为自动检测技术 | |
| CN111242010A (zh) | 一种基于边缘ai的判断并识别乱扔垃圾人员身份的方法 |
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 |