CN117392618B - 一种基于大数据的储备土地智慧管护平台 - Google Patents

一种基于大数据的储备土地智慧管护平台 Download PDF

Info

Publication number
CN117392618B
CN117392618B CN202311256500.7A CN202311256500A CN117392618B CN 117392618 B CN117392618 B CN 117392618B CN 202311256500 A CN202311256500 A CN 202311256500A CN 117392618 B CN117392618 B CN 117392618B
Authority
CN
China
Prior art keywords
vehicle
point
management
intrusion
image
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
Application number
CN202311256500.7A
Other languages
English (en)
Other versions
CN117392618A (zh
Inventor
丁洪富
吕煊
刘俸材
蒋励
雷黎
苗连朋
廖玉佳
张杨
李恺
黄亮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing Xinrong Land And Housing Survey Technology Research Institute Co ltd
Original Assignee
Chongqing Xinrong Land And Housing Survey Technology Research Institute Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chongqing Xinrong Land And Housing Survey Technology Research Institute Co ltd filed Critical Chongqing Xinrong Land And Housing Survey Technology Research Institute Co ltd
Priority to CN202311256500.7A priority Critical patent/CN117392618B/zh
Publication of CN117392618A publication Critical patent/CN117392618A/zh
Application granted granted Critical
Publication of CN117392618B publication Critical patent/CN117392618B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
    • 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
    • G06Q50/16—Real estate
    • G06Q50/165—Land development
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • G06V20/625—License plates
    • 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)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Tourism & Hospitality (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Strategic Management (AREA)
  • Primary Health Care (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Remote Sensing (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请公开了一种基于大数据的储备土地智慧管护平台，包括处理器，被配置为执行如下步骤：获取用户划定的目标土地储备区域；识别出所述目标土地储备区域中的侵入点；基于所述地图数据确定出任意侵入点与各倾倒管理点之间的可能行径路线，并将行径路线进行本地化存储；利用图像采集设备采集至少一个侵入点的车辆图像信息，对入侵点采集的车辆图像进行特征提取，并输入预先训练的车辆分类模型，以输出相应车辆为倾倒车辆的概率；在根据输出的概率以及匹配结果超过预设概率阈值的情况下执行告警。本申请用以管理无关车辆进入储备土地内进行非法倒渣，提高储备土地管理的便利性和高效性。

Description

一种基于大数据的储备土地智慧管护平台
技术领域
本申请涉及土地管护技术领域，尤其涉及一种基于大数据的储备土地智慧管护平台。
背景技术
储备土地是指各级人民政府依照法定程序在批准权限范围内对通过收回、收购、征用或其他方式取得土地使用权的土地，进行储存或前期开发整理，储备土地可以用于向社会提供各类建设用地。
现有的管护设备通常采用简易栏杆等装置以防止或提醒无关人员进入储备土地内进行非法倒渣活动，但是依然会有人采用无牌车辆以及自行移走栏杆的方式进入储备土地内非法倒渣、倾倒垃圾，防护效果差，管理效率低下。
发明内容
本申请实施例提供一种基于大数据的储备土地智慧管护平台，用以管理无关车辆进入储备土地内进行非法倒渣，提高储备土地管理的便利性和高效性。
本申请实施例提出一种基于大数据的储备土地智慧管护平台，所述智慧管护平台用以对管护范围内的土地储备进行维护、管理，所述智慧管护平台包括处理器，被配置为执行如下步骤：
预先为用户提供交互界面，并基于所述交互界面提供包含目标土地储备区域的地图数据，以获取用户划定的目标土地储备区域；
识别出所述目标土地储备区域中的至少一个倾倒管理点，以及，确定所述目标土地储备区域与所述地图数据中的已有道路的位置关系；
基于所确定的位置关系，确定出基于所述已有道路与所述目标土地储备区域的至少一个侵入点；
基于所述地图数据确定出任意侵入点与各倾倒管理点之间的可能行径路线，并将行径路线进行本地化存储；
基于行径路线，在所述目标土地储备区域中设置多个图像采集设备，并接入所述智慧管护平台；
利用图像采集设备采集至少一个侵入点的车辆图像信息，并从所述车辆图像信息中提取相应的车牌信息、来与预设车辆管理库中的车牌信息进行对比，若匹配，则直接执行告警；
若不匹配，则利用图像采集设备从至少一个侵入点跟踪采集车辆在其行径路线上的车辆图像；
对入侵点采集的车辆图像进行特征提取，并输入预先训练的车辆分类模型，以输出相应车辆为倾倒车辆的概率，以及，利用跟踪采集的车辆图像，识别车辆的实际行径路线，并于可能行径路线进行匹配；
在根据输出的概率以及匹配结果超过预设概率阈值的情况下执行告警。
可选的，识别出所述目标土地储备区域中的至少一个倾倒管理点包括：
基于所述目标土地储备区域的地图信息，确定出至少一个面积大于预设阈值的相对低洼区域；以及，
获取用户划定的经验倾倒区域，将相对低洼区域与经验倾倒区域取并集以获得可疑倾倒区域集合；
以给定宽度、通过角为约束条件，基于所述目标土地储备区域的地形数据，从所述目标土地储备区域中、确定出多条连续的可能行车路径；
判断所述可疑倾倒区域集合中的任一可疑倾倒区域，是否与所确定出的可能行车路径相连，若不相连，则从可疑倾倒区域集合中剔除，以识别出至少一个倾倒管理点。
可选的，基于所确定的位置关系，确定出基于所述已有道路与所述目标土地储备区域的至少一个侵入点包括：
从确定出的多条连续的可能行车路径中，剔除与所述目标土地储备区域的边界不相交、且与其他可能行车路径不相交的路径，将余留路径作为行车路径；
基于余留的行车路径，构建所述目标土地储备区域的可能行车路网；
判断所述目标土地储备区域的可能行车路网与已有道路之间是否存在交点；
若存在交点，则将交点作为侵入点，若不存在交点，则基于所述目标土地储备区域外围的地形数据，确定出可能行车路径，将与已有道路存在交点的可能行车路径、与所述目标土地储备区域的边界的交点，作为侵入点。
可选的，基于所述地图数据确定出任意侵入点与各倾倒管理点之间的可能行径路线包括：
基于可能行车路网，以及所确定出的侵入点，遍历出任一侵入点到各倾倒管理点之间的最短路径；
呈现所述可能行车路网，并在所述可能行车路网上、为任一侵入点及最短路径配置相应的颜色、以呈现获得的各侵入点到各倾倒管理点之间的最短路径。
可选的，利用图像采集设备采集至少一个侵入点的车辆图像信息包括采集车辆进入侵入点前后的车头图像和车尾图像两类车辆图像；
对入侵点采集的车辆图像进行特征提取，并输入预先训练的车辆分类模型，以输出相应车辆为倾倒车辆的概率包括：
基于入侵点采集的两类车辆图像提取车辆轮廓信息，基于所述轮廓信息进行识别，若识别的车辆类型为小轿车，则不执行告警；
若识别出的车辆类型不为小轿车，则基于两类车辆图像的轮廓信息提取相应的图像特征，按照预设权重将两类图像特征进行组合，其中为车尾图像特征分配的权重高于为车头图像特征分配的权重；
将组合后的图像特征，输入预先训练的车辆分类模型，以输出车辆为倾倒车辆的基础概率。
可选的，利用跟踪采集的车辆图像，识别车辆的实际行径路线，并于可能行径路线进行匹配包括：
利用跟踪采集的车辆图像，识别车辆的实际行径路线，并基于所述可能行车路网呈现当前车辆的位置；以及
计算识别出的实际行径路线与该侵入点到各倾倒管理点之间的最短路径之间的匹配度。
可选的，在根据输出的概率以及匹配结果超过预设概率阈值的情况下执行告警包括：
选取计算的到各倾倒管理点之间的最短路径之间的匹配度，进行概率换算，并叠加车辆为倾倒车辆的基础概率，以获得相应车辆在当前位置被判断为倾倒车辆的实际概率；
在所述实际概率超过预设概率阈值的情况下执行告警。
可选的，还包括：将执行过告警的车辆的车牌信息记录到预设车辆管理库，以及对于无牌车或者车牌遮挡车辆，将车辆轮廓信息记录到预设车辆管理库。
本申请实施例还提出一种基于大数据的储备土地智慧管护方法，包括：
预先为用户提供交互界面，并基于所述交互界面提供包含目标土地储备区域的地图数据，以获取用户划定的目标土地储备区域；
识别出所述目标土地储备区域中的至少一个倾倒管理点，以及，确定所述目标土地储备区域与所述地图数据中的已有道路的位置关系；
基于所确定的位置关系，确定出基于所述已有道路与所述目标土地储备区域的至少一个侵入点；
基于所述地图数据确定出任意侵入点与各倾倒管理点之间的可能行径路线，并将行径路线进行本地化存储；
基于行径路线，在所述目标土地储备区域中设置多个图像采集设备，并接入所述智慧管护平台；
利用图像采集设备采集至少一个侵入点的车辆图像信息，并从所述车辆图像信息中提取相应的车牌信息、来与预设车辆管理库中的车牌信息进行对比，若匹配，则直接执行告警；
若不匹配，则利用图像采集设备从至少一个侵入点跟踪采集车辆在其行径路线上的车辆图像；
对入侵点采集的车辆图像进行特征提取，并输入预先训练的车辆分类模型，以输出相应车辆为倾倒车辆的概率，以及，利用跟踪采集的车辆图像，识别车辆的实际行径路线，并于可能行径路线进行匹配；
在根据输出的概率以及匹配结果超过预设概率阈值的情况下执行告警。
本申请的储备土地智慧管护平台能够有效管理无关车辆进入储备土地内进行非法倒渣，提高储备土地管理的便利性和高效性。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1为本实施例的储备土地智慧管护平台的工作流程示意。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
本申请实施例提出一种基于大数据的储备土地智慧管护平台，所述智慧管护平台用以对管护范围内的土地储备进行维护、管理，所述智慧管护平台包括处理器，如图1所述，所述处理器被配置为执行如下步骤：
在步骤S101中，预先为用户提供交互界面，并基于所述交互界面提供包含目标土地储备区域的地图数据，以获取用户划定的目标土地储备区域。例如可以通过显示器呈现开源的地图数据，一些示例中，地图数据可以包括地形高程数据，显示的开源的地图数据，可以是用户例如输入的某个地区的数据，在呈现后，用户可以通过鼠标来圈定地图数据中的目标土地储备区域。
在步骤S102中，识别出所述目标土地储备区域中的至少一个倾倒管理点，以及，确定所述目标土地储备区域与所述地图数据中的已有道路的位置关系。
在一些实施例中，识别出所述目标土地储备区域中的至少一个倾倒管理点包括：基于所述目标土地储备区域的地图信息，确定出至少一个面积大于预设阈值的相对低洼区域，具体的，本申请实施例中，可以根据地形高程数据，确定出目标土地储备区域中高程差超过预设阈值的数个坑洼，类盆地区域，针对倾倒点，坑洼的面积需要大于预设阈值(预设面积阈值)，以及，获取用户划定的经验倾倒区域，将相对低洼区域与经验倾倒区域取并集以获得可疑倾倒区域集合，用户划定的经验倾倒区域与识别的相对低洼区域是独立进行的，并将两者取并集，从而获得可疑倾倒区域集合。
针对储备面积较大的储备土地，人为确定行车路径容易遗漏，还费时费力，本申请实施例中以给定宽度、通过角为约束条件，基于所述目标土地储备区域的地形数据，从所述目标土地储备区域中、确定出多条连续的可能行车路径，从而确定出的可能行车路径可能单独为一条路径，也可能相互相连，还可能基于可疑倾倒区域相连。
本申请实施例中进一步判断所述可疑倾倒区域集合中的任一可疑倾倒区域，是否与所确定出的可能行车路径相连，若不相连，则从可疑倾倒区域集合中剔除，以识别出至少一个倾倒管理点。
在步骤S103中，基于所确定的位置关系，确定出基于所述已有道路与所述目标土地储备区域的至少一个侵入点。
在步骤S104中，基于所述地图数据确定出任意侵入点与各倾倒管理点之间的可能行径路线，并将行径路线进行本地化存储，储备土地一般情况下不需要进行地图更新，在确定出可能行径路线之后，直接将行径路线进行本地化存储。
在步骤S105中，基于行径路线，在所述目标土地储备区域中设置多个图像采集设备，并接入所述智慧管护平台。
在步骤S106中，利用图像采集设备采集至少一个侵入点的车辆图像信息，并从所述车辆图像信息中提取相应的车牌信息、来与预设车辆管理库中的车牌信息进行对比，若匹配，则直接执行告警。在后续实施例中，预设车辆管理库的车牌信息可以根据识别结果进行记录更新。
在步骤S107中，若不匹配，则利用图像采集设备从至少一个侵入点跟踪采集车辆在其行径路线上的车辆图像。
在步骤S108中，对入侵点采集的车辆图像进行特征提取，并输入预先训练的车辆分类模型，以输出相应车辆为倾倒车辆的概率，以及，利用跟踪采集的车辆图像，识别车辆的实际行径路线，并于可能行径路线进行匹配。一些示例中，车辆分类模型可以基于SVM实现，也可以是其他网络模型，在此不做一一列举。
在步骤S109中，在根据输出的概率以及匹配结果超过预设概率阈值的情况下执行告警。一些示例中，可以以车辆分类模型输出的概率为基础，叠加基于车辆行径路径匹配出的车辆为倾倒车的概率，来综合与预设概率阈值进行对比，从而执行告警。
本申请的储备土地智慧管护平台能够有效管理无关车辆进入储备土地内进行非法倒渣，提高储备土地管理的便利性和高效性，针对垃圾倾倒车辆具有极高的识别精度，本申请的方案尤其适用于大面积的储备土地的管护。
在一些实施例中，基于所确定的位置关系，确定出基于所述已有道路与所述目标土地储备区域的至少一个侵入点包括：
从确定出的多条连续的可能行车路径中，剔除与所述目标土地储备区域的边界不相交、且与其他可能行车路径不相交的路径，将余留路径作为行车路径。
基于余留的行车路径，构建所述目标土地储备区域的可能行车路网。所构建出的可能行车路网可以包括多个交点，也可能为树状结构或者为网状结构。
判断所述目标土地储备区域的可能行车路网与已有道路之间是否存在交点，若存在交点，则将交点作为侵入点，若不存在交点，则基于所述目标土地储备区域外围的地形数据，确定出可能行车路径，将与已有道路存在交点的可能行车路径、与所述目标土地储备区域的边界的交点，作为侵入点。在具体示例中，侵入点的数量可以包含多个，还可以基于多个侵入点确定可能得车辆进口和出口。
在一些实施例中，基于所述地图数据确定出任意侵入点与各倾倒管理点之间的可能行径路线包括：
基于可能行车路网，以及所确定出的侵入点，遍历出任一侵入点到各倾倒管理点之间的最短路径。本申实施例中，进一步针对垃圾倾倒车辆的倾倒行为，通过确定出侵入点到管理点之间的最短路径，能够用于在后的车辆路径匹配，从而进一步提高进入储备土地的车辆的是否为倾倒车辆的精准度。
呈现所述可能行车路网，并在所述可能行车路网上、为任一侵入点及最短路径配置相应的颜色、以呈现获得的各侵入点到各倾倒管理点之间的最短路径。通过为最短路径配置相应的颜色，可以在后续示例中，醒目呈现当前储备土地区域的各条最短路径的可疑车辆的行径情况。
在一些实施例中，利用图像采集设备采集至少一个侵入点的车辆图像信息至少包括采集车辆进入侵入点前后的车头图像和车尾图像两类车辆图像，例如可以将车辆进入侵入点前后的多张图像进行分类，选取清晰度最高的车头图像和车尾图像进行在后的特征提取。
对入侵点采集的车辆图像进行特征提取，并输入预先训练的车辆分类模型，以输出相应车辆为倾倒车辆的概率包括：
基于入侵点采集的两类车辆图像提取车辆轮廓信息，基于所述轮廓信息进行识别，若识别的车辆类型为小轿车，则不执行告警，也即对于在储备土地上有零时行车需求的小轿车，直接判断为非垃圾倾倒车辆，允许通行，不执行告警。
若识别出的车辆类型不为小轿车，则基于两类车辆图像的轮廓信息提取相应的图像特征，按照预设权重将两类图像特征进行组合，其中为车尾图像特征分配的权重高于为车头图像特征分配的权重。一些示例中，针对垃圾倾倒车辆，一般情况下为斗车或者面包车，而车头信息仅能提取到例如车型、车牌信息，在车辆为垃圾倾倒车的情况下，车尾图像特征中大概率包含垃圾的携带特征，一些具体示例中，可以为车尾图像特征分配例如0.7的权重，而为车头图像特征分配0.3的权重，从而识别模型更倾向于车尾垃圾的携带特征的识别、处理，提高识别精度。
将组合后的图像特征，输入预先训练的车辆分类模型，以输出车辆为倾倒车辆的基础概率，预先训练车辆分类模型可以将多种装载有垃圾的车辆添加标签然后训练SVM模型后获得。
在一些实施例中，利用跟踪采集的车辆图像，识别车辆的实际行径路线，并于可能行径路线进行匹配包括：
利用跟踪采集的车辆图像，识别车辆的实际行径路线，并基于所述可能行车路网呈现当前车辆的位置，例如可以醒目呈现最短路径，并基于呈现的最短路径，显示车辆位置。以及
计算识别出的实际行径路线与该侵入点到各倾倒管理点之间的最短路径之间的匹配度。
在一些实施例中，在根据输出的概率以及匹配结果超过预设概率阈值的情况下执行告警包括：
选取计算的到各倾倒管理点之间的最短路径之间的匹配度，进行概率换算，并叠加车辆为倾倒车辆的基础概率，以获得相应车辆在当前位置被判断为倾倒车辆的实际概率。在具体示例中，计算的到各倾倒管理点之间的最短路径之间的匹配度并不能直接用于概率叠加，在支点较多的行车路径中，前期匹配度高也不能直接判断车辆此行的目的是倾倒垃圾，因此本申请示例中，可以将计算出的匹配度(百分比)除以N(经验值)，例如8或者10，以进行概率换算，从而将匹配度进行换算，换算后叠加车辆分类模型输出的基础概率，获得当前位置车辆为倾倒车辆的实际概率。
在所述实际概率超过预设概率阈值的情况下执行告警。告警可以直接基于不同颜色的最短路径进行醒目呈现，并通知管理维护人员。
在一些实施例中，还包括：将执行过告警的车辆的车牌信息记录到预设车辆管理库，以及对于无牌车或者车牌遮挡车辆，将车辆轮廓信息记录到预设车辆管理库。
本申请实施例的储备土地智慧管护平台，可以智能过滤非垃圾倾倒车辆，且对可能的垃圾倾倒车辆进行重点识别，并对可疑倾倒车辆进行实时跟踪告警，从而本申请的储备土地智慧管护平台尤其适用于大面积的储备土地维护管理，减少人力投入，提高储备土地的管理效率。
本申请实施例还提出一种基于大数据的储备土地智慧管护方法，包括：
预先为用户提供交互界面，并基于所述交互界面提供包含目标土地储备区域的地图数据，以获取用户划定的目标土地储备区域；
识别出所述目标土地储备区域中的至少一个倾倒管理点，以及，确定所述目标土地储备区域与所述地图数据中的已有道路的位置关系；
基于所确定的位置关系，确定出基于所述已有道路与所述目标土地储备区域的至少一个侵入点；
基于所述地图数据确定出任意侵入点与各倾倒管理点之间的可能行径路线，并将行径路线进行本地化存储；
基于行径路线，在所述目标土地储备区域中设置多个图像采集设备，并接入所述智慧管护平台；
利用图像采集设备采集至少一个侵入点的车辆图像信息，并从所述车辆图像信息中提取相应的车牌信息、来与预设车辆管理库中的车牌信息进行对比，若匹配，则直接执行告警；
若不匹配，则利用图像采集设备从至少一个侵入点跟踪采集车辆在其行径路线上的车辆图像；
对入侵点采集的车辆图像进行特征提取，并输入预先训练的车辆分类模型，以输出相应车辆为倾倒车辆的概率，以及，利用跟踪采集的车辆图像，识别车辆的实际行径路线，并于可能行径路线进行匹配；
在根据输出的概率以及匹配结果超过预设概率阈值的情况下执行告警。
此外，尽管已经在本文中描述了示例性实施例，其范围包括任何和所有基于本公开的具有等同元件、修改、省略、组合(例如，各种实施例交叉的方案)、改编或改变的实施例。并不限于在本说明书中或本申请的实施期间所描述的示例，其示例将被解释为非排他性的。
以上描述旨在是说明性的而不是限制性的。例如，上述示例(或其一个或更多方案)可以彼此组合使用。例如本领域普通技术人员在阅读上述描述时可以使用其它实施例。
以上实施例仅为本公开的示例性实施例，本领域技术人员可以在本公开的实质和保护范围内，对本发明做出各种修改或等同替换，这种修改或等同替换也应视为落在本发明的保护范围内。

Claims (9)

1.一种基于大数据的储备土地智慧管护平台，其特征在于，所述智慧管护平台用以对管护范围内的土地储备进行维护、管理，所述智慧管护平台包括处理器，被配置为执行如下步骤：
预先为用户提供交互界面，并基于所述交互界面提供包含目标土地储备区域的地图数据，以获取用户划定的目标土地储备区域；
识别出所述目标土地储备区域中的至少一个倾倒管理点，以及，确定所述目标土地储备区域与所述地图数据中的已有道路的位置关系；
基于所确定的位置关系，确定出基于所述已有道路与所述目标土地储备区域的至少一个侵入点；
基于所述地图数据确定出任意侵入点与各倾倒管理点之间的可能行径路线，并将行径路线进行本地化存储；
基于行径路线，在所述目标土地储备区域中设置多个图像采集设备，并接入所述智慧管护平台；
利用图像采集设备采集至少一个侵入点的车辆图像信息，并从所述车辆图像信息中提取相应的车牌信息、来与预设车辆管理库中的车牌信息进行对比，若匹配，则直接执行告警；
若不匹配，则利用图像采集设备从至少一个侵入点跟踪采集车辆在其行径路线上的车辆图像；
对入侵点采集的车辆图像进行特征提取，并输入预先训练的车辆分类模型，以输出相应车辆为倾倒车辆的概率，以及，利用跟踪采集的车辆图像，识别车辆的实际行径路线，并与可能行径路线进行匹配；
在根据输出的概率以及匹配结果超过预设概率阈值的情况下执行告警。
2.如权利要求1所述的基于大数据的储备土地智慧管护平台，其特征在于，识别出所述目标土地储备区域中的至少一个倾倒管理点包括：
基于所述目标土地储备区域的地图信息，确定出至少一个面积大于预设阈值的低洼区域；以及，
获取用户划定的经验倾倒区域，将低洼区域与经验倾倒区域取并集以获得可疑倾倒区域集合；
以给定宽度、通过角为约束条件，基于所述目标土地储备区域的地形数据，从所述目标土地储备区域中、确定出多条连续的可能行车路径；
判断所述可疑倾倒区域集合中的任一可疑倾倒区域，是否与所确定出的可能行车路径相连，若不相连，则从可疑倾倒区域集合中剔除，以识别出至少一个倾倒管理点。
3.如权利要求2所述的基于大数据的储备土地智慧管护平台，其特征在于，基于所确定的位置关系，确定出基于所述已有道路与所述目标土地储备区域的至少一个侵入点包括：
从确定出的多条连续的可能行车路径中，剔除与所述目标土地储备区域的边界不相交、且与其他可能行车路径不相交的路径，将余留路径作为行车路径；
基于余留的行车路径，构建所述目标土地储备区域的可能行车路网；
判断所述目标土地储备区域的可能行车路网与已有道路之间是否存在交点；
若存在交点，则将交点作为侵入点，若不存在交点，则基于所述目标土地储备区域外围的地形数据，确定出可能行车路径，将与已有道路存在交点的可能行车路径、与所述目标土地储备区域的边界的交点，作为侵入点。
4.如权利要求3所述的基于大数据的储备土地智慧管护平台，其特征在于，基于所述地图数据确定出任意侵入点与各倾倒管理点之间的可能行径路线包括：
基于可能行车路网，以及所确定出的侵入点，遍历出任一侵入点到各倾倒管理点之间的最短路径；
呈现所述可能行车路网，并在所述可能行车路网上、为任一侵入点及最短路径配置相应的颜色、以呈现获得的各侵入点到各倾倒管理点之间的最短路径。
5.如权利要求4所述的基于大数据的储备土地智慧管护平台，其特征在于，利用图像采集设备采集至少一个侵入点的车辆图像信息包括采集车辆进入侵入点前后的车头图像和车尾图像两类车辆图像；
对入侵点采集的车辆图像进行特征提取，并输入预先训练的车辆分类模型，以输出相应车辆为倾倒车辆的概率包括：
基于入侵点采集的两类车辆图像提取车辆轮廓信息，基于所述轮廓信息进行识别，若识别的车辆类型为小轿车，则不执行告警；
若识别出的车辆类型不为小轿车，则基于两类车辆图像的轮廓信息提取相应的图像特征，按照预设权重将两类图像特征进行组合，其中为车尾图像特征分配的权重高于为车头图像特征分配的权重；
将组合后的图像特征，输入预先训练的车辆分类模型，以输出车辆为倾倒车辆的基础概率。
6.如权利要求5所述的基于大数据的储备土地智慧管护平台，其特征在于，利用跟踪采集的车辆图像，识别车辆的实际行径路线，并于可能行径路线进行匹配包括：
利用跟踪采集的车辆图像，识别车辆的实际行径路线，并基于所述可能行车路网呈现当前车辆的位置；以及
计算识别出的实际行径路线与该侵入点到各倾倒管理点之间的最短路径之间的匹配度。
7.如权利要求6所述的基于大数据的储备土地智慧管护平台，其特征在于，在根据输出的概率以及匹配结果超过预设概率阈值的情况下执行告警包括：
选取计算的到各倾倒管理点之间的最短路径之间的匹配度，进行概率换算，并叠加车辆为倾倒车辆的基础概率，以获得相应车辆在当前位置被判断为倾倒车辆的实际概率；
在所述实际概率超过预设概率阈值的情况下执行告警。
8.如权利要求1所述的基于大数据的储备土地智慧管护平台，其特征在于，还包括：将执行过告警的车辆的车牌信息记录到预设车辆管理库，以及对于无牌车或者车牌遮挡车辆，将车辆轮廓信息记录到预设车辆管理库。
9.一种基于大数据的储备土地智慧管护方法，其特征在于，包括：
预先为用户提供交互界面，并基于所述交互界面提供包含目标土地储备区域的地图数据，以获取用户划定的目标土地储备区域；
识别出所述目标土地储备区域中的至少一个倾倒管理点，以及，确定所述目标土地储备区域与所述地图数据中的已有道路的位置关系；
基于所确定的位置关系，确定出基于所述已有道路与所述目标土地储备区域的至少一个侵入点；
基于所述地图数据确定出任意侵入点与各倾倒管理点之间的可能行径路线，并将行径路线进行本地化存储；
基于行径路线，在所述目标土地储备区域中设置多个图像采集设备，并接入智慧管护平台；
利用图像采集设备采集至少一个侵入点的车辆图像信息，并从所述车辆图像信息中提取相应的车牌信息、来与预设车辆管理库中的车牌信息进行对比，若匹配，则直接执行告警；
若不匹配，则利用图像采集设备从至少一个侵入点跟踪采集车辆在其行径路线上的车辆图像；
对入侵点采集的车辆图像进行特征提取，并输入预先训练的车辆分类模型，以输出相应车辆为倾倒车辆的概率，以及，利用跟踪采集的车辆图像，识别车辆的实际行径路线，并与可能行径路线进行匹配；
在根据输出的概率以及匹配结果超过预设概率阈值的情况下执行告警。
CN202311256500.7A 2023-09-27 2023-09-27 一种基于大数据的储备土地智慧管护平台 Active CN117392618B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311256500.7A CN117392618B (zh) 2023-09-27 2023-09-27 一种基于大数据的储备土地智慧管护平台

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311256500.7A CN117392618B (zh) 2023-09-27 2023-09-27 一种基于大数据的储备土地智慧管护平台

Publications (2)

Publication Number Publication Date
CN117392618A CN117392618A (zh) 2024-01-12
CN117392618B true CN117392618B (zh) 2024-05-07

Family

ID=89440061

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311256500.7A Active CN117392618B (zh) 2023-09-27 2023-09-27 一种基于大数据的储备土地智慧管护平台

Country Status (1)

Country Link
CN (1) CN117392618B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016151910A (ja) * 2015-02-18 2016-08-22 三菱電機株式会社 不審車両認識装置及び不審車両認識方法
CN112905724A (zh) * 2021-01-22 2021-06-04 武汉依迅北斗时空技术股份有限公司 一种渣土车可疑消纳场寻找方法及系统
CN113989722A (zh) * 2021-11-03 2022-01-28 北京赛博星通科技有限公司 一种渣土车合规判别方法、系统和存储介质
CN114067250A (zh) * 2021-11-18 2022-02-18 深圳市商汤科技有限公司 一种偷排事件检测方法、装置、计算机设备和存储介质
CN115357771A (zh) * 2022-09-20 2022-11-18 城云科技（中国）有限公司 基于大数据分析研判溯源渣土偷倒方法及其应用

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016151910A (ja) * 2015-02-18 2016-08-22 三菱電機株式会社 不審車両認識装置及び不審車両認識方法
CN112905724A (zh) * 2021-01-22 2021-06-04 武汉依迅北斗时空技术股份有限公司 一种渣土车可疑消纳场寻找方法及系统
CN113989722A (zh) * 2021-11-03 2022-01-28 北京赛博星通科技有限公司 一种渣土车合规判别方法、系统和存储介质
CN114067250A (zh) * 2021-11-18 2022-02-18 深圳市商汤科技有限公司 一种偷排事件检测方法、装置、计算机设备和存储介质
CN115357771A (zh) * 2022-09-20 2022-11-18 城云科技（中国）有限公司 基于大数据分析研判溯源渣土偷倒方法及其应用

Also Published As

Publication number Publication date
CN117392618A (zh) 2024-01-12

Similar Documents

Publication Publication Date Title
CN107066953B (zh) 一种面向监控视频的车型识别、跟踪及矫正方法和装置
CN108345822B (zh) 一种点云数据处理方法及装置
CN111062240B (zh) 汽车驾驶安全的监控方法、装置、计算机设备及存储介质
CN106022296B (zh) 一种基于车辆热点区域的概率聚合的套牌车检测方法
CN109409337B (zh) 基于卷积神经网络的渣土车特征识别方法
CN104504913B (zh) 视频车流检测方法及装置
CN105719489B (zh) 一种基于卡口车辆流向概率的套牌车检测方法
CN106373426A (zh) 基于计算机视觉的停车位及违规占道停车监控方法
CN107329977B (zh) 一种基于概率分布的假牌车二次筛选方法
CN106448218A (zh) 一种车辆事故提示方法及路边单元
CN107506368A (zh) 一种类案嫌疑车辆的确定方法及装置
CN104952273B (zh) 针对车辆行为的告警方法、装置及系统
CN107993444B (zh) 基于卡口过车大数据分析的嫌疑车认定方法
CN105575118A (zh) 一种失驾人员筛选方法
CN104680795A (zh) 一种基于局部区域特征的车型识别方法和装置
CN108305461A (zh) 一种偷逃费嫌疑车辆的确定方法和装置
Le et al. Vehicle count system based on time interval image capture method and deep learning mask R-CNN
CN106710225A (zh) 一种车辆号牌违法的识别方法和监测平台
CN107113400A (zh) 显示装置和具备该显示装置的交通违章管理系统
CN108282536A (zh) 一种车辆共享救援系统
CN113989722A (zh) 一种渣土车合规判别方法、系统和存储介质
CN117392618B (zh) 一种基于大数据的储备土地智慧管护平台
Ravish et al. Intelligent traffic violation detection
CN113470369B (zh) 一种基于多维度信息判断套牌车辆真实号牌的方法及系统
Al Nasim et al. An automated approach for the recognition of bengali license plates

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