城市街景数据识别交通设施资产评估方法技术

本发明专利技术揭示了城市街景数据识别交通设施资产评估方法，包括以下步骤：目标检测，采集街道全景图像，形成街景图像数据集；模型建立，使用街景图像数据集进行深度学习并建立交通设施资产识别模型；算法开发，进行机器学习算法的开发，不同的交通设施资产被识别分割后，在不同的设施子类下通过细粒度图像分类模型，识别特定局部上的细微差异，为其资产质量评估；工具创建，设计和开发数据标定工具、数据监测平台、数据可视化平台和开放应用程序编程接口，以便第三方进一步使用。本发明专利技术实现了通过多项深度学习模型，将城市街景进行更细致的识别打分，使街景数据发挥更大的价值，从而对交通基础设施进行深度分析。通基础设施进行深度分析。

【技术实现步骤摘要】
城市街景数据识别交通设施资产评估方法


[0001]本专利技术属于人工智能
，尤其涉及一种城市街景数据识别交通设施资产评估方法。

技术介绍

[0002]随着城市化进程的加速和社会生产力的飞速发展，城市功能更加复合，城市数据也呈现爆发式增长，形成了城市大数据。而对于海量的城市数据，如何对其进行采集、处理和应用是实现其价值的关键环节。
[0003]“城市体检评估信息平台”是一系列纵向贯穿国家、省、市三级主体城市体检数据管理、综合评价和预警机制的综合性平台。通过设置数据采集、分析诊断、监测预警和考评调度四大功能，参见附图1所示，实现各项指标数据的质检、分析和评估，支撑体检指标采集与跟踪。
[0004]城市体检评估信息平台体系采用国家—省—市分级建设、联动运行的模式，三级平台之间通过政务网连通，各平台间的数据通过上报系统或标准应用程序编程接口(API接口)交互对接。国家、省、市三级平台有大量的基础数据，数据采集标准化较为困难。同时从市到省再统筹全国一套完整的城市体检评估信息平台建设还需要花费很长时间。

技术实现思路

[0005]本专利技术的目的是为了解决上述技术问题，而提供城市街景数据识别交通设施资产评估方法，从而实现通过多项深度学习模型，将城市街景进行更细致的识别打分，使街景数据发挥更大的价值，从而对交通基础设施进行深度分析。为了达到上述目的，本专利技术技术方案如下：
[0006]城市街景数据识别交通设施资产评估方法，包括以下步骤：
[0007]1)目标检测，采集街道全景图像，并记录图像的位置及相应的经纬度，将收集到的全景数据分割为若干切片，并利用切片的空间间距过滤出特定部分用于计算，形成街景图像数据集；
[0008]2)模型建立，使用街景图像数据集进行深度学习并建立交通设施资产识别模型，所述交通设施资产识别模型包括目标检测模型、语义分割模型；
[0009]3)算法开发，进行机器学习算法的开发，不同的交通设施资产被识别分割后，在不同的设施子类下通过细粒度图像分类模型，识别特定局部上的细微差异，为其资产质量评估；
[0010]4)工具创建，设计和开发数据标定工具、数据监测平台、或数据可视化平台和及开放应用程序编程接口，以便第三方进一步使用。
[0011]具体的，所述采集全景图像的方式包括从街景车中采集、从无人机采集、从高分辨遥感装置采集、从固定摄像装置采集或人工手持相机采集。
[0012]具体的，所述目标检测模型关注特定的交通设施，将其从图像背景中分离出来，并
确定目标的类别和位置。
[0013]具体的，所述语义分割模型将每个像素与用户关注的交通设施标签相关联，需要对每个像素分类，将物体的轮廓精准勾勒出来。
[0014]具体的，所述交通设施资产包括车行道、人行道、路缘石、井盖。
[0015]具体的，所述算法开发步骤中，所述资产质量评估包括差、较差、较好、好的不同分类。
[0016]具体的，所述数据可视化平台包括展示仪表盘、地图板块、数据板块、管理页面。
[0017]具体的，所述仪表盘展示了各项交通资产设施的数据报告；所述地图板块是将交通设施数据通过地图的形式展示；所述数据板块提供上传数据和自定义数据分析的后台管理页面，同时可预览数据细节；所述管理页面是对报告、图像和算法的后台管理页面。
[0018]与现有技术相比，本专利技术城市街景数据识别交通设施资产评估方法的有益效果主要体现在：
[0019]通过多项深度学习模型，组合利用目标检测模型、语义分割模型、图像分类模型的多项人工智能技术，将城市图像自动化地识别为不同的交通设施资产并为其进行状态评估，将城市街景进行更细致的识别打分，最终输出为可视化展示平台和交通设施资产报告，使街景数据发挥更大的价值。
附图说明
[0020]图1为本专利技术
技术介绍
城市体检评估信息平台框架图；
[0021]图2为本实施例中街景车收集全景图像数据的示意图；
[0022]图3为本实施例中目标识别模型结果示意图；
[0023]图4为本实施例中语义分割模型结果示意图；
[0024]图5为本实施例中图像分类模型结果示意图；
[0025]图6为本实施例中数据可视化平台界面。
具体实施方式
[0026]下面对本专利技术实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。
[0027]实施例：
[0028]参照图2
‑
6所示，本实施例为城市街景数据识别交通设施资产评估方法，包括以下步骤：
[0029]1)目标检测：采集街道全景图像，并记录图像的位置及相应的经纬度，将收集到的全景数据分割为若干切片，参见图2所示，并利用切片的空间间距过滤出特定部分用于计算，形成街景图像数据集。
[0030]采集全景图像的方式包括从街景车中采集、从无人机采集、从高分辨遥感装置采集、从固定摄像装置采集或人工手持相机采集。
[0031]2)模型建立：使用街景图像数据集进行深度学习并建立交通设施资产识别模型。交通设施资产识别模型包括目标检测模型、语义分割模型。
[0032]目标检测模型关注特定的交通设施，将其从图像背景中分离出来，并确定目标的
类别和位置，用矩形检测框标出，参见图3所示。目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体)，确定它们的类别和位置，是计算机视觉领域的核心问题之一。
[0033]语义分割模型将每个像素与用户关注的交通设施标签相关联，是一个更细致的工作，需要对每个像素分类，将物体的轮廓精准勾勒出来，参见图4所示。以上模型经过多样的街景图像数据集训练，可批量高效的识别不同城市的交通资产，可复用性强。语义分割(Semantic Segmentation)是计算机视觉中重要的基本问题之一，其目标是对图像的每个像素点进行分类，将图像分割为若干个视觉上有意义的或感兴趣的区域，以利于后续的图像分析和视觉理解。
[0034]交通设施资产包括但不限于车行道、人行道、路缘石、井盖。
[0035]3)算法开发：进行机器学习算法的开发，侧重交通设施资产评分算法即图像分类模型的开发与改进，提高准确率。不同的交通设施资产被识别分割后，在不同的设施子类下通过细粒度图像分类模型，参见图5所示，识别特定局部上的细微差异，为其资产质量评估，将其分为差、较差、较好、好等不同分类。图像分类(Image Classification)核心是从给定的分类集合中给图像分配一个标签的任务。
[0036]4)工具创建：设计和开发数据标定工具、数据监测平台、或数据可视化平台及开放应用程序编程接口(API)，以便第三方进一步使用。
[0037]数据可视化平台包括展示仪表盘、地图板块、数据板块、管理页面。仪表盘展示了各项交通资产设施的数据报告；地图板块是将交通设施数据通过地图的形式展示，同时支持多种交互本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.城市街景数据识别交通设施资产评估方法，其特征在于，包括以下步骤：1)目标检测，采集街道全景图像，并记录图像的位置及相应的经纬度，将收集到的全景数据分割为若干切片，并利用切片的空间间距过滤出特定部分用于计算，形成街景图像数据集；2)模型建立，使用街景图像数据集进行深度学习并建立交通设施资产识别模型，所述交通设施资产识别模型包括目标检测模型、语义分割模型；3)算法开发，进行机器学习算法的开发，不同的交通设施资产被识别分割后，在不同的设施子类下通过细粒度图像分类模型，识别特定局部上的细微差异，为其资产质量评估；4)工具创建，设计和开发数据标定工具、数据监测平台、或数据可视化平台及开放应用程序编程接口，以便第三方进一步使用。2.根据权利要求1所述的城市街景数据识别交通设施资产评估方法，其特征在于：所述采集全景图像的方式包括从街景车中采集、从无人机采集、从高分辨遥感装置采集、从固定摄像装置采集或人工手持相机采集。3.根据权利要求1所述的城市街景数据识别交通设施资产评估方法，其特征在于：所述目标检测模型关注特定的交通设施，将其...

【专利技术属性】
技术研发人员：邵金鑫，姜男，卢忠明，张鼎，张永晨，欧阳亮，顾玲芳，刘浏，
申请(专利权)人：苏州城室科技有限公司，
类型：发明
国别省市：