基于依赖关系矩阵的城管目标判别方法及装置制造方法及图纸

技术编号：41215851 阅读：6 留言：0更新日期：2024-05-09 23:37

本发明专利技术公开了基于依赖关系矩阵的城管目标判别方法，包括：构建目标‑场景依赖关系模型；将待检测图像输入场景语义提取模型，提取当前图像的场景；将待检测图像输入目标检测模型，提取当前图像中的目标；将得到的场景和目标输入目标‑场景依赖关系模型，得到城管事件类型。本发明专利技术还公开了基于依赖关系矩阵的城管目标判别装置，依赖关系模型构建模块、场景提取模块、目标提取模块、识别模块。在经典的目标检测框架基础上，利用场景语义相关信息，解决了使用单一目标检测算法误报高，立案率低的问题，提高智能化数据采集效率。

全部详细技术资料下载

【技术实现步骤摘要】

本专利技术属于图像识别，涉及基于依赖关系矩阵的城管目标判别方法，还涉及基于依赖关系矩阵的城管目标判别装置。

技术介绍

1、近年来，由于人工智能技术、移动互联网以及云计算的规模和应用激增，随着数据采集技术的进步和deep learning等领域的复杂的新技术、新方法的使用也导致数据量的产生与日俱增。为了充分发挥长期积累的巨量数据的效能，学术界和工业界再一次将目光转向大数据的研究，并成为智慧城市领域的热点技术。同时，视频监控的飞速发展使得对城市管理的要求不断提高，现有的视频监控的作用领域成为大家主要关注的问题。如何在智慧城市领域加入有效的视频监控应用机制，加入有效安全受控分发机制，为城市运行安全监测提供保障，已成为热点问题。

2、车载视频监控场景图像语义复杂，单纯只依赖图像目标检测方法，难以保证城管事件的正确性。例如，店外经营、违规户外广告、乱堆物堆料等事件，通常和商店、店门等前景目标相关，若只抓取店外经营、违规户外广告的目标主体，而忽视店门、商场等语义情景，则容易产生错误事件的识别，导致智能上报的整体立案率偏低。

技术实现思路

1、本专利技术的第一目的是提供基于依赖关系矩阵的城管目标判别方法，解决了现有技术中存在的城管事件立案率低的问题。

2、本专利技术所采用的第一技术方案是，基于依赖关系矩阵的城管目标判别方法，包括以下步骤：

3、步骤1、构建目标-场景依赖关系模型；

4、步骤2、将待检测图像输入场景语义提取模型，提取当前图像的场景；</p>

5、步骤3、将待检测图像输入目标检测模型，提取当前图像中的目标；

6、步骤4、将步骤2得到的场景和步骤3得到的目标输入目标-场景依赖关系模型，得到城管事件类型。

7、本专利技术的特点还在于：

8、步骤1具体包括以下步骤：

9、步骤1.1、选取多个包含目标、场景的图像作为训练集；

10、步骤1.2、分别将目标、场景按照随机顺序进行排列得到目标、场景索引，按照索引顺序在当前图像中出现的记为1，未出现记为0，生成目标-场景依赖关系向量；

11、步骤1.3、将城管事件类型按照随机顺序进行排列得到城管事件类型索引，人工判断当前图像的真实城管事件类型，按照城管事件类型索引顺序对当前图像存在记为1，不存在记为0；

12、步骤1.4、将依赖关系向量作为输入，标签向量作为输出，训练依赖关系模型，得到目标-场景依赖关系模型。

13、场景包括主干道、人行道、绿化带、门店。

14、城管事件类型包括店外经营、流动摊点、占道广告、沿街晾晒、暴漏垃圾、垃圾满溢、非法小广告、乱堆物料、撑伞经营、井盖破损、共享单车乱停放。

15、步骤1.4中依赖关系模型为svm分类器。

16、场景语义提取模型为u-net语义分割模型。

17、目标检测模型为yolov7目标检测模型。

18、本专利技术的第二目的是提供基于依赖关系矩阵的城管目标判别装置。

19、本专利技术所采用的第二技术方案是，基于依赖关系矩阵的城管目标判别装置，包括：

20、依赖关系模型构建模块，用于构建目标-场景依赖关系模型；

21、场景提取模块，用于将待检测图像输入场景语义提取模型，提取当前图像的场景；

22、目标提取模块，将待检测图像输入目标检测模型，提取当前图像中的目标；

23、识别模块，将场景和目标输入目标-场景依赖关系模型，得到城管事件类型。

24、本专利技术的有益效果是：本专利技术基于依赖关系矩阵的城管目标判别方法，引入视频图像场景语义提取、目标检测的深度学习技术，并结合前景语义与目标依赖关系矩阵，实现了车载城管事件检测模型；在经典的one-stage目标检测框架基础上，利用场景语义相关信息，解决了使用单一目标检测算法误报高，立案率低的问题，提高智能化数据采集效率。本专利技术基于依赖关系矩阵的城管目标判别装置，将目标与场景建立依赖关系，提高了城管事件识别的准确性。

本文档来自技高网...

【技术保护点】

1.基于依赖关系矩阵的城管目标判别方法，其特征在于，包括以下步骤：

2.如权利要求1所述的基于依赖关系矩阵的城管目标判别方法，其特征在于，步骤1具体包括以下步骤：

3.如权利要求1所述的基于依赖关系矩阵的城管目标判别方法，其特征在于，所述场景包括主干道、人行道、绿化带、门店。

4.如权利要求1所述的基于依赖关系矩阵的城管目标判别方法，其特征在于，所述城管事件类型包括店外经营、流动摊点、占道广告、沿街晾晒、暴漏垃圾、垃圾满溢、非法小广告、乱堆物料、撑伞经营、井盖破损、共享单车乱停放。

5.如权利要求2所述的基于依赖关系矩阵的城管目标判别方法，其特征在于，步骤1.4中所述依赖关系模型为SVM分类器。

6.如权利要求1所述的基于依赖关系矩阵的城管目标判别方法，其特征在于，所述场景语义提取模型为U-Net语义分割模型。

7.如权利要求1所述的基于依赖关系矩阵的城管目标判别方法，其特征在于，所述目标检测模型为yolov7目标检测模型。

8.基于依赖关系矩阵的城管目标判别装置，其特征在于，包括：

【技术特征摘要】

1.基于依赖关系矩阵的城管目标判别方法，其特征在于，包括以下步骤：

2.如权利要求1所述的基于依赖关系矩阵的城管目标判别方法，其特征在于，步骤1具体包括以下步骤：

3.如权利要求1所述的基于依赖关系矩阵的城管目标判别方法，其特征在于，所述场景包括主干道、人行道、绿化带、门店。

4.如权利要求1所述的基于依赖关系矩阵的城管目标判别方法，其特征在于，所述城管事件类型包括店外经营、流动摊点、占道广告、沿街晾晒、暴漏垃圾、垃圾满溢、非法小广告、乱堆物料、撑伞...

【专利技术属性】
技术研发人员：关新锋，李玉鑫，刘凯，邹伟，聂善思，李俊，郭小斌，吴波，邓瑞金，徐珍，
申请(专利权)人：江西航天鄱湖云科技有限公司，
类型：发明
国别省市：

全部详细技术资料下载我是这个专利的主人