[发明专利]图像识别监控方法、系统、计算设备以及可读存储介质

说明书

本发明提出了一种图像识别监控方法、系统、一种计算机设备以及可读存储介质。其中图像识别监控方法包括：获取待判断图像；将待判断图像与识别模型进行比较，识别待判断图像是否包含物体特征，得到识别结果；发送识别结果。通过本方案环保部门可以实时获取煤场的现场图像，并通过识别模型得到煤场的违规情况，无需委派专人对煤场进行监控，避免了工作人员重复往返拍摄图像，杜绝了煤场利用拍摄间隔钻空子，保证了煤场的防尘网的有效覆盖，从而减少煤场粉尘对于空气的污染。

技术领域

本发明涉及图像识别领域，具体而言，涉及一种图像识别监控方法、系统、一种计算机设备以及计算机可读存储介质。

背景技术

智能城市项目中对于环保领域中智能监测以及识别是未来发展的主要方向，具体在实时监控天气的质量、监控城市的污染物大小、监控城市的污染来源三方面完成对空气的监测。现阶段，在监控城市的污染来源中煤炭监控一直还处于人工定时巡检监控，每隔一段时间，由环保部门委派一名专门的工作人员前往现场检查，将拍摄得到的违规事件保存在摄像机中，并上传到环保业务系统中，在此过程中，需要工作人员多次往返煤场获取现场的违规事件，对于人员的利用率很低，由于环保部门无法实时监控到煤场的情况，极易出现工作人员不能及时发现煤场违规不使用防尘网覆盖情况的发生，无法对煤场实现实时有效的监控，造成大气的污染。

发明内容

本发明旨在至少解决现有技术或相关技术中存在的技术问题之一。

为此，本发明的一个方面在于提出了一种图像识别监控方法。

本发明的另一个方面在于提出了一种图像识别监控系统。

本发明的再一个方面在于提出了一种计算机设备。

本发明的又一个方面在于提出了一种计算机可读存储介质。

有鉴于此，根据本发明的一个方面，提出了一种图像识别监控方法，包括：获取待判断图像；将待判断图像与识别模型进行比较，识别待判断图像是否包含物体特征，得到识别结果；发送识别结果。

本发明提供的图像识别监控方法，通过获取待判断图像，并将待判断图像与识别模型进行比较，从而识别待判断图像中是否包含物体特征，并将识别结果发送至环保业务系统中，环保部门可以实时获取煤场的现场图像，并通过识别模型得到煤场的违规情况，无需委派专人对煤场进行监控，避免了工作人员重复往返拍摄图像，杜绝了煤场利用拍摄间隔钻空子，保证了煤场的防尘网的有效覆盖，从而减少煤场粉尘对于空气的污染。

根据本发明的上述图像识别监控方法，还可以具有以下技术特征：

在上述技术方案中，优选地，在获取待判断图像之前，还包括：建立识别模型，建立识别模型具体包括：接收基础图像，基础图像包括：第一图像和第二图像，第一图像包含物体特征，第二图像包含非物体特征；使用tensorflow框架的卷积神经网络技术建立第一层卷积神经网络以及第二层卷积神经网络；以及根据第一层卷积神经网络以及第二层卷积神经网络，建立全连接网络，得到模型结构；使用tensorflow框架的卷积神经网络算法对物体特征和非物体特征进行提取，并存储至模型结构中，得到识别模型。

在该技术方案中，使用tensorflow框架的卷积神经网络技术建立模型结构，并将具有物体特征的第一图像以及具有非物体特征的第二图像作为基础图像添加到模型结构，其中，tensorfiow框架是谷歌公司基于DistBelief进行研发的用于张量基于数据流图计算的框架。具体的使用tensorflow框架的卷积神经网络算法对物体特征以及非物体特征进行提取，并添加到识别模型，使得识别模型能够根据添加的物体特征以及非物体特征学习如何分辨出图像的是否具有物体，识别速度快，准确度高，并且全过程不需要人员参与；对模型结构中添加的基础图像数量越多识别的结果越准确，即识别模型的准确率越高，通过使用识别模型摆脱了由人工进行图片识别，减少环保业务部分对于图像的工作量，提高工作效率，并且保证对于煤场的有效监控，有效杜绝煤场利用图片拍摄周期钻空子对空气造成污染。