[发明专利]基于视频的违法事件监控方法、设备及可读存储介质

说明书

本发明公开了一种基于视频的违法事件监控方法、设备及可读存储介质，方法包括：获取违法场景下拍摄的违法图片以及正常场景下拍摄的正常图片；通过所述违法图片以及正常图片，基于迭代训练的方式对预置卷积神经网络模型进行训练，得到目标卷积神经网络模型；将待识别图片输入所述目标卷积神经网络模型，得到所述待识别图片的识别结果；若所述识别结果为违法，则输出告警提示。通过本发明，使用卷积神经网络模型判断拍摄到的图片是否为违法图片，当判断为违法图片时，视为监控到违法事件，便输出告警提示，以供相关执法人员对违法事件进行处理，使得城市管理工作更加智能，且提高了城市管理工作的效率。

技术领域

本发明涉及城市管理技术领域，尤其涉及基于视频的违法事件监控方法、设备及可读存储介质。

背景技术

现有的城市管理工作，主要依赖执法人员巡视的方式进行。由于城市面积大、违法事件的突发性等因素，加重了执法人员的工作强度，且难以在第一时间发现违法事件，使得城市管理效果不佳。

发明内容

本发明的主要目的在于提供一种基于视频的违法事件监控方法、设备及可读存储介质，旨在解决现有技术中城市管理效果不佳的技术问题。

为实现上述目的，本发明提供一种基于视频的违法事件监控方法，所述基于视频的违法事件监控方法包括以下步骤：

获取违法场景下拍摄的违法图片以及正常场景下拍摄的正常图片；

通过所述违法图片以及正常图片，基于迭代训练的方式对预置卷积神经网络模型进行训练，得到目标卷积神经网络模型；

将待识别图片输入所述目标卷积神经网络模型，得到所述待识别图片的识别结果；

若所述识别结果为违法，则输出告警提示。

可选的，所述通过所述违法图片以及正常图片，基于迭代训练的方式对预置卷积神经网络模型进行训练，得到目标卷积神经网络模型的步骤包括：

将违法图片以及正常图片输入预置卷积神经网络模型，并通过预置卷积神经网络模型的特征提取网络提取违法图片以及正常图片的特征信息；

将所述违法图片以及正常图片的特征信息输入预置卷积神经网络模型的预测层，得到违法图片以及正常图片各自的预测结果；

检测所述违法图片的预测结果是否为违法，若是，则标记为预测正确，否则标记为预测错误；

检测所述正常图片的预测结果是否为正常，若是，则标记为预测正确，否则标记为预测错误；

计算预测正确的次数在总预测次数中所占的比例，并判断是否比例是否大于或等于预设阈值；

若所述比例大于或等于预设阈值，则以当前的预置卷积神经网络模型作为目标卷积神经网络模型；

若所述比例小于预设阈值，则对所述预置卷积神经网络模型进行参数调整，得到新的卷积神经网络模型；

将所述新的卷积神经网络模型作为预置卷积神经网络模型，并执行所述将违法图片以及正常图片输入预置卷积神经网络模型，并通过预置卷积神经网络模型的特征提取网络提取违法图片以及正常图片的特征信息的步骤。

可选的，所述若所述识别结果为违法，则输出告警提示的步骤包括：

若所述识别结果为违法，则获取所述待识别图片对应的拍摄装置的地理位置；

输出告警提示至所述地理位置对应的执法者终端。

此外，为实现上述目的，本发明还提供一种基于视频的违法事件监控设备，所述基于视频的违法事件监控设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于视频的违法事件监控程序，所述基于视频的违法事件监控程序被处理器执行时实现如上所述的基于视频的违法事件监控方法的步骤。