[发明专利]一种城市管理案件分类识别方法有效
申请号: | 201910718588.7 | 申请日: | 2019-08-05 |
公开(公告)号: | CN110458082B | 公开(公告)日: | 2022-05-03 |
发明(设计)人: | 王国梁;毛云青 | 申请(专利权)人: | 城云科技(中国)有限公司 |
主分类号: | G06V20/10 | 分类号: | G06V20/10;G06V10/764;G06K9/62;G06Q50/26 |
代理公司: | 杭州裕阳联合专利代理有限公司 33289 | 代理人: | 姚宇吉 |
地址: | 310000 浙江省杭州市滨江区长*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 城市管理 案件 分类 识别 方法 | ||
1.一种城市管理案件分类识别方法,其特征在于,包括以下步骤:
101:获得大量案件图像样本,通过人工对案件图像进行分类识别,并标识出图像中属于城管案件内容的涉及各类物体对象和位置;
102:将人工标识出来的各类物体对象、位置和图像输入到图像识别模型中进行学习训练,得到改进后的图像识别模型;
103:获得大量的场景分类数据以及场景对应的物体对象清单数据;
104:将场景分类数据和物体分类清单输入场景识别模型中进行学习,得到改进后的场景识别模型;
105:通过城市管理部门业务系统获得图像数据;
106:将图像数据作为输入提供给图像识别模型,图像识别模型推理并得到图像中各类物体的预测结果;
107:将结果图像中各类物体分类和位置作为输入提供给场景识别模型,算法判断得到具体城管案件的分类;
108:城管业务系统根据案件分类进入相应的案件处理流程,
所述城管业务系统接收图像分类、位置信息参数作为输入,引入具体的业务模块,接收手段包括本地函数调用、远程rpc调用等;
所述案件分类包括:违章停车、乱丢垃圾、出店经营、流动摊贩、乱堆物料等城管案件类别;
所述图像识别模型用来对图像中各类物体进行判别,并得到图像中出现的各类物体的分类以及对应位置,其中,图像中物体的识别手段包括SSD、YOLO等目标识别深度学习算法;
所述场景识别模型用来对出现的物体组合进行判断,得到图像可能属于的城管案件场景分类,其中,场景识别的手段包括视觉词包模型、深度学习等手段。
2.根据权利要求1所述的一种城市管理案件分类识别方法,其特征在于,所述101步骤中的物体分类包括:人、汽车、三轮车、卷帘门、凳子、桌子、叶蔬菜、水果、垃圾桶、塑料袋、箱子、书本、背景等但不仅限于此;
所述101步骤中的图像样本为城市管理案件处理过程生成的各类图像,包括各类违章停车、乱丢垃圾、出店经营等但不仅限于此。
3.根据权利要求1所述的一种城市管理案件分类识别方法,其特征在于,所述102步骤中学习训练的目标识别算法为通过不断学习,得到城管物体识别分类的模型,且学习过程包括通过不断调整参数,重复训练过程,其中,目标识别算法包括SSD、YOLO等物体识别算法。
4.根据权利要求1所述的一种城市管理案件分类识别方法,其特征在于,所述103步骤中的场景分类包括各类违章停车、乱丢垃圾、出店经营、流动摊贩、乱堆物料等但不仅限于此;
所述103步骤中物体对象清单数据的清单数据可以以文本数据、数据库记录的形式提供,一个场景分类对应多个物体对象分类,多个分类数据可以用一个列表或者多条表记录的形式提供。
5.根据权利要求1所述的一种城市管理案件分类识别方法,其特征在于,所述104步骤中场景分类识别学习为通过不断学习,得到城管案件场景分类的模型,学习过程包括通过不断调整参数,重复训练过程;其中,场景分类算法包括视觉词包模型、深度学习。
6.根据权利要求1所述的一种城市管理案件分类识别方法,其特征在于,所述105步骤中图像的接收方法可以是基于数据流、本地文件、网络传输等方式,且105步骤中图像来源于城管部门的各类摄像装置。
7.根据权利要求1所述的一种城市管理案件分类识别方法,其特征在于,所述106步骤中图像识别模型接受一个图像文件,经过图像识别模型的计算,得到一个各类物体的判断概率,通过预定的阈值筛选后,得到图像中物体和物体的位置,且一个图片上面多个物体可以形成一个列表或者数据库记录。
8.根据权利要求1所述的一种城市管理案件分类识别方法,其特征在于,所述107步骤中场景识别模型接受物体位置信息根据预定的判断条件实现场景的判断,输出场景的分类结果,其中,场景包括:违章停车、乱丢垃圾、出店经营、流动摊贩、乱堆物料等但不限于此。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于城云科技(中国)有限公司,未经城云科技(中国)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910718588.7/1.html,转载请声明来源钻瓜专利网。