CN110992645A - 一种动态场景中的流动摊贩检测与报警*** - Google Patents
一种动态场景中的流动摊贩检测与报警*** Download PDFInfo
- Publication number
- CN110992645A CN110992645A CN201911244134.7A CN201911244134A CN110992645A CN 110992645 A CN110992645 A CN 110992645A CN 201911244134 A CN201911244134 A CN 201911244134A CN 110992645 A CN110992645 A CN 110992645A
- Authority
- CN
- China
- Prior art keywords
- mobile vendor
- detection
- module
- mobile
- controller
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/02—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP]
- H04L67/025—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP] for remote control or remote monitoring of applications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/55—Push-based network services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L69/00—Network arrangements, protocols or services independent of the application payload and not provided for in the other groups of this subclass
- H04L69/16—Implementation or adaptation of Internet protocol [IP], of transmission control protocol [TCP] or of user datagram protocol [UDP]
- H04L69/161—Implementation details of TCP/IP or UDP/IP stack architecture; Specification of modified or new header fields
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Computer Security & Cryptography (AREA)
- Medical Informatics (AREA)
- Image Analysis (AREA)
- Alarm Systems (AREA)
Abstract
一种动态场景中的流动摊贩检测与报警***,其中,流动摊贩检测模块包括流动摊贩检测装置、控制器与电源模块,流动摊贩检测装置分别与视频采集模块、控制器及电源模块连接,控制器与提示报警模块、其他推送平台连接,流动摊贩检测装置用于接收处理视频采集模块视频发送的图像信息并将分析结果传送至控制器,控制器启动提示报警模块,同时将分析结果传递至其它推送平台;本发明利用基于深度学习的目标检测技术,算法先进,能够满足实时检测需求,且在不同场景下的泛化性能更强,可用于静态、动态等各种场景的流动摊贩检测预警任务;同时无需将大量的视频数据传输到后台服务器即能分析出结果,节省成本,结构简单,易于安装。
Description
技术领域
本发明涉及图像处理与智能视频监控技术领域,尤其涉及一种动态场景中的流动摊贩检测与报警***。
背景技术
随着社会经济的快速发展、城市建设的不断加快、外来人口的频繁流动及企业的“关、停、并、转”等因素,致使无证流动摊贩屡禁不止,成为群众投诉的热点、社会反映的焦点,同时也成为城市管理工作的重点和难点,整治无证流动摊贩,已成为各地城市管理者十分头疼的事。
当前,一些城市主要采取定点监控与流动巡查相结合的方式对流动摊贩进行监管,但定点监控的方式无法全面覆盖城市的各个角落,点位有限,监控场景有限;而流动巡查的方式不仅无法及时发现问题,且需要耗费大量的人力,此外,巡查员与流动摊贩易产生冲突,危及人身安全。
发明内容
本发明所解决的技术问题在于提供一种动态场景中的流动摊贩检测与报警***,以解决上述背景技术中的问题。
本发明所解决的技术问题采用以下技术方案来实现:
一种动态场景中的流动摊贩检测与报警***,包括视频采集模块、流动摊贩检测模块及提示报警模块,其中,流动摊贩检测模块包括流动摊贩检测装置、控制器与电源模块,流动摊贩检测装置分别与视频采集模块、控制器及电源模块连接,控制器与提示报警模块、其他推送平台连接,流动摊贩检测装置用于接收处理视频采集模块视频发送的图像信息并将分析结果传送至控制器,控制器启动提示报警模块,同时将分析结果传递至其它推送平台。
在本发明中,所述视频采集模块包括相互连接的网络摄像机。
在本发明中,所述网络摄像机与流动摊贩检测装置通过TCP/IP协议连接。
在本发明中,所述电源模块与网络摄像机、控制器连接,所述电源模块的输出成型接口为插头。
在本发明中,所述视频采集模块与流动摊贩检测模块安装在公交车或城管的移动执法车上。
在本发明中,所述流动摊贩检测装置内设有存储器,所述存储器为可拆卸式硬盘。
在本发明中,所述流动摊贩检测装置内加载有基于深度学习的流动摊贩检测算法,该算法分为两步,第一步训练检测模型得到检测模型参数;第二步利用训练好的检测模型进行流动摊贩检测,第一步训练检测模型包括:
步骤1)建立流动摊贩图片数据集,通过人工拍摄、互联网资源及图像增强的方式建立一个带有流动摊贩画面的图片数据集;
步骤2)数据集数据标注,采用标记工具对图片数据集中的图片进行流动摊贩标注,生成标注文件;
步骤3)基于深度学***衡因子和多个调制因子,从而得到多个训练后的网络;(4)利用测试集对(3)中得到的网络进行测试,选择最高平均检测准确率所对应的网络作为最终的流动摊贩检测模型;
第二步流动摊贩检测流程为:首先将视频采集模块采集的视频经过预处理得到视频帧图片,而后将视频帧图片输入至已经训练好的流动摊贩检测模型中进行检测,分析该视频帧图片中是否存在流动摊贩。
在本发明中,所述控制器内设有无线信号传输器,所述控制器通过无线连接其它推送平台,由其它推送平台推送信息。
在本发明中,所述提示报警模块包括设在网络摄像机上的语音提示器和设置在其他平台的消息推送器。
在本发明中,工作时,将包括视频采集模块与流动摊贩检测模块安装在公交车或城管的移动执法车上,接通电源后,视频采集模块实时采集视频图像信息,并将视频图像信息转换成数字信息通过TCP/IP协议传输至流动摊贩检测模块,经过深度学习算法分析得到是否存在流动摊贩等信息,而后通过控制模块将信息传送给提示报警模块,由语音提示器进行语音提示或消息推送器推送消息。
有益效果:本发明利用基于深度学习的目标检测技术,区别于基于静态场景的流动摊贩检测方法,算法先进,能够满足实时检测需求,且在不同场景下的泛化性能更强,可用于静态、动态等各种场景的流动摊贩检测预警任务;同时无需将大量的视频数据传输到后台服务器即能分析出结果,节省成本,结构简单,易于安装。
附图说明
图1为本发明的较佳实施例的流程示意图。
图2为本发明的较佳实施例中基于深度学习的流动摊贩检测算法流程示意图。
图3为本发明的较佳实施例中的实际场景中流动摊贩检测结果示意图。
具体实施方式
为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,下面结合具体图示,进一步阐述本发明。
参见图1的一种动态场景中的流动摊贩检测与报警***,包括视频采集模块、流动摊贩检测模块及提示报警模块,其中,视频采集模块电连接流动摊贩检测模块,流动摊贩检测模块电连接提示报警模块;视频采集模块包括相互电连接的网络摄像机,流动摊贩检测模块包括相互电连接的流动摊贩检测装置、控制器与电源模块,流动摊贩检测装置用于接收处理视频采集模块发送的视频图像信息并将分析结果传送至控制器,控制器启动提示报警模块,同时可将分析结果传递至其它推送平台;
进一步,所述视频采集模块与流动摊贩检测模块安装在公交车或城管的移动执法车上;
进一步,所述网络摄像机与流动摊贩检测模块的流动摊贩检测装置通过TCP/IP协议连接;
进一步,所述流动摊贩检测装置内设有存储器,所述存储器为可拆卸式硬盘;
进一步,所述流动摊贩检测装置内加载有基于深度学习的流动摊贩检测算法,如图2所示,该算法分为两步,第一步训练检测模型得到检测模型参数;第二步利用训练好的检测模型进行流动摊贩检测,第一步训练检测模型包括:
步骤1)建立流动摊贩图片数据集,通过人工拍摄、互联网资源及图像增强的方式建立一个带有流动摊贩画面的图片数据集;
步骤2)数据集数据标注,采用标记工具对图片数据集中的图片进行流动摊贩标注,生成标注文件;
步骤3)基于深度学***衡因子和多个调制因子,从而得到多个训练后的网络;(4)利用测试集对(3)中得到的网络进行测试,选择最高平均检测准确率所对应的网络作为最终的流动摊贩检测模型;
第二步流动摊贩检测流程为:首先将视频采集模块采集的视频经过预处理得到视频帧图片,而后将视频帧图片输入至已经训练好的流动摊贩检测模型中进行检测,分析该视频帧图片中是否存在流动摊贩,如图3所示;
进一步,所述控制器内设有无线信号传输器,所述控制器通过无线连接其它推送平台,由其它推送平台推送信息;
进一步,所述电源模块为网络摄像机、流动摊贩检测装置及控制器供电,所述电源模块的输出成型接口为插头;
进一步,所述提示报警模块包括设在网络摄像机上的语音提示器和设置在其他平台的消息推送器;
在本实施例中,工作时,将包括视频采集模块与流动摊贩检测模块安装在公交车或城管的移动执法车上,接通电源后,视频采集模块实时采集视频图像信息,并将视频图像信息转换成数字信息通过TCP/IP协议传输至流动摊贩检测模块,经过深度学习算法分析得到是否存在流动摊贩等信息,而后通过控制模块将信息传送给提示报警模块,由语音提示器进行语音提示或消息推送器推送消息。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (10)
1.一种动态场景中的流动摊贩检测与报警***,包括视频采集模块、流动摊贩检测模块及提示报警模块,其特征在于,流动摊贩检测模块包括流动摊贩检测装置、控制器与电源模块,流动摊贩检测装置分别与视频采集模块、控制器及电源模块连接,控制器与提示报警模块、其他推送平台连接,加载有流动摊贩检测算法的流动摊贩检测装置用于接收处理视频采集模块视频发送的图像信息并将分析结果传送至控制器,控制器启动提示报警模块,同时将分析结果传递至其它推送平台。
2.根据权利要求1所述的一种动态场景中的流动摊贩检测与报警***,其特征在于,所述视频采集模块包括相互连接的网络摄像机。
3.根据权利要求2所述的一种动态场景中的流动摊贩检测与报警***,其特征在于,所述电源模块与网络摄像机、控制器连接,所述电源模块的输出成型接口为插头。
4.根据权利要求1所述的一种动态场景中的流动摊贩检测与报警***,其特征在于,所述视频采集模块与流动摊贩检测模块安装在公交车或城管的移动执法车上。
5.根据权利要求1所述的一种动态场景中的流动摊贩检测与报警***,其特征在于,所述流动摊贩检测装置内设有存储器,且所述存储器为可拆卸式硬盘。
6.根据权利要求1所述的一种动态场景中的流动摊贩检测与报警***,其特征在于,所述控制器内设有无线信号传输器,所述控制器通过无线连接其它推送平台。
7.根据权利要求1所述的一种动态场景中的流动摊贩检测与报警***,其特征在于,所述提示报警模块包括设在网络摄像机上的语音提示器和设置在其他平台的消息推送器。
8.根据权利要求1所述的一种动态场景中的流动摊贩检测与报警***,其特征在于,所述流动摊贩检测装置内加载有基于深度学习的流动摊贩检测算法,该算法分为两步,第一步训练检测模型得到检测模型参数;第二步利用训练好的检测模型进行流动摊贩检测。
9.根据权利要求8所述的一种动态场景中的流动摊贩检测与报警***,其特征在于,第一步训练检测模型包括:
步骤1)建立流动摊贩图片数据集,通过人工拍摄、互联网资源及图像增强的方式建立一个带有流动摊贩画面的图片数据集;
步骤2)数据集数据标注,采用标记工具对图片数据集中的图片进行流动摊贩标注,生成标注文件;
步骤3)基于深度学***衡因子和多个调制因子,从而得到多个训练后的网络;(4)利用测试集对(3)中得到的网络进行测试,选择最高平均检测准确率所对应的网络作为最终的流动摊贩检测模型。
10.根据权利要求8所述的一种动态场景中的流动摊贩检测与报警***,其特征在于,第二步流动摊贩检测流程为:首先将视频采集模块采集的视频经过预处理得到视频帧图片,而后将视频帧图片输入至已经训练好的流动摊贩检测模型中进行检测,分析该视频帧图片中是否存在流动摊贩。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911244134.7A CN110992645A (zh) | 2019-12-06 | 2019-12-06 | 一种动态场景中的流动摊贩检测与报警*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911244134.7A CN110992645A (zh) | 2019-12-06 | 2019-12-06 | 一种动态场景中的流动摊贩检测与报警*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110992645A true CN110992645A (zh) | 2020-04-10 |
Family
ID=70091017
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911244134.7A Pending CN110992645A (zh) | 2019-12-06 | 2019-12-06 | 一种动态场景中的流动摊贩检测与报警*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110992645A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112508916A (zh) * | 2020-12-12 | 2021-03-16 | 江西洪都航空工业集团有限责任公司 | 一种基于移动视频分析的道路井盖破损与丢失检测方法 |
CN112766055A (zh) * | 2020-12-30 | 2021-05-07 | 浙江大华技术股份有限公司 | 摊位管理方法、装置、***、存储介质及电子装置 |
CN114022772A (zh) * | 2021-11-16 | 2022-02-08 | 华南农业大学 | 流动摊贩空间分布的预测方法、***、装置和存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107733845A (zh) * | 2017-06-13 | 2018-02-23 | 银江股份有限公司 | 一种全景全程执法记录仪及采集管理*** |
CN108647665A (zh) * | 2018-05-18 | 2018-10-12 | 西安电子科技大学 | 基于深度学习的航拍车辆实时检测方法 |
CN108921083A (zh) * | 2018-06-28 | 2018-11-30 | 浙江工业大学 | 基于深度学习目标检测的非法流动摊贩识别方法 |
CN109686103A (zh) * | 2018-12-29 | 2019-04-26 | 中南大学 | 一种基于图像识别的智能交通违停监控管理***与方法 |
-
2019
- 2019-12-06 CN CN201911244134.7A patent/CN110992645A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107733845A (zh) * | 2017-06-13 | 2018-02-23 | 银江股份有限公司 | 一种全景全程执法记录仪及采集管理*** |
CN108647665A (zh) * | 2018-05-18 | 2018-10-12 | 西安电子科技大学 | 基于深度学习的航拍车辆实时检测方法 |
CN108921083A (zh) * | 2018-06-28 | 2018-11-30 | 浙江工业大学 | 基于深度学习目标检测的非法流动摊贩识别方法 |
CN109686103A (zh) * | 2018-12-29 | 2019-04-26 | 中南大学 | 一种基于图像识别的智能交通违停监控管理***与方法 |
Non-Patent Citations (1)
Title |
---|
陈晋音 等: "基于深度学习模型的非法流动摊贩检测方法研究", 《小型微型计算机***》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112508916A (zh) * | 2020-12-12 | 2021-03-16 | 江西洪都航空工业集团有限责任公司 | 一种基于移动视频分析的道路井盖破损与丢失检测方法 |
CN112766055A (zh) * | 2020-12-30 | 2021-05-07 | 浙江大华技术股份有限公司 | 摊位管理方法、装置、***、存储介质及电子装置 |
CN112766055B (zh) * | 2020-12-30 | 2024-04-16 | 浙江大华技术股份有限公司 | 摊位管理方法、装置、***、存储介质及电子装置 |
CN114022772A (zh) * | 2021-11-16 | 2022-02-08 | 华南农业大学 | 流动摊贩空间分布的预测方法、***、装置和存储介质 |
CN114022772B (zh) * | 2021-11-16 | 2024-05-03 | 华南农业大学 | 流动摊贩空间分布的预测方法、***、装置和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210389293A1 (en) | Methods and Systems for Water Area Pollution Intelligent Monitoring and Analysis | |
CN110992645A (zh) | 一种动态场景中的流动摊贩检测与报警*** | |
CN110189524B (zh) | 一种主动式违章违规识别方法、***和电子设备 | |
CN108046073A (zh) | 一种电梯物联网监控*** | |
CN110225143B (zh) | 一种智慧安防数据*** | |
CN106781519A (zh) | 一种可定位智能道路监控*** | |
CN109326125B (zh) | 基于嵌入式***的图片质量诊断***及诊断方法 | |
CN105654032A (zh) | 基于人脸检测的公交车人数统计***及统计方法 | |
Fawzi et al. | Embedded real-time video surveillance system based on multi-sensor and visual tracking | |
CN112671104A (zh) | 面向复杂场景的变电站多维度场景管控平台 | |
CN110796580B (zh) | 智能交通***管理方法及相关产品 | |
CN111027397B (zh) | 适用于智能监控网络中的综合特征目标检测方法、***、介质及设备 | |
CN112016380B (zh) | 野生动物监测方法及*** | |
CN112529466A (zh) | 一种基于大数据的智慧城管方法及*** | |
CN116452925A (zh) | 基于智能算法的监控视频鉴定*** | |
CN116682223A (zh) | 国产环境下基于物联网+ai的火灾巡检***及方法 | |
CN113688385B (zh) | 轻量级分布式入侵检测方法 | |
WO2022042045A1 (zh) | 仪表识别装置、仪表监控***及其监控方法 | |
CN104023205A (zh) | 智能安防监控*** | |
CN107545211A (zh) | 云端数据处理*** | |
CN113963310A (zh) | 一种公交站的人流量检测方法、装置及电子设备 | |
CN113452961A (zh) | 基于边缘计算的水面监控告警***和方法、介质 | |
CN113065416A (zh) | 集成于变电站视频监控装置的渗漏监测装置及方法、介质 | |
CN112217892A (zh) | 一种基于区块链***的智慧城市监控信息传输方法及*** | |
CN112291527A (zh) | 一种基于区块链***的智能安防信息的提供方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200410 |