一种城市管理自动监测方法、装置及系统与流程

本发明涉及智能视频分析技术领域，特别涉及一种城市管理自动监测方法、装置及系统。

背景技术：

伴随市场经济的高度发展和城市化进程的逐渐推进，城市管理过程中出现了许多非常重要、但又非常繁琐的社会现象和问题，亟需有效的监控和治理。其中，较为典型的问题包括但不限于：违章占道经营、马车进入城市道路、渣土车非法时段营运、三轮摩托非法营运等等。

目前，城市管理主要还依赖于人工进行查处。在城管人员执行城市监管的过程中，违章违法营运人员往往采取游击对策，集中整治时就销声匿迹，整治一旦结束又重操旧业。此外，还有另一种情况就是，城管人员执法过程没有有效的监督，使得城管执法产生很大争议。

针对以上城市管理问题，现有通过较高自动化水平进行辅助城市管理的智能视频分析技术可以通过视频监控发现和跟踪运动的物体。

但是，在现有通过智能视频监控分析进行城市管理的过程中，发明人发现现有技术中至少存在如下问题：

现有智能视频分析技术主要适用于运动物体较少的场景，而城市的违法违章营运行为则往往发生在人群密集拥挤的场景下，因此，现有智能视频分析技术在城市管理过程中分析精度较低；且由于各个城市发展规模不同，且城市管理需求不同，使得城市管理系统的局限性较大。

技术实现要素：

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的，本发明的技术方案是这样实现的：

一方面，本发明提供了一种城市管理自动监测方法，包括：

获取待检测视频图像以及待检测模型；

通过所述待检测模型判断所述待检测视频图像是否为待检测目标事件；

如果所述待检测视频图像是待检测目标事件，则发出提示信息。

优选地，该方法还包括：添加待检测目标事件类别；

为所述添加的待检测目标事件类别，增加视频标注样本；所述视频标注样本包括：标注视频及其标注样本信息。

优选地，该方法还包括：删除所述待检测目标事件类别及其对应的视频标注样本。

优选地，该方法还包括：获取误报或者漏报视频图像；

标注所述误报或者漏报视频图像。

优选地，该方法还包括：预设重新学习的周期或者重新学习的新增视频标注样本数量；

当达到所述重新学习的周期或者重新学习的新增视频标注样本数量，则重新训练各个待检测目标事件类别对应的待检测模型。

本发明提供了一种城市管理自动监测装置，包括：

信息获取单元，用于获取待检测视频图像以及待检测模型；

判断单元，用于通过所述待检测模型判断所述待检测视频图像是否为待检测目标事件；

提示单元，用于如果所述待检测视频图像是待检测目标事件，则发出提示信息。

优选的，该装置还包括：

添加单元：用于添加待检测目标事件类别；

样本增加单元，用于为所述添加的待检测目标事件类别，增加视频标注样本；所述视频标注样本包括：标注视频及其标注样本信息。

优选的，该装置还包括：删除单元，用于删除所述待检测目标事件类别及其对应的视频标注样本。

优选的，该装置还包括：图像获取单元，用于获取误报或者漏报视频图像；

标注单元，用于标注所述误报或者漏报视频图像。

优选的，该装置还包括：阈值设置单元，用于预设重新学习的周期或者重 新学习的新增视频标注样本数量；

训练单元，用于当达到所述重新学习的周期或者重新学习的新增视频标注样本数量，则重新训练各个待检测目标事件类别对应的待检测模型。

本发明提供了一种城市管理自动监测系统，包括：如上所述的城市管理自动监测装置。

本发明提供的一种城市管理自动监测方法、装置及系统，通过自动发现待检测目标事件，且可以自动学习更新待检测目标事件对应的模型，并发出提示信息，从而大大提高了城市管理的精度，降低了人力成本，由于本发明还可以通过增加和/或删除待检测目标事件类别及标注视频标注样本，以及获取标注误报或者漏报视频图像，自主学习更新各个待检测目标事件类别对应的待检测模型，从而提高了城市管理系统的应用广度。

附图说明

图1为本发明实施例提供的一种城市管理自动监测方法流程图；

图2为本发明实施例提供的一种城市管理自动监测装置结构示意图；

图3为本发明实施例提供的一种城市管理自动监测系统结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。

如图1为所示为本发明实施例提供的一种城市管理自动监测方法流程图；该包括：

101：获取待检测视频图像以及待检测模型；

102：通过所述待检测模型判断所述待检测视频图像是否为待检测目标事件；

103：如果所述待检测视频图像是待检测目标事件，则发出提示信息。

需要说明的是，该方法还包括：

添加待检测目标事件类别；

为所述添加的待检测目标事件类别，增加视频标注样本；所述视频标注样 本包括：标注视频及其标注样本信息。

具体的讲，设系统启动初始，默认的待检测目标事件类别有“行人”和“机动车”；如果用户需要增加新的待检测目标事件类别，比如：“黑摩的”的管理问题，则可以先添加名为“黑摩的”的待检测目标事件类别；然后，可实现对视频数据中的新增待检测目标事件进行标注，积累新增待检测目标事件视频标注样本。系统可以使用最接近的已有模型对用户待标注的视频进行预标注，使用户只需修改自动标注中错误的部分即可。然后，将标注信息和视频相关联并保存。

还需要说明的是，该方法还包括：

删除所述待检测目标事件类别及其对应的视频标注样本。

还需要说明的是，该方法还包括：

获取误报或者漏报视频图像；

标注所述误报或者漏报视频图像。

还需要说明的是，该方法还包括：

预设重新学习的周期或者重新学习的新增视频标注样本数量；具体的讲，就是根据用户预设的重新学习周期，例如：一周或者一个月；或者重新学习的新增视频标注样本数量，例如：新添加的待检测目标事件类别或者默认待检测目标事件类别对应的增加视频标注样本达到新增视频标注样本数量，例如：新增加一万条视频标注样本；

当达到所述重新学习的周期或者重新学习的新增视频标注样本数量，则重新训练各个待检测目标事件类别对应的待检测模型。例如：新添加的待检测目标事件类别“黑摩的”的新增视频标注样本数量达到预设周期或者数量，则提取“黑摩的”待检测目标事件类别的视频标注样本，然后，利用机器学习方法重新训练“黑摩的”的图像检测模型，具体机器学习方法可以使用卷积神经网络或多层随机森林等典型机器学习方法。

由于所述新增的视频标注样本都来自于实际运行所在的城市场景及用户需求，所以对于实际运行所在城市场景的适应性强，长期保持模型技术指标的稳定高。由于机器学习方法训练数据的规模非常大，因此，为了加速模型的训练过程需要利用图形处理器(Graphic Processing Unit，简称GPU)服务器来 完成训练，如果不考虑训练的时间开销，使用常规的中央处理器(Central Processing Unit，简称CPU)服务器来完成训练。

基于以上城市管理自动监测方法，以下设系统需要自动监测的目标事件为“3个及以上占道经营目标”，当系统监测到满足所述条件的目标事件即发送提示信息，例如：触发对应事件的报警系统。具体的实现过程如下：

S1，获取待检测视频图像以及待检测模型，即获取待检测区域内的所有待检测视频图像，并获取所述”占道经营”物体模型；

S2，通过”占道经营”物体模型判断所述获取待检测区域内的所有视频图像中是否为“占道经营”事件；

S3，如果所述待检测视频图像是待检测目标事件且满足所述待检测区域内有3个及以上占道经营目标，则发出提示信息。

S4，由于所述“占道经营”物体模型可能不完善，发出提示信息的目标事件可能存在误报或漏报，则工作人员可以将所述发生误报或者漏报的“占道经营”目标事件中的假物体进行标注修正，系统获取到所述标注修正的误报或者漏报视频图像，则标注所述误报或者漏报视频图像，以备后续”占道经营”物体模型重新训练更新所用。

S5，当系统达到预设重新学习的周期或者满足重新学习的新增视频标注样本数量时，“占道摊位”物体模型进行重新训练；

由于增加了有针对性的标注修正，新训练得到的对应物体模型将不再发生同样的误报和漏报，从而显著提高“占道摊位”物体检测的精度，亦即提高“占道经营”事件的检测精度。

S6，返回S1重新进入迭代周期。

需要说明的是，本发明提供的城市管理自动监测方法不仅仅局限于以上事件的监测及报警，还可以实时添加监测用户的其它需求，例如：“马车进入城市道路”等现象。本发明通过将数据搜集、标注、训练、检测各环节的综合迭代，使的数据收集和系统运行可以螺旋进行，不但能有效搜集数据，还可以标注修正数据，即当前模型误报或漏报的数据，从而从根本上提高监测精度。

本发明还可以自主的增加或删除所述待检测目标事件类别以及相应的标注数据，从而使城市管理自动监测方法能够随着不同城市用户需求的发展而得 到更新。

基于以上实施例，如图2所示，为本发明实施例提供的一种城市管理自动监测装置结构示意图；该装置包括：

信息获取单元201，用于获取待检测视频图像以及待检测模型；

判断单元202，用于通过所述待检测模型判断所述待检测视频图像是否为待检测目标事件；

提示单元203，用于如果所述待检测视频图像是待检测目标事件，则发出提示信息。

需要说明的是，该装置还包括：

添加单元：用于添加待检测目标事件类别；

样本增加单元，用于为所述添加的待检测目标事件类别，增加视频标注样本；所述视频标注样本包括：标注视频及其标注样本信息。

还需要说明的是，该装置还包括：

删除单元，用于删除所述待检测目标事件类别及其对应的视频标注样本。

还需要说明的是，该装置还包括：

图像获取单元，用于获取误报或者漏报视频图像；

标注单元，用于标注所述误报或者漏报视频图像。

还需要说明的是，该装置包括：

阈值设置单元，用于预设重新学习的周期或者重新学习的新增视频标注样本数量；

训练单元，用于当达到所述重新学习的周期或者重新学习的新增视频标注样本数量，则重新训练各个待检测目标事件类别对应的待检测模型。

如图3所示，为本发明实施例提供的一种城市管理自动监测系统结构示意图；该系统包括：如上所述的城市管理自动监测装置。

本发明提供的一种城市管理自动监测方法、装置及系统，通过自动发现待检测目标事件，且可以自动学习更新待检测目标事件对应的模型，并发出提示信息，从而大大提高了城市管理的精度，降低了人力成本，由于本发明还可以通过增加和/或删除待检测目标事件类别及标注视频标注样本，以及获取标注误报或者漏报视频图像，自主学习更新各个待检测目标事件类别对应的待检测 模型，从而提高了城市管理系统的应用广度。

以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。