本發(fā)明涉及智能視頻分析技術(shù)領(lǐng)域，特別涉及一種城市管理自動監(jiān)測方法、裝置及系統(tǒng)。

背景技術(shù)：

伴隨市場經(jīng)濟的高度發(fā)展和城市化進程的逐漸推進，城市管理過程中出現(xiàn)了許多非常重要、但又非常繁瑣的社會現(xiàn)象和問題，亟需有效的監(jiān)控和治理。其中，較為典型的問題包括但不限于：違章占道經(jīng)營、馬車進入城市道路、渣土車非法時段營運、三輪摩托非法營運等等。

目前，城市管理主要還依賴于人工進行查處。在城管人員執(zhí)行城市監(jiān)管的過程中，違章違法營運人員往往采取游擊對策，集中整治時就銷聲匿跡，整治一旦結(jié)束又重操舊業(yè)。此外，還有另一種情況就是，城管人員執(zhí)法過程沒有有效的監(jiān)督，使得城管執(zhí)法產(chǎn)生很大爭議。

針對以上城市管理問題，現(xiàn)有通過較高自動化水平進行輔助城市管理的智能視頻分析技術(shù)可以通過視頻監(jiān)控發(fā)現(xiàn)和跟蹤運動的物體。

但是，在現(xiàn)有通過智能視頻監(jiān)控分析進行城市管理的過程中，發(fā)明人發(fā)現(xiàn)現(xiàn)有技術(shù)中至少存在如下問題：

現(xiàn)有智能視頻分析技術(shù)主要適用于運動物體較少的場景，而城市的違法違章營運行為則往往發(fā)生在人群密集擁擠的場景下，因此，現(xiàn)有智能視頻分析技術(shù)在城市管理過程中分析精度較低；且由于各個城市發(fā)展規(guī)模不同，且城市管理需求不同，使得城市管理系統(tǒng)的局限性較大。

技術(shù)實現(xiàn)要素：

鑒于上述問題，提出了本發(fā)明以便提供一種克服上述問題或者至少部分地解決上述問題的，本發(fā)明的技術(shù)方案是這樣實現(xiàn)的：

一方面，本發(fā)明提供了一種城市管理自動監(jiān)測方法，包括：

獲取待檢測視頻圖像以及待檢測模型；

通過所述待檢測模型判斷所述待檢測視頻圖像是否為待檢測目標事件；

如果所述待檢測視頻圖像是待檢測目標事件，則發(fā)出提示信息。

優(yōu)選地，該方法還包括：添加待檢測目標事件類別；

為所述添加的待檢測目標事件類別，增加視頻標注樣本；所述視頻標注樣本包括：標注視頻及其標注樣本信息。

優(yōu)選地，該方法還包括：刪除所述待檢測目標事件類別及其對應(yīng)的視頻標注樣本。

優(yōu)選地，該方法還包括：獲取誤報或者漏報視頻圖像；

標注所述誤報或者漏報視頻圖像。

優(yōu)選地，該方法還包括：預(yù)設(shè)重新學(xué)習(xí)的周期或者重新學(xué)習(xí)的新增視頻標注樣本數(shù)量；

當(dāng)達到所述重新學(xué)習(xí)的周期或者重新學(xué)習(xí)的新增視頻標注樣本數(shù)量，則重新訓(xùn)練各個待檢測目標事件類別對應(yīng)的待檢測模型。

本發(fā)明提供了一種城市管理自動監(jiān)測裝置，包括：

信息獲取單元，用于獲取待檢測視頻圖像以及待檢測模型；

判斷單元，用于通過所述待檢測模型判斷所述待檢測視頻圖像是否為待檢測目標事件；

提示單元，用于如果所述待檢測視頻圖像是待檢測目標事件，則發(fā)出提示信息。

優(yōu)選的，該裝置還包括：

添加單元：用于添加待檢測目標事件類別；

樣本增加單元，用于為所述添加的待檢測目標事件類別，增加視頻標注樣本；所述視頻標注樣本包括：標注視頻及其標注樣本信息。

優(yōu)選的，該裝置還包括：刪除單元，用于刪除所述待檢測目標事件類別及其對應(yīng)的視頻標注樣本。

優(yōu)選的，該裝置還包括：圖像獲取單元，用于獲取誤報或者漏報視頻圖像；

標注單元，用于標注所述誤報或者漏報視頻圖像。

優(yōu)選的，該裝置還包括：閾值設(shè)置單元，用于預(yù)設(shè)重新學(xué)習(xí)的周期或者重 新學(xué)習(xí)的新增視頻標注樣本數(shù)量；

訓(xùn)練單元，用于當(dāng)達到所述重新學(xué)習(xí)的周期或者重新學(xué)習(xí)的新增視頻標注樣本數(shù)量，則重新訓(xùn)練各個待檢測目標事件類別對應(yīng)的待檢測模型。

本發(fā)明提供了一種城市管理自動監(jiān)測系統(tǒng)，包括：如上所述的城市管理自動監(jiān)測裝置。

本發(fā)明提供的一種城市管理自動監(jiān)測方法、裝置及系統(tǒng)，通過自動發(fā)現(xiàn)待檢測目標事件，且可以自動學(xué)習(xí)更新待檢測目標事件對應(yīng)的模型，并發(fā)出提示信息，從而大大提高了城市管理的精度，降低了人力成本，由于本發(fā)明還可以通過增加和/或刪除待檢測目標事件類別及標注視頻標注樣本，以及獲取標注誤報或者漏報視頻圖像，自主學(xué)習(xí)更新各個待檢測目標事件類別對應(yīng)的待檢測模型，從而提高了城市管理系統(tǒng)的應(yīng)用廣度。

附圖說明

圖1為本發(fā)明實施例提供的一種城市管理自動監(jiān)測方法流程圖；

圖2為本發(fā)明實施例提供的一種城市管理自動監(jiān)測裝置結(jié)構(gòu)示意圖；

圖3為本發(fā)明實施例提供的一種城市管理自動監(jiān)測系統(tǒng)結(jié)構(gòu)示意圖。

具體實施方式

為使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合附圖對本發(fā)明實施方式作進一步地詳細描述。

如圖1為所示為本發(fā)明實施例提供的一種城市管理自動監(jiān)測方法流程圖；該包括：

101：獲取待檢測視頻圖像以及待檢測模型；

102：通過所述待檢測模型判斷所述待檢測視頻圖像是否為待檢測目標事件；

103：如果所述待檢測視頻圖像是待檢測目標事件，則發(fā)出提示信息。

需要說明的是，該方法還包括：

添加待檢測目標事件類別；

為所述添加的待檢測目標事件類別，增加視頻標注樣本；所述視頻標注樣 本包括：標注視頻及其標注樣本信息。

具體的講，設(shè)系統(tǒng)啟動初始，默認的待檢測目標事件類別有“行人”和“機動車”；如果用戶需要增加新的待檢測目標事件類別，比如：“黑摩的”的管理問題，則可以先添加名為“黑摩的”的待檢測目標事件類別；然后，可實現(xiàn)對視頻數(shù)據(jù)中的新增待檢測目標事件進行標注，積累新增待檢測目標事件視頻標注樣本。系統(tǒng)可以使用最接近的已有模型對用戶待標注的視頻進行預(yù)標注，使用戶只需修改自動標注中錯誤的部分即可。然后，將標注信息和視頻相關(guān)聯(lián)并保存。

還需要說明的是，該方法還包括：

刪除所述待檢測目標事件類別及其對應(yīng)的視頻標注樣本。

還需要說明的是，該方法還包括：

獲取誤報或者漏報視頻圖像；

標注所述誤報或者漏報視頻圖像。

還需要說明的是，該方法還包括：

預(yù)設(shè)重新學(xué)習(xí)的周期或者重新學(xué)習(xí)的新增視頻標注樣本數(shù)量；具體的講，就是根據(jù)用戶預(yù)設(shè)的重新學(xué)習(xí)周期，例如：一周或者一個月；或者重新學(xué)習(xí)的新增視頻標注樣本數(shù)量，例如：新添加的待檢測目標事件類別或者默認待檢測目標事件類別對應(yīng)的增加視頻標注樣本達到新增視頻標注樣本數(shù)量，例如：新增加一萬條視頻標注樣本；

當(dāng)達到所述重新學(xué)習(xí)的周期或者重新學(xué)習(xí)的新增視頻標注樣本數(shù)量，則重新訓(xùn)練各個待檢測目標事件類別對應(yīng)的待檢測模型。例如：新添加的待檢測目標事件類別“黑摩的”的新增視頻標注樣本數(shù)量達到預(yù)設(shè)周期或者數(shù)量，則提取“黑摩的”待檢測目標事件類別的視頻標注樣本，然后，利用機器學(xué)習(xí)方法重新訓(xùn)練“黑摩的”的圖像檢測模型，具體機器學(xué)習(xí)方法可以使用卷積神經(jīng)網(wǎng)絡(luò)或多層隨機森林等典型機器學(xué)習(xí)方法。

由于所述新增的視頻標注樣本都來自于實際運行所在的城市場景及用戶需求，所以對于實際運行所在城市場景的適應(yīng)性強，長期保持模型技術(shù)指標的穩(wěn)定高。由于機器學(xué)習(xí)方法訓(xùn)練數(shù)據(jù)的規(guī)模非常大，因此，為了加速模型的訓(xùn)練過程需要利用圖形處理器(Graphic Processing Unit，簡稱GPU)服務(wù)器來 完成訓(xùn)練，如果不考慮訓(xùn)練的時間開銷，使用常規(guī)的中央處理器(Central Processing Unit，簡稱CPU)服務(wù)器來完成訓(xùn)練。

基于以上城市管理自動監(jiān)測方法，以下設(shè)系統(tǒng)需要自動監(jiān)測的目標事件為“3個及以上占道經(jīng)營目標”，當(dāng)系統(tǒng)監(jiān)測到滿足所述條件的目標事件即發(fā)送提示信息，例如：觸發(fā)對應(yīng)事件的報警系統(tǒng)。具體的實現(xiàn)過程如下：

S1，獲取待檢測視頻圖像以及待檢測模型，即獲取待檢測區(qū)域內(nèi)的所有待檢測視頻圖像，并獲取所述”占道經(jīng)營”物體模型；

S2，通過”占道經(jīng)營”物體模型判斷所述獲取待檢測區(qū)域內(nèi)的所有視頻圖像中是否為“占道經(jīng)營”事件；

S3，如果所述待檢測視頻圖像是待檢測目標事件且滿足所述待檢測區(qū)域內(nèi)有3個及以上占道經(jīng)營目標，則發(fā)出提示信息。

S4，由于所述“占道經(jīng)營”物體模型可能不完善，發(fā)出提示信息的目標事件可能存在誤報或漏報，則工作人員可以將所述發(fā)生誤報或者漏報的“占道經(jīng)營”目標事件中的假物體進行標注修正，系統(tǒng)獲取到所述標注修正的誤報或者漏報視頻圖像，則標注所述誤報或者漏報視頻圖像，以備后續(xù)”占道經(jīng)營”物體模型重新訓(xùn)練更新所用。

S5，當(dāng)系統(tǒng)達到預(yù)設(shè)重新學(xué)習(xí)的周期或者滿足重新學(xué)習(xí)的新增視頻標注樣本數(shù)量時，“占道攤位”物體模型進行重新訓(xùn)練；

由于增加了有針對性的標注修正，新訓(xùn)練得到的對應(yīng)物體模型將不再發(fā)生同樣的誤報和漏報，從而顯著提高“占道攤位”物體檢測的精度，亦即提高“占道經(jīng)營”事件的檢測精度。

S6，返回S1重新進入迭代周期。

需要說明的是，本發(fā)明提供的城市管理自動監(jiān)測方法不僅僅局限于以上事件的監(jiān)測及報警，還可以實時添加監(jiān)測用戶的其它需求，例如：“馬車進入城市道路”等現(xiàn)象。本發(fā)明通過將數(shù)據(jù)搜集、標注、訓(xùn)練、檢測各環(huán)節(jié)的綜合迭代，使的數(shù)據(jù)收集和系統(tǒng)運行可以螺旋進行，不但能有效搜集數(shù)據(jù)，還可以標注修正數(shù)據(jù)，即當(dāng)前模型誤報或漏報的數(shù)據(jù)，從而從根本上提高監(jiān)測精度。

本發(fā)明還可以自主的增加或刪除所述待檢測目標事件類別以及相應(yīng)的標注數(shù)據(jù)，從而使城市管理自動監(jiān)測方法能夠隨著不同城市用戶需求的發(fā)展而得 到更新。

基于以上實施例，如圖2所示，為本發(fā)明實施例提供的一種城市管理自動監(jiān)測裝置結(jié)構(gòu)示意圖；該裝置包括：

信息獲取單元201，用于獲取待檢測視頻圖像以及待檢測模型；

判斷單元202，用于通過所述待檢測模型判斷所述待檢測視頻圖像是否為待檢測目標事件；

提示單元203，用于如果所述待檢測視頻圖像是待檢測目標事件，則發(fā)出提示信息。

需要說明的是，該裝置還包括：

添加單元：用于添加待檢測目標事件類別；

樣本增加單元，用于為所述添加的待檢測目標事件類別，增加視頻標注樣本；所述視頻標注樣本包括：標注視頻及其標注樣本信息。

還需要說明的是，該裝置還包括：

刪除單元，用于刪除所述待檢測目標事件類別及其對應(yīng)的視頻標注樣本。

還需要說明的是，該裝置還包括：

圖像獲取單元，用于獲取誤報或者漏報視頻圖像；

標注單元，用于標注所述誤報或者漏報視頻圖像。

還需要說明的是，該裝置包括：

閾值設(shè)置單元，用于預(yù)設(shè)重新學(xué)習(xí)的周期或者重新學(xué)習(xí)的新增視頻標注樣本數(shù)量；

訓(xùn)練單元，用于當(dāng)達到所述重新學(xué)習(xí)的周期或者重新學(xué)習(xí)的新增視頻標注樣本數(shù)量，則重新訓(xùn)練各個待檢測目標事件類別對應(yīng)的待檢測模型。

如圖3所示，為本發(fā)明實施例提供的一種城市管理自動監(jiān)測系統(tǒng)結(jié)構(gòu)示意圖；該系統(tǒng)包括：如上所述的城市管理自動監(jiān)測裝置。

本發(fā)明提供的一種城市管理自動監(jiān)測方法、裝置及系統(tǒng)，通過自動發(fā)現(xiàn)待檢測目標事件，且可以自動學(xué)習(xí)更新待檢測目標事件對應(yīng)的模型，并發(fā)出提示信息，從而大大提高了城市管理的精度，降低了人力成本，由于本發(fā)明還可以通過增加和/或刪除待檢測目標事件類別及標注視頻標注樣本，以及獲取標注誤報或者漏報視頻圖像，自主學(xué)習(xí)更新各個待檢測目標事件類別對應(yīng)的待檢測 模型，從而提高了城市管理系統(tǒng)的應(yīng)用廣度。

以上所述僅為本發(fā)明的較佳實施例而已，并非用于限定本發(fā)明的保護范圍。凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換、改進等，均包含在本發(fā)明的保護范圍內(nèi)。