基于深度学习目标检测的非法流动摊贩识别方法技术

本发明专利技术的目的是提供一种基于深度学习目标检测的非法流动摊贩识别方法，包括以下步骤：获取道路监控图像，并将该道路监控视频截成帧图像；利用目标检测模型从帧图像中检测出摊位和行人的位置；根据摊位的位置，滤除图像中运动的摊位，保留固定摊位；基于固定摊位的位置和数量，用K‑means聚类方法对行人聚类，得到与每个固定摊位对应的行人；利用行人识别模型和摊位识别模型分别区分不同的行人和摊位；判定被划分为同一个固定摊位所在类的行人是否为摊贩。本发明专利技术提供的方法可以实现对道路监控范围内存在的非法流动摊贩进行自动取证，有效地提高城市管理部门的效率，减少人力成本。

Identification Method of Illegal Mobile Vendors Based on Deep Learning Target Detection

The object of the present invention is to provide a method for identifying illegal mobile vendors based on in-depth learning target detection, which includes the following steps: acquiring road monitoring image and truncating the road monitoring video into a frame image; detecting the location of stalls and pedestrians from the frame image by using the target detection model; and filtering the location of stalls according to the location of stalls. Fixed stalls are reserved for moving stalls in images; based on the location and number of fixed stalls, pedestrians are clustered by K_means clustering method to get the pedestrians corresponding to each fixed stall; different pedestrians and stalls are distinguished by using pedestrian recognition model and stall recognition model; and the same fixed stall is determined. Whether pedestrians of the category are vendors or not. The method provided by the invention can realize automatic forensic collection for illegal mobile vendors existing in the scope of road monitoring, effectively improve the efficiency of urban management departments and reduce human cost.

【技术实现步骤摘要】
基于深度学习目标检测的非法流动摊贩识别方法
本专利技术属于智能城市管理应用领域，具体涉及基于深度学习目标检测的非法流动摊贩识别方法。
技术介绍
流动摊贩，指没有固定经营位置，以流动的形式在城市中贩卖物品的商人或小贩。流动商贩大多没有经营许可，其贩卖的商品无法得到质量保证。而且，流动摊贩存在明火烧烤、煎炸食品等行为，产生大量废弃物，影响城市容貌，造成污染。商贩贩卖的物品以早餐、熟食、水果等食品居多，如果卫生条件、食品质量得不到保证，将会造成一定的健康危害。因此，流动摊贩成为了城市管理部门整治的主要对象之一。由于流动摊贩的流动性强，活动范围广，使得相关部门难以对其进行管理。随着人工智能技术的快速发展，可以利用相关技术对流动摊贩进行识别，从而实现自动抓拍取证的效果。使用基于深度学习的非法流动摊贩识别系统，能够自动从监控探头画面中检测是否存在流动摊贩，进而节省城市管理部门的人力，提高城市管理效率。在非法流动摊贩识别的过程中，需要从图像中检测出行人与摊位，根据行人与摊位的相对位置、运动轨迹，分析出哪些行人是流动摊贩，进而进行抓拍取证。对此，需要采用目标检测方法，从图像中找出人们感兴趣的物体，并本文档来自技高网...

【技术保护点】
1.一种基于深度学习的目标检测的非法流动摊贩识别方法，包括以下步骤：(1)获取道路监控图像，并将该道路监控视频截成帧图像；(2)利用目标检测模型从帧图像中检测出摊位和行人的位置；(3)根据摊位的位置，滤除图像中运动的摊位，保留固定摊位；(4)基于固定摊位的位置和数量，用K‑means聚类方法对行人聚类，得到与每个固定摊位对应的行人；(5)利用行人识别模型和摊位识别模型分别区分不同帧图像中的行人或摊位是否为同一个行人或摊位；(6)判定被划分为同一个固定摊位所在类的行人是否为摊贩；所述目标检测模型由Inception Resnet v2网络和Faster R‑CNN网络组成的学习网络训练得到；所述...

【技术特征摘要】
1.一种基于深度学习的目标检测的非法流动摊贩识别方法，包括以下步骤：(1)获取道路监控图像，并将该道路监控视频截成帧图像；(2)利用目标检测模型从帧图像中检测出摊位和行人的位置；(3)根据摊位的位置，滤除图像中运动的摊位，保留固定摊位；(4)基于固定摊位的位置和数量，用K-means聚类方法对行人聚类，得到与每个固定摊位对应的行人；(5)利用行人识别模型和摊位识别模型分别区分不同帧图像中的行人或摊位是否为同一个行人或摊位；(6)判定被划分为同一个固定摊位所在类的行人是否为摊贩；所述目标检测模型由InceptionResnetv2网络和FasterR-CNN网络组成的学习网络训练得到；所述行人识别模型和摊贩识别模型均由InceptionResnetv2网络训练得到。2.根据权利要求1所述的基于深度学习的目标检测的非法流动摊贩识别方法，其特征在于，所述的步骤(3)中保留固定摊位的方法为：将每一个检测到的摊位的位置和特征向量存储到数据库中，并增加一个计数变量COUNT；每当检测到一个新的摊位，将它的特征向量与已存的目标进行比对；若在数据库中存储有相同目标，并且目标的坐标变化小于预设值，则增加其计数值COUNT+n1，并更新数据库中对应目标的信息；若数据库中未存储该目标，则将其存入数据库；若数据库中某个目标在某帧中未出现，则减小其计数值COUNT-n2。3.根据权利要求2所述的基于深度学习的目标检测的非法流动摊贩识别方法，其特征在于，所述的步骤(3)中保留固定摊位的方法还包括：给定最高阈值COUNT_MAX与最低阈值COUNT_MIN；若COUNT大于COUNT_MAX，则将COUNT置为最高值COUNT_MAX；若COUNT小于COUNT_MIN，则删除当前目标。4.根据权利要求1所述的基于深度学习的目标检测的非法流动摊贩识别方法，其特征在于，所述步骤(4)中得到与固定摊位对应的行人的方法为：根据固定摊位的数量n，将n个固定摊位的中心点作为初始的样本点；根据每个行人的中心位置与每个类簇的重心距...

【专利技术属性】
技术研发人员：陈晋音，龚鑫，方航，俞露，王诗铭，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：浙江,33