城市智能红线管理方法及机器可读存储介质技术

本发明专利技术涉及城市智能管理领域。本发明专利技术实施例提供一种城市智能红线管理方法及机器可读存储介质，所述城市智能红线管理方法包括：获取视频监控画面；提取所述视频监控画面中的图像特征，并基于场景特征模型以及设定的违规识别规则识别所提取的图像特征是否为违章图像特征；若所提取的图像特征是违章图像特征，则判断该所提取的图像特征是否满足告警条件；以及当该所提取的图像特征满足告警条件时，执行报警操作。由此，将城市管理人员从将视频监视人员转变为视频审核员，从“死盯”屏幕中解脱出来，将专注重心放在视频分析系统报警触发后的事件核查工作上，实现视频监控系统在城市管理领域的高效拓展利用。

【技术实现步骤摘要】
城市智能红线管理方法及机器可读存储介质
本专利技术涉及城市智能管理领域，具体地涉及一种城市智能红线管理方法及机器可读存储介质。
技术介绍
目前，城管违章查处主要靠现场巡逻和视频监控。其中，一方面，现场巡逻会导致人力资源的浪费，并且监管效率低下；另一方面，传统的视频监控系统，需要组建专职视频监控巡查队伍，并需要长时间不间断人工查看视频监视器内容，容易导致工作人员视觉疲劳、注意力下降、效率低下；并且，往往一个值班人员需要对着多个监视器，人眼观察范围有限，无法同时长时间关注多个屏幕，无法有效发现违法行为并进行处理；另外，由于人眼视觉灵敏度有限，对于光线变化较大、监控距离较远的场景无法察觉；传统的视频监控体系仅仅肉眼围绕视频监控画面本身展开，容易遗漏掉监控视频所拍摄到的违法行为。
技术实现思路
本专利技术实施例的目的是提供一种城市智能红线管理方法及机器可读存储介质，用以至少解决现有技术中视频监控画面过于依赖人员监视的问题。为了实现上述目的，本专利技术实施例提供一种城市智能红线管理方法，包括：获取视频监控画面；提取所述视频监控画面中的图像特征，并基于场景特征模型以及设定的违规识别规则识别所提取的图像特征是否为违章图像特征；若所提取的图像特征是违章图像特征，则判断该所提取的图像特征是否满足告警条件；以及当该所提取的图像特征满足告警条件时，执行报警操作。本专利技术实施例另一方面提供一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令用于使得机器执行本申请上述的城市智能红线管理方法。通过上述技术方案，提出了自动预测告警方案，使得在得到视频监控画面之后自动预测其是否为违章行为，并在判定是违章行为时执行报警操作。由此，减少人工查看视频监视器工作量，将传统的人工监测视频变换为智能识别、自动报警、人工审核确认的模式，将视频监视人员转变为视频审核员，从“死盯”屏幕中解脱出来，将专注重心放在视频分析系统报警触发后的事件核查工作上，实现视频监控系统在城市管理领域的高效拓展利用。本专利技术实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。附图说明附图是用来提供对本专利技术实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本专利技术实施例，但并不构成对本专利技术实施例的限制。在附图中：图1是本专利技术一实施例的城市智能红线管理方法的流程图；图2A是应用于本专利技术实施例中的语义分割模型的工作原理示意图；图2B是应用于本专利技术实施例中的场景特征模型的工作原理示意图；图3是针对场景特征模型的训练流程图；图4是本专利技术一实施例的图像识别引擎的整体框架；图5是本专利技术另一实施例的城市智能红线管理方法的流程图。具体实施方式以下结合附图对本专利技术实施例的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本专利技术实施例，并不用于限制本专利技术实施例。如图1所示，本专利技术一实施例的城市智能红线管理方法，包括：S11、获取视频监控画面，例如可以是从监控视频中解析出单帧的视频监控画面。关于本专利技术实施例方法的执行客体，其一方面可以是各种通用型终端或服务器，其通过安装应用以能够执行上述的方法，其另一方面可以是专用于城市智能红线管理的设备等。S12、提取视频监控画面中的图像特征，并基于场景特征模型以及设定的违规识别规则识别所提取的图像特征是否为违章图像特征。具体的，其可以是通过语义分割模型从视频监控画面中提取目标范围，其中该语义分割模型可以是以如图2A所示的全卷积神经网络（FCN）为基础的，并检测目标范围内的潜在违章对象的图像特征，进一步地如图2B所示，通过场景特征模型以及设定的违规识别规则对图像特征进行分类，以判定是否存在违章行为；其中，该场景特征模型也可以是卷积神经网络模型，而该违规识别规则则包括：识别区域、数量、占图比例、相似度、是否有人参与、是否组合识别，存在间隔时间中的一种或多种判断条件的结合，以对被识别物体及其组合是否落入所述判断条件进行判定。此外为了能够快速地识别图像特征是否属于违章图像特征，其可以是预先获取在不存在违章行为时视频监控终端所采集的初始视频监控画面，并将初始视频监控画面标定监控背景画面，其中该监控背景画面被场景特征模型以及设定的违规识别规则用于识别图像特征是否为违章图像特征。深层的卷积神经网络模型的一个主要的缺点是需要大量的数据来支撑网络参数的训练，否则网络训练很容易不收敛。为了解决该问题，本专利技术实施例提出如图3所示的针对场景特征模型的训练过程，包括S121、从互联网上采集对应违章图像特征的图像数据；S122、按照违章图像特征对所采集的图像数据进行分类，以得到分类图像数据；S123、基于分类图像数据和相对应的违章图像特征，训练场景特征模型。例如，违章图像特征包括以下中的一者或多者：流动小摊贩、店外占道经营和非法入侵区域，而该前述场景特征模型由于属于设定的违规识别规则中的场景特征模型，其符合该违规识别规则，即符合预设的识别区域、数量、占图比例、相似度、是否有人参与、是否组合识别，存在间隔时间中的一种或多种判断条件结合的判断范围内，因此被判定为违章图像特征。由此，本专利技术实施例提出迁移学习的方式。即先使用网络上的分类数据库进行训练，得到一个预训练的模型，预训练的模型能够很好地学习到图像中的一些浅层特征，如：纹理，形状，颜色等信息。再将预训练模型的参数迁移到实际任务中去训练学习高层次的语义特征来提升实际的识别效果。S13、若所提取的图像特征是违章图像特征，则判断该所提取的图像特征是否满足告警条件。具体的，一方面，告警条件的定义中涉及的参数包含：可以是违章行为持续时间阈值，并通过对比所提取的图像特征所持续的时间与所述违章行为持续时间阈值，此时可以是提取连续的多帧监控画面上述的图像特征的持续时间，当该所提取的图像特征所持续的时间大于违章行为持续时间阈值时执行报警操作，例如当判断存在有超出此区域惯常物体面积阀值的物体，并且该物体的持续时间超过了一定时间，则可以认为可能存在摆摊行为，满足告警条件。另一方面，所提取的行为涉及目标物体，告警条件包括关于目标物体的数量阈值，并当所提取的图像特征指示存在数量超过所述数量阈值的目标物体时，执行报警操作，例如目标物体可以是桌子、板凳、冰柜等，当识别出存在多个桌子或板凳时，则可以认为可能存在摆摊行为，满足告警条件。由于不同监控区域所需求的监控对象和告警条件不一样，因此在本专利技术实施例的一些优选实施方式中，可以是基于监控区域类型确定相应的告警条件，其中监控区域类型是被预配置在视频监控终端中的。需说明的是，视频监控终端是安装在城市的各种类型的区域的，其可以是安装在公交站点、沿街商铺和/或限入地区等，然而不同的区域对违章行为的界定是不同的，例如公交站点不允许摆摊、限入地区不允许行人进入等。因此，可以是针对视频监控终端的安装环境为其配置相应的监控区域类型，使得在之后的分析过程中可以依据该监控区域类型确定出告警条件，例如可以是在城市智能红线管理系统中预先配置有具备映射关系“公交站点-摆摊告警条件”、“限制区域-非法入侵区域条件”等的关系表格。S14、当该所提取的图像特征满足告警条件时，执行报警操作。关于该报警操作的方式，可以是声光报警、短信息报警等，以提醒监管人员注意对该所预测的视频监控画面或其本文档来自技高网...

【技术保护点】
1.一种城市智能红线管理方法，包括：获取视频监控画面；提取所述视频监控画面中的图像特征，并基于场景特征模型以及设定的违规识别规则识别所提取的图像特征是否为违章图像特征；若所提取的图像特征是违章图像特征，则判断该所提取的图像特征是否满足告警条件；以及当该所提取的图像特征满足告警条件时，执行报警操作。

【技术特征摘要】
1.一种城市智能红线管理方法，包括：获取视频监控画面；提取所述视频监控画面中的图像特征，并基于场景特征模型以及设定的违规识别规则识别所提取的图像特征是否为违章图像特征；若所提取的图像特征是违章图像特征，则判断该所提取的图像特征是否满足告警条件；以及当该所提取的图像特征满足告警条件时，执行报警操作。2.根据权利要求1所述的方法，其特征在于，所述违规识别规则包括：识别区域、数量、占图比例、相似度、是否有人参与、是否组合识别，存在间隔时间中的一种或多种判断条件的结合，以对被识别物体及其组合是否落入所述判断条件进行判定。3.根据权利要求1所述的方法，其特征在于，所述告警条件包括违章行为持续时间阈值，其中所述当该所提取的图像特征满足告警条件时执行报警操作包括：当该所提取的图像特征所持续的时间大于所述违章行为持续时间阈值时，执行报警操作。4.根据权利要求1所述的方法，其特征在于，该所提取的行为涉及目标物体，以及所述告警条件包括关于目标物体的数量阈值，其中所述当该所提取的图像特征满足告警条件时执行报警操作包括：当所述所提取的图像特征指示存在数量超过所述数量阈值的目标物体时，执行报警操作。5.权利要求1所述的方法，其特征在于，在所述判断所提取的图像特征是否满足告警条件之前，该方法还...

【专利技术属性】
技术研发人员：杨方勤，郑成龙，张佩军，吴伟，朱征，吴坚，
申请(专利权)人：中智城信息技术有限公司，
类型：发明
国别省市：江苏,32