一种城市管理案件分类识别方法技术

本发明专利技术公开了一种城市管理案件分类识别方法，包括以下步骤，获得大量案件图像样本，通过人工对案件图像进行分类识别，并标识出图像中属于城管案件内容的涉及各类物体对象和位置，将人工标识出来的各类物体对象、位置和图像输入到深度学习模型中进行学习训练。本发明专利技术并不直接利用深度学习模型来判断城管案件分类，而是利用深度学习模型得到城管案件图像中出现的各类物体分类以及位置，然后根据场景分类判断算法来判断具体城管案件的类别，降低识别误判率，该方法克服采用深度学习算法模型在实际场景中判断准确率不高的问题，通过本方法可以降低误判率，提高识别的准确率，使之更加符合城管案件识别的实际场景。

A classification and recognition method of urban management cases

The invention discloses a classification and recognition method for urban management cases, which comprises the following steps: obtaining a large number of case image samples, classifying and recognizing the case image manually, identifying various object objects and positions in the image belonging to urban management case content, and inputting various object objects, positions and images identified by human into depth learning model for learning Practice training. The invention does not directly use the deep learning model to judge the classification of urban management cases, but uses the deep learning model to get the classification and location of various objects in the urban management case image, and then judges the category of specific urban management cases according to the scene classification judgment algorithm, reducing the recognition error rate, which overcomes the accuracy of judgment in the actual scene by using the deep learning algorithm model For the problem of low rate, this method can reduce the rate of misjudgment, improve the accuracy of recognition, and make it more in line with the actual scene of urban management case recognition.

【技术实现步骤摘要】
一种城市管理案件分类识别方法
本专利技术涉及城市管理案件分类识别
，尤其涉及一种城市管理案件分类识别方法。
技术介绍
当今，随着快速发展的城镇化进程，人民群众对城市管理不断提高期望值，导致在城市管理中出现各类问题，城市管理智能化随需求应运而生，其既是现代社会发展的需要，也是对传统城市管理方法的革新的需要。而智慧城市管理系统是智能化城市管理的工具和手段，伴随着计算机技术、人工智能及大数据分析等技术的飞速发展而初现雏形，利用图像算法、数据挖掘、调度算法等先进技术能提升城管问题解决效率、最大限度的利用信息资源、减低劳动力成本。现在流行的是基于深度学习的城市管理图像识别技术，这个技术需要算法能够针对不同的城管案件事件类别学习到图像中有效的形状、颜色、纹理等物体特征从而能进行归类。根据公开的数据检索到中国专利CN201811292068一种城市违章智能识别方法就是一种基于深度学习的图片类别识别方案，采用深度学习的方法学习训练各类分类样本的特征得到模型，然后用这个模型来判断实际场景中图像对象的分类。但是这种识别方案存在几个问题：城市管理案件中的图像是在道路、社区、公共场馆等室外场所用手机拍摄或者摄像头采集所得，背景信息较复杂、图像质量较低，采集质量参差不齐，使用现有的深度学习方法进行案件类型识别的结果不理想；另外一个问题在于这种识别方法没有理解城管案件的分类方法：深度学习或者神经网络模型都是采用某种识别算法从大量的样本中学习特征，并建立特征与城管案件类别的关系，而这些识别算法的本质是物体识别，即只能用来判断物体，而并非城管案件中的类别定义，这些类别一般都是定义为一种场景，即多种物体出现的组合条件。
技术实现思路
本专利技术的目的是为了解决现有技术中存在的缺点，而提出的一种城市管理案件分类识别方法。为了实现上述目的，本专利技术采用了如下技术方案：一种城市管理案件分类识别方法，包括以下步骤：101：获得大量案件图像样本，通过人工对案件图像进行分类识别，并标识出图像中属于城管案件内容的涉及各类物体对象和位置；102：将人工标识出来的各类物体对象、位置和图像输入到图像识别模型中进行学习训练，得到改进后的图像识别模型；103：获得大量的场景分类数据以及场景对应的物体对象清单数据；104：将场景分类数据和物体分类清单输入场景识别模型中进行学习，得到改进后的场景识别模型；105：通过城市管理部门业务系统获得图像数据；106：将图像数据作为输入提供给图像识别模型，图像识别模型推理并得到图像中各类物体的预测结果；107：将结果图像中各类物体分类和位置作为输入提供给场景识别模型，算法判断得到具体城管案件的分类；108：城管业务系统根据案件分类进入相应的案件处理流程。作为上述技术方案的进一步描述：所述101步骤中的物体分类包括：人、汽车、三轮车、卷帘门、凳子、桌子、叶蔬菜、水果、垃圾桶、塑料袋、箱子、书本、背景等但不仅限于此；所述101步骤中的图像样本为城市管理案件处理过程生成的各类图像，包括各类违章停车、乱丢垃圾、出店经营等但不仅限于此。作为上述技术方案的进一步描述：所述102步骤中学习训练的目标识别算法为通过不断学习，得到城管物体识别分类的模型，且学习过程包括通过不断调整参数，重复训练过程，其中，目标识别算法包括SSD、YOLO等物体识别算法。作为上述技术方案的进一步描述：所述103步骤中的场景分类包括各类违章停车、乱丢垃圾、出店经营、流动摊贩、乱堆物料等但不仅限于此；所述103步骤中物体对象清单数据的清单数据可以以文本数据、数据库记录的形式提供，一个场景分类对应多个物体对象分类，多个分类数据可以用一个列表或者多条表记录的形式提供。作为上述技术方案的进一步描述：所述104步骤中场景分类识别学习为通过不断学习，得到城管案件场景分类的模型，学习过程包括通过不断调整参数，重复训练过程；其中，场景分类算法包括视觉词包模型、深度学习。作为上述技术方案的进一步描述：所述105步骤中图像的接收方法可以是基于数据流、本地文件、网络传输等方式，且105步骤中图像来源于城管部门的各类摄像装置。作为上述技术方案的进一步描述：所述106步骤中图像识别模型接受一个图像文件，经过图像识别模型的计算，得到一个各类物体的判断概率，通过预定的阈值筛选后，得到图像中物体和物体的位置，且一个图片上面多个物体可以形成一个列表或者数据库记录。作为上述技术方案的进一步描述：所述107步骤中场景识别模型接受物体位置信息根据预定的判断条件实现场景的判断，输出场景的分类结果，其中，场景包括：违章停车、乱丢垃圾、出店经营、流动摊贩、乱堆物料等但不限于此。作为上述技术方案的进一步描述：所述108步骤中城管业务系统接收图像分类、位置信息参数作为输入，引入具体的业务模块，接收手段包括本地函数调用、远程rpc调用等；所述108步骤中案件分类包括：违章停车、乱丢垃圾、出店经营、流动摊贩、乱堆物料等城管案件类别。作为上述技术方案的进一步描述：所述图像识别模型用来对图像中各类物体进行判别，并得到图像中出现的各类物体的分类以及对应位置，其中，图像中物体的识别手段包括SSD、YOLO等目标识别深度学习算法；所述场景识别模型用来对出现的物体组合进行判断，得到图像可能属于的城管案件场景分类，其中，场景识别的手段包括视觉词包模型、深度学习等手段。有益效果本专利技术提供了一种城市管理案件分类识别方法。具备以下有益效果：(1)：该城市管理案件分类识别方法并不直接利用深度学习模型来判断城管案件分类，而是利用深度学习模型得到城管案件图像中出现的各类物体分类以及位置，然后根据场景分类判断算法来判断具体城管案件的类别，降低识别误判率，该方法克服采用深度学习算法模型在实际场景中判断准确率不高的问题，通过本方法可以降低误判率，提高识别的准确率，使之更加符合城管案件识别的实际场景。(2)：该城市管理案件分类识别方法通过对图像内容识别判断提高了城市管理中案件分类的自动化程度，且还通过对图像中的场景匹配判断提高了城市管理中案件分类的准确程度，。附图说明图1为本专利技术提出的一种城市管理案件分类识别方法的流程框图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。参照图1，一种城市管理案件分类识别方法，包括以下步骤：101：获得大量案件图像样本，通过人工对案件图像进行分类识别，并标识出图像中属于城管案件内容的涉及各类物体对象和位置；102：将人工标识出来的各类物体对象、位置和图像输入到图像识别模型中进行学习训练，得到改进后的图像识别模型；103：获得大量的场景分类数据以及场景对应的物体对本文档来自技高网...

【技术保护点】
1.一种城市管理案件分类识别方法，其特征在于，包括以下步骤：/n101：获得大量案件图像样本，通过人工对案件图像进行分类识别，并标识出图像中属于城管案件内容的涉及各类物体对象和位置；/n102：将人工标识出来的各类物体对象、位置和图像输入到图像识别模型中进行学习训练，得到改进后的图像识别模型；/n103：获得大量的场景分类数据以及场景对应的物体对象清单数据；/n104：将场景分类数据和物体分类清单输入场景识别模型中进行学习，得到改进后的场景识别模型；/n105：通过城市管理部门业务系统获得图像数据；/n106：将图像数据作为输入提供给图像识别模型，图像识别模型推理并得到图像中各类物体的预测结果；/n107：将结果图像中各类物体分类和位置作为输入提供给场景识别模型，算法判断得到具体城管案件的分类；/n108：城管业务系统根据案件分类进入相应的案件处理流程。/n

【技术特征摘要】
1.一种城市管理案件分类识别方法，其特征在于，包括以下步骤：
101：获得大量案件图像样本，通过人工对案件图像进行分类识别，并标识出图像中属于城管案件内容的涉及各类物体对象和位置；
102：将人工标识出来的各类物体对象、位置和图像输入到图像识别模型中进行学习训练，得到改进后的图像识别模型；
103：获得大量的场景分类数据以及场景对应的物体对象清单数据；
104：将场景分类数据和物体分类清单输入场景识别模型中进行学习，得到改进后的场景识别模型；
105：通过城市管理部门业务系统获得图像数据；
106：将图像数据作为输入提供给图像识别模型，图像识别模型推理并得到图像中各类物体的预测结果；
107：将结果图像中各类物体分类和位置作为输入提供给场景识别模型，算法判断得到具体城管案件的分类；
108：城管业务系统根据案件分类进入相应的案件处理流程。


2.根据权利要求1所述的一种城市管理案件分类识别方法，其特征在于，所述101步骤中的物体分类包括：人、汽车、三轮车、卷帘门、凳子、桌子、叶蔬菜、水果、垃圾桶、塑料袋、箱子、书本、背景等但不仅限于此；
所述101步骤中的图像样本为城市管理案件处理过程生成的各类图像，包括各类违章停车、乱丢垃圾、出店经营等但不仅限于此。


3.根据权利要求1所述的一种城市管理案件分类识别方法，其特征在于，所述102步骤中学习训练的目标识别算法为通过不断学习，得到城管物体识别分类的模型，且学习过程包括通过不断调整参数，重复训练过程，其中，目标识别算法包括SSD、YOLO等物体识别算法。


4.根据权利要求1所述的一种城市管理案件分类识别方法，其特征在于，所述103步骤中的场景分类包括各类违章停车、乱丢垃圾、出店经营、流动摊贩、乱堆物料等但不仅限于此；
所述103步骤中物体对象清单数据的清单数据可以以文本数据、数据库记录的形式提供，一个场景分类对应多个物体对象分类，多个分类数据可以用一个列表或者多条表...

【专利技术属性】
技术研发人员：王国梁，毛云青，
申请(专利权)人：城云科技中国有限公司，
类型：发明
国别省市：浙江;33