一种智能识别环境卫生的方法及装置制造方法及图纸

本发明专利技术提出了一种智能识别环境卫生的方法及装置。包括：实时抓取监控区域图片，并对抓取到的区域图片进行预处理，将处理后的区域图片作为待识别图片；建立前馈神经CNN网络，根据前馈神经CNN网络从待识别图片提取特征图，并计算特征图的置信度；设定置信度阈值，将特征图的置信度与置信度阈值进行比较，根据比较结果，对该置信度对应的监控区域图片进行识别分类。本发明专利技术通过前馈神经CNN网络能够精确对园区的垃圾进行分类识别，然后对于识别不够准确的小目标，通过感知生成式对抗网络进行辅助识别，保证园区的识别精确度和效率，提高了园区的整洁度。

【技术实现步骤摘要】
一种智能识别环境卫生的方法及装置
本专利技术涉及计算机视觉
，尤其涉及一种智能识别环境卫生的方法及装置。
技术介绍
随着时代的发展，园区对企业发展的作用也越来越大，好的园区能够提升企业的知名度，同时园区的管理就显得十分重要，特别是园区环境管理，干净卫生的园区环境已经成为现有园区的判断标准之一。现有的园区环境管理技术一般都是通过图片识别的方式来对园区中的垃圾进行识别且清理，但是这种方式仅仅只能识别出垃圾，并不能对垃圾进行更进一步识别分类，识别精度不高，存在识别错误的情况，所以，亟需一种智能识别环境卫生的方法能够更高精度对地面垃圾进行识别。上述内容仅用于辅助理解本专利技术的技术方案，并不代表承认上述内容是现有技术。
技术实现思路
有鉴于此，本专利技术提出了一种智能识别环境卫生的方法及装置，旨在解决现有技术无法更加精确对园区内的垃圾进行识别分类的技术问题。本专利技术的技术方案是这样实现的：一方面，本专利技术提供了一种智能识别环境卫生的方法，所述智能识别环境卫生的方法包括以下步骤：S1，实时抓取监控区域图片，并对抓取到的区域图片进行预处理，将处理后的区域图片作为待识别图片；S2，建立前馈神经CNN网络，根据前馈神经CNN网络从待识别图片提取特征图，并计算特征图的置信度；S3，设定置信度阈值，将特征图的置信度与置信度阈值进行比较，根据比较结果，对该置信度对应的监控区域图片进行识别分类。在以上技术方案的基础上，优选的，步骤S1中，实时抓取监控区域图片，并对抓取到的区域图片进行预处理，将处理后的区域图片作为待识别图片，还包括以下步骤，实时抓取监控区域图片，并同步获取监控区域图片对应的区域信息，所述区域信息包括：楼栋区域，花坛区域以及道路区域，从监控区域图片中删除楼栋区域对应的监控区域图片，将剩下的监控区域图片打包作为图片集，对图片集中的区域图片进行预处理，将处理后的区域图片作为待识别图片。在以上技术方案的基础上，优选的，对图片集中的区域图片进行预处理，将处理后的区域图片作为待识别图片，还包括以下步骤，设定图片完整性验证规则，根据该图片完整性验证规则对图片集中的区域图片进行验证，当图片集中的区域图片不满足验证规则时，根据该区域图片对应的区域信息重新抓取区域图片并进行验证；当图片集中的区域图片满足验证规则时，提取该区域图片作为待识别图片。在以上技术方案的基础上，优选的，步骤S2中，建立前馈神经CNN网络，根据前馈神经CNN网络从待识别图片提取特征图，并计算特征图的置信度，还包括以下步骤，建立前馈神经CNN网络，根据该前馈神经CNN网络生成六层卷积层，根据该六层卷积层从待识别图片提取特征图，根据该图像特征获取对应的置信度。在以上技术方案的基础上，优选的，根据该六层卷积层从待识别图片提取特征图，根据该图像特征获取对应的置信度，还包括以下步骤，根据该六层卷积层从待识别图片提取6个特征图，根据该特征图生成对应的默认框，通过卷积核对特征图进行卷积，获取该特征图的置信度，利用默认框输出对应特征图的置信度。在以上技术方案的基础上，优选的，还包括以下步骤，步骤S3中，设定置信度阈值，将图像特征的置信度与置信度阈值进行比较，根据比较结果，对该置信度对应的图像特征进行识别分类，还包括以下步骤，设定置信度阈值，将图像特征的置信度与置信度阈值进行比较，当图像特征的置信度大于置信度阈值时，保留该置信度对应的默认框，并通过非极大值抑制法从保留的默认框中筛选出没有互相相交的默认框作为最终默认框，对该最终默认框对应的图像特征进行识别分类；当图像特征的置信度小于置信度阈值时，删除该置信度对应的默认框。在以上技术方案的基础上，优选的，对该最终默认框对应的图像特征进行识别分类，还包括以下步骤，当识别分类结果为大目标时，直接输出该结果，所述大目标包括：塑料瓶、垃圾袋、车辆、动物以及人；当识别分类结果为小目标时，所述小目标包括：落叶以及纸屑，建立感知生成式对抗网络，根据该感知生成式对抗网络对小目标对应的特征图进行标记放大，并对放大后的特征图进行识别分类。更进一步优选的，所述智能识别环境卫生的装置包括：抓取模块，用于实时抓取监控区域图片，并对抓取到的区域图片进行预处理，将处理后的区域图片作为待识别图片；计算模块，用于建立前馈神经CNN网络，根据前馈神经CNN网络从待识别图片提取特征图，并计算特征图的置信度；识别分类模块，用于设定置信度阈值，将特征图的置信度与置信度阈值进行比较，根据比较结果，对该置信度对应的图像特征进行识别分类。第二方面，所述智能识别环境卫生的方法还包括一种存储设备，所述存储设备包括：存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的智能识别环境卫生的方法程序，所述智能识别环境卫生的方法程序配置为实现如上文所述的智能识别环境卫生的方法的步骤。第三方面，所述智能识别环境卫生的方法还包括一种介质，所述介质为计算机介质，所述计算机介质上存储有智能识别环境卫生的方法程序，所述智能识别环境卫生的方法程序被处理器执行时实现如上文所述的智能识别环境卫生的方法的步骤。本专利技术的一种智能识别环境卫生的方法相对于现有技术具有以下有益效果：(1)通过建立前馈神经CNN网络对园区监控区域的画面进行分类识别，通过前馈神经CNN网络能够提高园区图像特征分类识别的精确度，提升系统识别效率。(2)通过感知生成式对抗网络辅助前馈神经CNN网络，对前馈神经CNN网络无法识别的小目标进行标记放大后识别，能够对前馈神经CNN网络的识别分类效果进行完善，整体提升了园区图像特征识别分类的效率。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术实施例方案涉及的硬件运行环境的设备的结构示意图；图2为本专利技术智能识别环境卫生的方法第一实施例的流程示意图；图3为本专利技术智能识别环境卫生的方法第一实施例的功能模块示意图。具体实施方式下面将结合本专利技术实施方式，对本专利技术实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式仅仅是本专利技术一部分实施方式，而不是全部的实施方式。基于本专利技术中的实施方式，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施方式，都属于本专利技术保护的范围。如图1所示，该存储设备可以包括：处理器1001，例如中央处理器(CentralProcessingUnit，CPU)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。本文档来自技高网...

【技术保护点】
1.一种智能识别环境卫生的方法，其特征在于：包括以下步骤；/nS1，实时抓取监控区域图片，并对抓取到的区域图片进行预处理，将处理后的区域图片作为待识别图片；/nS2，建立前馈神经CNN网络，根据前馈神经CNN网络从待识别图片提取特征图，并计算特征图的置信度；/nS3，设定置信度阈值，将特征图的置信度与置信度阈值进行比较，根据比较结果，对该置信度对应的监控区域图片进行识别分类。/n

【技术特征摘要】
1.一种智能识别环境卫生的方法，其特征在于：包括以下步骤；
S1，实时抓取监控区域图片，并对抓取到的区域图片进行预处理，将处理后的区域图片作为待识别图片；
S2，建立前馈神经CNN网络，根据前馈神经CNN网络从待识别图片提取特征图，并计算特征图的置信度；
S3，设定置信度阈值，将特征图的置信度与置信度阈值进行比较，根据比较结果，对该置信度对应的监控区域图片进行识别分类。


2.如权利要求1所述的智能识别环境卫生的方法，其特征在于：步骤S1中，实时抓取监控区域图片，并对抓取到的区域图片进行预处理，将处理后的区域图片作为待识别图片，还包括以下步骤，实时抓取监控区域图片，并同步获取监控区域图片对应的区域信息，所述区域信息包括：楼栋区域，花坛区域以及道路区域，从监控区域图片中删除楼栋区域对应的监控区域图片，将剩下的监控区域图片打包作为图片集，对图片集中的区域图片进行预处理，将处理后的区域图片作为待识别图片。


3.如权利要求2所述的智能识别环境卫生的方法，其特征在于：对图片集中的区域图片进行预处理，将处理后的区域图片作为待识别图片，还包括以下步骤，设定图片完整性验证规则，根据该图片完整性验证规则对图片集中的区域图片进行验证，当图片集中的区域图片不满足验证规则时，根据该区域图片对应的区域信息重新抓取区域图片并进行验证；当图片集中的区域图片满足验证规则时，提取该区域图片作为待识别图片。


4.如权利要求3所述的智能识别环境卫生的方法，其特征在于：步骤S2中，建立前馈神经CNN网络，根据前馈神经CNN网络从待识别图片提取特征图，并计算特征图的置信度，还包括以下步骤，建立前馈神经CNN网络，根据该前馈神经CNN网络生成六层卷积层，根据该六层卷积层从待识别图片提取特征图，根据该图像特征获取对应的置信度。


5.如权利要求4所述的智能识别环境卫生的方法，其特征在于：根据该六层卷积层从待识别图片提取特征图，根据该图像特征获取对应的置信度，还包括以下步骤，根据该六层卷积层从待识别图片提取6个特征图，根据该特征图生成对应的默认框，通过卷积核对特征图进行卷积，获取该特征图的置信度，利用默认...

【专利技术属性】
技术研发人员：胡金吒，郑楠，刘岩松，胡志伟，王磊，张明镜，廖磊，刘牛，彭小丽，苏杰，杨辰珉，
申请(专利权)人：武汉光谷联合集团有限公司，
类型：发明
国别省市：湖北;42