一种基于深度学习的门前三包检测的方法及系统技术方案

本发明专利技术公开了一种基于深度学习的门前三包检测的方法及系统，包括配置模块、异常物检测模块、重复度判断模块、系统预警模块和人工处理模块；通过配置模块设置门前三包区域，建立背景库、通常物数据库和杂乱物数据库；通过异常物检测模块检测门前三包区域内的异常物；通过重复度判断模块，对异常物进行重复度判断；通过系统预警模块，对满足重复度的异常物进行预警，通知人工处理；通过人工处理模块，对异常物进行人工确认：若确认为杂乱物，则下发工单进行处理，调用杂乱物构建模型；若确认为通常物，调用通常物构建模型。本发明专利技术能代替人工高效准确的完成门前三包检测，进而能有效地维护城市的良好形象。维护城市的良好形象。维护城市的良好形象。

【技术实现步骤摘要】
一种基于深度学习的门前三包检测的方法及系统


[0001]本专利技术涉及一种基于深度学习的门前三包检测的方法及系统，属于计算机深度学习技术。

技术介绍

[0002]“门前三包”是推进文明城市创建的一项重要举措，能够彻底整治“脏、乱、差”的城市顽疾。“门前三包”主要包括如下几个部分：
[0003](1)包环境卫生：应达到地面无瓜果皮核、烟蒂、纸屑等垃圾污物，无积水、积雪；垃圾分类并袋装，定点、定时投放；不得将垃圾等扫入道路、下水道、绿地和他人责任区。
[0004](2)包美化绿化：应达到建(构)筑物外立面整洁、美观，楼体粉饰；立面及玻璃橱窗内外无张贴、涂写、刻画、悬挂等现象；牌匾及亮化设施按要求设置，无破损、残缺、污浊等现象；门前绿地、花坛内外、树木周围整洁卫生，无倚树搭棚、践踏草坪、擅自占用绿地、钉钉拉绳等损坏树木、花草及设施的行为。
[0005](3)包市容秩序：应达到无门前设摊设点、占道经营、占道加工生产、乱摆乱堆杂物、乱搭乱建、乱停机动和非机动车辆等行为。
[0006]但是现有的“门前三包”责任需要靠人定期检本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的门前三包检测方法，其特征在于：包括如下步骤：S1、设置门前三包区域，安装摄像头，采集不同场景下门前三包区域清洁状态理想的图片，并将之设置为不同场景下的背景图片，将所有背景图片存储在背景库中；设置通常物数据库，用于存储通常物模型，通常物为不影响门前三包区域清洁状态理想的异常物；设置杂乱物数据库，用于存储杂乱物模型，杂乱物为影响门前三包区域清洁状态理想的异常物；S2、定时采集门前三包区域的图片，对比相同场景下的背景图片，检测门前三包区域内的异常物；S3、对异常物进行重复度判断，重复度为该异常物在连续的N张采集图片中出现的次数M：若M/N大于设定阈值，则进入步骤S4；否则，返回步骤S2；S4、人工确认预警，并记录异常物随时间的运动轨迹；S5、异常物人工确认：若确认为杂乱物，则下发工单进行处理，结合运动轨迹构建该杂乱物模型，加入杂乱物数据库；若确认为通常物，则结合运动轨迹构建该通常物模型，加入通常物数据库。2.根据权利要求1所述的基于深度学习的门前三包检测方法，其特征在于：所述步骤S2中，结合差值物检测法和通常物检测法对异常物进行检测；所述差值物检测法，先将采集图片与相同场景下的背景图片进行图片色调校准，再计算像素点之间的差值以确定异常物区域；所述通常物检测法，先对异常物区域进行特征图像的提取，对比通常物数据库和杂乱物数据库：若异常物为通常物，则重复步骤S2；若异常物为杂乱物，则下发工单进行处理；否则，进入步骤S3。3.根据权利要求2所述的基于深度学习的门前三包检测方法，其特征在于：所述步骤S2中，构建深度学习网络对异常物的检测过程进行学习。4.根据权利要求3所述的基于深度学习的门前三包检测方法，其特征在于：所述深度学习网络的训练过程中，先...

【专利技术属性】
技术研发人员：黄建鹏，魏宝军，
申请(专利权)人：苏州折多山科技有限公司，
类型：发明
国别省市：