一种基于渣土车监控的无人机定点巡检方法及系统技术方案

本发明专利技术提供一种基于渣土车监控的无人机定点巡检方法及系统，通过获取监控无人机对渣土车进行定点巡检的定点巡检数据流，并对定点巡检数据流进行数据分析，实时预测目标渣土车在之后预设时间段内的行车定位预测信息后，将定点巡检数据流和定点巡检数据流对应的行车定位预测信息输入至违章行为解析网络中，识别出违章行为以及对应的违章置信度，然后根据预设违章关系网络利用违章行为解析网络输出的违章行为和违章置信度进行违章原因的追溯分析得到关系违章原因和关系原因置信度，从而提高了违章行为的识别精度和识别范围。高了违章行为的识别精度和识别范围。高了违章行为的识别精度和识别范围。

【技术实现步骤摘要】
一种基于渣土车监控的无人机定点巡检方法及系统


[0001]本专利技术涉及渣土车监控
，具体而言，涉及一种基于渣土车监控的无人机定点巡检方法及系统。

技术介绍

[0002]目前，针对渣土车的监控非常重要。在相关技术方案中，针对渣土车违章行为的识别，缺乏违章原因的追溯分析，导致降低了违章行为的识别精度和识别范围，在后续进行预警信息管理过程中可能会缺乏有效的判别依据。

技术实现思路

[0003]为了至少克服现有技术中的上述不足，本专利技术的目的在于提供一种基于渣土车监控的无人机定点巡检方法及系统。
[0004]第一方面，本专利技术提供一种基于渣土车监控的无人机定点巡检方法，应用于云服务平台，所述云服务平台与多个监控无人机通信连接，所述监控无人机用于在渣土车的出没区域对渣土车进行定点巡检，所述方法包括：获取所述监控无人机对渣土车进行定点巡检的定点巡检数据流，并对所述定点巡检数据流进行数据分析，实时预测所述目标渣土车在之后预设时间段内的行车定位预测信息；将所述定点巡检数据流和所述定点巡检数据流对应的行车定位预测信息输入至违章行为解析网络中得到违章行为标签以及与所述违章行为标签对应的违章置信度；将所述违章行为标签输入至预设违章关系网络中进行关系传递得到与所述违章行为标签相关联的关系违章原因标签，并根据所述违章行为标签对应的违章置信度得到与所述关系违章原因标签对应的关系原因置信度；输出所述违章行为标签、与所述违章行为标签对应的违章置信度、所述关系违章原因标签以及与所述关系违章原因标签对应的关系原因置信度。
[0005]第二方面，本专利技术实施例还提供一种基于渣土车监控的无人机定点巡检系统，所述基于渣土车监控的无人机定点巡检系统包括云服务平台以及与所述云服务平台通信连接的多个监控无人机，所述监控无人机用于在渣土车的出没区域对渣土车进行定点巡检；所述云服务平台，用于：获取所述监控无人机对渣土车进行定点巡检的定点巡检数据流，并对所述定点巡检数据流进行数据分析，实时预测所述目标渣土车在之后预设时间段内的行车定位预测信息；将所述定点巡检数据流和所述定点巡检数据流对应的行车定位预测信息输入至违章行为解析网络中得到违章行为标签以及与所述违章行为标签对应的违章置信度；将所述违章行为标签输入至预设违章关系网络中进行关系传递得到与所述违章行为标签相关联的关系违章原因标签，并根据所述违章行为标签对应的违章置信度得到与
所述关系违章原因标签对应的关系原因置信度；输出所述违章行为标签、与所述违章行为标签对应的违章置信度、所述关系违章原因标签以及与所述关系违章原因标签对应的关系原因置信度。
[0006]根据上述任意一个方面，本专利技术提供的实施方式中，通过获取监控无人机对渣土车进行定点巡检的定点巡检数据流，并对定点巡检数据流进行数据分析，实时预测目标渣土车在之后预设时间段内的行车定位预测信息后，将定点巡检数据流和定点巡检数据流对应的行车定位预测信息输入至违章行为解析网络中，识别出违章行为以及对应的违章置信度，然后根据预设违章关系网络利用违章行为解析网络输出的违章行为和违章置信度进行违章原因的追溯分析得到关系违章原因和关系原因置信度，从而提高了违章行为的识别精度和识别范围。
附图说明
[0007]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要调用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，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它相关的附图。
[0008]图1为本专利技术实施例提供的基于渣土车监控的无人机定点巡检系统的应用场景示意图；图2为本专利技术实施例提供的基于渣土车监控的无人机定点巡检方法的流程示意图；图3为本专利技术实施例提供的用于实现上述的基于渣土车监控的无人机定点巡检方法的云服务平台的结构示意框图。
具体实施方式
[0009]下面结合说明书附图对本专利技术进行具体说明，方法实施例中的具体操作方法也可以应用于装置实施例或系统实施例中。
[0010]图1是本专利技术一种实施例提供的基于渣土车监控的无人机定点巡检系统10的应用场景示意图。基于渣土车监控的无人机定点巡检系统10可以包括云服务平台100以及与云服务平台100通信连接的监控无人机200。图1所示的基于渣土车监控的无人机定点巡检系统10仅为一种可行的示例，在其它可行的实施例中，该基于渣土车监控的无人机定点巡检系统10也可以仅包括图1所示组成部分的其中的至少部分或者还可以包括其它的组成部分。
[0011]一种可能的设计思路中，基于渣土车监控的无人机定点巡检系统10中的云服务平台100和监控无人机200可以通过配合执行以下方法实施例所描述的基于渣土车监控的无人机定点巡检方法，具体云服务平台100和监控无人机200的执行步骤部分可以过往以下方法实施例的详细描述。
[0012]为了解决前述
技术介绍
中的技术问题，本实施例提供的基于渣土车监控的无人机定点巡检方法可以由图1中所示的云服务平台100执行。图2为本专利技术实施例提供的基于渣土车监控的无人机定点巡检方法的流程示意图。图2中所示的基于渣土车监控的无人机定
点巡检方法包括有步骤S110至步骤S130。下面对该基于渣土车监控的无人机定点巡检方法的步骤进行详细介绍。
[0013]步骤S110，获取所述监控无人机对渣土车进行定点巡检的定点巡检数据流，并对所述定点巡检数据流进行数据分析，实时预测所述目标渣土车在之后预设时间段内的行车定位预测信息。
[0014]步骤S120，将所述定点巡检数据流和所述定点巡检数据流对应的行车定位预测信息输入至违章行为解析网络中得到违章行为标签以及与所述违章行为标签对应的违章置信度。
[0015]其中，定点巡检数据流是由监控无人机发送给云服务平台的，监控无人机将定点巡检所产生的各种数据（如视频流数据）等组合形成定点巡检数据流发送至云服务平台，由云服务平台判断该定点巡检数据流是否存在违章行为标签，如果存在，则云服务平台可以输出该违章行为标签对应的定点巡检数据流片段，以便于相关用户对该定点巡检数据流进行处理。
[0016]例如，违章行为解析网络是预先生成的用于对定点巡检数据流进行预测违章行为标签以及与违章行为标签对应的违章置信度的，其中违章行为解析网络可以是基于无监督网络训练获得的深度学习网络模型。
[0017]违章行为标签是可以用于表征违章行为的类别属性，违章置信度是用于衡量某个片段的行为为违章行为的度量值，例如该度量值可以介于0至100之间。
[0018]云服务平台将定点巡检数据流输入至违章行为解析网络中，其中在违章行为解析网络中设置了匹配特征单元，通过该些匹配特征单元可以判断定点巡检数据流中是否存在违章行为信息，如果存在，则说明该定点巡检数据流中某个片段对应的行为为违章行为，云服务平台根据该定点巡检数据流计算违章行为的违章置信度，因此最后违章行为解析网络输出违章行为标签和对应的违章置信度。
[0019]步骤S130，将本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于渣土车监控的无人机定点巡检方法，其特征在于，应用于云服务平台，所述云服务平台与多个监控无人机通信连接，所述监控无人机用于在渣土车的出没区域对渣土车进行定点巡检，所述方法包括：获取所述监控无人机对渣土车进行定点巡检的定点巡检数据流，并对所述定点巡检数据流进行数据分析，实时预测所述渣土车在之后预设时间段内的行车定位预测信息；将所述定点巡检数据流和所述定点巡检数据流对应的行车定位预测信息输入至违章行为解析网络中得到违章行为标签以及与所述违章行为标签对应的违章置信度；将所述违章行为标签输入至预设违章关系网络中进行关系传递得到与所述违章行为标签相关联的关系违章原因标签，并根据所述违章行为标签对应的违章置信度得到与所述关系违章原因标签对应的关系原因置信度；输出所述违章行为标签、与所述违章行为标签对应的违章置信度、所述关系违章原因标签以及与所述关系违章原因标签对应的关系原因置信度。2.根据权利要求1所述的基于渣土车监控的无人机定点巡检方法，其特征在于，所述将所述违章行为标签输入至预设违章关系网络中进行关系传递得到与所述违章行为标签相关联的关系违章原因标签，并根据所述违章行为标签对应的违章置信度得到与所述关系违章原因标签对应的关系原因置信度，包括：根据所述违章行为标签获取当前违章行为作用值和关系传递数值；在预设违章关系网络中搜索所述违章行为标签对应的当前关系网络实体，并根据预设违章关系网络获取所述当前关系网络实体对应的邻接关系网络实体，以及所述邻接关系网络实体对应的当前关系传递属性值；根据所述当前违章行为作用值以及所述当前关系传递属性值计算得到所述邻接关系网络实体对应的当前违章置信度，且当所述当前违章置信度不小于所述关系传递数值时，对所述当前违章置信度不小于所述关系传递数值的邻接关系网络实体以及对应的违章置信度进行标注；获取当前违章置信度大于所述关系传递数值的邻接关系网络实体作为当前关系网络实体，并获取所述当前关系网络实体的当前违章置信度作为所述当前违章行为作用值；继续在预设违章关系网络中搜索所述违章行为标签对应的当前关系网络实体，当所述当前违章置信度小于所述关系传递数值时，则输出标注的邻接关系网络实体对应的违章原因标签为关系违章原因标签，并对应输出标注的当前违章置信度为关系原因置信度。3.根据权利要求1所述的基于渣土车监控的无人机定点巡检方法，其特征在于，所述输出所述违章行为标签、与所述违章行为标签对应的违章置信度、所述关系违章原因标签以及与所述关系违章原因标签对应的关系原因置信度，包括：获取所述违章行为标签、所述关系违章原因标签对应的行为标签描述向量集和关系型描述向量集；根据所述违章行为标签、所述关系违章原因标签生成违章描述单元；通过所述关系型描述向量集将所述违章描述单元进行关系分配；将所述行为标签描述向量集对应分配在所述违章描述单元下得到违章行为关系网络，并输出所述违章行为关系网络。4.根据权利要求1所述的基于渣土车监控的无人机定点巡检方法，其特征在于，所述方
法还包括针对违章行为解析网络以及所述预设违章关系网络的生成步骤，具体包括：获取预先收集的参考数据；根据所述预先收集的参考数据计算得到行为标签描述向量集，根据所述行为标签描述向量集生成违章行为解析网络；根据所述预先收集的参考数据计算得到关系型描述向量集，根据所述关系型描述向量集生成预设违章关系网络。5.根据权利要求4所述的基于渣土车监控的无人机定点巡检方法，其特征在于，所述根据所述预先收集的参考数据计算得到行为标签描述向量集，包括：获取当前违章行为描述环境，并搜索与所述当前违章行为描述环境对应的违章行为的描述向量簇；判断所述预先收集的参考数据中是否存在与所述违章行为的描述向量簇对应的匹配参考描述向量，如果不存在，则获取所述违章行为的描述向量簇对应的匹配策略；根据所述匹配策略以及所述预先收集的参考数据计算得到与所述违章行为的描述向量簇对应的行为标签描述向量集。6.根据权利要求5所述的基于渣土车监控的无人机定点巡检方法，其特征在于，所述根据所述预先收集的参考数据计算得到关系型描述向量集，包括：搜索与所述当前违章行为描述环境对应的关系违章原因的描述向量簇，并获取与所述关系违章原因的描述向量簇对应的用于表征关键特征的选举描述向量；将所述用于表征关键特征的选举描述向量与所述预先收集的参考数据进行匹配；如果匹配成功，则将与所述用于表征关键特征的选举描述向量匹配成功的预先收集的参考数据作为关系型描述向量集，并根据所述用于表征关键特征的选举描述向量对应的关系违章原因的描述向量簇得到所述关系型描述向量集对应的描述向量内容。7.根据权利要求4所述的基于渣土车监控的无人机定点巡检方法，其特征在于，所述获取预先收集的参考数据，包括：从远程云服务平台中获取所述预先收集的参考数据。8.根据权利要求1
‑
7中任意一项所述的基于渣土车监控的无人机定点巡检方法，其特征在于，所述获取所述监控无人机对渣土车进行定点巡检的定点巡检数据流，并对所述定点巡检数据流进行数据分析，实时预测所述渣土车...

【专利技术属性】
技术研发人员：杨翰翔，赖晓俊，
申请(专利权)人：深圳联和智慧科技有限公司，
类型：发明
国别省市：