本申请涉及一种基于神经网络的暴露垃圾监控方法及系统，方法包括：通过垃圾识别模块根据获取的暴露垃圾检测图像建立神经网络垃圾识别模型，并根据神经网络垃圾识别模型输出暴露垃圾检测信息；通过垃圾状态分析模块将暴露垃圾检测图像分割为多个子图像，并根据多个子图像和暴露垃圾检测信息输出多个区域的垃圾状态信息；通过垃圾信息整合模块根据当前帧垃圾状态信息和上一帧垃圾状态信息确定多个区域是否存在垃圾暴露。本申请的暴露垃圾监控方法及系统，可实时监控已暴露垃圾的状态，满足边端AI应用的实时性。足边端AI应用的实时性。足边端AI应用的实时性。
【技术实现步骤摘要】
基于神经网络的暴露垃圾监控方法及系统
[0001]本申请涉及监控
，具体涉及一种基于神经网络的暴露垃圾监控方法及系统。
技术介绍
[0002]随着物联网、互联网、云计算等新一代信息技术的快速发展，多功能智能杆已成为建设智慧城市必不可少的产物。相关的AI应用场景需求不断的增长，涉及到目标检测、目标属性分析、目标跟踪等多种技术结合的应用场景难以满足现有市场需求。
[0003]针对以上问题，本领域技术人员一直在寻求解决方法。
技术实现思路
[0004]本申请要解决的技术问题在于，针对上述现有技术的缺陷，提供一种基于神经网络的暴露垃圾监控方法及系统。
[0005]为了实现上述目的，本申请是通过如下的技术方案来实现：
[0006]一种基于神经网络的暴露垃圾监控方法，包括以下步骤：
[0007]通过所述垃圾识别模块根据获取的暴露垃圾检测图像建立神经网络垃圾识别模型，并根据所述神经网络垃圾识别模型输出暴露垃圾检测信息；
[0008]通过所述垃圾状态分析模块将所述暴露垃圾检测图像分割为多个子图像，并根据所述多个子图像和所述暴露垃圾检测信息输出多个区域的垃圾状态信息；所述垃圾状态信息包括当前帧垃圾状态信息和上一帧垃圾状态信息；
[0009]通过所述垃圾信息整合模块根据所述当前帧垃圾状态信息和所述上一帧垃圾状态信息确定多个区域是否存在垃圾暴露。
[0010]可选地，所述通过所述垃圾状态分析模块将所述暴露垃圾检测图像分割为多个子图像，并根据所述多个子图像和所述暴露垃圾检测信息输出多个区域的垃圾状态信息，包括：
[0011]通过所述垃圾状态分析模块根据所述暴露垃圾检测信息确定所述多个子图像的当前帧垃圾状态；所述当前帧垃圾状态包括无垃圾暴露、存在垃圾暴露中任一项；通过所述垃圾状态分析模块根据所述当前帧垃圾状态输出所述当前帧垃圾状态信息。
[0012]可选地，所述通过所述垃圾状态分析模块根据所述暴露垃圾检测信息确定所述多个子图像的当前帧垃圾状态，包括：
[0013]通过所述垃圾状态分析模块将检测的所述垃圾坐标信息分别与所述多个子图像进行位置区域匹配，并输出多个匹配值；若所述匹配值超过预设值，则确定单个或多个子图像中存在垃圾暴露，并输出所述多个子图像的当前帧垃圾状态信息。
[0014]可选地，通过所述垃圾信息整合模块根据所述当前帧垃圾状态信息和所述上一帧垃圾状态信息确定多个区域是否存在垃圾暴露，包括：
[0015]通过所述垃圾信息整合模块对同一子图像的所述当前帧垃圾状态信息和所述上
一帧垃圾状态信息进行一致性对比；若对比一致，则确定多个区域存在垃圾暴露，或确定多个区域无垃圾暴露；若对比不一致，则根据所述当前帧垃圾状态信息确定多个区域是否存在垃圾暴露。
[0016]可选地，通过所述垃圾信息整合模块对同一子图像的所述当前帧垃圾状态信息和所述上一帧垃圾状态信息进行一致性对比之后，包括：
[0017]根据对比结果输出对应的告警信息；
[0018]所述根据对比结果输出对应的告警信息之后，包括：
[0019]通过所述垃圾信息整合模块将所述当前帧垃圾状态信息更新为上一帧垃圾状态信息；通过所述垃圾状态分析模块获取所述当前帧垃圾状态信息。
[0020]本申请还提供一种基于神经网络的暴露垃圾监控系统，包括：垃圾识别模块、垃圾状态分析模块、垃圾信息整合模块；
[0021]所述垃圾识别模块用于根据获取的暴露垃圾检测图像建立神经网络垃圾识别模型，并根据所述神经网络垃圾识别模型输出暴露垃圾检测信息；
[0022]所述垃圾状态分析模块用于将所述暴露垃圾检测图像分割为多个子图像，并根据所述多个子图像和所述暴露垃圾检测信息输出多个区域的垃圾状态信息；所述垃圾状态信息包括当前帧垃圾状态信息和上一帧垃圾状态信息；
[0023]所述垃圾信息整合模块用于根据所述当前帧垃圾状态信息和所述上一帧垃圾状态信息确定多个区域是否存在垃圾暴露。
[0024]可选地，所述暴露垃圾检测信息包括无垃圾暴露、存在垃圾暴露、垃圾坐标信息、垃圾类型、垃圾类型阈值中至少一项；所述垃圾状态信息包括无垃圾暴露、存在垃圾暴露、垃圾坐标信息、垃圾类型中至少一项。
[0025]可选地，所述垃圾状态分析模块还用于根据所述暴露垃圾检测信息确定所述多个子图像的当前帧垃圾状态并输出所述当前帧垃圾状态信息。
[0026]可选地，所述垃圾状态分析模块还用于将检测的所述垃圾坐标信息分别与所述多个子图像进行位置区域匹配，并根据输出的匹配值确定当前帧单个或多个子图像中是否存在垃圾暴露，以及输出单个或多个子图像的所述当前帧垃圾状态信息。
[0027]可选地，所述垃圾信息整合模块还用于对所述当前帧垃圾状态信息和所述上一帧垃圾状态信息进行一致性对比以确定多个区域是否存在垃圾暴露。
[0028]本申请的基于神经网络的暴露垃圾监控方法及系统，垃圾识别模块基于神经网络建立神经网络垃圾识别模型，垃圾状态分析模块对暴露垃圾检测图像的多个子图像分别进行分析，垃圾信息整合模块根据当前帧和上一帧垃圾状态信息确定多个子图像是否存在垃圾暴露，可实时监控已暴露垃圾的状态，满足边端AI应用的实时性。
[0029]为让本申请的上述和其他目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附图式，作详细说明如下。
附图说明
[0030]下面结合附图和具体实施方式来详细说明本申请；
[0031]图1是本申请一实施例提供的暴露垃圾监控方法的流程示意图；
[0032]图2是本申请一实施例提供的暴露垃圾监控系统的结构示意图。
具体实施方式
[0033]应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
[0034]图1是本申请一实施例提供的暴露垃圾监控方法的流程示意图，请参阅图1，一种基于神经网络的暴露垃圾监控方法，包括以下步骤：
[0035]S1：通过垃圾识别模块根据获取的暴露垃圾检测图像建立神经网络垃圾识别模型，并根据神经网络垃圾识别模型输出暴露垃圾检测信息。
[0036]暴露垃圾检测信息包括无垃圾暴露、存在垃圾暴露、垃圾坐标信息、垃圾类型、垃圾类型阈值中至少一项。
[0037]本申请中的暴露垃圾包括但不限于生活垃圾、建筑垃圾、道路施工残留垃圾、混合垃圾、大件垃圾、装潢垃圾。
[0038]S2：通过垃圾状态分析模块将暴露垃圾检测图像分割为多个子图像，并根据多个子图像和暴露垃圾检测信息输出多个区域的垃圾状态信息；垃圾状态信息包括当前帧垃圾状态信息和上一帧垃圾状态信息。
[0039]垃圾状态信息包括无垃圾暴露、存在垃圾暴露、垃圾坐标信息、垃圾类型中至少一项。
[0040]垃圾状态分析模块可将暴露垃圾检测图像进行平均分割，也可以将暴露垃圾检测图像进行不平均分割，分割后子图像的数量大于或等于二。在本实施例中，垃圾状态分析模块将暴露垃圾检测图像进行平均分割本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于神经网络的暴露垃圾监控方法，其特征在于，包括以下步骤：通过垃圾识别模块根据获取的暴露垃圾检测图像建立神经网络垃圾识别模型，并根据所述神经网络垃圾识别模型输出暴露垃圾检测信息；通过垃圾状态分析模块将所述暴露垃圾检测图像分割为多个子图像，并根据所述多个子图像和所述暴露垃圾检测信息输出多个区域的垃圾状态信息；所述垃圾状态信息包括当前帧垃圾状态信息和上一帧垃圾状态信息；通过垃圾信息整合模块根据所述当前帧垃圾状态信息和所述上一帧垃圾状态信息确定多个区域是否存在垃圾暴露；暴露垃圾检测信息包括无垃圾暴露、存在垃圾暴露、垃圾坐标信息、垃圾类型、垃圾类型阈值中至少一项；垃圾状态信息包括无垃圾暴露、存在垃圾暴露、垃圾坐标信息、垃圾类型中至少一项。2.如权利要求1所述的暴露垃圾监控方法，其特征在于，所述通过所述垃圾状态分析模块将所述暴露垃圾检测图像分割为多个子图像，并根据所述多个子图像和所述暴露垃圾检测信息输出多个区域的垃圾状态信息，包括：通过所述垃圾状态分析模块根据所述暴露垃圾检测信息确定所述多个子图像的当前帧垃圾状态；所述当前帧垃圾状态包括无垃圾暴露、存在垃圾暴露中任一项；通过所述垃圾状态分析模块根据所述当前帧垃圾状态输出所述当前帧垃圾状态信息。3.如权利要求2所述的暴露垃圾监控方法，其特征在于，所述通过所述垃圾状态分析模块根据所述暴露垃圾检测信息确定所述多个子图像的当前帧垃圾状态，包括：通过所述垃圾状态分析模块将检测的所述垃圾坐标信息分别与所述多个子图像进行位置区域匹配，并输出多个匹配值；若所述匹配值超过预设值，则确定单个或多个子图像中存在垃圾暴露，并输出所述多个子图像的当前帧垃圾状态信息。4.如权利要求1所述的暴露垃圾监控方法，其特征在于，通过所述垃圾信息整合模块根据所述当前帧垃圾状态信息和所述上一帧垃圾状态信息确定多个区域是否存在垃圾暴露，包括：通过所述垃圾信息整合模块对同一子图像的所述当前帧垃圾状态信息和所述上一帧垃圾状态信息进行一致性对比；若对比一致，则确定多个区域存在垃圾暴露，或确定多个区域无垃圾暴露；若对比不一致，则根据所述当前帧垃圾状态信...
【专利技术属性】
技术研发人员：傅东生，王连民，李立赛，
申请(专利权)人：深圳奇迹智慧网络有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。