一种基于视频识别的智慧城市管理系统技术方案

本发明专利技术公开了一种基于视频识别的智慧城市管理系统，包括监控设备

【技术实现步骤摘要】
一种基于视频识别的智慧城市管理系统


[0001]本专利技术涉及智慧城市管理领域，设计了一种基于视频识别的智慧城市管理系统
。

技术介绍

[0002]智慧城市管理，是指运用信息处理技术和人工智能技术将城市的各项支援进行智能化
、
网络化的管理，从而实现城市管理和公共服务的优化和升级
。
[0003]其中，智慧城市管理采集的数据一般为监控设备采集的视频，面对海量视频产生的大规模数据，传统采用的视频识别的技术和处理的方式存在处理复杂
、
局限性的问题，如特征选择困难
、
实时变化复杂
、
处理速度慢；视频分类采用人工实现手动标注分类，耗费大量的时间
、
人力和物力，而且存在的主观性会导致视频数据的标注不准确，导致分类结果混乱，这些技术缺陷都给如今大数据下的智慧城市管理带来了挑战
。

技术实现思路

[0004]有鉴于现有技术的上述缺陷，本专利技术提出一种基于视频识别的智慧城市管理系统，本专利技术设计的技术方案包括：
[0005]所述系统包括监控设备
、
预处理模块
、
标签模块
、
控制模块和用户终端；所述监控设备
、
预处理模块
、
标签模块
、
控制模块和用户终端依次连接；所述控制模块另外连接监控设备；所述监控设备用于实时获取智慧城市的监控视频数据；所述预处理模块用于对所述视频数据进行预处理操作，输出结果特征图；所述标签模块用于对所述结果特征图进行标注分类；所述控制模块用于控制所述监控设备和标签模块；所述用户终端用于数据的可视化呈现和对控制模块输入控制请求
。
[0006]优选地，所述预处理操控包括：首先构建卷积网络，所述卷积网络包括残差块
、
转置卷积层和输出卷积层；所述残差块
、
转置卷积层和输出卷积层依次连接；所述残差块用于对输入的视频数据进行下采样，得到初步特征图；所述转置卷积层用于对所述初步特征图的尺寸进行还原；所述输出卷积层用于对所述还原后的初步特征图进行卷积运算，得到结果特征图
。
[0007]优选地，所述残差块的下采样包括：所述视频数据经过残差块运算后通过跳跃链接与自身相加，输出初步特征图；所述残差块的下采样的公式表达为：
[0008]α
＝
F(
β
)+
β
[0009]式中，
α
为初步特征图，
F
为残差函数，
β
为所述视频数据
。
[0010]优选地，所述残差块运算包括：包括2个1×1的卷积层和1个3×3卷积层；所述视频数据经过残差函数
F
后，然后依次经过首个1×1的卷积层
、3
×3卷积层和第2个1×1的卷积层
。
[0011]优选地，所述输出卷积层的卷积运算包括：所述输出卷积层包括卷积核和1×1的卷积层；首先对所述还原后的初步特征图的每一个像素点转换为矩阵中的每一个元素，然后滑动卷积核对所述矩阵进行计算，最后通过1×1的卷积层输出结果特征图
。
[0012]优选地，所述对所述矩阵进行计算包括：所述滑动卷积核对所述矩阵进行计算的公式表达为：
[0013][0014]式中，
T(i
，
j)
为输出的结果特征图，
K
为卷积核的高度，
L
为卷积核的宽度，
P(i+s*m
，
j+s*n)
为所述矩阵和卷积核对应的元素值，
H(m
，
n)
为卷积核的权重
。
[0015]优选地，所述标注分类包括：首先基于循环神经网络算法在所述结果特征图中构建目标矩形框，将所述结果特征图的左下角作为原点位置设立
(x
，
y)
坐标轴，选取所述目标矩形框的四个角作为
XML
格式的位置元素，选取所述结果特征图的宽和高作为
TXT
格式的位置元素；然后通过所述目标矩形框的中心点坐标
(x4，
y4)
，解析所述
XML
格式的位置元素和
TXT
格式的位置元素确定标注位置
。
[0016]优选地，所述解析所述
XML
格式的位置元素和
TXT
格式的位置元素确定标注位置包括：所述
XML
格式的位置元素的公式表达为：
[0017](x1，
y1，
x2，
y2)
，
[0018]式中，
(x1，
y1)
为所述目标矩形框左下角位置，
(x2，
y2)
为所述目标矩阵框右上角位置；所述
TXT
格式的位置元素表示标注位置，公式表达为：
[0019](label
，
x3，
y3，
w1，
h1)
，
[0020]式中，
label
为标签类型，
(x3，
y3)
为所述结果特征图需要标识的位置信息，
w1为所述结果特征图需要标识的宽度表达，
h1为所述结果特征图需要标识的高度表达
。
[0021]优选地，所述用户终端包括：所述用户终端还用于与所述监控设备进行信息交互，实时将监控设备采集的视频数据通过控制模块可视化呈现在用户终端；所述用户终端还用于根据所述可视化呈现发送监控设备的开启关闭或转动的请求，所述控制模块根据输入的请求控制所述监控设备；所述用户终端还用于与所述标签模块进行信息交互，发送目标矩形框和标注类型的请求，通过所述控制模块将请求输入所述标签模块；所述用户终端还用于实时对所述标签模块的标注情况进行可视化呈现
。
[0022]有益效果：
[0023]1、
本专利技术通过优化预处理模块的卷积处理，降低提取特征图的网络参数量
、
减少网络的推断时间，且还可以实现对多个目标数据的识别，解决了现智慧城市的数据量出现混乱
、
特征选择困难的情况；
[0024]2、
本专利技术通过优化循环神经网络算法实现对视频数据的自动标注，且能根据用户需求智能设置标注名称和分类类别，避免因为主观性导致视频数据的标注不准确，导致分类结果混乱，配合预处理模块达到短时间完成上万张图像的标注工作，适配大数据下的智能城市庞大的视频数据；
[0025]3、
本专利技术通过用户终端的可视化功能和请求输入实现管理数据的动态更新，结合控制模块进行信息调整，然后以图形的形式从整体到局部，多层级
、
多维度的可视化图形形式进行数据展示，实现城市管理问题本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于视频识别的智慧城市管理系统，其特征在于，包括：监控设备
、
预处理模块
、
标签模块
、
控制模块和用户终端；所述监控设备
、
预处理模块
、
标签模块
、
控制模块和用户终端依次连接；所述控制模块另外连接监控设备；所述监控设备用于实时获取智慧城市的监控视频数据；所述预处理模块用于对所述视频数据进行预处理操作，输出结果特征图；所述标签模块用于对所述结果特征图进行标注分类；所述控制模块用于控制所述监控设备和标签模块；所述用户终端用于数据的可视化呈现和对控制模块输入控制请求
。2.
根据权利要求1所述的一种基于视频识别的智慧城市管理系统，其特征在于，所述预处理操控包括：首先构建卷积网络，所述卷积网络包括残差块
、
转置卷积层和输出卷积层；所述残差块
、
转置卷积层和输出卷积层依次连接；所述残差块用于对输入的视频数据进行下采样，得到初步特征图；所述转置卷积层用于对所述初步特征图的尺寸进行还原；所述输出卷积层用于对所述还原后的初步特征图进行卷积运算，得到结果特征图
。3.
根据权利要求2所述的一种基于视频识别的智慧城市管理系统，其特征在于，所述残差块的下采样包括：所述视频数据经过残差块运算后通过跳跃链接与自身相加，输出初步特征图；所述残差块的下采样的公式表达为：
α
＝
F(
β
)+
β
式中，
α
为初步特征图，
F
为残差函数，
β
为所述视频数据
。4.
根据权利要求3所述的一种基于视频识别的智慧城市管理系统，其特征在于，所述残差块运算包括：包括2个1×1的卷积层和1个3×3卷积层；所述视频数据经过残差函数
F
后，然后依次经过首个1×1的卷积层
、3
×3卷积层和第2个1×1的卷积层
。5.
根据权利要求2所述的一种基于视频识别的智慧城市管理系统，其特征在于，所述输出卷积层的卷积运算包括：所述输出卷积层包括卷积核和1×1的卷积层；首先对所述还原后的初步特征图的每一个像素点转换为矩阵中的每一个元素，然后滑动卷积核对所述矩阵进行计算，最后通过1×1的卷积层输出结果特征图
。6.
根据权利要求5所述的一种基于视频识别的智慧城市管理系统，其特征在于，所述对所述矩阵进行计算包括：所述滑动卷积核对所述矩阵进行计算的公式表达为：式中，
T(i
，
j)
为输出的结果特征图，
K
为卷积核的...

【专利技术属性】
技术研发人员：宋璐，姜凌，宋凤超，宋婷，吴楠，
申请(专利权)人：鄂尔多斯市龙腾捷通科技有限公司，
类型：发明
国别省市：