[發明專利]基于深度學習目標檢測的非法流動攤販識別方法

有效

• 申請號: 201810688380.0
• 申請日: 2018-06-28
• 公開（公告）號: CN108921083B
• 公開（公告）日: 2021-07-27
• 發明（設計）人: 陳晉音;龔鑫;方航;俞露;王詩銘
• 申請（專利權）人: 浙江工業大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 杭州天勤知識產權代理有限公司 33224
• 代理人: 曹兆霞

本發明的目的是提供一種基于深度學習目標檢測的非法流動攤販識別方法，包括以下步驟：獲取道路監控圖像，并將該道路監控視頻截成幀圖像；利用目標檢測模型從幀圖像中檢測出攤位和行人的位置；根據攤位的位置，濾除圖像中運動的攤位，保留固定攤位；基于固定攤位的位置和數量，用K?means聚類方法對行人聚類，得到與每個固定攤位對應的行人；利用行人識別模型和攤位識別模型分別區分不同的行人和攤位；判定被劃分為同一個固定攤位所在類的行人是否為攤販。本發明提供的方法可以實現對道路監控范圍內存在的非法流動攤販進行自動取證，有效地提高城市管理部門的效率，減少人力成本。

技術領域

本發明屬于智能城市管理應用領域，具體涉及基于深度學習目標檢測的非法流動攤販識別方法。

背景技術

流動攤販，指沒有固定經營位置，以流動的形式在城市中販賣物品的商人或小販。流動商販大多沒有經營許可，其販賣的商品無法得到質量保證。而且，流動攤販存在明火燒烤、煎炸食品等行為，產生大量廢棄物，影響城市容貌，造成污染。商販販賣的物品以早餐、熟食、水果等食品居多，如果衛生條件、食品質量得不到保證，將會造成一定的健康危害。

因此，流動攤販成為了城市管理部門整治的主要對象之一。由于流動攤販的流動性強，活動范圍廣，使得相關部門難以對其進行管理。隨著人工智能技術的快速發展，可以利用相關技術對流動攤販進行識別，從而實現自動抓拍取證的效果。使用基于深度學習的非法流動攤販識別系統，能夠自動從監控探頭畫面中檢測是否存在流動攤販，進而節省城市管理部門的人力，提高城市管理效率。

在非法流動攤販識別的過程中，需要從圖像中檢測出行人與攤位，根據行人與攤位的相對位置、運動軌跡，分析出哪些行人是流動攤販，進而進行抓拍取證。對此，需要采用目標檢測方法，從圖像中找出人們感興趣的物體，并對其進行識別。目前常見的目標檢測方法都基于深度學習技術，有Faster R-CNN、YOLO、SSD等方法。

公開號為CN107679078A的公開文本涉及一種基于深度學習的卡口圖像車輛快速檢索方法及系統，本發明采用深度神經網絡來提取車輛特征信息，基于inception_resnet_v2網絡對車輛特征進行提取，其中實現了網絡權值共享，有效避免了大量重復計算，其損失函數采用三元組樣本訓練，直接產生128維向量，在檢索圖片階段，本發明采用了對特征聚類的方式對特征建立索引，提升查詢速度。本發明可以加快圖像特征的提取速度，以及快速的實時響應的同時，能夠有效稽查追捕假牌、套牌車這部分違法車輛。

發明內容

本發明的目的是提供一種基于深度學習目標檢測的非法流動攤販識別方法，以實現對道路監控范圍內存在的非法流動攤販進行自動取證，有效地提高城市管理部門的效率，減少人力成本。

基于深度學習的目標檢測的非法流動攤販識別方法，包括以下步驟：

(1)獲取道路監控圖像，并將該道路監控視頻截成幀圖像；

(2)利用目標檢測模型從幀圖像中檢測出攤位和行人的位置；

(3)根據攤位的位置，濾除圖像中運動的攤位，保留固定攤位；

(4)基于固定攤位的位置和數量，用K-means聚類方法對行人聚類，得到與每個固定攤位對應的行人；

(5)利用行人識別模型和攤位識別模型分別區分不同幀圖像中的行人或攤位是否為同一個行人或攤位；

(6)判定被劃分為同一個固定攤位所在類的行人是否為攤販；

所述目標檢測模型由Inception Resnet v2網絡和Faster R-CNN網絡組成的學習網絡訓練得到；所述行人識別模型和攤販識別模型均由Inception Resnet v2網絡訓練得到。

所述的目標檢測模型對應的學習網絡包括：