[发明专利]道路监控方法、系统和电子设备

说明书

本申请公开了一种基于具有通道注意力机制的对象重识别的道路监控方法。所述方法，包括：获取预定时间间隔的第一、第二街景图像；将所述第一、第二街景图像分别输入卷积神经网络以获得第一、第二特征图；将所述第一、第二特征图分别输入通道注意力网络以获得第一、第二通道特征向量；分别将所述第一特征图与所述第一通道特征向量融合以获得第一融合特征图和将所述第二特征图与所述第二通道特征向量融合以获得第二融合特征图；将所述第一、第二融合特征图按通道级联以获得分类特征图；以及，将所述分类特征图以分类函数进行分类以获得分类结果。这样，基于通道注意力机制准确地获得所述街景图像内是否包括违反道路管理规定的对象的监控结果。

技术领域

本申请涉及人工智能技术领域，且更为具体地，涉及一种基于具有通道注意力机制的对象重识别的道路监控方法、系统和电子设备。

背景技术

“智慧城市”将信息技术与先进的城市经营服务理念进行有效融合，通过对城市的地理、资源、环境、经济等进行数字网络化管理，为城市提供更便捷、高效、灵活的公共管理的创新服务模式。

在城市管理领域中，需要对道路进行监控，以检测违反道路管理规定的对象，例如，违反道路管理规定的对象包括占道经营的流动商贩、商贩进行占道经营所用的物品，比如，占道经营摆放的桌椅、在道路两旁私搭的棚伞等。

目前，针对违反街道管理规定的对象的监控由城管部门执行，效率低下且监管困难。

近年来，深度学习尤其是神经网络的发展违反街道管理规定的对象的监控提供了新的解决思路和方案。

发明内容

为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种基于具有通道注意力机制的对象重识别的道路监控方法、系统和电子设备，其将违反街道管理规定的对象监控问题转化为不同时间获取街景图像的对象重识别问题结合对象分类问题，并以具有通道注意力机制的卷积神经网络对街景图像进行处理，以准确地获得所述街景图像内是否包括违反道路管理规定的对象的监控结果。

根据本申请的一个方面，提供了一种基于具有通道注意力机制的对象重识别的道路监控方法，其包括：

获取预定时间间隔的第一街景图像和第二街景图像；

将所述第一街景图像和所述第二街景图像分别输入卷积神经网络以获得第一特征图和第二特征图；

将所述第一特征图和所述第二特征图分别输入通道注意力网络以获得第一通道特征向量和第二通道特征向量；

分别将所述第一特征图与所述第一通道特征向量融合以获得第一融合特征图和将所述第二特征图与所述第二通道特征向量融合以获得第二融合特征图；

将所述第一融合特征图和所述第二融合特征图按通道级联以获得分类特征图；以及

将所述分类特征图以分类函数进行分类以获得分类结果，所述分类结果用于表示所述第一街景图像和所述第二街景图像内是否包括违反道路管理规定的对象。

在上述基于具有通道注意力机制的对象重识别的道路监控方法中，获取预定时间间隔的第一街景图像和第二街景图像，包括：通过用于街道巡查的移动摄像机获取街景视频；基于所述移动摄像机的路径信息获取相同地理位置的第一视频片段和第二视频片段；以及，分别从所述第一视频片段和所述第二视频片段中截取所述第一街景图像和所述第二街景图像。

在上述基于具有通道注意力机制的对象重识别的道路监控方法中，将所述第一特征图和所述第二特征图分别输入通道注意力网络以获得第一通道特征向量和第二通道特征向量，包括：将所述第一特征图输入第一全局池化层以获得第一通道池化向量；将所述第二特征图输入第二全局池化层以获得第二通道池化向量；将所述第一通道池化向量输入第一全连接层并以Sigmoid激活函数进行激活以获得第一通道特征向量；以及，将所述第二通道池化向量输入第二全连接层并以Sigmoid激活函数进行激活以获得第二通道特征向量。