[发明专利]一种基于边缘设备和深度学习的违章检测方法

说明书

本发明提供了智慧城市技术领域的一种基于边缘设备和深度学习的违章检测方法，包括如下步骤：步骤S10、服务器创建若干个违章检测模型以及对应的检测规则，并对各所述违章检测模型进行训练；步骤S20、服务器基于应用场景将各所述违章检测模型以及检测规则发送给对应的边缘设备；步骤S30、边缘设备基于接收的所述违章检测模型以及检测规则，对关联摄像头拍摄的视频进行违章检测，生成违章检测结果；步骤S40、边缘设备将所述违章检测结果发送给服务器进行预警；步骤S50、服务器基于所述违章检测结果对违章检测模型进行优化。本发明的优点在于：极大的提升了违章行为检测的效率以及质量，降低了服务器的负荷以及检测成本。

技术领域

本发明涉及智慧城市技术领域，特别指一种基于边缘设备和深度学习的违章检测方法。

背景技术

随着城市化进程的加快，城区的面积不断增大，城市的基础设施不断完善，城市的居民也与日俱增，违章行为也越来越多，使得城市的管理面临着新的挑战。

为了对城市进行更好的管理，新增了诸多的基础设施，例如在各街道、路口都布设了摄像头；然而，传统的摄像头仅具备拍摄和录制视频的功能，需要人工值守对违章行为进行监控，随着摄像头数量的增多，监控人员工作负担增大，无法对所有的摄像头进行实时监控，仅能采取轮播、抽查的方式，使得违章行为的监管存在缺失。

针对上述问题，存在如下两种解决方法：其一是将所有的传统摄像头替换为具有AI计算机视觉能力的摄像头，但是存在重复建设成本高，增大服务器的压力的缺点；其二是将摄像头采集的视频接入服务器，通过服务器对违章行为进行智能分析，但是存在增大服务器负荷，导致分析效率低下，且传统的智能分析算法准确率低、支持场景有限的缺点。

因此，如何提供一种基于边缘设备和深度学习的违章检测方法，实现提升违章行为检测的效率以及质量，降低服务器的负荷以及检测成本，成为一个亟待解决的问题。

发明内容

本发明要解决的技术问题，在于提供一种基于边缘设备和深度学习的违章检测方法，实现提升违章行为检测的效率以及质量，降低服务器的负荷以及检测成本。

本发明是这样实现的：一种基于边缘设备和深度学习的违章检测方法，包括如下步骤：

步骤S10、服务器创建若干个违章检测模型以及对应的检测规则，并对各所述违章检测模型进行训练；

步骤S20、服务器基于应用场景将各所述违章检测模型以及检测规则发送给对应的边缘设备；

步骤S30、边缘设备基于接收的所述违章检测模型以及检测规则，对关联摄像头拍摄的视频进行违章检测，生成违章检测结果；

步骤S40、边缘设备将所述违章检测结果发送给服务器进行预警；

步骤S50、服务器基于所述违章检测结果对违章检测模型进行优化。

进一步地，所述步骤S10具体包括：

步骤S11、服务器基于应用场景创建若干个违章检测模型以及各违章检测模型对应的检测规则；

步骤S12、服务器获取大量的监控视频，并将各所述监控视频保存为监控图像；

步骤S13、对各所述监控图像进行违章标注，基于所述违章标注对各所述监控图像按应用场景进行分类；

步骤S14、对所述监控图像进行样本扩充；

步骤S15、利用所述监控图像对各应用场景的违章检测模型进行训练。

进一步地，所述步骤S10中，所述检测规则包括检测区域以及检测时间段。