[发明专利]一种基于深度学习的违规渣土车检测的方法及系统

说明书

一种基于深度学习的违规渣土车检测方法，包括以下具体步骤：S1、采集道路上摄像头的数据信息，并在电子地图上对摄像头的地理位置信息进行定位，获取摄像头抓拍到的车辆信息A；S2、对车辆信息A进行分类识别，得到渣土车信息集B；S3、对渣土车信息集B中的各个渣车进行分类；S4、根据渣土车被抓拍的时间以及定位地点，对渣土车的行驶路线以及是否违规倒渣土进行预测；S5、若预测渣土车具有违规倾倒渣土的意向，则进行报警提醒并将预警信息发送至处理人员的移动终端。本发明还提出了基于深度学习的违规渣土车检测系统。本发明能代替人工高效准确的完成违规渣土车检测，杜绝渣土车违规倾倒渣土事件的发生。

技术领域

本发明涉及计算机深度学习技术领域，尤其涉及一种基于深度学习的违规渣土车检测方法及系统。

背景技术

近几年随着文明城市的建设，各地都在不断完善建筑垃圾消纳场所建设，但是，仍有人怀着侥幸心里随意倾倒建筑垃圾，破坏城市良好形象，而通过人工检测违规渣土车不仅费时费力效率低下，而且效果也不理想，仍有不少漏网之鱼。

现有的绝大部渣土车管控办法主要通过对施工工地的渣土车安装定位装置进行管理，这种方法对于本地施工的渣土车具有一定的约束效果；但是外来偷倒渣土的渣土车，因为不在本地登记备案，所以无法对其进行管控；而事实上对环境进行破坏的往往是这些外来的渣土车，因此如何能够对这些外来的且在本地无备案的渣土车进行有效管控就变得尤为重要。

发明内容

(一)发明目的

为解决背景技术中存在的技术问题，本发明提出一种基于深度学习的违规渣土车检测方法及系统，本发明能代替人工高效准确的完成违规渣土车检测，杜绝渣土车违规倾倒渣土事件的发生。

(二)技术方案

本发明提供了一种基于深度学习的违规渣土车检测方法，包括以下具体步骤：

S1、采集道路上摄像头的数据信息，并在电子地图上对摄像头的地理位置信息进行定位，获取摄像头抓拍到的车辆信息A；

S2、对车辆信息A进行分类识别，得到渣土车信息集B；

S3、按照渣土车是否满载、空载以及是否铺盖防尘布对渣土车信息集B中的各个渣车进行分类；

S4、根据渣土车被抓拍的时间以及定位地点，对渣土车的行驶路线以及是否违规倒渣土进行预测；

S5、若预测渣土车具有违规倾倒渣土的意向，则进行报警提醒并将预警信息发送至处理人员的移动终端。

优选的，车辆信息A包括车辆的返回时间、地点、车牌、车型以及车身颜色。

优选的，车辆信息A分类的方法包括基础分类法和AI模型分类法；

基础分类法是指根据车辆的基本属性进行分类；车辆的基本属性包括车身颜色、车牌颜色、车型以及车牌号码。

优选的，S5中对预测渣土车具有违规倾倒渣土的意向后，根据违规评分机制对违规严重程度进行等级划分，不同严重程度的违规采用与之相对应的处置策略。

本发明还提供了一种基于深度学习的违规渣土车检测系统，包括

车辆抓拍模块，用于抓拍道路上的车辆，得到车辆信息A；

数据采集模块，用于采集车辆抓拍模块的地理位置信息以及车辆信息A；

车辆分类识别模块，用于采用基础分类法和AI模型分类法对车辆信息A进行分类识别，得到渣土车信息集B；

渣土车分类模块，用于按照渣土车是否满载、空载以及是否铺盖防尘布对渣土车信息集B中的各个渣车进行分类；

渣土车预测模块，用于预测渣土车是否具有违规倾倒渣土的意向；