基于大数据的城市场景垃圾检测系统的制作方法

1.本发明属于大数据技术领域，具体涉及基于大数据的城市场景垃圾检测系统。


背景技术：

2.城市中无序丢弃的垃圾严重影响市容市貌、污染生活环境，给城市和居民带来极大的影响。
3.为清理城市中无序丢弃的垃圾、维护城市卫生和形象，需要对城市场景中的垃圾进行检测定位，然后根据定位来进行清理。目前的城市场景垃圾检测方法主要是派专人进行巡查并进行拍照登记，巡查的过程中需要人工定位无序丢弃的垃圾，操作手持相机进行拍照，巡查过后进行整理归档来记录垃圾分布情况与对应的相应责任人。这种方法需要专人乘坐交通工具进行拍照登记，受交通、天气、人员休假与工作时间等方面的影响很大，不能做到全天候的城市无序丢弃垃圾状况监测和检测，并且人工拍照、整理还存在成本高、耗时长等问题，这就大大的不利于城市中无序丢弃垃圾的检测和清理，不能保障城市卫生和形象。
4.专利申请号为cn201810901959.0a的专利文献公开了一种基于移动边缘计算和深度学习的城市街道垃圾检测和清洁度评估方法。这种方法主要通过安装在城市街道垃圾收集车上的高分辨率摄像机和手持的移动设备进行街景图象收集；利用边缘服务器临时存储并进行街景图象预处理；通过城市网络把这些数据传输到云中心，同时利用深度学习faster-rcnn算法识别街道垃圾类别以及对垃圾数量计数，并且将这些结果引入到基于层次的街道清洁度评估框架当中，最终可视化街道清洁度等级；为城市市政管理者有效安排清理人员提供方便。
5.其使用基于图像处理的手段进行街道垃圾的识别和评估，虽然一定程度上提升了垃圾检测的智能化程度，提升了垃圾检测的效率，但其在检测准确率上依然没有较好的解决方案，同时整个过程需要大量的图像处理，也会使得系统的资源消耗率一直保持在高位。


技术实现要素：

6.有鉴于此，本发明的主要目的在于提供基于大数据的城市场景垃圾检测系统，其通过基于城市大数据和图像检测的协同，实现了城市垃圾检测的精准化和智能化。
7.为达到上述目的，本发明的技术方案是这样实现的：
8.基于大数据的城市场景垃圾检测系统，所述系统包括：图像获取装置，配置用于在城市内随机选取多个目标区域，获取这些目标区域的图像，将获取到目标区域图像与该目标区域图像在城市的坐标位置同时进行存储；区域验证装置，配置用于获取该城市的城市数据，基于预设的区域验证模型，验证选取的目标区域的坐标位置是否满足区域验证模型的约束，若不满足，则在该坐标位置的基础上，进行坐标位置修正，重新获取目标区域图像，再次使用区域验证模型进行验证，直到目标区域的坐标位置满足区域验证模型的约束；垃圾检测装置，配置用于将经过区域验证装置验证后的目标区域图像，进行图像检测，得到是
否存在垃圾以及垃圾部分占比的检测结果；大数据分析装置，配置用于在检测结果为存在垃圾的情况下，基于垃圾部分占比，获取到的城市参数以及检测结果对应的目标区域图像的位置坐标，计算得到该位置坐标下的垃圾量。
9.进一步的，所述垃圾检测装置进行图像检测的过程包括：对目标区域图像依次进行三次不同的图像检测，再基于三次不同的图像检测的结果，判断目标区域图像中是否存在垃圾部分，若存在，则执行第四次图像检测；所述对目标区域图像依次进行三次不同的图像检测，具体包括：相等分割检测、倾斜相等分割检测和不相等分割检测；所述相等分割检测，包括：将目标区域图像按照设定的面积大小划分为多个相等的分割区域，作为第一划分结果，从中筛选出设定数量的多个分割区域，对每个筛选出的分割区域进行判断识别，得到第一判断识别结果；所述倾斜相等分割检测，包括：将目标区域图像首先按照设定的角度值进行旋转，然后按照设定的面积大小划分为多个相等的分割区域，作为第二划分结果，从中筛选出设定数量的多个分割区域，对每个筛选出的分割区域进行判断识别，得到第二判断识别结果；所述不相等分割检测，包括：按照随机的面积大小划分为多个不等的分割区域，作为第三划分结果，从中筛选出设定数量的多个分割区域，对每个筛选出的分割区域进行判断识别，得到第三判断识别结果；所述基于三次不同的图像检测的结果，判断目标区域图像中是否存在垃圾部分的方法包括：若第一判断结果、第二判断结果和第三判断结果中至少有两者不为空，则判断存在垃圾部分；若第一判断结果、第二判断结果和第三判断结果均为空，则判断不存在垃圾部分；若第一判断结果、第二判断结果仅存在一者为空，则判断疑似存在垃圾部分；所述第四次图像检测的过程具体包括：若判断存在垃圾部分，则分别基于第一划分结果、第二划分结果和第三划分结果进行匹配识别，判断垃圾部分在目标区域图像中的占比，取三者的平均值作为垃圾部分占比；若判断疑似存在垃圾部分；则分别基于第一划分结果、第二划分结果和第三划分结果进行匹配识别，若三者的匹配识别得到的垃圾部分在目标区域图像中的占比的两两之间的差值有一个超过设定的阈值，则舍弃匹配识别的结果，判断不存在垃圾部分，若三者的匹配识别得到的垃圾部分在目标区域图像中的占比的两两之间的差值均在阈值范围内，则取三者的平均值，作为垃圾部分占比。
10.进一步的，所述城市数据包括：城市人口、城市面积和城市gdp。
11.进一步的，所述区域验证装置，在该城市的城市数据的基础上，基于预设的区域验证模型，验证选取的目标区域的坐标位置是否满足区域验证模型的约束的方法包括：将城市视为一个平面二维坐标系，判断如下等式是否成立：其中，s1为目标区域的坐标位置距离城市的上边界的距离，s2为目标区域的坐标位置距离城市的左边界的距离，s3为目标区域的坐标位置距离城市的下边界的距离，s4为目标区域的坐标位置距离城市的下边界的距离；s为城市面积，p为城市人口，g为城市gdp；等式成立，则判断满足区域验证模型的约束；若等式不成立，则使用如下公式计算校正值：若等式不成立，则使用如下公式计算校正值：其中，δ为校正值。
12.进一步的，所述区域验证装置在不满足区域验证模型的约束的条件下，在该坐标位置的基础上，进行坐标位置修正的方法包括：使用如下公式进行坐标位置修正：x＝x δ*
lgc；y＝y δ*lgc；其中，x为目标区域图像的坐标位置的原横坐标，y为目标区域图像的坐标位置的原纵坐标；x为目标区域图像的坐标位置的校正横坐标；y为目标区域图像的坐标位置的校正纵坐标；c为调整系数，取值范围为5～8。
13.进一步的，所述相等分割检测和倾斜相等分割检测时，设定的面积大小须小于或等于目标区域图像的
14.进一步的，在进行相等分割检测、倾斜相等分割检测和不相等分割检测时，筛选分割区域时，设定的数量为须大于或等于分割区域的总数量的且小于分割区域的总数量的
15.进一步的，所述在进行相等分割检测、倾斜相等分割检测和不相等分割检测时，对每个筛选出的分割区域进行判断识别的方法包括：计算分割区域和匹配模板的特征点和特征向量；根据所述分割区域和所述匹配模板的特征点和特征向量，确定所述分割区域和所述匹配模板的特征匹配点对；根据所述分割区域和所述匹配模板的特征匹配点对，确定特征匹配点对的映射关系；根据所述映射关系确定所述分割区域各个角点在所述匹配模板中的对应位置，以此识别出目标区域；所述根据所述映射关系确定所述分割区域各个角点在所述匹配模板中的对应位置，以此识别出目标区域之后；计算所述分割区域和所述目标区域的相似度；根据所述相似度确定所述目标区域的可信度，当所述目标区域的可信度大于预设的第二阈值时，确定该分割区域为垃圾部分。
16.进一步的，所述大数据分析装置，在检测结果为存在垃圾的情况下，基于垃圾部分占比，获取到的城市参数以及检测结果对应的目标区域图像的位置坐标，计算得到该位置坐标下的垃圾量的方法包括：使用如下公式计算垃圾量：其中，q为垃圾部分占比，t为垃圾量。
17.进一步的，所述系统还包括：提醒装置，配置用于在垃圾量超过设定的警戒值时，发出垃圾运送提醒命令。
18.本发明的基于大数据的城市场景垃圾检测系统，具有如下有益效果：
19.1.智能化程度高：本发明所使用城市场景垃圾检测系统在获取目标区域图像以及选择目标区域时，是通过随机选择的方式，这种方式不需要任何人工进行参与，就可以自动执行，虽然在准确率相较于人工的方式低一些，但本发明又对目标区域图像的选择进行了校正，避免了准确率的降低，实现了高智能化的垃圾检测。
20.2.准确率高：本发明在进行图像检测时，首先针对是否存在垃圾部分进行判断，一者可以提高效率，避免对没有垃圾部分的目标区域图像进行识别，二者是通过这种判断，可以提升检测的准确率，在判断出现了垃圾部分后，再针对匹配识别的方式来进行识别，则采用的算法可以改进为对已知部分的检测，这种监测率会大大提升。
附图说明
21.图1为本发明实施例提供的基于大数据的城市场景垃圾检测系统的系统结构示意图；
22.图2为本发明实施例提供的基于大数据的城市场景垃圾检测系统的图像检测的原理示意图；
23.图3为本发明实施例提供的基于大数据的城市场景垃圾检测系统将目标区域图像进行旋转的原理示意图。
具体实施方式
24.下面结合附图及本发明的实施例对本发明的方法作进一步详细的说明。
25.实施例1
26.如图1所示，基于大数据的城市场景垃圾检测系统，所述系统包括：图像获取装置，配置用于在城市内随机选取多个目标区域，获取这些目标区域的图像，将获取到目标区域图像与该目标区域图像在城市的坐标位置同时进行存储；区域验证装置，配置用于获取该城市的城市数据，基于预设的区域验证模型，验证选取的目标区域的坐标位置是否满足区域验证模型的约束，若不满足，则在该坐标位置的基础上，进行坐标位置修正，重新获取目标区域图像，再次使用区域验证模型进行验证，直到目标区域的坐标位置满足区域验证模型的约束；垃圾检测装置，配置用于将经过区域验证装置验证后的目标区域图像，进行图像检测，得到是否存在垃圾以及垃圾部分占比的检测结果；大数据分析装置，配置用于在检测结果为存在垃圾的情况下，基于垃圾部分占比，获取到的城市参数以及检测结果对应的目标区域图像的位置坐标，计算得到该位置坐标下的垃圾量。
27.具体的，在实际中，城市垃圾检测往往通过传感器或者图像的方式，使用图像的方式需要大量的摄像头采集图像信息，并进行图像识别，这个过程耗费的财力和物力也很大。通过传感器的方式则容易出现传感器采集数据的准确性不高和传感器监测范围有限导致最终监测失效的情况。
28.本发明使用的半图像检测和大数据结合的方式，在图像检测时，没有实行定点检测的方法，同时针对图像检测，也不是对所有采集到的图像都进行检测，而是分阶段，分情况进行检测，一者提升了检测的效率，节约了系统资源，二者提升了监测的准确率。
29.实施例2
30.在上一实施例的基础上，所述垃圾检测装置进行图像检测的过程包括：对目标区域图像依次进行三次不同的图像检测，再基于三次不同的图像检测的结果，判断目标区域图像中是否存在垃圾部分，若存在，则执行第四次图像检测；所述对目标区域图像依次进行三次不同的图像检测，具体包括：相等分割检测、倾斜相等分割检测和不相等分割检测；所述相等分割检测，包括：将目标区域图像按照设定的面积大小划分为多个相等的分割区域，作为第一划分结果，从中筛选出设定数量的多个分割区域，对每个筛选出的分割区域进行判断识别，得到第一判断识别结果；所述倾斜相等分割检测，包括：将目标区域图像首先按照设定的角度值进行旋转，然后按照设定的面积大小划分为多个相等的分割区域，作为第二划分结果，从中筛选出设定数量的多个分割区域，对每个筛选出的分割区域进行判断识别，得到第二判断识别结果；所述不相等分割检测，包括：按照随机的面积大小划分为多个不等的分割区域，作为第三划分结果，从中筛选出设定数量的多个分割区域，对每个筛选出的分割区域进行判断识别，得到第三判断识别结果；所述基于三次不同的图像检测的结果，判断目标区域图像中是否存在垃圾部分的方法包括：若第一判断结果、第二判断结果和第
三判断结果中至少有两者不为空，则判断存在垃圾部分；若第一判断结果、第二判断结果和第三判断结果均为空，则判断不存在垃圾部分；若第一判断结果、第二判断结果仅存在一者为空，则判断疑似存在垃圾部分；所述第四次图像检测的过程具体包括：若判断存在垃圾部分，则分别基于第一划分结果、第二划分结果和第三划分结果进行匹配识别，判断垃圾部分在目标区域图像中的占比，取三者的平均值作为垃圾部分占比；若判断疑似存在垃圾部分；则分别基于第一划分结果、第二划分结果和第三划分结果进行匹配识别，若三者的匹配识别得到的垃圾部分在目标区域图像中的占比的两两之间的差值有一个超过设定的阈值，则舍弃匹配识别的结果，判断不存在垃圾部分，若三者的匹配识别得到的垃圾部分在目标区域图像中的占比的两两之间的差值均在阈值范围内，则取三者的平均值，作为垃圾部分占比。
31.参考图图2，具体的，前三次检测是判断是否存在垃圾部分，最后一次检测则是针对垃圾部分在目标区域图像中的位置进行检测。在判断已知存在垃圾部分的情况下。在第一次检测时，是基于常规的分割检测的，相等分割检测表示将目标图像等分为多个子部分，每个子部分反映了目标区域图像的部分情况；在第二次检测时，将目标区域图像进行了旋转，然后再等分，再重复进行图像检测；在第三次检测时，进行了不相等的等分，再进行检测。
32.三次检测，第二次相对于第一次，对目标区域图像进行了调整；第三次相对于第一次和第二次则是没有采用等分的手段。
33.这种交叉检测验证的手段，提升了判断了准确率。因为在实际情况中，对图像进行等分后的检测，容易导致图像检测时无法参照整体，而是针对每个子块，算法再没有参照的情况下，很容易导致准确率降低。
34.因此本发明从检测方法和对目标区域图像分别进行调整，以此提升检测的准确率。
35.在第四次检测时，依据第一次和第二次的检测结果，再进行综合判断，以此提升判断的准确率。
36.参考图3，图3为将输入图像转换为参照图像的原理示意图。在第二次检测时，本发明进行了旋转，旋转后的图像指的是将原图像在坐标系下的旋转，而不是整个图像内容的旋转，因此旋转后的图像与水平方向存在夹角。
37.实施例3
38.在上一实施例的基础上，所述城市数据包括：城市人口、城市面积和城市gdp。
39.在实际中，城市的垃圾的量往往由城市人口、城市面积和城市的经济发展水平来决定。
40.实施例4
41.在上一实施例的基础上，所述区域验证装置，在该城市的城市数据的基础上，基于预设的区域验证模型，验证选取的目标区域的坐标位置是否满足区域验证模型的约束的方法包括：将城市视为一个平面二维坐标系，判断如下等式是否成立：其中，s1为目标区域的坐标位置距离城市的上边界的距离，s2为目标区域的坐标位置距离城市的左边界的距离，s3为目标区域
的坐标位置距离城市的下边界的距离，s4为目标区域的坐标位置距离城市的下边界的距离；s为城市面积，p为城市人口，g为城市gdp；等式成立，则判断满足区域验证模型的约束；若等式不成立，则使用如下公式计算校正值：值：其中，δ为校正值。
42.具体的，本发明所使用的算法不同于现有的算法和模型，使用的时基于城市本身的城市数据来进行一个判断和预测，以此来判断坐标位置是否满足这种约束。
43.在实际情况中，城市的规划遵循一定的准则，在这样的准则下，城市的居民区和垃圾分布往往具备一定的特征，本发明通过验证选定的区域是否满足这种特征，以此来判断选择的位置坐标是否合理。
44.实施例5
45.在上一实施例的基础上，所述区域验证装置在不满足区域验证模型的约束的条件下，在该坐标位置的基础上，进行坐标位置修正的方法包括：使用如下公式进行坐标位置修正：x＝x δ*lgc；y＝y δ*lgc；其中，x为目标区域图像的坐标位置的原横坐标，y为目标区域图像的坐标位置的原纵坐标；x为目标区域图像的坐标位置的校正横坐标；y为目标区域图像的坐标位置的校正纵坐标；c为调整系数，取值范围为5～8。
46.实施例6
47.在上一实施例的基础上，所述相等分割检测和倾斜相等分割检测时，设定的面积大小须小于或等于目标区域图像的
48.具体的，在实际中，需要满足这种关系才能有进行足够的随机，以保证准确率。
49.实施例7
50.在上一实施例的基础上，在进行相等分割检测、倾斜相等分割检测和不相等分割检测时，筛选分割区域时，设定的数量为须大于或等于分割区域的总数量的且小于分割区域的总数量的
51.具体的，筛选分割区域时，需要查过一定的值才能保证采集的样本足够合理，提升准确率。
52.实施例8
53.在上一实施例的基础上，所述在进行相等分割检测、倾斜相等分割检测和不相等分割检测时，对每个筛选出的分割区域进行判断识别的方法包括：计算分割区域和匹配模板的特征点和特征向量；根据所述分割区域和所述匹配模板的特征点和特征向量，确定所述分割区域和所述匹配模板的特征匹配点对；根据所述分割区域和所述匹配模板的特征匹配点对，确定特征匹配点对的映射关系；根据所述映射关系确定所述分割区域各个角点在所述匹配模板中的对应位置，以此识别出目标区域；所述根据所述映射关系确定所述分割区域各个角点在所述匹配模板中的对应位置，以此识别出目标区域之后；计算所述分割区域和所述目标区域的相似度；根据所述相似度确定所述目标区域的可信度，当所述目标区域的可信度大于预设的第二阈值时，确定该分割区域为垃圾部分。
54.实施例9
55.在上一实施例的基础上，所述大数据分析装置，在检测结果为存在垃圾的情况下，基于垃圾部分占比，获取到的城市参数以及检测结果对应的目标区域图像的位置坐标，计算得到该位置坐标下的垃圾量的方法包括：使用如下公式计算垃圾量：其中，q为垃圾部分占比，t为垃圾量。
56.实施例10
57.在上一实施例的基础上，所述系统还包括：提醒装置，配置用于在垃圾量超过设定的警戒值时，发出垃圾运送提醒命令。
58.需要说明的是，上述实施例提供的系统，仅以上述各功能单元的划分进行举例说明，在实际应用中，可以根据需要而将上述功能分配由不同的功能单元来完成，即将本发明实施例中的单元或者步骤再分解或者组合，例如，上述实施例的单元可以合并为一个单元，也可以进一步拆分成多个子单元，以完成以上描述的全部或者单元功能。对于本发明实施例中涉及的单元、步骤的名称，仅仅是为了区分各个单元或者步骤，不视为对本发明的不当限定。
59.所属技术领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的存储装置、处理装置的具体工作过程及有关说明，可以参考前述方法实施例中的对应过程，在此不再赘述。
60.本领域技术人员应能够意识到，结合本文中所公开的实施例描述的各示例的单元、方法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，软件单元、方法步骤对应的程序可以置于随机存储器(ram)、内存、只读存储器(rom)、电可编程rom、电可擦除可编程rom、寄存器、硬盘、可移动磁盘、qd-rom、或技术领域内所公知的任意其它形式的存储介质中。为了清楚地说明电子硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以电子硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。本领域技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
61.术语“第一”、“另一部分”等是配置用于区别类似的对象，而不是配置用于描述或表示特定的顺序或先后次序。
62.术语“包括”或者任何其它类似用语旨在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者单元/装置不仅包括那些要素，而且还包括没有明确列出的其它要素，或者还包括这些过程、方法、物品或者单元/装置所固有的要素。
63.至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术标记作出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
64.以上所述，仅为本发明的较佳实施例而已，并非配置用于限定本发明的保护范围。