[发明专利]一种基于图像识别的智能环境监控系统与方法

权利要求书

1.一种基于图像识别的智能环境监控系统，其特征在于，包括：

图像采集单元，用于采集环境监测区域内的图像；

任务派发单元，用于对图像采集单元进行任务派发；

图像预处理单元，分别与图像处理单元和任务派发单元连接，用于对采集的图像进行预处理，并根据任务对处理后的图像进行筛选；

图像分析单元，与图像预处理单元连接，用于根据深度神经网络对筛选后的图像进行识别；所述图像分析单元根据任务派发单元派发的不同任务，通过不同的深度神经网络进行图像识别，所述不同的深度神经网络包括卷积神经网络分类模型和回归模型；所述任务包括定性检测任务和定量检测任务，所述定性检测任务通过卷积神经网络分类模型进行识别，所述定量检测任务通过卷积神经网络分类模型和回归模型共同识别；

处置与应急单元，与图像分析单元连接，用于根据图像分析单元的识别结果与预设的应急方案进行匹配，生成匹配结果并输出。

2.根据权利要求1所述的基于图像识别的智能环境监控系统，其特征在于，还包括服务器，所述图像分析单元与服务器连接，所述服务器为云端服务器，所述图像采集单元包括多个设置于环境监测区域内的图像采集器，所述图像采集器为摄像头，所述任务派发单元根据任务控制摄像头采集不同的图像，所述图像预处理单元根据服务器的负载将筛选后的图像按照任务进行分类，并将分类后的图像发送云端服务器的不同节点。

3.一种基于图像识别的智能环境监控方法，其特征在于，包括：

采集环境监测区域内的图像；

对图像采集单元进行任务派发；

对采集的图像进行预处理，并根据任务对处理后的图像进行筛选；

根据深度神经网络对筛选后的图像进行识别；

根据图像分析单元的识别结果与预设的应急方案进行匹配，生成匹配结果并输出；

根据任务派发单元派发的不同任务，通过不同的深度神经网络进行图像识别，所述不同的深度神经网络包括卷积神经网络分类模型和回归模型，所述任务包括定性检测任务和定量检测任务，所述定性检测任务通过卷积神经网络分类模型进行识别，所述定量检测任务通过卷积神经网络分类模型和回归模型共同识别。

4.根据权利要求3所述的基于图像识别的智能环境监控方法，其特征在于，对深度神经网络的输出结果进行筛选处理，所述筛选处理包括根据任务将输出结果中图像特征差异大于预设的差异阈值的图像筛选出来，将图像分类错误的图像通过深度神经网络进行迭代训练，直至错误样本数量小于预设的样本阈值。

5.根据权利要求3所述的基于图像识别的智能环境监控方法，其特征在于，针对定量检测任务，根据任务类型提取图像中满足任务的区域框，再通过卷积神经网络对所述区域框进行定量识别，获取识别结果，所述区域框通过选择识别结果中图像可信度大于预设的可信度阈值的方式来获取。

6.根据权利要求3所述的基于图像识别的智能环境监控方法，其特征在于，所述定性检测任务包括车辆尾气检测、冒装检测和垃圾检测，所述定量检测任务 包括空气质量检测，所述预处理包括根据任务对采集的图像进行筛选，去除无效图像。

7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：该程序被处理器执行时实现权利要求3至6中任一项所述方法。