[发明专利]一种店外经营识别方法

说明书

本发明提供一种店外经营识别方法，包括以下步骤：使用DeepLabv3+模型检测出建筑物、街道、人员位置，得到mask图；使用opencv对ROI区域进行裁剪；采用目标检测模型检测属于店外经营的类别，当检测到后返回检测成功数据,未检测到返回‑1。本发明采用目标检测方式检测识别店外经营，可给类似场景或者智慧城管提供思路。

技术领域

本发明涉及人工智能图像识别领域，具体涉及一种店外经营识别方法。

背景技术

店外经营，指经营者通过占用其经营场所店面以外或附近的公共场所进行经营活动的行为，是一种较为常见的不规范经营现象。现有技术中城市管理部门采用人力来对违法的店外经营活动进行识别，工作效率较低，同时人力成本巨大。

发明内容

为了解决现有技术在城市管理过程中不能对违法的店外经营现象进行高效率识别的问题，本发明提供一种可以自动对店外经营活动进行高效率识别的方法。

本发明提供一种店外经营识别方法，包括以下步骤：

使用DeepLabv3+模型检测出建筑物、街道、人员位置，得到mask图；

DeepLabv3+模型是现有技术中斯坦福大学李飞飞组的研究者提出的图像语义分割模型。DeepLabv3+论文题目为Rethinking Atrous Convolution for Semantic ImageSegmentation。DeepLabv3+开源代码连接为https://github.com/eveningdong/DeepLabV3-Tensorflow。

使用opencv对ROI区域进行裁剪；Mask图中值等于1为街道区域，根据Mask图保留原图中的街面部分。Mask图中值不等于1的索引值对应到原图中的索引值将其值替换成(0,0,0)。

OpenCV是现有技术中一个基于BSD许可(开源)发行的跨平台计算机视觉和机器学习软件库。ROI是region of interest的缩写，表示感兴趣区域。

采用目标检测模型检测属于店外经营的类别，当检测到后返回检测成功数据,未检测到返回-1。

本发明目标检测模型采用yolov3模型。

Yolo(You only look once)是现有技术中的单阶段目标检测方法,它于2016年提出第一版Yolov1，至今有许多基于它的改进模型。本发明采用Yolov3是其中之一。

进一步的，所述Mask图包括街面类别，店铺建筑类别，背景类别；

靠墙边、门、窗属于街道类别；

马路中间属于背景类别。

Mask表示掩模。

Mask的提取包括以下步骤：

提取感兴趣区：语义分割模型DeepLabv3+输出的是一个包含街道面、商店建筑、背景等3类别的Mask图。Mask图与原图大小尺寸完全一致，所以Mask图中街道面的下标索引在原图中的相同下标索引就是街面区域。Mask图中街道面下标索引对应值等于1，其它下标索引对应值等于0，得到只有街面与背景的Mask图。只有街面与背景的Mask图与待处理图像相乘，得到感兴趣区图像，感兴趣区内图像值保持不变，而区外图像值都为0；

屏蔽作用：用掩膜对图像上某些区域作屏蔽，使其不参加处理或不参加处理参数的计算，或仅对屏蔽区作处理或统计；

进一步的，检测成功数据格式为[[类别序号,类别置信度,x1,y1,x2,y2],...]，其中x1,y1,x2,y2表示店外经营区域的坐标。

本发明的有益效果是：