用于智慧城市的实时数据分析系统的制作方法

本发明涉及智慧城市领域，尤其涉及一种用于智慧城市的实时数据分析系统。

背景技术：

1、新一代信息技术的发展使得城市形态在数字化基础上进一步实现智能化成为现实。依托物联网可实现智能化感知、识别、定位、跟踪和监管；借助云计算及智能分析技术可实现大量信息的处理和决策支持。同时，伴随知识社会环境下创新形态的逐步展现，现代信息技术在对工业时代各类产业完成面向效率提升的数字化改造之后，逐步衍生出一些新的产业业态、组织形态，使人们对信息技术创新形态演变、社会变革有了更真切的体会，对科技创新以人为本有了更深入的理解，对现代科技发展下的智慧城市形态演化也有了新的认识。

2、在智慧城市下的各个监控画面一般经过了多种图像处理过程以完成连续图像处理，例如，对图像获取设备的cmos传感器输出的raw图像执行先伪影去除处理再边缘锐化处理最后椒盐噪声滤除处理的连续图像处理，以保证达到预期的监控画面的优化效果。然而，这种优化处理也影响了画面中的原始内容的呈现，但是，如何对接收到的监控画面判断是否经过了多种图像处理过程的连续图像处理，是现有技术中的技术难题之一。

技术实现思路

1、为了解决相关领域的技术问题，本发明提供了一种用于智慧城市的实时数据分析系统，通过获取图像获取设备的cmos传感器输出的raw图像，对所述raw图像执行先伪影去除处理再边缘锐化处理最后椒盐噪声滤除处理的连续图像处理，以获得辅助使用图像，从而为后续的智能检测提供可靠的基础数据，以及采用深度信念网络模型基于智慧城市的固定监控区域的各项区域参数、实时监控图像中主要对象的轮廓曲线上的最大曲率数值、最小曲率数值以及平均曲率数值、辅助使用图像中主要对象的轮廓曲线上的最大曲率数值、最小曲率数值以及平均曲率数值智能检测实时监控图像在图像获取设备内是否被执行过先伪影去除处理再边缘锐化处理最后椒盐噪声滤除处理的连续图像处理，从而为后续的信号分析提供有效信息，还引入模型解析部件用于解析深度信念网络模型，其中，对深度信念网络执行各次学习操作后以获得执行完各次学习操作后的深度信念网络并作为深度信念网络模型输出，深度信念网络的学习操作的次数与智慧城市的固定监控区域的监控区域面积的大小正向关联，从而为不同智慧城市的固定监控区域定制不同结构的深度信念网络模型。

2、根据本发明，提供了一种用于智慧城市的实时数据分析系统，所述系统包括：

3、图像获取设备，坐落在智慧城市的固定监控区域内以对所述固定监控区域执行监控处理，用于获取并输出相应的实时监控图像；

4、区域分析设备，用于获取智慧城市的固定监控区域的各项区域参数，智慧城市的固定监控区域的各项区域参数为智慧城市的固定监控区域的常停车辆数目、常住居民数目、交通路口数目以及监控区域面积；

5、模型解析部件，用于解析深度信念网络模型，其中，对深度信念网络执行各次学习操作后以获得执行完各次学习操作后的深度信念网络并作为深度信念网络模型输出；

6、检测执行部件，分别与所述图像获取设备、所述区域分析设备以及所述模型解析部件连接，用于获取图像获取设备的cmos传感器输出的raw图像，对所述raw图像执行先伪影去除处理再边缘锐化处理最后椒盐噪声滤除处理的连续图像处理，以获得辅助使用图像，采用深度信念网络模型基于智慧城市的固定监控区域的各项区域参数、实时监控图像中主要对象的轮廓曲线上的最大曲率数值、最小曲率数值以及平均曲率数值、辅助使用图像中主要对象的轮廓曲线上的最大曲率数值、最小曲率数值以及平均曲率数值智能检测实时监控图像在图像获取设备内是否被执行过先伪影去除处理再边缘锐化处理最后椒盐噪声滤除处理的连续图像处理；

7、lcd显示阵列，与检测执行部件连接，用于在接收到智能检测结果的同时对其进行显示操作；

8、其中，采用深度信念网络模型基于智慧城市的固定监控区域的各项区域参数、实时监控图像中主要对象的轮廓曲线上的最大曲率数值、最小曲率数值以及平均曲率数值、辅助使用图像中主要对象的轮廓曲线上的最大曲率数值、最小曲率数值以及平均曲率数值智能检测实时监控图像在图像获取设备内是否被执行过先伪影去除处理再边缘锐化处理最后椒盐噪声滤除处理的连续图像处理包括：采用不同数值表示实时监控图像在图像获取设备内是否被执行过先伪影去除处理再边缘锐化处理最后椒盐噪声滤除处理的连续图像处理；

9、其中，模型解析部件，用于解析深度信念网络模型，其中，对深度信念网络执行各次学习操作后以获得执行完各次学习操作后的深度信念网络并作为深度信念网络模型输出包括：深度信念网络的学习操作的次数与智慧城市的固定监控区域的监控区域面积的大小正向关联。

10、由此可见，本发明至少具有以下三个重要发明点：

11、重要发明点a：获取图像获取设备的cmos传感器输出的raw图像，对所述raw图像执行先伪影去除处理再边缘锐化处理最后椒盐噪声滤除处理的连续图像处理，以获得辅助使用图像，从而为后续的智能检测提供可靠的基础数据；

12、重要发明点b：采用深度信念网络模型基于智慧城市的固定监控区域的各项区域参数、实时监控图像中主要对象的轮廓曲线上的最大曲率数值、最小曲率数值以及平均曲率数值、辅助使用图像中主要对象的轮廓曲线上的最大曲率数值、最小曲率数值以及平均曲率数值智能检测实时监控图像在图像获取设备内是否被执行过先伪影去除处理再边缘锐化处理最后椒盐噪声滤除处理的连续图像处理，从而为后续的信号分析提供有效信息；

13、重要发明点c：引入模型解析部件用于解析深度信念网络模型，其中，对深度信念网络执行各次学习操作后以获得执行完各次学习操作后的深度信念网络并作为深度信念网络模型输出，深度信念网络的学习操作的次数与智慧城市的固定监控区域的监控区域面积的大小正向关联，从而为不同智慧城市的固定监控区域定制不同结构的深度信念网络模型。

技术特征：

1.一种用于智慧城市的实时数据分析系统，其特征在于，所述系统包括：

2.如权利要求1所述的用于智慧城市的实时数据分析系统，其特征在于：

3.如权利要求2所述的用于智慧城市的实时数据分析系统，其特征在于，所述系统还包括：

4.如权利要求3所述的用于智慧城市的实时数据分析系统，其特征在于：

5.如权利要求4所述的用于智慧城市的实时数据分析系统，其特征在于：

6.如权利要求5所述的用于智慧城市的实时数据分析系统，其特征在于：

7.如权利要求2所述的用于智慧城市的实时数据分析系统，其特征在于，所述系统还包括：

8.如权利要求7所述的用于智慧城市的实时数据分析系统，其特征在于：

9.如权利要求7所述的用于智慧城市的实时数据分析系统，其特征在于：

技术总结
本发明涉及一种用于智慧城市的实时数据分析系统，包括：图像获取设备，对智慧城市的固定监控区域执行监控处理以获取实时监控图像；检测执行部件，采用深度信念网络模型基于智慧城市的固定监控区域的各项区域参数以及实时监控图像的各项视觉化信息智能检测实时监控图像在图像获取设备内是否被执行过先伪影去除处理再边缘锐化处理最后椒盐噪声滤除处理的连续图像处理。通过本发明，能够采用深度信念网络模型基于智慧城市的固定监控区域的各项区域参数以及实时监控图像的各项视觉化信息智能检测实时监控图像在图像获取设备内是否被执行过先伪影去除处理再边缘锐化处理最后椒盐噪声滤除处理的连续图像处理，从而为后续的信号分析提供有效信息。

技术研发人员：请求不公布姓名,请求不公布姓名,请求不公布姓名
受保护的技术使用者：南京丘文特智能科技有限公司
技术研发日：
技术公布日：2024/12/5