DB3308T 125-2022 基層智治大腦 視頻圖像結構化處理技術規(guī)范

ICS35.020CCSL703308TechnicalspecificationsforgrassrootssmartgovernancebrainstructuredpofvideoimagesIDB3308/T125—2022 2規(guī)范性引用文件 3術語和定義 4結構化處理流程與事件組成 5數(shù)據(jù)采集要求 36內(nèi)容分析與結果描述要求 47信息存儲要求 9附錄A（資料性）基層智治大腦內(nèi)容分析結果的特征屬性描述 DB3308/T125—2022本文件按照GB/T1.1—2020《標準化工作導則第1部分：標準化文件的結構和起草規(guī)則》的規(guī)定起草。請注意本文件的某些內(nèi)容可能涉及專利，本文件的發(fā)布機構不承擔識別專利的責任。本文件由衢州市大數(shù)據(jù)發(fā)展管理局提出并歸口。本文件起草單位：衢州市大數(shù)據(jù)發(fā)展管理局、浙江省標準化研究院、阿里云計算有限公司、阿里巴巴達摩院城市大腦實驗室、衢州市衢江區(qū)社會治理中心、衢州市衢江區(qū)大數(shù)據(jù)中心、衢州市龍游縣大數(shù)據(jù)中心。本文件主要起草人：鄒巧柔、余子英、毛小兵、蔣偉、占里忠、顧藝、項波、蔣林、鄭秀峰、吳效威、陳良輔、陳志勇、程丹、陶明淵、蘇凡。1DB3308/T125—2022基層智治大腦視頻圖像結構化處理技術規(guī)范本文件規(guī)定了基層智治大腦結構化處理流程與事件組成、數(shù)據(jù)采集要求、內(nèi)容分析與結果描述要求、信息存儲要求等技術規(guī)范。本文件適用于基層智治大腦視頻圖像數(shù)據(jù)結構化處理的開發(fā)建設，其他領域的視頻圖像數(shù)據(jù)結構化處理可參考采用。2規(guī)范性引用文件下列文件中的內(nèi)容通過文中的規(guī)范性引用而構成本文件必不可少的條款。其中，注日期的引用文件，僅該日期對應的版本適用于本文件；不注日期的引用文件，其最新版本（包括所有的修改單）適用于本文件。GB/T28181-2016公共安全視頻監(jiān)控聯(lián)網(wǎng)系統(tǒng)信息傳輸、交換、控制技術要求GB/T30147-2013安防監(jiān)控視頻實時智能分析設備技術要求GB37300-2018公共安全重點區(qū)域視頻圖像信息采集規(guī)范GB50198-2011民用閉路監(jiān)視電視系統(tǒng)工程技術規(guī)范GA/T1399.1-2017公安視頻圖像分析系統(tǒng)第1部分：通用技術要求GA/T1399.2-2017公安視頻圖像分析系統(tǒng)第2部分：視頻圖像內(nèi)容分析及描述技術要求GA/T1400.1-2017公安視頻圖像信息應用系統(tǒng)第1部分：通用技術要求GA/T1400.3-2017公安視頻圖像信息應用系統(tǒng)第3部分：數(shù)據(jù)庫技術要求DB34/T3430-2019公共安全視頻圖像信息系統(tǒng)數(shù)據(jù)存儲技術規(guī)范3術語和定義GB37300-2018、GB/T30147-2013、GA/T1399.1-2017、GA/T1399.2-2017、GA/T1400.1-2017、和GA/T1400.3-2017界定的以及下列術語和定義適用于本文件。3.1結構化處理structuredprocessing對沒有固定結構的數(shù)據(jù)通過設定的規(guī)則轉換成能用統(tǒng)一結構進行邏輯表達的信息。4結構化處理流程與事件組成4.1結構化處理流程4.1.1基層智治大腦視頻圖像的結構化處理流程如圖1所示。2內(nèi)容分析與結果描述內(nèi)容分析與結果描述信息存儲圖1基層智治大腦視頻圖像結構化處理流程4.1.2基層智治大腦的輸入源數(shù)據(jù)應包括網(wǎng)絡視頻流和視頻/圖像文件，宜支持實時的模擬或數(shù)字視頻信號輸入。4.1.3輸入的視頻圖像數(shù)據(jù)(按照設定的分析規(guī)則)經(jīng)過內(nèi)容分析后，應輸出包括相應事件視頻、圖像、標簽等信息的結果描述。4.1.4輸出的事件信息結果描述應支持存入存儲設備和數(shù)據(jù)庫，并用于其它相關應用。4.2基層治理事件組成基層智治大腦分析與描述的基層治理事件組成如圖2所示?；鶎又卫硎录M成游商攤販店外經(jīng)營非機動車占用機動車道非機動車逆行占道廣告牌占道撐傘沿街晾曬人員佩戴安全帽人員在崗電動自行車進入電梯渣土車追蹤垃圾隨意堆放垃圾箱滿溢圖2基層智治大腦分析與描述的基層治理事件組成3DB3308/T125—2022基層治理事件包含但不限于：機動車違規(guī)停放、游商攤販、店外經(jīng)營、非機動車違規(guī)停放、橫穿馬路、非機動車占用機動車道、非機動車逆行、踩踏草坪、占道廣告牌、占道撐傘、沿街晾曬、人數(shù)超限、人群聚集、車輛核入、土地苫蓋、積水、人員佩戴安全帽、人員在崗、人員闖入、消防通道阻塞、電動自行車進入電梯、渣土車追蹤、垃圾隨意堆放、垃圾箱滿溢等。5數(shù)據(jù)采集要求5.1數(shù)據(jù)種類輸入數(shù)據(jù)應包括視頻數(shù)據(jù)、圖像數(shù)據(jù)、與視頻圖像數(shù)據(jù)相關聯(lián)的設備數(shù)據(jù)，設備數(shù)據(jù)應包括但不限于GB/T28181中規(guī)定的的設備屬性數(shù)據(jù)、絕對時間數(shù)據(jù)等。5.2視頻圖像采集部位基層智治大腦視頻圖像采集部位為基層治理事件發(fā)生的重點公共區(qū)域，具體要求見表1。法律、行政法規(guī)對視頻圖像采集有特殊要求的從其規(guī)定。表1重點公共區(qū)域基層治理事件的采集部位在城市人行橫道道路以及其他易于發(fā)生機動在小區(qū)、學校、菜市場、商場周邊以及其他易于出在城市人行橫道道路及其他易于發(fā)生非機動車違在機動車道及其他易于發(fā)生非機動車占用機在小區(qū)、學校、菜市場、商場及其他易于出現(xiàn)占在小區(qū)、學校、菜市場、商場及其他易于出現(xiàn)沿在園區(qū)或廠區(qū)車輛出入口，及其他易于出現(xiàn)車在城市道路，非鄉(xiāng)村小路和不平整土路等，及其他易于出在工廠廠房和建筑工地，及其他易于出現(xiàn)人員在煤炭、電力、化工等行業(yè)監(jiān)控室、值班室，及其他易于出現(xiàn)人在工廠危險區(qū)域、電場危險區(qū)域、重點警戒區(qū)域，及其他易于出現(xiàn)人在電梯轎廂內(nèi)部，及其他易于出現(xiàn)電動自行車進在居民或商鋪門口，垃圾投放點附近，及其他易于出現(xiàn)垃4DB3308/T125—20225.3視頻圖像格式要求視頻圖像數(shù)據(jù)的輸入格式與方式應符合GA/T1399.1-2017中5.1的相關規(guī)定。5.4視頻圖像質量要求對于輸入的視頻圖像數(shù)據(jù)質量，應達到GB50198-2011中5.4.3描述的4級或4級以上，輸入的視頻圖像照明條件應達到GB50198-2011中3.2.12對于照明條件的要求。6內(nèi)容分析與結果描述要求6.1概述對于基層智治大腦輸入的視頻圖像數(shù)據(jù)，數(shù)據(jù)分析軟件應按照以下設定的內(nèi)容分析要求，分析基層治理事件信息，并輸出以下設定的分析結果描述。6.2機動車違規(guī)停放在滿足數(shù)據(jù)采集要求的在線視頻圖像中，應能識別出滯留超過指定時間（默認5分鐘）且在指定時間內(nèi)未駛離（默認10分鐘）的機動車目標，并先后輸出兩次報警事件，第一次告警應支持輸出：cameraID、上報大小圖影像、事件發(fā)生時間，宜支持輸出：車牌識別信息（在車牌滿足識別條件下第二次告警應支持輸出同一車牌關聯(lián)的告警信息。對于采集的視頻圖像中的機動車目標進行識別，機動車目標框的邊長應不小于100像素，車牌字符應人眼清晰可辨且車牌目標框的尺寸應不小于80×25像素、傾斜或側傾角應小于15°,機動車違規(guī)停放事件輸出結果的識別準確率應不小于90%。經(jīng)過內(nèi)容分析輸出的事件信息的輸入規(guī)則特征屬性格式見附錄A中的表A.1，描述結果特征屬性格式見附錄A中的表A.2。6.3游商攤販在滿足數(shù)據(jù)采集要求的在線視頻圖像中，應能識別出滯留指定時間（默認30秒）的機動車或非機動車后斗、箱子、框子、桌子、大片布或紙等經(jīng)營類載體，且裝有食品加工工具、農(nóng)副產(chǎn)品、小商品或其他貨物的目標，輸出報警事件，告警應支持輸出：點位cameraID、上報大小圖影像、事件發(fā)生時間。對于采集的視頻圖像中的機動車或非機動車后斗、箱子、框子、桌子、大片布或紙等經(jīng)營類載體目標和裝有食品加工工具、農(nóng)副產(chǎn)品、小商品或其他貨物目標進行識別，目標框的邊長應不小于100像素，游商攤販事件輸出結果的識別準確率應不小于90%。經(jīng)過內(nèi)容分析輸出的事件信息的輸入規(guī)則特征屬性格式見附錄A中的表A.1，描述結果特征屬性格式見附錄A中的表A.2。6.4店外經(jīng)營在滿足數(shù)據(jù)采集要求的在線視頻圖像中，應能識別出滯留指定時間（默認30秒）的箱子、框子、桌子、冰箱、大片布或紙等經(jīng)營類載體目標，并輸出報警事件，告警應支持輸出：點位cameraID、上報大小圖影像、事件發(fā)生時間。DB3308/T125—2022對于采集的視頻圖像中的箱子、框子、桌子、冰箱、大片布或紙等經(jīng)營類載體目標進行識別，目標框的邊長應不小于70像素，店外經(jīng)營事件輸出結果的識別準確率應不小于90%。經(jīng)過內(nèi)容分析輸出的事件信息的輸入規(guī)則特征屬性格式見附錄A中的表A.1，描述結果特征屬性格式見附錄A中的表A.2。6.5非機動車違規(guī)停放在滿足數(shù)據(jù)采集要求的在線視頻圖像中，應能識別出停留超過指定時間(默認30秒)的二輪車或三輪車目標，輸出報警事件，告警應支持輸出：點位cameraID、上報大小圖影像、事件發(fā)生時間。對于采集的視頻圖像中的二輪車或三輪車進行識別，目標框的邊長應不小于70像素，非機動車違規(guī)停放事件輸出結果的識別準確率應不小于90%，非機動車類別（聚集二輪車/單獨二輪車/三輪車）的識別準確率應不小于85%。經(jīng)過內(nèi)容分析輸出的事件信息的輸入規(guī)則特征屬性格式見附錄A中的表A.1，描述結果特征屬性格式見附錄A中的表A.2。6.6橫穿馬路在滿足數(shù)據(jù)采集要求的在線視頻圖像中，應能識別出行人與非機動車橫穿馬路的事件，實時檢測并上報。對于采集的視頻圖像中的非機動車和行人目標進行識別，目標框的邊長應不小于150像素，橫穿馬路事件輸出結果的識別準確率應不小于85%。經(jīng)過內(nèi)容分析輸出的事件信息的輸入規(guī)則特征屬性格式見附錄A中的表A.1，描述結果特征屬性格式見附錄A中的表A.2。6.7非機動車占用機動車道在滿足數(shù)據(jù)采集要求的在線視頻圖像中，應能識別出非機動車占用機動車道的事件，實時檢測并上報。對于采集的視頻圖像中的非機動車目標進行識別，目標框的邊長應不小于150像素，非機動車占用機動車道事件輸出結果的識別準確率應不小于85%。經(jīng)過內(nèi)容分析輸出的事件信息的輸入規(guī)則特征屬性格式見附錄A中的表A.1，描述結果特征屬性格式見附錄A中的表A.2。6.8非機動車逆行在滿足數(shù)據(jù)采集要求的在線視頻圖像中，應能識別出非機動車逆行事件，實時檢測并上報。對于采集的視頻圖像中的非機動車目標進行識別，目標框的邊長應不小于150像素，非機動車逆行事件輸出結果的識別準確率應不小于85%。經(jīng)過內(nèi)容分析輸出的事件信息的輸入規(guī)則特征屬性格式見附錄A中的表A.1，描述結果特征屬性格式見附錄A中的表A.2。6.9踩踏草坪在滿足數(shù)據(jù)采集要求的在線視頻圖像中，應能識別出行人踩踏草坪的事件，實時檢測并上報。對于采集的視頻圖像中的行人目標進行識別，目標框的邊長應不小于150像素，踩踏草坪事件輸出結果的識別準確率應不小于85%。經(jīng)過內(nèi)容分析輸出的事件信息的輸入規(guī)則特征屬性格式見附錄A中的表A.1，描述結果特征屬性格式見附錄A中的表A.2。6DB3308/T125—20226.10占道廣告牌在滿足數(shù)據(jù)采集要求的在線視頻圖像中，應能識別出違規(guī)戶外廣告牌(燈箱廣告牌)目標，輸出報警事件，告警應支持輸出：cameraID、時間、目標區(qū)域坐標、目標摳圖、全圖等。對于采集的視頻圖像中的戶外廣告牌目標進行識別，目標框的尺寸應大于150×100像素，廣告牌違規(guī)占道事件輸出結果的識別準確率應不小于80%。經(jīng)過內(nèi)容分析輸出的事件信息的輸入規(guī)則特征屬性格式見附錄A中的表A.1，描述結果特征屬性格式見附錄A中的表A.2。6.11占道撐傘在滿足數(shù)據(jù)采集要求的在線視頻圖像中，應能識別出滯留指定時間（默認30秒）的方形獨立大棚或圓形大傘目標，輸出報警事件，告警應支持輸出：點位cameraID、上報大小圖影像、事件發(fā)生時間。對于采集的視頻圖像中的方形獨立大棚或圓形大傘目標進行識別，目標框的邊長應不小于70像素，占道撐傘事件輸出結果的識別準確率應不小于85%。經(jīng)過內(nèi)容分析輸出的事件信息的輸入規(guī)則特征屬性格式見附錄A中的表A.1，描述結果特征屬性格式見附錄A中的表A.2。6.12沿街晾曬在滿足數(shù)據(jù)采集要求的在線視頻圖像中，應能識別出滯留指定時間（默認30秒）的成片懸掛的被子、衣物目標，輸出報警事件，告警應支持輸出：點位cameraID、上報大小圖影像、事件發(fā)生時間。對于采集的視頻圖像中的成片懸掛的被子和衣物目標進行識別，目標框的邊長應不小于100像素，沿街晾曬事件輸出結果的識別準確率應不小于85%。經(jīng)過內(nèi)容分析輸出的事件信息的輸入規(guī)則特征屬性格式見附錄A中的表A.1，描述結果特征屬性格式見附錄A中的表A.2。6.13人數(shù)超限在滿足數(shù)據(jù)采集要求的在線視頻圖像中，應能識別出人員總數(shù)超出廠房規(guī)定人數(shù)上限的事件，輸出報警事件，告警應支持輸出：點位cameraID、上報大小圖影像、廠房內(nèi)實時人數(shù)，事件發(fā)生時間。對于采集的視頻圖像中的人員頭部目標進行識別，目標框的邊長應不小于16像素，人員頭部應清晰可見，人員身體應有50%以上區(qū)域可見，人數(shù)超限事件輸出結果的識別準確率應不小于90%。經(jīng)過內(nèi)容分析輸出的事件信息的輸入規(guī)則特征屬性格式見附錄A中的表A.1，描述結果特征屬性格式見附錄A中的表A.2。6.14人群聚集在滿足數(shù)據(jù)采集要求的在線視頻圖像中，應能識別出總人數(shù)超過設定閾值的事件，輸出報警事件，告警應支持輸出：cameraID、上報大小圖影像、畫面內(nèi)總人數(shù)，事件發(fā)生時間等。對于采集的視頻圖像中的人員頭部目標進行識別，目標框的邊長應不小于16像素，人員頭部應清晰可見，人群聚集事件輸出結果的識別準確率應不小于90%。經(jīng)過內(nèi)容分析輸出的事件信息的輸入規(guī)則特征屬性格式見附錄A中的表A.1，描述結果特征屬性格式見附錄A中的表A.2。6.15車輛核入7DB3308/T125—2022在滿足數(shù)據(jù)采集要求的在線視頻圖像中，應能識別出經(jīng)過指定區(qū)域的車輛目標，輸出報警事件，告警應支持輸出：點位cameraID、上報大小圖影像、經(jīng)過時間以及車輛車牌等。對于采集的視頻圖像中的車輛目標進行識別，車輛目標框的尺寸應大于80×80像素，車輛目標應無明顯遮擋、體積大、移動速度慢、人眼清晰可辨，車牌目標框的尺寸應大于30×10像素，車牌字符應人眼可見，車輛車牌事件輸出結果的識別準確率應不小于95%。經(jīng)過內(nèi)容分析輸出的事件信息的輸入規(guī)則特征屬性格式見附錄A中的表A.1，描述結果特征屬性格式見附錄A中的表A.2。6.16土地苫蓋在滿足數(shù)據(jù)采集要求的在線視頻圖像中，應能識別出明顯土方和裸土未苫蓋目標，輸出報警事件，告警應支持輸出：點位cameraID，未苫蓋位置，上報大小圖影像，事件發(fā)生時間等。對于采集的視頻圖像中的土方和裸土未苫蓋目標進行識別，目標框的尺寸應大于200×200像素，土地苫蓋事件輸出結果的識別準確率應不小于80%。經(jīng)過內(nèi)容分析輸出的事件信息的輸入規(guī)則特征屬性格式見附錄A中的表A.1，描述結果特征屬性格式見附錄A中的表A.2。6.17積水在滿足數(shù)據(jù)采集要求的在線視頻圖像中，應能識別出明顯道路積水影響人員車輛通行的事件，輸出報警事件，告警應支持輸出：點位cameraID，積水位置、上報大小圖影像、事件發(fā)生時間等。對于采集的視頻圖像中的積水目標進行識別，目標框的尺寸應大于150×150像素,影響通行，道路積水事件輸出結果的識別準確率應不小于90%。經(jīng)過內(nèi)容分析輸出的事件信息的輸入規(guī)則特征屬性格式見附錄A中的表A.1，描述結果特征屬性格式見附錄A中的表A.2。6.18人員佩戴安全帽在滿足數(shù)據(jù)采集要求的在線視頻圖像中，應能識別出有人員未佩戴安全帽的事件，輸出報警事件，告警應支持輸出：點位cameraID、上報大小圖影像、事件發(fā)生時間。對于采集的視頻圖像中的人員頭部目標進行識別，目標框的邊長應不小于16像素，人員頭部應清晰可見，人員身體應有50%以上區(qū)域可見，人員未佩戴安全帽事件輸出結果的識別準確率應不小于90%。經(jīng)過內(nèi)容分析輸出的事件信息的輸入規(guī)則特征屬性格式見附錄A中的表A.1，描述結果特征屬性格式見附錄A中的表A.2。6.19人員在崗在滿足數(shù)據(jù)采集要求的在線視頻圖像中，應能識別出超過設定時間沒有工作人員在崗的現(xiàn)象，輸出報警事件，告警應支持輸出：點位cameraID、上報大小圖影像、事件發(fā)生時間等。對于采集的視頻圖像中的人員身體目標進行識別，目標框的邊長應不小于100像素，人員身體應有50%以上區(qū)域可見，人員脫崗事件輸出結果的識別準確率應不小于90%。經(jīng)過內(nèi)容分析輸出的事件信息的輸入規(guī)則特征屬性格式見附錄A中的表A.1，描述結果特征屬性格式見附錄A中的表A.2。6.20人員闖入在滿足數(shù)據(jù)采集要求的在線視頻圖像中，應能識別出有人員進入指定區(qū)域的現(xiàn)象，輸出報警事件，告警應支持輸出：點位cameraID、上報大小圖影像、人員闖入時。8DB3308/T125—2022對于采集的視頻圖像中的人員身體目標進行識別，目標框的邊長應不小于100像素，人員身體應有50%以上區(qū)域可見，人員闖入事件輸出結果的識別準確率應不小于90%。經(jīng)過內(nèi)容分析輸出的事件信息的輸入規(guī)則特征屬性格式見附錄A中的表A.1，描述結果特征屬性格式見附錄A中的表A.2。6.21消防通道阻塞在滿足數(shù)據(jù)采集要求的在線視頻圖像中，應能識別出停留超過指定時間(默認5分鐘)的機動車、非機動車等相關堵塞物目標，輸出報警事件，告警應支持輸出：點位cameraID，目標堵塞位置、上報大小圖影像、事件發(fā)生時間等。對于采集的視頻圖像中的阻塞物目標進行識別，目標框的尺寸應大于50×50像素，消防通道阻塞事件輸出結果的識別準確率應不小于80%。經(jīng)過內(nèi)容分析輸出的事件信息的輸入規(guī)則特征屬性格式見附錄A中的表A.1，描述結果特征屬性格式見附錄A中的表A.2。6.22電動自行車進入電梯在滿足數(shù)據(jù)采集要求的在線視頻圖像中，應能識別出電動自行車已經(jīng)進入或正在進入電梯的事件，輸出報警事件，告警應支持輸出：點位cameraID、上報大小圖影像、進入時間等。對于采集的視頻圖像中的電動自行車目標進行識別，目標框的尺寸應大于80×80像素，電動自行車應無明顯遮擋、體積大、移動速度慢、人眼清晰可辨，電動自行車進入電梯事件輸出結果的識別準確率應不小于90%。經(jīng)過內(nèi)容分析輸出的事件信息的輸入規(guī)則特征屬性格式見附錄A中的表A.1，描述結果特征屬性格式見附錄A中的表A.2。6.23渣土車追蹤在滿足數(shù)據(jù)采集要求的在線視頻圖像中，應能識別出停留超過指定時間（默認5秒）渣土車目標，輸出報警事件，告警應支持輸出：時間、點位ID、目標框位置、車牌號、目標進入?yún)^(qū)域時間、目標離開區(qū)域時間、車輛朝向、車身顏色、是否苫蓋、是否有車頂燈、車牌是否被遮擋、車尾是否涂刷噴涂號等信息。對于采集的視頻圖像中的渣土車目標進行識別，渣土車目標框的尺寸應大于80×80像素，渣土車應無明顯遮擋、體積大、移動速度慢、人眼清晰可辨，車輛朝向、車身顏色、是否苫蓋、是否有車頂燈、車牌是否被遮擋、車尾是否涂刷噴涂號等狀態(tài)應人眼可見，車牌目標框的尺寸應大于20×40像素，車牌應人眼可見，左右偏移角度不超過30°,渣土車車牌輸出結果的識別準確率應不小于90%，渣土車車輛朝向、車身顏色、是否苫蓋、是否有車頂燈、車牌是否被遮擋、車尾是否涂刷噴涂號等信息的輸出結果的識別準確率應不小于85%。經(jīng)過內(nèi)容分析輸出的事件信息的輸入規(guī)則特征屬性格式見附錄A中的表A.1，描述結果特征屬性格式見附錄A中的表A.2。6.24垃圾隨意堆放在滿足數(shù)據(jù)采集要求的在線視頻圖像中，應能識別出人眼可見包含剩菜剩飯飯菜、紙箱子、金屬易拉罐、衣服、建筑垃圾、電子垃圾、裝修材料、家具、玻璃、落葉、金屬桶、廢紙、塑料瓶、塑料泡沫、塑料垃圾(塑料包裝、塑料袋、餐盒)、垃圾袋(裝有垃圾)、蛇皮袋或編織袋等其中一類垃圾在區(qū)域內(nèi)隨意堆放事件，輸出報警事件，告警應支持輸出：點位cameraID、檢測置信度、上報大小圖影像、事件發(fā)生時間等。9DB3308/T125—2022對于采集的視頻圖像中的垃圾目標進行識別，目標框所占像素面積應超過畫面面積的1%，人眼可見，垃圾隨意堆放事件輸出結果的識別準確率應不小于80%。經(jīng)過內(nèi)容分析輸出的事件信息的輸入規(guī)則特征屬性格式見附錄A中的表A.1，描述結果特征屬性格式見附錄A中的表A.2。6.25垃圾箱滿溢在滿足數(shù)據(jù)采集要求的在線視頻圖像中，應能識別出垃圾桶（針對戶外塑料可移動翻蓋式垃圾桶）滿溢事件，輸出報警事件，告警應支持輸出：點位cameraID、檢測置信度、上報大小圖影像、事件發(fā)生時間等。對于采集的視頻圖像中的垃圾箱目標進行識別，目標框所占像素面積應超過畫面面積的1.5%，垃圾箱人眼可見無遮擋，垃圾箱滿