技术特征：
1.一种基于gis和机器视觉的城市网格化管理方法，其特征在于，所述方法包括：对城市遥感地图进行多级网格划分，并对每个城市网格配置唯一编码；在每个城市网格的地理区域中布置复眼成像监控装置，并对每个复眼成像监控装置进行编码；将城市网格编码与复眼成像监控装置编码输入地理信息化系统gis，并完成城市网格编码与复眼成像监控装置编码的对应关系；利用复眼成像监控装置获取城市监控图像，并使用深度神经网络图像识别模型对监控图像进行分类识别以获得所述城市监控图像的分类标签；对获得的分类标签进行信息整合，所述信息整合过程包括如下步骤：a.将所述分类标签划分为第一类城市管理事件和第二类城市管理事件；b.筛选出所有第一类城市管理事件的城市网格，并将每一个输出第一类城市管理事件的城市网格设定为一个第一级事件网格，同时将相邻的第一级事件网格进行合并成一个第一级事件网格；c.针对个第一级事件网格构建信息整合数据存储器并将该第一级事件网络的分类标签及网格编码输入信息整合存储器，随后筛选与该第一级事件网格相邻的所有城市网格，将发生第二类城市管理事件的网格设定为窗口网格，并将该窗口的分类标签及网格编码输入信息整合数据存储器；d.对与窗口网格相邻且网格编码未存储入信息整合数据存储器的城市网格进行筛选，将发生第二类城市管理事件的网格设定为窗口网格，并将该窗口网格的分类标签和网格编码存入信息整合数据存储器；重复步骤d直至不在检测到相邻的发生第二类城市管理事件的网格；e.将信息整合数据存储器中的信息数据输出为一条城市管理事件信息集合并输出。2.根据权利要求1所述的城市网格化管理方法，其特征在于，所述对城市遥感地图进行多级网格划分具体为：以城市遥感地图中的街道级行政区域范围为基准进行一级网格划分在每一个一级网格中以城市的道路为基准进行二级网格划分。3.根据权利要求1所述的城市网格化管理方法，其特征在于，所述复眼成像监控装置采用由6行
×
8列共48个窄视场长焦成像子单元构成的阵列，每个窄视场长焦成像子单元的焦距为100mm，视场角为35
°
，输出图像的分辨率为1080p。4.根据权利要求1所述的城市网格化管理方法，其特征在于，所述使用深度神经网络图像识别模型对监控图像进行分类识别包括：对所述城市监控图像以预定的时间间隔进行提取，每提取预定数量的城市监控图像构成为一组，每组内的每个监控图像都经过傅里叶变换转换为高频数据分量及低频数据分量，并分别输入高频分量网络模块模块和低频分量网络模块，从高频分量网络模块模块和低频分量网络模块获得的运算结果经过叠加输入共享权重的长短时期记忆网络单元，在经过长短时期记忆网络单元后其输出结果输入全连接层。经过全连接层后结果输入至图卷积分类器以获得多分类标签。5.根据权利要求4所述的城市网格化管理方法，其特征在于，所述高频分量网络模块中的输入卷积层采用4
×
4的卷积核，16个滤波器，滑动步长为1。卷积块数目为三个，其中第一卷积块设置为具有三通道的卷积层，第一卷积块的第一通道为单层卷积层，其采用8
×
8的
卷积核，32个滤波器，滑动步长为1；第一卷积块的第二通道为双层卷积层，其中第一卷积层采用8
×
8的卷积核，64个滤波器，滑动步长为1，第二卷积层采用8
×
8的卷积核，64个滤波器，滑动步长为1；第三通道为三层卷积层，其中第一卷积层8
×
8的卷积核，32个滤波器，滑动步长为1，第二卷积层采用4
×
4的卷积核，32个滤波器，滑动步长为1，第三卷积层采用4
×
4的卷积核，16个滤波器，滑动步长为1。第二卷积块设置为具有三通道的卷积层，第二卷积块的第一通道为双层卷积层，其第一卷积层采用8
×
8的卷积核，32个滤波器，滑动步长为1，其第二卷积层采用8
×
8的卷积核，64个滤波器，滑动步长为1；第二卷积块的第二通道为双层卷积层，其第一卷积层采用8
×
8的卷积核，64个滤波器，滑动步长为1，其第二卷积层采用4
×
4的卷积核，128个滤波器，滑动步长为1；第二卷积块的第三通道为三层卷积层，其第一卷积层采用8
×
8的卷积核，32个滤波器，滑动步长为1，其第二卷积层采用4
×
4的卷积核，64个滤波器，滑动步长为1，其第三卷积层采用2
×
2的卷积核，128个滤波器，滑动步长为1。第三卷积块设置为具有双通道的卷积层，第三卷积块的第一通道为双层卷积层，其第一卷积层采用8
×
8的卷积核，32个滤波器，滑动步长为1，其第二卷积层采用4
×
4的卷积核，64个滤波器，滑动步长为1；第三卷积块的第二通道为双层卷积层，其第一卷积层采用8
×
8的卷积核，64个滤波器，滑动步长为1，其第二卷积层采用4
×
4的卷积核，128个滤波器，滑动步长为1。第三卷积块输出至平均池化层，平均池化层的池化窗口大小设置为2
×
2，通道数为64，步长设定为2。6.一种基于gis和机器视觉的城市网格化管理系统，所述系统包括：处理器，适用于实现各指令；以及存储设备，适用于存储多条指令，所述指令适于由处理器加载并执行；所述指令包括：对城市遥感地图进行多级网格划分，并对每个城市网格配置唯一编码；在每个城市网格的地理区域中布置复眼成像监控装置，并对每个复眼成像监控装置进行编码；将城市网格编码与复眼成像监控装置编码输入地理信息化系统gis，并完成城市网格编码与复眼成像监控装置编码的对应关系；利用复眼成像监控装置获取城市监控图像，并使用深度神经网络图像识别模型对监控图像进行分类识别以获得所述城市监控图像的分类标签；对获得的分类标签进行信息整合，所述信息整合过程包括如下步骤：a.将所述分类标签划分为第一类城市管理事件和第二类城市管理事件；b.筛选出所有第一类城市管理事件的城市网格，并将每一个输出第一类城市管理事件的城市网格设定为一个第一级事件网格，同时将相邻的第一级事件网格进行合并成一个第一级事件网格；c.针对个第一级事件网格构建信息整合数据存储器并将该第一级事件网络的分类标签及网格编码输入信息整合存储器，随后筛选与该第一级事件网格相邻的所有城市网格，将发生第二类城市管理事件的网格设定为窗口网格，并将该窗口的分类标签及网格编码输入信息整合数据存储器；d.对与窗口网格相邻且网格编码未存储入信息整合数据存储器的城市网格进行筛选，
将发生第二类城市管理事件的网格设定为窗口网格，并将该窗口网格的分类标签和网格编码存入信息整合数据存储器；重复步骤d直至不在检测到相邻的发生第二类城市管理事件的网格；e.将信息整合数据存储器中的信息数据输出为一条城市管理事件信息集合并输出。7.根据权利要求6所述的城市网格化管理系统，其特征在于，所述对城市遥感地图进行多级网格划分具体为：以城市遥感地图中的街道级行政区域范围为基准进行一级网格划分在每一个一级网格中以城市的道路为基准进行二级网格划分。8.根据权利要求6所述的城市网格化管理系统，其特征在于，所述复眼成像监控装置采用由6行
×
8列共48个窄视场长焦成像子单元构成的阵列，每个窄视场长焦成像子单元的焦距为100mm，视场角为35
°
，输出图像的分辨率为1080p。9.根据权利要求6所述的城市网格化管理系统，其特征在于，所述使用深度神经网络图像识别模型对监控图像进行分类识别包括：对所述城市监控图像以预定的时间间隔进行提取，每提取预定数量的城市监控图像构成为一组，每组内的每个监控图像都经过傅里叶变换转换为高频数据分量及低频数据分量，并分别输入高频分量网络模块模块和低频分量网络模块，从高频分量网络模块模块和低频分量网络模块获得的运算结果经过叠加输入共享权重的长短时期记忆网络单元，在经过长短时期记忆网络单元后其输出结果输入全连接层。经过全连接层后结果输入至图卷积分类器以获得多分类标签。10.根据权利要求9所述的城市网格化管理系统，其特征在于，所述高频分量网络模块中的输入卷积层采用4
×
4的卷积核，16个滤波器，滑动步长为1。卷积块数目为三个，其中第一卷积块设置为具有三通道的卷积层，第一卷积块的第一通道为单层卷积层，其采用8
×
8的卷积核，32个滤波器，滑动步长为1；第一卷积块的第二通道为双层卷积层，其中第一卷积层采用8
×
8的卷积核，64个滤波器，滑动步长为1，第二卷积层采用8
×
8的卷积核，64个滤波器，滑动步长为1；第三通道为三层卷积层，其中第一卷积层8
×
8的卷积核，32个滤波器，滑动步长为1，第二卷积层采用4
×
4的卷积核，32个滤波器，滑动步长为1，第三卷积层采用4
×
4的卷积核，16个滤波器，滑动步长为1。第二卷积块设置为具有三通道的卷积层，第二卷积块的第一通道为双层卷积层，其第一卷积层采用8
×
8的卷积核，32个滤波器，滑动步长为1，其第二卷积层采用8
×
8的卷积核，64个滤波器，滑动步长为1；第二卷积块的第二通道为双层卷积层，其第一卷积层采用8
×
8的卷积核，64个滤波器，滑动步长为1，其第二卷积层采用4
×
4的卷积核，128个滤波器，滑动步长为1；第二卷积块的第三通道为三层卷积层，其第一卷积层采用8
×
8的卷积核，32个滤波器，滑动步长为1，其第二卷积层采用4
×
4的卷积核，64个滤波器，滑动步长为1，其第三卷积层采用2
×
2的卷积核，128个滤波器，滑动步长为1。第三卷积块设置为具有双通道的卷积层，第三卷积块的第一通道为双层卷积层，其第一卷积层采用8
×
8的卷积核，32个滤波器，滑动步长为1，其第二卷积层采用4
×
4的卷积核，64个滤波器，滑动步长为1；第三卷积块的第二通道为双层卷积层，其第一卷积层采用8
×
8的卷积核，64个滤波器，滑动步长为1，其第二卷积层采用4
×
4的卷积核，128个滤波器，滑动步长为1。第三卷积块输出至平均池化层，平均池化层的池化窗口大小设置为2
×
2，通道数为64，
步长设定为2。
技术总结
本发明公开了一种基于GIS和机器视觉的城市网格化管理方法，其包括对城市遥感地图进行多级网格划分，并对每个城市网格配置唯一编码；在每个城市网格的地理区域中布置复眼成像监控装置，并对每个复眼成像监控装置进行编码；利用复眼成像监控装置获取城市监控图像，并使用深度神经网络图像识别模型对监控图像进行分类识别已获得所述城市监控图像的分类标签；对获得的分类标签进行信息整合以获得同一城市管理事件信息集合。一城市管理事件信息集合。一城市管理事件信息集合。
技术研发人员：魏希影
受保护的技术使用者：北京网汇智城科技有限公司
技术研发日：2022.04.16
技术公布日：2022/8/15