1. 研究目的与意义
随着科技的发展,人工智能中图像识别技术在人们的生活中得到了广泛的应用,人工智能中的图像识别技术作为信息科技发展的标志,在信息发展中占领了重要的地位[1]。深度学习作为机器学习的新分支，其应用在多个领域取得巨大成功，并一直在快速发展，特别在人工智能方面有着广泛且成功的应用。深度学习是为了解决特征难提取的需求，基于深度学习算法通过卷积神经网络可以不用进行人为特征提取和筛选，结果较好，同时可以通过对图像底层特征的组合，获得了高层语义信息。卷积神经网络具有鲁棒性强、可并行处理、学习优化等优点[8][9]，它可以借助卷积层重叠相加法融合多个卷积特征,增强各个特征层的特征强度;构建特征金字塔模型,实现低卷积层的高分辨率特征与高卷积层的语义特征的融合[6]。
智慧城管概念近几年来迅速发展起来，智慧城管系统的建设可以大大减少政府和企业部门信息重复采集、节省人力成本、提高信息利用率和时效性，产生直接经济效益。目前图像处理技术在智慧城管的应用变得越来越普及，比如，行人占道经营识别，违章识别，特征识别，汽车障碍识别，显微图像处理等都有运用深度学习处理技术[2][3]占道经营则是智慧城管概念中的重要的一环，占道经营检测技术通过深度学习中卷积神经网络预训练后的模型来检测马路附近是否存在商贩,可以克服原来通过电话举报或警察巡逻人员利用率差，办事效率低能的缺点,系统可以做到类似于人的对事物的综合性推断能力,从而对复杂事务实现准确的判断[11]。把神经网络应用到监测平台的故障判断中,由经过成功学习的网络模型去判断发生占道经营等行为,达到专业人员判断的准确性甚至超过专业人员判断的准确率[4],有力地提升了政府效能,取得了良好的社会效益,更为其他县区管理模式树立了标杆。为城市管理决策提高及时、准确、科学的信息，并由此产生巨大的经济效益。占道经营系统使城市管理变被动为主动，提高了城市管理效率和管理水平，改善了城市公共管理和服务环境，增加了社会公众生活工作舒适度。而公共管理和服务环境的改善将吸引大量企业投资和入住，进而增加政府的税收和行政事业性收费，这样形成了一个良性循环，促进整个社会的和谐发展。
本文是基于深度学习的占道经营识别系统研究与实现，使用卷积神经网络中vgg net进行深度学习得到神经网络，最后通过 web服务器调用训练好的神经网络判别图片中是否含有商贩占道经营等行为。
2. 研究内容和预期目标
2.1 研究内容：
基于机器学习算法，研究商贩占道经营检测方法。具体内容包括：
（1）熟练的使用html，javascript等语言和基于python中tornadoweb服务器框架；
3. 研究的方法与步骤
基于深度学习的占道经营识别系统主要中分为以下步骤；
1.使用html，javascript等做一个网页用来作为显示判别是否存在占道经营的信息；
2.将标准集通过vgg-16进行深度学习预训练，得到训练好的参数；
4. 参考文献
[1]张嘉丰.关于人工智能中图像识别技术的研究[j].电子技术与软件工程.2018(23)
[2]张丰收，宋卫东，李振伟主编. 数字图像处理技术及应用[m]. 北京：中国水利水电出版社, 2015.
[3]王军,张明柱. 图像匹配算法的研究进展[j]. 大气与环境光学学报,2007
5. 计划与进度安排
（1）2022年12月01日 – 2022年02月20日：查阅资料，熟悉相关技术；
（2） 2022年02月21日 – 2022年02月29日：完成开题报告初稿；
（3） 2022年03月01日 – 2022年03月15日：深入研究相关算法，开题报告定稿；
