智慧城管违规摆摊沿街晾晒识别检测系统对城市街道进行7*24小时不间断实时监测，当智慧城管违规摆摊沿街晾晒识别检测系统监测到沿街晾晒违规摆摊占道经营时，立即抓拍告警同步将违规信息回传给后台监控大数据平台并通知相关人员。系统大幅度提升后台监控效率，降低人工工作强度做到智能化预警、常态自动化检测，弥补了传统方法在城市管理中的缺陷。
YOLOv7 在 5 FPS 到 160 FPS 范围内，速度和精度都超过了所有已知的目标检测器
并在 V100 上，30 FPS 的情况下达到实时目标检测器的最高精度 56.8% AP。YOLOv7 是在 MS COCO 数据集上从头开始训练的，不使用任何其他数据集或预训练权重。
相对于其他类型的工具，YOLOv7-E6 目标检测器（56 FPS V100，55.9% AP）比基于 transformer 的检测器 SWINL Cascade-Mask R-CNN（9.2 FPS A100，53.9% AP）速度上高出 509%，精度高出 2%，比基于卷积的检测器 ConvNeXt-XL Cascade-Mask R-CNN (8.6 FPS A100, 55.2% AP) 速度高出 551%，精度高出 0.7%。
随着社会的发展和人们生活水平的进步，大家对于生活环境和空气质量的关注和要求也是与日俱增。特别是近年来违规摆摊沿街晾晒的游摊小贩，给部分居民生活带来了一些烦恼。而对于这种占道经营违规摆摊的现象影响道路交通秩序和居民生活环境。传统手段信息滞后，缺乏技术手段，管理被动后置。从范围上讲，管理范围不清，多头管理，范围交叉，缺乏联动。在这种背景下，智慧城管违规摆摊沿街晾晒识别检测系统应运而生。
# From Mr. Dinosaur
import os
def listdir(path, list_name): # 传入存储的list
for file in os.listdir(path):
file_path = os.path.join(path, file)
if os.path.isdir(file_path):
listdir(file_path, list_name)
else:
list_name.append(file_path)
list_name = []
path = 'D:/PythonProject/data/' # 文件夹路径
listdir(path, list_name)
print(list_name)
with open('./list.txt', 'w') as f: # 要存入的txt
write = ''
for i in list_name:
write = write + str(i) + '\n'
f.write(write)智慧城管违规摆摊沿街晾晒识别检测系统通过计算机视觉深度学习技术，不需要新增硬件成本，对城市道路进行实时监测。当监测到流动商贩占道经营时，立即将违规行为截图和视频推送给相关管理人员及时处理并保存下来。系统提升了城市街道监控区域的效率，对违规摆摊占道经营行为形成强大的震慑作用。
