CN110503108A - 违章建筑识别方法及装置、存储介质、计算机设备 - Google Patents

违章建筑识别方法及装置、存储介质、计算机设备 Download PDF

Info

Publication number
CN110503108A
CN110503108A CN201910624931.1A CN201910624931A CN110503108A CN 110503108 A CN110503108 A CN 110503108A CN 201910624931 A CN201910624931 A CN 201910624931A CN 110503108 A CN110503108 A CN 110503108A
Authority
CN
China
Prior art keywords
building
identified
picture
edge
contour
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910624931.1A
Other languages
English (en)
Other versions
CN110503108B (zh
Inventor
雷晨雨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ping An Technology Shenzhen Co Ltd
Original Assignee
Ping An Technology Shenzhen Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Ping An Technology Shenzhen Co Ltd filed Critical Ping An Technology Shenzhen Co Ltd
Priority to CN201910624931.1A priority Critical patent/CN110503108B/zh
Priority to PCT/CN2019/103526 priority patent/WO2021003824A1/zh
Publication of CN110503108A publication Critical patent/CN110503108A/zh
Application granted granted Critical
Publication of CN110503108B publication Critical patent/CN110503108B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/30—Noise filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本申请公开了一种违章建筑识别方法及装置、存储介质、计算机设备，该方法包括：获取待识别建筑对应的待识别建筑物图片；对待识别建筑物图片进行灰度化处理，得到待识别建筑物图片对应的灰度图；对灰度图进行边缘检测，得到待识别建筑物图片对应的边缘图片；从边缘图片中提取待识别建筑物轮廓图；根据待识别建筑物轮廓图与标准建筑物轮廓图的匹配情况，判断待识别建筑是否为违章建筑。本申请根据待识别建筑物的轮廓图和标准建筑物的轮廓图的匹配情况分析待识别建筑物是否违章，相比于现有技术中的人工识别方式，提升了违章建筑识别的准确性和效率。

Description

违章建筑识别方法及装置、存储介质、计算机设备
技术领域
本申请涉及图像处理技术领域，尤其是涉及到一种违章建筑识别方法及装置、存储介质、计算机设备。
背景技术
城市是各地区的政治、经济和文化中心，在国民经济和社会发展进程中发挥着重要作用。随着社会经济的发展和各种利益的驱动，各式各样的违法建设行为层出不穷，严重地制约着城市化的发展。违章建筑对城市建设和发展具有很大的危害性，一直是困扰城市发展前进的棘手问题。因此，对违章建筑进行识别，尽早发现违章建筑具有重要意义。
现有技术中在实际的项目建设中，通过设置监控点，由人工值守查看海量的视频或者抓拍图像信息，随着监控点的数量迅速增多，监察人员难免后疏忽遗漏重要的信息，视觉疲劳会使识别效果不如人意，严重影响识别效率。
发明内容
有鉴于此，本申请提供了一种违章建筑识别方法及装置、存储介质、计算机设备，有助于提高违章建筑的识别精度。
根据本申请的一个方面，提供了一种获取待识别建筑对应的待识别建筑物图片；
对所述待识别建筑物图片进行灰度化处理，得到所述待识别建筑物图片对应的灰度图；
对所述灰度图进行边缘检测，得到所述待识别建筑物图片对应的边缘图片；
从所述边缘图片中提取所述待识别建筑物轮廓图；
根据所述待识别建筑物轮廓图与标准建筑物轮廓图的匹配情况，判断所述待识别建筑是否为违章建筑。
在本申请实施例中，具体地，所述对所述灰度图进行边缘检测，得到所述待识别建筑物图片对应的边缘图片，具体包括：
对所述灰度图进行高斯滤波处理，得到滤波后的所述灰度图；
分别计算所述灰度图中每个像素点的梯度强度和梯度方向；
根据所述梯度方向和所述梯度方向，确定边缘像素点；
根据所述边缘像素点，确定所述待识别建筑物图片对应的边缘图片。
在本申请实施例中，具体地，所述分别计算滤波后的所述灰度图中每个像素点的梯度强度和梯度方向，具体包括：
按照预设梯度强度计算公式以及预设梯度方向计算公式，计算所述梯度强度和所述梯度方向，其中，所述预设梯度强度计算公式为
所述预设梯度方向计算公式为
θ＝arctan(Gy/Gx)，
Gx、Gy分别表示任一像素点G的灰度值在水平方向的一阶导数值以及在垂直方向的一阶导数值。
在本申请实施例中，具体地，所述根据所述梯度方向和所述梯度方向，确定边缘像素点，具体包括：
获取任一像素点的所述梯度方向所在的方向区间；
判断所述任一像素点的所述梯度强度是否大于或等于在所述方向区间上的所述任一像素点的邻域像素点的梯度强度；
若大于或等于，则将所述任一像素点确定为边缘像素点。
在本申请实施例中，具体地，所述根据所述边缘像素点，确定所述待识别建筑物图片对应的边缘图片，具体包括：
若任一所述边缘像素点对应的梯度强度大于预设强边缘点阈值，则将任一所述边缘像素点标记为强边缘像素点；
若任一所述边缘像素点对应的梯度强度大于或等于预设弱边缘点阈值，则将任一所述边缘像素点标记为弱边缘像素点；
若所述弱边缘像素点的邻域像素点中包含所述强边缘像素点，则将任一所述边缘像素点的标记从所述弱边缘像素点改为所述强边缘像素点；
根据所述强边缘像素点，确定所述边缘图片。
在本申请实施例中，具体地，所述待识别建筑物轮廓图包含多个待识别建筑物轮廓，所述标准建筑物轮廓图包含多个标准建筑物轮廓；
所述根据所述待识别建筑物轮廓图与标准建筑物轮廓图的匹配情况，判断所述待识别建筑是否为违章建筑，具体包括：
将多个所述待识别建筑物轮廓与多个所述标准建筑物轮廓进行匹配；
若任意一个所述待识别建筑物轮廓不满足预设匹配条件，则所述待识别建筑物为所述违章建筑，其中，所述预设匹配条件为
|xi-xj|＜F1，|yi-yj|＜F2，|si-sj|＜F3
xi和xj分别表示任一标准建筑物轮廓i与任一待识别建筑物轮廓j在x轴的中心点坐标，yi和yj分别表示任一所述标准建筑物轮廓i与任一所述待识别建筑物轮廓j在y轴的中心点坐标，si和sj分别表示任一所述标准建筑物轮廓i与任一所述待识别建筑物轮廓j包含的像素点的数量，F1，F2，F3分别为预设第一违章阈值、预设第二违章阈值和预设第三违章阈值。
在本申请实施例中，具体地，所述获取待识别建筑对应的待识别建筑物图片之前，所述方法还包括：
获取所述待识别建筑物在预设第一时间的标准建筑物图片，其中，所述标准建筑物图片与所述待识别建筑物图片的拍摄位置相同；
提取所述标准建筑物图片对应的所述标准建筑物轮廓图；
所述获取待识别建筑对应的待识别建筑物图片，具体包括：
获取所述待识别建筑物在预设第二时间的所述待识别建筑物图片。
根据本申请的另一方面，提供了一种违章建筑识别装置，包括：
待识别图片获取模块，用于获取待识别建筑对应的待识别建筑物图片；
灰度化模块，用于对所述待识别建筑物图片进行灰度化处理，得到所述待识别建筑物图片对应的灰度图；
边缘检测模块，用于对所述灰度图进行边缘检测，得到所述待识别建筑物图片对应的边缘图片；
轮廓提取模块，用于从所述边缘图片中提取所述待识别建筑物轮廓图；
违章判断模块，用于根据所述待识别建筑物轮廓图与标准建筑物轮廓图的匹配情况，判断所述待识别建筑是否为违章建筑。
在本申请实施例中，具体地，所述边缘检测模块，具体包括：
滤波单元，用于对所述灰度图进行高斯滤波处理，得到滤波后的所述灰度图；
计算单元，用于分别计算所述灰度图中每个像素点的梯度强度和梯度方向；
边缘点确定单元，用于根据所述梯度方向和所述梯度方向，确定边缘像素点；
边缘图片确定单元，用于根据所述边缘像素点，确定所述待识别建筑物图片对应的边缘图片。
在本申请实施例中，具体地，所述计算单元，具体用于：
按照预设梯度强度计算公式以及预设梯度方向计算公式，计算所述梯度强度和所述梯度方向，其中，所述预设梯度强度计算公式为
所述预设梯度方向计算公式为
θ＝arctan(Gy/Gx)，
Gx、Gy分别表示任一像素点G的灰度值在水平方向的一阶导数值以及在垂直方向的一阶导数值。
在本申请实施例中，具体地，所述边缘点确定单元，具体包括：
方向区间获取子单元，用于获取任一像素点的所述梯度方向所在的方向区间；
判断子单元，用于判断所述任一像素点的所述梯度强度是否大于或等于在所述方向区间上的所述任一像素点的邻域像素点的梯度强度；
边缘点确定子单元，用于若大于或等于，则将所述任一像素点确定为边缘像素点。
在本申请实施例中，具体地，所述边缘图片确定单元，具体包括：
强边缘点标记子单元，用于若任一所述边缘像素点对应的梯度强度大于预设强边缘点阈值，则将任一所述边缘像素点标记为强边缘像素点；
弱边缘点标记子单元，用于若任一所述边缘像素点对应的梯度强度大于或等于预设弱边缘点阈值，则将任一所述边缘像素点标记为弱边缘像素点；
标记更新子单元，用于若所述弱边缘像素点的邻域像素点中包含所述强边缘像素点，则将任一所述边缘像素点的标记从所述弱边缘像素点改为所述强边缘像素点；
边缘图片确定子单元，用于根据所述强边缘像素点，确定所述边缘图片。
在本申请实施例中，具体地，所述待识别建筑物轮廓图包含多个待识别建筑物轮廓，所述标准建筑物轮廓图包含多个标准建筑物轮廓；
所述违章判断模块，具体包括：
轮廓匹配单元，用于将多个所述待识别建筑物轮廓与多个所述标准建筑物轮廓进行匹配；
违章判断单元，用于若任意一个所述待识别建筑物轮廓不满足预设匹配条件，则所述待识别建筑物为所述违章建筑，其中，所述预设匹配条件为
|xi-xj|＜F1，|yi-yj|＜F2，|si-sj|＜F3
xi和xj分别表示任一标准建筑物轮廓i与任一待识别建筑物轮廓j在x轴的中心点坐标，yi和yj分别表示任一所述标准建筑物轮廓i与任一所述待识别建筑物轮廓j在y轴的中心点坐标，si和sj分别表示任一所述标准建筑物轮廓i与任一所述待识别建筑物轮廓j包含的像素点的数量，F1，F2，F3分别为预设第一违章阈值、预设第二违章阈值和预设第三违章阈值。
在本申请实施例中，具体地，所述装置还包括：
标准图片获取模块，用于在所述获取待识别建筑对应的待识别建筑物图片之前，获取所述待识别建筑物在预设第一时间的标准建筑物图片，其中，所述标准建筑物图片与所述待识别建筑物图片的拍摄位置相同；
标准轮廓提取模块，用于提取所述标准建筑物图片对应的所述标准建筑物轮廓图；
所述待识别图片获取模块，具体用于获取所述待识别建筑物在预设第二时间的所述待识别建筑物图片。
依据本申请又一个方面，提供了一种存储介质，其上存储有计算机程序，所述程序被处理器执行时实现上述违章建筑识别方法。
依据本申请再一个方面，提供了一种计算机设备，包括存储介质、处理器及存储在存储介质上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述违章建筑识别方法。
借由上述技术方案，本申请提供的一种违章建筑识别方法及装置、存储介质、计算机设备，对待识别建筑物图片进行灰度化处理，利用处理后的灰度图进行边缘检测得到待识别建筑物对应的边缘图片，并从边缘图片中提取出待识别建筑物的轮廓图，从而利用待识别建筑物轮廓图与标准建筑物轮廓图进行比对，分析待识别建筑物是否为违章建筑。本申请根据待识别建筑物的轮廓图和标准建筑物的轮廓图的匹配情况分析待识别建筑物是否违章，相比于现有技术中的人工识别方式，提升了违章建筑识别的准确性和效率。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1示出了本申请实施例提供的一种违章建筑识别方法的流程示意图；
图2示出了本申请实施例提供的另一种违章建筑识别方法的流程示意图；
图3示出了本申请实施例提供的一种违章建筑识别装置的结构示意图；
图4示出了本申请实施例提供的另一种违章建筑识别装置的结构示意图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本申请。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
在本实施例中提供了一种违章建筑识别方法，如图1所示，该方法包括：
步骤101，获取待识别建筑对应的待识别建筑物图片。
本申请实施例提供的违章建筑识别方法，对同一建筑物在不同时间点的图片进行对比识别，从而判断待识别建筑在一定时间段内是否产生违章现象，因此，在进行识别之前，需要获取待识别建筑对应的待识别建筑物图片，并将其缩放至预设尺寸以便进行后续的图像处理和识别。由于大多建筑物高度较高，本申请实施例采用无人机航拍的方式进行建筑物图片采集。
步骤102，对待识别建筑物图片进行灰度化处理，得到待识别建筑物图片对应的灰度图。
获取到待识别建筑物图片后，将其进行灰度化处理，使彩色的图片变为灰度图，方便进行下一步的图像处理和识别。本申请实施例提供了两种灰度化处理方法。第一，最大值法：将待识别建筑物图片中每个像素点的RGB三分量亮度中的最大值作为对应像素点的灰度值，得到待识别建筑物图片对应的灰度图；第二，平均值法：将待识别建筑物图片中每个像素点的RGB三分量亮度的平均值作为对应像素点的灰度值，得到待识别建筑物图片对应的灰度图。本申请实施例也可以采用其他的灰度处理方法，在此不做限定。
步骤103，对灰度图进行边缘检测，得到待识别建筑物图片对应的边缘图片。
通过边缘检测方法，找出待识别建筑物灰度图中的边缘点，从而得到待识别建筑物图片对应的边缘图片，例如边缘图片可以反映出待识别建筑物的墙体、窗体等边缘信息。
步骤104，从边缘图片中提取待识别建筑物轮廓图。
从边缘图片中提取出待识别建筑物的轮廓图，轮廓图可以反映出建筑物的轮廓特性，如建筑物的窗体轮廓，建筑物的顶部轮廓等等。
步骤105，根据待识别建筑物轮廓图与标准建筑物轮廓图的匹配情况，判断待识别建筑是否为违章建筑。
利用同一待识别建筑物的标准建筑物轮廓图与待识别建筑物轮廓图进行匹配，判断待识别建筑物的轮廓是否发生变化，若轮廓发生变化，则说明待识别建筑物发生了改变，可能产生了违章建筑，若轮廓未发生变化，即待识别建筑物轮廓图的轮廓与标准建筑物轮廓图的轮廓相匹配，则说明待识别建筑物未发生改变，没有产生违章建筑。
通过应用本实施例的技术方案，对待识别建筑物图片进行灰度化处理，利用处理后的灰度图进行边缘检测得到待识别建筑物对应的边缘图片，并从边缘图片中提取出待识别建筑物的轮廓图，从而利用待识别建筑物轮廓图与标准建筑物轮廓图进行比对，分析待识别建筑物是否为违章建筑。本申请根据待识别建筑物的轮廓图和标准建筑物的轮廓图的匹配情况分析待识别建筑物是否违章，相比于现有技术中的人工识别方式，提升了违章建筑识别的准确性和效率。
进一步的，作为上述实施例具体实施方式的细化和扩展，为了完整说明本实施例的具体实施过程，提供了另一种违章建筑识别方法，如图2所示，该方法包括：
步骤201，获取待识别建筑对应的待识别建筑物图片。
步骤202，对待识别建筑物图片进行灰度化处理，得到待识别建筑物图片对应的灰度图。
在本申请实施例中，对获取到的待识别建筑物图片进行灰度化，得到待识别建筑物图片对应的灰度图。
步骤203，对灰度图进行高斯滤波处理，得到滤波后的灰度图。
在本申请实施例步骤203中，具体来说，根据预设高斯权重值，对灰度图中每个像素点的灰度值以及每个像素点的邻域像素点对应的灰度值进行加权求和，得到每个像素点的高斯模糊值，将高斯模糊值确定为灰度图中每个像素点的新的灰度值。根据每个像素点的新的灰度值，即可确定滤波后的灰度图。其中，对某一像素点的灰度值以及该像素点的邻域像素点对应的灰度值进行加权求和是指对以某一像素点为中心构成的Q×Q个像素点加权求和，即某一像素点的邻域像素点是指以某一像素点为中心构成的Q×Q个像素点中除某一像素点外的全部像素点。
预设高斯权重值根据公式计算，其中，用坐标点(x,y)表示任一像素点，以该像素点为中心构成一个3×3的邻域，中心点的坐标为(0，0)，相邻点坐标为
(-1，-1) (0，-1) (1，-1)
(-1，0) (0，0) (1，0)
(-1，1) (0，1) (1，1)
，
本申请实施例中设定方差σ2为0.64(该值不做限定，在此仅为举例)，则根据上述公式计算得到的高斯权重值为
0.052 0.114 0.052
0.114 0.249 0.114
0.052 0.114 0.052
，
将上述高斯权重值进行归一化处理，得到标准高斯权重值为
0.057 0.125 0.057
0.125 0.272 0.125
0.057 0.125 0.057
。
将上述的标准高斯权重值作为本申请实施例的预设高斯权重值，对于每个像素点来说，取以该像素点为中心的3×3邻域的9个像素点，分别按照预设高斯权重值对这9个像素点的灰度值进行加权求和，将加权求和结果作为中心像素点的高斯模糊值，将每个像素点的高斯模糊值作为这个像素点的灰度值得到滤波后的灰度图。
例如一个3×3邻域的9个像素点的灰度值为
82 100 89
86 98 92
87 97 89
，
分别对每个像素点的灰度值进行加权后，每个像素点的灰度值为
82×0.057 100×0.125 89×0.057
86×0.125 98×0.272 92×0.125
87×0.057 97×0.125 89×0.057
，
将上述各个加权灰度值进行求和可得到中心点的高斯模糊值为93.31。
步骤204，分别计算灰度图中每个像素点的梯度强度和梯度方向。
在本申请实施例中，具体来说，按照预设梯度强度计算公式以及预设梯度方向计算公式，计算梯度强度和梯度方向，其中，预设梯度强度计算公式为
预设梯度方向计算公式为
θ＝arctan(Gy/Gx)，
Gx、Gy分别表示任一像素点G的灰度值在水平方向的一阶导数值以及在垂直方向的一阶导数值。
步骤205，获取任一像素点的梯度方向所在的方向区间。
步骤206，判断任一像素点的梯度强度是否大于或等于在方向区间上的任一像素点的邻域像素点的梯度强度。
步骤207，若大于或等于，则将任一像素点确定为边缘像素点。
为了找到待识别建筑物的灰度图中的建筑边缘，通过上述的梯度方向计算公式计算出每个像素点的梯度方向后，按照预设的方向区间，分别确定每个像素点对应的方向区间，进而对于任意一个像素点来说，分别获取该像素点的梯度强度，以及该像素点为中心的3×3的邻域中与该中心像素点的方向区间相同的像素点对应的梯度强度，判断该中心像素点的梯度强度是否为邻域像素点中在对应的方向区间上的最大梯度强度，若是，说明这个点可能是建筑物的边缘位置，则将该中心像素点确定为边缘像素点，以消除边缘检测带来的杂散响应。
例如划分0°～45°、45°～90°、0°～-45°、-45°～-90°为4个方向区间，分别将每个像素点的梯度方向对应到其中的一个方向区间中，假设某一像素点的梯度方向在0°～45°方向区间中，那么以该像素点为中心像素点，获取中心像素点3×3邻域的各个像素点的梯度方向，并在邻域的各个像素点的梯度方向在0°～45°方向区间中时获取对应的梯度强度，分析中心像素点的梯度强度是否大于或等于在0°～45°方向区间中的邻域的各个像素点的梯度强度，若大于或等于，则将该中心像素点记为边缘像素点。
步骤208，若任一边缘像素点对应的梯度强度大于预设强边缘点阈值，则将任一边缘像素点标记为强边缘像素点。
通过步骤205至步骤207确定边缘像素点后，为了进一步提升边缘像素点的准确性，需要对边缘像素点的梯度强度与预设强边缘点阈值进行比较，若边缘像素点的梯度强度大于预设强边缘点阈值，说明该像素点是较为明显的建筑物边缘轮廓点，则将该像素低标记为强边缘像素点。
步骤209，若任一边缘像素点对应的梯度强度大于或等于预设弱边缘点阈值，则将任一边缘像素点标记为弱边缘像素点。
步骤210，若弱边缘像素点的邻域像素点中包含强边缘像素点，则将任一边缘像素点的标记从弱边缘像素点改为强边缘像素点。
而若任一边缘像素点的梯度强度小于预设强边缘点阈值大于或等于预设弱边缘点阈值，说明该像素点可能是建筑物的边缘轮廓点，也可能是被误判为边缘轮廓点，则将该像素点标记为弱边缘像素点，并对弱边缘像素点进行进一步判断，具体若弱边缘像素点的邻域像素点中包括强边缘像素点，说明该像素点的邻域中存在建筑物边缘轮廓点，则将该像素点的标记更改为强边缘像素点，从而确定真实的和潜在的边缘点。
需要说明的是，若任一边缘像素点的梯度强度小于预设弱边缘点阈值，说明该点可能被误判为边缘像素点，则直接将其丢弃，另外，若弱边缘像素点的邻域像素点中不包括强边缘像素点，也直接将该弱边缘像素点丢弃。
步骤211，根据强边缘像素点，确定边缘图片。
利用全部的强边缘像素点，确定待识别建筑物对应的边缘图片，该边缘图片能够反应出待识别建筑物的边缘轮廓情况。
步骤212，从边缘图片中提取待识别建筑物轮廓图。
本申请实施例中，将边缘图片输入至find Contours工具包中，利用findContours工具包从边缘图片中，提取出待识别建筑物的轮廓图。其中，待识别建筑物轮廓图包含多个待识别建筑物轮廓，标准建筑物轮廓图包含多个标准建筑物轮廓。
另外，在本申请实施例中，利用无人机航拍技术，分别在特定的两个时间点，在相同的位置处拍摄待识别建筑物的图片，在步骤201，获取待识别建筑对应的待识别建筑物图片之前，还包括：获取待识别建筑物在预设第一时间的标准建筑物图片，其中，标准建筑物图片与待识别建筑物图片的拍摄位置相同；提取标准建筑物图片对应的标准建筑物轮廓图。其中，提取标准建筑物图片对应的标准建筑物轮廓图的方法与上述提取待识别建筑物轮廓图的方法一致，在此不再赘述。本申请实施例也可以直接利用FCN语义分割网络模型或实例分割网络MaskR-CNN等模型实现轮廓提取，将待识别建筑物图片或标准建筑物图片直接输入至模型中，即可得出相应的轮廓图。
另外，基于上述的说明，步骤201应为：获取待识别建筑物在预设第二时间的待识别建筑物图片。
步骤213，将多个待识别建筑物轮廓与多个标准建筑物轮廓进行匹配；若任意一个待识别建筑物轮廓不满足预设匹配条件，则待识别建筑物为违章建筑，其中，预设匹配条件为
|xi-xj|＜F1，|yi-yj|＜F2，|si-sj|＜F3
xi和xj分别表示任一标准建筑物轮廓i与任一待识别建筑物轮廓j在x轴的中心点坐标，yi和yj分别表示任一标准建筑物轮廓i与任一待识别建筑物轮廓j在y轴的中心点坐标，si和sj分别表示任一标准建筑物轮廓i与任一待识别建筑物轮廓j包含的像素点的数量，F1，F2，F3分别为预设第一违章阈值、预设第二违章阈值和预设第三违章阈值。
在本申请实施例中，标准建筑物轮廓图和待识别建筑物轮廓图分别包含有多个轮廓，对违章建筑的识别过程实质上是基于识别标准建筑物的各个轮廓，判断待识别建筑物的轮廓是否发生了较为明显的变化，若发生了明显变化，说明待识别建筑物可能产生了违章搭建，若未发生明显变化，说明待识别建筑物未产生违章搭建。具体的判断待识别建筑物的轮廓是否发生变化的评判标准即为上述的预设匹配条件。
具体判断步骤可以为：S1，分别将待识别建筑物轮廓图中的每一个轮廓信息Mi与标准建筑物轮廓图中的每一个轮廓信息Nj比较；S2，对于待识别建筑物轮廓图中的任意一个轮廓Mi来说，如果存在任意一个Nj，满足xi-xj的绝对值小于F1，yi-yj的绝对值小于F2，si-sj的绝对值小于F3，则这段时间内待识别建筑物没有违章建筑产生；S3，否则，即如果存在任意一个Nj，满足xi-xj的绝对值大于或等于F1，yi-yj的绝对值大于或等于F2，si-sj的绝对值大于或等于F3，这3个条件中的任意一个或多个，则这段时间内待识别建筑物已产生了违章建筑。
通过应用本实施例的技术方案，对待识别建筑物图片进行灰度化处理，利用处理后的灰度图进行高斯滤波处理，以平滑图像，滤除噪声，进而根据每个像素点的梯度强度和梯度方向确定边缘像素点，并采用非极大值抑制和双阈值检测的方式消除边缘检测带来的杂散响应，孤立弱边缘确定真实的和潜在的边缘，从而得到待识别建筑物的轮廓图，利用待识别建筑物轮廓图与标准建筑物轮廓图进行多维比对，分析待识别建筑物是否为违章建筑，最终提高了违章建筑的识别精度。
进一步的，作为图1方法的具体实现，本申请实施例提供了一种违章建筑识别装置，如图3所示，该装置包括：待识别图片获取模块31、灰度化模块32、边缘检测模块33、轮廓提取模块34、违章判断模块35。
待识别图片获取模块31，用于获取待识别建筑对应的待识别建筑物图片；
灰度化模块32，用于对待识别建筑物图片进行灰度化处理，得到待识别建筑物图片对应的灰度图；
边缘检测模块33，用于对灰度图进行边缘检测，得到待识别建筑物图片对应的边缘图片；
轮廓提取模块34，用于从边缘图片中提取待识别建筑物轮廓图；
违章判断模块35，用于根据待识别建筑物轮廓图与标准建筑物轮廓图的匹配情况，判断待识别建筑是否为违章建筑。
在本申请实施例中，具体地，如图4所示，边缘检测模块33，具体包括：滤波单元331、计算单元332、边缘点确定单元333、边缘图片确定单元334。
滤波单元331，用于对灰度图进行高斯滤波处理，得到滤波后的灰度图；
计算单元332，用于分别计算灰度图中每个像素点的梯度强度和梯度方向；
边缘点确定单元333，用于根据梯度方向和梯度方向，确定边缘像素点；
边缘图片确定单元334，用于根据边缘像素点，确定待识别建筑物图片对应的边缘图片。
在本申请实施例中，具体地，计算单元332，具体用于按照预设梯度强度计算公式以及预设梯度方向计算公式，计算梯度强度和梯度方向，其中，预设梯度强度计算公式为
预设梯度方向计算公式为
θ＝arctan(Gy/Gx)，
Gx、Gy分别表示任一像素点G的灰度值在水平方向的一阶导数值以及在垂直方向的一阶导数值。
在本申请实施例中，具体地，边缘点确定单元333，具体包括：方向区间获取子单元3331、判断子单元3332、边缘点确定子单元3333。
方向区间获取子单元3331，用于获取任一像素点的梯度方向所在的方向区间；
判断子单元3332，用于判断任一像素点的梯度强度是否大于或等于在方向区间上的任一像素点的邻域像素点的梯度强度；
边缘点确定子单元3333，用于若大于或等于，则将任一像素点确定为边缘像素点。
在本申请实施例中，具体地，边缘图片确定单元334，具体包括：强边缘点标记子单元3341、弱边缘点标记子单元3342、标记更新子单元3343、边缘图片确定子单元3344。图中未示出。
强边缘点标记子单元3341，用于若任一边缘像素点对应的梯度强度大于预设强边缘点阈值，则将任一边缘像素点标记为强边缘像素点；
弱边缘点标记子单元3342，用于若任一边缘像素点对应的梯度强度大于或等于预设弱边缘点阈值，则将任一边缘像素点标记为弱边缘像素点；
标记更新子单元3343，用于若弱边缘像素点的邻域像素点中包含强边缘像素点，则将任一边缘像素点的标记从弱边缘像素点改为强边缘像素点；
边缘图片确定子单元3344，用于根据强边缘像素点，确定边缘图片。
在本申请实施例中，具体地，待识别建筑物轮廓图包含多个待识别建筑物轮廓，标准建筑物轮廓图包含多个标准建筑物轮廓；
违章判断模块35，具体包括：轮廓匹配单元351、违章判断单元352。
轮廓匹配单元351，用于将多个待识别建筑物轮廓与多个标准建筑物轮廓进行匹配；
违章判断单元352，用于若任意一个待识别建筑物轮廓不满足预设匹配条件，则待识别建筑物为违章建筑，其中，预设匹配条件为
|xi-xj|＜F1，|yi-yj|＜F2，|si-sj|＜F3，
xi和xj分别表示任一标准建筑物轮廓i与任一待识别建筑物轮廓j在x轴的中心点坐标，yi和yj分别表示任一标准建筑物轮廓i与任一待识别建筑物轮廓j在y轴的中心点坐标，si和sj分别表示任一标准建筑物轮廓i与任一待识别建筑物轮廓j包含的像素点的数量，F1，F2，F3分别为预设第一违章阈值、预设第二违章阈值和预设第三违章阈值。
在本申请实施例中，具体地，装置还包括：标准图片获取模块36、标准轮廓提取模块37。
标准图片获取模块36，用于在获取待识别建筑对应的待识别建筑物图片之前，获取待识别建筑物在预设第一时间的标准建筑物图片，其中，标准建筑物图片与待识别建筑物图片的拍摄位置相同；
标准轮廓提取模块37，用于提取标准建筑物图片对应的标准建筑物轮廓图；
待识别图片获取模块31，具体用于获取待识别建筑物在预设第二时间的待识别建筑物图片。
需要说明的是，本申请实施例提供的一种违章建筑识别装置所涉及各功能单元的其他相应描述，可以参考图1和图2中的对应描述，在此不再赘述。
基于上述如图1和图2所示方法，相应的，本申请实施例还提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述如图1和图2所示的违章建筑识别方法。
基于这样的理解，本申请的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施场景所述的方法。
基于上述如图1、图2所示的方法，以及图3、图4所示的虚拟装置实施例，为了实现上述目的，本申请实施例还提供了一种计算机设备，具体可以为个人计算机、服务器、网络设备等，该计算机设备包括存储介质和处理器；存储介质，用于存储计算机程序；处理器，用于执行计算机程序以实现上述如图1和图2所示的违章建筑识别方法。
可选地，该计算机设备还可以包括用户接口、网络接口、摄像头、射频(RadioFrequency，RF)电路，传感器、音频电路、WI-FI模块等等。用户接口可以包括显示屏(Display)、输入单元比如键盘(Keyboard)等，可选用户接口还可以包括USB接口、读卡器接口等。网络接口可选的可以包括标准的有线接口、无线接口(如蓝牙接口、WI-FI接口)等。
本领域技术人员可以理解，本实施例提供的一种计算机设备结构并不构成对该计算机设备的限定，可以包括更多或更少的部件，或者组合某些部件，或者不同的部件布置。
存储介质中还可以包括操作系统、网络通信模块。操作系统是管理和保存计算机设备硬件和软件资源的程序，支持信息处理程序以及其它软件和/或程序的运行。网络通信模块用于实现存储介质内部各组件之间的通信，以及与该实体设备中其它硬件和软件之间通信。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本申请可以借助软件加必要的通用硬件平台的方式来实现，也可以通过硬件实现对待识别建筑物图片进行灰度化处理，利用处理后的灰度图进行边缘检测得到待识别建筑物对应的边缘图片，并从边缘图片中提取出待识别建筑物的轮廓图，从而利用待识别建筑物轮廓图与标准建筑物轮廓图进行比对，分析待识别建筑物是否为违章建筑。本申请根据待识别建筑物的轮廓图和标准建筑物的轮廓图的匹配情况分析待识别建筑物是否违章，相比于现有技术中的人工识别方式，提升了违章建筑识别的准确性和效率。
本领域技术人员可以理解附图只是一个优选实施场景的示意图，附图中的模块或流程并不一定是实施本申请所必须的。本领域技术人员可以理解实施场景中的装置中的模块可以按照实施场景描述进行分布于实施场景的装置中，也可以进行相应变化位于不同于本实施场景的一个或多个装置中。上述实施场景的模块可以合并为一个模块，也可以进一步拆分成多个子模块。
上述本申请序号仅仅为了描述，不代表实施场景的优劣。以上公开的仅为本申请的几个具体实施场景，但是，本申请并非局限于此，任何本领域的技术人员能思之的变化都应落入本申请的保护范围。

Claims (10)

1.一种违章建筑识别方法，其特征在于，包括：
获取待识别建筑对应的待识别建筑物图片；
对所述待识别建筑物图片进行灰度化处理，得到所述待识别建筑物图片对应的灰度图；
对所述灰度图进行边缘检测，得到所述待识别建筑物图片对应的边缘图片；
从所述边缘图片中提取所述待识别建筑物轮廓图；
根据所述待识别建筑物轮廓图与标准建筑物轮廓图的匹配情况，判断所述待识别建筑是否为违章建筑。
2.根据权利要求1所述的方法，其特征在于，所述对所述灰度图进行边缘检测，得到所述待识别建筑物图片对应的边缘图片，具体包括：
对所述灰度图进行高斯滤波处理，得到滤波后的所述灰度图；
分别计算所述灰度图中每个像素点的梯度强度和梯度方向；
根据所述梯度方向和所述梯度方向，确定边缘像素点；
根据所述边缘像素点，确定所述待识别建筑物图片对应的边缘图片。
3.根据权利要求2所述的方法，其特征在于，所述分别计算滤波后的所述灰度图中每个像素点的梯度强度和梯度方向，具体包括：
按照预设梯度强度计算公式以及预设梯度方向计算公式，计算所述梯度强度和所述梯度方向，其中，所述预设梯度强度计算公式为
所述预设梯度方向计算公式为
θ＝arctan(Gy/Gx)，
Gx、Gy分别表示任一像素点G的灰度值在水平方向的一阶导数值以及在垂直方向的一阶导数值。
4.根据权利要求3所述的方法，其特征在于，所述根据所述梯度方向和所述梯度方向，确定边缘像素点，具体包括：
获取任一像素点的所述梯度方向所在的方向区间；
判断所述任一像素点的所述梯度强度是否大于或等于在所述方向区间上的所述任一像素点的邻域像素点的梯度强度；
若大于或等于，则将所述任一像素点确定为边缘像素点。
5.根据权利要求4所述的方法，其特征在于，所述根据所述边缘像素点，确定所述待识别建筑物图片对应的边缘图片，具体包括：
若任一所述边缘像素点对应的梯度强度大于预设强边缘点阈值，则将任一所述边缘像素点标记为强边缘像素点；
若任一所述边缘像素点对应的梯度强度大于或等于预设弱边缘点阈值，则将任一所述边缘像素点标记为弱边缘像素点；
若所述弱边缘像素点的邻域像素点中包含所述强边缘像素点，则将任一所述边缘像素点的标记从所述弱边缘像素点改为所述强边缘像素点；
根据所述强边缘像素点，确定所述边缘图片。
6.根据权利要求1所述的方法，其特征在于，所述待识别建筑物轮廓图包含多个待识别建筑物轮廓，所述标准建筑物轮廓图包含多个标准建筑物轮廓；
所述根据所述待识别建筑物轮廓图与标准建筑物轮廓图的匹配情况，判断所述待识别建筑是否为违章建筑，具体包括：
将多个所述待识别建筑物轮廓与多个所述标准建筑物轮廓进行匹配；
若任意一个所述待识别建筑物轮廓不满足预设匹配条件，则所述待识别建筑物为所述违章建筑，其中，所述预设匹配条件为
|xi-xj|＜F1，|yi-yj|＜F2，|si-sj|＜F3，
xi和xj分别表示任一标准建筑物轮廓i与任一待识别建筑物轮廓j在x轴的中心点坐标，yi和yj分别表示任一所述标准建筑物轮廓i与任一所述待识别建筑物轮廓j在y轴的中心点坐标，si和sj分别表示任一所述标准建筑物轮廓i与任一所述待识别建筑物轮廓j包含的像素点的数量，F1，F2，F3分别为预设第一违章阈值、预设第二违章阈值和预设第三违章阈值。
7.根据权利要求1至6中任一项所述的方法，其特征在于，所述获取待识别建筑对应的待识别建筑物图片之前，所述方法还包括：
获取所述待识别建筑物在预设第一时间的标准建筑物图片，其中，所述标准建筑物图片与所述待识别建筑物图片的拍摄位置相同；
提取所述标准建筑物图片对应的所述标准建筑物轮廓图；
所述获取待识别建筑对应的待识别建筑物图片，具体包括：
获取所述待识别建筑物在预设第二时间的所述待识别建筑物图片。
8.一种违章建筑识别装置，其特征在于，包括：
待识别图片获取模块，用于获取待识别建筑对应的待识别建筑物图片；
灰度化模块，用于对所述待识别建筑物图片进行灰度化处理，得到所述待识别建筑物图片对应的灰度图；
边缘检测模块，用于对所述灰度图进行边缘检测，得到所述待识别建筑物图片对应的边缘图片；
轮廓提取模块，用于从所述边缘图片中提取所述待识别建筑物轮廓图；
违章判断模块，用于根据所述待识别建筑物轮廓图与标准建筑物轮廓图的匹配情况，判断所述待识别建筑是否为违章建筑。
9.一种存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现权利要求1至7中任一项所述的违章建筑识别方法。
10.一种计算机设备，包括存储介质、处理器及存储在存储介质上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至7中任一项所述的违章建筑识别方法。
CN201910624931.1A 2019-07-11 2019-07-11 违章建筑识别方法及装置、存储介质、计算机设备 Active CN110503108B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201910624931.1A CN110503108B (zh) 2019-07-11 2019-07-11 违章建筑识别方法及装置、存储介质、计算机设备
PCT/CN2019/103526 WO2021003824A1 (zh) 2019-07-11 2019-08-30 基于图像识别的违章建筑识别方法、装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910624931.1A CN110503108B (zh) 2019-07-11 2019-07-11 违章建筑识别方法及装置、存储介质、计算机设备

Publications (2)

Publication Number Publication Date
CN110503108A true CN110503108A (zh) 2019-11-26
CN110503108B CN110503108B (zh) 2024-05-28

Family

ID=68585277

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910624931.1A Active CN110503108B (zh) 2019-07-11 2019-07-11 违章建筑识别方法及装置、存储介质、计算机设备

Country Status (2)

Country Link
CN (1) CN110503108B (zh)
WO (1) WO2021003824A1 (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111340811A (zh) * 2020-02-19 2020-06-26 浙江大华技术股份有限公司 违章合成图的拆分方法、设备及计算机存储介质
CN111523391A (zh) * 2020-03-26 2020-08-11 上海刻羽信息科技有限公司 建筑物的识别方法、系统、电子设备及可读存储介质
CN112954226A (zh) * 2021-05-11 2021-06-11 江苏瞭望神州大数据科技有限公司 一种识别在建工地的监测方法及系统
CN113033385A (zh) * 2021-03-23 2021-06-25 广东电网有限责任公司广州供电局 一种基于深度学习的违章建筑遥感识别方法及系统
CN114387500A (zh) * 2020-10-16 2022-04-22 苏州科瓴精密机械科技有限公司 应用于自行走设备的图像识别方法、系统、自行走设备及可读存储介质
CN116342591A (zh) * 2023-05-25 2023-06-27 兴润建设集团有限公司 一种建筑物参数的视觉解析方法
CN117253195A (zh) * 2023-11-13 2023-12-19 广东申立信息工程股份有限公司 一种ipc安全监测方法、监测系统、计算机设备和可读存储介质

Families Citing this family (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112784835B (zh) * 2021-01-21 2024-04-12 恒安嘉新（北京）科技股份公司 圆形印章的真实性识别方法、装置、电子设备及存储介质
CN113160255A (zh) * 2021-02-24 2021-07-23 国网福建省电力有限公司检修分公司 一种运行线路走廊环境因子变化监控方法
CN113378642B (zh) * 2021-05-12 2022-05-06 三峡大学 一种对农村违法占地建筑物进行检测的方法
CN113313006B (zh) * 2021-05-25 2023-08-22 哈工智慧(武汉)科技有限公司 基于无人机的城市违建监管方法、系统和存储介质
CN113505643B (zh) * 2021-06-07 2024-07-16 浙江大华技术股份有限公司 违章目标物检测方法及相关装置
CN113971838B (zh) * 2021-10-28 2024-07-12 江西电信信息产业有限公司 一种基于识别人员安全行为画像的检测方法及装置
CN114140777A (zh) * 2021-12-06 2022-03-04 南威软件股份有限公司 一种历史建筑风貌保护预警方法、装置及介质
CN114359149B (zh) * 2021-12-06 2024-09-03 河南大学 基于实时图像边缘增强的坝岸险情视频检测方法及系统
CN115797775B (zh) * 2022-12-14 2024-04-26 中国铁塔股份有限公司重庆市分公司 基于近地视频图像的违章建筑智能识别方法及系统
CN115760884B (zh) * 2023-01-06 2023-04-14 山东恩信特种车辆制造有限公司 基于图像处理的半挂车表面焊渣优化分割方法
CN116075148B (zh) * 2023-03-14 2023-06-20 四川易景智能终端有限公司 一种基于人工智能的pcba板生产线智能监管系统
CN116580419A (zh) * 2023-07-13 2023-08-11 江西慧航工程咨询有限公司 一种基于ai的建筑模型测试方法
CN116703903B (zh) * 2023-08-04 2023-10-20 山东济宁运河煤矿有限责任公司 一种基于机器视觉的锚杆修复质量检测方法
CN116703931B (zh) * 2023-08-09 2023-10-24 山东津庭名企建材有限公司 一种用于建筑高分子材料的表面银纹检测方法
CN116993740B (zh) * 2023-09-28 2023-12-19 山东万世机械科技有限公司 基于图像数据的混凝土结构表面缺陷检测方法
CN117333803B (zh) * 2023-10-09 2024-03-12 广东科驭科技有限公司 一种基于图像识别的照明运维方法及系统
CN117252877B (zh) * 2023-11-17 2024-02-02 济南界龙科技有限公司 基于图像特征的二极体导线架质量检测方法
CN117671496B (zh) * 2023-12-05 2024-06-21 杭州中汇通航航空科技有限公司 一种无人机应用成果自动比对方法
CN117783128B (zh) * 2023-12-26 2024-08-06 广东荣骏建设工程检测股份有限公司 一种建筑用索体检测系统
CN117649566B (zh) * 2024-01-30 2024-04-09 四川省机场集团有限公司成都天府国际机场分公司 一种基于图像处理的机场行李大小分类方法
CN118175237B (zh) * 2024-04-01 2024-08-16 周亚予 基于实景三维的空间轮廓构建方法
CN118247338B (zh) * 2024-05-29 2024-08-06 山东威诺重工数控机床有限公司 一种数控机床加工的精准定位方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103514448A (zh) * 2013-10-24 2014-01-15 北京国基科技股份有限公司 船形识别方法和系统
CN108537782A (zh) * 2018-04-02 2018-09-14 东北大学 一种基于轮廓提取的建筑物图像匹配与融合的方法
CN108805864A (zh) * 2018-05-07 2018-11-13 广东省电信规划设计院有限公司 基于图像数据的违章建筑物的获取方法以及装置
CN109784344A (zh) * 2019-01-24 2019-05-21 中南大学 一种用于地平面标识识别的图像非目标滤除方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103605978A (zh) * 2013-11-28 2014-02-26 中国科学院深圳先进技术研究院 基于三维实景数据的城市违章建筑识别系统及方法
KR102170689B1 (ko) * 2014-01-14 2020-10-27 한화테크윈 주식회사 영상 정합을 위한 특징점 샘플링 방법
CN108875780A (zh) * 2018-05-07 2018-11-23 广东省电信规划设计院有限公司 基于图像数据的图像间差异对象的获取方法以及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103514448A (zh) * 2013-10-24 2014-01-15 北京国基科技股份有限公司 船形识别方法和系统
CN108537782A (zh) * 2018-04-02 2018-09-14 东北大学 一种基于轮廓提取的建筑物图像匹配与融合的方法
CN108805864A (zh) * 2018-05-07 2018-11-13 广东省电信规划设计院有限公司 基于图像数据的违章建筑物的获取方法以及装置
CN109784344A (zh) * 2019-01-24 2019-05-21 中南大学 一种用于地平面标识识别的图像非目标滤除方法

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111340811A (zh) * 2020-02-19 2020-06-26 浙江大华技术股份有限公司 违章合成图的拆分方法、设备及计算机存储介质
CN111340811B (zh) * 2020-02-19 2023-08-11 浙江大华技术股份有限公司 违章合成图的拆分方法、设备及计算机存储介质
CN111523391A (zh) * 2020-03-26 2020-08-11 上海刻羽信息科技有限公司 建筑物的识别方法、系统、电子设备及可读存储介质
CN114387500A (zh) * 2020-10-16 2022-04-22 苏州科瓴精密机械科技有限公司 应用于自行走设备的图像识别方法、系统、自行走设备及可读存储介质
CN113033385A (zh) * 2021-03-23 2021-06-25 广东电网有限责任公司广州供电局 一种基于深度学习的违章建筑遥感识别方法及系统
CN112954226A (zh) * 2021-05-11 2021-06-11 江苏瞭望神州大数据科技有限公司 一种识别在建工地的监测方法及系统
CN116342591A (zh) * 2023-05-25 2023-06-27 兴润建设集团有限公司 一种建筑物参数的视觉解析方法
CN117253195A (zh) * 2023-11-13 2023-12-19 广东申立信息工程股份有限公司 一种ipc安全监测方法、监测系统、计算机设备和可读存储介质
CN117253195B (zh) * 2023-11-13 2024-02-27 广东申立信息工程股份有限公司 一种ipc安全监测方法、监测系统、计算机设备和可读存储介质

Also Published As

Publication number Publication date
WO2021003824A1 (zh) 2021-01-14
CN110503108B (zh) 2024-05-28

Similar Documents

Publication Publication Date Title
CN110503108A (zh) 违章建筑识别方法及装置、存储介质、计算机设备
Ding et al. On the Canny edge detector
US9142011B2 (en) Shadow detection method and device
CN103971386B (zh) 一种动态背景场景下的前景检测方法
CN108647649B (zh) 一种视频中异常行为的检测方法
Türkyılmaz et al. License plate recognition system using artificial neural networks
CN102737370B (zh) 检测图像前景的方法及设备
CN110287889A (zh) 一种身份识别的方法及装置
CN105894534B (zh) 一种基于ViBe的改进运动目标检测方法
CN108510491A (zh) 虚化背景下人体骨骼关键点检测结果的过滤方法
CN106204594A (zh) 一种基于视频图像的弥散性运动物体的方向检测方法
CN106022227A (zh) 一种手势识别方法及装置
CN104408711A (zh) 一种基于多尺度区域融合的显著区域检测方法
CN113240678B (zh) 平面信息检测方法及系统
Lian et al. A novel method on moving-objects detection based on background subtraction and three frames differencing
CN110717885A (zh) 顾客数量的统计方法及装置、电子设备及可读存储介质
CN104463869A (zh) 一种视频火焰图像复合识别方法
Patel et al. Top‐Down and Bottom‐Up Cues Based Moving Object Detection for Varied Background Video Sequences
CN111709391A (zh) 一种人脸人体匹配方法、装置及设备
CN107871315B (zh) 一种视频图像运动检测方法和装置
CN107862259A (zh) 人像采集方法及装置、终端装置和计算机可读存储介质
Dwina et al. Skin segmentation based on improved thresholding method
Heng et al. High accuracy flashlight scene determination for shot boundary detection
Srikakulapu et al. Depth estimation from single image using defocus and texture cues
Fan et al. Two-stage salient region detection by exploiting multiple priors

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant