CN114155433B - 一种违法土地的检测方法、装置、电子设备及存储介质 - Google Patents

一种违法土地的检测方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN114155433B
CN114155433B CN202111442720.XA CN202111442720A CN114155433B CN 114155433 B CN114155433 B CN 114155433B CN 202111442720 A CN202111442720 A CN 202111442720A CN 114155433 B CN114155433 B CN 114155433B
Authority
CN
China
Prior art keywords
image
land
processed
area
determining
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.)
Active
Application number
CN202111442720.XA
Other languages
English (en)
Other versions
CN114155433A (zh
Inventor
孙炎
王翔
鲁洋
王文凯
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.)
Beijing Xinxing Huaan Intelligent Technology Co ltd
Original Assignee
Beijing Xinxing Huaan Intelligent Technology 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 Beijing Xinxing Huaan Intelligent Technology Co ltd filed Critical Beijing Xinxing Huaan Intelligent Technology Co ltd
Priority to CN202111442720.XA priority Critical patent/CN114155433B/zh
Publication of CN114155433A publication Critical patent/CN114155433A/zh
Application granted granted Critical
Publication of CN114155433B publication Critical patent/CN114155433B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/24Classification techniques
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00Arrangements for program control, e.g. control units
    • G06F9/06Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/30Arrangements for executing machine instructions, e.g. instruction decode
    • G06F9/34Addressing or accessing the instruction operand or the result ; Formation of operand address; Addressing modes
    • G06F9/342Extension of operand address space

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Processing (AREA)

Abstract

本申请涉及土地资源管理系统的领域,尤其是涉及一种违法土地的检测方法、装置、电子设备及存储介质,该方法包括:首先获取待处理图像,待处理图像为至少针对一个土地区域所采集的图像;然后确定待处理图像中每个土地区域的性质类别;之后确定每个土地区域中的目标类别;然后再基于预设的映射表确定待处理图像中是否存在异常区域,映射表中包括所有的性质类别以及与每个性质类别对应的允许存在的目标类别,异常区域为出现不允许存在的目标类别的土地区域;若存在,则输出异常信息。本申请具有便于及时发现违规使用土地的现象的效果。

Description

一种违法土地的检测方法、装置、电子设备及存储介质
技术领域
本申请涉及土地资源管理系统的领域,尤其是涉及一种违法土地的检测方法、装置、电子设备及存储介质。
背景技术
不同的土地有不同的使用性质,例如农耕土地,只能用于农耕,林地,只能用于培育园林。通过对不同位置的土地划分不同的性质,使其用于不同的用途,能够在一定程度上提高社会的效能,同时带来合理的收益。
但是在我国,土地的违法使用一直是一个较难解决的问题,同时监测起来也较为耗费成本,因此,当存在违规使用土地时,人们往往不能及时发现。
发明内容
为了便于及时发现违规使用土地的现象,本申请提供尤其是涉及一种违法土地的检测方法、装置、电子设备及存储介质
第一方面,本申请提供一种违法土地的检测方法,采用如下的技术方案:
一种违法土地的检测方法,包括:
获取待处理图像,所述待处理图像为至少针对一个土地区域所采集的图像;
确定所述待处理图像中每个所述土地区域的性质类别;
确定每个所述土地区域中的目标类别;
基于预设的映射表确定所述待处理图像中是否存在异常区域,所述映射表中包括所有的性质类别以及与每个性质类别对应的允许存在的目标类别,所述异常区域为出现不允许存在的目标类别的土地区域;
若存在,则输出异常信息。
通过采用上述技术方案,电子设备能够获取待处理图像中每个土地区域对应的性质类别,然后获取每个土地区域中存在的目标的类别,对任一个土地区域,通过判断土地区域内是否存在预设的不被允许存在的目标类别,能够确定该土地区域是否被违法使用,即是否为异常区域,在确定为异常区后能够输出异常信息以警示用户,便于用户发现有土地被违法使用的情况。
在一种可能实现的方式中,所述确定所述待处理图像中每个土地区域的性质类别,包括:
对所述待处理图像进行目标分割,得到每个所述土地区域在所述待处理图像中对应的图像区域;
基于每个所述图像区域确定每个所述土地区域的位置信息;
基于所述位置信息与所述性质类别的映射关系确定每个所述土地区域的性质类别。
通过采用上述技术方案,通过目标分割,将待处理图像分割成与每个土地区域对应的图像区域,然后基于每个图像区域确定对应的土地区域的位置信息,通过这种方式能够同时确定多个土地区域的位置信息,能够提高处理效率。
在一种可能实现的方式中,所述基于每个所述图像区域确定每个所述土地区域的位置信息,包括:
确定每个所述图像区域在所述待处理图像中的位置;
基于所述待处理图像中的位置与实际中位置信息的转换关系,确实每个所述图像区域在实际中的位置信息;
确定每个所述图像区域在实际中的位置信息为每个所述土地区域的位置信息。
通过采用上述技术方案,首先确定土地区域对应的图像区域在待处理图像中的位置,然后在基于待处理图像中的位置与实际中位置信息的转换关系得到每个图像区域在实际中的位置信息,其中转换关系是可以人工修改的,便于获得会准确的图像区域在实际中的位置信息。
在一种可能实现的方式中,所述确定每个所述土地区域中的目标类别,包括:
对每个所述图像区域进行目标检测,得到每个所述土地区域中目标的类别;
获取每个所述图像区域中目标的特征信息,基于所述特征信息与所述目标类别的映射关系确定每个所述土地区域中的目标类别,所述特征信息包括纹理特征、形状特征以及颜色特征中的至少两种。
通过采用上述技术方案,可以通过目标检测的方式确定每个土地区域对应的图像区域中的目标类别,该种算法成熟且有较多的数据库可供直接使用;通过获取特征信息然后通过映射关系比对的方式确定目标类别,用户能够增加预设的目标以及容易误判和识别率低的目标的特征信息,以提升确定目标类别的准确度。
在一种可能实现的方式中,该方法还包括:
若所述图像区域中存在目标,且不能确定目标类别,则确定所述图像区域对应的所述土地区域的位置信息;
输出警示信息,所述警示信息包含所述土地区域的位置信息。
通过采用上述技术方案,如果存在不能确定目标类别的目标,则确定该目标所在的土地区域的位置信息,然后将该位置信息输出以便于用户采用其他方式确认该目标的类别。
在一种可能实现的方式中,该方法还包括:
接收即时信息,所述即时信息包括至少一个性质类别,以及与每个性质类别分别对应的允许存在的目标类别;
基于即时信息对所述映射表进行补充,得到补充后的映射表;
基于所述补充后的映射表再次确定所述待处理图像中是否存在异常区域。
通过采用上述技术方案,若存在特殊情况,用户能够输入及时信息以被电子设备接收,电子设备基于即时信息补充映射表,使得电子设备能够基于补充后的映射表去确定是否存在异常区域,这种方式能够进一步满足用户的需求,进而降低误报警的几率。
在一种可能实现的方式中,所述即时信息还包括时效信息,所述时效信息表示所述即时信息能够存在的时长;
获取接收即时信息的时间;
基于所述接收即时信息的时间以及所述时效信息删除所述即时信息。
通过采用上述技术方案,通过时效信息,电子设备在获取接收即时信息的时间后,能够在预定的时刻删除即时信息,减少了用户的操作,提高了便利性。
第二方面,本申请提供一种违法土地的检测装置,采用如下的技术方案:
一种违法土地的检测装置,包括:
待处理图像获取模块,用于获取待处理图像,所述待处理图像为至少针对一个土地区域所采集的图像;
性质类别确定模块,用于确定所述待处理图像中每个所述土地区域的性质类别;
目标类别确定模块,用于确定每个所述土地区域中的目标类别;
异常区域确定模块,用于基于预设的映射表确定所述待处理图像中是否存在异常区域,所述映射表中包括所有的性质类别以及与每个性质类别对应的允许存在的目标类别,所述异常区域为出现不允许存在的目标类别的土地区域;
异常信息输出模块,当存在异常区域时,用于输出异常信息。
通过采用上述技术方案,该装置能够获取待处理图像中每个土地区域对应的性质类别,然后获取每个土地区域中存在的目标的类别,对任一个土地区域,通过判断土地区域内是否存在预设的不被允许存在的目标类别,能够确定该土地区域是否被违法使用,即是否为异常区域,在确定为异常区后能够输出异常信息以警示用户,便于用户发现有土地被违法使用的情况。
在一种可能实现的方式中,当性质类别确定所述待处理图像中每个土地区域的性质类别时,具体用于:
对所述待处理图像进行目标分割,得到每个所述土地区域在所述待处理图像中对应的图像区域;
基于每个所述图像区域确定每个所述土地区域的位置信息;
基于所述位置信息与所述性质类别的映射关系确定每个所述土地区域的性质类别。
在一种可能实现的方式中,当性质类别确定模块基于每个所述图像区域确定每个所述土地区域的位置信息时,具体用于:
确定每个所述图像区域在所述待处理图像中的位置;
基于所述待处理图像中的位置与实际中位置信息的转换关系,确实每个所述图像区域在实际中的位置信息;
确定每个所述图像区域在实际中的位置信息为每个所述土地区域的位置信息。
在一种可能实现的方式中,当目标类别确定模块确定每个所述土地区域中的目标类别时,具体用于:
对每个所述图像区域进行目标检测,得到每个所述土地区域中目标的类别;
获取每个所述图像区域中目标的特征信息,基于所述特征信息与所述目标类别的映射关系确定每个所述土地区域中的目标类别,所述特征信息包括纹理特征、形状特征以及颜色特征中的至少两种。
在一种可能实现的方式中,该装置还包括:
位置信息确定模块,当所述图像区域中存在目标,且不能确定目标类别时,用于确定所述图像区域对应的所述土地区域的位置信息;
警示信息输出模块,用于输出警示信息,所述警示信息包含所述土地区域的位置信息。
在一种可能实现的方式中,该装置还包括:
接收模块,用于接收即时信息,所述即时信息包括至少一个性质类别,以及与每个性质类别分别对应的允许存在的目标类别;
补充模块,用于基于即时信息对所述映射表进行补充,得到补充后的映射表;
异常区域确定模块基于所述补充后的映射表再次确定所述待处理图像中是否存在异常区域。
在一种可能实现的方式中,该装置还包括:
所述即时信息还包括时效信息,所述时效信息表示所述即时信息能够存在的时长;
时间获取模块,用于获取接收即时信息的时间;
删除模块,用于基于所述接收即时信息的时间以及所述时效信息删除所述即时信息。
第三方面,本申请提供一种电子设备,采用如下的技术方案:
一种电子设备,该电子设备包括:
至少一个处理器;
存储器;
至少一个应用程序,其中所述至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行,所述至少一个应用程序配置用于:执行上述违法土地的检测方法。
第四方面,本申请提供一种计算机可读存储介质,采用如下的技术方案:
一种计算机可读存储介质,包括:存储有能够被处理器加载并执行上述违法土地的检测方法的计算机程序。
综上所述,本申请包括以下至少一种有益技术效果:
1.电子设备能够获取待处理图像中每个土地区域对应的性质类别,然后获取每个土地区域中存在的目标的类别,对任一个土地区域,通过判断土地区域内是否存在预设的不被允许存在的目标类别,能够确定该土地区域是否被违法使用,即是否为异常区域,在确定为异常区后能够输出异常信息以警示用户,便于用户发现有土地被违法使用的情况;
2.可以通过目标检测的方式确定每个土地区域对应的图像区域中的目标类别,该种算法成熟且有较多的数据库可供直接使用;通过获取特征信息然后通过映射关系比对的方式确定目标类别,用户能够增加预设的目标以及容易误判和识别率低的目标的特征信息,以提升确定目标类别的准确度;
3.若存在特殊情况,用户能够输入及时信息以被电子设备接收,电子设备基于即时信息补充映射表,使得电子设备能够基于补充后的映射表去确定是否存在异常区域,这种方式能够进一步满足用户的需求,进而降低误报警的几率。
附图说明
图1是本申请实施例中违法土地的检测方法的流程示意图;
图2是本申请实施例中违法土地的检测的结构示意图;
图3是本申请实施例中电子设备的结构示意图。
具体实施方式
以下结合附图1-3对本申请作进一步详细说明。
本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改,但只要在本申请的权利要求范围内都受到专利法的保护。
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
另外,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,如无特殊说明,一般表示前后关联对象是一种“或”的关系。
本申请实施例提供了一种违法土地的检测方法,由电子设备执行,参照图1,该方法包括步骤S101、步骤S102、步骤S103、步骤S104以及步骤S105,其中:
步骤S101、获取待处理图像,待处理图像为至少针对一个土地区域所采集的图像。
在本申请实施例中,获取待处理的图像的方式可以通过无人机在高空对土地区域进行图像采集,且待处理图像中可以只包括一个土地区域,也可因包括多个土地区域。
步骤S102、确定待处理图像中每个土地区域的性质类别。
在本申请实施例中,确定待处理图像中每个土地区域的性质类别,例如可以得到林地、农耕土地以及商业用地等性质类别,对于性质类别的具体细分标签,本申请实施例中不做具体限制,只要便于判断土地区域的用途即可。
步骤S103、确定每个土地区域中的目标类别。
在本申请实施例中,例如得到的目标类别可以为挖掘机、树木、农作物等;确定土地区域中目标类别的方式详见下述实施例。
步骤S104、基于预设的映射表确定待处理图像中是否存在异常区域,映射表中包括所有的性质类别以及与每个性质类别对应的允许存在的目标类别,异常区域为出现不允许存在的目标类别的土地区域。
在本申请实施例中,例如林地中允许存在的目标类别包括动物、树木以及洒水车;工业用地中允许存在的目标类别包括建筑物和挖掘机。通过预设的性质类别以及与每个性质类别对应的允许存在的目标类别,便于电子设备确定是否存在异常区域。例如农耕用地中出现了挖掘机,则该农耕土地对应的区域为异常区域。
步骤S105、若存在,则输出异常信息。
在本申请实施例中,对于异常信息的格式,本申请实施例中不作出任何具体限定,但是至少应该包括文字格式、音频格式以及图像格式中的一种。
电子设备能够获取待处理图像中每个土地区域对应的性质类别,然后获取每个土地区域中存在的目标的类别,对任一个土地区域,通过判断土地区域内是否存在预设的不被允许存在的目标类别,能够确定该土地区域是否被违法使用,即是否为异常区域,在确定为异常区后能够输出异常信息以警示用户,便于用户发现有土地被违法使用的情况。
进一步地,步骤S012可以包括,步骤S1O21(图中未示出)、步骤S1022(图中未示出)以及步骤S1O23(图中未示出),其中:
S1O21、对待处理图像进行目标分割,得到每个土地区域在待处理图像中对应的图像区域。
具体地,通常,不同性质类别的土地区域交界处存较为明显的边界特征,因此可以采用基于边缘检测的目标分割方式,通过对待处理图像中灰度值的变化,确定待处理图像中存在几个土地区域对应的图像区域,然后将每个图像区域分割出来。
S1O22、基于每个图像区域确定每个土地区域的位置信息;
S1O23、基于位置信息与性质类别的映射关系确定每个土地区域的性质类别。
具体地,每个土地区域的位置信息可以为其土地区域形状的几何中心的坐标,或者为其他能够表征该土地区域的位置的参数,在确定每个土地区域的位置信息之后,通过预设的位置信息与土地区域的性质类别之间的关系,能够得出该土地区域对应的性质类别。
进一步地。步骤S1O22可以包括步骤SA1(图中未示出)、步骤SA2(图中未示出)、以及步骤SA3(图中未示出),其中:
步骤SA1、确定每个图像区域在待处理图像中的位置。
具体地,在步骤S1021中,在对待处理图像进行目标分割后,得到每个土地区域对应的图像区域,同时也能得到每个图像区域在待处理图像中的位置信息。例如,以待处理图像的左下端点作为原点建立直角坐标系,以每个图像区域的几何中心点的坐标作为每个图像区域在待处理图像中的位置信息。
步骤SA2、基于待处理图像中的位置与实际中位置信息的转换关系,确实每个图像区域在实际中的位置信息;
步骤SA3、确定每个图像区域在实际中的位置信息为每个土地区域的位置信息。
具体地,待处理图像的中心点在直角坐标系中的坐标可以作为采集图像设备在待处理图像中的位置信息,同时也可以通过GPS设备获取图像采集设备在实际采集图像时的坐标。通过待处理图像与实际土地区域的采集比例,确定待处理图像中每个像素在实际位置中对应的距离。然后通过处理图像的中心点在直角坐标系中的坐标、图像的中心点在实际中的坐标、待处理图像中每个像素在实际位置中对应的距离,以及每个图像区域在直角坐标系中的位置信息,能够得到每个图像区域对应的土地区域在实际中的位置信息,即土地区域在实际中的坐标值。
进一步地,若是待处理图像中只有一个土地区域对应的图像区域,则将待处理图像的中心点在实际中的位置作为土地区域的位置信息,也即图像采集设备采集待处理图像时的位置信息。
进一步地,步骤S103可以包括步骤S1031(图中未示出)和步骤S1032(图中未示出),其中:
步骤S1031、对每个图像区域进行目标检测,得到每个土地区域中目标的类别。
具体地,目标检测是一种图像处理的常规方式,通过对每个土地区域对应的图像区域进行目标检测处理,能够每个土地区域中存在的目标的类别,这些类别是基于已有的数据库中的数据进行确定的。同时,如果待处理图像被分割成多个图像区域,则多个图像区域可以同时进行目标检测,进而可以提高处理效率。
步骤S1032、获取每个图像区域中目标的特征信息,基于特征信息与目标类别的映射关系确定每个土地区域中的目标类别,特征信息包括纹理特征、形状特征以及颜色特征中的至少两种。
具体地,例如特征信息包括纹理特征和形状特征,即通过纹理特征和形状特征两者与目标类别的映射关系确定目标类别,即对每个图像区域中的目标进行特征提取时,应该提取每个目标的纹理特征信息和形状特征信息。
进一步地,该方法还包括步骤S106(图中未示出)和步骤SO17(图中未示出),其中:
步骤S106、若图像区域中存在目标,且不能确定目标类别,则确定图像区域对应的土地区域的位置信息。
具体地,可能存在一些特殊的目标,通过步骤S1O31和步骤S1032均不能确定该目标的类别,则此时通过步骤S1022确定该目标所在的土地区域的位置信息。
步骤S107、输出警示信息,警示信息包含土地区域的位置信息。
具体地,在出现不能确定类别的目标时,电子设备输出警示信息,警示信息中包括该目标所在区域的位置信息,同时还可以包括预设的文字信息、语音信息以及图像信息中的任意一种或几种,以便于对用户进行警示。
进一步地,该方法还包括步骤SB(图中未示出)、步骤SC(图中未示出)以及步骤SD(图中未示出),其中:
步骤SB、接收即时信息,即时信息包括至少一个性质类别,以及与每个性质类别分别对应的允许存在的目标类别。
具体地,在一些特殊情况下,例如林场土地正在进行砍伐树木的情况,或者农耕土地中有基建设施施工等情况,此时在对应的土地类别中,一些不被允许存在的目标类别是可以存在的。例如,输出农耕土地类别,同时农耕土地类别中暂时允许出现了挖掘机。此时用户可以通过输入对应的即时信息将农耕土地类别以及挖掘机输入。
进一步地,即时信息还包括时效信息,时效信息表示即时信息能够存在的时长。时效信息是可以有用户设定的,也可以是一个固定的预设值,例如为1小时,也可以为5小时,对于时效信息的具体时长,本申请实施例中不做任何具体限定,只要能够满足用户的需求即可。
步骤SC、基于即时信息对映射表进行补充,得到补充后的映射表。
具体地,在接收到即时信息后,电子设备将及时信息补充至预设的映射表中,同时为该信息做出预设的标签,以表征该信息为即时信息。
步骤SD、基于补充后的映射表再次确定待处理图像中是否存在异常区域。
具体地,在得到补充后的映射表后,电子设备执行步骤104,并且基于步骤S1O2和步骤S103中和已经得到的每个土地区域对应的性质类别以及每个土地区域中的目标类别确定是否存在异常信息,以减少误报警发生的几率。
进一步地,该方法还包括步骤SE(图中未示出)以及步骤SF(图中未示出),其中:
步骤SE、获取接收即时信息的时间;
步骤SF、基于接收即时信息的时间以及时效信息删除即时信息。
具体地,电子设备在接收到即时信息时,同时获取接收时间,例如为10:00。在例如,时效信息为2小时,则在12:00时电子设备应该在补充后的映射表中删除具有预设的标签的即时信息,然后得到之前预设的映射表,以减少在后续的检测过程中得到不准确结果的几率。
上述实施例从方法流程的角度介绍一种违法土地的检测方法,下述实施例从虚拟模块或者虚拟单元的角度介绍了一种违法土地的检测装置,具体详见下述实施例。
本申请实施例提供一种违法土地的检测装置,如图2所示,该检测装置200具体可以包括:
一种违法土地的检测装置200,包括:
待处理图像获取模块201,用于获取待处理图像,待处理图像为至少针对一个土地区域所采集的图像;
性质类别确定模块202,用于确定待处理图像中每个土地区域的性质类别;
目标类别确定模块203,用于确定每个土地区域中的目标类别;
异常区域确定模块204,用于基于预设的映射表确定待处理图像中是否存在异常区域,映射表中包括所有的性质类别以及与每个性质类别对应的允许存在的目标类别,异常区域为出现不允许存在的目标类别的土地区域;
异常信息输出模块205,当存在异常区域时,用于输出异常信息。
通过采用上述技术方案,该装置200能够获取待处理图像中每个土地区域对应的性质类别,然后获取每个土地区域中存在的目标的类别,对任一个土地区域,通过判断土地区域内是否存在预设的不被允许存在的目标类别,能够确定该土地区域是否被违法使用,即是否为异常区域,在确定为异常区后能够输出异常信息以警示用户,便于用户发现有土地被违法使用的情况。
在一种可能实现的方式中,当性质类别确定202待处理图像中每个土地区域的性质类别时,具体用于:
对待处理图像进行目标分割,得到每个土地区域在待处理图像中对应的图像区域;
基于每个图像区域确定每个土地区域的位置信息;
基于位置信息与性质类别的映射关系确定每个土地区域的性质类别。
在一种可能实现的方式中,当性质类别确定模块202基于每个图像区域确定每个土地区域的位置信息时,具体用于:
确定每个图像区域在待处理图像中的位置;
基于待处理图像中的位置与实际中位置信息的转换关系,确实每个图像区域在实际中的位置信息;
确定每个图像区域在实际中的位置信息为每个土地区域的位置信息。
在一种可能实现的方式中,当目标类别确定模块203确定每个土地区域中的目标类别时,具体用于:
对每个图像区域进行目标检测,得到每个土地区域中目标的类别;
获取每个图像区域中目标的特征信息,基于特征信息与目标类别的映射关系确定每个土地区域中的目标类别,特征信息包括纹理特征、形状特征以及颜色特征中的至少两种。
在一种可能实现的方式中,该装置200还包括:
位置信息确定模块,当图像区域中存在目标,且不能确定目标类别时,用于确定图像区域对应的土地区域的位置信息;
警示信息输出模块,用于输出警示信息,警示信息包含土地区域的位置信息。
在一种可能实现的方式中,该装置200还包括:
接收模块,用于接收即时信息,即时信息包括至少一个性质类别,以及与每个性质类别分别对应的允许存在的目标类别;
补充模块,用于基于即时信息对映射表进行补充,得到补充后的映射表;
异常区域确定模块基于补充后的映射表再次确定待处理图像中是否存在异常区域。
在一种可能实现的方式中,该装置200还包括:
即时信息还包括时效信息,时效信息表示即时信息能够存在的时长;
时间获取模块,用于获取接收即时信息的时间;
删除模块,用于基于接收即时信息的时间以及时效信息删除即时信息。
本申请实施例中提供了一种电子设备,如图3所示,图3所示的电子设备300包括:处理器301和存储器303。其中,处理器301和存储器303相连,如通过总线302相连。可选地,电子设备300还可以包括收发器304。需要说明的是,实际应用中收发器304不限于一个,该电子设备300的结构并不构成对本申请实施例的限定。
处理器301可以是CPU(Central Processing Unit,中央处理器),通用处理器,DSP(Digital Signal Processor,数据信号处理器),ASIC(Application SpecificIntegrated Circuit,专用集成电路),FPGA(Field Programmable Gate Array,现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。处理器301也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等。
总线302可包括一通路,在上述组件之间传送信息。总线302可以是PCI(Peripheral Component Interconnect,外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture,扩展工业标准结构)总线等。总线302可以分为地址总线、数据总线、控制总线等。为便于表示,图3中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
存储器303可以是ROM(Read Only Memory,只读存储器)或可存储静态信息和指令的其他类型的静态存储设备,RAM(Random Access Memory,随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备,也可以是EEPROM(Electrically ErasableProgrammable Read Only Memory,电可擦可编程只读存储器)、CD-ROM(Compact DiscRead Only Memory,只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。
存储器303用于存储执行本申请方案的应用程序代码,并由处理器301来控制执行。处理器301用于执行存储器303中存储的应用程序代码,以实现前述方法实施例所示的内容。
其中,电子设备包括但不限于:移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。还可以为服务器等。图3示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
本申请实施例提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,当其在计算机上运行时,使得计算机可以执行前述方法实施例中相应内容。与现有技术相比,本申请实施例中应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上仅是本申请的部分实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。

Claims (9)

1.一种违法土地的检测方法,其特征在于,包括:
获取待处理图像,所述待处理图像为至少针对一个土地区域所采集的图像;
确定所述待处理图像中每个所述土地区域的性质类别;
确定每个所述土地区域中的目标类别;
基于预设的映射表确定所述待处理图像中是否存在异常区域,所述映射表中包括所有的性质类别以及与每个性质类别对应的允许存在的目标类别,所述异常区域为出现不允许存在的目标类别的土地区域;
若存在,则输出异常信息;
所述确定所述待处理图像中每个土地区域的性质类别,包括:
对所述待处理图像进行目标分割,得到每个所述土地区域在所述待处理图像中对应的图像区域;
基于每个所述图像区域确定每个所述土地区域的位置信息;
基于所述位置信息与所述性质类别的映射关系确定每个所述土地区域的性质类别。
2.根据权利要求1所述的一种违法土地的检测方法,其特征在于:所述基于每个所述图像区域确定每个所述土地区域的位置信息,包括:
确定每个所述图像区域在所述待处理图像中的位置;
基于所述待处理图像中的位置与实际中位置信息的转换关系,确实每个所述图像区域在实际中的位置信息;
确定每个所述图像区域在实际中的位置信息为每个所述土地区域的位置信息。
3.根据权利要求1所述的一种违法土地的检测方法,其特征在于:所述确定每个所述土地区域中的目标类别,包括:
对每个图像区域进行目标检测,得到每个所述土地区域中目标类别;
获取每个所述图像区域中目标的特征信息,基于所述特征信息与所述目标类别的映射关系确定每个所述土地区域中的目标类别,所述特征信息包括纹理特征、形状特征以及颜色特征中的至少两种。
4.根据权利要求2所述的一种违法土地的检测方法,其特征在于,还包括:
若所述图像区域中存在目标,且不能确定目标类别,则确定所述图像区域对应的所述土地区域的位置信息;
输出警示信息,所述警示信息包含所述土地区域的位置信息。
5.根据权利要求1所述的一种违法土地的检测方法,其特征在于,还包括:
接收即时信息,所述即时信息包括至少一个性质类别,以及与每个性质类别分别对应的允许存在的目标类别;
基于即时信息对所述映射表进行补充,得到补充后的映射表;
基于所述补充后的映射表再次确定所述待处理图像中是否存在异常区域。
6.根据权利要求5所述的一种违法土地的检测方法,其特征在于,还包括:
所述即时信息还包括时效信息,所述时效信息表示所述即时信息能够存在的时长;
获取接收即时信息的时间;
基于所述接收即时信息的时间以及所述时效信息删除所述即时信息。
7.一种违法土地的检测装置,其特征在于,包括:
待处理图像获取模块,用于获取待处理图像,所述待处理图像为至少针对一个土地区域所采集的图像;
性质类别确定模块,用于确定所述待处理图像中每个所述土地区域的性质类别;
目标类别确定模块,用于确定每个所述土地区域中的目标类别;
异常区域确定模块,用于基于预设的映射表确定所述待处理图像中是否存在异常区域,所述映射表中包括所有的性质类别以及与每个性质类别对应的允许存在的目标类别,所述异常区域为出现不允许存在的目标类别的土地区域;
异常信息输出模块,当存在异常区域时,用于输出异常信息;
当性质类别确定模块执行确定所述待处理图像中每个土地区域的性质类别时,具体用于:
对所述待处理图像进行目标分割,得到每个所述土地区域在所述待处理图像中对应的图像区域;
基于每个所述图像区域确定每个所述土地区域的位置信息;
基于所述位置信息与所述性质类别的映射关系确定每个所述土地区域的性质类别。
8.一种电子设备,其特征在于,该电子设备包括:
至少一个处理器;
存储器;
至少一个应用程序,其中所述至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行,所述至少一个应用程序配置用于:执行权利要求1-6中任一项所述的违法土地的检测方法。
9.一种计算机可读存储介质,其特征在于,包括:存储有能够被处理器加载并执行如权利要求1-6中任一种方法的计算机程序。
CN202111442720.XA 2021-11-30 2021-11-30 一种违法土地的检测方法、装置、电子设备及存储介质 Active CN114155433B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111442720.XA CN114155433B (zh) 2021-11-30 2021-11-30 一种违法土地的检测方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111442720.XA CN114155433B (zh) 2021-11-30 2021-11-30 一种违法土地的检测方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN114155433A CN114155433A (zh) 2022-03-08
CN114155433B true CN114155433B (zh) 2022-07-19

Family

ID=80454990

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111442720.XA Active CN114155433B (zh) 2021-11-30 2021-11-30 一种违法土地的检测方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN114155433B (zh)

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101106816A (zh) * 2007-07-31 2008-01-16 东南大学 应用网络中继的全球定位系统实现土地巡查和实时监控的方法
CN101452072A (zh) * 2008-12-26 2009-06-10 东南大学 一种用于土地监测的电子信息化系统及其方法
CN104200387A (zh) * 2014-09-18 2014-12-10 信阳师范学院 一种顾及地理实体语义相似度的土地用途分区方法
CN107423416A (zh) * 2017-07-29 2017-12-01 福州市勘测院 一种基于实例的语义融合及多规空间数据冲突检测方法
CN107506162A (zh) * 2017-08-29 2017-12-22 歌尔科技有限公司 坐标映射方法、计算机可读存储介质和投影仪
JP2018066943A (ja) * 2016-10-21 2018-04-26 株式会社パスコ 地目変化判読支援装置、地目変化判読支援方法、及びプログラム
CN108052887A (zh) * 2017-12-07 2018-05-18 东南大学 一种融合slam/gnss信息的疑似违法用地自动识别系统及方法
CN110263717A (zh) * 2019-06-21 2019-09-20 中国科学院地理科学与资源研究所 一种融入街景影像的土地利用类别确定方法
CN110633334A (zh) * 2018-05-30 2019-12-31 百度在线网络技术(北京)有限公司 用于获取信息的方法及装置
CN111259840A (zh) * 2020-01-21 2020-06-09 中南民族大学 土地占用预警方法、装置、设备和存储介质
CN112070056A (zh) * 2020-09-17 2020-12-11 京师天启(北京)科技有限公司 一种基于面向对象和深度学习的敏感用地识别方法
CN112906648A (zh) * 2021-03-24 2021-06-04 深圳前海微众银行股份有限公司 一种地块中对象的分类方法、装置及电子设备
CN113033403A (zh) * 2021-03-25 2021-06-25 生态环境部卫星环境应用中心 基于影像瓦片的生态保护红线地物目标识别方法及系统
CN113378642A (zh) * 2021-05-12 2021-09-10 三峡大学 一种对农村违法占地建筑物进行检测的方法

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9946931B2 (en) * 2015-04-20 2018-04-17 Los Alamos National Security, Llc Change detection and change monitoring of natural and man-made features in multispectral and hyperspectral satellite imagery
CN108111818B (zh) * 2017-12-25 2019-05-03 北京航空航天大学 基于多摄像机协同的运动目标主动感知方法和装置
CN109670060A (zh) * 2018-12-10 2019-04-23 北京航天泰坦科技股份有限公司 一种基于深度学习的遥感影像半自动化标注方法
CN110070701B (zh) * 2019-05-08 2021-06-22 北京全景大观旅游规划设计研究院有限公司 一种应用于导游装置的地理信息勘测系统数据展示方法
CN110658819B (zh) * 2019-09-30 2022-04-15 北京猎户星空科技有限公司 一种避障方法、装置、电子设备和存储介质
CN112418925A (zh) * 2020-11-18 2021-02-26 智慧足迹数据科技有限公司 人口数据统计方法、装置、计算机设备和可读存储介质
CN112883823A (zh) * 2021-01-21 2021-06-01 南京航空航天大学 一种基于多源遥感数据融合的土地覆盖类别亚像素定位方法
CN112818826A (zh) * 2021-01-28 2021-05-18 北京市商汤科技开发有限公司 目标识别方法及装置、电子设备及存储介质
CN113673399A (zh) * 2021-08-12 2021-11-19 新疆爱华盈通信息技术有限公司 区域监测的方法、装置、电子设备及可读存储介质

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101106816A (zh) * 2007-07-31 2008-01-16 东南大学 应用网络中继的全球定位系统实现土地巡查和实时监控的方法
CN101452072A (zh) * 2008-12-26 2009-06-10 东南大学 一种用于土地监测的电子信息化系统及其方法
CN104200387A (zh) * 2014-09-18 2014-12-10 信阳师范学院 一种顾及地理实体语义相似度的土地用途分区方法
JP2018066943A (ja) * 2016-10-21 2018-04-26 株式会社パスコ 地目変化判読支援装置、地目変化判読支援方法、及びプログラム
CN107423416A (zh) * 2017-07-29 2017-12-01 福州市勘测院 一种基于实例的语义融合及多规空间数据冲突检测方法
CN107506162A (zh) * 2017-08-29 2017-12-22 歌尔科技有限公司 坐标映射方法、计算机可读存储介质和投影仪
CN108052887A (zh) * 2017-12-07 2018-05-18 东南大学 一种融合slam/gnss信息的疑似违法用地自动识别系统及方法
CN110633334A (zh) * 2018-05-30 2019-12-31 百度在线网络技术(北京)有限公司 用于获取信息的方法及装置
CN110263717A (zh) * 2019-06-21 2019-09-20 中国科学院地理科学与资源研究所 一种融入街景影像的土地利用类别确定方法
CN111259840A (zh) * 2020-01-21 2020-06-09 中南民族大学 土地占用预警方法、装置、设备和存储介质
CN112070056A (zh) * 2020-09-17 2020-12-11 京师天启(北京)科技有限公司 一种基于面向对象和深度学习的敏感用地识别方法
CN112906648A (zh) * 2021-03-24 2021-06-04 深圳前海微众银行股份有限公司 一种地块中对象的分类方法、装置及电子设备
CN113033403A (zh) * 2021-03-25 2021-06-25 生态环境部卫星环境应用中心 基于影像瓦片的生态保护红线地物目标识别方法及系统
CN113378642A (zh) * 2021-05-12 2021-09-10 三峡大学 一种对农村违法占地建筑物进行检测的方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于塔基监控图像的建设施工用地识别与空间定位方法研究;冯笑雨;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20200215;摘要、正文第29-69页 *
特定目标识别技术在土地核查中的应用;闫敏 等;《测绘科学》;20140425;正文第71-75页 *

Also Published As

Publication number Publication date
CN114155433A (zh) 2022-03-08

Similar Documents

Publication Publication Date Title
CN107239794B (zh) 点云数据分割方法和终端
CN109190573B (zh) 应用于无人驾驶车辆的地面检测方法、电子设备、车辆
CN110533055B (zh) 一种点云数据的处理方法和装置
US20210350189A1 (en) Bayesian Methodology for Geospatial Object/Characteristic Detection
CN115205717B (zh) 障碍物点云数据处理方法以及飞行设备
EP4141476A1 (en) Lidar occlusion detection method and apparatus, storage medium, and lidar
CN112233182A (zh) 一种多激光雷达的点云数据的标注方法和装置
CN113377890A (zh) 一种地图质检方法、装置、电子设备及存储介质
CN112434682B (zh) 基于多传感器的数据融合方法、装置及存储介质
CN114155433B (zh) 一种违法土地的检测方法、装置、电子设备及存储介质
CN110363847B (zh) 一种基于点云数据的地图模型构建方法和装置
CN115830576A (zh) 移动机器人重定位方法、装置和移动机器人
CN112988932B (zh) 高精地图标注方法、装置、设备、可读存储介质及产品
JP2023526703A (ja) 物体に対する衝突検出方法、装置、電子デバイス、記憶媒体およびコンピュータプログラム
CN114328783A (zh) 地图数据输出方法、地图数据处理方法、装置和电子设备
CN112989924A (zh) 目标检测方法、目标检测装置及终端设备
Chu et al. Convergent application for trace elimination of dynamic objects from accumulated lidar point clouds
CN115685182A (zh) 检测对象的方法、装置、电子设备及存储介质
CN113763260B (zh) 一种基于水珠噪声的滤噪方法、装置、设备及存储介质
CN116664658B (zh) 一种障碍物检测方法、装置及终端设备
CN113066006B (zh) 机载激光雷达点云数据的解算方法、装置和电子设备
CN116416133A (zh) 一种生成缩略图的方法、装置、终端设备及可读存储介质
CN115205847A (zh) 一种路面标识点云的识别方法、装置、介质和电子设备
CN117520465A (zh) 电子地图绘制方法、装置、电子设备和存储介质
CN116521676A (zh) 地图数据管理方法、装置、终端设备及可读存储介质

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