CN115471767A - 一种基于数据挖掘的建筑质量预测方法及系统 - Google Patents

一种基于数据挖掘的建筑质量预测方法及系统 Download PDF

Info

Publication number
CN115471767A
CN115471767A CN202210877287.0A CN202210877287A CN115471767A CN 115471767 A CN115471767 A CN 115471767A CN 202210877287 A CN202210877287 A CN 202210877287A CN 115471767 A CN115471767 A CN 115471767A
Authority
CN
China
Prior art keywords
building
video
monitoring
videos
similarity
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.)
Withdrawn
Application number
CN202210877287.0A
Other languages
English (en)
Inventor
郭和玉
杨艳
刘毅
李兴祥
王跃
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.)
Individual
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN202210877287.0A priority Critical patent/CN115471767A/zh
Publication of CN115471767A publication Critical patent/CN115471767A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Health & Medical Sciences (AREA)
  • Signal Processing (AREA)
  • Computational Linguistics (AREA)
  • Alarm Systems (AREA)

Abstract

本发明提供的一种基于数据挖掘的建筑质量预测方法及系统，涉及建筑技术领域。在本发明中，获取每一个视频监控终端设备采集得到的建筑监控视频，得到对应的多个建筑监控视频，其中，多个视频监控终端设备分别用于对目标建筑物体的多个建筑部分进行监控，得到对应的建筑监控视频，多个建筑监控视频中的每一个建筑监控视频包括多帧建筑监控视频帧；针对每一个建筑监控视频，计算该建筑监控视频与预先配置的建筑参考视频之间的视频相似度；基于多个建筑监控视频中的每一个建筑监控视频对应的视频相似度，确定目标建筑物体的建筑质量信息。基于上述方法，可以改善现有技术中建筑质量的确定效率较低的问题。

Description

一种基于数据挖掘的建筑质量预测方法及系统
技术领域
本发明涉及建筑技术领域，具体而言，涉及一种基于数据挖掘的建筑质量预测方法及系统。
背景技术
在建筑技术领域中，建筑质量的预测或评估是一种重要的环节。但是，在现有技术中，一般是基于质量评估人员对建筑物进行检验，得到对应的建筑质量评估结果，即得到建筑物的建筑质量信息，如此，会导致存在建筑质量的确定效率较低的问题。
发明内容
有鉴于此，本发明的目的在于提供一种基于数据挖掘的建筑质量预测方法及系统，以改善现有技术中建筑质量的确定效率较低的问题。
为实现上述目的，本发明实施例采用如下技术方案：
一种基于数据挖掘的建筑质量预测方法，应用于建筑质量监控服务器，所述基于数据挖掘的建筑质量预测方法包括：
获取通信连接的多个视频监控终端设备中的每一个视频监控终端设备采集得到的建筑监控视频，得到所述多个视频监控终端设备对应的多个建筑监控视频，其中，所述多个视频监控终端设备分别用于对目标建筑物体的多个建筑部分进行监控，得到对应的建筑监控视频，所述多个建筑监控视频中的每一个建筑监控视频包括多帧建筑监控视频帧；
针对所述多个建筑监控视频中的每一个建筑监控视频，计算该建筑监控视频与预先配置的建筑参考视频之间的视频相似度；
基于所述多个建筑监控视频中的每一个建筑监控视频对应的视频相似度，确定所述目标建筑物体的建筑质量信息。
在一些优选的实施例中，在上述基于数据挖掘的建筑质量预测方法中，所述获取通信连接的多个视频监控终端设备中的每一个视频监控终端设备采集得到的建筑监控视频，得到所述多个视频监控终端设备对应的多个建筑监控视频的步骤，包括：
判断是否接收到建筑质量预测指令，并在接收到所述建筑质量预测指令时，对所述建筑质量预测指令进行解析处理，得到所述建筑质量预测指令对应的目标建筑物体的建筑物体身份信息；
基于所述建筑物体身份信息确定用于对所述目标建筑物体进行监控的多个视频监控终端设备的终端设备身份信息，其中，预先将所述终端设备身份信息与所述建筑物体身份信息进行绑定；
将生成的监控视频获取通知信息发送给所述终端设备身份信息对应的每一个视频监控终端设备，其中，每一个所述视频监控终端设备用于在接收到所述监控视频获取通知信息之后，将该视频监控终端设备对对应的建筑部分进行监控得到的建筑监控视频发送给所述建筑质量监控服务器；
分别获取每一个所述视频监控终端设备基于所述监控视频获取通知信息发送的建筑监控视频，得到对应的多个建筑监控视频。
在一些优选的实施例中，在上述基于数据挖掘的建筑质量预测方法中，所述将生成的监控视频获取通知信息发送给所述终端设备身份信息对应的每一个视频监控终端设备的步骤，包括：
对所述建筑质量预测指令进行解析处理，得到所述建筑质量预测指令对应的目标建筑物体的建筑质量预测精度信息，并基于所述建筑质量预测精度信息确定出对应的监控时长信息，其中，所述监控时长信息与所述建筑质量预测精度信息之间具有正相关关系；
基于所述监控时长信息生成对应的监控视频获取通知信息，并将所述监控视频获取通知信息发送给所述终端设备身份信息对应的每一个视频监控终端设，其中，每一个所述视频监控终端设备用于在接收到所述监控视频获取通知信息之后，基于所述监控时长信息对对应的建筑部分进行监控，得到的对应的建筑监控视频，并发送给所述建筑质量监控服务器。
在一些优选的实施例中，在上述基于数据挖掘的建筑质量预测方法中，所述针对所述多个建筑监控视频中的每一个建筑监控视频，计算该建筑监控视频与预先配置的建筑参考视频之间的视频相似度的步骤，包括：
获取预先配置的多个建筑参考视频，其中，所述多个建筑参考视频中的每一个建筑参考视频基于对其它建筑物体进行监控得到，每两个建筑参考视频对应的两个其它建筑物体的建筑质量不同；
针对所述多个建筑监控视频中的每一个建筑监控视频，分别计算该建筑监控视频与所述多个建筑参考视频中的每一个建筑参考视频之间的视频相似度，得到该建筑监控视频对应的多个视频相似度。
在一些优选的实施例中，在上述基于数据挖掘的建筑质量预测方法中，所述针对所述多个建筑监控视频中的每一个建筑监控视频，分别计算该建筑监控视频与所述多个建筑参考视频中的每一个建筑参考视频之间的视频相似度，得到该建筑监控视频对应的多个视频相似度的步骤，包括：
针对所述多个建筑参考视频中的每一个建筑参考视频，分别确定该建筑参考视频中的每一帧建筑参考视频帧对应的建筑部分；
针对所述多个建筑参考视频中的每一个建筑参考视频，基于对应的建筑部分是否相同，对该建筑参考视频包括的多帧建筑参考视频帧进行分类，得到对应的多个建筑参考视频帧分类集合，并将所述多个建筑参考视频帧分类集合中的每一个所述建筑参考视频帧分类集合包括的建筑参考视频帧对应的建筑部分确定为，对应的建筑参考视频帧分类集合对应的集合标签信息，其中，同一个所述建筑参考视频对应的多个建筑参考视频帧分类集合的数量与所述多个建筑监控视频的数量相同；
针对所述多个建筑监控视频中的每一个建筑监控视频，计算该建筑监控视频与具有该建筑监控视频对应的建筑部分对应的集合标签信息的建筑参考视频帧分类集合之间的相似度，作为与对应的建筑参考视频之间的视频相似度，得到该建筑监控视频对应的多个视频相似度。
在一些优选的实施例中，在上述基于数据挖掘的建筑质量预测方法中，所述针对所述多个建筑监控视频中的每一个建筑监控视频，计算该建筑监控视频与具有该建筑监控视频对应的建筑部分对应的集合标签信息的建筑参考视频帧分类集合之间的相似度，作为与对应的建筑参考视频之间的视频相似度，得到该建筑监控视频对应的多个视频相似度的步骤，包括：
针对所述多个建筑监控视频中的每一个建筑监控视频，将具有该建筑监控视频对应的建筑部分对应的集合标签信息的建筑参考视频帧分类集合，确定为该建筑监控视频对应的目标建筑参考视频帧分类集合；
针对所述多个建筑监控视频中的每一个建筑监控视频，分别基于该建筑监控视频对应的每一个目标建筑参考视频帧分类集合包括的建筑参考视频帧的数量，对该建筑监控视频进行视频帧筛选处理，得到该建筑监控视频对应的多个建筑监控筛选视频，其中，所述多个建筑监控筛选视频中的每一个建筑监控筛选视频包括的多帧建筑监控视频帧在时序上连续；
针对所述多个建筑监控视频中的每一个建筑监控视频对应的每一个建筑监控筛选视频，对该建筑监控筛选视频和对应的目标建筑参考视频帧分类集合进行相似度计算操作，得到该建筑监控视频对应的视频相似度。
在一些优选的实施例中，在上述基于数据挖掘的建筑质量预测方法中，所述基于所述多个建筑监控视频中的每一个建筑监控视频对应的视频相似度，确定所述目标建筑物体的建筑质量信息的步骤，包括：
针对所述多个建筑监控视频中的每一个建筑监控视频，基于该建筑监控视频对应的多个视频相似度，对该多个视频相似度对应的多个建筑参考视频对应的多个其它建筑物体的建筑质量信息进行加权求和计算，得到该建筑监控视频对应的建筑部分的第一建筑质量信息；
针对所述多个建筑监控视频中的每一个建筑监控视频，分别计算该建筑监控视频包括的每相邻两帧建筑监控视频帧之间的相似度，得到每相邻两帧建筑监控视频帧对应的第一视频帧相似度；
针对所述多个建筑监控视频中的每一个建筑监控视频，分别确定该建筑监控视频包括的每相邻两帧建筑监控视频帧对应的第一视频帧相似度与预先配置的视频帧相似度阈值之间的相对大小关系，并在该第一视频帧相似度小于或等于所述视频帧相似度阈值时，将该第一视频帧相似度确定为该建筑监控视频对应的目标第一视频帧相似度，以及，计算每一个目标第一视频帧相似度的平均值，得到该建筑监控视频对应的第一相似度均值，再基于该第一相似度均值确定出该建筑监控视频对应的建筑部分的第二建筑质量信息，其中，所述第一相似度均值与所述第二建筑质量信息之间具有正相关关系，且在任意一个所述建筑监控视频不具有对应的目标第一视频帧相似度时，将对应的建筑部分的第二建筑质量信息赋值为最大值；
针对所述多个建筑监控视频中的每一个建筑监控视频，确定该建筑监控视频对应的建筑部分的第一建筑质量信息和第二建筑质量信息的融合值，得到该建筑监控视频对应的建筑部分的建筑质量融合信息；
计算所述目标建筑物体的建筑表面面积，并针对所述多个建筑监控视频中的每一个建筑监控视频，计算该建筑监控视频对应的建筑部分的建筑表面面积，以及，计算该建筑监控视频对应的建筑部分的建筑表面面积与所述目标建筑物体的建筑表面面积之间的比值，得到该建筑监控视频对应的建筑部分的建筑表面面积占比；
基于所述目标建筑物体中的每一个建筑部分的建筑表面面积占比，对每一个所述建筑部分的建筑质量融合信息进行加权求和计算，得到所述目标建筑物体的建筑质量信息。
本发明实施例还提供一种基于数据挖掘的建筑质量预测系统，应用于建筑质量监控服务器，所述基于数据挖掘的建筑质量预测系统包括：
监控视频获取模块，用于获取通信连接的多个视频监控终端设备中的每一个视频监控终端设备采集得到的建筑监控视频，得到所述多个视频监控终端设备对应的多个建筑监控视频，其中，所述多个视频监控终端设备分别用于对目标建筑物体的多个建筑部分进行监控，得到对应的建筑监控视频，所述多个建筑监控视频中的每一个建筑监控视频包括多帧建筑监控视频帧；
视频相似度计算模块，用于针对所述多个建筑监控视频中的每一个建筑监控视频，计算该建筑监控视频与预先配置的建筑参考视频之间的视频相似度；
建筑质量确定模块，用于基于所述多个建筑监控视频中的每一个建筑监控视频对应的视频相似度，确定所述目标建筑物体的建筑质量信息。
在一些优选的实施例中，在上述基于数据挖掘的建筑质量预测系统中，所述视频相似度计算模块具体用于：
获取预先配置的多个建筑参考视频，其中，所述多个建筑参考视频中的每一个建筑参考视频基于对其它建筑物体进行监控得到，每两个建筑参考视频对应的两个其它建筑物体的建筑质量不同；
针对所述多个建筑监控视频中的每一个建筑监控视频，分别计算该建筑监控视频与所述多个建筑参考视频中的每一个建筑参考视频之间的视频相似度，得到该建筑监控视频对应的多个视频相似度。
在一些优选的实施例中，在上述基于数据挖掘的建筑质量预测系统中，所述建筑质量确定模块具体用于：
针对所述多个建筑监控视频中的每一个建筑监控视频，基于该建筑监控视频对应的多个视频相似度，对该多个视频相似度对应的多个建筑参考视频对应的多个其它建筑物体的建筑质量信息进行加权求和计算，得到该建筑监控视频对应的建筑部分的第一建筑质量信息；
针对所述多个建筑监控视频中的每一个建筑监控视频，分别计算该建筑监控视频包括的每相邻两帧建筑监控视频帧之间的相似度，得到每相邻两帧建筑监控视频帧对应的第一视频帧相似度；
针对所述多个建筑监控视频中的每一个建筑监控视频，分别确定该建筑监控视频包括的每相邻两帧建筑监控视频帧对应的第一视频帧相似度与预先配置的视频帧相似度阈值之间的相对大小关系，并在该第一视频帧相似度小于或等于所述视频帧相似度阈值时，将该第一视频帧相似度确定为该建筑监控视频对应的目标第一视频帧相似度，以及，计算每一个目标第一视频帧相似度的平均值，得到该建筑监控视频对应的第一相似度均值，再基于该第一相似度均值确定出该建筑监控视频对应的建筑部分的第二建筑质量信息，其中，所述第一相似度均值与所述第二建筑质量信息之间具有正相关关系，且在任意一个所述建筑监控视频不具有对应的目标第一视频帧相似度时，将对应的建筑部分的第二建筑质量信息赋值为最大值；
针对所述多个建筑监控视频中的每一个建筑监控视频，确定该建筑监控视频对应的建筑部分的第一建筑质量信息和第二建筑质量信息的融合值，得到该建筑监控视频对应的建筑部分的建筑质量融合信息；
计算所述目标建筑物体的建筑表面面积，并针对所述多个建筑监控视频中的每一个建筑监控视频，计算该建筑监控视频对应的建筑部分的建筑表面面积，以及，计算该建筑监控视频对应的建筑部分的建筑表面面积与所述目标建筑物体的建筑表面面积之间的比值，得到该建筑监控视频对应的建筑部分的建筑表面面积占比；
基于所述目标建筑物体中的每一个建筑部分的建筑表面面积占比，对每一个所述建筑部分的建筑质量融合信息进行加权求和计算，得到所述目标建筑物体的建筑质量信息。
本发明实施例提供的一种基于数据挖掘的建筑质量预测方法及系统，可以先获取每一个视频监控终端设备采集得到的建筑监控视频，得到对应的多个建筑监控视频，然后，可以针对每一个建筑监控视频，计算该建筑监控视频与预先配置的建筑参考视频之间的视频相似度，使得可以基于多个建筑监控视频中的每一个建筑监控视频对应的视频相似度，确定目标建筑物体的建筑质量信息，如此，通过与建筑参考视频进行对比以确定建筑质量信息，相较于基于检测人员进行质量检测的常规技术方案，可以具有更高的效率，从而改善现有技术中建筑质量的确定效率较低的问题。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
图1为本发明实施例提供的建筑质量监控服务器的结构框图。
图2为本发明实施例提供的基于数据挖掘的建筑质量预测方法包括的各步骤的流程示意图。
图3为本发明实施例提供的基于数据挖掘的建筑质量预测系统包括的各模块的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例只是本发明的一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
如图1所示，本发明实施例提供了一种建筑质量监控服务器。其中，所述建筑质量监控服务器可以包括存储器和处理器。
详细地，所述存储器和处理器之间直接或间接地电性连接，以实现数据的传输或交互。例如，相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述存储器中可以存储有至少一个可以以软件或固件(firmware)的形式，存在的软件功能模块(计算机程序)。所述处理器可以用于执行所述存储器中存储的可执行的计算机程序，从而实现本发明实施例(如后文所述)提供的基于数据挖掘的建筑质量预测方法。
举例来说，在一些可能的实施方式中，所述存储器可以是，但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-Only Memory，PROM)，可擦除只读存储器(ErasableProgrammable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric ErasableProgrammable Read-Only Memory，EEPROM)等。
举例来说，在一些可能的实施方式中，所述处理器可以是一种通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)、片上系统(System on Chip，SoC)等；还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
并且，图1所示的结构仅为示意，所述建筑质量监控服务器还可包括比图1中所示更多或者更少的组件，或具有与图1所示不同的配置，例如，可以包括用于与其它设备进行信息交互的通信适配器(诸如，网络适配器)。可以将通信适配器耦合至总线，并且可以将其配置为使能与计算或者通信网络和/或其它计算系统的通信。在各种说明性实施方式中，可以使用通信适配器来实现任何类型的组网配置，诸如，有线、无线、预配置、对等点对点、LAN、WAN等。
结合图2，本发明实施例还提供一种基于数据挖掘的建筑质量预测方法，可应用于上述建筑质量监控服务器。其中，所述基于数据挖掘的建筑质量预测方法有关的流程所定义的方法步骤，可以由所述建筑质量监控服务器实现。下面将对图2所示的具体流程，进行详细阐述。
步骤S110，获取通信连接的多个视频监控终端设备中的每一个视频监控终端设备采集得到的建筑监控视频，得到所述多个视频监控终端设备对应的多个建筑监控视频。
在本发明实施例中，所述建筑质量监控服务器可以获取通信连接的多个视频监控终端设备中的每一个视频监控终端设备采集得到的建筑监控视频，得到所述多个视频监控终端设备对应的多个建筑监控视频。其中，所述多个视频监控终端设备分别用于对目标建筑物体的多个建筑部分进行监控，得到对应的建筑监控视频，所述多个建筑监控视频中的每一个建筑监控视频包括多帧建筑监控视频帧。
步骤S120，针对所述多个建筑监控视频中的每一个建筑监控视频，计算该建筑监控视频与预先配置的建筑参考视频之间的视频相似度。
在本发明实施例中，所述建筑质量监控服务器可以针对所述多个建筑监控视频中的每一个建筑监控视频，计算该建筑监控视频与预先配置的建筑参考视频之间的视频相似度。
步骤S130，基于所述多个建筑监控视频中的每一个建筑监控视频对应的视频相似度，确定所述目标建筑物体的建筑质量信息。
在本发明实施例中，所述建筑质量监控服务器可以基于所述多个建筑监控视频中的每一个建筑监控视频对应的视频相似度，确定所述目标建筑物体的建筑质量信息。
基于上述的基于数据挖掘的建筑质量预测方法包括的各步骤，可以先获取每一个视频监控终端设备采集得到的建筑监控视频，得到对应的多个建筑监控视频，然后，可以针对每一个建筑监控视频，计算该建筑监控视频与预先配置的建筑参考视频之间的视频相似度，使得可以基于多个建筑监控视频中的每一个建筑监控视频对应的视频相似度，确定目标建筑物体的建筑质量信息，如此，通过与建筑参考视频进行对比以确定建筑质量信息，相较于基于检测人员进行质量检测的常规技术方案，可以具有更高的效率，从而改善现有技术中建筑质量的确定效率较低的问题。
举例来说，在一些可能的实施方式中，步骤S110可以包括以下内容：
首先，判断是否接收到建筑质量预测指令，并在接收到所述建筑质量预测指令时，对所述建筑质量预测指令进行解析处理，得到所述建筑质量预测指令对应的目标建筑物体的建筑物体身份信息；
其次，基于所述建筑物体身份信息确定用于对所述目标建筑物体进行监控的多个视频监控终端设备的终端设备身份信息，其中，预先将所述终端设备身份信息与所述建筑物体身份信息进行绑定；
然后，将生成的监控视频获取通知信息发送给所述终端设备身份信息对应的每一个视频监控终端设备，其中，每一个所述视频监控终端设备用于在接收到所述监控视频获取通知信息之后，将该视频监控终端设备对对应的建筑部分进行监控得到的建筑监控视频发送给建筑质量监控服务器；
之后，分别获取每一个所述视频监控终端设备基于所述监控视频获取通知信息发送的建筑监控视频，得到对应的多个建筑监控视频。
举例来说，在一些可能的实施方式中，所述将生成的监控视频获取通知信息发送给所述终端设备身份信息对应的每一个视频监控终端设备的步骤，可以包括以下内容：
首先，对所述建筑质量预测指令进行解析处理，得到所述建筑质量预测指令对应的目标建筑物体的建筑质量预测精度信息，并基于所述建筑质量预测精度信息确定出对应的监控时长信息，其中，所述监控时长信息与所述建筑质量预测精度信息之间具有正相关关系；
其次，基于所述监控时长信息生成对应的监控视频获取通知信息，并将所述监控视频获取通知信息发送给所述终端设备身份信息对应的每一个视频监控终端设，其中，每一个所述视频监控终端设备用于在接收到所述监控视频获取通知信息之后，基于所述监控时长信息对对应的建筑部分进行监控，得到的对应的建筑监控视频，并发送给所述建筑质量监控服务器。
举例来说，在一些可能的实施方式中，步骤S120可以包括以下内容：
首先，获取预先配置的多个建筑参考视频，其中，所述多个建筑参考视频中的每一个建筑参考视频基于对其它建筑物体进行监控得到，每两个建筑参考视频对应的两个其它建筑物体的建筑质量不同；
其次，针对所述多个建筑监控视频中的每一个建筑监控视频，分别计算该建筑监控视频与所述多个建筑参考视频中的每一个建筑参考视频之间的视频相似度，得到该建筑监控视频对应的多个视频相似度。
举例来说，在一些可能的实施方式中，所述针对所述多个建筑监控视频中的每一个建筑监控视频，分别计算该建筑监控视频与所述多个建筑参考视频中的每一个建筑参考视频之间的视频相似度，得到该建筑监控视频对应的多个视频相似度的步骤，可以包括以下内容：
首先，针对所述多个建筑参考视频中的每一个建筑参考视频，分别确定该建筑参考视频中的每一帧建筑参考视频帧对应的建筑部分；
其次，针对所述多个建筑参考视频中的每一个建筑参考视频，基于对应的建筑部分是否相同，对该建筑参考视频包括的多帧建筑参考视频帧进行分类，得到对应的多个建筑参考视频帧分类集合，并将所述多个建筑参考视频帧分类集合中的每一个所述建筑参考视频帧分类集合包括的建筑参考视频帧对应的建筑部分确定为，对应的建筑参考视频帧分类集合对应的集合标签信息，其中，同一个所述建筑参考视频对应的多个建筑参考视频帧分类集合的数量与所述多个建筑监控视频的数量相同；
然后，针对所述多个建筑监控视频中的每一个建筑监控视频，计算该建筑监控视频与具有该建筑监控视频对应的建筑部分对应的集合标签信息的建筑参考视频帧分类集合之间的相似度，作为与对应的建筑参考视频之间的视频相似度，得到该建筑监控视频对应的多个视频相似度。
举例来说，在一些可能的实施方式中，所述针对所述多个建筑监控视频中的每一个建筑监控视频，计算该建筑监控视频与具有该建筑监控视频对应的建筑部分对应的集合标签信息的建筑参考视频帧分类集合之间的相似度，作为与对应的建筑参考视频之间的视频相似度，得到该建筑监控视频对应的多个视频相似度的步骤，可以包括以下内容：
首先，针对所述多个建筑监控视频中的每一个建筑监控视频，将具有该建筑监控视频对应的建筑部分对应的集合标签信息的建筑参考视频帧分类集合，确定为该建筑监控视频对应的目标建筑参考视频帧分类集合；
其次，针对所述多个建筑监控视频中的每一个建筑监控视频，分别基于该建筑监控视频对应的每一个目标建筑参考视频帧分类集合包括的建筑参考视频帧的数量，对该建筑监控视频进行视频帧筛选处理，得到该建筑监控视频对应的多个建筑监控筛选视频，其中，多个建筑监控筛选视频中的每一个建筑监控筛选视频包括的多帧建筑监控视频帧在时序上连续；
然后，针对所述多个建筑监控视频中的每一个建筑监控视频对应的每一个建筑监控筛选视频，对该建筑监控筛选视频和对应的目标建筑参考视频帧分类集合进行相似度计算操作，得到对应的视频相似度。
举例来说，在一些可能的实施方式中，上述实施方式中的所述相似度计算操作，可以包括以下内容：
首先，针对所述建筑监控筛选视频中的每一帧建筑监控视频帧，计算该建筑监控视频帧与所述建筑监控筛选视频中的每一帧其它建筑监控视频帧之间的视频帧相似度，并确定该视频帧相似度与预先配置的视频帧相似度阈值之间的相对大小关系，以及，在该视频帧相似度大于该视频帧相似度阈值时，将该视频帧相似度对应的其它建筑监控视频帧确定为该建筑监控视频帧对应的相似视频帧；
其次，针对所述建筑监控筛选视频中的每一帧建筑监控视频帧，基于该建筑监控视频帧对应的每一帧相似视频帧在所述建筑监控筛选视频中的先后关系，对该建筑监控视频帧对应的每一帧相似视频帧进行排序，得到该建筑监控视频帧对应的相似视频帧序列；
然后，针对所述目标建筑参考视频帧分类集合中的每一帧建筑参考视频帧，计算该建筑参考视频帧与所述目标建筑参考视频帧分类集合中的每一帧其它建筑参考视频帧之间的视频帧相似度，并确定该视频帧相似度与所述视频帧相似度阈值之间的相对大小关系，以及，在该视频帧相似度大于该视频帧相似度阈值时，将该视频帧相似度对应的其它建筑参考视频帧确定为该建筑参考视频帧对应的相似参考视频帧；
之后，针对所述目标建筑参考视频帧分类集合中的每一帧建筑参考视频帧，基于该建筑参考视频帧对应的每一帧相似视频帧在所述目标建筑参考视频帧分类集合中的先后关系，对该建筑参考视频帧对应的每一帧相似视频帧进行排序，得到该建筑参考视频帧对应的相似视频帧序列；
进一步，针对所述建筑监控筛选视频中的每一帧建筑监控视频帧，在所述目标建筑参考视频帧分类集合中确定出具有相同先后关系的一帧建筑参考视频帧(如都是第一帧视频帧或都是第二帧视频帧等)，作为该建筑监控视频帧对应的对应建筑参考视频帧；
再进一步，针对所述建筑监控筛选视频中的每一帧建筑监控视频帧，计算该建筑监控视频帧与对应的对应建筑参考视频帧之间的相似度，得到该建筑监控视频帧对应的第二视频帧相似度，并计算该建筑监控视频帧对应的相似视频帧序列与该对应建筑参考视频帧对应的相似视频帧序列之间的序列相似度(如计算两个相似视频帧序列之间每两帧视频帧之间的相似度的平均值)，得到该建筑监控视频帧对应的第三视频帧相似度，以及，计算该第二视频帧相似度和该第三视频帧相似度的加权和值(如该第二视频帧相似度对应的加权系数可以大于该第三视频帧相似度对应的加权系数)，得到该建筑监控视频帧对应的视频帧相似度加权和值；
最后，基于所述建筑监控筛选视频中的每一帧建筑监控视频帧对应的视频帧相似度加权和值，确定(如进行均值计算等)所述建筑监控筛选视频对应的建筑监控视频对应的视频相似度。
举例来说，在一些可能的实施方式中，步骤S130可以包括以下内容：
首先，针对所述多个建筑监控视频中的每一个建筑监控视频，基于该建筑监控视频对应的多个视频相似度，对该多个视频相似度对应的多个建筑参考视频对应的多个其它建筑物体的建筑质量信息进行加权求和计算，得到该建筑监控视频对应的建筑部分的第一建筑质量信息；
其次，针对所述多个建筑监控视频中的每一个建筑监控视频，分别计算该建筑监控视频包括的每相邻两帧建筑监控视频帧之间的相似度，得到每相邻两帧建筑监控视频帧对应的第一视频帧相似度；
然后，针对所述多个建筑监控视频中的每一个建筑监控视频，分别确定该建筑监控视频包括的每相邻两帧建筑监控视频帧对应的第一视频帧相似度与预先配置的视频帧相似度阈值之间的相对大小关系，并在该第一视频帧相似度小于或等于所述视频帧相似度阈值时，将该第一视频帧相似度确定为该建筑监控视频对应的目标第一视频帧相似度，以及，计算每一个目标第一视频帧相似度的平均值，得到该建筑监控视频对应的第一相似度均值，再基于该第一相似度均值确定出该建筑监控视频对应的建筑部分的第二建筑质量信息，其中，所述第一相似度均值与所述第二建筑质量信息之间具有正相关关系，在任意一个所述建筑监控视频不具有对应的目标第一视频帧相似度时，将对应的建筑部分的第二建筑质量信息赋值为最大值；
之后，针对所述多个建筑监控视频中的每一个建筑监控视频，确定该建筑监控视频对应的建筑部分的第一建筑质量信息和第二建筑质量信息的融合值，得到该建筑监控视频对应的建筑部分的建筑质量融合信息；
进一步，计算所述目标建筑物体的建筑表面面积，并针对所述多个建筑监控视频中的每一个建筑监控视频，计算该建筑监控视频对应的建筑部分的建筑表面面积，以及，计算该建筑监控视频对应的建筑部分的建筑表面面积与所述目标建筑物体的建筑表面面积之间的比值，得到该建筑监控视频对应的建筑部分的建筑表面面积占比；
最后，基于所述目标建筑物体中的每一个建筑部分的建筑表面面积占比(即作为加权系数)，对每一个所述建筑部分的建筑质量融合信息进行加权求和计算，得到所述目标建筑物体的建筑质量信息。
结合图3，本发明实施例还提供一种基于数据挖掘的建筑质量预测系统，可应用于上述建筑质量监控服务器。其中，所述基于数据挖掘的建筑质量预测系统可以包括以下各模块：
监控视频获取模块，用于获取通信连接的多个视频监控终端设备中的每一个视频监控终端设备采集得到的建筑监控视频，得到所述多个视频监控终端设备对应的多个建筑监控视频，其中，所述多个视频监控终端设备分别用于对目标建筑物体的多个建筑部分进行监控，得到对应的建筑监控视频，所述多个建筑监控视频中的每一个建筑监控视频包括多帧建筑监控视频帧；
视频相似度计算模块，用于针对所述多个建筑监控视频中的每一个建筑监控视频，计算该建筑监控视频与预先配置的建筑参考视频之间的视频相似度；
建筑质量确定模块，用于基于所述多个建筑监控视频中的每一个建筑监控视频对应的视频相似度，确定所述目标建筑物体的建筑质量信息。
在一些可能的实施方式中，所述视频相似度计算模块具体用于：
获取预先配置的多个建筑参考视频，其中，所述多个建筑参考视频中的每一个建筑参考视频基于对其它建筑物体进行监控得到，每两个建筑参考视频对应的两个其它建筑物体的建筑质量不同；
针对所述多个建筑监控视频中的每一个建筑监控视频，分别计算该建筑监控视频与所述多个建筑参考视频中的每一个建筑参考视频之间的视频相似度，得到该建筑监控视频对应的多个视频相似度。
在一些可能的实施方式中，所述建筑质量确定模块具体用于：
针对所述多个建筑监控视频中的每一个建筑监控视频，基于该建筑监控视频对应的多个视频相似度，对该多个视频相似度对应的多个建筑参考视频对应的多个其它建筑物体的建筑质量信息进行加权求和计算，得到该建筑监控视频对应的建筑部分的第一建筑质量信息；
针对所述多个建筑监控视频中的每一个建筑监控视频，分别计算该建筑监控视频包括的每相邻两帧建筑监控视频帧之间的相似度，得到每相邻两帧建筑监控视频帧对应的第一视频帧相似度；
针对所述多个建筑监控视频中的每一个建筑监控视频，分别确定该建筑监控视频包括的每相邻两帧建筑监控视频帧对应的第一视频帧相似度与预先配置的视频帧相似度阈值之间的相对大小关系，并在该第一视频帧相似度小于或等于所述视频帧相似度阈值时，将该第一视频帧相似度确定为该建筑监控视频对应的目标第一视频帧相似度，以及，计算每一个目标第一视频帧相似度的平均值，得到该建筑监控视频对应的第一相似度均值，再基于该第一相似度均值确定出该建筑监控视频对应的建筑部分的第二建筑质量信息，其中，所述第一相似度均值与所述第二建筑质量信息之间具有正相关关系，且在任意一个所述建筑监控视频不具有对应的目标第一视频帧相似度时，将对应的建筑部分的第二建筑质量信息赋值为最大值；
针对所述多个建筑监控视频中的每一个建筑监控视频，确定该建筑监控视频对应的建筑部分的第一建筑质量信息和第二建筑质量信息的融合值，得到该建筑监控视频对应的建筑部分的建筑质量融合信息；
计算所述目标建筑物体的建筑表面面积，并针对所述多个建筑监控视频中的每一个建筑监控视频，计算该建筑监控视频对应的建筑部分的建筑表面面积，以及，计算该建筑监控视频对应的建筑部分的建筑表面面积与所述目标建筑物体的建筑表面面积之间的比值，得到该建筑监控视频对应的建筑部分的建筑表面面积占比；
基于所述目标建筑物体中的每一个建筑部分的建筑表面面积占比，对每一个所述建筑部分的建筑质量融合信息进行加权求和计算，得到所述目标建筑物体的建筑质量信息。
综上所述，本发明提供的一种基于数据挖掘的建筑质量预测方法及系统，可以先获取每一个视频监控终端设备采集得到的建筑监控视频，得到对应的多个建筑监控视频，然后，可以针对每一个建筑监控视频，计算该建筑监控视频与预先配置的建筑参考视频之间的视频相似度，使得可以基于多个建筑监控视频中的每一个建筑监控视频对应的视频相似度，确定目标建筑物体的建筑质量信息，如此，通过与建筑参考视频进行对比以确定建筑质量信息，相较于基于检测人员进行质量检测的常规技术方案，可以具有更高的效率，从而改善现有技术中建筑质量的确定效率较低的问题。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于数据挖掘的建筑质量预测方法，其特征在于，应用于建筑质量监控服务器，所述基于数据挖掘的建筑质量预测方法包括：
获取通信连接的多个视频监控终端设备中的每一个视频监控终端设备采集得到的建筑监控视频，得到所述多个视频监控终端设备对应的多个建筑监控视频，其中，所述多个视频监控终端设备分别用于对目标建筑物体的多个建筑部分进行监控，得到对应的建筑监控视频，所述多个建筑监控视频中的每一个建筑监控视频包括多帧建筑监控视频帧；
针对所述多个建筑监控视频中的每一个建筑监控视频，计算该建筑监控视频与预先配置的建筑参考视频之间的视频相似度；
基于所述多个建筑监控视频中的每一个建筑监控视频对应的视频相似度，确定所述目标建筑物体的建筑质量信息。
2.如权利要求1所述的基于数据挖掘的建筑质量预测方法，其特征在于，所述获取通信连接的多个视频监控终端设备中的每一个视频监控终端设备采集得到的建筑监控视频，得到所述多个视频监控终端设备对应的多个建筑监控视频的步骤，包括：
判断是否接收到建筑质量预测指令，并在接收到所述建筑质量预测指令时，对所述建筑质量预测指令进行解析处理，得到所述建筑质量预测指令对应的目标建筑物体的建筑物体身份信息；
基于所述建筑物体身份信息确定用于对所述目标建筑物体进行监控的多个视频监控终端设备的终端设备身份信息，其中，预先将所述终端设备身份信息与所述建筑物体身份信息进行绑定；
将生成的监控视频获取通知信息发送给所述终端设备身份信息对应的每一个视频监控终端设备，其中，每一个所述视频监控终端设备用于在接收到所述监控视频获取通知信息之后，将该视频监控终端设备对对应的建筑部分进行监控得到的建筑监控视频发送给所述建筑质量监控服务器；
分别获取每一个所述视频监控终端设备基于所述监控视频获取通知信息发送的建筑监控视频，得到对应的多个建筑监控视频。
3.如权利要求2所述的基于数据挖掘的建筑质量预测方法，其特征在于，所述将生成的监控视频获取通知信息发送给所述终端设备身份信息对应的每一个视频监控终端设备的步骤，包括：
对所述建筑质量预测指令进行解析处理，得到所述建筑质量预测指令对应的目标建筑物体的建筑质量预测精度信息，并基于所述建筑质量预测精度信息确定出对应的监控时长信息，其中，所述监控时长信息与所述建筑质量预测精度信息之间具有正相关关系；
基于所述监控时长信息生成对应的监控视频获取通知信息，并将所述监控视频获取通知信息发送给所述终端设备身份信息对应的每一个视频监控终端设，其中，每一个所述视频监控终端设备用于在接收到所述监控视频获取通知信息之后，基于所述监控时长信息对对应的建筑部分进行监控，得到的对应的建筑监控视频，并发送给所述建筑质量监控服务器。
4.如权利要求1所述的基于数据挖掘的建筑质量预测方法，其特征在于，所述针对所述多个建筑监控视频中的每一个建筑监控视频，计算该建筑监控视频与预先配置的建筑参考视频之间的视频相似度的步骤，包括：
获取预先配置的多个建筑参考视频，其中，所述多个建筑参考视频中的每一个建筑参考视频基于对其它建筑物体进行监控得到，每两个建筑参考视频对应的两个其它建筑物体的建筑质量不同；
针对所述多个建筑监控视频中的每一个建筑监控视频，分别计算该建筑监控视频与所述多个建筑参考视频中的每一个建筑参考视频之间的视频相似度，得到该建筑监控视频对应的多个视频相似度。
5.如权利要求4所述的基于数据挖掘的建筑质量预测方法，其特征在于，所述针对所述多个建筑监控视频中的每一个建筑监控视频，分别计算该建筑监控视频与所述多个建筑参考视频中的每一个建筑参考视频之间的视频相似度，得到该建筑监控视频对应的多个视频相似度的步骤，包括：
针对所述多个建筑参考视频中的每一个建筑参考视频，分别确定该建筑参考视频中的每一帧建筑参考视频帧对应的建筑部分；
针对所述多个建筑参考视频中的每一个建筑参考视频，基于对应的建筑部分是否相同，对该建筑参考视频包括的多帧建筑参考视频帧进行分类，得到对应的多个建筑参考视频帧分类集合，并将所述多个建筑参考视频帧分类集合中的每一个所述建筑参考视频帧分类集合包括的建筑参考视频帧对应的建筑部分确定为，对应的建筑参考视频帧分类集合对应的集合标签信息，其中，同一个所述建筑参考视频对应的多个建筑参考视频帧分类集合的数量与所述多个建筑监控视频的数量相同；
针对所述多个建筑监控视频中的每一个建筑监控视频，计算该建筑监控视频与具有该建筑监控视频对应的建筑部分对应的集合标签信息的建筑参考视频帧分类集合之间的相似度，作为与对应的建筑参考视频之间的视频相似度，得到该建筑监控视频对应的多个视频相似度。
6.如权利要求5所述的基于数据挖掘的建筑质量预测方法，其特征在于，所述针对所述多个建筑监控视频中的每一个建筑监控视频，计算该建筑监控视频与具有该建筑监控视频对应的建筑部分对应的集合标签信息的建筑参考视频帧分类集合之间的相似度，作为与对应的建筑参考视频之间的视频相似度，得到该建筑监控视频对应的多个视频相似度的步骤，包括：
针对所述多个建筑监控视频中的每一个建筑监控视频，将具有该建筑监控视频对应的建筑部分对应的集合标签信息的建筑参考视频帧分类集合，确定为该建筑监控视频对应的目标建筑参考视频帧分类集合；
针对所述多个建筑监控视频中的每一个建筑监控视频，分别基于该建筑监控视频对应的每一个目标建筑参考视频帧分类集合包括的建筑参考视频帧的数量，对该建筑监控视频进行视频帧筛选处理，得到该建筑监控视频对应的多个建筑监控筛选视频，其中，所述多个建筑监控筛选视频中的每一个建筑监控筛选视频包括的多帧建筑监控视频帧在时序上连续；
针对所述多个建筑监控视频中的每一个建筑监控视频对应的每一个建筑监控筛选视频，对该建筑监控筛选视频和对应的目标建筑参考视频帧分类集合进行相似度计算操作，得到该建筑监控视频对应的视频相似度。
7.如权利要求1-6任意一项所述的基于数据挖掘的建筑质量预测方法，其特征在于，所述基于所述多个建筑监控视频中的每一个建筑监控视频对应的视频相似度，确定所述目标建筑物体的建筑质量信息的步骤，包括：
针对所述多个建筑监控视频中的每一个建筑监控视频，基于该建筑监控视频对应的多个视频相似度，对该多个视频相似度对应的多个建筑参考视频对应的多个其它建筑物体的建筑质量信息进行加权求和计算，得到该建筑监控视频对应的建筑部分的第一建筑质量信息；
针对所述多个建筑监控视频中的每一个建筑监控视频，分别计算该建筑监控视频包括的每相邻两帧建筑监控视频帧之间的相似度，得到每相邻两帧建筑监控视频帧对应的第一视频帧相似度；
针对所述多个建筑监控视频中的每一个建筑监控视频，分别确定该建筑监控视频包括的每相邻两帧建筑监控视频帧对应的第一视频帧相似度与预先配置的视频帧相似度阈值之间的相对大小关系，并在该第一视频帧相似度小于或等于所述视频帧相似度阈值时，将该第一视频帧相似度确定为该建筑监控视频对应的目标第一视频帧相似度，以及，计算每一个目标第一视频帧相似度的平均值，得到该建筑监控视频对应的第一相似度均值，再基于该第一相似度均值确定出该建筑监控视频对应的建筑部分的第二建筑质量信息，其中，所述第一相似度均值与所述第二建筑质量信息之间具有正相关关系，且在任意一个所述建筑监控视频不具有对应的目标第一视频帧相似度时，将对应的建筑部分的第二建筑质量信息赋值为最大值；
针对所述多个建筑监控视频中的每一个建筑监控视频，确定该建筑监控视频对应的建筑部分的第一建筑质量信息和第二建筑质量信息的融合值，得到该建筑监控视频对应的建筑部分的建筑质量融合信息；
计算所述目标建筑物体的建筑表面面积，并针对所述多个建筑监控视频中的每一个建筑监控视频，计算该建筑监控视频对应的建筑部分的建筑表面面积，以及，计算该建筑监控视频对应的建筑部分的建筑表面面积与所述目标建筑物体的建筑表面面积之间的比值，得到该建筑监控视频对应的建筑部分的建筑表面面积占比；
基于所述目标建筑物体中的每一个建筑部分的建筑表面面积占比，对每一个所述建筑部分的建筑质量融合信息进行加权求和计算，得到所述目标建筑物体的建筑质量信息。
8.一种基于数据挖掘的建筑质量预测系统，其特征在于，应用于建筑质量监控服务器，所述基于数据挖掘的建筑质量预测系统包括：
监控视频获取模块，用于获取通信连接的多个视频监控终端设备中的每一个视频监控终端设备采集得到的建筑监控视频，得到所述多个视频监控终端设备对应的多个建筑监控视频，其中，所述多个视频监控终端设备分别用于对目标建筑物体的多个建筑部分进行监控，得到对应的建筑监控视频，所述多个建筑监控视频中的每一个建筑监控视频包括多帧建筑监控视频帧；
视频相似度计算模块，用于针对所述多个建筑监控视频中的每一个建筑监控视频，计算该建筑监控视频与预先配置的建筑参考视频之间的视频相似度；
建筑质量确定模块，用于基于所述多个建筑监控视频中的每一个建筑监控视频对应的视频相似度，确定所述目标建筑物体的建筑质量信息。
9.如权利要求8所述的基于数据挖掘的建筑质量预测系统，其特征在于，所述视频相似度计算模块具体用于：
获取预先配置的多个建筑参考视频，其中，所述多个建筑参考视频中的每一个建筑参考视频基于对其它建筑物体进行监控得到，每两个建筑参考视频对应的两个其它建筑物体的建筑质量不同；
针对所述多个建筑监控视频中的每一个建筑监控视频，分别计算该建筑监控视频与所述多个建筑参考视频中的每一个建筑参考视频之间的视频相似度，得到该建筑监控视频对应的多个视频相似度。
10.如权利要求8所述的基于数据挖掘的建筑质量预测系统，其特征在于，所述建筑质量确定模块具体用于：
针对所述多个建筑监控视频中的每一个建筑监控视频，基于该建筑监控视频对应的多个视频相似度，对该多个视频相似度对应的多个建筑参考视频对应的多个其它建筑物体的建筑质量信息进行加权求和计算，得到该建筑监控视频对应的建筑部分的第一建筑质量信息；
针对所述多个建筑监控视频中的每一个建筑监控视频，分别计算该建筑监控视频包括的每相邻两帧建筑监控视频帧之间的相似度，得到每相邻两帧建筑监控视频帧对应的第一视频帧相似度；
针对所述多个建筑监控视频中的每一个建筑监控视频，分别确定该建筑监控视频包括的每相邻两帧建筑监控视频帧对应的第一视频帧相似度与预先配置的视频帧相似度阈值之间的相对大小关系，并在该第一视频帧相似度小于或等于所述视频帧相似度阈值时，将该第一视频帧相似度确定为该建筑监控视频对应的目标第一视频帧相似度，以及，计算每一个目标第一视频帧相似度的平均值，得到该建筑监控视频对应的第一相似度均值，再基于该第一相似度均值确定出该建筑监控视频对应的建筑部分的第二建筑质量信息，其中，所述第一相似度均值与所述第二建筑质量信息之间具有正相关关系，且在任意一个所述建筑监控视频不具有对应的目标第一视频帧相似度时，将对应的建筑部分的第二建筑质量信息赋值为最大值；
针对所述多个建筑监控视频中的每一个建筑监控视频，确定该建筑监控视频对应的建筑部分的第一建筑质量信息和第二建筑质量信息的融合值，得到该建筑监控视频对应的建筑部分的建筑质量融合信息；
计算所述目标建筑物体的建筑表面面积，并针对所述多个建筑监控视频中的每一个建筑监控视频，计算该建筑监控视频对应的建筑部分的建筑表面面积，以及，计算该建筑监控视频对应的建筑部分的建筑表面面积与所述目标建筑物体的建筑表面面积之间的比值，得到该建筑监控视频对应的建筑部分的建筑表面面积占比；
基于所述目标建筑物体中的每一个建筑部分的建筑表面面积占比，对每一个所述建筑部分的建筑质量融合信息进行加权求和计算，得到所述目标建筑物体的建筑质量信息。
CN202210877287.0A 2022-07-25 2022-07-25 一种基于数据挖掘的建筑质量预测方法及系统 Withdrawn CN115471767A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210877287.0A CN115471767A (zh) 2022-07-25 2022-07-25 一种基于数据挖掘的建筑质量预测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210877287.0A CN115471767A (zh) 2022-07-25 2022-07-25 一种基于数据挖掘的建筑质量预测方法及系统

Publications (1)

Publication Number Publication Date
CN115471767A true CN115471767A (zh) 2022-12-13

Family

ID=84365916

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210877287.0A Withdrawn CN115471767A (zh) 2022-07-25 2022-07-25 一种基于数据挖掘的建筑质量预测方法及系统

Country Status (1)

Country Link
CN (1) CN115471767A (zh)

Similar Documents

Publication Publication Date Title
CN114140713A (zh) 一种图像识别系统、图像识别方法
CN114581856B (zh) 基于北斗系统的农业机组运动状态识别方法、系统及云平台
CN114140712A (zh) 一种自动图像识别分发系统及方法
CN114140710A (zh) 一种基于数据处理的监控数据传输方法及系统
CN114155459A (zh) 一种基于数据分析的智慧城市监控方法及系统
CN114139016A (zh) 一种智慧小区的数据处理方法及系统
CN114697618A (zh) 一种基于移动终端的楼宇控制方法及系统
CN113949881A (zh) 一种基于智慧城市数据的业务处理方法及系统
CN115457467A (zh) 一种基于数据挖掘的建筑质量隐患定位方法及系统
CN115620243B (zh) 基于人工智能的污染源监测方法、系统及云平台
CN115330140A (zh) 一种基于数据挖掘的建筑风险预测方法及其预测系统
CN115471767A (zh) 一种基于数据挖掘的建筑质量预测方法及系统
CN115375886A (zh) 一种基于云计算服务的数据采集方法及系统
CN114095734A (zh) 一种基于数据处理的用户数据压缩方法及系统
CN113780126A (zh) 一种基于rfid识别的安全保护方法及装置
CN116821777B (zh) 一种新型基础测绘数据整合方法及系统
CN114827538B (zh) 一种智慧工地的施工进度监控方法及系统
CN117176992A (zh) 一种基于互联网的监控视频处理方法及系统
CN114866735A (zh) 一种工地环境监控方法及其监控系统
CN115617608B (zh) 一种erp协同处理方法及其系统
CN114140709A (zh) 一种基于数据处理的监控数据分配方法及系统
CN114139017A (zh) 一种智慧小区的安全防范方法及系统
CN115442392A (zh) 一种数据处理平台及数据采集方法
CN115294513A (zh) 一种安防监控方法及系统
CN115422384A (zh) 一种基于互联网的数据处理方法和数据云平台

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20221213

WW01 Invention patent application withdrawn after publication