CN115797775A - 基于近地视频图像的违章建筑智能识别方法及系统 - Google Patents
基于近地视频图像的违章建筑智能识别方法及系统 Download PDFInfo
- Publication number
- CN115797775A CN115797775A CN202211598421.XA CN202211598421A CN115797775A CN 115797775 A CN115797775 A CN 115797775A CN 202211598421 A CN202211598421 A CN 202211598421A CN 115797775 A CN115797775 A CN 115797775A
- Authority
- CN
- China
- Prior art keywords
- image
- earth
- video
- video image
- monitoring probe
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000012544 monitoring process Methods 0.000 claims abstract description 45
- 239000000523 sample Substances 0.000 claims abstract description 31
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims abstract description 28
- 238000010586 diagram Methods 0.000 claims abstract description 26
- 229910052742 iron Inorganic materials 0.000 claims abstract description 14
- 238000001914 filtration Methods 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims description 11
- 238000002834 transmittance Methods 0.000 claims description 9
- 239000008188 pellet Substances 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 238000005286 illumination Methods 0.000 claims description 3
- 101001119763 Bacillus subtilis (strain 168) RNA polymerase sigma-B factor Proteins 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 9
- 238000007689 inspection Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种基于近地视频图像的违章建筑智能识别方法及系统,包括步骤:S1、在铁塔上挂载视频监控探头,通过调整视频监控探头的高度、角度和焦距实现预设区域的近地视频图像采集;S2:去雾处理;S3:将去雾处理后的近地视频图像转化为HIS模型并对强度通道进行Gabor滤波,然后选取特征值序列图中的全局最大值构成显著性特征图;S4:基于显著性特征图获取团块面积,并判定是否存在连续多帧图像的团块面积满足违章建筑物判定条件,如果存在,则认定当前视频监控探头所管控的预设区域存在违章建筑。其效果是:能有效去除自然场景的雾霾影响,能自适应判别监测范围的违章建筑,具有较高的实用性和工程泛化能力。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种基于近地视频图像的违章建筑智能识别方法及系统。
背景技术
随着国民经济快速发展,国土资源的开发利用需求越来越大,耕地保护和经济发展之间的矛盾日益突出。如何借助现代计算机信息与人工智能新技术,实现自然资源的各类违法建设、违法用地等异常事件的动态监测、协作联动、准确感知与实时预警,是当前保护好自然资源迫切需要解决的问题。
目前,世界各国自然资源管理部门主要利用航空航天遥感影像数据,结合人工实地巡查的方法进行自然资源保护执法监管,如中国专利202110518952.2公开的一种对农村违法占地建筑物进行检测的方法。但是违章建筑通常是指在非允许范围内搭建的彩钢房、框架结构、土房等不合规建筑,此类建筑自身面积不大,现有遥感卫星图像受分辨率限制,很难及时发现与准确取证;同时,遥感数据也存在更新周期普遍较长、图像质量受天气影响较大等现实不足,使得现有国土自然资源综合执法监测系统对违章建筑现象难以及时发现、有效监测以及实时取证。此外,无人机巡检执法也是近年来国土资源非法使用监测手段,如中国专利202211219087.2公开的一种基于无人机和人工智能的违章建筑数据识别方法,但在实践中也暴露出一些问题,首先是巡检周期较长,执法取证的实时性无法有效保证;再次是无人机巡检的监管成本较高。综上,现有国土自然资源监测方法及系统在日常执法中发挥了一定作用,但在高效性、便利性、准确性等方面依然存在亟待解决的问题,此外常规的视频图像违章识别还常常受天气变化影响,不同国土场景下的识别方法鲁棒性不高。
发明内容
有鉴于此,本发明首先提供一种基于近地视频图像的违章建筑智能识别方法,充分利用现有广泛分布的铁塔资源,通过挂载视频监控探头实现近地视频图像的采集,然后通过配置独特的违章建筑智能识别系统实现违章建筑智能识别,提高国土自然资源违章建筑监测的高效性、便利性和准确性。
为实现上述目的,本发明所采用的具体技术方案如下:
一种基于近地视频图像的违章建筑智能识别方法,其关键在于,包括步骤:
S1、在铁塔上挂载视频监控探头,通过调整视频监控探头的高度、角度和焦距实现预设区域的近地视频图像采集;
S2:对步骤S1所得近地视频图像进行去雾处理;
S3:将去雾处理后的近地视频图像转化为HIS模型并对强度通道进行Gabor滤波,然后选取特征值序列图中的全局最大值构成显著性特征图;
S4:基于显著性特征图获取团块面积,并判定是否存在连续多帧图像的团块面积满足违章建筑物判定条件,如果存在,则认定当前视频监控探头所管控的预设区域存在违章建筑。
可选地,步骤S1中通过调整视频监控探头的高度、角度和焦距,使得预设区域的近地视频图像宽度方向分辨率为W,高度方向分辨率为H,然后通过地理信息标定出近地视频图像上、下、左、右边界所对应的预设区域在自然场景下的实际长度分别为MU,MD,ML,MR,单位为米。
可选地,步骤S2的具体步骤包括:
S21:提取单帧近地视频图像I(x)的暗通道图像D(x);
S22:根据暗通道图像D(x)计算大气光射值A;
S23:计算每个像素位置的透射率t(x);
可选地,步骤S21中按照D(x)=miny∈W(x)(minc∈{r,g,b}Ic(y))提取单帧近地视频图像的暗通道图像D(X),其中:W(x)表示单帧近地视频图像I(x)中以像素点x为中心的9×9的像素窗口,{r,g,b}表示彩色图像的红、绿、兰三色通道,c表示所选择的彩色通道;Ic(y)表示以像素点x为中心的9×9的像素窗口每个像素点对应彩色通道的像素值。
可选地,步骤S22中先将步骤S21所得暗通道图像D(x)中的所有像素按照灰度值排序并选取排序前0.1%的值所对应的像素位置;然后根据所选取的像素位置从原始近地视频图像I(x)中选择对应的像素作为被选对象,并从这些被选对象中选择亮度值最高的像素作为大气光射值A。
可选地,步骤S3中进行Gabor滤波时采用的Gabor核函数图像的倾斜角度θ=0°,45°,90°,135°,高斯函数的宽高比γ=0.35,Gabor滤波器大小、参数λ和参数σ的取值按照以下金字塔结构实现:
大小 | 参数λ | 参数σ | 大小 | 参数λ | 参数σ |
37×37 | 22.4 | 17.8 | 21×21 | 11.2 | 8.9 |
35×35 | 21.0 | 16.7 | 19×19 | 10.1 | 8.0 |
33×33 | 19.3 | 15.4 | 17×17 | 8.9 | 7.1 |
31×31 | 18.0 | 14.2 | 15×15 | 7.6 | 6.0 |
29×29 | 16.2 | 13.1 | 13×13 | 6.4 | 5.2 |
27×27 | 15.1 | 12.0 | 11×11 | 5.4 | 4.3 |
25×25 | 13.8 | 11.1 | 9×9 | 4.2 | 3.4 |
23×23 | 12.3 | 10.0 |
通过Gabor滤波后形成特征值序列图,然后选取特征值序列图中的全局最大值构成显著性特征图T。
可选地,步骤S4的具体步骤包括:
S41:对显著性特征图T进行标准化处理得到图像T′;
S43:对二值化图像TB进行团块膨胀操作,得到图像TB′;
S44:计算图像TB′中所有团块面积,组成团块序列[Si];
S45:获取图像中面积最大的团块Smax,确定团块中心位置坐标为O(x,y),团块区域水平方向最长长度像素数量为L,团块区域垂直方向最长长度数量为V;
S47:如果连续30帧图像的团块面积满足违章建筑物判定条件,则认定当前视频监控探头所管控的预设区域存在违章建筑。
基于上述方法,本发明还提供一种基于近地视频图像的违章建筑智能识别系统,该系统包括铁塔上挂载视频监控探头和服务器,通过在铁塔上挂载视频监控探头,调整视频监控探头的高度、角度和焦距实现预设区域的近地视频图像采集,然后将视频监控探头所采集的近地视频图像上传至服务器中,服务器按照前文所述的基于近地视频图像的违章建筑智能识别方法进行违章建筑识别。
本发明的显著效果在于:
(1)本发明将像素特征映射为实际违章建筑的长宽度,降低完全通过像素特征带来在不同国土形状和国土坡度的误判率;
(2)本方法的判定条件具有场景的自适应属性,能依据国土地貌进行适应设定;克服了国土耕地复杂性带来既有视频识别方法鲁棒性不够的缺点;
(3)本方法结合前序视频显著特征联合进行判定,有效区别固有显著特征和违章建筑新增显著特征,提高判定的准确性。
(4)本方法完全基于铁塔挂载视频摄像头进行违章识别,具有低成本和便利性的优势。
附图说明
图1是本发明实施例提供的一种基于近地视频图像的违章建筑智能识别方法的控制流程图;
图2是本发明实施例中Garbor滤波器金字塔结构参数设计示意图;
图3是本发明实施例中原始近地视频图像效果图;
图4是图3的去雾效果图;
图5是显著性特征提取效果图;
图6是违章建筑识别结果图。
具体实施方式
下面结合附图具体阐明本发明的实施方式,实施例的给出仅仅是为了说明目的,并不能理解为对本发明的限定,包括附图仅供参考和说明使用,不构成对本发明专利保护范围的限制,因为在不脱离本发明精神和范围基础上,可以对本发明进行许多改变。
如图1所示,本实施例提供的一种基于近地视频图像的违章建筑智能识别方法,包括步骤:
S1、在铁塔上挂载视频监控探头,通过调整视频监控探头的高度、角度和焦距实现预设区域的近地视频图像采集;具体实施时,可以通过调整视频监控探头的高度、角度和焦距,使得预设区域的近地视频图像宽度方向分辨率为W,高度方向分辨率为H,然后通过地理信息标定出近地视频图像上、下、左、右边界所对应的预设区域在自然场景下的实际长度分别为MU,MD,ML,MR,单位为米;
S2:对步骤S1所得近地视频图像进行去雾处理,具体包括:
具体步骤包括:
S21:提取单帧近地视频图像I(x)的暗通道图像D(x);具体按照D(x)=miny∈W(x)(minc∈{r,g,b}Ic(y))提取单帧近地视频图像的暗通道图像D(X),其中:W(x)表示单帧近地视频图像I(x)中以像素点x为中心的9×9的像素窗口,{r,g,b}表示彩色图像的红、绿、兰三色通道,c表示所选择的彩色通道;Ic(y)表示以像素点x为中心的9×9的像素窗口每个像素点对应彩色通道的像素值;
S22:根据暗通道图像D(x)计算大气光射值A;先将步骤S21所得暗通道图像D(x)中的所有像素按照灰度值排序并选取排序前0.1%的值所对应的像素位置;然后根据所选取的像素位置从原始近地视频图像I(x)中选择对应的像素作为被选对象,并从这些被选对象中选择亮度值最高的像素作为大气光射值A;
S23:计算每个像素位置的透射率t(x);
S3:将去雾处理后的近地视频图像转化为HIS模型并对强度通道进行Gabor滤波,然后选取特征值序列图中的全局最大值构成显著性特征图;
S4:基于显著性特征图获取团块面积,并判定是否存在连续多帧图像的团块面积满足违章建筑物判定条件,如果存在,则认定当前视频监控探头所管控的预设区域存在违章建筑,具体步骤包括:
S41:对显著性特征图T进行标准化处理得到图像T′;
S43:对二值化图像TB进行团块膨胀操作,得到图像TB′;
在进行团块膨胀操作时,自定义结构元素:
S44:计算图像T′B中所有团块面积,组成团块序列[Si];
S45:获取图像中面积最大的团块Smax,确定团块中心位置坐标为O(x,y),团块区域水平方向最长长度像素数量为L,团块区域垂直方向最长长度数量为V;
S47:如果连续30帧图像的团块面积满足违章建筑物判定条件,则认定当前视频监控探头所管控的预设区域存在违章建筑。
在具体实施过程中,Gabor滤波器表达式通常为:
其中,θ=0°,45°,90°,135°表示Gabor核函数图像的倾斜角度,高斯函数的宽高比γ=0.35,Gabor滤波器大小、参数λ和参数σ的取值按照以下金字塔结构实现,具体如图2所示:
通过Gabor滤波后形成特征值序列图,然后选取特征值序列图中的全局最大值构成显著性特征图T。
此外,本实施例还提供一种基于近地视频图像的违章建筑智能识别系统,包括铁塔上挂载的视频监控探头和服务器,通过在铁塔上挂载视频监控探头,调整视频监控探头的高度、角度和焦距实现预设区域的近地视频图像采集,然后将视频监控探头所采集的近地视频图像上传至服务器中,服务器按照前文所述的基于近地视频图像的违章建筑智能识别方法进行违章建筑识别。
本发明将挂载于通信铁塔上视频监控摄像头接入技术处理系统,输出违章建筑的识别结果,供执法部门进一步采取管理措施。在重庆某区域国土资源监测中已做实测应用,通过近6个月的现场应用,有效监测率达100%,发现违章建筑12起。通过实时取证、提前干预、避免违章建筑进一步扩张,降低执法成本,对提高国土资源的执法效率发挥了重要作用。
结合图3-图6可以看出,图3为通过铁塔挂载摄像头所得的原始近地视频图像效果图,通过步骤S2进行去雾处理后能得到图4所示的效果图,通过步骤S3进行显著性特征提取后能得到图5所示的效果图,最后通过违章建筑物识别,能够得出所监管区域中是否存在违章建筑,最终实现违章建筑的语音预警、远程监测以及实时取证等功能。
综上所述,本发明提供的一种基于近地视频图像的违章建筑智能识别方法及系统,克服了现有监测手段及技术存在的不及时、不准确、效率低等问题。该方法能有效去除自然场景的雾霾影响,提取视频监控范围内的显著性特征,在设定的条件下,自适应判别监测范围的违章建筑。本发明借助视觉显著性注意机制,克服了图像处理领域常采用的背景建模及差分识别方法带来的不稳定性,具有较高的实用性和工程泛化能力。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (9)
1.一种基于近地视频图像的违章建筑智能识别方法,其特征在于,包括步骤:
S1、在铁塔上挂载视频监控探头,通过调整视频监控探头的高度、角度和焦距实现预设区域的近地视频图像采集;
S2:对步骤S1所得近地视频图像进行去雾处理;
S3:将去雾处理后的近地视频图像转化为HIS模型并对强度通道进行Gabor滤波,然后选取特征值序列图中的全局最大值构成显著性特征图;
S4:基于显著性特征图获取团块面积,并判定是否存在连续多帧图像的团块面积满足违章建筑物判定条件,如果存在,则认定当前视频监控探头所管控的预设区域存在违章建筑。
2.根据权利要求1所述的基于近地视频图像的违章建筑智能识别方法,其特征在于,步骤S1中通过调整视频监控探头的高度、角度和焦距,使得预设区域的近地视频图像宽度方向分辨率为W,高度方向分辨率为H,然后通过地理信息标定出近地视频图像上、下、左、右边界所对应的预设区域在自然场景下的实际长度分别为MU,MD,ML,MR,单位为米。
4.根据权利要求3所述的基于近地视频图像的违章建筑智能识别方法,其特征在于,步骤S21中按照D(x)=miny∈W(x)(minc∈{r,g,b}Ic(y))提取单帧近地视频图像的暗通道图像D(X),其中:W(x)表示单帧近地视频图像I(x)中以像素点x为中心的9×9的像素窗口,{r,g,b}表示彩色图像的红、绿、兰三色通道,c表示所选择的彩色通道;Ic(y)表示以像素点x为中心的9×9的像素窗口每个像素点对应彩色通道的像素值。
5.根据权利要求4所述的基于近地视频图像的违章建筑智能识别方法,其特征在于,步骤S22中先将步骤S21所得暗通道图像D(x)中的所有像素按照灰度值排序并选取排序前0.1%的值所对应的像素位置;然后根据所选取的像素位置从原始近地视频图像I(x)中选择对应的像素作为被选对象,并从这些被选对象中选择亮度值最高的像素作为大气光射值A。
7.根据权利要求3-6任一所述的基于近地视频图像的违章建筑智能识别方法,其特征在于,步骤S3中进行Gabor滤波时采用的Gabor核函数图像的倾斜角度θ=0°,45°,90°,135°,高斯函数的宽高比γ=0.35,Gabor滤波器大小、参数λ和参数σ的取值按照以下金字塔结构实现:
通过Gabor滤波后形成特征值序列图,然后选取特征值序列图中的全局最大值构成显著性特征图T。
8.根据权利要求7所述的基于近地视频图像的违章建筑智能识别方法,其特征在于,步骤S4的具体步骤包括:
S41:对显著性特征图T进行标准化处理得到图像T′;
S43:对二值化图像TB进行团块膨胀操作,得到图像TB′;
S44:计算图像TB′中所有团块面积,组成团块序列[Si];
S45:获取图像中面积最大的团块Smax,确定团块中心位置坐标为O(x,y),团块区域水平方向最长长度像素数量为L,团块区域垂直方向最长长度数量为V;
S47:如果连续30帧图像的团块面积满足违章建筑物判定条件,则认定当前视频监控探头所管控的预设区域存在违章建筑。
9.一种基于近地视频图像的违章建筑智能识别系统,其特征在于,包括铁塔上挂载的视频监控探头和服务器,通过在铁塔上挂载视频监控探头,调整视频监控探头的高度、角度和焦距实现预设区域的近地视频图像采集,然后将视频监控探头所采集的近地视频图像上传至服务器中,服务器按照权利要求1-8任一所述的基于近地视频图像的违章建筑智能识别方法进行违章建筑识别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211598421.XA CN115797775B (zh) | 2022-12-14 | 2022-12-14 | 基于近地视频图像的违章建筑智能识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211598421.XA CN115797775B (zh) | 2022-12-14 | 2022-12-14 | 基于近地视频图像的违章建筑智能识别方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115797775A true CN115797775A (zh) | 2023-03-14 |
CN115797775B CN115797775B (zh) | 2024-04-26 |
Family
ID=85419746
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211598421.XA Active CN115797775B (zh) | 2022-12-14 | 2022-12-14 | 基于近地视频图像的违章建筑智能识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115797775B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117935097A (zh) * | 2024-03-25 | 2024-04-26 | 中冶建筑研究总院(深圳)有限公司 | 一种基于无人机壁面爬行的建筑物表面分析方法及系统 |
CN117953430A (zh) * | 2024-03-15 | 2024-04-30 | 湖南省第二测绘院 | 一种通信铁塔视频实时监测耕地破坏的方法和系统 |
CN117935097B (zh) * | 2024-03-25 | 2024-05-31 | 中冶建筑研究总院(深圳)有限公司 | 一种基于无人机壁面爬行的建筑物表面分析方法及系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7428318B1 (en) * | 2003-12-11 | 2008-09-23 | Motion Reality, Inc. | Method for capturing, measuring and analyzing motion |
US20160034778A1 (en) * | 2013-12-17 | 2016-02-04 | Cloud Computing Center Chinese Academy Of Sciences | Method for detecting traffic violation |
CN107194396A (zh) * | 2017-05-08 | 2017-09-22 | 武汉大学 | 国土资源视频监控系统中基于特定违章建筑识别预警方法 |
CN107229894A (zh) * | 2016-03-24 | 2017-10-03 | 上海宝信软件股份有限公司 | 基于计算机视觉分析技术的智能视频监控方法及系统 |
CN108052917A (zh) * | 2017-12-25 | 2018-05-18 | 东南大学 | 一种基于新旧时相变化发现的违章建筑自动识别的方法 |
CN109711348A (zh) * | 2018-12-28 | 2019-05-03 | 湖南航天远望科技有限公司 | 基于长期驻空平台的实时违章建筑的智能监测方法及系统 |
WO2020056677A1 (zh) * | 2018-09-20 | 2020-03-26 | 中建科技有限公司深圳分公司 | 一种用于建筑施工现场的违规检测方法、系统及设备 |
CN111507296A (zh) * | 2020-04-23 | 2020-08-07 | 嘉兴河图遥感技术有限公司 | 基于无人机遥感与深度学习的违章建筑智能化提取方法 |
CN111582194A (zh) * | 2020-05-12 | 2020-08-25 | 吉林大学 | 基于多特征lstm网络的多时相高分辨率遥感影像的建筑物提取方法 |
WO2021003824A1 (zh) * | 2019-07-11 | 2021-01-14 | 平安科技(深圳)有限公司 | 基于图像识别的违章建筑识别方法、装置 |
CN114120120A (zh) * | 2021-11-25 | 2022-03-01 | 广东电网有限责任公司 | 基于遥感影像的违章建筑检测方法、装置、设备及介质 |
-
2022
- 2022-12-14 CN CN202211598421.XA patent/CN115797775B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7428318B1 (en) * | 2003-12-11 | 2008-09-23 | Motion Reality, Inc. | Method for capturing, measuring and analyzing motion |
US20160034778A1 (en) * | 2013-12-17 | 2016-02-04 | Cloud Computing Center Chinese Academy Of Sciences | Method for detecting traffic violation |
CN107229894A (zh) * | 2016-03-24 | 2017-10-03 | 上海宝信软件股份有限公司 | 基于计算机视觉分析技术的智能视频监控方法及系统 |
CN107194396A (zh) * | 2017-05-08 | 2017-09-22 | 武汉大学 | 国土资源视频监控系统中基于特定违章建筑识别预警方法 |
CN108052917A (zh) * | 2017-12-25 | 2018-05-18 | 东南大学 | 一种基于新旧时相变化发现的违章建筑自动识别的方法 |
WO2020056677A1 (zh) * | 2018-09-20 | 2020-03-26 | 中建科技有限公司深圳分公司 | 一种用于建筑施工现场的违规检测方法、系统及设备 |
CN109711348A (zh) * | 2018-12-28 | 2019-05-03 | 湖南航天远望科技有限公司 | 基于长期驻空平台的实时违章建筑的智能监测方法及系统 |
WO2021003824A1 (zh) * | 2019-07-11 | 2021-01-14 | 平安科技(深圳)有限公司 | 基于图像识别的违章建筑识别方法、装置 |
CN111507296A (zh) * | 2020-04-23 | 2020-08-07 | 嘉兴河图遥感技术有限公司 | 基于无人机遥感与深度学习的违章建筑智能化提取方法 |
CN111582194A (zh) * | 2020-05-12 | 2020-08-25 | 吉林大学 | 基于多特征lstm网络的多时相高分辨率遥感影像的建筑物提取方法 |
CN114120120A (zh) * | 2021-11-25 | 2022-03-01 | 广东电网有限责任公司 | 基于遥感影像的违章建筑检测方法、装置、设备及介质 |
Non-Patent Citations (3)
Title |
---|
WEIJIE DENG等: "Image Recognition Method of Longhorn Beetles of Yunnan Based on Gabor and CNN", 2022 5TH INTERNATIONAL CONFERENCE ON PATTERN RECOGNITION AND ARTIFICIAL INTELLIGENCE (PRAI), 4 October 2022 (2022-10-04) * |
贺卫中;周维娜;束平;: "基于改进支持向量机方法的影像分类和目标识别研究", 遥感信息, no. 06, 15 December 2010 (2010-12-15) * |
赵建才;蔡靖宇;许苏苏;: "基于无人机多期影像对比的违章建筑监测系统", 现代测绘, no. 04, 25 July 2020 (2020-07-25) * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117953430A (zh) * | 2024-03-15 | 2024-04-30 | 湖南省第二测绘院 | 一种通信铁塔视频实时监测耕地破坏的方法和系统 |
CN117935097A (zh) * | 2024-03-25 | 2024-04-26 | 中冶建筑研究总院(深圳)有限公司 | 一种基于无人机壁面爬行的建筑物表面分析方法及系统 |
CN117935097B (zh) * | 2024-03-25 | 2024-05-31 | 中冶建筑研究总院(深圳)有限公司 | 一种基于无人机壁面爬行的建筑物表面分析方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115797775B (zh) | 2024-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108109385B (zh) | 一种输电线防外破的车辆识别与危险行为判别系统与方法 | |
CN112149543B (zh) | 一种基于计算机视觉的建筑扬尘识别系统与方法 | |
CN110263717B (zh) | 一种融入街景影像的土地利用类别确定方法 | |
CN109858450B (zh) | 一种十米级空间分辨率遥感影像城镇提取方法及系统 | |
CN108416784B (zh) | 城市建成区边界快速提取方法、装置及终端设备 | |
CN109389163B (zh) | 一种基于地形图的无人机影像分类系统及方法 | |
CN113887412B (zh) | 污染排放的检测方法、检测终端、监控系统及存储介质 | |
CN110659546B (zh) | 一种违法摊位检测方法及装置 | |
CN112818775B (zh) | 基于区域边界像素交换的林区道路快速识别方法及系统 | |
CN110852164A (zh) | 一种基于YOLOv3的自动检测违章建筑方法及系统 | |
CN115797775B (zh) | 基于近地视频图像的违章建筑智能识别方法及系统 | |
CN110889840A (zh) | 面向地物目标的高分6号遥感卫星数据的有效性检测方法 | |
KR101874968B1 (ko) | 이미지 정보 기반의 시정거리 측정 시스템 및 이를 이용한 시정거리 측정 방법 | |
CN117451012B (zh) | 一种无人机航摄测量方法及系统 | |
CN112232303B (zh) | 一种基于高分遥感影像的草原道路信息提取方法 | |
CN111798415A (zh) | 一种高速公路控制区建筑物监测方法、装置及存储介质 | |
CN113989771A (zh) | 一种基于数字图像处理的交通信号灯识别方法 | |
CN111241916A (zh) | 一种交通标志识别模型的建立方法 | |
CN113450461B (zh) | 一种排泥库土工布点云提取方法 | |
CN115937673A (zh) | 一种基于移动终端照片的地理要素快速变化发现方法 | |
CN111582037A (zh) | 基于粗糙集理论的地基云图云分类识别系统和方法 | |
CN114266837A (zh) | 一种道路标识检测方法、装置、设备及计算机存储介质 | |
CN111382718A (zh) | 一种夜间行人检测系统及基于该系统的行人检测方法 | |
CN112784753B (zh) | 一种基于机器视觉的中小自然河流水文水位检测方法 | |
CN117994668B (zh) | 一种翅碱蓬覆盖面积的遥感图像计算方法、系统、设备及介质 |
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 |