CN116109932B - 房屋安全检测方法、装置、电子设备及可读存储介质 - Google Patents

房屋安全检测方法、装置、电子设备及可读存储介质 Download PDF

Info

Publication number
CN116109932B
CN116109932B CN202310387305.1A CN202310387305A CN116109932B CN 116109932 B CN116109932 B CN 116109932B CN 202310387305 A CN202310387305 A CN 202310387305A CN 116109932 B CN116109932 B CN 116109932B
Authority
CN
China
Prior art keywords
house
component
information
training
characteristic
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
CN202310387305.1A
Other languages
English (en)
Other versions
CN116109932A (zh
Inventor
温桂龙
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.)
Shenzhen Mingyuan Yunke E Commerce Co ltd
Original Assignee
Shenzhen Mingyuan Cloud 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 Shenzhen Mingyuan Cloud Technology Co Ltd filed Critical Shenzhen Mingyuan Cloud Technology Co Ltd
Priority to CN202310387305.1A priority Critical patent/CN116109932B/zh
Publication of CN116109932A publication Critical patent/CN116109932A/zh
Application granted granted Critical
Publication of CN116109932B publication Critical patent/CN116109932B/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
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/176—Urban or other man-made structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/08—Construction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G06Q50/265—Personal security, identity or safety
    • 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
    • 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
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Computing Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computer Security & Cryptography (AREA)
  • Emergency Alarm Devices (AREA)
  • Alarm Systems (AREA)
  • Image Analysis (AREA)

Abstract

本申请公开了一种房屋安全检测方法、装置、电子设备及可读存储介质，应用于大数据技术领域，所述房屋安全检测方法包括：获取目标房屋的房屋图像和所述目标房屋所在区域的区域天气状况信息；通过房屋特征提取器对所述房屋图像进行特征提取，得到目标房屋特征信息，其中，所述目标房屋特征信息包括目标房屋的承重部件的部件特征信息、所述目标房屋的破损部件的部件特征信息和所述目标房屋的墙体特征信息中的至少一种；根据所述目标房屋特征信息、所述区域天气状况信息和房屋坍塌风险检测模型，对所述目标房屋进行房屋安全检测，得到房屋安全检测结果。本申请解决了房屋安全检测的效率较低的技术问题。

Description

房屋安全检测方法、装置、电子设备及可读存储介质
技术领域
本申请涉及大数据技术领域，尤其涉及一种房屋安全检测方法、装置、电子设备及可读存储介质。
背景技术
随着科技的高速发展，房屋基建技术也发展地越来越迅速，在大量的新屋建造的同时，也存在大量被忽视的年久失修或者违规违建的房屋，而这些房屋大都存在较大的安全隐患。目前，采用人工对房屋进行检查的方法，而当年久失修或者违规违建的房屋较多时，通过人工逐个对房屋进行安全隐患排查，则容易出现耗费时间较长的情况，导致房屋安全检测的效率较低。
发明内容
本申请的主要目的在于提供一种房屋安全检测方法、装置、电子设备及可读存储介质，旨在解决现有技术中房屋安全检测的效率较低的技术问题。
为实现上述目的，本申请提供一种房屋安全检测方法，所述房屋安全检测方法包括：
获取目标房屋的房屋图像和所述目标房屋所在区域的区域天气状况信息；
通过房屋特征提取器对所述房屋图像进行特征提取，得到目标房屋特征信息，其中，所述目标房屋特征信息包括目标房屋的承重部件的部件特征信息、所述目标房屋的破损部件的部件特征信息和所述目标房屋的墙体特征信息中的至少一种；
根据所述目标房屋特征信息、所述区域天气状况信息和房屋坍塌风险检测模型，对所述目标房屋进行房屋安全检测，得到房屋安全检测结果。
可选地，所述通过房屋特征提取器对所述房屋图像进行特征提取，得到房屋特征信息的步骤包括：
若所述房屋特征信息包括所述承重部件的部件特征信息，则所述房屋特征提取器包括部件特征提取器，对所述房屋图像进行承重部件识别得到携带承重部件特征的承重部件图像，通过所述部件特征提取器对所述承重部件图像进行部件特征提取，得到所述承重部件的部件特征信息，其中，所述部件特征信息包括形变信息、受力信息和形变恢复信息中的至少一种；和/或，
若房屋特征信息包括所述破损部件的部件特征信息，则所述房屋特征提取器包括所述部件特征提取器，对所述房屋图像进行破损部件识别得到携带破损部件特征的破损部件图像，通过所述部件特征提取器对所述破损部件图像进行部件特征提取，得到所述破损部件的所述部件特征信息；和/或，
若房屋特征信息包括所述墙体特征信息，则所述房屋特征提取器包括墙体特征提取器，通过所述墙体特征提取器对所述房屋图像进行墙体特征提取，得到所述墙体特征信息，其中，所述墙体特征信息包括墙体损坏程度、墙体腐蚀程度和墙体倾斜程度中的至少一种。
可选地，所述特征提取器包括部件特征提取器，在所述通过房屋特征提取器对所述房屋图像进行特征提取，得到房屋特征信息的步骤之前，还包括：
获取多条第一训练样本，其中，一条所述第一训练样本包括一条第一输入特征数据和所述第一输入特征数据对应的训练标签，所述第一输入特征数据包括一种训练部件的训练图像，所述第一输入特征数据对应的训练标签包括所述训练部件的部件特征信息，所述训练部件为房屋的任意一个部件；
根据所述多条第一训练样本，对待训练部件特征提取器进行迭代优化，得到所述部件特征提取器。
可选地，在所述获取多条第一训练样本的步骤之前，还包括：
对所述训练部件进行模拟施加预设数值的压力，并采集在所述预设数值的施压下所述训练部件的模拟施压图像；
对所述训练部件在所述预设数值的施压下的部件特征信息进行模拟，得到模拟特征信息；
将所述模拟施压图像作为所述第一输入特征数据，将所述模拟特征信息作为所述第一输入特征数据对应的训练标签，生成一条所述第一训练样本。
可选地，所述特征提取器包括墙体特征提取器，在所述通过房屋特征提取器对所述房屋图像进行特征提取，得到房屋特征信息的步骤之前，还包括：
获取多条第二训练样本，其中，一条所述第二训练样本包括一条第二输入特征数据和所述第二输入特征数据对应的训练标签，所述第二输入特征数据包括一种墙体的训练图像，所述第二输入特征数据对应的训练标签包括所述墙体的墙体特征信息；
根据所述第二训练样本，对待训练墙体特征提取器进行迭代优化，得到所述墙体特征提取器。
可选地，所述根据所述目标房屋特征信息、所述区域天气状况信息和房屋坍塌风险检测模型，对所述目标房屋进行房屋安全检测，得到房屋安全检测结果的步骤包括：
将所述目标房屋特征信息和所述区域天气状况信息拼接为所述目标房屋的目标特征信息；
通过所述房屋坍塌风险检测模型将所述目标特征信息映射为所述目标房屋发生房屋坍塌的坍塌风险预测值；
若所述坍塌风险预测值大于预设坍塌风险阈值，则判定所述房屋安全检测结果为不安全；
若所述坍塌风险预测值小于或等于所述预设坍塌风险阈值，则判定所述房屋安全检测结果为安全。
可选地，在所述根据所述房屋特征信息、所述区域天气状况信息和房屋坍塌风险检测模型，对所述目标房屋进行房屋安全检测，得到房屋安全检测结果的步骤之前，还包括：
获取多条第三训练样本，其中，一条所述第三训练样本包括一条第三输入特征数据和所述第三输入特征数据对应的训练标签，所述第三输入特征数据包括一种天气状况信息和一种房屋特征信息，所述第三输入特征数据对应的训练标签包括在由所述天气状况信息和所述房屋特征信息所限定的房屋状态下，房屋发生坍塌的风险值；
根据所述多条第三训练样本，对待训练房屋坍塌风险检测模型进行迭代优化，得到房屋坍塌风险检测模型。
为实现上述目的，本申请还提供一种房屋安全检测装置，所述房屋安全检测装置包括：
获取模块，用于获取目标房屋的房屋图像和所述目标房屋所在区域的区域天气状况信息；
提取模块，用于通过房屋特征提取器对所述房屋图像进行特征提取，得到目标房屋特征信息，其中，所述目标房屋特征信息包括目标房屋的承重部件的部件特征信息、所述目标房屋的破损部件的部件特征信息和所述目标房屋的墙体特征信息中的至少一种；
检测模块，用于根据所述目标房屋特征信息、所述区域天气状况信息和房屋坍塌风险检测模型，对所述目标房屋进行房屋安全检测，得到房屋安全检测结果。
可选地，所述提取模块还用于：
若所述房屋特征信息包括所述承重部件的部件特征信息，则所述房屋特征提取器包括部件特征提取器，对所述房屋图像进行承重部件识别得到携带承重部件特征的承重部件图像，通过所述部件特征提取器对所述承重部件图像进行部件特征提取，得到所述承重部件的部件特征信息，其中，所述部件特征信息包括形变信息、受力信息和形变恢复信息中的至少一种；和/或，
若房屋特征信息包括所述破损部件的部件特征信息，则所述房屋特征提取器包括所述部件特征提取器，对所述房屋图像进行破损部件识别得到携带破损部件特征的破损部件图像，通过所述部件特征提取器对所述破损部件图像进行部件特征提取，得到所述破损部件的所述部件特征信息；和/或，
若房屋特征信息包括所述墙体特征信息，则所述房屋特征提取器包括墙体特征提取器，通过所述墙体特征提取器对所述房屋图像进行墙体特征提取，得到所述墙体特征信息，其中，所述墙体特征信息包括墙体损坏程度、墙体腐蚀程度和墙体倾斜程度中的至少一种。
可选地，所述特征提取器包括部件特征提取器，在所述通过房屋特征提取器对所述房屋图像进行特征提取，得到房屋特征信息的步骤之前，所述房屋安全检测装置还用于：
获取多条第一训练样本，其中，一条所述第一训练样本包括一条第一输入特征数据和所述第一输入特征数据对应的训练标签，所述第一输入特征数据包括一种训练部件的训练图像，所述第一输入特征数据对应的训练标签包括所述训练部件的部件特征信息，所述训练部件为房屋的任意一个部件；
根据所述多条第一训练样本，对待训练部件特征提取器进行迭代优化，得到所述部件特征提取器。
可选地，在所述获取多条第一训练样本的步骤之前，所述房屋安全检测装置还用于：
对所述训练部件进行模拟施加预设数值的压力，并采集在所述预设数值的施压下所述训练部件的模拟施压图像；
对所述训练部件在所述预设数值的施压下的部件特征信息进行模拟，得到模拟特征信息；
将所述模拟施压图像作为所述第一输入特征数据，将所述模拟特征信息作为所述第一输入特征数据对应的训练标签，生成一条所述第一训练样本。
可选地，所述特征提取器包括墙体特征提取器，在所述通过房屋特征提取器对所述房屋图像进行特征提取，得到房屋特征信息的步骤之前，所述房屋安全检测装置还用于：
获取多条第二训练样本，其中，一条所述第二训练样本包括一条第二输入特征数据和所述第二输入特征数据对应的训练标签，所述第二输入特征数据包括一种墙体的训练图像，所述第二输入特征数据对应的训练标签包括所述墙体的墙体特征信息；
根据所述第二训练样本，对待训练墙体特征提取器进行迭代优化，得到所述墙体特征提取器。
可选地，所述检测模块还用于：
将所述目标房屋特征信息和所述区域天气状况信息拼接为所述目标房屋的目标特征信息；
通过所述房屋坍塌风险检测模型将所述目标特征信息映射为所述目标房屋发生房屋坍塌的坍塌风险预测值；
若所述坍塌风险预测值大于预设坍塌风险阈值，则判定所述房屋安全检测结果为不安全；
若所述坍塌风险预测值小于或等于所述预设坍塌风险阈值，则判定所述房屋安全检测结果为安全。
可选地，在所述根据所述房屋特征信息、所述区域天气状况信息和房屋坍塌风险检测模型，对所述目标房屋进行房屋安全检测，得到房屋安全检测结果的步骤之前，所述房屋安全检测装置还用于：
获取多条第三训练样本，其中，一条所述第三训练样本包括一条第三输入特征数据和所述第三输入特征数据对应的训练标签，所述第三输入特征数据包括一种天气状况信息和一种房屋特征信息，所述第三输入特征数据对应的训练标签包括在由所述天气状况信息和所述房屋特征信息所限定的房屋状态下，房屋发生坍塌的风险值；
根据所述多条第三训练样本，对待训练房屋坍塌风险检测模型进行迭代优化，得到房屋坍塌风险检测模型。
本申请还提供一种电子设备，所述电子设备包括：存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的所述房屋安全检测方法的程序，所述房屋安全检测方法的程序被处理器执行时可实现如上述的房屋安全检测方法的步骤。
本申请还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有实现房屋安全检测方法的程序，所述房屋安全检测方法的程序被处理器执行时实现如上述的房屋安全检测方法的步骤。
本申请还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述的房屋安全检测方法的步骤。
本申请提供了一种房屋安全检测方法、装置、电子设备及可读存储介质，相比于采用人工对房屋进行检查的方法，本申请通过获取目标房屋的房屋图像和所述目标房屋所在区域的区域天气状况信息；通过房屋特征提取器对所述房屋图像进行特征提取，得到目标房屋特征信息，其中，所述目标房屋特征信息包括目标房屋的承重部件的部件特征信息、所述目标房屋的破损部件的部件特征信息和所述目标房屋的墙体特征信息中的至少一种；根据所述目标房屋特征信息、所述区域天气状况信息和房屋坍塌风险检测模型，对所述目标房屋进行房屋安全检测，得到房屋安全检测结果，通过房屋图像、区域天气状况信息和房屋坍塌风险检测模型，实现了房屋安全的自动化检测，从而提高了房屋安全检测的效率。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请房屋安全检测方法第一实施例的流程示意图；
图2为本申请实施例中房屋安全检测方法涉及的装置结构示意图；
图3为本申请实施例中房屋安全检测方法涉及的硬件运行环境的设备结构示意图。
本申请目的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂，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，所描述的实施例仅仅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的前提下所获得的所有其它实施例，均属于本申请保护的范围。
实施例一
本申请实施例提供一种房屋安全检测方法，在本申请房屋安全检测方法的第一实施例中，参照图1，所述房屋安全检测方法包括：
步骤S10，获取目标房屋的房屋图像和所述目标房屋所在区域的区域天气状况信息；
在本实施例中，需要说明的是，所述目标房屋可以为用户选定，也可以由房屋的使用年限自动选定。
示例性地，获取选定的目标房屋，通过图像采集设备对所述目标房屋进行图像采集，得到目标房屋的房屋图像；通过天气感应传感器对所述目标房屋所在区域的天气进行感应，得到区域天气状况信息。
可以理解的是，当目标房屋所在区域出现恶劣天气时，例如，当出现冰雹天气时，降下的冰雹可能会对目标房屋的表面造成损坏，或者，当出现超大降雨天气时，可能会使目标房屋的基部浸泡在积水中，可能会对目标房屋的墙体基部造成损坏，因此，恶劣天气会导致目标房屋的坍塌风险增大，通过将目标房屋所在区域的区域天气状况作为判断目标房屋的房屋安全检测的检测决策依据之一，提高了房屋安全检测的准确性。
作为一种示例，获取用户选定的目标房屋，和/或，获取各个已建成房屋的房屋使用年限，在所述各个已建成房屋中选取对应的所述房屋使用年限大于预设年限阈值的目标房屋，其中，所述预设年限阈值为预先设置的判定房屋的使用时间较长的房屋使用年限临界值，和/或，获取各个已建成房屋的房屋构建信息，在所述各个已建成房屋中选取对应的所述房屋构建信息违反预设建房规则的目标房屋，其中，所述预设建房规则为预先设置的房屋构建的规范规则。
步骤S20，通过房屋特征提取器对所述房屋图像进行特征提取，得到目标房屋特征信息，其中，所述目标房屋特征信息包括目标房屋的承重部件的部件特征信息、所述目标房屋的破损部件的部件特征信息和所述目标房屋的墙体特征信息中的至少一种；
示例性地，通过房屋特征提取器对所述房屋图像进行特征提取，得到目标房屋的承重部件的部件特征信息，和/或，所述目标房屋的破损部件的部件特征信息，和/或，所述目标房屋的墙体特征信息。
其中，在步骤S20中，所述通过房屋特征提取器对所述房屋图像进行特征提取，得到房屋特征信息的步骤包括：
步骤S21，若所述房屋特征信息包括所述承重部件的部件特征信息，则所述房屋特征提取器包括部件特征提取器，对所述房屋图像进行承重部件识别得到携带承重部件特征的承重部件图像，通过所述部件特征提取器对所述承重部件图像进行部件特征提取，得到所述承重部件的部件特征信息，其中，所述部件特征信息包括形变信息、受力信息和形变恢复信息中的至少一种；和/或，
示例性地，若所述房屋特征信息包括所述承重部件的部件特征信息，则所述房屋特征提取器包括部件特征提取器，对所述房屋图像进行承重部件识别，得到承重部件识别区域，根据所述承重部件识别区域，对所述房屋图像进行特征分离，得到携带承重部件特征的承重部件图像，通过所述部件特征提取器将所述承重部件图像映射为所述承重部件的部件特征信息。
可以理解的是，当房屋的承重部件发生较大的形变，和/或，承重部件受力较大，和/或，承重部件的形变恢复能力较差时，说明房屋的坍塌风险较大，因此，通过将承重部件的部件特征信息作为判断目标房屋的房屋安全检测的检测决策依据之一，提高了房屋安全检测的准确性。
步骤S22，若房屋特征信息包括所述破损部件的部件特征信息，则所述房屋特征提取器包括所述部件特征提取器，对所述房屋图像进行破损部件识别得到携带破损部件特征的破损部件图像，通过所述部件特征提取器对所述破损部件图像进行部件特征提取，得到所述破损部件的所述部件特征信息；和/或，
示例性地，若所述房屋特征信息包括所述破损部件的部件特征信息，则所述房屋特征提取器包括部件特征提取器，对所述房屋图像进行破损部件识别，得到破损部件识别区域，根据所述破损部件识别区域，对所述房屋图像进行特征分离，得到携带破损部件特征的破损部件图像，通过所述部件特征提取器将所述破损部件图像映射为所述破损部件的部件特征信息。
可以理解的是，当房屋的破损部件发生较大的形变，和/或，破损部件受力较大，和/或，破损部件的形变恢复能力较差时，说明房屋的坍塌风险较大，因此，通过将破损部件的部件特征信息作为判断目标房屋的房屋安全检测的检测决策依据之一，提高了房屋安全检测的准确性。
步骤S23，若房屋特征信息包括所述墙体特征信息，则所述房屋特征提取器包括墙体特征提取器，通过所述墙体特征提取器对所述房屋图像进行墙体特征提取，得到所述墙体特征信息，其中，所述墙体特征信息包括墙体损坏程度、墙体腐蚀程度和墙体倾斜程度中的至少一种。
示例性地，通过所述墙体特征提取器将所述房屋图像映射为所述墙体特征信息。
可以理解的是，当房屋的墙体损坏程度较大，和/或，墙体腐蚀程度较大，和/或，墙体倾斜程度较大时，说明房屋的坍塌风险较大，因此，通过将墙体特征信息作为判断目标房屋的房屋安全检测的检测决策依据之一，提高了房屋安全检测的准确性。
步骤S30，根据所述目标房屋特征信息、所述区域天气状况信息和房屋坍塌风险检测模型，对所述目标房屋进行房屋安全检测，得到房屋安全检测结果。
作为一种示例，通过所述房屋坍塌风险检测模型将所述目标房屋特征信息和所述区域天气状况信息映射为所述目标房屋的坍塌风险预测值，根据所述坍塌风险预测值对所述目标房屋进行房屋安全检测，得到房屋安全检测结果。
作为一种示例，根据所述目标房屋特征信息和所述区域天气状况信息，通过预设房屋坍塌风险计算公式计算得到所述目标房屋的坍塌风险值，根据所述坍塌风险值对所述目标房屋进行房屋安全检测，得到房屋安全检测结果。
作为一种示例，获取所述目标特征信息对应的影响因子、所述影响因子的参数和非线性因子，根据所述目标特征信息对应的影响因子、所述影响因子的参数、所述非线性因子和所述目标特征信息对应的非线性回归值，构建非线性回归模型，根据所述目标特征信息对应的非线性回归值，计算得到所述目标房屋发生房屋坍塌的坍塌风险值。
可选地，所述根据所述目标特征信息对应的影响因子、所述影响因子的参数、所述非线性因子和所述目标特征信息对应的非线性回归值，构建非线性回归模型的步骤具体可以包括：
其中，为所述目标特征信息对应的非线性回归值，/>为所述影响因子的参数，为所述目标特征信息对应的影响因子，/>为所述非线性因子。
可选地，所述根据所述目标特征信息对应的非线性回归值，计算得到所述目标房屋发生房屋坍塌的坍塌风险值的步骤具体可以包括：
其中，为所述坍塌风险值，/>为所述目标特征信息对应的非线性回归值。
其中，在步骤S30中，所述根据所述目标房屋特征信息、所述区域天气状况信息和房屋坍塌风险检测模型，对所述目标房屋进行房屋安全检测，得到房屋安全检测结果的步骤包括：
步骤S31，将所述目标房屋特征信息和所述区域天气状况信息拼接为所述目标房屋的目标特征信息；
步骤S32，通过所述房屋坍塌风险检测模型将所述目标特征信息映射为所述目标房屋发生房屋坍塌的坍塌风险预测值；
步骤S33，若所述坍塌风险预测值大于预设坍塌风险阈值，则判定所述房屋安全检测结果为不安全；
在本实施例中，需要说明的是，所述预设坍塌风险阈值为预先设置的判定房屋存在较大的坍塌隐患的坍塌风险预测值的临界值。
步骤S34，若所述坍塌风险预测值小于或等于所述预设坍塌风险阈值，则判定所述房屋安全检测结果为安全。
本申请实施例提供了一种房屋安全检测方法，相比于采用人工对房屋进行检查的方法，本申请实施例通过获取目标房屋的房屋图像和所述目标房屋所在区域的区域天气状况信息；通过房屋特征提取器对所述房屋图像进行特征提取，得到目标房屋特征信息，其中，所述目标房屋特征信息包括目标房屋的承重部件的部件特征信息、所述目标房屋的破损部件的部件特征信息和所述目标房屋的墙体特征信息中的至少一种；根据所述目标房屋特征信息、所述区域天气状况信息和房屋坍塌风险检测模型，对所述目标房屋进行房屋安全检测，得到房屋安全检测结果，通过房屋图像、区域天气状况信息和房屋坍塌风险检测模型，实现了房屋安全的自动化检测，从而提高了房屋安全检测的效率。
实施例二
进一步地，基于本申请第一实施例，在本申请另一实施例中，与上述实施例一相同或相似的内容，可以参考上文介绍，后续不再赘述。在此基础上，其中，在步骤S20中，所述特征提取器包括部件特征提取器，在所述通过房屋特征提取器对所述房屋图像进行特征提取，得到房屋特征信息的步骤之前，还包括：
步骤A10，获取多条第一训练样本，其中，一条所述第一训练样本包括一条第一输入特征数据和所述第一输入特征数据对应的训练标签，所述第一输入特征数据包括一种训练部件的训练图像，所述第一输入特征数据对应的训练标签包括所述训练部件的部件特征信息，所述训练部件为房屋的任意一个部件；
其中，在步骤A10中，在所述获取多条第一训练样本的步骤之前，还包括：
步骤A101，对所述训练部件进行模拟施加预设数值的压力，并采集在所述预设数值的施压下所述训练部件的模拟施压图像；
在本实施例中，需要说明的是，所述预设数值为预先设置的对部件模拟施加压力的压力值。
作为一种示例，通过探针对所述训练部件进行模拟施加预设数值的压力，并采集在所述预设数值的施压下所述训练部件的模拟施压图像。
作为一种示例，获取训练部件仿真模拟模型，通过对所述训练部件仿真模拟模型进行模拟施加预设数值的压力，并预测在所述预设数值的施压下所述训练部件的模拟施压图像。
步骤A102，对所述训练部件在所述预设数值的施压下的部件特征信息进行模拟，得到模拟特征信息；
作为一种示例，通过所述训练部件仿真模型对所述预设数值的施压后的所述训练部件进行模拟，得到模拟施压部件，确定所述模拟施压部件的部件特征信息，得到所述模拟特征信息。
步骤A103，将所述模拟施压图像作为所述第一输入特征数据，将所述模拟特征信息作为所述第一输入特征数据对应的训练标签，生成一条所述第一训练样本。
作为一种示例，对各种训练部件施加预设数值的压力，并采集携带在所述预设数值的施压下所述各种训练部件特征的各种模拟施压图像；对所述各种训练部件在所述预设数值的施压下的部件特征信息进行模拟，得到各种模拟特征信息；根据所述各种模拟施压图像和所述各种模拟特征信息，生成多条所述第一训练样本。和/或，对所述训练部件进行模拟施加各种预设数值的压力，并采集携带在所述各种预设数值的施压下所述训练部件特征的各种模拟施压图像，对所述训练部件在所述各种预设数值的施压下的部件特征信息进行模拟，得到各种模拟特征信息，根据所述各种模拟施压图像和所述各种模拟特征信息，生成多条所述第一训练样本。
步骤A20，根据所述多条第一训练样本，对待训练部件特征提取器进行迭代优化，得到所述部件特征提取器。
示例性地，通过将所述第一训练样本的第一输入特征数据输入至所述待训练部件特征提取器，得到第一输出标签，确定所述第一输出标签和所述第一输入特征数据对应的训练标签之间的差异度，根据所述差异度，计算所述待训练部件特征提取器对应的损失，进而判断所述损失是否收敛，若所述损失收敛，则将所述待训练部件特征提取器作为所述部件特征提取器，若所述损失未收敛，则基于所述损失计算的梯度，通过预设更新方法更新所述待训练部件特征提取器，其中，所述预设更新方法包括梯度下降法和梯度上升法等。
其中，在步骤S20中，所述特征提取器包括墙体特征提取器，在所述通过房屋特征提取器对所述房屋图像进行特征提取，得到房屋特征信息的步骤之前，还包括：
步骤B10，获取多条第二训练样本，其中，一条所述第二训练样本包括一条第二输入特征数据和所述第二输入特征数据对应的训练标签，所述第二输入特征数据包括一种墙体的训练图像，所述第二输入特征数据对应的训练标签包括所述墙体的墙体特征信息；
步骤B20，根据所述第二训练样本，对待训练墙体特征提取器进行迭代优化，得到所述墙体特征提取器。
所述根据所述第二训练样本，对待训练墙体特征提取器进行迭代优化，得到所述墙体特征提取器的具体实施步骤参照上述步骤A20的具体实施内容，在此不做赘述。
其中，在步骤S30中，在所述根据所述房屋特征信息、所述区域天气状况信息和房屋坍塌风险检测模型，对所述目标房屋进行房屋安全检测，得到房屋安全检测结果的步骤之前，还包括：
步骤S301，获取多条第三训练样本，其中，一条所述第三训练样本包括一条第三输入特征数据和所述第三输入特征数据对应的训练标签，所述第三输入特征数据包括一种天气状况信息和一种房屋特征信息，所述第三输入特征数据对应的训练标签包括在由所述天气状况信息和所述房屋特征信息所限定的房屋状态下，房屋发生坍塌的风险值；
步骤S302，根据所述多条第三训练样本，对待训练房屋坍塌风险检测模型进行迭代优化，得到房屋坍塌风险检测模型。
所述根据所述多条第三训练样本，对待训练房屋坍塌风险检测模型进行迭代优化，得到房屋坍塌风险检测模型的具体实施步骤参照上述步骤A20的具体实施内容，在此不做赘述。
本申请实施例提供了一种房屋安全检测方法，相比于采用人工对房屋进行检查的方法，本申请实施例通过获取多条第三训练样本，其中，一条所述第三训练样本包括一条第三输入特征数据和所述第三输入特征数据对应的训练标签，所述第三输入特征数据包括一种天气状况信息和一种房屋特征信息，所述第三输入特征数据对应的训练标签包括在由所述天气状况信息和所述房屋特征信息所限定的房屋状态下，房屋发生坍塌的风险值；根据所述多条第三训练样本，对待训练房屋坍塌风险检测模型进行迭代优化，得到房屋坍塌风险检测模型，通过模型训练得到房屋坍塌风险检测模型，从而可通过房屋图像、区域天气状况信息和房屋坍塌风险检测模型，实现了房屋安全的自动化检测，进而提高了房屋安全检测的效率。
实施例三
本申请实施例还提供一种房屋安全检测装置，参照图2，所述房屋安全检测装置包括：
获取模块，用于获取目标房屋的房屋图像和所述目标房屋所在区域的区域天气状况信息；
提取模块，用于通过房屋特征提取器对所述房屋图像进行特征提取，得到目标房屋特征信息，其中，所述目标房屋特征信息包括目标房屋的承重部件的部件特征信息、所述目标房屋的破损部件的部件特征信息和所述目标房屋的墙体特征信息中的至少一种；
检测模块，用于根据所述目标房屋特征信息、所述区域天气状况信息和房屋坍塌风险检测模型，对所述目标房屋进行房屋安全检测，得到房屋安全检测结果。
可选地，所述提取模块还用于：
若所述房屋特征信息包括所述承重部件的部件特征信息，则所述房屋特征提取器包括部件特征提取器，对所述房屋图像进行承重部件识别得到携带承重部件特征的承重部件图像，通过所述部件特征提取器对所述承重部件图像进行部件特征提取，得到所述承重部件的部件特征信息，其中，所述部件特征信息包括形变信息、受力信息和形变恢复信息中的至少一种；和/或，
若房屋特征信息包括所述破损部件的部件特征信息，则所述房屋特征提取器包括所述部件特征提取器，对所述房屋图像进行破损部件识别得到携带破损部件特征的破损部件图像，通过所述部件特征提取器对所述破损部件图像进行部件特征提取，得到所述破损部件的所述部件特征信息；和/或，
若房屋特征信息包括所述墙体特征信息，则所述房屋特征提取器包括墙体特征提取器，通过所述墙体特征提取器对所述房屋图像进行墙体特征提取，得到所述墙体特征信息，其中，所述墙体特征信息包括墙体损坏程度、墙体腐蚀程度和墙体倾斜程度中的至少一种。
可选地，所述特征提取器包括部件特征提取器，在所述通过房屋特征提取器对所述房屋图像进行特征提取，得到房屋特征信息的步骤之前，所述房屋安全检测装置还用于：
获取多条第一训练样本，其中，一条所述第一训练样本包括一条第一输入特征数据和所述第一输入特征数据对应的训练标签，所述第一输入特征数据包括一种训练部件的训练图像，所述第一输入特征数据对应的训练标签包括所述训练部件的部件特征信息，所述训练部件为房屋的任意一个部件；
根据所述多条第一训练样本，对待训练部件特征提取器进行迭代优化，得到所述部件特征提取器。
可选地，在所述获取多条第一训练样本的步骤之前，所述房屋安全检测装置还用于：
对所述训练部件进行模拟施加预设数值的压力，并采集在所述预设数值的施压下所述训练部件的模拟施压图像；
对所述训练部件在所述预设数值的施压下的部件特征信息进行模拟，得到模拟特征信息；
将所述模拟施压图像作为所述第一输入特征数据，将所述模拟特征信息作为所述第一输入特征数据对应的训练标签，生成一条所述第一训练样本。
可选地，所述特征提取器包括墙体特征提取器，在所述通过房屋特征提取器对所述房屋图像进行特征提取，得到房屋特征信息的步骤之前，所述房屋安全检测装置还用于：
获取多条第二训练样本，其中，一条所述第二训练样本包括一条第二输入特征数据和所述第二输入特征数据对应的训练标签，所述第二输入特征数据包括一种墙体的训练图像，所述第二输入特征数据对应的训练标签包括所述墙体的墙体特征信息；
根据所述第二训练样本，对待训练墙体特征提取器进行迭代优化，得到所述墙体特征提取器。
可选地，所述检测模块还用于：
将所述目标房屋特征信息和所述区域天气状况信息拼接为所述目标房屋的目标特征信息；
通过所述房屋坍塌风险检测模型将所述目标特征信息映射为所述目标房屋发生房屋坍塌的坍塌风险预测值；
若所述坍塌风险预测值大于预设坍塌风险阈值，则判定所述房屋安全检测结果为不安全；
若所述坍塌风险预测值小于或等于所述预设坍塌风险阈值，则判定所述房屋安全检测结果为安全。
可选地，在所述根据所述房屋特征信息、所述区域天气状况信息和房屋坍塌风险检测模型，对所述目标房屋进行房屋安全检测，得到房屋安全检测结果的步骤之前，所述房屋安全检测装置还用于：
获取多条第三训练样本，其中，一条所述第三训练样本包括一条第三输入特征数据和所述第三输入特征数据对应的训练标签，所述第三输入特征数据包括一种天气状况信息和一种房屋特征信息，所述第三输入特征数据对应的训练标签包括在由所述天气状况信息和所述房屋特征信息所限定的房屋状态下，房屋发生坍塌的风险值；
根据所述多条第三训练样本，对待训练房屋坍塌风险检测模型进行迭代优化，得到房屋坍塌风险检测模型。
本申请提供的房屋安全检测装置，采用上述实施例中的房屋安全检测方法，解决了房屋安全检测的效率较低的技术问题。与现有技术相比，本申请实施例提供的房屋安全检测装置的有益效果与上述实施例提供的房屋安全检测方法的有益效果相同，且该房屋安全检测装置中的其他技术特征与上述实施例方法公开的特征相同，在此不做赘述。
实施例四
本申请实施例提供一种电子设备，所述电子设备包括：至少一个处理器；以及，与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行上述实施例中的房屋安全检测方法。
下面参考图3，其示出了适于用来实现本公开实施例的电子设备的结构示意图。本公开实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器PDA（Personal Digital Assistant，个人数字助理）、PAD（平板电脑）、PMP（Portable MediaPlayer，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。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。
如图3所示，电子设备可以包括处理装置（例如中央处理器、图形处理器等），其可以根据存储在ROM（Read-Only Memory，只读存储器）中的程序或者从存储装置加载到RAM（Random Access Memory，随机访问存储器）中的程序而执行各种适当的动作和处理。在RAM中，还存储有电子设备操作所需的各种程序和数据。处理装置、ROM以及RAM通过总线彼此相连。输入/输出（I/O）接口也连接至总线。
通常，以下系统可以连接至I/O接口：包括例如触摸屏、触摸板、键盘、鼠标、图像传感器、麦克风、加速度计、陀螺仪等的输入装置；包括例如液晶显示器（LCD）、扬声器、振动器等的输出装置；包括例如磁带、硬盘等的存储装置；以及通信装置。通信装置可以允许电子设备与其他设备进行无线或有线通信以交换数据。虽然图中示出了具有各种系统的电子设备，但是应理解的是，并不要求实施或具备所有示出的系统。可以替代地实施或具备更多或更少的系统。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置从网络上被下载和安装，或者从存储装置被安装，或者从ROM被安装。在该计算机程序被处理装置执行时，执行本公开实施例的方法中限定的上述功能。
本申请提供的电子设备，采用上述实施例中的房屋安全检测方法，解决了房屋安全检测的效率较低的技术问题。与现有技术相比，本申请实施例提供的电子设备的有益效果与上述实施例提供的房屋安全检测方法的有益效果相同，且该电子设备中的其他技术特征与上述实施例方法公开的特征相同，在此不做赘述。
应当理解，本公开的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式的描述中，具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。
实施例五
本实施例提供一种计算机可读存储介质，具有存储在其上的计算机可读程序指令，计算机可读程序指令用于执行上述实施例中的房屋安全检测方法的方法。
本申请实施例提供的计算机可读存储介质例如可以是U盘，但不限于电、磁、光、电磁、红外线、或半导体的系统、系统或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、RAM、ROM、EPROM（Erasable Programmable Read Only Memory，可擦式可编程只读存储器）或闪存、光纤、CD-ROM（compact disc read-only memory，便携式紧凑磁盘只读存储器）、光存储器件、磁存储器件、或者上述的任意合适的组合。在本实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、系统或者器件使用或者与其结合使用。计算机可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF（Radio Frequency，射频）等等，或者上述的任意合适的组合。
上述计算机可读存储介质可以是电子设备中所包含的；也可以是单独存在，而未装配入电子设备中。
上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被电子设备执行时，使得电子设备：获取目标房屋的房屋图像和所述目标房屋所在区域的区域天气状况信息；通过房屋特征提取器对所述房屋图像进行特征提取，得到目标房屋特征信息，其中，所述目标房屋特征信息包括目标房屋的承重部件的部件特征信息、所述目标房屋的破损部件的部件特征信息和所述目标房屋的墙体特征信息中的至少一种；根据所述目标房屋特征信息、所述区域天气状况信息和房屋坍塌风险检测模型，对所述目标房屋进行房屋安全检测，得到房屋安全检测结果。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括LAN(LocalArea Network，局域网)或WAN(Wide Area Network,广域网)—连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。
附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，模块的名称在某种情况下并不构成对该单元本身的限定。
本申请提供的计算机可读存储介质，存储有用于执行上述房屋安全检测方法的计算机可读程序指令，解决了房屋安全检测的效率较低的技术问题。与现有技术相比，本申请实施例提供的计算机可读存储介质的有益效果与上述实施提供的房屋安全检测方法的有益效果相同，在此不做赘述。
实施例六
本申请还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述的房屋安全检测方法的步骤。
本申请提供的计算机程序产品解决了房屋安全检测的效率较低的技术问题。与现有技术相比，本申请实施例提供的计算机程序产品的有益效果与上述实施例提供的房屋安全检测方法的有益效果相同，在此不做赘述。
以上仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利处理范围内。

Claims (8)

1.一种房屋安全检测方法，其特征在于，所述房屋安全检测方法包括：
获取目标房屋的房屋图像和所述目标房屋所在区域的区域天气状况信息；
通过房屋特征提取器对所述房屋图像进行特征提取，得到目标房屋特征信息，其中，所述目标房屋特征信息包括目标房屋的承重部件的部件特征信息、所述目标房屋的破损部件的部件特征信息和所述目标房屋的墙体特征信息中的至少一种；
根据所述目标房屋特征信息、所述区域天气状况信息和房屋坍塌风险检测模型，对所述目标房屋进行房屋安全检测，得到房屋安全检测结果；
所述特征提取器包括部件特征提取器，在所述通过房屋特征提取器对所述房屋图像进行特征提取，得到房屋特征信息的步骤之前，还包括：
获取多条第一训练样本，其中，一条所述第一训练样本包括一条第一输入特征数据和所述第一输入特征数据对应的训练标签，所述第一输入特征数据包括一种训练部件的训练图像，所述第一输入特征数据对应的训练标签包括所述训练部件的部件特征信息，所述训练部件为房屋的任意一个部件；
根据所述多条第一训练样本，对待训练部件特征提取器进行迭代优化，得到所述部件特征提取器；
在所述获取多条第一训练样本的步骤之前，还包括：
对所述训练部件进行模拟施加预设数值的压力，并采集在所述预设数值的施压下所述训练部件的模拟施压图像；
对所述训练部件在所述预设数值的施压下的部件特征信息进行模拟，得到模拟特征信息；
将所述模拟施压图像作为所述第一输入特征数据，将所述模拟特征信息作为所述第一输入特征数据对应的训练标签，生成一条所述第一训练样本。
2.如权利要求1所述房屋安全检测方法，其特征在于，所述通过房屋特征提取器对所述房屋图像进行特征提取，得到房屋特征信息的步骤包括：
若所述房屋特征信息包括所述承重部件的部件特征信息，则所述房屋特征提取器包括部件特征提取器，对所述房屋图像进行承重部件识别得到携带承重部件特征的承重部件图像，通过所述部件特征提取器对所述承重部件图像进行部件特征提取，得到所述承重部件的部件特征信息，其中，所述部件特征信息包括形变信息、受力信息和形变恢复信息中的至少一种；和/或，
若房屋特征信息包括所述破损部件的部件特征信息，则所述房屋特征提取器包括所述部件特征提取器，对所述房屋图像进行破损部件识别得到携带破损部件特征的破损部件图像，通过所述部件特征提取器对所述破损部件图像进行部件特征提取，得到所述破损部件的所述部件特征信息；和/或，
若房屋特征信息包括所述墙体特征信息，则所述房屋特征提取器包括墙体特征提取器，通过所述墙体特征提取器对所述房屋图像进行墙体特征提取，得到所述墙体特征信息，其中，所述墙体特征信息包括墙体损坏程度、墙体腐蚀程度和墙体倾斜程度中的至少一种。
3.如权利要求1所述房屋安全检测方法，其特征在于，所述特征提取器包括墙体特征提取器，在所述通过房屋特征提取器对所述房屋图像进行特征提取，得到房屋特征信息的步骤之前，还包括：
获取多条第二训练样本，其中，一条所述第二训练样本包括一条第二输入特征数据和所述第二输入特征数据对应的训练标签，所述第二输入特征数据包括一种墙体的训练图像，所述第二输入特征数据对应的训练标签包括所述墙体的墙体特征信息；
根据所述第二训练样本，对待训练墙体特征提取器进行迭代优化，得到所述墙体特征提取器。
4.如权利要求1所述房屋安全检测方法，其特征在于，所述根据所述目标房屋特征信息、所述区域天气状况信息和房屋坍塌风险检测模型，对所述目标房屋进行房屋安全检测，得到房屋安全检测结果的步骤包括：
将所述目标房屋特征信息和所述区域天气状况信息拼接为所述目标房屋的目标特征信息；
通过所述房屋坍塌风险检测模型将所述目标特征信息映射为所述目标房屋发生房屋坍塌的坍塌风险预测值；
若所述坍塌风险预测值大于预设坍塌风险阈值，则判定所述房屋安全检测结果为不安全；
若所述坍塌风险预测值小于或等于所述预设坍塌风险阈值，则判定所述房屋安全检测结果为安全。
5.如权利要求1所述房屋安全检测方法，其特征在于，在所述根据所述房屋特征信息、所述区域天气状况信息和房屋坍塌风险检测模型，对所述目标房屋进行房屋安全检测，得到房屋安全检测结果的步骤之前，还包括：
获取多条第三训练样本，其中，一条所述第三训练样本包括一条第三输入特征数据和所述第三输入特征数据对应的训练标签，所述第三输入特征数据包括一种天气状况信息和一种房屋特征信息，所述第三输入特征数据对应的训练标签包括在由所述天气状况信息和所述房屋特征信息所限定的房屋状态下，房屋发生坍塌的风险值；
根据所述多条第三训练样本，对待训练房屋坍塌风险检测模型进行迭代优化，得到房屋坍塌风险检测模型。
6.一种房屋安全检测装置，其特征在于，所述房屋安全检测装置包括：
获取模块，用于获取目标房屋的房屋图像和所述目标房屋所在区域的区域天气状况信息；
提取模块，用于通过房屋特征提取器对所述房屋图像进行特征提取，得到目标房屋特征信息，其中，所述目标房屋特征信息包括目标房屋的承重部件的部件特征信息、所述目标房屋的破损部件的部件特征信息和所述目标房屋的墙体特征信息中的至少一种；
检测模块，用于根据所述目标房屋特征信息、所述区域天气状况信息和房屋坍塌风险检测模型，对所述目标房屋进行房屋安全检测，得到房屋安全检测结果；
所述特征提取器包括部件特征提取器，在所述通过房屋特征提取器对所述房屋图像进行特征提取，得到房屋特征信息的步骤之前，所述房屋安全检测装置还包括：
获取多条第一训练样本，其中，一条所述第一训练样本包括一条第一输入特征数据和所述第一输入特征数据对应的训练标签，所述第一输入特征数据包括一种训练部件的训练图像，所述第一输入特征数据对应的训练标签包括所述训练部件的部件特征信息，所述训练部件为房屋的任意一个部件；
根据所述多条第一训练样本，对待训练部件特征提取器进行迭代优化，得到所述部件特征提取器；
在所述获取多条第一训练样本的步骤之前，所述房屋安全检测装置还包括：
对所述训练部件进行模拟施加预设数值的压力，并采集在所述预设数值的施压下所述训练部件的模拟施压图像；
对所述训练部件在所述预设数值的施压下的部件特征信息进行模拟，得到模拟特征信息；
将所述模拟施压图像作为所述第一输入特征数据，将所述模拟特征信息作为所述第一输入特征数据对应的训练标签，生成一条所述第一训练样本。
7.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至5中任一项所述的房屋安全检测方法的步骤。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有实现房屋安全检测方法的程序，所述实现房屋安全检测方法的程序被处理器执行以实现如权利要求1至5中任一项所述房屋安全检测方法的步骤。
CN202310387305.1A 2023-04-12 2023-04-12 房屋安全检测方法、装置、电子设备及可读存储介质 Active CN116109932B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310387305.1A CN116109932B (zh) 2023-04-12 2023-04-12 房屋安全检测方法、装置、电子设备及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310387305.1A CN116109932B (zh) 2023-04-12 2023-04-12 房屋安全检测方法、装置、电子设备及可读存储介质

Publications (2)

Publication Number Publication Date
CN116109932A CN116109932A (zh) 2023-05-12
CN116109932B true CN116109932B (zh) 2023-08-04

Family

ID=86267611

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310387305.1A Active CN116109932B (zh) 2023-04-12 2023-04-12 房屋安全检测方法、装置、电子设备及可读存储介质

Country Status (1)

Country Link
CN (1) CN116109932B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106504362A (zh) * 2016-10-18 2017-03-15 国网湖北省电力公司检修公司 基于无人机的输变电系统巡检方法
CN112733688A (zh) * 2020-12-30 2021-04-30 中国科学技术大学先进技术研究院 房屋的属性值预测方法、装置、终端设备以及存储介质
CN113408566A (zh) * 2020-11-17 2021-09-17 腾讯科技（深圳）有限公司 目标检测方法及相关设备
CN113554125A (zh) * 2021-09-18 2021-10-26 四川翼飞视科技有限公司 结合全局与局部特征的目标检测装置、方法和存储介质
CN114092805A (zh) * 2021-11-08 2022-02-25 青岛理工大学 一种基于建筑模型的机器狗识别裂痕方法
CN114329717A (zh) * 2021-12-29 2022-04-12 中京(武汉)工程技术有限公司 一种建筑工程用多组件设计方法
CN115147097A (zh) * 2022-09-06 2022-10-04 深圳市明源云科技有限公司 基于区块链的购房交易方法、装置、电子设备及存储介质
WO2023001059A1 (zh) * 2021-07-19 2023-01-26 中国第一汽车股份有限公司 检测方法、装置、电子设备及存储介质
CN115759749A (zh) * 2022-11-29 2023-03-07 中国联合网络通信集团有限公司 基于房屋结构的预警方法、装置和设备
CN115796591A (zh) * 2022-12-06 2023-03-14 武汉誉钱乐房地产有限公司 一种基于图像采集的智慧城市居住安全预警分析方法及系统
CN218781968U (zh) * 2022-10-25 2023-03-31 高燕蓉 一种抗震性能检测仪器

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11816975B2 (en) * 2019-09-27 2023-11-14 The Travelers Indemnity Company Wildfire defender

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106504362A (zh) * 2016-10-18 2017-03-15 国网湖北省电力公司检修公司 基于无人机的输变电系统巡检方法
CN113408566A (zh) * 2020-11-17 2021-09-17 腾讯科技（深圳）有限公司 目标检测方法及相关设备
CN112733688A (zh) * 2020-12-30 2021-04-30 中国科学技术大学先进技术研究院 房屋的属性值预测方法、装置、终端设备以及存储介质
WO2023001059A1 (zh) * 2021-07-19 2023-01-26 中国第一汽车股份有限公司 检测方法、装置、电子设备及存储介质
CN113554125A (zh) * 2021-09-18 2021-10-26 四川翼飞视科技有限公司 结合全局与局部特征的目标检测装置、方法和存储介质
CN114092805A (zh) * 2021-11-08 2022-02-25 青岛理工大学 一种基于建筑模型的机器狗识别裂痕方法
CN114329717A (zh) * 2021-12-29 2022-04-12 中京(武汉)工程技术有限公司 一种建筑工程用多组件设计方法
CN115147097A (zh) * 2022-09-06 2022-10-04 深圳市明源云科技有限公司 基于区块链的购房交易方法、装置、电子设备及存储介质
CN218781968U (zh) * 2022-10-25 2023-03-31 高燕蓉 一种抗震性能检测仪器
CN115759749A (zh) * 2022-11-29 2023-03-07 中国联合网络通信集团有限公司 基于房屋结构的预警方法、装置和设备
CN115796591A (zh) * 2022-12-06 2023-03-14 武汉誉钱乐房地产有限公司 一种基于图像采集的智慧城市居住安全预警分析方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
物业服务数字化需中看又中用;史彦波;《中国物业管理》(第5期);第70-72页 *

Also Published As

Publication number Publication date
CN116109932A (zh) 2023-05-12

Similar Documents

Publication Publication Date Title
CN111462109A (zh) 一种耐张线夹的缺陷检测方法、装置、设备及存储介质
US10664267B2 (en) Automatically detecting feature mismatches between mobile application versions on different platforms
CN112037223B (zh) 图像缺陷检测方法、装置及电子设备
CN114710555A (zh) 一种婴儿监护方法及装置
CN110069997B (zh) 场景分类方法、装置及电子设备
CN110555352B (zh) 一种兴趣点识别方法、装置、服务器和存储介质
CN116109932B (zh) 房屋安全检测方法、装置、电子设备及可读存储介质
CN116028868B (zh) 设备故障分类方法、装置、电子设备及可读存储介质
CN116780004A (zh) 电池充电优化方法、电子设备及可读存储介质
CN110858143B (zh) 一种安装包生成方法、装置、设备及存储介质
CN114972113A (zh) 图像处理方法、装置、电子设备及可读存储介质
CN114499709B (zh) 天线收音测试方法、装置、电子设备及存储介质
CN114092889B (zh) 违规行为检测方法、装置、电子设备及可读存储介质
CN115620851A (zh) 数据校验方法、装置、电子设备及可读存储介质
CN111258797B (zh) 一种内存泄露的检测方法、装置、介质和电子设备
CN114460599A (zh) 基于激光雷达的站房结构安全监测方法、装置及电子设备
CN110908860B (zh) 一种Java线程的获取方法、装置、介质和电子设备
CN114781567B (zh) 检测设备安装方法、装置、电子设备及可读存储介质
CN117028872A (zh) 泄漏点检测方法、装置、电子设备及可读存储介质
CN116401597B (zh) 地震解释模型构建方法、电子设备及可读存储介质
CN111124862A (zh) 智能设备性能测试方法、装置及智能设备
CN115658374B (zh) 平台兼容性问题修复方法、装置、电子设备及存储介质
CN115543391B (zh) 应用平台升级方法、装置、电子设备及可读存储介质
CN114758308A (zh) 骑行安全检测方法、电子设备及可读存储介质
CN115294536B (zh) 基于人工智能的违章检测方法、装置、设备及存储介质

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
TR01 Transfer of patent right

Effective date of registration: 20231222

Address after: 518000 901, Block A, Jindi Weixin Center, No. 16, Gaoxin South 10th Road, High tech Zone Community, Yuehai Street, Nanshan District, Shenzhen, Guangdong

Patentee after: Shenzhen Mingyuan Yunke e-commerce Co.,Ltd.

Address before: Room 801, Block A, Gemdale Weixin Center, No. 16, Gaoxin South 10th Road, Gaoxin District Community, Yuehai Street, Nanshan District, Shenzhen, Guangdong 518000

Patentee before: Shenzhen Mingyuan Cloud Technology Co.,Ltd.

TR01 Transfer of patent right