[發明專利]一種基于新舊時相變化發現的違章建筑自動識別的方法

有效

• 申請號: 201711419679.8
• 申請日: 2017-12-25
• 公開（公告）號: CN108052917B
• 公開（公告）日: 2021-06-11
• 發明（設計）人: 張小國;王宇;邵俊杰;葉緋;王慧青
• 申請（專利權）人: 東南大學
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 柏尚春

1.一種基于新舊時相變化發現的違章建筑自動識別的方法，其特征在于，包括如下步驟：

(1)將采集到的大量視頻信息，通過跳N幀處理得到圖像信息；用EM算法改進的GMM模型對圖像進行處理得到不同時段背景模型，即新舊時相背景圖像，存入背景庫中；所述N取5-10；

(2)使用SIFT算法，對新舊時相背景圖片進行配準，去除攝像機抖動晃動造成的影響；將得到的配準圖像進行修復，以去除配準過程中在邊界處造成的黑塊，為步驟(3)提供穩定有效的背景圖片；

(3)利用背景圖像設定灰度閾值T，當兩幅背景圖像中對應像素灰度差值在閾值范圍內，則認為不是陰天雨雪天氣，保留該背景信息并更新到場景中的變化區域圖中；反之，則認為屬于天氣變化范圍，剔除視頻信息；

(4)提取步驟(2)中得到的配準后的新舊時相背景圖片；將得到的圖像進行形態學預處理；再做差值，得到帶有噪聲的黑白背景差異圖像；

(5)用sobel算子對步驟(3)中得到的差值圖像進行邊緣檢測，計算對應的形狀算子，去除圖像中陰影區域；進行形態學后處理，消除復雜現實場景中，樹葉抖動、水波晃動、煙霧這些常見的干擾因素；進行紋理識別，設定紋理的粗細范圍；去除離攝像機較近物體對實驗結果的影響，并使攝像頭被遮擋時發起報警；對變化區域進行建筑物結構檢測；

(6)對視頻信息做機械檢測，發現大型機械則進行違章搭建報警，并對步驟(5)中形態學處理后的圖片幀做小型車輛的檢測，通過訓練常見的交通工具，建立運動前景模型庫，去除這些常見的模型停留造成的影響，得到高魯棒性的可疑建筑物；

(7)計算步驟(5)中的運動前景庫里的車輛行人的位置和大小，將之與檢測出的疑似違章建筑區域的位置和大小進行比較，去除不符合客觀規律的變化，得到高魯棒性的違章建筑物識別。

2.根據權利要求1所述的基于新舊時相變化發現的違章建筑自動識別的方法，其特征在于，所述步驟(5)具體包括：

(5.1)用Sobel算子對步驟(4)中得到的差值圖像進行邊緣檢測；

(5.2)遍歷圖像中每個輪廓計算得到輪廓的面積周長及輪廓面積周長比等形狀算子；由于圓的面積周長比最大，線段最小，矩陣排中間；輸入圖片的長度rows和寬度cols；保留輪廓面積S大于閾值rows*cols/500的輪廓以去除較小的噪聲輪廓；通過長寬比L、面積周長比C的閾值，去除因抖動晃動產生的線段，得到去噪后的差值圖像；

(5.3)進行紋理識別，粗紋理對應目標物體離攝像頭較近，細紋理則較遠；經實驗設定紋理的粗細范圍W,紋理輪廓面積大于W，則去除離攝像機較近物體對實驗結果的影響，即攝像頭被遮擋時發起報警，并丟棄此視頻信息；

(5.4)對得到的可疑變化區域帶入新時相背景圖片進行建筑物結構特征識別，LSD算法進行直線檢測和篩選并按不同角度進行分類，若0°、90°和180°領域同時達到峰值，尋找相互約束的垂直和水平線組；存在則視作該變化區域內有疑似建筑物。

3.根據權利要求1所述的基于新舊時相變化發現的違章建筑自動識別的方法，其特征在于，步驟(6)具體包括：

(6.1)采集正樣本負樣本，分別訓練部件模型，所述訓練部件模型包括挖掘車、鏟車、自行車和轎車；

(6.2)對視頻信息進行抽幀，用DPM算法進行基于部件模型的大型機械檢測，檢測是否存在大型機械，如存在則報警；

(6.3)對步驟(5)中得到的形態學處理后的圖片進行部件檢測，檢測舊時相中是否存在常見交通工具，如存在則視為車輛停留造成的變化去除相應的可疑建筑物變化區域。