[發明專利]基于深度學習和高分影像的歷史建筑識別與檢測方法

在審

• 申請號: 202010523895.2
• 申請日: 2020-06-10
• 公開（公告）號: CN111709346A
• 公開（公告）日: 2020-09-25
• 發明（設計）人: 熊永柱
• 申請（專利權）人: 嘉應學院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/34;G06N3/04;G06N3/08
• 代理公司: 河南豫龍律師事務所 41177
• 代理人: 高繼秀

1.一種基于深度學習和高分影像的歷史建筑識別與檢測方法，其特征在于，包括下述步驟：

獲取遠程采集的建筑圖片，將所述建筑圖片分割成個單元網格，N為正整數；

對單元網格的四條邊界框進行判斷，判斷四條邊界框是否為建筑物邊界框，若為非建筑物邊界框，則設定為0，否則，若為建筑物邊界框，則設定為1，判斷單元網格的四條邊界框的和值是否非0，若非0，獲取非0值對應的單元網格；

獲取單元網格的四條邊界框的和值為非0的所有相鄰單元網格，并去除邊界框，獲取建筑體，基于預設的特征常量，獲取所述建筑體的特征值，并將所述特征值作為所述建筑體的預估特征值；

獲取預估特征值，并基于預訓練的建筑類別訓練集，判斷圖片中建筑的預估特征值是否滿足訓練集中建筑分類的預估特征值閾值；

若滿足，獲取所述建筑分類對應的類別信息，確定為圖片中建筑的類別，完成識別。

2.根據權利要求1所述的基于深度學習和高分影像的歷史建筑識別與檢測方法，其特征在于，所述獲取遠程采集的建筑圖片信息包括：

可以通過手機，無人機的方式拍攝的方式，獲取圖片信息，將圖片發送到遠程處理端，由遠程處理端進行分割處理。

3.根據權利要求2所述的基于深度學習和高分影像的歷史建筑識別與檢測方法，其特征在于，所述對單元網格的四條邊界框進行判斷，判斷四條邊界框是否為建筑物邊界框包括：

基于YOLOv2和ResNet-50圖片卷積層和色彩RGB格式，獲取圖片中各個物體的色彩RGB，將地面的色彩RGB設置為參照RGB，若單元網格的四條邊界框的色彩RGB中存在多條邊界框的色彩RGB與參照RGB不同，則判斷單元網格中有建筑物的圖片單元存在。

4.根據權利要求3所述的基于深度學習和高分影像的歷史建筑識別與檢測方法，其特征在于，所述基于預設的特征常量，獲取所述建筑體的特征值，并將所述特征值作為所述建筑體的預估特征值包括：

基于YOLOv2目標檢測模型，獲取每一個單元網格的預測類別，并獲取每一個單元網格周圍單元網格的置信度，并基于預設的算法公式，計算出整個建筑體的類別置信度，即所述建筑體的特征值，將所述特征值作為建筑體的預估特征值。

5.根據權利要求4所述的基于深度學習和高分影像的歷史建筑識別與檢測方法，其特征在于，所述基于預訓練的建筑類別訓練集包括：

預先獲取若干張不同的建筑圖片，并將所述若干張不同建筑圖片作為訓練集；

對訓練集部分基于YOLOv2和ResNet-50模型，獲取每一張建筑圖片的類別置信度，并將滿足預設類別置信度閾值的建筑圖片加入到同一個集合中，并基于建筑物的學名信息對集合進行命名。

6.根據權利要求5所述的基于深度學習和高分影像的歷史建筑識別與檢測方法，其特征在于，所述判斷圖片中建筑的預估特征值是否滿足訓練集中建筑分類的預估特征值閾值包括：

獲取圖片中建筑的預估特征值，并使用輪詢的方式對訓練集中不同建筑物分類進行類別置信度對比，判斷圖片中建筑的預估特征值是否滿足訓練集中建筑分類的類別置信度閾值。

7.根據權利要求6所述的基于深度學習和高分影像的歷史建筑識別與檢測方法，其特征在于，所述若滿足，獲取所述建筑分類對應的類別信息，確定為圖片中建筑的類別，完成識別包括：

若滿足，獲取所述建筑分類對應的集合名稱，對圖片中建筑的類別以集合名稱進行命名。