[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

本申請實施例公開了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、裝置、設備及存儲介質，屬于物體識別技術領域，該方法包括:獲取遠程采集的建筑圖片，將所述建筑圖片分割成若干單元網格；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；獲取單元網格中的建筑單元，并去除邊界框，獲取建筑體，獲取建筑體的預估特征值；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。本申請有助于提高圖片識別時的準確度和魯棒性，為歷史建筑的調查工作提供便利。

本申請涉及物體識別技術領域，尤其涉及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、裝置、設備及存儲介質。

背景技術

作為中國五大傳統民居的代表之一，客家圍龍屋是一種具有超過百年的著名歷史民居，也是一種世界客家文化的重要象征。為了保護這種歷史文化遺產，需要開展客家圍龍屋的分布和數量調查。傳統田野調查不僅費時費力，而且成本較高。

目前的識別方法主要使用現代高分辨率遙感技術為圍龍屋大面積調查提供重要幫助，但無論是目視解譯還是面向對象信息提取分析，都難以實現從遙感圖像上快速、自動和智能檢測圍龍屋。由此可知，現有技術進行歷史建筑的識別和檢測時，具有識別的精度和魯棒性較低，導致排查困難的問題。

發明內容

本申請實施例的目的在于提出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、裝置、設備及存儲介質，以解決現有技術進行歷史建筑的識別和檢測時，具有識別的精度和魯棒性較低，導致排查困難的問題。

為了解決上述技術問題，本申請實施例提供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，采用了如下所述的技術方案：

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，包括：

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。

進一步的，所述基于深度學習和高分影像的歷史建筑識別與檢測方法，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。

進一步的，所述基于深度學習和高分影像的歷史建筑識別與檢測方法，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Faster-RCNN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。

進一步的，所述基于深度學習和高分影像的歷史建筑識別與檢測方法，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：