[发明专利]基于深度学习的违建识别监控检测方法及系统

说明书

本发明适用于图像处理技术领域，提供一种基于深度学习的违建识别监控检测方法及系统，所述方法包括：步骤S1、影像上传步骤：通过卫星或者无人机获取影像数据并将影像数据上传至服务端，在上传中自动完成影像数据的预处理；步骤S2、违建比对步骤：选取待比对的两期影像数据，在服务端通过比对检测，输出建筑物变化图斑；步骤S3、数据自动入库步骤：步骤S4、结果核对步骤：通过将提取的建筑物变化图斑叠加至对应在线影像，进一步核对提取图斑数据的正确性。本发明通过算法进行违建识别，能够快速且准确判断建筑是否违建，整个过程实现简单，只需训练建筑识别模型，能快速识别出建筑物的轮廓以及高度是否发生变化，然后识别出违建建筑的建筑变化图斑后，进一步核对确认，能够明显提高识别效率。

技术领域

本发明属于图像处理技术领域，尤其涉及一种基于深度学习的违建识别监控检测方法及系统。

背景技术

近几年国家政策层面先后发布了针对城市管理中违建查处的若干指导意见，违建查处的工作在全国各地兴起，可以通过观察建筑物变化来判断建筑物是否属于违建。

目前的建筑物图像的检测方案一般是定期获取高分辨率卫星影响。其中也涌现出几种主流的技术解决方案：

(1)基于移动端APP现场拍照采集方案：提供违建采集的APP程序，工作人员在定期巡逻中，如果发现有疑似违建情况，则拍照并利用该APP登记和上传证据。

(2)基于卫星影像的目视解译采集方案：定期获取高分辨率卫星影像，基于卫星影像展示平台，在同一屏幕下对两幅不同时期的影像，通过人工目视判别，对发生变化的疑似违建物进行矢量化勾勒，生成违建图斑并同步上传至服务端。

(3)基于无人机视屏目视巡逻方案：通过无人机航飞实时传输的视频，工作人员用目视方式确定疑似违建，并自动截图上传至服务端。

(4)基于遥感技术识别方案：通过遥感技术对影像数据进行提取得到建筑物图斑，人工目视比对发现变化的图斑。对发生变化的图斑作为疑似违建上传至服务端。

可见，目前传统的几种判断方案存在以下不足：

(1)传统的违建核查方案容易受取证困难的影响。APP采集方案无法对院内建筑物、高层建筑物中的违建进行采集取证，并且需要工作人员全程参与，工作量大。

(2)针对卫星或者无人机影像的目视解译方案虽然缓解了取证困难的问题，但是依靠人眼逐像素对比的方式依然需要耗费很大的工作量。

(3)视屏巡逻目视解译的方案，在大范围下人工工作量很大，而且视频由于缺少鸟瞰作用，在后期通过回放核查会更加费事。

(4)传统基于遥感技术的解决方案，需要对影像进行高精度的几何纠正，而真实的数据情况下很难保证不同时期的影像数据在几何纠正下达到“完美”的叠加。并且这些算法仅完成了对建筑物的自动提取，没有再进一步对不同建筑物之间的变化做自动比对，依然需要人工参与去完成，并不能最大程度解放人力。

(5)大多数基于影像的方案，缺少对海量影像的存储、影像的快速共享和可视化的重视，导致对影像的管理需要耗费很多的人力。

总之，目前的几种判断方案需要技术人员干预，增加判断不确定性，也比较费时费力。

发明内容

鉴于上述问题，本发明的目的在于提供一种基于深度学习的违建识别监控检测方法及系统，旨在解决现有违建判断方法准确度不高、费时费力的技术问题。

本发明采用如下技术方案：

一方面，所述基于深度学习的违建识别监控检测方法，包括下述步骤：

步骤S1、影像上传步骤：通过卫星或者无人机获取影像数据并将影像数据上传至服务端，在上传中自动完成影像数据的预处理，包括分辨率重采样、几何纠正、影像切片金字塔建设；