[发明专利]一种建筑外墙立面目标物自动识别方法和电子设备

说明书

本发明公开了一种建筑外墙立面目标物自动识别方法，通过经过训练的识别模型对建筑外墙立面目标物进行识别，所述目标物包括窗户、空调、晾衣杆或晾晒物。目标物识别模型的建立方法包括：S1，获取建筑外墙立面样本图像；S2，对获得的样本图像进行标注；S3，将所述样本图像及对应的标注图像划分为训练集和测试集；S4，构建基于PSPNet架构的外墙目标物图像语义分割模型；S5，利用所述训练集训练外墙目标物图像语义分割模型，获得训练后目标物识别模型。

技术领域

本发明属于建筑维护技术领域，特别涉及一种建筑外墙立面目标物自动识别方法和电子设备。

背景技术

随着国内经济社会的发展,当前建筑业的主体市场正从新建建筑逐步转向对既有建筑的运营和维护使用。建筑外墙作为既有建筑的重要组成部分，其安全维护与管理成为重中之重。目前建筑外墙的安全检测多是基于无人机拍摄的可见光与红外图像，针对所采集图像中可能存在的外墙裂缝、剥落、空鼓、渗水病害现象进行人工判别。但由于既有建筑量大面广，建筑外墙图像数据量大且人工判别病害效率低，难以实现对建筑外墙的快速高效安全检查。

发明内容

本发明实施例之一，一种基于深度学习的建筑立面目标物自动识别方法，包括以下步骤：

S1，获取建筑外墙立面样本图像；

S2，对获得的样本图像进行标注；

S3，将所述样本图像及对应的标注图像划分为训练集和测试集；

S4，构建基于PSPNet架构的外墙目标物图像语义分割模型；

S5，利用所述训练集训练外墙目标物图像语义分割模型，获得训练后目标物识别模型。

本发明实施例，通过建立基于深度学习的识别模型，对建筑立面目标物实现了自动识别。

附图说明

通过参考附图阅读下文的详细描述，本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本发明的若干实施方式，其中：

图1根据本发明实施例之一的建筑立面目标物识别方法流程示意图。

具体实施方式

由于外墙空鼓、渗水病害的判别需结合外墙红外图像开展温度场分析，但建筑外墙场景复杂，墙面多种其他目标物的存在(如空调机箱、窗户、晾衣杆及晾晒的衣物等)易对温度场产生干扰，故应首先排除非外墙墙面的其他目标物，再针对无其他目标物的净墙面开展异常温区自动判别。

目前，鲜有方法对建筑立面目标物开展自动化识别，需要一种快速、准确、普适的建筑立面目标物获取方法。随着计算机深度学习的不断发展，图像识别技术也变得愈发成熟。图像识别技术目前被广泛地用于人脸识别、自动驾驶、街景分析等。通过对大量的训练样本进行学习，实现不同物体的语义分割，以完成对目标物的自动识别。因此，构建基于深度学习的建筑立面目标物识别方法重要且必要。

因此，本发明的目的是提供一种基于深度学习的建筑立面目标物识别方法，区分墙面区域及其他目标物，克服由于建筑立面多种目标物的存在易对墙面温度场产生干扰的问题，降低后续工作中对外墙面温度场的分析处理难度。

根据一个或者多个实施例，如图1所示，一种建筑外墙立面目标物自动识别方法，包括以下步骤：

S1：获取样本图像。由手持手机(带照相功能)、相机或操控无人机拍摄建筑外墙图像；

S2：样本图像标注。本发明采用像素级标注。像素级标注是指严格沿着物体的外轮廓进行标注。在本发明中，具体指样本图像中非建筑墙面的其他目标物，目标物包括但不限于窗户、空调、晾晒的衣物等；

S3：将所述外墙样本图像及对应的标注图像划分为训练集和测试集；