[发明专利]国土资源视频监控系统中基于特定违章建筑识别预警方法

权利要求书

1.一种国土资源视频监控系统中基于特定违章建筑识别预警方法，其特征在于，包括以下步骤：

步骤1：基于国土资源监控视频，对每一张视频图像，划分需要预警的区域并记录区域左上角的坐标(m,n)和右下角的坐标(x,y)，将划分需要预警的区域作为检测样本；

步骤2：构建包括若干建筑物图片的训练集，利用训练集基于Alexnet卷积神经网络训练关于建筑的CNN模型，并使用CNN模型的对于训练集的输出训练Softmax分类器；

步骤3：对检测样本进行去雾化处理；

步骤4：使用Selective search算法在检测样本中提取若干个候选区域，将每个候选区域归一化到M×M×L，其中M的取值范围为100-250，L为R/G/B三通道；然后在步骤2中训练好的CNN模型中正向传播，提取最后一层的特征向量；

步骤5：使用步骤2中训练好的Softmax分类器对步骤4中提取的特征向量进行打分，得到步骤4中提取的候选区域对于建筑的分数S，若该分数S大于阈值T的话，则标记该候选区域为建筑物；

步骤6：对标记出的候选区域使用非极大值抑制NMS法去除交叉多余的框，若一段连续时间该候选区域未标记出建筑而当前图片检测出建筑，则判定该建筑为违章建筑并预警。

2.根据权利要求1所述的国土资源视频监控系统中基于特定违章建筑识别预警方法，其特征在于，步骤2的具体实现包括以下子步骤：

步骤2.1：使用Alexnet网络架构设计CNN网络结构；

步骤2.2：使用Alexnet的网络初始化参数；

步骤2.3：选取1000-2000张图片作为训练集，标记出图片中违章建筑的左上方和右下方坐标，将Alexnet卷积神经网络的最后一层替换成违章建筑输出元和1个背景，之后使用Selective search算法提取候选框，若提取出的候选框与标记的坐标重叠度大于阈值T，则标记为正样本，否则为负样本；

步骤2.4：对步骤2.3中提取的候选框分组并输入至Alexnet卷积神经网络网络中，网络优化求解时采用随机梯度下降法，学习率大小为0.001。

3.根据权利要求2所述的国土资源视频监控系统中基于特定违章建筑识别预警方法，其特征在于：步骤2.4中，候选框分组为120组，其中正样本为90组，负样本为30组。