[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

说明书

技术领域

本发明涉及计算机应用技术领域，尤其涉及一种应用于国土资源视频监控系统中对特定违章建筑的识别预警方法。

技术背景

作为现有成熟网络视频监控技术的一种行业应用，国土资源的视频监控体系一般也包含了前端视频信息采集，视频编码网络传输，信息中心的操控管理与数据处理，其体系如附图1所示。在实际的项目建设中，随着监控点的数量迅速增多，对于人工值守盯看将面临海量的视频或抓拍图像信息，监管人员面临数量众多的监控图像难免会疏忽遗漏重要的信息，视觉疲劳也会使得监管效果不如人意。

基于图像分析与处理的智能监控是未来视频监控的发展方向，可以早发现、早预警，同时可实现大范围监控的无人值守。对于国土资源的视频监控系统而言，视频监控及图像抓拍系统的主要功能之一就是要对监控范围内出现的一些违法行为或违章建筑进行及时的发现及预警，便于工作人员及时作出相应的处理。反应到系统中的核心技术问题就是要对特定监控点抓拍到的图像进行特定物体的识别。基于图像处理的物体识别基本上都使用了机器学习方法。为了改善这些方法的性能，通常需要收集更大的数据集，并构建强有力的模型以及防止过拟合。但是现实环境中的同一类物体通常也会表现出复杂的形态，因此要达到好的识别效果就必须使用庞大而准确的训练集。

卷积神经网络CNN是深度学习中经典而常用的模型之一，R-CNN(Regions with Convolutional Neural Network Features)是基于深度学习的物体检测领域中一种经典算法，Alexnet网络模型是2012年以来最成功的卷积神经网络模型之一，其在公开的PASCOL_VOC数据集上取得了优异的检测效果。Alexnet中包含一些既新鲜而又不同寻常的特征，它们提高了网络的性能，并减少了网络的训练时间。Alexnet网络包含五个卷积层和三个全连接层(见附图2)。

发明内容

本发明的目的是针对现有视频监控系统在国土资源监测中的应用，提供一种基于快速R-CNN物体识别的方法，用于国土资源视频监控系统中早期发现特定的违章建筑，从而达到及时预警的效果。

本发明所采用的技术方案是：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。

相对于现有技术，本发明的技术效果是：

1.相比于传统的网络视频监控，本发明可以有效的降低网络流量所带来的费用。同时本发明实现了自动化、智能化的违章建筑预警，可实现大范围监控的无人值守；

2.本发明对回传的图片做了去雾化的处理，可以有效的增加识别的准确率。

附图说明

图1为本发明实施例的应用系统架构模型；

图2为本发明实施例中Alexnet网络架构模型；

图3为本发明的流程图。

具体实施方式

为了便于本领域普通技术人员理解和实施本发明，下面结合附图及实施例对本发明作进一步的详细描述，应当理解，此处所描述的实施示例仅用于说明和解释本发明，并不用于限定本发明。

本发明为针对国土视频监测系统，采用特定的图像采集策略获取相应的图片集以后，再基于快速R-CNN训练出违章建筑模型，对各个监控点做建筑识别，若连续一段时间该地区无建筑而当前照片识别出建筑，则判定该建筑为违章建筑。