一种基于新旧时相变化发现的违章建筑自动识别的方法技术

本发明专利技术公开了一种基于新旧时相变化发现的违章建筑自动识别的方法，包括如下步骤：将采集到的大量视频信息经过跳帧处理，通过高斯混合模型得到新旧时相背景图像；对其设定灰度阈值，剔除雾天视频信息；配准新旧时相背景图片以获得差值图片，进行形态学的去噪处理得到新时相图像的多个变化区域，分析各变化区域的纹理确定是否存在违章建筑物空间结构特征，得到疑似违章建筑变化；检测挖掘机，排除常见运动物体停留造成的误判，并以此为先验知识进一步筛选建筑物；本发明专利技术解决了视频监控自动发现违章建筑过程中，违章建筑与合法建筑区分的困难，并去除了新旧时相背景图片差值后产生的各种干扰因素，大大提高了违章建筑的识别率和检测结果的鲁棒性。

A method of automatic identification of illegal buildings based on new and old phase change detection

The invention discloses an automatic recognition method based on the change of the old and new phase, which includes the following steps: a large amount of video information is processed to get the background image of the new and old time phase through the Gauss mixed model; the gray threshold is set and the video information is removed and the new and old phase is registered. In order to obtain the difference picture, the morphological denoising process is used to obtain the multiple change regions of the new phase image. Using this as a prior knowledge to further screen the building, the invention solves the difficulty of distinguishing the illegal building from the legal building in the process of automatic discovery of illegal buildings by video surveillance, and removes all kinds of interference factors resulting from the background picture difference between the old and the new time and the old. It greatly improves the recognition rate and the robustness of the detection results. Sex.

【技术实现步骤摘要】
一种基于新旧时相变化发现的违章建筑自动识别的方法
本专利技术涉及图像识别方法，尤其涉及一种基于新旧时相变化发现的违章建筑自动识别的方法。
技术介绍
当今社会，土地是人类赖以生存和发展的宝贵自然资源，土地的持续利用是人类社会持续发展的基石。在人口日益膨胀的今天，尤其是在我国，土地承受着巨大的压力，人地关系日趋紧张。而违章建筑建、土地违法使用等现象造作为占用土地的一大因素已十分严重，因此我们急需高效准确的找到违章建筑的可疑变化区域，识别违章建筑。而识别违章建筑过程中极易受复杂现实场景干扰，并难以区分违章建筑和当地合法的建筑。因此提高违章建筑物识别准确率减少误报率，保证检测结果的鲁棒性显得十分重要。违章建筑和合法建筑的区分和对复杂现实场景的干扰因素的去除是解决此问题的关键。在违章建筑识别过程中，无论是视频信息还是图片信息都可能同时存在违章建筑和合法建筑。直接检测违章建筑的同时极可能将只存在违章建筑的图片报警。造成违章建筑检测的误判。在现实情境中，自动发现违章建筑变化会受到很多因素的干扰，在检测变化的过程中，树叶的抖动，水面的波动，烟雾云朵的运动，都会被检测出来，影响违章建筑识别，造成违章建筑识别的误判。同时由于现实场景中停留的车辆、静止的物体，会使前背景分离时前景误判为背景，影响违章建筑识别的准确率。针对于上述问题，结合建筑物纹理结构区别于自然物体在形态特征上的特点，对于准确高效判定图像中是否含有建筑物的技术的需求日益凸显。
技术实现思路
专利技术目的：本专利技术的目的是提供一种基于新旧时相变化发现的违章建筑自动识别的方法，以弥补视频监控自动发现违章建筑过程中，直接对新时相视频进行识别时违章建筑与视频中本身就存在的建筑区分的困难，去除自然场景中天气变化、树叶抖动、反光阴影和人为停留的自行车轿车等干扰因素，显著提高了违章建筑的识别率、减少了误报率，并大幅度提高了检测结果的鲁棒性。技术方案：一种基于新旧时相变化发现的违章建筑自动识别的方法，包括如下步骤：(1)将采集到的大量视频信息，通过跳N帧处理得到图像信息(N建议取5-10)；用EM算法改进的GMM模型对图像进行处理得到不同时段背景模型，即新旧时相背景图像，存入背景库中；(2)使用SIFT(Scale-invariantfeaturetransform)算法，对新旧时相背景图片进行配准，去除摄像机抖动晃动等造成的影响；将得到的配准图像进行修复，以去除配准过程中在边界处造成的黑块，为步骤(3)提供稳定有效的背景图片；(3)利用背景图像设定灰度阈值T，当两幅背景图像中对应像素灰度差值在阈值范围内(＜T)，则认为不是阴天雨雪等天气，保留该背景信息并更新到场景中的变化区域图中；反之，则认为该天视频信息属于天气变化范围，剔除该天视频信息；(4)提取步骤(2)中得到的配准后的新旧时相背景图片；将得到的图像进行形态学预处理，以消除不同时相光照对背景图片的影响；再做差值，得到带有噪声的黑白背景差异图像；所述预处理包括直方图均衡化、灰度化和二值化。(5)用sobel算子对步骤(3)中得到的差值图像进行边缘检测，计算对应的形状算子，去除图像中阴影区域；以消除局部反光和阴影的影响；进行形态学后处理，消除复杂现实场景中，树叶抖动、水波晃动等常见的干扰因素，所述形态学后处理包括小面积删除、连通域检测和设定面积最小阈值S；进行纹理识别，设定纹理的粗细范围；去除离摄像机较近物体对实验结果的影响，并使摄像头被遮挡时发起报警；对变化区域进行建筑物结构检测。(6)对视频信息做机械检测，发现大型机械如挖掘机铲车时则进行违章搭建报警，并对步骤(5)中形态学处理后的图片帧做小型车辆的检测，通过训练常见的交通工具如自行车轿车等，建立运动前景模型库，去除这些常见的模型停留造成的影响，得到高鲁棒性的可疑建筑物。(7)计算步骤(5)中的运动前景库里的车辆行人的位置和大小，将之与检测出的疑似违章建筑区域的位置和大小进行比较，去除不符合客观规律的变化，得到高鲁棒性的违章建筑物识别。具体的，所述步骤(5)具体包括：(5.1)用Sobel算子对步骤S4中得到的差值图像进行边缘检测；(5.2)遍历图像中每个轮廓计算得到轮廓的面积周长及轮廓面积周长比等形状算子；由于圆的面积周长比最大，线段最小，矩阵排中间；输入图片的长度rows和宽度cols；保留轮廓面积S大于阈值rows*cols/500的轮廓以去除较小的噪声轮廓；通过长宽比L、面积周长比C的阈值，去除因抖动等因素产生的线段，得到去噪后的差值图像；(5.3)进行纹理识别，粗纹理对应目标物体离摄像头较近，细纹理则较远；经实验设定纹理的粗细范围W,纹理轮廓面积大于W，则去除离摄像机较近物体对实验结果的影响，即摄像头被遮挡时发起报警，并丢弃此视频信息；(5.4)对得到的可疑变化区域带入新时相背景图片进行建筑物结构特征识别，LSD算法进行直线检测和筛选并按不同角度进行分类，若0°、90°和180°领域同时达到峰值，寻找相互约束的垂直和水平线组；存在则视作该变化区域内有疑似建筑物。所述步骤(6)具体包括：(6.1)采集正样本负样本，分别训练部件模型，所述训练部件模型包括挖掘车、铲车、自行车和轿车；(6.2)对视频信息进行抽帧，用DPM算法进行基于部件模型的大型机械检测，检测是否存在大型机械，如铲车挖掘机，如存在则报警。(6.3)对步骤(5)中得到的形态学处理后的图片进行部件检测，检测旧时相中是否存在自行车轿车等常见交通工具，如存在则视为车辆停留造成的变化去除相应的可疑建筑物变化区域。所述步骤(7)具体包括：(7.1)用Faster-R-CNN算法在背景图片中标出车辆行人；(7.2)计算可疑建筑物变化区域和车辆行人区域所在的位置和区域大小，并对其分块，相近位置的可疑建筑物变化区域和车辆行人区域归为一块；(7.3)用LSD算法检测同块可疑建筑物变化区域和车辆行人区域中的直线；(7.4)用DP简化线算法对曲线进行精简和修正，得到若干条直线计算各自最长直线的长度，若同块建筑区域中直线L1与车辆直线L2的比为5以上，且与行人L3比为10以上则判为建筑物；反之，过滤掉此可疑建筑物。有益效果本法具有如下显著进步：1、通过引入复杂情景的违章建筑可疑变化区域提取，更好利用地新旧时相背景变化信息，提高检测结果鲁棒性和实时性；2、在违章建筑检测中，去除了由环境干扰引起的各种噪声，和自然场景中天气反光阴影和人为停留的自行车轿车等干扰因素；3、更好地表述空间轮廓关系，避免直接对新时相视频进行识别时违章建筑与视频中本身就存在的建筑区分的困难；显著提高了违章建筑的识别率、减少了误报率，并大幅度提高了检测结果的鲁棒性。附图说明图1是本专利技术的违章建筑可疑变化区域提取方法的整体框图；图2是本专利技术的进行背景图像配准时的整体框图；图3是本专利技术的自然场景去噪算法的整体图；图4是本专利技术的DPM检测的整体框图；图5是本专利技术的车辆行人作为运动前景库判别建筑物的整体框图。具体实施方式下面结合附图和具体实施方式对本专利技术的技术方案作进一步说明。如图1所示，一种基于新旧时相变化发现的违章建筑自动识别的方法，包括如下步骤：S1、将采集到的大量视频信息，通过跳帧处理得到一定量的图像信息。用EM算法改进的GMM模型对图像进行处理得到不同时本文档来自技高网...

【技术保护点】
一种基于新旧时相变化发现的违章建筑自动识别的方法，其特征在于，包括如下步骤：(1)将采集到的大量视频信息，通过跳N帧处理得到图像信息；用EM算法改进的GMM模型对图像进行处理得到不同时段背景模型，即新旧时相背景图像，存入背景库中；所述N取5‑10；(2)使用SIFT算法，对新旧时相背景图片进行配准，去除摄像机抖动晃动造成的影响；将得到的配准图像进行修复，以去除配准过程中在边界处造成的黑块，为步骤(3)提供稳定有效的背景图片；(3)利用背景图像设定灰度阈值T，当两幅背景图像中对应像素灰度差值在阈值范围内，则认为不是阴天雨雪天气，保留该背景信息并更新到场景中的变化区域图中；反之，则认为该天视频信息属于天气变化范围，剔除该天视频信息；(4)提取步骤(2)中得到的配准后的新旧时相背景图片；将得到的图像进行形态学预处理；再做差值，得到带有噪声的黑白背景差异图像；(5)用sobel算子对步骤(3)中得到的差值图像进行边缘检测，计算对应的形状算子，去除图像中阴影区域；进行形态学后处理，消除复杂现实场景中，树叶抖动、水波晃动、烟雾这些常见的干扰因素；进行纹理识别，设定纹理的粗细范围；去除离摄像机较近物体对实验结果的影响，并使摄像头被遮挡时发起报警；对变化区域进行建筑物结构检测。(6)对视频信息做机械检测，发现大型机械则进行违章搭建报警，并对步骤(5)中形态学处理后的图片帧做小型车辆的检测，通过训练常见的交通工具，建立运动前景模型库，去除这些常见的模型停留造成的影响，得到高鲁棒性的可疑建筑物。(7)计算步骤(5)中的运动前景库里的车辆行人的位置和大小，将之与检测出的疑似违章建筑区域的位置和大小进行比较，去除不符合客观规律的变化，得到高鲁棒性的违章建筑物识别。...

【技术特征摘要】
1.一种基于新旧时相变化发现的违章建筑自动识别的方法，其特征在于，包括如下步骤：(1)将采集到的大量视频信息，通过跳N帧处理得到图像信息；用EM算法改进的GMM模型对图像进行处理得到不同时段背景模型，即新旧时相背景图像，存入背景库中；所述N取5-10；(2)使用SIFT算法，对新旧时相背景图片进行配准，去除摄像机抖动晃动造成的影响；将得到的配准图像进行修复，以去除配准过程中在边界处造成的黑块，为步骤(3)提供稳定有效的背景图片；(3)利用背景图像设定灰度阈值T，当两幅背景图像中对应像素灰度差值在阈值范围内，则认为不是阴天雨雪天气，保留该背景信息并更新到场景中的变化区域图中；反之，则认为该天视频信息属于天气变化范围，剔除该天视频信息；(4)提取步骤(2)中得到的配准后的新旧时相背景图片；将得到的图像进行形态学预处理；再做差值，得到带有噪声的黑白背景差异图像；(5)用sobel算子对步骤(3)中得到的差值图像进行边缘检测，计算对应的形状算子，去除图像中阴影区域；进行形态学后处理，消除复杂现实场景中，树叶抖动、水波晃动、烟雾这些常见的干扰因素；进行纹理识别，设定纹理的粗细范围；去除离摄像机较近物体对实验结果的影响，并使摄像头被遮挡时发起报警；对变化区域进行建筑物结构检测。(6)对视频信息做机械检测，发现大型机械则进行违章搭建报警，并对步骤(5)中形态学处理后的图片帧做小型车辆的检测，通过训练常见的交通工具，建立运动前景模型库，去除这些常见的模型停留造成的影响，得到高鲁棒性的可疑建筑物。(7)计算步骤(5)中的运动前景库里的车辆行人的位置和大小，将之与检测出的疑似违章建筑区域的位置和大小进行比较，去除不符合客观规律的变化，得到高鲁棒性的违章建筑物识别。2.根据权利要求1所述的基于新旧时相变化发现的违章建筑自动识别的方法，其特征在于，所述步骤(5)具体包括：(5.1)用Sobel算子对步骤S4中得到的差值图像进行边缘检测；(5.2)遍历图像中每个轮廓计算得到轮廓的面积周长及轮廓面积周长比等形状算子；由于圆的面积周长比最大，线段最小，矩阵排中间；输入图片的长度rows和宽度cols；保留轮廓面积S大于阈值rows*cols/500的轮廓以去除较...

【专利技术属性】
技术研发人员：张小国，王宇，邵俊杰，叶绯，王慧青，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏,32