一种根据图像数据确定目标对象受损程度的方法及系统技术方案

本发明专利技术公开了一种根据图像数据确定目标对象受损程度的方法及系统，其中方法包括：生成基于图像数据确定目标对象受损程度的识别参数，并基于识别参数提取待识别的图像数据的图像待识别特征；将图像待识别特征与特征库中每个类别中的所有图像特征进行匹配，当图像待识别特征与特征库中预设类别的所有图像特征中的任意图像特征的匹配程度大于或等于匹配阈值时，将待识别的图像数据确定为预设类别的图像数据；根据预设类别的受损识别规则在待识别的图像数据中确定目标对象的受损区域；以及确定目标对象的受损区域的损伤特征，并将损伤特征与预先设定的受损程度级别中每个受损程度特征进行匹配，以确定目标对象的受损区域的受损程度。

【技术实现步骤摘要】
一种根据图像数据确定目标对象受损程度的方法及系统
本专利技术涉及图像数据应用
，更具体地，涉及一种根据图像数据确定目标对象受损程度的方法及系统。
技术介绍
卷积神经网络目前应用最广泛的深度神经网络结构，VGG是OxfordVisualGeometryGroup在2014年提出的一系列卷积神经网络模型，特点是采用堆积3x3小卷积核代替传统AlexNet卷积网络中较大卷积核(11x11，7x7，5x5)，在相同感受野的条件下提升了网络的深度，从而能学习到更复杂的模式。VGG神经网络模型在人脸识别和图像分类等领域都有所应用。传统图片分类一般需要经过底层特征抽取、特征编码、分类器设计三个过程，而基于深度学习的图像分类方法可以通过学习层次化的特征表示，代替传统图片分类中手工设计或选择图像特征，大幅度提高对复杂的自然场景图片分类的准确率。基于深度学习的图片分类在移动互联网领域具有广泛应用，但多以同种类型的物体辨识为主。基于国家统计局批准、民政部和国家减灾委办公室制定的《特别重大自然灾害损失统计制度》规范的房屋损坏的图片识别和分级目前没有相关报道。规范相关内容如下：1)倒塌房屋:指因灾导致房屋整体结构塌落，或承重构件多数倾倒或严重损坏，必须进行重建的房屋数量。以具有完整、独立承重结构的一户房屋整体为基本判定单元(一般含多间房屋),以自然间为计算单位；因灾遭受严重损坏，无法修复的牧区帐篷，每顶按3间计算。2)严重损坏房屋:指因灾导致房屋多数承重构件严重破坏或部分倒塌，需采取排险措施、大修或局部拆除、无维修价值的房屋数量。3)一般损坏房屋:指因灾导致房屋多数承重构件轻微裂缝，部分明显裂缝；个别非承重构件严重破坏；需一般修理，采取安全措施后可继续使用的房屋间数。房屋承重结构主要包括以下类型：①钢筋混凝土结构:梁、板、柱。②砖混结构:竖向承重结构包括承重墙、柱；水平承重构件包括楼板、大梁、过梁、屋面板或木屋架。③砖木结构:竖向承重结构包括承重墙、柱；水平承重构件包括楼板、屋架(木结构)。④其他结构：包括土木结构(土墙、木屋架)、木结构(柱、梁、屋架(均为木结构))、石砌结构(石砌墙体、屋盖(木结构或板))。规范中统计的房屋特指农村地区的各行业、系统的职工住宅用房以及在建农村居民住宅用房。不含独立的厨房、牲畜棚等辅助用房，活动房、工棚、简易房和临时用房。现有技术目标检测的传统算法有：Haar/LBP/积分HOG/ACF特征+Adaboost级联分类器、HoG+SVM、Discriminativelytraineddeformablepartmodels(DPM)、模板匹配等。近年来利用深度学习实现的目标检测主流算法分为两个类型：两阶段方法和一阶段方法。SSD(SingleShotDetector)是一种一阶段方法，主要思路是均匀地在图片的不同位置进行密集抽样，抽样时可以采用不同尺度和长宽比，然后利用CNN提取特征后直接进行分类与回归。SSD300模型是SSD方法的一个实现，输入图片的分辨率为300*300。目前针对住房单独进行检测的SSD300实现较少。目标检测的结果表示：结果包含目标的类别信息以及位置信息。类别用自然数做标记；位置用目标区域的外接矩形框的中心点坐标以及宽、高来表示。现有技术对自然场景识别存在难度，目前的深度学习图片识别应用大多是基于公开数据集，或基于特定场景、特定样本的识别。自然场景图片识别因图片中可能包含的物体类型以及图片本身的光照、尺寸大小、分辨率、拍摄角度等可变因素较多，识别存在一定难度。并且通过人工审核图片效率低，现有技术的民政减灾系统统计的用户上传的图片一般是人工进行审核，或者仅仅作为其他填报数据的参考，未有真正利用。且如果利用人工进行审核，考虑到主观判断因素差异、审核效率差异等因素，成本较高。因此，需要一种技术，基于卷积神经网络确定目标对象受损程序。
技术实现思路
本专利技术技术方案提供一种根据图像数据确定目标对象受损程度的方法及系统，以解决如何根据图像数据对目标对象受损程序进行确认的问题。为了解决上述问题，本专利技术提供了一种根据图像数据确定目标对象受损程度的方法，所述方法包括：生成基于图像数据确定目标对象受损程度的识别参数，并基于所述识别参数提取待识别的图像数据的图像待识别特征；将所述图像待识别特征与特征库中每个类别中的所有图像特征进行匹配，当所述图像待识别特征与所述特征库中预设类别的所有图像特征中的任意图像特征的匹配程度大于或等于匹配阈值时，将所述待识别的图像数据确定为预设类别的图像数据；根据预设类别的受损识别规则在所述待识别的图像数据中确定目标对象的受损区域；以及确定目标对象的受损区域的损伤特征，并将损伤特征与预先设定的受损程度级别中每个受损程度特征进行匹配，以确定目标对象的受损区域的受损程度。优选地，在基于所述识别参数提取待识别的图像数据的图像待识别特征之前还包括；通过识别模型提取多个图像数据中每个图像数据的图像特征，建立包括所述多个图像数据的所有图像特征的特征库。优选地，当所述图像待识别特征与所述特征库中的所有图像特征的匹配程度小于预设阈值时，将所述待识别的图像数据确定为无关类别的图像数据。优选地，所述生成基于图像数据确定目标对象受损程度的识别参数，并基于所述识别参数提取待识别的图像数据的图像待识别特征之前，还包括：基于预先设定的目录结构，将原始图像数据保存到特定目录所对应的存储位置；对原始图像数据进行签名，通过对原始图像数据的签名进行对比来确定重复的原始图像数据，对重复的原始图像数据进行去重处理以保留单个原始图像数据；对单个图像数据进行格式验证，以确定单个图像数据是否损坏或信息不完整。优选地，还包括：如果所述单个图像数据损坏或所述单个图像数据信息不完整，则去除所述单个图像数据；如果所述单个图像数据未损坏并且所述单个图像数据信息完整，则将所述单个图像存储于所述预先设定的目录。优选地，所述受损程度级别包括：倒塌、严重损坏、一般损坏或正常。基于本专利技术的另一方面，提供一种生成基于图像数据确定目标对象受损程度的识别参数的方法，所述方法包括：根据目标对象的标识符确定与目标对象相关联的数据文件，并提取数据文件中的图像数据；选取所述图像数据中的基础图像数据并基于基础图像数据确定基准识别参数，通过所述图像数据中的训练图像数据对所述基准识别参数进行训练，以根据基准识别参数的输出结果对所述基准识别参数进行调整，从而生成待测试的识别参数；并按预设规则对所述输出结果进行调整，将经过调整的输出结果做为输入数据，对所述待测试的识别参数进行循环训练，直到获取所述待测试的识别参数的输出结果达到稳态状态；当达到稳态状态的输出结果符合预设要求时，停止对所述待测试的识别参数的训练，将所述待测试的识别参数作为基于图像数据确定目标对象受损程度的识别参数。优选地，其中所述训练包括检测所述训练图本文档来自技高网...

【技术保护点】
1.一种根据图像数据确定目标对象受损程度的方法，所述方法包括：/n生成基于图像数据确定目标对象受损程度的识别参数，并基于所述识别参数提取待识别的图像数据的图像待识别特征；/n将所述图像待识别特征与特征库中每个类别中的所有图像特征进行匹配，当所述图像待识别特征与所述特征库中预设类别的所有图像特征中的任意图像特征的匹配程度大于或等于匹配阈值时，将所述待识别的图像数据确定为预设类别的图像数据；/n根据预设类别的受损识别规则在所述待识别的图像数据中确定目标对象的受损区域；以及/n确定目标对象的受损区域的损伤特征，并将损伤特征与预先设定的受损程度级别中每个受损程度特征进行匹配，以确定目标对象的受损区域的受损程度。/n

【技术特征摘要】
1.一种根据图像数据确定目标对象受损程度的方法，所述方法包括：
生成基于图像数据确定目标对象受损程度的识别参数，并基于所述识别参数提取待识别的图像数据的图像待识别特征；
将所述图像待识别特征与特征库中每个类别中的所有图像特征进行匹配，当所述图像待识别特征与所述特征库中预设类别的所有图像特征中的任意图像特征的匹配程度大于或等于匹配阈值时，将所述待识别的图像数据确定为预设类别的图像数据；
根据预设类别的受损识别规则在所述待识别的图像数据中确定目标对象的受损区域；以及
确定目标对象的受损区域的损伤特征，并将损伤特征与预先设定的受损程度级别中每个受损程度特征进行匹配，以确定目标对象的受损区域的受损程度。


2.根据权利要求1所述的方法，在基于所述识别参数提取待识别的图像数据的图像待识别特征之前还包括；通过识别模型提取多个图像数据中每个图像数据的图像特征，建立包括所述多个图像数据的所有图像特征的特征库。


3.根据权利要求1所述的方法，当所述图像待识别特征与所述特征库中的所有图像特征的匹配程度小于预设阈值时，将所述待识别的图像数据确定为无关类别的图像数据。


4.根据权利要求1所述的方法，所述生成基于图像数据确定目标对象受损程度的识别参数，并基于所述识别参数提取待识别的图像数据的图像待识别特征之前，还包括：
基于预先设定的目录结构，将原始图像数据保存到特定目录所对应的存储位置；
对原始图像数据进行签名，通过对原始图像数据的签名进行对比来确定重复的原始图像数据，对重复的原始图像数据进行去重处理以保留单个原始图像数据；
对单个图像数据进行格式验证，以确定单个图像数据是否损坏或信息不完整。


5.根据权利要求4所述的方法，还包括：
如果所述单个图像数据损坏或所述单个图像数据信息不完整，则去除所述单个图像数据；
如果所述单个图像数据未损坏并且所述单个图像数据信息完整，则将所述单个图像存储于所述预先设定的目录。


6.根据权利要求1所述的方法，所述受损程度级别包括：
倒塌、严重损坏、一般损坏或正常。


7.一种生成基于图像数据确定目标对象受损程度的识别参数的方法，所述方法包括：
根据目标对象的标识符确定与目标对象相关联的数据文件，并提取数据文件中的图像数据；
选取所述图像数据中的基础图像数据并基于基础图像数据确定基准识别参数，通过所述图像数据中的训练图像数据对所述基准识别参数进行训练，以根据基准识别参数的输出结果对所述基准识别参数进行调整，从而生成待测试的识别参数；
并按预设规则对所述输出结果进行调整，将经过调整的输出结果做为输入数据，对所述待测试的识别参数进行循环训练，直到获取所述待测试的识别参数的输出结果达到稳态状态；
当达到稳态状态的输出结果符合预设要求时，停止对所述待测试的识别参数的训练，将所述待测试的识别参数作为基于图像数据确定目标对象受损程度的识别参数。


8.根据权利要求7所述的方法，其中所述训练包括检测所述训练图像数据中是否包括目标对象。


9.根据权利要求7所述的方法，所述根据目标对象的标识符确定与目标对象相关联的数据文件，并提取数据文件中的图像数据之前还包括：
基于预先设定的目录结构，将原始图像数据保存到特定目录所对应的存储位置；
对原始图像数据进行签名，通过对原始图像数据的签名进行对比来确定重复的原始图像数据，对重复的原始图像数据进行去重处理以保留单个原始图像数据；
对单个图像数据进行格式验证，以确定单个图像数据是否损坏或信息不完整。


10.根据权利要求9所述的方法，还包括：
如果所述单个图像数据损坏或所述单个图像数据信息不完整，则去除所述单个图像数据；
如果所述单个图像数据未损坏并且所述单个图像数据信息完整，则将所述单个图像存储于所述预先设定的目录。


11.根据权利要求7所述的方法，所述选取所述图像数据中的基础图像数据，还包括：
通过非极大值抑制方法选取图像数据中的基础图像数据。

【专利技术属性】
技术研发人员：吕明，张弛，汪君楚，熊兴玉，
申请(专利权)人：北京方位捷讯科技有限公司，
类型：发明
国别省市：北京;11