【技术实现步骤摘要】
一种村庄无人居住院落智能识别方法及系统
[0001]本专利技术涉及村庄院落识别分类
，基于无人机航拍高精度影像和机器学习领域相关技术，具体涉及一种村庄无人居住院落智能识别方法及系统。
技术介绍
[0002]伴随着中国城镇化的持续推进，村庄农户举家外迁，或者部分劳动力外迁，村庄院落的空置乃至废弃愈专利技术显，成为中国重要的土地利用矛盾之一，制约着村庄土地的高效、集约利用。提出可行、通用的、友好的村庄闲置、废弃院落的快速识别技术分析框架，可以助力决策者在无先验知识的前提下，及时智能地识别村庄现存院落的闲置、废弃类别、规模与区位，科学判定村庄空心化水平，能够极大降低实地调查的成本，为决策者集中有限资源，对闲置、废弃院落集中地区的整治干预定制政策实施提供科学支撑。
[0003]既有村庄空心化研究，绝大多数以村庄为分析单元，借助实地调查获取核心数据，或者借用夜间灯光遥感数据，评价村庄空心化程度。实地调查获取数据时间成本、人力成本、财力成本高，难以适用于大尺度的分析；夜间灯光遥感数据，虽然易获取，但数据精度决定了其分析单元...
【技术保护点】
【技术特征摘要】
1.一种村庄无人居住院落智能识别方法，其特征在于，包括如下步骤：获取村庄院落影像数据；提取所述村庄院落影像数据的院落影像特征，基于深度学习对所述院落影像特征进行场景理解，实现识别所述院落影像特征；根据识别的院落影像特征，利用多种算法分别预测村庄院落无人居住识别结果，得到多个村庄院落无人居住预测识别结果；基于所述多个村庄院落无人居住预测识别结果建立多数投票算法，结合村庄院落建成环境实地审计结果，准确识别村庄无人居住院落。2.根据权利要求1所述的村庄无人居住院落智能识别方法，其特征在于，所述获取村庄院落影像数据，包括：收集并整理村庄院落建成环境实地审计结果；收集并整理村庄院落无人机低空高精度遥感影像；以所述村庄院落无人机低空高精度遥感影像作为工作底图，将所述村庄院落建成环境实地审计结果与所述工作底图进行匹配完成数据校核，得到村庄院落影像数据。3.根据权利要求2所述的村庄无人居住院落智能识别方法，其特征在于，所述收集并整理村庄院落建成环境实地审计结果，包括：以村庄院落为研究分析的空间单元，进行村庄院落建成环境实地审计。4.根据权利要求3所述的村庄无人居住院落智能识别方法，其特征在于，所述以村庄院落为研究分析的空间单元，进行村庄院落建成环境实地审计，包括：对村庄院落物质空间环境要素及其组合类型进行实地调查、现场评估，判别村庄院落是否无人居住。5.根据权利要求2所述的村庄无人居住院落智能识别方法，其特征在于，所述收集并整理村庄院落无人机低空高精度遥感影像，包括:以村庄院落为研究分析的空间单元，采用低空无人机航拍获得村庄院落无人机低空高精度遥感影像。6.根据权利要求5所述的村庄无人居住院落智能识别方法，其特征在于，所述以村庄院落为研究分析的空间单元，采用低空无人机航拍获得村庄院落无人机低空高精度遥感影像，包括：根据无人机航拍获得村庄高精度影像，借助PTGUI软件，创建村庄的全景高精度影像，并以院落为单元，将村庄的全景高精度影像按照院落进行切分。7.根据权利要求1所述的村庄无人居住院落智能识别方法，其特征在于，所述提取所述村庄院落影像数据的院落影像特征，包括：对所述村庄院落影像数据进行村庄院落建成环境虚拟审计，提取不同类型院落的影像特征；所述村庄院落建成环境虚拟审计，包括：以所述村庄院落影像数据为对象，对村庄院落内多个物质空间环境要素及其组合类型进行审计。8.根据权利要求1所述的村庄无人居住院落智能识别方法，其特征在于，所述基于深度学习对所述院落影像特征进行场景理解，实现识别所述院落影像特征，包括：
按院落影像特征，采用深度学习将院落理解为多个目标地物构成的整体，目标地物指院落内能够表征有无人居住的典型地物，典型地物包括丛生杂草、灌丛、太阳能热水器和空调外挂机；根据目标地物进行院落绿视率计算、典型地物的智能识别。9.根据权利要求8所述的村庄无人居住院落智能识别方法，其特征在于，所述院落绿视率计算，包括：借助SemanticSegmentation_v1.0软件，对村庄院落内树、草以及其他植物进行场景理解，计算村庄院落内树、草以及其他植物的像素点占院落像素点的比重，具体采用如下公式：Green Looking Ratio＝ID5+ID
10
+ID
18
ꢀꢀꢀ
(1)；其中，Green Looking Ratio表示院落的绿视率，ID5表示树像素点在院落内的比重,ID
10
表示草像素点在院落内的比重；ID
18
...
【专利技术属性】
技术研发人员：王茂军，刘涛，曹广忠，徐文禹，陈韵凌，
申请(专利权)人：北京大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。