本发明专利技术属于小区基站规划技术领域，具体公开了基于图像识别的居民小区建站规划价值判断方法与装置，包括收集同一个待规划价值评估的居民小区的两组照片，第一组照片为白天拍摄的照片，第二组照片为夜幕降临后拍摄的照片；使用图像识别模型对第一组照片进行图像识别，识别出第一组照片中窗户数量；使用图像处理模型对第二组照片进行图像识别和处理，识别出第二组照片中亮灯窗户数量；根据窗户数量、亮灯窗户数量和小区户数，计算得出基站规划价值系数。利用图像识别及图像处理技术对居民小区的图像进行挖掘及分析，并基于计算出的亮灯率，从而能科学地获取该居民小区的实际的入住比例，为居民小区的通信基站规划与否提供数据支撑。撑。撑。
【技术实现步骤摘要】
基于图像识别的居民小区建站规划价值判断方法与装置
[0001]本专利技术属于小区基站规划
，尤其涉及一种基于图像识别的居民小区建站规划价值判断方法与装置。
技术介绍
[0002]图像识别，是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术。现阶段图像识别技术一般分为人脸识别与物品识别，人脸识别主要运用在安全检查、身份核验与移动支付中；物品识别主要运用在商品流通过程中，特别是无人货架、智能零售柜等无人零售领域。
[0003]近年来，随着城市开发的逐步扩大，城市化率明显提升，居民小区的数量显著增加，这对居民区站点的规划建设提出了更高的要求。在降本增效的前提下，合理规划有限的基站资源，能够减少不必要的硬件资源投放，从而降低硬件设备、建设及运维成本，同时能够合理的将资源投放至具有安装价值的位置，而增加效益。
[0004]现有的技术方案以居民小区的业主户数作为基站规划价值的评价依据，小区容纳的业主户数越多则其规划价值越大。现有的技术方案虽能够表征居民小区的规划价值，但存在着明显的弊端，首先，小区规模大并不代表实际住户多，实际上部分居民小区楼盘存在着较严重的空置情况，如果针对这种居民小区进行基站规划建设则会造成资源的浪费；其次，现有技术方案所输出的居民小区的基站规划价值是静止不变的，但实际上该价值应该随其实际居民数的动态变化而变化。
技术实现思路
[0005]本专利技术的目的在于提供一种基于图像识别的居民小区建站规划价值判断方法与装置，以解决现有技术以居民小区业主户数作为基站规划价值的评价依据，导致评价结果不准确、不科学的问题。
[0006]为了达到上述目的，本专利技术的一种技术方案为：基于图像识别的居民小区建站规划价值判断方法，包括
[0007]收集分析数据资料：收集同一个待规划价值评估的居民小区相同位置、相同拍摄角度的两组照片，分别为第一组照片和第二组照，第一组照片为白天拍摄的照片，第二组照片为夜幕降临后拍摄的照片；
[0008]识别和处理图像：使用图像识别模型对第一组照片进行图像识别，识别出第一组照片中窗户数量；使用图像处理模型对第二组照片进行图像识别和处理，识别出第二组照片中亮灯窗户数量；
[0009]判断基站规划价值：根据窗户数量、亮灯窗户数量和小区户数，计算得出基站规划价值系数。
[0010]进一步，还包括输出规划价值结果：根据规划价值系数判断并输出该居民小区是否符合规划新建通信基站的先决条件。
[0011]进一步，在收集分析数据资料之前，对图像识别模型进行训练，具体步骤为：
[0012]收集窗图片训练数据：收集若干个居民小区窗户图片；
[0013]生成窗词汇库：利用SIFT算法，从每个居民小区窗户照片中提取视觉词汇，将所有的视觉词汇集合在一起；再利用K
‑
Means算法构造窗词汇库；
[0014]训练支持向量机模型：具体为：
[0015]①
生成模型正样本：将生成的窗词汇库进行映射，从每个居民小区窗户照片中提取若干个特征点，映射至窗词汇库的K维向量上，每个维度的数值为该视觉词汇出现在该居民小区窗户照片特征点的次数，将该居民小区窗户照片所有特征点分别出现的次数作为支持向量机模型的输入特征，该样本为正样本；
[0016]②
生成模型负样本：将与居民小区窗户照片数量相同、尺寸相同的非居民窗户照片进行输入特征提取，该样本为负样本；
[0017]③
设置支持向量机模型的参数；
[0018]④
训练支持向量机模型：将正样本和负样本输入支持向量机模型中进行建模训练。
[0019]进一步，使用图像识别模型对第一组照片进行图像识别，识别出第一组照片中窗户数量，具体为：
[0020]滑动窗口图片获取：利用滑动窗口的方法对第一组照片进行划分，设窗口的长为x，宽为y，窗口每次滑动的步长为s，当横轴方向滑动到边界后，窗口往纵轴方向滑动s，重复上述步骤，直到窗口无法滑动；
[0021]窗词汇库映射：将滑动窗口图片基于窗词汇库进行映射，生成K维数据，将此作为支持向量机模型的输入特征；
[0022]支持向量机模型识别：将生成的输入特征输入至训练好的支持向量机模型，获得各个滑动窗口图片的识别结果；
[0023]重复识别窗户剔除：利用非极大值抑制找到最佳的目标边界窗口，消除冗余的窗口；
[0024]居民小区第一组照片窗户计数：对剩下的图像进行识别并计数，即可获得居民小区第一组照片的窗户数量。
[0025]进一步，使用图像处理模型对第二组照片进行图像识别和处理，识别出第二组照片中亮灯窗户数量，图像处理模型的识别和处理过程具体为：
[0026]转化为灰度图：将第一组照片转化为黑白图片，形成灰度图；
[0027]阈值分割：将像素点灰度值大于u的值均设置为255，将小于等于u的值均设置为0；
[0028]图像去噪声：对灰度图进行中值滤波器去噪和形态学噪声滤除器去噪；
[0029]轮廓检测与计数：对去噪后的灰度图中的轮廓进行监测，并计算轮廓面积，仅计数轮廓面积大于v的轮廓数，即为亮灯窗户数量。
[0030]进一步，判断基站规划价值：根据窗户数量、亮灯窗户数量和小区户数，计算得出基站规划价值系数，具体为：窗户数量为p，亮灯窗户数量为q，小区户数为m，亮灯率d＝q/p，基站规划价值系数j＝d*m。
[0031]为了达到上述目的，本专利技术的另一种技术方案为：基于图像识别的居民小区建站规划价值判断装置，包括图像采集模块、图像识别模块、图像处理模块、价值计算模块和结
果输出模块；
[0032]所述图像采集模块用于收集同一个待规划价值评估的居民小区相同位置、相同拍摄角度的两组照片，分别为第一组照片和第二组照，第一组照片为白天拍摄的照片，第二组照片为夜幕降临后拍摄的照片；
[0033]所述图像识别模块用于对第一组照片进行图像识别，识别出第一组照片中窗户数量；
[0034]所述图像处理模块用于对第二组照片进行图像识别和处理，识别出第二组照片中亮灯窗户数量；
[0035]所述价值计算模块用于根据窗户数量、亮灯窗户数量和小区户数，计算得出基站规划价值系数；
[0036]所述结果输出模块用于根据规划价值系数判断并输出该居民小区是否符合规划新建通信基站的先决条件。
[0037]本技术方案的有益效果在于：本专利技术弥补了现有居民小区规划价值判断方法的不足，第一，本专利技术给出了简便、快捷的分析资料收集方法，节约了数据收集的成本；第二，专利技术了利用图像识别及图像处理技术对居民小区的图像进行挖掘及分析的方法，并基于分析结果计算出居民小区的亮灯率，从而能够科学的获取该居民小区的实际的入住比例，为居民小区的通信基站规划与否提供数据支撑；第三，通过本方法能够能够实现居民小区亮灯率(入住率)的动态监控，具有良好的拓展应用价值。
附图说明
[0038]图1为本专利技术基本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.基于图像识别的居民小区建站规划价值判断方法，其特征在于：包括收集分析数据资料：收集同一个待规划价值评估的居民小区相同位置、相同拍摄角度的两组照片，分别为第一组照片和第二组照，第一组照片为白天拍摄的照片，第二组照片为夜幕降临后拍摄的照片；识别和处理图像：使用图像识别模型对第一组照片进行图像识别，识别出第一组照片中窗户数量；使用图像处理模型对第二组照片进行图像识别和处理，识别出第二组照片中亮灯窗户数量；判断基站规划价值：根据窗户数量、亮灯窗户数量和小区户数，计算得出基站规划价值系数。2.根据权利要求1所述的基于图像识别的居民小区建站规划价值判断方法，其特征在于：还包括输出规划价值结果：根据规划价值系数判断并输出该居民小区是否符合规划新建通信基站的先决条件。3.根据权利要求1所述的基于图像识别的居民小区建站规划价值判断方法，其特征在于：在收集分析数据资料之前，对图像识别模型进行训练，具体步骤为：收集窗图片训练数据：收集若干个居民小区窗户图片；生成窗词汇库：利用SIFT算法，从每个居民小区窗户照片中提取视觉词汇，将所有的视觉词汇集合在一起；再利用K
‑
Means算法构造窗词汇库；训练支持向量机模型：具体为：
①
生成模型正样本：将生成的窗词汇库进行映射，从每个居民小区窗户照片中提取若干个特征点，映射至窗词汇库的K维向量上，每个维度的数值为该视觉词汇出现在该居民小区窗户照片特征点的次数，将该居民小区窗户照片所有特征点分别出现的次数作为支持向量机模型的输入特征，该样本为正样本；
②
生成模型负样本：将与居民小区窗户照片数量相同、尺寸相同的非居民窗户照片进行输入特征提取，该样本为负样本；
③
设置支持向量机模型的参数；
④
训练支持向量机模型：将正样本和负样本输入支持向量机模型中进行建模训练。4.根据权利要求3所述的基于图像识别的居民小区建站规划价值判断方法，其特征在于：使用图像识别模型对第一组照片进行图像识别，识别出第一组照片中窗户数量，具体为：滑动窗口图片获取：利用滑动窗口的方法对第一组照片进行划分，设窗口的长为x，宽为y，窗口每次滑动的步长为s，当横轴方向滑动到边界后，...
【专利技术属性】
技术研发人员：王敏，程涛木，曹杰，梁伟，
申请(专利权)人：博瑞得科技有限公司，
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。