一种全域土地违法行为监测方法技术

本发明专利技术公开了一种全域土地违法行为监测方法

【技术实现步骤摘要】
一种全域土地违法行为监测方法


[0001]本专利技术涉及土地违法监测领域，尤其涉及一种基于深度学习和视图融合技术的全域土地违法行为监测方法
。

技术介绍

[0002]近年来，各地高度重视自然资源的执法监管，自然资源的管理秩序持续向好
。
[0003]目前在土地保护实际应用中，主要利用安装在基站铁塔的高清高倍数字监控摄像头，把视频图像传输至国土资源管理部门，将监控平台探头底层数据开发共享和坐标化，嵌入到国土资源“一张图”中，通过人工目视的方法，实现国土资源的实时在线监测监管
。
[0004]传统土地违法行为监测方法，一方面通常采用人工巡查的方式，靠人力发现违法行为
。
另一方面使用遥感影像，通过目视解译的方式提取新增建设用地等违法行为
。
例如，一种在中国专利文献上公开的“一种基于高分遥感的国土监测服务系统”，其公告号
CN112287050A
，包括国土巡查手机
APP
和高分遥感大数据应用平台网页端，二者通过数据库形成联动式国土监测服务系统
。
巡查人员利用国土巡查手机
APP
上传巡查位置
、
巡查轨迹和巡查事件，可实时调用后台管理数据库进行并行分析处理，同时分析巡查图斑的地类情况
、
供地用途
、
报批情况等，并以此为依据判定土地是否存在违法占用情况；后台管理人员可实时对上报的问题类型
、
处置进度
、r/>变化类型等进行确认和处理，实现双向线呈联合质检
。
该方案采用获取遥感影像的方式，判断是否存在违法行为，遥感影像获取周期较长，提取违法行为耗时长，无法做到及时发现
、
及时处置
。
[0005]人工巡查的方式需要消耗大量的人力和物力成本，且无法做到全域范围的巡查监测
。
而另一种方式，遥感影像获取周期较长，提取违法行为耗时长，无法做到及时发现
、
及时处置
。

技术实现思路

[0006]本专利技术主要解决现有技术人工巡查的方式需要消耗大量的人力和物力成本，且无法做到全域范围的巡查监测；而遥感影像的方式，存在遥感影像获取周期较长，提取违法行为耗时长，无法做到及时发现
、
及时处置的问题；提供一种全域土地违法行为监测方法，建立视频坐标与
GIS
地理坐标的转换关系，运用深度学习模型，实现全域土地违法行为监测
。
[0007]本专利技术的上述技术问题主要是通过下述技术方案得以解决的：一种全域土地违法行为监测方法，包括以下步骤：
S1
：获取视频流信息，训练得到施工车辆分类提取模型，提取视频流信息中疑似土地违法施工车辆；
S2
：建立视频坐标与地理坐标转换关系，得到包含真实地理坐标的疑似土地违法施工车辆；
S3
：对包含真实地理坐标的疑似土地违法施工车辆结合土地管理数据，运用
GIS
叠加分析，得到土地违法监测结果
。
[0008]本方案通过深度学习模型，识别土地违法施工车辆；建立视频坐标与
GIS
地理坐标的转换关系，通过转换获得真是地理坐标的土地违法施工车辆；与土地管理系统结合获得最终的土地违法监测结果，提取违法行为的时间短，能够及时发现并处理
。
[0009]作为优选，所述的步骤
S1
具体包括以下过程：
S101
：通过视频流地址，逐帧获取视频图片；
S102
：通过目视解译法分析视频图片中施工车辆解译标志和特征，手动标记样本；
S103
：基于卷积神经网络，输入标标记好的样本图片训练，构建施工车辆分类提取模型；
S104
：将视频流信息输入训练好的施工车辆分类提取模型，输出预测结果，经过后处理后获得最终施工车辆
。
[0010]通过深度学习模型，识别土地违法施工车辆，便于后续的土地违法行为判断
。
[0011]作为优选，所述的施工车辆包括装载机，推土机，挖掘机，压路机和混凝土搅拌车
。
种类齐全
。
[0012]作为优选，所述的后处理包括：通过对比前后若干张连续的视频图片中提取的施工车辆形态，去除高速移动物体和完全静止物体；通过多视角
、
多焦距识别，去除农业作业车
。
[0013]通过后期处理，可提高施工车辆提取准确度，排除农业车辆
、
停放车辆和经过车辆
。
[0014]作为优选，所述的步骤
S2
包括以下过程：
S201
：采集相机参数信息，参数信息包括初始焦距
、
靶面尺寸
、
垂直视场角
、
相机安装高度
、
初始方向角和经纬度；
S202
：建立模拟相机成像的三维模型；使模型的渲染大小匹配物体在底片上成像的大小
。
[0015]S203
：使用相机安装高度
、
地块经纬度和相机经纬度计算出以相机为原点的和实际地块相同的地块三维模型，通过三维模型推算视频坐标与地理坐标的换算关系
。
[0016]将相机坐标转换为实际地理坐标，用于结合当地的土地管理数据，以判断土地违法行为
。
[0017]作为优选，具体坐标转换包括：1）获取以画面左下角为原点的屏幕坐标；2）屏幕坐标转为裁剪空间归一化坐标，归一化坐标
z
取1；3）归一化坐标转为观察空间坐标；4）观察空间坐标逆变换为地块空间坐标；5）获得以相机为原点的射线向量，计算与地面交点，得到实际拍摄对象经纬度
。
[0018]作为优选，以得到视频流信息中疑似土地违法施工车辆时相机所在的方向角
、
俯仰角和焦距作为参数，运用坐标转换关系得到包含真实地理坐标的疑似土地违法施工车辆
。
地块和摄像头都转为投影坐标，地块坐标减去摄像机坐标变成以摄像机为中心的平面坐标
。
为疑似违法行为赋予空间属性
。
[0019]作为优选，对包含真实地理坐标的疑似土地违法施工车辆结合土地管理数据，运
用
GIS
叠加分析，对不在土地报批
、
供地
、
宗地发证
、
临时用地
、
设施农用地数据范围内的疑似违法施工车辆，判定为违法，得到违法监测结果
。
[0020]套合业务数据分析，获得土地违法行为监测结果
。
[0021]本专利技术的有益效果是：通过深度学习模型，识别土地违法施工车辆；建立视频坐标与
GIS
地理坐标的转换关系，通过转换获得真是地理坐本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种全域土地违法行为监测方法，其特征在于，包括以下步骤：
S1
：获取视频流信息，训练得到施工车辆分类提取模型，提取视频流信息中疑似土地违法施工车辆；
S2
：建立视频坐标与地理坐标转换关系，得到包含真实地理坐标的疑似土地违法施工车辆；
S3
：对包含真实地理坐标的疑似土地违法施工车辆结合土地管理数据，运用
GIS
叠加分析，得到土地违法监测结果
。2.
根据权利要求1所述的一种全域土地违法行为监测方法，其特征在于，所述的步骤
S1
具体包括以下过程：
S101
：通过视频流地址，逐帧获取视频图片；
S102
：通过目视解译法分析视频图片中施工车辆解译标志和特征，手动标记样本；
S103
：基于卷积神经网络，输入标标记好的样本图片训练，构建施工车辆分类提取模型；
S104
：将视频流信息输入训练好的施工车辆分类提取模型，输出预测结果，经过后处理后获得最终施工车辆
。3.
根据权利要求1或2所述的一种全域土地违法行为监测方法，其特征在于，所述的施工车辆包括装载机，推土机，挖掘机，压路机和混凝土搅拌车
。4.
根据权利要求2所述的一种全域土地违法行为监测方法，其特征在于，所述的后处理包括：通过对比前后若干张连续的视频图片中提取的施工车辆形态，去除高速移动物体和完全静止物体；通过多视角
、
多焦距识别，去除农业作业车
。5.
根据权利要求1所述的一种全域土地违法行为监测方法，其特征在于，所述的步骤
S2
包括以下过程：

【专利技术属性】
技术研发人员：董洋洋，陶慜，许涛涛，张苏枢，李金丽，佘东亮，陈旭明，
申请(专利权)人：浙江万维空间信息技术有限公司，
类型：发明
国别省市：