[发明专利]一种基于深度学习的违章建筑检测系统

说明书

本发明公开了一种基于深度学习的违章建筑检测系统，包括区域标定模块、视频接入模块、图像分析模块及取证上传模块；所述区域标定模块：负责记录用户标定的预警区域和标定图像；所述视频接入模块：负责读取国土资源监控视频，并将视频流转为单帧视频图像送到图像分析模块之中；所述图像分析模块：负责根据视频图像分析是否存在违章建筑；所述取证上传模块：根据图像分析模块的分析结果和视频接入模块的视频数据合成证据数据，并及时上传到上层服务器中。本发明的有益效果如下：深使用深度学习技术，有效率高；可根据用户数据进行进一步训练，提高有效率。

技术领域

本发明涉及深度学习技术领域，尤其涉及一种基于深度学习违章建筑检测系统。

背景技术

认定机关应以法律、行政法规为依据，判断建筑物的属性。若违反法律、行政法规及规章，未取得建设工程规划许可证或者虽取得了建设工程规划许可证，但违反建设工程规划许可证的规定进行建设，严重影响城市规划的建筑物和构筑物的，应当认定为违章建筑。而目前除了人工现场照片取证以外，没有长效的自动取证技术手段。

发明内容

为了解决现有技术的不足，本申请提供了一种基于深度学习违章建筑检测系统。

本发明的技术方案如下：

一种基于深度学习的违章建筑检测系统，其特征在于，包括区域标定模块、视频接入模块、图像分析模块及取证上传模块；

所述区域标定模块：负责记录用户标定的预警区域和标定图像；

所述视频接入模块：负责读取国土资源监控视频，并将视频流转为单帧视频图像送到图像分析模块之中；

所述图像分析模块：负责根据视频图像分析是否存在违章建筑；

所述取证上传模块：根据图像分析模块的分析结果和视频接入模块的视频数据合成证据数据，并及时上传到上层服务器中。

所述的一种基于深度学习的违章建筑检测系统的检测方法，其特征在于，所述图像分析模块的具体分析步骤如下：

1）：根据单帧视频图像和用户已标定好的预警区域划分需要预警的区域并记录区域坐标，将划分需要预警的区域作为检测样本；

2）：构建包括若干建筑物图片的训练集，利用训练集训练基于Vgg-16的卷积神经网络对比模型；

3）：对检测样本进行去雾化处理；

4）：将去雾化的检测样本依次输入训练好的卷积神经网络对比模型，得到一组连续时间的检测结果序列L={t_i|i=1,2,3,…,n}，其中t_i表示第i张检测样本的检测结果，t_i∈[0,1]，n表示检测样本数量；

5）：对检测结果序列进行判断，若检测结果序列中元素之和大于给定阈值T，则判定该检测区域存在违章建筑。