[发明专利]房屋安全隐患识别方法、装置及存储介质

权利要求书

1.一种房屋安全隐患识别方法，其特征在于，所述房屋安全隐患识别方法包括：

获取监测设备在巡检开始前拍摄的待巡检区域的航拍图像，其中，所述监测设备包括无人机和地面设备，所述地面设备定期拍摄墙面或边坡的近景图像；

将所述航拍图像进行分割，确定所述航拍图像中的各个建筑物，并建立建筑三维模型；

根据预设巡检规则和所述建筑三维模型从所述建筑物中确定目标房屋，并根据所述目标房屋对应的建筑三维模型确定巡检所述目标房屋时的巡检路线；

间隔预设巡检周期控制所述无人机根据所述巡检路线采集所述目标房屋的第一近景图像和第二近景图像；

获取监测设备在当前巡检周期采集的目标房屋墙面的第一近景图像，以及获取监测设备采集的所述目标房屋周边坡面在各个巡检周期的第二近景图像；

将所述第一近景图像输入预设深度学习算法，通过所述深度学习算法的编码器确定所述第一近景图像的各个像素点对应的隐变量，其中，所述深度学习通过监督式或半监督式的特征学习和分层特征提取高效算法来获取裂缝的特征，所述深度学习算法基于与方向传播算法和梯度下降的优化方法，利用输入图像自身作为监督，来指导神经网络学习一种新的映射关系，从而得到一个重构输出识别内容；

确定所述隐变量对应的元素类型；

通过所述深度学习算法的解码器将元素类型为裂缝元素的隐变量还原为所述第一近景图像中的目标像素点；

根据所述目标像素点在所述第一近景图像上的图像坐标确定裂缝数据，所述裂缝数据包括裂缝位置和裂缝尺寸；

根据各个巡检周期的第二近景图像确定所述边坡在未来的滑坡数据，所述滑坡数据包括滑坡位置和形变量；

根据所述裂缝数据，以及所述滑坡数据确定所述目标房屋的安全隐患，所述安全隐患包括滑坡掩埋隐患、房屋坍塌隐患和共同作用隐患，所述根据所述裂缝数据，以及所述滑坡数据确定所述目标房屋的安全隐患的步骤包括：

确定所述滑坡位置与所述目标房屋之间的距离；

根据所述形变量和所述距离确定所述滑坡掩埋隐患；

根据所述裂缝位置和所述裂缝尺寸确定所述房屋坍塌隐患；

根据所述形变量、所述距离、所述裂缝位置和所述裂缝尺寸确定所述共同作用隐患。

2.如权利要求1所述的房屋安全隐患识别方法，其特征在于，所述根据各个巡检周期的第二近景图像确定所述边坡在未来的滑坡数据的步骤包括：

根据各个巡检周期的第二近景图像识别所述边坡上的标识物和所述标识物的位置；

根据各个巡检周期对应的所述标识物和所述标识物的位置确定所述滑坡位置和所述形变量。

3.如权利要求2所述的房屋安全隐患识别方法，其特征在于，所述根据各个巡检周期对应的所述标识物和所述标识物的位置预测所述滑坡位置和所述形变量的步骤包括：

根据在各个巡检周期中各个所述标识物的位置确定所述标识物在各个巡检周期中与参照点之间实际距离；

根据所述标识物在相邻巡检周期对应的实际距离之间的差值确定位移变化量；

根据各个相邻巡检周期对应的所述位移变化量确定所述标识物在未来预设周期中的预计位移变化量；

根据所述预计位移变化量大于预设值的标识物的位置确定所述滑坡位置，并所述滑坡位置对应的预计位移变化量确定所述形变量。

4.如权利要求2所述的房屋安全隐患识别方法，其特征在于，所述根据各个巡检周期的第二近景图像识别所述坡面上的标识物和所述标识物的位置的步骤包括：

确定所述第二近景图像的颜色参数，所述颜色参数包括色调、饱和度和明度；

根据所述颜色参数与预设阈值的比较结果确定所述第二近景图像中的标识物；

根据所述标识物在所述第二近景图像中的图像坐标确定所述标识物在所述边坡上实际的位置。

5.如权利要求4所述的房屋安全隐患识别方法，其特征在于，所述根据所述标识物在所述第二近景图像中的图像坐标确定所述标识物在所述边坡上实际的位置的步骤包括：

获取所述监测设备的摄像头在拍摄所述第二近景图像的相机内参和相机位姿；

根据所述相机内参和所述相机位姿确定所述摄像头的像素坐标系和世界坐标系之间的转换关系；

根据所述转换关系将所述图像坐标转化为所述位置。