一种基于目标分块的建筑活动板房识别方法

作者:杨文明[1] 孙大任[2] 李得第[2] 谢正伟[3] 刊名:中国科技纵横 上传者:毕静

【摘要】活动板房作为施工过程中的标志建筑,若能对其进行准确识别,将有助于提升施工智能监控系统的性能。本文针对建筑工地目标复杂,光照,遮挡等因素多的特点,提出一种基于目标分块的建筑活动板房识别方法。算法将板房分为房顶,墙体与窗体三部分,首先在监控场景图中检测蓝色房项区域,通过形态学操作与外接矩形计算,自适应获取板房墙体的候选区域。然后对候选区进行局部阈值处理,腐蚀处理与连通域检测,得到板房窗体中心点集合。再通过窗体纵坐标直方图统计与滑窗求和,判别是否为板房。实验表明,该法对光照,角度,尺度有一定的鲁棒性,对墙体清楚的活动板房有较高的识别率,达到了83.O%。

全文阅读

信 息技 术 式 为 : 识别结果如表 所示 。 , )(,)一】 (式) 对多数窗体朝 向正面 ,同一 图片中板房 分布相对 独立的样本 , (,)为阈值化后的二值图,(,)为原灰度图。为阈 算法有很好的识别率 ,实际应用 中能达 。但对图片中板房分 值 ,为符号 函数 。 布拥挤 ,房顶互相粘连的情况,识别率会显著 下降,同时漏警率 大大 通 过 计 算 邻 域 内均 值 得 到 : 上升 。这是 由于房顶 粘连导致对墙 体大小和位置的估计失准 ,使算 法 未 能 工 作 在 设 想 的 状 态 下 。 实 际应用 中,由于系统的实 时监控 性以及板房建设 需要有一定 为以(,为中心的邻域内的像素值,为邻域内像素 过程 ,板房大多只会 以单个 或两个 的形 式出现 ,突然出现大量板房 总 数 。 的概率很低 ,因此对单个板房 的识别率将主导系统 的性 能。虽然算 腐蚀 法在房顶粘连 的情况下表现不佳 ,但在实 际的监控场景 下仍可 以正 腐蚀操作 的定义为 : 常工作 。 (,)()(,) (式) 而由于场景中的其它物体与活动板房特征有较大 的区别,算法 其 中(,)为腐 蚀后的图像 ,为 自定义 的结构元素【嗣。 虚警率很低 ,如 图所示 。 该处进行腐 蚀的目的是消除除窗体与墙面 的粘连,以获得独立 的窗户,便于精确检测其轮廓 。算法 使用的结构元素为大小的矩形 小 块 。 轮 廓检 测 与最 小 外 接矩 形 结语 本文提 出一种基于 目标分块的建筑活动板房识别方法 ,算法依 据先验知识将 目标切分为三块,运用色度分析 ,形态学 处理 ,连通域 对腐蚀后 的二值 图进行 轮廓 检测 ,得到轮廓集合 ,对该集合 中 分析及直方 图统计等方法 ,着 重研究 不同块之间的相对信息 ,以提 的每一个元素计算其最小外接 矩形 ,得到矩形集合。对中的 升识别率 ,克服 不同监控场景 中尺度 ,角度的干扰。算法在 自建 的数 元 素进 行筛选 ,筛选的条件 如下 : 据库上 ,在 图片 中各板房独立分布的情况下取得了的识别率 , 且虚警较低 ,可 以满足一般监控 的需求。 对房顶粘连导致识别率显著下降的情况 ,由于实 际使用时是 实 时监控 ,同时出现大量 板房的几率 很小 ,因此不会大幅度影响系统 的性能 。该部分的改进重点将落在房顶连通域检测上面 ,作为 日后 啦 射 的研究方 向。 其 中 为 集 合 中 的元素 , 表示 外 接 矩形 的宽 , 表示外接矩形 的高 , ,表示连通域 的面 积 ,。。,为人 参 考文献: 为设定的 比例系数 。最后 ,取筛选后的矩形 中心得到最终 的窗体集 合 ,如图所示 。 ,,: 板 房 判 定 , 依据 房顶倾斜 角度旋转后 的板房 ,窗户排列 近似为一条 水平 线。因此可 以统计 中元素纵坐标 的直方 图,若为 板房 ,则直 , 方图中的点应该会集 中分布在某几个 区域 ,且每个 区域点数 占总点 : 数的 比例应大于某一 阈值 。 。 对获取 的直方图进行滑窗计数 ,窗体宽度决定了检测的精度 。 ,, 当滑 窗内点数和超 过总点数 一定 比例后 ,即可判定存在平 行的窗 (): 体 ,也就 是判 定为板房 ,如 图所示 。 。, 实 验结 果 与 分 析 在 自建 的施工工地监控数据库上 ,使用本文提出的算法进行活 动板房识别 。数据库 中图片大致可分为类 : ()板房 墙体清晰 ,每个板房房顶 较独立 。 ()板房 墙体清晰 ,但多个房顶相互 粘连。 ()墙体模糊 。 。 : 郭炜强基于运 动特征

参考文献

引证文献

问答

我要提问