(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111635047.1 (22)申请日 2021.12.2 9 (71)申请人 南京杰迈视讯科技有限公司 地址 210014 江苏省南京市白下高新 技术 产业园区永智路6号中国云计算创新 基地B幢6层 (72)发明人 冯国进　胡茂福　陈军辉　穆科明　 (74)专利代理 机构 北京联瑞联丰知识产权代理 事务所(普通 合伙) 11411 专利代理师 黄冠华 (51)Int.Cl. G06V 20/10(2022.01) G06V 10/50(2022.01) G06V 10/26(2022.01) G06V 10/82(2022.01)G06N 3/08(2006.01) (54)发明名称 一种基于图像的建筑物主体结构变更智能 检测方法 (57)摘要 本发明公开了一种基于图像的建筑物主体 结构变更智能检测方法。 建筑室内主体结构都是 按照规范进行设计的， 一旦墙体、 柱体等主体结 构发生变更， 会危害建筑本身的安全， 特别是在 一些人防工程的地下空间， 墙体、 柱体等主体结 构变更会不利于战时人员与物资的防护。 本发明 采用深度学习与图像处理技术结合的方法来检 测室内主体结构变更， 先利用YoloV4模型检测图 像中的可移动物品， 然后利用当前图像与模板图 像的掩图计算HOG特征相关性与二值化差值， 进 而计算出主体结构的变更概率， 当变更概率多次 大于阈值时判定主体结构发生改变。 本方法能极 大地排除可移动物体、 各类光线变化造成的干 扰， 取得了良好的效果。 权利要求书1页 说明书3页 附图3页 CN 114494855 A 2022.05.13 CN 114494855 A 1.一种基于图像的建筑物主体结构变更智能检测方法， 其特 征是包含如下步骤： S1） 事先训练好可移动物品的检测模型， 设定好室内结构的多个模板； S2） 定时检测当前图像中的可移动物品， 对 模板图、 当前图抠除可移动物品得到掩图； S3） 对模板图掩图、 当前图掩图进行 灰度化、 归一 化处理， 得到640*640大小的灰度图； S4） 计算模板图掩图、 当前图掩图的整图变更概 率； S5） 如果图像大于一定尺寸， 分割为子图计算变更概 率； S6） 对每个模板分别按照S2到S5的步骤计算变更概 率并取最小值； S7） 根据最近几次的变更概 率判别是否存在室内结构变更或恢复。 2.根据权利要求1所述的建筑室内主体结构变更智能检测方法， 其特征是采集多幅不 同时间段、 不同环境 光下的图像作为室内结构模板 。 3.根据权利要求1所述的建筑室内主体结构变更智能检测方法， 其特征是采用YoloV4 深度学习模型实现常见可移动物品的检测， 将 检测到的物体所在区域的像素值置为0， 得到 掩图。 4.根据权利要求1所述的建筑室内主体结构变更智能检测方法， 其特征是根据模板图 掩图与当前图掩图的HOG特征相关性计算结构变更概率P1， 根据模板图掩图与当前图掩图 的二值化图的差异计算结构变更概 率P2， 采用P1、 P2两者中的最小值作为整图的变更概 率。 5.根据权利要求4所述的建筑室内主体结构变更智能检测方法， 其特征是将图像划分 为160*160的多个小方块,计算每一块的HOG特征相关性， 最终根据所有块中的最小相关性 计算布局变更概 率P1。 6.根据权利要求4所述的建筑室内主体结构变更智能检测方法， 其特征是先根据直方 图百分比分割法进行自适应二值化， 然后比较当前图与模板图的二值化图的差异， 最终根 据差异的大小计算布局变更概 率P2。权　利　要　求　书 1/1 页 2 CN 114494855 A 2一种基于图像的建筑物主体结构变更智能检测方 法 技术领域 [0001]本发明利用图像处 理与深度学习技 术自动监测建筑室内主体结构的变更。 背景技术 [0002]建筑室内主体结构都是按照规范进行设计 的， 一旦墙体、 柱体等主体结构发生变 更， 会危害建筑本身的安全， 特别是在一些人防工程的地下空间， 墙体、 柱体等主体结构变 更会不利于 战时人员与物资的防护。 随着各地对人防空间的管理与保护力度不断加大， 对 室内主体结构 变更的智能检测有着迫切的需求。 目前基于图像处理的建筑室内结构 变更的 检测尚属于空白， 所以急需一种切实可 行的方案 。 发明内容 [0003]本发明要解决的问题： 解决建筑室内主体结构变更的智能检测问题。 [0004]本发明的内容如下： 建筑室内主体结构主要是墙体、 柱子、 钢筋结构、 固定设施。 墙体附近可能会存放 一些物品， 如桌子、 柜子、 货架等， 也可能有人存在， 要检测结构变更， 首先要排除人与可移 动物品的干扰， 也就是要检测到人与可移动物品。 本发明利用深度学习技术检测人与常见 可移动物品。 在检测到常见可移动物品之后， 将图像中这些物体所在区域的像素值置为0， 也即不对这些区域做比对， 如此 得到的新图， 称作掩图。 [0005]本发明的总流程图如图1所示。 检测可移动 物品后获取当前图的掩图， 然后将当前 掩图与模板图的掩图计算H OG特征与灰度差异的变更概率， 最后根据最近几次的变更概率， 综合判断建筑物结构是否存在变更或者已经恢复。 假如当前为正常状态时， 如果最近的几 次检测的结构变更概率 都大于一定阈值， 则认为室内结构发生变化， 产生报警； 当前为变更 状态时， 如果 最近的几次检测的结构变更概 率都小于一定阈值， 则认为室内结构已经恢复。 [0006]本发明中的变更概率计算流程如图2所示。 先对模板图掩图与当前 图掩图进行灰 度化与归一化处理， 处理得到640*640大小的灰度图像； 然后根据H OG特征向量的相关性， 得 到变更概率P1； 通过计算两图的二值化差异， 得到变更概率P2； 最后取P1、 P2的最小值作为 当前图与模板图的变更概 率。 [0007]HOG特征通过计算和统计图像 的梯度方向直方图来得到特征向量， 能很好地反应 图像的边缘信息， 并抵抗光线的干扰。 由于输入图像的分辨率可能非常大， 故需要将图像分 割为子块， 分别计算每一块的H OG特征向量， 然后计算当前图掩图的子块与模板图掩图的对 应位置的子块的H OG特征向量的相关性， 最后将 子块中HOG特征相关性的最小值转化为变更 概率P1。 [0008]灰度差异适用于颜色变化较大的情况下， 但对光线的变化很敏感， 故在计算差异 前， 先对灰度图进行了自适应二值化处理。 求取当前图掩图与模板图掩图的二值化图像的 差值图， 差值图上 的白点代表变更点， 变更点越多， 则变更概率越大， 由此可以得到变更概说　明　书 1/3 页 3 CN 114494855 A 3