本发明属于建筑维护,特别涉及一种建筑外墙面图像识别方法和电子设备。
背景技术:
1、近年来,深度学习技术逐渐应用于各行各业,在不同程度上代替了人力,改善了传统工作模式,极大的提高了工作效率与准确性。但在建筑领域,适合其行业特性的深度学习方法尚不成熟,建筑图像样本库的构建仍不完善,且深度学习模型在数据监督训练下很难全部学习到常见的相关建筑知识,导致最终的识别精度仍无法满足实际工程的需求。
技术实现思路
1、本发明实施例,一种基于像素分析的建筑外墙面高精度自动识别方法,该方法包括以下步骤:
2、s1,获得所述建筑外墙面可见光图像,以及所述建筑外墙面图像的二值影像,并将二值影像中墙面区域匹配至对应的可见光图像中,所述建筑外墙面图像包含建筑立面目标物信息;
3、s2,统计已匹配的可见光图像中墙面像素信息,确定像素数量占全部像素数量为多数的像素值范围,这些像素信息是基于rgb三通道,分别统计不同像素点所对应的像素数量;
4、s3,逐一遍历可见光图像中每个像素点,判断其是否位于所述占多数的像素值范围,并以二值影像区分显示;
5、s4,基于dbscan密度聚类算法,选择最优参数,构建适用于识别建筑外墙面的图像识别模型。
6、s5,将s3步骤中的二值影像导入s4步骤中所述图像识别模型,获取优化后的二值影像,确定可见光图像中的外墙面区域。
7、本发明实施例,通过基于像素级的分析,实现了建筑外墙面高精度自动识别。
1.一种建筑外墙面图像识别方法,其特征在于,通过经过训练的图像识别模型,在建筑外墙面可见光图像中确定建筑外墙面区域。
2.根据权利要求1所述的建筑外墙面图像识别方法,其特征在于,所述图像识别模型的建立方法包括以下步骤:
3.根据权利要求2所述的建筑外墙面图像识别方法,其特征在于,进一步包括,s5,将s3步骤中的二值影像导入s4步骤中所述图像识别模型,获取优化后的二值影像,确定可见光图像中的外墙面区域。
4.根据权利要求2所述的建筑外墙面图像识别方法,所述目标物包括窗户、空调、晾衣杆或晾晒物。
5.根据权利要求4所述的建筑外墙面图像识别方法,其特征在于,建立对于建筑外墙立面目标物识别模型,通过该目标物识别模型对建筑外墙立面目标物进行识别。
6.根据权利要求5所述的建筑外墙面图像识别方法,其特征在于,所述目标物识别模型的建立方法包括以下步骤:
7.根据权利要求6所述的建筑外墙面图像识别方法,其特征在于,所述目标物识别模型的建立方法进一步包括以下步骤:
8.根据权利要求7所述的建筑外墙面图像识别方法,其特征在于,所述目标物识别模型的建立方法进一步包括以下步骤:
9.一种电子设备,其特征在于,所述装置包括存储器,该存储器存储有经过训练的图像识别模型,
10.一种存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时,实现如权利要求1至8中任一所述的方法。