房屋安全隐患识别方法、装置及存储介质与流程

本发明涉及安全预警领域，尤其涉及一种房屋安全隐患识别方法、装置及存储介质。

背景技术：

1、随着城镇化快速推进，城市人口、产业等要素的不断集聚，由此引发的城市安全问题也接踵而至，在新型城镇化的高质量发展的当下，不仅要注重提升城市发展质量，还需要不断补齐发展短板和提升城市抵御风险的能力。

2、在城市的日常巡检中，房屋安全是其中关键的一环，房屋存在的缺陷过量时，不仅不能抵御突发的灾害事件，而且在使用年限内还会出现坍塌的危险，造成人员伤亡、财产损失等后果。在相关技术中，一般通过人工观测对房屋进行隐患排查，但是人工观测主观性强、速度慢、成本高，导致房屋安全隐患识别效率太低。

3、上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

技术实现思路

1、本发明的主要目的在于提供一种房屋安全隐患识别方法、装置及存储介质，旨在达成提高房屋安全隐患识别效率的效果。

2、为实现上述目的，本发明提供一种房屋安全隐患识别方法，所述房屋安全隐患识别方法包括：

3、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；

4、根据所述第一近景图像识别所述墙面在所述当前巡检周期的裂缝数据，所述裂缝数据包括裂缝位置和裂缝尺寸；

5、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；

6、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。

7、可选地，所述根据各个巡检周期的第二近景图像确定所述边坡的滑坡数据，所述滑坡数据包括滑坡位置和形变量的步骤包括：

8、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；

9、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。

10、可选地，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：

11、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；

12、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；

13、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；

14、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。

15、可选地，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：

16、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；

17、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；

18、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。

19、可选地，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：

20、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；

21、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；

22、根据所述转换关系将所述图像坐标转化为所述位置。

23、可选地，所述根据所述第一近景图像识别所述墙面在所述当前巡检周期的裂缝数据的步骤包括：

24、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；

25、确定所述隐变量对应的元素类型；

26、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；

27、根据所述目标像素点在所述第一近景图像上的图像坐标所述裂缝数据。

28、可选地，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：

29、确定所述滑坡位置与所述目标房屋之间的距离；

30、根据所述形变量和所述距离确定所述滑坡掩埋隐患；

31、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；

32、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。

33、可选地，所述监测设备包括无人机，所述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边坡在各个巡检周期的第二近景图像的步骤之前，还包括：

34、获取所述无人机在巡检开始前拍摄的待巡检区域的航拍图像；

35、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，并建立所述建筑三维模型；

36、根据预设巡检规则和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；

37、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所述第一近景图像和所述第二近景图像。

38、此外，为实现上述目的，本发明还提供一种房屋安全隐患识别装置，所述房屋安全隐患识别装置包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的房屋安全隐患识别程序，所述房屋安全隐患识别程序被所述处理器执行时实现如上所述的房屋安全隐患识别方法的步骤。

39、此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有房屋安全隐患识别程序，所述房屋安全隐患识别程序被处理器执行时实现如上所述的房屋安全隐患识别方法的步骤。

40、本发明实施例提出的一种房屋安全隐患识别方法、装置及存储介质，先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边坡在各个巡检周期的第二近景图像；根据所述第一近景图像识别所述墙面在所述当前巡检周期的裂缝数据，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。本发明通过监测设备或者地面设备拍摄的待识别隐患的目标房屋墙面的第一近景图像和边坡的第二近景图像，分别识别出墙面裂缝数据和滑坡数据，从而得出目标房屋在当前巡检周期存在的安全隐患，无需人工参与，提高了房屋安全隐患的识别效率。

技术特征：

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：

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的滑坡数据，所述滑坡数据包括滑坡位置和形变量的步骤包括：

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：

4.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：

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：

6.如权利要求1所述的房屋安全隐患识别方法，其特征在于，所述根据所述第一近景图像识别所述墙面在所述当前巡检周期的裂缝数据的步骤包括：

7.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：

8.如权利要求1所述的房屋安全隐患识别方法，其特征在于，所述监测设备包括无人机，所述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边坡在各个巡检周期的第二近景图像的步骤之前，还包括：

9.一种房屋安全隐患识别装置，其特征在于，所述房屋安全隐患识别装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的房屋安全隐患识别程序，所述房屋安全隐患识别程序被所述处理器执行时实现如权利要求1至8中任一项所述的房屋安全隐患识别方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有房屋安全隐患识别程序，所述房屋安全隐患识别程序被处理器执行时实现如权利要求1至8中任一项所述的房屋安全隐患识别方法的步骤。

技术总结
本发明公开了一种房屋安全隐患识别方法、装置及存储介质，其中，所述方法包括：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边坡在各个巡检周期的第二近景图像；根据所述第一近景图像识别所述墙面在所述当前巡检周期的裂缝数据，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。本发明旨在提高房屋安全隐患识别效率。

技术研发人员：金楠,方东平,岳清瑞,施钟淇,范存君,郑则行,莫淳淯
受保护的技术使用者：深圳市城市公共安全技术研究院有限公司
技术研发日：
技术公布日：2024/1/12