阅读说明：本技术 违章建筑识别方法及装置、存储介质、计算机设备 (Architecture against regulations recognition methods and device, storage medium, computer equipment ) 是由 雷晨雨 于 2019-07-11 设计创作，主要内容包括：本申请公开了一种违章建筑识别方法及装置、存储介质、计算机设备,该方法包括：获取待识别建筑对应的待识别建筑物图片；对待识别建筑物图片进行灰度化处理,得到待识别建筑物图片对应的灰度图；对灰度图进行边缘检测,得到待识别建筑物图片对应的边缘图片；从边缘图片中提取待识别建筑物轮廓图；根据待识别建筑物轮廓图与标准建筑物轮廓图的匹配情况,判断待识别建筑是否为违章建筑。本申请根据待识别建筑物的轮廓图和标准建筑物的轮廓图的匹配情况分析待识别建筑物是否违章,相比于现有技术中的人工识别方式,提升了违章建筑识别的准确性和效率。(This application discloses a kind of architecture against regulations recognition methods and device, storage medium, computer equipments, this method comprises: obtaining the corresponding building picture to be identified of building to be identified；Gray processing processing is carried out to building picture to be identified, obtains the corresponding grayscale image of building picture to be identified；Edge detection is carried out to grayscale image, obtains the corresponding edge picture of building picture to be identified；Contour of building figure to be identified is extracted from edge picture；According to the match condition of contour of building figure to be identified and Modular building object profile diagram, judge whether building to be identified is the architecture against regulations.The application analyzes whether building to be identified breaks rules and regulations according to the match condition of the profile diagram of building to be identified and the profile diagram of Modular building object, compared with the prior art in manual identified mode, improve the accuracy and efficiency of architecture against regulations identification.)

违章建筑识别方法及装置、存储介质、计算机设备

技术领域

本申请涉及图像处理技术领域，尤其是涉及到一种违章建筑识别方法及装置、存储介质、计算机设备。

背景技术

城市是各地区的政治、经济和文化中心，在国民经济和社会发展进程中发挥着重要作用。随着社会经济的发展和各种利益的驱动，各式各样的违法建设行为层出不穷，严重地制约着城市化的发展。违章建筑对城市建设和发展具有很大的危害性，一直是困扰城市发展前进的棘手问题。因此，对违章建筑进行识别，尽早发现违章建筑具有重要意义。

现有技术中在实际的项目建设中，通过设置监控点，由人工值守查看海量的视频或者抓拍图像信息，随着监控点的数量迅速增多，监察人员难免后疏忽遗漏重要的信息，视觉疲劳会使识别效果不如人意，严重影响识别效率。

发明内容

有鉴于此，本申请提供了一种违章建筑识别方法及装置、存储介质、计算机设备，有助于提高违章建筑的识别精度。

根据本申请的一个方面，提供了一种获取待识别建筑对应的待识别建筑物图片；

对所述待识别建筑物图片进行灰度化处理，得到所述待识别建筑物图片对应的灰度图；

对所述灰度图进行边缘检测，得到所述待识别建筑物图片对应的边缘图片；

从所述边缘图片中提取所述待识别建筑物轮廓图；

根据所述待识别建筑物轮廓图与标准建筑物轮廓图的匹配情况，判断所述待识别建筑是否为违章建筑。

在本申请实施例中，具体地，所述对所述灰度图进行边缘检测，得到所述待识别建筑物图片对应的边缘图片，具体包括：

对所述灰度图进行高斯滤波处理，得到滤波后的所述灰度图；

分别计算所述灰度图中每个像素点的梯度强度和梯度方向；

根据所述梯度方向和所述梯度方向，确定边缘像素点；

根据所述边缘像素点，确定所述待识别建筑物图片对应的边缘图片。

在本申请实施例中，具体地，所述分别计算滤波后的所述灰度图中每个像素点的梯度强度和梯度方向，具体包括：

按照预设梯度强度计算公式以及预设梯度方向计算公式，计算所述梯度强度和所述梯度方向，其中，所述预设梯度强度计算公式为

所述预设梯度方向计算公式为

θ＝arctan(G_y/G_x)，

G_x、G_y分别表示任一像素点G的灰度值在水平方向的一阶导数值以及在垂直方向的一阶导数值。

在本申请实施例中，具体地，所述根据所述梯度方向和所述梯度方向，确定边缘像素点，具体包括：

获取任一像素点的所述梯度方向所在的方向区间；

判断所述任一像素点的所述梯度强度是否大于或等于在所述方向区间上的所述任一像素点的邻域像素点的梯度强度；

若大于或等于，则将所述任一像素点确定为边缘像素点。

在本申请实施例中，具体地，所述根据所述边缘像素点，确定所述待识别建筑物图片对应的边缘图片，具体包括：

若任一所述边缘像素点对应的梯度强度大于预设强边缘点阈值，则将任一所述边缘像素点标记为强边缘像素点；

若任一所述边缘像素点对应的梯度强度大于或等于预设弱边缘点阈值，则将任一所述边缘像素点标记为弱边缘像素点；

若所述弱边缘像素点的邻域像素点中包含所述强边缘像素点，则将任一所述边缘像素点的标记从所述弱边缘像素点改为所述强边缘像素点；

根据所述强边缘像素点，确定所述边缘图片。

在本申请实施例中，具体地，所述待识别建筑物轮廓图包含多个待识别建筑物轮廓，所述标准建筑物轮廓图包含多个标准建筑物轮廓；

所述根据所述待识别建筑物轮廓图与标准建筑物轮廓图的匹配情况，判断所述待识别建筑是否为违章建筑，具体包括：

将多个所述待识别建筑物轮廓与多个所述标准建筑物轮廓进行匹配；

若任意一个所述待识别建筑物轮廓不满足预设匹配条件，则所述待识别建筑物为所述违章建筑，其中，所述预设匹配条件为

|x_i-x_j|＜F₁，|y_i-y_j|＜F₂，|s_i-s_j|＜F₃

x_i和x_j分别表示任一标准建筑物轮廓i与任一待识别建筑物轮廓j在x轴的中心点坐标，y_i和y_j分别表示任一所述标准建筑物轮廓i与任一所述待识别建筑物轮廓j在y轴的中心点坐标，s_i和s_j分别表示任一所述标准建筑物轮廓i与任一所述待识别建筑物轮廓j包含的像素点的数量，F₁，F₂，F₃分别为预设第一违章阈值、预设第二违章阈值和预设第三违章阈值。

在本申请实施例中，具体地，所述获取待识别建筑对应的待识别建筑物图片之前，所述方法还包括：

获取所述待识别建筑物在预设第一时间的标准建筑物图片，其中，所述标准建筑物图片与所述待识别建筑物图片的拍摄位置相同；

提取所述标准建筑物图片对应的所述标准建筑物轮廓图；

所述获取待识别建筑对应的待识别建筑物图片，具体包括：

获取所述待识别建筑物在预设第二时间的所述待识别建筑物图片。

根据本申请的另一方面，提供了一种违章建筑识别装置，包括：

待识别图片获取模块，用于获取待识别建筑对应的待识别建筑物图片；

灰度化模块，用于对所述待识别建筑物图片进行灰度化处理，得到所述待识别建筑物图片对应的灰度图；

边缘检测模块，用于对所述灰度图进行边缘检测，得到所述待识别建筑物图片对应的边缘图片；

轮廓提取模块，用于从所述边缘图片中提取所述待识别建筑物轮廓图；

违章判断模块，用于根据所述待识别建筑物轮廓图与标准建筑物轮廓图的匹配情况，判断所述待识别建筑是否为违章建筑。

在本申请实施例中，具体地，所述边缘检测模块，具体包括：

滤波单元，用于对所述灰度图进行高斯滤波处理，得到滤波后的所述灰度图；

计算单元，用于分别计算所述灰度图中每个像素点的梯度强度和梯度方向；

边缘点确定单元，用于根据所述梯度方向和所述梯度方向，确定边缘像素点；

边缘图片确定单元，用于根据所述边缘像素点，确定所述待识别建筑物图片对应的边缘图片。

在本申请实施例中，具体地，所述计算单元，具体用于：

按照预设梯度强度计算公式以及预设梯度方向计算公式，计算所述梯度强度和所述梯度方向，其中，所述预设梯度强度计算公式为

所述预设梯度方向计算公式为

θ＝arctan(G_y/G_x)，

G_x、G_y分别表示任一像素点G的灰度值在水平方向的一阶导数值以及在垂直方向的一阶导数值。

在本申请实施例中，具体地，所述边缘点确定单元，具体包括：

方向区间获取子单元，用于获取任一像素点的所述梯度方向所在的方向区间；

判断子单元，用于判断所述任一像素点的所述梯度强度是否大于或等于在所述方向区间上的所述任一像素点的邻域像素点的梯度强度；

边缘点确定子单元，用于若大于或等于，则将所述任一像素点确定为边缘像素点。

在本申请实施例中，具体地，所述边缘图片确定单元，具体包括：

强边缘点标记子单元，用于若任一所述边缘像素点对应的梯度强度大于预设强边缘点阈值，则将任一所述边缘像素点标记为强边缘像素点；

弱边缘点标记子单元，用于若任一所述边缘像素点对应的梯度强度大于或等于预设弱边缘点阈值，则将任一所述边缘像素点标记为弱边缘像素点；

标记更新子单元，用于若所述弱边缘像素点的邻域像素点中包含所述强边缘像素点，则将任一所述边缘像素点的标记从所述弱边缘像素点改为所述强边缘像素点；

边缘图片确定子单元，用于根据所述强边缘像素点，确定所述边缘图片。

在本申请实施例中，具体地，所述待识别建筑物轮廓图包含多个待识别建筑物轮廓，所述标准建筑物轮廓图包含多个标准建筑物轮廓；

所述违章判断模块，具体包括：

轮廓匹配单元，用于将多个所述待识别建筑物轮廓与多个所述标准建筑物轮廓进行匹配；

违章判断单元，用于若任意一个所述待识别建筑物轮廓不满足预设匹配条件，则所述待识别建筑物为所述违章建筑，其中，所述预设匹配条件为

|x_i-x_j|＜F₁，|y_i-y_j|＜F₂，|s_i-s_j|＜F₃

x_i和x_j分别表示任一标准建筑物轮廓i与任一待识别建筑物轮廓j在x轴的中心点坐标，y_i和y_j分别表示任一所述标准建筑物轮廓i与任一所述待识别建筑物轮廓j在y轴的中心点坐标，s_i和s_j分别表示任一所述标准建筑物轮廓i与任一所述待识别建筑物轮廓j包含的像素点的数量，F₁，F₂，F₃分别为预设第一违章阈值、预设第二违章阈值和预设第三违章阈值。

在本申请实施例中，具体地，所述装置还包括：

标准图片获取模块，用于在所述获取待识别建筑对应的待识别建筑物图片之前，获取所述待识别建筑物在预设第一时间的标准建筑物图片，其中，所述标准建筑物图片与所述待识别建筑物图片的拍摄位置相同；

标准轮廓提取模块，用于提取所述标准建筑物图片对应的所述标准建筑物轮廓图；

所述待识别图片获取模块，具体用于获取所述待识别建筑物在预设第二时间的所述待识别建筑物图片。

依据本申请又一个方面，提供了一种存储介质，其上存储有计算机程序，所述程序被处理器执行时实现上述违章建筑识别方法。

依据本申请再一个方面，提供了一种计算机设备，包括存储介质、处理器及存储在存储介质上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述违章建筑识别方法。

借由上述技术方案，本申请提供的一种违章建筑识别方法及装置、存储介质、计算机设备，对待识别建筑物图片进行灰度化处理，利用处理后的灰度图进行边缘检测得到待识别建筑物对应的边缘图片，并从边缘图片中提取出待识别建筑物的轮廓图，从而利用待识别建筑物轮廓图与标准建筑物轮廓图进行比对，分析待识别建筑物是否为违章建筑。本申请根据待识别建筑物的轮廓图和标准建筑物的轮廓图的匹配情况分析待识别建筑物是否违章，相比于现有技术中的人工识别方式，提升了违章建筑识别的准确性和效率。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的

具体实施方式

。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1示出了本申请实施例提供的一种违章建筑识别方法的流程示意图；

图2示出了本申请实施例提供的另一种违章建筑识别方法的流程示意图；

图3示出了本申请实施例提供的一种违章建筑识别装置的结构示意图；

图4示出了本申请实施例提供的另一种违章建筑识别装置的结构示意图。

具体实施方式

下文中将参考附图并结合实施例来详细说明本申请。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

在本实施例中提供了一种违章建筑识别方法，如图1所示，该方法包括：

步骤101，获取待识别建筑对应的待识别建筑物图片。

本申请实施例提供的违章建筑识别方法，对同一建筑物在不同时间点的图片进行对比识别，从而判断待识别建筑在一定时间段内是否产生违章现象，因此，在进行识别之前，需要获取待识别建筑对应的待识别建筑物图片，并将其缩放至预设尺寸以便进行后续的图像处理和识别。由于大多建筑物高度较高，本申请实施例采用无人机航拍的方式进行建筑物图片采集。

步骤102，对待识别建筑物图片进行灰度化处理，得到待识别建筑物图片对应的灰度图。

获取到待识别建筑物图片后，将其进行灰度化处理，使彩色的图片变为灰度图，方便进行下一步的图像处理和识别。本申请实施例提供了两种灰度化处理方法。第一，最大值法：将待识别建筑物图片中每个像素点的RGB三分量亮度中的最大值作为对应像素点的灰度值，得到待识别建筑物图片对应的灰度图；第二，平均值法：将待识别建筑物图片中每个像素点的RGB三分量亮度的平均值作为对应像素点的灰度值，得到待识别建筑物图片对应的灰度图。本申请实施例也可以采用其他的灰度处理方法，在此不做限定。

步骤103，对灰度图进行边缘检测，得到待识别建筑物图片对应的边缘图片。

通过边缘检测方法，找出待识别建筑物灰度图中的边缘点，从而得到待识别建筑物图片对应的边缘图片，例如边缘图片可以反映出待识别建筑物的墙体、窗体等边缘信息。

步骤104，从边缘图片中提取待识别建筑物轮廓图。

从边缘图片中提取出待识别建筑物的轮廓图，轮廓图可以反映出建筑物的轮廓特性，如建筑物的窗体轮廓，建筑物的顶部轮廓等等。

步骤105，根据待识别建筑物轮廓图与标准建筑物轮廓图的匹配情况，判断待识别建筑是否为违章建筑。

利用同一待识别建筑物的标准建筑物轮廓图与待识别建筑物轮廓图进行匹配，判断待识别建筑物的轮廓是否发生变化，若轮廓发生变化，则说明待识别建筑物发生了改变，可能产生了违章建筑，若轮廓未发生变化，即待识别建筑物轮廓图的轮廓与标准建筑物轮廓图的轮廓相匹配，则说明待识别建筑物未发生改变，没有产生违章建筑。

通过应用本实施例的技术方案，对待识别建筑物图片进行灰度化处理，利用处理后的灰度图进行边缘检测得到待识别建筑物对应的边缘图片，并从边缘图片中提取出待识别建筑物的轮廓图，从而利用待识别建筑物轮廓图与标准建筑物轮廓图进行比对，分析待识别建筑物是否为违章建筑。本申请根据待识别建筑物的轮廓图和标准建筑物的轮廓图的匹配情况分析待识别建筑物是否违章，相比于现有技术中的人工识别方式，提升了违章建筑识别的准确性和效率。

进一步的，作为上述实施例具体实施方式的细化和扩展，为了完整说明本实施例的具体实施过程，提供了另一种违章建筑识别方法，如图2所示，该方法包括：

步骤201，获取待识别建筑对应的待识别建筑物图片。

步骤202，对待识别建筑物图片进行灰度化处理，得到待识别建筑物图片对应的灰度图。

在本申请实施例中，对获取到的待识别建筑物图片进行灰度化，得到待识别建筑物图片对应的灰度图。

步骤203，对灰度图进行高斯滤波处理，得到滤波后的灰度图。

在本申请实施例步骤203中，具体来说，根据预设高斯权重值，对灰度图中每个像素点的灰度值以及每个像素点的邻域像素点对应的灰度值进行加权求和，得到每个像素点的高斯模糊值，将高斯模糊值确定为灰度图中每个像素点的新的灰度值。根据每个像素点的新的灰度值，即可确定滤波后的灰度图。其中，对某一像素点的灰度值以及该像素点的邻域像素点对应的灰度值进行加权求和是指对以某一像素点为中心构成的Q×Q个像素点加权求和，即某一像素点的邻域像素点是指以某一像素点为中心构成的Q×Q个像素点中除某一像素点外的全部像素点。

预设高斯权重值根据公式计算，其中，用坐标点(x,y)表示任一像素点，以该像素点为中心构成一个3×3的邻域，中心点的坐标为(0，0)，相邻点坐标为

(-1，-1)	(0，-1)	(1，-1)
			(-1，0)	(0，0)	(1，0)
(-1，1)	(0，1)	(1，1)

，

本申请实施例中设定方差σ²为0.64(该值不做限定，在此仅为举例)，则根据上述公式计算得到的高斯权重值为

0.052	0.114	0.052
			0.114	0.249	0.114
0.052	0.114	0.052

，

将上述高斯权重值进行归一化处理，得到标准高斯权重值为

0.057	0.125	0.057
			0.125	0.272	0.125
0.057	0.125	0.057

。

将上述的标准高斯权重值作为本申请实施例的预设高斯权重值，对于每个像素点来说，取以该像素点为中心的3×3邻域的9个像素点，分别按照预设高斯权重值对这9个像素点的灰度值进行加权求和，将加权求和结果作为中心像素点的高斯模糊值，将每个像素点的高斯模糊值作为这个像素点的灰度值得到滤波后的灰度图。

例如一个3×3邻域的9个像素点的灰度值为

82	100	89
			86	98	92
87	97	89

，

分别对每个像素点的灰度值进行加权后，每个像素点的灰度值为

82×0.057	100×0.125	89×0.057
			86×0.125	98×0.272	92×0.125
87×0.057	97×0.125	89×0.057

，

将上述各个加权灰度值进行求和可得到中心点的高斯模糊值为93.31。

步骤204，分别计算灰度图中每个像素点的梯度强度和梯度方向。

在本申请实施例中，具体来说，按照预设梯度强度计算公式以及预设梯度方向计算公式，计算梯度强度和梯度方向，其中，预设梯度强度计算公式为

预设梯度方向计算公式为

θ＝arctan(G_y/G_x)，

Gx、Gy分别表示任一像素点G的灰度值在水平方向的一阶导数值以及在垂直方向的一阶导数值。

步骤205，获取任一像素点的梯度方向所在的方向区间。

步骤206，判断任一像素点的梯度强度是否大于或等于在方向区间上的任一像素点的邻域像素点的梯度强度。

步骤207，若大于或等于，则将任一像素点确定为边缘像素点。

为了找到待识别建筑物的灰度图中的建筑边缘，通过上述的梯度方向计算公式计算出每个像素点的梯度方向后，按照预设的方向区间，分别确定每个像素点对应的方向区间，进而对于任意一个像素点来说，分别获取该像素点的梯度强度，以及该像素点为中心的3×3的邻域中与该中心像素点的方向区间相同的像素点对应的梯度强度，判断该中心像素点的梯度强度是否为邻域像素点中在对应的方向区间上的最大梯度强度，若是，说明这个点可能是建筑物的边缘位置，则将该中心像素点确定为边缘像素点，以消除边缘检测带来的杂散响应。

例如划分0°～45°、45°～90°、0°～-45°、-45°～-90°为4个方向区间，分别将每个像素点的梯度方向对应到其中的一个方向区间中，假设某一像素点的梯度方向在0°～45°方向区间中，那么以该像素点为中心像素点，获取中心像素点3×3邻域的各个像素点的梯度方向，并在邻域的各个像素点的梯度方向在0°～45°方向区间中时获取对应的梯度强度，分析中心像素点的梯度强度是否大于或等于在0°～45°方向区间中的邻域的各个像素点的梯度强度，若大于或等于，则将该中心像素点记为边缘像素点。

步骤208，若任一边缘像素点对应的梯度强度大于预设强边缘点阈值，则将任一边缘像素点标记为强边缘像素点。

通过步骤205至步骤207确定边缘像素点后，为了进一步提升边缘像素点的准确性，需要对边缘像素点的梯度强度与预设强边缘点阈值进行比较，若边缘像素点的梯度强度大于预设强边缘点阈值，说明该像素点是较为明显的建筑物边缘轮廓点，则将该像素低标记为强边缘像素点。

步骤209，若任一边缘像素点对应的梯度强度大于或等于预设弱边缘点阈值，则将任一边缘像素点标记为弱边缘像素点。

步骤210，若弱边缘像素点的邻域像素点中包含强边缘像素点，则将任一边缘像素点的标记从弱边缘像素点改为强边缘像素点。

而若任一边缘像素点的梯度强度小于预设强边缘点阈值大于或等于预设弱边缘点阈值，说明该像素点可能是建筑物的边缘轮廓点，也可能是被误判为边缘轮廓点，则将该像素点标记为弱边缘像素点，并对弱边缘像素点进行进一步判断，具体若弱边缘像素点的邻域像素点中包括强边缘像素点，说明该像素点的邻域中存在建筑物边缘轮廓点，则将该像素点的标记更改为强边缘像素点，从而确定真实的和潜在的边缘点。

需要说明的是，若任一边缘像素点的梯度强度小于预设弱边缘点阈值，说明该点可能被误判为边缘像素点，则直接将其丢弃，另外，若弱边缘像素点的邻域像素点中不包括强边缘像素点，也直接将该弱边缘像素点丢弃。

步骤211，根据强边缘像素点，确定边缘图片。

利用全部的强边缘像素点，确定待识别建筑物对应的边缘图片，该边缘图片能够反应出待识别建筑物的边缘轮廓情况。

步骤212，从边缘图片中提取待识别建筑物轮廓图。

本申请实施例中，将边缘图片输入至find Contours工具包中，利用findContours工具包从边缘图片中，提取出待识别建筑物的轮廓图。其中，待识别建筑物轮廓图包含多个待识别建筑物轮廓，标准建筑物轮廓图包含多个标准建筑物轮廓。

另外，在本申请实施例中，利用无人机航拍技术，分别在特定的两个时间点，在相同的位置处拍摄待识别建筑物的图片，在步骤201，获取待识别建筑对应的待识别建筑物图片之前，还包括：获取待识别建筑物在预设第一时间的标准建筑物图片，其中，标准建筑物图片与待识别建筑物图片的拍摄位置相同；提取标准建筑物图片对应的标准建筑物轮廓图。其中，提取标准建筑物图片对应的标准建筑物轮廓图的方法与上述提取待识别建筑物轮廓图的方法一致，在此不再赘述。本申请实施例也可以直接利用FCN语义分割网络模型或实例分割网络MaskR-CNN等模型实现轮廓提取，将待识别建筑物图片或标准建筑物图片直接输入至模型中，即可得出相应的轮廓图。

另外，基于上述的说明，步骤201应为：获取待识别建筑物在预设第二时间的待识别建筑物图片。

步骤213，将多个待识别建筑物轮廓与多个标准建筑物轮廓进行匹配；若任意一个待识别建筑物轮廓不满足预设匹配条件，则待识别建筑物为违章建筑，其中，预设匹配条件为

|x_i-x_j|＜F₁，|y_i-y_j|＜F₂，|s_i-s_j|＜F₃

xi和xj分别表示任一标准建筑物轮廓i与任一待识别建筑物轮廓j在x轴的中心点坐标，yi和yj分别表示任一标准建筑物轮廓i与任一待识别建筑物轮廓j在y轴的中心点坐标，si和sj分别表示任一标准建筑物轮廓i与任一待识别建筑物轮廓j包含的像素点的数量，F1，F2，F3分别为预设第一违章阈值、预设第二违章阈值和预设第三违章阈值。

在本申请实施例中，标准建筑物轮廓图和待识别建筑物轮廓图分别包含有多个轮廓，对违章建筑的识别过程实质上是基于识别标准建筑物的各个轮廓，判断待识别建筑物的轮廓是否发生了较为明显的变化，若发生了明显变化，说明待识别建筑物可能产生了违章搭建，若未发生明显变化，说明待识别建筑物未产生违章搭建。具体的判断待识别建筑物的轮廓是否发生变化的评判标准即为上述的预设匹配条件。

具体判断步骤可以为：S1，分别将待识别建筑物轮廓图中的每一个轮廓信息Mi与标准建筑物轮廓图中的每一个轮廓信息Nj比较；S2，对于待识别建筑物轮廓图中的任意一个轮廓Mi来说，如果存在任意一个Nj，满足xi-xj的绝对值小于F1，yi-yj的绝对值小于F2，si-sj的绝对值小于F3，则这段时间内待识别建筑物没有违章建筑产生；S3，否则，即如果存在任意一个Nj，满足xi-xj的绝对值大于或等于F1，yi-yj的绝对值大于或等于F2，si-sj的绝对值大于或等于F3，这3个条件中的任意一个或多个，则这段时间内待识别建筑物已产生了违章建筑。

通过应用本实施例的技术方案，对待识别建筑物图片进行灰度化处理，利用处理后的灰度图进行高斯滤波处理，以平滑图像，滤除噪声，进而根据每个像素点的梯度强度和梯度方向确定边缘像素点，并采用非极大值抑制和双阈值检测的方式消除边缘检测带来的杂散响应，孤立弱边缘确定真实的和潜在的边缘，从而得到待识别建筑物的轮廓图，利用待识别建筑物轮廓图与标准建筑物轮廓图进行多维比对，分析待识别建筑物是否为违章建筑，最终提高了违章建筑的识别精度。

进一步的，作为图1方法的具体实现，本申请实施例提供了一种违章建筑识别装置，如图3所示，该装置包括：待识别图片获取模块31、灰度化模块32、边缘检测模块33、轮廓提取模块34、违章判断模块35。

待识别图片获取模块31，用于获取待识别建筑对应的待识别建筑物图片；

灰度化模块32，用于对待识别建筑物图片进行灰度化处理，得到待识别建筑物图片对应的灰度图；

边缘检测模块33，用于对灰度图进行边缘检测，得到待识别建筑物图片对应的边缘图片；

轮廓提取模块34，用于从边缘图片中提取待识别建筑物轮廓图；

违章判断模块35，用于根据待识别建筑物轮廓图与标准建筑物轮廓图的匹配情况，判断待识别建筑是否为违章建筑。

在本申请实施例中，具体地，如图4所示，边缘检测模块33，具体包括：滤波单元331、计算单元332、边缘点确定单元333、边缘图片确定单元334。

滤波单元331，用于对灰度图进行高斯滤波处理，得到滤波后的灰度图；

计算单元332，用于分别计算灰度图中每个像素点的梯度强度和梯度方向；

边缘点确定单元333，用于根据梯度方向和梯度方向，确定边缘像素点；

边缘图片确定单元334，用于根据边缘像素点，确定待识别建筑物图片对应的边缘图片。

在本申请实施例中，具体地，计算单元332，具体用于按照预设梯度强度计算公式以及预设梯度方向计算公式，计算梯度强度和梯度方向，其中，预设梯度强度计算公式为

预设梯度方向计算公式为

θ＝arctan(G_y/G_x)，

Gx、Gy分别表示任一像素点G的灰度值在水平方向的一阶导数值以及在垂直方向的一阶导数值。

在本申请实施例中，具体地，边缘点确定单元333，具体包括：方向区间获取子单元3331、判断子单元3332、边缘点确定子单元3333。

方向区间获取子单元3331，用于获取任一像素点的梯度方向所在的方向区间；

判断子单元3332，用于判断任一像素点的梯度强度是否大于或等于在方向区间上的任一像素点的邻域像素点的梯度强度；

边缘点确定子单元3333，用于若大于或等于，则将任一像素点确定为边缘像素点。

在本申请实施例中，具体地，边缘图片确定单元334，具体包括：强边缘点标记子单元3341、弱边缘点标记子单元3342、标记更新子单元3343、边缘图片确定子单元3344。图中未示出。

强边缘点标记子单元3341，用于若任一边缘像素点对应的梯度强度大于预设强边缘点阈值，则将任一边缘像素点标记为强边缘像素点；

弱边缘点标记子单元3342，用于若任一边缘像素点对应的梯度强度大于或等于预设弱边缘点阈值，则将任一边缘像素点标记为弱边缘像素点；

标记更新子单元3343，用于若弱边缘像素点的邻域像素点中包含强边缘像素点，则将任一边缘像素点的标记从弱边缘像素点改为强边缘像素点；

边缘图片确定子单元3344，用于根据强边缘像素点，确定边缘图片。

在本申请实施例中，具体地，待识别建筑物轮廓图包含多个待识别建筑物轮廓，标准建筑物轮廓图包含多个标准建筑物轮廓；

违章判断模块35，具体包括：轮廓匹配单元351、违章判断单元352。

轮廓匹配单元351，用于将多个待识别建筑物轮廓与多个标准建筑物轮廓进行匹配；

违章判断单元352，用于若任意一个待识别建筑物轮廓不满足预设匹配条件，则待识别建筑物为违章建筑，其中，预设匹配条件为

|x_i-x_j|＜F₁，|y_i-y_j|＜F₂，|s_i-s_j|＜F₃，

xi和xj分别表示任一标准建筑物轮廓i与任一待识别建筑物轮廓j在x轴的中心点坐标，yi和yj分别表示任一标准建筑物轮廓i与任一待识别建筑物轮廓j在y轴的中心点坐标，si和sj分别表示任一标准建筑物轮廓i与任一待识别建筑物轮廓j包含的像素点的数量，F1，F2，F3分别为预设第一违章阈值、预设第二违章阈值和预设第三违章阈值。

在本申请实施例中，具体地，装置还包括：标准图片获取模块36、标准轮廓提取模块37。

标准图片获取模块36，用于在获取待识别建筑对应的待识别建筑物图片之前，获取待识别建筑物在预设第一时间的标准建筑物图片，其中，标准建筑物图片与待识别建筑物图片的拍摄位置相同；

标准轮廓提取模块37，用于提取标准建筑物图片对应的标准建筑物轮廓图；

待识别图片获取模块31，具体用于获取待识别建筑物在预设第二时间的待识别建筑物图片。

需要说明的是，本申请实施例提供的一种违章建筑识别装置所涉及各功能单元的其他相应描述，可以参考图1和图2中的对应描述，在此不再赘述。

基于上述如图1和图2所示方法，相应的，本申请实施例还提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述如图1和图2所示的违章建筑识别方法。

基于这样的理解，本申请的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施场景所述的方法。

基于上述如图1、图2所示的方法，以及图3、图4所示的虚拟装置实施例，为了实现上述目的，本申请实施例还提供了一种计算机设备，具体可以为个人计算机、服务器、网络设备等，该计算机设备包括存储介质和处理器；存储介质，用于存储计算机程序；处理器，用于执行计算机程序以实现上述如图1和图2所示的违章建筑识别方法。

可选地，该计算机设备还可以包括用户接口、网络接口、摄像头、射频(RadioFrequency，RF)电路，传感器、音频电路、WI-FI模块等等。用户接口可以包括显示屏(Display)、输入单元比如键盘(Keyboard)等，可选用户接口还可以包括USB接口、读卡器接口等。网络接口可选的可以包括标准的有线接口、无线接口(如蓝牙接口、WI-FI接口)等。

本领域技术人员可以理解，本实施例提供的一种计算机设备结构并不构成对该计算机设备的限定，可以包括更多或更少的部件，或者组合某些部件，或者不同的部件布置。

存储介质中还可以包括操作系统、网络通信模块。操作系统是管理和保存计算机设备硬件和软件资源的程序，支持信息处理程序以及其它软件和/或程序的运行。网络通信模块用于实现存储介质内部各组件之间的通信，以及与该实体设备中其它硬件和软件之间通信。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本申请可以借助软件加必要的通用硬件平台的方式来实现，也可以通过硬件实现对待识别建筑物图片进行灰度化处理，利用处理后的灰度图进行边缘检测得到待识别建筑物对应的边缘图片，并从边缘图片中提取出待识别建筑物的轮廓图，从而利用待识别建筑物轮廓图与标准建筑物轮廓图进行比对，分析待识别建筑物是否为违章建筑。本申请根据待识别建筑物的轮廓图和标准建筑物的轮廓图的匹配情况分析待识别建筑物是否违章，相比于现有技术中的人工识别方式，提升了违章建筑识别的准确性和效率。

本领域技术人员可以理解附图只是一个优选实施场景的示意图，附图中的模块或流程并不一定是实施本申请所必须的。本领域技术人员可以理解实施场景中的装置中的模块可以按照实施场景描述进行分布于实施场景的装置中，也可以进行相应变化位于不同于本实施场景的一个或多个装置中。上述实施场景的模块可以合并为一个模块，也可以进一步拆分成多个子模块。

上述本申请序号仅仅为了描述，不代表实施场景的优劣。以上公开的仅为本申请的几个具体实施场景，但是，本申请并非局限于此，任何本领域的技术人员能思之的变化都应落入本申请的保护范围。