[发明专利]基于大数据视觉分析的钢筋裸露检测工作方法

权利要求书

1.一种基于大数据视觉分析的钢筋裸露检测工作方法，其特征在于，包括如下步骤：

S1，通过远程监控系统获取建筑工地施工图像，对建筑工地施工中的外墙、承重梁进行图像扫描；

S2，统计外墙和承重梁的个数已经图像中的外墙样本数和承重梁样本数，根据图像灰度变换方法形成样本数据库；

S3，形成样本数据库后，对提取的灰度图像进行局部线性检测和Hough函数计算，得到钢筋裸露图像。

2.根据权利要求1所述的基于大数据视觉分析的钢筋裸露检测工作方法，其特征在于，所述S1包括：S1-1，针对建筑外墙选取每个面的中心区域进行图像采集，采集完成后，将图像进行逐行扫描，遍历每行图像数据的明暗像素点；

S1-2，对裸露在外的承重梁进行图像采集，对承重梁的直线状态进行图像筛选，计算承重梁的图像聚类的平均值，获取图像中直线不变性或者直线形变收敛判断值；

S1-3，采用标定方法获得建筑外墙和裸露在外的承重梁的具体参数，获取沿时间轴变化图像信息，经内外参数矩阵进行校正，获得畸变校正的的连续图像。

3.根据权利要求1所述的基于大数据视觉分析的钢筋裸露检测工作方法，其特征在于，所述S2图像灰度变换方法包括：

S2-1，根据畸变校正的连续图像，对建筑外墙样本和裸露在外的承重梁进行统计，形成参评关键部位的特定标签标签，通过分割不同灰度的区域图像，设置特征参考标签坐标。

4.根据权利要求3所述的基于大数据视觉分析的钢筋裸露检测工作方法，其特征在于，所述S2图像灰度变换方法还包括：

S2-2，利用特征提取函数进行二值化转换，对下一时间节点建筑外墙钢筋裸露位置进行预测，记录历史变化轨迹及运动频率，为提高计算速度，加速特征提取和测试过程，进行特征二值化，由于建筑外墙图像幅值取值范围[0，255]，因此利用如下公式进行二进制比特流替换值h的计算；

其中，k∈{0,8}表示k位二进制值，β_i表示选取第i个图像向量系数，将图像向量s_i进行平方运算，形成联合图像帧准备参数；获取的建筑外墙样本和裸露在外的承重梁图像矩阵区域，N为正整数；

获取符号，表示内积运算；σ为图像提取模型参数，T_(j,x,y)为检验度量j在图像坐标(x，y)的抓取特征，c_x为x轴的图像像素遍历值，d_y为y轴的图像像素遍历值，η为图像校正因子，a_i为第i个图像基向量；

将a_i图像基向量中的值为零后，建筑外墙图像样本和裸露在外的承重梁图像像素遍历结束，形成样本数据库。

5.根据权利要求1所述的基于大数据视觉分析的钢筋裸露检测工作方法，其特征在于，所述S3包括：

S3-1，根据灰度变换后的建筑外墙图像样本和裸露在外的承重梁图像样本，所形成的样本数据库，对所述图像进行局部线性检测和Hough变换，得到钢筋裸露图像；

对所述钢筋裸露图像进行差分处理得到降噪目标图像；通过深度网络构建分类器，

深度网络构建分类器的收敛函数：

m和n分别代表建筑物外墙样本变量和裸露在外的承重梁样本变量，P为建筑物外墙样本图像帧，U为裸露在外的承重梁样本图像帧，通过建筑物外墙样本图像校正参数w和裸露在外的承重梁样本图像校正参数v进行修正，其中T_i为建筑外墙图像样本和裸露在外的承重梁图像的提取数，δ为图像饱和度影响因子，c_m,n建筑外墙图像样本和裸露在外的承重梁图像中失效图像数，M(·)为图像状态概率，

将所述降噪目标图像输入所述分类器，判断所述降噪目标图像是否属于包含钢筋裸露目标图像；通过提取算子边缘检测进行局部线性检测，检测出图像中的砾石或者砖块，结合直线形态提取方法对图像进行特征提取处理，得到钢筋提取连通图像。