(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 202111583277.8 (22)申请日 2021.12.2 2 (71)申请人 首都师范大学 地址 100048 北京市海淀区西三环北路10 5 号 申请人 北京大学 (72)发明人 王茂军　刘涛　曹广忠　徐文禹　 陈韵凌　 (74)专利代理 机构 北京知联天下知识产权代理 事务所(普通 合伙) 11594 专利代理师 史光伟　张迎新 (51)Int.Cl. G06V 20/10(2022.01) G06K 9/62(2022.01) G06N 20/00(2019.01)G06V 10/764(2022.01) (54)发明名称 一种村庄无人居住院落智能识别方法及系 统 (57)摘要 本发明提供一种村庄无人居住 院落智能识 别方法及系统， 方法包括： 获取村庄院落影像数 据； 提取所述村庄院落影像数据的院落影像特 征， 基于深度学习对所述院落影像特征进行场景 理解， 实现识别所述院落影像特征； 根据识别的 院落影像特征， 利用多种算法分别预测村庄院落 无人居住识别结果， 得到多个村庄院落无人居住 预测识别结果； 基于所述多个村庄院落无人居住 预测识别结果建立多数投票算法， 结合村庄院落 建成环境实地审计结果， 准确识别村庄无人居住 院落。 本发明的村庄无人居住院落智能识别方 法， 实现村庄无人居住院落的快速、 精准的智能 识别。 权利要求书3页 说明书11页 附图2页 CN 114494850 A 2022.05.13 CN 114494850 A 1.一种村庄无 人居住院落智能识别方法， 其特 征在于， 包括如下步骤： 获取村庄院落影 像数据； 提取所述村庄院落影像数据的院落影像特征， 基于深度 学习对所述院落影像特征进行 场景理解， 实现识别所述院落影 像特征； 根据识别的院落影像特征， 利用多种算法分别预测村庄 院落无人居住识别结果， 得到 多个村庄院落无 人居住预测识别结果； 基于所述多个村庄院落无人居住预测 识别结果建立多数投票算法， 结合村庄院落建成 环境实地审计结果， 准确识别村庄无 人居住院落。 2.根据权利要求1所述的村庄无人居住院落智能识别方法， 其特征在于， 所述获取村庄 院落影像数据， 包括： 收集并整理村庄院落建成环境实地审计结果； 收集并整理村庄院落无 人机低空高精度遥感影 像； 以所述村庄院落无人机低空高精度遥感影像作为工作底图， 将所述村庄院落建成环境 实地审计结果与所述工作底图进行匹配完成数据校核， 得到 村庄院落影 像数据。 3.根据权利要求2所述的村庄无人居住院落智能识别方法， 其特征在于， 所述收集并整 理村庄院落建成环境实地审计结果， 包括： 以村庄院落 为研究分析的空间单 元， 进行村庄院落建成环境实地审计。 4.根据权利要求3所述的村庄无人居住院落智能识别方法， 其特征在于， 所述以村庄院 落为研究分析的空间单 元， 进行村庄院落建成环境实地审计， 包括： 对村庄院落物质空间环境要素及其组合类型进行实地调查、 现场评估， 判别村庄 院落 是否无人居住。 5.根据权利要求2所述的村庄无人居住院落智能识别方法， 其特征在于， 所述收集并整 理村庄院落无 人机低空高精度遥感影 像， 包括: 以村庄院落为研究分析的空间单元， 采用低空无人机航拍获得村庄院落无人机低空高 精度遥感影 像。 6.根据权利要求5所述的村庄无人居住院落智能识别方法， 其特征在于， 所述以村庄院 落为研究分析的空间单元， 采用低空无人机航拍获得村庄院落无人机低空高精度遥感影 像， 包括： 根据无人机航拍获得村庄高精度影像， 借助PTGUI软件， 创建村庄 的全景高精度影像， 并以院落 为单元， 将村庄的全景高精度影 像按照院落进行切分。 7.根据权利要求1所述的村庄无人居住院落智能识别方法， 其特征在于， 所述提取所述 村庄院落影 像数据的院落影 像特征， 包括： 对所述村庄院落影像数据进行村庄院落建成环境虚拟审计， 提取不同类型院落的影像 特征； 所述村庄院落建成环境虚拟 审计， 包括： 以所述村庄院落影像数据为对象， 对村庄院落内多个物质空间环境要素及其组合类型 进行审计。 8.根据权利要求1所述的村庄无人居住院落智能识别方法， 其特征在于， 所述基于深度 学习对所述院落影 像特征进行场景理解， 实现识别所述院落影 像特征， 包括：权　利　要　求　书 1/3 页 2 CN 114494850 A 2按院落影像特征， 采用深度学习将院落理解为多个目标地物构成的整体， 目标地物指 院落内能够表征有 无人居住的典型地物， 典型地物包括丛生杂草、 灌丛、 太阳能热水器和空 调外挂机； 根据目标地物进行院落绿视率计算、 典型地物的智能识别。 9.根据权利要求8所述的村庄无人居住院落智能识别方法， 其特征在于， 所述院落绿视 率计算， 包括： 借助SemanticS egmentation_v 1.0软件， 对村庄院落内树、 草以及 其他植物进行场景理 解， 计算村庄院落内树、 草以及其他植物的像素点占院落像素点的比重， 具体采用如下公 式： Green Looking Ratio＝ID5+ID10+ID18   (1)； 其中， Green  Looking Ratio表示院落的绿视率， ID5表示树像素点在院落内的比重, ID10表示草像素点在院落内的比重； ID18表示其他植物像素点在院落内的比重 。 10.根据权利要求9所述的村庄无人居住院落智能识别方法， 其特征在于， 所述典型地 物的智能识别包括； 选取典型地物， 搭建深度学习环境； 基于深度学习环境， 制作对应目标检测的数据集； 将所述数据集进行切分， 搭建目标检测网络， 实现对所述典型地物的检测， 获取检测结 果； 对检测结果的准确性进行评价， 当准确率大于设定阈值时， 输出院落典型地物有无的 识别结果。 11.根据权利要求1所述的村庄无人居住院落智能识别方法， 其特征在于， 所述根据识 别的院落影像特征， 利用多种算法分别预测村庄院落无人居住识别结果， 得到多个村庄院 落无人居住预测识别结果， 包括： 根据识别的院落影像特征， 利用决策树分析算法判别村庄 院落是否无人居住， 获取村 庄院落无 人居住第一预测识别结果； 根据识别的院落影像特征， 利用二元逻辑回归分析算法判别村庄 院落是否无人居住， 获取村庄院落无 人居住第二预测识别结果； 根据识别的院落影像特征， 利用判别分析算法判别村庄 院落是否无人居住， 获取村庄 院落无人居住第三预测识别结果； 根据识别的院落影像特征， 利用支持向量机分析算法判别村庄 院落是否无人居住， 获 取村庄院落无 人居住第四预测识别结果； 根据识别的院落影像特征， 利用人工神经网络分析算法判别村庄 院落是否无人居住， 获取村庄院落无 人居住第五预测识别结果。 12.根据权利要求11所述的村庄无人居住院落智能识别方法， 其特征在于， 所述基于所 述多个村庄院落无人居住预测识别结果建立多 数投票算法， 结合村庄院落建成环境 实地审 计结果， 准确识别村庄无 人居住院落， 包括： 集成所述村庄院落无人居住第一预测识别结果、 村庄院落无人居住第二预测识别结 果、 村庄院落无人居住第三预测识别结果、 村庄院落无人居住第四预测识别结果以及村庄 院落无人居住第五预测识别结果；权　利　要　求　书 2/3 页 3 CN 114494850 A 3