基于深度学习的监控建筑变化影像识别

传统方法对长焦距摄像头影像进行变化区域提取时,由于光照、摄像头抖动等影响,导致像素点不能精确配准,变化检测不能准确识别建筑物变化的问题,本文提出基于深度学习的监控建筑影像变化检测算法。首先利用图像相似性进行筛选,粗略提取变化区域图像;再利用Faster R-CNN网络对变化区域图像进行建筑物识别与提取。通过桂林西站图像采集试验,结果表明本文方法相比差值法提取变化区域进行变化检测,虚检率降低0.126,漏检率降低0.518,正确率提高0.124,完整率提高0.519,质量提高0.12,在城乡结合部由于建筑物与背景区别更大,具有更好的检测结果和泛化能力。