基于人工智能的江岸风貌分析

基于人工智能的江岸风貌分析


基于人工智能的江岸风貌分析

    

城室科技

致力于大数据和人工智能

期待与您的合作




基于人工智能的江岸风貌分析


一.江景视觉要素分类分析

 本项目通过对某江景两岸的视频资料处理,( 其中北岸共计345分钟,截取21711张图像(每秒1张), 南岸374分钟,截取22421张图像(每秒1张)),对两岸的江景风貌进行分析。

根据图像资料,画面中的视觉信息主要分为七类要

素,分别为:天空,水,建筑,植被,山体,船,墙。

对以上所截取的图像进行人工智能图像识别,分别对每张图片中的天空,水,建筑,植被,山体,船,墙七类要素进行识别,并将七类要素的信息导入GIS,得出每类要素在江景中集中分布的位置。


在GIS中,将南北两段岸视频的每帧画面抽象为一个点,每个点里面包含了七类要素所占的比例大小,将每类视觉要素所占据的比例大小用该点半径的大小表示,并在两段江景中做可视化分析,如下图。

基于人工智能的江岸风貌分析

北岸山体分布

基于人工智能的江岸风貌分析

南岸山体分布

基于人工智能的江岸风貌分析

北岸植物分布

基于人工智能的江岸风貌分析

南岸山体分布

基于人工智能的江岸风貌分析

北岸建筑分布

基于人工智能的江岸风貌分析

南岸建筑分布

基于人工智能的江岸风貌分析

北岸天空分布

基于人工智能的江岸风貌分析

南岸天空分布

      通过图像识别和GIS的空间属性分析,可以看出每类要素在整段江景中主要分布的位置,以及同一段江景中,南北两岸的每类要素分布位置的区别

二.江景视觉要素所占比例的可视化

基于图像切割得到的江景要素分析,每帧图像中七类要素所占的比例进行可视化(以下不同颜色代表不同类别)。

基于人工智能的江岸风貌分析

沿着路线对南北两岸视频中每帧画面分析,可以由(天空和水所占的比例)看出整条路线中的视线开阔度的变化,以及山景(山在画面中所占的比例)的变化,同时从建筑所占的比例中可以看出现代建设行为对整个沿岸自然风光中所带来的视觉冲击的强度。

基于人工智能的江岸风貌分析

通过调取任何点的照片,可以直接查看当地的实景图片和各类视觉要素所占的比例。

基于人工智能的江岸风貌分析

分别点击各类要素的图标,可以去掉该要素的比例,进而分析出其他要素所占的比例。

基于人工智能的江岸风貌分析

对三段岸线的空间视觉辨识度进行分析,并把图片全部打散,预测每张图片属于哪一段江景,分析匹配图片的正确率以及各段之间的混淆度。

A江北岸正确率

73.58%,

A江南岸正确率

21.37%

B江北岸正确率

63.72%

B江南岸正确率

62.50%

C江北岸正确率

77.04%

C江南岸正确率

96.63%

从以上表格中可以看出C江两岸的特色比较明显,特别是南岸的特征尤为显著,而A江南岸的特色不明显。

混淆度计算中,A江南岸有47.03%的江景和B江南岸的特征相似,有18.57%和A江北岸的特征相似,而B江南岸和北岸分别有24.81%和25.19%的江景被认作对方。同时可以发现C江南北两岸与A江南北两岸的江景区别很大,被认为对方的概率很少甚至为0。

结合各段江景的基数以及随机匹配的正确度和混淆度可以看出,C江的南北两岸特色明显,B江较长,包含基数较大,A江的特色不明显,所以B江包含了大部分A江的特色,导致A江的图像在识别的时候,被认为是B江的概率很大,甚至A江南岸的部分江景被认为是B江南岸的概率大于其本身。

三.聚类分析

分别对南北岸自动聚20类,15类,10类,7类,5类,3类进行分析,并将其进行可视化处理。

基于人工智能的江岸风貌分析
基于人工智能的江岸风貌分析

根据分析的需要,选择聚类的类型并对结果在空间上可视化。

基于人工智能的江岸风貌分析

可通过该系统对以上聚类的结果查找相关照片进而了解实地情况。

通过人工智能图像识别技术对视频资料进行处理后,可以快速对所有的信息进行计算,提高了分析的速度,同时将图像识别的成果进行可视化处理后,可以方便快速发现空间上的一些规律,为之后的设计、管理等都提供了直接的依据。

编辑 | 李颖欣

资料 | 城室科技

视频数据来源 | 中规院上海分院 

往期内容回顾:

数据驱动的街道量化指标建设

Road Matcher 预告 | 一款帮助设计师节省时间的利器

北京上海奶茶店测评

从20秒涂鸦看文化属性

魔都安全出行指南

帝都交通安全指南


基于人工智能的江岸风貌分析

城室科技

致力于大数据和人工智能

基于人工智能的江岸风貌分析

原文始发于微信公众号(城室科技):基于人工智能的江岸风貌分析