經濟建設的快速發展，使我國計算機行業以高效、快速、準確的優勢融入社會，逐漸成為人們生活不可或缺的一部分。無論工程大小，施工前都會對工程進行制圖、預算保證建筑工程在施工過程中有序進行，由于不可抗因素和人力原因，導致工作不能按照施工圖進行，從而出現偏差。實際施工過程中，任何一個細節的改變都會影響整個工程，還會對監理人員和施工人員造成錯誤判斷，延誤工程進度。因此，計算機圖像識別技術成功被引入了工程管理當中。文章基于計算機影像視覺進行研究，能夠使建筑工程管理更加科學化、智能化。

　　1構件的識別特征

　　識別系統要完成對建筑構件的準確識別過程，首先要了解構件的特征，然后對不同構件特征進行提取，建筑工程構件的形狀多均為規則多邊形，材質不同，特征不同。在圖像處理中，將構件在光照下的陰影區域及灰度作為圖像特征使用，并根據建筑構件自身特點，可將構件特征以形狀、材質、構件紋理以及構件本身的作用進行歸類處理，如圖1所示。

　　2影像識別模式的構建

　　影像識別模式是基于理論與實踐的中介環節，該模式具有一定的穩定性和操作性。鑒于市面上圖像識別軟件對影像識別進行研究時，需結合實際情況進行調整，實現特殊性與普遍性之間的聯系。目前，圖智能是在國內具有代表性的圖像識別軟件，圖像識別模式大致分為3種;①是基于小波矩的;②是基于分型特征的;③是基于計算機視覺。在工業中首先采用工業相機拍攝照片，然后通過合適的圖像軟件根據圖片灰階差做識別處理。該模式識別流程根據工程規模的大小和管理精度確定圖像采集設備，確定圖像儲存格式后再輸入計算機，利用軟件提取去除噪音的圖像并與背景分開，最后再選擇可用目標參數進行計算。為確保識別信息的準確性，需將計算所得結果與系統儲存的工程信息進行校準。

　　3建筑結構構件影像識別系統的構建

　　影像識別平臺的構建是為實現工程管理智能化、科學化，同時也減少了人為因素在工程管理中的影響。影像識別系統的開發應以用戶需求為中心，合理分析，避免因分析不到位影響平臺開發進度。

　　3.1功能模塊設計

　　功能模塊設計根據系統需求，業務流程和用戶等多方面考慮實現功能明確劃分，便于后期程序開發。建筑工程結構構件影像識別系統包含用戶管理、圖像配準、歸納劃分、圖像預處理、特征提取、圖像輸入以及項目信息等，具體功能層次圖如圖2所示。

　　3.2數據庫設計

　　數據庫的建立要充分考慮建筑工程結構構件的影像識別特點，將工程自身的信息和相關資源作為設計基礎。無論大型工程或小型工程在施工過程中自身都有一定變數存在，所在才會出現設計圖紙修改和工程進度延誤等情況發生，這就為數據采集帶來了一定難度，因此數據庫需要不斷的完善、更新。結合功能模塊的設計，可將數據信息進行分類。各分類包括詳細信息如圖3所示。

　　3.3實驗

　　實驗部分將“XX大樓會議廳”作為研究對象。會議廳位于大樓的五層，整體結構為鋼筋混凝土，根據大樓模型構件，將大廳主梁和次梁的分布搭載情況進行分析，如圖4所示。3.3.1圖像采集選取大廳兩根柱子作為實驗對象，采集工具選用高精度數碼照相機，由于該采集過程屬于小型工程，所以管理精度可設置為周結。點擊進入影像識別系統，填寫頁面顯示的圖像和項目信息，設置施工日期定為90d，類別選為公共建筑，施工階段為裝修內部裝飾，并保存圖像拍攝日期、格式、數量。3.3.2圖像處理灰度化后的圖像整體會模糊不清楚，地面紋路混亂，在影像識別系統中點擊“預處理”將圖像上傳至系統，格式為“jpg”，點擊開始按照羅伯特算子法去噪。目標提取是將鏡頭對準兩根柱子，再點擊“預處理”設置格式，點擊開始進行邊緣檢測。研究對象為大廳柱子，將該柱子長度作為特征值進行“特征提取”，提取后再進行長度計算。3.3.3歸納在系統中點擊“歸納”并將圖像上傳至系統，設置特征為幾何特征，修改參數坐標再進行保存，將保存好的信息上傳至數據庫，如果需要修改可點擊“重置”或“取消”。3.3.4圖片配準取同一場景不同視角的兩幅圖，在影像識別系統中點擊“圖像配比”進行上傳，并設置圖片來源，點擊開始系統會對兩幅圖像進行配準，確認配比結果無誤保存即可，如有問題，點擊“刪除”按鈕，選擇重新配比。仿真實驗章節對圖像識別模式的構建進行了詳細劃分和描述。首先根據各系統的功能化需求和業務流程，對功能化模塊進行設計，使建筑結構構件識別流程更細化、更清晰、更具體，也充分證明了這一流程在建筑工程中的可行性。

　　4結語

　　文章根據計算機視覺信息處理技術，對工程構件的特征以及構建影像識別系統進行研究。首先根據建筑構件的組成和它的紋理特征、光譜特征、形狀特征等得到影像識別模式的框架;然后通過模式框架構建識別系統，進行仿真實驗;最后選定目標，設置圖像獲取設備和存儲格式，對影像識別系統進行測試，實現圖像識別得出最終結論。由此可見對建筑工程構建影像識別系統模式和流程研究是可行的，由計算機代替人力實現工程管理，準確、客觀的保證了對構件的識別，避免了各方面因素帶來的風險，有效抑制了資源浪費，在減少安全隱患的同時也進一步保證了工程質量和進度以及管理的客觀性和公正性，進一步推動了建筑工程實現智能化管理。

　　參考文獻

　　[1]劉文霞，郝紹菊，喬小琳.高層樓宇建筑電氣漏電火花智能圖像識別方法[J].電氣應用，2020，31(14)：74-77.

　　[2]宋廷強，李繼旭，張信耶.基于深度學習的高分辨率遙感圖像建筑物識別[J].計算機工程與應用，2020，56(8)：26-34.

　　[3]劉定操，尚展壘.利用遙感圖像對震損建筑結構變形檢測的識別研究[J].地震工程學報，2019，41(5)：1380-1384.

　　[4]韓豫，張涇杰，孫昊，等.基于圖像識別的建筑工人智能安全檢查系統設計與實現[J].中國安全生產科學技術，2016，12(10)：142-148.

　　[5]曹艷玲，袁義宏.基于特征分布的建筑墻體裂縫圖像識別方法[J].沈陽工業大學學報，2018，40(2)：235-240.

　　[6]朱丹，吳茲古力.基于機器視覺的農業機械圖像識別系統分析[J].農機化研究，2020(10)：28-31+36.

　　[7]王偉，呂山可，張雨果，等.基于BIM與機器視覺技術結合的建筑施工危險區域入侵預警研究[J].安全與環境工程，2020，27(2)：196-203.

　　[8]張浩，趙云勝，陳冠宇，等.基于支持向量機的遙感圖像建筑物識別與分類方法研究[J].地質科技情報，2016，35(6)：194-199.

　　[9]宋廷強，李繼旭，張信耶.基于深度學習的高分辨率遙感圖像建筑物識別[J].計算機工程與應用，2020，56(8)：26-34.

　　[10]金永昌，哈圖，閆衛生.航拍區域建筑圖像目標點優化識別仿真[J].計算機仿真，2018，35(4)：373-376.

　　[11]蔡小青.復雜場景下非正交建筑圖像自動識別仿真[J].計算機仿真，2019，36(10)：339-343.

　　《計算機視覺信息處理技術在建筑結構中的影像識別模式研究》來源：《粘接》，作者：王炎