经济建设的快速发展，使我国计算机行业以高效、快速、准确的优势融入社会，逐渐成为人们生活不可或缺的一部分。无论工程大小，施工前都会对工程进行制图、预算保证建筑工程在施工过程中有序进行，由于不可抗因素和人力原因，导致工作不能按照施工图进行，从而出现偏差。实际施工过程中，任何一个细节的改变都会影响整个工程，还会对监理人员和施工人员造成错误判断，延误工程进度。因此，计算机图像识别技术成功被引入了工程管理当中。文章基于计算机影像视觉进行研究，能够使建筑工程管理更加科学化、智能化。
1构件的识别特征
识别系统要完成对建筑构件的准确识别过程，首先要了解构件的特征，然后对不同构件特征进行提取，建筑工程构件的形状多均为规则多边形，材质不同，特征不同。在图像处理中，将构件在光照下的阴影区域及灰度作为图像特征使用，并根据建筑构件自身特点，可将构件特征以形状、材质、构件纹理以及构件本身的作用进行归类处理，如图1所示。
2影像识别模式的构建
影像识别模式是基于理论与实践的中介环节，该模式具有一定的稳定性和操作性。鉴于市面上图像识别软件对影像识别进行研究时，需结合实际情况进行调整，实现特殊性与普遍性之间的联系。目前，图智能是在国内具有代表性的图像识别软件，图像识别模式大致分为3种;①是基于小波矩的;②是基于分型特征的;③是基于计算机视觉。在工业中首先采用工业相机拍摄照片，然后通过合适的图像软件根据图片灰阶差做识别处理。该模式识别流程根据工程规模的大小和管理精度确定图像采集设备，确定图像储存格式后再输入计算机，利用软件提取去除噪音的图像并与背景分开，最后再选择可用目标参数进行计算。为确保识别信息的准确性，需将计算所得结果与系统储存的工程信息进行校准。
3建筑结构构件影像识别系统的构建
影像识别平台的构建是为实现工程管理智能化、科学化，同时也减少了人为因素在工程管理中的影响。影像识别系统的开发应以用户需求为中心，合理分析，避免因分析不到位影响平台开发进度。
3.1功能模块设计
功能模块设计根据系统需求，业务流程和用户等多方面考虑实现功能明确划分，便于后期程序开发。建筑工程结构构件影像识别系统包含用户管理、图像配准、归纳划分、图像预处理、特征提取、图像输入以及项目信息等，具体功能层次图如图2所示。
3.2数据库设计
数据库的建立要充分考虑建筑工程结构构件的影像识别特点，将工程自身的信息和相关资源作为设计基础。无论大型工程或小型工程在施工过程中自身都有一定变数存在，所在才会出现设计图纸修改和工程进度延误等情况发生，这就为数据采集带来了一定难度，因此数据库需要不断的完善、更新。结合功能模块的设计，可将数据信息进行分类。各分类包括详细信息如图3所示。
3.3实验
实验部分将“XX大楼会议厅”作为研究对象。会议厅位于大楼的五层，整体结构为钢筋混凝土，根据大楼模型构件，将大厅主梁和次梁的分布搭载情况进行分析，如图4所示。3.3.1图像采集选取大厅两根柱子作为实验对象，采集工具选用高精度数码照相机，由于该采集过程属于小型工程，所以管理精度可设置为周结。点击进入影像识别系统，填写页面显示的图像和项目信息，设置施工日期定为90d，类别选为公共建筑，施工阶段为装修内部装饰，并保存图像拍摄日期、格式、数量。3.3.2图像处理灰度化后的图像整体会模糊不清楚，地面纹路混乱，在影像识别系统中点击“预处理”将图像上传至系统，格式为“jpg”，点击开始按照罗伯特算子法去噪。目标提取是将镜头对准两根柱子，再点击“预处理”设置格式，点击开始进行边缘检测。研究对象为大厅柱子，将该柱子长度作为特征值进行“特征提取”，提取后再进行长度计算。3.3.3归纳在系统中点击“归纳”并将图像上传至系统，设置特征为几何特征，修改参数坐标再进行保存，将保存好的信息上传至数据库，如果需要修改可点击“重置”或“取消”。3.3.4图片配准取同一场景不同视角的两幅图，在影像识别系统中点击“图像配比”进行上传，并设置图片来源，点击开始系统会对两幅图像进行配准，确认配比结果无误保存即可，如有问题，点击“删除”按钮，选择重新配比。仿真实验章节对图像识别模式的构建进行了详细划分和描述。首先根据各系统的功能化需求和业务流程，对功能化模块进行设计，使建筑结构构件识别流程更细化、更清晰、更具体，也充分证明了这一流程在建筑工程中的可行性。
4结语
文章根据计算机视觉信息处理技术，对工程构件的特征以及构建影像识别系统进行研究。首先根据建筑构件的组成和它的纹理特征、光谱特征、形状特征等得到影像识别模式的框架;然后通过模式框架构建识别系统，进行仿真实验;最后选定目标，设置图像获取设备和存储格式，对影像识别系统进行测试，实现图像识别得出最终结论。由此可见对建筑工程构建影像识别系统模式和流程研究是可行的，由计算机代替人力实现工程管理，准确、客观的保证了对构件的识别，避免了各方面因素带来的风险，有效抑制了资源浪费，在减少安全隐患的同时也进一步保证了工程质量和进度以及管理的客观性和公正性，进一步推动了建筑工程实现智能化管理。
参考文献
[1]刘文霞，郝绍菊，乔小琳.高层楼宇建筑电气漏电火花智能图像识别方法[J].电气应用，2020，31(14)：74-77.
[2]宋廷强，李继旭，张信耶.基于深度学习的高分辨率遥感图像建筑物识别[J].计算机工程与应用，2020，56(8)：26-34.
[3]刘定操，尚展垒.利用遥感图像对震损建筑结构变形检测的识别研究[J].地震工程学报，2019，41(5)：1380-1384.
[4]韩豫，张泾杰，孙昊，等.基于图像识别的建筑工人智能安全检查系统设计与实现[J].中国安全生产科学技术，2016，12(10)：142-148.
[5]曹艳玲，袁义宏.基于特征分布的建筑墙体裂缝图像识别方法[J].沈阳工业大学学报，2018，40(2)：235-240.
[6]朱丹，吴兹古力.基于机器视觉的农业机械图像识别系统分析[J].农机化研究，2020(10)：28-31+36.
[7]王伟，吕山可，张雨果，等.基于BIM与机器视觉技术结合的建筑施工危险区域入侵预警研究[J].安全与环境工程，2020，27(2)：196-203.
[8]张浩，赵云胜，陈冠宇，等.基于支持向量机的遥感图像建筑物识别与分类方法研究[J].地质科技情报，2016，35(6)：194-199.
[9]宋廷强，李继旭，张信耶.基于深度学习的高分辨率遥感图像建筑物识别[J].计算机工程与应用，2020，56(8)：26-34.
[10]金永昌，哈图，闫卫生.航拍区域建筑图像目标点优化识别仿真[J].计算机仿真，2018，35(4)：373-376.
[11]蔡小青.复杂场景下非正交建筑图像自动识别仿真[J].计算机仿真，2019，36(10)：339-343.
《计算机视觉信息处理技术在建筑结构中的影像识别模式研究》来源：《粘接》，作者：王炎
