建筑立面的语义分析是计算机视觉和图形学应用中的重要问题，对于三维城市建模、场景可视化、城市场景理解等任务是必不可少的一环。窗户作为建筑立面中最为主要的组成部分，从立面中检测窗户，是立面分析任务中最为主要的组成部分之一。建筑立面窗户检测的目标是，给定一张彩色建筑立面图像，从中定位窗户的位置。窗户位置可以由其关键点、包围盒、语义像素区域等方式所描述。由于立面与窗户的多样性，本文采用更为通用、鲁棒的语义关键点来描述所检测的窗户区域。
　　本文研究提出了一种基于多特征图融合以检测建筑立面窗户的方法。特征图包括关键点概率图，关键点间关系图以及窗户几何中心点的概率分布图。通过网络端到端地学习并预测多特征图，将各预测处理模块统一到了一个整体框架内。首先，通过结合注意力机制，提升概率图预测的质量，从中提取更高精度的窗户关键点定位。接着，引入关联嵌入特征概念，利用标签图编码窗户关键点之间的关系，用以聚类同一窗户的关键点。同时该编码方式能够更好地应对高密度立面。最后构造了中心点验证模块，进一步提升预测结果的准确性。本文未利用任何立面先验知识或对立面作任何几何假设，对于立面图像也几乎不作特殊要求。同时方法通过将窗户抽象为多边形来描述它，因此对于复杂的、不规则的建筑立面更为鲁棒，更有利于检测窗户区域。由于缺少现成的标注数据集以供训练，收集并标注了建筑立面图像，构建了一个含有超过3000份标注样本的、具有丰富多样性的建筑立面数据集。基于此数据集，进行了定量和定性的对比实验。实验结果证明了本文方法的准确性与鲁棒性，且在复杂多变的建筑立面图像上表现出色。最后，基于本文的建筑立面窗户检测系统，展示了相关的图形图像应用。