城市中建筑物相关分类及统计数据在地震保险产品设计中至关重要,这方面数据的快速及准确获取对其保险相关参数的设定非常关键。基于建筑物街景数据获取结构特性相比传统手段具有显著优势,然而其相关方法的准确性又是一个非常有挑战性的问题。本文对基于卷积神经网络的建筑物属性获取方法进行了研究,实现了图像中建筑物层数的有效获取,主要工作如下:(1)鱼眼图像畸变校正。实现了基于经度的校正方法、基于经纬度的校正方法、基于球心投影的校正方法、基于多项式的校正方法和基于除式的校正方法,并在相同建筑物鱼眼图像上进行了图像畸变矫正实验。实验结果表明,采用基于球心投影的校正方法的校正效果好于其他四种校正方法,因此将基于球心投影的校正方法用于街景图的畸变校正;(2)建筑物层数估计。以VGG16卷积神经网络为基础网络框架,应用迁移学习技术,通过改变网络输入的图片数量、改变网络输入的图片尺寸、加入建筑物鱼眼街景图以及存在遮挡物的建筑物街景图,进行实验对比和数据分析,寻找最优的深度模型参数,确定建筑物层数估计模型,实现街景图中建筑物层数的有效获取。