山西传统民居是历史留给我们的一份珍贵遗产,既是历史文化的真实写照,同时也是当时人们精神追求的具体显现。然而,山西传统民居建筑文化遗产损毁现状却令人堪忧。符合当前大数据时代背景下的全新的民居保护措施研究工作迫在眉睫。21世纪是一个信息爆炸的互联时代,新兴的图像识别技术以其快速且精准的信息提取与识别的特点被广泛应用于众多领域。基于此本文提出将图像识别技术与传统民居信息保护工作相结合的研究构思,这势必会创造出一种全新的遗产保护手段,全方位提升对历史建筑的保护力度。门窗属于传统民居各部分组成构件中图像特征明显且数量最多的一部分单元构件,因此选取门窗这一传统民居构件进行传统民居识别初探。本文首先研究山西传统民居典型门窗相关理论,包括门窗种类、功能、雕饰等;其次,对图像识别技术图像识别技术进行说明和阐述;而后,在对山西传统民居进行大量实地调研的基础上,收集第一手资料。针对现有传统民居门窗图像识别研究空缺的现状,本论文提出了一种基于改进YOLOv2网络模型的山西传统民居典型门窗图像识别算法,称之为YOLOv2-TDDWNet。改进措施主要包括:1)将BN网络层添加到YOLOv2原网络模型的所有卷积层中;2)添加卷积层到YOLOv2神经网络中,提高识别精准度;3)新增网络训练过程可视化部分;4)设计门窗识别网络检测的图形用户界面四大方面。为验证检测方法的有效性,对比其他改进模型,实验表明:改进的模型YOLOv2-TDDWNet对六种传统民居门窗在单目标和多目标的检测下平均准确率达到了近80%,识别效果较佳。本文以跨学科交叉融合的思路探索传统民居门窗保护和传承的新的研究手段。研究内容不再局限于对传统民居门窗单体的静态研究,而是借助深度学习理论,以识别的角度对门窗进行数据研究工作提供便捷手段。研究方法不再仅局限于基于建筑学的调查测绘和图景描述,而是逐渐走向数据化的探究。