[發明專利]一種房間狀態識別方法

在審

• 申請號: 202010172320.0
• 申請日: 2020-03-12
• 公開（公告）號: CN111275020A
• 公開（公告）日: 2020-06-12
• 發明（設計）人: 姚國慶;蒲慶;陳浩;高靖;崔巖;盧述奇
• 申請（專利權）人: 青梧桐有限責任公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06N3/08
• 代理公司: 北京國標律師事務所 11753
• 代理人: 姚克楓;董琪

1.一種房間狀態識別方法，其特征在于，包括：

獲取待識別的房間圖像；

將待識別的房間圖像，輸入語義分割網絡，在房間圖像中劃分出房間的組成構件，得到第一識別圖像；

所述組成構件至少包括：墻面、地面、頂面；

將待識別的房間圖像，輸入圖像識別網絡，在房間圖像中識別出房間的問題區域，得到第二識別圖像；

所述問題區域至少包括：污損區域、破損區域、缺損區域。

2.根據權利要求1所述的識別方法，其特征在于，所述房間圖像來自于靜態圖片或視頻片段，

所述房間圖像為房間內部情況的圖像，所述房間內部情況是指室內墻面、地面、頂面的情況，其中至少包括以下任意之一或部分或全部：

房間內部墻面情況，

房間內部地面情況，

房間內部頂面情況；

所述房間圖像至少一張，亦可為多張，為多張時，全部圖像完全覆蓋該房間的墻面、地面、頂面；

所述房間圖像拍攝角度相同或不同；

所述房間圖像，圖像中的墻面、地面或頂面部分或全部重復。

3.根據權利要求1所述的識別方法，其特征在于，污損區域指存在污漬的區域，

破損區域指存在破裂、損傷的區域，

缺損區域指存在結構缺失的區域；

在目標檢測處理時，在房間圖像中識別出房間的裝修狀態，所述裝修狀態默認分為：毛坯房、精裝房。

4.根據權利要求1所述的識別方法，其特征在于，還包括：對第一識別圖像和第二識別圖像進行IOU計算，輸出組成構件與問題區域的對應關系。

5.根據權利要求4所述的識別方法，其特征在于，所述對應關系包括：

按照墻面、地面、頂面進行區域劃分后對應的區域坐標及類別，

問題區域的坐標及中心點，所述坐標通常為左上點和右下點坐標值，

問題區域的中心點在墻面、地面或頂面的判斷結果。

6.根據權利要求4所述的識別方法，其特征在于，還包括：組成構件與問題區域的對應關系的可視化，至少包括：

在組成構件區域形成第一預測邊框，

在問題區域形成第二預測邊框。

7.根據權利要求6所述的識別方法，其特征在于，還包括：人工糾錯處理：選定第一預測邊框或第二預測邊框，標注其中顯示錯誤的內容，形成人工糾錯圖像，傳輸人工糾錯圖像給客戶端或云端。

8.根據權利要求1所述的識別方法，其特征在于，所述語義分割網絡，以及圖像識別網絡，在輸入待識別的房間圖像前，依次進行如下處理：

訓練處理，將訓練圖像輸入語義分割網絡或圖像識別網絡，通過多次的前向傳播和反向傳播，對所述待訓練圖像進行特征提取，最終形成預測模型；

測試處理，將測試圖像輸入完成訓練處理的語義分割網絡或圖像識別網絡，通過預測模型解析測試圖像，最終形成預測結果，基于預測結果評估預測模型的準確率；

對符合準確率要求的預測模型，保存其訓練后的參數及model文件，model文件中包含神經網絡的結構以及訓練中學習到的權重參數；

所述準確率不低于93%視為符合準確率要求；

對于語義分割網絡，通過計算平均交并比mIOU計算準確率，

對于圖像識別網絡，通過計算平均準確率mAP計算準確率。

9.根據權利要求8所述的識別方法，其特征在于，訓練處理時，訓練集圖像的選擇，滿足輸入分辨率不低于1333*800；

訓練集圖像的選擇，滿足以下條件：

盡量不要有對于墻面、地面、頂面的遮擋物，

盡量避免圖像中出現曝光、過暗、模糊、噪聲的情況；

訓練處理時，學習率默認為0.01，訓練次數默認為60萬次；

測試處理時，測試集圖像的選擇，其要求同訓練集圖像的選擇。

10.根據權利要求9所述的識別方法，其特征在于，所述訓練集圖像、測試集圖像，均通過標簽工具對每張圖像生成對應的識別標簽，

標簽文件中至少保存以下信息：

圖像名稱，標注框名稱，標注框位置信息；

生成對應的識別標簽時，兩個以上的標注框僅沿豎直方向或水平方向直線分布，標注框之間無交叉，問題區域無分支或分叉。