[发明专利]一种房间状态识别方法

权利要求书

1.一种房间状态识别方法，其特征在于，包括：

获取待识别的房间图像；

将待识别的房间图像，输入语义分割网络，在房间图像中划分出房间的组成构件，得到第一识别图像；

所述组成构件至少包括：墙面、地面、顶面；

将待识别的房间图像，输入图像识别网络，在房间图像中识别出房间的问题区域，得到第二识别图像；

所述问题区域至少包括：污损区域、破损区域、缺损区域。

2.根据权利要求1所述的识别方法，其特征在于，所述房间图像来自于静态图片或视频片段，

所述房间图像为房间内部情况的图像，所述房间内部情况是指室内墙面、地面、顶面的情况，其中至少包括以下任意之一或部分或全部：

房间内部墙面情况，

房间内部地面情况，

房间内部顶面情况；

所述房间图像至少一张，亦可为多张，为多张时，全部图像完全覆盖该房间的墙面、地面、顶面；

所述房间图像拍摄角度相同或不同；

所述房间图像，图像中的墙面、地面或顶面部分或全部重复。

3.根据权利要求1所述的识别方法，其特征在于，污损区域指存在污渍的区域，

破损区域指存在破裂、损伤的区域，

缺损区域指存在结构缺失的区域；

在目标检测处理时，在房间图像中识别出房间的装修状态，所述装修状态默认分为：毛坯房、精装房。

4.根据权利要求1所述的识别方法，其特征在于，还包括：对第一识别图像和第二识别图像进行IOU计算，输出组成构件与问题区域的对应关系。

5.根据权利要求4所述的识别方法，其特征在于，所述对应关系包括：

按照墙面、地面、顶面进行区域划分后对应的区域坐标及类别，

问题区域的坐标及中心点，所述坐标通常为左上点和右下点坐标值，

问题区域的中心点在墙面、地面或顶面的判断结果。

6.根据权利要求4所述的识别方法，其特征在于，还包括：组成构件与问题区域的对应关系的可视化，至少包括：

在组成构件区域形成第一预测边框，

在问题区域形成第二预测边框。

7.根据权利要求6所述的识别方法，其特征在于，还包括：人工纠错处理：选定第一预测边框或第二预测边框，标注其中显示错误的内容，形成人工纠错图像，传输人工纠错图像给客户端或云端。

8.根据权利要求1所述的识别方法，其特征在于，所述语义分割网络，以及图像识别网络，在输入待识别的房间图像前，依次进行如下处理：

训练处理，将训练图像输入语义分割网络或图像识别网络，通过多次的前向传播和反向传播，对所述待训练图像进行特征提取，最终形成预测模型；

测试处理，将测试图像输入完成训练处理的语义分割网络或图像识别网络，通过预测模型解析测试图像，最终形成预测结果，基于预测结果评估预测模型的准确率；

对符合准确率要求的预测模型，保存其训练后的参数及model文件，model文件中包含神经网络的结构以及训练中学习到的权重参数；

所述准确率不低于93%视为符合准确率要求；

对于语义分割网络，通过计算平均交并比mIOU计算准确率，

对于图像识别网络，通过计算平均准确率mAP计算准确率。

9.根据权利要求8所述的识别方法，其特征在于，训练处理时，训练集图像的选择，满足输入分辨率不低于1333*800；

训练集图像的选择，满足以下条件：

尽量不要有对于墙面、地面、顶面的遮挡物，

尽量避免图像中出现曝光、过暗、模糊、噪声的情况；

训练处理时，学习率默认为0.01，训练次数默认为60万次；

测试处理时，测试集图像的选择，其要求同训练集图像的选择。

10.根据权利要求9所述的识别方法，其特征在于，所述训练集图像、测试集图像，均通过标签工具对每张图像生成对应的识别标签，

标签文件中至少保存以下信息：

图像名称，标注框名称，标注框位置信息；

生成对应的识别标签时，两个以上的标注框仅沿竖直方向或水平方向直线分布，标注框之间无交叉，问题区域无分支或分叉。