一种基于深度学习的居住单元面积评判方法和装置与流程

1.本技术涉及数据处理技术领域，尤其涉及一种基于深度学习的居住单元面积评判方法和装置。


背景技术：

2.居住单元面积是居住建筑中卧室、起居室、餐室和壁柜等居住生活用的空间净面积的总和。目前需要通过专家进行人工评判，或者是直接采用一阶段深度学习方法进行端到端面积估算。然而，人工评判往往效率有限，采用一阶段深度学习方法准确度不佳，甚至难以收敛，因而不具备一个可靠地、自动化地基于户型图给出居住单元面积档位(如特大、大、中、小)的方法，亟需解决这一技术问题。


技术实现要素：

3.鉴于上述问题，提出了本技术以便提供一种克服上述问题或者至少部分地解决上述问题的基于深度学习的居住单元面积评判方法和装置，可以准确、自动便捷地评判居住单元面积。所述技术方案如下：
4.第一方面，提供了一种基于深度学习的居住单元面积评判方法，包括以下步骤：
5.利用目标检测算法获取居住单元图片中长度相对固定结构的图中长度；
6.利用空间影像学原理获取居住单元图片的灭点；
7.基于居住单元图片中长度相对固定结构的图中长度和居住单元图片的灭点，得到居住单元图片中长度相对固定结构的实际图中长度；
8.根据居住单元图片中长度相对固定结构的实际图中长度以及其对应的现实长度对居住单元面积做出估算。
9.在一种可能的实现方式中，以摄像头采集的图像的左下角顶点作为原点，图像的左边框向上为y轴，图像的下边框向右为x轴建立平面直角坐标系，并且所述坐标系的x轴单位长度为所述图像相邻两个横向像素点之间的距离值，所述坐标系的y轴单位长度为所述图像相邻两个纵向像素点之间的距离值；
10.利用以下公式利用目标检测算法获取居住单元图片中长度相对固定结构的图中长度：
[0011][0012]
其中la(i，j)表示居住单元图片中长度相对固定的第a个结构中的第i个顶点与第j个顶点之间的图中长度；(xa(i)，ya(i))表示居住单元图片中长度相对固定的第a个结构中的第i个顶点的坐标值；(xa(j)，ya(j))表示居住单元图片中长度相对固定的第a个结构中的第j个顶点的坐标值。
[0013]
在一种可能的实现方式中，利用以下公式利用空间影像学原理获取居住单元图片的灭点；基于居住单元图片中长度相对固定结构的图中长度和居住单元图片的灭点，得到居住单元图片中长度相对固定结构的实际图中长度：
[0014][0015]
其中表示居住单元图片中长度相对固定的第a个结构中的第i个顶点与第j个顶点之间的实际图中长度；p表示利用空间影像学原理获取居住单元图片的灭点；argmax(l，∠ipj)表示在居住单元图片中以居住单元图片中长度相对固定的第a个结构中的第i个顶点与第j个顶点以及灭点所构成的三角形中灭点处的角度所对的方向上在居住单元图片中得到的最大图中长度值。
[0016]
在一种可能的实现方式中，利用以下公式根据居住单元图片中长度相对固定结构的实际图中长度以及其对应的现实长度对居住单元面积做出估算：
[0017][0018]
其中s表示估算出的居住单元面积；s0表示居住单元图片中的图中居住面积；na表示居住单元图片中长度相对固定的第a个结构中顶点的个数；d表示居住单元图片中长度相对固定的结构个数。
[0019]
第二方面，提供了一种基于深度学习的居住单元面积评判装置，包括：
[0020]
第一获取模块，用于利用目标检测算法获取居住单元图片中长度相对固定结构的图中长度；
[0021]
第二获取模块，用于利用空间影像学原理获取居住单元图片的灭点；
[0022]
确定模块，用于基于居住单元图片中长度相对固定结构的图中长度和居住单元图片的灭点，得到居住单元图片中长度相对固定结构的实际图中长度；
[0023]
评判模块，用于根据居住单元图片中长度相对固定结构的实际图中长度以及其对应的现实长度对居住单元面积做出估算。
[0024]
在一种可能的实现方式中，以摄像头采集的图像的左下角顶点作为原点，图像的左边框向上为y轴，图像的下边框向右为x轴建立平面直角坐标系，并且所述坐标系的x轴单位长度为所述图像相邻两个横向像素点之间的距离值，所述坐标系的y轴单位长度为所述图像相邻两个纵向像素点之间的距离值；所述第一获取模块还用于：
[0025]
利用以下公式利用目标检测算法获取居住单元图片中长度相对固定结构的图中长度：
[0026][0027]
其中la(i，j)表示居住单元图片中长度相对固定的第a个结构中的第i个顶点与第j个顶点之间的图中长度；(xa(i)，ya(i))表示居住单元图片中长度相对固定的第a个结构中的第i个顶点的坐标值；(xa(j)，ya(j))表示居住单元图片中长度相对固定的第a个结构中的第j个顶点的坐标值。
[0028]
在一种可能的实现方式中，所述确定模块还用于：
[0029]
利用以下公式利用空间影像学原理获取居住单元图片的灭点；基于居住单元图片中长度相对固定结构的图中长度和居住单元图片的灭点，得到居住单元图片中长度相对固定结构的实际图中长度：
[0030][0031]
其中表示居住单元图片中长度相对固定的第a个结构中的第i个顶点与第j个顶点之间的实际图中长度；p表示利用空间影像学原理获取居住单元图片的灭点；argmax(l，∠ipj)表示在居住单元图片中以居住单元图片中长度相对固定的第a个结构中的第i个顶点与第j个顶点以及灭点所构成的三角形中灭点处的角度所对的方向上在居住单元图片中得到的最大图中长度值。
[0032]
在一种可能的实现方式中，所述评判模块还用于：
[0033]
利用以下公式根据居住单元图片中长度相对固定结构的实际图中长度以及其对应的现实长度对居住单元面积做出估算：
[0034][0035]
其中s表示估算出的居住单元面积；s0表示居住单元图片中的图中居住面积；na表示居住单元图片中长度相对固定的第a个结构中顶点的个数；d表示居住单元图片中长度相对固定的结构个数。
[0036]
借由上述技术方案，本技术实施例提供的基于深度学习的居住单元面积评判方法和装置，首先利用目标检测算法获取居住单元图片中长度相对固定结构的图中长度；随后利用空间影像学原理获取居住单元图片的灭点；进而基于居住单元图片中长度相对固定结构的图中长度和居住单元图片的灭点，得到居住单元图片中长度相对固定结构的实际图中长度；根据居住单元图片中长度相对固定结构的实际图中长度以及其对应的现实长度对居住单元面积做出估算。可以看到，本技术实施例可以准确、自动便捷地评判估算居住单元面积。
附图说明
[0037]
为了更清楚地说明本技术实施例的技术方案，下面将对本技术实施例描述中所需要使用的附图作简单地介绍。
[0038]
图1示出了根据本技术实施例的基于深度学习的居住单元面积评判方法的流程图；
[0039]
图2示出了根据本技术实施例的argmax(l，∠ipj)的示意图；以及
[0040]
图3示出了根据本技术实施例的基于深度学习的居住单元面积评判装置的结构图。
具体实施方式
[0041]
下面将参照附图更详细地描述本技术的示例性实施例。虽然附图中显示了本技术的示例性实施例，然而应当理解，可以以各种形式实现本技术而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本技术，并且能够将本技术的范围完整的传达给本领域的技术人员。
[0042]
需要说明的是，本技术的说明书和权利要求书及上述附图中的术语“第一”、“第
二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用在适当情况下可以互换，以便这里描述的本技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”及其变体要被解读为意味着“包括但不限于”的开放式术语。
[0043]
本技术实施例提供了一种基于深度学习的居住单元面积评判方法，可以应用在移动终端、个人电脑、平板电脑等电子设备。如图1所示，该基于深度学习的居住单元面积评判方法可以包括以下步骤s101至s104：
[0044]
步骤s101，利用目标检测算法获取居住单元图片中长度相对固定结构的图中长度；
[0045]
步骤s102，利用空间影像学原理获取居住单元图片的灭点；
[0046]
步骤s103，基于居住单元图片中长度相对固定结构的图中长度和居住单元图片的灭点，得到居住单元图片中长度相对固定结构的实际图中长度；
[0047]
步骤s104，根据居住单元图片中长度相对固定结构的实际图中长度以及其对应的现实长度对居住单元面积做出估算。
[0048]
本技术实施例首先利用目标检测算法获取居住单元图片中长度相对固定结构的图中长度；随后利用空间影像学原理获取居住单元图片的灭点；进而基于居住单元图片中长度相对固定结构的图中长度和居住单元图片的灭点，得到居住单元图片中长度相对固定结构的实际图中长度；根据居住单元图片中长度相对固定结构的实际图中长度以及其对应的现实长度对居住单元面积做出估算。可以看到，本技术实施例可以准确、自动便捷地评判估算居住单元面积。
[0049]
本技术实施例中提供了一种可能的实现方式，上文步骤s101中长度相对固定结构可以如门、窗、墙的交界线等，本实施例可以根据实际情况来确定长度相对固定结构。这里，利用目标检测算法获取居住单元图片中长度相对固定结构的图中长度可以通过以下公式来实现：
[0050]
以摄像头采集的图像的左下角顶点作为原点，图像的左边框向上为y轴，图像的下边框向右为x轴建立平面直角坐标系，并且坐标系的x轴单位长度为图像相邻两个横向像素点之间的距离值，坐标系的y轴单位长度为图像相邻两个纵向像素点之间的距离值；
[0051]
利用以下公式利用目标检测算法获取居住单元图片中长度相对固定结构的图中长度：
[0052][0053]
其中la(i，j)表示居住单元图片中长度相对固定的第a个结构中的第i个顶点与第j个顶点之间的图中长度；(xa(i)，ya(i))表示居住单元图片中长度相对固定的第a个结构中的第i个顶点的坐标值；(xa(j)，ya(j))表示居住单元图片中长度相对固定的第a个结构中的第j个顶点的坐标值。
[0054]
本实施例利用目标检测方法获取居住单元图片中长度相对固定结构的图中长度，进而利用像素点建坐标系的方式将图像中的像素点转换为坐标值，然后再利用坐标值求取图中长度，一是可以保证计算的简便，二是保证图中长度计算的准确性。
[0055]
本技术实施例中提供了一种可能的实现方式，可以利用以下公式利用空间影像学
原理获取居住单元图片的灭点；基于居住单元图片中长度相对固定结构的图中长度和居住单元图片的灭点，得到居住单元图片中长度相对固定结构的实际图中长度：
[0056][0057]
其中表示居住单元图片中长度相对固定的第a个结构中的第i个顶点与第j个顶点之间的实际图中长度；p表示利用空间影像学原理获取居住单元图片的灭点；argmax(l，∠ipj)表示在居住单元图片中以居住单元图片中长度相对固定的第a个结构中的第i个顶点与第j个顶点以及灭点所构成的三角形中灭点处的角度所对的方向上在居住单元图片中得到的最大图中长度值，如图2所示是根据本技术实施例的argmax(l，∠ipj)的示意图。
[0058]
本实施例根据灭点的坐标以及居住单元图片中长度相对固定结构的图中长度得到居住单元图片中长度相对固定结构的实际图中长度，进而将由于影像拍摄原因导致的角度偏转视觉扭曲等因素去除掉还原出居住单元图片中长度相对固定结构的实际图中长度。
[0059]
本技术实施例中提供了一种可能的实现方式，可以利用以下公式根据居住单元图片中长度相对固定结构的实际图中长度以及其对应的现实长度对居住单元面积做出估算：
[0060][0061]
其中s表示估算出的居住单元面积；s0表示居住单元图片中的图中居住面积；na表示居住单元图片中长度相对固定的第a个结构中顶点的个数；d表示居住单元图片中长度相对固定的结构个数。
[0062]
本实施例根据居住单元图片中长度相对固定结构的实际图中长度以及其对应的现实长度对居住单元面积做出估算，公式中根据所有长度相对固定结构长度比值的均值来进行运算，一是保证最终估算的结果具有可靠性以及说服力，二是可以将误差进行相互抵消融合，保证估算的准确性。
[0063]
需要说明的是，实际应用中，上述所有可能的实施方式可以采用结合的方式任意组合，形成本技术的可能的实施例，在此不再一一赘述。
[0064]
基于上文各个实施例提供的基于深度学习的居住单元面积评判方法，基于同一发明构思，本技术实施例还提供了一种基于深度学习的居住单元面积评判装置。
[0065]
图3示出了根据本技术实施例的基于深度学习的居住单元面积评判装置的结构图。如图3所示，该基于深度学习的居住单元面积评判装置可以包括第一获取模块310、第二获取模块320、确定模块330以及评判模块340。
[0066]
第一获取模块310，用于利用目标检测算法获取居住单元图片中长度相对固定结构的图中长度；
[0067]
第二获取模块320，用于利用空间影像学原理获取居住单元图片的灭点；
[0068]
确定模块330，用于基于居住单元图片中长度相对固定结构的图中长度和居住单元图片的灭点，得到居住单元图片中长度相对固定结构的实际图中长度；
[0069]
评判模块340，用于根据居住单元图片中长度相对固定结构的实际图中长度以及其对应的现实长度对居住单元面积做出估算。
[0070]
本技术实施例中提供了一种可能的实现方式，以摄像头采集的图像的左下角顶点作为原点，图像的左边框向上为y轴，图像的下边框向右为x轴建立平面直角坐标系，并且坐标系的x轴单位长度为图像相邻两个横向像素点之间的距离值，坐标系的y轴单位长度为图像相邻两个纵向像素点之间的距离值；第一获取模块310还用于：
[0071]
利用以下公式利用目标检测算法获取居住单元图片中长度相对固定结构的图中长度：
[0072][0073]
其中la(i，j)表示居住单元图片中长度相对固定的第a个结构中的第i个顶点与第j个顶点之间的图中长度；(xa(i)，ya(i))表示居住单元图片中长度相对固定的第a个结构中的第i个顶点的坐标值；(xa(j)，ya(j))表示居住单元图片中长度相对固定的第a个结构中的第j个顶点的坐标值。
[0074]
本技术实施例中提供了一种可能的实现方式，上文图3展示的确定模块330还用于：
[0075]
利用以下公式利用空间影像学原理获取居住单元图片的灭点；基于居住单元图片中长度相对固定结构的图中长度和居住单元图片的灭点，得到居住单元图片中长度相对固定结构的实际图中长度：
[0076][0077]
其中表示居住单元图片中长度相对固定的第a个结构中的第i个顶点与第j个顶点之间的实际图中长度；p表示利用空间影像学原理获取居住单元图片的灭点；argmax(l，∠ipj)表示在居住单元图片中以居住单元图片中长度相对固定的第a个结构中的第i个顶点与第j个顶点以及灭点所构成的三角形中灭点处的角度所对的方向上在居住单元图片中得到的最大图中长度值。
[0078]
本技术实施例中提供了一种可能的实现方式，上文图3展示评判模块340还用于：
[0079]
利用以下公式根据居住单元图片中长度相对固定结构的实际图中长度以及其对应的现实长度对居住单元面积做出估算：
[0080][0081]
其中s表示估算出的居住单元面积；s0表示居住单元图片中的图中居住面积；na表示居住单元图片中长度相对固定的第a个结构中顶点的个数；d表示居住单元图片中长度相对固定的结构个数。
[0082]
所属领域的技术人员可以清楚地了解到，上述描述的系统、装置、模块的具体工作过程，可以参考前述方法实施例中的对应过程，为简洁起见，在此不另赘述。
[0083]
本领域普通技术人员可以理解：本技术的技术方案本质上或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，其包括若干程序指令，用以使得一电子设备(例如个人计算机，服务器，或者网络设备等)在运行所述程序指令时执行本技术各实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom)、随机存取存储器(ram)、磁碟或者光盘等各种可以存
储程序代码的介质。
[0084]
或者，实现前述方法实施例的全部或部分步骤可以通过程序指令相关的硬件(诸如个人计算机，服务器，或者网络设备等的电子设备)来完成，所述程序指令可以存储于一计算机可读取存储介质中，当所述程序指令被电子设备的处理器执行时，所述电子设备执行本技术各实施例所述方法的全部或部分步骤。
[0085]
以上各实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述各实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：在本技术的精神和原则之内，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案脱离本技术的保护范围。