[发明专利]一种室内空间识别方法

权利要求书

1.一种室内空间识别方法，其特征在于，包括如下步骤，

S1：对待识别的室内空间进行视频拍摄；

S2：将拍摄的视频拆帧为图片，过滤掉不符合条件的图片数据，将图片按照不同的空间进行分类，构建训练集；

S3：利用训练集训练构建好的基于DenseNet的深度卷积神经网络得到网络模型；

S4：构建移动端APP，用户可通过APP发起位置识别请求，部署有网络模型的服务器计算结构并通过网络相应请求，将位置识别结果返回用户。

2.如权利要求1所述的一种室内空间识别方法，其特征在于，在步骤S1中，在室内空间拍摄前，首先根据应用场景对室内空间进行划分，进而在后期拍摄过程中对不同的空间进行标记。

3.如权利要求1所述的一种室内空间识别方法，其特征在于，在步骤S1中，通过全景相机视频拍摄方法一次性拍摄指定位置多角度的视频数据。

4.如权利要求1所述的一种室内空间识别方法，其特征在于，在步骤S2中，将采集到的视频数据按照一定比率抽帧，转为大量原始图片，利用Laplacian变换检测照片模糊程度，设定过滤阈值，过滤掉模糊的原始图片。

5.如权利要求1所述的一种室内空间识别方法，其特征在于，在步骤S3中，具体分为两个步骤：训练深度网络和利用卷积神经网络分类器进行预测。

6.如权利要求5所述的一种室内空间识别方法，其特征在于，在步骤S3中，首先采用DenseNet模型把标定好的图片按照空间标识整理若干类，并在并行计算设备上进行训练，当训练好网络模型后，输入新的图片，网络模型可以进行预测图片的所属空间类别，并给出概率值。

7.如权利要求6所述的一种室内空间识别方法，其特征在于，DenseNet模型在深度学习框架pytorch下实现。

8.如权利要求1所述的一种室内空间识别方法，其特征在于，在步骤S4中，首先将步骤S3中的网络模型部署在服务器端，随时准备相应用户的定位请求，用户在待识别空间中进行拍照，由APP将照片传回服务器端进行匹配，服务器端将匹配结果返回用户。

9.如权利要求8所述的一种室内空间识别方法，其特征在于，服务器端返回用户的信息不仅包括位置信息还包括与该位置相关的其它信息。