[发明专利]一种户型图中房间的识别方法及系统

说明书

本发明公开一种识别户型图中房间类型的方法和系统，方案包括：1)使用mask‑rcnn识别户型图中的门窗墙信息。2)根据mask‑rcnn的门窗墙bbox结果推测每个房间边界。3)合并mask‑rcnn中的bbox中每块bbox的mask值进行合并计算户型图当中每个像素点所属房间的概率值(包括:卧室、客餐厅、厨房、卫生间、阳台等)。4)据边界与像素点所属房间的概率值计算出每个房间的类型与边界。

技术领域

本发明涉及实例分割领域，特别是户型图识别领域。

背景技术

现有家装设计软件，主要通过设计师通过CAD等软件自己生成户型图并且标注每个房间所属类型，消耗大量时间与人工，并且现有的户型图识别网站上识别的准确率往往很差。

发明内容

一种房间识别方法和系统，用于自动识别户型图当中的房间类型以及房间边界。

技术方案是：

一种户型图中房间的识别方法，包括如下步骤：

第1步，训练样本数据的获取：标注已有的户型图中门窗墙与封闭房间区域的形状和位置的二维坐标数据，以及对应的房间类型、门窗墙的类型作为训练样本数据；

第2步，maskRcnn模型的训练：将训练样本数据输入至maskRcnn模型进行训练，输入向量是门窗墙与房间区域位置的二维坐标数据和房间类型、门窗墙的类型，输出向量是图片中预测的bbox(边框)，class(类型)与mask(掩码)；并得到户型图中的每个像素点属于某个房间的类别概率；

第3步，待识别户型图的处理：识别出待处理的户型图中门窗墙与封闭房间区域的形状和位置的二维坐标数据；

第4步，房间的识别：结合第3步得到的识别出待处理的户型图的数据，计算出封闭区域中全部像素点属于某个房间类型的概率的平均值，再将概率值最高的那种房间类型作为这个选定的封闭区域的类型，封闭区域作为房间的范围。

在一个实施方式中，户型图的样本数据首先需要转化为相同的图片大小。

在一个实施方式中，所述的第2步中，类别概率是通过识别房间类型的bbox与mask进行merge得到。

在一个实施方式中，所述的第2步中，所述的maskRcnn模型包括依次连接的特征提取网络、候选区域生成网络和模型预测与输出层。

在一个实施方式中，所述的第2步中，所述的特征提取网络是coco数据集上预训练过的res101网络，用于对户型图进行特征提取。

在一个实施方式中，通过候选区域生成网络生成户型图房间区域与门窗墙的候选边框，并通过识别出的门、窗、墙候选边框计算房间的位置区域。

在一个实施方式中，所述的第2步中，是通过FCN(全卷积网络)生成户型图像素级别的分类mask。

在一个实施方式中，所述的第4步中，概率值最高是通过如下式计算得到：

n为某一区域像素点的个数,每个像素为(x_i，y_i)，i∈[1，n]，该图中类别个数为m，每一类用c_j，j∈[1，m]表示。

一种户型图中房间识别系统，包括：

训练样本数据的获取模块，用于标注已有的户型图中门窗墙与封闭房间区域的形状和位置的二维坐标数据，以及对应的房间类型、门窗墙的类型作为训练样本数据；