CN108304848B - 户型特征的自动提取方法、系统、电子设备和存储介质 - Google Patents

户型特征的自动提取方法、系统、电子设备和存储介质 Download PDF

Info

Publication number
CN108304848B
CN108304848B CN201810023786.7A CN201810023786A CN108304848B CN 108304848 B CN108304848 B CN 108304848B CN 201810023786 A CN201810023786 A CN 201810023786A CN 108304848 B CN108304848 B CN 108304848B
Authority
CN
China
Prior art keywords
house type
feature
type image
target
target house
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201810023786.7A
Other languages
English (en)
Other versions
CN108304848A (zh
Inventor
李志琴
张玥
朱毅
刘�文
宋鑫
吴志奇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Seashell Housing Beijing Technology Co Ltd
Original Assignee
Seashell Housing Beijing Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Seashell Housing Beijing Technology Co Ltd filed Critical Seashell Housing Beijing Technology Co Ltd
Priority to CN201810023786.7A priority Critical patent/CN108304848B/zh
Publication of CN108304848A publication Critical patent/CN108304848A/zh
Application granted granted Critical
Publication of CN108304848B publication Critical patent/CN108304848B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • G06V10/46Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/462Salient features, e.g. scale invariant feature transforms [SIFT]

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种户型特征的自动提取方法、系统、电子设备和存储介质,自动提取方法包括:读取目标户型图像的矢量信息;将所述目标户型图像的矢量信息输入预设的户型特征提取模型中,得到对应所述目标户型图像的特征标签,其中,所述户型特征提取模型中存储有各矢量信息与特征标签之间的一一对应关系;根据预设的评分规则,对所述目标户型图像的各个特征标签进行打分,并统计所述目标户型图像的全部特征标签的分数,得到所述目标户型图像的总评分;以及,输出所述目标户型图像的特征标签及总评分。本发明能够高效、准确且自动地提取户型的各种特征,进而能够有效降低人力和时间成本。

Description

户型特征的自动提取方法、系统、电子设备和存储介质
技术领域
本发明涉及特征提取技术领域,具体涉及一种户型特征的自动提取方法、系统、电子设备和存储介质。
背景技术
用户在挑选户型时,通常最注重的就是户型特征,例如户型的采光要好,通风流畅,最好能有穿堂风,朝向的选择通常以朝南最佳,朝东西次之,朝北最次,除了朝向,窗景也非常重要,以及客厅卧室分离,厨房餐厅分离,但要相互挨着,户门不宜直接对着客厅等。
目前,对户型的关键特征的提取,比如对南北通透、户型方正、全明格局等特征的提取目前还处在人工提取的阶段,完全凭借人的经验或肉眼识别一个户型可能具备何种特征标签,然后人工记录结果,并存入数据库。
但上述方法存在人工提取户型特征费时,费力、描述一个户型的特征有很几十种,依靠人眼识别,容易造成特征提取遗漏,以及,有些户型的特征判定条件复杂,依靠人工,容易造成特征提取不准确的问题。
发明内容
针对现有技术中的问题,本发明提供一种户型特征的自动提取方法、系统、电子设备和存储介质,能够高效、准确且自动地提取户型的各种特征,进而能够有效降低人力和时间成本。
为解决上述技术问题,本发明提供以下技术方案:
第一方面,本发明提供一种户型特征的自动提取方法,所述自动提取方法包括:
读取目标户型图像的矢量信息;
将所述目标户型图像的矢量信息输入预设的户型特征提取模型中,得到对应所述目标户型图像的特征标签,其中,所述户型特征提取模型中存储有各矢量信息与特征标签之间的一一对应关系;
根据预设的评分规则,对所述目标户型图像的各个特征标签进行打分,并统计所述目标户型图像的全部特征标签的分数,得到所述目标户型图像的总评分;
以及,输出所述目标户型图像的特征标签及总评分。
进一步地,在所述读取目标户型图像的矢量信息之前,所述自动提取方法还包括:
根据预获取的历史户型特征标签生成各类特征标签模块,其中,一个所述特征标签模块中存储有同一类型的特征标签;
将所述矢量信息输入各个特征标签解析模块中进行解析,使得各类特征标签模块对相应的特征进行提取,进而完成所述户型特征提取模型的建立;
以及,存储所述户型特征提取模型。
进一步地,所述特征标签模块的类型包括:格局特征标签模块、朝向特征标签模块和功能配套特征标签模块。
进一步地,所述读取目标户型图像的矢量信息,包括:
接收用户端发送的用于标识目标户型所在楼盘的第一识别码;
根据所述第一识别码在预存储的户型数据库中调取对应楼盘的全部目标户型图像;
以及,读取所述目标户型图像的矢量信息。
进一步地,所述读取目标户型图像的矢量信息,包括:
接收用户端发送的用于标识目标户型的第二识别码;
对所述第二识别码进行识别,确定对应的目标户型所在楼盘;
在预存储的户型数据库中调取对应楼盘的全部户型图像;
根据所述第二识别码在对应楼盘的全部户型图像中确定对应所述目标户型的目标户型图像;
以及,读取所述目标户型图像的矢量信息。
第二方面,本发明提供一种户型特征的自动提取系统,所述自动提取系统包括:
矢量信息读取单元,用于读取目标户型图像的矢量信息;
特征标签提取单元,用于将所述目标户型图像的矢量信息输入预设的户型特征提取模型中,得到对应所述目标户型图像的特征标签,其中,所述户型特征提取模型中存储有各矢量信息与特征标签之间的一一对应关系;
评分单元,用于根据预设的评分规则,对所述目标户型图像的各个特征标签进行打分,并统计所述目标户型图像的全部特征标签的分数,得到所述目标户型图像的总评分;
特征标签及总评分输出单元,用于输出所述目标户型图像的特征标签及总评分。
进一步地,所述自动提取系统还包括:
特征标签模块生成单元,用于根据预获取的历史户型特征标签生成各类特征标签模块,其中,一个所述特征标签模块中存储有同一类型的特征标签;
户型特征提取模型建立单元,用于将所述矢量信息输入各个特征标签解析模块中进行解析,使得各类特征标签模块对相应的特征进行提取,进而完成所述户型特征提取模型的建立;
户型特征提取模型存储单元,用于存储所述户型特征提取模型。
进一步地,所述特征标签模块的类型包括:格局特征标签模块、朝向特征标签模块和功能配套特征标签模块。
第三方面,本发明提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现所述户型特征的自动提取方法的步骤。
第四方面,本发明提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现所述户型特征的自动提取方法的步骤。
由上述技术方案可知,本发明提供的一种户型特征的自动提取方法、系统、电子设备和存储介质,自动提取方法包括:读取目标户型图像的矢量信息;将所述目标户型图像的矢量信息输入预设的户型特征提取模型中,得到对应所述目标户型图像的特征标签,其中,所述户型特征提取模型中存储有各矢量信息与特征标签之间的一一对应关系;根据预设的评分规则,对所述目标户型图像的各个特征标签进行打分,并统计所述目标户型图像的全部特征标签的分数,得到所述目标户型图像的总评分;以及,输出所述目标户型图像的特征标签及总评分;能够高效、准确且自动地提取户型的各种特征,进而能够有效降低人力和时间成本,进而提高了房屋交易的中间过程,并有效提高了用户体验。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例一中的一种户型特征的自动提取方法的流程示意图;
图2是本发明的包括步骤A01至A03的户型特征的自动提取方法的流程示意图;
图3是本发明的户型特征的自动提取方法中步骤100的第一种具体实施方式的流程示意图;
图4是本发明的户型特征的自动提取方法中步骤100的第二种具体实施方式的流程示意图;
图5是本发明的一种户型特征的自动提取方法的具体应用实例的流程示意图;
图6是本发明实施例二中的一种户型特征的自动提取系统的结构示意图;
图7是本发明实施例三中的一种电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的实施例提供一种户型特征的自动提取方法的具体实施方式,参见图1,所述户型特征的自动提取方法具体包括如下内容:
步骤100:读取目标户型图像的矢量信息。
在步骤100中,户型特征的自动提取系统接收用户端发送的用于标识目标户型所在楼盘的第一识别码并根据所述第一识别码在预存储的户型数据库中调取对应楼盘的全部目标户型图像,或者,户型特征的自动提取系统接收用户端发送的用于标识目标户型的第二识别码,并对所述第二识别码进行识别,确定对应的目标户型所在楼盘,以及在预存储的户型数据库中调取对应楼盘的全部户型图像,而后根据所述第二识别码在对应楼盘的全部户型图像中确定对应所述目标户型的目标户型图像;之后,所述户型特征的自动提取系统读取目标户型图像的矢量信息。
步骤200:将所述目标户型图像的矢量信息输入预设的户型特征提取模型中,得到对应所述目标户型图像的特征标签,其中,所述户型特征提取模型中存储有各矢量信息与特征标签之间的一一对应关系。
在步骤200中,户型特征的自动提取系统将所述目标户型图像的矢量信息输入预设的户型特征提取模型中,得到对应所述目标户型图像的特征标签。可以理解的是,所述户型特征提取模型的获取方式包括:先根据预获取的历史户型特征标签生成各类特征标签模块,其中,一个所述特征标签模块中存储有同一类型的特征标签;将每个特征标签模块均与对应的矢量信息进行匹配,并设置各类特征标签模块对应的特征提取算法,进而完成所述户型特征提取模型的建立。可以理解的是,所述特征提取算法可以为任意适用的图像特征提取方法,且特征提取是计算机视觉和图像处理中的一个概念。它指的是使用计算机提取图像信息,决定每个图像的点是否属于一个图像特征。特征提取的结果是:将图像上的点划分为不同的子集,这些子集往往属于孤立的点、连续的曲线或者连续的区域。可以理解的是,所述户型特征提取模型是依据户型矢量信息对各特征标签设计不同的提取算法模型。步骤300:根据预设的评分规则,对所述目标户型图像的各个特征标签进行打分,并统计所述目标户型图像的全部特征标签的分数,得到所述目标户型图像的总评分。
在步骤300中,户型特征的自动提取系统根据预设的评分规则,对所述目标户型图像的各个特征标签进行打分,并统计所述目标户型图像的全部特征标签的分数,得到所述目标户型图像的总评分。可以理解的是,所述评分规则根据各个特征标签的优劣进行依次打分,例如,“卧室朝南”标签的分值大于“卧室朝北”的分值。
步骤400:输出所述目标户型图像的特征标签及总评分。
在步骤400中,户型特征的自动提取系统输出所述目标户型图像的特征标签及总评分,便于对户型图进行有效评价,进而能够经快速、准确、自动的户型评测。
从上述描述可知,本发明的实施例提供的户型特征的自动提取方法,能够高效、准确且自动地提取户型的各种特征,进而能够有效降低人力和时间成本,进而提高了房屋交易的中间过程,并有效提高了用户体验。
在一种具体实施方式中,参见图2,本发明的户型特征的自动提取方法中的步骤100之前,还包括步骤A01至A03,所述步骤A01至A03具体包括如下内容:
步骤A01:根据预获取的历史户型特征标签生成各类特征标签模块,其中,一个所述特征标签模块中存储有同一类型的特征标签。
在步骤A01中,所述特征标签模块的类型包括:格局特征标签模块、朝向特征标签模块和功能配套特征标签模块。可以理解的是,所述根据预获取的历史户型特征标签生成各类特征标签模块具体可以为:将人类判定某一种特征的经验算法化,某一种,比如“明厨”即厨房中能够获取自然光,我们将这一经验进行模型化,从原始的矢量信息中提取出厨房分间的信息,并判断厨房的所有墙体是否有外窗或厨房是否有带外窗的阳台等;或依据大数据分析,统计出某一种户型特征具有什么数据上的规律,比如方正户型的长宽比具有什么样的特点,所缺角大小有什么样的规律,然后将大数据统计出的规律进行模型化,使计算机获得这一判断能力。步骤A02:将所述矢量信息输入各个特征标签解析模块中进行解析,使得各类特征标签模块对相应的特征进行提取,进而完成所述户型特征提取模型的建立。
步骤A03:存储所述户型特征提取模型。
在一种具体实施方式中,参见图3,本发明的户型特征的自动提取方法中的步骤100的第一种具体实施方式,具体包括如下内容:
步骤101a:接收用户端发送的用于标识目标户型所在楼盘的第一识别码;
步骤102a:根据所述第一识别码在预存储的户型数据库中调取对应楼盘的全部目标户型图像;
步骤103a:读取所述目标户型图像的矢量信息。
在一种具体实施方式中,参见图4,本发明的户型特征的自动提取方法中的步骤100的第二种具体实施方式,具体包括如下内容:
步骤101b:接收用户端发送的用于标识目标户型的第二识别码。
步骤102b:对所述第二识别码进行识别,确定对应的目标户型所在楼盘。
步骤103b:在预存储的户型数据库中调取对应楼盘的全部户型图像。
步骤104b:根据所述第二识别码在对应楼盘的全部户型图像中确定对应所述目标户型的目标户型图像。
步骤105b:读取所述目标户型图像的矢量信息。
从上述描述可知,本发明的实施例提供的户型特征的自动提取方法,能够高效、准确且自动地提取户型的各种特征,进而能够有效降低人力和时间成本,进而提高了房屋交易的中间过程,并有效提高了用户体验。
为进一步的说明本方案,本发明还提供一种户型特征的自动提取方法的具体应用实例,参见图5,具体包括如下内容:
户型特征的自动提取方法通过对历史提取户型特征的经验进行建模,设计户型关键特征的提取算法,构建机器自动提取户型特征的系统,从而可以高效、准确、自动提取户型的多种特征,大大降低人力、时间成本,并提高准确度。
从房屋的布局、朝向、功能配套三个维度,依据户型图的矢量数据,通过将户型特征判定规则进行建模,对不同的特征设计不同提取算法,使机器可以自动解析出户型图所具备的特征标签。用户仅需输入待解析的户型图所在的楼盘ID及该户型的ID值,即可快速得到该户型所具有的户型特征标签;或输入某个楼盘的ID,就可以得到某个楼盘全部户型图的特征标签,最终以JSON结构呈现给用户。
机器从格局、朝向、功能配套三个维度对解析出户型图的特征标签进行划分并按一定算法进行三个维度的打分,基于打分,我们可以更完善的了解某个户型的优缺点,最终三个维度的分值也会以JSON结构呈现出来。具体过程如下:
首先根据用户输入户型ID及楼盘ID从链家楼盘字典中获取相应户型的矢量数据,根据该矢量数据解析得到包含户型基本信息及分间信息的语义树。其中语义树中的基本信息包含:户型面积、户型朝向、层高、室数量、厅数量等,分间的基本信息包含:分间的名称、面积、分间的朝向等。然后根据语义树中的功能间的数量是否大于0,决定是否应该提取“带阁楼”、“带花园”、“带衣帽间”、“带储物间”的等特征标签’;根据分间信息的语义树中,根据厨房和卫生间的朝向数组的长度是否大于0决定是否提取“明厨”和“明卫”的特征标签、根据分间中卧室的关联结构中决定是否提取“卧室带卫”、“卧室带阳台”的特征标签、根据其他分间的朝向数组的具体朝向决定“卧室朝南”、“客厅朝南”、其他分间朝向的提取;依据原始矢量数据,将人工判定“干湿分离”、“户型方正”、“南北通透”、“入户门对厕所门”、“卧室对门”、“厨卫对门”等特征的方法进行建模,各自设计相应解析算法,根据各个算法来决定是否能提取相应的特征标签;同时,系统会给出各个标签所代表的有缺点解释;然后根据上一步中从户型提取出来的所有特征标签按格局、朝向、功能配套进行划分,依据一定的打分策略,对户型在格局、朝向、功能配套三个维度进行打分,给出相应维度上的分值及解释,便于对户型图有全方位了解;最终将从户型中提取的特征标签以及每个特征标签所具有的优缺点解释,及户型在三个维度上的分值以json的方式输出给用户。
在上述描述中,本发明的应用实例通过机器自动对户型的有效关键特征进行提取,对户型图在三个维度上进行打分,便于有效评价户型图,以及经评测能快速、准确、自动的提取出户型的优缺点特征,能够高效、准确且自动地提取户型的各种特征,进而能够有效降低人力和时间成本。
本发明的实施例二提供能够实现上述户型特征的自动提取方法中全部步骤的一种户型特征的自动提取系统的具体实施方式,参见图6,所述户型特征的自动提取系统具体包括如下内容:
矢量信息读取单元10,用于读取目标户型图像的矢量信息;
特征标签提取单元20,用于将所述目标户型图像的矢量信息输入预设的户型特征提取模型中,得到对应所述目标户型图像的特征标签,其中,所述户型特征提取模型中存储有各矢量信息与特征标签之间的一一对应关系;
评分单元30,用于根据预设的评分规则,对所述目标户型图像的各个特征标签进行打分,并统计所述目标户型图像的全部特征标签的分数,得到所述目标户型图像的总评分;
特征标签及总评分输出单元40,用于输出所述目标户型图像的特征标签及总评分。
在一种具体实施方式中,所述户型特征的自动提取系统还包括:
特征标签模块生成单元,用于根据预获取的历史户型特征标签生成各类特征标签模块,其中,一个所述特征标签模块中存储有同一类型的特征标签;
户型特征提取模型建立单元,用于将每个特征标签模块均与对应的矢量信息进行匹配,并设置各类特征标签模块对应的特征提取算法,进而完成所述户型特征提取模型的建立;
户型特征提取模型存储单元,用于存储所述户型特征提取模型。
本发明提供的户型特征的自动提取系统的实施例具体可以用于执行上述户型特征的自动提取方法的实施例的处理流程,其功能在此不再赘述,可以参照上述方法实施例的详细描述。
从上述描述可知,本发明的实施例提供的户型特征的自动提取系统,能够高效、准确且自动地提取户型的各种特征,进而能够有效降低人力和时间成本,进而提高了房屋交易的中间过程,并有效提高了用户体验。
本发明的实施例三提供能够实现上述户型特征的自动提取方法中全部步骤的一种电子设备的具体实施方式,参见图7,所述电子设备具体包括如下内容:
处理器(processor)601、存储器(memory)602、通信接口(CommunicationsInterface)603和总线604;
其中,所述处理器601、存储器602、通信接口603通过所述总线604完成相互间的通信;所述通信接口603用于实现矢量信息及户型特征提取模型等之间的信息传输;
所述处理器601用于调用所述存储器602中的计算机程序,所述处理器执行所述计算机程序时实现上述实施例一中的全部步骤,例如,所述处理器执行所述计算机程序时实现下述步骤:
步骤100:读取目标户型图像的矢量信息。
在步骤100中,户型特征的自动提取系统接收用户端发送的用于标识目标户型所在楼盘的第一识别码并根据所述第一识别码在预存储的户型数据库中调取对应楼盘的全部目标户型图像,或者,户型特征的自动提取系统接收用户端发送的用于标识目标户型的第二识别码,并对所述第二识别码进行识别,确定对应的目标户型所在楼盘,以及在预存储的户型数据库中调取对应楼盘的全部户型图像,而后根据所述第二识别码在对应楼盘的全部户型图像中确定对应所述目标户型的目标户型图像;之后,所述户型特征的自动提取系统读取目标户型图像的矢量信息。
步骤200:将所述目标户型图像的矢量信息输入预设的户型特征提取模型中,得到对应所述目标户型图像的特征标签,其中,所述户型特征提取模型中存储有各矢量信息与特征标签之间的一一对应关系。
在步骤200中,户型特征的自动提取系统将所述目标户型图像的矢量信息输入预设的户型特征提取模型中,得到对应所述目标户型图像的特征标签。可以理解的是,所述户型特征提取模型的获取方式包括:先根据预获取的历史户型特征标签生成各类特征标签模块,其中,一个所述特征标签模块中存储有同一类型的特征标签;将每个特征标签模块均与对应的矢量信息进行匹配,并设置各类特征标签模块对应的特征提取算法,进而完成所述户型特征提取模型的建立。可以理解的是,所述特征提取算法可以为任意适用的图像特征提取方法,且特征提取是计算机视觉和图像处理中的一个概念。它指的是使用计算机提取图像信息,决定每个图像的点是否属于一个图像特征。特征提取的结果是把图像上的点分为不同的子集,这些子集往往属于孤立的点、连续的曲线或者连续的区域。
步骤300:根据预设的评分规则,对所述目标户型图像的各个特征标签进行打分,并统计所述目标户型图像的全部特征标签的分数,得到所述目标户型图像的总评分。
在步骤300中,户型特征的自动提取系统根据预设的评分规则,对所述目标户型图像的各个特征标签进行打分,并统计所述目标户型图像的全部特征标签的分数,得到所述目标户型图像的总评分。可以理解的是,所述评分规则根据各个特征标签的优劣进行依次打分,例如,“卧室朝南”标签的分值大于“卧室朝北”的分值。
步骤400:输出所述目标户型图像的特征标签及总评分。
在步骤400中,户型特征的自动提取系统输出所述目标户型图像的特征标签及总评分,便于对户型图进行有效评价,进而能够经快速、准确、自动的户型评测。
从上述描述可知,本发明的实施例提供的电子设备,能够高效、准确且自动地提取户型的各种特征,进而能够有效降低人力和时间成本,进而提高了房屋交易的中间过程,并有效提高了用户体验。
本发明的实施例四提供能够实现上述户型特征的自动提取方法中全部步骤的一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述实施例一的全部步骤,例如,所述处理器执行所述计算机程序时实现下述步骤:
步骤100:读取目标户型图像的矢量信息。
在步骤100中,户型特征的自动提取系统接收用户端发送的用于标识目标户型所在楼盘的第一识别码并根据所述第一识别码在预存储的户型数据库中调取对应楼盘的全部目标户型图像,或者,户型特征的自动提取系统接收用户端发送的用于标识目标户型的第二识别码,并对所述第二识别码进行识别,确定对应的目标户型所在楼盘,以及在预存储的户型数据库中调取对应楼盘的全部户型图像,而后根据所述第二识别码在对应楼盘的全部户型图像中确定对应所述目标户型的目标户型图像;之后,所述户型特征的自动提取系统读取目标户型图像的矢量信息。
步骤200:将所述目标户型图像的矢量信息输入预设的户型特征提取模型中,得到对应所述目标户型图像的特征标签,其中,所述户型特征提取模型中存储有各矢量信息与特征标签之间的一一对应关系。
在步骤200中,户型特征的自动提取系统将所述目标户型图像的矢量信息输入预设的户型特征提取模型中,得到对应所述目标户型图像的特征标签。可以理解的是,所述户型特征提取模型的获取方式包括:先根据预获取的历史户型特征标签生成各类特征标签模块,其中,一个所述特征标签模块中存储有同一类型的特征标签;将每个特征标签模块均与对应的矢量信息进行匹配,并设置各类特征标签模块对应的特征提取算法,进而完成所述户型特征提取模型的建立。可以理解的是,所述特征提取算法可以为任意适用的图像特征提取方法,且特征提取是计算机视觉和图像处理中的一个概念。它指的是使用计算机提取图像信息,决定每个图像的点是否属于一个图像特征。特征提取的结果是把图像上的点分为不同的子集,这些子集往往属于孤立的点、连续的曲线或者连续的区域。
步骤300:根据预设的评分规则,对所述目标户型图像的各个特征标签进行打分,并统计所述目标户型图像的全部特征标签的分数,得到所述目标户型图像的总评分。
在步骤300中,户型特征的自动提取系统根据预设的评分规则,对所述目标户型图像的各个特征标签进行打分,并统计所述目标户型图像的全部特征标签的分数,得到所述目标户型图像的总评分。可以理解的是,所述评分规则根据各个特征标签的优劣进行依次打分,例如,“卧室朝南”标签的分值大于“卧室朝北”的分值。
步骤400:输出所述目标户型图像的特征标签及总评分。
在步骤400中,户型特征的自动提取系统输出所述目标户型图像的特征标签及总评分,便于对户型图进行有效评价,进而能够经快速、准确、自动的户型评测。
从上述描述可知,本发明的实施例提供的计算机可读存储介质,能够高效、准确且自动地提取户型的各种特征,进而能够有效降低人力和时间成本,进而提高了房屋交易的中间过程,并有效提高了用户体验。
在本发明的描述中,需要说明的是,术语“上”、“下”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上实施例仅用于说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种户型特征的自动提取方法,其特征在于,所述自动提取方法包括:
读取目标户型图像的矢量信息;
将所述目标户型图像的矢量信息输入预设的户型特征提取模型中,得到对应所述目标户型图像的特征标签,其中,所述户型特征提取模型中存储有各矢量信息与特征标签之间的一一对应关系;
根据预设的评分规则,对所述目标户型图像的各个特征标签进行打分,并统计所述目标户型图像的全部特征标签的分数,得到所述目标户型图像的总评分;
以及,输出所述目标户型图像的特征标签及总评分;
其中,将所述目标户型图像的矢量信息输入预设的户型特征提取模型中,得到对应所述目标户型图像的特征标签具体包括:
根据所述目标户型图像的矢量信息进行解析,获得包含户型基本信息及分间信息的语义树;
根据所述包含户型基本信息及分间信息的语义树进行特征提取,获取对应所述目标户型图像的特征标签。
2.根据权利要求1所述的自动提取方法,其特征在于,在所述读取目标户型图像的矢量信息之前,所述自动提取方法还包括:
根据预获取的历史户型特征标签生成各类特征标签模块,其中,一个所述特征标签模块中存储有同一类型的特征标签;
将所述矢量信息输入各个特征标签模块中进行解析,使得各类特征标签模块对相应的特征进行提取,进而完成所述户型特征提取模型的建立;
以及,存储所述户型特征提取模型。
3.根据权利要求2所述的自动提取方法,其特征在于,所述特征标签模块的类型包括:格局特征标签模块、朝向特征标签模块和功能配套特征标签模块。
4.根据权利要求1所述的自动提取方法,其特征在于,所述读取目标户型图像的矢量信息,包括:
接收用户端发送的用于标识目标户型所在楼盘的第一识别码;
根据所述第一识别码在预存储的户型数据库中调取对应楼盘的全部目标户型图像;
以及,读取所述目标户型图像的矢量信息。
5.根据权利要求1所述的自动提取方法,其特征在于,所述读取目标户型图像的矢量信息,包括:
接收用户端发送的用于标识目标户型的第二识别码;
对所述第二识别码进行识别,确定对应的目标户型所在楼盘;
在预存储的户型数据库中调取对应楼盘的全部户型图像;
根据所述第二识别码在对应楼盘的全部户型图像中确定对应所述目标户型的目标户型图像;
以及,读取所述目标户型图像的矢量信息。
6.一种户型特征的自动提取系统,其特征在于,所述自动提取系统包括:
矢量信息读取单元,用于读取目标户型图像的矢量信息;
特征标签提取单元,用于将所述目标户型图像的矢量信息输入预设的户型特征提取模型中,得到对应所述目标户型图像的特征标签,其中,所述户型特征提取模型中存储有各矢量信息与特征标签之间的一一对应关系;
评分单元,用于根据预设的评分规则,对所述目标户型图像的各个特征标签进行打分,并统计所述目标户型图像的全部特征标签的分数,得到所述目标户型图像的总评分;
特征标签及总评分输出单元,用于输出所述目标户型图像的特征标签及总评分;
所述特征标签提取单元具体用于根据所述目标户型图像的矢量信息进行解析,获得包含户型基本信息及分间信息的语义树;根据所述包含户型基本信息及分间信息的语义树进行特征提取,获取对应所述目标户型图像的特征标签。
7.根据权利要求6所述的自动提取系统,其特征在于,所述自动提取系统还包括:
特征标签模块生成单元,用于根据预获取的历史户型特征标签生成各类特征标签模块,其中,一个所述特征标签模块中存储有同一类型的特征标签;
户型特征提取模型建立单元,用于将所述矢量信息输入各个特征标签模块中进行解析,使得各类特征标签模块对相应的特征进行提取,进而完成所述户型特征提取模型的建立;
户型特征提取模型存储单元,用于存储所述户型特征提取模型。
8.根据权利要求7所述的自动提取系统,其特征在于,所述特征标签模块的类型包括:格局特征标签模块、朝向特征标签模块和功能配套特征标签模块。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至5任一项所述户型特征的自动提取方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至5任一项所述户型特征的自动提取方法的步骤。
CN201810023786.7A 2018-01-10 2018-01-10 户型特征的自动提取方法、系统、电子设备和存储介质 Active CN108304848B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810023786.7A CN108304848B (zh) 2018-01-10 2018-01-10 户型特征的自动提取方法、系统、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810023786.7A CN108304848B (zh) 2018-01-10 2018-01-10 户型特征的自动提取方法、系统、电子设备和存储介质

Publications (2)

Publication Number Publication Date
CN108304848A CN108304848A (zh) 2018-07-20
CN108304848B true CN108304848B (zh) 2020-04-28

Family

ID=62868538

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810023786.7A Active CN108304848B (zh) 2018-01-10 2018-01-10 户型特征的自动提取方法、系统、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN108304848B (zh)

Families Citing this family (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111435356A (zh) * 2019-01-15 2020-07-21 杭州海康威视数字技术股份有限公司 数据特征提取方法、装置、计算机设备以及存储介质
CN109886775A (zh) * 2019-01-17 2019-06-14 平安城市建设科技(深圳)有限公司 房屋优缺点评估方法、装置、设备及计算机可读存储介质
CN110111298A (zh) * 2019-03-16 2019-08-09 平安城市建设科技(深圳)有限公司 智能户型尺寸验证方法、装置、设备及可读存储介质
CN110059690A (zh) * 2019-03-28 2019-07-26 广州智方信息科技有限公司 基于深度卷积神经网络的户型图语义自动分析方法及系统
CN110084293A (zh) * 2019-04-18 2019-08-02 贝壳技术有限公司 一种全明格局房屋的确定方法和装置
CN110111426A (zh) * 2019-04-18 2019-08-09 贝壳技术有限公司 一种动静分离格局房屋的确定方法和装置
CN110222621B (zh) * 2019-05-30 2021-06-11 贝壳找房(北京)科技有限公司 相似户型检测方法、电子设备及存储介质
CN110210564B (zh) * 2019-05-30 2020-07-24 贝壳找房(北京)科技有限公司 相似户型检测方法及装置
CN110245160B (zh) * 2019-06-03 2022-04-15 贝壳找房(北京)科技有限公司 一种确定房屋装修方案的方法及系统
CN110737941A (zh) * 2019-10-12 2020-01-31 南京我爱我家信息科技有限公司 一种基于概率模型及像素统计模型的房屋装修程度识别系统和方法
CN111339336B (zh) * 2020-03-11 2021-04-30 贝壳找房(北京)科技有限公司 用于房屋户型数据的解析方法及系统
CN111382805B (zh) * 2020-04-02 2021-05-28 贝壳找房(北京)科技有限公司 用于处理房屋的户型矢量数据的方法、电子设备和介质
CN111709062B (zh) * 2020-06-18 2023-07-18 如你所视(北京)科技有限公司 用于获取物品摆放方案评分方法、装置以及设备、介质
CN112232131B (zh) * 2020-09-18 2021-12-24 云南省设计院集团有限公司 基于计算机视觉的户型特征指标自动提取方法及系统
CN112116613B (zh) * 2020-09-25 2021-10-15 贝壳找房(北京)科技有限公司 图像矢量化方法及系统
CN114219007B (zh) * 2021-11-23 2022-09-09 慧之安信息技术股份有限公司 基于图像匹配的户型合理度评判方法及装置
CN114358836A (zh) * 2021-12-30 2022-04-15 北京有竹居网络技术有限公司 户型报告的显示方法、装置、可读存储介质和电子设备
CN114444987B (zh) * 2022-04-11 2022-06-28 深圳小库科技有限公司 一种户型图的自动化分析方法及装置
CN115760269B (zh) * 2022-10-26 2024-01-09 北京城市网邻信息技术有限公司 户型特征生成方法、装置、电子设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103679618A (zh) * 2013-11-18 2014-03-26 杭州群核信息技术有限公司 一种用于住宅户型的自动风水测评方法及测评系统
WO2014174932A1 (ja) * 2013-04-26 2014-10-30 オリンパス株式会社 画像処理装置、プログラム及び画像処理方法
CN105069457A (zh) * 2015-07-15 2015-11-18 杭州朗和科技有限公司 图像识别方法和装置
CN106447046A (zh) * 2016-10-17 2017-02-22 深圳市彬讯科技有限公司 一种基于机器学习的户型设计方案评测方法
CN106650202A (zh) * 2016-09-18 2017-05-10 中国科学院计算技术研究所 一种数据驱动的室内区域布局预测方法及系统

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101963995B (zh) * 2010-10-25 2012-02-01 哈尔滨工程大学 基于特征场景的图像标注方法
CN102880868A (zh) * 2012-08-06 2013-01-16 上海中和软件有限公司 工程图纸矢量化和图元语义提取方法
US9940577B2 (en) * 2015-07-07 2018-04-10 Adobe Systems Incorporated Finding semantic parts in images
CN106650795B (zh) * 2016-12-01 2020-06-12 携程计算机技术(上海)有限公司 酒店房型图像的排序方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014174932A1 (ja) * 2013-04-26 2014-10-30 オリンパス株式会社 画像処理装置、プログラム及び画像処理方法
CN103679618A (zh) * 2013-11-18 2014-03-26 杭州群核信息技术有限公司 一种用于住宅户型的自动风水测评方法及测评系统
CN105069457A (zh) * 2015-07-15 2015-11-18 杭州朗和科技有限公司 图像识别方法和装置
CN106650202A (zh) * 2016-09-18 2017-05-10 中国科学院计算技术研究所 一种数据驱动的室内区域布局预测方法及系统
CN106447046A (zh) * 2016-10-17 2017-02-22 深圳市彬讯科技有限公司 一种基于机器学习的户型设计方案评测方法

Also Published As

Publication number Publication date
CN108304848A (zh) 2018-07-20

Similar Documents

Publication Publication Date Title
CN108304848B (zh) 户型特征的自动提取方法、系统、电子设备和存储介质
CN108416707B (zh) 房屋户型评估方法及装置
CN107862018B (zh) 食材烹饪方法的推荐方法及装置
CN104537336B (zh) 一种具备自学习功能的人脸识别方法和系统
CN108492294B (zh) 一种图像色彩和谐程度的评估方法及装置
CN108830215B (zh) 基于人员骨架信息的危险行为识别方法
CN110889419B (zh) 一种货架分析方法、装置、系统及电子设备
CN110032954A (zh) 一种钢筋智能识别与计数方法及系统
CN110781805B (zh) 一种目标物体检测方法、装置、计算设备和介质
CN108460346B (zh) 指纹识别方法及装置
WO2021036309A1 (zh) 图像识别方法、装置、计算机装置及存储介质
CN113469000B (zh) 区域地图的处理方法及装置、存储介质及电子装置
CN112001438B (zh) 聚类数目自动选择的多模态数据聚类方法
CN109829072A (zh) 构建图谱方法及相关装置
CN111709851B (zh) 基于rfid及面部识别的酒店安全入住的方法、装置及设备
CN113688810B (zh) 一种边缘设备的目标捕获方法、系统及相关设备
CN115375873A (zh) 一种建筑空间的处理方法、装置及相关设备
WO2021098779A1 (zh) 目标检测方法、装置、设备及计算机可读存储介质
CN113392761A (zh) 构件识别方法、装置、设备及存储介质
CN114821617A (zh) 门窗洞的识别方法、装置、设备及可读存储介质
CN110969209B (zh) 一种陌生人识别方法、装置、电子设备及存储介质
CN113326405A (zh) 基于bim技术的园区入驻推荐方法以及系统
CN113791689A (zh) 智能设备的控制方法、装置、存储介质及电子装置
CN115309255A (zh) 区域环境状态的输出控制方法及装置
CN111860323A (zh) 一种基于yolov3算法识别监控画面中初期火灾的方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information

Address after: 100085 Floor 102-1, Building No. 35, West Second Banner Road, Haidian District, Beijing

Applicant after: Seashell Housing (Beijing) Technology Co., Ltd.

Address before: 100085 Floor 102-1, Building No. 35, West Second Banner Road, Haidian District, Beijing

Applicant before: Chain home network (Beijing) Technology Co., Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant