CN114219007B - 基于图像匹配的户型合理度评判方法及装置 - Google Patents

基于图像匹配的户型合理度评判方法及装置 Download PDF

Info

Publication number
CN114219007B
CN114219007B CN202111391983.2A CN202111391983A CN114219007B CN 114219007 B CN114219007 B CN 114219007B CN 202111391983 A CN202111391983 A CN 202111391983A CN 114219007 B CN114219007 B CN 114219007B
Authority
CN
China
Prior art keywords
house type
reasonable degree
living
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
CN202111391983.2A
Other languages
English (en)
Other versions
CN114219007A (zh
Inventor
余丹
唐霆岳
兰雨晴
王丹星
邢智涣
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.)
China Standard Intelligent Security Technology Co Ltd
Original Assignee
China Standard Intelligent Security 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 China Standard Intelligent Security Technology Co Ltd filed Critical China Standard Intelligent Security Technology Co Ltd
Priority to CN202111391983.2A priority Critical patent/CN114219007B/zh
Publication of CN114219007A publication Critical patent/CN114219007A/zh
Application granted granted Critical
Publication of CN114219007B publication Critical patent/CN114219007B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/16—Real estate
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A30/00—Adapting or protecting infrastructure or their operation
    • Y02A30/60—Planning or developing urban green infrastructure

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Economics (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明的实施例公开基于图像匹配的户型合理度评判方法及装置，涉及图像分析技术领域。所述方法包括：采集目标户型的户型图图像；通过特征匹配方法，识别所述目标户型的户型图图像中的居住单元及各居住单元的位置；基于各居住单元的位置，确定所述目标户型内的日常活动路线合理程度值，并确定所述目标户型的动静分离和干湿分离的合理程度值；获取所述目标户型的日平均光照时长；根据所述目标户型的日常活动路线合理程度值、动静分离和干湿分离的合理程度值和日平均光照时长，确定目标户型的综合合理程度值。本发明不仅能自动化、准确的给出户型合理程度，同时能有效地减少评判所需的人力物力。

Description

基于图像匹配的户型合理度评判方法及装置
技术领域
本发明涉及图像分析技术领域，尤其涉及基于图像匹配的户型合理度评判方法及装置。
背景技术
生态城市建设已进入一个全面铺开的攻坚时期，然而作为最基本民生需求的城市住宅户型发展仍呈现出良莠不齐的局面，户型供应结构失调。户型的好坏，关系到住户居住的舒适度和装修的难易程度，好的户型在装修的时候不会浪费太多的空间，在功能分配的时候也更加合理，在生活的时候，将会感觉更加的便利，住得更加舒适。那么如何来判断一个户型是不是好户型呢？
目前户型合理度评判方法，主要靠人的经验进行评估，但是人的经验千差万别，各式各样，例如某个户型对人A来说是好的，但是对人B来说是差的，那么最终这个户型是好还是差呢，将无法进行准确性的评估；另外，一些人采用人工标记直接利用统计方法或卷积神经网络进行预测判断，但是这些方法不能可靠地、自动化地基于户型图给出户型准确的合理度，导致往往给出的结果准确度很差，甚至使用的相关模型也难以收敛。
发明内容
有鉴于此，本发明实施例提供了一种基于图像匹配的户型合理度评判方法及装置，用于解决现有户型合理度评判方法，评判结果不准确，使用的相关模型难以收敛的问题。本发明能根据待评判户型图中各居住单元的位置，计算获得日常活动路线合理程度值、动静分离和干湿分离的合理程度值和日平均光照时长，然后根据这些值就可以确定目标户型的综合合理程度值，不仅能自动化、准确的给出户型合理程度，同时能有效地减少评判所需的人力物力。
第一方面，本发明实施例提供基于图像匹配的户型合理度评判方法，包括：
采集目标户型的户型图图像；
通过特征匹配方法，识别所述目标户型的户型图图像中的居住单元及各居住单元的位置；
基于各居住单元的位置，确定所述目标户型内的日常活动路线合理程度值，并确定所述目标户型的动静分离和干湿分离的合理程度值；
获取所述目标户型的日平均光照时长；
根据所述目标户型的日常活动路线合理程度值、动静分离和干湿分离的合理程度值和日平均光照时长，确定目标户型的综合合理程度值。
在一可选实施例中，所述基于各居住单元的位置，确定所述目标户型内的日常活动路线合理程度值，包括：
基于各居住单元的位置以及住户的通用生活习惯，确定住户在所述目标户型内的日常活动路线；
根据所述日常活动路线，确定两两居住单元之间的路程距离以及每日内住户从每个居住单元移动到其他居住单元的每条路线的日活动重复次数；
根据所述两两居住单元之间的路程距离以及每条路线的日活动重复次数，确定所述目标户型内的日常活动路线合理程度值。
在一可选实施例中，所述根据所述两两居住单元之间的路程距离以及每条路线的日活动重复次数，确定所述目标户型内的日常活动路线合理程度值，包括：
根据以下第一公式计算所述目标户型的日常活动路线合理程度值：
Figure BDA0003369112760000021
其中i≠j
其中，λ1表示所述目标户型的日常活动路线合理程度值；Li,j表示所述目标户型中的第i个居住单元和第j个居住单元之间的路程距离；ki,j表示每日内住户从所述目标户型中的第i个居住单元移动到第j个居住单元的这条路线的日活动重复次数；
Figure BDA0003369112760000022
表示取括号内的最大值函数；i＝1,2,…,n；j＝1,2,…,n；n表示所述目标户型中居住单元的总数；i≠j表示所述第一公式需要在i≠j的情况下进行计算。
在一可选实施例中，在所述基于各居住单元的位置以及住户的通用生活习惯，确定住户在所述目标户型内的日常活动路线之前，还包括：
获取海量住户在与所述目标户型具有相同居住单元种类及数量的房屋内的日生活习惯，作为样本数据；
对所述样本数据进行统计，得到住户的通用生活习惯。
在一可选实施例中，所述居住单元至少包括：卧室、客厅、厨房、卫生间、餐厅；
所述确定所述目标户型的动静分离和干湿分离的合理程度值，包括：
根据以下第二公式计算目标户型的动静分离和干湿分离的合理程度值：
Figure BDA0003369112760000031
其中，λ2表示目标户型的动静分离和干湿分离的合理程度值；Smax表示卧室、客厅、厨房、卫生间、餐厅两两之间的直线距离中的最大直线距离；Sa,b表示卧室和客厅之间的直线距离；Sa,c表示卧室和厨房之间的直线距离；Sa,d表示卧室和卫生间之间的直线距离；Sa,e表示卧室和餐厅之间的直线距离；Sb,c表示客厅和厨房之间的直线距离；Sb,d表示客厅和卫生间之间的直线距离。
在一可选实施例中，所述根据所述目标户型的日常活动路线合理程度值、动静分离和干湿分离的合理程度值和日平均光照时长，确定目标户型的综合合理程度值，包括：
根据以下第三公式计算目标户型的综合合理程度值：
Figure BDA0003369112760000032
其中，λ表示目标户型的综合合理程度值；t表示所述目标户型的日平均光照时长，T表示一天的时长，T0表示国家规定的户型一天内的最短光照时长，t、T和T0的单位相同；u()表示非负判定函数，若括号内的数值为非负数则函数值为1，反之为0。
第二方面，本发明实施例提供基于图像匹配的户型合理度评判装置，包括：
采集模块，用于采集目标户型的户型图图像；
识别模块，用于通过特征匹配方法，识别所述目标户型的户型图图像中的居住单元及各居住单元的位置；
第一计算模块，用于基于各居住单元的位置，确定所述目标户型内的日常活动路线合理程度值，并确定所述目标户型的动静分离和干湿分离的合理程度值；
光照时长获取模块，用于获取所述目标户型的日平均光照时长；
第二计算模块，用于根据所述目标户型的日常活动路线合理程度值、动静分离和干湿分离的合理程度值和日平均光照时长，确定目标户型的综合合理程度值。
在一可选实施例中，所述第一计算模块，包括：第一合理程度计算子模块和第二合理程度计算子模块；
所述第一合理程度计算子模块，包括：路线确定单元、重复次数确定单元和日常活动路线合理程度计算单元；
所述路线确定单元，用于先基于各居住单元的位置以及住户的通用生活习惯，确定住户在所述目标户型内的日常活动路线；
所述重复次数确定单元，用于根据所述日常活动路线，确定两两居住单元之间的路程距离以及每日内住户从每个居住单元移动到其他居住单元的每条路线的日活动重复次数；
所述日常活动路线合理程度计算单元，用于根据所述两两居住单元之间的路程距离以及每条路线的日活动重复次数，通过以下第一公式计算所述目标户型的日常活动路线合理程度值：
Figure BDA0003369112760000041
其中i≠j
其中，λ1表示所述目标户型的日常活动路线合理程度值；Li,j表示所述目标户型中的第i个居住单元和第j个居住单元之间的路程距离；ki,j表示每日内住户从所述目标户型中的第i个居住单元移动到第j个居住单元的这条路线的日活动重复次数；
Figure BDA0003369112760000051
表示取括号内的最大值函数；i＝1,2,…,n；j＝1,2,…,n；n表示所述目标户型中居住单元的总数；i≠j表示所述第一公式需要在i≠j的情况下进行计算；
所述第二合理程度计算子模块，用于确定所述目标户型的动静分离和干湿分离的合理程度值。
在一可选实施例中，所述居住单元至少包括：卧室、客厅、厨房、卫生间、餐厅；
所述第二合理程度计算子模块，具体用于根据以下第二公式计算目标户型的动静分离和干湿分离的合理程度值：
Figure BDA0003369112760000052
其中，λ2表示目标户型的动静分离和干湿分离的合理程度值；Smax表示卧室、客厅、厨房、卫生间、餐厅两两之间的直线距离中的最大直线距离；Sa,b表示卧室和客厅之间的直线距离；Sa,c表示卧室和厨房之间的直线距离；Sa,d表示卧室和卫生间之间的直线距离；Sa,e表示卧室和餐厅之间的直线距离；Sb,c表示客厅和厨房之间的直线距离；Sb,d表示客厅和卫生间之间的直线距离。
在一可选实施例中，所述第二计算模块，具体用于根据以下第三公式计算目标户型的综合合理程度值：
Figure BDA0003369112760000053
其中，λ表示目标户型的综合合理程度值；t表示所述目标户型的日平均光照时长，T表示一天的时长，T0表示国家规定的户型一天内的最短光照时长，t、T和T0的单位相同；u()表示非负判定函数，若括号内的数值为非负数则函数值为1，反之为0。
本发明提供的基于图像匹配的户型合理度评判方法及装置，首先通过特征匹配方法，获得目标户型的户型图图像中的居住单元及各居住单元的位置，接着根据这些居住单元及各居住单元的位置，计算获得日常活动路线合理程度值、动静分离和干湿分离的合理程度值和日平均光照时长，来确定目标户型的综合合理程度值。本发明不仅能自动化、准确的给出户型合理程度，同时能有效地减少评判所需的人力物力。
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，下面描述中的附图仅仅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它的附图。
图1为本发明实施例提供的基于图像匹配的户型合理度评判方法实施例一流程图；
图2为本发明实施例提供的基于图像匹配的户型合理度评判方法实施例二流程图；
图3为本发明实施例提供的图像匹配的户型合理度评判装置实施例一结构示意图；
图4为本发明实施例提供的图像匹配的户型合理度评判装置实施例二结构示意图。
具体实施方式
下面结合附图对本发明实施例进行详细描述。
应当明确，所描述的实施例仅仅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它实施例，都属于本发明保护的范围。
图1为本发明实施例提供的基于图像匹配的户型合理度评判方法流程图。
如图1所示，所述方法包括S101-S105：
S101：采集目标户型的户型图图像。
本实施例中，利用摄像头采集户型内居住单元的图像，或者，也可以直接对目标户型的纸质户型图或模型户型图拍照得到目标户型的户型图图像，图像中包括了户型的详细信息，便于后续对户型进行分析，给出户型合理程度值。
S102：通过特征匹配方法，识别所述目标户型的户型图图像中的居住单元及各居住单元的位置。
本实施例中，利用特征匹配方法来获得户型图中各单元的位置，例如通过图像识别方法识别出当前户型图中的所有居住单元特征，然后将当前识别出的特征与预先设置的各居住单元的特征进行匹配，从而得到当前户型图中的各居住单元的类型，例如：不同居住单元的特征可以包括卧室的床、厨房的厨房台、客厅的沙发、卫生间的坐便或淋浴头、餐厅的饭桌等等，进而通过各个单元即可表示其对应的户型区域，便于后续计算日常活动路线合理程度值，动静分离和干湿分离的合理程度值，用来评判户型的合理度。本实施例中，在确定出目标户型中各居住单元的具体类型后，即可进一步根据目标户型图确定出各居住单元的位置。
S103：基于各居住单元的位置，确定所述目标户型内的日常活动路线合理程度值，并确定所述目标户型的动静分离和干湿分离的合理程度值。
本实施例中，根据户型的户型图图像中的各居住单元的位置，即可获知日常活动的动作路线，得到一个合理程度值，此值准确的描述了户型中的设置对日常生活的合理性；另外，根据户型的户型图图像中的各居住单元的位置，确定户型的动静分离和干湿分离的合理程度值，此值客观反映户型的动静分离和干湿分离的合理程度。前述的日常活动路线合理程度值和动静分离和干湿分离的合理程度值是对一个户型好坏程度的客观、重要的描述参数。
S104：获取所述目标户型的日平均光照时长。
具体地，可以根据目标户型所处的经度、纬度、层数、每层楼高度、楼间距、朝向等计算目标户型的全年光照时长，随后按日平均计算得到目标户型的日平均光照时长。或者，也可以采用现有的其他光照时长计算方法计算目标户型的日平均光照时长，此处不再赘述。
本实施例中，对一个户型的合理度评价，日平均光照也是一个重要的评判参数，房主都希望住房都能被阳光长时间的照耀，这样房屋的光线就会比较不错，室内的气温比较合适，湿度也会让人舒服。
S105：根据所述目标户型的日常活动路线合理程度值、动静分离和干湿分离的合理程度值和日平均光照时长，确定目标户型的综合合理程度值。
本实施例中，日常活动路线合理程度值、动静分离和干湿分离的合理程度值和日平均光照时长都是评判户型合理度评判的重要参数，但是某些值特别大，也并不代表这个户型就非常好，例如：存在一个户型，其布局非常不错，则它的日常活动路线合理程度值、动静分离和干湿分离的合理程度值都比较大，但是这个户型在一楼，周围都有高楼围绕着它，则它的日平均光照时长非常短，对买房人来说，这个房子的户型也不太好。因此，此处充分考虑日常活动路线合理程度值、动静分离和干湿分离的合理程度值和日平均光照时长，得出的评判结果是非常准确的。
本实施例提供的基于图像匹配的户型合理度评判方法，首先通过特征匹配方法，获得目标户型的户型图图像中的居住单元及各居住单元的位置，接着根据这些居住单元及各居住单元的位置，计算获得日常活动路线合理程度值、动静分离和干湿分离的合理程度值和日平均光照时长，来确定目标户型的综合合理程度值。本发明不仅能自动化、准确的给出户型合理程度，同时能有效地减少评判所需的人力物力。
图2为本发明实施例提供的基于图像匹配的户型合理度评判方法流程图。
如图2所示，所述方法包括S201-S208：
S201：采集目标户型的户型图图像。
S202：通过特征匹配方法，识别所述目标户型的户型图图像中的居住单元及各居住单元的位置。
S203：基于各居住单元的位置以及住户的通用生活习惯，确定住户在所述目标户型内的日常活动路线。
本实施例中，根据房屋内一天的通用生活习惯可以得到日常活动的动作路线(即日常活动路线)，例如：一般住户在房屋内一天的通用生活习惯包括：早上：卧室-卫生间-厨房-餐厅-卫生间-客厅，中午：客厅-卫生间-厨房-餐厅-卫生间-卧室-客厅，晚上：客厅-卫生间-厨房-餐厅-卫生间-客厅-卧室，根据上述房屋内一天的通用生活习惯可以得到日常活动的动作路线，此动作路线从客观上反映了户型房屋设置的各个房间是否合理，也让住户从客观上了解了房屋设置各个房间的合理性。
作为一可选实施例，为获得住户的通用生活习惯，在本步骤S203之前，还包括以下步骤S2031-2032：
S2031：获取海量住户在与所述目标户型具有相同居住单元种类及数量的房屋内的日生活习惯，作为样本数据。
S2032：对所述样本数据进行统计，得到住户的通用生活习惯。
本实施例中，因为人与人的日生活习惯可能存在差异，或者在不同时间段内日生活习惯也会存在差异，因此可以通过对海量住户进行分析，得出相同户型下，具有普适性的日生活习惯，使得后续利用这个习惯信息得出的一些指标，更具有普适性和准确性。在S2032后，执行S203。
S204：根据所述日常活动路线，确定两两居住单元之间的路程距离以及每日内住户从每个居住单元移动到其他居住单元的每条路线的日活动重复次数。
本实施例中，任意两个居住单元之间的路程距离为住户从这两个居住单元中一个居住单元到达另一个居住单元所需经过的除这两个居住单元之外的最短路程。
本实施例中，若日常活动路线为：早上：卧室-卫生间-厨房-餐厅-卫生间-客厅；中午：客厅-卫生间-厨房-餐厅-卫生间-卧室-客厅；晚上：客厅-卫生间-厨房-餐厅-卫生间-客厅-卧室，则对于住户从“厨房餐厅”这条路线，日活动重复次数为3，而“餐厅厨房”这条路线的日活动重复次数为0。
S205：根据所述两两居住单元之间的路程距离以及每条路线的日活动重复次数，确定所述目标户型内的日常活动路线合理程度值。
本实施例中，根据每个单元之间路线的重复次数以及每个单元之间的路程距离得到日常活动的动作路线合理程度值，进而可以准确知晓户型中的设置对日常生活的合理性。
优选地，根据以下第一公式计算所述目标户型的日常活动路线合理程度值：
Figure BDA0003369112760000091
其中，λ1表示所述目标户型的日常活动路线合理程度值；Li,j表示所述目标户型中的第i个居住单元和第j个居住单元之间的路程距离，所述路程距离表示人员从一个单元走到另一个单元的最短路程长度；ki,j表示每日内住户从所述目标户型中的第i个居住单元移动到第j个居住单元的这条路线的日活动重复次数；
Figure BDA0003369112760000101
表示取括号内的最大值函数；i＝1,2,…,n；j＝1,2,…,n；n表示所述目标户型中居住单元的总数；i≠j表示所述第一公式需要在i≠j的情况下进行计算。
S206：基于各居住单元的位置，确定所述目标户型的动静分离和干湿分离的合理程度值。
本实施例中，从动静分离以及干湿分离来说，户型中的卧室、客厅要与厨房、卫生间进行干湿分离，客厅、餐厅、厨房要与卧室之间进行动静分离。根据卧室、客厅、厨房、卫生间、餐厅两两之间的直线距离得到户型的动静分离和干湿分离的合理程度值，进而知晓户型的动静分离和干湿分离的合理程度，同时也方便用户对户型进行参考。
优选地，所述居住单元至少包括：卧室、客厅、厨房、卫生间、餐厅；同时可以根据以下第二公式计算目标户型的动静分离和干湿分离的合理程度值：
Figure BDA0003369112760000102
其中，λ2表示目标户型的动静分离和干湿分离的合理程度值；Smax表示卧室、客厅、厨房、卫生间、餐厅两两之间的直线距离中的最大直线距离；Sa,b表示卧室和客厅之间的直线距离，所述直线距离为对应两个单元之间的直线距离；Sa,c表示卧室和厨房之间的直线距离；Sa,d表示卧室和卫生间之间的直线距离；Sa,e表示卧室和餐厅之间的直线距离；Sb,c表示客厅和厨房之间的直线距离；Sb,d表示客厅和卫生间之间的直线距离。
S207：获取所述目标户型的日平均光照时长。
S208：根据所述目标户型的日常活动路线合理程度值、动静分离和干湿分离的合理程度值和日平均光照时长，确定目标户型的综合合理程度值。
本实施例中，根据所述户型的日常活动的动作路线合理程度值、动静分离和干湿分离的合理程度值以及户型一天内的光照时间得到所述户型的综合合理程度值，此综合合理程度值客观、全面、准确的对户型合理度进行评判。。
优选地，根据以下第三公式计算目标户型的综合合理程度值：
Figure BDA0003369112760000111
其中，λ表示目标户型的综合合理程度值；t表示所述目标户型的日平均光照时长，单位为小时，T表示一天的时长，为24小时，T0表示国家规定的户型一天内的最短光照时长，单位也会小时，则t、T和T0的单位相同；u()表示非负判定函数，若括号内的数值为非负数则函数值为1，反之为0。
本实施例中，所述户型的综合合理程度值的范围为[0，1]，数值越大表示户型的分配越合理。
本实施例提供的基于图像匹配的户型合理度评判方法，可以对日常生活的合理程度以及动静分离和干湿分离的合理程度再加上一天内的光照程度得到户型的综合合理程度值，此值准确的反映了户型合理度情况，值越大说明户型越合理，本实施例提供的方法不仅能自动化、准确的给出户型合理程度，同时能有效地减少评判所需的人力物力。
图3为本发明实施例提供的图像匹配的户型合理度评判装置实施例一结构示意图。参看图3，所述装置，包括：
采集模块1，用于采集目标户型的户型图图像。
识别模块2，用于通过特征匹配方法，识别所述目标户型的户型图图像中的居住单元及各居住单元的位置。
第一计算模块3，用于基于各居住单元的位置，确定所述目标户型内的日常活动路线合理程度值，并确定所述目标户型的动静分离和干湿分离的合理程度值。
光照时长获取模块4，用于获取所述目标户型的日平均光照时长。
第二计算模块5，用于根据所述目标户型的日常活动路线合理程度值、动静分离和干湿分离的合理程度值和日平均光照时长，确定目标户型的综合合理程度值。优选地，第二计算模块5，具体用于根据上述第三公式计算目标户型的综合合理程度值。
本实施例的装置，可以用于执行图1所示方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
图4为本发明提供的基于图像匹配的户型合理度评判装置实施例二的结构示意图。参看图4，本实施例是在前述基于图像匹配的户型合理度评判装置实施例一的结构的基础上，进一步的，第一计算模块3，包括：第一合理程度计算子模块31和第二合理程度计算子模块32。
第一合理程度计算子模块31，包括：路线确定单元311、重复次数确定单元312和日常活动路线合理程度计算单元313。
路线确定单元311，用于先基于各居住单元的位置以及住户的通用生活习惯，确定住户在所述目标户型内的日常活动路线。
重复次数确定单元312，用于根据所述日常活动路线，确定两两居住单元之间的路程距离以及每日内住户从每个居住单元移动到其他居住单元的每条路线的日活动重复次数。
日常活动路线合理程度计算单元313，用于根据所述两两居住单元之间的路程距离以及每条路线的日活动重复次数，通过上述第一公式计算所述目标户型的日常活动路线合理程度值。
第二合理程度计算子模块32，用于确定所述目标户型的动静分离和干湿分离的合理程度值。优选地，所述居住单元至少包括：卧室、客厅、厨房、卫生间、餐厅；第二合理程度计算子模块32，具体用于根据上述第二公式计算目标户型的动静分离和干湿分离的合理程度值。
本实施例的装置，可以用于执行图1或图2所示方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (7)

1.基于图像匹配的户型合理度评判方法，其特征在于，包括：
采集目标户型的户型图图像；
通过特征匹配方法，识别所述目标户型的户型图图像中的居住单元及各居住单元的位置；
基于各居住单元的位置，确定所述目标户型内的日常活动路线合理程度值，并确定所述目标户型的动静分离和干湿分离的合理程度值；
获取所述目标户型的日平均光照时长；
根据所述目标户型的日常活动路线合理程度值、动静分离和干湿分离的合理程度值和日平均光照时长，确定目标户型的综合合理程度值；
其中，所述基于各居住单元的位置，确定所述目标户型内的日常活动路线合理程度值，包括：
基于各居住单元的位置以及住户的通用生活习惯，确定住户在所述目标户型内的日常活动路线；
根据所述日常活动路线，确定两两居住单元之间的路程距离以及每日内住户从每个居住单元移动到其他居住单元的每条路线的日活动重复次数；
根据所述两两居住单元之间的路程距离以及每条路线的日活动重复次数，确定所述目标户型内的日常活动路线合理程度值；
其中，所述根据所述两两居住单元之间的路程距离以及每条路线的日活动重复次数，确定所述目标户型内的日常活动路线合理程度值，包括：
根据以下第一公式计算所述目标户型的日常活动路线合理程度值：
Figure FDA0003758598440000011
其中，λ1表示所述目标户型的日常活动路线合理程度值；Li,j表示所述目标户型中的第i个居住单元和第j个居住单元之间的路程距离；ki,j表示每日内住户从所述目标户型中的第i个居住单元移动到第j个居住单元的这条路线的日活动重复次数；
Figure FDA0003758598440000012
表示取括号内的最大值函数；i＝1,2,…,n；j＝1,2,…,n；n表示所述目标户型中居住单元的总数；i≠j表示所述第一公式需要在i≠j的情况下进行计算。
2.如权利要求1所述的基于图像匹配的户型合理度评判方法，其特征在于，在所述基于各居住单元的位置以及住户的通用生活习惯，确定住户在所述目标户型内的日常活动路线之前，还包括：
获取海量住户在与所述目标户型具有相同居住单元种类及数量的房屋内的日生活习惯，作为样本数据；
对所述样本数据进行统计，得到住户的通用生活习惯。
3.如权利要求1或2所述的基于图像匹配的户型合理度评判方法，其特征在于，所述居住单元至少包括：卧室、客厅、厨房、卫生间、餐厅；
所述确定所述目标户型的动静分离和干湿分离的合理程度值，包括：
根据以下第二公式计算目标户型的动静分离和干湿分离的合理程度值：
Figure FDA0003758598440000021
其中，λ2表示目标户型的动静分离和干湿分离的合理程度值；Smax表示卧室、客厅、厨房、卫生间、餐厅两两之间的直线距离中的最大直线距离；Sa,b表示卧室和客厅之间的直线距离；Sa,c表示卧室和厨房之间的直线距离；Sa,d表示卧室和卫生间之间的直线距离；Sa,e表示卧室和餐厅之间的直线距离；Sb,c表示客厅和厨房之间的直线距离；Sb,d表示客厅和卫生间之间的直线距离。
4.如权利要求3所述的基于图像匹配的户型合理度评判方法，其特征在于，所述根据所述目标户型的日常活动路线合理程度值、动静分离和干湿分离的合理程度值和日平均光照时长，确定目标户型的综合合理程度值，包括：
根据以下第三公式计算目标户型的综合合理程度值：
Figure FDA0003758598440000022
其中，λ表示目标户型的综合合理程度值；t表示所述目标户型的日平均光照时长，T表示一天的时长，T0表示国家规定的户型一天内的最短光照时长，t、T和T0的单位相同；u()表示非负判定函数，若括号内的数值为非负数则函数值为1，反之为0。
5.基于图像匹配的户型合理度评判装置，其特征在于，包括：
采集模块，用于采集目标户型的户型图图像；
识别模块，用于通过特征匹配方法，识别所述目标户型的户型图图像中的居住单元及各居住单元的位置；
第一计算模块，用于基于各居住单元的位置，确定所述目标户型内的日常活动路线合理程度值，并确定所述目标户型的动静分离和干湿分离的合理程度值；
光照时长获取模块，用于获取所述目标户型的日平均光照时长；
第二计算模块，用于根据所述目标户型的日常活动路线合理程度值、动静分离和干湿分离的合理程度值和日平均光照时长，确定目标户型的综合合理程度值；
其中，所述第一计算模块，包括：第一合理程度计算子模块和第二合理程度计算子模块；
所述第一合理程度计算子模块，包括：路线确定单元、重复次数确定单元和日常活动路线合理程度计算单元；
所述路线确定单元，用于先基于各居住单元的位置以及住户的通用生活习惯，确定住户在所述目标户型内的日常活动路线；
所述重复次数确定单元，用于根据所述日常活动路线，确定两两居住单元之间的路程距离以及每日内住户从每个居住单元移动到其他居住单元的每条路线的日活动重复次数；
所述日常活动路线合理程度计算单元，用于根据所述两两居住单元之间的路程距离以及每条路线的日活动重复次数，通过以下第一公式计算所述目标户型的日常活动路线合理程度值：
Figure FDA0003758598440000031
其中，λ1表示所述目标户型的日常活动路线合理程度值；Li,j表示所述目标户型中的第i个居住单元和第j个居住单元之间的路程距离；ki,j表示每日内住户从所述目标户型中的第i个居住单元移动到第j个居住单元的这条路线的日活动重复次数；
Figure FDA0003758598440000041
表示取括号内的最大值函数；i＝1,2,…,n；j＝1,2,…,n；n表示所述目标户型中居住单元的总数；i≠j表示所述第一公式需要在i≠j的情况下进行计算；
所述第二合理程度计算子模块，用于确定所述目标户型的动静分离和干湿分离的合理程度值。
6.如权利要求5所述的基于图像匹配的户型合理度评判装置，其特征在于，所述居住单元至少包括：卧室、客厅、厨房、卫生间、餐厅；
所述第二合理程度计算子模块，具体用于根据以下第二公式计算目标户型的动静分离和干湿分离的合理程度值：
Figure FDA0003758598440000042
其中，λ2表示目标户型的动静分离和干湿分离的合理程度值；Smax表示卧室、客厅、厨房、卫生间、餐厅两两之间的直线距离中的最大直线距离；Sa,b表示卧室和客厅之间的直线距离；Sa,c表示卧室和厨房之间的直线距离；Sa,d表示卧室和卫生间之间的直线距离；Sa,e表示卧室和餐厅之间的直线距离；Sb,c表示客厅和厨房之间的直线距离；Sb,d表示客厅和卫生间之间的直线距离。
7.如权利要求6所述的基于图像匹配的户型合理度评判装置，其特征在于，所述第二计算模块，具体用于根据以下第三公式计算目标户型的综合合理程度值：
Figure FDA0003758598440000043
其中，λ表示目标户型的综合合理程度值；t表示所述目标户型的日平均光照时长，T表示一天的时长，T0表示国家规定的户型一天内的最短光照时长，t、T和T0的单位相同；u()表示非负判定函数，若括号内的数值为非负数则函数值为1，反之为0。
CN202111391983.2A 2021-11-23 2021-11-23 基于图像匹配的户型合理度评判方法及装置 Active CN114219007B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111391983.2A CN114219007B (zh) 2021-11-23 2021-11-23 基于图像匹配的户型合理度评判方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111391983.2A CN114219007B (zh) 2021-11-23 2021-11-23 基于图像匹配的户型合理度评判方法及装置

Publications (2)

Publication Number Publication Date
CN114219007A CN114219007A (zh) 2022-03-22
CN114219007B true CN114219007B (zh) 2022-09-09

Family

ID=80697921

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111391983.2A Active CN114219007B (zh) 2021-11-23 2021-11-23 基于图像匹配的户型合理度评判方法及装置

Country Status (1)

Country Link
CN (1) CN114219007B (zh)

Family Cites Families (6)

* 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
CN108304848B (zh) * 2018-01-10 2020-04-28 贝壳找房(北京)科技有限公司 户型特征的自动提取方法、系统、电子设备和存储介质
CN108416707B (zh) * 2018-02-07 2021-02-12 北京房江湖科技有限公司 房屋户型评估方法及装置
CN110686648A (zh) * 2019-09-06 2020-01-14 平安城市建设科技(深圳)有限公司 基于图像检测的户型图生成方法、装置、设备及存储介质
CN111291440A (zh) * 2020-02-13 2020-06-16 广东三维家信息科技有限公司 住宅户型动线计算方法和装置
CN111598972B (zh) * 2020-04-03 2021-06-29 深圳大学 户型图生成方法、装置、计算机设备和存储介质

Also Published As

Publication number Publication date
CN114219007A (zh) 2022-03-22

Similar Documents

Publication Publication Date Title
Eisenman et al. Heat Death Associations with the built environment, social vulnerability and their interactions with rising temperature
Österbring et al. A differentiated description of building-stocks for a georeferenced urban bottom-up building-stock model
Apreda et al. A climate vulnerability and impact assessment model for complex urban systems
Daams et al. The effect of natural space on nearby property prices: accounting for perceived attractiveness
CN108701274B (zh) 一种城市小尺度空气质量指数预测方法与系统
Zalejska-Jonsson et al. Impact of perceived indoor environment quality on overall satisfaction in Swedish dwellings
JP6389934B2 (ja) 節電支援システム、及び節電支援装置
Symonds et al. Overheating in English dwellings: comparing modelled and monitored large-scale datasets
Moriasi et al. Model evaluation guidelines for systematic quantification of accuracy in watershed simulations
CN110009245A (zh) 基于神经网络的室内空气质量预测方法、装置及电子设备
CN103167414A (zh) 基于智能手机参与感知的气象信息服务系统及其实现方法
Malmqvist et al. Environmental efficiency in residential buildings–A simplified communication approach
McCaffer Some examples of the use of regression analysis as an estimating tool
CN110674985A (zh) 一种城市居民生活用水量预测方法及其应用
CN114897228A (zh) 一种基于人口分布和道路网络的公共设施布局检验方法
Briassoulis Environmental impacts of tourism: A framework for analysis and evaluation
Rathnayaka et al. Review of residential urban water end-use modelling
Te Biesebeek et al. General Fact Sheet: General default parameters for estimating consumer exposure-Updated version 2014
KR20120081544A (ko) 수질 일반항목을 이용한 총인 측정 방법
CN114219007B (zh) 基于图像匹配的户型合理度评判方法及装置
Roy et al. Inferring the number of floors for residential buildings
Berg Categorising a historic building stock-an interdisciplinary approach
TWI744299B (zh) 不動產估價用途的交易標的價格估算方法
CN113704857B (zh) 一种适老型住宅空间布局自动生成方法及系统
Cho et al. Longitudinal evaluation of allergen and culturable fungal concentrations in inner-city households

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
GR01 Patent grant
GR01 Patent grant