The invention provides an indoor space recognition method, which includes the following steps: S1: video shooting for the identified indoor space; S2: decoupling the captured video into pictures, filtering out the unqualified picture data, classifying the pictures according to different spaces, and constructing the training set; S3: using the training set to train the DenseNet-based deep convolution neural network. Get the network model; S4: Construct mobile APP, users can initiate location recognition requests through APP, deploy server computing structure with network model, and return location recognition results to users through corresponding network requests. In order to solve the problem of consumer-grade indoor positioning, the invention proposes a method based on mobile phone pictures and computer vision to achieve indoor positioning, which does not require the layout of indoor infrastructure in advance, nor does it need to use other special equipment in the identification process.
【技术实现步骤摘要】
一种室内空间识别方法
本专利技术主要涉及室内定位相关
,具体是一种室内空间识别方法。
技术介绍
随着城市化速度的加快、智慧城市的建设与发展、以及移动设备的日益增多,基于位置的服务在城市居民生活中扮演着越来越重要的角色。现有的定位服务大多基于全球定位系统(GPS)、北斗导航系统、手机信号基站等技术设施,在室外定位环境中具有出色的表现,在室内定位中缺有着很大的缺陷。例如,基于通讯和定位卫星的全球定位系统,北斗导航系统的信号无法进入室内环境。随着城镇化进程的发展,居民在室内的活动比例正在日益提高,而当前的室内定位技术的发展并不能很好的满足居民对室内定位服务日益增长的需求。在室内定位的相关方法中,利用WiFi信号基站,RFID等方式在实验室环境下可以取得较高的精度。然而在面对复杂多变的建筑环境时,此类方法的泛化能力较差,针对不同的建筑空间需要有对应的个性化方案支持;更重要的是,此类定位方法严重依赖于前期布设的基础设施,在提高成本的同时,对于电力、通信网络、防火标准等条件的依赖性也比较强。相比之下,基于手机图片和计算机视觉的方法不要求提前布设室内基础设施,在识别过程中也不需要借助其他特殊设备,在室内空间识别中更加稳定和鲁棒,可以广泛应用于室内商场导览,写字楼位置确定,餐厅送餐等场景。在利用计算机视觉进行室内空间识别过程中,卷积神经网络(CNN)已经被广泛地用于图像分类、物体检测等问题上,在没有任何人为干预的情况下,从图像提取信息并且能够以高精度识别图像中的对象。神经网络是一种大规模、多参数优化的工具。依靠大量的训练数据,神经网络能够学习出数据中难以总结的隐藏特 ...
【技术保护点】
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。
【技术特征摘要】
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...
【专利技术属性】
技术研发人员:张帆,刘浏,周博磊,
申请(专利权)人:上海城诗信息科技有限公司,
类型:发明
国别省市:上海,31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。