人行通道环境评估方法、装置及电子设备制造方法及图纸

本发明专利技术涉及一种人行通道环境评估方法、装置及电子设备。所述方法包括：获取待检测地区的位置信息；获取与所述待检测地区的位置信息对应的街景图像，其中所述街景图像中包括多个目标物体；将所述街景图像输入到训练好的卷积神经网络中，并通过所述训练好的卷积神经网络处理后输出对所述街景图像中的多个目标物体进行分类的特征向量；及将所述街景图像的特征向量输入到全卷积神经网络中以对所述特征向量中属于同一目标物体的像素进行颜色标注，并输出对多个所述目标物体进行颜色标注的街景图像。本发明专利技术能够辅助人们识别人行通道环境中的障碍物体。的障碍物体。的障碍物体。

【技术实现步骤摘要】
人行通道环境评估方法、装置及电子设备


[0001]本专利技术涉及深度学习领域，具体涉及一种人行通道环境评估方法、装置及电子设备。

技术介绍

[0002]在评价宜居地区时，除了房屋本身的条件是重要的参考依据外，房屋周边的设施与环境同样是影响房屋选择的重要因素。例如，房屋周边的行人道路设施、交通环境、天气状况都会改变购房者的意愿。因此，在买房预算有限制之下，如何在各个环境与设施之间作权衡则是非常重要的一环。在环境的评估当中，友善的人行通道环境无疑是对当地环境加分的重要指标。然而，目前，还没有有效的方法辅助人们对人行通道环境是否有障碍物体进行评估。

技术实现思路

[0003]鉴于以上内容，有必要提出一种人行通道环境评估方法、装置及电子设备，帮助人们对人行通道环境进行评估。
[0004]本申请的第一方面提供一种人行通道环境评估方法，所述方法包括：
[0005]获取待检测地区的位置信息；
[0006]获取与所述待检测地区的位置信息对应的街景图像，其中所述街景图像中包括多个目标物体；
[0007]将所述街景图像输入到训练好的卷积神经网络中，并通过所述训练好的卷积神经网络处理后输出对所述街景图像中的多个目标物体进行分类的特征向量；及
[0008]将所述街景图像的特征向量输入到全卷积神经网络中以对所述特征向量中属于同一目标物体的像素进行颜色标注，并输出对多个所述目标物体进行颜色标注的街景图像。
[0009]优选地，所述获取待检测地区的位置信息包括：
[0010]获取所述待检测地区的经度与维度作为所述待检测地区的位置信息。
[0011]优选地，所述获取与所述待检测地区的位置信息对应的街景图像包括：
[0012]获取分别以90度为旋转角度取得的与所述待检测地区的位置信息对应的四张街景图像，其中，所述四张街景图像构成360度全景图像。
[0013]优选地，所述通过所述训练好的卷积神经网络处理后输出对所述街景图像中的多个目标物体进行分类的特征向量包括：
[0014]利用物件辨识与分割模型将所述卷积神经网络生成的特征图的每个点作为大小不同的框的中心点，将每个框与所述街景图像进行对比确定所述街景图像中目标物体，并输出框着所述街景图像中目标物体的目标框，及对所述目标物体进行分类得到所述特征向量。
[0015]优选地，所述将所述街景图像的特征向量输入到全卷积神经网络中以对所述特征
向量中属于同一目标物体的像素进行颜色标注并输出对多个所述目标物体进行颜色标注的街景图像包括：
[0016]将所述街景图像的特征向量输入到全卷积神经网络中以对所述特征向量中属于同一目标物体的像素进行颜色标注，将具有相同颜色标注的像素框在一起且具有相同颜色标注的像素构成同一目标物体，并输出对每一所述目标物体进行颜色标注的街景图像。
[0017]优选地，所述方法还包括：
[0018]从对每一所述目标物体进行颜色标注的街景图像中识别出目标物体，并通过文字信息显示所述目标物体。
[0019]本申请的第二方面提供一种人行通道环境评估装置，所述装置包括：
[0020]位置信息获取模块，用于获取待检测地区的位置信息；
[0021]图像信息获取模块，用于获取与所述待检测地区的位置信息对应的街景图像，其中所述街景图像中包括多个目标物体；
[0022]分类模块，用于将所述街景图像输入到训练好的卷积神经网络中，并通过所述训练好的卷积神经网络处理后输出对所述街景图像中的多个目标物体进行分类的特征向量；及
[0023]颜色标注模块，用于将所述街景图像的特征向量输入到全卷积神经网络中以对所述特征向量中属于同一目标物体的像素进行颜色标注，并输出对多个所述目标物体进行颜色标注的街景图像。
[0024]优选地，所述图像信息获取模块获取分别以90度为旋转角度取得的与所述待检测地区的位置信息对应的四张街景图像，其中，所述四张街景图像构成360度全景图像。
[0025]优选地，所述颜色标注模块将所述街景图像的特征向量输入到全卷积神经网络中以对所述特征向量中属于同一目标物体的像素进行颜色标注，将具有相同颜色标注的像素框在一起且具有相同颜色标注的像素构成同一目标物体，并输出对每一所述目标物体进行颜色标注的街景图像。
[0026]本申请的第三方面提供一种电子设备，所述电子设备包括处理器及存储器，所述处理器用于执行所述存储器中存储的计算机程序时实现所述人行通道环境评估方法。
[0027]本申请将所述街景图像的特征向量输入到全卷积神经网络中以对所述特征向量中属于同一目标物体的像素进行颜色标注，并输出对多个所述目标物体进行颜色标注的街景图像，从而可以从输出的街景图像中通过颜色区分目标物体的分类，从而辅助人们识别人行通道环境中的障碍物体。
附图说明
[0028]图1为本专利技术一实施方式中人行通道环境评估方法的流程图。
[0029]图2为本专利技术一实施方式中人行通道环境评估装置的结构图。
[0030]图3为本专利技术一实施方式中电子设备的示意图。
具体实施方式
[0031]为了能够更清楚地理解本专利技术的上述目的、特征和优点，下面结合附图和具体实施例对本专利技术进行详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例
中的特征可以相互组合。
[0032]在下面的描述中阐述了很多具体细节以便于充分理解本专利技术，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0033]除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。本文中在本专利技术的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本专利技术。
[0034]优选地，本专利技术人行通道环境评估应用在一个或者多个电子设备中。所述电子设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程门阵列(Field－Programmable Gate Array，FPGA)、数字处理器(Digital Signal Processor，DSP)、嵌入式设备等。
[0035]所述电子设备可以是桌上型计算机、笔记本电脑、平板电脑及云端服务器等计算设备。所述设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
[0036]实施例1
[0037]图1是本专利技术一实施方式中人行通道环境评估方法的流程图。根据不同的需求，所述流程图中步骤的顺序可以改变，某些步骤可以省略。
[0038]参阅图1所示，所述人行通道环境评估具体包括以下步骤：
[0039]步骤S11本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人行通道环境评估方法，其特征在于，所述方法包括：获取待检测地区的位置信息；获取与所述待检测地区的位置信息对应的街景图像，其中所述街景图像中包括多个目标物体；将所述街景图像输入到训练好的卷积神经网络中，并通过所述训练好的卷积神经网络处理后输出对所述街景图像中的多个目标物体进行分类的特征向量；及将所述街景图像的特征向量输入到全卷积神经网络中以对所述特征向量中属于同一目标物体的像素进行颜色标注，并输出对多个所述目标物体进行颜色标注的街景图像。2.如权利要求1所述的人行通道环境评估方法，其特征在于，所述获取待检测地区的位置信息包括：获取所述待检测地区的经度与维度作为所述待检测地区的位置信息。3.如权利要求1所述的人行通道环境评估方法，其特征在于，所述获取与所述待检测地区的位置信息对应的街景图像包括：获取分别以90度为旋转角度取得的与所述待检测地区的位置信息对应的四张街景图像，其中，所述四张街景图像构成360度全景图像。4.如权利要求1所述的人行通道环境评估方法，其特征在于，所述通过所述训练好的卷积神经网络处理后输出对所述街景图像中的多个目标物体进行分类的特征向量包括：利用物件辨识与分割模型将所述卷积神经网络生成的特征图的每个点作为大小不同的框的中心点，将每个框与所述街景图像进行对比确定所述街景图像中目标物体，并输出框着所述街景图像中目标物体的目标框，及对所述目标物体进行分类得到所述特征向量。5.如权利要求1所述的人行通道环境评估方法，其特征在于，所述将所述街景图像的特征向量输入到全卷积神经网络中以对所述特征向量中属于同一目标物体的像素进行颜色标注并输出对多个所述目标物体进行颜色标注的街景图像包括：将所述街景图像的特征向量输入到全卷积神经网络中以对所述特征向量中属于同一目标物体的像素进...

【专利技术属性】
技术研发人员：张粤，郭锦斌，林子甄，
申请(专利权)人：鸿海精密工业股份有限公司，
类型：发明
国别省市：