CN109992693A - 户型匹配方法及装置 - Google Patents

Abstract

本发明提供了一种户型匹配方法及装置，其中，该方法包括：获取待匹配的户型图像；提取待匹配的户型图像的几何特征；几何特征包括轮廓特征、面积特征和位置特征；将几何特征与预先建立的数据库中的户型样本图像进行相似度匹配，得到几何特征与数据库中的户型样本图像之间的相似度；根据相似度，从数据库中筛选得到与待匹配的户型图像相匹配的户型样本图像。通过户型的几何特征对数据库中的户型样本图像进行相似度匹配，可快速从数据库中得到最为相似的户型图，提高了家装设计过程中的户型匹配效率。

Description

户型匹配方法及装置

技术领域

本发明涉及家装设计技术领域，尤其是涉及一种户型匹配方法及装置。

背景技术

随着房地产行业发展迅速，出现了各式各样的户型，而且人们对家装设计的需求也越来越高。设计人员在对房屋进行户型设计时，首先需要借鉴整体布局相似的户型，这样可以通过借鉴的方式大大降低设计成本，而且也更容易使得用户接受。

在借鉴布局相似户型的过程中，需要在预先建立的户型数据库中进行遍历筛选。这些户型数据库往往数据量很大，而且户型的布局多种多样，使得人工筛选的过程费时费力，不利于设计人员进行快速筛选出合适的户型作为参考，导致整体家装设计效率低下。

发明内容

有鉴于此，本发明的目的在于提供一种户型匹配方法及装置，以提高家装设计过程中的户型匹配效率。

第一方面，本发明实施例提供了一种户型匹配方法，其中，该方法包括：获取待匹配的户型图像；提取待匹配的户型图像的几何特征；几何特征包括轮廓特征、面积特征和位置特征；将几何特征与预先建立的数据库中的户型样本图像进行相似度匹配，得到几何特征与数据库中的户型样本图像之间的相似度；根据相似度，从数据库中筛选得到与待匹配的户型图像相匹配的户型样本图像。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，提取待匹配的户型图像的几何特征的步骤，包括：从待匹配的户型图像对应的XML数据中提取几何特征；或者，采用深度学习的方式提取待匹配的户型图像几何特征。

结合第一方面，本发明实施例提供了第一方面的第二种可能的实施方式，其中，将几何特征与预先建立的数据库中的户型样本图像进行相似度匹配的步骤，包括：获取预先建立的数据库中每个户型样本图像的几何特征；将待匹配的户型图像的几何特征分别与数据库中的每个户型样本图像的几何特征进行相似度匹配，得到每个户型样本图像对应的相似度。

结合第一方面的第二种可能的实施方式，本发明实施例提供了第一方面的第三种可能的实施方式，其中，将待匹配的户型图像的几何特征分别与数据库中的每个户型样本图像的几何特征进行相似度匹配的步骤，包括：从待匹配的户型图像的几何特征和户型样本图像的几何特征中提取第一特征组合，第一特征组合包括：全屋的轮廓特征、面积特征、全屋长宽比；比较待匹配的户型图像和户型样本图像的第一特征组合中的特征，得到全屋的户型整体相似度。

结合第一方面的第三种可能的实施方式，本发明实施例提供了第一方面的第四种可能的实施方式，其中，比较待匹配的户型图像和户型样本图像的第一特征组合中的特征的步骤，包括：

在对第一特征组合中的全屋的轮廓特征进行比较时，对全屋的轮廓特征中包含的轮廓多边形进行几何变换，对变换后的待匹配的户型图像和户型样本图像的全屋的轮廓特征进行比较；几何变换，包括平移、旋转、缩放、镜像操作中的一种或多种；或者，采用轮廓比较函数对待匹配的户型图像和户型样本图像的全屋的轮廓特征进行比较。

结合第一方面的第二种可能的实施方式，本发明实施例提供了第一方面的第五种可能的实施方式，其中，待匹配的户型图像的几何特征分别与数据库中的每个户型样本图像的几何特征进行相似度匹配的步骤，包括：从待匹配的户型图像的几何特征和户型样本图像的几何特征中提取第二特征组合，第二特征组合包括：全屋的位置特征以及单屋的位置特征；比较待匹配的户型图像和户型样本图像的第二特征组合中的特征，得到单屋之间的空间布局相似度。

结合第一方面的第五种可能的实施方式，本发明实施例提供了第一方面的第六种可能的实施方式，其中，比较待匹配的户型图像和户型样本图像的第二特征组合中的特征的步骤，包括：采用深度学习算法比较待匹配的户型图像和户型样本图像的第二特征组合中的特征；或者，根据待匹配的户型图像的第二特征组合在待匹配的户型图像上设置第一标准点；根据户型样本图像的第二特征组合在户型样本图像上设置第二标准位置点；比较第一标准位置点和第二标准位置点。

结合第一方面的第二种可能的实施方式，本发明实施例提供了第一方面的第七种可能的实施方式，其中，将待匹配的户型图像的几何特征分别与数据库中的每个户型样本图像的几何特征进行相似度匹配的步骤，包括：从待匹配的户型图像的几何特征和户型样本图像的几何特征中提取第三特征组合，第三特征组合包括：单屋的轮廓特征、单屋的面积特征和单屋的长宽比；比较待匹配的户型图像和户型样本图像的第三特征组合中的特征，得到单屋的整体相似度。

结合第一方面的第七种可能的实施方式，本发明实施例提供了第一方面的第八种可能的实施方式，其中，比较待匹配的户型图像和户型样本图像的第三特征组合中的特征的步骤，包括：在对第三特征组合中的每个房间的轮廓特征进行比较时，对每个房间的轮廓特征中包含的轮廓多边形进行几何变换，对变换后的待匹配的户型图像和户型样本图像的每个房间的轮廓特征进行比较；几何变换，包括平移、旋转、缩放、镜像操作中的一种或多种；或者，采用轮廓比较函数对待匹配的户型图像和户型样本图像的每个房间的轮廓特征进行比较。

第二方面，本发明实施例提供一种户型匹配装置，该装置包括：输入模块，用于获取待匹配的户型图像；特征提取模块，用于提取待匹配的户型图像的几何特征；几何特征包括轮廓特征、面积特征和位置特征；特征匹配模块，用于将几何特征与预先建立的数据库中的户型样本图像进行相似度匹配，得到几何特征与数据库中的户型样本图像之间的相似度；特征判定模块，用于从数据库中筛选得到与待匹配的户型图像相匹配的户型样本图像。

本发明实施例带来了以下有益效果：

本发明提供了一种户型匹配方法及装置，该方法首先获取待匹配的户型图像；然后提取待匹配的户型图像的几何特征，包括轮廓特征、面积特征和位置特征；再将几何特征与预先建立的数据库中的户型样本图像进行相似度匹配，得到几何特征与数据库中的户型样本图像之间的相似度；最后根据相似度，从数据库中筛选得到与待匹配的户型图像相匹配的户型样本图像。通过户型的几何特征对数据库中的户型样本图像进行相似度匹配，可快速从数据库中得到最为相似的户型图，提高了家装设计过程中的户型匹配效率。

本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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方式，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为本发明实施例提供的一种户型匹配方法的流程图；

图2为本发明实施例提供的另一种户型匹配方法中，将几何特征与预先建立的数据库中的户型样本图像进行相似度匹配的具体流程图；

图3为本发明实施例提供的另一种户型匹配方法中，将第一种将待匹配的户型图像的几何特征分别与数据库中的每个户型样本图像的几何特征进行相似度匹配的流程图；

图4为本发明实施例提供的另一种户型匹配方法中，将第二种将待匹配的户型图像的几何特征分别与数据库中的每个户型样本图像的几何特征进行相似度匹配的流程图；

图5为本发明实施例提供的另一种户型匹配方法中，将第三种将待匹配的户型图像的几何特征分别与数据库中的每个户型样本图像的几何特征进行相似度匹配的流程图；

图6为本发明实施例提供的另一种户型匹配方法的流程图；

图7为本发明实施例提供的一种户型匹配装置的结构示意图。

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，下面将结合附图对本发明的技术方案进行清楚、完整地描述，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，都属于本发明保护的范围。

考虑到当前家装设计中存在着户型匹配时效率低下的问题，本发明的目的在于提供一种户型匹配方法及装置，该技术可以应用于手机、平板电脑、计算机、专用终端等终端设备上，可以用于APP(Application，应用程序)页面、网页页面、操作***页面等场景中。

为便于对本实施例进行理解，首先对本发明实施例所公开的一种户型匹配方法进行详细介绍。参见图1所示的一种户型匹配方法的流程图，包括以下步骤：

步骤S110，获取待匹配的户型图像；

户型图像可通过建筑施工单位中直接获取，也可以通过现场测量并绘制出户型图像。户型图像通常是二维的数字图像，为房屋的俯视图。

步骤S120，提取待匹配的户型图像的几何特征；

从步骤S110中得到的户型图像中提取其中的几何特征，这些几何特征包括待匹配的户型图像的轮廓特征、面积特征和位置特征。目前通常的房屋户型并不是单一的正方形或长方形，而是由多个正方形或长方形组合而成的不规则形状，有一些特殊户型的轮廓还会有圆弧。虽然户型图像的轮廓多种多样，这些轮廓都是可以分割成多个规则的图形，因此这些轮廓是具有各自的特征，例如轮廓的形状、轮廓的曲率，轮廓的长度等都可以作为表征轮廓特征的参数。

面积特征可通过户型中每个房间的面积和户型整体面积进行表征，房间的平面并不一定是规则的形状，但都可以通过几何划分的方法将其划分成多个规则几何图形的组合，因此面积的计算通过这些几何面积的累加即可获得。

位置特征包括每个房间之间的位置、门窗的相对位置、阳台位置以及其它特殊物品的位置(例如暖气管道、下水管道、煤气管道)之间所形成的数据特征。这些位置特征以坐标形式呈现，通过几何运算的方式得到位置特征数据。

步骤S130，将几何特征与预先建立的数据库中的户型样本图像进行相似度匹配，得到几何特征与数据库中的户型样本图像之间的相似度；

上述预先建立的户型样本图像数据库是通过收集各种户型而实现的，这些户型样本图像可由各种施工单位提供；也可以在每次设计完成后将不同户型样本图像自动添加到数据库；还可以自行设计一些典型的户型来充实数据库。这些数据库中的户型样本图像数据量越大，匹配的效果就越好。

在S120中得到的几何特征，分别于数据库中的所有户型样本图像进行相似度匹配，依次得到其相似度数据。这个数据以数值来表示，数值越大表明二者相似度就越高，可借鉴的程度就越高。

步骤S140，根据相似度，从数据库中筛选得到与待匹配的户型图像相匹配的户型样本图像。

在S130中完成数据库中所有户型样本图像的遍历后，得到待匹配的户型图像与数据库中所有户型图像的匹配结果，然后经过筛选即可得到与待匹配的户型图像相匹配的户型样本图像。所得到的相匹配的户型样本图像数量并不固定，可设置一个，也可设置多个，数量由设计人员设定。

本发明实施例提供的户型匹配方法，通过户型的几何特征对数据库中的户型样本图像进行相似度匹配，可自动并快速的实现了从数据库中得到最为相似的户型图，提高了家装设计过程中的户型匹配效率。

本发明实施例还提供另一种户型匹配方法，该方法重点描述如何提取待匹配的户型图像的几何特征，该方法的实现有以下方式：

方式一：从待匹配的户型图像对应的XML数据中提取几何特征；

待匹配的户型图像对应的XML(Extensible Markup Language，可扩展标记语言)数据中包含户型图像属性标签，这些属性标签可用来描述户型的特性，并可从中提取几何特征。如果待匹配的户型图像是通过相关户型室内设计软件建模得到的，则建模完成后可自动得到户型图像对应的XML数据；如果待匹配的户型图像是通过其他途径得到的，可通过相关户型室内设计软件导入图像，经过数据转换得到对应的XML数据。

方式二：采用深度学习的方式提取待匹配的户型图像几何特征。

通过预先建立的户型样本图像数据库中，对几何特征进行深度学习。深度学习的过程需要建立几何特征模型并进行训练，几何特征包括轮廓特征、面积特征和位置特征。将待匹配的户型图像输入到已训练完毕的几何特征模型中，即可完成待匹配的户型图像的几何特征提取。

需要说明的是，提取待匹配的户型图像的几何特征可使用上述两种方式中的任意一种。由于户型的几何特征非常直观，而且通过上述两种方式之一可快速提取待匹配的户型图像的几何特征，从而提升户型匹配的速度。

本发明实施例还提供另一种户型匹配方法，该方法重点描述如何将几何特征与预先建立的数据库中的户型样本图像进行相似度匹配，如图2所示，该方法包括如下步骤：

步骤S210，获取预先建立的数据库中每个户型样本图像的几何特征。

对预先建立的数据库进行遍历得到每个户型样本图像，然后对每个户型样本图像进行几何特征的提取。待匹配的户型图像几何特征包括：轮廓特征、面积特征和位置特征。

步骤S220，将待匹配的户型图像的几何特征分别与数据库中的每个户型样本图像的几何特征进行相似度匹配，得到每个户型样本图像对应的相似度。该步骤通过从待匹配的户型图像的几何特征和户型样本图像的几何特征中提取不同的特征组合，可提高相似度匹配的准确度。

本发明实施例还提供另一种户型匹配方法，该方法重点描述第一种将待匹配的户型图像的几何特征分别与数据库中的每个户型样本图像的几何特征进行相似度匹配的方法，如图3所示，该方法包括如下步骤：

步骤S310：从待匹配的户型图像的几何特征和户型样本图像的几何特征中提取第一特征组合，第一特征组合包括：全屋的轮廓特征、面积特征、全屋长宽比；

步骤S320：比较待匹配的户型图像和户型样本图像的第一特征组合中的特征，得到全屋的户型整体相似度。

在对第一特征组合中的全屋的轮廓特征进行比较时，对全屋的轮廓特征中包含的轮廓多边形进行几何变换，对变换后的待匹配的户型图像和户型样本图像的全屋的轮廓特征进行比较；几何变换包括全屋轮廓的平移、旋转、缩放、镜像操作中的一种或多种。

在对第一特征组合中的全屋的轮廓特征进行比较时，也可采用轮廓比较函数对待匹配的户型图像和户型样本图像的全屋的轮廓特征进行比较。上述轮廓比较函数可使用开源计算机视觉库(OpenCV)中的轮廓函数，例如使用OpenCV中内置CvMatchShape函数可直接匹配图形轮廓。

上述方式中的第一特征组合表征户型的全屋整体结构的参数，使用这些特征组合进行相似度匹配时，可无需考虑过多单屋的细节，可提高匹配速度。

本发明实施例还提供另一种户型匹配方法，该方法重点描述第二种将待匹配的户型图像的几何特征分别与数据库中的每个户型样本图像的几何特征进行相似度匹配的方法，如图4所示，该方法包括如下步骤：

步骤S410：从待匹配的户型图像的几何特征和户型样本图像的几何特征中提取第二特征组合，第二特征组合包括：全屋的位置特征以及单屋的位置特征。

步骤S420：比较待匹配的户型图像和户型样本图像的第二特征组合中的特征，得到单屋之间的空间布局相似度。

在对第二特征组合中的轮廓特征进行比较时，可采用深度学习算法比较待匹配的户型图像和户型样本图像的第二特征组合中的特征。深度学习算法需要事先对大量户型图像中全屋位置及单屋之间位置进行模型训练，模型经过训练得到以后，可将待匹配的户型图像输入至模型中，即可得到关于第二特征组合的匹配结果，然后可得到单屋之间的空间布局相似度。

在对第二特征组合中的轮廓特征进行比较时，也可根据待匹配的户型图像的第二特征组合在待匹配的户型图像上设置第一标准点；根据户型样本图像的第二特征组合在户型样本图像上设置第二标准位置点；比较第一标准位置点和第二标准位置点之间相对位置的方向及距离，即可得到第二特征组合的匹配结果，进而得到单屋之间的空间布局相似度。

上述方式中通过第二特征组合中的单屋位置及全屋位置关系得到空间布局相似度，相比全屋整体结构的相似度而言，更多考虑了全屋内部的结构之间的匹配，精度更高。

本发明实施例还提供另一种户型匹配方法，该方法重点描述第三种将待匹配的户型图像的几何特征分别与数据库中的每个户型样本图像的几何特征进行相似度匹配的方法，如图5所示，该方法包括如下步骤：

步骤S510：从待匹配的户型图像的几何特征和户型样本图像的几何特征中提取第三特征组合，第三特征组合包括：单屋的轮廓特征、单屋的面积特征和单屋的长宽比。

步骤S520：比较待匹配的户型图像和户型样本图像的第三特征组合中的特征，得到单屋的整体相似度。

在对第三特征组合中的轮廓特征进行比较时，对每个房间的轮廓特征中包含的轮廓多边形进行几何变换，对变换后的待匹配的户型图像和户型样本图像的每个房间的轮廓特征进行比较；几何变换，包括平移、旋转、缩放、镜像操作中的一种或多种。

在对第三特征组合中的轮廓特征进行比较时，可使用开源计算机视觉库(OpenCV)中轮廓比较函数对待匹配的户型图像和户型样本图像的每个房间的轮廓特征进行比较。对单屋的相似度比较过程中，可以通过门窗的位置的关系进行匹配，例如可以通过每个房间的门窗所在空间的相对位置关系进行相似度匹配，或者可采用深度学习的方法对门窗位置进行比较。

上述方式中的第三特征组合，表征了每个房间的特性，是精确度最高的特征匹配方法。

本发明实施例提供另一种户型匹配方法，如图6所示，该方法包括以下步骤：

步骤S602，输入户型图像。

户型图像可通过建筑施工单位中直接获取，也可以通过现场测量并绘制出户型图像。户型图像是二维的数字图像，为房屋的俯视图。

步骤S604，获得待匹配户型图像。

上述预先建立的户型样本图像数据库是通过收集各种户型而实现的，这些户型样本图像可由各种施工单位提供；也可以在每次设计完成后将不同户型样本图像自动添加到数据库；还可以自行设计一些典型的户型来充实数据库。这些数据库中的户型样本图像数据量越大，匹配的效果就越好。

步骤S606，从户型图像中提取几何特征。

户型图像包括步骤S602中的输入户型图像和步骤S604中的待匹配户型图像。户型图像的几何特征包括：轮廓特征、面积特征和位置特征。几何特征的提取可用以下两种方式：

方式一：从户型图像对应的XML数据中提取几何特征；

户型图像对应的XML数据中包含户型图像属性标签，这些属性标签可用来描述户型的特性，并可从中提取几何特征。如果户型图像是通过相关户型室内设计软件建模得到的，则建模完成后可自动得到户型图像对应的XML数据；如果户型图像是通过其他途径得到的，可通过相关户型室内设计软件导入图像，经过数据转换得到对应的XML数据。

方式二：采用深度学习的方式提取户型图像的几何特征。

通过预先建立的户型样本图像数据库中，对几何特征进行深度学习。深度学习的过程需要建立几何特征模型并进行训练，几何特征包括轮廓特征、面积特征和位置特征。将户型图像输入到已训练完毕的几何特征模型中，即可完成户型图像的几何特征提取。

步骤S608，全屋整体相似度比较。

全屋整体相似度可使用第一特征组合进行表征，第一特征组合包括：全屋的轮廓特征、面积特征、全屋长宽比。在对第一特征组合中的全屋的轮廓特征进行比较时，对全屋的轮廓特征中包含的轮廓多边形进行几何变换，对变换后的待匹配的户型图像和户型样本图像的全屋的轮廓特征进行比较；几何变换包括全屋轮廓的平移、旋转、缩放、镜像操作中的一种或多种。

在对第一特征组合中的全屋的轮廓特征进行比较时，也可采用轮廓比较函数对待匹配的户型图像和户型样本图像的全屋的轮廓特征进行比较。上述轮廓比较函数可使用开源计算机视觉库(OpenCV)中的轮廓函数，例如使用OpenCV中内置CvMatchShape函数可直接匹配图形轮廓。

步骤S610，空间布局相似度比较。

空间布局相似度可使用第二特征组合进行表征，第二特征组合包括：全屋的位置特征以及单屋的位置特征。在对第二特征组合中的轮廓特征进行比较时，可采用深度学习算法比较待匹配的户型图像和户型样本图像的第二特征组合中的特征。深度学习算法需要事先对大量户型图像中全屋位置及单屋之间位置进行模型训练，模型经过训练得到以后，可将待匹配的户型图像输入至模型中，即可得到关于第二特征组合的匹配结果，然后可得到单屋之间的空间布局相似度。

在对第二特征组合中的轮廓特征进行比较时，也可根据待匹配的户型图像的第二特征组合在待匹配的户型图像上设置第一标准点；根据户型样本图像的第二特征组合在户型样本图像上设置第二标准位置点；比较第一标准位置点和第二标准位置点之间相对位置的方向及距离，即可得到第二特征组合的匹配结果，进而得到单屋之间的空间布局相似度。

步骤S612，单空间相似度比较。

单空间相似度比较可使用第三特征组合进行表征，第三特征组合包括：单屋的轮廓特征、单屋的面积特征和单屋的长宽比。在对第三特征组合中的轮廓特征进行比较时，对每个房间的轮廓特征中包含的轮廓多边形进行几何变换，对变换后的待匹配的户型图像和户型样本图像的每个房间的轮廓特征进行比较；几何变换，包括平移、旋转、缩放、镜像操作中的一种或多种。在对第三特征组合中的轮廓特征进行比较时，可使用开源计算机视觉库(OpenCV)中轮廓比较函数对待匹配的户型图像和户型样本图像的每个房间的轮廓特征进行比较。对单屋的相似度比较过程中，可以通过门窗的位置的关系进行匹配，例如可以通过每个房间的门窗所在空间的相对位置关系进行相似度匹配，或者可采用深度学习的方法对门窗位置进行比较。

步骤S614，判断户型是否遍历完毕。如果遍历完毕，则执行步骤S618；如果没有遍历完毕，则执行步骤S616。

判断步骤S602中输入的户型图像与步骤S604中所有的待匹配户型图像是否遍历完毕，遍历过程中依次执行步骤S608，步骤S610，步骤S612。上述步骤S608，步骤S610，步骤S612的顺序并不限定，可根据实际情况调整相互顺序。

步骤S616，更新户型库。

如果遍历没有完毕则从新更新户型库并获得待匹配户型图像，而后重新进行户型匹配步骤。

步骤S618，相似度排序。

户型遍历完毕后得到所有户型的相似度匹配结果，然后进行相似度排序，并临时保存。

步骤S620，得到匹配结果。

根据实际需求，从临时保存的相似度排序结果中选取最为接近的一个或几个户型图。

从上述方式中，通过户型的几何特征对数据库中的户型样本图像进行相似度匹配，可自动并快速的实现了从数据库中得到最为相似的户型图，解决了当前家装设计中存在着户型匹配时效率低下的问题。

对应于上述方法实施例，参见图7所述的一种户型匹配装置，该装置设置于终端设备，该装置包括：

输入模块710，用于获取待匹配的户型图像；

特征提取模块720，用于提取待匹配的户型图像的几何特征；几何特征包括轮廓特征、面积特征和位置特征；

特征匹配模块730，用于将几何特征与预先建立的数据库中的户型样本图像进行相似度匹配，得到几何特征与数据库中的户型样本图像之间的相似度；

特征判定模块740，用于从数据库中筛选得到与待匹配的户型图像相匹配的户型样本图像。

本发明实施例所提供的户型匹配***，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，实施例部分未提及之处，可参考前述方法实施例中相应内容。

在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”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。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

另外，在本发明实施例的描述中，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，可以具体情况理解上述术语在本发明中的具体含义。

在本申请所提供的几个实施例中，应该理解到，所揭露的***、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，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：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，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，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所述以权利要求的保护范围为准。

Claims (10)

1.一种户型匹配方法，其特征在于，所述方法包括：

获取待匹配的户型图像；

提取所述待匹配的户型图像的几何特征；所述几何特征包括轮廓特征、面积特征和位置特征；

将所述几何特征与预先建立的数据库中的户型样本图像进行相似度匹配，得到所述几何特征与所述数据库中的户型样本图像之间的相似度；

根据所述相似度，从所述数据库中筛选得到与所述待匹配的户型图像相匹配的户型样本图像。

2.根据权利要求1所述的方法，其特征在于，提取所述待匹配的户型图像的几何特征的步骤，包括：

从所述待匹配的户型图像对应的XML数据中提取几何特征；

或者，采用深度学习的方式提取所述待匹配的户型图像几何特征。

3.根据权利要求1所述的方法，其特征在于，将所述几何特征与预先建立的数据库中的户型样本图像进行相似度匹配的步骤，包括：

获取预先建立的数据库中每个户型样本图像的几何特征；

将所述待匹配的户型图像的几何特征分别与所述数据库中的每个户型样本图像的几何特征进行相似度匹配，得到每个户型样本图像对应的相似度。

4.根据权利要求3所述的方法，其特征在于，将所述待匹配的户型图像的几何特征分别与所述数据库中的每个户型样本图像的几何特征进行相似度匹配的步骤，包括：

从所述待匹配的户型图像的几何特征和户型样本图像的几何特征中提取第一特征组合，所述第一特征组合包括：全屋的轮廓特征、面积特征、全屋长宽比；

比较所述待匹配的户型图像和所述户型样本图像的所述第一特征组合中的特征，得到全屋的户型整体相似度。

5.根据权利要求4所述的方法，其特征在于，比较所述待匹配的户型图像和所述户型样本图像的所述第一特征组合中的特征的步骤，包括：

在对所述第一特征组合中的全屋的轮廓特征进行比较时，对所述全屋的轮廓特征中包含的轮廓多边形进行几何变换，对变换后的所述待匹配的户型图像和所述户型样本图像的全屋的轮廓特征进行比较；所述几何变换，包括平移、旋转、缩放、镜像操作中的一种或多种；

或者，采用轮廓比较函数对所述待匹配的户型图像和所述户型样本图像的全屋的轮廓特征进行比较。

6.根据权利要求3所述的方法，其特征在于，所述待匹配的户型图像的几何特征分别与所述数据库中的每个户型样本图像的几何特征进行相似度匹配的步骤，包括：

从所述待匹配的户型图像的几何特征和户型样本图像的几何特征中提取第二特征组合，所述第二特征组合包括：全屋的位置特征以及单屋的位置特征；

比较所述待匹配的户型图像和所述户型样本图像的所述第二特征组合中的特征，得到单屋之间的空间布局相似度。

7.根据权利要求6所述的方法，其特征在于，所述比较所述待匹配的户型图像和所述户型样本图像的所述第二特征组合中的特征的步骤，包括：

采用深度学习算法比较所述待匹配的户型图像和所述户型样本图像的所述第二特征组合中的特征；

或者，根据所述待匹配的户型图像的第二特征组合在所述待匹配的户型图像上设置第一标准位置点；根据所述户型样本图像的第二特征组合在所述户型样本图像上设置第二标准位置点；比较所述第一标准位置点和所述第二标准位置点。

8.根据权利要求3所述的方法，其特征在于，将所述待匹配的户型图像的几何特征分别与所述数据库中的每个户型样本图像的几何特征进行相似度匹配的步骤，包括：

从所述待匹配的户型图像的几何特征和户型样本图像的几何特征中提取第三特征组合，所述第三特征组合包括：单屋的轮廓特征、单屋的面积特征和单屋的长宽比；

比较所述待匹配的户型图像和所述户型样本图像的所述第三特征组合中的特征，得到单屋的整体相似度。

9.根据权利要求8所述的方法，其特征在于，比较所述待匹配的户型图像和所述户型样本图像的所述第三特征组合中的特征的步骤，包括：

在对所述第三特征组合中的每个房间的轮廓特征进行比较时，对所述每个房间的轮廓特征中包含的轮廓多边形进行几何变换，对变换后的所述待匹配的户型图像和所述户型样本图像的每个房间的轮廓特征进行比较；所述几何变换，包括平移、旋转、缩放、镜像操作中的一种或多种；

或者，采用轮廓比较函数对所述待匹配的户型图像和所述户型样本图像的每个房间的轮廓特征进行比较。

10.一种户型匹配装置，其特征在于，该装置包括：

输入模块，用于获取待匹配的户型图像；

特征提取模块，用于提取所述待匹配的户型图像的几何特征；所述几何特征包括轮廓特征、面积特征和位置特征；

特征匹配模块，用于将所述几何特征与预先建立的数据库中的户型样本图像进行相似度匹配，得到所述几何特征与所述数据库中的户型样本图像之间的相似度；

特征判定模块，用于从所述数据库中筛选得到与所述待匹配的户型图像相匹配的户型样本图像。