基于深度学习的环境核查方法、电子设备及存储介质技术

本申请涉及酒店管理系统的领域，尤其是涉及基于深度学习的环境核查方法、电子设备及存储介质；本方法包括获首先取待处理图像，待处理图像为针对清理完成的酒店房间所采集的图像；然后对待处理图像进行场景判断，得到待处理图像对应的场景类别；基于场景类别以及针对场景类别预设的训练后的相似度判断网络模型确定待处理图像与预设的参照图像的相似度，之后参照图像为针对场景类别对应的区域在预设位置和预设角度所采集的图像；然后基于相似度以及预设的相似度基准值判断待处理图像是否合格，若不合格，则输出异常信息。本申请的方案能够减少验收打扫过后的房间时对人力资源的占用。占用。占用。

【技术实现步骤摘要】
基于深度学习的环境核查方法、电子设备及存储介质


[0001]本申请涉及酒店管理系统的领域，尤其是涉及基于深度学习的环境核查方法、电子设备及存储介质。

技术介绍

[0002]当前社会环境下，随着我国交通路网的完善和覆盖区域的增加，人们旅行或者出差等越来越普遍和便利，因此酒店和民宿等供人们临时食宿的场所也越来越多。
[0003]酒店等场所的房间需要频繁清理打扫，且酒店房间的陈设布局都有预设的位置和规则，在工作人员打扫完后，酒店还需要安排验收人员对打扫过的房间进行检查，若有不符合规定的地方，在工作人员重新打扫后，验收人员还需要再次进行验收。
[0004]针对上述中的相关技术，专利技术人认为验收打扫过后的房间需要大量的人力成本。

技术实现思路

[0005]为了减少验收打扫过后的房间时人力资源的占用，本申请提供尤其是涉及基于深度学习的环境核查方法、装置、电子设备及存储介质第一方面，本申请提供基于深度学习的环境核查方法，采用如下的技术方案：基于深度学习的环境核查方法，其包括：获取待处理图像，所述待处理图像为针对清理完成的酒店房间所采集的图像；对所述待处理图像进行场景判断，得到所述待处理图像对应的场景类别；基于所述场景类别以及针对所述场景类别预设的训练后的相似度判断网络模型确定所述待处理图像与预设的参照图像的相似度，所述参照图像为针对所述场景类别对应的区域在预设位置和预设角度所采集的图像；所述每个场景类别均对应有一个预设的训练后的相似度判断网络模型；基于所述相似度以及预设的相似度基准值判断所述待处理图像是否合格；若不合格，则输出异常信息。
[0006]通过采用上述技术方案，电子设备能够判对针对清理完成的酒店房间所采集的图像进行检测，然后通过与预设的符合预设规则的参照图像的相似度进行判断，进而能够判断出清理过后的酒店房间环境是否合格，即是否符合预设规则，当清理过后的酒店房间环境不合格时，电子设备能够输出异常信息以对用户起到提示的作用，便于用户得到反馈进行重新清理，这个过程减少了人力资源的占用，提高了验收的效率。
[0007]在一种可能实现的方式中，所述对所述待处理图像进行场景判断，得到所述待处理图像对应的场景类别，包括：对所述待处理图像进行目标检测，获取所述待处理图像中的目标类别；基于所述目标类别以及预设的每个目标类别与场景类别的映射关系，确定所述目标类别对应的场景类别；确定所述目标类别对应的场景类别为所述待处理图像对应的场景类别。
[0008]通过采用上述技术方案，电子设备对待处理图像进行目标检测，得到目标类别，然后基于目标类别得到待处理图像的场景类别，针对每个场景类别都预设有对应的训练后的相似度判断模型，因此选择与待处理图像对应的场景类型相匹配的场景类型对应的训练后的相似度模型，能够提高处理速度，同时也能提高识别的准确率。
[0009]在一种可能实现的方式中，在将所述待处理图像输入所述预设模型，之前还包括：获取样本集合，所述样本集合包括针对所述场景类别对应的区域在符合预设规则的状态下基于不同位置所采集的多张样本图像；所述样本集合还包括每张所述样本图像与所述参照图像的相似度信息；基于所述样本集合对初始网络模型进行训练，得到所述训练后的相似度判断网络模型。
[0010]通过采用上述技术方案，采集对所述场景类别对应的区域在符合预设规则的状态下基于不同位置所采集的多张样本图像作为神经网络的训练样本集合，然后通过每个样本与预设的参照图像的相似度训练，能够得到训练后的神经网络模型，此时输入待处理的图像，即能够得到待处理图像与预设图像的相似度信息。
[0011]在一种可能实现的方式中，所述输出异常信息，包括：获取所述待处理图像与所述参照图像的差异区域；对所述差异区进行目标检测，得到所述差异区域内的目标类别；基于所述差异区域内的目标类别输出异常信息。
[0012]通过采用上述技术方案，通过对差异区域内进行的目标检测，得到差异区域内的目标类别，然后通过输出包括目标类别的异常信息对用户进行提示，以便于用户发现哪些类型的物品放置错误，进而便于用户进行调整和清理，提高了验收的效率。
[0013]在一种可能实现的方式中，在基于所述差异区域内的的目标类别输出异常信息，之后，还包括：基于所述差异区域内的目标类别从预设的预设规则表中确定所述差异区域内的的目标类别对应的预设规则，所述预设规则表包括任一目标类别以及与任一目标类别对应的预设规则；输出所述差异区域内的目标类别对应的预设规则。
[0014]通过采用上述技术方案，在输出异常信息之后，用户能够了解是哪些物品放置不符合预设的规则，同时，电子设备能够输出在差异区域内的每个目标类别对应的预设规则，便于用户基于预设规则进行调整和清理，进而能够提高整个验收过程的效率。
[0015]在一种可能实现的方式中，所述对所述待处理图像进行目标检测，包括：获取所述待处理图像的拍摄时间和当前时间；基于所述拍摄时间和当前时间以及预设的间隔时长确定所述待处理图像是否有效；若有效，则对所述待处理图像进行目标检测。
[0016]通过采用上述技术方案，当针对清理完成的酒店房间所采集的待处理图像的拍摄时间与当前时间的间隔时长没有超过预设的间隔时长时，此时可以判断待处理的图像能够进行后续的步骤，以减少输入错误的图像导致浪费识别检测的时间的几率。
[0017]在一种可能实现的方式中，至少通过以下一种方式获取待处理图像：
接收用户上传的图像；实时采集图像；获取本地存储的图像。
[0018]通过采用上述技术方案，用户可以选择现场采集图像进行识别，也可以统一采集多张图像进行识别，还可以通过下载到本地的图像进行识别，能够满足多种场景以及不同用户的需求，提升了实用性。
[0019]第二方面，本申请提供基于深度学习的环境核查的装置，采用如下的技术方案：基于深度学习的环境核查装置，包括：待处理图像获取模块，用于获取待处理图像，所述待处理图像为针对清理完成的酒店房间所采集的图像；场景判断模块，用于对所述待处理图像进行场景判断，得到所述待处理图像对应的场景类别；相似度确定模块，用于基于所述场景类别以及针对所述场景类别预设的训练后的相似度判断网络模型确定所述待处理图像与预设的参照图像的相似度，所述参照图像为针对所述场景类别对应的区域在预设位置和预设角度所采集的图像；所述每个场景类别均对应有一个预设的训练后的相似度判断网络模型；判断模块，用于基于所述相似度以及预设的相似度基准值判断所述待处理图像是否合格；输出模块，当所述待处理图像不合格时，用于输出异常信息。
[0020]在一种可能实现的方式中，当场景判断模块对所述待处理图像进行场景判断，得到所述待处理图像对应的场景类别时，具体用于：对所述待处理图像进行目标检测，获取所述待处理图像中的目标类别；基于所述目标类别以及预设的每个目标类别与场景类别的映射关系，确定所述目标类别对应的场景类别；确定所述目标类别对应的场景类别为所述待处理图像对应的场景类别。
[0021]在一种可能实现的方式中，该装置本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于深度学习的环境核查方法，其特征在于，包括：获取待处理图像，所述待处理图像为针对清理完成的酒店房间所采集的图像；对所述待处理图像进行场景判断，得到所述待处理图像对应的场景类别；基于所述场景类别以及针对所述场景类别预设的训练后的相似度判断网络模型确定所述待处理图像与预设的参照图像的相似度，所述参照图像为针对所述场景类别对应的区域在预设位置和预设角度所采集的图像；所述每个场景类别均对应有一个预设的训练后的相似度判断网络模型；基于所述相似度以及预设的相似度基准值判断所述待处理图像是否合格；若不合格，则输出异常信息。2.根据权利要求1所述的基于深度学习的环境核查方法，其特征在于，所述对所述待处理图像进行场景判断，得到所述待处理图像对应的场景类别，包括：对所述待处理图像进行目标检测，获取所述待处理图像中的目标类别；基于所述目标类别以及预设的每个目标类别与场景类别的映射关系，确定所述目标类别对应的场景类别；确定所述目标类别对应的场景类别为所述待处理图像对应的场景类别。3.根据权利要求1所述的基于深度学习的环境核查方法，其特征在于，在基于所述场景类别以及针对所述场景类别预设的训练后的相似度判断网络模型确定所述待处理图像与预设的参照图像的相似度，之前还包括：获取样本集合，所述样本集合包括针对所述场景类别对应的区域在符合预设规则的状态下基于不同位置所采集的多张样本图像；所述样本集合还包括每张所述样本图像与所述参照图像的相似度信息；基于所述样本集合对初始网络模型进行训练，得到所述训练后的相似度判断网络模型。4.根据权利要求1所述的基于深度学习的环境核查方法，其特征在于，所述输出异常信息，包括：获取所述待处理图像与所述参照图像的差异区域；对所述差异区进行目标检测，得到所述差异区域内的目标类别；基于所述差异区域内的目标类别输出异常信息。5.根据权利要求4所述的基于深度学习的环境核查方法，其特征在于，在基于所述差异区域内的的目标类别输出异常信息，之后，还包括：基于...

【专利技术属性】
技术研发人员：范俊飞，赵会龙，唐恩禄，吴奇，付渝渝，权炳哲，
申请(专利权)人：北京奇天大胜网络科技有限公司，
类型：发明
国别省市：