(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211244838.6 (22)申请日 2022.10.12 (71)申请人 南通鹏宝运动用品有限公司 地址 226000 江苏省南 通市如东县新店镇 双虹桥村飞跃路96号 (72)发明人 王泽萍　 (74)专利代理 机构 北京真致博文知识产权代理 事务所(普通 合伙) 11720 专利代理师 娄华 (51)Int.Cl. G06V 20/00(2022.01) G06V 10/26(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 一种基于图像数据的健身房设施布局优化 方法及系统 (57)摘要 本发明涉及健身房设施布局优化技术领域， 具体涉及一种基于图像数据的健身房设施布局 优化方法及系统。 该方法包括： 获取健身房的全 景图像， 对全 景图像进行语义分割得到包括过道 类别和健身设备类别的语义分割图像； 获取用户 健身方向信息， 以及配置健身房健身设备的设备 描述矩阵； 将语义分割图像、 用户健身方向信息 以及设备描述矩 阵作为第一目标神经网络的输 入， 输出为优化后的优化图像； 根据优化图像进 行健身房布局调整。 利用本发明， 可以对健身房 区域的最优布局策略， 以此重新规划健身房区域 健身设备的分布， 使得整体布局更为合理， 更好 的引导人员充分利用健身设备。 权利要求书2页 说明书8页 附图1页 CN 115311543 A 2022.11.08 CN 115311543 A 1.一种基于图像数据的健身房设施 布局优化方法， 其特 征在于， 该 方法包括以下步骤： 获取健身房的全景图像， 对所述全景图像进行语义分割得到包括过道类别和健身设备 类别的语义分割图像； 获取用户健身方向信息， 以及配置健身房健身设备的设备描述矩阵； 将所述语义分割 图像、 所述用户健身方向信息以及所述设备描述矩阵作为第一 目标神经网络的输入， 输出 为优化后的优化图像； 其中， 所述第一目标神经网络的损失函数为设备分布损失函数； 获取用户信息， 所述用户信息包括所述用户健身方向信息以及日均用户数量； 将所述 优化图像、 所述用户信息以及所述设施描述矩阵作为第二 目标神经网络的输入， 输出预测 热力叠加图像； 第二目标神经网络的损失函数为均方误差损失； 采用热力分布损失函数对所述第一目标神经网络与所述第二目标神经网络的神经元 权重和偏置进 行调整， 根据调整后的第一目标神经网输出的优化后的优化图像进 行健身房 布局调整； 所述热力分布损失函数包括第五损失函数和第六损失函数； 所述第五损失函数是所述 预测热力叠加图与真实热力叠加图之 间的均方差； 所述第六损失函数包括健身设备区域热 力值的方差以及所有热力值像素点的占比。 2.根据权利要求1所述的方法， 其特征在于， 所述设备分布损失函数包括第一损失函 数、 第二损失函数、 第三损失函数以及第四损失函数； 所述第一损失函数是优化前后所述健 身设备的面积损失的函数； 所述第二损失函数是与所述优化图像中所述健身设备的质心之 间的距离损失负相关的函数； 所述第三损失函数是优化前后所述健身设备之间的尺寸和形 状损失的函数； 所述第四损失函数是所述优化图像中所述健身设备连通域之间的重合度损 失的函数。 3.根据权利要求2所述的方法， 其特征在于， 所述优化前后所述健身设备的面积损失的 获取步骤， 包括： 获取优化前后每个所述健身设备的最小外接矩形， 将所述语义分割图像中每个健身设 备的最小外接矩形面积之和， 与优化图像中所有健身设备的最小外接矩形面积之和的差 值， 作为第一差值； 将所述语义分割图像中每个健身设备的最小外接矩形面积之和， 与所述 语义分割图像的面积的差值， 作为第二差值； 将所述第一差值与所述第二差值的比值作为第一损失函数。 4.根据权利要求2所述的方法， 其特征在于， 所述与所述优化图像中所述健身设备的质 心之间的距离的获取步骤， 包括： 获取任意两个健身设备的质心， 所述两个健身设备属于不同的类别； 计算所述两个健 身设备质心之间的欧式距离， 进一 步获取所有所述 健身设备质心之间的欧式距离之和。 5.根据权利要求2所述的方法， 其特征在于， 所述优化前后所述健身设备之间的尺寸和 形状损失的获取步骤， 包括： 分别获取语义分割图像与所述优化图像中每 个健身设备的Hu矩序列； 计算所述健身设备在所述语义分割图像中的Hu序列与所述优化图像中的Hu矩序列之 间的欧式距离， 所述欧式距离为所述尺寸和形状损失。 6.根据权利要求2所述的方法， 其特征在于， 所述优化图像中所述健身设备连通域之间权　利　要　求　书 1/2 页 2 CN 115311543 A 2的重合度损失的获取步骤， 包括： 获取每个所述健身设备在所述优化图像中的像素点的连通域， 获取每个所述健身设备 的连通域之间的交并比， 所有所述 健身设备 连通域之间的交并比之和为所述重合度损失。 7.根据权利要求1所述的方法， 其特征在于， 所述预测热力 叠加图与真实热力 叠加图之 间的均方差的获取步骤， 包括： 获取一定时间段内的预测热力 叠加图以及真实热力 叠加图， 进一步获取所述真实热力 叠加图以及所述预测热力叠加图之间的均方差 。 8.根据权利要求1所述的方法， 其特征在于， 所述第六损失函数是健身设备区域热力值 的方差以及所有热力值像素点占比之和。 9.一种基于 图像数据的健身房设施布局优化系统， 包括存储器、 处理器以及存储在所 述存储器中并可在所述处理器上运行 的计算机程序， 其特征在于， 所述处理器执行所述计 算机程序时实现如权利要求1 8任意一项所述方法的步骤。权　利　要　求　书 2/2 页 3 CN 115311543 A 3