(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210797528.0 (22)申请日 2022.07.08 (65)同一申请的已公布的文献号 申请公布号 CN 114882228 A (43)申请公布日 2022.08.09 (73)专利权人 海门市三德体 育用品有限公司 地址 226000 江苏省南 通市海门市余 东镇 木桩村 (72)发明人 韩欢　李敏　 (51)Int.Cl. G06V 10/26(2022.01) G06V 10/74(2022.01) G06V 10/762(2022.01) G06V 20/70(2022.01) G06T 7/11(2017.01)G06Q 10/06(2012.01) G06K 9/62(2022.01) 审查员 徐晓艳 (54)发明名称 基于知识蒸馏的健身场所布局优化方法 (57)摘要 本发明涉及人工智能技术领域， 具体涉及基 于知识蒸馏的健身场所布局优化方法。 该方法包 括： 利用多个聚类特征对健身器械进行多种聚类 得到多种聚类结果， 每种聚类结果包括多个聚类 集合； 对所有聚类集合进行聚类得到多个聚类类 别； 每个聚类集合生成一张第一图像； 构建一阶 教师网络， 得到每张第一图像对应的第一序号图 以及第一置信度图； 组成多个相似组合， 获取每 个相似组合的第二图像； 构建二阶教师网络， 得 到第二图像对应的第二序号图和第二置信度图； 构建学生网络得到第三序号图； 将全 景图像划分 为多个区域， 获取每个区域的热度分布评价指 标； 判断当前健身场所的热度分布是否均衡。 本 发明实施例能够利用局部的信息提高健身场所 的整体利用率。 权利要求书2页 说明书7页 附图1页 CN 114882228 B 2022.09.09 CN 114882228 B 1.基于知识蒸馏的健身场所布局优化方法， 其特 征在于， 该 方法包括以下步骤： 采集健身场所的全景图像， 获取所述全景图像的语义分割图像， 利用多个聚类特征对 所述语义分割图像中的健身器械进行多种聚类， 得到多种聚类结果， 每种聚类结果中包括 多个聚类集 合； 对所有所述聚类集 合进行预设类别数量的聚类， 得到多个聚类 类别； 对于每个所述聚类集合， 在所述语义分割图像中保留其对应的健身器械的像素点， 生 成一张第一图像； 对每个所述聚类类别构建一个一阶教师网络， 输入该聚类类别中的所述 第一图像， 得到每张所述第一图像对应的将热力值排序的第一序号图， 以及由每个序号对 应的置信度形成的第一置信度图； 每个聚类类别 选择一个与其最相似的聚类类别组成一个相似组合， 对每个相似组合中 不同聚类类别的所述第一图像进行相互组合并融合， 得到多张第二图像； 对每个相似组合 构建二阶教师网络， 输入所述第二图像， 得到所述第二图像对应的第二序号图和第二置信 度图； 构建学生网络， 通过对所述一阶教师网络和所述二阶教师网络的学习， 得到第三序号 图； 将所述全景图像划分为多个区域， 获取每个区域的热度分布评价指标； 根据所述热度分 布评价指标判断当前热度分布是否均衡， 并对分布不均衡的所述健身场所的布局进行优 化。 2.根据权利要求1所述的方法， 其特 征在于， 所述多种聚类的方法为： 通过遍历预设半径范围和预设密度 范围生成多个聚类特征， 分别利用每个所述 聚类特 征对所述语义分割图像中的健身器械进行聚类。 3.根据权利要求1所述的方法， 其特 征在于， 所述聚类 类别的获取 方法为： 根据所述 聚类集合的布局方式为每个所述 聚类集合生成一个描述向量， 以所述描述向 量中的元素作为坐标轴建立三维坐标系， 设定所述预设类别数量， 在所述三维坐标系中对 所述聚类集 合进行聚类， 得到预设类别数量的聚类 类别。 4.根据权利要求3所述的方法， 其特 征在于， 所述描述向量的获取 方法为： 以每个所述聚类集 合中大型健身器械和小型健身器械的数量比值作为第一元 素； 以每个所述聚类集合中有氧运动类型健身器械和无氧运动类型健身器械的数量比值 作为第二元 素； 以每个所述聚类集 合的平均距离与健身器械平均半径的比值作为第三元 素； 由所述第一元 素、 所述第二元 素以及所述第三元 素组成所述描述向量。 5.根据权利要求1所述的方法， 其特 征在于， 所述第一序号图的获取 方法为： 获取健身场所中每个健身器械的热力值， 对每个聚类类别中的健身器械按照热力值大 小排序， 为该聚类类别中的每个健身器械的像素点赋予对应的排序序号作为像素值， 得到 真实序号图， 以所述真实序号图作为所述 一阶教师网络的标签， 得到所述第一序号图。 6.根据权利要求3所述的方法， 其特 征在于， 所述相似组合的组成方法为： 对于每个所述聚类类别， 在所述三维坐标系中获取与 该聚类类别的聚类中心点距离最 近的另一聚类中心 点所在的聚类类别作为该聚类类别的相似聚类类别， 组成一个所述相似 组合。 7.根据权利要求1所述的方法， 其特 征在于， 所述第二图像的获取 方法为： 获取所述相似组合中每个所述 聚类类别的多 张所述第 一图像， 分别从两个聚类类别中权　利　要　求　书 1/2 页 2 CN 114882228 B 2挑选一张第一图像， 将这两张第一图像相互融合， 保留两张第一图像上的像素点， 得到一张 所述第二图像。 8.根据权利要求1所述的方法， 其特征在于， 所述二阶教师网络构建时还包括以下步 骤： 根据所述第二序号图、 所述第一置信度图、 所述第二置信度图以及所述相似组合中健 身器械的热力值 排序关系构建所述 二阶教师网络的损失函数。 9.根据权利要求1所述的方法， 其特 征在于， 所述热度分布评价指标的获取 方法为： 以每个区域中所有热度 序号的差异作为所述热度分布评价指标。 10.根据权利要求5所述的方法， 其特 征在于， 所述热力值的获取 方法为： 通过对所述全景图像进行关键点检测获取热力图， 将多帧所述热力图分时段通过遗忘 系数以预设频率进行叠加， 以所述健身器械的连通域内每个时段最 终叠加的热力值的均值 作为该健身器械的热力值。权　利　要　求　书 2/2 页 3 CN 114882228 B 3