CN101911098B - 根据图像和位置识别图像环境 - Google Patents
根据图像和位置识别图像环境 Download PDFInfo
- Publication number
- CN101911098B CN101911098B CN200980102296.5A CN200980102296A CN101911098B CN 101911098 B CN101911098 B CN 101911098B CN 200980102296 A CN200980102296 A CN 200980102296A CN 101911098 B CN101911098 B CN 101911098B
- Authority
- CN
- China
- Prior art keywords
- digital picture
- environment
- aerial images
- image
- digital
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 claims abstract description 12
- 238000003860 storage Methods 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 8
- 230000000694 effects Effects 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 2
- 230000004044 response Effects 0.000 claims description 2
- 208000035126 Facies Diseases 0.000 claims 1
- 230000002596 correlated effect Effects 0.000 abstract 1
- 238000012549 training Methods 0.000 description 10
- 238000004458 analytical method Methods 0.000 description 5
- 239000012634 fragment Substances 0.000 description 4
- 230000004438 eyesight Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000004304 visual acuity Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 241000136406 Comones Species 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000005304 joining Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
Abstract
一种用于根据图像以及与所述图像相关联的位置信息来识别图像的环境的方法，包括：获取所述图像和与所述图像相关联的位置信息；使用所述位置信息来获取与所述位置信息相关的航拍图像；根据所获取的航拍图像来识别所述图像的环境；以及将所述图像的环境与所述图像相关联地存储，以供后续使用。
Description
技术领域
本发明涉及通过使用图像内容和与拍摄该图像的地点相关联的位置信息来识别图像的环境。
背景技术
使用计算机来分析和辨别数字媒体资产的内容的含义(公知为语义理解)是用于实现利用这些数字资产来创建增强的用户体验的重要方面(field)。数字图像领域中的一种语义理解类型是导致识别用户已经捕获的事件的类型的分析，所述事件比如是生日聚会、棒球赛、音乐会、和其中捕获图像的许多其它类型的事件。通常，通过使用概率图模型来允许计算出新近分析的图像具有特定事件类型的概率，从而识别比如上述事件之类的事件，其中使用一组训练图像来学习所述概率图模型。在L-J.Li和L.Fei-Fei在2007年的ICCV学报中发表的论文“What，where，and who？Classifying event byscene and object recognition”中找到这种类型的模型的一个示例。
需要在当前经由比如贝叶斯网络之类的经典方案可获得的对事件类型的识别之外，改进对事件类型的识别。通常，与地理相关的命名空间数据库中的条目足够专门用来帮助对事件进行分类。需要获得地点的附加语义知识，以帮助对在该地点处捕获的图像进行分类。
发明内容
根据本发明，提供了一种用于根据图像以及与所述图像相关联的位置信息来识别图像的环境的方法，包括：
(a)获取所述图像和与所述图像相关联的位置信息；
(b)使用所述位置信息来获取与所述位置信息相关的航拍图像(aerialimage)；
(c)根据所获取的航拍图像来识别所述图像的环境；以及
(d)将所述图像的环境与所述图像相关联地存储，以供后续使用。
本发明的特征和优点包括使用与图像的位置信息相关联的参考图像来实现对图像的环境类型的更好理解，并且因此便于理解事件或活动的可能特性。
附图说明
图1是可以使用本发明的系统的图示；
图2是实践本发明的实施例的流程图；
图3是示出示例环境类型的本体结构的表格；和
图4a和4b描绘了图像和它们的对应环境航拍图像的示例。
具体实施方式
在图1中，所示出的系统10具有实现本发明所必需的元件，包括计算设备12、索引服务器14、航拍图像服务器16和通信网络20。计算设备12可以是用于存储图像的个人计算机，其中图像将被理解为包括静止图像、和运动或视频图像两者。计算设备12与各种类型的设备通信，比如，数码相机或蜂窝电话相机(未示出)，以用于存储由这些设备捕获的图像。这些被捕获的图像还可以包括位置信息，比如由捕获设备提供的全球定位系统(GPS)数据。计算设备12还可以通过通信网络20与互联网服务通信，所述互联网服务使用所捕获的不包括位置信息的图像，并且允许用户将位置信息添加到图像中。在任一情况下，具有位置信息的图像在本领域中是广为公知的。
索引服务器14是在通信网络20上可以获得的另一计算机处理设备，用于执行形式为计算机指令的算法，所述算法对图像的内容进行分析以获取比如事件类型之类的语义信息。将理解的是，经由索引服务器14来在系统10中提供这种功能作为网络服务器，并不是对本发明的限制。计算设备12还可以被配置为执行负责分析被提供来用于索引的图像的算法。
航拍图像服务器16经由通信网络20与其他计算设备通信，并且一旦请求，航拍图像服务器16提供与所提供的位置信息相关联的航拍图像。在航拍图像服务器16上存储的航拍图像通过各种各样的载人飞行器或无人飞行器来捕获，所述载人飞行器包括飞机，所述无人飞行器包括卫星。航拍图像可以利用直接向下看或与特定高线(altitude)垂直的相机捕获，或者航拍图像可以倾斜地捕获，以保留所捕获的图像的第三维度信息。PictometryInternational公司是一家提供倾斜捕获的与位置信息相关的航拍图像的公司。广为公知的互联网服务提供与所提供的位置信息相关的卫星航拍图像，所提供的位置信息比如是物理地址、GPS数据、或其他形式的位置信息，比如具有已知位置的企业的名称。航拍图像可以具有与这些信息相关的元数据，所述元数据可以与航拍图像相关联地存储在航拍图像服务器中。与航拍图像相关联的元数据可以包括比如位于由所述图像表示的物理区域内的企业的名称、古迹、和停车场之类的信息。一旦请求，可以一起提供这些元数据和航拍图像。航拍图像还可以以各种分辨率提供，所述分辨率表示从特定高线进行的捕获或模拟捕获。高分辨率航拍图像示出了更多的细节，并且通常获得的成本更昂贵。高分辨率航拍图像是要求更高的带宽并因此要求更多的传输时间的较大文件。
在图2中，所例示的过程图示出了实践本发明所必需的步骤序列。在步骤22中，获取包括相关位置信息的图像，所述相关位置信息比如是GPS数据。所述位置信息优选以元数据的形式与图像相关联，但是可以仅仅与图像相关联地提供，而不会背离本发明的范围。所述图像可以由计算设备12从它的内部存储设备提供，或者从可由计算设备12访问的任何存储设备或系统(比如，本地网络存储设备或在线图像存储站点)提供。在步骤24中，通过使用在步骤22中提供的位置信息，计算设备12将所述位置信息提供给航拍图像服务器14，以获取与和所述图像相关联的位置信息相关的航拍图像。
在步骤26中，通过使用在步骤24中获取的航拍图像，计算设备12按照下述方式使用分类器来识别图像的环境。近来，许多人已经揭示了将图像表示为无序图像碎片(image patch)集或“视觉字包”的功效(参见2005年的CVPR论文集中的F.-F.Li和P.Perona的“A Bayesian hierarchical model forlearning natural scene categories”，以及2006年的CVPR论文集中的S.Lazebnik、C.Schmid和J.Ponce的“Beyond bags of features：spatial pyramidmatching for recognizing natural scene categories”)。为每个训练图像计算合适的描述(例如，所谓的SIFT描述符)，这些描述被进一步簇集到仓(bin)中，以构建由“视觉字”构成的“视觉词汇”。关注点在于将SIFT描述符簇集为“视觉字”，然后针对它们在图像中的出现频率来表示图像。广为公知的K-平均算法和余弦距离测量法一起用于簇集这些描述符。
尽管这种表示法丢弃了与这些碎片的空间布置相关的信息，但是在分类或识别任务时采用这种类型的表示法的系统的性能令人吃惊。特别地，以固定的网格来对图像进行划分，并且将图像表示为无序图像碎片集。为这些图像碎片计算合适的描述，并且将这些描述簇集到仓中，以形成“视觉词汇”。在本发明中，采用相同的术语，并且将该术语扩展到考虑颜色特征和纹理特征来表征每个图像网格。
为了提取颜色特征，图像网格被进一步划分为具有相等大小的2×2子网格。然后，对于每个子网格，可以提取平均R、G和B值，以形成一个4×3＝12特征向量，该12特征向量表征4个子网格的颜色信息。为了提取纹理特征，可以在每个子网格内应用具有8个方位仓(orientation bin)的直方图的2×2阵列。因此，可以应用一个4×8＝32维SIFT描述符来表征每个图像网格内的结构，类似于Lazebnik等提出的思想。在本发明的优选实施例中，如果图像大于200,000个像素，则首先将该图像的大小改变为200,000个像素。然后，将图像网格的大小设置为16×16，其中重叠采样间隔为8×8。通常，一个图像生成117个这种网格。
在从图像网格中提取出所有原始图像特征后，本发明通过利用k-平均簇集来将所有图像网格簇集在训练数据集中，来构建不同的颜色词汇和纹理词汇。在本发明中，两个词汇的大小被设置为500。通过将所有网格累积在图像的训练集中，对于一个事件，可以获得分别与颜色词汇和纹理词汇的字分布对应的两个归一化的直方图，hc和ht。级联hc和ht，所得到的结果是大小为1000的归一化的字直方图。直方图中的每个仓指示对应字的出现频率。
对于基于位置坐标获得的每个输入航拍图像，如上所述计算字的颜色包和纹理包。与特定类型(或类)的环境对应的图像形成该类的训练集。所有类的训练集形成总的训练集。使用该训练集来训练分类器。
在本发明的优选实施例中，选择公知为(由J.Zhu、S.Rosset、H.Zou和T.Hastie在2005年的技术报告“Multi-class Adaboost”中提出的)SAMME的分类器作为解决多类问题的分类器。与称为AdaBoost.MH的需要执行K次1-对-所有分类的另一算法相比，SAMME直接执行K-类分类。SAMME仅仅要求好于随机猜测(例如，大于1/K的纠错概率)的弱分类器，而不是要求好于如标准两-类AdaBoost所要求的1/2。
对于需要被分类的每个输入航拍图像，如上所述计算字的颜色包和纹理包。将训练后的分类器应用与输入图像的字的包中，以产生输入图像的环境类别。
将理解的是，一些地点可以具有多个环境。例如，纽约的Honeoye Falls的北正街上的Rotary公园具有停车环境、野营环境、钓鱼环境和足球环境。作为示例更为广泛但不是限制性的，所识别出的环境可以包括棒球场、橄榄球场、网球场、高尔夫球场、居民区、商业地产、学校、购物中心、运动场、公园、海滩、树林或主题公园。如图3的表35中所示，环境能够已经预先建立与它们相关联的简化环境本体。在计算科学和信息科学中，本体是表示域内的一组概念和这些概念之间的关系的数据模型。本体用于推断该域内的对象。在图3的示例中，针对两个示例环境，示出了非常简单的本体。并没有示出图3中列出的概念之间的关系，但是如果建立，则可以有助于使用环境的本体来推断活动或事件的特性。
然后，在步骤28中，将图像的所识别出的环境与所述图像相关联地存储。优选地，所识别出的环境被作为与图像一起包括的元数据存储，比如EXIF数据，但是本发明并不限于此。所识别出的环境可以作为数据集中的数据与图像相关联地存储。在步骤30中，根据图像的所存储的环境，推断与所述图像相关联的事件或活动的特性。索引服务器14或计算设备12可以根据图像的所存储的环境(例如棒球场)，推断事件的特性是棒球赛。这种推断可以导致将事件正确地分类为棒球赛。如果索引服务器14可以分析如图4a中示出的图像，并且检测到存在棒球手套和棒球，则也可以在棒球场环境的本体中找到的这些对象给出更多的证据得出下述结论：所述事件被合适地分类为棒球赛。然而，如果如图4b中所示，通过分析图像确定比如吉他、人和架子鼓之类的对象，并且环境仍然是棒球场，则将事件分类为棒球赛可能是不正确的。通过观看图像的所存储的环境和图像两者，可以做出合适的推断，音乐会。如果元数据已经和航拍图像一起提供，则在进行关于与所述图像相关联的事件或活动的特性的推断时，可以结合任何其它数据来考虑进一步的信息。如果期望后续使用，则与所获取的航拍图像一起提供的元数据可以附加地存储到所存储的环境的本体上。
在步骤32中，如果已经推断出活动或事件的特征，则允许计算设备12在图像集合中搜索所推断出的事件。可以单独或组合使用事件类型、所存储的环境、所存储的环境本体的元素、或与所述图像或航拍图像相关联的任何元数据，以组织(frame)对图像集合的搜索。要被搜索的图像集合可以属于计算设备12的用户，并且驻留在计算设备12上，或者要被搜索的图像集合可以是可用于利用由在计算设备12上运行的网络浏览器实现的诸如Google图像搜索之类的工具，经由通信网络20搜索的公用图像集合。另一可用于利用网络浏览器在线搜索的常用图形集合由www.flickr.com上的FlickRTM维护，其中文本标记用于搜索图像。
在图4a中，示出了图像40以及响应于提供与图像40相关联的位置信息而由航拍图像服务器14提供的所获取的航拍图像42。列表44示出了根据对图像40的索引分析而确定的对象，而列表46示出了与所获取的航拍图像42相关联的元数据。适当地得出事件的潜在特性是棒球赛的推断，并且列表中的术语可以用于在具有类似内容的集合中搜索图像。同样，在图4b中，示出了在不同时间和日期利用相同的位置信息捕获的图像48以及所获取的航拍图像42。列表50示出了根据对图像40的索引分析而确定的对象。通过比较列表50和46，关于事件的可能特性是棒球赛的推断是不正确的。仅仅在考虑图像的所存储的环境和图像两者后，才能得出音乐会的推断结论。
部件列表
10 系统
12 计算设备
14 索引服务器
16 航拍图像服务器
20 通信网络
22 步骤
24 步骤
26 步骤
28 步骤
30 步骤
32 步骤
35 表格
40 图像
42 所获取的航拍图像
44 列表
46 列表
48 图像
50 列表
Claims (11)
1.一种用于根据与数字图像相关联的位置信息来识别所述数字图像的环境的方法，包括：
(a)由计算设备获取所述数字图像和与所述数字图像相关联的位置信息；
(b)从航拍图像服务器捕获与所述位置信息相关的数字航拍图像，其中所捕获的数字航拍图像是航拍图像服务器中存储的卫星图像或从飞行器获取的图像；
(c)通过分析所捕获的数字航拍图像来识别所述获取的数字图像的环境；
(d)将所识别的所述获取的数字图像的环境与所述获取的数字图像相关联地存储；以及
(e)根据存储的所识别的所述获取的数字图像的环境，确定与所述获取的数字图像相关联的事件或活动的潜在特性。
2.如权利要求1所述的方法，其中，捕获所述数字航拍图像的步骤包括选择识别所述获取的数字图像的环境所需要的合适分辨率。
3.如权利要求1所述的方法，其中，所述环境包括棒球场、足球场、网球场、高尔夫球场、居民区、商业地产、学校、购物中心、运动场、公园、海滩、树林和主题公园中的至少一个。
4.如权利要求1所述的方法，其中，存储的所识别的环境被使用来在数字图像集合中搜索所述事件。
5.如权利要求1所述的方法，还包括：获取与所捕获的数字航拍图像相关联的元数据，以及将这些元数据与存储的所识别的环境相关联地存储，以供后续使用。
6.如权利要求5所述的方法，其中，根据所存储的所述获取的数字图像的所识别的环境、所捕获的数字航拍图像和所述元数据，来推断与所述获取的数字图像相关联的事件或活动的潜在特性。
7.一种用于根据与获取的数字图像相关联的位置信息来识别所述获取的数字图像的环境的系统，包括：
(a)用于在存储器中存储所述获取的数字图像和与所述获取的数字图像相关联的位置信息的装置；
(b)用于与航拍图像服务器通信并且使用所述位置信息来从航拍图像服务器捕获与所述位置信息相关的数字航拍图像的装置，其中所捕获的数字航拍图像是航拍图像服务器中存储的卫星图像或从飞行器获取的图像；
(c)索引服务器，所述索引服务器响应于所所捕获的数字航拍图像，并且操作为使用分类器以通过分析所捕获的数字航拍图像来识别所述获取的数字图像的环境；
(d)用于将所识别的所述获取的数字图像的环境与所述获取的数字图像相关联地存储的装置；以及
(e)用于根据存储的所识别的所述获取的数字图像的环境，推断与所述获取的数字图像相关联的事件或活动的潜在特性的装置。
8.如权利要求7所述的系统，其中，所述索引服务器包括至少一个分类器，用于识别不同的环境的特定特征。
9.如权利要求7所述的系统，其中，所述环境包括棒球场、足球场、网球场、高尔夫球场、居民区、商业地产、学校、购物中心、运动场、公园、海滩、树林和主题公园中的至少一个。
10.一种用于根据与数字图像相关联的位置信息来识别所述数字图像的环境的方法，包括：
(a)由计算设备获取所述数字图像和与所述数字图像相关联的位置信息；
(b)从航拍图像服务器捕获与所述位置信息相关的数字航拍图像，其中所捕获的数字航拍图像是航拍图像服务器中存储的卫星图像或从飞行器获取的图像；
(c)通过分析所捕获的数字航拍图像并提供用于识别不同的环境的特定特征的至少一个分类器，来识别所述获取的数字图像的环境；
(d)将所识别的所述获取的数字图像的环境与所述获取的数字图像相关联地存储；
(e)根据存储的所识别的所述获取的数字图像的环境，确定与所述获取的数字图像相关联的事件或活动的潜在特性。
11.如权利要求10所述的方法，其中，所述环境包括棒球场、足球场、网球场、高尔夫球场、居民区、商业地产、学校、购物中心、运动场、公园、海滩、树林和主题公园中的至少一个。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US12/022,361 | 2008-01-30 | ||
| US12/022,361 US8116596B2 (en) | 2008-01-30 | 2008-01-30 | Recognizing image environment from image and position |
| PCT/US2009/000519 WO2009134292A2 (en) | 2008-01-30 | 2009-01-27 | Recognizing image environment from image and position |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN101911098A CN101911098A (zh) | 2010-12-08 |
| CN101911098B true CN101911098B (zh) | 2014-09-17 |
Family
ID=40899272
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN200980102296.5A Expired - Fee Related CN101911098B (zh) | 2008-01-30 | 2009-01-27 | 根据图像和位置识别图像环境 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US8116596B2 (zh) |
| EP (2) | EP2238561A2 (zh) |
| JP (1) | JP5647523B2 (zh) |
| CN (1) | CN101911098B (zh) |
| WO (1) | WO2009134292A2 (zh) |
Families Citing this family (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2016113732A1 (en) * | 2015-01-15 | 2016-07-21 | Wakingapp Ltd | System for content matching and triggering for reality-virtuality continuum-based environment and methods thereof |
| US20100292917A1 (en) * | 2009-05-13 | 2010-11-18 | International Business Machines Corporation | System and method for guiding a user through a surrounding environment |
| US8233711B2 (en) * | 2009-11-18 | 2012-07-31 | Nec Laboratories America, Inc. | Locality-constrained linear coding systems and methods for image classification |
| US8427536B2 (en) * | 2009-11-19 | 2013-04-23 | Qualcomm Incorporated | Orientation determination of a mobile station using side and top view images |
| US9298982B2 (en) * | 2011-07-26 | 2016-03-29 | Xerox Corporation | System and method for computing the visual profile of a place |
| US9105128B2 (en) | 2011-08-26 | 2015-08-11 | Skybox Imaging, Inc. | Adaptive image acquisition and processing with image analysis feedback |
| US8873842B2 (en) | 2011-08-26 | 2014-10-28 | Skybox Imaging, Inc. | Using human intelligence tasks for precise image analysis |
| WO2013032823A1 (en) | 2011-08-26 | 2013-03-07 | Skybox Imaging, Inc. | Adaptive image acquisition and processing with image analysis feedback |
| US9031326B2 (en) | 2012-02-16 | 2015-05-12 | Sony Corporation | System and method for effectively performing an image categorization procedure |
| DE102012024873A1 (de) * | 2012-12-19 | 2014-06-26 | Audi Ag | Verfahren und Steuervorrichtung zum Bereitstellen eines vorausliegenden Straßenverlaufs |
| US8761457B1 (en) | 2013-11-27 | 2014-06-24 | Google Inc. | Aligning ground based images and aerial imagery |
| CN103760917B (zh) * | 2013-12-31 | 2016-05-11 | 河南理工大学 | 航空摄影仪智能旋像设备及智能旋像方法 |
| CN103713655B (zh) * | 2014-01-17 | 2016-08-17 | 中测新图(北京)遥感技术有限责任公司 | 数字航摄仪旋偏角修正系统及方法 |
| US9530235B2 (en) | 2014-11-18 | 2016-12-27 | Google Inc. | Aligning panoramic imagery and aerial imagery |
| US10037712B2 (en) | 2015-01-30 | 2018-07-31 | Toyota Motor Engineering & Manufacturing North America, Inc. | Vision-assist devices and methods of detecting a classification of an object |
| US10217379B2 (en) * | 2015-01-30 | 2019-02-26 | Toyota Motor Engineering & Manufacturing North America, Inc. | Modifying vision-assist device parameters based on an environment classification |
| CN105354252A (zh) * | 2015-10-19 | 2016-02-24 | 联想(北京)有限公司 | 一种信息处理方法和装置 |
| CN105389555A (zh) * | 2015-11-06 | 2016-03-09 | 天津航天中为数据系统科技有限公司 | 基于航拍图像的隐患目标分析方法及系统 |
| US11423651B2 (en) * | 2016-02-09 | 2022-08-23 | Hrl Laboratories, Llc | System and method for the fusion of bottom-up whole-image features and top-down enttiy classification for accurate image/video scene classification |
| CN105963951A (zh) * | 2016-05-03 | 2016-09-28 | 北京高携科技发展有限公司 | 一种高尔夫球定位方法及装置 |
| IL273722A (en) * | 2020-03-31 | 2021-09-30 | Israel Aerospace Ind Ltd | Automatic labeling of objects in images |
| CN113936248B (zh) * | 2021-10-12 | 2023-10-03 | 河海大学 | 一种基于图像识别的海滩人员危险性预警方法 |
Family Cites Families (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH1091634A (ja) * | 1996-08-15 | 1998-04-10 | Hewlett Packard Co <Hp> | 写真画像検索システム |
| US8432414B2 (en) | 1997-09-05 | 2013-04-30 | Ecole Polytechnique Federale De Lausanne | Automated annotation of a view |
| US6895126B2 (en) * | 2000-10-06 | 2005-05-17 | Enrico Di Bernardo | System and method for creating, storing, and utilizing composite images of a geographic location |
| CA2559726C (en) * | 2004-03-24 | 2015-10-20 | A9.Com, Inc. | System and method for displaying images in an online directory |
| JP4611675B2 (ja) * | 2004-06-30 | 2011-01-12 | 本田技研工業株式会社 | 顧客応対ロボット |
| US20060190812A1 (en) * | 2005-02-22 | 2006-08-24 | Geovector Corporation | Imaging systems including hyperlink associations |
| US7467147B2 (en) * | 2005-06-01 | 2008-12-16 | Groundspeak, Inc. | System and method for facilitating ad hoc compilation of geospatial data for on-line collaboration |
| JP2006350879A (ja) * | 2005-06-20 | 2006-12-28 | Nikon Corp | 情報提供システム |
| US20070032945A1 (en) * | 2005-08-02 | 2007-02-08 | Jason Kaufman | System and method for providing location related information to a network user |
| US20070055441A1 (en) * | 2005-08-12 | 2007-03-08 | Facet Technology Corp. | System for associating pre-recorded images with routing information in a navigation system |
| US8160400B2 (en) * | 2005-11-17 | 2012-04-17 | Microsoft Corporation | Navigating images using image based geometric alignment and object based controls |
| US7539557B2 (en) * | 2005-12-30 | 2009-05-26 | Irobot Corporation | Autonomous mobile robot |
| US8139514B2 (en) * | 2006-02-24 | 2012-03-20 | Yahoo! Inc. | Method and system for communicating with multiple users via a map over the internet |
| US9507778B2 (en) * | 2006-05-19 | 2016-11-29 | Yahoo! Inc. | Summarization of media object collections |
-
2008
- 2008-01-30 US US12/022,361 patent/US8116596B2/en not_active Expired - Fee Related
-
2009
- 2009-01-27 EP EP09739095A patent/EP2238561A2/en not_active Withdrawn
- 2009-01-27 WO PCT/US2009/000519 patent/WO2009134292A2/en active Application Filing
- 2009-01-27 CN CN200980102296.5A patent/CN101911098B/zh not_active Expired - Fee Related
- 2009-01-27 EP EP11155930A patent/EP2320351A1/en not_active Ceased
- 2009-01-27 JP JP2010545006A patent/JP5647523B2/ja not_active Expired - Fee Related
Non-Patent Citations (5)
| Title |
|---|
| A Semantic Approach for the Indexing and Retrieval of Geo-referenced Video;Toni Navarrete;《SEMPS 2006》;20061231;68-80 * |
| Tobias Hollerer."Anywhere Augmentation": Towards Mobile Augmented Reality in Unprepared Environments.《Location Based Services and TeleCartography，Series: Lecture Notes in Geoinformation and Cartography》.2007,全文. |
| Tobias Hollerer."Anywhere Augmentation": Towards Mobile Augmented Reality in Unprepared Environments.《Location Based Services and TeleCartography,Series: Lecture Notes in Geoinformation and Cartography》.2007,全文. * |
| Toni Navarrete.A Semantic Approach for the Indexing and Retrieval of Geo-referenced Video.《SEMPS 2006》.2006,68-80. |
| Toni Navarrete.Semantic integration of thematic geographic information in a multimedia context.《Universitat Pompeu Fabra》.2006,1-289. * |
Also Published As
| Publication number | Publication date |
|---|---|
| EP2320351A1 (en) | 2011-05-11 |
| JP2011511365A (ja) | 2011-04-07 |
| WO2009134292A3 (en) | 2010-05-06 |
| US20090190797A1 (en) | 2009-07-30 |
| WO2009134292A2 (en) | 2009-11-05 |
| JP5647523B2 (ja) | 2014-12-24 |
| CN101911098A (zh) | 2010-12-08 |
| US8116596B2 (en) | 2012-02-14 |
| EP2238561A2 (en) | 2010-10-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101911098B (zh) | 根据图像和位置识别图像环境 | |
| US8391617B2 (en) | Event recognition using image and location information | |
| US20200234047A1 (en) | Systems and methods for image-feature-based recognition | |
| Workman et al. | A unified model for near and remote sensing | |
| US8055081B2 (en) | Image classification using capture-location-sequence information | |
| US9877086B2 (en) | Method and system for producing relevance sorted video summary | |
| US9298982B2 (en) | System and method for computing the visual profile of a place | |
| CN104331509A (zh) | 照片管理方法及装置 | |
| CN110796098B (zh) | 内容审核模型的训练及审核方法、装置、设备和存储介质 | |
| CN107392238B (zh) | 基于移动视觉搜索的户外植物知识拓展学习系统 | |
| US8990134B1 (en) | Learning to geolocate videos | |
| CN102549603A (zh) | 基于相关性的图像选择 | |
| JP2007206920A (ja) | 画像処理装置および方法、検索装置および方法、プログラム、並びに記録媒体 | |
| CN102591868A (zh) | 用于拍照指南自动生成的系统和方法 | |
| Cao et al. | Learning human photo shooting patterns from large-scale community photo collections | |
| CN109740480A (zh) | 一种监控场景下的基于非机动车再识别的行人检索方法 | |
| CN107578003B (zh) | 一种基于地理标记图像的遥感图像迁移学习方法 | |
| Zhang et al. | Dynamic multi-video summarization of sensor-rich videos in geo-space | |
| Li et al. | Global-scale location prediction for social images using geo-visual ranking | |
| Luo et al. | Recognizing picture-taking environment from satellite images: a feasibility study | |
| CN116127207A (zh) | 一种基于目标时空匹配的情报文件处理方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| ASS | Succession or assignment of patent right |
Owner name: GAOZHI 83 FOUNDATION LLC Free format text: FORMER OWNER: EASTMAN KODAK COMPANY (US) 343 STATE STREET, ROCHESTER, NEW YORK Effective date: 20130402 |
|
| C41 | Transfer of patent application or patent right or utility model | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20130402 Address after: Nevada, USA Applicant after: EASTMAN KODAK CO. Address before: American New York Applicant before: Eastman Kodak Co. |
|
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20180518 Address after: Texas, USA Patentee after: Mau new gate Venture Capital Co.,Ltd. Address before: Nevada, USA Patentee before: EASTMAN KODAK CO. |
|
| TR01 | Transfer of patent right | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20140917 |