CN107563455A - 用于获取信息的方法及装置 - Google Patents
用于获取信息的方法及装置 Download PDFInfo
- Publication number
- CN107563455A CN107563455A CN201710972237.XA CN201710972237A CN107563455A CN 107563455 A CN107563455 A CN 107563455A CN 201710972237 A CN201710972237 A CN 201710972237A CN 107563455 A CN107563455 A CN 107563455A
- Authority
- CN
- China
- Prior art keywords
- disaster
- information
- image
- video
- probability
- 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.)
- Pending
Links
Landscapes
- Alarm Systems (AREA)
Abstract
本申请实施例公开了用于获取信息的方法及装置。该方法的一具体实施方式包括:获取待处理信息以及上述待处理信息的描述信息;查询对应上述描述信息的历史信息;将上述待处理信息和历史信息导入预先训练的灾害模型,得到对应上述待处理信息的灾害发生概率。该实施方式使得灾害模型能够同时考虑当前的待处理信息和历史信息,得到较为准确的灾害发生概率,有利于提高预测灾害的准确度。
Description
技术领域
本申请涉及数据处理技术领域,具体涉及图像处理技术领域,尤其涉及用于获取信息的方法及装置。
背景技术
自然灾害是指给人类生存带来危害或损害人类生活环境的自然现象,包括山洪、台风、龙卷风、地震、山体滑坡等气象灾害。为了预防自然灾害,减小自然灾害的损失,人们想出了多种方法。但这些方法大多是在灾害发生后采取的措施,对自然灾害的防御效果不够好。
自然灾害发生前通常会伴随一些灾害前的现象,这些现象有助于对自然灾害的预测。而现有的预测自然灾害的方法多数是靠经验获得的,方法的适用面很窄,预测难度大,且预测的准确度不高。
发明内容
本申请实施例的目的在于提出了用于获取信息的方法及装置,来解决以上背景技术部分提到的技术问题。
第一方面,本申请实施例提供了一种用于获取信息的方法,该方法包括:获取待处理信息以及上述待处理信息的描述信息,上述待处理信息用于记录待识别信息,上述描述信息用于对上述待处理信息进行描述,包括地理位置信息;查询对应上述描述信息的历史信息,上述历史信息包括与上述描述信息中地理位置信息对应的历史灾害信息;将上述待处理信息和历史信息导入预先训练的灾害模型,得到对应上述待处理信息的灾害发生概率,上述灾害模型用于表征待处理信息和灾害发生概率的对应关系,上述灾害发生概率用于表征待处理信息对应的地理位置发生灾害的概率。
在一些实施例中,上述查询对应上述描述信息的历史信息包括:从上述描述信息中提取出地理位置信息;查询对应上述地理位置信息的设定范围内的历史灾害信息。
在一些实施例中,上述方法还包括:建立灾害模型的步骤,上述建立灾害模型的步骤包括:将灾害视频集合里中的灾害视频按灾害类型划分为至少一个灾害视频子集合,上述灾害视频包含某一类灾害的视频信息,上述灾害类型包括以下至少一项:山洪、台风、地震;从灾害视频子集合中的灾害视频中提取对应灾害类型的灾害特征信息序列,通过灾害特征信息序列训练得到对应灾害类型的灾害子模型,上述灾害特征信息序列包括多个按时间顺序排列的灾害特征信息,上述灾害特征信息用于表征灾害的发生过程,包括以下至少一项:物体的外形结构、物体的位置,上述灾害子模型用于表征发生对应灾害类型的概率;为每个灾害子模型设置权重值,并通过增加权重值后的灾害子模型构建灾害模型,上述权重值用于表征各个灾害子模型之间的相关性。
在一些实施例中,上述从灾害视频子集合中的灾害视频中提取对应灾害类型的灾害特征信息序列包括:从灾害视频中提取灾害前的图像和灾害后的图像;对比灾害前的图像和灾害后的图像,确定灾害特征信息;对灾害视频中的灾害特征信息进行标记,并提取灾害发生过程中的灾害特征信息,得到灾害特征信息序列,上述灾害发生过程包括灾害发生前、灾害发生中和灾害发生后,灾害特征信息与灾害视频中的灾害图像对应。
在一些实施例中,上述对比灾害前的图像和灾害后的图像,确定灾害特征信息包括:对比上述灾害前的图像和灾害后的图像,确定基准灾害物体;从基准灾害物体上确定灾害特征信息。
在一些实施例中,上述通过灾害特征信息序列训练得到对应灾害类型的灾害子模型包括:通过灾害特征信息序列建立灾害图像和对应灾害图像的灾害发生概率之间的对应关系,得到对应灾害视频子集合的对应关系集合;将对应关系集合导入机器学习方法,得到对应灾害视频子集合的灾害子模型。
在一些实施例中,上述通过灾害特征信息序列建立灾害图像和对应灾害图像的灾害发生概率之间的对应关系包括:从灾害视频中提取与灾害特征信息序列中的每个灾害特征信息对应的灾害图像;根据灾害图像出现在灾害发生过程中的时间为每个灾害图像设置灾害发生概率;建立灾害图像和对应灾害图像的灾害发生概率之间的对应关系。
在一些实施例中,上述将上述待处理信息和历史信息导入预先训练的灾害模型,得到对应上述待处理信息的灾害发生概率包括:根据上述历史信息设置灾害模型的每个灾害子模型的权重值;将上述待处理信息导入灾害模型,得到对应上述待处理信息的灾害发生概率。
第二方面,本申请实施例提供了一种用于获取信息的装置,上述该装置包括:信息获取单元,用于获取待处理信息以及上述待处理信息的描述信息,上述待处理信息用于记录待识别信息,上述描述信息用于对上述待处理信息进行描述,包括地理位置信息;历史信息查询单元,用于查询对应上述描述信息的历史信息,上述历史信息包括与上述描述信息中地理位置信息对应的历史灾害信息;灾害发生概率获取单元,用于将上述待处理信息和历史信息导入预先训练的灾害模型,得到对应上述待处理信息的灾害发生概率,上述灾害模型用于表征待处理信息和灾害发生概率的对应关系,上述灾害发生概率用于表征待处理信息对应的地理位置发生灾害的概率。
在一些实施例中,上述历史信息查询单元包括:信息提取子单元,用于从上述描述信息中提取出地理位置信息;历史信息查询子单元,用于查询对应上述地理位置信息的设定范围内的历史灾害信息。
在一些实施例中,上述装置还包括:灾害模型构建单元,用于建立灾害模型,上述灾害模型构建单元包括:视频分类子单元,用于将灾害视频集合里中的灾害视频按灾害类型划分为至少一个灾害视频子集合,上述灾害视频包含某一类灾害的视频信息,上述灾害类型包括以下至少一项:山洪、台风、地震;灾害子模型获取子单元,用于从灾害视频子集合中的灾害视频中提取对应灾害类型的灾害特征信息序列,通过灾害特征信息序列训练得到对应灾害类型的灾害子模型,上述灾害特征信息序列包括多个按时间顺序排列的灾害特征信息,上述灾害特征信息用于表征灾害的发生过程,包括以下至少一项:物体的外形结构、物体的位置,上述灾害子模型用于表征发生对应灾害类型的概率;灾害模型构建子单元,用于为每个灾害子模型设置权重值,并通过增加权重值后的灾害子模型构建灾害模型,上述权重值用于表征各个灾害子模型之间的相关性。
在一些实施例中,上述灾害子模型获取子单元包括:图像提取模块,用于从灾害视频中提取灾害前的图像和灾害后的图像;灾害特征信息确定模块,用于对比灾害前的图像和灾害后的图像,确定灾害特征信息;灾害特征信息序列获取模块,用于对灾害视频中的灾害特征信息进行标记,并提取灾害发生过程中的灾害特征信息,得到灾害特征信息序列,上述灾害发生过程包括灾害发生前、灾害发生中和灾害发生后,灾害特征信息与灾害视频中的灾害图像对应。
在一些实施例中,上述灾害特征信息确定模块包括:物体确定子模块,用于对比上述灾害前的图像和灾害后的图像,确定基准灾害物体;灾害特征信息确定子模块,用于从基准灾害物体上确定灾害特征信息。
在一些实施例中,上述灾害子模型获取子单元包括:对应关系集合获取模块,用于通过灾害特征信息序列建立灾害图像和对应灾害图像的灾害发生概率之间的对应关系,得到对应灾害视频子集合的对应关系集合;灾害子模型获取模块,用于将对应关系集合导入机器学习方法,得到对应灾害视频子集合的灾害子模型。
在一些实施例中,上述对应关系集合获取模块包括:灾害图像提取子模块,用于从灾害视频中提取与灾害特征信息序列中的每个灾害特征信息对应的灾害图像;概率设定子模块,用于根据灾害图像出现在灾害发生过程中的时间为每个灾害图像设置灾害发生概率;对应关系构建子模块,用于建立灾害图像和对应灾害图像的灾害发生概率之间的对应关系。
在一些实施例中,上述灾害发生概率获取单元包括:权重设置子单元,用于根据上述历史信息设置灾害模型的每个灾害子模型的权重值;灾害发生概率获取子单元,用于将上述待处理信息导入灾害模型,得到对应上述待处理信息的灾害发生概率。
第三方面,本申请实施例提供了一种服务器,包括:一个或多个处理器;存储器,用于存储一个或多个程序,当上述一个或多个程序被上述一个或多个处理器执行时,使得上述一个或多个处理器执行上述第一方面的用于获取信息的方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现上述第一方面的用于获取信息的方法。
本申请实施例提供的用于获取信息的方法及装置,首先获取待处理信息以及上述待处理信息的描述信息;然后查询对应描述信息的历史信息;最后,将待处理信息和历史信息导入灾害模型,使得灾害模型能够同时考虑当前的待处理信息和历史信息,得到较为准确的灾害发生概率,有利于提高预测灾害的准确度。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请可以应用于其中的示例性系统架构图;
图2是根据本申请的用于获取信息的方法的一个实施例的流程图;
图3是根据本申请的用于获取信息的方法的一个应用场景的示意图;
图4是根据本申请的用于获取信息的装置的一个实施例的结构示意图;
图5是适于用来实现本申请实施例的服务器的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的用于获取信息的方法或用于获取信息的装置的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如图像采集应用、图像编辑应用、图像发送应用、信息编写应用、信息发送应用等。
终端设备101、102、103可以是具有显示屏并且支持图像采集、图像编辑的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种信息处理的服务器,例如对终端设备101、102、103发来的待处理信息和描述信息进行处理的服务器。服务器可以对接收到的待处理信息和描述信息等数据进行分析等处理,进而得到对应待处理信息和描述信息的灾害发生概率。
需要说明的是,本申请实施例所提供的用于获取信息的方法一般由服务器105执行,相应地,用于获取信息的装置一般设置于服务器105中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本申请的用于获取信息的方法的一个实施例的流程200。该用于获取信息的方法包括以下步骤:
步骤201,获取待处理信息以及上述待处理信息的描述信息。
在本实施例中,用于获取信息的方法运行于其上的电子设备(例如图1所示的服务器105)可以通过有线连接方式或者无线连接方式接收终端设备101、102、103发来的待处理信息和描述信息。需要指出的是,上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。
当用户发现异常的地理信息、天气信息时,可以通过终端设备101、102、103获取对应的图像或视频,并将图像和视频发送给服务器105。其中,上述待处理信息用于记录待识别信息,可以包括以下至少一项:图像信息、视频信息。例如,用户发现墙体短时间内出现大面积裂缝后,通过终端设备101、102、103采集墙体的裂缝图像和视频,则墙体的裂缝就可以是带识别信息,记录墙体的裂缝的图像和视频就可以是待处理信息。上述描述信息用于对上述待处理信息进行描述,可以包括地理位置信息,还可以包括时间信息等。由某地自然灾害的历史信息可知,该地发生的自然灾害通常也与特定的时间具有对应关系。因此,描述信息也可以包括与地理位置信息相对应的时间信息,以便提高后续通过待处理信息和描述信息得到灾害发生概率的准确性。用户获取到待处理信息后,为了便于服务器105给出准确信息,还可以通过描述信息对待处理信息进行描述。还以上述的墙体的裂缝为例,对应的描述信息可以是:XX年月XX日XX时XX分,在XX地拍摄的XX建筑物等,还可以是其他方式的对待处理信息进行的描述,此处不再一一赘述。
步骤202,查询对应上述描述信息的历史信息。
自然灾害通常与灾害发生地的地质构造、气候、植被等因素相关。因此,服务器105在获取到待处理信息和描述信息后,可以查询对应描述信息的历史信息。此处,历史信息可以包括与描述信息中地理位置信息对应的历史灾害信息,包括以下至少一项:灾害类型、灾害地理范围。例如,描述信息中指出待处理信息的发生地为A地,则服务器105可以查询到与A地相关的所有记载的历史灾害信息。对应A地的历史灾害信息可以是:“XX年XX月XX日XX时XX分,A地及与A地邻近的B地发生特大暴雨;于当日XX时分,A地发生地震,局部出现山体滑坡”。其中,灾害类型包括:特大暴雨、地震、山体滑坡;灾害地理范围可以为:特大暴雨—A地;地震—A地;山体滑坡—A地局部。
在本实施例的一些可选的实现方式中,上述查询对应上述描述信息的历史信息可以包括以下步骤:
第一步,从上述描述信息中提取出地理位置信息。
自然灾害在时间和地理位置上具有一定的规律性。相对而言,自然灾害与地理位置的关系更紧密。可选的,本实施例可以优先从描述信息中提取地理位置信息,并通过地理位置信息来确定需要选择历史信息。
第二步,查询对应上述地理位置信息的设定范围内的历史灾害信息。
服务器105可以查找与上述地理位置信息对应的位置相关的灾害信息。由于自然灾害的发生位置具有一定的不确定性,因此,可以获取与地理位置信息对应的一定地理范围内的灾害信息。地理范围的大小可以根据需要进行设定。例如,与上述地理位置信息对应的位置所在地很少发生自然灾害,且发生自然灾害的范围较小,则地理范围可以选的较小。并在与上述地理位置信息对应的位置的基础上,在偏向发生过自然灾害的方向上选取地理范围。
步骤203,将上述待处理信息和历史信息导入预先训练的灾害模型,得到对应上述待处理信息的灾害发生概率。
由上述描述可知,自然灾害与地质构造、气候等因素相关,而地质构造、气候等因素在具体的地理位置区域内相对固定,即,自然灾害会相对集中在某些地理位置(如地震带附近)。待处理信息表征了当前某地可能发生的灾害信息;历史信息包含了对应待处理信息所在地的历史灾害信息。因此,可以通过待处理信息和历史信息对该地理位置发生灾害的可能性做出判断(即灾害发生概率)。本实施例将待处理信息和历史信息导入预先训练的灾害模型,可以得到对应待处理信息的灾害发生概率。其中,上述灾害模型用于表征待处理信息和灾害发生概率的对应关系,上述灾害发生概率用于表征待处理信息对应的地理位置发生灾害的概率。
作为示例,灾害模型可以是技术人员基于对大量的灾害信息和灾害发生概率的统计而预先制定的、存储有多个灾害信息和灾害发生概率的对应关系的对应关系表;也可以是技术人员基于对大量数据的统计而预先设置并存储至上述电子设备中的、对灾害信息中的一个或多个数值进行数值计算以得到用于表征灾害发生概率的计算结果的计算公式,例如,该计算公式可以是将灾害信息对应的各个灾害类型分别计算灾害发生概率,并对各个灾害类型加权后相加得到的公式,得到的和作为对应灾害信息的灾害发生概率。
在本实施例的一些可选的实现方式中,本实施例的用于获取信息的方法还可以包括:建立灾害模型的步骤,上述建立灾害模型的步骤可以包括以下步骤:
第一步,将灾害视频集合里中的灾害视频按灾害类型划分为至少一个灾害视频子集合。
为了构建较为准确的灾害模型,需要用足够准确的灾害信息作为训练样本。本实施例通过灾害视频作为样本,灾害视频能够记录灾害发生的完整过程,记载了灾害发生过程的完整信息,为获得准确的灾害模型提供了必要的基础。为了便于对各种类型的灾害进行独立分析,本实施例的每个灾害视频可以只包含某一类灾害的视频信息。上述灾害类型包括以下至少一项:山洪、台风、地震等。
第二步,从灾害视频子集合中的灾害视频中提取对应灾害类型的灾害特征信息序列,通过灾害特征信息序列训练得到对应灾害类型的灾害子模型。
每个灾害视频子集合中包含了多个同一灾害类型的灾害视频,可以从每个灾害视频中提取出对应该灾害类型的灾害特征信息序列,即,每个灾害视频都可以得到一个灾害特征信息序列。通过智能学习方法对这些灾害特征信息序列进行学习,可以得到对应灾害类型的灾害子模型。其中,上述灾害特征信息序列可以包括多个按时间顺序排列的灾害特征信息。上述灾害特征信息用于表征灾害的发生过程,而灾害发生过程中,通常伴随建筑物的倒塌、位移等现象。因此,灾害特征信息可以包括以下至少一项:物体的外形结构、物体的位置,上述灾害子模型用于表征发生对应灾害类型的概率。
第三步,为每个灾害子模型设置权重值,并通过增加权重值后的灾害子模型构建灾害模型。
除了单一的自然灾害外,多数情况下,多种类型的自然灾害会相互诱发。因此,可以为每个灾害子模型设置对应的权重值,然后通过设置了权重值的灾害子模型构建灾害模型。这样,灾害模型就包含了多种灾害子模型,能够对单一的自然灾害或并发的自然灾害做出结果分析。其中,上述权重值用于表征各个灾害子模型之间的相关性,权重值的取值需要根据统计数据来确定,或在统计数据的技术上,根据实际需要进行修改,具体视实际需要而定。
在本实施例的一些可选的实现方式中,上述从灾害视频子集合中的灾害视频中提取对应灾害类型的灾害特征信息序列可以包括以下步骤:
第一步,从灾害视频中提取灾害前的图像和灾害后的图像。
对灾害视频进行解码,从灾害视频中选择灾害发生前和灾害发生后的图像。灾害发生前和灾害发生后的图像能够明确灾害视频中的哪些物体发生了变化。
第二步,对比灾害前的图像和灾害后的图像,确定灾害特征信息。
灾害视频中会包含多个物体在灾害过程中的变化情况,但并不是每个物体都能很好地表征灾害发生过程。因此,通过图像处理的方法,可以选择灾害发生前和灾害发生后的图像中具有代表性的物体来表征灾害的发生过程。之后,通过具有代表性的物体确定灾害特征信息。
第三步,对灾害视频中的灾害特征信息进行标记,并提取灾害发生过程中的灾害特征信息,得到灾害特征信息序列。
确定了灾害特征信息后,为了得到灾害特征信息的变化过程,可以对灾害视频中的灾害特征信息进行标记。标记的方法可以是,将灾害视频解码成灾害图像序列后,通过图像处理,挑选灾害特征信息变化明显的灾害图像组成新的视频序列,然后提取视频序列中每个灾害图像上的灾害特征信息,按照灾害图像在灾害视频中的时间信息对灾害特征信息排序,得到灾害特征信息序列;还可以是将灾害发生过程按时间划分为几个阶段,在每个阶段分别获取一张灾害图像,并提取灾害图像中的灾害特征信息,构成灾害特征信息序列等方法。其中,上述灾害发生过程包括灾害发生前、灾害发生中和灾害发生后,灾害特征信息与灾害视频中的灾害图像对应。
在本实施例的一些可选的实现方式中,上述对比灾害前的图像和灾害后的图像,确定灾害特征信息可以包括以下步骤:
第一步,对比上述灾害前的图像和灾害后的图像,确定基准灾害物体。
由上述描述可知,灾害视频中会包含多个物体在灾害过程中的变化情况,但并不是每个物体都能很好地表征灾害发生过程。可以从多个物体中选择能够表征灾害发生过程的物体作为基准灾害物体。例如,通过图像处理,服务器105能够识别出灾害前的图像和灾害后的图像中区别最大的物体,将该物体作为基准灾害物体。其中,基准灾害物体可以是在灾害中倒掉的墙或其他建筑物。
第二步,从基准灾害物体上确定灾害特征信息。
确定了基准灾害物体后,可以根据基准灾害物体的特征确定灾害特征信息。由上述描述可知,灾害特征信息可以是基准灾害物体的外形结构、基准灾害物体的位置或其他基准灾害物体的信息。
在本实施例的一些可选的实现方式中,上述通过灾害特征信息序列训练得到对应灾害类型的灾害子模型可以包括以下步骤:
第一步,通过灾害特征信息序列建立灾害图像和对应灾害图像的灾害发生概率之间的对应关系,得到对应灾害视频子集合的对应关系集合。
由上述描述可知,灾害特征信息序列中的每个灾害特征信息都有对应的灾害图像,根据每个灾害图像的时间信息可以在灾害视频中确定灾害图像对应的位置。灾害视频完整记录了灾害发生前到灾害发生后的过程。在灾害发生过程的不同时刻灾害的程度不同,可以将灾害的程度量化,确定对应的灾害图像的灾害发生概率,进而根据灾害特征信息序列建立灾害图像和对应灾害图像的灾害发生概率之间的对应关系。每个灾害视频都存在上述的对应关系,则可以得到某一灾害视频子集合的对应关系集合。
第二步,将对应关系集合导入机器学习方法,得到对应灾害视频子集合的灾害子模型。
将对应关系集合中的对应关系中的灾害图像作为输入,将与灾害图像对应的灾害发生概率作为输出,训练得到灾害子模型。本实施例方法可以使用朴素贝叶斯模型(NaiveBayesian Model,NBM)或支持向量机(Support Vector Machine,SVM)等用于分类的模型,将上述灾害图像作为模型的输入,将上述灾害发生概率作为模型的输出,对该模型进行训练,得到灾害子模型。
在本实施例的一些可选的实现方式中,上述通过灾害特征信息序列建立灾害图像和对应灾害图像的灾害发生概率之间的对应关系可以包括以下步骤:
第一步,从灾害视频中提取与灾害特征信息序列中的每个灾害特征信息对应的灾害图像。
灾害特征信息与灾害图像对应,可以从灾害视频中提取与图灾害特征信息对应的灾害图像。
第二步,根据灾害图像出现在灾害发生过程中的时间为每个灾害图像设置灾害发生概率。
在灾害发生过程的不同时刻灾害的程度不同,可以将灾害的程度量化,并与灾害的最后结果进行比较。可选的,服务器105可以为不同时刻对应的灾害图像设置灾害发生概率。例如,灾害持续时间为2分钟,则可以将灾害发生的第30秒对应的灾害图像的灾害发生概率设置为25%等。
第三步,建立灾害图像和对应灾害图像的灾害发生概率之间的对应关系。
为灾害图像设置灾害发生概率后,就可以建立灾害图像和对应灾害图像的灾害发生概率之间的对应关系。
在本实施例的一些可选的实现方式中,上述将上述待处理信息和历史信息导入预先训练的灾害模型,得到对应上述待处理信息的灾害发生概率可以包括以下步骤:
第一步,根据上述历史信息设置灾害模型的每个灾害子模型的权重值。
灾害模型的每个灾害子模型都有权重,这些权重的具体取值可以根据地理位置进行设置。例如,A地历史上只发生一种灾害类型,则可以在灾害模型中对应该灾害类型的灾害子模型的权重设置为1,其他的灾害子模型的权重设置为0;B地历史上经常发生多种灾害类型,则可以在灾害模型中为对应的多个灾害子模型设置权重值。权重值的具体取值可以按照对某灾害类型在全部灾害中发生的概率还确定,也可以按照灾害的损害面积来确定,具体根据需要决定。
第二步,将上述待处理信息导入灾害模型,得到对应上述待处理信息的灾害发生概率。
确定了权重值后,将待处理信息导入灾害模型进行数据处理。当待处理信息是图像信息时,直接可以得到对应的灾害发生概率;当待处理信息为视频信息时,需要对视频信息进行解码得到对应的图像,之后再通过每个灾害子模型的处理,得到对应的灾害发生概率。
继续参见图3,图3是根据本实施例的用于获取信息的方法的应用场景的一个示意图。在图3的应用场景中,用户通过括终端设备102向服务器105发送了待处理信息和描述信息,服务器接收到待处理信息和描述信息后,查找到与描述信息对应的历史信息,并将待处理信息和历史信息导入灾害模型,得到对应的灾害发生概率。如图3所示,待处理信息可以是图像或视频,对应的描述信息为:XX年XX月XX日XX时XX分,XX地的房屋倒塌。服务器105最后得到的信息为:该地发生地震的概率为60%,请及时撤离。其中,“地震的概率为60%”即为灾害发生概率。
本申请的上述实施例提供的方法首先获取待处理信息以及上述待处理信息的描述信息;然后查询对应描述信息的历史信息;最后,将待处理信息和历史信息导入灾害模型,使得灾害模型能够同时考虑当前的待处理信息和历史信息,得到较为准确的灾害发生概率,有利于提高预测灾害的准确度。
进一步参考图4,作为对上述各图所示方法的实现,本申请提供了一种用于获取信息的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图4所示,本实施例的用于获取信息的装置400可以包括:信息获取单元401、历史信息查询单元402和灾害发生概率获取单元403。其中,信息获取单元401用于获取待处理信息以及上述待处理信息的描述信息,上述待处理信息用于记录待识别信息,上述描述信息用于对上述待处理信息进行描述,包括地理位置信息;历史信息查询单元402用于查询对应上述描述信息的历史信息,上述历史信息包括与上述描述信息中地理位置信息对应的历史灾害信息;灾害发生概率获取单元403,用于将上述待处理信息和历史信息导入预先训练的灾害模型,得到对应上述待处理信息的灾害发生概率,上述灾害模型用于表征待处理信息和灾害发生概率的对应关系,上述灾害发生概率用于表征待处理信息对应的地理位置发生灾害的概率。
在本实施例的一些可选的实现方式中,上述历史信息查询单元402可以包括:信息提取子单元(图中未示出)和历史信息查询子单元(图中未示出)。其中,信息提取子单元用于从上述描述信息中提取出地理位置信息;历史信息查询子单元用于查询对应上述地理位置信息的设定范围内的历史灾害信息。
在本实施例的一些可选的实现方式中,用于获取信息的装置400还可以包括:灾害模型构建单元(图中未示出),用于建立灾害模型,上述灾害模型构建单元可以包括:视频分类子单元(图中未示出)、灾害子模型获取子单元(图中未示出)和灾害模型构建子单元(图中未示出)。其中,视频分类子单元用于将灾害视频集合里中的灾害视频按灾害类型划分为至少一个灾害视频子集合,上述灾害视频包含某一类灾害的视频信息,上述灾害类型包括以下至少一项:山洪、台风、地震;灾害子模型获取子单元用于从灾害视频子集合中的灾害视频中提取对应灾害类型的灾害特征信息序列,通过灾害特征信息序列训练得到对应灾害类型的灾害子模型,上述灾害特征信息序列包括多个按时间顺序排列的灾害特征信息,上述灾害特征信息用于表征灾害的发生过程,包括以下至少一项:物体的外形结构、物体的位置,上述灾害子模型用于表征发生对应灾害类型的概率;灾害模型构建子单元用于为每个灾害子模型设置权重值,并通过增加权重值后的灾害子模型构建灾害模型,上述权重值用于表征各个灾害子模型之间的相关性。
在本实施例的一些可选的实现方式中,上述灾害子模型获取子单元可以包括:图像提取模块(图中未示出)、灾害特征信息确定模块(图中未示出)和灾害特征信息序列获取模块(图中未示出)。其中,图像提取模块用于从灾害视频中提取灾害前的图像和灾害后的图像;灾害特征信息确定模块用于对比灾害前的图像和灾害后的图像,确定灾害特征信息;灾害特征信息序列获取模块用于对灾害视频中的灾害特征信息进行标记,并提取灾害发生过程中的灾害特征信息,得到灾害特征信息序列,上述灾害发生过程包括灾害发生前、灾害发生中和灾害发生后,灾害特征信息与灾害视频中的灾害图像对应。
在本实施例的一些可选的实现方式中,上述灾害特征信息确定模块可以包括:物体确定子模块(图中未示出)和灾害特征信息确定子模块(图中未示出)。其中,物体确定子模块用于对比上述灾害前的图像和灾害后的图像,确定基准灾害物体;灾害特征信息确定子模块用于从基准灾害物体上确定灾害特征信息。
在本实施例的一些可选的实现方式中,上述灾害子模型获取子单元可以包括:对应关系集合获取模块(图中未示出)和灾害子模型获取模块(图中未示出)。其中,对应关系集合获取模块用于通过灾害特征信息序列建立灾害图像和对应灾害图像的灾害发生概率之间的对应关系,得到对应灾害视频子集合的对应关系集合;灾害子模型获取模块用于将对应关系集合导入机器学习方法,得到对应灾害视频子集合的灾害子模型。
在本实施例的一些可选的实现方式中,上述对应关系集合获取模块可以包括:灾害图像提取子模块(图中未示出)、概率设定子模块(图中未示出)和对应关系构建子模块(图中未示出)。灾害图像提取子模块用于从灾害视频中提取与灾害特征信息序列中的每个灾害特征信息对应的灾害图像;概率设定子模块用于根据灾害图像出现在灾害发生过程中的时间为每个灾害图像设置灾害发生概率;对应关系构建子模块用于建立灾害图像和对应灾害图像的灾害发生概率之间的对应关系。
在本实施例的一些可选的实现方式中,上述灾害发生概率获取单元403可以包括:权重设置子单元(图中未示出)和灾害发生概率获取子单元(图中未示出)。其中,权重设置子单元用于根据上述历史信息设置灾害模型的每个灾害子模型的权重值;灾害发生概率获取子单元用于将上述待处理信息导入灾害模型,得到对应上述待处理信息的灾害发生概率。
本实施例还提供了一种服务器,包括:一个或多个处理器;存储器,用于存储一个或多个程序,当上述一个或多个程序被上述一个或多个处理器执行时,使得上述一个或多个处理器执行上述的用于获取信息的方法。
本实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述的用于获取信息的方法。
下面参考图5,其示出了适于用来实现本申请实施例的服务器的计算机系统500的结构示意图。图5示出的服务器仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图5所示,计算机系统500包括中央处理单元(CPU)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中,还存储有系统500操作所需的各种程序和数据。CPU 501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
以下部件连接至I/O接口505:包括键盘、鼠标等的输入部分506;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507;包括硬盘等的存储部分508;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器510上,以便于从其上读出的计算机程序根据需要被安装入存储部分508。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分509从网络上被下载和安装,和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU)501执行时,执行本申请的方法中限定的上述功能。
需要说明的是,本申请上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括信息获取单元、历史信息查询单元和灾害发生概率获取单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,信息获取单元还可以被描述为“用于接收待处理信息和描述信息的单元”。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的装置中所包含的;也可以是单独存在,而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该装置执行时,使得该装置:获取待处理信息以及上述待处理信息的描述信息,上述待处理信息用于记录待识别信息,上述描述信息用于对上述待处理信息进行描述,包括地理位置信息;查询对应上述描述信息的历史信息,上述历史信息包括与上述描述信息中地理位置信息对应的历史灾害信息;将上述待处理信息和历史信息导入预先训练的灾害模型,得到对应上述待处理信息的灾害发生概率,上述灾害模型用于表征待处理信息和灾害发生概率的对应关系,上述灾害发生概率用于表征待处理信息对应的地理位置发生灾害的概率。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (18)
1.一种用于获取信息的方法,其特征在于,所述方法包括:
获取待处理信息以及所述待处理信息的描述信息,所述待处理信息用于记录待识别信息,所述描述信息用于对所述待处理信息进行描述,包括地理位置信息;
查询对应所述描述信息的历史信息,所述历史信息包括与所述描述信息中地理位置信息对应的历史灾害信息;
将所述待处理信息和历史信息导入预先训练的灾害模型,得到对应所述待处理信息的灾害发生概率,所述灾害模型用于表征待处理信息和灾害发生概率的对应关系,所述灾害发生概率用于表征待处理信息对应的地理位置发生灾害的概率。
2.根据权利要求1所述的方法,其特征在于,所述查询对应所述描述信息的历史信息包括:
从所述描述信息中提取出地理位置信息;
查询对应所述地理位置信息的设定范围内的历史灾害信息。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
建立灾害模型的步骤,所述建立灾害模型的步骤包括:
将灾害视频集合里中的灾害视频按灾害类型划分为至少一个灾害视频子集合,所述灾害视频包含某一类灾害的视频信息,所述灾害类型包括以下至少一项:山洪、台风、地震;
从灾害视频子集合中的灾害视频中提取对应灾害类型的灾害特征信息序列,通过灾害特征信息序列训练得到对应灾害类型的灾害子模型,所述灾害特征信息序列包括多个按时间顺序排列的灾害特征信息,所述灾害特征信息用于表征灾害的发生过程,包括以下至少一项:物体的外形结构、物体的位置,所述灾害子模型用于表征发生对应灾害类型的概率;
为每个灾害子模型设置权重值,并通过增加权重值后的灾害子模型构建灾害模型,所述权重值用于表征各个灾害子模型之间的相关性。
4.根据权利要求3所述的方法,其特征在于,所述从灾害视频子集合中的灾害视频中提取对应灾害类型的灾害特征信息序列包括:
从灾害视频中提取灾害前的图像和灾害后的图像;
对比灾害前的图像和灾害后的图像,确定灾害特征信息;
对灾害视频中的灾害特征信息进行标记,并提取灾害发生过程中的灾害特征信息,得到灾害特征信息序列,所述灾害发生过程包括灾害发生前、灾害发生中和灾害发生后,灾害特征信息与灾害视频中的灾害图像对应。
5.根据权利要求4所述的方法,其特征在于,所述对比灾害前的图像和灾害后的图像,确定灾害特征信息包括:
对比所述灾害前的图像和灾害后的图像,确定基准灾害物体;
从基准灾害物体上确定灾害特征信息。
6.根据权利要求4所述的方法,其特征在于,所述通过灾害特征信息序列训练得到对应灾害类型的灾害子模型包括:
通过灾害特征信息序列建立灾害图像和对应灾害图像的灾害发生概率之间的对应关系,得到对应灾害视频子集合的对应关系集合;
将对应关系集合导入机器学习方法,得到对应灾害视频子集合的灾害子模型。
7.根据权利要求6所述的方法,其特征在于,所述通过灾害特征信息序列建立灾害图像和对应灾害图像的灾害发生概率之间的对应关系包括:
从灾害视频中提取与灾害特征信息序列中的每个灾害特征信息对应的灾害图像;
根据灾害图像出现在灾害发生过程中的时间为每个灾害图像设置灾害发生概率;
建立灾害图像和对应灾害图像的灾害发生概率之间的对应关系。
8.根据权利要求3所述的方法,其特征在于,所述将所述待处理信息和历史信息导入预先训练的灾害模型,得到对应所述待处理信息的灾害发生概率包括:
根据所述历史信息设置灾害模型的每个灾害子模型的权重值;
将所述待处理信息导入灾害模型,得到对应所述待处理信息的灾害发生概率。
9.一种用于获取信息的装置,其特征在于,所述装置包括:
信息获取单元,用于获取待处理信息以及所述待处理信息的描述信息,所述待处理信息用于记录待识别信息,所述描述信息用于对所述待处理信息进行描述,包括地理位置信息;
历史信息查询单元,用于查询对应所述描述信息的历史信息,所述历史信息包括与所述描述信息中地理位置信息对应的历史灾害信息;
灾害发生概率获取单元,用于将所述待处理信息和历史信息导入预先训练的灾害模型,得到对应所述待处理信息的灾害发生概率,所述灾害模型用于表征待处理信息和灾害发生概率的对应关系,所述灾害发生概率用于表征待处理信息对应的地理位置发生灾害的概率。
10.根据权利要求9所述的装置,其特征在于,所述历史信息查询单元包括:
信息提取子单元,用于从所述描述信息中提取出地理位置信息;
历史信息查询子单元,用于查询对应所述地理位置信息的设定范围内的历史灾害信息。
11.根据权利要求9所述的装置,其特征在于,所述装置还包括:
灾害模型构建单元,用于建立灾害模型,所述灾害模型构建单元包括:
视频分类子单元,用于将灾害视频集合里中的灾害视频按灾害类型划分为至少一个灾害视频子集合,所述灾害视频包含某一类灾害的视频信息,所述灾害类型包括以下至少一项:山洪、台风、地震;
灾害子模型获取子单元,用于从灾害视频子集合中的灾害视频中提取对应灾害类型的灾害特征信息序列,通过灾害特征信息序列训练得到对应灾害类型的灾害子模型,所述灾害特征信息序列包括多个按时间顺序排列的灾害特征信息,所述灾害特征信息用于表征灾害的发生过程,包括以下至少一项:物体的外形结构、物体的位置,所述灾害子模型用于表征发生对应灾害类型的概率;
灾害模型构建子单元,用于为每个灾害子模型设置权重值,并通过增加权重值后的灾害子模型构建灾害模型,所述权重值用于表征各个灾害子模型之间的相关性。
12.根据权利要求11所述的装置,其特征在于,所述灾害子模型获取子单元包括:
图像提取模块,用于从灾害视频中提取灾害前的图像和灾害后的图像;
灾害特征信息确定模块,用于对比灾害前的图像和灾害后的图像,确定灾害特征信息;
灾害特征信息序列获取模块,用于对灾害视频中的灾害特征信息进行标记,并提取灾害发生过程中的灾害特征信息,得到灾害特征信息序列,所述灾害发生过程包括灾害发生前、灾害发生中和灾害发生后,灾害特征信息与灾害视频中的灾害图像对应。
13.根据权利要求12所述的装置,其特征在于,所述灾害特征信息确定模块包括:
物体确定子模块,用于对比所述灾害前的图像和灾害后的图像,确定基准灾害物体;
灾害特征信息确定子模块,用于从基准灾害物体上确定灾害特征信息。
14.根据权利要求12所述的装置,其特征在于,所述灾害子模型获取子单元包括:
对应关系集合获取模块,用于通过灾害特征信息序列建立灾害图像和对应灾害图像的灾害发生概率之间的对应关系,得到对应灾害视频子集合的对应关系集合;
灾害子模型获取模块,用于将对应关系集合导入机器学习方法,得到对应灾害视频子集合的灾害子模型。
15.根据权利要求14所述的装置,其特征在于,所述对应关系集合获取模块包括:
灾害图像提取子模块,用于从灾害视频中提取与灾害特征信息序列中的每个灾害特征信息对应的灾害图像;
概率设定子模块,用于根据灾害图像出现在灾害发生过程中的时间为每个灾害图像设置灾害发生概率;
对应关系构建子模块,用于建立灾害图像和对应灾害图像的灾害发生概率之间的对应关系。
16.根据权利要求11所述的装置,其特征在于,所述灾害发生概率获取单元包括:
权重设置子单元,用于根据所述历史信息设置灾害模型的每个灾害子模型的权重值;
灾害发生概率获取子单元,用于将所述待处理信息导入灾害模型,得到对应所述待处理信息的灾害发生概率。
17.一种服务器,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器执行权利要求1至8中任一所述的方法。
18.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1至8中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710972237.XA CN107563455A (zh) | 2017-10-18 | 2017-10-18 | 用于获取信息的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710972237.XA CN107563455A (zh) | 2017-10-18 | 2017-10-18 | 用于获取信息的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107563455A true CN107563455A (zh) | 2018-01-09 |
Family
ID=60986225
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710972237.XA Pending CN107563455A (zh) | 2017-10-18 | 2017-10-18 | 用于获取信息的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107563455A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108460020A (zh) * | 2018-03-05 | 2018-08-28 | 北京百度网讯科技有限公司 | 用于获取信息的方法及装置 |
CN109637090A (zh) * | 2019-01-30 | 2019-04-16 | 深圳市地质局 | 一种基于soa架构的灾害监测预警平台建设方法 |
CN110046229A (zh) * | 2019-04-18 | 2019-07-23 | 北京百度网讯科技有限公司 | 用于获取信息的方法及装置 |
CN110781807A (zh) * | 2019-10-23 | 2020-02-11 | 泰康保险集团股份有限公司 | 灾情信息处理方法和装置 |
CN111385659A (zh) * | 2018-12-29 | 2020-07-07 | 广州市百果园信息技术有限公司 | 一种视频推荐方法、装置、设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012068860A (ja) * | 2010-09-22 | 2012-04-05 | Fujitsu Ltd | 因果関係検出方法、該装置、及び該プログラム |
US20120123988A1 (en) * | 2010-11-15 | 2012-05-17 | Su Myeon Kim | Apparatus and method for generating a context-aware information model for context inference |
CN104239959A (zh) * | 2014-01-09 | 2014-12-24 | 湖北思高科技发展有限公司 | 地质灾害预测系统 |
CN106682260A (zh) * | 2016-11-18 | 2017-05-17 | 云南电网有限责任公司电力科学研究院 | 一种山火灾害发展趋势模拟预测方法及装置 |
CN106845080A (zh) * | 2016-12-23 | 2017-06-13 | 广西师范学院 | 基于差异修正的景区旅游气象灾害智能预测方法 |
CN107204098A (zh) * | 2017-07-31 | 2017-09-26 | 成都理工大学 | 基于雨量的地质灾害监测方法及系统 |
-
2017
- 2017-10-18 CN CN201710972237.XA patent/CN107563455A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012068860A (ja) * | 2010-09-22 | 2012-04-05 | Fujitsu Ltd | 因果関係検出方法、該装置、及び該プログラム |
US20120123988A1 (en) * | 2010-11-15 | 2012-05-17 | Su Myeon Kim | Apparatus and method for generating a context-aware information model for context inference |
CN104239959A (zh) * | 2014-01-09 | 2014-12-24 | 湖北思高科技发展有限公司 | 地质灾害预测系统 |
CN106682260A (zh) * | 2016-11-18 | 2017-05-17 | 云南电网有限责任公司电力科学研究院 | 一种山火灾害发展趋势模拟预测方法及装置 |
CN106845080A (zh) * | 2016-12-23 | 2017-06-13 | 广西师范学院 | 基于差异修正的景区旅游气象灾害智能预测方法 |
CN107204098A (zh) * | 2017-07-31 | 2017-09-26 | 成都理工大学 | 基于雨量的地质灾害监测方法及系统 |
Non-Patent Citations (1)
Title |
---|
栾悉道等: "《多媒体情报处理技术》", 31 May 2016, 国防工业出版社 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108460020A (zh) * | 2018-03-05 | 2018-08-28 | 北京百度网讯科技有限公司 | 用于获取信息的方法及装置 |
CN111385659A (zh) * | 2018-12-29 | 2020-07-07 | 广州市百果园信息技术有限公司 | 一种视频推荐方法、装置、设备及存储介质 |
CN109637090A (zh) * | 2019-01-30 | 2019-04-16 | 深圳市地质局 | 一种基于soa架构的灾害监测预警平台建设方法 |
CN110046229A (zh) * | 2019-04-18 | 2019-07-23 | 北京百度网讯科技有限公司 | 用于获取信息的方法及装置 |
CN110781807A (zh) * | 2019-10-23 | 2020-02-11 | 泰康保险集团股份有限公司 | 灾情信息处理方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107563455A (zh) | 用于获取信息的方法及装置 | |
US10691928B2 (en) | Method and apparatus for facial recognition | |
CN107919129A (zh) | 用于控制页面的方法和装置 | |
CN106792992B (zh) | 一种用于提供无线接入点信息的方法与设备 | |
CN109286825A (zh) | 用于处理视频的方法和装置 | |
CN108446387A (zh) | 用于更新人脸注册库的方法和装置 | |
CN107491771A (zh) | 人脸检测方法和装置 | |
CN107133202A (zh) | 基于人工智能的文本校验方法和装置 | |
CN104506378B (zh) | 一种预测数据流量的装置及方法 | |
CN109359170A (zh) | 用于生成信息的方法和装置 | |
CN109308681A (zh) | 图像处理方法和装置 | |
EP3885980A1 (en) | Method and apparatus for processing information, device, medium and computer program product | |
CN110021052A (zh) | 用于生成眼底图像生成模型的方法和装置 | |
CN107809740B (zh) | Wi-Fi热点部署优化方法、服务器及存储介质 | |
US20240013359A1 (en) | Image processing method, model training method, apparatus, medium and device | |
CN107632773A (zh) | 用于获取信息的方法及装置 | |
CN110363098B (zh) | 一种暴力行为预警方法、装置、可读存储介质及终端设备 | |
CN109815365A (zh) | 用于处理视频的方法和装置 | |
CN108133197A (zh) | 用于生成信息的方法和装置 | |
CN103299342A (zh) | 提供用于姿势识别的机制的方法和装置 | |
CN107172209A (zh) | 信息推送方法和装置 | |
CN110532983A (zh) | 视频处理方法、装置、介质和设备 | |
CN110084317A (zh) | 用于识别图像的方法和装置 | |
CN110110666A (zh) | 目标检测方法和装置 | |
CN108132054A (zh) | 用于生成信息的方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180109 |