CN107636646B - 利用地理定位的成像进行设施锚定 - Google Patents

利用地理定位的成像进行设施锚定 Download PDF

Info

Publication number
CN107636646B
CN107636646B CN201680026472.1A CN201680026472A CN107636646B CN 107636646 B CN107636646 B CN 107636646B CN 201680026472 A CN201680026472 A CN 201680026472A CN 107636646 B CN107636646 B CN 107636646B
Authority
CN
China
Prior art keywords
image
images
location
determining
computing devices
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.)
Active
Application number
CN201680026472.1A
Other languages
English (en)
Other versions
CN107636646A (zh
Inventor
布赖恩·埃德蒙·布鲁英顿
柯克·约翰森
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Google LLC
Original Assignee
Google LLC
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Google LLC filed Critical Google LLC
Publication of CN107636646A publication Critical patent/CN107636646A/zh
Application granted granted Critical
Publication of CN107636646B publication Critical patent/CN107636646B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06F16/587—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
    • 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
    • G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • 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
    • G06F16/51—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/951—Indexing; Web crawling techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/09—Recognition of logos
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/10—Recognition assisted with metadata

Abstract

本技术涉及确定设施在地理位置处的存在。一种计算装置可以接收第一图像，所述第一图像包括与所述第一图像的捕获相关联的位置数据。还可以接收一组图像，所述一组图像包括位置信息和与一个或者多个设施相关联的一个或者多个识别标记。所述计算装置可以将所述第一图像与所述一组图像相比较以确定所述第一图像是否包含所述一个或者多个识别标记中的一个识别标记，并且确定与所述第一图像中包含的所述一个或者多个识别标记中的所述一个识别标记相关联的一个或者多个设施中的一个设施当前位于所述第一图像位置的设置接近度内。所述计算装置还可以通过将所述一个或者多个设施中的所述一个设施与在所述第一图像位置的所述设置接近度内的位置相关联来更新位置数据库。

Description

利用地理定位的成像进行设施锚定
相关申请的交叉引用
本申请是2015年8月3日提交的美国专利申请第14/816,574号的继续，其公开内容通过引用的方式并入本文。
背景技术
设施(诸如，餐馆、加油站、杂货店、和其它这种商家)不断地开张、关闭、以及迁移至不同位置。因此，追踪设施位置的目录需要不断地更新以维持准确的设施位置。在一些示例中，当不正确的设施被链接至位置时，人们可能需要手动更新目录。手动输入的需要可能导致延迟或者甚至无法更新目录，这引起设施位置不准确。
发明内容
本公开中的实施例大体上涉及将设施锚定在某些位置处。一个方面包括一种用于确定并且更新设施在地理位置处的存在的方法。可以通过一个或者多个处理装置来接收第一图像，该第一图像包括与第一图像的捕获相关联的位置数据，其中，位置数据包括第一图像位置。然后，一个或者多个处理装置可以识别一组图像，其中，一组图像中的每个图像包括地理位置信息和一个或者多个识别标记，其中，每个识别标记与一个或者多个设施相关联；将第一图像与一组图像相比较；基于该比较来确定第一图像包含一组图像中的任何图像的一个或者多个识别标记中的一个识别标记；确定与第一图像中包含的一个或者多个识别标记中的一个识别标记相关联的一个或者多个设施中的一个设施当前位于第一图像位置的设置接近度内；以及通过将一个或者多个设施中的一个设施与在第一图像位置的设置接近度内的设置位置相关联来更新位置数据库。
另一实施例提供了一种用于确定并且更新设施在地理位置处的存在的系统。该系统可以包括：一个或者多个计算装置，该一个或者多个计算装置具有一个或者多个处理器；以及存储器，该存储器存储指令，该指令可由一个或者多个处理器执行。该指令可以包括：接收第一图像，该第一图像包括与第一图像的捕获相关联的位置数据，其中，位置数据包括第一图像位置；利用一个或者多个计算装置识别一组图像，其中，一组图像中的每个图像包括地理位置信息和一个或者多个识别标记，其中，每个识别标记与一个或者多个设施相关联；将第一图像与一组图像相比较；基于该比较来确定第一图像包含一个或者多个识别标记中的一个识别标记；确定与第一图像中包含的一个或者多个识别标记中的一个识别标记相关联的一个或者多个设施中的一个设施当前位于捕获第一图像的位置的设置接近度内；以及通过将一个或者多个设施中的一个设施与在第一图像位置的设置接近度内的设置位置相关联来更新位置数据库。
另一实施例提供了一种存储指令的非暂时性计算机可读介质。该指令在由一个或者多个处理器执行时使一个或者多个处理器：利用一个或者多个计算装置接收第一图像，该第一图像包括与第一图像的捕获相关联的位置数据，其中，位置数据包括第一图像位置；利用一个或者多个计算装置识别一组图像，其中，一组图像中的每个图像包括地理位置信息和一个或者多个识别标记，其中，每个识别标记与一个或者多个设施相关联；由一个或者多个计算装置将第一图像与一组图像相比较；基于由一个或者多个计算装置进行的比较来确定第一图像包含一个或者多个识别标记中的一个识别标记；由一个或者多个计算装置确定与第一图像中包含的一个或者多个识别标记中的一个识别标记相关联的一个或者多个设施中的一个设施当前位于捕获第一图像的位置的设置接近度内；以及由一个或者多个计算装置，通过将一个或者多个设施中的一个设施与在第一图像位置的设置接近度内的最终位置相关联来更新位置数据库。
附图说明
图1是根据本公开的方面的示例系统的功能图。
图2是图1的示例系统的直观图。
图3是根据本公开的方面的与图像相关联的示例网站。
图4是根据本公开的方面的数据库的示例。
图5是根据本公开的方面的图像和追踪特征的示例。
图6是根据本公开的方面的图像内图像搜索的示例。
图7是确定并且比较在捕获到的图像的预定距离内的图像的示例。
图8是根据本公开的方面的流程图。
具体实施方式
概述
本技术涉及确定设施在特定地理位置处的存在。例如，图像(诸如，基于web的图像或者从各个源接收到的图像)可以包含位置信息(诸如，地理位置信息)。可以由一个或者多个处理装置对这些图像进行分析以确定图像是否包括指示设施的任何识别标记。对于包括这种识别标记的每个图像，可以将指示图像包含识别标记的徽标标签与图像相关联。在另一示例中，可以从存储带有识别标记(诸如，徽标)的图像的存储系统中检索贴有徽标的图像。进一步地，还可以将与识别标记相关联的设施与图像相关联。
然后可以将在已知位置处拍摄的捕获到的图像与一组贴有徽标的图像相比较，该一组贴有徽标的图像与在捕获到的图像的位置的预定距离内的位置相关联。在这方面，可以针对一组贴有徽标的图像中的任何识别标记搜索捕获到的图像。在找到匹配的识别标记之后，可以将与匹配的识别标记相关联的设施的存在锚定在捕获到的图像的位置。
为了在某个位置处或者从某个位置对设施进行关联或者解除关联，可以收集公开可用的图像，例如，来自互联网的基于web的图像。在这方面，可以收集来自网站的图像并且将其存储在数据库、缓存等中。例如，web爬虫可以不断爬行通过互联网网站，并且存储找到的每个图像。进一步地，web爬虫可以存储与找到图像的网址相关联的图像。在另一示例中，可以从一个或者多个存储系统(诸如，存储各种类型的图像的存储系统或者特别存储带有识别标记(诸如，徽标)的图像的存储系统)中检索图像。
可以向每个图像分配识别、建议或者指示图像的内容的标签。例如，自动照片标签技术可以根据置信度级别来将标签附加到每张照片。在一些实施例中，可以将包括设施的识别标记(诸如，徽标、商家名称、符号等)的图像标签为“徽标”。
还可以将被标签为徽标的每个图像与位置(诸如，地址或者地理位置)相关联。在这方面，每个贴有徽标的图像可以包含隐式或者显式位置信息。
此外，对于任何基于web的图像，可以将每个基于web的图像与在找到基于web的图像的网站上找到的地址相关联。可以认为与贴有徽标的基于web的图像相关联的一个或者多个网站是在基于web的图像内的识别标记的权威网页。
然后，可以将捕获到的图像与贴有徽标的图像相比较。在这方面，一个或者多个处理装置可以执行图像内图像搜索以确定捕获到的图像的任何部分是否与在贴有徽标的图像中找到的任何识别标记相匹配。可以通过使用图像匹配算法来执行图像内图像搜索。在执行图像内图像搜索时，还可以比较捕获到的图像和/或贴有徽标的图像的变体。
还可以将捕获到的图像与一组贴有徽标的图像相比较。在这方面，可以只将捕获到的图像与在捕获到的图像的预定距离内的一组贴有徽标的图像相比较。
在捕获到的图像与徽标图像中的一个徽标图像之间找到匹配的识别标记之后，可以将与匹配的识别标记相关联的设施锚定在捕获到的图像的位置的设置接近度内的位置处或者与该位置相关联。同样，可以更新位置数据(诸如，地图绘制数据、商家目录等)以提供与匹配的识别标记相关联的设施的当前位置信息。进一步地，如果识别标记与权威网站相关联并且捕获到的图像的位置在权威网站上找到的位置处或者附近，则可以按照高置信度来完成对设施的锚定。
在一个示例中，如果设施移动或者关闭，则新捕获到的图像可能不包括在过去捕获到的图像中存在的识别标记。因此，在将新捕获到的图像与标签有徽标的图像相比较时，之前不存在的识别标记可能开始出现，并且先前的识别标记可能不再存在。这可以指示应该将与先前的识别标记相关联的设施标记为已经关闭或者已经迁移。同样，可以连续不断地更新地图绘制数据、商家目录、和其它位置相关数据以提供当前位于某一位置处的设施。
另外，可以通过搜索先前的识别标记和新的识别标记的权威网页来进一步验证这种关闭指示。如果新的识别标记的权威页面指示第一位置的位置并且旧的识别标记的权威页面指示与第一位置不同的位置，则可以推断出新的设施存在于第一位置处的高置信度。
示例系统
图1和图2包括可以实施上面描述的特征的示例系统100。这不应该被视为限制本公开的范围或者本文所描述的特征的有用性。在该示例中，系统100可以包括计算装置110、120、130、和140以及存储系统150。各个计算装置110可以包含一个或者多个处理器112、存储器114、和通常存在于通用计算装置中的其它部件。计算装置110、120、130、和140中的每一个的存储器114可以存储可由一个或者多个处理器112访问的信息，包括：可以由一个或者多个处理器112执行的指令116。
存储器还可以包括可以由处理器检索、操纵、或者存储的数据118。存储器可以是能够存储可由处理器访问的信息的任何非暂时性类型，诸如，硬盘驱动器、存储卡、ROM、RAM、DVD、CD-ROM、可写入存储器、和只读存储器。
指令116可以是待由一个或者多个处理器直接执行的任何指令集(诸如，机器代码)或者待由一个或者多个处理器间接执行的任何指令集(诸如，脚本)。在这方面，术语“指令”、“应用”、“步骤”、和“程序”在本文中可以互换使用。可以按照目标代码格式来存储指令以便由处理器直接处理，或者按照任何其它计算装置语言来进行存储，包括：脚本或者根据需要解释的或者预先编译的独立源代码模块的集合。下面更详细地解释指令的功能、方法、和例程。
可以由一个或者多个处理器112根据指令116来检索、存储或者修改数据118。例如，虽然本文描述的主题不受任何特定数据结构的限制，但是可以将数据作为具有许多不同字段和记录的表或者XML文档存储在计算机寄存器中、关系数据库中。还可以按照任何计算装置可读格式来将数据格式化，诸如，但不限于，二进制值、ASCII、或者Unicode。此外，数据可以包括足以识别相关信息的任何信息，诸如，数字、描述性文本、专有代码、指针、对存储在其它存储器(诸如，在其它网络位置处)中的数据的引用、或者由功能用于计算相关数据的信息。
一个或者多个处理器112可以是任何常规处理器，诸如，市售CPU。可替选地，处理器可以是专用部件，诸如，专用集成电路(“ASIC”)或者其它基于硬件的处理器。虽然不是必需的，但是计算装置110中的一个或者多个可以包括专用硬件部件以执行特定计算过程，诸如，更快地或者更有效地对视频进行解码、将视频帧与图像相匹配、使视频失真、对失真视频进行编码等。
虽然图1在功能上将计算装置110的处理器、存储器、和其它元件图示为处于相同块内，但是处理器、计算机、计算装置、或者存储器实际上可以包括可以或者不可以存储在相同物理壳体内的多个处理器、计算机、计算装置、或者存储器。例如，存储器可以是硬盘驱动器或者位于与计算装置110的壳体不同壳体中的其它存储介质。因此，对处理器、计算机、计算装置、或者存储器的引用要被理解为包括对可以或者不可以并行操作的处理器、计算机、计算装置、或者存储器的集合的引用。例如，计算装置110可以包括操作为负载均衡的服务器场、分布式系统等的服务器计算装置。再进一步地，虽然将下面描述的一些功能指示为在具有单个处理器的单个计算装置上发生，但是本文描述的主题的各个方面可以由多个计算装置来实施，例如，通过网络160通信信息。
计算装置110中的每一个可以在网络160的不同节点处，并且能够直接和间接地与网络160的其它节点通信。虽然在图1至图2中仅描绘了几个计算装置，但是应该了解，典型系统可以包括大量连接的计算装置，其中，每个不同的计算装置位于网络160的不同节点处。可以通过使用各种协议和系统来将此处描述的网络160和中间节点互相连接，从而使得网络可以是互联网、万维网、特定内联网、广域网、或者本地网络的一部分。网络可以利用标准通信协议(诸如，以太网、WiFi和HTTP)、一个或者多个公司专有的协议、以及上述内容的各种组合。虽然在如上面提到的那样传输或者接收信息时获得了某些优点，但是本文描述的主题的其它方面不限于传输信息的任何特定方式。
作为示例，计算装置110中的每一个可以包括能够经由网络与存储系统150以及计算装置120、130、和140通信的网络服务器。例如，服务器计算装置110中的一个或者多个可以使用网络160来在显示器上(诸如，计算装置120、130、或者140的显示器122、132、或者142)向用户(诸如，用户220、230、或者240)传输和呈现信息。在这方面，可以认为计算装置120、130、和140是客户端计算装置，并且可以执行本文描述的全部或者一些特征。
可以利用如上面描述的一个或者多个处理器、存储器和指令来与服务器计算装置110类似地配置客户端计算装置120、130、和140中的每一个。每个客户端计算装置120、130、或者140可以是旨在由用户220、230、240使用的个人计算装置，并且具有通常与个人计算装置连接使用的所有部件，诸如，中央处理单元(CPU)、存储数据和指令的存储器(例如，RAM和内部硬盘驱动器)、显示器(诸如，显示器122、132、或者142(例如，具有屏幕的监视器、触摸屏、投影仪、电视、或者可操作以显示信息的其它装置))、和用户输入装置124(例如，鼠标、键盘、触摸屏、或者麦克风)。客户端计算装置还可以包括：用于记录视频流和/或捕获图像的相机、扬声器、网络接口装置、和用于将这些元件彼此连接的所有部件。
虽然客户端计算装置120、130、和140可以各自包括全尺寸的个人计算装置，但是可替选地，它们可以包括能够通过网络(诸如，互联网)来与服务器无线地交换数据的移动计算装置。仅通过示例的方式，客户端计算装置120可以是能够经由互联网来获取信息的移动电话或者装置，诸如，支持无线的PDA、平板PC、或者上网本。在另一示例中，客户端计算装置130可以是头戴式计算装置。作为示例，用户可以通过使用小型键盘、小键盘、麦克风、通过利用相机使用视觉信号、或者触摸屏来输入信息。
与存储器114一样，存储系统150可以是能够存储可由服务器计算装置110访问的信息的任何类型的计算机化存储装置，诸如，硬盘驱动器、存储卡、ROM、RAM、DVD、CD-ROM、可写入存储装置、和只读存储器。另外，存储系统150可以包括将数据存储在可以物理地位于相同或者不同地理位置的多个不同存储装置上的分布式存储系统。存储系统150可以如图1所示经由网络160连接到计算装置和/或直接连接到计算装置110、120、130和140中的任意装置(未示出)。
存储系统150可以存储各种图像。这些图像可以包括从互联网收集的基于web的图像，可以收集这些图像。在这方面，可以收集来自网站的图像并且将其存储在存储系统150中。例如，网络爬虫可以不断爬行通过互联网网站，并且存储找到的每个图像。进一步地，网络爬虫可以存储与找到图像的网址相关联的图像。在另一示例中，可以从一个或者多个其它存储系统(诸如，存储各种类型的图像和相关联的EXIF数据的存储系统和/或特别存储带有识别标记(诸如，徽标)的图像的存储系统)中检索图像。在该示例中，可以将每个徽标图像与可以找到徽标的商家或者位置对应的徽标的地址或者位置信息相关联。
示例方法
为了在某个位置处或者从某个位置对设施进行关联或者在一些情况下解除关联，可以采集多个图像。在一个示例中，可以从互联网收集基于web的图像并且将其存储为基于web的图像集合。在这方面，网络爬虫可以不断爬行通过互联网网站，并且存储发现的每个图像。可以收集来自网站的图像并且将其存储在存储系统150的数据库、缓存等中。图3示出了公司“Circle Pies”的网站300的示例。通过转到Circle Pies的网络地址310，网络爬虫可以爬行到网站300。网络爬虫然后可以检查网站300上的数据，并且确定网站300包含两个基于web的图像320和330。基于该确定，网络爬虫可以例如，将基于web的图像320和330存储在存储系统150处。在一些实施方式中，可能会阻止网络爬虫访问某些网站。在这方面，可以对网络爬虫进行编程以避免爬行到一个或者多个网站。
网络爬虫还可以与发现图像的网站的网址相关联地存储基于web的图像。例如，网站300可以位于web地址310http://www.a.com/circlepies处。然后可以将基于web的图像320和330与web地址310相关联地存储在基于web的图像集合中，该基于web的图像集合存储在存储系统150处。
在另一示例中，可以从一个或者多个其它存储系统(诸如，存储各种类型的图像和相关联的EXIF数据的存储系统和/或特别存储带有识别标记(诸如，徽标)的图像的存储系统)中检索图像。在该示例中，可以将每个徽标图像与徽标的地址或者位置信息相关联，该地址或者位置信息与可以找到徽标的商家或者位置对应。可以向采集到的和/或检索到的图像中的每一个图像分配指示图像的内容的标签。例如，自动照片标签技术可以根据置信度级别来将标签附加到每张基于web的照片。标签可以包括针对个人的图片的“人物”、和针对识别汽车的图像的“汽车”。置信度级别可以包括指示应用于图像中的一个图像的标签是对图像的内容的正确描述的可能性的评级(诸如，0至1、1至100、或者1至10或者其它这种评级系统)。
可以由一个或者多个处理器(诸如，一个或者多个服务器计算装置110的处理器112)对图像进行分析以确定图像是否包括指示设施的任何识别标记。设施可以包括：商家、组织、协会、公寓等。在这方面，照片标签技术可以用于确定包括识别标记的图像，并且分配指示图像包含识别标记的徽标标签。可以通过自动照片标签技术来将包括设施的识别标记(诸如，徽标、商家名称、剪贴画、符号等)的图像标签为“徽标”。在一些实施例中，可以向包括设施的识别标记的图像分配除了“徽标”之外的标签以指示图像包括识别标记。例如，可以将包括设施的识别标记的图像聚类成具有标签(诸如，“商家名称”、“符号”、“剪贴画”等)的图像组。作为另一示例，可以已经将图像与将图像识别为包括徽标的图像(诸如，在EXIF数据中识别)的信息相关联。该信息还可以用于将图像标签为包括徽标，例如，将图像与徽标标签相关联。
此外，还可以将与识别标记相关联的设施与图像相关联。例如，由一个或者多个处理器(诸如，一个或者多个服务器计算装置着110的处理器112)实施的自动照片标签技术可以发现图像330是披萨的图像，并且因此，自动照片标签技术向图像330分配“食物”的标签。在一个示例中，对照片的内容进行分析以向照片分配描述内容的注释的技术(诸如，利用统计分类方法来自动地对图片进行语言索引的技术)可以用于自动向照片贴标签。在一些实施方式中，可以相对于参考分类法对手动贴标签的图像训练机器学习模型。然后，训练的机器学习模型可以根据参考分类法来自动地向图像分配标签。对于图像320，自动照片标签技术可以确定图像320是设施Circle Pies的徽标，并且因此，可以向图像320分配徽标标签。进一步地，还可以将图像320与设施Circle Pies相关联。
还可以将贴标签为徽标的每个图像与位置(诸如，地址或者地理位置)相关联。在这方面，每个贴有徽标的图像可以包含直接存储在与每个贴有徽标标签的图像相关联的存储的元数据中的显式位置信息。例如，贴有徽标标签的图像可以包括图像的元数据中的显式经度和纬度读数，诸如，EXIF信息。EXIF数据可以提供捕获图像的位置。
可替选地，或者除了显示位置信息之外，可以通过确定在每个图像中捕获到的对象的位置来推导出隐式位置信息。例如，图像可能已经捕获了自由女神像。自由女神像的位置可以是已知的，并且可以基于该已知位置来估计捕获图像的位置。在这方面，可以基于图像数据(诸如，捕获图像的方向)来改善对位置的估计。在另一实施例中，可以从找到基于web的图像的网站推断出该基于web的图像的隐式图像位置数据。例如，托管基于web的图像的网站可以包括地址。然后，可以将网站上的地址与网站上托管的基于web的图像相关联。
此外，可以将每个基于web的图像与在该基于web的图像所处的或者找到该基于web的图像的网站上找到的地址相关联。例如，在图3中，网站300包括街道地址340。然后可以将贴有徽标标签的基于web的图像320与街道地址340相关联作为其位置。
可以认为与贴有徽标标签的基于web的图像相关联的一个或者多个网站是基于web的图像中的识别标记的权威网页。换句话说，权威页面可以是与在相应基于web的图像中找到的识别标记相关联的设施的官方或者非官方网页。例如，网站300可以是设施“Circle Pies”的官方网站。在这方面，可以使在web地址310处的网站300成为包括属于设施Circle Pies的识别标记的基于web的图像320的权威页面。因此，可以将基于web的图像320与在权威页面上找到基于web的图像320的指示相关联。在一些实施方式中，包含受版权保护的或者专有资料的网站不可以用作权威页面。
可以与存储系统150中的图像的集合相关联地存储与图像对应的信息。例如，可以与发现基于web的图像的web地址、捕获图像的位置、权威页面指示符、分配给该基于web的图像的标签等相关联地存储每个基于web的图像。图4示出了存储系统150的示例框图，该存储系统150存储基于web的图像420以及基于web的图像集合410的一部分。此处，与包括位置、web地址、权威页面指示符、和标签的对应信息相关联地存储的图像420以及基于web的图像集合410中的一些或者全部其它图像。
可以识别不是图像集合的一部分的捕获到的图像，例如，作为输入在一个或者多个处理器(诸如，一个或者多个服务器计算装置110的处理器112)处接收该捕获到的图像。捕获到的图像可以包括指示拍摄捕获到的图像的时间和/或日期的时间戳和指示拍摄捕获到的图像的位置的位置信息。如在图5中示出的，图像570可以是对包括设施(此处为披萨餐厅)的场景500的捕获。图像570可以包括披萨店的正门入口以及符号510。该符号可以包括披萨店的徽标520。捕获到的图像可以包括：例如，街道照片、游客照片、个人照片等。
然后，可以将捕获到的图像与贴有徽标标签的图像相比较。一个或者多个处理器(诸如，一个或者多个服务器计算装置110的处理器112)可以执行图像内图像搜索以确定捕获到的图像的任何部分是否与在图像集合410中的任何贴有徽标标签的图像中找到的任何识别标记相匹配。可以通过使用图像匹配算法(诸如，量子绝热算法)来执行图像内图像搜索。再次转向图5，可以将包括披萨店的徽标520的图像570的部分与在贴有徽标标签的图像内找到的图像数据相比较。
在执行图像内图像搜索时，还可以将捕获到的图像和/或贴有徽标标签的图像的变体彼此比较。在这方面，可以使用图像的高对比度版本、反色版本、黑白版本、和/或黑白反转版本。图6示出了可以使用的图像的示例变体。例如，可以将贴有徽标标签的图像640和660的高对比度版本642和662与捕获到的图像520的高对比度版本650相比较。在另一示例中，可以将贴有徽标标签的图像640和660的黑白版本641和661与捕获到的图像520的黑白版本651相比较。
在一些实例中，可以将捕获到的图像与特定一组贴有徽标标签的图像相比较，而不是与图像集合410中的所有图像相比较。可以基于图像集合410中的图像的对应信息来识别该组贴有徽标标签的图像。通过将捕获到的图像与一组贴有徽标标签的图像而不是所有这种图像相比较，可以节省处理电力和时间，因为可以将更少数量的图像与捕获到的图像相比较。
在一个示例中，可以只将捕获到的图像与在捕获到的图像的预定距离内的位置或者地理位置相关联的一组贴有徽标标签的图像相比较。例如，可以将在已知位置处拍摄的捕获到的图像与和在捕获到的图像的位置的预定距离内的位置相关联的一组贴有徽标标签的图像相比较。
如在图7中示出的，可能已经在位置710处捕获了捕获到的图像。可能已经在存储系统150处捕获了贴有徽标标签的图像或者已经以其他方式将贴有徽标标签的图像与位置740至790相关联地存储在存储系统150处。可以将一组贴有徽标标签的图像确定为在位置710的预定距离720内。因此，可以将在位置710的半径730内找到的贴有徽标标签的图像添加至一组贴有徽标标签的图像或者包括在该一组贴有徽标标签的图像中。因此，可以将在地理位置740至760处捕获的贴有徽标标签的图像添加至与捕获到的图像相比较的一组贴有徽标标签的图像或者包括在该一组贴有徽标标签的图像中。
另外或者可替选地，还可以基于图像的置信度级别来识别一组贴有徽标标签的图像。在这方面，如果给定的贴有徽标标签的图像的所分配的置信级别满足或者高于最小阈值值，则可以将给定的贴有徽标标签的图像添加至一组贴有徽标标签的图像或者包括在该一组贴有徽标标签的图像中。
在捕获到的图像与贴有徽标标签的图像中的一个贴有徽标标签的图像之间找到匹配的识别标记之后，一个或者多个处理器(诸如，一个或者多个服务器计算装置110的处理器112)可以将与匹配的识别标记相关联的设施锚定到捕获到的图像的位置或者与该位置相关联。在一些示例中，可以将设施锚定在捕获到的图像的设置或者预定接近度内的设置位置处或者与该位置相关联。在其它实施例中，设置位置可以是街道地址。同样，可以更新存储在位置数据库中的位置数据(诸如，地图绘制数据、商家目录等)以提供与匹配的识别标记相关联的设施的当前位置信息。
为了确保按照高置信度完成锚定，在将识别标记锚定在捕获到的图像的位置处之前，可能需要满足某些标准。例如，如果识别标记与权威网站相关联并且捕获到的图像的位置在权威网站上找到的位置处或者附近，则可以按照高置信度来完成对设施的锚定。在另一示例中，在将设施锚定到捕获到的图像的位置之前，设置数量的新捕获到的图像(诸如，5或者更多或者更少)可能需要具有相同的匹配识别标记以确保高置信度。
在一个示例中，如果设施迁移或者关闭，则新捕获到的图像可能不包括在过去捕获到的图像中存在的识别标记。因此，在将新捕获到的图像与一组贴有徽标标签的图像相比较时，之前不存在的识别标记可能开始出现，并且先前的识别标记可能不再存在。这可以指示应该将与先前的识别标记相关联的设施标记为已经关闭或者已经迁移。
另外，可以通过搜索先前的识别标记和新的识别标记的权威网页来进一步验证这种关闭指示。如果新的识别标记的权威页面指示第一位置的位置并且旧的识别标记的权威页面指示与第一位置不同的位置，则可以推断出新的设施存在于第一位置处的高置信度。
图8的流程图800是可以由的一个或者多个计算装置(诸如，客户端计算装置110至140)执行的上述某些方面的示例流程图。在该示例中，在框1002中，可以接收第一图像和相关联的位置信息。在框1004中，可以接收一组图像，该一组图像包括位置信息和与一个或者多个设施相关联的一个或者多个识别标记。然后，如在框1006中示出的，可以将第一图像与该一组图像相比较。在该比较期间，如在框1008中示出的，可以确定第一图像是否包含与在该一组图像中找到的一个或者多个设施相关联的一个或者多个识别标记中的一个识别标记。如在框1010中示出的，如果第一图像包含一个或者多个识别标记中的一个识别标记，则可以将与一个或者多个识别标记相关联的设施确定为在第一图像位置的设置接近度内。如在框1012中示出的，可以更新位置数据库以将设施与在第一图像位置的设置接近度内的设置位置相关联。
在前述示例中，多个图像可以是该图像之外或另外的图像。例如，多个图像可以包括与指示在哪里捕获到相应一个或者多个图像的对应位置信息相关联地存储在存储装置(诸如，存储系统150)中的一个或者多个图像、具有对应EXIF数据的一组图像等，以及上述内容的各种组合。
上述替选示例中的大多数替选示例不是相互排斥的，而是可以按照各种组合来实施以实现独特的优点。由于可以在不脱离由权利要求书限定的主题的情况下利用上述特征的这些和其它变体和组合，因此，应该通过说明的方式而不是限制由权利要求书限定的主题的方式来采取对实施例的前述描述。作为示例，不必按照上面描述的精确顺序来执行前述操作。相反，可以按照不同的顺序(诸如，颠倒顺序或者同时)来处理各种步骤。还可以省略步骤，除非另有说明。另外，对本文描述的示例(以及措辞为“诸如”、“包括”等子句)的提供不应该被解释为将所要求的主题限制为具体示例；相反，示例仅旨在说明许多可能实施例中的一个实施例。进一步地，不同附图中的相同附图标记可以识别相同或者相似的元件。

Claims (18)

1.一种用于确定并且更新设施在地理位置处的存在的计算机实现的方法，所述方法包括：
利用一个或者多个处理装置接收第一图像，所述第一图像包括与所述第一图像的捕获相关联的位置数据，其中所述位置数据包括第一图像位置；
利用所述一个或者多个处理装置识别一组图像，其中所述一组图像中的每个图像包括地理位置信息和一个或者多个识别标记，其中每个识别标记与一个或者多个设施相关联；
由所述一个或者多个处理装置将所述第一图像与所述一组图像相比较；
由所述一个或者多个处理装置基于所述比较来确定所述第一图像包含所述一组图像中的任何图像的所述一个或者多个识别标记中的一个识别标记；
由所述一个或者多个处理装置确定所述第一图像的位置在权威网页上列出的位置的设置接近度内，其中所述权威网页包括图像子集中的图像，其中，所述图像子集包括所述一组图像中的具有在所述第一图像位置的设置半径内的地理位置的图像；
在确定所述第一图像的位置与在权威网页上列出的位置相匹配时，分配高置信度级别来将所述设施与所述第一图像位置的所述设置接近度内的设置位置相关联；以及
在确定所述第一图像在所述权威网页上列出的位置的设置接近度内之后，由所述一个或者多个处理装置通过将所述一个或者多个设施中的所述一个设施与所述设置位置相关联来更新位置数据库。
2.根据权利要求1所述的方法，其中，所述比较包括：通过所述一组图像来执行所述第一图像的图像中图像搜索。
3.根据权利要求2所述的方法，其中，所述比较进一步包括：对在所述第一图像与所述一组图像中的一个图像之间的公共识别标记执行图像中图像搜索。
4.根据权利要求1所述的方法，其中，比较所述第一图像包括：将所述第一图像的一个或者多个编辑版本与所述一组图像相比较，所述第一图像的所述编辑版本选自以下版本中的一个版本：
高对比度版本；
颜色反转版本；
黑白版本；以及
黑白反转版本。
5.根据权利要求1所述的方法，进一步包括：
在识别所述一组图像之前，利用所述一个或者多个处理装置接收图像集合；以及
向包含所述一个或者多个识别标记中的一个识别标记的所述图像集合中的每个图像分配第一标签，其中，所述一组图像包括来自具有所述第一标签的所述图像集合的图像。
6.根据权利要求1所述的方法，其中，识别所述一组图像进一步包括：确定所述一组图像中的每个图像的所述地理位置信息在所述第一图像位置的设置半径内。
7.一种用于确定并且更新设施在地理位置处的存在的系统，所述系统包括：
一个或者多个计算装置，所述一个或者多个计算装置具有一个或者多个处理器；以及
存储器，所述存储器存储指令，所述指令可由所述一个或者多个处理器执行；
其中，所述指令包括：
接收第一图像，所述第一图像包括与所述第一图像的捕获相关联的位置数据，其中所述位置数据包括第一图像位置；
利用一个或者多个计算装置识别一组图像，其中所述一组图像中的每个图像包括地理位置信息和一个或者多个识别标记，其中每个识别标记与一个或者多个设施相关联；
将所述第一图像与所述一组图像相比较；
基于所述比较来确定所述第一图像包含所述一个或者多个识别标记中的一个识别标记；
确定所述第一图像的位置在权威网页上列出的位置的设置接近度内，其中所述权威网页包括图像子集中的图像，其中，所述图像子集包括所述一组图像中的具有在所述第一图像位置的设置半径内的地理位置的图像；
在确定所述第一图像的位置与在权威网页上列出的位置相匹配时，分配高置信度级别来将所述设施与所述第一图像位置的所述设置接近度内的设置位置相关联；以及
在确定所述第一图像在所述权威网页上列出的位置的设置接近度内之后，通过将所述一个或者多个设施中的所述一个设施与所述设置位置相关联来更新位置数据库。
8.根据权利要求7所述的系统，其中，所述指令进一步包括：
通过所述一组图像执行对所述第一图像的图像中图像搜索来将所述第一图像与所述一组图像相比较。
9.根据权利要求8所述的系统，其中，所述指令进一步包括：
对在所述第一图像与所述一组图像中的一个图像之间的公共识别标记执行图像中图像搜索。
10.根据权利要求7所述的系统，其中，比较所述第一图像包括：将所述第一图像的一个或者多个编辑版本与所述一组图像相比较，所述第一图像的所述编辑版本选自以下版本中的一个版本：
高对比度版本；
反色版本；
黑白版本；以及
黑白反转版本。
11.根据权利要求7所述的系统，其中，所述指令进一步包括：
在接收到所述一组图像之前，利用所述一个或者多个计算装置接收图像集合；以及
向包含所述一个或者多个识别标记中的一个识别标记的所述图像集合中的每个图像分配第一标签，其中所述一组图像包括来自具有所述第一标签的所述图像集合的图像。
12.根据权利要求7所述的系统，其中，识别所述一组图像进一步包括：确定所述一组图像中的每个图像的所述地理位置信息在所述第一图像位置的设置半径内。
13.一种存储指令的非暂时性计算机可读介质，所述指令在由一个或者多个处理器执行时使所述一个或者多个处理器：
利用一个或者多个计算装置接收第一图像，所述第一图像包括与所述第一图像的捕获相关联的位置数据，其中所述位置数据包括第一图像位置；
利用一个或者多个计算装置识别一组图像，其中所述一组图像中的每个图像包括地理位置信息和一个或者多个识别标记，其中每个识别标记与一个或者多个设施相关联；
由所述一个或者多个计算装置将所述第一图像与所述一组图像相比较；
基于由所述一个或者多个计算装置进行的所述比较来确定所述第一图像包含所述一个或者多个识别标记中的一个识别标记；
由所述一个或者多个处理装置确定所述第一图像的位置在权威网页上列出的位置的设置接近度内，其中所述权威网页包括图像子集中的图像，其中，所述图像子集包括所述一组图像中的具有在所述第一图像位置的设置半径内的地理位置的图像；
在确定所述第一图像的位置与在权威网页上列出的位置相匹配时，分配高置信度级别来将所述设施与所述第一图像位置的所述设置接近度内的设置位置相关联；以及
在确定所述第一图像在所述权威网页上列出的位置的设置接近度内之后，由所述一个或者多个计算装置通过将所述一个或者多个设施中的所述一个设施与所述设置位置相关联来更新位置数据库。
14.根据权利要求13所述的非暂时性计算机可读介质，其中，所述指令进一步包括：
通过由所述一组图像执行对所述第一图像的图像中图像搜索来将所述第一图像与所述一组图像相比较。
15.根据权利要求13所述的非暂时性计算机可读介质，其中，所述指令进一步包括：
在接收到所述一组图像之前，利用所述一个或者多个计算装置接收图像集合；以及
向包含所述一个或者多个识别标记中的一个识别标记的所述图像集合中的每个图像分配第一标签，其中所述一组图像包括来自具有所述第一标签的所述图像集合的图像。
16.根据权利要求13所述的非暂时性计算机可读介质，其中，所述指令进一步包括：
在接收到所述一组图像之前，利用所述一个或者多个计算装置接收图像集合；以及
向包含所述一个或者多个识别标记中的一个识别标记的所述图像集合中的每个图像分配第一标签，其中所述一组图像包括来自具有所述第一标签的所述图像集合的图像。
17.根据权利要求13所述的非暂时性计算机可读介质，其中，识别所述一组图像进一步包括：确定所述一组图像中的每个图像的所述地理位置信息在所述第一图像位置的设置半径内。
18.根据权利要求13所述的非暂时性计算机可读介质，其中，将所述一个或者多个设施中的所述一个设施与在所述第一图像位置的所述设置接近度内的最终位置相关联进一步包括：
将所述一个或者多个设施中的所述一个设施与在所述第一图像位置的所述设置接近度内的街道地址相关联。
CN201680026472.1A 2015-08-03 2016-08-03 利用地理定位的成像进行设施锚定 Active CN107636646B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US14/816,574 2015-08-03
US14/816,574 US10467284B2 (en) 2015-08-03 2015-08-03 Establishment anchoring with geolocated imagery
PCT/US2016/045348 WO2017024034A1 (en) 2015-08-03 2016-08-03 Establishment anchoring with geolocated imagery

Publications (2)

Publication Number Publication Date
CN107636646A CN107636646A (zh) 2018-01-26
CN107636646B true CN107636646B (zh) 2021-12-28

Family

ID=56883845

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201680026472.1A Active CN107636646B (zh) 2015-08-03 2016-08-03 利用地理定位的成像进行设施锚定

Country Status (8)

Country Link
US (2) US10467284B2 (zh)
EP (1) EP3274919B1 (zh)
JP (2) JP6494799B2 (zh)
KR (1) KR102133950B1 (zh)
CN (1) CN107636646B (zh)
DE (2) DE112016002020T5 (zh)
GB (1) GB2553989A (zh)
WO (1) WO2017024034A1 (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10754976B2 (en) * 2017-02-24 2020-08-25 Microsoft Technology Licensing, Llc Configuring image as private within storage container
CN108446330B (zh) * 2018-02-13 2022-05-13 北京明略昭辉科技有限公司 一种推广对象处理方法、装置及一种计算机可读存储介质
US11164038B2 (en) 2018-08-16 2021-11-02 Uber Technologies, Inc. Imagery evidence matching system
KR102007610B1 (ko) * 2018-10-15 2019-10-21 공간정보기술 주식회사 공간자료 분산 버저닝 툴 및 이를 이용하는 공간정보 분산 버전 관리 방법
CN110647886A (zh) 2019-09-19 2020-01-03 北京百度网讯科技有限公司 兴趣点标注方法、装置、计算机设备和存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1875613A (zh) * 2003-09-23 2006-12-06 高通股份有限公司 用于使用成像技术进行地理定位的系统和方法
US7917286B2 (en) * 2005-12-16 2011-03-29 Google Inc. Database assisted OCR for street scenes and other images
CN103067856A (zh) * 2011-10-24 2013-04-24 康佳集团股份有限公司 基于图像识别的地理位置定位方法及系统
US20150161619A1 (en) * 2012-01-05 2015-06-11 Google Inc. Verifying a business listing based on photographic business listing information obtained through image recognition

Family Cites Families (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11351888A (ja) 1998-06-08 1999-12-24 Mitsubishi Electric Corp ナビゲーション装置
US20040201702A1 (en) 2001-10-23 2004-10-14 White Craig R. Automatic location identification and categorization of digital photographs
JP2004151523A (ja) 2002-10-31 2004-05-27 Mitsubishi Electric Corp 地図データ更新装置
US7065705B1 (en) 2003-12-02 2006-06-20 Inbit, Inc. Automatic labeling in images
US8850011B2 (en) 2005-04-21 2014-09-30 Microsoft Corporation Obtaining and displaying virtual earth images
JP4946238B2 (ja) 2006-07-25 2012-06-06 株式会社デンソー 車両周辺撮影送信装置および車両周辺撮影送信プログラム
US7970206B2 (en) * 2006-12-13 2011-06-28 Adobe Systems Incorporated Method and system for dynamic, luminance-based color contrasting in a region of interest in a graphic image
US7991715B2 (en) 2007-12-27 2011-08-02 Arbor Labs, Inc. System and method for image classification
US8676001B2 (en) 2008-05-12 2014-03-18 Google Inc. Automatic discovery of popular landmarks
EP2297703A1 (en) 2008-06-03 2011-03-23 ETH Zurich Method and system for generating a pictorial reference database using geographical information
US8340405B2 (en) 2009-01-13 2012-12-25 Fuji Xerox Co., Ltd. Systems and methods for scalable media categorization
US20110044512A1 (en) 2009-03-31 2011-02-24 Myspace Inc. Automatic Image Tagging
JP5451185B2 (ja) 2009-06-01 2014-03-26 キヤノン株式会社 画像処理装置及び画像処理装置の制御方法
US20110072047A1 (en) 2009-09-21 2011-03-24 Microsoft Corporation Interest Learning from an Image Collection for Advertising
US20110196888A1 (en) 2010-02-10 2011-08-11 Apple Inc. Correlating Digital Media with Complementary Content
US8385593B2 (en) 2010-06-18 2013-02-26 Google Inc. Selecting representative images for establishments
US8601578B1 (en) * 2011-01-20 2013-12-03 Google Inc. Identifying potentially suspicious business listings for moderation
US9191615B1 (en) 2011-05-02 2015-11-17 Needle, Inc. Chat window
US9305024B2 (en) * 2011-05-31 2016-04-05 Facebook, Inc. Computer-vision-assisted location accuracy augmentation
JP5708278B2 (ja) 2011-06-08 2015-04-30 ソニー株式会社 情報処理装置および情報処理方法
US20130086063A1 (en) 2011-08-31 2013-04-04 Trista P. Chen Deriving User Influences on Topics from Visual and Social Content
US20130129142A1 (en) 2011-11-17 2013-05-23 Microsoft Corporation Automatic tag generation based on image content
JP5718264B2 (ja) 2012-03-22 2015-05-13 株式会社ゼンリンデータコム 地図調査装置、地図調査方法および地図調査プログラム
JP2013210974A (ja) 2012-03-30 2013-10-10 Ntt Comware Corp 検索画像登録装置、検索画像表示システム、検索画像登録方法およびプログラム
US9129179B1 (en) 2012-05-10 2015-09-08 Amazon Technologies, Inc. Image-based object location
WO2014002223A1 (ja) 2012-06-28 2014-01-03 パイオニア株式会社 情報処理システム、情報処理装置、情報処理用プログラム並びに情報記録媒体及び情報処理方法
CN103679164A (zh) 2012-09-21 2014-03-26 阿里巴巴集团控股有限公司 一种基于移动终端的标志识别处理方法和系统
US9678986B2 (en) * 2012-12-05 2017-06-13 Wgrs Licensing Company, Llc Systems and methods for registering, administering, and using non-locational identifiers as locational addresses through location name and identifier registries
US20140297575A1 (en) 2013-04-01 2014-10-02 Google Inc. Navigating through geolocated imagery spanning space and time
US9338603B2 (en) 2013-09-30 2016-05-10 Qualcomm Incorporated Location based brand detection
JP6325806B2 (ja) 2013-12-06 2018-05-16 日立オートモティブシステムズ株式会社 車両位置推定システム
WO2015114785A1 (ja) 2014-01-30 2015-08-06 楽天株式会社 属性表示システム、属性表示方法及び属性表示プログラム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1875613A (zh) * 2003-09-23 2006-12-06 高通股份有限公司 用于使用成像技术进行地理定位的系统和方法
US7917286B2 (en) * 2005-12-16 2011-03-29 Google Inc. Database assisted OCR for street scenes and other images
CN103067856A (zh) * 2011-10-24 2013-04-24 康佳集团股份有限公司 基于图像识别的地理位置定位方法及系统
US20150161619A1 (en) * 2012-01-05 2015-06-11 Google Inc. Verifying a business listing based on photographic business listing information obtained through image recognition

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Amir Roshan Zamir等.Visual Business Recognition - A Multimodal Approach.《 Proceedings of the 21st ACM international conference on Multimedia》.2013,第665-668页，图2，图5. *
Visual Business Recognition - A Multimodal Approach;Amir Roshan Zamir等;《 Proceedings of the 21st ACM international conference on Multimedia》;20131031;第665-668页，图2，图5 *

Also Published As

Publication number Publication date
KR20170130538A (ko) 2017-11-28
US11232149B2 (en) 2022-01-25
EP3274919A1 (en) 2018-01-31
GB2553989A (en) 2018-03-21
GB201717733D0 (en) 2017-12-13
CN107636646A (zh) 2018-01-26
US20190347289A1 (en) 2019-11-14
JP2018518742A (ja) 2018-07-12
DE112016002020T5 (de) 2018-01-18
WO2017024034A1 (en) 2017-02-09
US10467284B2 (en) 2019-11-05
JP6494799B2 (ja) 2019-04-03
DE202016007840U1 (de) 2017-01-13
US20170039225A1 (en) 2017-02-09
KR102133950B1 (ko) 2020-07-14
EP3274919B1 (en) 2021-03-31
JP6750057B2 (ja) 2020-09-02
JP2019114284A (ja) 2019-07-11

Similar Documents

Publication Publication Date Title
CN107636646B (zh) 利用地理定位的成像进行设施锚定
CN107251045B (zh) 物体识别装置、物体识别方法及计算机可读存储介质
US9805060B2 (en) System and method for predicting a geographic origin of content and accuracy of geotags related to content obtained from social media and other content providers
US9594984B2 (en) Business discovery from imagery
US9753951B1 (en) Presenting image search results
US8953887B2 (en) Processing time-based geospatial data
US9373076B1 (en) Systems and methods for building and using social networks in image analysis
US20150154232A1 (en) System and method for associating images with semantic entities
US20170061308A1 (en) Venue Link Detection for Social Media Messages
US8990134B1 (en) Learning to geolocate videos
US11853368B2 (en) Method and system for identifying and displaying an object
US9396584B2 (en) Obtaining geographic-location related information based on shadow characteristics
CN104520848A (zh) 按照出席者搜索事件
CN108369647B (zh) 基于图像的质量控制
CN108280102B (zh) 上网行为记录方法、装置及用户终端
US20170124120A1 (en) Information processing system, information processing method, and information processing program
US10671660B2 (en) Contextual ranking of photos and text in search
US8515183B2 (en) Utilizing images as online identifiers to link behaviors together
CN110826568A (zh) 基于路标的室内定位方法、装置和电子设备
US11256907B2 (en) Classification of subjects within a digital image
Hou et al. Logo recognition using textual and visual search
CN114048368A (zh) 一种基于非结构化情报中提取数据的方法、装置及介质

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
GR01 Patent grant
GR01 Patent grant