CN109299309B - 图片的快速定位方法及装置 - Google Patents
图片的快速定位方法及装置 Download PDFInfo
- Publication number
- CN109299309B CN109299309B CN201811043956.4A CN201811043956A CN109299309B CN 109299309 B CN109299309 B CN 109299309B CN 201811043956 A CN201811043956 A CN 201811043956A CN 109299309 B CN109299309 B CN 109299309B
- Authority
- CN
- China
- Prior art keywords
- included angle
- picture
- training
- roof
- unit
- 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
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明涉及图片检索技术领域,具体公开一种图片的快速定位方法及装置,所述方法包括训练阶段和应用阶段,所述训练阶段包括;提供用于数据采集的训练图片;计算出民居屋顶的真实夹角;根据所述地域信息将所有训练图片进行分类;对真实夹角进行统计得到该地域的屋顶夹角的夹角范围;应用阶段包括:输入拍摄有民居屋顶的待识别图片;计算所述待识别图片中民居屋顶的真实夹角;根据所述待识别图片中民居屋顶的真实夹角和所述夹角范围得到相应的地域信息。本发明提供一种图片的快速定位方法及装置,能快速指出图片中民居屋顶所属的地域信息。
Description
技术领域
本发明涉及图片检索技术领域,尤其涉及一种图片的快速定位方法及装置。
背景技术
当前的互联网资源非常庞大,在海量图片中查找出某图片的地域信息难度很大,人工进行查找虽然可以做到非常准确,但时间成本相当高,几乎不具备可行性。
基于此,特别需要一种图片定位方法,能从海量图片中查找出指定图片的地域信息。
发明内容
本发明的一个目的在于,提供一种图片的快速定位方法,能快速指出图片中民居屋顶所属的地域信息。
本发明的另一个目的在于,提供一种图片的快速定位装置,能快速指出图片中民居屋顶所属的地域信息。
为达以上目的,本发明提供一种图片的快速定位方法,包括:
训练阶段:
提供用于数据采集的训练图片,每一张所述训练图片均拍摄有民居屋顶并携带有该民居屋顶所在的地域信息;
根据民居屋顶在训练图片中的图上夹角计算出民居屋顶的真实夹角;
根据所述地域信息将所有训练图片进行分类;
对每一个地域所对应的训练图片中的真实夹角进行统计,得到该地域的屋顶夹角的夹角范围;
应用阶段:
输入拍摄有民居屋顶的待识别图片;
计算所述待识别图片中民居屋顶的真实夹角;
根据所述待识别图片中民居屋顶的真实夹角和所述夹角范围得到相应的地域信息。
优选地,所述对每一个地域所对应的训练图片中的真实夹角进行统计,得到该地域的屋顶夹角的夹角范围的步骤包括:
通过深度学习的算法自动对所述夹角范围进行修正。
优选地,所述根据所述待识别图片中民居屋顶的真实夹角和所述夹角范围得到相应的地域信息的步骤之后,还包括:
根据得到的地域信息,推送与该地域相关的图片。
另一方面,提供一种图片的快速定位装置,用于实施上述任一种方法,包括:
训练模块,所述训练模块包括:
图片记录单元,所述图片记录单元用于提供拍摄有民居屋顶并携带有该民居屋顶所在的地域信息的训练图片;
夹角转化单元,所述夹角转化单元与所述图片记录单元连接,用于根据民居屋顶在训练图片中的图上夹角计算出民居屋顶的真实夹角;
分类单元,所述分类单元与所述图片记录单元连接,用于根据所述地域信息将所有训练图片进行分类;
夹角记录单元,所述夹角记录单元与所述分类单元连接,用于对每一个地域所对应的训练图片中的真实夹角进行统计,得到该地域的屋顶夹角的夹角范围;
应用模块,与所述训练模块连接;所述应用模块包括:
输入单元,所述输入单元用于输入拍摄有民居屋顶的待识别图片;
计算单元,所述计算单元与所述输入单元连接,用于计算所述待识别图片中民居屋顶的真实夹角;
查找单元,所述查找单元分别与所述计算单元和夹角记录单元连接,用于根据计算单元提供的真实夹角和夹角记录单元提供的夹角范围查找得到相应的地域信息。
优选地,所述夹角记录单元包括:
神经网络训练单元,所述神经网络训练单元与所述图片记录单元连接,用于通过深度学习的算法自动对所述夹角范围进行修正。
优选地,所述应用模块还包括:
推送单元,所述推送单元分别与查找单元和指定数据库连接,用于查找并推送从所述指定数据库中查找到的与所述查找单元得到的地域信息相关的图片。
优选地,所述指定数据库为互联网数据库。
本发明的有益效果在于:提供一种图片的快速定位方法,通过利用不同地区的民居屋顶的屋顶夹角不同的建筑特性,可以实现图片所属地的快速定位,指出图片中民居屋顶所属的地域信息。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。
图1为本发明实施例提供的训练阶段的流程图;
图2为本发明实施例提供的应用阶段的流程图。
具体实施方式
为使得本发明的目的、特征、优点能够更加的明显和易懂,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,下面所描述的实施例仅仅是本发明一部分实施例,而非全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
在本发明的描述中,需要理解的是,当一个组件被认为是“连接”另一个组件,它可以是直接连接到另一个组件或者可能同时存在居中设置的组件。当一个组件被认为是“设置在”另一个组件,它可以是直接设置在另一个组件上或者可能同时存在居中设置的组件。
此外,术语“长”“短”“内”“外”等指示方位或位置关系为基于附图所展示的方位或者位置关系,仅是为了便于描述本发明,而不是指示或暗示所指的装置或原件必须具有此特定的方位、以特定的方位构造进行操作,以此不能理解为本发明的限制。
下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。
实施例一
中国历史悠久,疆域辽阔,自然环境多种多样,社会经济环境不尽相同。在漫长的历史发展过程中,中国各地逐步形成了极具区域特色的民居建筑风格,例如从南至北,传统民居的屋顶逐渐变尖,即屋顶夹角会逐渐变小,这是因为小夹角的屋顶更有利抗压,防止积雪对房屋造成损坏,这种传统的民居建筑深深地打上了地理环境的烙印,生动地反映了人与自然的关系。基于此,本实施例提出基于传统民居图像的图片的快速定位方法,包括训练阶段和应用阶段。
S10:训练阶段。如图1所示,训练阶段包括:
S101:提供用于数据采集的训练图片,每一张所述训练图片均拍摄有民居屋顶并携带有该民居屋顶所在的地域信息。
具体地,提供的训练图片数量越多,在应用阶段得到的结论越精确。地域信息可以根据地理位置进行划分,例如:华南、华东、华中、东北等,也可以根据纬度和经度等进行划分。
S102:根据民居屋顶在训练图片中的图上夹角计算出民居屋顶的真实夹角。
具体地,现有技术中已经存在根据二维图片反推三维影像的技术,本实施例对此不再赘述。S102的主要目的在于获取各地区的民居建筑的真实夹角。
S103:根据所述地域信息将所有训练图片进行分类。
具体地,例如将华南地区的民居屋顶图片均划分为一类,将华东地区的民居屋顶图片也划分为一类……
S104:对每一个地域所对应的训练图片中的真实夹角进行统计,得到该地域的屋顶夹角的夹角范围。
具体地,通过统计,可以得到各地域对应的夹角范围,例如较南的地区的真实夹角为55°~60°,较北的地区的真实夹角为50°~54°等等。当然,各个地区的真实夹角也可能存在交集,例如某地区的真实夹角为54°~60°,另一地区的真实夹角为50°~56°等。
优选地,随着训练图片的增多,所得到的与各地域相应的夹角范围就越精确。可以通过深度学习的算法自动对所述夹角范围进行修正。
具体地,通过深度学习,可以自动判断并排除异常数据。例如,统计过程中,发现某一地域99.9%的训练图片的真实夹角均位于50°~60°,则剩余的0.1%(异常数据容量)的训练图片可以当做异常数据,在总结该地域的夹角范围时,忽略这0.1%的训练图片的真实夹角。进一步地,异常数据容量的数值可以根据实际需要进行调整。
S20:应用阶段。如图2所示,应用阶段包括:
S201:输入拍摄有民居屋顶的待识别图片。
S202:计算所述待识别图片中民居屋顶的真实夹角;
S203:根据所述待识别图片中民居屋顶的真实夹角和所述夹角范围得到相应的地域信息;
具体地,如果待识别图片中民居屋顶的真实夹角与两个或以上的夹角范围相对应,则显示两个及以上的地域信息。例如,假设华南地区的真实夹角为54°~60°,华北地区的真实夹角为50°~56°,待识别图片中民居屋顶的真实夹角为55°,则该待识别图片的地域信息为“华南地区或者华北地区”。
S204:根据得到的地域信息,推送与该地域相关的图片。
以下进行具体说明:
1)训练开始,计算拍摄有民居屋顶的一系列训练图片的真实夹角;
2)将训练图片根据华南地区、华北地区和东北地区进行分类;
3)统计得到华南地区的真实夹角范围为54°~60°,华北地区的真实夹角范围为50°~56°,东北地区的真实夹角范围为45℃~48℃;训练结束。
4)应用阶段,输入拍摄有某民居屋顶的待识别图片;
5)计算得到待识别图片的民居屋顶的真实夹角为52°;
6)由于52°落入50°~56°的华北地区的真实夹角范围,因此,系统提示“该图片属于华北地区的图片”;
7)进一步地,还可以根据设置,自动从互联网中查找与华北地区相关的图片并将其进行推送。
具体地,本实施例提供的定位方法可以用作初步定位,用于对检索结果进行粗筛选,且能有效过滤大量的无关信息,从而为下一步的精细定位提供基础,有效提高整个检索筛选过程的定位速度。
实施例二
本实施例提供一种用于执行实施例一中的方法的图片的快速定位装置,包括训练模块和与所述训练模块连接的应用模块。
所述训练模块包括图片记录单元、夹角转化单元、分类单元和夹角记录单元。所述图片记录单元用于提供拍摄有民居屋顶并携带有该民居屋顶所在的地域信息的训练图片。所述夹角转化单元与所述图片记录单元连接,用于根据民居屋顶在训练图片中的图上夹角计算出民居屋顶的真实夹角。所述分类单元与所述图片记录单元连接,用于根据所述地域信息将所有训练图片进行分类。所述夹角记录单元与所述分类单元连接,用于对每一个地域所对应的训练图片中的真实夹角进行统计,得到该地域的屋顶夹角的夹角范围。进一步地,所述夹角记录单元包括神经网络训练单元。所述神经网络训练单元与所述图片记录单元连接,用于通过深度学习的算法自动对所述夹角范围进行修正。
所述应用模块包括输入单元、计算单元、查找单元和推送单元。所述输入单元用于输入拍摄有民居屋顶的待识别图片。所述计算单元与所述输入单元连接,用于计算所述待识别图片中民居屋顶的真实夹角。所述查找单元分别与所述计算单元和夹角记录单元连接,用于根据计算单元提供的真实夹角和夹角记录单元提供的夹角范围查找得到相应的地域信息。所述推送单元分别与查找单元和指定数据库连接,用于查找并推送从所述指定数据库中查找到的与所述查找单元得到的地域信息相关的图片。进一步地,所述指定数据库为互联网数据库或者自定义的其他数据库。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (7)
1.一种图片的快速定位方法,其特征在于,包括:
训练阶段:
提供用于数据采集的训练图片,每一张所述训练图片均拍摄有民居屋顶并携带有该民居屋顶所在的地域信息;
根据民居屋顶在训练图片中的图上夹角计算出民居屋顶的真实夹角;
根据所述地域信息将所有训练图片进行分类;
对每一个地域所对应的训练图片中的真实夹角进行统计,得到该地域的屋顶夹角的夹角范围;
应用阶段:
输入拍摄有民居屋顶的待识别图片;
计算所述待识别图片中民居屋顶的真实夹角;
根据所述待识别图片中民居屋顶的真实夹角和所述夹角范围得到相应的地域信息。
2.根据权利要求1所述的图片的快速定位方法,其特征在于,所述对每一个地域所对应的训练图片中的真实夹角进行统计,得到该地域的屋顶夹角的夹角范围的步骤包括:
通过深度学习的算法自动对所述夹角范围进行修正。
3.根据权利要求1所述的图片的快速定位方法,其特征在于,所述根据所述待识别图片中民居屋顶的真实夹角和所述夹角范围得到相应的地域信息的步骤之后,还包括:
根据得到的地域信息,推送与该地域相关的图片。
4.一种图片的快速定位装置,其特征在于,包括:
训练模块,所述训练模块包括:
图片记录单元,所述图片记录单元用于提供拍摄有民居屋顶并携带有该民居屋顶所在的地域信息的训练图片;
夹角转化单元,所述夹角转化单元与所述图片记录单元连接,用于根据民居屋顶在训练图片中的图上夹角计算出民居屋顶的真实夹角;
分类单元,所述分类单元与所述图片记录单元连接,用于根据所述地域信息将所有训练图片进行分类;
夹角记录单元,所述夹角记录单元与所述分类单元连接,用于对每一个地域所对应的训练图片中的真实夹角进行统计,得到该地域的屋顶夹角的夹角范围;
应用模块,与所述训练模块连接;所述应用模块包括:
输入单元,所述输入单元用于输入拍摄有民居屋顶的待识别图片;
计算单元,所述计算单元与所述输入单元连接,用于计算所述待识别图片中民居屋顶的真实夹角;
查找单元,所述查找单元分别与所述计算单元和夹角记录单元连接,用于根据计算单元提供的真实夹角和夹角记录单元提供的夹角范围查找得到相应的地域信息。
5.根据权利要求4所述的图片的快速定位装置,其特征在于,所述夹角记录单元包括:
神经网络训练单元,所述神经网络训练单元与所述图片记录单元连接,用于通过深度学习的算法自动对所述夹角范围进行修正。
6.根据权利要求4所述的图片的快速定位装置,其特征在于,所述应用模块还包括:
推送单元,所述推送单元分别与查找单元和指定数据库连接,用于查找并推送从所述指定数据库中查找到的与所述查找单元得到的地域信息相关的图片。
7.根据权利要求6所述的图片的快速定位装置,其特征在于,所述指定数据库为互联网数据库。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811043956.4A CN109299309B (zh) | 2018-09-07 | 2018-09-07 | 图片的快速定位方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811043956.4A CN109299309B (zh) | 2018-09-07 | 2018-09-07 | 图片的快速定位方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109299309A CN109299309A (zh) | 2019-02-01 |
CN109299309B true CN109299309B (zh) | 2021-07-06 |
Family
ID=65166309
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811043956.4A Active CN109299309B (zh) | 2018-09-07 | 2018-09-07 | 图片的快速定位方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109299309B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102004963A (zh) * | 2010-12-02 | 2011-04-06 | 张磊 | 一种数字城市生成方法及系统 |
CN102521877A (zh) * | 2011-12-12 | 2012-06-27 | 北京航空航天大学 | 从单幅图像重建中国古代建筑语义模型和组件库的方法 |
CN103903301A (zh) * | 2014-03-19 | 2014-07-02 | 四川川大智胜软件股份有限公司 | 一种基于彩色图像识别的城市地景建模方法 |
CN108268743A (zh) * | 2018-02-09 | 2018-07-10 | 广州大学 | 基于建筑图纸的井自动识别方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9367650B2 (en) * | 2014-01-10 | 2016-06-14 | Ebay Inc. | Solar installation mapping |
-
2018
- 2018-09-07 CN CN201811043956.4A patent/CN109299309B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102004963A (zh) * | 2010-12-02 | 2011-04-06 | 张磊 | 一种数字城市生成方法及系统 |
CN102521877A (zh) * | 2011-12-12 | 2012-06-27 | 北京航空航天大学 | 从单幅图像重建中国古代建筑语义模型和组件库的方法 |
CN103903301A (zh) * | 2014-03-19 | 2014-07-02 | 四川川大智胜软件股份有限公司 | 一种基于彩色图像识别的城市地景建模方法 |
CN108268743A (zh) * | 2018-02-09 | 2018-07-10 | 广州大学 | 基于建筑图纸的井自动识别方法及系统 |
Non-Patent Citations (1)
Title |
---|
高分辨率光学遥感图像建筑物提取研究进展;王俊等;《遥感技术与应用》;20160831;第31卷(第4期);第653-662、701页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109299309A (zh) | 2019-02-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11740102B2 (en) | Method, apparatus, device and storage medium for determining point of interest area | |
CN110719568B (zh) | 一种室内定位方法、装置、介质以及设备 | |
CN108919177B (zh) | 一种基于虚拟信源估计与轨迹校正的定位地图构建方法 | |
CN104867402B (zh) | 一种离线的逆地理编码的方法及其装置和终端设备 | |
CN108882174B (zh) | 移动终端定位方法、装置、电子设备及存储介质 | |
CN104820718A (zh) | 基于地理位置特征与全局视觉特征的图像分类和检索方法 | |
CN104680250A (zh) | 一种位置预测系统 | |
CN110674423A (zh) | 一种地址定位的方法、装置、可读存储介质和电子设备 | |
CN109041218B (zh) | 一种预测用户位置的方法和智能硬件 | |
CN106371155A (zh) | 基于大数据和分析场的气象预报方法及系统 | |
CN106772685A (zh) | 基于Web‑GIS的相似台风匹配算法及软件支持系统 | |
Qin et al. | Noisesense: A crowd sensing system for urban noise mapping service | |
CN103499846B (zh) | 对天气状况进行预测的方法和设备 | |
CN110427574B (zh) | 路线相似度确定方法、装置、设备和介质 | |
CN109871419B (zh) | 一种地图显示方法及装置 | |
KR20140056828A (ko) | 사용자 단말을 이용한 유동 인구 분석 장치, 방법 및 컴퓨터 판독 가능한 기록 매체 | |
CN104616035B (zh) | 基于图像全局特征及SURF算法的Visual Map快速匹配方法 | |
CN109299309B (zh) | 图片的快速定位方法及装置 | |
CN110598131B (zh) | 确定用户常驻区域的方法、装置、存储介质和电子设备 | |
CN117079148A (zh) | 城市功能区的识别方法、装置、设备和介质 | |
CN115687587A (zh) | 一种基于位置信息的物联设备与空间对象关联匹配方法、装置、设备及介质 | |
CN104410658A (zh) | 定点环境状态预报方法和装置 | |
CN110347938B (zh) | 地理信息处理方法、装置、电子设备及介质 | |
CN107404659A (zh) | 网络视频显示方法及装置 | |
CN110618997B (zh) | 身份数据统一方法和相关装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |