CN110688995B - 地图查询的处理方法，计算机可读存储介质和移动终端 - Google Patents

Abstract

本发明公开了一种可以从图像中批量且准确地提取地址信息并允许在地图上显示需进行监管的辖区内所有实际注册的经营主体地址的处理方法，包括从目标地址提取图像形式的目标数据并进行旋转对齐和二值化，识别含有第一属性的字符的第一字符串及其坐标位置，围绕第一字符串的坐标位置识别含有预先确定的第二属性和第三属性的字符且相互邻接的第二和第三字符串，根据第二和第三字符串确定取样方向，在取样方向上识别更多字符组合为目标字符串以在地图数据中查找多个地点，以及根据多个地点的距离确定进一步修改该目标字符串或存储当前结果。本发明还公开了计算机可读存储介质和移动终端，并允许自动保存和更新辖区内正确的网络经营主体地址信息。

Description

地图查询的处理方法，计算机可读存储介质和移动终端

技术领域

本申请关于图像处理技术的领域，更具体地关于一种用于地图查询的处理方法，以及计算机可读存储介质和移动终端。

背景技术

在网络监管领域中经常需要对在网络上进行经营的各类主体的身份进行核查，而核查中又经常需要给定监管部门的负责区域或辖区来寻找该负责区域或辖区内所有进行经营的主体，之后才可能进行后续的数据统计以及违规行为的检查。由于网络经营场所的实际或注册地址可能与其经营或者发货地址不同，且网页上提供的字面信息准确性无法保证，只有通过经营主体所上传的真实营业执照上的地址进行判断。在存在大量待分析的经营主体时，人工查验营业执照不具有可操作性，需要通过网络爬虫等以拟人方式截取营业执照的图像。所截取的营业执照的版本格式可能各不相同，且其所显示的地址在地图上检索时也可能出现多个干扰项。如何以更准确率地从大量所截取的图像中自动提取地址信息是网络监管中的急需解决的问题。

发明内容

本发明的目的在于提供一种可以从图像中批量且准确地提取地址信息并允许在地图上显示某一辖区内所有实际注册的经营主体地址的处理方法，包括从目标地址提取图像形式的目标数据，通过将目标数据的多个预设区域中像素值的分布特征与预先保存的模板对比来将目标数据与模板旋转对齐，将旋转对齐后的目标数据二值化，从二值化的目标数据中识别含有预先确定的第一属性的字符的第一字符串及其在所述目标数据中的坐标位置，围绕第一字符串的坐标位置识别含有预先确定的第二属性和第三属性的字符且相互邻接的第二和第三字符串，根据第二和第三字符串在目标数据中的坐标位置之间的位移矢量确定取样方向，在取样方向上识别排列在第二和第三字符串之后的一个或多个字符以用于与所述第二和第三字符串组合为目标字符串，根据目标字符串在预先确定的地图数据中查找多个地点，以及若多个地点中距离最远的两个地点之间的距离大于预先确定的阈值，则在取样方向上识别该一个或多个字符之后的至少一个字符加入目标字符串并继续在预先确定的地图数据中查找，以及若多个地点中距离最远的两个地点之间的距离小于等于预先确定的阈值，则将目标字符串与该多个地点之中的一个相关联地进行存储。

在优选实施例中，将目标数据与模板旋转对齐的步骤包括根据至少一个预设区域中的像素值的分布特征来确定其中字符排列的长度方向和高度方向以及确定长度方向与预设的基准方向之间的夹角。

在优选实施例中，第一属性，第二属性和第三属性的字符中的每个均为预先确定的固定字符。

在优选实施例中，第二和第三字符串在目标数据中的坐标位置为第二属性和第三属性各自的固定字符的坐标位置。

在优选实施例中，若在取样方向上没有可加入所述目标字符串的字符且多个地点中距离最远的两个地点之间的距离仍大于预先确定的阈值，则将多个地点与目标字符串相关联地进行存储。

在优选实施例中，将多个地点与目标字符串相关联地进行存储的步骤包括存储多个地点的第一地点的地图信息以及第一地点以外的其他每个地点的地图信息相对于第一地点的地图信息的差别。

在优选实施例中，地图信息为包含地点的地图块，且地图信息包括地图块上所有点的坐标信息以及对应坐标信息的类型信息。

在优选实施例中，选择仅与一个地点关联的目标字符串，以及在地图数据中显示所选择的目标字符串及与其相关联地进行存储的地点。

本发明的实施例还公开了计算机可读存储介质和移动终端，以用于执行本发明的实施例所公开的方法步骤。

本发明所提供的优点在于可以批量从网页截取的各种营业执照上以更高效准确的方式提取地址信息，并且能够将所提取的地址信息通过逐步检验的方式定位到地图上误差容忍范围之内的特定地点上，避免了截取的地址信息长度不合适而导致的检索到多个候选地点的问题。本发明的实施例可以用于网络监管系统，允许自动保存和更新正确的经营主体地址信息以及当随时需要在地图上显示特定负责区域或辖区内的所有经营主体的时候，能够更精确地显示经营主体在地图上的确切位置，从而可以大幅提高监管能力。

附图说明

本发明申请的附图是为了提供实施例的图示说明而不是为了限制实施例，在图中相似的附图标记表示相似的元素。

图1是根据本发明一些实施例的用于地图查询的处理方法的流程图。

图2是根据本发明一些实施例的移动终端的框图。

具体实施方式

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。

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，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他实施例，都应当属于本申请保护的范围。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

如图1所示，本文实施例的方法在步骤S101中先从目标地址以图像形式提取目标数据。目标地址对应于待监管的网络经营主体，例如各类网上商家，在Internet或者特定网络平台上的网络地址。目标数据包括经营主体所上传的各类版本或格式的营业执照，法人证明等，其上包括监管中所需要的真实地址信息。由于目标数据在目标地址中所呈现的格式、版本和加密方法可能各不相同，但会通过图像形式进行显示，出于效率考虑优选以图像形式对目标数据进行提取。所提取的图像形式的目标数据可根据与预先保存的模板对比来首先进行旋转对齐。在目标数据中可以定义多个预设的区域，预设区域可以根据相对于图像中心或边缘的距离来预设，这些区域相互之间应具有足够的间隔。每个预设区域中的像素值的分布特征，例如灰度或者亮度分布特征都可以与模板的区域对比以判断所要提取的文字信息是否存在与某一个预设区域之内。此后在确定至少一个预设区域之内存在文字信息之后，可确定所有这些预设区域中文字信息所包含的字符所排列的长度方向和高度方向，即包含所有字符的矩形框的长度和高度方向。在所有预设区域都确定长度方向之后，可以得出长度方向与模板中预设的基准方向，例如水平和竖直方向等之间的夹角，再将相应的或者全部预设区域旋转以便与该基准方向保持一致。优选地还可以对旋转对齐后的目标数据进行二值化，以将目标数据准备为便于识别的初始状态。

在步骤S102中，从二值化后的目标数据中识别含有预先确定的第一属性的字符，第一属性例如是“地址”，“住所”等预示其周围将出现记载地址的字符的固定关键字。含有该第一属性的字符的预设区域将被选中用于后续的步骤，而不含有第一属性的字符的预设区域可以被舍弃。该步骤还包括识别第一属性的字符所构成的第一字符串在目标数据之中的坐标位置。因为目标数据与模板已经对齐，该坐标位置也是模板中已经确定的坐标系之中的坐标位置。第一字符串的坐标位置可以是包含第一字符串的矩形框的中心等特定位置在模板的坐标系之中的坐标。

在步骤S103中，围绕所识别的第一字符串的坐标位置检查其周边区域之中详细的地址信息分布在何处，而无需对整个图像或所有预设区域查找地址信息，否则既影响效率又可能查找出干扰信息。详细的地址信息一般均会包括诸如省市区县等具有公认唯一内容和格式的信息以及楼宇门牌号等可能存在错误且不具有唯一的内容和格式，而所识别的地址信息中对具有唯一内容和格式的部分易于判断和识别，但对于其他部分难以进行判断，容易造成将不属于地址一部分的其他无关字符也识别为地址。为了提高准确性，首先仅对省市区县等具有唯一内容和格式的关键字进行查找。可以根据地址规则所体现的从省市到区县的排列顺序查找含有第二属性的字符和应在第二属性的字符之后出现的第三属性的字符，第二属性字符例如是体系市级地址的名称的固定字符，而第三属性字符此时则例如是邻接于第二属性字符的体系区级地址的名称的固定字符。对于监管中给定的辖区或者负责区域，该第二和第三属性的字符是确定的，可以在第一字符串的周围按距离优先的顺序查找彼此相邻的第二和第三属性字符的存在。

在步骤S104中查找到含有第二和第三属性字符的第二和第三字符串之后，可以根据第二和第三字符串的坐标位置之间的位移矢量确定地址的后半部分字符所处的位置和方向。第二和第三字符串在目标数据中的坐标位置为第二属性和第三属性各自的固定字符的坐标位置。如果位移矢量与步骤S101之中的基准方向一致，则可以将该基准方向定义为取样方向。如果位移矢量与基准方向并不一致，则说明地址可能出现了换行、分段或者倾斜等问题，相应地取样时也应在位移矢量与基准方向的差别的方向上查找是否存在临近第二和第三字符串的其他字符。这样可以依次将地址后半部分的字符加入所识别出的已包括前半部分地址的字符串。该步骤还包括向第二和第三字符串的组合加入取样方向上排列于第二和第三字符串之后的一个或多个其他字符，形成字符数多于第二和第三字符串的组合的新的目标字符串。优选逐步增加目标字符串的字符数量以避免加入不属于地址信息的无关字符，尤其是在预设区域中文字较多且排版密集的情况下。

在步骤S105之中，根据所组合的目标字符串在预先确定的地图数据中查找多个地点，预先确定的地图数据可以是现有的在线或离线版本的各类地图搜索引擎。由于根据目标字符串检索一般会产生多个候选地点，可以判断查找出的多个地点之间的最大相互距离，如果该最大相互距离超出了监管过程中所定义的判断阈值，则表明当前地址产生歧义，还没有将关于地址的所有字符都组合到了目标字符串之中。反正，如果未查找到地图上的地点，则表明当前地址包含了不属于地址信息的无关字符，可以从第二和第三字符串开始重新加入取样方向上的更少数量的字符并重新开始在地图数据中查找。在查找到的多个地点中距离最远的两个地点之间的距离大于预先确定的阈值时，即在取样方向上识别当前已加入的一个或多个字符之后的至少一个字符加入目标字符串并重复在地图数据中继续查找。直至查找出的地点之间的最大相互距离小于等于该预先确定的阈值，则此时判断已找到误差足够小的真实地址，并将当前目标字符串与当前多个地点之中的任何一个或者是剩下的唯一一个地点相关联地进行存储。存储时可以将当前的目标字符串作为标识，并将其所关联的地点的地图信息一起存储在可编辑格式的表格以及文件中。

在步骤S106中，若在取样方向上已经没有可加入目标字符串的更多字符且从地图数据中查找的多个地点中距离最远的两个地点之间的距离仍然大于预先确定的阈值，则将此时查找的多个地点与所述目标字符串相关联地进行存储。存储多个地点时，可以只存储多个地点之中一个地点的地图信息，而将其他地点存储为与这一个地点的地图信息之间的差别，这样可以节省重复部分的存储空间。地图信息优选为包含一个地点的一个区域，也就是地图块，其包括地图块上所有点在地图数据中的物理坐标信息以及对应该物理坐标的类型信息。类型信息可以是预先定义的不同数值代码，每个数值代码对应于该物理坐标的属性，如道路，住宅，办公楼，水系等。此后可能需要额外的判断或人工选择来从中选取一个地点。

在存储步骤完成之后，可以在如上述地图数据等可视化的用户界面中读取仅与一个地点关联的所有目标字符串以及其所关联的地点，并直观地显示所选择的目标字符串及与其相关联地进行存储的地点以便在监管过程中可以直接对地图上的某个辖区中的一个或多个经营主体进行统计和评估，还可以不显示目标字符串而仅显示地图上某个辖区内所有的所存储的地点以便绘制热力图或者密度分布图。

以上方法步骤S101-S106之中的部分或者是全部均可以以计算机可读指令的形式存储于计算机可读介质，诸如光盘，闪存，硬盘，存储云，RAM，ROM等之中，并且由专用或者通用的计算机读取并执行以实施该方法步骤。

图2公开了根据一些实施例的移动终端200。移动终端200可以是掌上计算机，智能电话，平板计算机，可穿戴智能设备，笔记本计算机等各类便携设备。终端设备移动终端200应包括处理器201，处理器201可以是任何专业或者通用的微处理器，处理芯片，逻辑单元，控制器，片上系统等。移动终端200还包括存储器203，存储器203可以是易失性或者非易失性的存储装置或其组合，并且用来存储体现图1中方法步骤S101-S106的计算机程序211。存储器203中还应包括诸如各类操作系统的系统程序212以及计算机程序211和系统程序212所产生或使用的存储数据213。移动终端200还可以包括显示器205以用于显示所输出的结构。移动终端200还可以包括用户接口207例如触摸屏、按键、轨迹球、姿势识别摄像头、键盘、鼠标等以用于用户输入。移动终端200还可以包括收发器209以用于与Internet或者其上的其他移动或固定终端进行通信以实现数据的传输。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种用于地图查询的处理方法，其特征在于包括：

从目标地址提取图像形式的目标数据；

通过将所述目标数据的多个预设区域中像素值的分布特征与预先保存的模板对比来将所述目标数据与所述模板旋转对齐；

将旋转对齐后的所述目标数据二值化；

从二值化的所述目标数据中识别含有预先确定的第一属性的字符的第一字符串及其在所述目标数据中的坐标位置；

围绕所述第一字符串的坐标位置识别含有预先确定的第二属性和第三属性的字符且相互邻接的第二和第三字符串；

根据所述第二和第三字符串在所述目标数据中的坐标位置之间的位移矢量确定取样方向；

在所述取样方向上识别排列在所述第二和第三字符串之后的一个或多个字符以用于与所述第二和第三字符串组合为目标字符串；

根据所述目标字符串在预先确定的地图数据中查找多个地点；以及

若所述多个地点中距离最远的两个地点之间的距离大于预先确定的阈值，则在所述取样方向上识别所述一个或多个字符之后的至少一个字符加入所述目标字符串并在所述预先确定的地图数据中继续查找；以及

若所述多个地点中距离最远的两个地点之间的距离小于等于预先确定的阈值，则将所述目标字符串与所述多个地点之中的一个相关联地进行存储。

2.权利要求1所述的方法，其特征在于将所述目标数据与所述模板旋转对齐的步骤包括根据至少一个预设区域中的像素值的分布特征来确定其中字符排列的长度方向和高度方向以及确定所述长度方向与预设的基准方向之间的夹角。

3.权利要求2所述的方法，其特征在于所述第一属性，第二属性和第三属性的字符中的每个均为预先确定的固定字符。

4.权利要求3所述的方法，其特征在于所述第二和第三字符串在所述目标数据中的坐标位置为所述第二属性和第三属性各自的所述固定字符的坐标位置。

5.权利要求4所述的方法，其特征在于还包括若在所述取样方向上没有可加入所述目标字符串的字符且所述多个地点中距离最远的两个地点之间的距离仍大于预先确定的阈值，则将所述多个地点与所述目标字符串相关联地进行存储。

6.权利要求5所述的方法，其特征在于将所述多个地点与所述目标字符串相关联地进行存储的步骤包括存储所述多个地点的第一地点的地图信息以及所述第一地点以外的其他每个地点的地图信息相对于所述第一地点的地图信息的差别。

7.权利要求6所述的方法，其中所述地图信息为包含所述地点的地图块，且所述地图信息包括所述地图块上所有点的坐标信息以及对应所述坐标信息的类型信息。

8.权利要求7所述的方法，其特征在于还包括选择仅与一个所述地点关联的所述目标字符串，以及在所述地图数据中显示所选择的目标字符串及与其相关联地进行存储的地点。

9.一种计算机可读存储介质，其具有存储于其上的计算机可读指令，其特征在于所述计算机可读指令在被处理器执行时实现权利要求1-8中任一项所述的方法。

10.一种移动终端，包括处理器和存储器，所述存储器中存储有所述处理器可执行的计算机程序，其特征在于所述计算机程序在被所述处理器执行时实现权利要求1-8中任一项所述的方法。

Images