CN111737604B - 一种目标对象的搜索方法及装置 - Google Patents

Abstract

本申请实施例提供了一种目标对象的搜索方法及装置，可以先获取包括由至少一个目标对象可能出现的待确认位置组成的待确认位置集合，然后获取待确认位置集合中每个待确认位置对应的图像信息。接着可以将所述图像信息输入神经网络模型，得到所述多个待确认位置中每个待确认位置的重合概率。最后根据所述重合概率对所述多个待确认位置进行排序，控制无人机按顺序对所述多个待确认位置进行搜索。这样一来，可以控制无人机根据待确认位置为目标对象所在的位置的概率的大小，依次对多个待确认位置进行搜索，无需工作人员依次上门确认，无人机可以按照规划的路线进行目标搜索。如此，可以提高目标搜索的效率，并降低工作人员的工作压力。

Description

一种目标对象的搜索方法及装置

技术领域

本申请涉及计算机技术领域，尤其涉及一种目标对象的搜索方法及装置。

背景技术

银行的对公业务可以包括企业电子银行、信贷业务和机构业务等对公司或单位的业务，是银行的业务的重要组成部分。目前，在办理对公业务时，银行的工作人员可以主动前往客户公司所在的位置为客户办理。例如工作人员可以根据客户公司预留的地址前往客户公司所在的位置办理业务。

但是，如果街道名称改变或客户公司搬家导致位置发生变化，工作人员无法直接根据预留的地址确定客户公司目前所在的位置。对于这种情况，可以由工作人员前往客户公司可能的位置进行确认。由于工作人员需要依次对多个位置进行确认，这种确认客户公司位置的方式花费时间较长，效率较低，而且也增加了工作人员的工作负担。

发明内容

有鉴于此，本申请实施例提供了一种目标对象的搜索方法及装置，旨在为利用无人机代替工作人员前往目标对象可能的位置进行确认，从而提高目标对象的搜索效率。

一种目标对象的搜索方法，所述方法包括：

获取待确认位置集合，所述待确认位置集合中包括至少一个待确认位置，所述待确认位置为所述目标对象所在可能的位置；

获取所述待确认位置集合中每个待确认位置对应的图像信息；

将所述图像信息输入神经网络模型，得到所述至少一个待确认位置中每个待确认位置的重合概率，所述重合概率表示所述待确认位置为所述目标对象所在的位置的概率；

根据所述重合概率对所述至少一个待确认位置进行排序，控制无人机按顺序对所述至少一个待确认位置进行搜索。

可选地，所述将所述图像信息输入神经网络模型包括：

对所述图像信息进行特征提取，得到所述图像信息的特征值；

将所述图像信息的特征值输入神经网络模型。

可选地，所述控制无人机按顺序对所述至少一个待确认位置进行搜索包括：

控制所述无人机前往第一待确认位置，所述第一待确认位置为所述待确认位置集合中重合概率最高的待确认位置；

采集所述第一待确认位置的第一图像，所述第一图像为位于所述第一待确认位置的公司招牌的图像；

对所述第一图像进行文字提取，得到第一文字信息；

判断所述第一文字信息和所述目标对象的信息是否一致；

如果所述第一文字信息和所述目标对象的信息一致，则确定所述第一待确认位置为所述目标对象所在的位置。

可选地，若所述第一文字信息和所述目标对象的信息不一致，所述方法还包括：

将所述第一待确认位置从所述待确认位置集合中移除，选择所述待确认位置集合中重合概率最高的待确认位置作为新的第一待确认位置。

可选地，所述控制无人机按顺序对所述至少一个待确认位置进行搜索还包括：

在所述无人机到达所述待确认位置后，控制所述无人机播放预设语音信号，所述预设语音信号用于询问工作人员所述待确认位置是否为所述目标对象所在的位置。

一种目标对象的搜索装置，所述装置包括：

位置获取模块，用于获取待确认位置集合，所述待确认位置集合中包括至少一个待确认位置，所述待确认位置为所述目标对象可能的位置；

图像获取模块，用于获取所述待确认位置集合中每个待确认位置对应的图像信息；

概率计算模块，用于将所述图像信息输入神经网络模型，得到所述至少一个待确认位置中每个待确认位置的重合概率，所述重合概率表示所述待确认位置为所述目标对象所在的位置的概率；

搜索控制模块，用于根据所述重合概率对所述至少一个待确认位置进行排序，控制无人机按顺序对所述至少一个待确认位置进行搜索。

可选地，所述概率计算模块包括：

特征提取模块，用于对所述图像信息进行特征提取，得到所述图像信息的特征值；

模型输入模块，用于将所述图像信息的特征值输入神经网络模型。

可选地，所述搜索控制模块具体用于：

控制所述无人机前往第一待确认位置，所述第一待确认位置为所述待确认位置集合中重合概率最高的待确认位置；

采集所述第一待确认位置的第一图像，所述第一图像为位于所述第一待确认位置的公司招牌的图像；

对所述第一图像进行文字提取，得到第一文字信息；

判断所述第一文字信息和所述目标对象的信息是否一致；

如果所述第一文字信息和所述目标对象的信息一致，则确定所述第一待确认位置为所述目标对象所在的位置

可选地，若所述第一文字信息和所述目标对象的信息不一致，所述搜索控制模块还用于：

将所述第一待确认位置从所述待确认位置集合中移除，选择所述待确认位置集合中重合概率最高的待确认位置作为新的第一待确认位置。

可选地，所述搜索控制模块还包括语音播放模块；

所述语音播放模块，用于在所述无人机到达所述待确认位置后，控制所述无人机播放预设语音信号，所述预设语音信号用于询问工作人员所述待确认位置是否为所述目标对象所在的位置。

本申请实施例提供了一种目标对象的搜索方法及装置，可以先获取包括由至少一个目标对象可能出现的待确认位置组成的待确认位置集合，然后获取待确认位置集合中每个待确认位置对应的图像信息。接着可以将所述图像信息输入神经网络模型，得到所述多个待确认位置中每个待确认位置的重合概率。最后根据所述重合概率对所述多个待确认位置进行排序，控制无人机按顺序对所述多个待确认位置进行搜索。这样一来，可以控制无人机根据待确认位置为目标对象所在的位置的概率的大小，依次对多个待确认位置进行搜索，无需工作人员依次上门确认，无人机可以按照规划的路线进行目标搜索。如此，可以提高目标搜索的效率，并降低工作人员的工作压力。

附图说明

为更清楚地说明本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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例提供的目标对象的搜索方法的方法流程图；

图2为本申请实施例提供的目标对象的搜索装置的一种结构示意图；

图3为本申请实施例提供的目标对象的搜索装置的一种结构示意图；

图4为本申请实施例提供的目标对象的搜索装置的一种结构示意。

具体实施方式

为了提高客户办理业务的体验，银行可以为对公客户提供上门办理业务的服务。工作人员可以根据客户预留的地址前往客户所在的地址办理业务。但是，由于客户所在的位置或街道名称可能发生变化，工作人员根据客户预留的地址可能无法找到客户所在的位置。

虽然工作人员可以在办理业务前通过电话确认客户所在的地点，但是由于客户地址改变的同时电话往往也会改变，导致工作人员无法通过电话确认公司所在的地址。那么，工作人员不得不亲自前往多个可能的位置进行确认，导致确定客户的地址往往是办理对公业务的过程中消耗时间最多的环节。

与银行对公业务遇到的问题类似，许多应用场景中都存在需要工作人员亲自前往待确认的位置进行确认的问题。例如在隧道巡检、仓库巡逻等场景中，都需要工作人员亲自前往可能出现问题的位置进行确认。这不但增加了工作人员的工作强度，而且有大量时间浪费在前往待确认位置的过程中，降低了工作人员的工作效率。

为了给出能够代替工作人员对待确认位置进行确认的技术方案，本申请提供了一种目标对象的搜索方法，以下将从后台服务器的角度对本申请优选实施例进行说明。需要说明的是，本申请实施例以寻找公司可能的地点为例进行说明，并不限定本申请提供的方法的应用场景。本申请实施例提供的目标对象的搜索方法也可以应用于其他需要确认目标对象位置的场景。

参见图1，图1为本申请实施例提供的目标对象的搜索方法的方法流程图，包括：

S101：获取待确认位置集合。

在本申请实施例中，服务器可以先获取目标对象可能所在的位置，即待确认位置，以便后续控制无人机前往待确认位置进行确认。例如，以目标对象为客户公司所在的位置为例，服务器可以将客户预留的地址作为待确认位置，还可以通过网络搜索客户公司其他可能的位置，并将所搜结果作为另一个待确认位置，也可以将通过电话咨询或其他方式得到的公司可能的位置作为待确认位置。

在本申请实施例中，为了便于后续处理，服务器可以将至少一个待确认位置作为待确认位置集合。

S102：获取所述待确认位置集合中每个待确认位置对应的图像信息。

为了确定无人机前往至少一个待确认位置的顺序，在本申请实施例中，服务器可以获取待确认位置集合中每个待确认位置对应的图像信息。具体地，服务器数据库中可以包括预先获取的多个位置的图像信息，那么在服务器需要获取图像信息时，服务器可以根据待确认位置的地理位置信息从数据库中获取相应地图像信息。在一些可能的实现方式中，待确认位置对应的图像信息也可以由无人机前往待确认位置进行拍摄，或者通过从具有全景功能的地图类应用程序中获取，本申请实施例图像信息的来源及获取方法不做进一步限定。

S103：将所述图像信息输入神经网络模型，得到所述至少一个待确认位置中每个待确认位置的重合概率。

在本申请实施例中，待确认位置的重合概率表示该待确认位置为目标对象所在的位置的概率，即目标对象位于该待确认位置的可能性，例如可以表示客户公司的位置在该待确认位置的概率。为了得到待确认位置集合中每个待确认位置的重合概率，服务器可以将每个待确认位置对应的图像信息输入神经网络模型，通过对图像信息进行图像识别确定待确认位置的重合概率。其中，神经网络模型可以由技术人员预先训练得到。

另外，考虑到图像信息中可能包含大量无用信息，导致计算重合概率的效率较低，在一些可能的实现方式中，服务器可以先对图像信息进行特征提取，并将图像的特征值输入神经网络模型进行识别。例如，服务器可以提取图像信息中包括的文字信息作为特征值，并将文字信息输入神经网络模型，从而得到文字信息与目标对象对应的概率。服务器还可以从图像信息中提取可能是公司标志的图像作为特征值，并通过神经网络模型判断其中是否包括目标对象的公司的标志。如此，通过对图像信息进行预处理，并将得到的特征值输入神经网络模型，可以提高计算得到的重合概率的准确性，并提高处理效率。

S104：根据所述重合概率对所述至少一个待确认位置进行排序，控制无人机按顺序对所述至少一个待确认位置进行搜索。

在得到待确认位置集合中每个待确认位置的重合概率后，服务器可以根据重合概率的大小对待确认位置集合中的至少一个待确认位置进行排序，并控制无人机按顺序对待确认位置进行搜索。例如服务器可以按照重合概率从高到低的顺序待确认位置进行排序，将重合概率最高的待确认位置作为第一个待确认位置。服务器可以控制无人机从第一个待确认位置进行搜索，并在搜索结束后前往第二个待确认位置。

以上为服务器如何控制无人机按顺序对多个待确认位置进行确认，下面介绍无人机的具体控制方法。

在本申请实施例中，可以将待确认位置集合中重合概率最高的待确认位置作为第一待确认位置信息。由于第一待确认位置是目标对象所在的位置的概率最高，那么服务器可以控制无人机先确认第一待确认位置是否为目标对象所在的位置。具体地，服务器可以控制无人机前往第一待确认位置，并采集第一待确认位置的第一图像。其中，第一图像可以是位于第一待确认位置的公司招牌的图像，可以由无人机对位于第一待确认位置的公司的招牌进行拍摄得到。

在拍摄到第一图像后，无人机可以通过网络将第一图像发送给服务器，以便服务器可以对第一图像进行文字提取，得到第一文字信息。在得到第一文字信息后，服务器可以比较文字信息与目标对象的信息是否一致。如果文字信息与目标对象的信息一致，则说明第一图像即为目标对象对应的图像。那么可以确定第一待确认位置为目标对象所在的位置，本次对目标对象的搜索结束。这样一来，控制无人机首先对重合概率最高的第一待确认位置进行搜索，可以提高目标对象的搜索效率；通过获取位于第一待确认位置的公司的招牌图像信息，并对图像信息进行文字提取，可以获取位于第一待确认位置的公司的名称，那么仅需比较该位于第一待确认位置的公司的名称与目标对象的名称是否相同，即可确定目标对象是否位于第一待确认位置。如此，不但提高了目标对象的搜索效率，还提高了对目标对象的搜索的精确度。

如果服务器可以比较文字信息与目标对象的信息得到的结果为不一致，则说明该第一待确认位置并不是目标对象所在的位置。那么，服务器可以将第一待确认位置从待确认位置中移除，并将新的待确认位置集合中重合概率最高的待确认位置作为新的第一待确认位置，从而控制无人机对新的第一待确认位置进行搜索。如此，通过调整待确认位置集合，可以控制无人机依次对待确认位置集合中多个待确认位置进行搜索。

进一步地，考虑到第一图像中可能不包括公司的招牌信息，或位于第一待确认位置的公司没有悬挂招牌，在一些可能的实现方式中，服务器还可以通过控制无人机播放语音进行确认。具体地，在控制无人机到达待确认位置后，服务器可以控制无人机播放预设语音信号，其中，预设语音信号可以包括目标对象的名称，用于询问待确认位置的工作人员该待确认位置是否为目标对象所在的位置。如此，可以提高目标对象搜索的准确率。

本申请实施例提供了一种目标对象的搜索方法，可以先获取包括由至少一个目标对象可能出现的待确认位置组成的待确认位置集合，然后获取待确认位置集合中每个待确认位置对应的图像信息。接着可以将所述图像信息输入神经网络模型，得到所述多个待确认位置中每个待确认位置的重合概率。最后根据所述重合概率对所述多个待确认位置进行排序，控制无人机按顺序对所述多个待确认位置进行搜索。这样一来，可以控制无人机根据待确认位置为目标对象所在的位置的概率的大小，依次对多个待确认位置进行搜索，无需工作人员依次上门确认，无人机可以按照规划的路线进行目标搜索。如此，可以提高目标搜索的效率，并降低工作人员的工作压力。

以上为本申请实施例提供目标对象的搜索方法的一些具体实现方式，基于此，本申请还提供了对应的装置。下面将从功能模块化的角度对本申请实施例提供的上述装置进行介绍。

参见图2所示的目标对象的搜索装置的结构示意图，该装置200包括：

位置获取模块210，用于获取待确认位置集合，所述待确认位置集合中包括至少一个待确认位置，所述待确认位置为所述目标对象可能的位置。

图像获取模块220，用于获取所述待确认位置集合中每个待确认位置对应的图像信息。

概率计算模块230，用于将所述图像信息输入神经网络模型，得到所述至少一个待确认位置中每个待确认位置的重合概率，所述重合概率表示所述待确认位置为所述目标对象所在的位置的概率。

搜索控制模块240，用于根据所述重合概率对所述至少一个待确认位置进行排序，控制无人机按顺序对所述至少一个待确认位置进行搜索。

本申请实施例提供了一种目标对象的搜索装置，可以先获取包括由至少一个目标对象可能出现的待确认位置组成的待确认位置集合，然后获取待确认位置集合中每个待确认位置对应的图像信息。接着可以将所述图像信息输入神经网络模型，得到所述多个待确认位置中每个待确认位置的重合概率。最后根据所述重合概率对所述多个待确认位置进行排序，控制无人机按顺序对所述多个待确认位置进行搜索。这样一来，可以控制无人机根据待确认位置为目标对象所在的位置的概率的大小，依次对多个待确认位置进行搜索，无需工作人员依次上门确认，无人机可以按照规划的路线进行目标搜索。如此，可以提高目标搜索的效率，并降低工作人员的工作压力。

可选地，参见图3，在图2所示装置的基础上，所述概率计算模块230包括：

特征提取模块231，用于对所述图像信息进行特征提取，得到所述图像信息的特征值。

模型输入模块232，用于将所述图像信息的特征值输入神经网络模型。

如此，通过对图像信息进行预处理，并将得到的特征值输入神经网络模型，可以提高计算得到的重合概率的准确性，并提高处理效率。

可选地，在一些可能的实现方式中，所述搜索控制模块240具体用于：

控制所述无人机前往第一待确认位置，所述第一待确认位置为所述待确认位置集合中重合概率最高的待确认位置。

采集所述第一待确认位置的第一图像，所述第一图像为位于所述第一待确认位置的公司招牌的图像。

对所述第一图像进行文字提取，得到第一文字信息。

判断所述第一文字信息和所述目标对象的信息是否一致。

如果所述第一文字信息和所述目标对象的信息一致，则确定所述第一待确认位置为所述目标对象所在的位置。

这样一来，控制无人机首先对重合概率最高的第一待确认位置进行搜索，可以提高目标对象的搜索效率；通过获取位于第一待确认位置的公司的招牌图像信息，并对图像信息进行文字提取，可以获取位于第一待确认位置的公司的名称，那么仅需比较该位于第一待确认位置的公司的名称与目标对象的名称是否相同，即可确定目标对象是否位于第一待确认位置。如此，不但提高了目标对象的搜索效率，还提高了对目标对象的搜索的精确度。

可选地，在一些可能的实现方式中，所述搜索控制模块240还用于

将所述第一待确认位置从所述待确认位置集合中移除，选择所述待确认位置集合中重合概率最高的待确认位置作为新的第一待确认位置。

如此，通过调整待确认位置集合，可以控制无人机依次对待确认位置集合中多个待确认位置进行搜索。

可选地，参见图4，在图2所示装置的基础上，所述搜索控制模块240还包括语音播放模块241；

所述语音播放模块241，用于在所述无人机到达所述待确认位置后，控制所述无人机播放预设语音信号，所述预设语音信号用于询问工作人员所述待确认位置是否为所述目标对象所在的位置。

如此，可以提高目标搜索的效率，并降低工作人员的工作压力。

通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到上述实施例方法中的全部或部分步骤可借助软件加通用硬件平台的方式来实现。基于这样的理解，本申请的技术方案可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如只读存储器(英文：read-only memory，ROM)/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者诸如路由器等网络通信设备)执行本申请各个实施例或者实施例的某些部分所述的方法。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

以上所述仅是本申请示例性的实施方式，并非用于限定本申请的保护范围。

Claims (10)

1.一种目标对象的搜索方法，其特征在于，所述方法包括：

获取待确认位置集合，所述待确认位置集合中包括至少一个待确认位置，所述待确认位置为所述目标对象所在可能的位置；

获取所述待确认位置集合中每个待确认位置对应的图像信息；

将所述图像信息输入神经网络模型，得到所述至少一个待确认位置中每个待确认位置的重合概率，所述重合概率表示所述待确认位置为所述目标对象所在的位置的概率；

根据所述重合概率对所述至少一个待确认位置进行排序，控制无人机按顺序对所述至少一个待确认位置进行搜索。

2.根据权利要求1所述的方法，其特征在于，所述将所述图像信息输入神经网络模型包括：

对所述图像信息进行特征提取，得到所述图像信息的特征值；

将所述图像信息的特征值输入神经网络模型。

3.根据权利要求1所述的方法，其特征在于，所述控制无人机按顺序对所述至少一个待确认位置进行搜索包括：

控制所述无人机前往第一待确认位置，所述第一待确认位置为所述待确认位置集合中重合概率最高的待确认位置；

采集所述第一待确认位置的第一图像，所述第一图像为位于所述第一待确认位置的公司招牌的图像；

对所述第一图像进行文字提取，得到第一文字信息；

判断所述第一文字信息和所述目标对象的信息是否一致；

如果所述第一文字信息和所述目标对象的信息一致，则确定所述第一待确认位置为所述目标对象所在的位置。

4.根据权利要求3所述的方法，其特征在于，若所述第一文字信息和所述目标对象的信息不一致，所述方法还包括：

将所述第一待确认位置从所述待确认位置集合中移除，选择所述待确认位置集合中重合概率最高的待确认位置作为新的第一待确认位置。

5.根据权利要求1所述的方法，其特征在于，所述控制无人机按顺序对所述至少一个待确认位置进行搜索还包括：

在所述无人机到达所述待确认位置后，控制所述无人机播放预设语音信号，所述预设语音信号用于询问工作人员所述待确认位置是否为所述目标对象所在的位置。

6.一种目标对象的搜索装置，其特征在于，所述装置包括：

位置获取模块，用于获取待确认位置集合，所述待确认位置集合中包括至少一个待确认位置，所述待确认位置为所述目标对象可能的位置；

图像获取模块，用于获取所述待确认位置集合中每个待确认位置对应的图像信息；

概率计算模块，用于将所述图像信息输入神经网络模型，得到所述至少一个待确认位置中每个待确认位置的重合概率，所述重合概率表示所述待确认位置为所述目标对象所在的位置的概率；

搜索控制模块，用于根据所述重合概率对所述至少一个待确认位置进行排序，控制无人机按顺序对所述至少一个待确认位置进行搜索。

7.根据权利要求6所述的装置，其特征在于，所述概率计算模块包括：

特征提取模块，用于对所述图像信息进行特征提取，得到所述图像信息的特征值；

模型输入模块，用于将所述图像信息的特征值输入神经网络模型。

8.根据权利要求6所述的装置，其特征在于，所述搜索控制模块具体用于：

控制所述无人机前往第一待确认位置，所述第一待确认位置为所述待确认位置集合中重合概率最高的待确认位置；

采集所述第一待确认位置的第一图像，所述第一图像为位于所述第一待确认位置的公司招牌的图像；

对所述第一图像进行文字提取，得到第一文字信息；

判断所述第一文字信息和所述目标对象的信息是否一致；

如果所述第一文字信息和所述目标对象的信息一致，则确定所述第一待确认位置为所述目标对象所在的位置。

9.根据权利要求8所述的装置，其特征在于，若所述第一文字信息和所述目标对象的信息不一致，所述搜索控制模块还用于：

将所述第一待确认位置从所述待确认位置集合中移除，选择所述待确认位置集合中重合概率最高的待确认位置作为新的第一待确认位置。

10.根据权利要求6所述的装置，其特征在于，所述搜索控制模块还包括语音播放模块；

所述语音播放模块，用于在所述无人机到达所述待确认位置后，控制所述无人机播放预设语音信号，所述预设语音信号用于询问工作人员所述待确认位置是否为所述目标对象所在的位置。