CN111832483A - 一种兴趣点有效性识别方法、装置、设备以及存储介质 - Google Patents
一种兴趣点有效性识别方法、装置、设备以及存储介质 Download PDFInfo
- Publication number
- CN111832483A CN111832483A CN202010674733.9A CN202010674733A CN111832483A CN 111832483 A CN111832483 A CN 111832483A CN 202010674733 A CN202010674733 A CN 202010674733A CN 111832483 A CN111832483 A CN 111832483A
- Authority
- CN
- China
- Prior art keywords
- poi
- text
- door face
- image
- determining
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 230000015654 memory Effects 0.000 claims description 19
- 238000001514 detection method Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 2
- 208000035126 Facies Diseases 0.000 claims 4
- 238000013473 artificial intelligence Methods 0.000 abstract description 5
- 238000013135 deep learning Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 8
- 238000013527 convolutional neural network Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000012015 optical character recognition Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- PCTMTFRHKVHKIS-BMFZQQSSSA-N (1s,3r,4e,6e,8e,10e,12e,14e,16e,18s,19r,20r,21s,25r,27r,30r,31r,33s,35r,37s,38r)-3-[(2r,3s,4s,5s,6r)-4-amino-3,5-dihydroxy-6-methyloxan-2-yl]oxy-19,25,27,30,31,33,35,37-octahydroxy-18,20,21-trimethyl-23-oxo-22,39-dioxabicyclo[33.3.1]nonatriaconta-4,6,8,10 Chemical compound C1C=C2C[C@@H](OS(O)(=O)=O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2.O[C@H]1[C@@H](N)[C@H](O)[C@@H](C)O[C@H]1O[C@H]1/C=C/C=C/C=C/C=C/C=C/C=C/C=C/[C@H](C)[C@@H](O)[C@@H](C)[C@H](C)OC(=O)C[C@H](O)C[C@H](O)CC[C@@H](O)[C@H](O)C[C@H](O)C[C@](O)(C[C@H](O)[C@H]2C(O)=O)O[C@H]2C1 PCTMTFRHKVHKIS-BMFZQQSSSA-N 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/40—Document-oriented image-based pattern recognition
- G06V30/42—Document-oriented image-based pattern recognition based on the type of document
- G06V30/422—Technical drawings; Geographical maps
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开了一种兴趣点有效性识别方法、装置、设备以及存储介质，涉及电子地图、人工智能、以及深度学习技术领域。具体实现方案为：依据兴趣点POI图像数据，确定POI门脸文本；依据POI图像采集位置和所述POI门脸文本，从电子地图中确定关联POI；依据所述POI门脸文本与搬迁词表中词语的匹配结果，识别所述关联POI的有效性。以解决目前判断POI是否失效方案成本高且效率低下的问题，降低了成本，且能够高效精准识别出电子地图中已有POI是否失效，为识别电子地图中已有POI是否失效提供了一种新思路。
Description
技术领域
本申请涉及数据处理领域，尤其涉及电子地图、人工智能、以及深度学习技术，具体涉及一种兴趣点有效性识别方法、装置、设备以及存储介质。
背景技术
随着信息技术的发展，电子地图的出现为人们的生活提供了便利。其中，兴趣点(Point of Interest，POI)是电子地图中不可或缺的组成部分，其数据在生产中通常会以拍摄实体店门脸招牌的形式进行采集和加工，但是现实中存在招牌还在却已不再营业的实体店，这使得地图中存在失效POI。然而目前主要通过人工多轮实地采集或电话核实判断POI是否失效，成本高且效率低。
发明内容
本公开实施例提供了一种兴趣点有效性识别方法、装置、设备以及存储介质，以高效且低成本识别兴趣点POI是否失效。
根据本公开的一方面，提供了一种兴趣点有效性识别方法，该方法包括：
依据兴趣点POI图像数据，确定POI门脸文本；
依据POI图像采集位置和所述POI门脸文本，从电子地图中确定关联POI；
依据所述POI门脸文本与搬迁词表中词语的匹配结果，识别所述关联POI的有效性。
根据本公开的另一方面，提供了一种兴趣点有效性识别装置，该装置包括：
POI门脸文本确定模块，用于依据兴趣点POI图像数据，确定POI门脸文本；
关联POI确定模块，用于依据POI图像采集位置和所述POI门脸文本，从电子地图中确定关联POI；
有效性识别模块，用于依据所述POI门脸文本与搬迁词表中词语的匹配结果，识别所述关联POI的有效性。
根据本公开的另一方面，提供了一种电子设备，该电子设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本申请任一实施例所述的兴趣点有效性识别方法。
根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行本申请任一实施例所述的兴趣点有效性识别方法。
根据本申请的技术解决了目前判断POI是否失效方案成本高且效率低下的问题，降低了成本，且能够高效精准识别出电子地图中已有POI是否失效，为识别电子地图中已有POI是否失效提供了一种新思路。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1是根据本申请实施例提供的一种兴趣点有效性识别方法的流程图；
图2是根据本申请实施例提供的另一种兴趣点有效性识别方法的流程图；
图3是根据本申请实施例提供的另一种兴趣点有效性识别方法的流程图；
图4是根据本申请实施例提供的一种兴趣点有效性识别装置的结构示意图；
图5是用来实现本申请实施例的兴趣点有效性识别方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
图1是根据本申请实施例提供的一种兴趣点有效性识别方法的流程图。本申请实施例适用于如何高效且低成本识别出电子地图中已有POI是否失效的情况。该实施例可以由兴趣点有效性识别装置来执行，该装置可以采用软件和/或硬件来实现，并可集成于承载兴趣点有效性识别功能的电子设备上，如服务器上，进一步可以是电子地图应用程序的服务器上。如图1所示，该方法包括：
S101，依据兴趣点POI图像数据，确定POI门脸文本。
本实施例中，POI图像数据可以是利用采集终端采集的包括POI门脸图的图像数据。可选的，一个POI图像数据中可以包括一个或多个POI门脸图；所谓POI门脸图是一个POI的真实写照和身份象征，可以包括招牌以及门面等POI对外展示区域的图。POI门脸文本即为对POI门脸图进行识别所得到的。可选的，一个POI门脸图对应一个POI门脸文本。
具体的，可以利用人工从POI图像数据中选择POI门脸图，或者，可以采用人工智能技术如图像识别技术等对POI图像数据进行处理，得到POI门脸图；而后利用文本识别技术对POI门脸图进行识别，即可得到POI门脸文本。
由于人工选择成本高，同时质量不太可控制，无法保证所选出的POI门脸图的效果，本实施例优选采用人工智能技术对POI图像数据进行处理。进一步的，为了能够自动准确的从POI图像数据中挑选出POI门脸图，本实施例可以采用人工智能技术如对神经网络模型进行训练，得到门脸检测模型。由于神经网络中的卷积神经网络在图像识别领域，其特有的权值共享网络结构，很大程度上降低了模型复杂度，减少了权值数量，可直接将多维图像数据作为输入数据展开训练，有效避免了传统识别算法中复杂的特征提取和数据重建过程。因此，本实施例优选采用对深度卷积神经网络进行训练，得到门脸检测模型。
进而依据兴趣点POI图像数据，确定POI门脸文本可以是：基于门脸检测模型，依据POI图像数据得到POI门脸图；对POI门脸图进行文本识别，得到POI门脸文本。具体的，可以基于预先训练的门脸检测模型，从POI图像数据中获取POI门脸图；之后利用光学学符识别技术(OCR，Optical Character Recognition)对POI门脸图进行识别，即可得到POI门脸文本。本实施例基于门脸检测模型，来确定POI门脸图，极大的提高了POI门脸图识别的准确度，为后续精准判断电子地图中已有POI是否有效奠定了基础。
S102，依据POI图像采集位置和POI门脸文本，从电子地图中确定关联POI。
本实施例中，POI图像采集位置是采集终端采集POI图像数据时，基于定位装置如基于GPS的定位装置所获取的。可选的，POI图像采集位置可以包括经纬度坐标。所谓关联POI即为电子地图中已有POI，也就是说在电子地图中标注的POI。
具体的，可以将POI图像采集位置和POI门脸文本作为搜索词，从电子地图中进行查找，即可得到关联POI。
可以理解的是，POI门脸图中包括POI招牌图像，对应的POI门脸文本中包括招牌文本，由于现实中实体店即POI的招牌中包括其名称，进而招牌文本中包括名称数据。因此为了快速确定关联POI，可选的，可依据POI图像采集位置和POI门脸文本中的招牌文本，从电子地图中确定关联POI。具体的，可以从POI门脸文本中获取招牌文本，之后将POI图像采集位置和招牌文本作为搜索词，从电子地图中进行查找，即可得到关联POI。
可选的，一个POI门脸文本，对应一个关联POI。需要说明的是，若一个POI图像数据中包括多个POI门脸图，即依据一个POI图像数据可得到多个POI门脸文本，进而可确定多个关联POI。
S103，依据POI门脸文本与搬迁词表中词语的匹配结果，识别关联POI的有效性。
本实施例中，搬迁词表是预先构建的，可以由常用搬迁词语构成。其中，常用搬迁词语可以包括但不限于“转让”、“招租”、“出租”、“搬迁”、以及“转租”等。
具体的，在确定关联POI之后，可以将POI门脸文本与搬迁词语中的词语进行匹配，进而依据匹配结果，可准确识别出关联POI的有效性，即关联POI是否失效。可选的，若POI门脸文本命中搬迁词表中任一词语，则可以确定关联POI失效；若POI门脸文本未命中搬迁词表中任一词语，则可以确定关联POI有效。本实施例限定了一种确定关联POI是否失效的条件。
需要说明的是，目前通过人工对某一区域进行多轮实地采集，并基于采集结果判断电子地图中已有POI是否失效(如将区域内未采集到的POI标记为失效)方案，不仅成本高，采集难度大，效率低，而且准确度也无法保证；同时通过人工电话核实判断POI是否失效方案，也存在成本高且效率低的问题。而本实施例，通过充分利用一个POI图像数据，结合预先构建的搬迁词表等，即可准确识别出电子地图中已有POI的有效性，即POI是否失效，降低了采集难度、人工成本，同时提高了效率。此外，在一个POI图像数据中包括多个POI门脸图的情况下，采用本实施例的方案可同时判断出多个POI的有效性，即多个POI是否失效，进一步提高了效率，也扩大了使用场景。
本申请实施例的技术方案，通过依据POI图像采集位置和基于POI图像数据所确定的POI门脸文本，可从电子地图中确定关联POI；之后依据POI门脸文本与搬迁词表中词语的匹配结果，可准确识别出所确定的关联POI的有效性，即POI是否失效，解决了目前判断POI是否失效方案成本高且效率低下的问题，降低了成本，且能够高效精准识别出电子地图中已有POI是否失效，为识别电子地图中已有POI是否失效提供了一种新思路。
图2是根据本申请实施例提供的另一种兴趣点有效性识别方法的流程图。本实施例在上述实施例的基础上，提供了一种确定POI门脸文本的方案。如图2所示，该方法具体包括：
S201，对POI图像数据进行处理，得到POI招牌图像位置。
本实施例中，所谓POI招牌图像位置即为POI招牌图像在POI图像数据中的位置，具体为POI招牌图像轮廓的顶点坐标(即顶点的像素坐标)。可选的，可以采用招牌检测模型对POI图像数据进行处理，进而得到POI招牌图像位置。其中，招牌检测模型是预先基于卷积神经网络(如快速卷积神经网络)训练得到。
具体的，可以将POI图像数据输入招牌检测模型，该模型输出POI招牌图像位置，即POI招牌图像轮廓的顶点坐标。例如，招牌为四边形，则POI招牌图像位置即为四边形的四个顶点坐标。
S202，依据POI招牌图像位置，确定POI门脸图像区域。
本实施例中，POI门脸图像区域可以为包括招牌以及门面等POI对外展示的区域。
由于实际场景中，门面和招牌通常在同一纵向空间内，且招牌在门面的上方，基于此特征，依据POI招牌图像位置，即可确定POI门脸图像区域。具体的，可以依据POI招牌图像位置，确定POI招牌图像区域。例如，招牌为四边形，且四个顶点分别为A、B、C、以及D，进而依据A、B、C、以及D的坐标，可得到一个四边形ABCD即POI招牌图像区域。之后将POI招牌图像区域两侧的边向下延伸出一条射线，整合POI招牌图像区域以及两个射线内包含的区域即可得到POI门脸图像区域。
S203，依据POI门脸图像区域，从POI图像数据中确定POI门脸图。
具体的，在确定POI门脸图像区域之后，可以从POI图像数据中获取POI门脸图像区域内的图像，并将所获取的图像作为POI门脸图。
可以理解的是，现实中各实体店即POI的门面复杂多样，进而以POI门脸图作为训练集，训练深度卷积神经网络，以得到门脸检测模型的难度相对较大。而现实中各实体店即POI的招牌样式比较规律(如一般为四边形等)，且门面和招牌通常在同一纵向空间内(如招牌在门面的上方)，本实施例中确定POI门脸图的方案实质是一种基于招牌确定POI门脸图，不仅可准确得到POI门脸图，而且使用场景更广泛。
S204，对POI门脸图进行文本识别，得到POI门脸文本。
例如，可以利用OCR技术对POI门脸图进行识别，即可得到POI门脸文本。
S205，依据POI图像采集位置和POI门脸文本，从电子地图中确定关联POI。
S206，依据POI门脸文本与搬迁词表中词语的匹配结果，识别关联POI的有效性。
本申请实施例的技术方案，结合实际场景，通过以POI照片图像位置为桥梁，充分利用POI图像数据，即可得到POI门脸图，进一步提高了确定POI门脸图的准确度；同时结合文本识别技术，可得到POI门脸文本。另外本申请通过依据POI图像采集位置和所确定的POI门脸文本，可从电子地图中确定关联POI；之后依据POI门脸文本与搬迁词表中词语的匹配结果，可准确识别出所确定的关联POI的有效性，即POI是否失效，降低了成本，且能够高效精准识别出电子地图中已有POI是否失效，为识别电子地图中已有POI是否失效提供了一种新思路。
图3是根据本申请实施例提供的另一种兴趣点有效性识别方法的流程图。本实施例在上述实施例的基础上，提供了一种确定关联POI的方案。如图3所示，该方法具体包括：
S301，依据兴趣点POI图像数据，确定POI门脸文本。
S302，依据POI图像采集位置，从电子地图中确定候选POI。
可选的，可以以POI图像采集位置为中心，按照预设半径如100m在电子地图中进行查找，可得到多个候选POI。
S303，依据POI门脸文本中的招牌文本与候选POI的名称数据之间的相似度，确定关联POI。
本实施例中，可以利用POI门脸图中招牌和门面之间的位置关系，从POI门脸文本中提取招牌文本。还可以直接从POI招牌图像中获取招牌文本，例如，可以依据POI招牌图像位置，从POI图像数据中确定POI招牌图像；对POI招牌图像进行文本识别，得到招牌文本。具体的，可以依据POI招牌图像位置，确定POI招牌图像区域；从POI图像数据中获取POI招牌图像区域内的图像，并将所获取的图像作为POI招牌图像；之后利用OCR技术对POI招牌图像进行识别，即可得到招牌文本。本实施例中，直接基于POI招牌图像确定招牌文本的方式，进一步保证了招牌文本的准确度，同时降低了识别难度。
招牌文本与候选POI的名称数据之间的相似度用于表征两个文本之间的相关程度。可选的，可以采用现有的文本向量方式，对招牌文本进行向量化，得到招牌特征；同时，针对每一候选POI，也可采用现有的文本向量方式，对该候选POI的名称数据进行向量化，得到名称特征；之后，求解该名称特征与招牌特征之间的余弦相似度，并求解得到的将余弦相似度作为招牌文本与该候选POI之间的相似度。此外，还可以采用最长公共子序列(LongestCommon Subsequence，LCS)算法，或者基于关键词的深度学习模型等。
在得到每一候选POI的名称数据与招牌文本之间的相似度之后，可以将最大相似度所对应的候选POI作为关联POI。进一步的，为了保证所选的关联POI的准确度，可以设置一定阈值，进而将大于一定阈值，且最大的相似度所对应的候选POI作为关联POI。
S304，依据POI门脸文本与搬迁词表中词语的匹配结果，识别关联POI的有效性。
本申请实施例的技术方案，通过利用POI图像采集位置可从电子地图中获取多个候选POI，并基于POI门脸文本中的招牌文本与候选POI的名称数据之间的相似度，从多个候选POI中确定关联POI，提供了一种基于相似度准确确定关联POI的方法。另外本申请依据POI门脸文本与搬迁词表中词语的匹配结果，可准确识别出所确定的关联POI的有效性，即POI是否失效，降低了成本，且能够高效精准识别出电子地图中已有POI是否失效，为识别电子地图中已有POI是否失效提供了一种新思路。
图4是根据本申请实施例提供的一种兴趣点有效性识别装置的结构示意图。本申请实施例适用于如何高效且低成本识别出电子地图中已有POI是否失效的情况。该装置可实现本申请任意实施例所述的兴趣点有效性识别方法。该装置可集成于电子设备中，该电子设备可以是服务器，进一步可以是电子地图应用程序的服务器等。该装置400具体包括：
POI门脸文本确定模块401，用于依据兴趣点POI图像数据，确定POI门脸文本；
关联POI确定模块402，用于依据POI图像采集位置和POI门脸文本，从电子地图中确定关联POI；
有效性识别模块403，用于依据POI门脸文本与搬迁词表中词语的匹配结果，识别关联POI的有效性。
本申请实施例的技术方案，通过依据POI图像采集位置和基于POI图像数据所确定的POI门脸文本，可从电子地图中确定关联POI；之后依据POI门脸文本与搬迁词表中词语的匹配结果，可准确识别出所确定的关联POI的有效性，即POI是否失效，解决了目前判断POI是否失效方案成本高且效率低下的问题，降低了成本，且能够高效精准识别出电子地图中已有POI是否失效，为识别电子地图中已有POI是否失效提供了一种新思路。
示例性的，POI门脸文本确定模块401具体用于：
基于门脸检测模型，依据POI图像数据得到POI门脸图；
对POI门脸图进行文本识别，得到POI门脸文本。
示例性的，POI门脸文本确定模块401还具体用于：
对POI图像数据进行处理，得到POI招牌图像位置；
依据POI招牌图像位置，确定POI门脸图像区域；
依据POI门脸图像区域，从POI图像数据中确定POI门脸图；
对POI门脸图进行文本识别，得到POI门脸文本。
示例性的，关联POI确定模块402具体用于：
依据POI图像采集位置，从电子地图中确定候选POI；
依据POI门脸文本中的招牌文本与候选POI的名称数据之间的相似度，确定关联POI。
示例性的，上述装置还包括：
招牌图像确定模块，用于依据POI招牌图像位置，从POI图像数据中确定POI招牌图像；
招牌文本确定模块，用于对POI招牌图像进行文本识别，得到招牌文本。
示例性的，有效性识别模块403具体用于：
若POI门脸文本命中搬迁词表中任一词语，则确定关联POI失效。
根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。
如图5所示，是根据本申请实施例的兴趣点有效性识别方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图5所示，该电子设备包括：一个或多个处理器501、存储器502，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图5中以一个处理器501为例。
存储器502即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的兴趣点有效性识别方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的兴趣点有效性识别方法。
存储器502作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的兴趣点有效性识别方法对应的程序指令/模块(例如，附图4所示的POI门脸文本确定模块401、关联POI确定模块402和有效性识别模块403)。处理器501通过运行存储在存储器502中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的兴趣点有效性识别方法。
存储器502可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据兴趣点有效性识别方法的电子设备的使用所创建的数据等。此外，存储器502可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器502可选包括相对于处理器501远程设置的存储器，这些远程存储器可以通过网络连接至兴趣点有效性识别方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、区块链网络、局域网、移动通信网及其组合。
兴趣点有效性识别方法的电子设备还可以包括：输入装置503和输出装置504。处理器501、存储器502、输入装置503和输出装置504可以通过总线或者其他方式连接，图5中以通过总线连接为例。
输入装置503可接收输入的数字或字符信息，以及产生与兴趣点有效性识别方法的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置504可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、互联网和区块链网络。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的技术方案，通过依据POI图像采集位置和基于POI图像数据所确定的POI门脸文本，可从电子地图中确定关联POI；之后依据POI门脸文本与搬迁词表中词语的匹配结果，可准确识别出所确定的关联POI的有效性，即POI是否失效，解决了目前判断POI是否失效方案成本高且效率低下的问题，降低了成本，且能够高效精准识别出电子地图中已有POI是否失效，为识别电子地图中已有POI是否失效提供了一种新思路
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。
Claims (14)
1.一种兴趣点有效性识别方法，包括：
依据兴趣点POI图像数据，确定POI门脸文本；
依据POI图像采集位置和所述POI门脸文本，从电子地图中确定关联POI；
依据所述POI门脸文本与搬迁词表中词语的匹配结果，识别所述关联POI的有效性。
2.根据权利要求1所述的方法，其中，依据兴趣点POI图像数据，确定POI门脸文本，包括：
基于门脸检测模型，依据所述POI图像数据得到POI门脸图；
对所述POI门脸图进行文本识别，得到所述POI门脸文本。
3.根据权利要求1所述的方法，其中，依据兴趣点POI图像数据，确定POI门脸文本，包括：
对所述POI图像数据进行处理，得到POI招牌图像位置；
依据所述POI招牌图像位置，确定POI门脸图像区域；
依据所述POI门脸图像区域，从所述POI图像数据中确定POI门脸图；
对所述POI门脸图进行文本识别，得到所述POI门脸文本。
4.根据权利要求1至3任一所述的方法，其中，依据POI图像采集位置和所述POI门脸文本，从电子地图中确定关联POI，包括：
依据所述POI图像采集位置，从电子地图中确定候选POI；
依据所述POI门脸文本中的招牌文本与所述候选POI的名称数据之间的相似度，确定所述关联POI。
5.根据权利要求4所述的方法，还包括：
依据所述POI招牌图像位置，从所述POI图像数据中确定POI招牌图像；
对所述POI招牌图像进行文本识别，得到所述招牌文本。
6.根据权利要求1所述的方法，其中，依据所述POI门脸文本与搬迁词表中词语的匹配结果，识别所述关联POI的有效性，包括：
若所述POI门脸文本命中所述搬迁词表中任一词语，则确定所述关联POI失效。
7.一种兴趣点有效性识别装置，包括：
POI门脸文本确定模块，用于依据兴趣点POI图像数据，确定POI门脸文本；
关联POI确定模块，用于依据POI图像采集位置和所述POI门脸文本，从电子地图中确定关联POI；
有效性识别模块，用于依据所述POI门脸文本与搬迁词表中词语的匹配结果，识别所述关联POI的有效性。
8.根据权利要求7所述的装置，其中，所述POI门脸文本确定模块具体用于：
基于门脸检测模型，依据所述POI图像数据得到POI门脸图；
对所述POI门脸图进行文本识别，得到所述POI门脸文本。
9.根据权利要求7所述的装置，其中，所述POI门脸文本确定模块还具体用于：
对所述POI图像数据进行处理，得到POI招牌图像位置；
依据所述POI招牌图像位置，确定POI门脸图像区域；
依据所述POI门脸图像区域，从所述POI图像数据中确定POI门脸图；
对所述POI门脸图进行文本识别，得到所述POI门脸文本。
10.根据权利要求7至9任一所述的装置，其中，所述关联POI确定模块具体用于：
依据所述POI图像采集位置，从电子地图中确定候选POI；
依据所述POI门脸文本中的招牌文本与所述候选POI的名称数据之间的相似度，确定所述关联POI。
11.根据权利要求10所述的装置，还包括：
招牌图像确定模块，用于依据所述POI招牌图像位置，从所述POI图像数据中确定POI招牌图像；
招牌文本确定模块，用于对所述POI招牌图像进行文本识别，得到所述招牌文本。
12.根据权利要求7所述的装置，其中，所述有效性识别模块具体用于：
若所述POI门脸文本命中所述搬迁词表中任一词语，则确定所述关联POI失效。
13.一种电子设备，其中，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6中任一项所述的兴趣点有效性识别方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的兴趣点有效性识别方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010674733.9A CN111832483B (zh) | 2020-07-14 | 2020-07-14 | 一种兴趣点有效性识别方法、装置、设备以及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010674733.9A CN111832483B (zh) | 2020-07-14 | 2020-07-14 | 一种兴趣点有效性识别方法、装置、设备以及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111832483A true CN111832483A (zh) | 2020-10-27 |
| CN111832483B CN111832483B (zh) | 2024-03-08 |
Family
ID=72923119
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010674733.9A Active CN111832483B (zh) | 2020-07-14 | 2020-07-14 | 一种兴趣点有效性识别方法、装置、设备以及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111832483B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112818972A (zh) * | 2020-12-25 | 2021-05-18 | 北京百度网讯科技有限公司 | 兴趣点图像的检测方法、装置、电子设备及存储介质 |
Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130166196A1 (en) * | 2011-12-21 | 2013-06-27 | Telenav, Inc. | Navigation system with point of interest validation mechanism and method of operation thereof |
| CN103399885A (zh) * | 2013-07-19 | 2013-11-20 | 百度在线网络技术（北京）有限公司 | 兴趣点代表图片的挖掘方法、装置和服务器 |
| CN104572956A (zh) * | 2014-12-29 | 2015-04-29 | 北京奇虎科技有限公司 | 确定poi信息有效性的系统及方法 |
| CN105468679A (zh) * | 2015-11-13 | 2016-04-06 | 中国人民解放军国防科学技术大学 | 一种旅游信息处理与方案提供方法 |
| CN106302664A (zh) * | 2016-08-03 | 2017-01-04 | 百度在线网络技术（北京）有限公司 | 一种兴趣点失效校验的方法和装置 |
| CN107562958A (zh) * | 2017-09-30 | 2018-01-09 | 百度在线网络技术（北京）有限公司 | 地图兴趣点失效挖掘方法、装置、服务器及存储介质 |
| CN107729459A (zh) * | 2017-09-30 | 2018-02-23 | 百度在线网络技术（北京）有限公司 | 地图兴趣点失效挖掘方法、装置、设备和计算机可读存储介质 |
| CN107798110A (zh) * | 2017-11-01 | 2018-03-13 | 百度在线网络技术（北京）有限公司 | 兴趣点地址校验方法、装置、服务器及存储介质 |
| CN108197203A (zh) * | 2017-12-28 | 2018-06-22 | 百度在线网络技术（北京）有限公司 | 一种门脸头图挑选方法、装置、服务器和存储介质 |
| CN109062988A (zh) * | 2018-06-29 | 2018-12-21 | 百度在线网络技术（北京）有限公司 | 街景图像的更新方法及装置 |
| CN109145219A (zh) * | 2018-09-10 | 2019-01-04 | 百度在线网络技术（北京）有限公司 | 基于互联网文本挖掘的兴趣点有效性判断方法和装置 |
| CN109446433A (zh) * | 2018-12-24 | 2019-03-08 | 北京百度网讯科技有限公司 | 一种兴趣点失效校验方法、装置、服务器及存储介质 |
| CN109582880A (zh) * | 2018-12-04 | 2019-04-05 | 百度在线网络技术（北京）有限公司 | 兴趣点信息处理方法、装置、终端及存储介质 |
| CN110019616A (zh) * | 2017-12-04 | 2019-07-16 | 腾讯科技（深圳）有限公司 | 一种poi现势状态获取方法及其设备、存储介质、服务器 |
| CN110163209A (zh) * | 2019-05-24 | 2019-08-23 | 北京百度网讯科技有限公司 | 失效poi数据挖掘方法、装置、服务器及存储介质 |
| CN110647607A (zh) * | 2018-12-29 | 2020-01-03 | 北京奇虎科技有限公司 | 一种基于图片识别的poi数据的验证方法和装置 |
| CN110851738A (zh) * | 2019-10-28 | 2020-02-28 | 百度在线网络技术（北京）有限公司 | 获取poi状态信息的方法、装置、设备和计算机存储介质 |
-
2020
- 2020-07-14 CN CN202010674733.9A patent/CN111832483B/zh active Active
Patent Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130166196A1 (en) * | 2011-12-21 | 2013-06-27 | Telenav, Inc. | Navigation system with point of interest validation mechanism and method of operation thereof |
| CN103399885A (zh) * | 2013-07-19 | 2013-11-20 | 百度在线网络技术（北京）有限公司 | 兴趣点代表图片的挖掘方法、装置和服务器 |
| CN104572956A (zh) * | 2014-12-29 | 2015-04-29 | 北京奇虎科技有限公司 | 确定poi信息有效性的系统及方法 |
| CN105468679A (zh) * | 2015-11-13 | 2016-04-06 | 中国人民解放军国防科学技术大学 | 一种旅游信息处理与方案提供方法 |
| CN106302664A (zh) * | 2016-08-03 | 2017-01-04 | 百度在线网络技术（北京）有限公司 | 一种兴趣点失效校验的方法和装置 |
| CN107562958A (zh) * | 2017-09-30 | 2018-01-09 | 百度在线网络技术（北京）有限公司 | 地图兴趣点失效挖掘方法、装置、服务器及存储介质 |
| CN107729459A (zh) * | 2017-09-30 | 2018-02-23 | 百度在线网络技术（北京）有限公司 | 地图兴趣点失效挖掘方法、装置、设备和计算机可读存储介质 |
| CN107798110A (zh) * | 2017-11-01 | 2018-03-13 | 百度在线网络技术（北京）有限公司 | 兴趣点地址校验方法、装置、服务器及存储介质 |
| CN110019616A (zh) * | 2017-12-04 | 2019-07-16 | 腾讯科技（深圳）有限公司 | 一种poi现势状态获取方法及其设备、存储介质、服务器 |
| CN108197203A (zh) * | 2017-12-28 | 2018-06-22 | 百度在线网络技术（北京）有限公司 | 一种门脸头图挑选方法、装置、服务器和存储介质 |
| CN109062988A (zh) * | 2018-06-29 | 2018-12-21 | 百度在线网络技术（北京）有限公司 | 街景图像的更新方法及装置 |
| CN109145219A (zh) * | 2018-09-10 | 2019-01-04 | 百度在线网络技术（北京）有限公司 | 基于互联网文本挖掘的兴趣点有效性判断方法和装置 |
| US20200081908A1 (en) * | 2018-09-10 | 2020-03-12 | Baidu Online Network Technology (Beijing) Co., Ltd. | Internet text mining-based method and apparatus for judging validity of point of interest |
| CN109582880A (zh) * | 2018-12-04 | 2019-04-05 | 百度在线网络技术（北京）有限公司 | 兴趣点信息处理方法、装置、终端及存储介质 |
| CN109446433A (zh) * | 2018-12-24 | 2019-03-08 | 北京百度网讯科技有限公司 | 一种兴趣点失效校验方法、装置、服务器及存储介质 |
| CN110647607A (zh) * | 2018-12-29 | 2020-01-03 | 北京奇虎科技有限公司 | 一种基于图片识别的poi数据的验证方法和装置 |
| CN110163209A (zh) * | 2019-05-24 | 2019-08-23 | 北京百度网讯科技有限公司 | 失效poi数据挖掘方法、装置、服务器及存储介质 |
| CN110851738A (zh) * | 2019-10-28 | 2020-02-28 | 百度在线网络技术（北京）有限公司 | 获取poi状态信息的方法、装置、设备和计算机存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 杨小明;: "电子地图兴趣点分类自动标注算法研究", 网络安全技术与应用, no. 03, pages 15 - 17 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112818972A (zh) * | 2020-12-25 | 2021-05-18 | 北京百度网讯科技有限公司 | 兴趣点图像的检测方法、装置、电子设备及存储介质 |
| CN112818972B (zh) * | 2020-12-25 | 2024-03-22 | 北京百度网讯科技有限公司 | 兴趣点图像的检测方法、装置、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111832483B (zh) | 2024-03-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111782977B (zh) | 兴趣点处理方法、装置、设备及计算机可读存储介质 | |
| CN112101339B (zh) | 地图兴趣点的信息获取方法、装置、电子设备和存储介质 | |
| CN113378770A (zh) | 手势识别方法、装置、设备、存储介质以及程序产品 | |
| CN112241716B (zh) | 训练样本的生成方法和装置 | |
| CN111783760A (zh) | 文字识别的方法、装置、电子设备及计算机可读存储介质 | |
| CN112115224B (zh) | 地图数据的辅助质检方法、装置、电子设备及存储介质 | |
| CN111862199A (zh) | 定位方法、装置、电子设备和存储介质 | |
| CN111324746B (zh) | 视觉定位方法、装置、电子设备和计算机可读存储介质 | |
| CN111275827B (zh) | 基于边缘的增强现实三维跟踪注册方法、装置和电子设备 | |
| CN112101013A (zh) | 地点抽取方法、装置、设备以及存储介质 | |
| CN112001265A (zh) | 视频事件识别方法、装置、电子设备及存储介质 | |
| CN110609879B (zh) | 兴趣点判重方法、装置、计算机设备及存储介质 | |
| CN113157829A (zh) | 一种兴趣点名称比对方法、装置、电子设备和存储介质 | |
| CN112328896B (zh) | 用于输出信息的方法、装置、电子设备和介质 | |
| CN111832483B (zh) | 一种兴趣点有效性识别方法、装置、设备以及存储介质 | |
| CN111708477B (zh) | 按键识别方法、装置、设备以及存储介质 | |
| CN112488126A (zh) | 特征图处理方法、装置、设备以及存储介质 | |
| KR20220027000A (ko) | 지리적 위치점들의 공간 관계를 추출하는 방법 및 장치 | |
| CN112577524A (zh) | 信息校正方法和装置 | |
| CN111767990A (zh) | 神经网络的处理方法和装置 | |
| CN114674328B (zh) | 地图生成方法、装置、电子设备、存储介质、及车辆 | |
| CN112200190B (zh) | 兴趣点的位置确定方法、装置、电子设备和存储介质 | |
| CN113420104B (zh) | 兴趣点采全率确定方法、装置、电子设备及存储介质 | |
| CN112558810B (zh) | 检测指尖位置的方法、装置、设备和存储介质 | |
| CN111783609A (zh) | 行人再识别的方法、装置、设备和计算机可读存储介质 |
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 |