CN114461657A - 兴趣点信息的更新方法、装置、电子设备及存储介质 - Google Patents
兴趣点信息的更新方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114461657A CN114461657A CN202210137483.4A CN202210137483A CN114461657A CN 114461657 A CN114461657 A CN 114461657A CN 202210137483 A CN202210137483 A CN 202210137483A CN 114461657 A CN114461657 A CN 114461657A
- Authority
- CN
- China
- Prior art keywords
- image
- interest
- information
- recognition
- point
- 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.)
- Pending
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
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/23—Updating
-
- 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
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/90335—Query processing
- G06F16/90344—Query processing by using string matching techniques
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Remote Sensing (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了一种兴趣点信息的更新方法、装置、电子设备及存储介质,涉及计算机技术领域,尤其涉及计算机视觉、智能地图技术领域。具体实现方案为:获取第一图像,确定该第一图像对应的兴趣点;在该第一图像和该兴趣点符合预设条件的情况下,根据该第一图像的时间信息获取该兴趣点的第二图像;将该第一图像和该第二图像作为备选图像,根据每一张备选图像的识别置信度,从该备选图像中确定目标图像;基于从该目标图像中获取的目标内容,更新该兴趣点的信息。采用该方案,可以从大量的图像中快速确定质量最佳的图像,然后采取置信度最高的识别方式得到该图像的识别结果,再利用识别结果更新对应的兴趣点信息,保证兴趣点信息的实时性和准确性。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及计算机视觉、智能地图技术领域,特别涉及一种兴趣点信息的更新方法、装置、电子设备及存储介质。
背景技术
兴趣点(Point of Interest,POI)泛指一切可以抽象为点的地理对象,尤其是与人们生活密切相关的地理实体,如学校、银行、餐馆、医院、超市等。在电子地图领域,地图数据更新是一种常规的数据处理操作,如何快速获取最新的POI数据,提高地图数据的更新效率,以保证地图数据的实时性和准确性,是智能地图技术领域关注的热点问题。
发明内容
本公开提供了一种兴趣点信息的更新方法、装置、电子设备以及存储介质。
根据本公开的一方面,提供了一种兴趣点信息的更新方法,该方法包括以下步骤:获取第一图像,确定所述第一图像对应的兴趣点;在所述第一图像和所述兴趣点符合预设条件的情况下,根据所述第一图像的时间信息获取所述兴趣点的第二图像;将所述第一图像和所述第二图像作为备选图像,根据每一张备选图像的识别置信度,从所述备选图像中确定目标图像;基于从所述目标图像中获取的目标内容,更新所述兴趣点的信息。
根据本公开的另一方面,提供了一种兴趣点信息的更新装置,该装置包括:第一获取模块,用于获取第一图像,确定所述第一图像对应的兴趣点;第二获取模块,用于在所述第一图像和所述兴趣点符合预设条件的情况下,根据所述第一图像的时间信息获取所述兴趣点的第二图像;确定模块,用于将所述第一图像和所述第二图像作为备选图像,根据每一张备选图像的识别置信度,从所述备选图像中确定目标图像;更新模块,用于基于从所述目标图像中获取的目标内容,更新所述兴趣点的信息。
根据本公开的另一方面,提供了一种电子设备,包括:
至少一个处理器;以及
与该至少一个处理器通信连接的存储器;其中,
该存储器存储有可被该至少一个处理器执行的指令,该指令被该至少一个处理器执行,以使该至少一个处理器能够执行本公开任一实施例中的方法。
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,该计算机指令用于使计算机执行本公开任一实施例中的方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序/指令,其特征在于,该计算机程序/指令被处理器执行时实现本公开任一实施例中的方法。
本公开的技术,先通过获取的第一图像确定对应的兴趣点,在该兴趣点符合预设的更新条件的情况下,获取相关的多个图像组成备选图像,然后根据每一张备选图像的置信度,从中获取最优的目标图像,再根据最优目标图像的目标内容,更新对应的兴趣点。通过上述方案,可以从海量的图像中获取待更新兴趣点的最优图像,然后从该最优图像中提取目标信息用于兴趣点的更新,即节约的计算资源,又可以快速、准确、实时地更新兴趣点的相关信息。
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,不构成对本公开的限定。其中:
图1是根据本公开一实施例的兴趣点信息的更新方法的流程示意图;
图2是根据本公开一实施例的图像识别示意图;
图3是根据本公开另一实施例的兴趣点信息的更新方法的流程示意图;
图4是根据本公开又一实施例的兴趣点信息的更新方法的示意图;
图5是根据本公开一实施例的兴趣点信息的更新装置的结构示意图;
图6是根据本公开另一实施例的兴趣点信息的更新装置的结构示意图;
图7是用来实现本公开实施例的兴趣点信息的更新方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开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,而不会背离本公开的范围和精神。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。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合,例如,包括A、B、C中的至少一种,可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。本文中术语“第一”、“第二”表示指代多个类似的技术用语并对其进行区分,并不是限定顺序的意思,或者限定只有两个的意思,例如,第一特征和第二特征,是指代有两类/两个特征,第一特征可以为一个或多个,第二特征也可以为一个或多个。
另外,为了更好的说明本公开,在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解,没有某些具体细节,本公开同样可以实施。在一些实例中,对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述,以便于凸显本公开的主旨。
随着包含POI的电子地图的普及,如何准确、高效获取POI信息成为了亟待解决的问题。对于店铺类的POI来说,现有技术中可以通过提取扫街照片上的信息来获取POI信息。比如针对店铺类POI的电话信息,经统计30%的店铺招牌上包含电话信息,因此,如果能精确提取出店铺招牌的照片中的电话信息,淘汰人工输入的传统方式,可以大大提升电话数据的采集效率。
现有的方法中,常常通过通用的OCR(Optical Character Recognition,光学字符识别)识别引擎识别实际采集的图像,然后通过正则匹配生产出图像中的目标信息(比如电话)。但是,现有技术中包含如下缺点:
第一,实际采集的店铺图像多种多样,大多数情况下,每个店铺在一年内被采集图像的次数高于10次,如何从众多的采集图像中筛选出高质量的图像进行目标内容的生产和更新存在一定的难度。
第二,实际采集的店铺图像中文字内容多样,比如包含店铺招牌的图像中往往包含招牌主体名称、经营范围、广告、地址、电子邮箱和电话等等,如何精准地从众多内容中筛选出目标内容存在较大的难度。
第三,实际采集的店铺图像多数由行车记录仪拍摄,拍摄距离远,图像质量低,现有的文本识别方法往往难以准确提取出招牌的电话信息,如果对每一张低质量的图像都进行文本识别,毫无疑问会造成资源的浪费。
根据本公开的实施例,提供了一种兴趣点信息的更新方法,图1是根据本公开一实施例的兴趣点信息的更新方法的流程示意图,具体包括:
S101:获取第一图像,确定该第一图像对应的兴趣点;
一示例中,该第一图像是和POI相关的图像,可以是人为现场拍摄的照片,可以是行车记录仪拍摄的照片,可以是航拍照片等等,此处对于第一图像的获取方式不做具体限定;第一图像的内容可以包含POI店铺的招牌、POI的门脸等等。分析第一图像的信息,确定第一图像对应的兴趣点。具体地,可以通过第一图像的采集坐标,结合地图信息进行匹配,得到与第一图像匹配的POI。
S102:在该第一图像和该兴趣点符合预设条件的情况下,根据该第一图像的时间信息获取该兴趣点的第二图像;
一示例中,先判断该兴趣点是否符合预设条件,在该兴趣点符合预设条件的情况下,再判断第一图像是否符合预设条件。
一示例中,在该兴趣点为待更新兴趣点并且该第一图像包含该目标内容的情况下,根据该第一图像的时间信息获取该兴趣点的第二图像。其中,待更新兴趣点需要至少满足以下两个条件:第一,该兴趣点是有效兴趣点,即该兴趣点属于可提取行业,如是违法店铺或是政策中涉密的POI均属于不可提取的行业,可提取行业可以通过查阅现有的表格确认。第二,该兴趣点的最近一次更新时间不能太近,比如设置1个月为预设的阈值,然后判断该兴趣点最近的一次更新时间是否在距今一个月之内,如果该兴趣点在一个月内有更新,则该兴趣点不属于待更新兴趣点。通过上述方案,在确定第一图像对应的兴趣点是待更新兴趣点的前提下再进行后续操作,防止对不必要更新的兴趣点进行图像识别,从而减少了冗余的识别工作。
一示例中,判断“第一图像是否包含目标内容”的具体步骤如下所示:首先,采用至少两种文字识别方法判断该第一图像是否包含目标内容,得到对应的至少两种概率值;然后,根据该至少两种概率值判断该第一图像是否包含目标内容。具体地,以“目标内容”是“电话”为例,通过至少两种文字识别方法对第一图像进行识别,比如分别通过版面分析和OCR数字正则匹配识别第一图像中是否存在电话,得到两种概率值。通过预设的方式处理这些概率值,比如两种概率值取平局值或加权相加;然后判断处理后的概率值是否超过预设的阈值,在超过阈值的情况下,则确定第一图像包括目标内容,允许进行后续的处理步骤。通过上述步骤,可以准确判断第一图像中是否包含目标内容,如果不包含就不进行后续的详细识别,以防止冗余识别过程对资源的占用和对时间的浪费。
一示例中,通过如下方式获取第二图像,具体包括:先从该第一图像的时间信息中获取该第一图像的采集时间,根据该采集时间确定时间范围;然后将采集时间符合该时间范围的该兴趣点的图像作为预选第二图像;具体地,根据第一图像的采集时间,获取同一个POI的预选第二图像,该预选第二图像的采集时间和第一图像的采集时间之间满足预设条件,比如,二者采集时间差距不能超过三周。然后,将未曾用于更新该兴趣点的信息的该预选第二图像作为该兴趣点的第二图像。采用上述方案,得到与第一图像采集时间相近的图像作为第二图像,然后再排除曾经用于更新兴趣点的图像,剩下的第一和第二图像将在后续的步骤中被筛选,以得到用于更新兴趣点的目标图像,这样操作可以获取时间相近的多个相关图像作为更新兴趣点的备选图像,并排除已经用于更新兴趣点的图像,为识别兴趣点信息准备充分且不重复的素材,提高后期识别的准确度和整个识别过程的效率。
S103:将该第一图像和该第二图像作为备选图像,根据每一张备选图像的识别置信度,从该备选图像中确定目标图像;
一示例中,如图2所示,每个备选图像(对应图中的招牌1至招牌N)都通过多种方式(版面分析+文字识别)识别其中的目标信息,最终确定最优的图像并从中获取目标内容,其中,通过版面分析,可以得到图像中每部分的识别框类型,比如如图中所示的POI名称识别框以及电话识别框;从电话识别框中,可以得到目标内容的识别结果,即是具体电话。具体操作中,采取多种方式进行识别,并得到多种识别置信度,对多种识别置信度进行加权操作得到最终置信度,然后根据该最终置信度从多个备选图像中选取最优的图像作为目标图像。
S104:基于从该目标图像中获取的目标内容,更新该兴趣点的信息。
一示例中,获取目标内容之后,会根据该内容的可信度以及是否与兴趣点的信息重合,确定更新兴趣点信息的具体方式。
一示例中,上述步骤具体包括:获取该目标图像的识别置信度;根据该识别置信度,采取预设的识别方法获取目标内容;实际步骤中,可以选择多种方式对目标图像进行识别,然后选取置信度最高的一种识别方式对应的结果作为目标内容,经过如此处理,可以选取置信度最高的识别方式对应的结果,保证识别结果的准确性。接下来,判断该目标内容与该兴趣点的信息是否一致;在该目标内容与该兴趣点的信息一致的情况下,利用该目标内容更新该兴趣点的信息,以目标内容是电话为例,得到刚识别出的电话后,与兴趣点的现有电话作比较,如果不同,再进行替换的步骤,避免不必要的替换操作。
一示例中,根据该识别置信度,采取预设的识别方法获取目标内容,具体包括:在该识别置信度符合预设阈值的情况下,将该识别置信度对应的识别结果作为目标内容;在该识别置信度不符合预设阈值的情况下,采用人工识别并将人工识别结果作为目标内容;由此可知,如果选出最优的目标图像后,即使采取置信度最高的识别方式其识别置信度也不能达到可信标准的情况下,则采用人工的方式对该图像进行识别。采用该方案,针对质量不太好的图像,比如被障碍物遮挡等的图像,可以转换为人工的方式进行识别,以保证识别结果的准确。
采用上述方案,可以从海量的兴趣点图像中,自动化选取最优的图像,然后利用该最优图像的识别内容更新兴趣点信息。另,在更新的同时,还会随时判断是否符合更新条件,以此避免不必要的更新或冗余的操作,最终在有效节约计算资源的前提下,高效、准确地更新兴趣点信息,保证兴趣点信息的实时性和准确性。
一示例中,如图3所示,上述步骤S103具体包括:
S301:分别获取该每一张备选图像的第一识别置信度,该第一识别置信度为采用文字识别方法对该备选图像进行文字别后获得;具体地,文字识别方法可以是版面分析或是OCR数字正则匹配等,本公开不做限制。
S302:提取该每一张备选图像的文字识别结果的字符特征,根据该字符特征与预设字符规则的匹配程度,得到该每一张备选图像的第二识别置信度;具体地,以提取的目标内容是电话为例,在提取每一张备选图像的字符特征后,判断其与“电话”的预设字符规则是否匹配,比如:从图像中识别的字符的位数是否符合常见电话的位数,如符合手机的位数,字符的第一位是否是“1”,等等。
S303:根据得到的第一识别置信度和第二识别置信度,从所有备选图像中确定目标图像,即对多个第一识别执行度和第二识别置信度进行数据处理,得到一个最终的置信度,然后基于该最终置信度从备选图像中选出最优的目标图像。通过上述方案,创新性地融合多种识别方法(比如融合OCR和版面分析方法),并结合字符预设规则,以选出最优的目标图像。
应用示例:
应用本申请实施例一处理流程包括如下内容,流程示意图如图4所示,其中,目标内容在本实施例中为商铺电话:
一、实采招牌图像并查表过滤
此步骤中,主要通过查表确定招牌图像对应的兴趣点是否符合预设条件,包括该兴趣点是否属于可提取行业,或是上一次更新时间是否在预设时间内(比如在三个月内)。如果是不可提取行业,或者预设时间内有更新,就不进行后续操作。
二、判断招牌图像中是否包括目标内容
此步骤是对招牌图像进行初步分析,具体可采取版面分析和OCR数字正则匹配的方法,分别判断招牌图像中是否包括电话。其中,OCR方法可采用DBNET和ABINET模型;版面分析则可以针对招牌上的文字区域进行分类,例如区分出名称、电话、经营范围、广告及其他等区域,一示例中,版面分析采用SOLOV2+LayoutXLM做区域分割。如果两种分析都得到有电话的判断结果,则进行下一步。
三、获取预设时间段内的所有相关图像
此步骤中,通过查表的方式,获得和实采招牌图像符合预设关系的所有图像及其是否被识别的相关信息,比如获取三个月内获得的、对应同一个兴趣点的全部图像,然后确定这些图像是否被作业,即是否被用于读取其中的电话或用于更新兴趣点信息。如果获得的所有图像都没有被作业,判断可能因为对应的兴趣点是不可提取行业导致图像都没有被作业,则放弃作业;如获得的所有图像都未作业,则对所有图像进行后续操作;如果获得的所有图像有一部分被作业了,就筛选出未被作业的图像,进行下一步的操作。
采取此步骤,主要是考虑到相关图像很多都是通过车辆的行驶记录仪自动采集,存在大量重复图像,因此需要针对一段时间内的招牌进行过滤,不进行电话生产。在实际系统中,添加“正则匹配+版面分析”模块,并将分析后的结果实时写入到招牌库,这样,待电话生产环节直接从招牌库获取相关信息即可进行后续操作,不必要每一次都具体识别。
四、选取最优招牌图像
此步骤中,利用版面分析和OCR分别对每一张招牌图像进行电话的识别,然后得到版面分析和OCR的置信度;另,针对识别出的结果,看其与预设字符规则的匹配程度,比如看识别出电话的数字个数,也就是数字长度。综合版面分析和OCR的置信度以及数字长度,三项加权融合最后得到每一个图像的置信度,根据该置信度选取最优招牌。
具体地,可以根据置信度将备选图像进行排序,并且滤掉之前经过人工识别的招牌图像。从多个招牌中选出质量较好的招牌,推动到人工生产或者直接自动化生产出电话。
五、上线电话
根据最优招牌的信息,通过自动或人工的方式识别出招牌上的电话,然后将电话上线,即更新兴趣点的相关信息。
根据公开的实施例,提供了一种兴趣点信息的更新装置500,图5是根据本公开实施例的兴趣点信息的更新装置的结构示意图,如图5所示,包括:
第一获取模块501,用于获取第一图像,确定该第一图像对应的兴趣点;
第二获取模块502,用于在该第一图像和该兴趣点符合预设条件的情况下,根据该第一图像的时间信息获取该兴趣点的第二图像;
确定模块503,用于将该第一图像和该第二图像作为备选图像,根据每一张备选图像的识别置信度,从该备选图像中确定目标图像;
更新模块504,用于基于从该目标图像中获取的目标内容,更新该兴趣点的信息。
一示例中,上述第二获取模块502用于:
在该兴趣点为待更新兴趣点并且该第一图像包含该目标内容的情况下,根据该第一图像的时间信息获取该兴趣点的第二图像。
一示例中,上述第二获取模块502还用于:采用至少两种文字识别方法判断该第一图像是否包含目标内容,得到对应的至少两种概率值;
根据该至少两种概率值判断该第一图像是否包含目标内容。
一示例中,上述第二获取模块502用于:
从该第一图像的时间信息中获取该第一图像的采集时间,根据该采集时间确定时间范围;
将采集时间符合该时间范围的该兴趣点的图像作为预选第二图像;
将未曾用于更新该兴趣点的信息的该预选第二图像作为该兴趣点的第二图像。
一示例中,如图6所示,上述确定模块503包括:
第一置信度获取单元601,用于分别获取该每一张备选图像的第一识别置信度,该第一识别置信度为采用文字识别方法对该备选图像进行文字别后获得;
第二置信度获取单元602,用于提取该每一张备选图像的文字识别结果的字符特征,根据该字符特征与预设字符规则的匹配程度,得到该每一张备选图像的第二识别置信度;
目标确定单元603,用于根据得到的第一识别置信度和第二识别置信度,从所有备选图像中确定目标图像。
一示例中,上述更新模块504用于:
获取该目标图像的识别置信度;
根据该识别置信度,采取预设的识别方法获取目标内容;
判断该目标内容与该兴趣点的信息是否一致;
在该目标内容与该兴趣点的信息一致的情况下,利用该目标内容更新该兴趣点的信息。
其中,该根据该识别置信度,采取预设的识别方法获取目标内容,包括:
在该识别置信度符合预设阈值的情况下,将该识别置信度对应的识别结果作为目标内容;
在该识别置信度不符合预设阈值的情况下,采用人工识别并将人工识别结果作为目标内容。
本申请实施例各装置中的各模块的功能可以参见上述方法中的对应描述,在此不再赘述。
本公开的技术方案中,所涉及的用户个人信息的获取,存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图7示出了可以用来实施本公开的实施例的示例电子设备700的示意性框图。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/或者要求的本公开的实现。
如图7所示,设备700包括计算单元701,其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序,来执行各种适当的动作和处理。在RAM703中,还可存储设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
设备700中的多个部件连接至I/O接口705,包括:输入单元706,例如键盘、鼠标等;输出单元707,例如各种类型的显示器、扬声器等;存储单元708,例如磁盘、光盘等;以及通信单元709,例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理,例如兴趣点信息的更新方法。例如,在一些实施例中,兴趣点信息的更新方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元708。在一些实施例中,计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到RAM 703并由计算单元701执行时,可以执行上文描述的兴趣点信息的更新方法的一个或多个步骤。备选地,在其他实施例中,计算单元701可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行兴趣点信息的更新方法。
本文中以上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、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、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。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
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)和互联网。
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。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
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,本发公开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,只要能够实现本公开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,并不构成对本公开保护范围的限制。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。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (17)
1.一种兴趣点信息的更新方法,包括:
获取第一图像,确定所述第一图像对应的兴趣点;
在所述第一图像和所述兴趣点符合预设条件的情况下,根据所述第一图像的时间信息获取所述兴趣点的第二图像;
将所述第一图像和所述第二图像作为备选图像,根据每一张备选图像的识别置信度,从所述备选图像中确定目标图像;
基于从所述目标图像中获取的目标内容,更新所述兴趣点的信息。
2.根据权利要求1所述的方法,其中,所述在所述第一图像和所述兴趣点符合预设条件的情况下,根据所述第一图像的时间信息获取所述兴趣点的第二图像,包括:
在所述兴趣点为待更新兴趣点并且所述第一图像包含所述目标内容的情况下,根据所述第一图像的时间信息获取所述兴趣点的第二图像。
3.根据权利要求2所述的方法,还包括:
采用至少两种文字识别方法判断所述第一图像是否包含目标内容,得到对应的至少两种概率值;
根据所述至少两种概率值判断所述第一图像是否包含目标内容。
4.根据权利要求1所述的方法,其中,所述根据所述第一图像的时间信息获取所述兴趣点的第二图像,包括:
从所述第一图像的时间信息中获取所述第一图像的采集时间,根据所述采集时间确定时间范围;
将采集时间符合所述时间范围的所述兴趣点的图像作为预选第二图像;
将未曾用于更新所述兴趣点的信息的所述预选第二图像作为所述兴趣点的第二图像。
5.根据权利要求1所述的方法,其中,所述根据每一张备选图像的识别置信度,从所述备选图像中确定目标图像,包括:
分别获取所述每一张备选图像的第一识别置信度,所述第一识别置信度为采用文字识别方法对所述备选图像进行文字别后获得;
提取所述每一张备选图像的文字识别结果的字符特征,根据所述字符特征与预设字符规则的匹配程度,得到所述每一张备选图像的第二识别置信度;
根据得到的第一识别置信度和第二识别置信度,从所有备选图像中确定目标图像。
6.根据权利要求1所述的方法,其中,所述基于从所述目标图像中获取的目标内容,更新所述兴趣点的信息,包括:
获取所述目标图像的识别置信度;
根据所述识别置信度,采取预设的识别方法获取目标内容;
判断所述目标内容与所述兴趣点的信息是否一致;
在所述目标内容与所述兴趣点的信息一致的情况下,利用所述目标内容更新所述兴趣点的信息。
7.根据权利要求6所述的方法,其中,所述根据所述识别置信度,采取预设的识别方法获取目标内容,包括:
在所述识别置信度符合预设阈值的情况下,将所述识别置信度对应的识别结果作为目标内容;
在所述识别置信度不符合预设阈值的情况下,采用人工识别并将人工识别结果作为目标内容。
8.一种兴趣点信息的更新装置,包括:
第一获取模块,用于获取第一图像,确定所述第一图像对应的兴趣点;
第二获取模块,用于在所述第一图像和所述兴趣点符合预设条件的情况下,根据所述第一图像的时间信息获取所述兴趣点的第二图像;
确定模块,用于将所述第一图像和所述第二图像作为备选图像,根据每一张备选图像的识别置信度,从所述备选图像中确定目标图像;
更新模块,用于基于从所述目标图像中获取的目标内容,更新所述兴趣点的信息。
9.根据权利要求8所述的装置,其中,所述第二获取模块用于:
在所述兴趣点为待更新兴趣点并且所述第一图像包含所述目标内容的情况下,根据所述第一图像的时间信息获取所述兴趣点的第二图像。
10.根据权利要求9所述的转置,所述第二获取模块还用于:
采用至少两种文字识别方法判断所述第一图像是否包含目标内容,得到对应的至少两种概率值;
根据所述至少两种概率值判断所述第一图像是否包含目标内容。
11.根据权利要求8所述的装置,其中,所述第二获取模块用于:
从所述第一图像的时间信息中获取所述第一图像的采集时间,根据所述采集时间确定时间范围;
将采集时间符合所述时间范围的所述兴趣点的图像作为预选第二图像;
将未曾用于更新所述兴趣点的信息的所述预选第二图像作为所述兴趣点的第二图像。
12.根据权利要求8所述的装置,其中,所述确定模块包括:
第一置信度获取单元,用于分别获取所述每一张备选图像的第一识别置信度,所述第一识别置信度为采用文字识别方法对所述备选图像进行文字别后获得;
第二置信度获取单元,用于提取所述每一张备选图像的文字识别结果的字符特征,根据所述字符特征与预设字符规则的匹配程度,得到所述每一张备选图像的第二识别置信度;
目标确定单元,用于根据得到的第一识别置信度和第二识别置信度,从所有备选图像中确定目标图像。
13.根据权利要求8所述的装置,其中,所述更新模块用于:
获取所述目标图像的识别置信度;
根据所述识别置信度,采取预设的识别方法获取目标内容;
判断所述目标内容与所述兴趣点的信息是否一致;
在所述目标内容与所述兴趣点的信息一致的情况下,利用所述目标内容更新所述兴趣点的信息。
14.根据权利要求13所述的装置,其中,所述根据所述识别置信度,采取预设的识别方法获取目标内容,包括:
在所述识别置信度符合预设阈值的情况下,将所述识别置信度对应的识别结果作为目标内容;
在所述识别置信度不符合预设阈值的情况下,采用人工识别并将人工识别结果作为目标内容。
15.一种电子设备,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权利要求1-7中任一项所述的方法。
16.一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根据权利要求1-7中任一项所述的方法。
17.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210137483.4A CN114461657A (zh) | 2022-02-15 | 2022-02-15 | 兴趣点信息的更新方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210137483.4A CN114461657A (zh) | 2022-02-15 | 2022-02-15 | 兴趣点信息的更新方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114461657A true CN114461657A (zh) | 2022-05-10 |
Family
ID=81413109
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210137483.4A Pending CN114461657A (zh) | 2022-02-15 | 2022-02-15 | 兴趣点信息的更新方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114461657A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116383326A (zh) * | 2023-04-06 | 2023-07-04 | 腾讯科技(深圳)有限公司 | 兴趣点数据的位置信息更新方法、装置和计算机设备 |
-
2022
- 2022-02-15 CN CN202210137483.4A patent/CN114461657A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116383326A (zh) * | 2023-04-06 | 2023-07-04 | 腾讯科技(深圳)有限公司 | 兴趣点数据的位置信息更新方法、装置和计算机设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107657267B (zh) | 产品潜在用户挖掘方法及装置 | |
CN112016855B (zh) | 基于关系网匹配的用户行业识别方法、装置和电子设备 | |
CN113205403A (zh) | 一种企业信用等级的计算方法、装置、存储介质及终端 | |
CN113378855A (zh) | 用于处理多任务的方法、相关装置及计算机程序产品 | |
CN113033966A (zh) | 风险目标识别方法、装置、电子设备和存储介质 | |
CN116340548A (zh) | 一种数据处理方法、装置、电子设备和存储介质 | |
CN114461657A (zh) | 兴趣点信息的更新方法、装置、电子设备及存储介质 | |
CN114549058A (zh) | 选址方法、装置、电子设备和可读存储介质 | |
CN114581794A (zh) | 地理数字孪生信息获取方法、装置、电子设备及存储介质 | |
US10963690B2 (en) | Method for identifying main picture in web page | |
CN113780297A (zh) | 图像处理方法、装置、设备以及存储介质 | |
CN113378768A (zh) | 垃圾桶状态识别方法、装置、设备以及存储介质 | |
CN113204695A (zh) | 网站识别方法和装置 | |
CN112396060A (zh) | 基于身份证分割模型的身份证识别方法及其相关设备 | |
CN114724113B (zh) | 道路标牌识别方法、自动驾驶方法、装置和设备 | |
CN115761698A (zh) | 一种目标检测方法、装置、设备及存储介质 | |
CN113869317A (zh) | 车牌识别方法、装置、电子设备和存储介质 | |
CN112507223A (zh) | 数据处理方法、装置、电子设备及可读存储介质 | |
CN113962799A (zh) | 一种风控模型的训练方法、风险确定方法、装置、设备 | |
CN113033431A (zh) | 光学字符识别模型训练和识别方法、装置、设备及介质 | |
CN113051490A (zh) | 新增兴趣点预测模型训练、新增兴趣点预测方法及装置 | |
CN113807390A (zh) | 模型训练方法、装置、电子设备及存储介质 | |
CN113079052A (zh) | 模型训练、物联网数据识别方法、装置、设备及存储介质 | |
CN108399192B (zh) | 一种小区信息匹配方法及装置 | |
CN114428887B (zh) | 点击数据去噪方法、装置、电子设备及存储介质 |
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 |