CN117271827A - 更新地图中兴趣点的方法、装置、计算机设备及存储介质 - Google Patents

Abstract

本申请公开了一种更新地图中兴趣点的方法、装置、计算机设备及存储介质。方法包括：获取用于更新地图上兴趣点的照片；对照片进行筛选，得到包含兴趣点的目标照片；根据目标照片对地图上的兴趣点进行更新，过滤了大量不存在兴趣点的照片，从而避免对不包含兴趣点的照片进行处理，提高了图片的处理效率，从而可以及时更新地图中的兴趣点。

Description

更新地图中兴趣点的方法、装置、计算机设备及存储介质

技术领域

本说明书涉及地图中兴趣点采集技术领域，尤其涉及一种更新地图中兴趣点的方法、装置、计算机设备及存储介质。

背景技术

目前，为了维护电子地图上兴趣点(Point of Interest，POI)的时效性，需要采集大量的影像，提取影像中的兴趣点。现有方案中是对采集的所有影像均进行兴趣点的提取，即便影像中不包含需要的兴趣点，也会对这些影像进行兴趣点提取的操作，导致大量GPU计算资源被浪费。并且，由于处理了很多不包含需要兴趣点的影像，也降低了对包含需要兴趣点影像的吞吐量，严重影像了对包含需要兴趣点影像的处理效率，无法满足需要。

发明内容

有鉴于此，本说明书实施例提供了一种更新地图中兴趣点的方法、装置、计算机设备及存储介质，用于解决现有技术中对地图中兴趣点的更新不够及时的技术问题。

本说明书实施例采用下述技术方案：

本说明书实施例提供一种更新地图中兴趣点的方法，包括：

获取用于更新地图上兴趣点的照片；

对所述照片进行筛选，得到包含兴趣点的目标照片；

根据所述目标照片对地图上的兴趣点进行更新。

可选地，所述对所述照片进行筛选，包括：

通过预先训练的二分类神经网络提取所述照片的中间特征，其中所述中间特征为通过向量形式表示的所述照片的图像像素；

通过所述二分类神经网络根据所述照片的中间特征对所述照片进行打分，剔除打分低于预设分数阈值的照片，其中打分低于预设分数阈值的照片中不存在兴趣点。

可选地，在所述通过预先训练的二分类神经网络提取所述照片的中间特征之前，还包括：

通过拍摄的包含街景影像的照片、用于拍摄照片的设备的位置以及所述位置预设范围内的兴趣点对所述二分类神经网络进行训练，得到所述预先训练的二分类神经网络。

可选地，所述根据所述目标照片对地图上的兴趣点进行更新，包括：

根据所述目标照片的中间特征对地图上的兴趣点进行更新。

可选地，所述根据所述目标照片的中间特征对地图上的兴趣点进行更新，包括：

根据所述目标照片的中间特征识别所述目标照片的兴趣点的文字信息；

若所述目标照片的兴趣点的文字信息和预先存储在关系数据库中的地图上对应的兴趣点的文字信息不同，将所述目标照片的兴趣点的文字信息替代地图上对应的兴趣点的文字信息。

可选地，所述根据所述目标照片的中间特征识别所述目标照片的兴趣点的文字信息，包括：

根据所述目标照片的中间特征识别兴趣点在目标照片上所在的招牌区域；

对目标照片上兴趣点所在的招牌区域进行分割得到分割后的招牌区域；

识别被分割的招牌区域中包含的文字信息。

可选地，所述获取用于更新地图上兴趣点的照片，包括：

获取照片标识列表，所述照片标识列表存储有用于更新地图上兴趣点的照片的第一照片标识；

将所述第一照片标识和指定存储区域中存储的第二照片标识进行匹配得到用于更新地图上兴趣点的照片；其中，所述指定存储区域中存储有携带第二照片标识的照片。

本说明书实施例还提供了一种更新地图中兴趣点的装置，包括：

获取模块，用于获取用于更新地图上兴趣点的照片；

筛选模块，用于对所述照片进行筛选，得到包含兴趣点的目标照片；

更新模块，用于根据所述目标照片对地图上的兴趣点进行更新。

本说明书实施例还提供了一种计算机设备，包括存储器和处理器，所述存储器内存储有控制程序，所述控制程序被所述处理器执行时用于实现根据上述中任一项所述的更新地图中兴趣点的方法。

本说明书实施例还提供了一种机器可读存储介质，其上存储有机器可执行程序和/或指令，所述机器可执行程序和/或指令被处理器执行时实现根据上述中任一项所述的更新地图中兴趣点的方法。

本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果：

获取用于更新地图上兴趣点的照片；对照片进行筛选，得到包含兴趣点的目标照片；根据目标照片对地图上的兴趣点进行更新，过滤了大量不存在兴趣点的照片，从而避免对不包含兴趣点的照片进行处理，提高了对目标照片的处理效率，具有很高的兴趣点处理性能，保证了电子地图的兴趣点的准确性和新鲜度。该实施例的整个过程无需人工操作，能够自动执行。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本说明书一实施例中更新地图中兴趣点的方法的流程示意图；

图2为本说明书一实施例中用于将目标照片存储到redis数据库的人机界示意图；

图3为本说明书一实施例中二分类神经网络的架构示意图；

图4为本说明书一实施例中识别的文字信息的结构示意图；

图5为本说明书一实施例中更新地图中兴趣点的装置的结构示意框图；

图6为本说明书一实施例中更新地图中兴趣点的装置的架构示意图；

图7为本说明书一实施例中计算机设备的结构示意框图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，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，都属于本申请保护的范围。

以下结合附图，详细说明本说明书各实施例提供的技术方案。

图1为本说明书一实施例中更新地图中兴趣点的方法的流程示意图。参见图1，更新地图中兴趣点(Point of Interest，POI)的方法可以包括以下步骤：

步骤S102：获取用于更新地图上兴趣点的照片；

在本步骤中，照片可以是通过图像采集设备拍摄的。图像采集设备可以为外业采集的专业采集车，也可以为众包用户用于拍摄照片的照相机等采集设备。兴趣点俗称点位，可以由坐标和名称等要素构成，例如可以表示电子地图中的房子、商铺、邮筒或者公交站等，兴趣点还可以理解为招牌。一般情况下，可以将获取的照片进行本地存储。

步骤S104：对照片进行筛选，得到包含兴趣点的目标照片；

可以理解，拍摄的用于更新地图上兴趣点的照片上有些包含兴趣点，有些不包含兴趣点。

步骤S106：根据目标照片对地图上的兴趣点进行更新；

在本步骤中，一般情况下，目标照片可以存储在redis数据库中。redis数据库为内存型数据库，对于单体存储空间小的向量型数值特征，具有存储吞吐高(存、取均比较快速)的特点。本步骤中的目标照片还可以存储到其他类似Redis的内存型数据库中。一般情况下，可以使用SQL语句insert(插入)一条目标照片的标识(order_id)和照片的存储地址(url)的信息即可。一般还可以通过人机界面将目标照片存储到redis数据库，如图2所示，图2为本说明书一实施例中用于将目标照片存储到redis数据库的人机界面示意图，可以通过人机界面连接到Redis服务器，点击插入行按钮，输入标识(order_id)和照片的存储地址(url)即可。标识可以对应人机界面中的key，存储地址可以对应人机界面中的value。

在本实施例中，获取用于更新地图上兴趣点的照片；对照片进行筛选，得到包含兴趣点的目标照片；根据目标照片对地图上的兴趣点进行更新，避免对不包含兴趣点的照片进行处理，提高了对目标照片的处理效率，具有很高的兴趣点处理性能，保证了电子地图的兴趣点的准确性和新鲜度。该实施例的整个过程无需人工操作，能够自动执行，实现了电子地图兴趣点的自动化更新和维护。本实施例每月可以处理4.5亿张照片，相对于其他方案的可以处理2600万张的照片，本实施例在保证目标照片识别精度的前提下，使处理效率得到了大幅提升。

本说明书实施例中，对照片进行筛选，可包括：

通过预先训练的二分类神经网络提取照片的中间特征，其中中间特征可以为通过向量形式表示的照片的图像像素；

通过二分类神经网络根据照片的中间特征对照片进行打分，剔除打分低于预设分数阈值的照片，其中打分低于预设分数阈值的照片中不存在兴趣点。

在本实施例中，二分类神经网络可以看作图片筛选机制或图片过滤机制，是轻量级和高吞吐量的神经网络，一般可以设置在AI平台。通过预先训练的二分类神经网络提取照片的中间特征(intermediate feature)，其中，中间特征可以为通过向量形式表示的照片的图像像素，通过二分类神经网络根据照片的中间特征对照片进行打分，剔除打分低于预设分数阈值的照片，可以得到比较准确的筛选结果，即得到比较准确的目标照片。

本说明书实施例中，在通过预先训练的二分类神经网络提取照片的中间特征之前，还可包括：

通过拍摄的包含街景影像的照片、用于拍摄照片的设备的位置以及位置预设范围内的兴趣点对二分类神经网络进行训练，得到预先训练的二分类神经网络。

在本实施例中，用于拍摄照片的设备的位置可以理解为设备的轨迹，本实施例的设备可以为上述实施例中介绍的设备。用于拍摄照片的设备可以设置在采集车上，在随着采集车移动的过程中进行拍照得到包含街景影像的照片，还可以得到设备移动的轨迹，也就是说照片和轨迹可以具有对应关系。通过拍摄的包含街景影像的照片、用于拍摄照片的设备的位置以及位置预设范围内的兴趣点对二分类神经网络进行训练，使二分类神经网络能够更加准确地提取到照片的兴趣点。

在对二分类神经网络进行训练时，可以将照片中兴趣点的识别结果和轨迹预设范围内的兴趣点进行比较，从而可以保证训练结果的准确度。并且，根据轨迹可以预先确定轨迹预设范围内兴趣点的个数，可以根据轨迹预设范围内兴趣点的个数为与轨迹对应的拍摄的照片设置权重，轨迹预设范围内兴趣点的个数越多，为与轨迹对应的拍摄的照片设置的权重越大，有利于使二分类神经网络能够更加准确地提取到照片的兴趣点。

或者，可以设置兴趣点数量阈值，当轨迹预设范围内兴趣点的个数小于兴趣点数量阈值，停止使用该轨迹上拍摄的照片进行训练；当轨迹预设范围内兴趣点的个数大于或等于兴趣点数量阈值，继续使用该轨迹上拍摄的照片进行训练，可以减少无效或者效果较弱的训练，提高训练效率，也有利于使二分类神经网络能够更加准确地提取到照片的兴趣点。

需要说明的是，通常，对于用于进行图片识别的神经网络的训练过程，采用的训练样本为图片，以及对应于该图片的标注信息，而不包括拍摄该图片的位置信息。但是，在本发明实施例的方案中，由于拍摄照片的设备可以设置在采集车上，在随着采集车移动的过程中，照片的拍摄位置也会发生变化。而实际场景中，同一位置区域在较长时间范围内，兴趣点的数量是相对不会发生较大变化的。例如，照片A的拍摄位置(具体可以是经纬度坐标)位于高速公路，照片B的拍摄位置位于闹市区，显然，相对于闹市区，高速公路区域内的兴趣点的数量会趋近于零，变化的概率也相对较小。因此，位置这一维度，在本发明实施例的技术方案中，属于技术作用较高的维度，在训练样本中增加了位置维度的属性信息，是本发明中技术价值较高的一点。

训练的具体过程可以为将包含街景影像的照片、用于拍摄照片的设备的位置以及位置预设范围内的兴趣点均转化为向量，一起输入到二分类神经网络的模型。包含街景影像的照片、用于拍摄照片的设备的位置以及位置预设范围内的兴趣点三者作为输入特征，地位相同，二分类神经网络可以根据上述特征，计算出一个类别置信度，类别置信度可介于0.0-1.0之间，并设定阈值(如0.5)，如果照片的类别置信度大于阈值(0.5)，即存在兴趣点。图3为本说明书一实施例中二分类神经网络的架构示意图，如图3所示，二分类神经网络可根据照片得到图像特征，根据位置得到采集位置特征，根据位置预设范围内的兴趣点1、兴趣点2以及兴趣点3得到采集位置附近POI特征，根据上述三个特征可以判断该照片最终是否提取到兴趣点(POI)。

本说明书实施例中，根据目标照片对地图上的兴趣点进行更新，可包括：

根据目标照片的中间特征对地图上的兴趣点进行更新。

在本实施例中，具体地，可以将目标照片的中间特征存储到redis数据库。根据redis数据库中目标照片的中间特征对地图上的兴趣点进行更新，实现了将前述实施例的中间特征(通过预先训练的二分类神经网络获取照片的中间特征或目标照片的中间特征)作为输入，充分利用了前述实施例的计算结果，接力进行兴趣点的识别，避免重复计算，提高了计算效率，进一步提高了对地图上的兴趣点进行更新的效率，而且还避免造成前述实施例算力(GPU的算力)的浪费。

本说明书实施例中，根据目标照片的中间特征对地图上的兴趣点进行更新，可包括：

根据目标照片的中间特征识别目标照片的兴趣点的文字信息；

若目标照片的兴趣点的文字信息和预先存储在关系数据库中的地图上对应的兴趣点的文字信息不同，将目标照片的兴趣点的文字信息替代地图上对应的兴趣点的文字信息。

在本实施例中，根据目标照片的中间特征识别目标照片的兴趣点的文字信息，可以得到准确度很高的文字信息。文字信息可以是商铺名称、工厂名称等。

采用文字信息更新地图上对应的兴趣点，具体地，一般可以将识别的文字信息和地图上对应的兴趣点的文字进行比较，具体地，地图中的兴趣点文字存在POI数据库(普通的关系型数据库，如：mysql或oracle等)中，以表格的形式存在；数据库存储的表结构如下：POI_id(标识)、POI名称、POI坐标以及POI招牌图片等等，可以获取到采集目标照片时的坐标，在POI数据库中的POI坐标中找到与采集目标照片时的坐标最近的N个候选POI，然后将N个POI，逐一和照片中的兴趣点文字进行比对。N大于或等于1。如果均不同，则采用文字信息替代地图上对应的兴趣点，如果存在相同的POI，则可以不进行替代处理，即忽略。识别的文字信息可以按照json格式进行保存。

如图4所示，图4为本说明书一实施例中识别的文字信息的结构示意图，识别的文字信息的结构每一列的信息含义，又可以称为表头或表格设计，并非具体的识别结果，一般可以包括字段、数据类型、规格说明、节点等级以及节点等级和默认值。默认值的状态，可以根据实际情况来定义，例如object_id表示唯一标识，如果缺少，可能无法确定具体目标，因此，为非空。polygon代表兴趣点轮廓的一系列坐标，如果缺少，无法框选出招牌，也就是无法标记兴趣点，因此，为非空。例如texts，是在目标照片的基础上识别出的文字信息，这个有可能因为模糊等原因，无法识别，所以有可能为空，不作严格要求。

本说明书实施例中，根据目标照片的中间特征识别目标照片的兴趣点的文字信息，可包括：

根据目标照片的中间特征识别兴趣点在目标照片上所在的招牌区域；

对目标照片上兴趣点所在的招牌区域进行分割得到分割后的招牌区域；

识别被分割的招牌区域中包含的文字信息。

在本实施例中，目标照片的中间特征可以存储在redis数据库中。根据目标照片的中间特征识别兴趣点在目标照片上所在的招牌区域，一般可以理解为识别兴趣点在目标照片上所在的招牌区域的四个角点，非常简单高效。对招牌区域进行分割，可以只识别被分割的招牌区域中包含的文字信息，避免招牌区域以外的部分对识别过程产生干扰，更加地直接高效。

本说明书实施例中，获取用于更新地图上兴趣点的照片，可包括：

获取照片标识列表，照片标识列表存储有用于更新地图上兴趣点的照片的第一照片标识；

将第一照片标识和指定存储区域中存储的第二照片标识进行匹配得到用于更新地图上兴趣点的照片；其中，指定存储区域中存储有携带第二照片标识的照片。

在本实施例中，图像采集设备拍摄的照片均具有唯一的照片标识，照片标识又可以称作工单ID，工单ID可以为拍摄照片时的时间戳，也可以是数据库系统根据照片拍摄的时间戳进行的自动赋值。可以将图像采集设备拍摄照片的照片标识存储到照片标识列表中作为第一照片标识，便于获取。指定存储区域可以为各种关系型数据库，也可以为硬盘空间或者内存空间等等。可以将图像采集设备拍摄的用于更新地图上兴趣点的照片以及照片对应的照片标识作为第二照片标识存储到指定存储区域中。获取照片标识列表，具体可以理解为获取整个照片标识列表，即获取照片标识列表中的所有第一照片标识；获取照片标识列表也可以理解为仅获取新增的照片标识列表，即仅获取照片标识列表中新增加的第一照片标识。在需要更新地图上兴趣点的时候，根据照片标识列表的第一照片标识发起请求，将第一照片标识和指定存储区域中存储的第二照片标识进行匹配，找到携带有与第一照片标识相同的第二照片标识的照片，从而得到图像采集设备拍摄的用于更新地图上兴趣点的照片，非常方便。将图像采集设备拍摄的用于更新地图上兴趣点的照片存储到指定存储区域中，实现了根据需要随时获取用于更新地图中的兴趣点，非常的方便。

图5为本说明书一实施例中更新地图中兴趣点的装置的结构示意框图。基于同一构思，本发明还提供了一种更新地图中兴趣点的装置。更新地图中兴趣点的装置可包括获取模块501、筛选模块502、以及更新模块504。获取模块501用于获取用于更新地图上兴趣点的照片；筛选模块502用于对照片进行筛选，得到包含兴趣点的目标照片；更新模块504用于根据目标照片对地图上的兴趣点进行更新。

图6为本说明书一实施例中更新地图中兴趣点的装置的架构示意图。二分类神经网络可以设置在AI平台。兴趣点标记模块和文本识别模块也可以设置在AI平台，当然，这个AI平台可以和二分类神经网络所在的AI平台为同一个，也可以为不同的。具体地，二分类神经网络可以获取到照片，然后获取照片的中间特征，其中中间特征为通过向量形式表示的照片的图像像素。二分类神经网络根据照片的中间特征对照片进行筛选，得到包含兴趣点的目标照片。将目标照片的中间特征存储到Redis数据库。兴趣点标记模块从Redis数据库中获取到中间特征，根据中间特征对目标照片的兴趣点的所在区域进行分割。文本识别模块识别被分割的所在区域中包含的文字信息。可以将识别的文字信息存储到Redis数据库中。然后，将Redis存储的文字信息的结果落盘ES。

图7为本说明书一实施例中计算机设备800的结构示意框图。本发明还提供了一种计算机设备800，包括存储器830和处理器810，存储器830内存储有控制程序820，控制程序820被处理器810执行时用于实现根据上述实施例中任一项的更新地图中兴趣点的方法。

本发明还提供了一种机器可读存储介质，其上存储有机器可执行程序和/或指令，机器可执行程序和/或指令被处理器执行时实现根据上述实施例中任一项的更新地图中兴趣点的方法。

需要说明的是，本申请提供的装置是与本申请提供的方法一一对应的，因此，装置也具有与方法类似的有益技术效果，由于上面已经对方法的有益技术效果进行了详细说明，因此，这里不再赘述装置的有益技术效果。本申请中的上述各个实施例可以任意组合。

在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。

控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明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，本发明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。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

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，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

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，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理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权利要求范围之内。

Claims (10)

1.一种更新地图中兴趣点的方法，其特征在于，包括：

获取用于更新地图上兴趣点的照片；

对所述照片进行筛选，得到包含兴趣点的目标照片；

根据所述目标照片对地图上的兴趣点进行更新。

2.根据权利要求1所述的方法，其特征在于，所述对所述照片进行筛选，包括：

通过预先训练的二分类神经网络提取所述照片的中间特征，其中所述中间特征为通过向量形式表示的所述照片的图像像素；

通过所述二分类神经网络根据所述照片的中间特征对所述照片进行打分，剔除打分低于预设分数阈值的照片，其中打分低于预设分数阈值的照片中不存在兴趣点。

3.根据权利要求2所述的方法，其特征在于，在所述通过预先训练的二分类神经网络提取所述照片的中间特征之前，还包括：

通过拍摄的照片、用于拍摄照片的设备的位置以及所述位置预设范围内的兴趣点对所述二分类神经网络进行训练，得到所述预先训练的二分类神经网络。

4.根据权利要求2所述的方法，其特征在于，所述根据所述目标照片对地图上的兴趣点进行更新，包括：

根据所述目标照片的中间特征对地图上的兴趣点进行更新。

5.根据权利要求4所述的方法，其特征在于，所述根据所述目标照片的中间特征对地图上的兴趣点进行更新，包括：

根据所述目标照片的中间特征识别所述目标照片的兴趣点的文字信息；

若所述目标照片的兴趣点的文字信息和预先存储在关系数据库中的地图上对应的兴趣点的文字信息不同，将所述目标照片的兴趣点的文字信息替代地图上对应的兴趣点的文字信息。

6.根据权利要求5所述的方法，其特征在于，所述根据所述目标照片的中间特征识别所述目标照片的兴趣点的文字信息，包括：

根据所述目标照片的中间特征识别兴趣点在目标照片上所在的招牌区域；

对目标照片上兴趣点所在的招牌区域进行分割，得到分割后的招牌区域；

识别被分割的招牌区域中包含的文字信息。

7.根据权利要求1所述的方法，其特征在于，所述获取用于更新地图上兴趣点的照片，包括：

获取照片标识列表，所述照片标识列表存储有用于更新地图上兴趣点的照片的第一照片标识；

将所述第一照片标识和指定存储区域中存储的第二照片标识进行匹配得到用于更新地图上兴趣点的照片；其中，所述指定存储区域中存储有携带第二照片标识的照片。

8.一种更新地图中兴趣点的装置，其特征在于，包括：

获取模块，用于获取用于更新地图上兴趣点的照片；

筛选模块，用于对所述照片进行筛选，得到包含兴趣点的目标照片；

更新模块，用于根据所述目标照片对地图上的兴趣点进行更新。

9.一种计算机设备，包括存储器和处理器，所述存储器内存储有控制程序，所述控制程序被所述处理器执行时用于实现根据权利要求1至7中任一项所述的更新地图中兴趣点的方法。

10.一种机器可读存储介质，其上存储有机器可执行程序和/或指令，所述机器可执行程序和/或指令被处理器执行时实现根据权利要求1至7任一项所述的更新地图中兴趣点的方法。