一種基于卷積神經(jīng)網(wǎng)絡(luò)的圖像地理定位系統(tǒng)及方法
【專利摘要】本發(fā)明提供了一種基于卷積神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)信息鑒別系統(tǒng)及方法，涉及衛(wèi)星定位領(lǐng)域，其特征在于，所述系統(tǒng)包括：視頻上載模塊、圖片上載模塊、圖像幀提取模塊、地理標(biāo)記檢測模塊、分解模塊、特征提取模塊、激活函數(shù)、池化模塊、全連接模塊、分類器分析判斷模塊、學(xué)習(xí)模塊、地區(qū)數(shù)據(jù)庫、像素數(shù)據(jù)庫和結(jié)果顯示模塊。該系統(tǒng)及方法具有圖像解析快、圖像識別準(zhǔn)確、具備對視頻信息的定位功能和具備學(xué)習(xí)能力都優(yōu)點。
【專利說明】
一種基于卷積神經(jīng)網(wǎng)絡(luò)的圖像地理定位系統(tǒng)及方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及衛(wèi)星定位領(lǐng)域，特別是涉及一種基于卷積神經(jīng)網(wǎng)絡(luò)的圖像地理定位系 統(tǒng)及方法。
【背景技術(shù)】
[0002] 對于圖像定位，如果推向中的景物是知名景點或地標(biāo)性建筑，那么我們可以通過 特殊景物標(biāo)記就可以一目了然獲知。對于普通地點的照片定位，大家一般是通過在照片中 添加地理標(biāo)記的方法進(jìn)行標(biāo)示。比如現(xiàn)在很多Android手機(jī)在拍照的時候，激活相機(jī)中后進(jìn) 入拍攝菜單就會有"地理位置"功能，我們只需要拍攝前開啟這個功能即可。
[0003]這樣拍攝的照片就會自動添加上當(dāng)?shù)氐牡乩砦恢眯畔⒘?，?dāng)我們在電腦上查看這 些照片時，切換到"詳細(xì)信息"，在其中的GPS項目下就可以看到照片拍攝實際地理位置，這 里使用GPS經(jīng)煒度進(jìn)行標(biāo)記，當(dāng)然還可以使用手機(jī)基站、Wi-Fi等進(jìn)行標(biāo)記。當(dāng)然數(shù)碼相機(jī)等 也有類似的定位功能，這樣通過在照片Exif信息中添加地理標(biāo)記，我們就可以很輕松為照 片進(jìn)行定位。不過在實際拍攝或者網(wǎng)上經(jīng)過處理的很多照片并沒有地理信息，那么對于這 些照片的定位就顯得尤為的麻煩。
[0004]現(xiàn)有的圖像定位系統(tǒng)主要存在以下缺陷：
[0005] 1、圖像識別準(zhǔn)確度不夠:現(xiàn)有的圖像定位系統(tǒng)中，大都是直接在數(shù)據(jù)庫中存儲進(jìn) 大量的樣本，而不同的圖像具有各種不同的特征。所以直接對樣本進(jìn)行比對，則會導(dǎo)致比對 效果非常的差，準(zhǔn)確率非常低。
[0006] 2、不具備學(xué)習(xí)能力:現(xiàn)有的圖像定位缺乏在實際使用過程中的學(xué)習(xí)能力，而不管 采用何種算法和分析判斷方法，總會導(dǎo)致圖像定位出現(xiàn)偏差，如果不能在使用過程中不斷 學(xué)習(xí)進(jìn)步，會導(dǎo)致整個圖像定位系統(tǒng)停滯不前。
[0007] 3、圖像解析較慢:現(xiàn)有的圖像定位系統(tǒng)，采用的圖像解析算法都較為傳統(tǒng)，遵循常 用的圖像分解、深度解析等模式。導(dǎo)致一張圖片定位的速度非常的緩慢，而且由于算法的局 限性，導(dǎo)致定位的結(jié)果也常常不精確。
[0008] 4:不具備對視頻信息的定位:現(xiàn)有的圖像定位系統(tǒng)基本都沒有對視頻信息進(jìn)行定 位的功能和手段。

【發(fā)明內(nèi)容】

[0009] 針對上述反外掛技術(shù)方法的缺陷，本發(fā)明提供了一種基于卷積神經(jīng)網(wǎng)絡(luò)的圖像地 理定位系統(tǒng)及方法，該系統(tǒng)及方法具有圖像解析快、圖像識別準(zhǔn)確、具備對視頻信息的定位 功能和具備學(xué)習(xí)能力都優(yōu)點。
[0010]本發(fā)明采用的技術(shù)方案如下：
[0011] -種基于卷積神經(jīng)網(wǎng)絡(luò)的圖像地理定位系統(tǒng)，其特征在于，所述系統(tǒng)包括:視頻上 載模塊、圖片上載模塊、圖像幀提取模塊、地理標(biāo)記檢測模塊、分解模塊、特征提取模塊、激 活函數(shù)、池化模塊、全連接模塊、分類器分析判斷模塊、學(xué)習(xí)模塊、地區(qū)數(shù)據(jù)庫、像素數(shù)據(jù)庫 和結(jié)果顯示模塊；
[0012] 所述視頻上載模塊信號連接于圖像幀提取模塊；圖像幀提取模塊分別信號連接于 視頻上載模塊和地理標(biāo)記檢測模塊;所述地理標(biāo)記檢測模塊分別信號連接于圖像幀提取模 塊、分析判斷模塊、圖片上載模塊、分解模塊和特征提取模塊;所述特征提取模塊，分別信號 連接于地理標(biāo)記檢測模塊、激活函數(shù)和池化模塊;所述池化模塊分別信號連接于特征提取 模塊、激活函數(shù)和全連接模塊;所述全連接模塊分別信號連接于分類器和池化模塊;所述分 類器分別信號連接于全連接模塊和分析判斷模塊;所述分析判斷模塊分別信號連接于分解 模塊、地理標(biāo)記檢測模塊、分類器、結(jié)果顯示模塊和學(xué)習(xí)模塊;所述學(xué)習(xí)模塊分別信號連接 于分析判斷模塊、像素數(shù)據(jù)庫和地區(qū)數(shù)據(jù)庫。
[0013] 所述視頻上載模塊，用于上傳視頻信息，將視頻信息發(fā)送至圖像幀提取模塊;所述 圖片上載模塊，用于上傳圖片信息，將圖片信息發(fā)送至地理標(biāo)記檢測模塊;所述圖像幀提取 模塊，用于將視頻信息進(jìn)行解碼，截取視頻的地理標(biāo)記和獲取視頻信息中完整的圖像幀，將 地理標(biāo)記和圖像幀發(fā)送至地理標(biāo)記檢測模塊;所述地理標(biāo)記檢測模塊，用于判斷上傳的視 頻信息和圖片信息中是否有地理標(biāo)記，如果包含地理標(biāo)記則直接將圖片信息發(fā)送至分析判 斷模塊，如果沒有包含地理標(biāo)記則將圖片發(fā)送至分解模塊和特征提取模塊。
[0014] 所述分解模塊，用于將接收到的圖片信息分解成像素信息，將分解后的像素信息 發(fā)送至分析判斷模塊;所述特征提取模塊，用于對接收到的圖片進(jìn)行特征提取，提取到的特 征信息發(fā)送至激活函數(shù);所述激活函數(shù)，用于將特征提取模塊和池化模塊進(jìn)行連接;所述池 化模塊，用于對接收到的特征信息進(jìn)行處理，降低特征提取模塊輸出的特征向量，同時改善 結(jié)果;所述全連接模塊，用于將分類器和最終的特征信息進(jìn)行連接;所述分類器用于根據(jù)特 征信息進(jìn)行分類處理。
[0015] 所述像素數(shù)據(jù)庫內(nèi)存儲有樣本像素信息;所述樣本像素信息由1.5億張包含GPS地 理位置信息的圖片資源分解而成的像素組成；
[0016] 所述地區(qū)數(shù)據(jù)庫內(nèi)存儲的數(shù)據(jù)為微小地區(qū)標(biāo)記;所述微小地區(qū)標(biāo)記為:將篩選出 的全球30000個人口密度最高地區(qū)中的每個地區(qū)分解成30000個大小不一的方塊區(qū)域，并針 對這些方塊區(qū)域添加不同標(biāo)記后的數(shù)據(jù)信息。
[0017] 所述學(xué)習(xí)模塊的學(xué)習(xí)方法包括以下步驟：
[0018] 步驟1:將樣本像素信息對應(yīng)的GPS地理位置信息和地區(qū)數(shù)據(jù)庫中的微小地區(qū)標(biāo)記 進(jìn)行比對；
[0019] 步驟2:將相互匹配的樣本像素標(biāo)記和微小地區(qū)標(biāo)記進(jìn)行關(guān)聯(lián)；
[0020] 步驟3:對于無法匹配地區(qū)數(shù)據(jù)庫中所有微小地區(qū)標(biāo)記的樣本像素信息，創(chuàng)建新的 微小地區(qū)標(biāo)記進(jìn)行相互關(guān)聯(lián)。
[0021] 所述分析判斷模塊，用于根據(jù)接收到的信息判斷該圖片或視頻拍攝的地理位置； 所述分析判斷模塊分析判斷的方法包括如下步驟：
[0022]步驟1:如果接收到地理標(biāo)記檢測模塊直接發(fā)送過來的地理標(biāo)記，則直接根據(jù)地理 標(biāo)記信息判斷圖片或視頻的拍攝地；
[0023]步驟2:如果接收到分解模塊發(fā)送過來的像素信息，則將該像素信息發(fā)送至學(xué)習(xí)模 塊，學(xué)習(xí)模塊根據(jù)像素數(shù)據(jù)庫和地區(qū)數(shù)據(jù)庫中的關(guān)聯(lián)性分析，得出該像素信息的像素地理 位置;將該地理位置進(jìn)行臨時存儲；
[0024]步驟3:將分類器發(fā)送過來的圖像特征信息同樣的發(fā)送至學(xué)習(xí)模塊，學(xué)習(xí)模塊根據(jù) 像素數(shù)據(jù)庫和地區(qū)數(shù)據(jù)庫中的關(guān)聯(lián)性分析，得出該圖像特征信息的卷積地理位置；
[0025]步驟4:將該卷積地理位置和像素地理位置進(jìn)行比對，如果存在差異，則將像素地 理位置和卷積地理位置同時作為結(jié)果發(fā)送至結(jié)果顯示模塊進(jìn)行顯示；
[0026]步驟5:用戶在結(jié)果顯示模塊中可以判斷哪個結(jié)果是準(zhǔn)確的，將結(jié)果反饋至學(xué)習(xí)模 塊；
[0027]步驟6:學(xué)習(xí)模塊會根據(jù)之前的反饋的正確結(jié)果，調(diào)整像素數(shù)據(jù)庫和地區(qū)數(shù)據(jù)庫中 的關(guān)聯(lián)性。
[0028] 所述分類器的分類方法包括以下步驟：
[0029] 步驟1:設(shè)定假設(shè)函數(shù)為：
[0031]步驟2:得出代價函數(shù)
[0033]步驟3:使用假設(shè)函數(shù)針對每一個特征信息的類別計算出概率值為：
[0035]步驟4:根據(jù)計算得出的概率進(jìn)行分類處理。
[0036] 采用上述技術(shù)方案，本發(fā)明產(chǎn)生了以下有益效果：
[0037] 1、圖像識別準(zhǔn)確度高:采用卷積神經(jīng)網(wǎng)絡(luò)作為圖像識別，同時也將傳統(tǒng)的圖像處 理技術(shù)應(yīng)用到其中，進(jìn)行雙向匹配，可以最大化提升圖像識別的準(zhǔn)度和精度。
[0038] 2、具備學(xué)習(xí)能力:在對輸出結(jié)果的處理中，用戶可以針對每一次結(jié)果都進(jìn)行評價， 根據(jù)評價結(jié)果，整個系統(tǒng)會進(jìn)行學(xué)習(xí)和改進(jìn)，在下一次遇到類似情況的時候提升定位準(zhǔn)度 和精度。
[0039] 3、圖像解析快:針對具有地理標(biāo)記的圖像信息，可以直接進(jìn)行定位處理，提升了不 必要的處理過程。同時對于沒有地理標(biāo)記的圖片，采用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行處理，比傳統(tǒng)圖像 速度更加快。
[0040] 4:具備對視頻信息的定位:初次之外，還可以將視頻信息進(jìn)行幀提取，針對圖像進(jìn) 行分析后這里出視頻信息的拍攝地。
【附圖說明】
[0041] 圖1是本發(fā)明實施例中一種基于卷積神經(jīng)網(wǎng)絡(luò)的圖像地理定位系統(tǒng)及方法。
【具體實施方式】
[0042]本說明書中公開的所有特征，或公開的所有方法或過程中的步驟，除了互相排斥 的特征和/或步驟以外，均可以以任何方式組合。
[0043] 本說明書(包括任何附加權(quán)利要求、摘要）中公開的任一特征，除非特別敘述，均可 被其他等效或具有類似目的的替代特征加以替換。即，除非特別敘述，每個特征只是一系列 等效或類似特征中的一個例子而已。
[0044] 本發(fā)明實施例1中提供了一種基于卷積神經(jīng)網(wǎng)絡(luò)的圖像地理定位系統(tǒng)，系統(tǒng)結(jié)構(gòu) 如圖1所示：
[0045] -種智能化醫(yī)用超聲圖像處理設(shè)備，其特征在于，所述設(shè)備包括：圖像采集設(shè)備、 圖像接收設(shè)備、圖像分類設(shè)備、圖像通用處理設(shè)備、第一算法數(shù)據(jù)庫、分析判斷設(shè)備、顯示設(shè) 備、超聲圖像處理設(shè)備和第二數(shù)據(jù)庫；
[0046] 所述圖像采集設(shè)備信號連接于圖像接收設(shè)備;所述圖像接收設(shè)備信號連接于圖像 分類設(shè)備;所述圖像分類設(shè)備信號連接于圖像通用處理設(shè)備;所述圖像通用處理設(shè)備信號 連接于超聲圖像處理設(shè)備、圖像分類設(shè)備、第一算法數(shù)據(jù)庫和顯示設(shè)備;所述第一算法數(shù)據(jù) 庫分別信號連接于圖像通用處理設(shè)備和分析判斷設(shè)備;所述分析判斷設(shè)備分別信號連接于 顯示設(shè)備、第一算法數(shù)據(jù)庫和第二算法數(shù)據(jù)庫;所述超聲圖像處理設(shè)備分別信號連接于圖 像通用處理設(shè)備、顯示設(shè)備和第二算法數(shù)據(jù)庫;所述第二算法數(shù)據(jù)庫分別信號連接于超聲 圖像處理設(shè)備和分析判斷設(shè)備。
[0047] 所述超聲圖像處理設(shè)備，用于對通用圖像處理設(shè)備處理后的圖像進(jìn)行超聲圖像處 理，它包括:超聲圖像處理器和信號連接于處理器的超聲圖像處理系統(tǒng);所述圖像通用處理 設(shè)備，用于對發(fā)送過來的所有圖像進(jìn)行處理，如果是超聲圖像則將處理后的結(jié)果發(fā)送至超 聲圖像處理設(shè)備繼續(xù)進(jìn)行處理，如果是通用圖像，則將處理后的圖像發(fā)送至顯示設(shè)備進(jìn)行 顯示，它包括:通用圖像處理器和信號連接于處理器的通用圖像處理系統(tǒng)。
[0048]所述圖像采集設(shè)備包括:超聲圖像采集設(shè)備和通用圖像采集設(shè)備;所述圖像接收 設(shè)備，用于接收來自圖像采集設(shè)備發(fā)送過來的圖像信息，將圖像信息發(fā)送至圖像分類設(shè)備； 所述圖像分類設(shè)備，用于根據(jù)不同的圖像采集設(shè)備對圖像信息進(jìn)行分類，將分類結(jié)果發(fā)送 至圖像通用處理設(shè)備。
[0049] 所述顯示設(shè)備，用于顯示處理通用圖像處理設(shè)備和超聲圖像處理設(shè)備處理后的圖 像;所述分析判斷設(shè)備，用于人為判斷顯示設(shè)備顯示的圖像是否準(zhǔn)確，根據(jù)判斷結(jié)果，對第 一算法數(shù)據(jù)庫和第二算法數(shù)據(jù)庫中存儲的算法優(yōu)先級進(jìn)行調(diào)整。
[0050] 本發(fā)明實施例2中提供了一種基于卷積神經(jīng)網(wǎng)絡(luò)的圖像地理定位系統(tǒng)，系統(tǒng)結(jié)構(gòu) 圖如圖1所示：
[0051] 一種基于卷積神經(jīng)網(wǎng)絡(luò)的圖像地理定位系統(tǒng)，其特征在于，所述系統(tǒng)包括:視頻上 載模塊、圖片上載模塊、圖像幀提取模塊、地理標(biāo)記檢測模塊、分解模塊、特征提取模塊、激 活函數(shù)、池化模塊、全連接模塊、分類器分析判斷模塊、學(xué)習(xí)模塊、地區(qū)數(shù)據(jù)庫、像素數(shù)據(jù)庫 和結(jié)果顯示模塊；
[0052] 所述視頻上載模塊信號連接于圖像幀提取模塊；圖像幀提取模塊分別信號連接于 視頻上載模塊和地理標(biāo)記檢測模塊;所述地理標(biāo)記檢測模塊分別信號連接于圖像幀提取模 塊、分析判斷模塊、圖片上載模塊、分解模塊和特征提取模塊;所述特征提取模塊，分別信號 連接于地理標(biāo)記檢測模塊、激活函數(shù)和池化模塊;所述池化模塊分別信號連接于特征提取 模塊、激活函數(shù)和全連接模塊;所述全連接模塊分別信號連接于分類器和池化模塊;所述分 類器分別信號連接于全連接模塊和分析判斷模塊;所述分析判斷模塊分別信號連接于分解 模塊、地理標(biāo)記檢測模塊、分類器、結(jié)果顯示模塊和學(xué)習(xí)模塊;所述學(xué)習(xí)模塊分別信號連接 于分析判斷模塊、像素數(shù)據(jù)庫和地區(qū)數(shù)據(jù)庫。
[0053]所述視頻上載模塊，用于上傳視頻信息，將視頻信息發(fā)送至圖像幀提取模塊;所述 圖片上載模塊，用于上傳圖片信息，將圖片信息發(fā)送至地理標(biāo)記檢測模塊;所述圖像幀提取 模塊，用于將視頻信息進(jìn)行解碼，截取視頻的地理標(biāo)記和獲取視頻信息中完整的圖像幀，將 地理標(biāo)記和圖像幀發(fā)送至地理標(biāo)記檢測模塊;所述地理標(biāo)記檢測模塊，用于判斷上傳的視 頻信息和圖片信息中是否有地理標(biāo)記，如果包含地理標(biāo)記則直接將圖片信息發(fā)送至分析判 斷模塊，如果沒有包含地理標(biāo)記則將圖片發(fā)送至分解模塊和特征提取模塊。
[0054]所述分解模塊，用于將接收到的圖片信息分解成像素信息，將分解后的像素信息 發(fā)送至分析判斷模塊;所述特征提取模塊，用于對接收到的圖片進(jìn)行特征提取，提取到的特 征信息發(fā)送至激活函數(shù);所述激活函數(shù)，用于將特征提取模塊和池化模塊進(jìn)行連接;所述池 化模塊，用于對接收到的特征信息進(jìn)行處理，降低特征提取模塊輸出的特征向量，同時改善 結(jié)果;所述全連接模塊，用于將分類器和最終的特征信息進(jìn)行連接;所述分類器用于根據(jù)特 征信息進(jìn)行分類處理。
[0055] 所述像素數(shù)據(jù)庫內(nèi)存儲有樣本像素信息;所述樣本像素信息由1.5億張包含GPS地 理位置信息的圖片資源分解而成的像素組成；
[0056] 所述地區(qū)數(shù)據(jù)庫內(nèi)存儲的數(shù)據(jù)為微小地區(qū)標(biāo)記;所述微小地區(qū)標(biāo)記為:將篩選出 的全球30000個人口密度最高地區(qū)中的每個地區(qū)分解成30000個大小不一的方塊區(qū)域，并針 對這些方塊區(qū)域添加不同標(biāo)記后的數(shù)據(jù)信息。
[0057]所述學(xué)習(xí)模塊的學(xué)習(xí)方法包括以下步驟：
[0058]步驟1:將樣本像素信息對應(yīng)的GPS地理位置信息和地區(qū)數(shù)據(jù)庫中的微小地區(qū)標(biāo)記 進(jìn)行比對；
[0059] 步驟2:將相互匹配的樣本像素標(biāo)記和微小地區(qū)標(biāo)記進(jìn)行關(guān)聯(lián)；
[0060]步驟3:對于無法匹配地區(qū)數(shù)據(jù)庫中所有微小地區(qū)標(biāo)記的樣本像素信息，創(chuàng)建新的 微小地區(qū)標(biāo)記進(jìn)行相互關(guān)聯(lián)。
[0061]所述分析判斷模塊，用于根據(jù)接收到的信息判斷該圖片或視頻拍攝的地理位置； 所述分析判斷模塊分析判斷的方法包括如下步驟：
[0062]步驟1:如果接收到地理標(biāo)記檢測模塊直接發(fā)送過來的地理標(biāo)記，則直接根據(jù)地理 標(biāo)記信息判斷圖片或視頻的拍攝地；
[0063]步驟2:如果接收到分解模塊發(fā)送過來的像素信息，則將該像素信息發(fā)送至學(xué)習(xí)模 塊，學(xué)習(xí)模塊根據(jù)像素數(shù)據(jù)庫和地區(qū)數(shù)據(jù)庫中的關(guān)聯(lián)性分析，得出該像素信息的像素地理 位置;將該地理位置進(jìn)行臨時存儲；
[0064]步驟3:將分類器發(fā)送過來的圖像特征信息同樣的發(fā)送至學(xué)習(xí)模塊，學(xué)習(xí)模塊根據(jù) 像素數(shù)據(jù)庫和地區(qū)數(shù)據(jù)庫中的關(guān)聯(lián)性分析，得出該圖像特征信息的卷積地理位置；
[0065]步驟4:將該卷積地理位置和像素地理位置進(jìn)行比對，如果存在差異，則將像素地 理位置和卷積地理位置同時作為結(jié)果發(fā)送至結(jié)果顯示模塊進(jìn)行顯示；
[0066]步驟5:用戶在結(jié)果顯示模塊中可以判斷哪個結(jié)果是準(zhǔn)確的，將結(jié)果反饋至學(xué)習(xí)模 塊；
[0067] 步驟6:學(xué)習(xí)模塊會根據(jù)之前的反饋的正確結(jié)果，調(diào)整像素數(shù)據(jù)庫和地區(qū)數(shù)據(jù)庫中 的關(guān)聯(lián)性。
[0068] 所述分類器的分類方法包括以下步驟：
[0069]步驟1:設(shè)定假設(shè)函數(shù)為：
[0071]步驟2:得出代價函數(shù)
[0073]步驟3:使用假設(shè)函數(shù)針對每一個特征信息的類別計算出概率值為：
[0075]步驟4:根據(jù)計算得出的概率進(jìn)行分類處理。
[0076]本發(fā)明實施例3中提供了一種基于卷積神經(jīng)網(wǎng)絡(luò)的圖像地理定位系統(tǒng)，系統(tǒng)結(jié)構(gòu) 圖如圖1所示：
[0077] 一種基于卷積神經(jīng)網(wǎng)絡(luò)的圖像地理定位系統(tǒng)，其特征在于，所述系統(tǒng)包括:視頻上 載模塊、圖片上載模塊、圖像幀提取模塊、地理標(biāo)記檢測模塊、分解模塊、特征提取模塊、激 活函數(shù)、池化模塊、全連接模塊、分類器分析判斷模塊、學(xué)習(xí)模塊、地區(qū)數(shù)據(jù)庫、像素數(shù)據(jù)庫 和結(jié)果顯示模塊；
[0078] 所述視頻上載模塊信號連接于圖像幀提取模塊；圖像幀提取模塊分別信號連接于 視頻上載模塊和地理標(biāo)記檢測模塊;所述地理標(biāo)記檢測模塊分別信號連接于圖像幀提取模 塊、分析判斷模塊、圖片上載模塊、分解模塊和特征提取模塊;所述特征提取模塊，分別信號 連接于地理標(biāo)記檢測模塊、激活函數(shù)和池化模塊;所述池化模塊分別信號連接于特征提取 模塊、激活函數(shù)和全連接模塊;所述全連接模塊分別信號連接于分類器和池化模塊;所述分 類器分別信號連接于全連接模塊和分析判斷模塊;所述分析判斷模塊分別信號連接于分解 模塊、地理標(biāo)記檢測模塊、分類器、結(jié)果顯示模塊和學(xué)習(xí)模塊;所述學(xué)習(xí)模塊分別信號連接 于分析判斷模塊、像素數(shù)據(jù)庫和地區(qū)數(shù)據(jù)庫。
[0079] 所述視頻上載模塊，用于上傳視頻信息，將視頻信息發(fā)送至圖像幀提取模塊;所述 圖片上載模塊，用于上傳圖片信息，將圖片信息發(fā)送至地理標(biāo)記檢測模塊;所述圖像幀提取 模塊，用于將視頻信息進(jìn)行解碼，截取視頻的地理標(biāo)記和獲取視頻信息中完整的圖像幀，將 地理標(biāo)記和圖像幀發(fā)送至地理標(biāo)記檢測模塊;所述地理標(biāo)記檢測模塊，用于判斷上傳的視 頻信息和圖片信息中是否有地理標(biāo)記，如果包含地理標(biāo)記則直接將圖片信息發(fā)送至分析判 斷模塊，如果沒有包含地理標(biāo)記則將圖片發(fā)送至分解模塊和特征提取模塊。
[0080] 所述分解模塊，用于將接收到的圖片信息分解成像素信息，將分解后的像素信息 發(fā)送至分析判斷模塊;所述特征提取模塊，用于對接收到的圖片進(jìn)行特征提取，提取到的特 征信息發(fā)送至激活函數(shù);所述激活函數(shù)，用于將特征提取模塊和池化模塊進(jìn)行連接;所述池 化模塊，用于對接收到的特征信息進(jìn)行處理，降低特征提取模塊輸出的特征向量，同時改善 結(jié)果;所述全連接模塊，用于將分類器和最終的特征信息進(jìn)行連接;所述分類器用于根據(jù)特 征信息進(jìn)行分類處理。
[0081 ]所述像素數(shù)據(jù)庫內(nèi)存儲有樣本像素信息;所述樣本像素信息由1.5億張包含GPS地 理位置信息的圖片資源分解而成的像素組成；
[0082]所述地區(qū)數(shù)據(jù)庫內(nèi)存儲的數(shù)據(jù)為微小地區(qū)標(biāo)記;所述微小地區(qū)標(biāo)記為:將篩選出 的全球30000個人口密度最高地區(qū)中的每個地區(qū)分解成30000個大小不一的方塊區(qū)域，并針 對這些方塊區(qū)域添加不同標(biāo)記后的數(shù)據(jù)信息。
[0083]所述學(xué)習(xí)模塊的學(xué)習(xí)方法包括以下步驟：
[0084]步驟1:將樣本像素信息對應(yīng)的GPS地理位置信息和地區(qū)數(shù)據(jù)庫中的微小地區(qū)標(biāo)記 進(jìn)行比對；
[0085] 步驟2:將相互匹配的樣本像素標(biāo)記和微小地區(qū)標(biāo)記進(jìn)行關(guān)聯(lián)；
[0086] 步驟3:對于無法匹配地區(qū)數(shù)據(jù)庫中所有微小地區(qū)標(biāo)記的樣本像素信息，創(chuàng)建新的 微小地區(qū)標(biāo)記進(jìn)行相互關(guān)聯(lián)。
[0087] 所述分析判斷模塊，用于根據(jù)接收到的信息判斷該圖片或視頻拍攝的地理位置； 所述分析判斷模塊分析判斷的方法包括如下步驟：
[0088]步驟1:如果接收到地理標(biāo)記檢測模塊直接發(fā)送過來的地理標(biāo)記，則直接根據(jù)地理 標(biāo)記信息判斷圖片或視頻的拍攝地；
[0089]步驟2:如果接收到分解模塊發(fā)送過來的像素信息，則將該像素信息發(fā)送至學(xué)習(xí)模 塊，學(xué)習(xí)模塊根據(jù)像素數(shù)據(jù)庫和地區(qū)數(shù)據(jù)庫中的關(guān)聯(lián)性分析，得出該像素信息的像素地理 位置;將該地理位置進(jìn)行臨時存儲；
[0090] 步驟3:將分類器發(fā)送過來的圖像特征信息同樣的發(fā)送至學(xué)習(xí)模塊，學(xué)習(xí)模塊根據(jù) 像素數(shù)據(jù)庫和地區(qū)數(shù)據(jù)庫中的關(guān)聯(lián)性分析，得出該圖像特征信息的卷積地理位置；
[0091] 步驟4:將該卷積地理位置和像素地理位置進(jìn)行比對，如果存在差異，則將像素地 理位置和卷積地理位置同時作為結(jié)果發(fā)送至結(jié)果顯示模塊進(jìn)行顯示；
[0092]步驟5:用戶在結(jié)果顯示模塊中可以判斷哪個結(jié)果是準(zhǔn)確的，將結(jié)果反饋至學(xué)習(xí)模 塊；
[0093]步驟6:學(xué)習(xí)模塊會根據(jù)之前的反饋的正確結(jié)果，調(diào)整像素數(shù)據(jù)庫和地區(qū)數(shù)據(jù)庫中 的關(guān)聯(lián)性。
[0094] 所述分類器的分類方法包括以下步驟：
[0095] 步驟1:設(shè)定假設(shè)函數(shù)為：
[0097]步驟2:得出代價函數(shù)
[0099]步驟3:使用假設(shè)函數(shù)針對每一個特征信息的類別計算出概率值為：
[0101] 采用卷積神經(jīng)網(wǎng)絡(luò)作為圖像識別，同時也將傳統(tǒng)的圖像處理技術(shù)應(yīng)用到其中，進(jìn) 行雙向匹配，可以最大化提升圖像識別的準(zhǔn)度和精度。
[0102] 在對輸出結(jié)果的處理中，用戶可以針對每一次結(jié)果都進(jìn)行評價，根據(jù)評價結(jié)果，整 個系統(tǒng)會進(jìn)行學(xué)習(xí)和改進(jìn)，在下一次遇到類似情況的時候提升定位準(zhǔn)度和精度。
[0103] 針對具有地理標(biāo)記的圖像信息，可以直接進(jìn)行定位處理，提升了不必要的處理過 程。同時對于沒有地理標(biāo)記的圖片，采用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行處理，比傳統(tǒng)圖像速度更加快。
[0104] 除此之外，還可以將視頻信息進(jìn)行幀提取，針對圖像進(jìn)行分析后這里出視頻信息 的拍攝地。
[0105] 本發(fā)明并不局限于前述的【具體實施方式】。本發(fā)明擴(kuò)展到任何在本說明書中披露的 新特征或任何新的組合，以及披露的任一新的方法或過程的步驟或任何新的組合。
【主權(quán)項】
1. 一種基于卷積神經(jīng)網(wǎng)絡(luò)的圖像地理定位系統(tǒng)，其特征在于，所述系統(tǒng)包括:視頻上載 模塊、圖片上載模塊、圖像帖提取模塊、地理標(biāo)記檢測模塊、分解模塊、特征提取模塊、激活 函數(shù)、池化模塊、全連接模塊、分類器分析判斷模塊、學(xué)習(xí)模塊、地區(qū)數(shù)據(jù)庫、像素數(shù)據(jù)庫和 結(jié)果顯示模塊； 所述視頻上載模塊信號連接于圖像帖提取模塊；圖像帖提取模塊分別信號連接于視頻 上載模塊和地理標(biāo)記檢測模塊;所述地理標(biāo)記檢測模塊分別信號連接于圖像帖提取模塊、 分析判斷模塊、圖片上載模塊、分解模塊和特征提取模塊;所述特征提取模塊，分別信號連 接于地理標(biāo)記檢測模塊、激活函數(shù)和池化模塊;所述池化模塊分別信號連接于特征提取模 塊、激活函數(shù)和全連接模塊;所述全連接模塊分別信號連接于分類器和池化模塊;所述分類 器分別信號連接于全連接模塊和分析判斷模塊;所述分析判斷模塊分別信號連接于分解模 塊、地理標(biāo)記檢測模塊、分類器、結(jié)果顯示模塊和學(xué)習(xí)模塊;所述學(xué)習(xí)模塊分別信號連接于 分析判斷模塊、像素數(shù)據(jù)庫和地區(qū)數(shù)據(jù)庫。2. 如權(quán)利要求1所述的基于卷積神經(jīng)網(wǎng)絡(luò)的圖像地理定位系統(tǒng)，其特征在于，所述視頻 上載模塊，用于上傳視頻信息，將視頻信息發(fā)送至圖像帖提取模塊;所述圖片上載模塊，用 于上傳圖片信息，將圖片信息發(fā)送至地理標(biāo)記檢測模塊;所述圖像帖提取模塊，用于將視頻 信息進(jìn)行解碼，截取視頻的地理標(biāo)記和獲取視頻信息中完整的圖像帖，將地理標(biāo)記和圖像 帖發(fā)送至地理標(biāo)記檢測模塊;所述地理標(biāo)記檢測模塊，用于判斷上傳的視頻信息和圖片信 息中是否有地理標(biāo)記，如果包含地理標(biāo)記則直接將圖片信息發(fā)送至分析判斷模塊，如果沒 有包含地理標(biāo)記則將圖片發(fā)送至分解模塊和特征提取模塊。3. 如權(quán)利要求2所述的基于卷積神經(jīng)網(wǎng)絡(luò)的圖像地理定位系統(tǒng)，其特征在于，所述分解 模塊，用于將接收到的圖片信息分解成像素信息，將分解后的像素信息發(fā)送至分析判斷模 塊;所述特征提取模塊，用于對接收到的圖片進(jìn)行特征提取，提取到的特征信息發(fā)送至激活 函數(shù);所述激活函數(shù)，用于將特征提取模塊和池化模塊進(jìn)行連接;所述池化模塊，用于對接 收到的特征信息進(jìn)行處理，降低特征提取模塊輸出的特征向量，同時改善結(jié)果;所述全連接 模塊，用于將分類器和最終的特征信息進(jìn)行連接;所述分類器用于根據(jù)特征信息進(jìn)行分類 處理。4. 如權(quán)利要求3所述的基于卷積神經(jīng)網(wǎng)絡(luò)的圖像地理定位系統(tǒng)，其特征在于，所述像素 數(shù)據(jù)庫內(nèi)存儲有樣本像素信息;所述樣本像素信息由1.5億張包含GI^地理位置信息的圖片 資源分解而成的像素組成； 所述地區(qū)數(shù)據(jù)庫內(nèi)存儲的數(shù)據(jù)為微小地區(qū)標(biāo)記;所述微小地區(qū)標(biāo)記為:將篩選出的全 球30000個人口密度最高地區(qū)中的每個地區(qū)分解成30000個大小不一的方塊區(qū)域，并針對運 些方塊區(qū)域添加不同標(biāo)記后的數(shù)據(jù)信息。5. 如權(quán)利要求3所述的基于卷積神經(jīng)網(wǎng)絡(luò)的圖像地理定位系統(tǒng)，其特征在于，所述學(xué)習(xí) 模塊的學(xué)習(xí)方法包括W下步驟： 步驟1:將樣本像素信息對應(yīng)的GPS地理位置信息和地區(qū)數(shù)據(jù)庫中的微小地區(qū)標(biāo)記進(jìn)行 比對； 步驟2:將相互匹配的樣本像素標(biāo)記和微小地區(qū)標(biāo)記進(jìn)行關(guān)聯(lián)； 步驟3:對于無法匹配地區(qū)數(shù)據(jù)庫中所有微小地區(qū)標(biāo)記的樣本像素信息，創(chuàng)建新的微小 地區(qū)標(biāo)記進(jìn)行相互關(guān)聯(lián)。6. 如權(quán)利要求5所述的基于卷積神經(jīng)網(wǎng)絡(luò)的圖像地理定位系統(tǒng)，其特征在于，所述分析 判斷模塊，用于根據(jù)接收到的信息判斷該圖片或視頻拍攝的地理位置;所述分析判斷模塊 分析判斷的方法包括如下步驟： 步驟1:如果接收到地理標(biāo)記檢測模塊直接發(fā)送過來的地理標(biāo)記，則直接根據(jù)地理標(biāo)記 信息判斷圖片或視頻的拍攝地； 步驟2:如果接收到分解模塊發(fā)送過來的像素信息，則將該像素信息發(fā)送至學(xué)習(xí)模塊， 學(xué)習(xí)模塊根據(jù)像素數(shù)據(jù)庫和地區(qū)數(shù)據(jù)庫中的關(guān)聯(lián)性分析，得出該像素信息的像素地理位 置;將該地理位置進(jìn)行臨時存儲； 步驟3:將分類器發(fā)送過來的圖像特征信息同樣的發(fā)送至學(xué)習(xí)模塊，學(xué)習(xí)模塊根據(jù)像素 數(shù)據(jù)庫和地區(qū)數(shù)據(jù)庫中的關(guān)聯(lián)性分析，得出該圖像特征信息的卷積地理位置； 步驟4:將該卷積地理位置和像素地理位置進(jìn)行比對，如果存在差異，則將像素地理位 置和卷積地理位置同時作為結(jié)果發(fā)送至結(jié)果顯示模塊進(jìn)行顯示； 步驟5:用戶在結(jié)果顯示模塊中可W判斷哪個結(jié)果是準(zhǔn)確的，將結(jié)果反饋至學(xué)習(xí)模塊； 步驟6:學(xué)習(xí)模塊會根據(jù)之前的反饋的正確結(jié)果，調(diào)整像素數(shù)據(jù)庫和地區(qū)數(shù)據(jù)庫中的關(guān) 聯(lián)性。7. 如權(quán)利要求3或4或5所述的基于卷積神經(jīng)網(wǎng)絡(luò)的圖像地理定位系統(tǒng)，其特征在于，所 述分類器的分類方法包括W下步驟： 步驟1:設(shè)定假設(shè)函數(shù)為：步驟4:根據(jù)計算得出的概率進(jìn)行分類處理。
【文檔編號】G06N3/08GK106095830SQ201610382449
【公開日】2016年11月9日
【申請日】2016年5月31日 公開號201610382449.8, CN 106095830 A, CN 106095830A, CN 201610382449, CN-A-106095830, CN106095830 A, CN106095830A, CN201610382449, CN201610382449.8
【發(fā)明人】曾麗
【申請人】成都九十度工業(yè)產(chǎn)品設(shè)計有限公司