[发明专利]一种图片拍摄区域识别及地理定位方法及装置

权利要求书

1.一种图片拍摄区域识别及地理定位方法，包括：

输入待测图片，使用图片特征提取器提取所述待测图片的特征向量，得到第一特征向量；

计算所述第一特征向量所属的特征向量簇，根据所述第一特征向量所属的特征向量簇，获知所述待测图片的拍摄区域信息；其中，每个特征向量簇代表一个地理区域；

使用测距网络计算所述第一特征向量与所属特征向量簇中其他特征向量的距离，得到所述待测图片的地理位置，其中，所述测距网络的输入为同一个特征向量簇中的特征向量两两组成的输入对，所述测距网络的输出为两个输入特征量对应的图片拍摄的地理距离；

其中，所述使用测距网络计算所述第一特征向量与所属特征向量簇中其他特征向量的距离，得到所述待测图片的地理位置包括：

获取所述第一特征向量与所属特征向量簇中距离最近的k个特征向量；

分别以所述k个特征向量的地理位置为圆心，以与所述第一特征向量的距离为半径确定每个特征向量所覆盖的区域，将所述k个特征向量覆盖的总区域划分成边长为a的网格，并统计每个网格被覆盖的次数，将覆盖次数最多的网格作为所述待测图片的地理位置；

其中，k、a为预设值。

2.根据权利要求1所述的方法，其特征在于，所述输入待测图片，使用图片特征提取器提取所述待测图片的特征向量，得到第一特征向量之前，所述方法还包括：

输入已知的图片集合，训练特征提取网络，得到图片特征提取器；其中，所述图片集合中的图片包含位置信息；

通过所述图片特征提取器提取所述图片集合中所有图片的特征向量，得到图片特征向量集，对所述图片特征向量集进行密度聚类，形成多个特征向量簇；

使用同一个特征向量簇中的每两个特征向量组成输入对训练测距网络，用于将输入的两个特征向量映射为两个图片拍摄地点的距离。

3.根据权利要求2所述的方法，其特征在于，所述输入已知的图片集合，训练特征提取网络，得到图片特征提取器之前，还包括：

在多个区域中每个地点在多种条件下采集多幅图片，对采集到的图片进行预处理，生成预定义尺寸大小的图片，作为已知的图片集合。

4.根据权利要求2所述的方法，其特征在于，

所述特征提取网络为卷积神经网络，包括卷积层、池化层和全连接层；

所述测距网络为神经网络，包括输入层、隐含层和输出层。

5.根据权利要求2所述的方法，其特征在于，

每个所述特征向量簇均包含核心点，所述核心点为一特征向量，以所述核心点为中心，半径为预设值的区域中包含大于预设数量阈值的特征向量。

6.根据权利要求1或2所述的方法，其特征在于，所述计算所述第一特征向量所属的特征向量簇包括：

计算所述第一特征向量与每个特征向量簇的核心点的距离，将所述第一特征向量分配到距离最近的特征向量簇中。

7.一种图片拍摄区域识别及地理定位装置，其特征在于，包括：

特征提取模块，用于输入待测图片，使用图片特征提取器提取所述待测图片的特征向量，得到第一特征向量；

区域识别模块，用于计算所述第一特征向量所属的特征向量簇，根据所述第一特征向量所属的特征向量簇，获知所述待测图片的拍摄区域信息；其中，每个特征向量簇代表一个地理区域；

地理定位模块，用于使用测距网络计算所述第一特征向量与所属特征向量簇中其他特征向量的距离，得到所述待测图片的地理位置，其中，所述测距网络的输入为同一个特征向量簇中的特征向量两两组成的输入对，所述测距网络的输出为两个输入特征量对应的图片拍摄的地理距离；

其中，所述使用测距网络计算所述第一特征向量与所属特征向量簇中其他特征向量的距离，得到所述待测图片的地理位置包括：

获取所述第一特征向量与所属特征向量簇中距离最近的k个特征向量；

分别以所述k个特征向量的地理位置为圆心，以与所述第一特征向量的距离为半径确定每个特征向量所覆盖的区域，将所述k个特征向量覆盖的总区域划分成边长为a的网格，并统计每个网格被覆盖的次数，将覆盖次数最多的网格作为所述待测图片的地理位置；

其中，k、a为预设值。