一种用于城市预测任务的街景图像采样方法及装置制造方法及图纸

本发明专利技术提供一种用于城市预测任务的街景图像采样方法，其中的方法包括：基于动态调整的采样步长，获取目标区域的街景图像，所述街景图像包含预设数量的语义分布信息；对所述街景图像进行噪声检测，并根据噪声检测结果对所述街景图像进行处理，得到无噪街景图像。该方法结合了采样步长的动态调整，以及图像噪声的检测处理，使得获取的街景图像中不仅包含足够的语义分布信息，且不含噪声，该方法获取的街景图像，能够有效提升城市预测任务的预测性能。能。能。

【技术实现步骤摘要】
一种用于城市预测任务的街景图像采样方法及装置


[0001]本专利技术涉及城市预测
，尤其涉及一种用于城市预测任务的街景图像采样方法及装置。

技术介绍

[0002]城市化的进展带来了现代化的生活，但是也带来很多的问题，例如交通的拥堵、环境的恶化以及能耗的增加，要解决这些问题，在很多年前看似几乎不可能，但随着人工智能和大数据的到来，利用获取各种各样的大数据，以及强大的计算平台和智能算法，去发现城市正面临的问题，并进一步去解决这些问题，是城市计算大背景下极具挑战但又极具意义的事情。
[0003]街景图像数据是城市预测任务最常见的数据源之一，例如，用于评估社会经济发展状况和感知城市物理变化。一般来说，大多数利用街景图像进行城市预测任务的研究包括两个步骤：首先，根据特定的采样算法，例如等距采样方法，对街景图像进行采样；其次，基于采样的街景图像，设计用于城市预测任务的预测算法。
[0004]由此可见，目前大多数现有技术专注于预测算法，聚焦于将采样到的街景图片用于下游预测和分析任务，而忽略了采样算法可能对预测结果产生巨大影响的事实。例如，采用不同采样方法获得的图像数据集所包含的信息可能存在很大差异，进而从根本上影响预测结果。
[0005]此外，现有技术提供了一种基于道路网络特征的街景数据获取方法，该方法主要关注于利用道路特征做街景地点的选取，然而，该方法并没有与下游预测任务和分析任务结合起来进行评测，从而导致该方法获取的街景数据用于下游任务预测时，预测性能存在较大的局限性。

技术实现思路
/>[0006]本专利技术提供一种用于城市预测任务的街景图像采样方法及装置，用以克服现有技术中用于城市预测任务的街景图像含有大量噪声，且缺失有效信息的缺陷，有效提升了城市预测任务的预测性能。
[0007]一方面，本专利技术提供一种用于城市预测任务的街景图像采样方法，包括：基于动态调整的采样步长，获取目标区域的街景图像；对所述街景图像进行噪声检测，并根据噪声检测结果对所述街景图像进行处理，得到无噪街景图像。
[0008]进一步地，所述基于动态调整的采样步长，获取目标区域的街景图像，包括：计算所述街景图像的语义分布，以及两张连续的街景图像的语义分布差异；根据所述语义分布差异，按照预设采样步长增加、减小或保持所述采样步长。
[0009]进一步地，所述对所述街景图像进行噪声检测，包括：获取所述街景图像的语义标签；根据目标类别语义标签的像素数量，确定所述街景图像是否为高遮挡图像。
[0010]进一步地，所述对所述街景图像进行噪声检测，包括：将所述街景图像转换为灰度
图像，并计算所述街景图像的平均灰度值；根据所述街景图像的平均灰度值，确定所述街景图像是否为曝光过度图像或曝光不足图像。
[0011]进一步地，所述街景图像的语义分布通过语义分割网络计算得到，所述语义分布差异通过JS散度计算得到。
[0012]进一步地，所述得到无噪街景图像，之后还包括：利用预先训练的预测模型，提取所述无噪街景图像中的全局特征、方向梯度直方图特征以及语义特征，对所述目标区域的城市预测任务进行预测。
[0013]第二方面，本专利技术还提供一种用于城市预测任务的街景图像采样装置，包括：街景图像获取模块，用于基于动态调整的采样步长，获取目标区域的街景图像；噪声检测模块，用于对所述街景图像进行噪声检测，并根据噪声检测结果对所述街景图像进行处理，得到无噪街景图像。
[0014]第三方面，本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述的用于城市预测任务的街景图像采样方法的步骤。
[0015]第四方面，本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述的用于城市预测任务的街景图像采样方法的步骤。
[0016]第五方面，本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述的用于城市预测任务的街景图像采样方法的步骤。
[0017]本专利技术提供的用于城市预测任务的街景图像采样方法，通过基于动态调整的采样步长，获取目标区域内包含预设数量的语义分布信息的街景图像，对获取到的街景图像进行噪声检测，并根据噪声检测结果对街景图像进行处理，以得到无噪街景图像。该方法结合了采样步长的动态调整，以及图像噪声的检测处理，使得获取的街景图像中不仅包含足够的语义分布信息，且不含噪声，通过该方法获取的街景图像，能够有效提升城市预测任务的预测性能，从而在下游的分析和预测任务中能够获取最佳的性能。
附图说明
[0018]为了更清楚地说明本专利技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0019]图1为本专利技术提供的用于城市预测任务的街景图像采样方法的流程示意图；
[0020]图2为本专利技术提供的用于城市预测任务的街景图像采样方法的城市预测任务示意图；
[0021]图3为本专利技术提供的用于城市预测任务的街景图像采样装置的结构示意图；
[0022]图4为本专利技术提供的电子设备的结构示意图。
具体实施方式
[0023]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合本专利技术中的附图，对本
专利技术中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0024]需要说明的是，在提出本专利技术的技术方案之前，将预测任务定为回归问题，通过城市预测任务的预测性能验证本专利技术的技术方案的合理性。具体地，通过控制变量的方式分别验证采样步长、采样角度以及采样图像质量这三个因素对不同下游城市预测任务的预测性能的影响，例如最常见的三项城市预测任务的预测，即商业活跃度预测、城市活力预测以及城市人口预测。
[0025]具体地，在验证不同采样步长对不同城市预测任务的预测性能时，首先，预测性能在不同采样步长下显著不同，街景采样算法确实对预测性能有显著影响。
[0026]其次，对于不同的预测任务有着相同的趋势，即当采样步长小于某一采样步长时，预测性能保持稳定，而随着采样步长的增加或减小，预测性能都会变得更糟糕，这表明存在最佳采样步长。较大的步长可能会导致街景图像中信息的丢失，而较小的步长可能会给街景图像数据集带来很多噪音。
[0027]在验证不同采样角度对不同城市预测任务的预测性能时，采样角度对城市预测任务的预测结果没有显着影响，即论采样角度如何，在同一位置拍摄的街景图像都包含相似的信息。
[0028]在验证不同采样图像质量对不同城市预测任务的预测性能本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于城市预测任务的街景图像采样方法，其特征在于，包括：基于动态调整的采样步长，获取目标区域的街景图像；对所述街景图像进行噪声检测，并根据噪声检测结果对所述街景图像进行处理，得到无噪街景图像。2.根据权利要求1所述的用于城市预测任务的街景图像采样方法，其特征在于，所述基于动态调整的采样步长，获取目标区域的街景图像，包括：计算所述街景图像的语义分布，以及两张连续的街景图像的语义分布差异；根据所述语义分布差异，按照预设采样步长增加、减小或保持所述采样步长。3.根据权利要求1所述的用于城市预测任务的街景图像采样方法，其特征在于，所述对所述街景图像进行噪声检测，包括：获取所述街景图像的语义标签；根据目标类别语义标签的像素数量，确定所述街景图像是否为高遮挡图像。4.根据权利要求1所述的用于城市预测任务的街景图像采样方法，其特征在于，所述对所述街景图像进行噪声检测，包括：将所述街景图像转换为灰度图像，并计算所述街景图像的平均灰度值；根据所述街景图像的平均灰度值，确定所述街景图像是否为曝光过度图像或曝光不足图像。5.根据权利要求2所述的用于城市预测任务的街景图像采样方法，其特征在于，所述街景图像的语义分布通过语义分割网络计算得到，所述语义分布差异通过JS散...

【专利技术属性】
技术研发人员：李勇，张国祯，易金辉，金德鹏，王钺，袁坚，
申请(专利权)人：清华大学，
类型：发明
国别省市：