图像地理位置定位方法、装置及电子设备制造方法及图纸

本公开提供了一种图像地理位置定位方法、装置及电子设备，其中方法包括：采集多个地理位置的参考图像，得到训练数据集，参考图像包括地面街景图像和航拍图像，参考图像带有地理位置信息和拍摄角度信息；构建胶囊网络模型，并利用训练数据集训练胶囊网络模型，得到训练完成的胶囊网络模型；将目标图像输入训练完成的胶囊网络模型，提取目标图像的深度特征，得到目标图像的特征向量；预测目标图像的特征向量在训练数据集中的分类类别，得到目标图像的地理位置信息和拍摄角度信息。本公开利用训练好的胶囊网络模型提取特征向量，并通过特征向量在训练数据集中的分类结果得出地理位置信息，解决了相关技术中难以确定图像地理位置信息的问题。息的问题。息的问题。

【技术实现步骤摘要】
图像地理位置定位方法、装置及电子设备


[0001]本公开涉及图像定位
，具体涉及一种图像地理位置定位方法、装置及电子设备。

技术介绍

[0002]目前，在对目标图像进行地理位置定位时，主要是通过将大量带有地理位置信息的地面视角图像作为参考，来确定目标图像的位置信息。然而，地面视角的参考图像主要集中在城市、旅游景点等人群聚集的地方，对于偏远的郊区或乡村等地区，由于当地的地面参考图像覆盖面太小，因此缺少相应的参考数据，导致难以确定图像的地理位置信息。
[0003]针对相关技术中难以确定图像的地理位置信息的问题，目前尚未提出有效的技术解决方案。

技术实现思路

[0004]本公开的主要目的在于提供一种图像地理位置定位方法、装置及电子设备，以解决相关技术中难以确定图像的地理位置信息的问题。
[0005]为了实现上述目的，本公开的第一方面提供了一种图像地理位置定位方法，包括：采集多个地理位置的参考图像，得到训练数据集，其中，参考图像包括地面街景图像和航拍图像，参考图像带有地理位置信息和拍摄角度信息；构建胶囊网络模型，并利用训练数据集训练胶囊网络模型，得到训练完成的胶囊网络模型；将目标图像输入训练完成的胶囊网络模型，提取目标图像的深度特征，得到目标图像的特征向量；以及预测目标图像的特征向量在训练数据集中的分类类别，得到目标图像的地理位置信息和拍摄角度信息。
[0006]可选地，采集多个地理位置的参考图像，得到训练数据集，包括：利用手持设备拍摄多个不同地理位置的地面全景图像，并记录手持设备的拍摄角度，其中，每幅地面全景图像均带有地理位置信息和拍摄角度信息；将地面全景图像进行裁剪，得到多幅地面街景图像，其中，每幅地面街景图像均带有地理位置信息和拍摄角度信息；按照预设比例尺获取每幅地面街景图像对应的航拍图像，其中，每幅地面街景图像均带有地理位置信息；将地面街景图像和航拍图像作为参考图像，所有参考图像构成训练数据集。
[0007]可选地，构建胶囊网络模型，并利用训练数据集训练胶囊网络模型，得到训练完成的胶囊网络模型，包括：按照胶囊网络的结构，构建胶囊网络模型，其中，胶囊网络的结构包括卷积层、初级胶囊层和基于动态路由的分类胶囊层；
将训练数据集输入胶囊网络模型，经过胶囊网络模型提取训练数据集中参考图像的深度特征，得到参考图像的特征向量；利用胶囊网络模型的不同胶囊层对图像特征提取的不同语义层次，分别构建损失函数，其中，不同胶囊层包括初级胶囊层和分类胶囊层；将参考图像的特征向量送入损失函数中，利用损失函数衡量胶囊网络模型对样本类别的预测值和真实标签值之间的误差；基于误差进行反向传播，采用随机梯度下降算法优化胶囊网络模型，完成基于训练数据集的一次迭代；当利用训练数据集进行迭代的次数达到预设迭代次数时，得到训练完成的胶囊网络模型和对应的网络模型权重。
[0008]进一步地，按照下述损失函数预测分类胶囊层中分类胶囊属于类别k的损失：，其中，为标记参数，用于标记当前样本是否属于第k类，如果是则，否则，为第一常量参数，为第二常量参数，为损失参数，用于减少非对应类别的胶囊向量的损失权重。
[0009]可选地，将目标图像输入训练完成的胶囊网络模型，提取目标图像的深度特征，得到目标图像的特征向量，包括：将目标图像输入训练完成的胶囊网络模型，其中，训练完成的胶囊网络模型对应有网络模型权重；利用网络模型权重提取目标图像的深度特征，得到目标图像的特征向量，其中，目标图像的特征向量为胶囊向量。
[0010]可选地，预测目标图像的特征向量在训练数据集中的分类类别，得到目标图像的地理位置信息和拍摄角度信息，包括：将目标图像的特征向量与训练数据集中参考图像的特征向量进行比对，预测目标图像所在地理位置在训练数据集中的分类类别，得到目标图像的地理位置信息；从训练数据集的参考图像中筛选出目标图像所在地理位置的地理位置标志图像；基于目标图像的特征向量和地理位置信息，将目标图像与地理位置标志图像进行比对，确定目标图像的拍摄位置与地理位置标志图像的地标位置之间的相对位置关系；根据相对位置关系确定拍摄目标图像的角度，得到目标图像的拍摄角度信息。
[0011]可选地，在得到目标图像的地理位置信息和拍摄角度信息之后，方法还包括：将目标图像的地理位置信息和拍摄角度信息发送至客户端；确定地理位置信息对应的经纬度坐标，并将经纬度坐标写入地标文件；通过客户端提供的句柄命令调用应用程序编程接口，读取地标文件，并显示读取出的经纬度坐标。
[0012]本公开的第二方面提供了一种图像地理位置定位装置，包括：
采集单元，用于采集多个地理位置的参考图像，得到训练数据集，其中，参考图像包括地面街景图像和航拍图像，参考图像带有地理位置信息和拍摄角度信息；训练单元，用于构建胶囊网络模型，并利用训练数据集训练胶囊网络模型，得到训练完成的胶囊网络模型；提取单元，用于将目标图像输入训练完成的胶囊网络模型，提取目标图像的深度特征，得到目标图像的特征向量；以及预测单元，用于预测目标图像的特征向量在训练数据集中的分类类别，得到目标图像的地理位置信息和拍摄角度信息。
[0013]本公开的第三方面提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机指令，计算机指令用于使计算机执行第一方面任意一项提供的图像地理位置定位方法。
[0014]本公开的第四方面提供了一种电子设备，电子设备包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的计算机程序，计算机程序被至少一个处理器执行，以使至少一个处理器执行第一方面任意一项提供的图像地理位置定位方法。
[0015]在本公开实施例提供的图像地理位置定位方法中，采集多个地理位置的参考图像，得到训练数据集，其中，参考图像包括地面街景图像和航拍图像，参考图像带有地理位置信息和拍摄角度信息；通过结合带有地理位置信息的地面街景图像和航拍图像，弥补了偏远郊区或乡村等地区地面参考图像覆盖面太小的缺陷；构建胶囊网络模型，并利用训练数据集训练胶囊网络模型，得到训练完成的胶囊网络模型；将目标图像输入训练完成的胶囊网络模型，提取目标图像的深度特征，得到目标图像的特征向量；利用训练好的胶囊网络模型提取特征，加强了提取特征的效率；预测目标图像的特征向量在训练数据集中的分类类别，得到目标图像的地理位置信息和拍摄角度信息。通过目标图像特征向量在训练数据集中的分类结果，可以得出目标图像的地理位置定位和拍摄角度，解决了相关技术中难以确定图像的地理位置信息的问题。
附图说明
[0016]为了更清楚地说明本公开具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施方式，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。
[0017]图1为本公开实施例提供的图像地理位置定位方法流程示意图；图2为本公开实施例提供的胶囊网络本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像地理位置定位方法，其特征在于，包括：采集多个地理位置的参考图像，得到训练数据集，其中，所述参考图像包括地面街景图像和航拍图像，所述参考图像带有地理位置信息和拍摄角度信息；构建胶囊网络模型，并利用所述训练数据集训练所述胶囊网络模型，得到训练完成的胶囊网络模型；将目标图像输入所述训练完成的胶囊网络模型，提取所述目标图像的深度特征，得到所述目标图像的特征向量；以及预测所述目标图像的特征向量在所述训练数据集中的分类类别，得到所述目标图像的地理位置信息和拍摄角度信息。2.根据权利要求1所述的方法，其特征在于，所述采集多个地理位置的参考图像，得到训练数据集，包括：利用手持设备拍摄多个不同地理位置的地面全景图像，并记录所述手持设备的拍摄角度，其中，每幅地面全景图像均带有地理位置信息和拍摄角度信息；将所述地面全景图像进行裁剪，得到多幅地面街景图像，其中，每幅地面街景图像均带有地理位置信息和拍摄角度信息；按照预设比例尺获取每幅地面街景图像对应的航拍图像，其中，每幅地面街景图像均带有地理位置信息；将所述地面街景图像和所述航拍图像作为参考图像，所有参考图像构成所述训练数据集。3.根据权利要求1所述的方法，其特征在于，所述构建胶囊网络模型，并利用所述训练数据集训练所述胶囊网络模型，得到训练完成的胶囊网络模型，包括：按照胶囊网络的结构，构建所述胶囊网络模型，其中，所述胶囊网络的结构包括卷积层、初级胶囊层和基于动态路由的分类胶囊层；将所述训练数据集输入所述胶囊网络模型，经过所述胶囊网络模型提取所述训练数据集中参考图像的深度特征，得到所述参考图像的特征向量；利用所述胶囊网络模型的不同胶囊层对图像特征提取的不同语义层次，分别构建损失函数，其中，所述不同胶囊层包括所述初级胶囊层和所述分类胶囊层；将所述参考图像的特征向量送入所述损失函数中，利用所述损失函数衡量所述胶囊网络模型对样本类别的预测值和真实标签值之间的误差；基于所述误差进行反向传播，采用随机梯度下降算法优化所述胶囊网络模型，完成基于所述训练数据集的一次迭代；当利用所述训练数据集进行迭代的次数达到预设迭代次数时，得到训练完成的胶囊网络模型和对应的网络模型权重。4.根据权利要求3所述的方法，其特征在于，按照下述损失函数预测分类胶囊层中分类胶囊 属于类别k的损失：，其中，为标记参数，用于标记当前样本是否属于第k类，如果是则，否则
，为第一常量参数，为第二常量参数，为损失参数，用于减少非对应类别的胶囊向量的损失权重。5.根据权利要求1所述的方法，其特征在于，所述将目标图像输入所述训练完成的胶囊网络模型，提取所述目标图像的深度特征，得到所述目标图像的特征向量，包括...

【专利技术属性】
技术研发人员：管冬冬，潘乐飞，马峰，杨晓云，雷刚，杨奇松，李亚雄，李少朋，
申请(专利权)人：中国人民解放军火箭军工程大学，
类型：发明
国别省市：