地點輔助的識別制造技術

提供了一種具有在來自服務器的幫助下執(zhí)行實時地點識別的能力的移動設備。移動設備的大致地球物理地點被上傳到服務器。基于移動設備的大致地球物理地點，服務器通過向移動設備發(fā)送包括分類器和一組特征描述符的消息來作出響應。這可以在圖像被捕捉以用于視覺查詢以前進行。分類器和特征描述符在離線訓練階段期間使用用于最小化查詢時間的計算的技術而生成的。分類器和特征描述符被用于通過在移動設備自身上執(zhí)行分類而實時地執(zhí)行視覺識別。

【技術實現步驟摘要】
【國外來華專利技術】地點輔助的識別背景具有相機的移動設備的增長已經增加了對可識別從移動設備的相機拍攝的圖像的地點識別應用的需要。由于移動設備具有有限的存儲容量和計算資源，視覺地點識別的任務常常是遠程執(zhí)行的。移動設備可以將從移動設備拍攝的圖像上傳到服務器。服務器將該圖像與該服務器上所存儲的相似圖像相匹配。所存儲的圖像被注釋有關于該圖像的地點的地理數據。服務器將圖像的地點下載到該移動設備。然而，移動設備可能具有有限的帶寬來與服務器通信。在移動設備與服務器之間傳送圖像和數據所涉及的等待時間可能是移動設備實時地執(zhí)行地點識別的瓶頸。概述提供本概述是為了以簡化的形式介紹將在以下詳細描述中進一步描述的選擇的概念。本概述并不旨在標識所要求保護主題的關鍵特征或必要特征，也不旨在用于限制所要求保護主題的范圍。移動設備在來自服務器的最小幫助下執(zhí)行實時地點識別。移動設備的地球物理地點從移動設備上傳到服務器。服務器基于移動設備的地球物理地點向移動設備提供緊湊的分類器和特征描述符。然后，移動設備捕捉圖像，該圖像然后使用緊湊的分類器和特征描述符被分類。分類的結果是對圖像是特定類或陸標的概率的估計。分類器和特征描述符是通過離線訓練階段生成的，并且被配置為最小化計算處理。在一實施例中，分類器是使用來自相同地球物理地點和類的所存儲圖像而被訓練的隨機決策樹林。用于訓練隨機決策樹林的方法自動地選擇存在于圖像中的最具區(qū)別性的特征。這產生了一種分類器，該分類器是緊湊的，并且因此可以快速地下載到移動設備并且還允許要在移動設備上實時地執(zhí)行的分類步驟的計算。通過閱讀下面的詳細描述并參考相關聯的附圖，這些及其他特點和優(yōu)點將變得顯而易見。應該理解，前面的概括說明和下面的詳細描述只是說明性的，不會對所要求保護的各方面形成限制。附圖說明圖1示出了用于地點輔助識別的示例性系統(tǒng)的框圖。圖2是示出用于訓練階段的示例性方法的流程圖。圖3是示出用于實時查詢階段的示例性方法的流程圖。圖4是示出用于訓練分類器的示例性方法的流程圖。圖5是示出用于特征提取的示例性方法的框圖。圖6是示出用于密集匹配的示例性方法的框圖。圖7是示出用于密集匹配的另一示例性方法的框圖。圖8是示出用于從移動設備執(zhí)行地點輔助識別的示例性方法的流程圖。圖9是示出用于訓練分類器的示例性方法的框圖。圖10是示出操作環(huán)境的框圖。圖11是示出操作環(huán)境中的移動設備的示例性組件的框圖。圖12是示出操作環(huán)境中的服務器的示例性組件的框圖。詳細描述各個實施例所針對的是一種執(zhí)行實時地點輔助識別的技術。地點識別是計算上繁重的過程，其要求大量存儲和計算時間。實時地點識別在使用計算上高效的技術時對于移動設備是實用的。在此所描述的技術依靠使用經壓縮的數據結構和技術來減少該計算負擔，而不使識別的精確度降級?？梢允褂梅诸惼魍ㄟ^如下方式來識別由移動設備中的相機捕捉的圖像：將所述圖像分類為一組預定類之一或者特定地球物理地點內的陸標之一。在一實施例中，分類器可以是具有若干隨機決策樹的隨機決策樹林?？梢允褂秒S機決策樹來將所捕捉的圖像的特征與具有相同地球物理地點和類的訓練圖像相比較。類是一種標識符，其描述諸如陸標、特定建筑物或結構之類的圖像。該分類包括：通過一系列比較從根節(jié)點到葉節(jié)點遍歷隨機決策樹。每個比較都表示二進制測試，該二進制測試評估特定特征是否存在于所捕捉的圖像中。這是通過如下方式進行的：首先使用諸如漢明距離之類的度量搜索所捕捉的圖像中的最相似的特征，并且將其與閾值比較。該閾值量化從訓練圖像中學習到的匹配的似然性。該樹遍歷結束于指示所捕捉的圖像是特定類或陸標的似然性的葉節(jié)點。該分類是由隨機決策樹林中的每個隨機決策樹獨立地執(zhí)行的。通過遍歷每個隨機決策樹產生的所有概率的平均值可以被用于估計圖像的最有可能的類。.在一實施例中，可以使用服務器來在移動設備的實時地點識別方面幫助移動設備。該服務器在離線訓練階段為每個地球物理地點和類生成隨機決策樹林。隨機決策樹林中的隨機決策樹是使用來自相同地球物理地點和類的所存儲圖像中而被訓練的。所述隨機決策樹是使用一組如下的特征描述符來生成的：所述特征描述符已經被分析是包括圖像的最顯著的特征的。在離線訓練階段，與相同地球物理地點相關聯的訓練圖像被分析以確定該圖像的最顯著的特征。執(zhí)行特征提取過程，該過程從訓練圖像中提取特征，并且分析所述特征以選擇具有區(qū)別性特性的子集。然后，該子集中的每個特征都被變換成被稱為特征描述符的更緊湊的表示。執(zhí)行密集匹配過程以確定哪些特征描述符表示圖像中的更顯著的特征。對顯著特征的搜索是通過為每個圖像中的每個特征描述符計算相似性分數、比如漢明距離來執(zhí)行的。為了最小化該搜索中所涉及的漢明距離計算的次數，使用最小散列過程來確定：哪些特征描述符是相似的因此不得不計算漢明距離。避免了對不相似的特征描述符的漢明距離計算，因為它們的相似性分數很可能是較低的。包含與每個訓練圖像相對應的特征描述符的表被用于訓練隨機決策樹林。該特征描述符的每個元素都是通過如下方式獲得的：計算每個特征描述符與在整個圖像中找到的最相似的描述符之間的相似性分數。用于訓練隨機決策樹林的方法自動地選擇存在于各個類的圖像中的最具區(qū)別性的特征。這產生了一種分類器，該分類器是緊湊的，并且因此可以快速地下載到移動設備并且還允許要在設備上實時地執(zhí)行的分類步驟的計算。在一實施例中，移動設備通過僅僅使用移動設備的地球物理地點的查詢從服務器獲得隨機決策樹林和特征描述符。在實施例中，地球物理地點可以是設備的GPS坐標。通過這種方式，可以最小化服務器與移動設備之間傳遞和接收數據的等待時間。然后，移動設備捕捉圖像，該圖像然后使用隨機決策樹林被分類。結果產生對該圖像是特定類的概率的估計。注意力現在轉移到對地點輔助識別的實施例的更詳細描述。參考圖1，示出了用于地點輔助識別的系統(tǒng)100。系統(tǒng)100可以包含與一個或多個移動設備104通信的服務器102。在一實施例中，服務器102和移動設備104可以通過通信網絡106可通信地耦合。通信網絡106可以由各種類型的通信介質構成，所述通信介質可以包括有線或無線通信介質及其任何組合。例如，移動設備104可以通過無線通信介質與通過有線通信介質耦合到服務器102的無線接入點通信。可替代地，移動設備104可以通過無線通信介質與服務器102直接通信。無線通信介質可以使用任何無線技術來操作，比如、但不限于IEEE802無線標準家族、Wi-Fi、WiMax、BluetoothTM或其任何組合。服務器102可以包括、但不限于計算機、個人計算機、臺式計算機、膝上型計算機、筆記本計算機、手持式計算機、服務器陣列或服務器場、小型計算機、大型計算機、超級計算機、分布式計算系統(tǒng)、多處理器系統(tǒng)或其組合。移動設備104可以是具有通過無線通信介質進行通信的能力的任何便攜式電子設備，比如但不限于：個人數字助理、移動計算設備、智能電話、平板個人計算機、蜂窩電話、消息設備或其組合。服務器102可以包含圖像數據庫108和分類器數據庫110。存儲在圖像數據庫108中的圖像被用地球物理標簽注釋，所述地球物理標簽包含地球物理地點和類標識符。在一實施例中，地球物理地點基于使用地球上地點的地理緯度和經度的地理坐標系。該地球物理地點可以表示為兩個數字：一個數字指示地理緯度；第二個本文檔來自技高網...

【技術保護點】
一種計算機實現的方法，包括：使用地球物理地點來獲得分類器，所述分類器與一個或多個類相關聯，每個類都用于描述圖像；捕捉與所述地球物理地點相關聯的圖像，所述圖像具有未知的類；以及將所述分類器應用于所述圖像以為所述圖像確定類。

【技術特征摘要】
【國外來華專利技術】2011.06.17 US 13/162,5911.一種用于地點輔助識別的計算機實現的方法，包括：接收緊湊的分類器以及與地球物理地點相關聯的第一組特征描述符；捕捉與所述地球物理地點相關聯的圖像，所述圖像具有未知的類；從所捕捉的圖像中生成第二組特征描述符；計算在第一組特征描述符中的每個特征描述符與在第二組特征描述符中的每個特征描述符的最小散列；為具有與在第一組特征描述符中的一個特征描述符相似最小散列的第二組特征描述符中的每個特征描述符生成相似性分數；以及基于相似性分數將所述緊湊的分類器應用于所捕捉的圖像以為所捕捉的圖像確定類。2.如權利要求1所述的方法，其特征在于，還包括：從第一設備請求所述緊湊的分類器，所述請求包含第一設備的地球物理地點；以及從位于第一設備的遠程的第二設備獲得所述緊湊的分類器。3.如權利要求1所述的方法，其特征在于，還包括：在捕捉所述圖像以前從與所述地球物理地點相對應的一個或多個訓練圖像中訓練所述緊湊的分類器，每個訓練圖像都與一個或多個類相關聯。4.如權利要求1所述的方法，其特征在于，其中所述相似性分數表示對在所捕捉的圖像中找到的圖像片的最接近的匹配。5.如權利要求1所述的方法，其特征在于，生成步驟還包括：為每個特征描述符計算漢明距離，所...

【專利技術屬性】
技術研發(fā)人員：V·埃達，S·辛哈，C·L·齊特尼克，R·澤里斯基，
申請(專利權)人：微軟公司，
類型：
國別省市：