(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210847873.0 (22)申请日 2022.07.19 (65)同一申请的已公布的文献号 申请公布号 CN 115082772 A (43)申请公布日 2022.09.20 (73)专利权人 小米汽车 科技有限公司 地址 100176 北京市大兴区北京经济技 术 开发区科创十街15号院5号楼6层618 室 (72)发明人 刘洋　马雅楠　 (74)专利代理 机构 北京英创嘉友知识产权代理 事务所(普通 合伙) 11447 专利代理师 曾尧 (51)Int.Cl. G06V 20/00(2022.01)G06V 10/42(2022.01) G06V 10/44(2022.01) G06V 10/75(2022.01) G06V 10/82(2022.01) 审查员 赵宇 (54)发明名称 地点识别方法、 装置、 车辆、 存 储介质及芯片 (57)摘要 本公开涉及地点识别方法、 装置、 车辆、 存储 介质及芯片， 该方法包括： 获取待识别图像； 获取 待识别图像的全局特征信息和局部特征信息， 其 中， 局部特征信息用于描述待识别图像中的目标 对象的特征； 从数据库中确定与全局特征信息和 局部特征信息匹配的地点图像， 并将地点图像表 征的地点作为待识别图像的地点。 通过上述技术 方案， 在对待识别图像进行地点识别时， 采用全 局特征信息和局部特征信息联合匹配的方式， 通 过局部特征信息对能区分各地点且不易随时间 发生变化的目标对象进行注意， 而不会对地点区 分性不强且形态易随时间变化的物体如绿植进 行注意， 提高了地 点识别的准确性。 权利要求书2页 说明书12页 附图2页 CN 115082772 B 2022.11.11 CN 115082772 B 1.一种地 点识别方法， 其特 征在于， 包括： 获取待识别图像； 获取所述待识别图像的全局特征信息和局部特征信息， 其中， 所述局部特征信息用于 描述所述待识别图像中的目标对象的特 征； 从数据库中确定与 所述全局特征信 息和局部特征信 息匹配的地点图像， 并将所述地点 图像表征的地 点作为所述待识别图像的地 点； 其中， 所述从数据库中确定与所述全局特征信息和局部特征信息匹配的地点图像， 并 将所述地点图像表征的地 点作为所述待识别图像的地 点包括： 确定所述待识别图像中的非目标对象在所述待识别图像中的面积占比； 在所述面积占比小于预设阈值的情况下， 从所述数据库中确定与所述全局特征信 息匹 配的地点图像， 并将该地 点图像表征的地 点作为所述待识别图像的地 点； 在所述面积占比大于或等于所述预设阈值的情况下， 从所述数据库中确定与 所述全局 特征信息匹配的候选地点图像， 并基于所述局部特征信息从所述候选地点图像中确定第一 目标地点图像， 并将所述第一目标地 点图像表征的地 点作为所述待识别图像的地 点。 2.根据权利要求1所述的地点识别方法， 其特征在于， 所述获取所述待识别图像的全局 特征信息和 局部特征信息包括： 将所述待识别图像输入预设图像识别网络， 获取所述待识别图像的全局特征信 息和局 部特征信息， 其中， 所述预设图像识别网络应用有针对所述目标对象的局部注意力机制。 3.根据权利要求2所述的地点识别方法， 其特征在于， 所述预设图像识别网络是通过以 下方式训练得到的： 对原训练集的多张第一 地点图像随机擦除部分区域， 以形成多张第二 地点图像； 将所述多张第二 地点图像扩充入原训练集， 得到新训练集； 基于所述 新训练集进行模型训练， 得到所述预设图像识别网络 。 4.根据权利要求3所述的地点识别方法， 其特征在于， 所述预设图像识别网络包括图像 处理子网络， 所述基于所述 新训练集进行模型训练， 得到所述预设图像识别网络包括： 对所述新训练集内的地 点图像下采样为低分辨 率的地点图像， 得到低分辨 率训练集； 基于所述低分辨率训练集对初始图像处理子网络进行训练， 获得所述图像处理子网 络， 所述初始图像处理子网络用于对所述低分辨率训练集中的地点图像进 行如下至少一种 操作： 去雾化操作、 像素化操作和锐化操作。 5.根据权利要求4所述的地点识别方法， 其特征在于， 所述预设图像识别网络还包括主 干网络、 全局特征信息生成分支网络和局部特征信息生成分支网络， 所述主干网络的输入 端与所述图像处理子网络的输出端连接、 输出端与所述全局特征信息生成分支网络和局部 特征信息生成分支网络的输入端连接， 所述全局特征信息生成分支网络包括多尺度目标检 测子网络和广义平均池化子网络， 所述局部特征信息生成分支网络应用有针对目标对象的 局部注意力机制， 所述将所述待识别图像输入预设图像识别网络， 获得所述待识别图像的 全局特征信息和 局部特征信息包括： 将所述待识别图像输入所述图像处理子网络， 经所述主干网络、 多尺度目标检测子网 络和广义平均池化子网络， 获得所述待识别图像的全局特征信息； 经所述主干网络和局部 特征信息生成分支网络， 获得 所述待识别图像的局部特 征信息。权　利　要　求　书 1/2 页 2 CN 115082772 B 26.根据权利要求1~5中任一项所述的地点识别方法， 其特征在于， 获取待识别图像包 括： 获取图像采集设备的地理位置， 并确定所述图像采集设备的地理位置与所述数据库中 第二目标地 点图像表征的地 点的地理位置之间的距离； 响应于所述距离小于或等于第二阈值， 通过 所述图像采集设备获取待识别图像。 7.一种地 点识别装置， 其特 征在于， 包括： 图像获取模块， 被 配置为获取待识别图像； 特征信息生成模块， 被配置为获取所述待识别图像的全局特征信息和局部特征信息， 所述局部特 征信息用于描述所述待识别图像中的目标对象的特 征； 识别结果输出模块， 被配置为从数据库中确定与 所述全局特征信 息和局部特征信 息匹 配的地点图像， 并将所述 地点图像表征的地 点作为所述待识别图像的地 点， 具体包括： 确定所述待识别图像中的非目标对象在所述待识别图像中的面积占比； 在所述面积占比小于预设阈值的情况下， 从所述数据库中确定与所述全局特征信 息匹 配的地点图像， 并将该地 点图像表征的地 点作为所述待识别图像的地 点； 在所述面积占比大于或等于所述预设阈值的情况下， 从所述数据库中确定与 所述全局 特征信息匹配的候选地点图像， 并基于所述局部特征信息从所述候选地点图像中确定第一 目标地点图像， 并将所述第一目标地 点图像表征的地 点作为所述待识别图像的地 点。 8.一种车辆， 其特 征在于， 包括： 第一处理器； 用于存储第一处 理器可执行指令的第一存 储器； 其中， 所述第一处 理器被配置为： 获取待识别图像； 获取所述待识别图像的全局特征信 息和局部特征信 息， 所述局部特征信 息用于描述所 述待识别图像中的目标对象的特 征； 从数据库中确定与 所述全局特征信 息和局部特征信 息匹配的地点图像， 并将所述地点 图像表征的地 点作为所述待识别图像的地 点； 其中， 所述从数据库中确定与所述全局特征信息和局部特征信息匹配的地点图像， 并 将所述地点图像表征的地 点作为所述待识别图像的地 点包括： 确定所述待识别图像中的非目标对象在所述待识别图像中的面积占比； 在所述面积占比小于预设阈值的情况下， 从所述数据库中确定与所述全局特征信 息匹 配的地点图像， 并将该地 点图像表征的地 点作为所述待识别图像的地 点； 在所述面积占比大于或等于所述预设阈值的情况下， 从所述数据库中确定与 所述全局 特征信息匹配的候选地点图像， 并基于所述局部特征信息从所述候选地点图像中确定第一 目标地点图像， 并将所述第一目标地 点图像表征的地 点作为所述待识别图像的地 点。 9.一种计算机可读存储介质， 其上存储有计算机程序指令， 其特征在于， 该程序指令被 处理器执行时实现权利要求1~6中任一项所述方法的步骤。 10.一种芯片， 其特征在于， 包括第二处理器和接口； 所述第二处理器用于读取指令以 执行权利要求1~6中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 115082772 B 3