基于海量地理位置信息的索引库建立及检索方法与流程

技术特征：
1.一种基于海量地理位置信息的索引库建立方法，其特征在于，包括以下步骤：将包含地理位置信息的样本图片进行特征提取，得到样本数据，该样本数据包括特征信息和相应的地理位置信息；建立索引库，将样本数据添加到索引库中，具体为：若索引库中没有数据，则将插入的样本数据作为第一个分组的第一条数据，且作为该分组的根节点；当索引库内若只有一个分组，后续数据直接插入到第一个分组内，当第一个分组超过若干条时，将与根节点特征信息相似度最低的样本数据建立新的分组，并作为新建分组的根节点；重复此过程，直到成功建立n个分组，n≥10；当索引库内超过n个分组时，待插入的样本数据与索引库中所有分组中的根节点进行特征信息比较，并按照相似度从高到低的次序选出n个分组作为待插入的分组，计算待插入的样本数据、n个分组中的样本数据与所在分组内根节点的特征信息相似度，相似度最低的样本数据重新当做新的待插入的样本数据插入其余n
‑
1个分组；若待插入样本数据在n个分组中找不到可插入的分组，则建立新的分组，并作为新建分组的根节点；重复此过程，直到索引库建立完毕。2.根据权利要求1所述的基于海量地理位置信息的索引库建立方法，其特征在于，与根节点最相似的样本数据存在分组的第二行；最不相似的样本数据存放于分组的最后一行，作为负根节点。3.根据权利要求1所述的基于海量地理位置信息的索引库建立方法，其特征在于，通过计算样本数据与根节点特征信息的残差计算相似度。4.根据权利要求1所述的基于海量地理位置信息的索引库建立方法，其特征在于，n＝10。5.根据权利要求1所述的基于海量地理位置信息的索引库建立方法，其特征在于，通过卷积神经网络提取样本图片的特征信息，该卷积神经网络的最后一个卷积层作为特征层用来捕获待处理样本图片的街景图像特征，且最后一个卷积层连接广义平均池化层；样本图片经过广义平均池化层池化后得到特征图，该特征图再输入到全连接层进行降维，得到包含样本图片特征信息的样本数据。6.一种基于权利要求1所述的基于海量地理位置信息的索引库建立方法的检索方法，其特征在于，包括以下步骤：提取待查询街景图像的特征，得到查询特征；将查询特征与索引库中的所有根节点进行相似度计算，按照相似度高低的顺序将分组进行排序，取前m1个分组作为检索结果的分组，计算m1个分组中所有样本数据与待查询特征的相似度，按照相似度高低的顺序排列，取到前r1条特征数据作为检索结果，r1≥50。7.根据权利要求6所述的检索方法，其特征在于，若索引库中与根节点最相似的样本数据存在分组的第二行，最不相似的样本数据存放于分组的最后一行且作为负根节点，则将查询特征与索引库中的所有负根节点进行相似度计算，按照相似度高低的顺序将分组进行排序，取前m2个分组作为检索结果的分组，计算m2个分组中所有样本数据与待查询特征的相似度，按照相似度高低的顺序排列，取到前r2条特征数据作为检索结果，r2≥50，将前r1条特征数据和前r2条特征数据进行去重，去重后的结果最为最终检索结果。8.根据权利要求6或7所述的检索方法，其特征在于，根据检索结果中对应的地理位置
信息进行位置分组。9.根据权利要求8所述的检索方法，其特征在于，位置分组具体包括以下步骤:检索筛选得到的r条结果的第一条作为第一个分组的基准点，计算其余检索结果点与基准点的距离是否小于或等于阈值，若是，则加入该基准点所在组；若否，将其加入一个临时组，并与临时组的第一条进行比较，若距离小于等于阈值则加入该临时组，若否，则再新建临时组；将剩余的检索结果点与已有的分组进行遍历计算距离，若存在小于阈值的情况，将此点纳入到该分组之中，直至r个检索结果点均分组完成。10.一种计算机存储介质，其特征在于，其可被处理器执行，其内存储有计算机程序，该计算机程序用于执行如权利要求1所述的基于海量地理位置信息的索引库建立方法，或权利要求6所述的检索方法。

技术总结
本发明公开了一种基于海量地理位置信息的索引建立及检索方法，主要是将街景图像库中的所有图像使用相同的方法提取出图像的特征，再将已经提取的特征数据插入到索引库中，插入完成后，索引库可在查询过程中使用。检索方法依照索引库的数据结构来进行检索，得到r条检索结果，再对检索结果进行推荐计算，使得检索结果按照地理位置信息重排序，使得检索结果更加符合用户的期望。加符合用户的期望。加符合用户的期望。


技术研发人员：李晓林 徐港 周一凡 黄磊 邵长成
受保护的技术使用者：武汉工程大学
技术研发日：2021.09.08
技术公布日：2021/12/7