(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210837267.0 (22)申请日 2022.07.15 (71)申请人 清华大学 地址 100084 北京市海淀区双清路3 0号清 华大学清华园北京 100084-82信箱 (72)发明人 李勇　张国祯　易金辉　金德鹏　 王钺　袁坚　 (74)专利代理 机构 北京路浩知识产权代理有限 公司 11002 专利代理师 吴斌 (51)Int.Cl. G06T 5/00(2006.01) G06V 10/26(2022.01) G06V 10/74(2022.01) G06V 10/774(2022.01)G06V 20/10(2022.01) G06V 20/70(2022.01) (54)发明名称 一种用于城市预测任务的街景图像采样方 法及装置 (57)摘要 本发明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。 权利要求书1页 说明书11页 附图2页 CN 115423695 A 2022.12.02 CN 115423695 A 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散度计算得到 。 6.根据权利要求1 ‑5中任一项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。 7.一种用于城市预测任务的街景图像采样装置， 其特 征在于， 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。 8.一种电子设备， 包括存储器、 处理器及存储在所述存储器上并可在所述处理器上运 行的计算机程序， 其特征在于， 所述处理器执行所述程序时实现如权利要求1至6任一项所 述的用于城市预测任务的街景图像采样方法的步骤。 9.一种非暂态计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机 程序被处理器执行时实现如权利要求1至6任一项所述的用于城市预测任务的街景图像采 样方法的步骤。 10.一种计算机程序产品， 包括计算机程序， 其特征在于， 所述计算机程序被处理器执 行时实现如权利要求1至 6任一项所述的用于城市预测任务的街景图像采样方法的步骤。权　利　要　求　书 1/1 页 2 CN 115423695 A 2一种用于城市预测任务的街景图像采 样方法及装置 技术领域 [0001]本发明涉及城市预测技术领域， 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 。 背景技术 [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。 发明内容 [0006]本发明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， 本发明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说　明　书 1/11 页 3 CN 115423695 A 3