基于图像识别的同名小区辨别方法及系统与流程

本发明涉及信息处理技术领域，更具体地，涉及一种基于图像识别的同名小区辨别方法及系统。

背景技术：

随着互联网的快速普及和发展，房屋租售平台大量涌现。房产经纪人将房源信息发布在各个租售平台，以便用户通过设置筛选条件的方式，在房源网站上查找到所需的房源信息。

但是，在某些应用场景下，若小区a的别名是小区b，而不同的房产经纪人在发布该房源信息时可能会使用不同的小区名称，这就导致用户在搜索房源信息时，无法辨别二者是否为相同房源；此外，在另一应用场景下，若存在名称相同或相近的两个小区，用户可能会误认为两个小区是同一房源。

为解决上述问题，现有技术中判断两个小区名是否为同一小区的方法是：首先，判断两个小区所在的城市和城区是否均相同；若相同，则进一步计算两个小区名称的文本相似度，如果文本相似度大于等于90％，则判定两个小区为同一小区。

然而，上述同名小区的辨别方法中，当某一小区存在文本相似度小于90％的别名，或是两个不同小区的名称的文本相似度超过90％时，会出现很高的误判频率，大大降低了辨别准确率。

技术实现要素：

本发明提供了一种基于图像识别的同名小区辨别方法及系统，能够有效提高同名小区的辨别准确率，降低误判风险。

第一方面，本申请提供一种基于图像识别的同名小区辨别方法，所述方法包括：

获取第一待辨别小区的第一属性信息，以及第二待辨别小区的第二属性信息；其中，所述第一属性信息包括第一待辨别小区的第一经纬度信息，所述第二属性信息包括第二待辨别小区的第二经纬度信息；

根据第一经纬度信息和第二经纬度信息，确定所述第一待辨别小区与所述第二待辨别小区之间的距离；

当第一待辨别小区与第二待辨别小区之间的距离小于等于预设阈值时，获取第一待辨别小区的第一图像，以及第二待辨别小区的第二图像；其中，所述第一图像中包含第一待辨别小区的第一楼体，所述第二图像中包含第二待辨别小区的第二楼体；

对所述第一图像和所述第二图像进行显著性检测，并根据显著性检测结果，得到所述第一楼体所在的第一区域，以及所述第二楼体所在的第二区域；

计算所述第一区域与所述第二区域之间的图像相似性值；

根据所述图像相似性值，以及第一待辨别小区与第二待辨别小区之间的距离，确定辨别结果。

可选地，所述对所述第一图像和所述第二图像进行显著性检测，并根据显著性检测结果，得到所述第一楼体所在的第一区域，以及所述第二楼体所在的第二区域的步骤，包括：

计算所述第一图像对应的第一显著性图，和所述第二图像对应的第二显著性图；

根据预设的显著性阈值，从所述第一显著性图中分割出第一楼体所在的最小外接矩形，作为第一区域；并从所述第二显著性图中分割出第二楼体所在的最小外接矩形，作为第二区域。

可选地，所述计算所述第一图像对应的第一显著性图，和所述第二图像对应的第二显著性图的步骤，包括：

对所述第一图像和所述第二图像进行快速傅里叶变换，得到所述第一图像的第一幅度谱和第一相位谱，以及所述第二图像的第二幅度谱和第二相位谱；

根据所述第一幅度谱，计算所述第一图像的第一对数幅度谱，并根据所述第二幅度谱，计算所述第二图像的第二对数幅度谱；

利用预设的均值滤波器，分别对第一对数幅度谱和第二对数幅度谱进行滤波，并按照如下公式计算第一图像的第一剩余谱，以及第二图像的第二剩余谱：

r1＝l1-hn*l1；

r2＝l2-hn*l2；

式中，r1为计算得到的所述第一剩余谱，r2为计算得到的所述第二剩余谱，l1为第一图像的第一对数幅度谱，l2为第二图像的第二对数幅度谱，hn表示预设的大小为n×n的均值滤波器；

利用所述第一剩余谱和所述第一相位谱重构得到第一图像对应的第一显著性图，并利用所述第二剩余谱和所述第二相位谱重构得到第二图像对应的第二显著性图。

可选地，所述第一区域与所述第二区域之间的图像相似性值采用如下公式计算获得：

sim(l1，l2)＝i(l1，l2)·c(l1，l2)·s(l1，l2)；

式中，l1表示所述第一区域，l2表示所述第二区域，i(l1，l2)表示第一区域与第二区域之间的亮度相似性，c(l1，l2)表示第一区域与第二区域之间的对比度相似性，s(l1，l2)表示第一区域与第二区域之间的结构相似性；其中，

式中，u1、u2分别表示第一区域中所有像素值的均值，以及第二区域中所有像素值的均值；σ1、σ2分别表示第一区域中所有像素值的标准差，以及第二区域中所有像素值的标准差；σ12表示第一区域与第二区域的协方差；c1＝(k1·l)²、c2＝(k2·l)²、c3＝c2/2，k1＝0.01，k2＝0.03，l＝255。

可选地，所述第一属性信息还包括第一待辨别小区所在的第一城市和第一城区，所述第二属性信息还包括第二待辨别小区所在的第二城市和第二城区；

所述根据第一经纬度信息和第二经纬度信息，确定所述第一待辨别小区与所述第二待辨别小区之间的距离的步骤之前，还包括：

比较所述第一待辨别小区所在的第一城市，与所述第二待辨别小区所在的第二城市是否相同；若不同，则辨别结果为所述第一待辨别小区与所述第二待辨别小区不是同一小区；

若相同，则比较所述第一待辨别小区所在的第一城区与所述第二待辨别小区所在的第二城区是否相同：若不同，则辨别结果为所述第一待辨别小区与所述第二待辨别小区不是同一小区；若相同，则执行所述根据第一经纬度信息和第二经纬度信息，确定所述第一待辨别小区与所述第二待辨别小区之间的距离的步骤。

可选地，所述第一经纬度信息包括第一待辨别小区的第一经度和第一纬度，所述第二经纬度信息包括第二待辨别小区的第二经度和第二纬度；

所述第一待辨别小区与第二待辨别小区之间的距离采用如下公式计算获得：

haversin(θ)＝sin²(θ/2)＝(1-cos(θ))/2；

式中，d为第一待辨别小区与第二待辨别小区之间的距离，r为地球半径，和分别为第一纬度和第二纬度，δλ表示第一经度与第二经度的差值。

可选地，所述根据所述图像相似性值，以及第一待辨别小区与第二待辨别小区之间的距离，确定辨别结果的步骤，包括：

当所述图像相似性值大于等于0.9时，辨别结果为所述第一待辨别小区与所述第二待辨别小区是同一小区；

当所述图像相似性值大于等于0.6时，判断所述第一待辨别小区与所述第二待辨别小区之间的距离是否小于等于300米；如果是，则辨别结果为所述第一待辨别小区与所述第二待辨别小区是同一小区；如果否，则辨别结果为所述第一待辨别小区与所述第二待辨别小区不是同一小区；

当第一待辨别小区与第二待辨别小区之间的距离小于等于10米时，辨别结果为所述第一待辨别小区与所述第二待辨别小区是同一小区。

第二方面，本申请提供一种基于图像识别的同名小区辨别系统，所述系统包括：

信息获取模块，用于获取第一待辨别小区的第一属性信息，以及第二待辨别小区的第二属性信息；其中，所述第一属性信息包括第一待辨别小区的第一经纬度信息，所述第二属性信息包括第二待辨别小区的第二经纬度信息；

距离确定模块，用于根据第一经纬度信息和第二经纬度信息，确定所述第一待辨别小区与所述第二待辨别小区之间的距离；

图像获取模块，用于当第一待辨别小区与第二待辨别小区之间的距离小于等于预设阈值时，获取第一待辨别小区的第一图像，以及第二待辨别小区的第二图像；其中，所述第一图像中包含第一待辨别小区的第一楼体，所述第二图像中包含第二待辨别小区的第二楼体；

显著性检测模块，用于对所述第一图像和所述第二图像进行显著性检测，并根据显著性检测结果，得到所述第一楼体所在的第一区域，以及所述第二楼体所在的第二区域；

计算模块，用于计算所述第一区域与所述第二区域之间的图像相似性值；

结果确定模块，用于根据所述图像相似性值，以及第一待辨别小区与第二待辨别小区之间的距离，确定辨别结果。

第三方面，本申请提供一种电子设备，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述第一方面中任一所述的方法。

第四方面，本申请提供一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现如上述第一方面中任一所述的方法。

与现有技术相比，本发明提供的一种基于图像识别的同名小区辨别方法及系统，至少实现了如下的有益效果：

本申请提供的一种基于图像识别的同名小区辨别方法及系统，通过获取第一待辨别小区的第一属性信息，以及第二待辨别小区的第二属性信息；其中，第一属性信息包括第一待辨别小区的第一经纬度信息，第二属性信息包括第二待辨别小区的第二经纬度信息；根据第一经纬度信息和第二经纬度信息，确定第一待辨别小区与第二待辨别小区之间的距离；当第一待辨别小区与第二待辨别小区之间的距离小于等于预设阈值时，获取第一待辨别小区的第一图像，以及第二待辨别小区的第二图像；其中，第一图像中包含第一待辨别小区的第一楼体，第二图像中包含第二待辨别小区的第二楼体；对第一图像和第二图像进行显著性检测，并根据显著性检测结果，得到第一楼体所在的第一区域，以及第二楼体所在的第二区域；计算第一区域与第二区域之间的图像相似性值；根据图像相似性值，以及第一待辨别小区与第二待辨别小区之间的距离，确定辨别结果。由于同一小区内各楼体的外观都是相同或相近的，本申请利用显著性检测算法识别第一楼梯和第二楼体后，通过计算第一楼体与第二楼体之间的图像相似性值，能够衡量出二者的相似程度，从而辨别同名小区是否为同一小区，有效提高了辨别准确率。

当然，实施本发明的任一产品必不特定需要同时达到以上所述的所有技术效果。

通过以下参照附图对本发明的示例性实施例的详细描述，本发明的其它特征及其优点将会变得清楚。

附图说明

被结合在说明书中并构成说明书的一部分的附图示出了本发明的实施例，并且连同其说明一起用于解释本发明的原理。

图1所示为本申请实施例所提供的基于图像识别的同名小区辨别方法的一种流程图；

图2所示为本申请实施例所提供的基于图像识别的同名小区辨别系统的一种结构示意图；

图3所示为本申请实施例所提供的可以应用于其中的示例性系统架构图；

图4所示为本申请实施例所提供的适于用来实现本申请实施例的终端设备或服务器的计算机系统的结构示意图。

具体实施方式

现在将参照附图来详细描述本发明的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。

以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。

对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。

在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

现有技术提供的同名小区辨别方法中，对于处于同一城市和城区的待辨别小区，仅通过文本相似度是否大于等于预设阈值来判断二者是否为同一小区。可以理解，若某一小区存在名称a和别名b，且a与b的文本相似度小于90％，则会将名称a与别名b判定为不同小区；再例如，名称分别为a和b的两个小区由于名称相同或相近，文本相似度大于等于90％，那么此时又会将名称a与别名b判定为同一小区。可见，现有技术提供的同名小区辨别方法只将文本相似度作为判别依据，会出现很高的误判频率，大大降低了辨别准确率。

有鉴于此，本发明提供了一种基于图像识别的同名小区辨别方法及系统，能够有效提高同名小区的辨别准确率，降低误判风险。

以下将结合附图和具体实施例进行详细说明。

图1所示为本申请实施例所提供的基于图像识别的同名小区辨别方法的一种流程图。请参见图1，该同名小区辨别方法包括：

步骤101、获取第一待辨别小区的第一属性信息，以及第二待辨别小区的第二属性信息；其中，第一属性信息包括第一待辨别小区的第一经纬度信息，第二属性信息包括第二待辨别小区的第二经纬度信息；

步骤102、根据第一经纬度信息和第二经纬度信息，确定第一待辨别小区与第二待辨别小区之间的距离；

步骤103、当第一待辨别小区与第二待辨别小区之间的距离小于等于预设阈值时，获取第一待辨别小区的第一图像，以及第二待辨别小区的第二图像；其中，第一图像中包含第一待辨别小区的第一楼体，第二图像中包含第二待辨别小区的第二楼体；

步骤104、对第一图像和第二图像进行显著性检测，并根据显著性检测结果，得到第一楼体所在的第一区域，以及第二楼体所在的第二区域；

步骤105、计算第一区域与第二区域之间的图像相似性值；

步骤106、根据图像相似性值，以及第一待辨别小区与第二待辨别小区之间的距离，确定辨别结果。

具体地，获取第一待辨别小区的第一经纬度信息和第二待辨别小区的第二经纬度信息之后，可以先计算两小区之间的距离，通过距离限定的方式进行初步辨别；然后，对于可能是同一小区的两个待辨别小区，利用显著性检测算法识别获得第一楼体所在的第一区域和第二楼体所在的第二区域；一般来说，同一小区内各楼体的外观，如楼体结构和楼体中每个立面的颜色，都是相同或相近的，因此，可以进一步计算第一区域与第二区域之间的图像相似性值；显然，图像相似性值越大，则说明第一区域内的第一楼体与第二区域内的第二楼体也越相似；反之，图像相似性值越小，则表示第一区域内的第一楼体与第二区域内的第二楼体的相似程度也越小。最后，结合图像相似性值和两小区之间的距离，即可确定辨别结果。

本申请实施例提供的同名小区辨别方法中，通过计算第一楼体与第二楼体之间的图像相似性值来衡量二者的相似程度，与现有技术中仅考虑文本相似度的辨别方法相比，能够结合第一待辨别小区以及第二待辨别小区中的楼体特征加以辨别，因此可以降低误判风险，有效提高了辨别准确率。

可选地，上述步骤104中，对第一图像和第二图像进行显著性检测，并根据显著性检测结果，得到第一楼体所在的第一区域，以及第二楼体所在的第二区域的步骤，包括：

计算第一图像对应的第一显著性图，和第二图像对应的第二显著性图；

根据预设的显著性阈值，从第一显著性图中分割出第一楼体所在的最小外接矩形，作为第一区域；并从第二显著性图中分割出第二楼体所在的最小外接矩形，作为第二区域。

具体地，显著性图中各个像素点处的像素值代表了原图像对应位置处的显著程度；像素值越大，则表示该位置处的显著程度越高，在显著性图中的亮度也就越大；像素值越小，则表示该位置处的显著程度越低，在显著图中的亮度也就越小。

示例性地，由于第一显著性图和第二显著性图中，各个像素点的像素值在[0，255]内，那么预设的显著性阈值可以为150。根据该显著性阈值，对第一显著性图和第二显著性图进行二值化处理，从而将楼体从背景中分割出来。

可以理解的是，显著性检测模拟了人眼的视觉特性，能够计算出当前场景中最能引起用户兴趣、最能表现图像内容的区域，而显著性图正是对这些区域的反映。利用显著性检测算法识别楼体，可以获得与人眼观察结果具有较高一致性的识别结果，有利于更准确地分割出第一区域和第二区域，从而使计算出的图像相似性值更加准确。

可选地，本实施例中可以采用剩余谱算法计算第一图像对应的第一显著性图和第二图像对应的第二显著性图，具体包括：

s1、对第一图像和第二图像进行快速傅里叶变换，得到第一图像的第一幅度谱和第一相位谱，以及第二图像的第二幅度谱和第二相位谱；

s2、根据第一幅度谱，计算第一图像的第一对数幅度谱，并根据第二幅度谱，计算第二图像的第二对数幅度谱；

s3、利用预设的均值滤波器，分别对第一对数幅度谱和第二对数幅度谱进行滤波，并按照如下公式计算第一图像的第一剩余谱，以及第二图像的第二剩余谱：

r1＝l1-hn*l1；

r2＝l2-hn*l2；

式中，r1为计算得到的第一剩余谱，r2为计算得到的第二剩余谱，l1为第一图像的第一对数幅度谱，l2为第二图像的第二对数幅度谱，hn表示预设的大小为n×n的均值滤波器；

s4、利用第一剩余谱和第一相位谱重构得到第一图像对应的第一显著性图，并利用第二剩余谱和第二相位谱重构得到第二图像对应的第二显著性图。

在上述步骤s1中，若第一图像和第二图像为彩色图像，那么可以先将第一图像和第二图像转换为灰度图像，再对转换后的灰度图像中的各个像素点进行快速傅里叶变换。

具体地，可以按照如下公式计算第一图像的第一对数幅度谱和第二图像的第二对数幅度谱：

l1＝log(a1)；

l2＝log(a2)；

其中，a1、a2分别表示第一图像的第一幅度谱和第二图像的第二幅度谱，l1、l2分别表示第一图像的第一对数幅度谱和第二图像的第二对数幅度谱。

步骤s3中，预设的均值滤波器hn的大小可以为3×3；计算得到的第一剩余谱r1和第二剩余谱r2分别代表了第一图像和第二图像中包含的新颖信息。

步骤s4中，可以按照下式重构得到第一显著性图和第二显著性图：

s1＝g*f^-1[exp(r1+p1)]²；

s2＝g*f^-1[exp(r2+p2)]²；

其中，p1、p2分别表示第一图像的第一相位谱和第二图像的第二相位谱，r1、r2分别为第一图像的第一剩余谱和第二图像的第二剩余谱，f^-1为傅里叶逆变换，g为高斯滤波器，s1、s2分别为计算得到的第一显著性图和第二显著性图。

可选地，第一区域与第二区域之间的图像相似性值采用如下公式计算获得：

sim(l1，l2)＝i(l1，l2)·c(l1，l2)·s(l1，l2)；

式中，l1表示第一区域，l2表示第二区域，i(l1，l2)表示第一区域与第二区域之间的亮度相似性，c(l1，l2)表示第一区域与第二区域之间的对比度相似性，s(l1，l2)表示第一区域与第二区域之间的结构相似性；其中，

式中，u1、u2分别表示第一区域中所有像素值的均值，以及第二区域中所有像素值的均值；σ1、σ2分别表示第一区域中所有像素值的标准差，以及第二区域中所有像素值的标准差；σ12表示第一区域与第二区域的协方差；c1＝(k1·l)²、c2＝(k2·l)²、c3＝c2/2，k1＝0.01，k2＝0.03，l＝255。

进一步地，本实施例在计算图像相似性值之前，还可以先将第一区域和第二区域归一化至相同大小，以避免由于尺度不同导致的图像相似性值计算不够准确的问题。

由于分别计算了第一区域和第二区域之间的亮度相似性、对比度相似性和结构相似性，因此可以从多个角度衡量两个区域之间的相似性，保证了同名小区辨别结果的准确性和可靠性。

可选地，第一属性信息还包括第一待辨别小区所在的第一城市和第一城区，第二属性信息还包括第二待辨别小区所在的第二城市和第二城区；

在上述步骤102之前，还可以先判断第一属性信息和第二属性信息是否相同，具体步骤为：

比较第一待辨别小区所在的第一城市与第二待辨别小区所在的第二城市是否相同；若不同，则辨别结果为第一待辨别小区与第二待辨别小区不是同一小区；

若相同，则比较第一待辨别小区所在的第一城区与第二待辨别小区所在的第二城区是否相同：若不同，则辨别结果为第一待辨别小区与第二待辨别小区不是同一小区；若相同，则执行根据第一经纬度信息和第二经纬度信息，确定第一待辨别小区与所述第二待辨别小区之间的距离的步骤。

可以理解的是，若两个待辨别小区是同一小区，那么二者也一定处于相同的城市和城区，即：处于不同城市或城区的两个待辨别小区一定不是同一小区。可见，针对待辨别小区处于不同城市或城区的情况，通过比较第一基本信息和第二基本信息能够快速确定辨别结果，无需再进行后续计算，大大节省了计算资源，提高了算法的实时性。

可选地，第一经纬度信息包括第一待辨别小区的第一经度和第一纬度，第二经纬度信息包括第二待辨别小区的第二经度和第二纬度；

第一待辨别小区与第二待辨别小区之间的距离采用如下公式计算获得：

haversin(θ)＝sin²(θ/2)＝(1-cos(θ))/2；

式中，d为第一待辨别小区与第二待辨别小区之间的距离，r为地球半径，和分别为第一纬度和第二纬度，δλ表示第一经度与第二经度的差值。

本实施例中，第一经纬度信息和第二经纬度信息可以通过地图类app获得，地球半径可以取6371km。由于地球是一球体，利用上述公式可以将经纬度转换为地球坐标，从而准确地计算出待辨别小区之间的距离。

可选地，根据图像相似性值，以及第一待辨别小区与第二待辨别小区之间的距离，确定辨别结果的步骤，包括：

当图像相似性值大于等于0.9时，辨别结果为第一待辨别小区与第二待辨别小区是同一小区；

当图像相似性值大于等于0.6时，判断第一待辨别小区与第二待辨别小区之间的距离是否小于等于300米；如果是，则辨别结果为第一待辨别小区与第二待辨别小区是同一小区；如果否，则辨别结果为第一待辨别小区与第二待辨别小区不是同一小区；

当第一待辨别小区与第二待辨别小区之间的距离小于等于10米时，辨别结果为第一待辨别小区与第二待辨别小区是同一小区。

通过辨别同名小区是否为同一小区，可以在房产经纪人发布房源信息时，进一步审核房屋租售平台上是否存在相同房源，便于进行后续的房源合并或房源去重，从而使用户在海量的房源数据中，快速、准确地获取所需信息，提高了用户的使用体验。

本发明提供的一种基于图像识别的同名小区辨别方法，至少实现了如下的有益效果：

通过获取第一待辨别小区的第一属性信息，以及第二待辨别小区的第二属性信息；其中，第一属性信息包括第一待辨别小区的第一经纬度信息，第二属性信息包括第二待辨别小区的第二经纬度信息；根据第一经纬度信息和第二经纬度信息，确定第一待辨别小区与第二待辨别小区之间的距离；当第一待辨别小区与第二待辨别小区之间的距离小于等于预设阈值时，获取第一待辨别小区的第一图像，以及第二待辨别小区的第二图像；其中，第一图像中包含第一待辨别小区的第一楼体，第二图像中包含第二待辨别小区的第二楼体；对第一图像和第二图像进行显著性检测，并根据显著性检测结果，得到第一楼体所在的第一区域，以及第二楼体所在的第二区域；计算第一区域与第二区域之间的图像相似性值；根据图像相似性值，以及第一待辨别小区与第二待辨别小区之间的距离，确定辨别结果。由于同一小区内各楼体的外观都是相同或相近的，本申请利用显著性检测算法识别第一楼梯和第二楼体后，通过计算第一楼体与第二楼体之间的图像相似性值，能够衡量出二者的相似程度，从而辨别同名小区是否为同一小区，有效提高了辨别准确率。

基于同一发明构思，本申请还提供一种基于图像识别的同名小区辨别系统，图2所示为本申请实施例所提供的一种基于图像识别的同名小区辨别系统的结构示意图。参见图2，该系统包括：

信息获取模块210，用于获取第一待辨别小区的第一属性信息，以及第二待辨别小区的第二属性信息；其中，第一属性信息包括第一待辨别小区的第一经纬度信息，第二属性信息包括第二待辨别小区的第二经纬度信息；

距离确定模块220，用于根据第一经纬度信息和第二经纬度信息，确定第一待辨别小区与第二待辨别小区之间的距离；

图像获取模块230，用于当第一待辨别小区与第二待辨别小区之间的距离小于等于预设阈值时，获取第一待辨别小区的第一图像，以及第二待辨别小区的第二图像；其中，第一图像中包含第一待辨别小区的第一楼体，第二图像中包含第二待辨别小区的第二楼体；

显著性检测模块240，用于对第一图像和所述第二图像进行显著性检测，并根据显著性检测结果，得到第一楼体所在的第一区域，以及第二楼体所在的第二区域；

计算模块250，用于计算第一区域与第二区域之间的图像相似性值；

结果确定模块260，用于根据图像相似性值，以及第一待辨别小区与第二待辨别小区之间的距离，确定辨别结果。

由于同一小区内各楼体的外观都是相同或相近的，本申请提供的同名小区辨别方法利用显著性检测算法识别第一楼梯和第二楼体后，通过计算第一楼体与第二楼体之间的图像相似性值，能够衡量出二者的相似程度，从而辨别同名小区是否为同一小区，有效提高了辨别准确率。

本发明提供的一种基于图像识别的同名小区辨别方法及系统，至少实现了如下的有益效果：

通过获取第一待辨别小区的第一属性信息，以及第二待辨别小区的第二属性信息；其中，第一属性信息包括第一待辨别小区的第一经纬度信息，第二属性信息包括第二待辨别小区的第二经纬度信息；根据第一经纬度信息和第二经纬度信息，确定第一待辨别小区与第二待辨别小区之间的距离；当第一待辨别小区与第二待辨别小区之间的距离小于等于预设阈值时，获取第一待辨别小区的第一图像，以及第二待辨别小区的第二图像；其中，第一图像中包含第一待辨别小区的第一楼体，第二图像中包含第二待辨别小区的第二楼体；对第一图像和第二图像进行显著性检测，并根据显著性检测结果，得到第一楼体所在的第一区域，以及第二楼体所在的第二区域；计算第一区域与第二区域之间的图像相似性值；根据图像相似性值，以及第一待辨别小区与第二待辨别小区之间的距离，确定辨别结果。由于同一小区内各楼体的外观都是相同或相近的，本申请利用显著性检测算法识别第一楼梯和第二楼体后，通过计算第一楼体与第二楼体之间的图像相似性值，能够衡量出二者的相似程度，从而辨别同名小区是否为同一小区，有效提高了辨别准确率。

图3所示为可以应用本发明实施例提供的基于图像识别的同名小区辨别方法或系统的示例性系统架构。

如图3所示，系统架构300可以包括终端设备301、302、303，网络304和服务器305。网络304用以在终端设备301、302、303和服务器305之间提供通信链路的介质。网络304可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备301、302、303通过网络304与服务器305交互，以接收或发送消息等。终端设备301、302、303上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。

终端设备301、302、303可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

服务器305可以是提供各种服务的服务器，例如对用户利用终端设备301、302、303所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理，并将处理结果(例如目标推送信息、产品信息--仅为示例)反馈给终端设备。

需要说明的是，本发明实施例所提供的基于图像识别的同名小区辨别方法一般由服务器305执行，相应地，基于图像识别的同名小区辨别系统一般设置于服务器305中。

应该理解，图3中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

下面参考图4，其示出了适于用来实现本发明实施例的终端设备的计算机系统400的结构示意图。图4示出的终端设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图4所示，计算机系统400包括中央处理单元(cpu)401，其可以根据存储在只读存储器(rom)402中的程序或者从存储部分408加载到随机访问存储器(ram)403中的程序而执行各种适当的动作和处理。在ram403中，还存储有系统400操作所需的各种程序和数据。cpu401、rom402以及ram403通过总线404彼此相连。输入/输出(i/o)接口405也连接至总线404。

以下部件连接至i/o接口405：包括键盘、鼠标等的输入部分406；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分407；包括硬盘等的存储部分408；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分409。通信部分409经由诸如因特网的网络执行通信处理。驱动器410也根据需要连接至i/o接口405。可拆卸介质411，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器410上，以便于从其上读出的计算机程序根据需要被安装入存储部分408。

特别地，根据本发明公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分409从网络上被下载和安装，和/或从可拆卸介质411被安装。在该计算机程序被中央处理单元(cpu)401执行时，执行本发明的系统中限定的上述功能。

需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、rf等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括信息获取模块、距离确定模块、图像获取模块、显著性检测模块、计算模块和结果确定模块。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定。

作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备包括：

获取第一待辨别小区的第一属性信息，以及第二待辨别小区的第二属性信息；其中，所述第一属性信息包括第一待辨别小区的第一经纬度信息，所述第二属性信息包括第二待辨别小区的第二经纬度信息；

根据第一经纬度信息和第二经纬度信息，确定所述第一待辨别小区与所述第二待辨别小区之间的距离；

当第一待辨别小区与第二待辨别小区之间的距离小于等于预设阈值时，获取第一待辨别小区的第一图像，以及第二待辨别小区的第二图像；其中，所述第一图像中包含第一待辨别小区的第一楼体，所述第二图像中包含第二待辨别小区的第二楼体；

对所述第一图像和所述第二图像进行显著性检测，并根据显著性检测结果，得到所述第一楼体所在的第一区域，以及所述第二楼体所在的第二区域；

计算所述第一区域与所述第二区域之间的图像相似性值；

根据所述图像相似性值，以及第一待辨别小区与第二待辨别小区之间的距离，确定辨别结果。

虽然已经通过例子对本发明的一些特定实施例进行了详细说明，但是本领域的技术人员应该理解，以上例子仅是为了进行说明，而不是为了限制本发明的范围。本领域的技术人员应该理解，可在不脱离本发明的范围和精神的情况下，对以上实施例进行修改。本发明的范围由所附权利要求来限定。