王燕
近日外媒披露了谷歌計算機視覺專家Tobias Weyand領導研發的一個技術項目Google Photos,據稱使用該技術后電腦只要“一眼”就能辨別出照片拍攝地點。Google Photos技術它是怎樣實現照片定位的呢?
添加地理標記——常見照片定位方法

對于照片的定位,如果照片里的景物是知名景點或地標性建筑,那么我們通過特殊景物標記就可以一目了然獲知。對于普通地點的照片定位,大家一般是通過在照片中添加地理標記的方法進行標示。比如現在很多Andorid手機在拍照的時候,激活相機后進入拍攝菜單就會有“地理位置”功能,我們只需在拍攝前開啟這個功能即可(圖1)。
這樣拍攝的照片就會自動添加上當地的地理位置信息了,當我們在電腦上查看這些照片時,切換到“詳細信息”,在其中的GPS項目下就可以看到照片拍攝的實際地理位置,這里使用GPS經緯度進行標記,當然還可以使用手機基站、Wi-Fi等進行標記(圖2)。
當然數碼相機等也有類似的定位功能,這樣通過在照片Exif信息中添加地理標記,我們就可以很輕松地為照片進行定位。不過在實際拍攝或者網上經過處理的很多照片并沒有地理信息,那么對于這些照片的定位,谷歌的Google Photos技術又是怎么進行定位的呢?
一眼看透位置的背后——Google Photos定位識別解密
通過上述介紹我們知道,傳統照片定位技術是通過在拍攝設備中記錄地理位置信息,然后將其寫入照片的Exif中實現的,定位的關鍵是通過設備預先記錄地理位置信息。實際上Google Photos技術定位原理也與之類似,只不過它借助的不是拍攝設備記錄地理位置信息,而是時下流行的大數據+人工智能技術。
首先谷歌工程師們挑選了一些常見照片的拍攝地點,如全世界一些人口密集或者攝影師喜愛的熱門地區,然后將這些地區分解成26000個大小不一的方塊,并為這些方塊添加不同標記。比如可以將方塊1對應到埃菲爾鐵塔,這樣生成包含常見拍攝地點的數字化數據,并將其保存在谷歌服務器中,每個方塊就對應某一個具體的地理位置信息(圖3)。

其次谷歌工程師從網上搜集了1.26億張包含GPS信息的圖片資源,然后利用人工智能技術,將照片分解成像素級別。接著將包含像素級別的數據錄入到機器學習的算法當中,讓計算機去認識、學習不同地方圖片的特征。通過大數據學習和積累,谷歌圖片識別服務器就可以保存海量圖片信息和圖片對應的GPS位置信息(圖4)。
除此之外,谷歌服務器還會通過模擬人類大腦的工作方法去學習關于照片的更多內容。如我們要肉眼判斷一張照片是在哪里拍攝時,人的大腦可以根據照片背景,然后結合自己掌握的知識去進行判斷和推理。假設照片上某種動植物如袋鼠是澳大利亞的特有動物,照片上的建筑是歐式風格,通過這些信息并結合我們掌握的知識去進行定位。谷歌服務器人工智能模擬了這個推理的過程,當然計算機的存儲和學習能力要比人腦高得多,Google Photos再借助谷歌街景視圖、谷歌地圖、Flickr里面的照片等就可以存儲海量照片信息數據。
這樣當用戶需要使用Google Photos技術去定位一張圖片位置時,只要將圖片上傳到谷歌服務器中即可。當服務器接收到需要定位的圖片時,它首先會將圖片分解成像素級別,然后將這些信息和數據庫中的信息進行比對,通過一定的算法判斷出照片所在的大概區域,如某個國家的某個景區等。接著再根據數據庫中保存的GPS地理信息進一步判斷,如照片特征符合某個經緯度信息就為其匹配對應的地理位置,這樣通過實際經緯度信息就可以對照片進行精確定位了(圖5)。
據介紹,谷歌工程師通過Google Photos技術進行了約230萬張圖片的試驗,雖然目前精確度并不是很高,其中對“國家”的準確率為28.4%,“大洲”的準確率為48%,但是已經比人眼分辨要高得多。目前Google Photos技術定位結果仍然不夠準確,但是隨著Google Photos技術學習和積累的照片越來越多,借助大數據和高效的算法,Google Photos技術一定會擁有越來越精確的識別能力。
谷歌識圖 方便你我
由于網上大量的照片都沒有包含地理位置信息,而在日常生活中我們又經常需要對照片進行定位。很多網友經常會曬圖說某地方很好玩但是又沒有說明具體地址,某驢友在某地拍了很多自拍照但是之后出現了險情,諸如此類的情形。以后我們只要借助Google Photos就可以輕松識別出照片的實際地址,無論是自己以后去查找具體景區還是定位救援都非常方便。

不過任何技術都是一把雙刃劍,很多時候出于隱私保護,我們并不想在照片上泄露自己的位置信息。但是Google Photos技術無需Exif里的GPS信息就可以實現照片定位,這顯然容易導致個人隱私的泄露。大家可別小瞧谷歌的Google Photos技術,即使你是在一條小胡同口自拍,它的街景照片也可以精確將其識別出來。因此我們在享受Google Photos技術帶來便利的同時也要注意隱私的保護(圖6)。