基于需求導向的高精度地圖體育營地信息自動識別方法
2024-07-03 12:01:50宋英曾友美
無線互聯科技 2024年10期
宋英 曾友美
摘要： 為了提高對高精度地圖體育營地信息的識別精度，文章提出了基于需求導向的高精度地圖體育營地信息自動識別方法，對體育營地圖像進行分割，基于需求導向確定地圖資源劃分區域，為實現高精度地圖體育營地信息自動識別奠定基礎。通過設計對比實驗，實驗結果表明該研究方法識別精度較高、實用性較強。
關鍵詞：需求導向；高精度地圖；體育營地；識別方法
中圖分類號：G642文獻標志碼：A
0 引言
隨著全球化的推進，體育旅游成為一種時尚的生活方式[1]。傳統的地圖和導航系統在體育營地信息的識別上存在精度不高、實時性不強等問題，無法滿足游客的需求[2-3]。
近年來，國外學者對體育營地信息識別技術的研究主要集中在體育營地的規劃和管理方面。國內學者的研究主要集中在體育營地的資源開發、市場營銷等方面。本文基于需求導向提出高精度地圖體育營地信息自動識別方法，有助于為游客提供更加優質的服務體驗。
1 基于需求導向的高精度地圖體育營地信息自動識別方法設計
1.1 體育營地圖像分割處理
在分割過程中采樣點的數量與其他參數間存在關系，利用核密度函數將分割樣本點劃分為不同的空間區域。
對于d維運動圖像，提供n個采樣點xj，x是分割向量的參數。基本形式的分割向量為：
其中，Sh是一個高維球形區域，其直徑為h，且該區域中有k個采樣點。為區分圖像的不同特征，確定分割點的權重因子[4]。權重因子按以下方式計算：
其中，G是核心單元函數。
在進行圖像分割時，本文采用一種基于區域生長的算法，根據像素的灰度值和空間位置關系，將體育營地的圖像劃分為若干個區域[5]。在分割圖像中，采樣點的數量與其他參數之間存在以下關系：
通過概率密度函數確定閾值，根據所得合適的閾值，使每個區域內的像素具有相似的特征，實現對體育營地圖像的分割。在體育營地中，采樣點的概率密度函數為：
其中，w（xj）是采樣點的加權因子，K是徑向基函數（Radial Basis Function，RBF）。核函數變量模型如圖1所示。
1.2 基于需求導向確定地圖資源區劃區域
根據客戶需求信息和營地的實際情況，本文制定了合適的區域劃分方案，確保劃分區域具有獨立性和完整性，以便于系統管理和運營。本文基于需求導向提取體育營地的紋理特征，使用圣維南方程表示為：
其中，q為體育營地的信息情況，B為占地面積，Z為使用率，?為體育營地的規劃時間，Q是單位實際使用面積參數。
在式（6）中引入調整的參數a。當實際使用面積發生變化時，引入該參數來確定體育營地的實際利用信息。修改后的參數可以根據阻比參數進行控制，如式（7）所示。
其中，n為體育營地區域的數量，Ai為第i號體育營地的使用可能性，Ki為模塊參數。在計算不穩定流的二維方法基礎上，根據體育營地的需求導向使用過程，將所有體育營地劃分為二維映射系統。體育營地的利用過程為：
其中，U為x軸上的繪制方向，V為y軸上的規劃方向，h為繪制區域，y為紋理參數。將提取的特征轉換為基于數量關系劃分的不同尺度的紋理特征。在分布過程中，紋理系數的計算式為：
其中，C是Chezy系數，g是重力加速度，H是糙率系數。為獲得的紋理屬性，本文構建閉合參數，并自動捕獲使用的運動軌跡。鎖定參數F為：
其中，ξ為當地體育營地的使用參數。
1.3 體育營地信息自動識別實現
以識別區域的紋理特征作為識別算法構建的基礎，本文利用多光譜圖像中的紋理特征模擬區域中的高分辨率全色圖像。為恢復紋理屬性和圖像間的關系，在協調過程中利用紋理特征，該過程的表達式為：
其中，λb是結構特征的貢獻率，ρ為區域間權重的觀測噪聲參數。該過程利用分類器，對預處理提取出的紋理特征進行分類和識別，確定各區域所代表的體育營地信息，使用每個紋理參數的平均值作為識別算法參數。紋理參數的平均值為：
其中，N為一組高分辨率數據點，M為一組紋理特征，i為體育營地在x軸上的位置，j為體育營地在y軸上的位置，F（i，j）為紋理特征的灰度值。根據平均值計算結果，所構建的體育營地梯度函數為：
其中，G為使用區域中的平均指標，確定紋理函數使用區域之間的光譜校正參數C表示，并使用該相關參數來確定平均值與梯度之間的轉換。頻譜校正參數的計算方式如下：
本文采用多尺度融合的方法，將不同尺度下的紋理特征進行融合。額定光譜參數可以與高分辨率區域中的紋理特征相結合，用于計算識別參數和表達識別參數，如式（15）所示。
其中，B是識別參數，P（i，j）是核紋理的尺度上限。綜上所述，本文利用以上處理過程實現高精度地圖體育營地信息自動識別。
2 實驗論證
2.1 實驗準備
在選定的實驗區域內，實驗篩選出具備相同參數的計算機處理設備，確保實驗結果的準確性和可比性。計算機參數如表1所示。
由表1可知，將田徑營地、足球營地、籃球營地、網球營地、滑雪營地和水上營地作為識別對象，分別使用傳統方法1、傳統方法2的自動識別方法和本文設計研究的自動識別方法對各個識別對象進行多次識別，并將平均識別精度作為最終識別精度結果。
2.2 對比實驗
3種識別方法的識別精度結果如表2所示。
由表2可知：傳統自動識別方法的識別精度為75%～85%；本文自動識別方法的識別精度在95%以上。這說明本文設計的自動識別方法識別精度更高，實用性更強。
3 結語
本文提出了一種基于需求導向的高精度地圖體育營地信息自動識別方法。所提方法不僅提高了體育營地信息的獲取效率和精度，還為游客提供更加優質的服務體驗。通過綜合運用各種技術手段，所提方案實現了對體育營地信息的全面覆蓋，滿足了游客高精度的需求。
參考文獻
[1]田云，趙婭，葉波，等.水力發電站智能巡檢機械設備缺陷自動識別方法[J].自動化與儀表，2023（12）：70-73，84.
[2]劉利軍.基于改進粒子群算法的低壓配電網故障自動識別方法[J].自動化應用，2023（22）：50-51，54.
[3]陳千懿，陳紹南，肖靜，等.基于強化學習的配電網巡檢缺陷自動識別方法[J].自動化技術與應用，2023（10）：54-58.
[4]李方，姜文東，付守海，等.高壓輸電線路巡線機器人目標自動識別跟蹤方法[J].微型電腦應用，2023（4）：183-186.
[5]邵長超，劉復員，原晨冉.基于深度學習的植保無人機作業地塊自動識別方法研究[J].河南科技學院學報（自然科學版），2023（2）：77-84.
（編輯 沈 強編輯）
Demand-oriented automatic identification method of high-precision map sports camp information
Song? Ying1， Zeng? Youmei2
（1.College of humanities，Wuhan University of Engineering Science， Wuhan 430200， China;
2.Guangdong Dance and Drama College， Guangzhou 510000， China）
Abstract：? In order to improve the identification accuracy of sports camp information in high-precision map， an automatic recognition method of sports camp information in high-precision map based on demand-oriented is proposed. This paper divides the sports camp image， determines the map resource zoning area based on demand orientation， and achieves high-precision automatic identification of sports camp information on the map. By designing the comparative experiments， the experimental results show that the research method has the higher recognition accuracy and the stronger practicality.
Key words： demand-oriented; high-precision map; sports camp; identification method
