(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 202211109001.0 (22)申请日 2022.09.13 (71)申请人 北京交通大 学 地址 100044 北京市海淀区西直门外上园 村3号 (72)发明人 李强　万上锋　李昊聪　张颖　 (74)专利代理 机构 北京市商 泰律师事务所 11255 专利代理师 黄晓军 (51)Int.Cl. G06V 20/52(2022.01) G06V 30/14(2022.01) G06V 10/764(2022.01) G06N 3/08(2006.01) G06N 3/04(2006.01)G06F 16/955(2019.01) G06F 16/951(2019.01) (54)发明名称 一种基于监控摄 像头的地标提取方法 (57)摘要 本发明提供了一种基于监控摄像头的地标 提取方法。 该方法包括： 使用爬虫技术对监控摄 像头收集的监控视频流网站进行数据爬取， 得到 网页数据和图片数据； 利用命名实体识别技术提 取所述网页数据中的网际协议IP地址、 经纬度和 组织地理位置的文字， 将提取出的文字作为地标 数据； 利用光学字符识别技术提取所述图片数据 中的IP地址、 经纬度和组织地理位置的文字， 将 提取出的文字作为地标数据； 对 所述地标数据进 行校准和数据覆盖范围扩展处理。 本发明方法利 用网页信息和图像信息能够更好更准确地提取 地标数据， 对同一个连续IP范围内的地标数据进 行扩展， 使地标数据更庞大， 提供了一个自动收 集高质量的IP地标信息， 为公司和企业提供IP定 位支持。 权利要求书2页 说明书5页 附图3页 CN 115410158 A 2022.11.29 CN 115410158 A 1.一种基于监控摄 像头的地标提取 方法， 其特 征在于， 包括： 使用爬虫技术对监控摄像头收集的监控视频流网站进行数据爬取， 得到网页 数据和图 片数据； 利用命名实体识别技术提取所述网页 数据中的网际协议IP地址、 经纬度和组织地理位 置的文字， 将提取 出的文字作为 地标数据； 利用光学字符识别技术提取所述图片数据中的IP地址、 经纬度和组织地理位置的文 字， 将提取 出的文字作为 地标数据； 对所述地标数据进行 校准和数据覆盖范围扩展处 理。 2.根据权利要求1所述的方法， 其特征在于， 所述的使用爬虫技术对收集的监控视频流 网站进行 数据爬取， 得到网页数据和图片数据， 包括： 使用启发式的方法收集监控视频流网站， 使用开源库爬取视频流网站 的数据， 通过搜 索引擎运行关键词对爬取 的数据进行过滤， 筛选出监控视频流网站， 使用广度优先策略解 析监控视频流网站的主页， 获取监控视频流的所有统一资源定位符URL链接， 迭代地解析 URL链接来探索下一层的页面， 直到没有发现新的URL链接， 将所有的URL链接作为候选网 页； 对各个候选网页进行分类， 选取径向基函数作为支持向量机SVM的内核函数来学习分 类模型， 对候选网页进行预处理， 去除无关的元素， 对预处理后的候选网页经过特征提取、 特征表示和归一化处理之后得到 分类器， 利用分类器筛选出包含IP和经纬度信息的网页数 据， 保存筛 选后网页数据中的img标签的图像url链接， 作为图片数据。 3.根据权利要求1所述的方法， 其特征在于， 所述的利用命名实体识别技术提取所述网 页数据中的网际协议IP地址、 经纬度和组织地理位置的文字， 将提取出的文字作为地标数 据， 包括： 对网页数据进行预处理， 如果URL具有相同的， 那么删除重复数据， 在剩下的网页内容 中， 使用正则表达式提取 所述网页数据中的IP地址和经纬度的文本； 将纯文本拆分为单个文字， 进行词标记化， 作为训练数据， 使用词向量模型处理训练数 据， 将纯文本格式的文字转化为词向量， 利用门控循环单元模 型进行单词的字母向量表示， 将词向量与字母向量结合起来作为混合向量表示， 将为混合向量表示作为每一个门控循环 单元GRU的输入， 训练循环神经网络模型， 利用循环神经网络模型将网页信息中的每一个字 进行标记， 识别出 所述网页数据中的组织 地理位置信息； 将提取出的IP地址、 经纬度和组织 地理位置信息的文字作为 地标数据。 4.根据权利要求1所述的方法， 其特征在于， 所述的利用光学字符识别技术提取所述图 片数据中的IP地址、 经纬度和组织 地理位置的文字， 将提取 出的文字作为 地标数据， 包括： 对图片数据进行预处理操作， 该预处理操作包括灰度化处理、 二值化处理、 降噪处理和 倾斜矫正， 使用开源的光学字 符识别引擎Tesseract提取出图片数据中的文字和数字信息， 将提取出的文字和数字信息作为 地标数据。 5.根据权利要求1所述的方法， 其特征在于， 所述的对所述地标数据进行校准和数据覆 盖范围扩展处 理， 包括： 收集所述地标数据中已知经纬度的IP数据， 去除重 复的IP数据， 按照IP地址进行排序， 提取所有的IP地址的24位网络掩码， 再根据网络掩码值进行循环比较， 根据网络掩码进行权　利　要　求　书 1/2 页 2 CN 115410158 A 2分组， 找出有两个或以上的IP地标数据位置一样但IP值不同的分组， 对该24位网络掩码的 IP地址进行扩充。权　利　要　求　书 2/2 页 3 CN 115410158 A 3