Google 中的准确营业地点

放置准确的建立位置

餐馆、加油站、杂货店和其他企业等场所不断地开放、关闭和转移到不同的地点。 我曾看到以前在 Google 专利中将本地公司称为本地商业实体，但喜欢它们的机构名称。 每天都有这样的企业移动，跟踪新位置很有帮助。

谷歌一直依赖其他网站为企业列出位置信息，但是让大量其他网站更新位置信息可能很耗时并且需要付出很多努力（并且可能会产生一些成本）。谷歌的最大利益是表明尽快找到新业务的适当位置。

我写过关于营业地点的文章以及位置突出在本地搜索搜索结果排名中的重要性。 但这是我看到的第一个关于跟踪企业站点以跟踪准确的企业位置的谷歌专利。 我还为特定领域的企业撰写了关于权威页面的文章，这项专利将权威网页的想法再次带回了本地搜索。

需要更新跟踪此类企业的目录以保持准确的企业位置。

当不正确的场所链接到某个区域时，有人可能需要手动更新指南。 这种对手动输入的需要可能导致更新目录的延迟或失败，从而导致不准确的建立位置。 这是该专利旨在帮助解决的问题。

该专利涉及放置准确的设施位置。

第一图像可以接收处理设备，包括与第一图像的捕获相关联的位置数据。

处理设备然后可以识别一组图像，包括地理位置信息和识别标记。 每个识别标记都与准确的建立位置相关联。

• 确定第一张图像是否包含任何一组图像的识别标记。
• 确定与第一图像中的一个识别标记相关联的设施之一位于第一图像位置的设定邻近范围内。
• 通过将设施中的一个与第一图像位置的设置邻近范围内的设置位置相关联来更新位置数据库。

另一个实施例提供了一种用于确定和更新准确的机构位置的系统。

该系统可以包括具有处理器的计算设备； 存储器存储指令，可由处理器执行。 该指令可以包括接收第一图像，该第一图像包括与第一图像的捕获相关联的准确建立位置，其中位置数据由第一图像位置组成；

• 用计算设备识别一组图像，其中图像集合的每个图像包括地理位置信息和识别标记，其中每个识别标记与机构相关联。
• 将第一张图像与一组图像进行比较。
• 根据比较确定； 第一个图像包含一个识别标记。
• 确定与包含在第一图像中的识别标记之一相关联的设施之一当前位于第一图像的设定邻近范围内被捕获。
• 通过将设施中的一个与第一图像位置的设置邻近范围内的设置位置相关联来更新位置数据库。

使用地理定位图像建立锚定
发明人：Brian Edmond Brewington 和 Kirk Johnson
受让人：谷歌有限责任公司
美国专利：11,232,149
授予：2022 年 1 月 25 日
提交日期：2019 年 7 月 24 日

抽象的

该技术涉及确定一个机构在地理位置上的存在。

计算设备可以接收第一图像，包括与第一图像的捕获相关联的位置数据。

还可以接收一组图像，包括与机构相关的位置信息和识别标记。

计算设备可以比较第一图像以确定第一图像是否包含识别标记，并确定与来自第一图像的识别标记相关联的机构当前位于第一图像位置的设定邻近范围内。

计算设备还可以通过将设施中的一个与第一图像位置的设定邻近范围内的位置相关联来更新位置数据库。

带有徽标的图像有助于确定准确的企业位置

该技术涉及确定机构在特定地理位置的存在。 例如，从各种来源接收的图像可能包含位置信息，例如地理位置信息。

这些图像可以由处理设备分析以确定图片是否包括任何指示机构的识别标记。 对于提供这种识别标记的每张照片，指示图像包含识别标记的徽标标签可能与该想法相关联。

在另一个示例中，可以从存储诸如徽标之类的识别标记的快照的存储系统中检索带有徽标标签的图像。

此外，与识别标记相关联的机构也可以与图像相关联。

然后，可以将在已知位置拍摄的捕获图像与一组带有标志的图片进行比较，这些图片与在捕获图像区域的预定距离内的地点相关联。 在这点上，可以在捕获的图像中搜索该组带有徽标的图像中的任何识别标记。 在找到匹配的识别标记时，与匹配的识别标记相关联的机构的存在可以被锚定在捕获的图像的位置。

为了与特定位置处或从特定位置的机构关联或解除关联，可以收集公开可用的图像，例如来自互联网的基于网络的图片。 来自网站的照片可能会被收集并存储在数据库或缓存中。 例如，网络爬虫可能会不断地爬取互联网网站并保留找到的每张图片。

此外，网络爬虫可以存储与从中找到图像的网址相关联的图像。 可以从存储系统中检索照片，例如那些保存各种照片的存储系统或专门存储识别标记（如徽标）照片的存储系统。

可以为每个图像分配标识、建议或以其他方式指示图片内容的标签。 例如，自动照片标签技术可以将标签附加到具有置信度的每张照片上。

包含机构识别标记（例如徽标、企业名称、标志等）的图像可能会被标记为“徽标”。 每个标记为徽标的图像还可以与位置相关联，例如地址或地理位置。

在这方面，每个带有标志的图像可能包含隐式或显式位置信息。

此外，对于任何基于 web 的图像，每个基于 web 的图像都可以与在网站上找到的地址相关联，从该网站上可以找到基于 web 的想法。

识别标志的权威网页

与标记为基于 web 的图像的标志相关联的网站可以被认为是基于 web 的图像内的识别标记的权威网页。

然后可以将捕获的图像与带有徽标标记的图像进行比较。 在这点上，处理设备可以执行图像中图像搜索以确定所捕获图像的任何部分是否与在带有徽标的图像中找到的任何识别标记相匹配。

可以使用图像匹配算法来执行图像中的图像搜索。 在执行图像中图像搜索时，还可以比较捕获的图像和带有徽标的图像的变体。

还可以将捕获的图像与一组带有标志标记的图像进行比较。 在这点上，可以仅将捕获的图像与在捕获的图像的预定距离内的一组标有标志的图像进行比较。

在捕获的图像和标志图像之一之间找到匹配的识别标记时，与匹配的识别标记相关联的机构可以锚定在捕获图像的区域的设定邻近范围内的位置处或与该位置相关联。

这样，可以更新诸如地图数据、商业目录等的位置数据以提供与匹配的识别标记相关联的机构的当前位置信息。

此外，如果识别标记与权威网站相关联，并且捕获的图像的位置在传统网站上找到的区域处或附近，则可以高可信度地完成对设施的锚定。

在一个示例中，如果机构移动或关闭，则新捕获的图像可能不包括存在于过去捕获的图像中的识别标记。

因此，随着新捕获的图像与带有标志的图像进行比较，之前不存在的识别标记可能开始出现，并且先前的识别标记可能不再是当前的。

图像的这种使用可能表明与先前识别标记相关联的机构应该被标记为关闭或移动。

地图数据、商业目录和其他与位置相关的数据可以不断更新以提供准确的企业位置。

此外，还可以通过搜索之前的识别标志和新的识别标志的权威网页来进一步验证这种关闭指示。 假设唯一标识标记的权限页指示第一位置，而旧标识标记的权限页指示与第一位置不同的位置。

在这种情况下，可以推断出在第一个位置存在新机构的高置信度。

在特定位置关联或取消关联机构

可以收集许多图像。 在一个示例中，可以从互联网收集基于网络的图像并将其存储为基于网络的图像的集合。 在这方面，网络爬虫可能会不断地爬过互联网网站，并保留找到的每张图片。

来自网站的图像可以被收集并存储在存储系统的数据库、缓存等中，例如公司网站的示例“Circle Pies”。 网络爬虫可以通过访问 Circle Pies 的网址来爬取该网站。

然后网络爬虫可以查看网站上的数据并确定该网站包含两个基于网络的图像。 基于该确定，网络爬虫可以将基于网络的照片存储在例如存储系统中。

网络爬虫还可以存储与在其上找到图像的网站的网址相关联的基于网络的图像。 例如，该网站可能位于网址“http://www.a.com/circlepies”。 然后可以将基于网络的照片与网络地址相关联地存储在存储在存储系统处的基于网络的图像的集合中。

可以从其他存储系统中检索图像，例如存储各种图像和相关 EXIF 数据的存储系统以及专门保存标识标记（如徽标）图像的存储系统。

在该示例中，每个标志图像可以与对应于可以找到标志的企业或位置的标志的地址或位置信息相关联。

可以为每个收集的图像分配一个标签，该标签指示图像的内容。 例如，自动照片标签技术可以将标签附加到具有置信度的每张基于网络的照片上。 标签可能包括用于个人照片的“人”和用于识别汽车的图像的“汽车”。

置信度级别可以具有等级，例如从 0-1、1-100 或 1-10 或其他等级系统中的值，这表明应用于其中一个图像的标签准确地描述了图像的内容。

处理器可以分析图像以确定它们是否包括指示机构的识别标记。 机构可能包括企业、组织、协会、公寓等。在这方面，照片标签技术可以用来确定带有识别标记的图像，并分配一个标志标签，指示图像包含识别标记。 包含机构识别标记（例如徽标、企业名称、剪贴画、标志等）的照片可能会被自动照片标签技术标记为“日志”。 包含企业识别标记的图像可能会被分配一个除“日志”以外的标签，以指示图片具有识别标记。

例如，包含企业识别标记的图像可能会聚集成一组带有“企业名称”、“标志”、“剪贴画”等标签的图片。作为另一个示例，图像可能已经与信息相关联将图像识别为包含 EXIF 数据中指定的徽标。 该信息还可以将图像标记为具有标志，例如，将图像与标志标签相关联。

此外，与识别标记相关联的机构也可以与图像相关联。 例如，自动照片标签技术可能会发现图像是披萨的图像，而自动照片标签技术会为图像分配“食品标签”。 在一个示例中，分析照片内的内容以向照片分配描述内容的注释的技术，例如使用统计分类方法来索引图片的技术，可用于自动标记照片。

用于准确建立位置的训练有素的机器学习模型

这种使用图像来更新准确的设施位置的方法很有趣。 该专利告诉我们，机器学习模型可以在相对于参考分类法的手动标记图像上进行训练。

经过训练的机器学习模型可以通过参考分类自动为图像分配标签。 对于图像，自动照片标签技术可以确定该图像是企业Circle Pies的标志，因此可以为图像分配标志标签。 此外，图像还可以与圆饼的建立相关联。

每个标记为徽标的图像还可以与位置相关联，例如地址或地理位置。 每个带有标志的图像可以包含直接存储在与每个带有标志的图像相关联的元数据中的明确位置信息。 （这是我在 Google 专利中看到的对图像中 EXIF 数据的最多引用。）

例如，一个实施例可以在图像的元数据中包括精确的经度和纬度读数，例如EXIF信息。 EXIF 数据可能会提供拍摄照片的位置。

替代地，或者除了显式位置信息之外，隐式位置信息可以从确定在每个图像中捕获的对象的位置中得到。 例如，图像可能捕捉到了自由女神像，并且自由女神像的站点可能是已知的，并且可以基于已知位置来估计捕捉想法的位置。

估计的位置可以基于图像数据进行细化，例如捕获图像中的方向。 可以从找到照片的网站推断出基于网络的图像的隐式图像位置。 例如，托管基于网络的图像的网站可能包括地址，然后网站上的地址可以与托管在网站上的基于网络的图像相关联。

此外，每个基于 web 的图像可以与在网站上找到的地址相关联，从该网站上可以找到或从中找到基于 web 的图像。 该网站包括街道地址，然后标记为基于网络的图像的标志可以与街道地址相关联作为其位置。

与位置相关的权威网页

与标记为基于 web 的图像的标志相关联的网站可以被认为是基于 web 的图像内的识别标记的权威网页。

换言之，权威页面可以是与在相应的基于网络的图像中找到的识别标记相关联的机构的官方或非官方网页。

例如，该网站可能是建立“圆饼”的官方网站。 在这方面，网址上的网站可以成为基于网络的图像的权威页面，包括属于机构Circle Pies的识别标记。 因此，基于网络的图像可以与在权威页面上找到它的指示相关联。

包含受版权保护或专有材料的网站不得用作授权页面。

图像可以帮助指示位置

标有徽标的图像可能已被捕获或以其他方式存储在与位置相关联的存储系统中。 一组标有徽标的图像可以在该地点的预定距离内。 因此，在位置半径内找到的带徽标的图像可以被添加到带徽标的图像集合中或被包括在带徽标的图像集合中。 因此，与捕获的图像相比，在地理位置捕获的带有徽标的图像可以被添加到或包括在带有徽标的照片的集合中。

此外，还可以基于图像的置信度来识别带有标志的图像集。 在这点上，如果所提供的带有标志标签的图像的指定置信水平满足或高于最小阈值，则可以将给定的带有标志的图像添加或包括在一组带有标志的图像中。

当在捕获的图像和带有标志的图像之一之间找到匹配的识别标记时，处理器，例如服务器计算设备的处理器，可以将与匹配的识别标记相关联的机构锚定或关联到捕获的图像的位置或与捕获的图像的位置相关联.

该机构可以在捕获的图像的预定邻近范围内关联。 设置的位置可以是街道地址。 这样，可以更新存储在位置数据库中的位置数据，例如地图数据、商业目录等，以提供与匹配的识别标记相关联的准确的机构位置。

为了确保以高可信度完成锚定，在将识别标记锚定在捕获图像的位置之前可能需要满足特定标准。 例如，假设识别标记与一个权威网站相关联，并且捕获的图像的位置在该权威网站的位置。 在这种情况下，该机构的锚定可能具有很高的可信度。

为了确保高置信度，一组新捕获的图像（例如五个或更多或更少）可能需要具有相同的匹配识别标记，然后才能将机构锚定到捕获的图像的位置。

根据专利，如果您的业务发生变化该怎么办

理想情况下，您应该为新位置拍摄新照片并将其提交给 Google。 您还应该更新企业的授权站点，并确保在那里列出了新位置。 根据专利：

在一个示例中，如果机构移动或关闭，则新捕获的图像可能不包括存在于过去捕获的图像中的识别标记。 因此，当将新捕获的图像与一组标有徽标的图像进行比较时，之前不存在的识别标记可能开始出现，并且先前的识别标记可能不再是当前的。 该标识可能指示与最后一个标识标识相关联的企业应被标记为关闭或移动。

此外，还可以通过搜索之前的标识标志和新的标识信息的权限网页来进一步验证这种关闭指示。 假设新识别标记的权限页面指示第一个位置。 在这种情况下，旧识别标记的权限页面建议与第一个位置不同的位置。 在这种情况下，可以推断出在第一个位置存在新机构的高置信度。