1.本发明涉及城市规划和人口统计学技术领域，具体而言，涉及一种小区人口预测方法和装置。
背景技术：2.随着社会经济和科技的快速发展，城市化水平越来越高，为拉动周边消费，推动当地繁荣，越来越多的商场投入建造。在规划建造商场时，需要对周边环境进行评估，尤其是对商场周围小区具备购买能力的常住人口进行估算。
3.目前，小区常住人口的统计主要是通过政府的人口普查获得，但在商业应用中无法获取人普查数据。现有的一种小区人口的估计方法是根据小区居住房屋数量乘以人口系数进行评估。但是这种方法只能粗略估计人口上限，无法估计常住人口。
4.此外，从商业及当前的大数据环境看，具有购买能力的常住人口数据是对周边商业具有重要参考价值的，现有通过小区居住房屋数量乘以人口系数的估算方法得出的数据中，还包含婴幼儿、70岁以上老人等没有或者缺少独立支付能力的人口，这样的数据对于商业意义较低。
5.综上，目前还没有一种可以预测具备购买能力的常住人口的小区人口预测方法。
技术实现要素：6.本发明提供一种小区人口预测方法和装置，用以预测小区具备购买能力的常住人口。
7.根据本发明实施例的第一方面，提供一种小区人口预测方法，该方法包括：
8.根据小区边界确定小区所占的一个或多个通信网格；
9.针对任一通信网格，根据所述小区在所述通信网格中的建筑面积与所述通信网格中所包含的全部建筑面积之比，和所述通信网各种包含的目标人数，确定所述小区在所述通信网格中的目标人数；
10.将所述小区在所述一个或多个通信网格中的目标人数之和，作为所述小区的目标人数。
11.可选的，根据下列方式确定小区边界：
12.获取所述小区的电子围栏数据，将所述电子围栏数据作为小区边界。
13.可选的，根据下列方式确定小区边界：
14.获取包含所述小区的实景图像和地图图像；其中所述实景图像与所述地图图像对应相同的区域；
15.根据所述实景图像和所述地图图像，确定所述区域内所有建筑对应的标注框顶点坐标；其中，顶点坐标为像素坐标；
16.针对任意两个标注框，采用以下预设公关系式确定所述标注框对应的建筑间距：
17.d＝min(min(|x
1i-x
2j
|)，min(|y
1i-y
2j
|))i，j＝1，2，3，4
18.其中，所述d为标注框对应的建筑间距，x
1i-x
2j
为两个标注框任意两个顶点横坐标之差，y
1i-y
2j
为两个标注框任意两个顶点纵坐标之差，min为取最小值运算；
19.若所述标注框对应的建筑间距小于预设间距，则所述标注框对应的建筑属于同一小区；
20.根据所有属于同一小区的建筑确定小区边界。
21.可选的，所述根据所述实景图像和所述地图图像，确定所述区域内所有建筑对应的标注框顶点坐标，包括：
22.对所述实景图像与所述地图图像按照预设的分块原则进行分块处理得到多个实景图像块和多个地图图像块；其中，所述多个实景图像块和所述多个地图图像块一一对应，并对应相同的区域；
23.将所述多个实景图像块与所述多个地图图像块分别输入至预先训练得到的图像分割模型，得到所述图像分割模型输出的与所述多个实景图像块对应的多个二值图像和所述地图图像块对应的多个二值图像；其中，所述图像分割模型是由样本实景图像块和样本地图图像块共同训练得到的；所述多个实景图像块对应的多个二值图像和所述多个地图图像块对应的多个二值图像中包含表示建筑的第一像素值和表示非建筑的第二像素值；
24.将相互对应的实景图像块和地图图像块分别对应的二值图像进行iou融合处理，当iou值大于预设阈值时，输出所述实景图像块对应的二值图像或者所述地图图像块对应的二值图像，得到与所述实景图像、所述地图图像尺寸相等的目标二值图像；
25.将所述目标二值图像中像素值为第一像素值的连通区域作为建筑对应的标注框，搜索所述标注框的横纵坐标最值，确定所述标注框顶点坐标。
26.可选的，所述分块原则包括：
27.按照先行后列的分块方式，从所述实景图像和所述地图图像的左上角取长宽均为l大小的实景图像块和地图图像块，输入所述图像分割模型，得到所述实景图像块对应的二值图像和所述地图图像块对应的二值图像；其中，所述l为大于小区长宽的预设值；
28.若所述实景图像块对应的二值图像和所述地图图像块对应的二值图像的 iou值大于预设阈值，输出所述实景图像块对应的二值图像或者所述地图图像；
29.针对输出的二值图像，若所述输出的二值图像的右边界存在第一像素值，则搜索所述输出的二值图像中所有为第一像素值的像素坐标，将其中横坐标最小的像素坐标中的横坐标作为下次分块的横坐标；
30.若输出的二值图像的下边界存在第一像素值，则搜索所述输出的二值图像中所有为第一像素值的像素坐标，并记录其中纵坐标最小的像素坐标中的纵坐标；
31.第一行分块完成后，将第一行记录的纵坐标与上一行纵坐标加l的最小值作为第二行起始纵坐标，从左至右继续分块；
32.将第二行作为第一行重复上述分块原则直至将所述实景图像和所述地图图像分块完成。
33.可选的，若所述小区占多个通信网格，根据如下方式确定所述小区在任一通信网格中的建筑面积：
34.根据所述包含所述小区的实景图像和地图图像对应的目标二值图像中，所述小区边界内像素值为第一像素值的像素面积，与落入所述通信网格范围内且在所述小区边界内
像素值为第一像素值的像素面积之比，和所述小区的建筑面积，确定所述小区在所述通信网格中的建筑面积。
35.根据本发明实施例的第二方面，提供一种小区人口预测装置，该装置包括：
36.边界模块，被配置为根据小区边界确定小区所占的一个或多个通信网格；
37.确定模块，被配置为针对任一通信网格，根据所述小区在所述通信网格中的建筑面积与所述通信网格中所包含的全部建筑面积之比，和所述通信网各种包含的目标人数，确定所述小区在所述通信网格中的目标人数；
38.预测模块，被配置为将所述小区在所述一个或多个通信网格中的目标人数之和，作为所述小区的目标人数。
39.可选的，所述边界模块被配置为根据下列方式确定小区边界：
40.获取所述小区的电子围栏数据，将所述电子围栏数据作为小区边界。
41.可选的，所述边界模块被配置为根据下列方式确定小区边界：
42.获取包含所述小区的实景图像和地图图像；其中所述实景图像与所述地图图像对应相同的区域；
43.根据所述实景图像和所述地图图像，确定所述区域内所有建筑对应的标注框顶点坐标；其中，顶点坐标为像素坐标；
44.针对任意两个标注框，采用以下预设公关系式确定所述标注框对应的建筑间距：
45.d＝min(min(|x
1i-x
2j
|)，min(|y
1i-y
2j
|))i，j＝1，2，3，4
46.其中，所述d为标注框对应的建筑间距，x
1i-x
2j
为两个标注框任意两个顶点横坐标之差，y
1i-y
2j
为两个标注框任意两个顶点纵坐标之差，min为取最小值运算；
47.若所述标注框对应的建筑间距小于预设间距，则所述标注框对应的建筑属于同一小区；
48.根据所有属于同一小区的建筑确定小区边界。
49.可选的，在根据所述实景图像和所述地图图像，确定所述区域内所有建筑对应的标注框顶点坐标时，所述边界模块被配置为：
50.对所述实景图像与所述地图图像按照预设的分块原则进行分块处理得到多个实景图像块和多个地图图像块；其中，所述多个实景图像块和所述多个地图图像块一一对应，并对应相同的区域；
51.将所述多个实景图像块与所述多个地图图像块分别输入至预先训练得到的图像分割模型，得到所述图像分割模型输出的与所述多个实景图像块对应的多个二值图像和所述地图图像块对应的多个二值图像；其中，所述图像分割模型是由样本实景图像块和样本地图图像块共同训练得到的；所述多个实景图像块对应的多个二值图像和所述多个地图图像块对应的多个二值图像中包含表示建筑的第一像素值和表示非建筑的第二像素值；
52.将相互对应的实景图像块和地图图像块分别对应的二值图像进行iou融合处理，当iou值大于预设阈值时，输出所述实景图像块对应的二值图像或者所述地图图像块对应的二值图像，得到与所述实景图像、所述地图图像尺寸相等的目标二值图像；
53.将所述目标二值图像中像素值为第一像素值的连通区域作为建筑对应的标注框，搜索所述标注框的横纵坐标最值，确定所述标注框顶点坐标。
54.可选的，所述分块原则包括：
55.按照先行后列的分块方式，从所述实景图像和所述地图图像的左上角取长宽均为l大小的实景图像块和地图图像块，输入所述图像分割模型，得到所述实景图像块对应的二值图像和所述地图图像块对应的二值图像；其中，所述l为大于小区长宽的预设值；
56.若所述实景图像块对应的二值图像和所述地图图像块对应的二值图像的 iou值大于预设阈值，输出所述实景图像块对应的二值图像或者所述地图图像；
57.针对输出的二值图像，若所述输出的二值图像的右边界存在第一像素值，则搜索所述输出的二值图像中所有为第一像素值的像素坐标，将其中横坐标最小的像素坐标中的横坐标作为下次分块的横坐标；
58.若输出的二值图像的下边界存在第一像素值，则搜索所述输出的二值图像中所有为第一像素值的像素坐标，并记录其中纵坐标最小的像素坐标中的纵坐标；
59.第一行分块完成后，将第一行记录的纵坐标与上一行纵坐标加l的最小值作为第二行起始纵坐标，从左至右继续分块；
60.将第二行作为第一行重复上述分块原则直至将所述实景图像和所述地图图像分块完成。
61.可选的，若所述小区占多个通信网格，所述确定模块被配置为根据如下方式确定所述小区在任一通信网格中的建筑面积：
62.根据所述包含所述小区的实景图像和地图图像对应的目标二值图像中，所述小区边界内像素值为第一像素值的像素面积，与落入所述通信网格范围内且在所述小区边界内像素值为第一像素值的像素面积之比，和所述小区的建筑面积，确定所述小区在所述通信网格中的建筑面积。
63.本发明实施例提供的技术方案，通过确定小区边界与通信网格的边界关系，并融合每个通信网格中三大运营商用户数据，将通信网格中各小区建筑面积之比作为各小区目标人数之比，根据确定小区在每个通信网格中的具备购买能力的目标人数，将小区所占的每个通信网格中目标人数之和作为该小区的目标人数。通过本发明实施例提供的技术方案，不需要过多人工干预，并且贴合商业需求，可以实现自动预测小区中具备购买能力的目标人数，预测准确度较高。
64.本发明实施例的创新点包括：
65.1、本发明实施例提供的小区人口预测方法，将使用移动设备的用户视为具备购买能力的常住人口，作为目标人数进行预测，通过通信网格中运营商数据融合进行人口预测，更加贴合商业需求，这是本发明实施例的创新点之一。
66.2、本发明实施例提供的小区人口预测方法，通过电子围栏数据或图像处理等人工智能算法获得精确度较高的小区边界信息，并通过确定通信网格中各小区建筑面积之比作为该通信网格中各小区目标人数之比进行人口预测，相较于现有技术通过房屋居住数量乘人口系数的方法，本发明实施例提供的方法精确度高，这是本发明实施例的创新点之一。
67.3、本发明实施例提供的小区人口预测方法，可以通过算法后台自动处理，不需要过多的人工干预，这是本发明实施例的创新点之一。
附图说明
68.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现
有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
69.图1为本发明实施例提供的一种小区人口预测方法流程示意图；
70.图2为本发明实施例提供的一种小区与通信网格的包含关系示意图；
71.图3为本发明实施例提供的一种分块原则示意图；
72.图4为本发明实施例提供的一种二值图像示意图；
73.图5为本发明实施例提供的一种实景图像和地图图像进行图像分割融合得到目标二值图像的流程图；
74.图6为本发明实施例提供的一种建筑对应的标注框示意图；
75.图7为本发明实施例提供的一种小区人口预测方法的算法流程图；
76.图8为本发明实施例提供的一种小区人口预测装置结构示意图。
具体实施方式
77.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
78.需要说明的是，本发明实施例及附图中的术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
79.本发明实施例公开了一种小区人口预测方法，能够自动预测小区具备购买能力的常住人口。以下进行详细说明。
80.图1为本发明实施例提供的小区人口预测方法的一种流程示意图。该方法包括以下步骤：
81.在步骤s101中、根据小区边界确定小区所占的一个或多个通信网格。
82.其中，由于保密因素，运营商给出通信数据通常以网格化形式给出，即在n
×
n大小的地图网格中移动设备的数量，这些地图网格就是本发明实施例中的通信网格。通过网格的经纬度信息能够确定通信网格中心的具体位置，以及通过网格的长和宽可以确定通信网格的边界。假设移动、联通及电信三大运营商在同一个通信网格中的设备数分别为m1，m2，m3，因为有独立购买能力的人口几乎100％都随身携带手机，并且有两个或者多个手机的人相对较少，因此将通信网格内有购买能力的人口可以通过公式1进行计算：
83.m＝m1+m2+m3
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
——公式1
84.实施中，还需要确定小区边界，通过小区边界和通信网格边界确定小区占几个通信网格。本发明实施例中提供两种确定小区边界的方式。
85.方式一：获取小区的电子围栏数据，将电子围栏数据作为小区边界。
86.具体的，电子围栏数据是小区边界上各点的坐标信息，位置较为精确。但是电子围栏数据并不全部小区都有，有的小区没有电子围栏数据，没有电子围栏数据的小区可以通
过本发明实施例提供的另一种方法确定小区边界。
87.方式二：通过包含小区的实景图像和地图图像进行图像分割，并对图像分割结果进行融合，得到图像中所有建筑区域对应的标注框，将建筑区域进行聚类，得到同属同一小区的建筑，进而确定小区边界。这种方式的具体实施方法在下文进行详细介绍。
88.在步骤s102中、针对任一通信网格，根据小区在通信网格中的建筑面积与通信网格中所包含的全部建筑面积之比，和通信网各种包含的目标人数，确定小区在通信网格中的目标人数。
89.具体的，在确定小区边界与通信网格边界的关系，就可以确定小区与通信网格的包含关系。判断小区占据一个还是多个通信网格之后，根据每个通信网格中属于该小区的面积占该通信网格中全部建筑面积之比，作为该小区的目标人数占该通信网格中目标人数的比例，在步骤s101中已经获取每个通信网格中目标人数，因此可以得到该小区在该通信网格中的目标人数。
90.在步骤s103中、将小区在一个或多个通信网格中的目标人数之和，作为小区的目标人数。
91.具体的，本发明实施例提供几种可能存在的小区与通信网格的包含关系，如图2所示。
92.情形一：一个通信网格基本覆盖一个小区或者包含一个小区。
93.针对此种情形，小区在通信网格中的建筑面积与通信网格中所包含的全部建筑面积之比为1，在此通信网格中所有使用移动设备的人可以视为全部属于该小区。因此，若通信网格内有购买能力的人口为m，则预测该小区目标人数为m。
94.情形二：一个通信网格包含m个完整小区。
95.针对此种情形，小区在通信网格中的建筑面积与通信网格中所包含的全部建筑面积之比为该小区的建筑面积与m个完整小区全部面积之比。通过互联网爬虫可以得到小区的建筑面积分别为a1，a2，a3，
……
，am，则小区 i的目标人数预测结果可以通过公式2得到
[0096][0097]
其中，r表示小区i的目标人数预测结果，ai表示小区i的建筑面积，表示通信网格中所包含的m个小区的建筑面积之和，m表示通信网格内有购买能力的人口。
[0098]
情形三：一个小区占多个通信网格。
[0099]
针对此种情形，小区在通信网格中的建筑面积为小区全部面积的一部分，每个通信网格中所包含的全部建筑面积包括多个完整小区建筑面积和多个不完整小区建筑面积。在计算小区在通信网格中的建筑面积与通信网格中所包含的全部建筑面积之比时，关键在于确定通信网格中不完整小区的建筑面积。
[0100]
本发明实施例提供一种确定通信网格内不完整小区建筑面积的方式，通过包含小区的实景图像和地图图像进行图像分割，并对图像分割结果进行融合，得到实景图像和地图图像对应的目标二值图像，目标二值图像中包含两种像素值，示例的，两种像素值分别为表示建筑的第一像素值和表示非建筑的第二像素值。根据目标二值图像中，小区边界内像
素值为第一像素值的像素面积，与落入通信网格范围内且在小区边界内像素值为第一像素值的像素面积之比，和小区的建筑面积，确定小区在通信网格中的建筑面积。
[0101]
本发明实施例中得到实景图像和地图图像对应的目标二值图像的具体实施方法在下文进行详细介绍。
[0102]
实施中，如图2情形三示出，目标二值图像中包含两种像素值，第一像素值可以为1，显示为黑色，表示建筑区域；第二像素值可以为0，显示为白色，表示非建筑区域。
[0103]
假设，落入通信网格1中像素值为第一像素值的像素面积为b1，落入通信网格2中像素值为第一像素值的像素面积为b2，落入通信网格3中像素值为第一像素值的像素面积为b3，落入通信网格4中像素值为第一像素值的像素面积为b4，像素面积之比为小区落入各通信网格的建筑面积之比。则针对任一通信网格i，该小区落入该通信网格i的建筑面积可以通过公式3确定：
[0104][0105]
其中，s表示该小区落入通信网格i的建筑面积，bi表示落入通信网格i 中像素值为第一像素值的像素面积，a表示该小区的建筑面积。
[0106]
通过上述方式可以确定通信网格中不完整小区的建筑面积，从而确定通信网格中所包含的全部建筑面积，以及所要计算目标人数的小区在该通信网格中的建筑面积，再通过情形二给出的方式分别计算小区在每个通信网格中的目标人数，小区在各通信网格中目标人数进行累计，就可以得到该小区目标人数的预测值。
[0107]
需要说明的是，本发明实施例提供的小区人口预测方法中，若通过电子围栏数据确定小区边界，当小区边界与通信网格的包含关系属于情形一和情形二时，可以不需要进行图像分割处理确定实景图像与地图图像对应的目标二值图像；当小区边界和通信网格的包含关系属于情形三时，需要通过图像分割处理确定实景图像与地图图像对应的目标二值图像，进而确定小区在通信网格中的建筑面积与通信网格中全部建筑面积的比例，继而确定小区的目标人数。
[0108]
此外，本发明实施例提供的三种小区与通信网格的包含关系情形仅是示例的，其他情形可以通过本发明实施例提供的三种情形组合得到，其他情形也包含在本发明实施例范围内，不再详细赘述。
[0109]
下面对确定小区边界的方式二中涉及到的实景图像和地图图像进行图像分割的具体实施方式进行详细描述。
[0110]
获取包含小区的实景图像和地图图像，其中，实景图像和地图图像严格对应相同的区域，并且实景图像和地图图像中任何一个小区都可以作为需要进行人口预测的小区。
[0111]
实施中，实景图像可以是通过图像采集设备采集到的，地图图像可以是从现有地图上截取的，比如高德地图、百度地图、腾讯地图等。实景图像和地图图像的大小可以任意设定，本发明实施例不做具体限定。
[0112]
对实景图像和地图图像按照预设的分块原则进行分块处理，得到多个实景图像块和多个地图图像块，分块得到的实景图像块和地图图像块一一对应，并且对应相同的区域。
[0113]
分块原则如图3所示，下面进行详细阐述：
[0114]
先从实景图像和地图图像的左上角取长宽均为l大小的实景图像块和地图图像
块。可选的，一般l对应的实际物理距离大于150米，能够将完整的建筑面积囊括在实景图像块和地图图像块内。
[0115]
将切块得到的实景图像块和地图图像块输入值预先训练得到的图像分割模型中，图像分割模型输出与实景图像块和地图图像块分别对应的二值图像，二值图像，二值图像中像素值有两种，一种是表示建筑的第一像素值，一种是表示非建筑的第二像素值，图像分割模型可以根据输入的实景图像块和地图图像块对图像进行特征提取，自动输出与输入图像块大小相等二值图像。
[0116]
实施中，图像分割模型可以采用mask r-cnn深度学习模型，图像分割模型由大量样本实景图像块和样本地图图像块共同训练得到。
[0117]
得到实景图像块和地图图像块分别对应的二值图像后，对两张二值图像进行iou融合处理。
[0118]
具体的，假设在二值图像中，将第一像素值赋值为1，将第二像素值赋值为0，对两张二值图像进行iou融合处理，如公式4所示：
[0119][0120]
其中，iou表示两张二值图像进行iou融合处理的交并比结果，si表示实景图像块对应的二值图像在像素位置i处的像素值，pi表示地图图像块对应的二值图像在像素位置i处的像素值，∩表示交运算，∪表示并运算。
[0121]
实施中，交运算为若两张二值图像的相同像素位置上像素值同为1，则交运算累计1，若两张二值图像的相同位置上像素值仅有一个为1或者均为0，则不计数；并运算为若两张二值图像的相同像素位置上像素值有一个为1，则并运算累计1，将所有像素位置交运算和并运算结果的比值作为交并比结果iou的值。
[0122]
当iou值大于预设阈值时，输出实景图像块对应的二值图像或者地图图像块对应的二值图像。
[0123]
实施中，预设阈值可以是本领域技术人员设定的，如预设阈值设为0.85，若iou》0.85则输出实景图像块对应的二值图像或者地图图像块对应的二值图像，若iou≦0.85，则不输出二值图像，视为虚警。需要说明的是，预设阈值仅为示例的，本发明实施例不做具体限定。
[0124]
iou融合处理完成后，确定下次分块取图的起始点，继续对第一行进行分块。针对输出的二值图像，若输出的二值图像的右边界存在第一像素值，则搜索输出的二值图像中所有为第一像素值的像素坐标，将其中横坐标最小的像素坐标中的横坐标作为下次分块的横坐标。
[0125]
如图4所示输出的二值图像，输出的二值图像的右边界存在第一像素值，则将图中a点的横坐标作为下次分块的横坐标，仍取长宽均为l大小图像进行分块。
[0126]
若输出的二值图像的右边界不存在第一像素值，则取输出的二值图像的左边界横坐标加l作为下次分块的横坐标。
[0127]
若输出的二值图像的下边界存在第一像素值，则搜索输出的二值图像中所有为第一像素值的像素坐标，并记录其中纵坐标最小的像素坐标中的纵坐标；
[0128]
若输出的二值图像的下边界不存在第一像素值，则不记录。
[0129]
按照上述方式确定第一行的第二块地图图像块和实景图像块后，将其输入图像分割模型，并对图像分割模型输出的两张二值图像进行iou融合处理，若iou值大于预设阈值，则输出任一张二值图像，针对输出的二值图像，继续判断右边界与下边界是否存在第一像素值，按照第二块地图图像块和实景图像块分块起始坐标的确定方式，判断第三块地图图像块和实景图像块分块起始坐标，以此类推完成第一个行分块。
[0130]
第一行分块完成后，将第一行记录的纵坐标与上一行纵坐标加l的最小值作为第二行起始纵坐标，从左至右继续分块；
[0131]
将第二行作为第一行重复上述分块原则直至将实景图像和地图图像分块完成。
[0132]
每次分块后的实景图像块和地图图像块输入图像分割模型，并对输出的二值图像进行iou融合处理，当iou值大于预设阈值时，输出实景图像块对应的二值图像或者地图图像块对应的二值图像，根据所有输出二值图像得到与实景图像、地图图像尺寸相等的目标二值图像。
[0133]
如图5所示，为本发明实施例提供的实景图像和地图图像进行图像分割融合得到目标二值图像的流程图。
[0134]
在得到目标二值图像后，将目标二值图像中像素值为第一像素值的连通区域边界作为建筑对应的标注框，通过搜索标注框的横纵坐标最值，确定标注框顶点坐标。
[0135]
在目标二值图像以及图像中建筑对应标注框顶点坐标之后，根据同一小区的楼间距满足一定的条件，判断任意两个建筑之间的距离，从而判断两个建筑是否属于同一小区，对建筑进行聚类。
[0136]
针对任意两个标注框，采用公式5对确定标注框对应的建筑间距：
[0137]
d＝min(min(|x
1i-x
2j
|)，min(|y
1i-y
2j
|))i，j＝1，2，3，4
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
——公式5
[0138]
其中，d为标注框对应的建筑间距，x
1i-x
2j
为两个标注框任意两个顶点横坐标之差，y
1i-y
2j
为两个标注框任意两个顶点纵坐标之差，min为取最小值运算。
[0139]
实施中，如图6所示，两个建筑标注框分别用(x
11
，y
11
)，(x
12
，y
12
)， (x
13
，y
13
)，(x
14
，y
14
)和(x
21
，y
21
)，(x
22
，y
22
)，(x
23
，y
23
)，(x
24
， y
24
)，则两个建筑间距d为
[0140]
|x
11-x
21
|、|x
11-x
22
|、|x
11-x
23
|、|x
11-x
24
|、
[0141]
|x
12-x
21
|、|x
12-x
22
|、|x
12-x
23
|、|x
12-x
24
|、
[0142]
|x
13-x
21
|、|x
13-x
22
|、|x
13-x
23
|、|x
13-x
24
|、
[0143]
|x
14-x
21
|、|x
14-x
22
|、|x
14-x
23
|、|x
14-x
24
|、
[0144]
|y
11-y
21
|、|y
11-y
22
|、|y
11-y
23
|、|y
11-y
24
|、
[0145]
|y
12-y
21
|、|y
12-y
22
|、|y
12-y
23
|、|y
12-y
24
|、
[0146]
|y
13-y
21
|、|y
13-y
22
|、|y
13-y
23
|、|y
13-y
24
|、
[0147]
|y
14-y
21
|、|y
14-y
22
|、|y
14-y
23
|、|y
14-y
24
|中的最小值。
[0148]
当建筑间距d小于阈值时，则此两建筑属于同一小区，根据上述方式对目标二值图像中确定出的所有建筑两两之间进行聚类，判断所有属于同一小区的建筑，并根据所有属于同一小区的建筑确定小区边界。
[0149]
如图7所示，为本发明实施例提供的一种小区人口预测方法的算法流程图，通过通信网格进行运营商数据融合，通过电子围栏数据或者地图分割数据确定小区边界，实现小区人口预测。
[0150]
需要说明的是，本发明实施例中，实际坐标与图像坐标之间有严格的对应关系，可以通过对应关系进行互相换算。
[0151]
相应于上述方法实施例，本发明实施例提供了一种小区人口预测装置，如图8所示，所述装置包括：
[0152]
边界模块801，被配置为根据小区边界确定小区所占的一个或多个通信网格；
[0153]
确定模块802，被配置为针对任一通信网格，根据所述小区在所述通信网格中的建筑面积与所述通信网格中所包含的全部建筑面积之比，和所述通信网各种包含的目标人数，确定所述小区在所述通信网格中的目标人数；
[0154]
预测模块803，被配置为将所述小区在所述一个或多个通信网格中的目标人数之和，作为所述小区的目标人数。
[0155]
可选的，所述边界模块801被配置为根据下列方式确定小区边界：
[0156]
获取所述小区的电子围栏数据，将所述电子围栏数据作为小区边界。
[0157]
可选的，所述边界模块801被配置为根据下列方式确定小区边界：
[0158]
获取包含所述小区的实景图像和地图图像；其中所述实景图像与所述地图图像对应相同的区域；
[0159]
根据所述实景图像和所述地图图像，确定所述区域内所有建筑对应的标注框顶点坐标；其中，顶点坐标为像素坐标；
[0160]
针对任意两个标注框，采用以下预设公关系式确定所述标注框对应的建筑间距：
[0161]
d＝min(min(|x
1i-x
2j
|)，min(|y
1i-y
2j
|))i，j＝1，2，3，4
[0162]
其中，所述d为标注框对应的建筑间距，x
1i-x
2j
为两个标注框任意两个顶点横坐标之差，y
1i-y
2j
为两个标注框任意两个顶点纵坐标之差，min为取最小值运算；
[0163]
若所述标注框对应的建筑间距小于预设间距，则所述标注框对应的建筑属于同一小区；
[0164]
根据所有属于同一小区的建筑确定小区边界。
[0165]
可选的，在根据所述实景图像和所述地图图像，确定所述区域内所有建筑对应的标注框顶点坐标时，所述边界模块801被配置为：
[0166]
对所述实景图像与所述地图图像按照预设的分块原则进行分块处理得到多个实景图像块和多个地图图像块；其中，所述多个实景图像块和所述多个地图图像块一一对应，并对应相同的区域；
[0167]
将所述多个实景图像块与所述多个地图图像块分别输入至预先训练得到的图像分割模型，得到所述图像分割模型输出的与所述多个实景图像块对应的多个二值图像和所述地图图像块对应的多个二值图像；其中，所述图像分割模型是由样本实景图像块和样本地图图像块共同训练得到的；所述多个实景图像块对应的多个二值图像和所述多个地图图像块对应的多个二值图像中包含表示建筑的第一像素值和表示非建筑的第二像素值；
[0168]
将相互对应的实景图像块和地图图像块分别对应的二值图像进行iou融合处理，当iou值大于预设阈值时，输出所述实景图像块对应的二值图像或者所述地图图像块对应的二值图像，得到与所述实景图像、所述地图图像尺寸相等的目标二值图像；
[0169]
将所述目标二值图像中像素值为第一像素值的连通区域作为建筑对应的标注框，搜索所述标注框的横纵坐标最值，确定所述标注框顶点坐标。
[0170]
可选的，所述分块原则包括：
[0171]
按照先行后列的分块方式，从所述实景图像和所述地图图像的左上角取长宽均为l大小的实景图像块和地图图像块，输入所述图像分割模型，得到所述实景图像块对应的二值图像和所述地图图像块对应的二值图像；其中，所述l为大于小区长宽的预设值；
[0172]
若所述实景图像块对应的二值图像和所述地图图像块对应的二值图像的 iou值大于预设阈值，输出所述实景图像块对应的二值图像或者所述地图图像；
[0173]
针对输出的二值图像，若所述输出的二值图像的右边界存在第一像素值，则搜索所述输出的二值图像中所有为第一像素值的像素坐标，将其中横坐标最小的像素坐标中的横坐标作为下次分块的横坐标；
[0174]
若输出的二值图像的下边界存在第一像素值，则搜索所述输出的二值图像中所有为第一像素值的像素坐标，并记录其中纵坐标最小的像素坐标中的纵坐标；
[0175]
第一行分块完成后，将第一行记录的纵坐标与上一行纵坐标加l的最小值作为第二行起始纵坐标，从左至右继续分块；
[0176]
将第二行作为第一行重复上述分块原则直至将所述实景图像和所述地图图像分块完成。
[0177]
可选的，若所述小区占多个通信网格，所述确定模块802被配置为根据如下方式确定所述小区在任一通信网格中的建筑面积：
[0178]
根据所述包含所述小区的实景图像和地图图像对应的目标二值图像中，所述小区边界内像素值为第一像素值的像素面积，与落入所述通信网格范围内且在所述小区边界内像素值为第一像素值的像素面积之比，和所述小区的建筑面积，确定所述小区在所述通信网格中的建筑面积。
[0179]
上述装置实施例与方法实施例相对应，与该方法实施例具有同样的技术效果，具体说明参见方法实施例。装置实施例是基于方法实施例得到的，具体的说明可以参见方法实施例部分，此处不再赘述。
[0180]
本领域普通技术人员可以理解：附图只是一个实施例的示意图，附图中的模块或流程并不一定是实施本发明所必须的。
[0181]
本领域普通技术人员可以理解：实施例中的装置中的模块可以按照实施例描述分布于实施例的装置中，也可以进行相应变化位于不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块。
[0182]
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。
技术特征：1.一种小区人口预测方法，其特征在于，包括：根据小区边界确定小区所占的一个或多个通信网格；针对任一通信网格，根据所述小区在所述通信网格中的建筑面积与所述通信网格中所包含的全部建筑面积之比，和所述通信网各种包含的目标人数，确定所述小区在所述通信网格中的目标人数；将所述小区在所述一个或多个通信网格中的目标人数之和，作为所述小区的目标人数。2.根据权利要求1所述的方法，其特征在于，根据下列方式确定小区边界：获取所述小区的电子围栏数据，将所述电子围栏数据作为小区边界。3.根据权利要求1所述的方法，其特征在于，根据下列方式确定小区边界：获取包含所述小区的实景图像和地图图像；其中所述实景图像与所述地图图像对应相同的区域；根据所述实景图像和所述地图图像，确定所述区域内所有建筑对应的标注框顶点坐标；其中，顶点坐标为像素坐标；针对任意两个标注框，采用以下预设公关系式确定所述标注框对应的建筑间距：d＝min(min(|x
1i-x
2j
|)，min(|y
1i-y
2j
|))i，j＝1，2，3，4其中，所述d为标注框对应的建筑间距，x
1i-x
2j
为两个标注框任意两个顶点横坐标之差，y
1i-y
2j
为两个标注框任意两个顶点纵坐标之差，min为取最小值运算；若所述标注框对应的建筑间距小于预设间距，则所述标注框对应的建筑属于同一小区；根据所有属于同一小区的建筑确定小区边界。4.根据权利要求3所述的方法，其特征在于，所述根据所述实景图像和所述地图图像，确定所述区域内所有建筑对应的标注框顶点坐标，包括：对所述实景图像与所述地图图像按照预设的分块原则进行分块处理得到多个实景图像块和多个地图图像块；其中，所述多个实景图像块和所述多个地图图像块一一对应，并对应相同的区域；将所述多个实景图像块与所述多个地图图像块分别输入至预先训练得到的图像分割模型，得到所述图像分割模型输出的与所述多个实景图像块对应的多个二值图像和所述地图图像块对应的多个二值图像；其中，所述图像分割模型是由样本实景图像块和样本地图图像块共同训练得到的；所述多个实景图像块对应的多个二值图像和所述多个地图图像块对应的多个二值图像中包含表示建筑的第一像素值和表示非建筑的第二像素值；将相互对应的实景图像块和地图图像块分别对应的二值图像进行iou融合处理，当iou值大于预设阈值时，输出所述实景图像块对应的二值图像或者所述地图图像块对应的二值图像，得到与所述实景图像、所述地图图像尺寸相等的目标二值图像；将所述目标二值图像中像素值为第一像素值的连通区域作为建筑对应的标注框，搜索所述标注框的横纵坐标最值，确定所述标注框顶点坐标。5.如权利要求4所述的方法，其特征在于，所述分块原则包括：按照先行后列的分块方式，从所述实景图像和所述地图图像的左上角取长宽均为l大小的实景图像块和地图图像块，输入所述图像分割模型，得到所述实景图像块对应的二值
图像和所述地图图像块对应的二值图像；其中，所述l为大于小区长宽的预设值；若所述实景图像块对应的二值图像和所述地图图像块对应的二值图像的iou值大于预设阈值，输出所述实景图像块对应的二值图像或者所述地图图像；针对输出的二值图像，若所述输出的二值图像的右边界存在第一像素值，则搜索所述输出的二值图像中所有为第一像素值的像素坐标，将其中横坐标最小的像素坐标中的横坐标作为下次分块的横坐标；若输出的二值图像的下边界存在第一像素值，则搜索所述输出的二值图像中所有为第一像素值的像素坐标，并记录其中纵坐标最小的像素坐标中的纵坐标；第一行分块完成后，将第一行记录的纵坐标与上一行纵坐标加l的最小值作为第二行起始纵坐标，从左至右继续分块；将第二行作为第一行重复上述分块原则直至将所述实景图像和所述地图图像分块完成。6.如权利要求2或3所述的方法，其特征在于，若所述小区占多个通信网格，根据如下方式确定所述小区在任一通信网格中的建筑面积：根据所述包含所述小区的实景图像和地图图像对应的目标二值图像中，所述小区边界内像素值为第一像素值的像素面积，与落入所述通信网格范围内且在所述小区边界内像素值为第一像素值的像素面积之比，和所述小区的建筑面积，确定所述小区在所述通信网格中的建筑面积。7.一种人口预测装置，其特征在于，包括：边界模块，被配置为根据小区边界确定小区所占的一个或多个通信网格；确定模块，被配置为针对任一通信网格，根据所述小区在所述通信网格中的建筑面积与所述通信网格中所包含的全部建筑面积之比，和所述通信网各种包含的目标人数，确定所述小区在所述通信网格中的目标人数；预测模块，被配置为将所述小区在所述一个或多个通信网格中的目标人数之和，作为所述小区的目标人数。8.根据权利要求7所述的装置，其特征在于，所述边界模块被配置为根据下列方式确定小区边界：获取所述小区的电子围栏数据，将所述电子围栏数据作为小区边界。9.根据权利要求7所述的装置，其特征在于，所述边界模块被配置为根据下列方式确定小区边界：获取包含所述小区的实景图像和地图图像；其中所述实景图像与所述地图图像对应相同的区域；根据所述实景图像和所述地图图像，确定所述区域内所有建筑对应的标注框顶点坐标；其中，顶点坐标为像素坐标；针对任意两个标注框，采用以下预设公关系式确定所述标注框对应的建筑间距：d＝min(min(|x
1i-x
2j
|)，min(|y
1i-y
2j
|))i，j＝1，2，3，4其中，所述d为标注框对应的建筑间距，x
1i-x
2j
为两个标注框任意两个顶点横坐标之差，y
1i-y
2j
为两个标注框任意两个顶点纵坐标之差，min为取最小值运算；若所述标注框对应的建筑间距小于预设间距，则所述标注框对应的建筑属于同一小
区；根据所有属于同一小区的建筑确定小区边界。10.根据权利要求9所述的装置，其特征在于，在根据所述实景图像和所述地图图像，确定所述区域内所有建筑对应的标注框顶点坐标时，所述边界模块被配置为：对所述实景图像与所述地图图像按照预设的分块原则进行分块处理得到多个实景图像块和多个地图图像块；其中，所述多个实景图像块和所述多个地图图像块一一对应，并对应相同的区域；将所述多个实景图像块与所述多个地图图像块分别输入至预先训练得到的图像分割模型，得到所述图像分割模型输出的与所述多个实景图像块对应的多个二值图像和所述地图图像块对应的多个二值图像；其中，所述图像分割模型是由样本实景图像块和样本地图图像块共同训练得到的；所述多个实景图像块对应的多个二值图像和所述多个地图图像块对应的多个二值图像中包含表示建筑的第一像素值和表示非建筑的第二像素值；将相互对应的实景图像块和地图图像块分别对应的二值图像进行iou融合处理，当iou值大于预设阈值时，输出所述实景图像块对应的二值图像或者所述地图图像块对应的二值图像，得到与所述实景图像、所述地图图像尺寸相等的目标二值图像；将所述目标二值图像中像素值为第一像素值的连通区域作为建筑对应的标注框，搜索所述标注框的横纵坐标最值，确定所述标注框顶点坐标。11.如权利要求10所述的装置，其特征在于，所述分块原则包括：按照先行后列的分块方式，从所述实景图像和所述地图图像的左上角取长宽均为l大小的实景图像块和地图图像块，输入所述图像分割模型，得到所述实景图像块对应的二值图像和所述地图图像块对应的二值图像；其中，所述l为大于小区长宽的预设值；若所述实景图像块对应的二值图像和所述地图图像块对应的二值图像的iou值大于预设阈值，输出所述实景图像块对应的二值图像或者所述地图图像；针对输出的二值图像，若所述输出的二值图像的右边界存在第一像素值，则搜索所述输出的二值图像中所有为第一像素值的像素坐标，将其中横坐标最小的像素坐标中的横坐标作为下次分块的横坐标；若输出的二值图像的下边界存在第一像素值，则搜索所述输出的二值图像中所有为第一像素值的像素坐标，并记录其中纵坐标最小的像素坐标中的纵坐标；第一行分块完成后，将第一行记录的纵坐标与上一行纵坐标加l的最小值作为第二行起始纵坐标，从左至右继续分块；将第二行作为第一行重复上述分块原则直至将所述实景图像和所述地图图像分块完成。12.如权利要求8或9所述的装置，其特征在于，若所述小区占多个通信网格，所述确定模块被配置为根据如下方式确定所述小区在任一通信网格中的建筑面积：根据所述包含所述小区的实景图像和地图图像对应的目标二值图像中，所述小区边界内像素值为第一像素值的像素面积，与落入所述通信网格范围内且在所述小区边界内像素值为第一像素值的像素面积之比，和所述小区的建筑面积，确定所述小区在所述通信网格中的建筑面积。
技术总结本发明公开一种小区人口预测方法及装置。该方法包括：根据小区边界确定小区所占的一个或多个通信网格；针对任一通信网格，根据所述小区在所述通信网格中的建筑面积与所述通信网格中所包含的全部建筑面积之比，和所述通信网各种包含的目标人数，确定所述小区在所述通信网格中的目标人数；将所述小区在所述一个或多个通信网格中的目标人数之和，作为所述小区的目标人数。本发明实施例提供的技术方案，不需要过多人工干预，并且贴合商业需求，实现自动预测小区中具备购买能力的目标人数，具有较高的预测准确度。高的预测准确度。高的预测准确度。
技术研发人员：王言伟 鄂小松 王锋 张恒 金深 李勇 刘晨哲 蒋宏斌
受保护的技术使用者：江苏富衍信息科技有限公司
技术研发日：2022.07.22
技术公布日：2022/11/1
