CN106547744B - 一种图像检索方法及*** - Google Patents

一种图像检索方法及*** Download PDF

Info

Publication number
CN106547744B
CN106547744B CN201510589175.5A CN201510589175A CN106547744B CN 106547744 B CN106547744 B CN 106547744B CN 201510589175 A CN201510589175 A CN 201510589175A CN 106547744 B CN106547744 B CN 106547744B
Authority
CN
China
Prior art keywords
picture
retrieval
sample
image
result
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201510589175.5A
Other languages
English (en)
Other versions
CN106547744A (zh
Inventor
陈畅怀
浦世亮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Hikvision Digital Technology Co Ltd
Original Assignee
Hangzhou Hikvision Digital Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hangzhou Hikvision Digital Technology Co Ltd filed Critical Hangzhou Hikvision Digital Technology Co Ltd
Priority to CN201510589175.5A priority Critical patent/CN106547744B/zh
Priority to PCT/CN2016/084711 priority patent/WO2017045443A1/zh
Priority to EP16845557.4A priority patent/EP3352094A4/en
Priority to US15/759,160 priority patent/US20180300358A1/en
Publication of CN106547744A publication Critical patent/CN106547744A/zh
Application granted granted Critical
Publication of CN106547744B publication Critical patent/CN106547744B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/53—Querying
    • G06F16/532—Query formulation, e.g. graphical querying
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/51—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/5838—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/758—Involving statistics of pixels or of feature values, e.g. histogram matching

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Library & Information Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Multimedia (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明实施例提供了一种图像检索方法及***。该方法包括：获得用户输入的作为检索依据的目标图片；利用目标图片的第一类图像特征，从图片数据库所存储的样本图片中筛选得到符合第一预定条件的样本图片，并将筛选得到的样本图片作为检索结果进行输出；监听是否获得用户基于当前的检索结果所输入的作为再次检索的检索依据的参考图片，如果获得，利用参考图片的第二类图像特征，从图片数据库所存储的样本图片中筛选得到符合第二预定条件的样本图片，将筛选得到的样本图片作为检索结果进行输出，并继续执行监听动作；在获得用户基于当前的检索结果所发出的图片保存指令后，保存图片保存指令所针对的检索结果。通过本方案可以提高图像检索的全面性。

Description

一种图像检索方法及***
技术领域
本发明涉及图像处理技术领域，特别是涉及一种图像检索方法及***。
背景技术
现有的图像检索方法为：通过提取一张作为查询标准的目标图片给图像检索***，由图像检索***对该目标图片进行预定图像特征的提取，进而依据所提取的预定图像特征，计算图片数据库中各个样本图片与该目标图片的相似度，并将相似度符合预定条件的样本图片作为检索结果输出，其中，该预定条件可以为相似度大于某一阈值，或者，相似度的排列位置处于预定位数之前等等。
然而，在实际应用中，通常用户提供的一张作为查询标准的目标图片只体现了目标物体的一个视角表面特征，且容易受背景、光照、成像质量等诸多其他因素的影响，因此，并不能全面的描述用户的检索需求，检索出来的结果通常不能满足用户的期望。
发明内容
本发明实施例的目的在于提供一种图像检索方法及***，以提高图像检索的全面性。具体技术方案如下：
第一方面，本发明实施例提供了一种图像检索方法，包括：
获得用户输入的作为检索依据的目标图片；
利用所述目标图片的第一类图像特征，从图片数据库所存储的样本图片中筛选得到符合第一预定条件的样本图片，并将筛选得到的样本图片作为检索结果进行输出；
监听是否获得用户基于当前的检索结果所输入的作为再次检索的检索依据的参考图片，其中，所输入的参考图片中至少包括：当前的检索结果中的样本图片；
当监听到获得用户基于当前的检索结果所输入的作为再次检索的检索依据的参考图片时，利用所述参考图片的第二类图像特征，从所述图片数据库所存储的样本图片中筛选得到符合第二预定条件的样本图片，将筛选得到的样本图片作为检索结果进行输出，并继续监听是否获得用户基于当前的检索结果所输入的作为再次检索的检索依据的参考图片；
进而，在获得用户基于当前的检索结果所发出的图片保存指令后，保存所述图片保存指令所针对的检索结果。
可选的，所述利用所述参考图片的第二类图像特征，从所述图片数据库所存储的样本图片中筛选得到符合第二预定条件的样本图片，包括：
将所述参考图片的第二类图像特征按照特征类别进行特征融合处理；
将特征融合处理后形成的特征融合结果作为待利用图片的相应第二类图像特征；
利用所述待利用图片的第二类图像特征，计算所述图片数据库中样本图片相对于所述待利用图片的图像相似度；
从所述图片数据库中，筛选得到图像相似度符合预设图像相似度条件的样本图片。
可选的，所述利用所述参考图片的第二类图像特征，从所述图片数据库所存储的样本图片中筛选得到符合第二预定条件的样本图片，包括：
利用所述参考图片的第二类图像特征，计算所述图片数据中样本图片相对于相应参考图片的图像相似度；
将图像相似度大于预定阈值的样本图片确定为相应参考图片的备选检索结果；
计算所确定出的备选检索结果中每张样本图片相对于所有参考图片的融合相似度；
从所确定出的备选检索结果中，筛选得到融合相似度符合预设融合相似度条件的样本图片。
可选的，所述将所述参考图片的第二类图像特征按照特征类别进行特征融合处理，包括：
将所述参考图片的第二类图像特征的特征值按照特征类别进行归一化处理；
或者，
将所述参考图片的第二类图像特征的特征值按照特征类别依次进行归一化处理、加权处理、拼接处理和归一化处理；
或者，
将所述参考图片的第二类图像特征的特征值按照特征类别依次进行预处理和归一化处理；
或者，
将所述参考图片的第二类图像特征的特征值按照特征类别依次进行预处理、归一化处理、加权处理、拼接处理和归一化处理；
其中，所述预处理包括：幂级数抑制处理或对数抑制处理。
可选的，所述从所述图片数据库中，筛选得到图像相似度符合预设图像相似度条件的样本图片，包括：
从所述图片数据库中，筛选得到图像相似度大于预设相似度阈值的样本图片；
或者，
从所述图片数据库中，筛选得到基于图像相似度的排序位数位于预定位数之前的样本图片。
可选的，所述计算所确定出的备选检索结果中每张样本图片相对于所有参考图片的融合相似度，包括：
利用预设最大法、预设加权求平均或预设加权连乘法，计算所确定出的备选检索结果中每张样本图片相对于所有参考图片的融合相似度。
可选的，所述从所确定出的备选检索结果中，筛选得到融合相似度符合预设融合相似度条件的样本图片，包括：
从所确定出的备选检索结果中，筛选得到融合相似度大于预设融合相似度阈值的样本图片；
或者，
从所确定出的备选检索结果中，筛选得到基于融合相似度的排序位数位于预定位数之前的样本图片。
第二方面，本发明实施例还提供了一种图像检索***，包括：
目标图片获得模块、初始检索模块、监听模块、再次检索模块、图像保存模块，所述初始检索模块包括初始检索子模块和初始结果输出子模块，所述再次检索模块包括再次检索子模块和再次结果输出子模块；
其中，
所述目标图片获得模块，用于获得用户输入的作为检索依据的目标图片；
所述初始检索子模块，用于利用所述目标图片的第一类图像特征，从图片数据库所存储的样本图片中筛选得到符合第一预定条件的样本图片；
所述初始结果输出子模块，用于将筛选得到的样本图片作为检索结果进行输出；
所述监听模块，用于监听是否获得用户基于当前的检索结果所输入的作为再次检索的检索依据的参考图片，其中，所输入的参考图片中至少包括：当前的检索结果中的样本图片；
所述再次检索子模块，用于当监听到获得用户基于当前的检索结果所输入的作为再次检索的检索依据的参考图片时，利用所述参考图片的第二类图像特征，从所述图片数据库所存储的样本图片中筛选得到符合第二预定条件的样本图片；
所述再次结果输出子模块，用于将筛选得到的样本图片作为检索结果进行输出，并触发所述监听模块继续监听是否获得用户基于当前的检索结果所输入的作为再次检索的检索依据的参考图片；
图像保存模块，用于在获得用户基于当前的检索结果所发出的图片保存指令后，保存所述图片保存指令所针对的检索结果。
可选的，所述再次检索子模块，包括：
融合处理单元，用于当监听到获得用户基于当前的检索结果所输入的作为再次检索的检索依据的参考图片时，将所述参考图片的第二类图像特征按照特征类别进行特征融合处理；
图像特征确定单元，用于将特征融合处理后形成的特征融合结果作为待利用图片的相应第二类图像特征；
第一图像相似度计算单元，用于利用所述待利用图片的第二类图像特征，计算所述图片数据库中样本图片相对于所述待利用图片的图像相似度；
第一样本图片筛选单元，用于从所述图片数据库中，筛选得到图像相似度符合预设图像相似度条件的样本图片。
可选的，所述再次检索子模块，包括：
第二图像相似度计算单元，用于利用所述参考图片的第二类图像特征，计算所述图片数据中样本图片相对于相应参考图片的图像相似度；
备选检索结果确定单元，用于将图像相似度大于预定阈值的样本图片确定为相应参考图片的备选检索结果；
融合相似度计算单元，用于计算所确定出的备选检索结果中每张样本图片相对于所有参考图片的融合相似度；
第二样本图片筛选单元，用于从所确定出的备选检索结果中，筛选得到融合相似度符合预设融合相似度条件的样本图片。
可选的，所述融合处理单元具体用于：
将所述参考图片的第二类图像特征的特征值按照特征类别进行归一化处理；
或者，
将所述参考图片的第二类图像特征的特征值按照特征类别依次进行归一化处理、加权处理、拼接处理和归一化处理；
或者，
将所述参考图片的第二类图像特征的特征值按照特征类别依次进行预处理和归一化处理；
或者，
将所述参考图片的第二类图像特征的特征值按照特征类别依次进行预处理、归一化处理、加权处理、拼接处理和归一化处理；
其中，所述预处理包括：幂级数抑制处理或对数抑制处理。
可选的，所述第一样本图片筛选单元，具体用于：
从所述图片数据库中，筛选得到图像相似度大于预设相似度阈值的样本图片；
或者，
从所述图片数据库中，筛选得到基于图像相似度的排序位数位于预定位数之前的样本图片。
可选的，所述融合相似度计算单元，具体用于：
利用预设最大法、预设加权求平均或预设加权连乘法，计算所确定出的备选检索结果中每张样本图片相对于所有参考图片的融合相似度。
可选的，所述第二样本图片筛选单元，具体用于：
从所确定出的备选检索结果中，筛选得到融合相似度大于预设融合相似度阈值的样本图片；
或者，
从所确定出的备选检索结果中，筛选得到基于融合相似度的排序位数位于预定位数之前的样本图片。
本发明实施例所提供的图像检索方法中，获得用户输入的作为检索依据的目标图片；利用目标图片的第一类图像特征，从图片数据库所存储的样本图片中筛选得到符合第一预定条件的样本图片，并将筛选得到的样本图片作为检索结果进行输出；监听是否获得用户基于当前的检索结果所输入的作为再次检索的检索依据的参考图片，如果获得，利用参考图片的第二类图像特征，从图片数据库所存储的样本图片中筛选得到符合第二预定条件的样本图片，将筛选得到的样本图片作为检索结果进行输出，并继续执行监听动作；在获得用户基于当前的检索结果所发出的图片保存指令后，保存图片保存指令所针对的检索结果。与现有技术相比，本方案基于用户所输入的一张目标图片进行多次检索，而并非一次检索，提高了图像检索的全面性，最终使得用户具有较高的图像检索体验。
附图说明
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。
图1为本发明实施例所提供的一种图像检索方法的一种流程图；
图2为本发明实施例所提供的一种图像检索方法的另一种流程图；
图3为本发明实施例所提供的一种图像检索方法的另一种流程图
图4为本发明实施例所提供的一种图像检索***的结构示意图。
具体实施方式
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做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。
为了提高图像检索的全面性，本发明实施例提供了一种图像检索方法及***。
下面首先对本发明实施例所提供的一种图像检索方法进行介绍。
其中，本发明实施例所提供的一种图像检索方法应用于电子设备中，并且，本发明实施例所提供的一种图像检索方法的执行主体可以为一种图像检索***。
如图1所示，本发明实施例所提供的一种图像检索方法，可以包括如下步骤：
S101，获得用户输入的作为检索依据的目标图片；
其中，图像检索***可以为用户提供交互界面，而通过该交互界面，用户可以输入作为检索依据的目标图片。
并且，用户所输入的目标图片可以为用户从该电子设备本地所存储的图片中所选择的一张图片，也可以为用户通过该图像检索***所提供的图片拍摄功能所拍摄的一张图片，这都是合理的。
S102，利用该目标图片的第一类图像特征，从图片数据库所存储的样本图片中筛选得到符合第一预定条件的样本图片，并将筛选得到的样本图片作为检索结果进行输出；
在获得用户输入的作为检索依据的目标图片后，为了实现图像检索，可以利用该目标图片的第一类图像特征，从图片数据库所存储的样本图片中筛选得到符合第一预定条件的样本图片，并将筛选得到的样本图片作为检索结果进行输出。
其中，该目标图片的第一类图像特征可以包括：词袋模型(BoW,bag of words)，FV(fisher vector)，VLAD(vector of locally aggregated descriptors)，颜色名(CN，color names)，尺度不变特征变换(SIFT，scale invariant feature transform)，Gabor滤波特征，SURF，各种颜色空间(如RGB，HSV，Lab)直方图中的一种或多种图像特征。
具体的，所述利用该目标图片的第一类图像特征，从图片数据库所存储的样本图片中筛选得到符合第一预定条件的样本图片，具体可以包括：
利用该目标图片的第一类图像特征，计算图片数据库所存储的样本图片与该目标图片的相似度；
从图片数据库所存储的样本图片中，筛选得到相似度符合预定相似度条件的样本图片。
其中，第一预定条件可以为：与该目标图片的图像相似度大于预定相似度阈值，或者，图像相似度的排序位数位于预定位数之前，等等，这都是合理的。
需要强调的是，该目标图片的第一类图像特征可以为通过局部特征提取方式或全局特征提取方式所获得，其中，局部特征提取方式为对目标图片的局部图像区域的特征提取，全局特征提取方式为对目标图片的全部图像区域的特征提取。并且，所述利用该目标图片的第一类图像特征，计算图片数据库所存储的样本图片与该目标图片的相似度的具体实现方式可以采用技术实现，举例而言：计算基于局部特征的图像相似度时，每张图像对应的局部特征数量不尽相同，因此，可以采用局部特征两两匹配的方式进行计算，找到一张图片中每一个局部特征在另一张图片中的最近邻，然后计算所有局部特征与其在另一张图片中最近邻相似度的平均值作为两张图像的相似度；而计算基于全局特征的图像相似度时，可以采用欧式距离，卡方距离，直方图交叉核距离，等等。
S103，监听是否获得用户基于当前的检索结果所输入的作为再次检索的检索依据的参考图片，如果是，执行S104；否则，继续监听；
为了提高图像检索的全面性，在将筛选得到的样本图片作为检索结果进行输出后，可以为用户提供再次检索的输入功能以指示用户在对当前检索结果不满意的情况下，可以继续进行再次检索。因此，在将筛选得到的样本图片作为检索结果进行输出后，可以继续监听是否获得用户基于当前的检索结果所输入的作为再次检索的检索依据的参考图片，并在监听到时，可以执行后续的S104，从而开启再次检索过程。
其中，所输入的参考图片中至少可以包括：当前的检索结果中的样本图片，当然，所输入的参考图片还可以包括：之前输入的该目标图片，或者，用户所选择的除该目标图片和当前检索结果之外的图片，这都是合理的。
S104，利用参考图片的第二类图像特征，从该图片数据库所存储的样本图片中筛选得到符合第二预定条件的样本图片，将筛选得到的样本图片作为检索结果进行输出；
在监听到获得用户基于当前的检索结果所输入的作为再次检索的检索依据的参考图片后，可以执行再次检索过程，具体的，可以利用参考图片的第二类图像特征，从该图片数据库所存储的样本图片中筛选得到符合第二预定条件的样本图片，将筛选得到的样本图片作为检索结果进行输出，并在将筛选得到的样本图片作为检索结果进行输出后，可以继续监听是否获得用户基于当前的检索结果所输入的作为再次检索的检索依据的参考图片，从而循环执行再次检索，直至用户对检索结果满意为止。
其中，该参考图片可以为至少一张，并且，任意一张参考图片的第二类图像特征可以为与目标图片的第一类图像特征的相同类型的特征，也可以为与目标图片的第一类图像特征的不同类型的特征，这都是合理的。
需要说明的是，利用参考图片的第二类图像特征，从该图片数据库所存储的样本图片中筛选得到符合第二预定条件的样本图片的具体实现方式可以存在多种。为了布局清楚起见，后续结合具体实施例，对利用参考图片的第二类图像特征，从该图片数据库所存储的样本图片中筛选得到符合第二预定条件的样本图片的两种具体实现方式进行详细介绍。
S105，在获得用户基于当前的检索结果所发出的图片保存指令后，保存该图片保存指令所针对的检索结果。
其中，在每一次输出检索结果时，可以在关于检索结果的输出界面中提供图像保存按钮，以便用户在对检索结果满意时，可以通过点击图像保存按钮发出图片保存指令，进而在获得用户基于当前的检索结果所发出的图片保存指令后，保存该图片保存指令所针对的检索结果。当然，在每一次输出检索结果时，也可以在关于检索结果的输出界面中给出提示信息，该提示信息用于指示用户发出图像保存指令所需执行的操作，其中，所需执行的操作可以为：点击某个按钮，或者，发出预定手势操作，等等。
本发明实施例所提供的图像检索方法中，获得用户输入的作为检索依据的目标图片；利用目标图片的第一类图像特征，从图片数据库所存储的样本图片中筛选得到符合第一预定条件的样本图片，并将筛选得到的样本图片作为检索结果进行输出；监听是否获得用户基于当前的检索结果所输入的作为再次检索的检索依据的参考图片，如果获得，利用参考图片的第二类图像特征，从图片数据库所存储的样本图片中筛选得到符合第二预定条件的样本图片，将筛选得到的样本图片作为检索结果进行输出，并继续执行监听动作；在获得用户基于当前的检索结果所发出的图片保存指令后，保存图片保存指令所针对的检索结果。与现有技术相比，本方案基于用户所输入的一张目标图片进行多次检索，而并非一次检索，提高了图像检索的全面性，最终使得用户具有较高的图像检索体验。
下面结合具体的实施例，对本发明实施例所提供的一种图像检索方法进行介绍。
其中，本发明实施例所提供的一种图像检索方法应用于电子设备中，并且，本发明实施例所提供的一种图像检索方法的执行主体可以为一种图像检索***。
如图2所示，一种图像检索方法，可以包括如下步骤：
S201，获得用户输入的作为检索依据的目标图片；
S202，利用该目标图片的第一类图像特征，从图片数据库所存储的样本图片中筛选得到符合第一预定条件的样本图片，并将筛选得到的样本图片作为检索结果进行输出；
S203，监听是否获得用户基于当前的检索结果所输入的作为再次检索的检索依据的参考图片，如果是，执行S104；否则，继续监听；
其中，所输入的参考图片中至少包括：当前的检索结果中的样本图片；
本实施例中，S201至S204与上述实施例的S101至S104相似，在此不作赘述。
S204，将参考图片的第二类图像特征按照特征类别进行特征融合处理；
S205，将特征融合处理后形成的特征融合结果作为待利用图片的相应第二类图像特征；
在监听到获得用户基于当前的检索结果所输入的作为再次检索的检索依据的参考图片后，可以将参考图片的第二类图像特征按照特征类别进行特征融合处理，并将特征融合处理后形成的特征融合结果作为待利用图片的相应第二类图像特征，其中，待利用图片的每一类的第二类图像特征为至少一张参考图片的相应类别的第二图像特征的特征融合结果，举例而言：参考图片1、参考图片2和参考图片3的第二类图像特征均包括A类特征和B类特征，为了后续的再次检索，可以将参考图片1、参考图片2和参考图片3的A类特征进行特征融合处理，将参考图片1、参考图片2和参考图片3的B类特征进行特征融合处理，从而得到待利用图片的A类特征和B类特征，其中，待利用图片的A类特征的特征值基于各张参考图片的A类特征的特征值确定，待利用图片的B类特征的特征值基于各张参考图片的B类特征的特征值确定。
具体的，所述将参考图片的第二类图像特征按照特征类别进行特征融合处理，可以包括：
将参考图片的第二类图像特征的特征值按照特征类别进行归一化处理；
或者，
将参考图片的第二类图像特征的特征值按照特征类别依次进行归一化处理、加权处理、拼接处理和归一化处理；
或者，
将参考图片的第二类图像特征的特征值按照特征类别依次进行预处理和归一化处理；
或者，
将所述参考图片的第二类图像特征的特征值按照特征类别依次进行预处理、归一化处理、加权处理、拼接处理和归一化处理；
其中，所述预处理可以包括：幂级数抑制处理或对数抑制处理。
其中，所谓的归一化处理可以包括：L1范式归一化，L2范式归一化，最小最大归一化等。
以L2范式归一化为例，假设有K种特征，F1,F2,...Fi,...,Fk，
Figure BDA0000803922960000121
其中ni为第i种特征的维度，fi,j为第i种图像特征的第j维的特征值，预处理所利用公式为：
fi,j＝(fi,j)p
或者，
fi,j＝logqfi,j
其中，p为幂级数抑制的指数，q为对数抑制的底数；
并且，每种图像特征的特征值可按如下公式进行归一化：
Figure BDA0000803922960000131
其中，wi为第i种图像特征的权重。
归一化后可进行拼接，形成F'＝[F′1,F′2,F′3,...F′i,...,F′k]，进而对F'按下式对图像特征的特征值进行归一化，归一化的特征值作为待利用图片的相应图像特征的特征值：
Figure BDA0000803922960000132
其中，对图像特征的拼接可以采用进行实现。
S206，利用该待利用图片的第二类图像特征，计算该图片数据库中样本图片相对于该待利用图片的图像相似度；
在确定出该待利用图片的第二图像特征后，可以利用该待利用图片的第二类图像特征，计算该图片数据库中样本图片相对于该待利用图片的图像相似度。
具体的，可以采用现有技术实现利用该待利用图片的第二类图像特征，计算该图片数据库中样本图片相对于该待利用图片的图像相似度。
S207，从该图片数据库中，筛选得到图像相似度符合预设图像相似度条件的样本图片；
S208，将筛选得到的样本图片作为检索结果进行输出；
在计算该图片数据库中样本图片相对于该待利用图片的图像相似度后，可以从该图片数据库中，筛选得到图像相似度符合预设图像相似度条件的样本图片，进而将筛选得到的样本图片作为检索结果进行输出，并在将筛选得到的样本图片作为检索结果进行输出后，可以继续监听是否获得用户基于当前的检索结果所输入的作为再次检索的检索依据的参考图片，从而循环执行再次检索，直至用户对检索结果满意为止。
具体的，从该图片数据库中，筛选得到图像相似度符合预设图像相似度条件的样本图片，可以包括：
从该图片数据库中，筛选得到图像相似度大于预设相似度阈值的样本图片；
或者，
从该图片数据库中，筛选得到基于图像相似度的排序位数位于预定位数之前的样本图片。
其中，预设相似度阈值和预定位数均可以根据实际情况进行设定，在此不做限定。
S209，在获得用户基于当前的检索结果所发出的图片保存指令后，保存该图片保存指令所针对的检索结果。
其中，在每一次输出检索结果时，可以在关于检索结果的输出界面中提供图像保存按钮，以便用户在对检索结果满意时，可以发出图片保存指令，进而在获得用户基于当前的检索结果所发出的图片保存指令后，保存该图片保存指令所针对的检索结果。
与现有技术相比，本方案基于用户所输入的一张目标图片进行多次检索，而并非一次检索，提高了图像检索的全面性，最终使得用户具有较高的图像检索体验。
下面结合另一具体实施例，对本发明实施例所提供的一种图像检索方法进行介绍。
其中，本发明实施例所提供的一种图像检索方法应用于电子设备中，并且，本发明实施例所提供的一种图像检索方法的执行主体可以为一种图像检索***。
如图3所示，一种图像检索方法，可以包括如下步骤：
S301，获得用户输入的作为检索依据的目标图片；
S302，利用该目标图片的第一类图像特征，从图片数据库所存储的样本图片中筛选得到符合第一预定条件的样本图片，并将筛选得到的样本图片作为检索结果进行输出；
S303，监听是否获得用户基于当前的检索结果所输入的作为再次检索的检索依据的参考图片，如果是，执行S104；否则，继续监听；
其中，所输入的参考图片中至少包括：当前的检索结果中的样本图片。
本实施例中，S301至S304与上述实施例的S101至S104相似，在此不作赘述。
S304，利用参考图片的第二类图像特征，计算该图片数据中样本图片相对于相应参考图片的图像相似度；
在获得参考图片后，可以利用参考图片的第二类图像特征，计算该图片数据中各样本图片相对于相应参考图片的图像相似度，其中，计算图片数据库中样本图片相对于相应参考图片的图像相似度的具体实现方式可以采用现有技术，在此不作赘述。
S305，将图像相似度大于预定阈值的样本图片确定为相应参考图片的备选检索结果；
在计算该图片数据中样本图片相对于相应参考图片的图像相似度后，可以将图像相似度大于预定阈值的样本图片确定为相应参考图片的备选检索结果，也就是，每一参考图片对应一组备选检索结果，每一组备选检索结果即为一个图片结果列表。
其中，对于每一张参考图片而言，其所对应的备选检索结果中的图片数量可以为少于图片数据库中的图片数量，或者，等于图片数据库中的图片数量，可以理解的是，可以通过设定预定阈值来达到所需的图片数量。
S306，计算所确定出的备选检索结果中每张样本图片相对于所有参考图片的融合相似度；
由于每一参考图片均对应一组备选检索结果，图片数量较多，而为了输出有限的样本图片，可以在确定出每一参考图片对应的备选检索结果后，计算所确定出的备选检索结果中每张样本图片相对于所有参考图片的融合相似度。
具体的，所述计算所确定出的备选检索结果中每张样本图片相对于所有参考图片的融合相似度，可以包括：
利用预设最大法、预设加权求平均或预设加权连乘法，计算所确定出的备选检索结果中每张样本图片相对于所有参考图片的融合相似度。
举例而言：每张参考图片对应一组备选检索结果，即对应一个图片结果列表，假设图片结果列表中包括有样本图片的排序位置和图像相似度，其中，M张参考图片对应的图片结果列表为：
L＝{L1,L2,...,Li,...,LM|Li＝
[(si,1,IDi,1),(si,2,IDi,2),...,(si,j,IDi,j),...,(si,N,IDi,N)]}
其中，N为图片数据库中图片的数量，si,j和IDi,j分别为第i张参考图片对应图片结果列表中第j张样本图片的图像相似度和该样本图片在图片结果列表中的排序位置，其中，各张参考图片所对应的图片结果列表中，第j张样本图片为同一样本图片；其中，可采用预设最大法、预设加权求平均或预设加权连乘法等方法计算所确定出的备选检索结果中每张样本图片相对于所有参考图片的融合相似度；假设
Figure BDA0000803922960000161
为图片数据库中第j张样本图片相对于第i张参考图片的图像相似度，其中，预设最大法所利用的公式为：
Figure BDA0000803922960000162
预设加权求平均法所利用的公式为：
Figure BDA0000803922960000163
预设加权连乘法所利用的公式为：
Figure BDA0000803922960000164
其中，s'j为第j张样本图片相对于所有参考图片的融合相似度，wi,j为与
Figure BDA0000803922960000171
在图片结果列表Li中的排序位置相关的权重，
Figure BDA0000803922960000172
为与
Figure BDA0000803922960000173
在图片查询列表Li中的排序位置和第j张样本图片与第i张参考图片的图像相似度相关的打分函数。
S307，从所确定出的备选检索结果中，筛选得到融合相似度符合预设融合相似度条件的样本图片；
S308，将筛选得到的样本图片作为检索结果进行输出；
在计算所确定出的备选检索结果中每张样本图片相对于所有参考图片的融合相似度后，可以从所确定出的备选检索结果中，筛选得到融合相似度符合预设融合相似度条件的样本图片，进而将筛选得到样本图片作为检索结果进行输出，并在将筛选得到的样本图片作为检索结果进行输出后，可以继续监听是否获得用户基于当前的检索结果所输入的作为再次检索的检索依据的参考图片，从而循环执行再次检索，直至用户对检索结果满意为止。
具体的，所述从所确定出的备选检索结果中，筛选得到融合相似度符合预设融合相似度条件的样本图片，可以包括：
从所确定出的备选检索结果中，筛选得到融合相似度大于预设融合相似度阈值的样本图片；
或者，
从所确定出的备选检索结果中，筛选得到基于融合相似度的排序位数位于预定位数之前的样本图片。
其中，预设融合相似度阈值和预定位数可以根据实际情况进行设定，在此不做限定。
S309，在获得用户基于当前的检索结果所发出的图片保存指令后，保存所述图片保存指令所针对的检索结果。
其中，在每一次输出检索结果时，可以在关于检索结果的输出界面中提供图像保存按钮，以便用户在对检索结果满意时，可以发出图片保存指令，进而在获得用户基于当前的检索结果所发出的图片保存指令后，保存该图片保存指令所针对的检索结果。
与现有技术相比，本方案基于用户所输入的一张目标图片进行多次检索，而并非一次检索，提高了图像检索的全面性，最终使得用户具有较高的图像检索体验。
相应于上述方法实施例，本发明实施例还提供了一种图像检索***，如图4所示，可以包括：
目标图片获得模块410、初始检索模块420、监听模块430、再次检索模块440和图像保存模块450，所述初始检索模块420包括初始检索子模块421和初始结果输出子模块422，所述再次检索模块440包括再次检索子模块441和再次结果输出子模块442；
其中，
所述目标图片获得模块410，用于获得用户输入的作为检索依据的目标图片；
所述初始检索子模块421，用于利用所述目标图片的第一类图像特征，从图片数据库所存储的样本图片中筛选得到符合第一预定条件的样本图片；
所述初始结果输出子模块422，用于将筛选得到的样本图片作为检索结果进行输出；
所述监听模块430，用于监听是否获得用户基于当前的检索结果所输入的作为再次检索的检索依据的参考图片，其中，所输入的参考图片中至少包括：当前的检索结果中的样本图片；
所述再次检索子模块441，用于当监听到获得用户基于当前的检索结果所输入的作为再次检索的检索依据的参考图片时，利用所述参考图片的第二类图像特征，从所述图片数据库所存储的样本图片中筛选得到符合第二预定条件的样本图片；
所述再次结果输出子模块442，用于将筛选得到的样本图片作为检索结果进行输出，并触发所述监听模块继续监听是否获得用户基于当前的检索结果所输入的作为再次检索的检索依据的参考图片；
所述图像保存模块450，用于在获得用户基于当前的检索结果所发出的图片保存指令后，保存所述图片保存指令所针对的检索结果。
本发明实施例所提供的图像检索***中，获得用户输入的作为检索依据的目标图片；利用目标图片的第一类图像特征，从图片数据库所存储的样本图片中筛选得到符合第一预定条件的样本图片，并将筛选得到的样本图片作为检索结果进行输出；监听是否获得用户基于当前的检索结果所输入的作为再次检索的检索依据的参考图片，如果获得，利用参考图片的第二类图像特征，从图片数据库所存储的样本图片中筛选得到符合第二预定条件的样本图片，将筛选得到的样本图片作为检索结果进行输出，并继续执行监听动作；在获得用户基于当前的检索结果所发出的图片保存指令后，保存图片保存指令所针对的检索结果。与现有技术相比，本方案基于用户所输入的一张目标图片进行多次检索，而并非一次检索，提高了图像检索的全面性，最终使得用户具有较高的图像检索体验。
在第一种实现方式中，所述再次检索子模块441，可以包括：
融合处理单元，用于当监听到获得用户基于当前的检索结果所输入的作为再次检索的检索依据的参考图片时，将所述参考图片的第二类图像特征按照特征类别进行特征融合处理；
图像特征确定单元，用于将特征融合处理后形成的特征融合结果作为待利用图片的相应第二类图像特征；
第一图像相似度计算单元，用于利用所述待利用图片的第二类图像特征，计算所述图片数据库中样本图片相对于所述待利用图片的图像相似度；
第一样本图片筛选单元，用于从所述图片数据库中，筛选得到图像相似度符合预设图像相似度条件的样本图片。
在第二种实现方式中，所述再次检索子模块441，可以包括：
第二图像相似度计算单元，用于利用所述参考图片的第二类图像特征，计算所述图片数据中样本图片相对于相应参考图片的图像相似度；
备选检索结果确定单元，用于将图像相似度大于预定阈值的样本图片确定为相应参考图片的备选检索结果；
融合相似度计算单元，用于计算所确定出的备选检索结果中每张样本图片相对于所有参考图片的融合相似度；
第二样本图片筛选单元，用于从所确定出的备选检索结果中，筛选得到融合相似度符合预设融合相似度条件的样本图片。
在上述的第一种实现方式中，所述融合处理单元具体用于：
将所述参考图片的第二类图像特征的特征值按照特征类别进行归一化处理；
或者，
将所述参考图片的第二类图像特征的特征值按照特征类别依次进行归一化处理、加权处理、拼接处理和归一化处理；
或者，
将所述参考图片的第二类图像特征的特征值按照特征类别依次进行预处理和归一化处理；
或者，
将所述参考图片的第二类图像特征的特征值按照特征类别依次进行预处理、归一化处理、加权处理、拼接处理和归一化处理；
其中，所述预处理包括：幂级数抑制处理或对数抑制处理。
在上述的第一种实现方式中，所述第一样本图片筛选单元，具体用于：
从所述图片数据库中，筛选得到图像相似度大于预设相似度阈值的样本图片；
或者，
从所述图片数据库中，筛选得到基于图像相似度的排序位数位于预定位数之前的样本图片。
在上述的第二种实现方式中，所述融合相似度计算单元，具体用于：
利用预设最大法、预设加权求平均或预设加权连乘法，计算所确定出的备选检索结果中每张样本图片相对于所有参考图片的融合相似度。
在上述的第二种实现方式中，所述第二样本图片筛选单元，具体用于：
从所确定出的备选检索结果中，筛选得到融合相似度大于预设融合相似度阈值的样本图片；
或者，
从所确定出的备选检索结果中，筛选得到基于融合相似度的排序位数位于预定位数之前的样本图片。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于***实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (6)

1.一种图像检索方法，其特征在于，包括：
获得用户输入的作为检索依据的目标图片；
利用所述目标图片的第一类图像特征，从图片数据库所存储的样本图片中筛选得到符合第一预定条件的样本图片，并将筛选得到的样本图片作为检索结果进行输出；
为用户提供再次检索的输入功能以指示用户在对当前检索结果不满意的情况下再次检索，并监听是否获得用户基于当前的检索结果所输入的作为再次检索的检索依据的参考图片，其中，所输入的参考图片中至少包括：当前的检索结果中的样本图片；所述输入的参考图片中还包括：所述目标图片，或者，用户所选择的除该目标图片和当前检索结果之外的图片；
当监听到获得用户基于当前的检索结果所输入的作为再次检索的检索依据的参考图片时，利用所述参考图片的第二类图像特征，从所述图片数据库所存储的样本图片中筛选得到符合第二预定条件的样本图片，将筛选得到的样本图片作为检索结果进行输出，并继续监听是否获得用户基于当前的检索结果所输入的作为再次检索的检索依据的参考图片；
进而，在获得用户基于当前的检索结果所发出的图片保存指令后，保存所述图片保存指令所针对的检索结果；
其中，所述利用所述参考图片的第二类图像特征，从所述图片数据库所存储的样本图片中筛选得到符合第二预定条件的样本图片，包括：
利用所述参考图片的第二类图像特征，计算所述图片数据库中样本图片相对于相应参考图片的图像相似度；
将图像相似度大于预定阈值的样本图片确定为相应参考图片的备选检索结果；其中，每一参考图片对应一组备选检索结果，每一组备选检索结果为一个图片结果列表；
计算所确定出的备选检索结果中每张样本图片相对于所有参考图片的融合相似度；
从所确定出的备选检索结果中，筛选得到融合相似度符合预设融合相似度条件的样本图片。
2.根据权利要求1所述的方法，其特征在于，所述计算所确定出的备选检索结果中每张样本图片相对于所有参考图片的融合相似度，包括：
利用预设最大法、预设加权求平均或预设加权连乘法，计算所确定出的备选检索结果中每张样本图片相对于所有参考图片的融合相似度。
3.根据权利要求1所述的方法，其特征在于，所述从所确定出的备选检索结果中，筛选得到融合相似度符合预设融合相似度条件的样本图片，包括：
从所确定出的备选检索结果中，筛选得到融合相似度大于预设融合相似度阈值的样本图片；
或者，
从所确定出的备选检索结果中，筛选得到基于融合相似度的排序位数位于预定位数之前的样本图片。
4.一种图像检索***，其特征在于，包括：
目标图片获得模块、初始检索模块、监听模块、再次检索模块、图像保存模块，所述初始检索模块包括初始检索子模块和初始结果输出子模块，所述再次检索模块包括再次检索子模块和再次结果输出子模块；
其中，所述目标图片获得模块，用于获得用户输入的作为检索依据的目标图片；
所述初始检索子模块，用于利用所述目标图片的第一类图像特征，从图片数据库所存储的样本图片中筛选得到符合第一预定条件的样本图片；
所述初始结果输出子模块，用于将筛选得到的样本图片作为检索结果进行输出；
所述监听模块，用于为用户提供再次检索的输入功能以指示用户在对当前检索结果不满意的情况下再次检索，并监听是否获得用户基于当前的检索结果所输入的作为再次检索的检索依据的参考图片，其中，所输入的参考图片中至少包括：当前的检索结果中的样本图片；所述输入的参考图片中还包括：所述目标图片，或者，用户所选择的除该目标图片和当前检索结果之外的图片；所述再次检索子模块，用于当监听到获得用户基于当前的检索结果所输入的作为再次检索的检索依据的参考图片时，利用所述参考图片的第二类图像特征，从所述图片数据库所存储的样本图片中筛选得到符合第二预定条件的样本图片；
所述再次结果输出子模块，用于将筛选得到的样本图片作为检索结果进行输出，并触发所述监听模块继续监听是否获得用户基于当前的检索结果所输入的作为再次检索的检索依据的参考图片；
图像保存模块，用于在获得用户基于当前的检索结果所发出的图片保存指令后，保存所述图片保存指令所针对的检索结果；
其中，所述再次检索子模块，包括：
第二图像相似度计算单元，用于利用所述参考图片的第二类图像特征，计算所述图片数据库中样本图片相对于相应参考图片的图像相似度；
备选检索结果确定单元，用于将图像相似度大于预定阈值的样本图片确定为相应参考图片的备选检索结果；其中，每一参考图片对应一组备选检索结果，每一组备选检索结果为一个图片结果列表；融合相似度计算单元，用于计算所确定出的备选检索结果中每张样本图片相对于所有参考图片的融合相似度；
第二样本图片筛选单元，用于从所确定出的备选检索结果中，筛选得到融合相似度符合预设融合相似度条件的样本图片。
5.根据权利要求4所述的***，其特征在于，所述融合相似度计算单元，具体用于：
利用预设最大法、预设加权求平均或预设加权连乘法，计算所确定出的备选检索结果中每张样本图片相对于所有参考图片的融合相似度。
6.根据权利要求4所述的***，其特征在于，所述第二样本图片筛选单元，具体用于：
从所确定出的备选检索结果中，筛选得到融合相似度大于预设融合相似度阈值的样本图片；
或者，
从所确定出的备选检索结果中，筛选得到基于融合相似度的排序位数位于预定位数之前的样本图片。
CN201510589175.5A 2015-09-16 2015-09-16 一种图像检索方法及*** Active CN106547744B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN201510589175.5A CN106547744B (zh) 2015-09-16 2015-09-16 一种图像检索方法及***
PCT/CN2016/084711 WO2017045443A1 (zh) 2015-09-16 2016-06-03 一种图像检索方法及***
EP16845557.4A EP3352094A4 (en) 2015-09-16 2016-06-03 PICTURE RECALL AND METHOD
US15/759,160 US20180300358A1 (en) 2015-09-16 2016-06-03 Image Retrieval Method and System

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510589175.5A CN106547744B (zh) 2015-09-16 2015-09-16 一种图像检索方法及***

Publications (2)

Publication Number Publication Date
CN106547744A CN106547744A (zh) 2017-03-29
CN106547744B true CN106547744B (zh) 2020-11-06

Family

ID=58288113

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510589175.5A Active CN106547744B (zh) 2015-09-16 2015-09-16 一种图像检索方法及***

Country Status (4)

Country Link
US (1) US20180300358A1 (zh)
EP (1) EP3352094A4 (zh)
CN (1) CN106547744B (zh)
WO (1) WO2017045443A1 (zh)

Families Citing this family (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107315837B (zh) * 2017-07-17 2020-08-28 杭州缦图摄影有限公司 一种检索准确的图像检索***
CN108288067B (zh) * 2017-09-12 2020-07-24 腾讯科技（深圳）有限公司 图像文本匹配模型的训练方法、双向搜索方法及相关装置
CN107807979A (zh) * 2017-10-27 2018-03-16 朱秋华 一种相似图片的搜索方法及装置
CN108984765B (zh) * 2018-07-20 2020-01-31 我要家网络科技有限公司 一种基于智能图像分析的户型图找房方法
CN109271552B (zh) * 2018-08-22 2021-08-20 北京达佳互联信息技术有限公司 通过图片检索视频的方法、装置、电子设备及存储介质
CN111078924B (zh) * 2018-10-18 2024-03-01 深圳云天励飞技术有限公司 图像检索方法、装置、终端及存储介质
CN111125391B (zh) * 2018-11-01 2024-06-07 北京市商汤科技开发有限公司 数据库更新方法和装置、电子设备、计算机存储介质
CN109614510B (zh) * 2018-11-23 2021-05-07 腾讯科技（深圳）有限公司 一种图像检索方法、装置、图形处理器和存储介质
CN111382635B (zh) * 2018-12-29 2023-10-13 杭州海康威视数字技术股份有限公司 一种商品类别识别方法、装置及电子设备
CN110032933B (zh) * 2019-03-07 2021-06-25 北京旷视科技有限公司 一种图像数据的获取方法、装置、终端及存储介质
CN110119454B (zh) * 2019-05-05 2021-10-08 西安科芮智盈信息技术有限公司 证据管理方法及装置
CN111898747B (zh) * 2019-05-05 2023-06-30 杭州海康威视数字技术股份有限公司 一种特征比对方法及电子设备
CN112148924A (zh) * 2019-06-28 2020-12-29 杭州海康威视数字技术股份有限公司 一种行李箱检索方法、装置及电子设备
CN110472091B (zh) * 2019-08-22 2022-01-11 深圳市商汤科技有限公司 图像处理方法及装置、电子设备和存储介质
CN110689603B (zh) * 2019-08-27 2023-03-17 杭州群核信息技术有限公司 Pbr实时渲染材质的转换方法、装置、***及渲染方法
CN110490272B (zh) * 2019-09-05 2022-10-21 腾讯音乐娱乐科技（深圳）有限公司 图片内容相似度分析方法、装置及存储介质
CN112131424A (zh) * 2020-09-22 2020-12-25 深圳市天维大数据技术有限公司 一种分布式图像分析方法及***
CN111881322B (zh) * 2020-09-28 2020-12-25 成都睿沿科技有限公司 一种目标搜索方法、装置、电子设备及存储介质
CN112836759B (zh) * 2021-02-09 2023-05-30 重庆紫光华山智安科技有限公司 一种机选图片评价方法、装置、存储介质及电子设备
CN112559793B (zh) * 2021-02-23 2021-07-13 成都旺小宝科技有限公司 一种人脸图像的检索方法
CN115114469A (zh) * 2021-03-17 2022-09-27 腾讯科技（深圳）有限公司 一种图片识别方法、装置、设备及存储介质
CN113393145B (zh) * 2021-06-25 2023-06-30 广东利元亨智能装备股份有限公司 一种模型相似度获取方法、装置、电子设备及存储介质
CN113609319A (zh) * 2021-07-26 2021-11-05 阿里巴巴（中国）有限公司 商品搜索方法、装置和设备
CN113946702A (zh) * 2021-10-13 2022-01-18 北京百度网讯科技有限公司 图像特征的存储方法、装置、存储介质及电子设备
WO2023225919A1 (zh) * 2022-05-25 2023-11-30 华为技术有限公司 一种视觉搜索方法及装置
CN116401392B (zh) * 2022-12-30 2023-10-27 以萨技术股份有限公司 一种图像检索的方法、电子设备及存储介质
CN116127111A (zh) * 2023-01-03 2023-05-16 百度在线网络技术（北京）有限公司 图片搜索方法、装置、电子设备和计算机可读存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103426016A (zh) * 2013-08-14 2013-12-04 湖北微模式科技发展有限公司 一种第二代身份证真伪鉴别方法与装置
WO2015035477A1 (en) * 2013-09-11 2015-03-19 See-Out Pty Ltd Image searching method and apparatus
CN104699726A (zh) * 2013-12-18 2015-06-10 杭州海康威视数字技术股份有限公司 一种应用于交通卡口的车辆图像检索方法和装置
CN104751168A (zh) * 2013-12-30 2015-07-01 宏达国际电子股份有限公司 经由主动学习搜索相关图像的方法及电子装置和用户界面

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100451649B1 (ko) * 2001-03-26 2004-10-08 엘지전자 주식회사 이미지 검색방법과 장치
AU2003214770A1 (en) * 2002-02-05 2003-09-02 Eutech Cybernetics Pte Ltd. Remote application publication and communication system
DE10261334B4 (de) * 2002-12-28 2010-04-15 Tracto-Technik Gmbh Kanalrohr
US20060153460A1 (en) * 2005-01-10 2006-07-13 Samsung Electronics Co., Ltd. Method and apparatus for clustering digital photos based on situation and system and method for albuming using the same
CN101419606B (zh) * 2008-11-13 2011-10-05 浙江大学 一种基于语义和内容的半自动图像标注方法
CN102402575A (zh) * 2011-09-14 2012-04-04 北京理工大学 一种基于形状的海量图像数据快速检索方法
KR101191172B1 (ko) * 2012-02-15 2012-10-15 (주)올라웍스 이미지 데이터베이스의 이미지들을 관리하는 방법, 장치 및 컴퓨터 판독 가능한 기록 매체
US20140019431A1 (en) * 2012-07-13 2014-01-16 Deepmind Technologies Limited Method and Apparatus for Conducting a Search
CN104090972B (zh) * 2014-07-18 2017-08-11 北京师范大学 用于三维城市模型检索的图像特征提取和相似性度量方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103426016A (zh) * 2013-08-14 2013-12-04 湖北微模式科技发展有限公司 一种第二代身份证真伪鉴别方法与装置
WO2015035477A1 (en) * 2013-09-11 2015-03-19 See-Out Pty Ltd Image searching method and apparatus
CN104699726A (zh) * 2013-12-18 2015-06-10 杭州海康威视数字技术股份有限公司 一种应用于交通卡口的车辆图像检索方法和装置
CN104751168A (zh) * 2013-12-30 2015-07-01 宏达国际电子股份有限公司 经由主动学习搜索相关图像的方法及电子装置和用户界面

Also Published As

Publication number Publication date
WO2017045443A1 (zh) 2017-03-23
EP3352094A1 (en) 2018-07-25
EP3352094A4 (en) 2019-03-20
US20180300358A1 (en) 2018-10-18
CN106547744A (zh) 2017-03-29

Similar Documents

Publication Publication Date Title
CN106547744B (zh) 一种图像检索方法及***
CN109284729B (zh) 基于视频获取人脸识别模型训练数据的方法、装置和介质
CN109816039B (zh) 一种跨模态信息检索方法、装置和存储介质
EP3028184B1 (en) Method and system for searching images
US9367756B2 (en) Selection of representative images
CN110555372A (zh) 数据录入方法、装置、设备及存储介质
CN111209970B (zh) 视频分类方法、装置、存储介质及服务器
WO2017000109A1 (zh) 搜索方法、搜索装置、用户设备和计算机程序产品
US20140193077A1 (en) Image retrieval apparatus, image retrieval method, query image providing apparatus, query image providing method, and program
CN111062871A (zh) 一种图像处理方法、装置、计算机设备及可读存储介质
CN109871490B (zh) 媒体资源匹配方法、装置、存储介质和计算机设备
CN110348362B (zh) 标签生成、视频处理方法、装置、电子设备及存储介质
US9576218B2 (en) Selecting features from image data
CN111275060B (zh) 识别模型更新处理方法、装置、电子设备及存储介质
WO2009134867A2 (en) Method for generating a representation of image content using image search and retrieval criteria
CN110347866B (zh) 信息处理方法、装置、存储介质及电子设备
CN111708909B (zh) 视频标签的添加方法及装置、电子设备、计算机可读存储介质
JP2019520662A (ja) 商標画像のコンテンツ・ベースの検索及び取得
CN113963303A (zh) 图像处理方法、视频识别方法、装置、设备及存储介质
CN111340213B (zh) 神经网络的训练方法、电子设备、存储介质
CN104765796A (zh) 一种图像识别搜索方法及装置
WO2017202086A1 (zh) 图片的筛选方法及装置
CN108665459B (zh) 一种图像模糊检测方法、计算设备及可读存储介质
CN112884866B (zh) 一种黑白视频的上色方法、装置、设备及存储介质
JP2011238043A (ja) マンガコンテンツの要約を生成する要約マンガ画像生成装置、プログラム及び方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant