CN110209853B - 车辆的图片搜索方法、装置和设备 - Google Patents
车辆的图片搜索方法、装置和设备 Download PDFInfo
- Publication number
- CN110209853B CN110209853B CN201910520157.XA CN201910520157A CN110209853B CN 110209853 B CN110209853 B CN 110209853B CN 201910520157 A CN201910520157 A CN 201910520157A CN 110209853 B CN110209853 B CN 110209853B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- partition
- screening
- node
- data
- 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
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
- G06F16/10—File systems; File servers
- G06F16/14—Details of searching files based on file metadata
- G06F16/148—File search processing
-
- 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
- G06F16/535—Filtering based on additional data, e.g. user or group profiles
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Library & Information Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种车辆的图片搜索方法、装置和设备,涉及图像识别的技术领域,其中,该方法包括:首先,根据车辆搜图请求中的车辆品牌和车辆型号确定待搜索的文件名,然后,从图片特征索引库中筛选出符合车辆搜图请求中的算法类型和时间条件的部分列表,并确定搜索路径,最后,从图片特征索引库中加载搜索路径和文件名对应的文件数据,并筛选出符合所述车辆特征的数据,返回至上层设备,该方式通过组合文件名和搜索路径,可以直接获取文件数据,并将数据筛选完成,数据比对量少,从而提高了车辆的图片搜索的效率和准确率。
Description
技术领域
本发明涉及图像识别技术领域,尤其是涉及一种车辆的图片搜索方法、装置和设备。
背景技术
以图搜图是一种基于内容的图片搜索技术,其原理是从图片中提取出颜色、形状、纹理等特征,建立特征索引底库,然后根据用户查询的图片解析出的特征值与底库进行对比,搜索出相似度高的图片或者与图片相关的信息。
基于车牌、车型信息的车辆检索应用广泛,在图像视频侦查方面给使用者带来了更加便利和准确的定位相同车辆的图片以及车辆的属性、驾驶路径乃至分析数据,这一技术涉及到图像识别、大数据分析等技术,关键技术在于特征提取、相似度对比等,现有技术在特征提取和相似度对比过程中,需要加载大量的无效图像数据,图像识别效率和准确率难以达到用户需求。
发明内容
本发明的目的在于提供一种车辆的图片搜索方法、装置和设备,以提高车辆的图片搜索的效率和准确率。
本发明提供的一种车辆的图片搜索方法,所述方法应用于服务器,所述服务器预先存储有图片特征索引库;所述图片特征索引库的目录结构包括算法类型、时间条件、车辆品牌和车辆型号;所述方法包括:接收上层设备发送的车辆搜图请求;所述车辆搜图请求中包括时间条件、车辆品牌、车辆型号、算法类型和车辆特征;根据所述车辆搜图请求中的车辆品牌和车辆型号确定待搜索的文件名;从所述图片特征索引库中筛选出符合所述车辆搜图请求中的算法类型和时间条件的部分列表;根据所述车辆搜图请求中的算法类型、时间条件和部分列表确定搜索路径;从所述图片特征索引库中加载所述搜索路径和所述文件名对应的文件数据;从加载的文件数据中筛选符合所述车辆特征的数据,将筛选结果返回至所述上层设备。
进一步的,所述图片特征索引库的目录结构还包括分区编号;所述图片特征索引库中划分有多个分区,每个分区设置有相应的分区编号;每个所述分区中存储有按照预设分配规则分配的文件数据。
进一步的,所述服务器中设置有主节点、第一节点和第二节点;所述第一节点分配有第一指定分区编号对应的分区;所述第二节点分配有第二指定分区编号对应的分区;所述主节点分配有第三指定分区编号对应的分区;所述方法还包括:通过所述第一节点执行上述方法中根据所述车辆搜图请求中的车辆品牌和车辆型号确定待搜索的文件名的步骤,以从所述第一指定分区编号对应的分区中加载所述搜索路径和所述文件名对应的文件数据;通过所述第二节点执行上述方法中根据所述车辆搜图请求中的车辆品牌和车辆型号确定待搜索的文件名的步骤,以从所述第二指定分区编号对应的分区中加载所述搜索路径和所述文件名对应的文件数据;通过所述主节点执行上述方法中根据所述车辆搜图请求中的车辆品牌和车辆型号确定待搜索的文件名的步骤,以从所述第三指定分区编号对应的分区中加载所述搜索路径和所述文件名对应的文件数据。
进一步的,所述从加载的文件数据中筛选符合所述车辆特征的数据,将筛选结果返回至所述上层设备,包括:通过所述第一节点所加载的文件数据中筛选符合所述车辆特征的数据,将第一筛选结果返回至所述主节点;通过所述第二节点所加载的文件数据中筛选符合所述车辆特征的数据,将第二筛选结果返回至所述主节点;通过所述主节点所加载的文件数据中筛选符合所述车辆特征的数据,得到第三筛选结果;通过所述主节点从所述第一筛选结果、所述第二筛选结果和所述第三筛选结果中,筛选出预设数量的符合所述车辆特征的数据,将筛选结果返回至所述上层设备。
本发明提供的一种车辆的图片搜索装置,所述装置应用于服务器,所述服务器预先存储有图片特征索引库;所述图片特征索引库的目录结构包括算法类型、时间条件、车辆品牌和车辆型号;所述装置包括:接收模块,用于接收上层设备发送的车辆搜图请求;所述车辆搜图请求中包括时间条件、车辆品牌、车辆型号、算法类型和车辆特征;第一获取模块,用于根据所述车辆搜图请求中的车辆品牌和车辆型号确定待搜索的文件名;第一筛选模块,用于从所述图片特征索引库中筛选出符合所述车辆搜图请求中的算法类型和时间条件的部分列表;第二获取模块,用于根据所述车辆搜图请求中的算法类型、时间条件和部分列表确定搜索路径;加载模块,用于从所述图片特征索引库中加载所述搜索路径和所述文件名对应的文件数据;第二筛选模块,用于从加载的文件数据中筛选符合所述车辆特征的数据,将筛选结果返回至所述上层设备。
进一步的,所述图片特征索引库的目录结构还包括分区编号;所述图片特征索引库中划分有多个分区,每个分区设置有相应的分区编号;每个所述分区中存储有按照预设分配规则分配的文件数据。
进一步的,所述服务器中设置有主节点、第一节点和第二节点;所述第一节点分配有第一指定分区编号对应的分区;所述第二节点分配有第二指定分区编号对应的分区;所述主节点分配有第三指定分区编号对应的分区;所述装置还包括:第一执行模块,用于通过所述第一节点执行上述方法中根据所述车辆搜图请求中的车辆品牌和车辆型号确定待搜索的文件名的步骤,以从所述第一指定分区编号对应的分区中加载所述搜索路径和所述文件名对应的文件数据;第二执行模块,用于通过所述第二节点执行上述方法中根据所述车辆搜图请求中的车辆品牌和车辆型号确定待搜索的文件名的步骤,以从所述第二指定分区编号对应的分区中加载所述搜索路径和所述文件名对应的文件数据;第三执行模块,用于通过所述主节点执行上述方法中根据所述车辆搜图请求中的车辆品牌和车辆型号确定待搜索的文件名的步骤,以从所述第三指定分区编号对应的分区中加载所述搜索路径和所述文件名对应的文件数据。
进一步的,所述第二筛选模块还用于:通过所述第一节点所加载的文件数据中筛选符合所述车辆特征的数据,将第一筛选结果返回至所述主节点;通过所述第二节点所加载的文件数据中筛选符合所述车辆特征的数据,将第二筛选结果返回至所述主节点;通过所述主节点所加载的文件数据中筛选符合所述车辆特征的数据,得到第三筛选结果;通过所述主节点从所述第一筛选结果、所述第二筛选结果和所述第三筛选结果中,筛选出预设数量的符合所述车辆特征的数据,将筛选结果返回至所述上层设备。
本发明提供的一种车辆的图片搜索设备,包括存储器、处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述车辆的图片搜索方法。
本发明提供的一种机器可读存储介质,所述机器可读存储介质存储有机器可执行指令,所述机器可执行指令在被处理器调用和执行时,所述机器可执行指令促使所述处理器实现上述车辆的图片搜索方法。
本发明提供的一种车辆的图片搜索方法、装置和设备,首先,根据车辆搜图请求中的车辆品牌和车辆型号确定待搜索的文件名,然后,从图片特征索引库中筛选出符合车辆搜图请求中的算法类型和时间条件的部分列表,并确定搜索路径,最后,从图片特征索引库中加载搜索路径和文件名对应的文件数据,并筛选出符合所述车辆特征的数据,返回至上层设备,该方式通过组合文件名和搜索路径,可以直接获取文件数据,并将数据筛选完成,数据比对量少,从而提高了车辆的图片搜索的效率和准确率。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式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,下面描述中的附图是本发明的一些实施方式,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为本发明实施例提供的一种车辆的图片搜索方法的流程图;
图2为本发明实施例提供的另一种车辆的图片搜索方法的流程图;
图3为本发明实施例提供的一种车辆的图片搜索装置的结构示意图;
图4为本发明实施例提供的一种车辆的图片搜索设备的结构示意图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例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。
利用以图搜图技术,用户能够通过拍照、录像等方式随时随地获取到图片中物品的信息,或者寻找同类商品等。以图搜图技术在刑侦与安防领域也起到了重要的辅助作用,可以进行实时布控,缩小排查范围,从而减轻搜索可疑目标的人力,提高公安部门的工作效率以及准确度,甚至可以预言短时间内发生的事情,提前预警,减少犯罪事件的发生。
现有搜图技术需要加载大量的图像数据到内存中,以进行相似度对比,占用内存空间的同时,搜图效率和准确率也难以达到用户需求。
基于此,本发明实施例提供了一种车辆的图片搜索方法、装置和设备,该技术可以应用于服务器中,该技术可以采用相关的软件或硬件实现,下面通过实施例进行描述。
本发明实施例提供了一种车辆的图片搜索方法的流程图,如图1所示,该方法应用于服务器,服务器预先存储有图片特征索引库;图片特征索引库的目录结构包括算法类型、时间条件、车辆品牌和车辆型号;该方法包括以下步骤:
步骤S101,接收上层设备发送的车辆搜图请求;车辆搜图请求中包括时间条件、车辆品牌、车辆型号、算法类型和车辆特征。
具体的,用户传入一张待检索图片发起车辆搜图请求后,网页端会先调用解析服务器分析出该图片的车辆品牌、车辆型号、算法类型和车辆特征,用户可以根据需求设置相应的时间条件进行搜图。
步骤S102,根据车辆搜图请求中的车辆品牌和车辆型号确定待搜索的文件名。
为提高搜图的效率和准确率,将通过上述解析服务器分析出的车辆品牌和车辆型号组合出待搜索的文件名。
步骤S103,从图片特征索引库中筛选出符合车辆搜图请求中的算法类型和时间条件的部分列表。
进一步的,通过用户在搜索参数中设置所需要的算法类型和时间条件,服务器筛选出满足该条件的部分列表。
步骤S104,根据车辆搜图请求中的算法类型、时间条件和部分列表确定搜索路径。
服务器根据用户在搜索参数中所设置的算法类型和时间条件,以及满足该条件的部分列表,确定搜索路径。
步骤S105,从图片特征索引库中加载搜索路径和文件名对应的文件数据。
服务器通过上述搜索路径和待搜索的文件名,确定出绝对路径,将与绝对路径所对应的文件数据加载到内存中,通过确定绝对路径,筛选掉了一大部分数据,只需要加载少量数据到内存里,数据比对量少,节省了大量的内存,同时,加载少量的数据,也节约了硬件成本。
步骤S106,从加载的文件数据中筛选符合车辆特征的数据,将筛选结果返回至上层设备。
遍历加载到内存中的数据,通过车辆比对函数筛选出符合条件的数据,确定相似度对比结果并根据该结果进行排序,通常会对筛选结果限定一定的数量,从所筛选的符合条件的数据中选取相似度较高的预设数量的文件数据,并返回至上层设备,其中,车辆比对函数通常使用余弦相似度算法,另外,由于只能筛选出对应日期的数据,无法筛选具体时刻的数据,所以需要对头尾两天的数据进行具体时刻的筛选。
本发明实施例提供了一种车辆的图片搜索方法、装置和设备,首先,根据车辆搜图请求中的车辆品牌和车辆型号确定待搜索的文件名,然后,从图片特征索引库中筛选出符合车辆搜图请求中的算法类型和时间条件的部分列表,并确定搜索路径,最后,从图片特征索引库中加载搜索路径和文件名对应的文件数据,并筛选出符合车辆特征的数据,返回至上层设备,该方式通过组合文件名和搜索路径,可以直接获取文件数据,并将数据筛选完成,只需要获取很少的文件数据进行比对,提高了车辆的图片搜索的效率和准确率。
本发明实施例还提供了另一种车辆的图片搜索方法的流程图,该方法应用于服务器,服务器预先存储有图片特征索引库;图片特征索引库的目录结构包括算法类型、时间条件、车辆品牌和车辆型号;图片特征索引库的目录结构还包括分区编号,图片特征索引库中划分有多个分区,每个分区设置有相应的分区编号;每个分区中存储有按照预设分配规则分配的文件数据,需要说明的是,分区的数量一般是根据业务上测出的性能来初始化该数量值,也可以根据用户需求进行设定。
图片特征索引库中的数据是不断更新的,具体更新和存储过程如下:通过枪机、摄像头等IPC设备,抓取过往车辆图片以及录像,实时推送至解析服务器中分析出图片或录像的结构化数据,如车辆品牌、车辆型号、车辆颜色等,同时提取出车辆特征,将解析后的数据发送到消息中间件如kafka中,kafka的消费组分为2组,两个组同时消费相同的数据,一组消费数据写入kafka,该组作为数据转发单元,写入该组的数据不需要做处理,其他有需要该数据的装置可以接入该消费组并读取数据。另一组消费数据首先写入服务器内存中,内存中的数据实时更新,每隔5分钟将服务器内存中的数据写入一次硬盘,将车辆特征和部分必要数据(结构化数据标识ID、时间条件、设备ID、算法类型、车辆品牌和车辆型号)按照算法类型/kafkaPartition编号/时间条件(年月日)/车辆品牌/车辆型号的目录结构存储,结构化数据则存入数据库中,其中,结构化数据标识ID是在解析服务器分析图片或录像的结构化数据时自动生成的唯一标识,与结构化数据是一一对应关系,用于后续搜图过程中根据该结构化数据标识ID查询数据库中对应的结构化数据;设备ID指的是输入图片或录像的设备ID,本实施例中,结构化数据相当于上述文件数据。
服务器中设置有主节点、第一节点和第二节点;第一节点分配有第一指定分区编号对应的分区;第二节点分配有第二指定分区编号对应的分区;需要说明的是,服务器中所设置的节点数量可以根据用户需求进行设定,如果用户需要采用分布式集群方式,则需要配置多个节点,在多节点下,主节点会请求其他节点同时进行搜图,最终返回给主节点进行筛选排序,多节点的目录结构较单节点有所变化,即在“kafka Partition编号”这个目录层级会根据程序预设分配规则所设定的分配比例,在每个节点上存储不同partition的数据。只有当所有数据汇总后才是最终对比的结果。如图2所示,该方法包括以下步骤:
步骤S201,接收上层设备发送的车辆搜图请求;车辆搜图请求中包括时间条件、车辆品牌、车辆型号、算法类型和车辆特征。
当通过枪机、摄像头等IPC设备抓取过往车辆图片、录像,或者由用户传入一张待检索图片发起车辆搜图请求后,网页端会先调用解析服务器分析出该图片或视频流的车辆品牌、车辆型号、算法类型和车辆特征等,其中,算法类型包括算法版本,车辆特征是经过图像分析(Image Analysis,简称IA)分析后提取的特征值,与查询的比对算法相辅相成,即:如果一张待检索图片是通过某种算法分析出的相关数据,则使用该图片进行搜图时也需要使用同样的算法才能与服务器硬件或数据库中的相关数据进行匹配,本实施例中,分析数据使用的算法是通过C++提供的。用户可以根据需求设置相应的时间条件进行搜图。
步骤S202,根据车辆搜图请求中的车辆品牌和车辆型号确定待搜索的文件名。
为减少不必要的比对,降低比对次数,提高搜索效率,将通过上述解析服务器分析出的车辆品牌和车辆型号组合出待搜索的文件名。
步骤S203,从图片特征索引库中筛选出符合车辆搜图请求中的算法类型和时间条件的部分列表。
通过用户在搜索参数中设置所需要的算法类型和时间条件,服务器筛选出满足该条件的分区列表。
步骤S204,根据车辆搜图请求中的算法类型、时间条件和部分列表确定搜索路径。
服务器根据用户在搜索参数中所设置的算法类型和时间条件,以及满足该条件的分区列表,确定搜索路径。
步骤S205,从图片特征索引库中加载搜索路径和文件名对应的文件数据。
通过上述搜索路径和待搜索的文件名,确定出绝对路径,将与绝对路径所对应的特征数据从图片特征索引库加载到服务器内存中。
在以图搜图时,首先根据所确定的绝对路径,将车辆搜图请求中的数据与硬盘目录下的特征数据通过C++算法进行对比,并将对比后所得到的相似度对比结果和结构化数据标识ID返回至Java层,Java层再将所返回的结构化数据标识ID与数据库中的结构数据进行关联,查询到相应的结构化数据。
步骤S206,通过第一节点执行上述根据车辆搜图请求中的车辆品牌和车辆型号确定待搜索的文件名的步骤,以从第一指定分区编号对应的分区中加载搜索路径和文件名对应的文件数据。
通过对第一节点中所分配的不同分区编号的文件数据执行步骤S201-步骤S205,确定第一节点中与绝对路径所对应的结构化数据和相似度对比结果。
步骤S207,通过第二节点执行上述根据车辆搜图请求中的车辆品牌和车辆型号确定待搜索的文件名的步骤,以从第二指定分区编号对应的分区中加载搜索路径和文件名对应的文件数据。
通过对第二节点中所分配的不同分区编号的文件数据执行步骤S201-步骤S205,确定第二节点中与绝对路径所对应的结构化数据和相似度对比结果。
步骤S208,通过主节点执行上述根据所述车辆搜图请求中的车辆品牌和车辆型号确定待搜索的文件名的步骤,以从第三指定分区编号对应的分区中加载搜索路径和所述文件名对应的文件数据。
通过对主节点中所分配的不同分区编号的文件数据执行步骤S201-步骤S205,确定主节点中与绝对路径所对应的结构化数据和相似度对比结果。
步骤S209,通过第一节点所加载的文件数据中筛选符合车辆特征的数据,将第一筛选结果返回至主节点。
对上述步骤S206中所确定的第一节点中与绝对路径所对应的结构化数据根据相似度对比结果进行排序,从所筛选的符合条件的数据中选取相似度较高的预设数量的结构化数据,并将该预设数量的符合车辆特征的结构化数据返回至主节点。
步骤S210,通过第二节点所加载的文件数据中筛选符合车辆特征的数据,将第二筛选结果返回至主节点。
对上述步骤S207中所确定的第二节点中与绝对路径所对应的结构化数据根据相似度对比结果进行排序,从所筛选的符合条件的数据中选取相似度较高的预设数量的符合车辆特征的结构化数据,并将该预设数量的结构化数据返回至主节点。
步骤S211,通过主节点所加载的文件数据中筛选符合车辆特征的数据,得到第三筛选结果。
对上述步骤S208中所确定的主节点中与绝对路径所对应的结构化数据根据相似度对比结果进行排序,从所筛选的符合条件的数据中选取相似度较高的预设数量的符合车辆特征的结构化数据。
步骤S212,通过主节点从第一筛选结果、第二筛选结果和第三筛选结果中,筛选出预设数量的符合车辆特征的数据,将筛选结果返回至上层设备。
将上述主节点、第一节点和第二节点中所确定的预设数量的结构化数据在主节点中汇总,并根据相似度对比结果再次进行排序,从所筛选的符合条件的数据中选取相似度较高的预设数量的符合车辆特征的结构化数据,作为最终筛选结果,并将该结果返回至上层设备或用户端。
本发明实施例提供了另一种车辆的图片搜索方法,除通过解析服务器分析出车辆品牌和车辆型号确定待搜索的文件名,并采用待搜索的文件名和搜索路径结合的搜图方式外,还对图片特征索引库中数据的存储方式进行了优化,通过采用分区存储、多节点扩展的方式,提高了服务的横向扩展能力,同时采用多算法并行的方式进行搜索,进一步提高了车辆的搜图效率和准确率。
本发明实施例提供的一种车辆的图片搜索装置的结构示意图,如图3所示,装置应用于服务器,服务器预先存储有图片特征索引库;图片特征索引库的目录结构包括算法类型、时间条件、车辆品牌和车辆型号;该装置包括:
接收模块10,用于接收上层设备发送的车辆搜图请求;车辆搜图请求中包括时间条件、车辆品牌、车辆型号、算法类型和车辆特征;第一获取模块20,用于根据车辆搜图请求中的车辆品牌和车辆型号确定待搜索的文件名;第一筛选模块30,用于从图片特征索引库中筛选出符合车辆搜图请求中的算法类型和时间条件的部分列表;第二获取模块40,用于根据车辆搜图请求中的算法类型、时间条件和部分列表确定搜索路径;加载模块50,用于从图片特征索引库中加载搜索路径和文件名对应的文件数据;第二筛选模块60,用于从加载的文件数据中筛选符合车辆特征的数据,将筛选结果返回至上层设备。
进一步的,图片特征索引库的目录结构还包括分区编号;图片特征索引库中划分有多个分区,每个分区设置有相应的分区编号;每个分区中存储有按照预设分配规则分配的文件数据。
本实施例中,服务器中设置有主节点、第一节点和第二节点;第一节点分配有第一指定分区编号对应的分区;第二节点分配有第二指定分区编号对应的分区;主节点分配有第三指定分区编号对应的分区;装置还包括:第一执行模块,用于通过第一节点执行上述实施例中根据车辆搜图请求中的车辆品牌和车辆型号确定待搜索的文件名的步骤,以从第一指定分区编号对应的分区中加载搜索路径和文件名对应的文件数据;第二执行模块,用于通过第二节点执行上述实施例中根据车辆搜图请求中的车辆品牌和车辆型号确定待搜索的文件名的步骤,以从第二指定分区编号对应的分区中加载搜索路径和文件名对应的文件数据;第三执行模块,用于通过所述主节点执行上述实施例中根据所述车辆搜图请求中的车辆品牌和车辆型号确定待搜索的文件名的步骤,以从所述第三指定分区编号对应的分区中加载所述搜索路径和所述文件名对应的文件数据。
具体的,第二筛选模块还用于通过第一节点所加载的文件数据中筛选符合车辆特征的数据,将第一筛选结果返回至主节点;通过第二节点所加载的文件数据中筛选符合车辆特征的数据,将第二筛选结果返回至主节点;通过所述主节点所加载的文件数据中筛选符合所述车辆特征的数据,得到第三筛选结果;通过主节点从第一筛选结果、第二筛选结果和所述第三筛选结果中,筛选出预设数量的符合车辆特征的数据,将筛选结果返回至上层设备。
本发明实施例所提供的装置,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。
本发明实施例提供了一种车辆的图片搜索设备的结构示意图,如图4所示,该设备包括存储器71、处理器72,所述存储器71中存储有可在所述处理器72上运行的计算机程序,所述处理器72执行所述计算机程序时实现上述车辆的图片搜索方法的步骤。
如图4所示,图片搜索设备还包括:总线73和通信接口74,处理器72、通信接口74和存储器71通过总线73连接;处理器72用于执行存储器71中存储的可执行模块,例如计算机程序。
其中,存储器71可能包含高速随机存取存储器(RAM,Random Access Memory),也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。通过至少一个通信接口74(可以是有线或者无线)实现该***网元与至少一个其他网元之间的通信连接,可以使用互联网,广域网,本地网,城域网等。
总线73可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图4中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
其中,存储器71用于存储程序,所述处理器72在接收到执行指令后,执行所述程序,前述本发明任一实施例揭示的过程定义的装置所执行的方法可以应用于处理器72中,或者由处理器72实现。
处理器72可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器72中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器72可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital SignalProcessing,简称DSP)、专用集成电路(Application Specific Integrated Circuit,简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器71,处理器72读取存储器71中的信息,结合其硬件完成上述方法的步骤。
本发明实施例还提供了一种机器可读存储介质,该机器可读存储介质存储有机器可执行指令,该机器可执行指令在被处理器调用和执行时,机器可执行指令促使处理器实现上述车辆的图片搜索方法,具体实现可参见方法实施方式,在此不再赘述。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各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:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部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各实施例技术方案的范围。
Claims (10)
1.一种车辆的图片搜索方法,其特征在于,所述方法应用于服务器,所述服务器预先存储有图片特征索引库;所述图片特征索引库的目录结构包括算法类型、时间条件、车辆品牌和车辆型号;所述方法包括:
接收上层设备发送的车辆搜图请求;所述车辆搜图请求中包括时间条件、车辆品牌、车辆型号、算法类型和车辆特征;其中,所述车辆搜图请求中的算法类型和时间条件通过用户设置得到;所述车辆特征通过所述算法类型提取得到;所述车辆品牌和车辆型号通过解析服务器解析得到;
根据所述车辆搜图请求中的车辆品牌和车辆型号组合出待搜索的文件名;
从所述图片特征索引库中筛选出符合所述车辆搜图请求中的算法类型和时间条件的分区列表;其中,所述分区列表是采用分布式集群存储方式的分区列表;
根据所述车辆搜图请求中的算法类型、时间条件和分区列表的目录结构的存储形式,确定搜索路径;
通过所述搜索路径和所述文件名,确定出绝对路径;从所述图片特征索引库中加载所述绝对路径对应的特征数据;
按照相似度匹配的方式,从加载的特征数据中筛选符合所述车辆特征的数据,将筛选结果返回至所述上层设备。
2.根据权利要求1所述的方法,其特征在于,所述图片特征索引库的目录结构还包括分区编号;
所述图片特征索引库中划分有多个分区,每个分区设置有相应的分区编号;每个所述分区中存储有按照预设分配规则分配的特征数据。
3.根据权利要求2所述的方法,其特征在于,所述服务器中设置有主节点、第一节点和第二节点;所述第一节点分配有第一指定分区编号对应的分区;所述第二节点分配有第二指定分区编号对应的分区;所述主节点分配有第三指定分区编号对应的分区;
所述方法还包括:
通过所述第一节点执行权利要求1中根据所述车辆搜图请求中的车辆品牌和车辆型号组合出待搜索的文件名的步骤,以从所述第一指定分区编号对应的分区中加载所述绝对路径对应的特征数据;
通过所述第二节点执行权利要求1中根据所述车辆搜图请求中的车辆品牌和车辆型号组合出待搜索的文件名的步骤,以从所述第二指定分区编号对应的分区中加载所述绝对路径对应的特征数据;
通过所述主节点执行权利要求1中根据所述车辆搜图请求中的车辆品牌和车辆型号组合出待搜索的文件名的步骤,以从所述第三指定分区编号对应的分区中加载所述绝对路径对应的特征数据。
4.根据权利要求3所述的方法,其特征在于,所述按照相似度匹配的方式,从加载的特征数据中筛选符合所述车辆特征的数据,将筛选结果返回至所述上层设备,包括:
按照相似度匹配的方式,通过所述第一节点所加载的特征数据中筛选符合所述车辆特征的数据,将第一筛选结果返回至所述主节点;
按照相似度匹配的方式,通过所述第二节点所加载的特征数据中筛选符合所述车辆特征的数据,将第二筛选结果返回至所述主节点;
按照相似度匹配的方式,通过所述主节点所加载的特征数据中筛选符合所述车辆特征的数据,得到第三筛选结果;
通过所述主节点从所述第一筛选结果、所述第二筛选结果和所述第三筛选结果中,筛选出预设数量的符合所述车辆特征的数据,将筛选结果返回至所述上层设备。
5.一种车辆的图片搜索装置,其特征在于,所述装置应用于服务器,所述服务器预先存储有图片特征索引库;所述图片特征索引库的目录结构包括算法类型、时间条件、车辆品牌和车辆型号;所述装置包括:
接收模块,用于接收上层设备发送的车辆搜图请求;所述车辆搜图请求中包括时间条件、车辆品牌、车辆型号、算法类型和车辆特征;其中,所述车辆搜图请求中的算法类型和时间条件通过用户设置得到;所述车辆特征通过所述算法类型提取得到;所述车辆品牌和车辆型号通过解析服务器解析得到;
第一获取模块,用于根据所述车辆搜图请求中的车辆品牌和车辆型号组合出待搜索的文件名;
第一筛选模块,用于从所述图片特征索引库中筛选出符合所述车辆搜图请求中的算法类型和时间条件的分区列表;其中,所述分区列表是采用分布式集群存储方式的分区列表;
第二获取模块,用于根据所述车辆搜图请求中的算法类型、时间条件和分区列表的目录结构的存储形式,确定搜索路径;
加载模块,用于通过所述搜索路径和所述文件名,确定出绝对路径;从所述图片特征索引库中加载所述绝对路径对应的特征数据;
第二筛选模块,用于按照相似度匹配的方式,从加载的特征数据中筛选符合所述车辆特征的数据,将筛选结果返回至所述上层设备。
6.根据权利要求5所述的装置,其特征在于,所述图片特征索引库的目录结构还包括分区编号;
所述图片特征索引库中划分有多个分区,每个分区设置有相应的分区编号;每个所述分区中存储有按照预设分配规则分配的特征数据。
7.根据权利要求6所述的装置,其特征在于,所述服务器中设置有主节点、第一节点和第二节点;所述第一节点分配有第一指定分区编号对应的分区;所述第二节点分配有第二指定分区编号对应的分区;所述主节点分配有第三指定分区编号对应的分区;
所述装置还包括:
第一执行模块,用于通过所述第一节点执行权利要求1中根据所述车辆搜图请求中的车辆品牌和车辆型号组合出待搜索的文件名的步骤,以从所述第一指定分区编号对应的分区中加载所述绝对路径对应的特征数据;
第二执行模块,用于通过所述第二节点执行权利要求1中根据所述车辆搜图请求中的车辆品牌和车辆型号组合出待搜索的文件名的步骤,以从所述第二指定分区编号对应的分区中加载所述绝对路径对应的特征数据;
第三执行模块,用于通过所述主节点执行权利要求1中根据所述车辆搜图请求中的车辆品牌和车辆型号组合出待搜索的文件名的步骤,以从所述第三指定分区编号对应的分区中加载所述绝对路径对应的特征数据。
8.根据权利要求7所述的装置,其特征在于,所述第二筛选模块还用于:
按照相似度匹配的方式,通过所述第一节点所加载的特征数据中筛选符合所述车辆特征的数据,将第一筛选结果返回至所述主节点;
按照相似度匹配的方式,通过所述第二节点所加载的特征数据中筛选符合所述车辆特征的数据,将第二筛选结果返回至所述主节点;
按照相似度匹配的方式,通过所述主节点所加载的特征数据中筛选符合所述车辆特征的数据,得到第三筛选结果;
通过所述主节点从所述第一筛选结果、所述第二筛选结果和所述第三筛选结果中,筛选出预设数量的符合所述车辆特征的数据,将筛选结果返回至所述上层设备。
9.一种车辆的图片搜索设备,包括存储器、处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现上述权利要求1至4任一项所述的方法的步骤。
10.一种机器可读存储介质,其特征在于,所述机器可读存储介质存储有机器可执行指令,所述机器可执行指令在被处理器调用和执行时,所述机器可执行指令促使所述处理器实现权利要求1至4任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910520157.XA CN110209853B (zh) | 2019-06-14 | 2019-06-14 | 车辆的图片搜索方法、装置和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910520157.XA CN110209853B (zh) | 2019-06-14 | 2019-06-14 | 车辆的图片搜索方法、装置和设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110209853A CN110209853A (zh) | 2019-09-06 |
CN110209853B true CN110209853B (zh) | 2021-08-06 |
Family
ID=67793030
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910520157.XA Active CN110209853B (zh) | 2019-06-14 | 2019-06-14 | 车辆的图片搜索方法、装置和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110209853B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111401466A (zh) * | 2020-03-26 | 2020-07-10 | 广州紫为云科技有限公司 | 一种交通标志检测与识别标注方法、装置和计算机设备 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103077199B (zh) * | 2012-12-26 | 2016-07-13 | 北京思特奇信息技术股份有限公司 | 一种文件资源查找定位方法及装置 |
KR101612483B1 (ko) * | 2015-02-17 | 2016-04-15 | 이노뎁 주식회사 | 실시간으로 카메라 영상을 분석하는 저장/분배 서버, 이를 포함하는 통합 관제 시스템 및 그 동작방법 |
CN105205169B (zh) * | 2015-10-12 | 2018-06-15 | 中国电子科技集团公司第二十八研究所 | 一种分布式图像索引与检索方法 |
CN105574192A (zh) * | 2015-12-24 | 2016-05-11 | 张梅云 | 一种计算机文件检索方法 |
CN105513360B (zh) * | 2016-01-28 | 2017-09-22 | 浪潮软件股份有限公司 | 一种车辆数据处理的方法及装置 |
CN106021276A (zh) * | 2016-04-28 | 2016-10-12 | 泰华智慧产业集团股份有限公司 | 基于分布式全文检索***的卡口车辆搜索的方法及*** |
CN106339415B (zh) * | 2016-08-12 | 2019-08-23 | 北京奇虎科技有限公司 | 数据的查询方法、装置及*** |
CN106649847A (zh) * | 2016-12-30 | 2017-05-10 | 南威软件股份有限公司 | 一种基于Hadoop的大数据实时处理*** |
CN107145502A (zh) * | 2017-03-20 | 2017-09-08 | 中山大学 | 一种海量图片存储和搜索的方法 |
CN107330040B (zh) * | 2017-06-27 | 2021-01-26 | 李博 | 一种学习题目搜索方法及其*** |
CN107480618A (zh) * | 2017-08-02 | 2017-12-15 | 深圳微品时代网络技术有限公司 | 一种大数据平台的数据分析方法 |
CN109669929A (zh) * | 2018-12-14 | 2019-04-23 | 江苏瑞中数据股份有限公司 | 基于分布式并行数据库的实时数据存储方法和*** |
-
2019
- 2019-06-14 CN CN201910520157.XA patent/CN110209853B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110209853A (zh) | 2019-09-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106534344B (zh) | 一种云平台视频处理***及其应用方法 | |
US10482122B2 (en) | System and method for multiresolution and multitemporal image search | |
CN107092686B (zh) | 一种基于云存储平台的文件管理方法及装置 | |
US10515117B2 (en) | Generating and reviewing motion metadata | |
CN108389394B (zh) | 车辆初次入城分析的方法及*** | |
CN111090822A (zh) | 业务对象的推送方法及装置 | |
JPWO2014006903A1 (ja) | コンテンツ制御方法、コンテンツ制御装置およびプログラム | |
CN112527843A (zh) | 数据查询方法、装置、终端设备和存储介质 | |
CN114936269A (zh) | 文档搜索平台、搜索方法、装置、电子设备及存储介质 | |
CN110209853B (zh) | 车辆的图片搜索方法、装置和设备 | |
CN116383189A (zh) | 业务数据的处理方法、装置、计算机设备、存储介质 | |
CN111026709A (zh) | 基于集群访问的数据处理方法及装置 | |
CN111506750B (zh) | 图片检索方法、装置及电子设备 | |
CN112836124A (zh) | 一种画像数据获取方法、装置、电子设备及存储介质 | |
WO2023165219A1 (zh) | 目标检索方法、装置及存储介质 | |
CN116383423A (zh) | 图像检索结果的重排方法、装置、计算机设备及介质 | |
CN111552740B (zh) | 数据处理方法及装置 | |
CN111737371B (zh) | 可动态预测的数据流量检测分类方法及装置 | |
CN114443595A (zh) | 一种处理文件的方法及装置 | |
CN111104528B (zh) | 图片获取方法、装置及客户端 | |
CN113568630A (zh) | 算法更新的方法、***及设备 | |
CN112927004A (zh) | 用于大数据画像的信息云计算分析方法及信息推送服务器 | |
CN111198900A (zh) | 工业控制网络的数据缓存方法、装置、终端设备及介质 | |
CN111782588A (zh) | 一种文件读取方法、装置、设备和介质 | |
CN107180042B (zh) | 搜索引擎的流量统计方法、装置及*** |
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 |