CN110851640B - 一种图像搜索方法、装置及*** - Google Patents
一种图像搜索方法、装置及*** Download PDFInfo
- Publication number
- CN110851640B CN110851640B CN201810821453.9A CN201810821453A CN110851640B CN 110851640 B CN110851640 B CN 110851640B CN 201810821453 A CN201810821453 A CN 201810821453A CN 110851640 B CN110851640 B CN 110851640B
- Authority
- CN
- China
- Prior art keywords
- image
- feature
- determining
- compared
- characteristic
- 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
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000004422 calculation algorithm Methods 0.000 claims description 72
- 238000004891 communication Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 7
- 239000003086 colorant Substances 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 10
- 210000000746 body region Anatomy 0.000 description 7
- 238000001514 detection method Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 238000012216 screening Methods 0.000 description 6
- 241001465754 Metazoa Species 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
本申请实施例提供了一种图像搜索方法、装置及***。该方法包括:获取包括目标对象的线索图像;从预设的对象图像库中确定与目标对象相匹配的各个待选对象图像;确定目标对象的特征区域;确定各个待选对象图像中与上述特征区域对应的待比对特征区域;将特征区域分别与各个待比对特征区域进行匹配,将匹配成功的待比对特征区域对应的待选对象图像确定为与线索图像包含相同对象的最终对象图像;对象图像库用于存储各个对象图像。应用本申请实施例提供的方案,能够提高图像搜索时的准确性。
Description
技术领域
本申请涉及图像技术领域,特别是涉及一种图像搜索方法、装置及***。
背景技术
以图搜图是一种根据已知图像从图像库中搜索与该图像相似的图像的技术。搜索得到的图像中包含有与已知图像中相同的对象。该对象可以是车辆、人、动物或其他物件。图像库中还可以包括各个图像对应的信息。在从图像库中搜索得到各个图像后,可以从图像库中得到与这些图像对应的信息。
在进行以图搜图时,通常根据已知图像中的对象区域,将该对象区域与图像库中各个图像的对象区域进行匹配,根据匹配结果确定与已知图像相似的图像。
上述图像搜索方法能够搜索出图像。但是,由于部分对象之间的相似性比较高,采用对象区域进行匹配时,得到的图像中可能包括非该对象的图像。例如,在搜索车辆图像时,由于不同车辆的车辆图像相似性比较高,部分车辆图像的车身区域之间相似性较大。根据车身区域从车辆图像库中搜索得到的车辆图像,可能还包括其他车辆的图像。因此,上述图像搜索方法中图像搜索的准确性不够高。
发明内容
本申请实施例的目的在于提供了一种图像搜索方法、装置及***,以提高图像搜索时的准确性。具体的技术方案如下。
第一方面,本申请实施例提供了一种图像搜索方法,所述方法包括:
获取线索图像,所述线索图像中包括目标对象;
从预设的对象图像库中确定与所述目标对象相匹配的各个待选对象图像;所述对象图像库,用于存储各个对象图像;
确定所述目标对象的特征区域;
确定各个待选对象图像中与所述特征区域对应的待比对特征区域;
将所述特征区域分别与各个待比对特征区域进行匹配,将匹配成功的待比对特征区域对应的待选对象图像确定为与所述线索图像包含相同对象的最终对象图像。
可选的,所述确定各个待选对象图像中与所述特征区域对应的待比对特征区域的步骤,包括:
获取所述特征区域的特征信息;
根据所述特征信息,确定各个待选对象图像中与所述特征区域对应的待比对特征区域。
可选的,所述将所述特征区域分别与各个待比对特征区域进行匹配的步骤,包括:
根据预设的第一建模算法,确定所述特征区域的建模数据;
确定各个待比对特征区域的建模数据;其中,各个待比对特征区域的建模数据为根据所述第一建模算法确定;
将所述特征区域的建模数据分别与各个待比对特征区域的建模数据进行匹配;当匹配成功时,确定所述特征区域与各个待比对特征区域匹配成功。
可选的,所述确定各个待比对特征区域的建模数据的步骤,包括:
根据所述第一建模算法,确定各个待比对特征区域的建模数据;或者,
从所述对象图像库中获取各个待比对特征区域的建模数据;其中,所述对象图像库,还用于存储各个对象图像的对象中各个特征区域的建模数据,所述对象图像库中的各个建模数据为根据所述第一建模算法预先确定。
可选的,所述对象图像库,具体用于存储各个对象图像与该对象图像的对象的模型数据的对应关系;所述对象图像库中的模型数据为根据预设的第二建模算法确定;
所述从预设的对象图像库中确定与所述目标对象相匹配的各个待选对象图像的步骤,包括:
根据所述第二建模算法和所述线索图像,确定所述目标对象的模型数据;
将所述模型数据分别与所述对象图像库中的各个模型数据进行匹配;
将匹配成功的所述对象图像库中的各个模型数据对应的对象图像,确定为与所述目标对象相匹配的各个待选对象图像。
可选的,所述对象图像库,还用于存储各个对象图像对应的对象信息;
在确定所述最终对象图像之后,所述方法还包括:
从所述对象图像库中获取所述最终对象图像对应的对象信息。
可选的,所述获取线索图像的步骤,包括:
接收客户端发送的线索图像;并采用以下方式确定目标对象:
检测所述线索图像中的各个对象,并将各个对象发送至客户端;
接收所述客户端发送的目标对象;所述目标对象为所述客户端根据各个对象从所述线索图像中确定;
所述确定所述目标对象的特征区域的步骤,包括:
接收所述客户端发送的所述目标对象的特征区域。
第二方面,本申请实施例提供了一种图像搜索装置,所述装置包括:
线索图像获取模块,用于获取线索图像,所述线索图像中包括目标对象;
待选图像确定模块,用于从预设的对象图像库中确定与所述目标对象相匹配的各个待选对象图像;所述对象图像库,用于存储各个对象图像;
第一区域确定模块,用于确定所述目标对象的特征区域;
第二区域确定模块,用于确定各个待选对象图像中与所述特征区域对应的待比对特征区域;
区域匹配模块,用于将所述特征区域分别与各个待比对特征区域进行匹配,将匹配成功的待比对特征区域对应的待选对象图像确定为与所述线索图像包含相同对象的最终对象图像。
可选的,所述第二区域确定模块,具体用于:
获取所述特征区域的特征信息;
根据所述特征信息,确定各个待选对象图像中与所述特征区域对应的待比对特征区域。
可选的,所述区域匹配模块,将所述特征区域分别与各个待比对特征区域进行匹配时,包括:
根据预设的第一建模算法,确定所述特征区域的建模数据;
确定各个待比对特征区域的建模数据;其中,各个待比对特征区域的建模数据为根据所述第一建模算法确定;
将所述特征区域的建模数据分别与各个待比对特征区域的建模数据进行匹配;当匹配成功时,确定所述特征区域与各个待比对特征区域匹配成功。
可选的,所述线索图像获取模块,具体用于:
接收客户端发送的线索图像;
所述装置还包括目标对象确定模块;所述目标对象确定模块,用于:
检测所述线索图像中的各个对象,并将各个对象发送至客户端;
接收所述客户端发送的目标对象;所述目标对象为所述客户端根据各个对象从所述线索图像中确定;
所述第一区域确定模块,具体用于:
接收所述客户端发送的所述目标对象的特征区域。
第三方面,本申请实施例提供了一种图像搜索***,所述***包括:服务器和客户端;
所述客户端,用于向所述服务器发送线索图像;
所述服务器,用于接收所述客户端发送的线索图像,检测所述线索图像中的各个对象,并将各个对象发送至所述客户端;
所述客户端,用于根据各个对象从所述线索图像中确定目标对象,并确定所述目标对象的特征区域,将所述目标对象和所述特征区域发送至所述服务器;
所述服务器,用于接收所述客户端发送的目标对象和所述特征区域,从预设的对象图像库中确定与所述目标对象相匹配的各个待选对象图像;确定各个待选对象图像中与所述特征区域对应的待比对特征区域;将所述特征区域分别与各个待比对特征区域进行匹配,将匹配成功的待比对特征区域对应的待选对象图像确定为与所述线索图像包含相同对象的最终对象图像;其中,所述对象图像库用于存储各个对象图像。
可选的,所述服务器,确定各个待选对象图像中与所述特征区域对应的待比对特征区域时,包括:
获取所述特征区域的特征信息;
根据所述特征信息,确定各个待选对象图像中与所述目标对象的特征区域对应的待比对特征区域。
可选的,所述服务器,将所述特征区域分别与各个待比对特征区域进行匹配时,包括:
根据预设的第一建模算法,确定所述特征区域的建模数据;
确定各个待比对特征区域的建模数据;其中,各个待比对特征区域的建模数据为根据所述第一建模算法确定;
将所述特征区域的建模数据分别与各个待比对特征区域的建模数据进行匹配;当匹配成功时,确定所述特征区域与各个待比对特征区域匹配成功。
可选的,所述对象图像库,还用于存储各个对象图像对应的对象信息;
所述服务器,还用于:
在确定所述最终对象图像之后,从所述对象图像库中获取所述最终对象图像对应的对象信息,将所述对象信息发送至所述客户端;
所述客户端,还用于接收所述服务器发送的对象信息。
第四方面,本申请实施例提供了一种电子设备,该电子设备包括:处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现第一方面提供的任一图像搜索方法。
第五方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现第一方面提供的任一图像搜索方法。
本申请实施例提供的图像搜索方法、装置及***,可以根据目标对象从对象图像库中确定匹配的各个待选对象图像,从待选对象图像中确定与目标对象的特征区域对应的待比对特征区域,将特征区域分别与各个待比对特征区域进行匹配,将匹配成功的待选对象图像确定为与线索图像包含相同对象的最终对象图像。
也就是说,本申请实施例先根据目标对象从对象图像库中确定待选对象图像,再根据特征区域的匹配从各个待选对象图像中确定最终对象图像。由于根据目标对象能够选出与线索图像相似的对象图像,再根据特征区域这种更细节的特征进行进一步筛选,能从对象图像库中选出与线索图像包含同一相同对象的最终对象图像。因此本申请实施例能够提高图像搜索时的准确性。当然,实施本申请的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本申请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的介绍。显而易见地,下面描述中的附图仅仅是本申请的一些实施例,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为本申请实施例提供的图像搜索方法的一种流程示意图;
图2为本申请实施例提供的车身区域的一种参考图;
图3为图1中步骤S105的一种流程示意图;
图4为图1中步骤S102的一种流程示意图;
图5为本申请实施例提供的客户端与服务器之间的一种交互流程示意图;
图6为本申请实施例提供的图像搜索装置的一种结构示意图;
图7为本申请实施例提供的图像搜索***的一种结构示意图;
图8为本申请实施例提供的电子设备的一种结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整的描述。显然,所描述的实施例仅仅是本申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
为了能够提高图像搜索时的准确性,本申请实施例提供了一种图像搜索方法、装置及***。下面通过具体实施例,对本申请进行详细说明。
图1为本申请实施例提供的图像搜索方法的一种流程示意图。该方法可以应用于具体数据处理功能的电子设备。该电子设备可以为如服务器、普通计算机等设备。该方法可以包括如下步骤S101~步骤S105。
步骤S101:获取线索图像。
其中,线索图像包含目标对象。线索图像可以理解为包含对象的图像。对象可以包括车辆、人、动物或其他物件。线索图像可以包括一个对象,目标对象即为该对象。线索图像也可以包括多个对象,目标对象可以为多个对象中的一个。在具体实施方式中,可以从线索图像中确定目标对象。
目标对象可以理解为将对象框起来的对象框内部的区域,可以采用图像中的坐标区域来表示。例如目标对象可以为车身区域、人体区域、动物区域或物件区域等。线索图像可以为包含目标对象的任意背景的图像。例如,针对对象为车辆的情况,线索图像可以为在道路上拍摄的车辆图像;或者,在停车场拍摄的车辆图像等。本申请对线索图像的拍摄场景不做限定。
获取线索图像时,具体可以从其他设备中获取,也可以从电子设备包含的图像采集设备采集的图像中获取,还可以根据用户的输入操作获取。
从线索图像中确定目标对象时,具体可以根据预设的对象检测算法从线索图像中检测出对象区域,根据检测出的对象区域确定目标对象。
当检测出的对象区域为一个时,可以直接将检测出的对象区域确定为目标对象。当检测出的对象区域为至少两个时,可以将检测出的对象区域显示给用户,根据用户针对显示的对象区域的输入操作从各个对象区域中选择目标对象。
参见图2,该图2为检测出的目标车身的一种参考图,其中黑色框线内的区域为检测出的目标车身。
上述目标对象可以理解为搜索图像时的标准比对对象。
步骤S102:从预设的对象图像库中确定与目标对象相匹配的各个待选对象图像。
其中,上述对象图像库,用于存储各个对象图像。在对象图像库中,各个对象图像中可以包括不同的对象,也可以包括相同的对象。对象图像库中的每个对象图像可以包括一个对象的对象区域,也可以包括多个对象的对象区域。本申请对此不做具体限定。
与目标对象相匹配的各个待选对象图像,可以理解为线索图像中的对象与各个待选对象图像中的对象之间是相似对象。
本步骤可以从目标对象的整体上从对象图像库中筛选出与线索图像相似的对象图像。由于根据目标对象从对象图像库中确定的待选对象图像可能为多个,待选对象图像中可能包括与线索图像中的对象不同的对象图像。为了更准确地得到与线索图像包含相同对象的对象图像,本实施例可以继续执行以下步骤。
步骤S103:确定目标对象的特征区域。
其中,当对象为车辆时,特征区域可以包括车辆的车灯区域、车窗区域、保险杠区域、车牌区域和车发动机盖区域等中的一个或多个。当对象为人时,特征区域可以包括人的头部区域、胳膊区域、腿区域等中的一个或多个。类似的,根据上述内容也可以理解当对象为动物或其他物件时特征区域的含义。在下文的描述中,以对象为车辆为例进行描述。本领域技术人员可以在不付出创造性劳动的前提下,根据针对车辆描述的实施例得到针对人、动物或其他物件的实施例。
确定目标对象的特征区域时,可以根据预设的特征区域的特征信息,从所述线索图像中确定目标对象的特征区域。例如,根据预设的车灯区域的特征信息,或者根据预设的车窗区域的特征信息等。特征信息可以包括位置信息、图像纹理特征信息等。
确定目标对象的特征区域之前,还可以显示目标对象,根据用户针对显示的目标对象的输入操作,确定目标对象的特征区域。
步骤S104:确定各个待选对象图像中与上述特征区域对应的待比对特征区域。
在确定待比对特征区域时,具体可以包括:获取上述特征区域的特征信息,根据该特征信息,确定各个待选对象图像中与上述特征区域对应的待比对特征区域。
根据该特征信息,确定各个待比对特征区域时,可以为,获取各个待选对象图像中的对象,根据上述特征信息,确定各个待选对象图像的对象中的待比对特征区域。
对象图像库中预先存储有各个对象图像与该对象图像的对象的对应关系时,可以直接从对象图像库中获取各个待选对象图像中的对象。
上述特征信息可以包括位置信息和/或图像纹理特征信息。确定各个待选对象图像的对象中的待比对特征区域时,具体可以包括,确定各个待选对象图像的对象中与上述特征信息匹配的区域,作为待比对特征区域。
各个待选对象图像的对象中与目标对象的特征区域对应的待比对特征区域,可以理解为,特征区域与待比对特征区域是不同图像的对象中的相同区域。例如,根据上述方式确定待比对特征区域时,当目标对象的特征区域为车灯区域时,待比对特征区域也为待选对象图像的车辆中的车灯区域。当目标对象区域中的特征区域为车窗区域、保险杠区域、车牌区域和车发动机盖区域等时,待比对特征区域也为各个待选对象图像的车辆中的相应区域。
步骤S105:将上述特征区域分别与各个待比对特征区域进行匹配,将匹配成功的待比对特征区域对应的待选对象图像确定为与线索图像包含相同对象的最终对象图像。
特征区域和待比对特征区域均为图像区域,因此将上述特征区域分别与各个待比对特征区域进行匹配时,可以采用图像之间的匹配算法确定特征区域与各个待比对特征区域之间的相似度,当相似度大于预设阈值时,认为特征区域与待比对特征区域匹配成功。当相似度不大于预设阈值时,认为特征区域与待比对特征区域匹配失败。图像之间的匹配算法可以包括哈希算法、图像灰度直方图比对算法、结构相似性算法(StructuralSimilarity,SIM)等。预设阈值可以为预设值,例如为80%或90%等值。
当特征区域与待比对特征区域匹配成功时,可以认为线索图像中的目标对象与该待比对特征区域对应的待选对象图像中的对象为同一对象。
本步骤根据线索图像的目标对象的特征区域,进一步从待选对象图像中筛选出与线索图像更匹配的对象图像。根据特征区域这样更细节的特征进行筛选,得到的结果更准确。
由上述内容可知,本实施例先根据目标对象从对象图像库中确定待选对象图像,再根据特征区域的匹配从各个待选对象图像中确定最终对象图像。由于根据目标对象能够选出与线索图像相似的对象图像,再根据特征区域这种更细节的特征进行进一步筛选,能从对象图像库中选出与线索图像包含同一相同对象的最终对象图像。因此本实施例能够提高图像搜索时的准确性。
本实施例中可以在根据对象区域以图搜图得到的结果基础上,根据特征区域的比对,在上述结果中进一步确定满足预设阈值的对象图像。
在本申请的另一实施例中,图1所示实施例中的步骤S105,将特征区域分别与各个待比对特征区域进行匹配时,可以按照图3所示流程示意图进行,具体包括以下步骤S105A~S105C。
步骤S105A:根据预设的第一建模算法,确定特征区域的建模数据。
其中,第一建模算法可以为相关技术中的结构化建模算法。本申请对第一建模算法的具体形式不做限定。
步骤S105B:确定各个待比对特征区域的建模数据。
其中,各个待比对特征区域的建模数据为根据第一建模算法确定。
本步骤可以包括多种实施方式。例如,可以根据第一建模算法,确定各个待比对特征区域的建模数据。这种实施方式可以实时地确定各个待比对特征区域的建模数据,对象图像库中无需存储各个待比对特征区域的建模数据,能够减少对象图像库的存储容量。
或者,从对象图像库中获取各个待比对特征区域的建模数据。其中,对象图像库还用于存储各个对象图像的对象中各个特征区域的建模数据,对象图像库中的各个建模数据为根据第一建模算法预先确定。
本实施方式中,可以预先针对对象图像库中的每个对象图像,根据对象检测算法检测对象图像中的对象区域,并根据第一建模算法,确定对象中各个特征区域的建模数据。
例如,针对车辆图像库中的每个车辆图像,可以预先检测出该车辆图像中的车身,并从该车身中检测出车灯区域、车窗区域、保险杠区域、车牌区域和车发动机盖区域等,根据第一建模算法,确定车灯区域、车窗区域、保险杠区域、车牌区域和车发动机盖区域分别对应的建模数据。将得到的车灯区域、车窗区域、保险杠区域、车牌区域和车发动机盖区域分别对应的建模数据存储在车辆图像库中与该车辆图像对应的位置。
本实施方式中,对象图像库中存储有各个对象图像的对象中各个特征区域的建模数据,可以直接从对象图像库中获取各个待选对象图像的对比对特征区域的建模数据,无需每次需要时都临时计算,能够节省时间,提高处理效率。
步骤S105C:将特征区域的建模数据分别与各个待比对特征区域的建模数据进行匹配,当匹配成功时,确定特征区域与各个待比对特征区域匹配成功。
本步骤具体可以为,分别计算特征区域的建模数据与各个待比对特征区域的建模数据之间的相似度;当该相似度大于相似度阈值时,确定特征区域的建模数据与该待比对特征区域的建模数据匹配成功。
综上,本实施例中,在将特征区域分别与各个待比对特征区域进行匹配时,可以将特征区域的建模数据与待比对特征区域的建模数据进行匹配,建模数据为结构化数据,能够更好地表征特征区域的特点,因此本实施例能够提高匹配时的准确性。
在本申请的另一实施例中,图1所示实施例中的对象图像库具体用于存储各个对象图像与该对象图像的对象的模型数据的对应关系。对象图像库中的模型数据为预先根据预设的第二建模算法确定。其中,第二建模算法可以为相关技术中的对象结构化建模算法。第二建模算法与第一建模算法可以相同,也可以不同。
本实施例中,步骤S102,从预设的对象图像库中确定与目标对象相匹配的各个待选对象图像的步骤,具体可以按照图4所示流程示意图进行,包括:
步骤S102A:根据第二建模算法和线索图像,确定目标对象的模型数据。
步骤S102B:将上述模型数据分别与对象图像库中的各个模型数据进行匹配。
具体的,在匹配时,可以分别确定上述模型数据与对象图像库中的各个模型数据之间的相似度,当该相似度大于预设相似度阈值时,确定该模型数据与对象图像库中的模型数据匹配成功;当该相似度不大于预设相似度阈值时,确定该模型数据与对象图像库中的模型数据匹配失败。
当该模型数据与对象图像库中的模型数据匹配成功时,认为目标对象与对象图像库中模型数据对应的对象图像中的对象为相似对象。
步骤S102C:将匹配成功的对象图像库中的各个模型数据对应的对象图像,确定为与目标对象相匹配的各个待选对象图像。
本实施例中,可以根据目标对象的模型数据与对象图像库中对象的模型数据的匹配结果,将匹配成功的对象图像库中的各个模型数据对应的对象图像确定为待选对象图像,这样能够更准确地确定待选对象图像。
在本申请的另一实施例中,图1所示实施例中的对象图像库还可以用于存储各个对象图像对应的对象信息。其中,当对象为车辆时,对象信息为车辆信息。车辆信息可以包括车辆经过该车辆图像中的地点时的时间、该车辆所在的地点信息、车辆颜色、车牌号码、车辆品牌、车辆大小类型等。
在确定最终对象图像之后,该方法还可以包括从对象图像库中获取最终对象图像对应的对象信息。电子设备可以向用户显示该对象信息或播放该对象信息。
在另一实施方式中,该方法还可以包括将该对象信息发送至与客户端,通过客户端将该对象信息显示或播放给用户。
在本申请的另一实施例中,图1所示实施例中,电子设备可以为服务器,例如可以为云服务器。该服务器可以与客户端相互配合,以方便用户根据线索图像从服务器中搜索图像。
本实施例中,步骤S101,获取线索图像的步骤具体可以包括:接收客户端发送的线索图像。并且可以采用以下方式确定目标对象:检测线索图像中的各个对象,并将各个对象发送至客户端,接收客户端发送的目标对象。其中,目标对象为客户端根据各个对象从线索图像中确定。各个对象可以采用坐标区域表示。
本实施例中,客户端可以确定线索图像,并将线索图像发送至服务器。服务器接收客户端发送的线索图像,检测线索图像中的各个对象,将各个对象发送至客户端。客户端接收到各个对象时,可以根据该各个对象从线索图像中确定目标对象,并将确定的目标对象发送至服务器。
具体的,客户端可以根据用户的输入操作确定线索图像。客户端在接收到服务器发送的各个对象时,可以根据用户针对各个对象的输入操作从线索图像中确定目标对象。上述目标对象可以是各个对象中的一个或多个,也可以是线索图像中除了上述各个对象之外的其他对象。目标对象可以是用户手动绘制,目标对象可以是预设形状,例如矩形;也可以是不规则形状,例如不规则多边形。
服务器向客户端发送的各个对象可以是各个对象的坐标信息。服务器接收的客户端发送的目标对象可以是目标对象区域的坐标信息。
本实施例中,步骤S103确定目标对象的特征区域的步骤,具体可以包括:接收客户端发送的目标对象的特征区域。
本实施例中,客户端可以在确定目标对象时,将目标对象对应的图像区域放大显示给用户,根据用户针对放大显示后的目标对象的输入操作从目标对象中确定特征区域,并将该特征区域发送至服务器。服务器接收客户端发送的目标对象的特征区域。
其中,接收的客户端发送的特征区域可以是特征区域的坐标信息。
综上,本实施例中,作为执行主体的服务器可以与客户端交互实现根据线索图像从对象图像库中搜索最终对象图像的过程,以使用户更方便地实现对图像的搜索。
参见图5,该图5为服务器与客户端之间的一种交互流程示意图。其中,客户端向服务器发送线索图像。服务器接收该线索图像,并从该线索图像中检测出各个对象,将各个对象的坐标返回给客户端。客户端接收到各个对象的坐标时,可以将各个对象显示在线索图像上,并根据用户的输入操作从线索图像上确定目标对象,将目标对象发送至服务器。同时,客户端可以提示用户针对目标对象输入特征区域,客户端根据用户的输入操作确定特征区域,并将特征区域发送至服务器。服务器接收客户端发送的特征区域。服务器根据确定的目标对象和特征区域,按照图1中步骤S102~步骤S105所示操作从对象图像库中确定最终对象图像,并从对象图像库中确定最终对象图像对应的对象信息,将该最终对象图像和对象信息发送至客户端。本实施例能够提高图像搜索的准确性。
下面结合具体实例对本申请再做详细说明。
客户端的web界面向云存储设备(即云服务器)上传车辆图像A,在接收到该车辆图像A时,调用车辆分析接口(算法类型选择车辆检测,该算法类型只检测图像中的车身目标框),以使云分析子模块采用车辆检测结构化算法AVP算法库中的算法分析上传的车辆图像A,确定车辆图像A中的车身目标框。向客户端返回车辆图像A中可识别的车身目标框的坐标。
客户端在接收到车身目标框的坐标后,通过web界面将车辆图像A中的车身区域显示给用户。用户可以在web界面点击选中其中一个车身目标框。
同时,客户端在确定用户选择的车身目标框后,会通过web界面将车身目标框内图像区域放大并单独显示在web界面上。web界面可以供用户在该图像区域上画出感兴趣的特征区域框C0,客户端可以支持画笔自定义选择或者预设形状的目标框框选。
客户端确定用户输入的特征区域框C0后,并接收到用户在web界面上点击搜索的操作时,可以将特征区域框C0和车身目标框B0的坐标发生至web子模块。
web子模块接收到客户端发送的车身目标框B0时即得到目标车身区域B1。web子模块调用车辆分析接口(算法类型选择车辆结构化建模,该算法类型会返回车辆的结构化属性信息和模型数据),以使云分析子模块采用检测结构化算法AVP算法库和建模算法库HIK_IR_PR中的算法对所选目标车身区域B1中的图像进行处理,确定该车辆的结构化属性和模型数据data1。结构化属性信息包括车辆颜色、车牌号码、车辆大小型号等。
同时,web子模块在接收到特征区域框C0时得到特征区域C1,根据建模算法确定特征区域C1的建模数据data2。
web子模块调用以车搜车异步检索接口,调用时会将车身目标框B0、特征区域框C0、建模数据data2、模型数据data1、模型相似度阈值、建模相似度阈值等信息下发给云存储设备。
云存储设备收到检索任务后,先根据模型数据data1在车辆图像库中进行搜索,在判定被检索出的模型数据之间的相似度大于模型相似度阈值时,确定该车辆图像A与车辆图像库中的车辆图像相似,将确定的车辆图像库中的车辆图像作为待选车辆图像。上述搜索过程之后,根据web子模块得到的特征区域C1,在各个待选车辆图像中确定车身区域中对特征区域C1对应的各个待比对特征区域C2。例如,当特征区域C1为车灯区域时,各个待比对特征区域C2也为车灯区域。根据建模算法确定各个待比对特征区域C2的建模数据data3。分别确定建模数据data2与各个建模数据data3之间的相似度,当相似度大于建模相似度阈值时,将对应的待选车辆图像确定为最终车辆图像,即确定待选车辆图像中的车辆为车辆图像A中的车辆为同一车辆。然后,从车辆图像库中提取最终车辆图像对应的车辆信息,并将该车辆信息发送至客户端。
上述web子模块、云分析子模块都是云存储设备中的一个模块。本实施例的方法支持用户根据对象感兴趣的特征区域进行个性化搜索。例如,用户可以只关心右车灯坏的车辆,以右车灯为特征区域进行以图搜图。
本实施例的一种应用场景是,各个卡口的监控摄像机可以不断地抓取车辆图像,并从抓取的车辆图像中检测车身区域,根据建模算法得到车身区域的模型数据,将该抓取的车辆图像、车身区域、模型数据、卡口信息、抓取时间信息等信息作为一条记录存储在车辆图像库中。再不断地抓取车辆图像之后,车辆图像库中可以记录不同卡口抓取的、不同时间点抓取的不同车辆的车辆图像。
当用户需要追踪一车辆的行驶信息时,可以将该车辆的车辆图像作为线索图像,按照本实施例提供的图像搜索方法,从车辆图像库中搜索与该线索图像中的车辆相同的车辆图像,进而根据搜索得到的车辆图像库中的车辆图像,从车辆图像库中得到车辆信息。在从车辆图像库中搜索车辆图像时,也可以按照设定的卡口进行搜索,得到由设定的卡口抓取的车辆图像,或者按照设定的时间段进行搜索,得到设定的时间段内抓取的车辆图像。
图6为本申请实施例提供的图像搜索装置的一种结构示意图。该装置可以应用于具有数据处理功能的电子设备。该电子设备可以为如服务器、普通计算机等设备。该装置与图1所示方法实施例相对应。该装置包括:
线索图像获取模块601,用于获取线索图像,所述线索图像中包括目标对象区域;
待选图像确定模块602,用于从预设的对象图像库中确定与所述目标对象相匹配的各个待选对象图像;所述对象图像库,用于存储各个对象图像;
第一区域确定模块603,用于确定所述目标对象的特征区域;
第二区域确定模块604,用于确定各个待选对象图像中与所述特征区域对应的待比对特征区域;
区域匹配模块605,用于将特征区域分别与各个待比对特征区域进行匹配,将匹配成功的待比对特征区域对应的待选对象图像确定为与所述线索图像包含相同对象的最终对象图像。
在本申请的另一实施例中,图6所示实施例中,第二区域确定模块604具体用于:
获取所述特征区域的特征信息;
根据所述特征信息,确定各个待选对象图像中与所述特征区域对应的待比对特征区域。
在本申请的另一实施例中,图6所示实施例中,区域匹配模块605将所述特征区域分别与各个待比对特征区域进行匹配时,包括:
根据预设的第一建模算法,确定所述特征区域的建模数据;
确定各个待比对特征区域的建模数据;其中,各个待比对特征区域的建模数据为根据所述第一建模算法确定;
将所述特征区域的建模数据分别与各个待比对特征区域的建模数据进行匹配;当匹配成功时,确定所述特征区域与各个待比对特征区域匹配成功
在本申请的另一实施例中,图6所示实施例中,区域匹配模块605确定各个待比对特征区域的建模数据时,包括:
根据所述第一建模算法,确定各个待比对特征区域的建模数据;或者,
从所述对象图像库中获取各个待比对特征区域的建模数据;其中,所述对象图像库,还用于存储各个对象图像的对象中各个特征区域的建模数据,所述对象图像库中的各个建模数据为根据所述第一建模算法预先确定。
在本申请的另一实施例中,图6所示实施例中,对象图像库具体用于存储各个对象图像与该对象图像的对象的模型数据的对应关系;对象图像库中的模型数据为根据预设的第二建模算法确定;待选图像确定模块602具体用于:
根据所述第二建模算法和所述线索图像,确定所述目标对象的模型数据;
将所述模型数据分别与所述对象图像库中的各个模型数据进行匹配;
将匹配成功的所述对象图像库中的各个模型数据对应的对象图像,确定为与所述目标对象相匹配的各个待选对象图像。
在本申请的另一实施例中,图6所示实施例中,对象图像库还用于存储各个对象图像对应的对象信息;该装置还包括:
对象信息确定模块(图中未示出),用于在确定最终对象图像之后,从对象图像库中获取所述最终对象图像对应的对象信息。
在本申请的另一实施例中,图6所示实施例中,线索图像获取模块601具体用于:
接收客户端发送的线索图像;
所述装置还包括目标对象确定模块;所述目标对象确定模块,用于:
检测所述线索图像中的各个对象,并将各个对象发送至客户端;
接收所述客户端发送的目标对象;所述目标对象为所述客户端根据各个对象从所述线索图像中确定;
第一区域确定模块603具体用于:
接收所述客户端发送的所述目标对象的特征区域。
由于上述装置实施例是基于方法实施例得到的,与该方法具有相同的技术效果,因此装置实施例的技术效果在此不再赘述。对于装置实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。
图7为本申请实施例提供的图像搜索***的一种结构示意图。该***包括:服务器701和客户端702。
客户端702,用于向服务器701发送线索图像;
服务器701,用于接收所述客户端702发送的线索图像,检测所述线索图像中的各个对象,并将各个对象发送至所述客户端702;
客户端702,用于根据各个对象从所述线索图像中确定目标对象,并确定所述目标对象的特征区域,将目标对象区域和特征区域发送至服务器701;
服务器701,用于接收所述客户端702发送的目标对象和所述特征区域,从预设的对象图像库中确定与所述目标对象相匹配的各个待选对象图像;确定各个待选对象图像中与上述特征区域对应的待比对特征区域;将特征区域分别与各个待比对特征区域进行匹配,将匹配成功的待比对特征区域对应的待选对象图像确定为与所述线索图像包含相同对象的最终对象图像;其中,对象图像库用于存储各个对象图像。
具体的,客户端702可以根据用户的输入操作确定线索图像。客户端在接收到服务器发送的各个对象时,可以根据用户针对各个对象的输入操作从线索图像中确定目标对象。上述目标对象可以是各个对象中的一个或多个,也可以是线索图像中除了上述各个对象之外的其他对象。目标对象可以是用户手动绘制,目标对象的区域可以是预设形状,例如矩形;也可以是不规则形状,例如不规则多边形。
服务器向客户端发送的各个对象可以是各个对象的坐标信息。服务器接收的客户端发送的目标对象可以是目标对象的坐标信息。
本实施例中,客户端可以在确定目标对象时,将目标对象放大显示给用户,根据用户针对放大显示后的目标对象的输入操作从目标对象中确定特征区域,并将该特征区域发送至服务器。服务器接收客户端发送的目标对象的特征区域。
其中,接收的客户端702发送的特征区域可以是特征区域的坐标信息。
当对象为车辆时,上述特征区域可以包括车辆的车灯区域、车窗区域、后视镜区域、保险杠区域、车牌区域和车发动机盖区域等中的一个或多个。
服务器701,确定各个待选对象图像的对象中与上述特征区域对应的待比对特征区域时,包括:
获取该特征区域的特征信息;
根据该特征信息,确定各个待选对象图像中与所述特征区域对应的待比对特征区域。
服务器701根据该特征信息,确定各个待比对特征区域时,可以为,获取各个待选对象图像中的对象,根据上述特征信息,确定各个待选对象图像的对象中的待比对特征区域。
当对象图像库中存储有各个对象图像与该对象图像的对象的对应关系时,可以直接从对象图像库中获取各个待选对象图像中的对象。
当对象图像库中没有存储各个对象图像与该对象图像的对象的对应关系时,可以根据预设的对象检测算法,检测各个待选对象图像中的对象。
上述特征信息可以包括位置信息和/或图像纹理特征信息。确定各个待选对象图像的对象中的待比对特征区域时,具体可以包括,确定各个待选对象图像的对象中与上述特征信息匹配的区域,作为待比对特征区域。
各个待选对象图像中与上述特征区域对应的待比对特征区域,可以理解为,特征区域与待比对特征区域是不同图像的对象中的相同区域。
当目标对象的特征区域为车灯区域时,服务器701可以确定各个待比对特征区域为车灯区域。当目标对象的特征区域为车窗区域、保险杠区域、车牌区域和车发动机盖区域等时,服务器701可以确定各个待比对特征区域分别为车窗区域、保险杠区域、车牌区域和车发动机盖区域等。
特征区域和待比对特征区域均为图像区域,因此将上述特征区域分别与各个待比对特征区域进行匹配时,可以采用图像之间的匹配算法确定特征区域与各个待比对特征区域之间的相似度,当相似度大于预设阈值时,认为特征区域与待比对特征区域匹配成功。当相似度不大于预设阈值时,认为特征区域与待比对特征区域匹配失败。
由上述内容可知,本实施例中,先根据目标对象从对象图像库中确定待选对象图像,再根据特征区域的建模数据从各个待选对象图像中确定最终对象图像。由于根据目标对象能够选出与线索图像相似的对象图像,再根据特征区域这种更细节的特征进行进一步筛选,能从对象图像库中选出与线索图像包含同一相同对象的最终对象图像。因此本实施例能够提高图像搜索时的准确性。同时,本实施例中服务器可以与客户端交互实现根据线索图像从对象图像库中搜索最终对象图像的过程,以使用户更方便地实现对图像的搜索。
在本申请的另一实施例中,服务器701将特征区域分别与各个待比对特征区域进行匹配时,包括:
根据预设的第一建模算法,确定所述特征区域的建模数据,确定各个待比对特征区域的建模数据;将所述特征区域的建模数据分别与各个待比对特征区域的建模数据进行匹配;当匹配成功时,确定所述特征区域与各个待比对特征区域匹配成功。其中,各个待比对特征区域的建模数据为根据所述第一建模算法确定。
服务器701确定各个待比对特征区域的建模数据时,可以包括多种实施方式。例如,可以根据第一建模算法,确定各个待比对特征区域的建模数据。这种实施方式可以实时地确定各个待比对特征区域的建模数据,对象图像库中无需存储各个待比对特征区域的建模数据,能够减少对象图像库的存储容量。
或者,从对象图像库中获取各个待比对特征区域的建模数据。其中,对象图像库还用于存储各个对象图像的对象中各个特征区域的建模数据,对象图像库中的各个建模数据为根据第一建模算法预先确定。
本实施方式中,服务器701可以预先针对对象图像库中的每个对象图像,根据对象检测算法检测对象图像中的对象,并根据第一建模算法,确定对象中各个特征区域的建模数据。
本实施方式中,对象图像库中存储有各个对象图像的对象中各个特征区域的建模数据,可以直接从对象图像库中获取各个待选对象图像的对比对特征区域的建模数据,无需每次需要时都临时计算,能够节省时间,提高处理效率。
本步骤具体可以为,分别计算特征区域的建模数据与各个待比对特征区域的建模数据之间的相似度;当该相似度大于相似度阈值时,确定特征区域的建模数据与该待比对特征区域的建模数据匹配成功。
综上,本实施例中,服务器在将特征区域分别与各个待比对特征区域进行匹配时,可以将特征区域的建模数据与待比对特征区域的建模数据进行匹配,建模数据为结构化数据,能够更好地表征特征区域的特点,因此本实施例能够提高匹配时的准确性。
在本申请的另一实施例中,图7所示实施例中,对象图像库具体用于存储各个对象图像与该对象图像的对象的模型数据的对应关系;所述对象图像库中的模型数据为根据预设的第二建模算法确定。服务器701,具体用于:
根据所述第二建模算法和线索图像,确定所述目标对象的模型数据;将所述模型数据分别与所述对象图像库中的各个模型数据进行匹配;将匹配成功的所述对象图像库中的各个模型数据对应的对象图像,确定为与所述目标对象相匹配的各个待选对象图像。
具体的,在匹配时,服务器701可以分别确定上述模型数据与对象图像库中的各个模型数据之间的相似度,当该相似度大于预设相似度阈值时,确定该模型数据与对象图像库中的模型数据匹配成功;当该相似度不大于预设相似度阈值时,确定该模型数据与对象图像库中的模型数据匹配失败。
本实施例中,服务器可以根据目标对象的模型数据与对象图像库中对象区域的模型数据的匹配结果,将匹配成功的对象图像库中的各个模型数据对应的对象图像确定为待选对象图像,能够更准确地确定待选对象图像。
在本申请的另一实施例中,图7所示实施例中,对象图像库还用于存储各个对象图像对应的对象信息;服务器701,还用于:
在确定最终对象图像之后,从对象图像库中获取所述最终对象图像对应的对象信息,将所述对象信息发送至所述客户端702;
客户端702,还用于接收所述服务器701发送的对象信息。
本实施例中,服务器可以将对象信息发送至客户端,以更方便用户得到对象信息。
图8为本申请实施例提供电子设备的一种结构示意图。该电子设备包括处理器801、通信接口802、存储器803和通信总线804,其中,处理器801,通信接口802,存储器803通过通信总线804完成相互间的通信;
存储器803,用于存放计算机程序;
处理器801,用于执行存储器803上所存放的程序时,实现本申请实施例提供的图像搜索方法。该方法包括:
获取线索图像,所述线索图像中包括目标对象;
从预设的对象图像库中确定与所述目标对象相匹配的各个待选对象图像;所述对象图像库,用于存储各个对象图像;
确定所述目标对象的特征区域;
确定各个待选对象图像中与上述特征区域对应的待比对特征区域;
将特征区域分别与各个待比对特征区域进行匹配,将匹配成功的待比对特征区域对应的待选对象图像确定为与所述线索图像包含相同对象的最终对象图像。
上述电子设备提到的通信总线804可以是外设部件互连标准(PeripheralComponent Interconnect,PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。该通信总线804可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口802用于上述电子设备与其他设备之间的通信。
存储器803可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(Non-Volatile Memory,NVM),例如至少一个磁盘存储器。可选的,存储器803还可以是至少一个位于远离前述处理器的存储装置。
上述处理器801可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessing,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,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。
本实施例先根据目标对象从对象图像库中确定待选对象图像,再根据特征区域的匹配从各个待选对象图像中确定最终对象图像。由于根据目标对象能够选出与线索图像相似的对象图像,再根据特征区域这种更细节的特征进行进一步筛选,能从对象图像库中选出与线索图像包含同一相同对象的最终对象图像。因此本实施例能够提高图像搜索时的准确性。
本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现本申请实施例提供的图像搜索方法。该方法包括:
获取线索图像,所述线索图像中包括目标对象;
从预设的对象图像库中确定与所述目标对象相匹配的各个待选对象图像;所述对象图像库,用于存储各个对象图像;
确定所述目标对象的特征区域;
确定各个待选对象图像中与上述特征区域对应的待比对特征区域;
将特征区域分别与各个待比对特征区域进行匹配,将匹配成功的待比对特征区域对应的待选对象图像确定为与所述线索图像包含相同对象的最终对象图像。
本实施例先根据目标对象从对象图像库中确定待选对象图像,再根据特征区域的匹配从各个待选对象图像中确定最终对象图像。由于根据目标对象能够选出与线索图像相似的对象图像,再根据特征区域这种更细节的特征进行进一步筛选,能从对象图像库中选出与线索图像包含同一相同对象的最终对象图像。因此本实施例能够提高图像搜索时的准确性。
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,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本申请的较佳实施例而已,并非用于限定本申请的保护范围。凡在本申请的精神和原则之内所做的任何修改、等同替换、改进等,均包含在本申请的保护范围内。
Claims (12)
1.一种图像搜索方法,其特征在于,所述方法包括:
获取线索图像,所述线索图像中包括目标对象,所述目标对象为车辆;
按照设定的卡口或设定的时间段,从预设的对象图像库中确定与所述目标对象相匹配的各个待选对象图像;所述对象图像库,用于存储各个对象图像,各个对象图像的对象的结构化属性和模型数据,以及抓取各个对象图像的卡口信息和抓取时间信息;所述线索图像中的所述目标对象的模型数据与所述各个待选对象图像中的对象的模型数据之间为相似对象的模型数据,所述模型数据为对图像区域进行建模得到的数据,所述结构化属性包括车辆颜色、车牌号码和车辆大小型号;
确定所述目标对象的特征区域;
确定各个待选对象图像中与所述特征区域对应的待比对特征区域;
将所述特征区域的建模数据分别与各个待比对特征区域的建模数据进行匹配,将匹配成功的待比对特征区域对应的待选对象图像确定为与所述线索图像包含相同对象的最终对象图像;
从所述对象图像库中获取所述最终对象图像对应的结构化属性,显示或播放结构化属性;
所述确定各个待选对象图像中与所述特征区域对应的待比对特征区域的步骤,包括:
获取所述特征区域的特征信息,所述特征信息表明所述特征区域的含义;
根据所述特征信息,确定各个待选对象图像中与所述特征区域对应的待比对特征区域。
2.根据权利要求1所述的方法,其特征在于,所述将所述特征区域分别与各个待比对特征区域进行匹配的步骤,包括:
根据预设的第一建模算法,确定所述特征区域的建模数据;
确定各个待比对特征区域的建模数据;其中,各个待比对特征区域的建模数据为根据所述第一建模算法确定;
将所述特征区域的建模数据分别与各个待比对特征区域的建模数据进行匹配;当匹配成功时,确定所述特征区域与各个待比对特征区域匹配成功。
3.根据权利要求2所述的方法,其特征在于,所述确定各个待比对特征区域的建模数据的步骤,包括:
根据所述第一建模算法,确定各个待比对特征区域的建模数据;或者,
从所述对象图像库中获取各个待比对特征区域的建模数据;其中,所述对象图像库,还用于存储各个对象图像的对象中各个特征区域的建模数据,所述对象图像库中的各个建模数据为根据所述第一建模算法预先确定。
4.根据权利要求1所述的方法,其特征在于,所述对象图像库中的模型数据为根据预设的第二建模算法确定;
所述从预设的对象图像库中确定与所述目标对象相匹配的各个待选对象图像的步骤,包括:
根据所述第二建模算法和所述线索图像,确定所述目标对象的模型数据;
将所述模型数据分别与所述对象图像库中的各个模型数据进行匹配;
将匹配成功的所述对象图像库中的各个模型数据对应的对象图像,确定为与所述目标对象相匹配的各个待选对象图像。
5.根据权利要求1~4任一项所述的方法,其特征在于,所述获取线索图像的步骤,包括:
接收客户端发送的线索图像;
采用以下方式确定所述目标对象:
检测所述线索图像中的各个对象,并将各个对象发送至客户端;
接收所述客户端发送的目标对象;所述目标对象为所述客户端根据各个对象从所述线索图像中确定;
所述确定所述目标对象的特征区域的步骤,包括:
接收所述客户端发送的所述目标对象的特征区域。
6.一种图像搜索装置,其特征在于,所述装置包括:
线索图像获取模块,用于获取线索图像,所述线索图像中包括目标对象,所述目标对象为车辆;
待选图像确定模块,用于按照设定的卡口或设定的时间段,从预设的对象图像库中确定与所述目标对象相匹配的各个待选对象图像;所述对象图像库,用于存储各个对象图像,各个对象图像的对象的结构化属性和模型数据,以及抓取各个对象图像的卡口信息和抓取时间信息;所述线索图像中的所述目标对象的模型数据与所述各个待选对象图像中的对象的模型数据之间为相似对象的模型数据,所述模型数据为对图像区域进行建模得到的数据,所述结构化属性包括车辆颜色、车牌号码和车辆大小型号;
第一区域确定模块,用于确定所述目标对象的特征区域;
第二区域确定模块,用于确定各个待选对象图像中与所述特征区域对应的待比对特征区域;
区域匹配模块,用于将所述特征区域的建模数据分别与各个待比对特征区域的建模数据进行匹配,将匹配成功的待比对特征区域对应的待选对象图像确定为与所述线索图像包含相同对象的最终对象图像;从所述对象图像库中获取所述最终对象图像对应的结构化属性,显示或播放结构化属性;
所述第二区域确定模块,具体用于:获取所述特征区域的特征信息,所述特征信息表明所述特征区域的含义;根据所述特征信息,确定各个待选对象图像中与所述特征区域对应的待比对特征区域。
7.根据权利要求6所述的装置,其特征在于,所述区域匹配模块,将所述特征区域分别与各个待比对特征区域进行匹配时,包括:
根据预设的第一建模算法,确定所述特征区域的建模数据;
确定各个待比对特征区域的建模数据;其中,各个待比对特征区域的建模数据为根据所述第一建模算法确定;
将所述特征区域的建模数据分别与各个待比对特征区域的建模数据进行匹配;当匹配成功时,确定所述特征区域与各个待比对特征区域匹配成功。
8.根据权利要求6~7任一项所述的装置,其特征在于,所述线索图像获取模块,具体用于:
接收客户端发送的线索图像;
所述装置还包括目标对象确定模块;所述目标对象确定模块,用于:
检测所述线索图像中的各个对象,并将各个对象发送至客户端;
接收所述客户端发送的目标对象;所述目标对象为所述客户端根据各个对象从所述线索图像中确定;
所述第一区域确定模块,具体用于:
接收所述客户端发送的所述目标对象的特征区域。
9.一种图像搜索***,其特征在于,所述***包括:服务器和客户端;
所述客户端,用于向所述服务器发送线索图像;
所述服务器,用于接收所述客户端发送的线索图像,检测所述线索图像中的各个对象,并将各个对象发送至所述客户端;
所述客户端,用于根据各个对象从所述线索图像中确定目标对象,并确定所述目标对象的特征区域,将所述目标对象和所述特征区域发送至所述服务器,所述目标对象为车辆;
所述服务器,用于接收所述客户端发送的目标对象和所述特征区域,按照设定的卡口或设定的时间段,从预设的对象图像库中确定与所述目标对象相匹配的各个待选对象图像;所述线索图像中的所述目标对象的模型数据与所述各个待选对象图像中的对象的模型数据之间为相似对象的模型数据;确定各个待选对象图像中与所述特征区域对应的待比对特征区域;将所述特征区域的建模数据分别与各个待比对特征区域的建模数据进行匹配,将匹配成功的待比对特征区域对应的待选对象图像确定为与所述线索图像包含相同对象的最终对象图像;从所述对象图像库中获取所述最终对象图像对应的结构化属性,显示或播放结构化属性;其中,所述对象图像库用于存储各个对象图像,各个对象图像的对象的结构化属性和模型数据,以及抓取各个对象图像的卡口信息和抓取时间信息;所述模型数据为对图像区域进行建模得到的数据,所述结构化属性包括车辆颜色、车牌号码和车辆大小型号;
所述服务器,确定各个待选对象图像中与所述特征区域对应的待比对特征区域时,包括:获取所述特征区域的特征信息,所述特征信息表明所述特征区域的含义;根据所述特征信息,确定各个待选对象图像中与所述目标对象的特征区域对应的待比对特征区域。
10.根据权利要求9所述的***,其特征在于,所述服务器,将所述特征区域分别与各个待比对特征区域进行匹配时,包括:
根据预设的第一建模算法,确定所述特征区域的建模数据;
确定各个待比对特征区域的建模数据;其中,各个待比对特征区域的建模数据为根据所述第一建模算法确定;
将所述特征区域的建模数据分别与各个待比对特征区域的建模数据进行匹配;当匹配成功时,确定所述特征区域与各个待比对特征区域匹配成功。
11.一种电子设备,其特征在于,包括:处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求1-5任一所述的方法步骤。
12.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-5任一所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810821453.9A CN110851640B (zh) | 2018-07-24 | 2018-07-24 | 一种图像搜索方法、装置及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810821453.9A CN110851640B (zh) | 2018-07-24 | 2018-07-24 | 一种图像搜索方法、装置及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110851640A CN110851640A (zh) | 2020-02-28 |
CN110851640B true CN110851640B (zh) | 2023-08-04 |
Family
ID=69594357
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810821453.9A Active CN110851640B (zh) | 2018-07-24 | 2018-07-24 | 一种图像搜索方法、装置及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110851640B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103268489A (zh) * | 2013-05-29 | 2013-08-28 | 电子科技大学 | 基于滑窗搜索的机动车号牌识别方法 |
CN106033443A (zh) * | 2015-03-16 | 2016-10-19 | 北京大学 | 一种车辆检索中的扩展查询方法及装置 |
CN106777035A (zh) * | 2016-12-08 | 2017-05-31 | 努比亚技术有限公司 | 信息搜索装置、移动终端及方法 |
WO2017131771A1 (en) * | 2016-01-29 | 2017-08-03 | Hewlett-Packard Development Company, L.P. | Identify a model that matches a 3d object |
CN107577790A (zh) * | 2017-09-18 | 2018-01-12 | 北京金山安全软件有限公司 | 一种图像搜索方法及装置 |
CN108229468A (zh) * | 2017-06-28 | 2018-06-29 | 北京市商汤科技开发有限公司 | 车辆外观特征识别及车辆检索方法、装置、存储介质、电子设备 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103678558A (zh) * | 2013-12-06 | 2014-03-26 | 中科联合自动化科技无锡有限公司 | 基于sift特征的嫌疑车辆检索方法 |
CN106446150B (zh) * | 2016-09-21 | 2019-10-29 | 北京数字智通科技有限公司 | 一种车辆精确检索的方法及装置 |
CN108228761B (zh) * | 2017-12-21 | 2021-03-23 | 深圳市商汤科技有限公司 | 支持区域自定义的图像检索方法和装置、设备、介质 |
-
2018
- 2018-07-24 CN CN201810821453.9A patent/CN110851640B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103268489A (zh) * | 2013-05-29 | 2013-08-28 | 电子科技大学 | 基于滑窗搜索的机动车号牌识别方法 |
CN106033443A (zh) * | 2015-03-16 | 2016-10-19 | 北京大学 | 一种车辆检索中的扩展查询方法及装置 |
WO2017131771A1 (en) * | 2016-01-29 | 2017-08-03 | Hewlett-Packard Development Company, L.P. | Identify a model that matches a 3d object |
CN106777035A (zh) * | 2016-12-08 | 2017-05-31 | 努比亚技术有限公司 | 信息搜索装置、移动终端及方法 |
CN108229468A (zh) * | 2017-06-28 | 2018-06-29 | 北京市商汤科技开发有限公司 | 车辆外观特征识别及车辆检索方法、装置、存储介质、电子设备 |
CN107577790A (zh) * | 2017-09-18 | 2018-01-12 | 北京金山安全软件有限公司 | 一种图像搜索方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110851640A (zh) | 2020-02-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111160302B (zh) | 基于自动驾驶环境的障碍物信息识别方法和装置 | |
CN107403424B (zh) | 一种基于图像的车辆定损方法、装置及电子设备 | |
CN107358596B (zh) | 一种基于图像的车辆定损方法、装置、电子设备及*** | |
CN111696128B (zh) | 一种高速多目标检测跟踪和目标图像优选方法及存储介质 | |
CN107392218B (zh) | 一种基于图像的车辆定损方法、装置及电子设备 | |
CN109960742B (zh) | 局部信息的搜索方法及装置 | |
TWI425454B (zh) | 行車路徑重建方法、系統及電腦程式產品 | |
WO2019047789A1 (zh) | 关于增强现实场景的处理方法、终端设备、***及计算机存储介质 | |
CN110135318B (zh) | 过车记录的确定方法、装置、设备及存储介质 | |
KR20180105876A (ko) | 색상과 형태를 동시에 고려한 실시간 영상 추적 방법 및 이를 위한 장치 | |
CN112055172B (zh) | 一种监控视频的处理方法、装置以及存储介质 | |
CN109033985B (zh) | 商品识别的处理方法、装置、设备、***及存储介质 | |
CN109242006A (zh) | 基于车型分类的识别车辆损伤的方法及装置 | |
CN105608209B (zh) | 一种视频标注方法和视频标注装置 | |
CN110751012A (zh) | 目标检测评估方法、装置、电子设备及存储介质 | |
CN110991385A (zh) | 一种识别船只行驶轨迹的方法、装置及电子设备 | |
US11120308B2 (en) | Vehicle damage detection method based on image analysis, electronic device and storage medium | |
CN110610123A (zh) | 一种多目标车辆检测方法、装置、电子设备及存储介质 | |
CN108319931B (zh) | 一种图像处理方法、装置及终端 | |
CN108875500B (zh) | 行人再识别方法、装置、***及存储介质 | |
CN115830399A (zh) | 分类模型训练方法、装置、设备、存储介质和程序产品 | |
CN110097108B (zh) | 非机动车的识别方法、装置、设备及存储介质 | |
CN113689475A (zh) | 跨境头轨迹跟踪方法、设备及存储介质 | |
CN111191481A (zh) | 车辆识别方法及*** | |
CN110851640B (zh) | 一种图像搜索方法、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 |