CN111078924A - 图像检索方法、装置、终端及存储介质 - Google Patents
图像检索方法、装置、终端及存储介质 Download PDFInfo
- Publication number
- CN111078924A CN111078924A CN201811218276.1A CN201811218276A CN111078924A CN 111078924 A CN111078924 A CN 111078924A CN 201811218276 A CN201811218276 A CN 201811218276A CN 111078924 A CN111078924 A CN 111078924A
- Authority
- CN
- China
- Prior art keywords
- image
- retrieved
- information
- attribute information
- attribute
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000012545 processing Methods 0.000 claims abstract description 25
- 238000013135 deep learning Methods 0.000 claims description 37
- 238000004422 calculation algorithm Methods 0.000 claims description 36
- 238000004590 computer program Methods 0.000 claims description 7
- 238000001228 spectrum Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 description 9
- 241000282376 Panthera tigris Species 0.000 description 8
- 241000282693 Cercopithecidae Species 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000005457 optimization Methods 0.000 description 5
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 4
- 239000010931 gold Substances 0.000 description 4
- 229910052737 gold Inorganic materials 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 241000894007 species Species 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 241000218631 Coniferophyta Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 241001350462 Panthera tigris amoyensis Species 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
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
- G06F16/58—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
- G06F16/50—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
- G06F16/587—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Library & Information Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明实施例公开了一种图像检索方法、装置和终端,其中,该方法包括:获取待检索图像的特征信息,所述特征信息包括图像信息、时间信息和位置信息;对所述待检索图像的特征信息进行处理,得到所述待检索图像的属性信息,所述属性信息用于标识所述待检索图像;根据所述属性信息,在图像数据库中检索得到与所述待检索图像匹配的目标图像。通过在图像检索时获取到图像的时间信息和位置信息,可提升图像检索的精度。
Description
技术领域
本发明涉及计算机应用技术领域,尤其涉及一种图像检索方法、装置终端及存储介质。
背景技术
图像检索是很多应用当中的重要一环。图像检索***将一张给定的图片作为输入,进一步搜索、比较数据库当中已有的图片,最终输出与输入图片最为相似的若干张图片。图像检索方法可以包括传统图像检索和基于深度学习的图像检索。现阶段,基于深度学习的图像检索技术由于其较好的精度而被广泛用于各种领域。例如图像查找,犯罪追踪,等等。
但是,基于深度学习的图像检索技术只根据图片自身的特征来判断图片的相似度,忽略了许多外界的属性和特征,导致图像检索的精度较低。
发明内容
本发明实施例提供一种图像检索方法、装置、终端及存储介质,可提升图像检索的精度。
第一方面,本发明实施例提供了一种图像检索方法,所述方法包括:
获取待检索图像的特征信息,所述特征信息包括图像信息、时间信息和位置信息;
对所述待检索图像的特征信息进行处理,得到所述待检索图像的属性信息,所述属性信息用于标识所述待检索图像;
根据所述属性信息,在图像数据库中检索得到与所述待检索图像匹配的目标图像。
第二方面,本发明实施例提供了一种图像检索装置,所述装置包括:
获取模块,用于获取待检索图像的特征信息,所述特征信息包括图像信息、时间信息和位置信息;
处理模块,用于对所述待检索图像的特征信息进行处理,得到所述待检索图像的属性信息,所述属性信息用于标识所述待检索图像;
检索模块,用于根据所述属性信息,在图像数据库中检索得到与所述待检索图像匹配的目标图像。
第三方面,本发明实施例提供了一种终端,包括处理器、输入设备、输出设备和存储器,所述处理器、输入设备、输出设备和存储器相互连接,其中,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器被配置用于调用所述程序指令,执行第一方面所述的方法。
第四方面,本发明实施例提供了一种计算机可读存储介质,其特征在于,所述计算机存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行第一方面所述的方法。
本发明实施例中,终端获取待检索图像的特征信息,所述特征信息包括图像信息、时间信息和位置信息;对所述待检索图像的特征信息进行处理,得到所述待检索图像的属性信息,所述属性信息用于标识所述待检索图像;根据所述属性信息,在图像数据库中检索得到与所述待检索图像匹配的目标图像。通过在图像检索时获取到图像的时间信息和位置信息,可提升图像检索的精度
附图说明
为了更清楚地说明本发明实施例技术方案,下面将对实施例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是本发明实施例提供的一种图像检索方法的流程示意图;
图2是本发明实施例提供的另一种图像检索方法的流程示意图;
图3是本发明实施例提供的一种图像检索展示界面示意图;
图4是本发明实施例提供的一种图像检索装置的结构示意图;
图5是本发明实施例提供的一种终端的结构示意图。
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。
本发明实施例提供的图像检索方法实现于终端,所述终端包括智能手机、平板电脑、数字音视频播放器、电子阅读器、手持游戏机或车载电子设备等电子设备。
本发明实施例中,待检索图像可以为单张图像,也可以为从视频数据等其他数据中分离出的至少一张图像。在本发明实施例中,终端可以通过深度学习算法对图像的图像信息、时间信息和位置信息进行处理,得到图像的属性信息,其中,属性信息用于标识所述待检索图像,包括物种分类、颜色、性别、姓名等。进一步的,终端还可以对处理得到的属性信息进行哈希编码,得到待检索图像属性信息的哈希值,并在图像数据库中检测是否含有与上述待检索图像属性信息的哈希值相同的目标图像,若存在,则将目标图像进行输出。
在终端通过深度学习算法获取待检索图像的属性信息之前,需要基于训练对深度学习算法中的参数进行优化,使得深度学习算法在接收到待检索图像的图像信息、时间信息和位置信息之后,精确的输出待检索图像的属性信息。其中,深度学习算法的具体优化方式可以为,终端收集包含时间信息和位置信息的图像,并人工确定该图像的属性信息作为预置属性信息,其中,时间信息可以是采集该图像的具体时间,位置信息可以是采集该图像的具体地理位置,预置属性信息可以是该图像分类,如物种分类、颜色、性别、姓名等。终端将图像的时间信息、位置信息和预置属性信息标注于对应的图像上。具体实现中,可以将训练图像和训练图像的图像信息、时间信息、位置信息和预置属性信息组成一个集合{X,t,loc,y},其中,每一个集合为一个训练图像样本,X表示图像信息,t表示时间信息,loc表示图像的位置信息,y表示图像的预置属性信息。
进一步的,终端采用深度学习算法对训练图像样本集合中的图像信息、时间信息和空间信息进行运算,得到该训练图像样本的属性信息,并检测运算得到的属性信息是否与预置属性信息相同。具体实现中,终端需要对大量的训练图像样本进行处理,如一万张训练图像样本,针对一万张训练图像样本采用深度学习算法进行处理后,若得到的属性信息与预置属性信息相同的图片数量的小于预设数量,则判定该深度学习算法需要优化,调节深度学习算法中的参数,直至调整后的深度学习算法使得终端运算得到的属性信息与预置属性信息相同的图片数量的大于预设数量时,深度学习算法优化完成。其中,预设数量可以是9000、9500、9900等,具体可以由研发人员预先设置。
终端采用优化完成后的深度学习算法对待检索图像的图像信息、时间信息和位置信息进行运算,得到待检索图像的属性信息,并基于运算得到的属性信息进行图像检索。
本发明实施例中的图像处理方法具有如下优点:(1)相比较于直输入的图像进行检索相似图像的方法,本发明实施例在进行图像检索时,在获取待检索图像的同时,获取待检索图像的时间信息和位置信息,可以使得检索结果更为精确。(2)基于图像的图像信息、时间信息和空间信息对深度学习算法进行训练优化,为图像增加了时空属性,可以使得深度学习算法对图像的分类更为准确。
图1是本发明实施例中一种图像检索方法的流程示意图。如图所示本实施例中的图像检索方法的流程可以包括:
S101、终端获取待检索图像的特征信息,所述特征信息包括图像信息、时间信息和位置信息。
本发明实施例中,待检索图像的图像信息可以是为图像本身,可以用一个三维数组进行表示,三维数组中每一维可以是图像中像素的RGB值,进一步的,为了减少运算量,图像信息可以为图像的特征值,终端对图像进行预处理,得到图像的特征值作为图像信息,其中预处理的方式可以为采用主成分分析(principal components analysis,PCA)算法对图像进行降维压缩等。可选的,图像信息也可以是图像进过处理后得到的图像的亮度信息、频谱信息或者图像分辨率中的一种或者多种。时间信息可以为采集到该图像的时间,如图像为照片时,时间信息即为该照片的拍摄时间,位置信息可以为采集到该图像的位置,属性信息可以为该图像的所属分类。具体可以为动物类别、人物姓名、性别等,具体可以由研发人员预先设定。
终端获取待检索图像的方式可以为获取单张照片,并获取到该照片的拍摄时间和拍摄地点作为该照片的时间信息和位置信息。或者,终端获取监控摄像头采集到的视频数据,并将视频数据分解为图像,终端从分解得到的图像中选取出待检索图像,并获取到该图像的拍摄时间和拍摄地点作为该图像的时间信息和位置信息。或者,用户可以向终端输入图像,并标注该图像的时间信息和位置信息。
S102、终端对待检索图像的特征信息进行处理,得到待检索图像的属性信息。
本发明实施例中,所述特征信息包括图像信息、时间信息和位置信息,所述属性信息用于标识所述待检索图像。终端获取到待检索图像的图像信息、时间信息和位置信息之后,将对待检索图像的图像信息、时间信息和位置信息进行处理,得到该图像的属性信息,具体实现中,终端可以采用深度学习算法对所述待检索图像的图像信息、时间信息和位置信息进行运算,并输出待检索图像的属性信息。其中,终端采用深度学习算法进行运算时的具体运算方式可以为设置多个输出端口,每个端口对应一个属性,经过运算得到每个预设属性对应的概率值,可选的,将概率值最高的属性作为该图像的属性信息。
在一种实现方式中,该属性信息也可以由多个属性组成,对于每一个类别的属性,终端可以选取概率最高的属性作为该图像对应的属性信息。例如,终端预置的属性类别包括物种、性别和颜色,将待检索图像的图像信息、时间信息和位置信息采用深度学习算法进行运算之后,终端输出各个属性类别下的属性分别为“猴子、雄性、金色”,则将属性“猴子、雄性、金色”作为待检索图像的属性信息。
S103、终端根据属性信息,在图像数据库中检索得到与待检索图像匹配的目标图像。
本发明实施例中,终端获取到图像的属性信息之后,将根据所述属性信息,在图像数据库中检索得到与所述待检索图像匹配的目标图像。
在一种实现方式中,当属性信息为一个属性时,终端可以在图像数据库中查询与待检索图像具有相同属性的目标图像,并将目标图像进行输出。当属性信息为多个时,终端可以根据属性信息,计算所述待检索图像与所述图像数据库中的各个图像之间的第一相似度,当所述第一相似度大于预设的第一相似度阈值时,确定所述图像的属性信息与所述待检索图像的属性信息匹配。其中,第一相似度的具体计算方式可以为获取检索图像的属性信息与图像数据库中的图像的属性信息中相同属性的个数,将获取到的相同属性的个数与属性信息中属性的总个数的比值作为第一相似度。例如,待检索图像的属性信息为猴子、金色和雄性,图像数据库中的图像的属性信息为猴子、金色和雌性,则计算得到第一相似度为66.7%,终端图像数据库中相匹配的图像作为目标图像进行输出。
在一种实现方式中,终端也可以对待检索图像的属性信息进行哈希编码,得到待检索图像的属性哈希值,根据属性哈希值,在图像数据库中检索得到与待检索图像匹配的目标图像。具体的,终端在图像数据库中查询与待检索图像具有相同属性哈希值的图像作为目标图像。终端在确定目标图像之后,可以将该目标图像进行输出。
本发明实施例中,终端获取待检索图像的特征信息,所述特征信息包括图像信息、时间信息和位置信息,对待检索图像的特征信息进行处理,得到待检索图像的属性信息,所述属性信息用于标识所述待检索图像,终端根据所述属性信息,在图像数据库中检索得到与待检索图像匹配的目标图像。通过在图像检索时获取到图像的时间信息和位置信息,可提升图像检索的精度。
图2是本发明实施例中另一种图像检索方法的流程示意图。如图所示本实施例中的图像检索方法的流程可以包括:
S201、终端获取待检索图像的特征信息,所述特征信息包括图像信息、时间信息和位置信息。
S202、终端对待检索图像的特征信息进行处理,得到待检索图像的属性信息。
本发明实施例中,所述属性信息用于标识所述待检索图像,终端获取到待检索的图像信息、时间信息和位置信息之后,将通过深度学习算法对所述待检索图像的图像信息、时间信息和位置信息进行处理,得到所述图像的属性信息。
具体实现中,终端在采用深度学习算法对所述待检索图像进行处理之前,需要对深度学习算法进行训练优化,具体的优化方式包括:终端采用深度学习算法对至少一个样本图像的图像信息、时间信息和位置信息进行处理,得到各个样本图像的属性信息,终端计算各个样本图像的属性信息与预置属性信息之间的第二相似度,其中,第二相似度的具体计算方式为,当预置属性信息中的属性为一个时,若预置属性信息与属性信息相同,则预置属性信息与属性信息的第二相似度为100%,若预置属性信息与属性信息不相同,则预置属性信息与属性信息的第二相似度为0。当属性信息包括多个属性时,第二相似度的具体计算方式为,获取属性信息与预置属性信息中相同属性的个数,将获取到的相同属性的个数与属性信息中属性的总个数的比值作为第二相似度。例如,属性信息为猴子、金色和雄性,预置属性信息为猴子、金色和雌性,则计算得到第二相似度为66.7%。终端计算得到至少一个样本图像的属性信息与预置属性信息之间的第二相似度之后,将基于所述第二相似度,对所述深度学习算法进行优化处理,具体实现中,终端检测各个样本图像的第二相似度是否大于预设阈值,若是,则确定各个样本图像的属性信息预置属性信息相匹配,并将该样本图像确定为合格样本图像。若否,则确定待检索图像的属性信息预置属性信息不相匹配,并将该样本图像确定为不合格样本图像。进一步的,若合格样本图像数量与样本图像总数量的比值大于或等于预设比值,则确定所述深度学习算法训练完成。若合格样本图像数量与样本图像总数量的比值小于预设比值,则对所述深度学习算法进行优化处理,其中,具体的优化方式可以为调整深度学习算法中的参数,直至合格样本图像数量与样本图像总数量的比值大于或等于预设阈值。
当优化处理完成后,终端通过优化完成后的深度学习算法对待检索图像的图像信息、时间信息和位置信息进行处理,得到待检索图像的属性信息。进一步的,还可以在深度学习算法中添加哈希值输出层,并输出待检索图像的图像哈希值,该图像哈希值可以为基于损失函数得到二进制值,损失函数可以由研发人员预先设定。
S203、终端根据所述属性信息,在图像数据库中检索得到与待检索图像匹配的目标图像。
本发明实施例中,终端采用训练完成的深度学习算法对图像的图像信息、时间信息和位置信息进行运算,得到图像的属性信息之后,将根据属性信息,在图像数据库中检索得到与所述待检索图像匹配的目标图像。
S204、终端判断待检索图像的图像哈希值与目标图像的图像哈希值是否匹配。
本发明实施例中,终端确定与待检索图像属性信息相匹配的目标图像之后,将获取目标图像的图像哈希值,并判断待检索图像的图像哈希值与目标图像的图像哈希值是否匹配,其中,具体的判断方式可以为,计算待检索图像的图像哈希值与目标图像的图像哈希值之间的汉明距离,若汉明距离小于预设距离,则确定待检索图像的图像哈希值与目标图像的图像哈希值相匹配,若汉明距离大于或等于预设距离,则确定待检索图像的图像哈希值与目标图像的图像哈希值不相匹配。
S205、若匹配,则终端将所述目标图像进行输出。
本发明实施例中,终端确定待检索图像的图像哈希值与所述目标图像的图像哈希值相匹配,则将目标图像进行输出。
本发明实施例中,终端采用深度学习算法对样本图像的图像信息、时间信息和位置信息进行处理,得到样本图像的属性信息,并基于样本图像的属性信息与预置属性信的相似度对深度学习算法进行优化,采用优化完成的深度学习算法计算得到待检索图像的属性信息,并根据得到的属性信息和图像的哈希值进行图像检索。通过在图像检索时获取到图像的时间信息和位置信息,提升了图像检索的精度。
再请参见图3,为本发明实施例的图像检索界面示意图,在一个实施例中,任意一个用户可以在终端中输入需要待检索图像来进行图像检索,得到与待检索图像相似的目标图像。在一个实施例中,用户可以在终端提供的图像检索界面中输入需要检索的图像之后,为该图像添加时间信息和空间信息,以从图像数据库中找到与该图像具体相似的目标图像,例如用户输入一张东北虎图像,并输入该东北虎图像的拍摄时间为2017年12月6日,地点为西伯利亚的针叶林,终端获取到上述信息之后,将输出与该东北虎图像相似的老虎图像。
在一个实施例中,用户也可以在终端中输入人物图像,并输入获取到该人物图像的时间和地点,终端采用深度学习算法对上述信息进行运算,得到图像哈希值,并计算图像数据库中各个图像的参考哈希值与图像哈希值的汉明距离,若汉明距离小于预设阈值,则将参考哈希值对应的人物图像进行输出。其中,图像数据库中的图像可以是不同地点摄像头实时采集到的图像,因人物的活动具有一定的规律性,所以采用包含时间信息和位置信息的哈希值进行检索,可以提高检索的精确性。
本发明实施例中,通过在获取到图像的图像信息的同时,获取到图像的位置信息和时间信息,并采用深度学习算法进行哈希运算,得到哈希值,并基于得到的哈希值进行图像检索,因哈希值中包含了图像的时间信息和位置信息,相比传统只基于图像的图像信息进行哈希运算,采用本发明提供的方法得到的哈希值蕴含了更多的信息,也就更具有区分度,从而提升了图像检索的精度,可以使得检索结果更为精确。例如,若只输入东北虎图像进行图像检索,则检索得到的图像可能是华南虎、巴厘虎和马来虎等,而加入图像的位置信息之后,检索得到东北虎图像的概率将会得到提升,且这种结合时空的深度哈希技术并不依赖特定的查询技术,因此具有很好的兼容性和泛化能力。
下面将结合附图4对本发明实施例提供的图像检索装置进行详细介绍。需要说明的是,附图4所示的图像检索装置,用于执行本发明图1-图2所示实施例的方法,为了便于说明,仅示出了与本发明实施例相关的部分,具体技术细节未揭示的,经参照本发明图1-图2所示的实施例。
请参见图4,为本发明提供的一种图像检索装置的结构示意图,该图像检索装置40可包括:获取模块401、处理模块402和检索模块403。
获取模块401,用于获取待检索图像的特征信息,所述特征信息包括图像信息、时间信息和位置信息;
处理模块402,用于对所述待检索图像的特征信息进行处理,得到所述待检索图像的属性信息,所述属性信息用于标识所述待检索图像;
检索模块403,用于根据所述属性信息,在图像数据库中检索得到与所述待检索图像匹配的目标图像。
在一种实现方式中,所述处理模块402,具体用于:
通过深度学习算法对所述待检索图像的特征信息进行处理,得到所述待检索图像的属性信息,所述图像信息包括所述待检索图像的亮度信息、频谱信息或者图像分辨率中的一种或者多种。
在一种实现方式中,所述检索模块403具体用于:
在所述图像数据库中获取各个图像的属性信息;
查找所述属性信息与所述待检索图像的属性信息匹配的图像;
将查找到的图像作为所述目标图像。
在一种实现方式中,所述处理模块402,具体用于:
根据所述属性信息,计算所述待检索图像与所述图像数据库中的各个图像之间的第一相似度;
当所述第一相似度大于预设的第一相似度阈值时,确定所述图像的属性信息与所述待检索图像的属性信息匹配。
在一种实现方式中,所述装置还包括:
编码模块404,用于对所述待检索图像的属性信息进行哈希编码,得到所述待检索图像的属性哈希值;
所述检索模块403,具体用于根据所述属性哈希值,在图像数据库中检索得到与所述待检索图像匹配的目标图像。
在一种实现方式中,所述处理模块402,还用于:
对所述待检索图像的图像信息、时间信息和位置信息进行处理,得到所述待检索图像的图像哈希值。
在一种实现方式中,所述装置还包括:
判断模块405,用于判断所述待检索图像的图像哈希值与所述目标图像的图像哈希值是否匹配;
输出模块406,用于若匹配,则将所述目标图像进行输出。
本发明实施例中,获取模块401获取待检索图像的特征信息,所述特征信息包括图像信息、时间信息和位置信息;处理模块402对所述待检索图像的特征信息进行处理,得到所述待检索图像的属性信息,所述属性信息用于标识所述待检索图像;检索模块403根据所述属性信息,在图像数据库中检索得到与所述待检索图像匹配的目标图像。通过实施上述方法,可提升图像检索的精度。
请参见图5,为本发明实施例提供了一种终端的结构示意图。如图5所示,该终端包括:至少一个处理器501,输入设备503,输出设备504,存储器505,至少一个通信总线502。其中,通信总线502用于实现这些组件之间的连接通信。其中,输入设备503可以是控制面板或者麦克风等,输出设备504可以是显示屏等。其中,存储器505可以是高速RAM存储器,也可以是非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。存储器505可选的还可以是至少一个位于远离前述处理器501的存储装置。其中处理器501可以结合图4所描述的装置,存储器505中存储一组程序代码,且处理器501,输入设备503,输出设备504调用存储器505中存储的程序代码,用于执行以下操作:
输入设备503,用于获取待检索图像的特征信息,所述特征信息包括图像信息、时间信息和位置信息;
处理器501,用于对所述待检索图像的特征信息进行处理,得到所述待检索图像的属性信息,所述属性信息用于标识所述待检索图像;
处理器501,用于根据所述属性信息,在图像数据库中检索得到与所述待检索图像匹配的目标图像。
在一种实现方式中,处理器501,具体用于:
通过深度学习算法对所述待检索图像的特征信息进行处理,得到所述待检索图像的属性信息,所述图像信息包括所述待检索图像的亮度信息、频谱信息或者图像分辨率中的一种或者多种。
在一种实现方式中,处理器501,具体用于:
在所述图像数据库中获取各个图像的属性信息;
查找所述属性信息与所述待检索图像的属性信息匹配的图像;
将查找到的图像作为所述目标图像。
在一种实现方式中,处理器501,具体用于:
根据所述属性信息,计算所述待检索图像与所述图像数据库中的各个图像之间的第一相似度;
当所述第一相似度大于预设的第一相似度阈值时,确定所述图像的属性信息与所述待检索图像的属性信息匹配。
在一种实现方式中,处理器501,具体用于:
对所述待检索图像的属性信息进行哈希编码,得到所述待检索图像的属性哈希值;
根据所述属性哈希值,在图像数据库中检索得到与所述待检索图像匹配的目标图像。
在一种实现方式中,处理器501,具体用于:
对所述待检索图像的图像信息、时间信息和位置信息进行处理,得到所述待检索图像的图像哈希值。
在一种实现方式中,处理器501,用于判断所述待检索图像的图像哈希值与所述目标图像的图像哈希值是否匹配;
输出设备504,若匹配,则将所述目标图像进行输出。
本发明实施例中,输入设备503获取待检索图像的特征信息,所述特征信息包括图像信息、时间信息和位置信息;处理器501对所述待检索图像的特征信息进行处理,得到所述待检索图像的属性信息,所述属性信息用于标识所述待检索图像;处理器501根据所述属性信息,在图像数据库中检索得到与所述待检索图像匹配的目标图像。通过实施上述方法,可提升图像检索的精度。
本发明实施例中所述模块,可以通过通用集成电路,例如CPU(CentralProcessing Unit,中央处理器),或通过ASIC(Application Specific IntegratedCircuit,专用集成电路)来实现。
应当理解,在本发明实施例中,所称处理器501可以是中央处理模块(CentralProcessing Unit,CPU),该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(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、分立硬件组件等。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。
总线502可以是工业标准体系结构(Industry Standard Architecture,ISA)总线、外部设备互联(Peripheral Component,PCI)总线或扩展工业标准体系结构(ExtendedIndustry Standard Architecture,EISA)总线等,该总线502可以分为地址总线、数据总线、控制总线等,为便于表示,图5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。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于计算机存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的计算机存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random AccessMemory,RAM)等。
以上所揭露的仅为本发明较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。
Claims (10)
1.一种图像检索方法,其特征在于,所述方法包括:
获取待检索图像的特征信息,所述特征信息包括图像信息、时间信息和位置信息;
对所述待检索图像的特征信息进行处理,得到所述待检索图像的属性信息,所述属性信息用于标识所述待检索图像;
根据所述属性信息,在图像数据库中检索得到与所述待检索图像匹配的目标图像。
2.根据权利要求1所述的方法,其特征在于,所述对所述待检索图像的特征信息进行处理,得到所述待检索图像的属性信息,包括:
通过深度学习算法对所述待检索图像的图像信息、时间信息和位置信息进行处理,得到所述待检索图像的属性信息,所述图像信息包括所述待检索图像的亮度信息、频谱信息或者图像分辨率中的一种或者多种。
3.根据权利要求1所述的方法,其特征在于,所述根据所述属性信息,在图像数据库中检索得到与所述待检索图像匹配的目标图像,包括:
在所述图像数据库中获取各个图像的属性信息;
查找所述属性信息与所述待检索图像的属性信息匹配的图像;
将查找到的图像作为所述目标图像。
4.根据权利要求3所述的方法,其特征在于,所述查找所述属性信息与所述待检索图像的属性信息匹配的图像,包括:
根据所述属性信息,计算所述待检索图像与所述图像数据库中的各个图像之间的第一相似度;
当所述第一相似度大于预设的第一相似度阈值时,确定所述图像的属性信息与所述待检索图像的属性信息匹配。
5.根据权利要求1所述的方法,其特征在于,所述根据所述属性信息,在图像数据库中检索得到与所述待检索图像匹配的目标图像之前,还包括:
对所述待检索图像的属性信息进行哈希编码,得到所述待检索图像的属性哈希值;
所述根据所述属性信息,在图像数据库中检索得到与所述待检索图像匹配的目标图像,包括:
根据所述属性哈希值,在图像数据库中检索得到与所述待检索图像匹配的目标图像。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
对所述待检索图像的图像信息、时间信息和位置信息进行处理,得到所述待检索图像的图像哈希值。
7.根据权利要求1-6任一项所述的方法,其特征在于,所述根据所述属性信息,在图像数据库中检索得到与所述待检索图像匹配的目标图像之后,还包括:
判断所述待检索图像的图像哈希值与所述目标图像的图像哈希值是否匹配;
若匹配,则将所述目标图像进行输出。
8.一种图像检索装置,其特征在于,所述装置包括:
获取模块,用于获取待检索图像的特征信息,所述特征信息包括图像信息、时间信息和位置信息;
处理模块,用于对所述待检索图像的特征信息进行处理,得到所述待检索图像的属性信息,所述属性信息用于标识所述待检索图像;
检索模块,用于根据所述属性信息,在图像数据库中检索得到与所述待检索图像匹配的目标图像。
9.一种终端,其特征在于,包括处理器、输入设备、输出设备和存储器,所述处理器、输入设备、输出设备和存储器相互连接,其中,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器被配置用于调用所述程序指令,执行如权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行如权利要求1-7任一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811218276.1A CN111078924B (zh) | 2018-10-18 | 2018-10-18 | 图像检索方法、装置、终端及存储介质 |
PCT/CN2018/124840 WO2020077869A1 (zh) | 2018-10-18 | 2018-12-28 | 图像检索方法、装置、终端及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811218276.1A CN111078924B (zh) | 2018-10-18 | 2018-10-18 | 图像检索方法、装置、终端及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111078924A true CN111078924A (zh) | 2020-04-28 |
CN111078924B CN111078924B (zh) | 2024-03-01 |
Family
ID=70283363
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811218276.1A Active CN111078924B (zh) | 2018-10-18 | 2018-10-18 | 图像检索方法、装置、终端及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111078924B (zh) |
WO (1) | WO2020077869A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113688263A (zh) * | 2021-10-26 | 2021-11-23 | 北京欧应信息技术有限公司 | 用于搜索图像的方法、计算设备和存储介质 |
CN113920463A (zh) * | 2021-10-19 | 2022-01-11 | 平安国际智慧城市科技股份有限公司 | 基于视频指纹的视频匹配方法、装置、设备及存储介质 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111813975A (zh) * | 2020-07-09 | 2020-10-23 | 国网电子商务有限公司 | 一种图像检索方法、装置及电子设备 |
CN113076961B (zh) * | 2021-05-12 | 2023-09-05 | 北京奇艺世纪科技有限公司 | 一种图像特征库更新方法、图像检测方法和装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103927387A (zh) * | 2014-04-30 | 2014-07-16 | 成都理想境界科技有限公司 | 图像检索***及其相关方法和装置 |
CN105243060A (zh) * | 2014-05-30 | 2016-01-13 | 小米科技有限责任公司 | 一种检索图片的方法及装置 |
CN106055704A (zh) * | 2016-06-22 | 2016-10-26 | 重庆中科云丛科技有限公司 | 一种图像检索与匹配方法及*** |
CN106445939A (zh) * | 2015-08-06 | 2017-02-22 | 阿里巴巴集团控股有限公司 | 图像检索、获取图像信息及图像识别方法、装置及*** |
CN108228761A (zh) * | 2017-12-21 | 2018-06-29 | 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 |
CN108415937A (zh) * | 2018-01-24 | 2018-08-17 | 博云视觉(北京)科技有限公司 | 一种图像检索的方法和装置 |
US20180300358A1 (en) * | 2015-09-16 | 2018-10-18 | Hangzhou Hikvision Digital Technology Co., Ltd. | Image Retrieval Method and System |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8509571B2 (en) * | 2008-06-11 | 2013-08-13 | Panasonic Corporation | Pattern recognition apparatus, pattern recognition method, image processing apparatus, and image processing method |
US9208392B2 (en) * | 2011-09-20 | 2015-12-08 | Qualcomm Incorporated | Methods and apparatus for progressive pattern matching in a mobile environment |
US20130129142A1 (en) * | 2011-11-17 | 2013-05-23 | Microsoft Corporation | Automatic tag generation based on image content |
-
2018
- 2018-10-18 CN CN201811218276.1A patent/CN111078924B/zh active Active
- 2018-12-28 WO PCT/CN2018/124840 patent/WO2020077869A1/zh active Application Filing
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103927387A (zh) * | 2014-04-30 | 2014-07-16 | 成都理想境界科技有限公司 | 图像检索***及其相关方法和装置 |
CN105243060A (zh) * | 2014-05-30 | 2016-01-13 | 小米科技有限责任公司 | 一种检索图片的方法及装置 |
CN106445939A (zh) * | 2015-08-06 | 2017-02-22 | 阿里巴巴集团控股有限公司 | 图像检索、获取图像信息及图像识别方法、装置及*** |
US20180300358A1 (en) * | 2015-09-16 | 2018-10-18 | Hangzhou Hikvision Digital Technology Co., Ltd. | Image Retrieval Method and System |
CN106055704A (zh) * | 2016-06-22 | 2016-10-26 | 重庆中科云丛科技有限公司 | 一种图像检索与匹配方法及*** |
CN108228761A (zh) * | 2017-12-21 | 2018-06-29 | 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 |
CN108415937A (zh) * | 2018-01-24 | 2018-08-17 | 博云视觉(北京)科技有限公司 | 一种图像检索的方法和装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113920463A (zh) * | 2021-10-19 | 2022-01-11 | 平安国际智慧城市科技股份有限公司 | 基于视频指纹的视频匹配方法、装置、设备及存储介质 |
CN113688263A (zh) * | 2021-10-26 | 2021-11-23 | 北京欧应信息技术有限公司 | 用于搜索图像的方法、计算设备和存储介质 |
CN113688263B (zh) * | 2021-10-26 | 2022-01-18 | 北京欧应信息技术有限公司 | 用于搜索图像的方法、计算设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111078924B (zh) | 2024-03-01 |
WO2020077869A1 (zh) | 2020-04-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111078924B (zh) | 图像检索方法、装置、终端及存储介质 | |
US10599709B2 (en) | Object recognition device, object recognition method, and program for recognizing an object in an image based on tag information | |
US9710488B2 (en) | Location estimation using image analysis | |
CN102460475A (zh) | 用于对象识别的直方图方法和*** | |
CN117058517A (zh) | 一种基于YOLOv5优化模型的安全帽检测方法、装置和介质 | |
CN108804581B (zh) | 一种基于深度学习的同类物体检索方法及*** | |
CN113157956B (zh) | 图片搜索方法、***、移动终端及存储介质 | |
CN111814538A (zh) | 目标对象的类别识别方法、装置、电子设备及存储介质 | |
CN115115825A (zh) | 图像中的对象检测方法、装置、计算机设备和存储介质 | |
CN111222558B (zh) | 图像处理方法及存储介质 | |
CN112069342A (zh) | 图像分类方法、装置、电子设备及存储介质 | |
Santos et al. | RECOGNIZING AND EXPLORING AZULEJOS ON HISTORIC BUILDINGS’FACADES BY COMBINING COMPUTER VISION AND GEOLOCATION IN MOBILE AUGMENTED REALITY APPLICATIONS | |
CN112069335A (zh) | 图像分类方法、装置、电子设备及存储介质 | |
CN114998665B (zh) | 一种图像类别识别方法、装置、电子设备及存储介质 | |
CN110750673A (zh) | 图像处理方法、装置、设备及存储介质 | |
CN116383423A (zh) | 图像检索结果的重排方法、装置、计算机设备及介质 | |
CN115631370A (zh) | 一种基于卷积神经网络的mri序列类别的识别方法及装置 | |
CN115424293A (zh) | 活体检测方法、活体检测模型的训练方法及装置 | |
CN112069981A (zh) | 图像分类方法、装置、电子设备及存储介质 | |
CN115995079A (zh) | 图像语义相似度分析方法和同语义图像检索方法 | |
CN112084874A (zh) | 一种物体检测方法、装置及终端设备 | |
CN111428679B (zh) | 影像识别方法、装置和设备 | |
CN111918137B (zh) | 一种基于视频特征的推送方法、装置、存储介质及终端 | |
CN117216308B (zh) | 基于大模型的搜索方法、***、设备及介质 | |
CN112464894B (zh) | 交互方法、装置及计算机设备 |
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 |