CN102253995B - 一种利用位置信息实现图像搜索的方法和系统 - Google Patents
一种利用位置信息实现图像搜索的方法和系统 Download PDFInfo
- Publication number
- CN102253995B CN102253995B CN 201110191154 CN201110191154A CN102253995B CN 102253995 B CN102253995 B CN 102253995B CN 201110191154 CN201110191154 CN 201110191154 CN 201110191154 A CN201110191154 A CN 201110191154A CN 102253995 B CN102253995 B CN 102253995B
- Authority
- CN
- China
- Prior art keywords
- image
- matching
- parameter
- distance
- camera site
- 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
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种利用位置信息实现图像搜索的方法和系统，在图像颜色、形状、大小等图像特征识别的基础上，进一步比较图像的拍摄位置，实现了快速而准确的图像搜索。
Description
技术领域
本发明涉及图像搜索领域，尤其涉及一种利用位置信息实现图像搜索的方法和系统。
背景技术
模式识别(Pattern Recognition)是指对表征事物或现象的各种形式的(如数值的、文字的和逻辑关系的)信息进行处理和分析，以对事物或现象进行描述、辨认、分类和解释的过程，是信息科学和人工智能的重要组成部分。
图像识别是模式识别的一个重要应用领域。为了编制模拟人类图像识别活动的计算机程序，人们提出了不同的图像识别模型，例如模板匹配模型。这种模型认为，识别某个图像，必须在过去的经验中有这个图像的记忆模式，又叫模板。当前的刺激如果能与大脑中的模板相匹配，这个图像也就被识别了。例如有一个字母A，如果在脑中有个A模板，字母A的大小、方位、形状都与这个A模板完全一致，字母A就被识别了。这个模型简单明了，也容易得到实际应用。但这种模型强调图像必须与脑中的模板完全符合才能加以识别，而事实上，人不仅能识别与脑中的模板完全一致的图像，也能识别与模板不完全一致的图像。例如，人们不仅能识别某一个具体的字母A，也能识别印刷体的、手写体的、方向不正、大小不同的各种字母A。同时，人能识别的图像是大量的，如果所识别的每一个图像在脑中都有一个相应的模板，也是不可能的。
现有的可视化搜索技术，通过手机等拍摄照片并上传至服务器，去查询这张照片所包括的主体所相关的一切。由于所需要匹配的物体有着过多的可能，因此基于现有的可视化搜索技术的图像搜索系统，很难从所有的物体中进行准确的匹配，只能将具有非常明显的特征的物体识别出来。
发明内容
本发明的目的在于提供一种利用位置信息实现图像搜索的方法和系统，在图像颜色、形状、大小等图像特征识别的基础上，进一步比较图像的拍摄位置，来实现快速而准确的图像搜索。
为解决上述问题，本发明提供一种利用位置信息实现图像搜索的方法，包括：
利用运行在终端设备上的客户端获取一原始图像及所述原始图像的拍摄位置，发送至与所述客户端通信的搜索服务器；
所述搜索服务器提取所述原始图像的图像特征，与已完成分类的图像所具备的图像特征进行匹配，获得所有的匹配图像及其图像匹配参数；
根据每个匹配图像的拍摄位置与所述原始图像的拍摄位置之间的距离，获得每个匹配图像与所述原始图像的图像距离参数；
根据所述图像匹配参数与所述原始图像的图像距离参数计算每个匹配图像的图像排序参数；
按照所述图像排序参数排列所有的匹配图像，并将排列后的匹配图像返回给所述客户端。
进一步的，所述图像特征包括图像颜色、形状、大小、纹理、色调及字符中的至少一种。
进一步的，获得所有的匹配图像后，将每个匹配图像的图像匹配度平均正规化至0-1区间内，以获得图像匹配参数。
进一步的，获得每个匹配图像与所述原始图像的图像距离参数的步骤包括：
计算出每个匹配图像的拍摄位置与原始图像的拍摄位置之间的最近距离；
利用一预设值除以所述最近距离的约值，得到每个匹配图像的图像距离参数。
进一步的，当所述最近距离大于或等于所述预设值时，所述最近距离的约值为所述最近距离；当所述最近距离小于所述预设值时，所述最近距离的约值为所述预设值。
进一步的，计算每个匹配图像的图像排序参数时，每个匹配图像的图像排序参数等于该匹配图像的图像匹配参数与图像距离参数之和。
进一步的，计算每个匹配图像的图像排序参数时，每个匹配图像的图像排序参数等于该匹配图像的图像匹配参数与该匹配图像的图像距离参数乘以一权重因子的积的和。
相应的，本发明还提供一种利用位置信息实现图像搜索的系统，包括嵌入运行在用户的终端设备上的客户端以及与所述客户端通信的搜索服务器，其中，
所述客户端包括：
原始图像获取模块，用于获取原始图像及其拍摄位置；
发送接收模块，用于发送所述原始图像及其拍摄位置至所述搜索服务器和接收所述搜索服务器的搜索结果；
所述搜索服务器包括：
分类存储模块，用于分类存储图像及其图像特征、拍摄位置；
图像匹配参数模块，用于提取所述原始图像的图像特征，与所述分类存储模块已完成分类的图像所具备的图像特征进行匹配，获得所有的匹配图像及其图像匹配参数；
图像距离参数模块，用于根据每个匹配图像的拍摄位置与所述原始图像的拍摄位置之间的距离，获得每个匹配图像与所述原始图像的图像距离参数；
图像排序参数模块，用于根据所述图像匹配参数与所述图像的图像距离参数计算每个匹配图像的图像排序参数；
排序返回模块，用于按照所述图像排序参数排列所有的匹配图像，并将排列后的匹配图像返回给所述发送接收模块。
与现有技术相比，本发明提出的利用位置信息实现图像搜索的方法和系统，在图像颜色、形状、大小等图像特征识别的基础上，进一步比较图像的拍摄位置，实现了快速而准确的图像搜索。
附图说明
图1是本发明的利用位置信息实现图像搜索的方法流程图；
图2是本发明的利用位置信息实现图像搜索的系统结构图。
具体实施方式
以下结合附图和具体实施例对本发明提出的利用位置信息实现图像搜索的方法及系统作进一步详细说明。
如图1所示，本发明提出一种利用位置信息实现图像搜索的方法，包括：
步骤S1，利用运行在终端设备上的客户端获取一原始图像及所述原始图像的拍摄位置，发送至与所述客户端通信的搜索服务器；
步骤S2，所述搜索服务器提取所述原始图像的图像特征，与已完成分类的图像所具备的图像特征进行匹配，获得所有的匹配图像及其图像匹配参数a，其中，所述图像特征包括图像颜色、形状、大小、纹理、色调及字符中的至少一种，获得所有的匹配图像后，将每个匹配图像的图像匹配度平均正规化至0-1区间内，以获得图像匹配参数a；
步骤S3，根据每个匹配图像的拍摄位置与所述原始图像的拍摄位置之间的距离，获得每个匹配图像与所述原始图像的图像距离参数，包括：计算出每个匹配图像的拍摄位置与原始图像的拍摄位置之间的最近距离；利用一预设值除以所述最近距离的约值，得到每个匹配图像的图像距离参数b。
步骤S4，根据所述图像匹配参数与所述原始图像的图像距离参数计算每个匹配图像的图像排序参数c，本步骤中，可以按照一预定义算法计算每个匹配图像的图像排序参数c，所述预定义算法可以为求和算法，定义为：一匹配图像的图像排序参数c等于该匹配图像的图像匹配参数a与图像距离参数b之和；所述预定义算法也可为加权算法，定义为：一匹配图像的图像排序参数c等于该匹配图像的图像匹配参数a与该匹配图像的图像距离参数b乘以一权重因子的积的和，还可以为其他算法。
步骤S5，按照所述图像排序参数排列所有的匹配图像，并将排列后的匹配图像返回给所述客户端。
下面以手机拍摄番茄炒蛋的图像作为具体实施例，进一步详细阐述上述的一种利用位置信息实现图像搜索的方法。
利用位置信息实现番茄炒蛋的图像搜索的方法，包括以下步骤：
利用运行在手机上的客户端获取一张番茄炒蛋图像及其拍摄位置，发送至搜索服务器；
所述搜索服务器提取所述番茄炒蛋图像的图像特征，与已存并已分类完成的图像所具备的图像特征进行匹配，获得所有的匹配图像及其图像匹配参数a，包括：番茄炒蛋(1)，凉拌番茄(0.6)，韭菜炒蛋(0.5)；
根据每个匹配图像的拍摄位置与所述图像的拍摄位置之间的距离，获得每个匹配图像与所述图像的图像距离参数b，其中，计算出的每个匹配图像的拍摄位置与所述图像的拍摄位置之间的最近距离分别为番茄炒蛋(20米)，凉拌番茄(50米)，韭菜炒蛋(200米)；特别需要说明的是，当最近距离大于或等于所述预设距离时，利用预设距离处于所述最近距离；当最近距离小于所述预设距离时，利用预设距离处于所述预设距离；例如，取预设值为100米，得到的每个匹配图像的图像距离参数b分别为：番茄炒蛋(1)，凉拌番茄(1)，韭菜炒蛋(0.5)；
按照求和算法(c＝a+b)，对所述图像匹配参数a与所述图像的图像距离参数b求和，得到每个匹配图像的图像排序参数c，分别为：番茄炒蛋(2)，凉拌番茄(1.6)，韭菜炒蛋(1)；
按照所述图像排序参数c降序排列所有的匹配图像，并将排列后的匹配图像返回给终端设备。
相应的，本发明还提供一种利用位置信息实现图像搜索的系统，如图2所示，包括嵌入运行在用户的终端设备中的客户端1以及与所述客户端通信的搜索服务器2。
请继续参考图2，所述客户端1包括：原始图像获取模块11，用于获取原始图像及其拍摄位置；以及发送接收模块12，用于发送所述原始图像至所述搜索服务器及其拍摄位置和接收所述搜索服务器2的搜索结果。
请继续参考图2，所述搜索服务器2包括：分类存储模块21，用于分类存储图像及其图像特征、拍摄位置；图像匹配参数模块22，用于提取所述原始图像的图像特征，与所述分类存储模块2已完成分类的图像所具备的图像特征进行匹配，获得所有的匹配图像及其图像匹配参数a；图像距离参数模块23，用于根据每个匹配图像的拍摄位置与所述原始图像的拍摄位置之间的距离，获得每个匹配图像与所述图像的图像距离参数b；图像排序参数模块24，用于根据所述图像匹配参数a与所述图像的图像距离参数b计算每个匹配图像的图像排序参数c；排序返回模块25，用于按照所述图像排序参数c排列所有的匹配图像，并将排列后的匹配图像返回给所述发送接收模块，排列时优选为降序。
其中，发送接收模块12上传的图像经过图像匹配参数模块22特征提取后，连同其拍摄位置一同被存储到所述分类存储模块21中；图像匹配参数模块22提取的图像特征包括图像颜色、形状、大小、纹理、色调及字符中的至少一种；图像排序参数模块24可以设定一预定义算法计算每个匹配图像的图像排序参数c，所述预定义算法可以为求和算法，定义为：一匹配图像的图像排序参数c等于该匹配图像的图像匹配参数a与图像距离参数b之和；图像排序参数模块24的预定义算法可以为求和算法，定义为c＝a+b；也可为加权算法，定义为：c＝a+m*b，m为权重因子，还可以为其他算法。
综上所述，本发明提出的利用位置信息实现图像搜索的方法和系统，在图像颜色、形状、大小等图像特征识别的基础上，进一步比较图像的拍摄位置，实现了快速而准确的图像搜索。
显然，本领域的技术人员可以对发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种利用位置信息实现图像搜索的方法，其特征在于，包括：
利用运行在终端设备上的客户端获取一原始图像及所述原始图像的拍摄位置，发送至与所述客户端通信的搜索服务器；
所述搜索服务器提取所述原始图像的图像特征，与已完成分类的图像所具备的图像特征进行匹配，获得所有的匹配图像，将每个匹配图像的图像匹配度正规化至0-1区间内，以获得图像匹配参数；
根据每个匹配图像的拍摄位置与所述原始图像的拍摄位置之间的距离，获得每个匹配图像与所述原始图像的图像距离参数；
根据所述图像匹配参数和所述每个匹配图像与所述原始图像的图像距离参数计算每个匹配图像的图像排序参数；
按照所述图像排序参数排列所有的匹配图像，并将排列后的匹配图像返回给所述客户端。
2.如权利要求1所述的利用位置信息实现图像搜索的方法，其特征在于，所述图像特征包括图像颜色、形状、大小、纹理、色调及字符中的至少一种。
3.如权利要求1所述的利用位置信息实现图像搜索的方法，其特征在于，获得每个匹配图像与所述原始图像的图像距离参数的步骤包括：
计算出每个匹配图像的拍摄位置与原始图像的拍摄位置之间的最近距离，其中，所述最近距离为每个匹配图像的拍摄位置与原始图像的拍摄位置之间的直线距离；
利用一预设值除以所述最近距离的约值，得到每个匹配图像的图像距离参数，其中，当所述最近距离大于或等于所述预设值时，所述最近距离的约值为所述最近距离；当所述最近距离小于所述预设值时，所述最近距离的约值为所述预设值。
4.如权利要求1所述的利用位置信息实现图像搜索的方法，其特征在于，计算每个匹配图像的图像排序参数时，每个匹配图像的图像排序参数等于该匹配图像的图像匹配参数与图像距离参数之和。
5.如权利要求1所述的利用位置信息实现图像搜索的方法，其特征在于，计算每个匹配图像的图像排序参数时，每个匹配图像的图像排序参数等于该匹配图像的图像匹配参数与该匹配图像的图像距离参数乘以一权重因子的积的和。
6.一种利用位置信息实现图像搜索的系统，其特征在于，包括运行在终端设备上的客户端以及与所述客户端通信的搜索服务器，其中，
所述客户端包括：
原始图像获取模块，用于获取原始图像及其拍摄位置；
发送接收模块，用于发送所述原始图像及其拍摄位置至所述搜索服务器和接收所述搜索服务器的搜索结果；
所述搜索服务器包括：
分类存储模块，用于分类存储图像及其图像特征、拍摄位置；
图像匹配参数模块，用于提取所述原始图像的图像特征，与所述分类存储模块中存储的已完成分类的图像所具备的图像特征进行匹配，获得所有的匹配图像，将每个匹配图像的图像匹配度正规化至0-1区间内，以获得图像匹配参数；
图像距离参数模块，用于根据每个匹配图像的拍摄位置与所述原始图像的拍摄位置之间的距离，获得每个匹配图像与所述原始图像的图像距离参数；
图像排序参数模块，用于根据所述图像匹配参数和所述每个匹配图像与所述图像的图像距离参数计算每个匹配图像的图像排序参数；
排序返回模块，用于按照所述图像排序参数排列所有的匹配图像，并将排列后的匹配图像返回给所述客户端的所述发送接收模块。
7.如权利要求6所述的利用位置信息实现图像搜索的系统，其特征在于，所述图像特征包括图像颜色、形状、大小、纹理、色调及字符中的至少一种。
8.如权利要求6所述的利用位置信息实现图像搜索的系统，其特征在于，所述图像距离参数模块用于计算出每个匹配图像的拍摄位置与原始图像的拍摄位置之间的最近距离，其中，所述最近距离为每个匹配图像的拍摄位置与原始图像的拍摄位置之间的直线距离；
利用一预设值除以所述最近距离的约值，得到每个匹配图像的图像距离参数，其中，当所述最近距离大于或等于所述预设值时，所述最近距离的约值为所述最近距离；当所述最近距离小于所述预设值时，所述最近距离的约值为所述预设值。
9.如权利要求6所述的利用位置信息实现图像搜索的系统，其特征在于，计算每个匹配图像的图像排序参数时，每个匹配图像的图像排序参数等于该匹配图像的图像匹配参数与图像距离参数之和。
10.如权利要求6所述的利用位置信息实现图像搜索的系统，其特征在于，计算每个匹配图像的图像排序参数时，每个匹配图像的图像排序参数等于该匹配图像的图像匹配参数与该匹配图像的图像距离参数乘以一权重因子的积的和。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN 201110191154 CN102253995B (zh) | 2011-07-08 | 2011-07-08 | 一种利用位置信息实现图像搜索的方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN 201110191154 CN102253995B (zh) | 2011-07-08 | 2011-07-08 | 一种利用位置信息实现图像搜索的方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN102253995A CN102253995A (zh) | 2011-11-23 |
| CN102253995B true CN102253995B (zh) | 2013-05-29 |
Family
ID=44981259
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN 201110191154 Active CN102253995B (zh) | 2011-07-08 | 2011-07-08 | 一种利用位置信息实现图像搜索的方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102253995B (zh) |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102542523A (zh) * | 2011-12-28 | 2012-07-04 | 天津大学 | 一种基于街景的城市图片信息认证方法 |
| CN103310180B (zh) * | 2012-03-07 | 2016-06-29 | 株式会社理光 | 检测在目标图像中的随机对象的系统和方法 |
| CN104424295B (zh) * | 2013-09-02 | 2019-09-24 | 联想(北京)有限公司 | 一种信息处理方法及电子设备 |
| CN104661300B (zh) * | 2013-11-22 | 2018-07-10 | 高德软件有限公司 | 定位方法、装置、系统及移动终端 |
| CN105224589A (zh) * | 2015-06-29 | 2016-01-06 | 深圳市美贝壳科技有限公司 | 一种基于色调分类的照片检索方法 |
| CN105843828A (zh) * | 2015-06-30 | 2016-08-10 | 维沃移动通信有限公司 | 一种应用于移动终端的图片信息搜索方法和移动终端 |
| CN106447436A (zh) * | 2016-09-20 | 2017-02-22 | 广东聚联电子商务股份有限公司 | 一种移动电子商务图像搜索购物方法 |
| CN106528834B (zh) * | 2016-11-17 | 2020-02-04 | 百度在线网络技术（北京）有限公司 | 基于人工智能的图片资源推送方法及装置 |
| CN106650750A (zh) * | 2016-11-21 | 2017-05-10 | 云南电网有限责任公司电力科学研究院 | 用于输电线路地质灾害检测的无人机遥感图像处理系统 |
| 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 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5579471A (en) * | 1992-11-09 | 1996-11-26 | International Business Machines Corporation | Image query system and method |
| US6681060B2 (en) * | 2001-03-23 | 2004-01-20 | Intel Corporation | Image retrieval using distance measure |
| CN101046802A (zh) * | 2006-03-31 | 2007-10-03 | 马飞涛 | 一种地理图片搜索方法 |
| CN101551809B (zh) * | 2009-05-13 | 2011-04-06 | 西安电子科技大学 | 基于高斯混合模型分类的sar图像检索方法 |
-
2011
- 2011-07-08 CN CN 201110191154 patent/CN102253995B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN102253995A (zh) | 2011-11-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102253995B (zh) | 一种利用位置信息实现图像搜索的方法和系统 | |
| CN112241731B (zh) | 一种姿态确定方法、装置、设备及存储介质 | |
| CN105719188B (zh) | 基于多张图片一致性实现保险理赔反欺诈的方法及服务器 | |
| US10262190B2 (en) | Method, system, and computer program product for recognizing face | |
| CN103221977B (zh) | 姿势状态估计装置及姿势状态估计方法 | |
| US8792722B2 (en) | Hand gesture detection | |
| CN107516127B (zh) | 服务机器人自主获取人穿携物品归属语义的方法及系统 | |
| CN108198130B (zh) | 图像处理方法、装置、存储介质及电子设备 | |
| CN109784274A (zh) | 识别尾随的方法及相关产品 | |
| CN105046272B (zh) | 一种基于简洁非监督式卷积网络的图像分类方法 | |
| KR20180004898A (ko) | 딥러닝 기반의 이미지 처리 기술 및 그 방법 | |
| CN104063686B (zh) | 作物叶部病害图像交互式诊断系统与方法 | |
| CN109785400B (zh) | 一种剪影图像制作方法、装置、电子设备及存储介质 | |
| CN111144284B (zh) | 深度人脸图像的生成方法、装置、电子设备及介质 | |
| CN108960288B (zh) | 基于卷积神经网络的三维模型分类方法及系统 | |
| CN102567716A (zh) | 一种人脸合成系统及实现方法 | |
| CN109271930A (zh) | 微表情识别方法、装置与存储介质 | |
| CN111382808A (zh) | 一种车辆检测处理方法及装置 | |
| CN104169943A (zh) | 用于改善的面部识别的方法和装置 | |
| CN104346630A (zh) | 一种异构特征融合的云花卉识别方法 | |
| CN113254491A (zh) | 一种信息推荐的方法、装置、计算机设备及存储介质 | |
| CN109784171A (zh) | 车辆定损图像筛选方法、装置、可读存储介质及服务器 | |
| CN110322398A (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
| CN108256520B (zh) | 一种识别硬币年份的方法、终端设备及计算机可读存储介质 | |
| CN103150575A (zh) | 一种实时三维无标记人体姿态识别方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20190220 Address after: 201203 7, 1 Lane 666 lane, Zhang Heng Road, Pudong New Area, Shanghai. Patentee after: SHANGHAI ZHANGMEN TECHNOLOGY CO., LTD. Address before: Room 102, Building 3, No. 356 Guoshoujing Road, Zhangjiang High-tech Park, Pudong New Area, Shanghai, 201203 Patentee before: Shengle Information Technology (Shanghai) Co., Ltd. |