CN105426530B - 一种商标检索方法、装置和系统 - Google Patents

一种商标检索方法、装置和系统 Download PDF

Info

Publication number
CN105426530B
CN105426530B CN201510944503.9A CN201510944503A CN105426530B CN 105426530 B CN105426530 B CN 105426530B CN 201510944503 A CN201510944503 A CN 201510944503A CN 105426530 B CN105426530 B CN 105426530B
Authority
CN
China
Prior art keywords
trade mark
image
sample
checked
graphical element
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
CN201510944503.9A
Other languages
English (en)
Other versions
CN105426530A (zh
Inventor
徐庆
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.)
Individual
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN201510944503.9A priority Critical patent/CN105426530B/zh
Priority to PCT/CN2016/075870 priority patent/WO2017101224A1/zh
Priority to US15/557,449 priority patent/US10152650B2/en
Publication of CN105426530A publication Critical patent/CN105426530A/zh
Application granted granted Critical
Publication of CN105426530B publication Critical patent/CN105426530B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K19/00—Record carriers for use with machines and with at least a part designed to carry digital markings
    • G06K19/06—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code
    • G06K19/08—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code using markings of different kinds or more than one marking of the same kind in the same record carrier, e.g. one marking being sensed by optical and the other by magnetic means
    • G06K19/10—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code using markings of different kinds or more than one marking of the same kind in the same record carrier, e.g. one marking being sensed by optical and the other by magnetic means at least one kind of marking being used for authentication, e.g. of credit or identity cards
    • G06K19/14—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code using markings of different kinds or more than one marking of the same kind in the same record carrier, e.g. one marking being sensed by optical and the other by magnetic means at least one kind of marking being used for authentication, e.g. of credit or identity cards the marking being sensed by radiation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/18—Legal services; Handling legal documents
    • G06Q50/184—Intellectual property management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • 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
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • 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
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/09—Recognition of logos

Abstract

本发明公开了一种商标检索方法，包括：建立样本商标库和样本商标与已知的已申请注册图形商标图形要素编码划分数据的对应关系；对样本商标的图像特征信息进行提取及处理，建立样本商标与提取的图像特征信息的对应关系；提取待检商标的图像特征信息；以该图像特征信息为检索条件进行匹配检索，找出达到预定近似度的样本商标和近似度最高的样本商标及对应的图形要素编码；获取和确认待检商标的图形要素编码；以该图形要素编码为检索条件进行匹配检索，找出匹配的样本商标；将以图像特征信息为检索条件的检索结果和以图形要素编码为检索条件的检索结果进行归集；将归集后的商标按照图像特征信息近似度进行排序。利用本发明能够实现图形商标的标准化检索。

Description

一种商标检索方法、装置和系统
技术领域
本发明涉及商标信息检索领域，具体涉及一种商标检索方法、装置和系统。
背景技术
商标检索是注册申请、商标审查、商标管理、商标维权等程序中的重要工作。商标检索的主要目的是找出商标法意义上相同或近似的商标，用以确认某一商标的权利权属范围的信息情况。世界知识产权组织的前身——保护知识产权联合国际局与国际协调委员会于1967年成立专家委员会，研究起草商标图形要素国际分类。在1973年6月12日维也纳外交大会签订的一项协定中首次引入图形要素分类。以维也纳协定建立的《商标图形要素国际分类》被各国广泛使用。该分类被商标界普遍认为具备科学、方便、易操作等特点，是商标审查管理人员、商标检索查询人员、商标代理人及商标申请人检索商标图形、正确划分商标图形要素及进行商标图形要素计算机检索不可缺少的工具。
一方面，目前传统的商标检索工具基本上是按输入的内容区分为商标名称的中文文字检索、英文文字检索、其他文字检索、图形要素编码检索以及商标注册申请项目内容检索等实现检索目的。其中传统的商标检索工具对商标图形检索主要以人工输入的商标图形要素编码作为检索条件实现检索目的。但是，传统的商标图形检索工具虽然可以执行商标信息的检索任务，但存在明显的缺陷和弊端，主要体现在：商标图形要素编码要求专业性较强，普通人员不懂编码或不易编码，影响了图形商标检索的广泛应用。即使是专业人员编码，因不同专业人员主观判断商标图像的意义会存在差异，这种差异会造成相同或近似商标的漏检。商标图形要素编码在商标检索中基本还是手工录入和个人判断，还没有智能化的手段。另外，即使不考虑专业性限制较强的因素，利用传统的商标检索工具按输入的图形要素编码的匹配结果一般都高达数千条记录，有的过万条记录，需要商标图形检索人员逐条人工查看来确认是否属于商标法意义上相同或近似商标，工作效率低下和工作精力消耗巨大是显然易见的。
另一方面，随着图像识别技术的进步和发展，为了提升图形商标检索的智能化水平，国内外也曾将图像识别技术引入商标检索领域，形成了一些基于图像识别技术的商标检索方法。但是，现有的基于图像识别技术的商标检索方法在理论上可以执行商标信息的检索任务，但也存在较多的缺陷和弊端，主要体现在：基本未采用国际上通用的商标图形要素编码标准进行商标检索，很难在现行的商标审查标准规则下找出相同或近似商标，由于现有的基于图像识别技术的商标检索方法不符合国际上通用的商标图形要素编码的检索标准，一直未能获得商标主管机关和商标法律服务行业内的普遍认可，易产生相同或近似商标的漏检，实用性较差。因此，现有的基于图像特征识别技术的商标检索方法极少被商业化或公益化应用于商标主管机关、商标代理机构、商标法律服务机构及企业商标管理部门等专业领域的实际工作中。
发明内容
有鉴于此，本发明提出一种商标检索方法、装置和系统，将国际上通用的商标图形要素编码检索图形商标与基于图像识别技术方法检索图形商标相结合，全面反映商标的特征，可实现图形商标的标准化检索。
一方面，本发明提供一种商标检索方法，包括：S101，建立样本商标库并建立样本商标与已知的已申请注册图形商标图形要素编码划分数据的对应关系；S102，对样本商标的图像特征信息进行提取及处理，并建立样本商标与所提取的图像特征信息的对应关系；S103，对待检商标的图像特征信息进行提取及处理；S104，以待检商标的图像特征信息为检索条件进行匹配检索，找出与待检商标图像特征信息匹配并达到预定近似度的样本商标和与待检商标图像特征信息近似度最高的样本商标及对应的商标图形要素编码；S105，获取和确认待检商标的图形要素编码；S106，以确认的图形要素编码为检索条件进行匹配检索，找出与所述确认的图形要素编码匹配的样本商标；S107，将以待检商标的图像特征信息为检索条件的检索结果和以所述确认的图形要素编码为检索条件的检索结果进行归集；S108，将归集后的商标按照图像特征信息近似度进行排序并报告商标查询结果。
另一方面，本发明还提供一种商标检索装置，包括：样本商标库创建模块，用于建立样本商标库并建立样本商标与已知的已申请注册图形商标图形要素编码划分数据的对应关系；样本商标图像特征信息提取模块，用于对样本商标的图像特征信息进行提取及处理，并建立样本商标与所提取的图像特征信息的对应关系；待检商标图像特征信息提取模块，用于对待检商标的图像特征信息进行提取及处理；第一匹配检索模块，用于以待检商标的图像特征信息为检索条件进行匹配检索，找出与待检商标图像特征信息匹配并达到预定近似度的样本商标和与待检商标图像特征信息近似度最高的样本商标及对应的商标图形要素编码；图形要素编码确认模块，用于获取和确认待检商标的图形要素编码；第二匹配检索模块，用于以确认的图形要素编码为检索条件进行匹配检索，找出与所述确认的图形要素编码匹配的样本商标；归集处理模块，用于将以待检商标的图像特征信息为检索条件的检索结果和以所述确认的图形要素编码为检索条件的检索结果进行归集；排序处理模块，用于将归集后的商标按照图像特征信息近似度进行排序并报告商标查询结果。
再一方面，本发明还提供一种商标检索系统，包括存储器和服务器；所述存储器和服务器经配置执行以下操作：建立样本商标库并建立样本商标与已知的已申请注册图形商标图形要素编码划分数据的对应关系；对样本商标的图像特征信息进行提取及处理，并建立样本商标与所提取的图像特征信息的对应关系；对待检商标的图像特征信息进行提取及处理；以待检商标的图像特征信息为检索条件进行匹配检索，找出与待检商标图像特征信息匹配并达到预定近似度的样本商标和与待检商标图像特征信息近似度最高的样本商标及对应的商标图形要素编码；获取和确认待检商标的图形要素编码；以确认的图形要素编码为检索条件进行匹配检索，找出与所述确认的图形要素编码匹配的样本商标；将以待检商标的图像特征信息为检索条件的检索结果和以所述确认的图形要素编码为检索条件的检索结果进行归集；将归集后的商标按照图像特征信息近似度进行排序并报告商标查询结果。
本发明实施例的商标检索方法采用了国际上通用的商标图形要素编码检索图形商标与基于图像识别技术方法检索图形商标相结合的方法，能起到取长补短的效果，两种检索方法的组合运用能更全面地反映了商标的特征，能实现图形商标的标准化检索，有效提高相同或近似商标检出率和可靠性，克服了现有的基于图像识别技术的商标检索方法未采用国际上通用的商标图形要素编码标准进行商标检索的技术缺陷或局限。本发明的实施例实现了利用现有已知的已申请注册图形商标图形要素编码划分的大数据资源由系统学习并自动划分商标图形要素编码，解决了商标图形要素编码划分的标准化识别和以往因不同专业人员主观划分存在差异的问题。本发明实施例所提供的图形商标近似度排序方法，填补了使用商标图形要素编码检索图形商标还没有有效的近似度排序功能的空白，通过实施归集后的商标按照近似度进行排序的处理，商标图形检索人员在无需查看全部检索结果的情况下就能够找出目标商标，或可以根据排序规律查看检索结果而快速找出目标商标，能有效增强商标检索工具的实用性和可操作性，提高相同或近似商标检出率、可靠性和检索结果查看的方便性等目的。可有效解决现有的商标检索工具工作效率低下和工作时间及精力消耗巨大的难题，提高了工作效率，可节省更多的阅读时间和精力，具有很高的应用价值。
附图说明
图1是本发明实施例的商标检索方法的流程图。
图2是本发明实施例的示例性图像原图。
图3是本发明实施例的示例性轮廓特征线图。
图4是本发明实施例的自然基准定位的方向定位图。
图5是本发明实施例的自然基准定位的提取方形定位图。
图6是本发明一个实施例的基准直线定位的方向定位图。
图7是本发明另一实施例的基准直线定位的方向定位图。
图8是本发明实施例的基准直线定位的提取方形定位图。
图9是本发明另一实施例的示例性图像原图。
图10是本发明另一实施例的示例性轮廓特征线图。
具体实施方式
以下结合附图以及具体实施例，对本发明的技术方案进行详细描述。
图1示出了本发明实施例的商标检索方法的流程图，包括以下步骤：
S101，建立样本商标库并建立样本商标与已知的已申请注册图形商标图形要素编码划分数据的对应关系；
S102，对样本商标的图像特征信息进行提取及处理，并建立样本商标与所提取的图像特征信息的对应关系；
S103，对待检商标的图像特征信息进行提取及处理；
S104，以待检商标的图像特征信息为检索条件进行匹配检索，找出与待检商标图像特征信息匹配并达到预定近似度的样本商标和与待检商标图像特征信息近似度最高的样本商标及对应的商标图形要素编码；
S105，获取和确认待检商标的图形要素编码；
S106，以确认的图形要素编码为检索条件进行匹配检索，找出与所述确认的图形要素编码匹配的样本商标；
S107，将以待检商标的图像特征信息为检索条件的检索结果和以所述确认的图形要素编码为检索条件的检索结果进行归集；
S108，将归集后的商标按照图像特征信息近似度进行排序并报告商标查询结果。
以下对上述各个步骤进行详细描述。
第一，建立样本商标库并建立样本商标与已知的已申请注册图形商标图形要素编码划分数据的对应关系。
图2随机给出若干样本商标的图像，在本发明实施例中，就是要建立样本商标库和利用已知的已申请注册图形商标图形要素编码划分数据在样本商标库中记录样本商标的图形要素编码信息。
其中商标图形要素编码是指依据《建立商标图形要素国际分类维也纳协定》所产生一种的商标图形要素划分工具，由商标图形要素按大类、小类及组分类的一览表组成，其中包括商标图形要素编号和商标图形要素名称构成。
第二，对样本商标图像特征进行识别处理和提取图像特征信息。
对样本商标图像特征进行识别处理和提取特征信息的目的是通过图像特征信息的匹配可以找到相同或最近似的商标。
由于多边形逼近法中的Teh-Chin检测算法提取的图像轮廓线能较好地反映商标的显著特征，本技术方案采用多边形逼近法中的Teh-Chin检测算法提取样本商标图像的关键像素点特征信息，即样本商标图像轮廓特征线上像素点的坐标值。
样本商标图像的关键像素点特征信息提取也可以采用其他已知的技术方法，包括提取骨架特征信息，提取形状的特征信息，提取模板特征信息等。
在本发明的实施例中，对样本商标图像特征进行识别处理和提取图像特征信息的过程如下：
①对样本商标进行灰度化、二值化和/或去噪处理：
灰度数字图像是每个像素只有一个采样颜色的图像。这类图像通常显示为从最暗黑色到最亮的白色的灰度，尽管理论上这个采样可以任何颜色的不同深浅，甚至可以是不同亮度上的不同颜色。灰度图像与黑白图像不同，在计算机图像领域中黑白图像只有黑白两种颜色，灰度图像在黑色与白色之间还有许多级的颜色深度。
图像二值化就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的黑白效果。
噪点主要是指CCD(CMOS)将光线作为接收信号并输出的过程中所产生的图像中的粗糙部分，也指图像中不该出现的外来像素，通常由电子干扰产生。看起来就像图像被弄脏了，布满一些细小的糙点。我们平时所拍摄的数码照片如果用个人电脑将拍摄到的高画质图像缩小以后再看的话，也许就注意不到。不过，如果将原图像放大，那么就会出现本来没有的颜色(假色)，这种假色就是图像噪音，可以通过技术手段将这些噪点去除。
②对经灰度化、二值化、去噪处理的样本商标图像提取其的轮廓特征线，轮廓特征线包括样本商标图像的外轮廓线和内轮廓线：
在本发明的实施例中，利用多边形逼近法提取图像的关键像素点特征，即轮廓特征线，轮廓特征线就是轮廓线上像素点的集合，可生成样本商标图像轮廓特征线上的像素点序列图像。图3示出了若干图像的轮廓特征线，可以看到，轮廓特征线包括外轮廓线上的像素点和内轮廓线上的像素点。像素点是该图像中固有的原始特征。
③在坐标系中对轮廓特征线进行方向与提取方形的定位：
对轮廓特征线进行方向与提取方形的定位就是将轮廓特征线的放置位置采用一定的方法进行方向和提取方形的唯一性定位。
在实际应用中，方向定位的具体目的是：为了实现不同比对图像轮廓特征线上像素点在方向上的可比性，需要将样本商标图像置于统一的方向定位位置上，解决图像的方向、角度等有变形或差异时的可比性和唯一性问题。这样才能在坐标系里准确提取其坐标值，实现相同或近似图像坐标值的可比性。
在实际应用中，提取方形定位的具体目的是：为了实现不同比对图像轮廓特征线上像素点在提取方形内的可比性，需要将样本商标图像置于提取方形内，解决图像识别范围的完整性和图像的大小、形状、位置等有变形或差异时的可比性和唯一性问题。这样才能在坐标系里准确提取其完整的坐标值，实现相同或近似图像坐标值在完整性上的可比性。
具体地，本发明实施例采用基准定位的方式实现上述目的，基准定位包括：自然基准定位和基准直线定位。在同一处理体系中只能选定一种定位标准，否则会破坏其可比性。
图4示出了自然基准定位的方向定位要点，图5示出了自然基准定位的提取方形为外接矩形的定位要点。自然基准定位是将样本商标图像轮廓特征线在不改变旋转方向的条件下平移至样本商标图像轮廓特征线上像素点的x轴坐标最小值为0，且y轴坐标最小值为0的坐标系中。采用自然基准定位具有简单易快速定位的优点。
图6和图7示出了基准直线定位的方向定位要点，图8示出了基准直线定位的提取方形为外接正方形的定位要点。基准直线定位是在样本商标图像轮廓特征线上找出定位直线，将样本商标图像轮廓特征线以最小的旋转和平移至定位直线与x轴或y轴平行(本实施例为与x轴平行)，且样本商标图像轮廓特征线上像素点的x轴坐标最小值为0，样本商标图像轮廓特征线在提取方形内向y轴对齐并居中。采用基准直线定位的优点是定位精确，对放置不同角度的图像或不规则的图像具有较好的唯一性定位基准。
以下描述不同情况下基准直线定位的处理过程：
1、采用基准直线定位进行方向定位。首先，检测样本商标图像轮廓特征线上像素点的排列是否存在直线特征，如果有直线特征，找出外轮廓线上的最长的直线，然后，旋转样本商标图像轮廓特征线，以最小的旋转度角使该外轮廓线上最长的直线与x轴或y轴平行，即可确定轮廓特征线在方向上进行了定位。图6实施例采用外轮廓线上最长直线实施方向定位。
方向定位时如果出现外轮廓线上最长的直线有两条或两条以上时，选取实现最小的旋转度角使该外轮廓线上最长的直线与x轴或y轴平行的直线作为基准直线。
方向定位时如果出现样本商标图像轮廓特征线上像素点的排列不存在直线特征时，检测并计算轮廓特征线上距离最大的两个像素点，将轮廓特征线旋转和平移至该距离最大的两个像素点之间的虚拟直线与x轴平行，且图像轮廓特征线上像素点的x轴坐标最小值为0。图7实施例采用距离最大的两个像素点之间的虚拟直线实施方向定位。
方向定位时如果出现样本商标图像轮廓特征线上距离最大的像素点超过两个时，取实现以最小的旋转度角使距离最大的两个像素点之间的虚拟直线与x轴或y轴平行时所对应的该虚拟直线作为基准直线实施方向定位。
2、采用基准直线进行提取方形定位。首先，检测样本商标图像轮廓特征线上像素点在坐标系中x轴或y轴最大值，取该最大值为边长做正方形，并使样本商标图像轮廓特征线在正方形向y轴对齐并居中，然后平移该正方形使其一条边线与x轴重合，另一条边线与y轴重合，如图8实施例所示。
经过上述定位处理，使不同的图形特征信息之间具备可比性，使不同的图像拥有共同的参照标准和统一的比对环境。
此外，在本发明其他实施例中，对样本商标图像轮廓特征线进行定位还可采取与上述不同的定位策略，例如利用样本商标图像轮廓特征线的外接圆法，使该外接圆与x轴和y轴相切；也可采用样本商标图像轮廓特征线的外接其他几何图形法，使该几何图形与x轴和y轴相切。
④在所述坐标系中提取轮廓特征线中像素点的坐标值Gn(xn,yn)：
样本商标图像轮廓特征线经方向定位和提取方形定位后，以单个像素点为一个坐标刻度在坐标系内提取轮廓特征线上全部像素点的坐标值Gn(xn,yn),其中角标n代表第n个像素点，所提取的像素点包括外轮廓线和内轮廓线上的所有像素点。同时可统计轮廓特征线上的像素点总数。
需要注意的是，提取样本商标图像轮廓特征线上每个像素点的坐标值Gn(xn,yn)时，应基于同一方向定位和提取方形定位标准，否则会破坏其可比性。
⑤按预设的规则将坐标值Gn(xn,yn)以相对数表示，获得相对坐标值Sn(xn,yn)：
对于视觉上相同的多个图像，因不同图像的大小存在差异，所以即使经过图像的方向定位和提取方形定位后，也很难保证其轮廓线上全部像素点的坐标值相同，这为图像的坐标匹配带来困难。为解决这个问题，对轮廓线上像素点的坐标值进行相对数转换，得到每个像素点的相对坐标值，可以有效解决图像在大小存在差异情况下的坐标匹配问题。以相对数方式表达像素点的坐标值，可称为相对坐标值，记为Sn(xn,yn)，具体地，轮廓特征线上像素点的坐标值转换为相对坐标值的计算公式如下：
相对坐标值Sn(xn,yn)＝Gn(xn/h，yn/h)，
其中，xn为第n个像素点在所述坐标系中的x轴坐标值，
yn为第n个像素点在坐标系中的y轴坐标值，
h为提取方形的最大直线边长，
其中，Sn的xn和yn的值以相对数(百分数)表示，Gn的xn和yn的值以绝对数表示。
在本发明的实施例中，相对数坐标是指通过将相对于坐标原点的绝对坐标值转换为以绝对坐标值与图像提取方形的最大直线边长的比率反映的坐标。
采用相对坐标值表示轮廓特征线上的像素点特征，可以消除由尺寸差异导致的坐标值差异，使得即使两个图像的尺寸比例差别巨大，也可以识别出实质相同的图像。
⑥根据图像分析需求确定相对坐标值Sn(xn,yn)的变形公差参数。
在实际应用中需要注意：转换相对坐标值的过程中应合理确定转换变形公差范围。变形公差是指当像素点在任意方向上偏移至变形公差参数范围内时，该像素点的相对坐标值保持不变。本发明的实施例根据图像分析需要确定相对坐标值Sn(xn,yn)的变形公差i。轮廓特征线上像素点的坐标值Gn(xn,yn)转换为相对坐标值Sn(xn,yn)后，能根据相对坐标值微小的差异区分样本商标图像的唯一性，但坐标匹配时则可能很难找到相匹配的图像，采用变形公差可以解决图像在变形公差范围内的坐称匹配问题。变形公差具体的取值应根据图像分析的需求确定。变形公差参数一般取百分数，如1％，2％等等。在本发明的实施例中，变形公差参数i取0.5％至10％的范围。
⑦按变形公差参数和“未过半舍，过半入”的取整规则对相对坐标值Sn(xn,yn)进行取整，以获取经变形公差精确取整后的像素点的取整相对坐标值Zn(xn,yn)：
当变形公差参数取1％时，像素点相对坐标值的x轴和y轴坐标应平均划分为100个基准相对坐标，凡不落入基准相对坐标的相对坐标值须按取整规则取整，以落入基准坐标。
本实施例的取整规则：根据变形公差参数对像素点的相对坐标值Sn(xn,yn)按“未过半舍，过半入”的取整规则进行取整，以获取经变形公差精确后的像素点的取整相对坐标值Zn(xn,yn)。
结合本发明的如下实施例说明取整的具体处理过程：
实施例一：假如获得的某一样本商标图像轮廓特征线上一组像素点的相对坐标值Sn(xn,yn)如下：
S1(0％，52.321％)，S2(0.891％，51.567％)，S3(2.189％，50.463％)，S4(3.986％，49.646％)，S5(4.895％，47.347％)，S6(6.263％，45.396％)，S7(8.231％，43.373％)，S8(9.172％，41.502％)，S9(11.265％，38.674％)。
以变形公差参数i取2％为例，按“未过半舍，过半入”的取整规则进行取整，获取以上像素点经变形公差精确后的取整相对坐标值Zn(xn,yn)如下：
Z1(0％，52％)，Z 2(0％，52％)，Z 3(2％，50％)，Z 4(4％，50％)，Z 5(4％，48％)，Z6(6％，46％)，Z 7(8％，44％)，Z 8(10％，42％)，Z 9(12％，38％)。
⑧，将经精确取整后的像素点的取整相对坐标值Zn(xn,yn)输出，保存于样本商标库。
在本发明的实施例中，在计算得到样本商标图像轮廓特征线上像素点的取整相对坐标值Zn(xn,yn)之后，可将计算结果输出。前述计算出的样本商标图像轮廓特征线上所有像素点的取整相对坐标值Zn(xn,yn)，以数据形式输出并保存在样本商标图像数据库，可用于与其他待识别商标图像的取整相对坐标值Zn(xn,yn)进行识别、匹配、比较、分析，通过像素点的取整相对坐标值Zn(xn,yn)的重合程度反映不同商标的相似度。
⑨建立样本商标图像的子图分卡并提取子图分卡的图像特征信息：
首先，检测已提取样本商标图形轮廓线中相对独立部分的连通域轮廓线，即每一个连续像素点数组为一个连通域轮廓线；然后，将其分割作为该样本商标图像的子图分卡；最后，以子图分卡为处理对象，重复前述①-⑧的处理，提取样本商标图像的子图分卡的图像特征信息，获取子图分卡的相对坐标值sn(xn,yn)和取整相对坐标值zn(xn,yn)。
其中，样本商标图像的子图分卡的处理过程：
1)对样本图像轮廓线上像素点取整相对坐标值Zn(xn,yn)进行排序，像素点取整相对坐标值Zn(xn,yn)排序规则：第1排序按x轴的值升序排序，第2排序按y轴的值升序排序。也可降序排序或混合排序。
2)计算和检测连续像素点数组，即检测像素点间的排列是否具有连续排列的特征，检测方法：自x轴为0的像素点起检测相邻像素点，当排序后的相邻像素点x轴或y轴坐标数增加或减少数超过1个刻度值时，视为断点，断点前的一组像素点为第1个连续像素点数组；自断点后的像素点起再检测相邻像素点，当相邻像素点x轴或y轴坐标数增加或减少数超过1个刻度值时，视为又一断点，断点前的一组像素点分割为第2个连续像素点数组；如此类推，直至检测完轮廓特征线上全部像素点。
3)将每一连续像素点数组保存为一个样本商标图像的子图分卡。
对于一些连通域轮廓线可能具备再分割的图形要素时，或多个连通域轮廓线可能组合构成一个相对独立的图形要素时，可以由数据处理人员通过本技术方案中的装置和系统进行编辑，自定义分割或合并其构图要素，即可正确划分样本商标图像的子图分卡。
⑩输出并保存从样本商标图像子图分卡所提取的相对坐标值sn(xn,yn)和取整相对坐标值zn(xn,yn)。
前述计算出的样本商标子图图像轮廓线上所有像素点的取整相对坐标值zn(xn,yn)，以数据形式输出并保存在样本商标数据库的某一商标记录之下，可用于与待检商标图像的取整相对坐标值Zn(xn,yn)匹配比较分析，通过像素点的取整相对坐标值的重合度多少去反映两图像的相似度。
第三，对待检商标图像特征进行识别处理和提取图像特征信息。
在本发明的实施例中，参照前述第二点中“对样本商标图像特征进行识别处理和提取图像特征信息”的处理过程，以待检商标为处理对象，对待检商标图像特征进行识别处理和提取图像特征信息，分别提取待检商标主图和子图分卡的图像特征信息。
本发明实施例所提取的图像特征信息主要是待检商标图像轮廓特征线上像素点的相对坐标值Sn(xn,yn)和取整相对坐标值Zn(xn,yn)。注意：图像特征信息包含但不限于Sn(xn,yn)和Zn(xn,yn)，根据此图像特征信息进行推导和变型也可得到其他图像特征信息，均可用于表征图像本身包含的信息。
第四，以待检商标图像特征信息为检索条件进行商标检索，找出与待检商标图像特征信息匹配并达到一定近似度的样本商标和与待检商标图像特征信息近似度最高的样本商标及对应的商标图形要素编码(即样本商标库中记录的该样本商标对应的图形要素编码)。
商标图像特征信息的匹配检查主要目的是通过图像特征信息的匹配检查找出近似度最高的商标及所记录标志图像的商标图形要素编码。
本发明实施例采用商标图像特征信息形式是商标图像轮廓特征线上像素点的相对坐标值Sn(xn,yn)和取整相对坐标值Zn(xn,yn)，通过商标图像特征特征信息的匹配检查，找出近似度最高的样本商标图像。
本发明实施例实施例中以商标图像特征信息为检索条件在样本商标数据库中进行商标检索的检索内容包括：1)取整相对坐标值Zn(xn,yn)的匹配检查，2)每一商标图像的子图分卡或每一连续像素点数组的完全匹配检查，3)取整相对坐标值Zn(xn,yn)的不匹配像素点数检查。
虽然两商标图像轮廓特征线上像素点的取整相对坐标值Zn(xn,yn)完全重合一般会构成相同或最近似的商标。但在不完全重合的情况下，说明仅在部分图像轮廓特征线上像素点重合，不重合部分可能影响商标的显著特征，从而导致两商标不一定构成相同或最近似商标的结果。
本发明实施例实施例采用了商标图像的子图分卡或连续像素点数组的近似率、像素点相对坐标值重合率、像素点相对坐标值不重合率综合评价两商标图像的近似程度。计算公式：
两图像的近似度＝商标图像的子图分卡或连续像素点数组的近似率*商标图像的子图分卡权数+相对坐标值重合率*重合相对坐标值权数+像素点相对坐标值不重合率*不重合相对坐标值权数。
权数参数根据图像分析需求确定，权数一般可取5％至60％。
以上计算公式中各变量获取计算过程如下：
a)商标图像的子图分卡或连续像素点数组的近似率计算：
商标图像的子图分卡或连续像素点数组的近似率计算处理步骤如下：
第一步，以待检商标图像轮廓线上所分割的每一连续像素点数组与样本商标图像轮廓线上所分割的每一连续像素点数组进行匹配，找出匹配的数组。
第二步，计算连续像素点数组的近似率，计算公式：
子图分卡或连续像素点数组的近似率＝(匹配的第1连续像素点数组+匹配的第2连续像素点数组+匹配的第3连续像素点数组+匹配的第n连续像素点数组)÷本图像的相对坐标值的像素点总数*100％。
b)像素点相对坐标值重合率：
以待检商标图像轮廓特征线上像素点取整相对坐标值Zn(xn,yn)逐个与样本商标图像轮廓特征线上像素点取整相对坐标值Zn(xn,yn)进行匹配检查，并统计出重合匹配的数量，然后计算其重合率，公式：
重合率＝(重合的取整相对坐标值Zn(xn,yn)数÷待检商标图像轮廓特征线上像素点总数)*100％。
当重合率等于100％时，可以确认两商标是相同的商标，当重合率小于100％时，可以确认待检商标与样本商标有一部分轮廓特征线段相同。
c)像素点相对坐标值不重合率：
在两商标匹配比对过程中大多数商标图像像素点相对坐标值不会重合，匹配过程应考虑不重合的像素点取整相对坐标值Zn(xn,yn)对两商标图像的近似程度的影响，本发明实施例采用了像素点相对坐标值不重合率的评价，计算公式如下：
像素点相对坐标值不重合数＝待检商标图像轮廓线上像素点取整相对坐标值Zn(xn,yn)总数-像素点取整相对坐标值Zn(xn,yn)重合数
不重合率＝(像素点相对坐标值不重合数÷待检商标图像轮廓线上像素点总数)*100％
在图像特征信息匹配和近似度评价中找出近似度最高的样本商标及所记录的商标图形要素编码。
第五，获取和确认待检商标的图形要素编码。
经待检商标主图及子图分卡图像特征信息与样本商标主图及子图分卡图像特征信息的匹配检查，找出了图像特征信息近似度最高的样本商标图像，尤其是近似度达到100％时，可以确认两商标图像是相同的商标，当近似度接近100％时，可以确认两商标图像是高度近似的商标。因此，可以将上述找出的近似度最高的样本商标及所记录的商标图形要素编码视为待检商标的图形要素编码并进行输出，以用于本发明实施例的商标检索系统。
本发明实施例以图9和图10的苹果、壳牌、蓝带、中国石油四件图形商标原图为实施例，采用本发明实施例的处理，在样本商标数据库中找出近似度最高的样本商标分别是第167364号图形商标、第180720号图形商标、第559294蓝带BLUE RIBBON及图形商标、第4360587号中国石油及图形商标，可以获得该四件图形商标所记录的图形要素编码分别是：
第167364号苹果图形商标的图形要素编码：5.7.13；
第180720号壳牌图形商标的图形要素编码：3.8.18；
第559294蓝带BLUE RIBBON及图形商标的图形要素编码：24.5.20；25.1.6；
第4360587号中国石油及图形商标的图形要素编码：1.3.1；25.1.25；29.1.13；5.5.20；A1.3.15。
由于存在待检商标主图及多个子图分卡等多个检索条件，所找出的图形要素编码必然会有多个，其中有部分商标子图分卡或某一连续像素点数组所反映的图像可能不是商标图像的显著部分，因此，需要对前步获取的待检商标的图形要素编码进行确认。
图形要素编码确认的处理过程：通过商标检索人员使用本发明实施例的装置和系统，提供出前步所获取的近似度最高的样本商标及所记录的商标图形要素编码以及所对应的商标主图、商标子图分卡或某一连续像素点数组所反映的图像，商标检索人员从该信息中就能很直观、简单、方便和准确地识别出能反映商标显著性的相关图形要素编码及所对应的商标主图、商标子图分卡或某一连续像素点数组所反映的图像，并进行确认的操作。
当所提供的商标主图、商标子图分卡或某一连续像素点数组所反映的图像在已知的已申请注册图形商标图形要素编码划分的大数据资源在样本库中无法找到相匹配的记录样本商标图形要素编码信息时，通过商标检索人员使用本发明实施例的装置和系统，可以自定义进行录入或通过《商标图形要素国际分类》所列目录选择录入，添加商标子图分卡，以弥补已知的已申请注册图形商标图形要素编码划分数据的不足。
第六，以该图形要素编码为检索条件进行商标检索，找出与商标图形要素编码匹配的样本商标。
使用商标图形要素编码进行商标检索是已知的商标检索工具普通使用的通用方法，在本发明实施例中使用前步经确认的商标图形要素编码进行商标检索，能准确全面找出使用传统商标检索工具的技术方法所检索到的全部相同或近似商标。克服了现有的基于图像识别技术的商标检索方法未采用国际上通用的商标图形要素编码标准进行商标检索，易产生相同或近似商标的漏检，实用性较差等技术缺陷或局限。
第七，将图像特征匹配的商标检索结果和图形要素编码匹配检索结果进行归集。
使用传统商标检索工具的技术方法所检索出的商标其优点：采用国际上通用的商标图形要素编码标准检索图形商标，检索标准具有通用性和标准性，并能将形状或形态不同的同一事物通过商标图形要素编码准确反映出来，保障了相同或近似的图形商标较高的检出率。但形状或形态相近的不同事物则难以通过商标图形要素编码的检索反映出来，同时因不同的商标图形要素编码的编码人员主观判断商标抽象图像反映的事物会存在差异，其商标图形要素编码结果也会产生差异，这种差异会造成商标检索中的相同或近似商标的漏检。
使用现有已知的基于图像识别技术的商标检索方法所检索出的商标其优点：将智能化的手段应用于商标检索领域，提高了商标检索的效率和便利性，而且能将形状或形态相同或相近的不同事物通过图像识别检索出来。但形状或形态不同的同一事物则难以通过图像识别检索出来，同时因其没有采用国际上通用的商标图形要素编码检索图形商标，检索标准不具有通用性和标准性，相同或近似的图形商标的检出率普通较低，造成商标检索中的相同或近似商标的漏检。
本发明实施例采用了国际上通用的商标图形要素编码检索图形商标与基于图像识别技术方法检索图形商标相结合的方法，能起到取长补短的效果。
因此，为了发挥这两种不同方法的取长补短的效果，需要将图像特征匹配的商标检索结果和图形要素编码匹配检索结果进行归集，即对两种检索方法所检出的商标进行合并。
第八，将归集后的商标按照近似度进行排序并报告商标查询结果。
使用商标图形要素编码检索图形商标，目前还没有有效的近似度排序功能。本发明实施例因采用了商标图形要素编码检索图形商标与基于图像识别技术方法检索图形商标相结合的方法，可以利用图像识别技术中的图像特征信息的近似度进行排序。
本发明实施例的实施例采用了待检商标与样本商标所记录的商标图像子图分卡或连续像素点数组的近似率、像素点相对坐标值重合率、像素点相对坐标值不重合率高低排序。
就中国的注册商标查询而言，同一商标图形要素编码同一商品服务类别的检索结果一般达到数千条甚至过万条记录，有的商品类别可能几万条记录，需要图形商标检索人员逐条记录人工查看而确认是否属于商标法意义上相同或近似商标，工作效率的低下和工作时间及精力消耗巨大是显然易见的。本发明实施例通过实施归集后的商标按照近似度进行排序的处理，商标图形检索人员也许无需查看完全部的检索结果商标就已经找出了目标商标，或可以根据排序规律分段查看检索结果商标就能快速找出了目标商标，有效解决现有已知的商标检索工具工作效率的低下和工作时间及精力消耗巨大的难题。
对经排序处理后的商标检索结果进行报告，供图形商标检索人员查看。
上述内容以商标的检索应用为例描述了本发明的实施例。其实，本发明的技术方案还可以用在其他类似的应用场合中，例如：
1、在外观设计专利申请的检索应用中，可将上述商标图像变型或替换为外观设计图像，将商标图形要素编码变型或替换为国际外观设计分类表中的编码。
2、在相同或相似商品的检索应用中，可将上述商标图像变型或替换为商品图像，将商标图形要素编码变型或替换为商品的编码。
以上，结合具体实施例对本发明的技术方案进行了详细介绍，所描述的具体实施例用于帮助理解本发明的思想。本领域技术人员在本发明具体实施例的基础上做出的推导和变型也属于本发明保护范围之内。

Claims (23)

1.一种商标检索方法，其特征在于，包括：
S101，建立样本商标库并建立样本商标与已知的已申请注册图形商标图形要素编码划分数据的对应关系；
S102，对样本商标的图像特征信息进行提取及处理，并建立样本商标与所提取的图像特征信息的对应关系；
S103，对待检商标的图像特征信息进行提取及处理；
S104，以待检商标的图像特征信息为检索条件进行匹配检索，找出与待检商标图像特征信息匹配并达到预定近似度的样本商标和与待检商标图像特征信息近似度最高的样本商标及对应的商标图形要素编码；
S105，根据所获取的近似度最高的样本商标及对应的商标图形要素编码获取和确认待检商标的图形要素编码，或通过自定义进行录入或通过《商标图形要素国际分类》所列目录选择录入添加商标子图分卡的方式获取和确认待检商标的图形要素编码；
S106，以确认的图形要素编码为检索条件进行匹配检索，找出与所述确认的图形要素编码匹配的样本商标；
S107，将以待检商标的图像特征信息为检索条件的检索结果和以所述确认的图形要素编码为检索条件的检索结果进行归集；
S108，将归集后的商标按照与待检商标图像特征信息近似度进行排序并报告商标查询结果。
2.根据权利要求1所述的方法，其特征在于，其中S101所述建立样本商标与已知的已申请注册图形商标图形要素编码划分数据的对应关系包括：利用已知的已申请注册图形商标图形要素编码划分数据在样本商标库中记录样本商标的图形要素编码。
3.根据权利要求1所述的方法，其特征在于，其中在S102和S103中，对所述商标的图像特征信息进行提取及处理包括：
①对所述商标进行以下各项的至少一项预处理：灰度化、二值化、去噪处理；
②对经预处理的商标图像提取轮廓特征线；其中所述轮廓特征线包括商标图像的边缘像素的集合、外轮廓线像素的集合和内轮廓线像素的集合；
③在坐标系中对轮廓特征线进行方向与提取方形的定位，其中，所述坐标系是以图像的单个像素为x轴和y轴的计量单位而构建的坐标系；
④在所述坐标系中提取轮廓特征线中像素点的坐标值Gn(xn,yn)，其中，角标n代表第n个像素点；
⑤按预设的规则将坐标值Gn(xn,yn)以相对数表示，从而获得相对坐标值Sn(xn,yn),其中，Sn的xn和yn的值以相对数(百分数)表示，Gn的xn和yn的值以绝对数表示；
⑥按预设的变形公差参数和“未过半舍过半入”的取整规则对相对坐标值Sn(xn,yn)进行取整，从而得到取整相对坐标值Zn(xn,yn)；
⑦建立商标图像的子图分卡；
⑧对子图分卡的图像特征信息进行提取及处理，获取子图分卡的相对坐标值sn(xn,yn)和取整相对坐标值zn(xn,yn)。
4.根据权利要求3所述的方法，其特征在于，其中所述图像特征信息是商标图像的关键特征信息，其包括经过所述定位之后提取的商标图像轮廓特征线上像素点的坐标值Gn(xn,yn)、相对坐标值Sn(xn,yn)和取整相对坐标值Zn(xn,yn)。
5.根据权利要求4所述的方法，其特征在于，其中所述图像特征信息还包括采用已知的图像关键特征信息提取方法所提取的骨架特征信息、形状特征信息和/或模板特征信息。
6.根据权利要求3所述的方法，其特征在于，其中S104所述以待检商标的图像特征信息为检索条件进行匹配检索包括以下各项中的至少一项：
对商标图像轮廓特征线上取整相对坐标值Zn(xn,yn)的检索；
对商标图像轮廓特征线上每一连续像素点数组或商标图像子图分卡信息的检索；
对商标图像轮廓特征线上取整相对坐标值Zn(xn,yn)的不匹配像素点数的检索。
7.根据权利要求1所述的方法，其特征在于，其中S105所述确认待检商标的图形要素编码包括：根据所获取的近似度最高的样本商标及对应的商标图形要素编码，以及所对应的商标标志主图、商标子图分卡或一个连续像素点数组所反映的图像，从中识别出能够反映商标显著性的相关图形要素编码及所对应的商标标志主图、商标子图分卡或一个连续像素点数组所反映的图像，并进行确认操作。
8.根据权利要求7所述的方法，其特征在于，其中S105所述确认待检商标的图形要素编码还包括：当根据所述商标标志主图、商标子图分卡或一个连续像素点数组所反映的图像无法在已知的已申请注册图形商标图形要素编码划分数据的商标样本库中找到相匹配的样本商标及记录的图形要素编码信息时，通过自定义进行录入或通过《商标图形要素国际分类》所列目录选择录入，添加商标子图分卡。
9.根据权利要求1所述的方法，其特征在于，其中S106所述以确认的图形要素编码为检索条件进行匹配检索是使用通过图像识别技术获取和确认的所述待检商标的图形要素编码进行匹配检索。
10.根据权利要求1所述的方法，其特征在于，其中S107所述归集包括：以待检商标的图像特征信息为检索条件所检索出的商标记录和以所述确认的图形要素编码为检索条件所检索出的商标记录的合并或归集。
11.根据权利要求1所述的方法，其特征在于，其中S108所述将归集后的商标按照图像特征信息近似度进行排序包括以下各项中的至少一项：
利用图像识别技术中的图像特征信息的近似度进行排序；
利用待检商标与样本商标所记录的连续像素点数组或商标图像子图分卡的近似率、像素点相对坐标值重合率和/或像素点相对坐标值不重合率高低进行排序。
12.一种商标检索装置，其特征在于，包括：
样本商标库创建模块，用于建立样本商标库并建立样本商标与已知的已申请注册图形商标图形要素编码划分数据的对应关系；
样本商标图像特征信息提取模块，用于对样本商标的图像特征信息进行提取及处理，并建立样本商标与所提取的图像特征信息的对应关系；
待检商标图像特征信息提取模块，用于对待检商标的图像特征信息进行提取及处理；
第一匹配检索模块，用于以待检商标的图像特征信息为检索条件进行匹配检索，找出与待检商标图像特征信息匹配并达到预定近似度的样本商标和与待检商标图像特征信息近似度最高的样本商标及对应的商标图形要素编码；
图形要素编码确认模块，用于根据所获取的近似度最高的样本商标及对应的商标图形要素编码获取和确认待检商标的图形要素编码，或通过自定义进行录入或通过《商标图形要素国际分类》所列目录选择录入添加商标子图分卡的方式获取和确认待检商标的图形要素编码；
第二匹配检索模块，用于以确认的图形要素编码为检索条件进行匹配检索，找出与所述确认的图形要素编码匹配的样本商标；
归集处理模块，用于将以待检商标的图像特征信息为检索条件的检索结果和以所述确认的图形要素编码为检索条件的检索结果进行归集；
排序处理模块，用于将归集后的商标按照与待检商标图像特征信息近似度进行排序并报告商标查询结果。
13.根据权利要求12所述的装置，其特征在于，其中所述样本商标库创建模块包括：图形要素编码记录子模块，用于利用已知的已申请注册图形商标图形要素编码划分数据在样本商标库中记录样本商标的图形要素编码。
14.根据权利要求13所述的装置，其特征在于，其中所述样本商标图像特征信息提取模块和待检商标图像特征信息提取模块分别包括：
商标预处理子模块，用于对所述商标进行包括以下各项的至少一项预处理：灰度化、二值化、去噪处理；
轮廓特征线提取子模块，用于对经预处理的商标图像提取轮廓特征线；其中所述轮廓特征线包括商标图像的边缘像素的集合、外轮廓线像素的集合和内轮廓线像素的集合；
轮廓特征线定位子模块，用于在坐标系中对轮廓特征线进行方向与提取方形的定位，其中，所述坐标系是以图像的单个像素为x轴和y轴的计量单位而构建的坐标系；
像素点坐标值提取子模块，用于在所述坐标系中提取轮廓特征线中像素点的坐标值Gn(xn,yn)，其中，角标n代表第n个像素点；
相对坐标值获取子模块，用于按预设的规则将坐标值Gn(xn,yn)以相对数表示，从而获得相对坐标值Sn(xn,yn),其中，Sn的xn和yn的值以相对数(百分数)表示，Gn的xn和yn的值以绝对数表示；
取整相对坐标值获取子模块，用于按预设的变形公差参数和“未过半舍过半入”的取整规则对相对坐标值Sn(xn,yn)进行取整，从而得到取整相对坐标值Zn(xn,yn)；
坐标值数据输出处理子模块，用于对获取的相对坐标值Sn(xn,yn)和取整相对坐标值Zn(xn,yn)进行输出和保存；
子图分卡创建子模块，用于建立商标图像的子图分卡；
图像特征信息提取子模块，用于对子图分卡的图像特征信息进行提取及处理，获取子图分卡的相对坐标值sn(xn,yn)和取整相对坐标值zn(xn,yn)。
15.根据权利要求14所述的装置，其特征在于，其中所述图像特征信息是商标图像的关键特征信息，其包括经过所述定位之后提取的商标图像轮廓特征线上像素点的坐标值Gn(xn,yn)、相对坐标值Sn(xn,yn)和取整相对坐标值Zn(xn,yn)。
16.根据权利要求15所述的装置，其特征在于，其中所述图像特征信息还包括采用已知的图像关键特征信息提取装置所提取的骨架特征信息、形状特征信息和/或模板特征信息。
17.根据权利要求14所述的装置，其特征在于，其中所述第一匹配检索模块包括以下各项中的至少一项：
第一检索子模块，用于对商标图像轮廓特征线上取整相对坐标值Zn(xn,yn)的检索；
第二检索子模块，用于对商标图像轮廓特征线上每一连续像素点数组或商标图像子图分卡信息的检索；
第三检索子模块，用于对商标图像轮廓特征线上取整相对坐标值Zn(xn,yn)的不匹配像素点数的检索。
18.根据权利要求12所述的装置，其特征在于，其中所述图形要素编码确认模块包括：图形要素编码识别子模块，用于根据所获取的近似度最高的样本商标及对应的商标图形要素编码，以及所对应的商标标志主图、商标子图分卡或一个连续像素点数组所反映的图像，从中识别出能够反映商标显著性的相关图形要素编码及所对应的商标标志主图、商标子图分卡或一个连续像素点数组所反映的图像，并进行确认操作。
19.根据权利要求18所述的装置，其特征在于，其中所述图形要素编码确认模块还包括：图形要素编码录入子模块，用于当根据所述商标标志主图、商标子图分卡或一个连续像素点数组所反映的图像无法在已知的已申请注册图形商标图形要素编码划分数据的商标样本库中找到相匹配的样本商标及记录的图形要素编码信息时，通过自定义进行录入或通过《商标图形要素国际分类》所列目录选择录入，添加商标子图分卡。
20.根据权利要求12所述的装置，其特征在于，其中所述第二匹配检索模块使用通过图像识别技术获取和确认的所述待检商标的图形要素编码进行匹配检索。
21.根据权利要求12所述的装置，其特征在于，其中所述归集处理模块包括：合并归集处理子模块，用于以待检商标的图像特征信息为检索条件所检索出的商标记录和以所述确认的图形要素编码为检索条件所检索出的商标记录的合并或归集。
22.根据权利要求12所述的装置，其特征在于，其中所述排序处理模块包括以下各项中的至少一项：
第一排序处理子模块，用于利用图像识别技术中的图像特征信息的近似度进行排序；
第二排序处理子模块，用于利用待检商标与样本商标所记录的连续像素点数组或商标图像子图分卡的近似率、像素点相对坐标值重合率和/或像素点相对坐标值不重合率高低进行排序。
23.一种商标检索系统，其特征在于，包括存储器和服务器；所述存储器和服务器经配置执行以下操作：
建立样本商标库并建立样本商标与已知的已申请注册图形商标图形要素编码划分数据的对应关系；
对样本商标的图像特征信息进行提取及处理，并建立样本商标与所提取的图像特征信息的对应关系；
对待检商标的图像特征信息进行提取及处理；
以待检商标的图像特征信息为检索条件进行匹配检索，找出与待检商标图像特征信息匹配并达到预定近似度的样本商标和与待检商标图像特征信息近似度最高的样本商标及对应的商标图形要素编码；
根据所获取的近似度最高的样本商标及对应的商标图形要素编码获取和确认待检商标的图形要素编码，或通过自定义进行录入或通过《商标图形要素国际分类》所列目录选择录入添加商标子图分卡的方式获取和确认待检商标的图形要素编码；
以确认的图形要素编码为检索条件进行匹配检索，找出与所述确认的图形要素编码匹配的样本商标；
将以待检商标的图像特征信息为检索条件的检索结果和以所述确认的图形要素编码为检索条件的检索结果进行归集；
将归集后的商标按照与待检商标图像特征信息近似度进行排序并报告商标查询结果。
CN201510944503.9A 2015-12-15 2015-12-15 一种商标检索方法、装置和系统 Active CN105426530B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201510944503.9A CN105426530B (zh) 2015-12-15 2015-12-15 一种商标检索方法、装置和系统
PCT/CN2016/075870 WO2017101224A1 (zh) 2015-12-15 2016-03-08 一种商标检索方法、装置、系统以及计算机存储介质
US15/557,449 US10152650B2 (en) 2015-12-15 2016-03-08 Trademark retrieval method, apparatus and system, and computer storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510944503.9A CN105426530B (zh) 2015-12-15 2015-12-15 一种商标检索方法、装置和系统

Publications (2)

Publication Number Publication Date
CN105426530A CN105426530A (zh) 2016-03-23
CN105426530B true CN105426530B (zh) 2017-05-10

Family

ID=55504742

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510944503.9A Active CN105426530B (zh) 2015-12-15 2015-12-15 一种商标检索方法、装置和系统

Country Status (3)

Country Link
US (1) US10152650B2 (zh)
CN (1) CN105426530B (zh)
WO (1) WO2017101224A1 (zh)

Families Citing this family (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10867206B2 (en) * 2016-04-14 2020-12-15 Ader Bilgisayar Hizmetleri Ve Ticaret A.S. Content based search and retrieval of trademark images
CN106649851A (zh) * 2016-12-30 2017-05-10 徐庆 近似商标查询结果排序方法、装置及其商标服务器
CN107527055B (zh) * 2017-08-04 2018-12-11 佛山市国方商标服务有限公司 图像分卡处理方法、装置及图像检索方法、装置和系统
CN107609022A (zh) * 2017-08-07 2018-01-19 深圳益强信息科技有限公司 基于大数据及人工智能的商标申请的系统
WO2019028620A1 (zh) * 2017-08-07 2019-02-14 深圳益强信息科技有限公司 基于大数据及人工智能的商标申请的方法
CN107563720A (zh) * 2017-08-07 2018-01-09 深圳益强信息科技有限公司 基于大数据及人工智能的商标申请的方法
CN107885832A (zh) * 2017-11-09 2018-04-06 安徽律正科技信息服务有限公司 一种图形商标检索方法
CN108763266B (zh) * 2018-04-03 2022-04-29 南昌奇眸科技有限公司 一种基于图像特征提取的商标检索方法
CN108763380B (zh) * 2018-05-18 2022-03-08 徐庆 商标识别检索方法、装置、计算机设备和存储介质
CN109359227A (zh) * 2018-09-10 2019-02-19 平安科技（深圳）有限公司 近似商标的获取方法、装置、计算机设备和存储介质
CN110895555B (zh) * 2018-09-13 2022-06-14 北京蓝灯鱼智能科技有限公司 数据检索方法和装置、存储介质及电子装置
CN109656954A (zh) * 2018-11-28 2019-04-19 苏州中知联信息科技有限公司 商标查询方法、装置及计算机设备
CN109670067A (zh) * 2018-11-28 2019-04-23 苏州中知联信息科技有限公司 商标查询方法、装置及计算机设备
CN110239232B (zh) * 2019-04-08 2020-10-16 上海泰威技术发展股份有限公司 一种针对板材多图案变化打印的智能识别方法
CN110059159A (zh) * 2019-04-15 2019-07-26 重庆天蓬网络有限公司 一种近似商标实时监控系统
CN110852285B (zh) * 2019-11-14 2023-04-18 腾讯科技（深圳）有限公司 对象检测方法、装置、计算机设备和存储介质
CN112861656A (zh) * 2021-01-21 2021-05-28 平安科技（深圳）有限公司 商标相似性检测方法、装置、电子设备和存储介质
CN114996500A (zh) * 2021-03-02 2022-09-02 贵州凌恒科技有限公司 一种商标图形检索方法

Family Cites Families (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10043460C2 (de) 2000-09-04 2003-01-30 Fraunhofer Ges Forschung Auffinden von Körperpartien durch Auswerten von Kantenrichtungsinformation
CN1304993C (zh) * 2003-08-04 2007-03-14 中国科学院自动化研究所 商标检索方法
JP4738469B2 (ja) 2008-10-29 2011-08-03 株式会社東芝 画像処理装置、画像処理プログラムおよび画像処理方法
CN101739397A (zh) * 2008-11-17 2010-06-16 新疆亚奥数码科技有限公司 基于mpeg-7的图像检索系统
JP2011223325A (ja) * 2010-04-09 2011-11-04 Sony Corp コンテンツ検索装置および方法、並びにプログラム
CN101817001A (zh) * 2010-04-20 2010-09-01 上海邮政科学研究院 一种信封图像的查询方法
JP5597096B2 (ja) * 2010-10-18 2014-10-01 キヤノン株式会社 画像処理装置、画像処理方法、およびプログラム
US8676623B2 (en) * 2010-11-18 2014-03-18 Navteq B.V. Building directory aided navigation
CN102541954B (zh) 2010-12-29 2014-11-05 北京大学 一种商标检索方法及系统
US8644606B2 (en) * 2011-01-24 2014-02-04 Steven White Method for visual image detection
JP6399280B2 (ja) * 2011-07-29 2018-10-03 日本電気株式会社 照合・検索システム、照合・検索サーバ、画像特徴抽出装置、照合・検索方法及びプログラム
CN102622420B (zh) 2012-02-22 2013-10-30 哈尔滨工程大学 基于颜色特征和形状上下文的商标图像检索方法
JP5841030B2 (ja) * 2012-09-18 2016-01-06 ビッグローブ株式会社 辞書更新方法、辞書更新システム、及び辞書更新プログラム
JP5936993B2 (ja) * 2012-11-08 2016-06-22 東芝テック株式会社 商品認識装置及び商品認識プログラム
US10083370B2 (en) * 2013-04-04 2018-09-25 Nec Corporation Identification system, identification method, matching device, and program
CN103258037A (zh) 2013-05-16 2013-08-21 西安工业大学 一种针对多组合内容的商标识别检索方法
CN103914827B (zh) 2013-09-06 2017-07-11 贵州大学 汽车密封条轮廓缺陷的视觉检测方法
WO2015049732A1 (ja) * 2013-10-02 2015-04-09 株式会社日立製作所 画像検索方法、画像検索システム、および情報記録媒体
CN104680393A (zh) 2013-12-02 2015-06-03 章文贤 一种基于图像内容及匹配的交互广告方法
CN104809142B (zh) * 2014-01-29 2018-03-23 北京瑞天科技有限公司 商标查询系统和方法
JP6370080B2 (ja) * 2014-04-02 2018-08-08 キヤノン株式会社 画像処理装置、画像処理方法及びプログラム。
US9508151B2 (en) * 2014-07-10 2016-11-29 Ditto Labs, Inc. Systems, methods, and devices for image matching and object recognition in images using image regions
CN104156413A (zh) 2014-07-30 2014-11-19 中国科学院自动化研究所 一种基于商标密度的个性化商标匹配识别方法
US9740963B2 (en) * 2014-08-05 2017-08-22 Sri International Multi-dimensional realization of visual content of an image collection
US10262427B2 (en) * 2014-09-01 2019-04-16 Nec Corporation Determination method, determination system, determination device, and program
CN104199931B (zh) * 2014-09-04 2018-11-20 厦门大学 一种商标图像一致语义提取方法及商标检索方法
JP6494249B2 (ja) * 2014-11-12 2019-04-03 キヤノン株式会社 画像形成装置、画像形成方法、プログラム
CN104462380A (zh) * 2014-12-11 2015-03-25 北京中细软移动互联科技有限公司 商标检索方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
商标图像检索技术述评;黄崑等;《现代图书情报技术》;20040425(第109期);全文 *

Also Published As

Publication number Publication date
CN105426530A (zh) 2016-03-23
WO2017101224A1 (zh) 2017-06-22
US20180114091A1 (en) 2018-04-26
US10152650B2 (en) 2018-12-11

Similar Documents

Publication Publication Date Title
CN105426530B (zh) 一种商标检索方法、装置和系统
CN105574161B (zh) 一种商标图形要素识别方法、装置和系统
US8844802B2 (en) Encoding information in illumination patterns
US8630481B2 (en) Encoding information in illumination patterns
US20110053639A1 (en) Methods and devices for authenticating a product and a two-dimensional code and novel application of a two-dimensional code
CN107657259A (zh) 图像篡改检测方法、电子装置及可读存储介质
JPS60204086A (ja) 物体識別装置
CN107145810A (zh) 一种全方位条码识别装置及方法
CN104933429B (zh) 图像中信息提取的方法及装置
CN109284718B (zh) 面向巡检机器人的变视角多仪表同时识别方法
CN106709484B (zh) 数字式仪表的数字识别方法
CN114758249B (zh) 基于野外夜间环境的目标物监测方法、装置、设备及介质
CN110738216A (zh) 基于改进surf算法的药品识别方法
CN111353485B (zh) 印章识别方法、装置、设备及介质
CN116490901A (zh) 设施平面图中包括的标记分析装置及方法
CN111553176B (zh) 一种适用于变电站屏柜接线的无线传输检查方法及系统
WO2022148396A1 (zh) 芯片采集方法和芯片定位方法
CN101025785A (zh) 二维直方图数字图像识别码
CN111428534B (zh) 一种基于点阵隐写信息编码的解密识别方法
CN113469127A (zh) 河流敏感性等级划分方法、装置、设备及存储介质
TW202105320A (zh) 一種實物圖像生成方法及裝置、設備、非暫態電腦可讀存儲介質及電腦程式產品
CN116911883B (zh) 基于ai鉴真技术和溯源量化的农产防伪溯源方法及云平台
US20230281802A1 (en) Autonomous Measurement of the Zone of Inhibition for Antibacterial Sutures
CN107784662B (zh) 一种图像目标显著性度量方法
CN117726239A (zh) 工程质量验收实测实量方法及系统

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20160323

Assignee: Foshan country trademark services Co., Ltd.

Assignor: Xu Qing

Contract record no.: 2017440000128

Denomination of invention: Trademark retrieving method, device and system

Granted publication date: 20170510

License type: Common License

Record date: 20170727

Application publication date: 20160323

Assignee: Foshan City, China side trademark Software Co., Ltd.

Assignor: Xu Qing

Contract record no.: 2017440000127

Denomination of invention: Trademark retrieving method, device and system

Granted publication date: 20170510

License type: Common License

Record date: 20170727