CN105518678B - 搜索方法、搜索装置和用户设备 - Google Patents
搜索方法、搜索装置和用户设备 Download PDFInfo
- Publication number
- CN105518678B CN105518678B CN201580000313.XA CN201580000313A CN105518678B CN 105518678 B CN105518678 B CN 105518678B CN 201580000313 A CN201580000313 A CN 201580000313A CN 105518678 B CN105518678 B CN 105518678B
- Authority
- CN
- China
- Prior art keywords
- image
- target
- character information
- target object
- information
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Image Analysis (AREA)
Abstract
提供了一种搜索方法、搜索装置和用户设备。用于服务器的搜索方法包括:接收搜索请求,该搜索请求包括要搜索的目标对象的目标图像(S210);从所述目标图像中提取与所述目标对象相关联的字符信息和图像特征(S220);基于所述字符信息和所述图像特征搜索与所述目标对象相关联的相关对象信息(S230);发送所述相关对象信息(S240)。利用根据本公开实施例的技术方案中,能够准确且便利地搜索目标对象的相对对象信息,从而提高用户的使用体验。
Description
技术领域
本公开涉及信息技术领域,更具体地,涉及一种搜索方法、搜索装置、用户设备和计算机程序产品。
背景技术
随着互联网的发展以及用户设备的普及,基于用户设备的电子商务在近年来呈现蓬勃发展之势。通过用户设备在互联上搜索和购买商品已经成为人们日常生活中常见活动。所述用户设备例如为智能手机、平板计算机、笔记本计算机等。互联网提供了新交易平台和娱乐平台。例如,可以在互联网上购买商品、下载音乐、在线观看视频等。
典型地,可以基于要搜索的对象的关键词在互联网上执行搜索。基于关键词的对象搜索系统依赖于用户输入的字符表述。然而,当用户输入的关键词不准确或存在错误时,难以获得令人满意的搜索结果。随着诸如电子商务的电子服务规模的不断扩大,商品或服务个数和种类快速增长,消费者可能需要花费较多的时间进行浏览才能找到自己关注的对象或商品。
因此,期望提供一种搜索技术来帮助用户准确地搜索到感兴趣的商品或服务,并提供更丰富的信息和更细致的服务,从而提高用户的使用体验。
发明内容
本公开实施例提供一种搜索方法、搜索装置、用户设备和计算机程序产品,其使能够准确且便利地搜索目标对象的相关对象信息,从而提高用户的使用体验。
第一方面,提供了一种搜索方法,应用于一服务器,该搜索方法可包括:接收搜索请求,该搜索请求包括要搜索的目标对象的目标图像;从所述目标图像中提取与所述目标对象相关联的字符信息和图像特征;基于所述字符信息和所述图像特征搜索与所述目标对象相关联的相关对象信息;发送所述相关对象信息。
结合第一方面,在第一方面的一种实现方式中,所述从所述目标图像中提取与所述目标对象相关联的字符信息和图像特征可包括:利用光学字符识别OCR从所述目标图像中识别文字和符号;从所识别的文字和符号中选择用于标识所述目标对象的标识字符,作为与所述目标对象相关联的字符信息。
结合第一方面及其上述实现方式,在第一方面的另一实现方式中,所述基于所述字符信息和所述图像特征搜索与所述目标对象相关联的相关对象信息可包括:基于所述字符信息和所述图像特征从预先建立的对象数据库中搜索所述相关对象信息,其中,所述对象数据库包括各个备选对象的图像特征、字符信息和关联信息。
结合第一方面及其上述实现方式,在第一方面的另一实现方式中,所述基于所述字符信息和所述图像特征从预先建立的对象数据库中搜索所述相关对象信息可包括:基于目标图像的图像特征和各个备选对象的图像特征计算所述目标对象与各个备选对象之间的图像特征相似度;基于目标图像的字符信息和各个备选对象的字符信息计算所述目标对象与各个备选对象之间的字符信息相似度;基于所述图像特征相似度和所述字符信息相似度来从所述多个备选对象中搜索与所述目标对象相关联的相关对象信息。
结合第一方面及其上述实现方式,在第一方面的另一实现方式中,所述基于所述图像特征相似度和所述字符信息相似度来从所述多个备选对象中搜索与所述目标对象相关联的相关对象信息可包括:对所述图像特征相似度和字符信息相似度进行加权平均来获得所述目标对象与各个备选对象之间的平均相似度;按照所述平均相似度的递减顺序从所述多个备选对象中选择预定数目备选对象;将与所选择的备选对象对应的信息作为与所述目标对象相关联的相关对象信息。
结合第一方面及其上述实现方式,在第一方面的另一实现方式中,所述基于目标图像的图像特征和各个备选对象的图像特征计算所述目标对象与各个备选对象之间的图像特征相似度可包括:计算所述目标对象的图像特征与各个备选对象之间的图像特征之间的余弦相似度,作为所述图像特征相似度。
结合第一方面及其上述实现方式,在第一方面的另一实现方式中,所述基于目标图像的字符信息和各个备选对象的字符信息计算所述目标对象与各个备选对象之间的字符信息相似度可包括:计算所述目标对象的字符信息与各个备选对象的字符信息之间的编辑距离;基于所述编辑距离、所述目标对 象的字符信息的长度、备选对象的字符信息的长度来计算所述字符信息相似度。
结合第一方面及其上述实现方式,在第一方面的另一实现方式中,所述从所述目标图像中提取与所述目标对象相关联的字符信息和图像特征可包括如下操作中的至少一个:计算所述目标图像的颜色直方图特征作为所述图像特征;和计算所述目标图像的词袋模型特征作为所述图像特征。
结合第一方面及其上述实现方式,在第一方面的另一实现方式中,所述目标图像可满足预定条件。
第二方面,提供了一种搜索方法,应用于一用户设备。该搜索方法可包括:采集要搜索的目标对象的目标图像;判断所述目标图像是否满足预定条件;在所述目标图像满足预定条件时,发出针对所述目标对象的搜索请求,该搜索请求包括所述目标图像;接收与所述目标对象相关联的相关对象信息,其中所述相关对象信息基于从所述目标图像中提取的与所述目标对象相关联的字符信息和图像特征搜索得到。
结合第二方面,在第二方面的一种实现方式中,所述判断所述目标图像是否满足预定条件可包括:确定在采集所述目标图像过程中的光照参数;当所述光照参数大于等于预设照度时,确定所述目标图像满足预定条件。
结合第二方面及其上述实现方式,在第二方面的另一实现方式中,所述判断所述目标图像是否满足预定条件可包括:确定所采集的目标图像的边缘的像素点的平均梯度;当所述目标图像的边缘的像素点的平均梯度小于预设梯度阈值时,确定所述目标图像满足预定条件。
第三方面,提供了一种搜索装置,应用于一服务器。该搜索装置可包括:收发器,接收搜索请求,该搜索请求包括要搜索的目标对象的目标图像;处理器;存储器;和存储在所述存储器中的计算机程序指令。在所述计算机程序指令被所述处理器运行时执行以下步骤:从所述目标图像中提取与所述目标对象相关联的字符信息和图像特征;基于所述字符信息和图像特征搜索与所述目标对象相关联的相关对象信息;将所搜索的相关对象信息提供给所述收发器,以发送出去。
结合第三方面,在第三方面的一种实现方式中,所述从所述目标图像中提取与所述目标对象相关联的字符信息和图像特征可包括:利用光学字符识别OCR从所述目标图像中识别文字和符号;从所识别的文字和符号中选择用 于标识所述目标对象的标识字符,作为与所述目标对象相关联的字符信息。
结合第三方面及其上述实现方式,在第三方面的另一实现方式中,所述基于所述字符信息和所述图像特征搜索与所述目标对象相关联的相关对象信息可包括:基于所述字符信息和所述图像特征从预先建立的对象数据库中搜索所述相关对象信息,其中,所述对象数据库包括各个备选对象的图像特征、字符信息和关联信息。
结合第三方面及其上述实现方式,在第三方面的另一实现方式中,所述基于所述字符信息和所述图像特征从预先建立的对象数据库中搜索所述相关对象信息可包括:基于目标图像的图像特征和各个备选对象的图像特征计算所述目标对象与各个备选对象之间的图像特征相似度;基于目标图像的字符信息和各个备选对象的字符信息计算所述目标对象与各个备选对象之间的字符信息相似度;基于所述图像特征相似度和所述字符信息相似度来从所述多个备选对象中搜索与所述目标对象相关联的相关对象信息。
结合第三方面及其上述实现方式,在第三方面的另一实现方式中,所述基于所述图像特征相似度和所述字符信息相似度来从所述多个备选对象中搜索与所述目标对象相关联的相关对象信息可包括:对所述图像特征相似度和字符信息相似度进行加权平均来获得所述目标对象与各个备选对象之间的平均相似度;按照所述平均相似度的递减顺序从所述多个备选对象中选择预定数目备选对象;将与所选择的备选对象对应的信息作为与所述目标对象相关联的相关对象信息。
结合第三方面及其上述实现方式,在第三方面的另一实现方式中,所述基于目标图像的图像特征和各个备选对象的图像特征计算所述目标对象与各个备选对象之间的图像特征相似度可包括:计算所述目标对象的图像特征与各个备选对象之间的图像特征之间的余弦相似度,作为所述图像特征相似度。
结合第三方面及其上述实现方式,在第三方面的另一实现方式中,所述基于目标图像的字符信息和各个备选对象的字符信息计算所述目标对象与各个备选对象之间的字符信息相似度可包括:计算所述目标对象的字符信息与各个备选对象的字符信息之间的编辑距离;基于所述编辑距离、所述目标对象的字符信息的长度、各个备选对象的字符信息的长度来计算所述字符信息相似度。
结合第三方面及其上述实现方式,在第三方面的另一实现方式中,从所 述目标图像中提取与所述目标对象相关联的字符信息和图像特征可包括如下操作中的至少一个:计算所述目标图像的颜色直方图特征作为所述图像特征;和计算所述目标图像的词袋模型特征作为所述图像特征。
结合第三方面及其上述实现方式,在第三方面的另一实现方式中,所述目标图像可满足预定条件。
第四方面,提供了一种用户设备。该用户设备可包括:图像采集器,用于采集要搜索的目标对象的目标图像;处理器,用于判断所述目标图像是否满足预定条件;收发器,在所述目标图像满足预定条件时,所述发出针对所述目标对象的搜索请求,该搜索请求包括所述目标图像,并接收与所述目标对象相关联的相关对象信息,其中所述相关对象信息基于从所述目标图像中提取的与所述目标对象相关联的字符信息和图像特征搜索得到。
结合第四方面,在第四方面的一种实现方式中,所述用户设备还可包括用于测量所述目标对象的光照参数的照度计,所述处理器可指令所述照度计在图像采集器采集目标图像的过程中测量所述目标对象的光照参数,并且在所述光照参数大于等于预设照度时确定所述目标图像满足预定条件。
结合第四方面及其上述实现方式,在第四方面的另一实现方式中,所述处理器分析目标图像以确定其边缘的像素点的平均梯度,并且在所述目标图像的边缘的像素点的平均梯度小于预设梯度阈值时,确定所述目标图像满足预定条件。
第五方面,提供了一种用于搜索对象的计算机程序产品,可包括计算机可读存储介质。在所述计算机可读存储介质上存储了计算机程序指令,所述计算机程序指令由处理器执行以使得所述处理器:接收搜索请求,该搜索请求包括要搜索的目标对象的目标图像;从所述目标图像中提取与所述目标对象相关联的字符信息和图像特征;基于所述字符信息和所述图像特征搜索与所述目标对象相关联的相关对象信息;发送所述相关对象信息。
第六方面,提供了一种用于搜索对象的计算机程序产品,可包括计算机可读存储介质。在所述计算机可读存储介质上存储了计算机程序指令。所述计算机程序指令可以由处理器执行以使得所述处理器:利用图像采集器采集要搜索的目标对象的目标图像;判断所述目标图像是否满足预定条件;在所述目标图像满足预定条件时,利用收发器发出针对所述目标对象的搜索请求,该搜索请求包括所述目标图像;以及利用收发器接收与所述目标对象相关联 的相关对象信息,其中所述相关对象信息基于从所述目标图像中提取的与所述目标对象相关联的字符信息和图像特征搜索得到。
在根据本公开实施例的用于服务器的搜索方法、搜索装置和计算机程序产品的技术方案中,通过从要搜索的目标对象的目标图像中提取与所述目标对象相关联的字符信息和图像特征,基于所字符信息和图像特征执行搜索,能够准确且便利地搜索目标对象的相关对象信息,从而提高用户的使用体验。
在根据本公开实施例的用于用户设备的搜索方法、该用户设备和计算机程序产品的技术方案中,在所采集的目标对象的目标图像满足预定条件时,基于该目标图像发出搜索请求,使能够准确且便利地搜索目标对象的相关对象信息,从而提高用户的使用体验。
附图说明
为了更清楚地说明本公开实施例的技术方案,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地介绍,显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1(a)示意性图示了根据本公开实施例的应用场景;
图1(b)示意性图示了由用户设备拍摄的目标图像的示意图;
图2是示意性图示了根据本公开实施例的用于服务器的搜索方法的流程图;
图3是示意性图示了图2的搜索方法中的基于图像特征和字符信息搜索目标对象的相关对象信息的流程图;
图4是示意性图示了根据本公开实施例的用于用户设备的搜索方法流程图;
图5是示意性图示了根据本公开实施例的第一搜索装置的框图;
图6是示意性图示了根据本公开实施例的用于服务器的第二搜索装置的框图;
图7是示意性图示了根据本公开实施例的用户设备的框图。
具体实施方式
下面将结合本公开实施例中的附图,对本公开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公开一部分实施例,而不是全部的实施例。本领域普通技术人员基于本公开中的实施例所获得的所有其他实施例,都属于本公开保护的范围。
图1(a)示意性图示了根据本公开实施例的应用场景。如图1(a)所示,用户设备10通过网络与搜索服务器20通信连接。所述用户设备10例如为智能手机、平板计算机、笔记本计算机等。所述搜索服务器20为云服务器,网站服务器等。用户设备10与搜索服务器20之间的通信可以采用各种技术来实现,包括但不限于互联网、局域网、第三代移动通信技术等。例如,用户设备的用户浏览淘宝网网页,以期望购买特定的商品,即目标对象。该用户设备通过互联网连接到淘宝网的搜索服务器。
通常,用户在用户设备的淘宝网网页中输入要购买的商品的关键词,用户设备经由互联网将所述关键词传送给淘宝网的搜索服务器,后者基于所述关键词执行搜索,并经由互联网将所述搜索结果发送给用户设备。当用户输入的关键词不准确或存在错误时,难以获得令人满意的搜索结果。而且,由于商品或服务个数和种类繁多,在搜索结果中可能包括与关键词相关联的多种商品,这可使用户不能从搜索结果中找到要购买的目标对象。
在本公开的实施例中,用户设备10利用摄像头等对要购买的目标对象进行图像采集,将所采集的目标图像传送给搜索服务器20。搜索服务器20从所述目标图像中提取字符信息和/或图像信息,并基于所提取的信息执行搜索,并经由互联网将所述搜索结果发送给用户设备。在所述目标图像中,通常携带关于目标对象的丰富信息,例如目标对象的外观、名称、商标、生产商、生产日期等。基于目标图像中的丰富信息,搜索服务器能够更准确地搜索到用户的目标对象,从而提高搜索的准确度。此外,搜索服务器可以自动地提取目标图像中的信息,而不需要用户手动地输入关键词等,这使得用户的搜索操作更为便捷。
图1(b)示意性图示了由用户设备10拍摄的目标图像的示意图。如图1(b)所示,所拍摄的目标图像(1)、(2)、(3)分别是依云(evian)矿泉水、卡乐比(calbee)薯片、蓝月亮洗衣液。在所述目标图像(1)中包括如下信息:瓶装水形状的外观、为evian的名称、山脉形状、容量550毫升等,依据这些信息,搜索服务器20能够准确地搜索到用户的目标对象。然而,如果用 户输入关键字“依云矿泉水”,则会搜索不同包装、不同系列、不同容量的依云矿泉水。类似地,图1(b)的目标图像(2)中也包括了丰富的信息:例如,品牌名称“卡乐B”、商品内容“Potato Chips”、口味系列“烧烤味”、袋装的商品外观、容量“90g”等;图1(b)的目标图像(3)中也包括了丰富的信息:例如,品牌名称“蓝月亮”、商品内容“洗衣液”、桶装的商品外观、容量“2kg”、产品系列“清雅丁香”等。基于目标图像中包含的丰富信息,搜索服务器20能够准确地搜索到各个目标对象。
图2是示意性图示了根据本公开实施例的用于服务器的搜索方法200的流程图。该搜索方法200可应用于如图1(a)所示的搜索服务器。如图2所示,所述搜索方法200可包括:接收搜索请求,该搜索请求包括要搜索的目标对象的目标图像(S210);从所述目标图像中提取与所述目标对象相关联的字符信息和图像特征(S220);基于所述字符信息和所述图像特征搜索与所述目标对象相关联的相关对象信息(S230);发送所述相关对象信息(S240)。
在S210中,服务器从用户设备接收搜索请求,该搜索请求包括要搜索的目标对象的目标图像。所述目标图像是如图1(b)中所示的任一个目标图像。该目标图像包含了要搜索的目标对象的各种信息,包含但不限于品牌名称、对象内容、系列、外观、容量、生产日期等。该目标图像可以是所述用户设备利用其图像采集装置所采集的,也可以是所述用户设备从其它电子设备接收的,用户设备获取所述目标图像的方式不构成对本公开实施例的限制。
如结合图1(a)所示描述的,服务器要从所述目标图像中提取信息来搜索目标对象。相应地,所述目标图像的图像质量将直接影响搜索结果。例如在图1(b)的目标图像(1)中,如果目标图像模糊而导致不能提取其品牌名称evian、容量等信息,则难以准确地搜索到目标对象。因此,可以对所述目标图像做出要求,例如所述目标图像满足预定条件。所述预定条件可以是关于目标图像的亮度的条件、或者是关于所述目标图像的清晰度的条件。
例如,当目标图像的亮度大于等于预设亮度阈值时,确定所述目标图像满足预定条件;当目标图像的亮度小于预设亮度阈值时,确定所述目标图像不满足预定条件。或者,当目标图像的清晰度大于等于预设清晰度阈值时,确定所述目标图像满足预定条件;当目标图像的亮度小于预设清晰度阈值时,确定所述目标图像不满足预定条件。所述预设亮度阈值或预设清晰度阈值可以根据所述服务器的处理能力来调整。例如,当服务器的处理能力强时,可 以将预设亮度阈值或预设清晰度阈值设置为较低的值;当服务器的处理能力弱时,可以将预设亮度阈值或预设清晰度阈值设置为较高的值。
在S220中,从所述目标图像中提取与所述目标对象相关联的字符信息和图像特征。所述目标图像所包括的字符信息例如为产品名称、容量、品牌名称、生产日期等,这些字符信息是文字或符号。所述目标图像所包括的图像特诊是图像的颜色分量、各个颜色分量的组成比例等。典型地,采用不同的技术手段来提取目标图像中的字符信息和图像特征。
对于字符信息,可以采用光学字符识别(OCR,Optical Character Recognition)技术提取目标图像中的字符信息。在OCR技术中,服务器通过检测目标图像的暗、亮的模式确定其形状,然后用字符识别方法将形状翻译成计算机文字。或者,还可以采用其它技术来对目标图像进行字符识别以获取其中的字符信息。
可通过如下操作从所述目标图像中提取与所述目标对象相关联的字符信息:利用光学字符识别OCR从所述目标图像中识别文字和符号;从所识别的文字和符号中选择用于标识所述目标对象的标识字符,作为与所述目标对象相关联的字符信息。如前所述,在目标图像中包括丰富的信息,部分信息可能与目标对象的搜索密切相关,例如产品名称、品牌、容量等。然而,目标图像中还可能包括与目标对象的搜索无关的信息,例如成分、安全提醒等,这些信息可能是所有的同类产品都涉及的信息,其不能用于标识目标对象。因此,在对目标图像进行字符识别之后,需要从中筛选出搜索目标对象所需的信息,即用于标识所述目标对象的标识字符。
图像特征是指数值化的图像特性表达,例如使用向量来表示图像特性。可以采用现有的或将来出现的各种方式来表示目标图像的图像特征。这里以颜色直方图和词袋模型(Bag of Words)特征作为图像特征为例进行描述。要注意,在应用中,可以采用颜色直方图和词袋模型特征中的任一个来表示目标图像的图像特征,也可以采用颜色直方图和词袋模型特征二者来示目标图像的图像特征。也就是说,所述从所述目标图像中提取与所述目标对象相关联和图像特征包括如下操作中的至少一个:计算所述目标图像的颜色直方图特征作为所述图像特征;和计算所述目标图像的词袋模型特征作为所述图像特征。
颜色直方图是图像的颜色特征的一种统计表达,其用于表示不同色彩在 整幅目标图像中所占的比例,而并不关心每种色彩所处的空间位置。颜色直方图与颜色空间表示方式密切相关。常用的颜色直方图包括RGB空间颜色直方图,HSV空间颜色直方图以及Lab空间颜色直方图等。在不同的颜色空间中,目标图像的颜色直方图具有不同的数值。
词袋模型特征是图像的纹理特征的一种统计表达,其可以有效描述图像的整体和局部特性。例如,可通过如下操作获得目标图像的词袋模型特征:从目标图像中提取特征描述符,例如尺度不变特征变换(SIFT,Scale Invariant Feature Transform)、方向梯度直方图(HOG,Histogram of Oriented Gradient)等;对于每一个描述符,在预先准确的码本中搜索最相似的聚类中心,统计不同聚类中心在该目标图像中出现的频度,形成一个直方图;对该直方图作归一化处理,从而得到目标图像的词袋模型特征。所述预先准确的码本可通过如下方式获得:从训练图像的集合中随机提取大量的图像描述符(例如SIFT,HOG等),采用聚类算法对这些图像描述符进行聚类,得到多个类别,聚类得到的所有类别即组成码本。
在S230中,基于在S220中获得的字符信息和图像特征搜索与所述目标对象相关联的相关对象信息。具体地,基于所述字符信息和所述图像特征从预先建立的对象数据库中搜索所述相关对象信息。所述对象数据库包括各个备选对象的图像特征、字符信息和关联信息。
假设对象数据库P中包含N个对象,每一个对象pj可以用三元组{fI(pj),fT(pj),a(pj)}表示,其中,j=1,2,...,N。fI(pj)表示对象pj的图像特征,其可以是颜色直方图特征,或者是词袋模型特征,或者是由颜色直方图特征和词袋模型特征拼接而成的向量。fT(pj)是对象pj的字符信息,其典型地是字符串,该字符串例如为名称、品牌、含量等。a(pj)表示与对象pj的关联的其他关联信息,如价格、销量、用户评价、宣传视频以及超链接等。或者,每一个对象pj还可以用二元组{fI(pj),fT(pj)}表示。假设要搜索的目标对象q的目标图像的图像特征和字符信息分别是fI(q)和fT(q),相应地,可通过将在S220中获得的字符信息fT(q)和图像特征fI(q)与对象数据库P中的各个备选对象的字符信息fT(pj)和图像特征fI(pj)进行比对来执行搜索。
图3是示意性图示了图2的搜索方法中的基于图像特征和字符信息搜索目标对象的相关对象信息(S230)的流程图。如图3所示,基于目标图像的 图像特征和各个备选对象的图像特征计算所述目标对象与各个备选对象之间的图像特征相似度(S231);基于目标图像的字符信息和各个备选对象的字符信息计算所述目标对象与各个备选对象之间的字符信息相似度(S232);对所述图像特征相似度和字符信息相似度进行加权平均来获得所述目标对象与各个备选对象之间的平均相似度(S233);按照所述平均相似度的递减顺序从所述多个备选对象中选择预定数目备选对象(S234);将与所选择的备选对象对应的信息作为与所述目标对象相关联的相关对象信息(S235)。下面以目标对象q与对象数据库P中包含N个对象pj为例进行描述。
在S231中,可以计算所述目标对象q的图像特征fI(q)与各个备选对象pj之间的图像特征fI(pj)之间的余弦相似度sI(q,pj),作为所述图像特征相似度。所述余弦相似度sI(q,pj)可通过如下的公式(1)来计算:
其中,||fI(q)||是图像特征fI(q)的模,||fI(pj)||是图像特征fI(pj)的模。公式(1)所示的余弦相似度仅仅是图像特征相似度的一种表述方式。在实践中,还可以采取其它的函数来表示图像特征相似度,例如,可以采取目标对象的图像特征与各个备选对象之间的图像特征之间的皮尔森相关系数作为所述图像特征相似度。
在S232中,可如下地计算所述目标对象q与各个备选对象pj之间的字符信息相似度:计算所述目标对象q的字符信息fT(q)与各个备选对象pj的字符信息fT(pj)之间的编辑距离d(fT(q),fT(pj));基于所述编辑距离、所述目标对象的字符信息fT(q)的长度、备选对象的字符信息fT(pj)的长度来计算所述字符信息相似度。编辑距离是指在两个字符串之间,由一个字符串转成另一个字符串所需的最少编辑操作次数,所许可的编辑操作包括将一个字符替换成另一个字符,插入一个字符,删除一个字符。因此,编辑距离d(fT(q),fT(pj))是将字符信息fT(q)转成字符信息fT(pj)所需的最少编辑操作次数。字符信息fT(q)的长度例如是该字符信息fT(q)中包括的文字和符号的数目。备选对象的字符信息fT(pj)的长度例如是该字符信息fT(pj)中包括的文字和符号的数目。例如,可通过如下的公式(2)来计算字符信息相似度sT(q,pj):
其中,d(fT(q),fT(pj))是字符信息fT(q)和字符信息fT(pj)之间的编辑距离,L(fT(q))是字符信息fT(q)的长度,L(fT(pj))是字符信息fT(pj)的长度。
在S233中,对所述图像特征相似度sI(q,pj)和字符信息相似度sT(q,pj)进行加权平均来获得所述目标对象与各个备选对象之间的平均相似度。例如,可通过下面的公式(3)来计算所述平均相似度s(q,pj):
s(q,pj)=ω·sI(q,pj)+(1-ω)sT(q,pj) 公式(3),
其中,ω是权重系数。该权重系数ω是可调的参数,其取值范围是[0,1],典型取值为ω=0.6。当权重系数ω增加时,图像特征相似度sI(q,pj)在平均相似度中权重增加,字符信息相似度sT(q,pj)在平均相似度中权重降低。当权重系数ω减少时,图像特征相似度sI(q,pj)在平均相似度中权重降低,字符信息相似度sT(q,pj)在平均相似度中权重增加。
在S234中,按照所述平均相似度s(q,pj)的递减顺序从所述多个备选对象中选择预定数目备选对象。在S233中,计算了目标对象与各个备选对象之间的平均相似度s(q,pj),j=1,2,...,N,即得到N个平均相似度,对这N个平均相似度可以按照递减的顺序排列,并例如选择平均相似度靠前的预定数目R个备选对象,这R个备选对象即是搜索结果。所述R个备选对象与目标对象之间的平均相似度较高,说明这R个备选对象与目标对象较接近,从而有较大的可能是用户期望的目标对象。R是一个可配置的参数,其典型值可设为10、20和100等。
在S235中,将与所选择的R个备选对象对应的信息作为与所述目标对象相关联的相关对象信息。将此R个对象的图片、字符描述以及关联信息等作为相关对象信息。所述关联信息例如为价格、销量、用户评价、宣传视频以及超链接等。
在上面的S233至S235中,基于所述图像特征相似度和所述字符信息相似度来从所述多个备选对象中搜索与所述目标对象相关联的相关对象信息。替换所述S233至S235,还例如可以按照如下的方式搜索相关对象信息:按照图像特征相似度的递减顺序从所述多个备选对象中选R1个备选对象;按照字符信息相似度的递减顺序从所述多个备选对象中选择R2个备选对象;将与所述选择的R1个备选对象和R2个备选对象对应的信息作为与所述目标对象 相关联的相关对象信息。R1是小于N的自然数。R2也是小于N的自然数。
在S240中,服务器将所搜索到的相关对象信息作为搜索结果发送给用户设备。服务器可以利用互联网、局域网等各种网络或通信技术发送所述相关对象信息。相关对象信息例如是所述R个备选对象的图片、文字描述以及关联信息,或者是上述的R1加上R2备选对象的图片、文字描述以及关联信息。用户设备在接收到相关对象信息之后,可以将所述相关对象信息显示在用户设备的屏幕上,以供用户查看。
在根据本公开实施例的用于服务器的搜索方法的技术方案中,通过从要搜索的目标对象的目标图像中提取与所述目标对象相关联的字符信息和图像特征,基于所述字符信息和图像特征执行搜索,能够准确且便利地搜索目标对象的相关对象信息,从而提高用户的使用体验。此外,通过自动识别目标图像中包含的字符信息,免去用户手动输入关键字的步骤。
图4是示意性图示了根据本公开实施例的用于用户设备的搜索方法400流程图。该搜索方法400应用与图1(a)所示的用户设备。如图4所示,该搜索方法400可包括:采集要搜索的目标对象的目标图像(S410);判断所述目标图像是否满足预定条件(S420);在所述目标图像满足预定条件时,发出针对所述目标对象的搜索请求,该搜索请求包括所述目标图像(S430);接收与所述目标对象相关联的相关对象信息(S440),其中所述相关对象信息基于从所述目标图像中提取的与所述目标对象相关联的字符信息和图像特征搜索得到。
在S410中,可以利用用户设备中的图像采集装置来采集要搜索的目标对象的目标图像。例如,用户的图1(b)中的蓝月亮洗衣液快用尽了,并期望购买该蓝月亮洗衣液,则用户利用用户设备10中内置的图像采集装置、或者与用户设备连接的图像采集装置对现有的蓝月亮洗衣液进行图像采集。图像采集装置与用户设备的位置关系不构成对本公开实施例的限制。
在S420中,判断所述目标图像是否满足预定条件。由于服务器要从所述目标图像中提取信息来搜索目标对象,所以所述目标图像的图像质量将直接影响搜索结果。以图1(b)的目标图像(1)为例,如果目标图像模糊而导致不能提取其品牌名称evian、容量等信息,则难以准确地搜索到目标对象。在该S420可以对所述目标图像做出要求,例如所述目标图像满足预定条件。所述预定条件可以是关于目标图像的亮度的条件、或者是关于所述目标图像 的清晰度的条件。
作为基于目标图像的亮度来判断是否满足预定条件的示例,在S420中可以将S410中采集的目标图像转换为HSL颜色空间的图像数据,该HSL颜色空间的图像数据中包括了亮度信息。然后,统计所述HSL颜色空间的图像数据中的所有像素的光照分量(即L分量)的平均值当用于该目标图像的光照分量的平均值大于等于预定亮度阈值TL时,可以判断所述目标图像满足预定条件。当用于该目标图像的光照分量的平均值小于预定亮度阈值TL时,可以判断所述目标图像不满足预定条件。预定亮度阈值TL典型地为64。或者,可以通过测量图像采集环境中的光照条件来间接地判断目标图像的质量。例如,可以确定在采集所述目标图像过程中的光照参数;当所述光照参数大于等于预设照度时,确定所述目标图像满足预定条件;当所述光照参数小于预设照度时,确定所述目标图像不满足预定条件。
作为基于目标图像的清晰度来判断是否满足预定条件的示例,在S420中可以利用预定算法(例如,Canny算法)提取在S410中采集的目标图像的边缘,计算所述目标图像中位于边缘的各个像素点的梯度G,然后进一步计算目标图像中所有位于边缘的像素点的梯度的平均值当该目标图像的所有位于边缘的像素点的梯度的平均值大于等于预设梯度阈值TG时,可以判断所述目标图像满足预定条件。当该目标图像的所有位于边缘的像素点的梯度的平均值小于预设梯度阈值TG时,可以判断所述目标图像不满足预定条件。该预设梯度阈值TG典型地为100。
上述的预定亮度阈值TL或预设梯度阈值TG可以根据执行搜索的服务器的处理能力来调整。例如,当服务器的处理能力强时,可以将预定亮度阈值TL或预设梯度阈值TG设置为较低的值;当服务器的处理能力弱时,可以将预定亮度阈值TL或预设梯度阈值TG设置为较高的值。
当在S420中判断目标图像满足预定条件时,在S430中发出针对所述目标对象的搜索请求,该搜索请求包括所述目标图像。然后,如图1(a)所示的搜索服务器20从所述目标图像中提取与所述目标对象相关联的字符信息和图像特征,并基于所述字符信息和所述图像特征执行搜索,即执行结合图2描述的搜索方法的各个步骤。由于目标图像的亮度或清晰度较好,所以在服务器中能够准确地提取字符信息和图像特征,从而保证了搜索的准确度。
当在S420中判断目标图像不满足预定条件时,意味着在S410中采集的 目标图像不符合要求,可能导致难以准确地提取其中的字符信息和图像特征。此时,可以在用户设备中输出重拍提示消息,以提示重新执行S410来采集要搜索的目标对象的目标图像。在该重拍提示消息中,还可以具体列出目标图像不满足预定条件的原因。例如,在目标图像的光照分量的平均值小于预定亮度阈值TL时,可以在重拍提示消息中指出亮度不够;在该目标图像的所有位于边缘的像素点的梯度的平均值小于预设梯度阈值TG时,可以在重拍提示消息中指出清晰度不够。这样,可以根据所述重拍提示消息调整目标图像的拍摄,直到获取满足所述预定条件的目标图像。或者,当在S420中判断目标图像不满足预定条件时,可以直接根据S420的判断结果自动地调整图像采集装置的设置参数,直到获取满足所述预定条件的目标图像。
用户设备在S430中向服务器发出搜索请求之后,服务器执行结合图2和3描述的搜索方法,并得到与目标对象相关联的相关对象信息。也就是说,所述相关对象信息基于从所述目标图像中提取的与所述目标对象相关联的字符信息和图像特征搜索得到。对应地,用户设备在S440中接收与目标对象相关联的相关对象信息。用户设备可以利用互联网、局域网等各种网络或通信技术从服务器接收所述相关对象信息。相关对象信息例如是多个备选对象的图片、文字描述以及关联信息。该关联信息例如是价格、销量、用户评价、宣传视频以及超链接等,其有助于用户在多个备选对象中执行选择操作。用户设备在接收到相关对象信息之后,可以将所述相关对象信息显示在用户设备的屏幕上,以供用户查看。
因此,在用户设备拍摄目标对象的图像的过程中,用户设备可以自动计算图像的光照条件和清晰程度。如果图像的光照条件和清晰程度达到要求,则允许用户设备基于所采集的目标图像发出搜索请求。如果图像的光照条件和清晰程度不能达到要求,则提示或自动指令用户设备重新拍摄,直到获取达到要求的目标图像。
在根据本公开实施例的用于用户设备的搜索方法的技术方案中,在所采集的目标对象的目标图像满足预定条件时,基于该目标图像发出搜索请求,使能够准确且便利地搜索目标对象的相关对象信息,从而提高用户的使用体验。
图5是示意性图示了根据本公开实施例的第一搜索装置500的框图。该第一搜索装置500可应用于用户设备或服务器。如图5所示,所述第一数据 处理装置500可包括一个或多个处理器510、存储单元520、输入单元530、输出单元540、通信单元550、图像采集单元560。这些组件通过总线系统570和/或其它形式的连接机构(未示出)互连。应当注意,图5所示的第一搜索装置500的组件和结构只是示例性的,而非限制性的,根据需要,第一搜索装置500也可以具有其他组件和结构,并且例如可以不包括输入单元530、输出单元540、图像采集单元560等。
处理器510可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其它形式的处理单元,并且可以控制第一搜索装置500中的其它组件以执行期望的功能。
存储单元520可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器510可以运行所述程序指令,以实现上述的本公开的实施例的结合图2和3描述的搜索方法的各个步骤,此时第一搜索装置500可被包括在服务器中。或者,处理器510可以运行所述程序指令,实现上述的本公开的实施例的结合图4描述的搜索方法的各个步骤,此时第一搜索装置500可被包括在用户设备中。在所述计算机可读存储介质中还可以存储各种应用程序和各种数据,例如显示屏幕的工作状态、应用程序的操作状态等。
输入单元530可以是用户用来输入指令的单元,并且可以包括键盘、鼠标、麦克风和触摸屏等中的一个或多个。输出单元540可以向外部(例如用户)输出各种信息(例如图像或声音),并且可以包括显示器、扬声器等中的一个或多个。通信单元550可以通过网络或其它技术与其它单元(例如个人计算机、服务器、移动台、基站等)通信,所述网络可以是因特网、无线局域网、移动通信网络等。
在本公开实施例的第一搜索装置500的技术方案中,通过从要搜索的目标对象的目标图像中提取与所述目标对象相关联的字符信息和图像特征,基于所字符信息和图像特征执行搜索,能够准确且便利地搜索目标对象的相关对象信息,从而提高用户的使用体验。
图6是示意性图示了根据本公开实施例的用于服务器的第二搜索装置600的框图。该第二搜索装置600可应用于如图1(a)所示的搜索服务器。如图6所示,该第二搜索装置600可包括第一接收单元610、提取单元620、搜索单元630和第一发送单元640。
第一接收单元610接收搜索请求,该搜索请求包括要搜索的目标对象的目标图像。所述目标图像是如图1(b)中所示的任一个目标图像。该目标图像包含了要搜索的目标对象的各种信息,包含但不限于品牌名称、对象内容、系列、外观、容量、生产日期等。该目标图像可以是所述用户设备利用其图像采集装置所采集的,也可以是所述用户设备从其它电子设备接收的,所述目标图像的获取方式不构成对本公开实施例的限制。该第一接收单元610对应于图5中的通信单元550,并可以利用射频电路、信号接收电路来实现。
所述目标图像的图像质量将直接影响搜索结果。例如在图1(b)的目标图像(1)中,如果目标图像模糊而导致不能提取其品牌名称evian、容量等信息,则难以准确地搜索到目标对象。因此,所述目标图像优选地满足预定条件。所述预定条件可以是关于目标图像的亮度的条件、或者是关于所述目标图像的清晰度的条件。当目标图像的亮度大于等于预设亮度阈值时,确定所述目标图像满足预定条件;当目标图像的亮度小于预设亮度阈值时,确定所述目标图像不满足预定条件。或者,当目标图像的清晰度大于等于预设清晰度阈值时,确定所述目标图像满足预定条件;当目标图像的亮度小于预设清晰度阈值时,确定所述目标图像不满足预定条件。所述预设亮度阈值或预设清晰度阈值可以根据所述服务器的处理能力来调整。例如,当服务器的处理能力强时,可以将预设亮度阈值或预设清晰度阈值设置为较低的值;当服务器的处理能力弱时,可以将预设亮度阈值或预设清晰度阈值设置为较高的值。
提取单元620从所述目标图像中提取与所述目标对象相关联的字符信息和图像特征。所述目标图像所包括的字符信息例如为产品名称、容量、品牌名称、生产日期等,这些字符信息是文字或符号。所述目标图像所包括的图像特诊是图像的颜色分量、各个颜色分量的组成比例等。典型地,采用不同的技术手段来提取目标图像中的字符信息和图像特征。提取单元620可以利用图5中的存储器和处理器来实现。
对于字符信息,提取单元620可以采用OCR技术或其它技术提取目标图 像中的字符信息。在OCR技术中,服务器通过检测目标图像的暗、亮的模式确定其形状,然后用字符识别方法将形状翻译成计算机文字。提取单元620可包括OCR模块,并且可通过如下操作从所述目标图像中提取与所述目标对象相关联的字符信息:利用光学字符识别OCR从所述目标图像中识别文字和符号;从所识别的文字和符号中选择用于标识所述目标对象的标识字符,作为与所述目标对象相关联的字符信息。在目标图像中包括丰富的信息,部分信息可能与目标对象的搜索密切相关,例如产品名称、品牌、容量等。然而,目标图像中还可能包括与目标对象的搜索无关的信息,例如成分、安全提醒等,这些信息可能是所有的同类产品都涉及的信息,其不能用于标识目标对象。因此,提取单元620在对目标图像进行字符识别之后,需要从中筛选出搜索目标对象所需的信息,即用于标识所述目标对象的标识字符。
图像特征是指数值化的图像特性表达,例如使用向量来表示图像特性。可以采用现有的或将来出现的各种方式来表示目标图像的图像特征。提取单元620可包括图像特征提取模块,并利用该图像特征提取模块可以执行如下操作中的至少一个来提取图像特征:计算所述目标图像的颜色直方图特征作为所述图像特征;和计算所述目标图像的词袋模型特征作为所述图像特征。也就是说,提取单元620可以采用颜色直方图和词袋模型特征中的至少一个来表示目标图像的图像特征。
颜色直方图是图像的颜色特征的一种统计表达,其用于表示不同色彩在整幅目标图像中所占的比例,而并不关心每种色彩所处的空间位置。常用的颜色直方图包括RGB空间颜色直方图,HSV空间颜色直方图以及Lab空间颜色直方图等。在不同的颜色空间中,目标图像的颜色直方图具有不同的数值。词袋模型特征是图像的纹理特征的一种统计表达,其可以有效描述图像的整体和局部特性。例如,提取单元620可通过如下操作获得目标图像的词袋模型特征:从目标图像中提取特征描述符,例如SIFT、HOG等;对于每一个描述符,在预先准确的码本中搜索最相似的聚类中心,统计不同聚类中心在该目标图像中出现的频度,形成一个直方图;对该直方图作归一化处理,从而得到目标图像的词袋模型特征。所述预先准确的码本可通过如下方式获得:从训练图像的集合中随机提取大量的图像描述符,采用聚类算法对这些图像描述符进行聚类而得到多个类别,聚类得到的所有类别即组成码本。
搜索单元630基于所述字符信息和所述图像特征搜索与所述目标对象相 关联的相关对象信息。例如,搜索单元630基于所述字符信息和所述图像特征从预先建立的对象数据库中搜索所述相关对象信息。所述对象数据库包括各个备选对象的图像特征、字符信息和关联信息。如上所述,假设对象数据库P中包含N个对象,每一个对象pj可以用三元组{fI(pj),fT(pj),a(pj)}表示,其中,j=1,2,...,N,三元组中的各个分量的含义如上所述。或者,每一个对象pj还可以用二元组{fI(pj),fT(pj)}表示。假设要搜索的目标对象q的目标图像的图像特征和字符信息分别是fI(q)和fT(q),相应地,搜索单元630可通过将提取单元620所提取的字符信息fT(q)和图像特征fI(q)与对象数据库P中的各个备选对象的字符信息fT(pj)和图像特征fI(pj)进行比对来执行搜索。搜索单元630可以利用图5中的存储器和处理器来实现。
搜索单元630可操作如下以搜索与所述目标对象相关联的相关对象信息:基于目标图像的图像特征和各个备选对象的图像特征计算所述目标对象与各个备选对象之间的图像特征相似度;基于目标图像的字符信息和各个备选对象的字符信息计算所述目标对象与各个备选对象之间的字符信息相似度;和基于所述图像特征相似度和所述字符信息相似度来从所述多个备选对象中搜索与所述目标对象相关联的相关对象信息。
作为示例,搜索单元630可以计算所述目标对象q的图像特征fI(q)与各个备选对象pj之间的图像特征fI(pj)之间的余弦相似度sI(q,pj),作为所述图像特征相似度。典型地,搜索单元630可以根据上述的公式(1)计算所述余弦相似度sI(q,pj),并具体可以参见上面结合公式(1)进行的描述。此外,搜索单元630还可以采取目标对象的图像特征与各个备选对象之间的图像特征之间的皮尔森相关系数作为所述图像特征相似度。
搜索单元630可以如下地计算所述字符信息相似度:计算所述目标对象q的字符信息fT(q)与各个备选对象pj的字符信息fT(pj)之间的编辑距离d(fT(q),fT(pj));基于所述编辑距离、所述目标对象的字符信息fT(q)的长度、备选对象的字符信息fT(pj)的长度来计算所述字符信息相似度。编辑距离d(fT(q),fT(pj))是将字符信息fT(q)转成字符信息fT(pj)所需的最少编辑操作次数。字符信息fT(q)的长度例如是该字符信息fT(q)中包括的文字和符号的数目。字符信息fT(pj)的长度例如是该字符信息fT(pj)中包括的文字和符号的 数目。搜索单元630例如可通过上面的公式(2)来计算字符信息相似度sT(q,pj)。或者,搜索单元630还可以将所述编辑距离d(fT(q),fT(pj))作为所述字符信息相似度。
搜索单元630可以按照如下的方式搜索相关对象信息:按照图像特征相似度的递减顺序从所述多个备选对象中选R1个备选对象;按照字符信息相似度的递减顺序从所述多个备选对象中选择R2个备选对象;将与所述选择的R1个备选对象和R2个备选对象对应的信息作为与所述目标对象相关联的相关对象信息。R1是小于N的自然数。R2也是小于N的自然数。
替换地,搜索单元630还可以按照如下的方式基于图像特征相似度和所述字符信息相似度来搜索相关对象信息:对所述图像特征相似度和字符信息相似度进行加权平均来获得所述目标对象与各个备选对象之间的平均相似度;按照所述平均相似度的递减顺序从所述多个备选对象中选择预定数目备选对象;将与所选择的备选对象对应的信息作为与所述目标对象相关联的相关对象信息。
搜索单元630可以利用上述的公式(3)计算所述平均相似度,并具体参见上面结合公式(3)进行的描述。在计算了目标对象与各个备选对象之间的平均相似度s(q,pj),j=1,2,...,N之后,搜索单元630对这N个平均相似度可以按照递减的顺序排列,并例如选择平均相似度靠前的预定数目R个备选对象,将与所选择的R个备选对象对应的信息作为与所述目标对象相关联的相关对象信息,即搜索结果。R是一个可配置的参数,其典型值可设为10、20和100等。
第一发送单元640发送所述相关对象信息,即将所搜索到的相关对象信息作为搜索结果发送给用户设备。第一发送单元640可以利用互联网、局域网等各种网络或通信技术发送所述相关对象信息。相关对象信息例如是所述R个备选对象的图片、文字描述以及关联信息,或者是上述的R1加上R2备选对象的图片、文字描述以及关联信息。用户设备在接收到相关对象信息之后,可以将所述相关对象信息显示在用户设备的屏幕上,以供用户查看。第一发送单元640可对应于图5中的通信单元550,并可以利用射频电路、信号发送电路来实现。
在根据本公开实施例的用于服务器的第二搜索装置600的技术方案中,通过从要搜索的目标对象的目标图像中提取与所述目标对象相关联的字符信 息和图像特征,基于所字符信息和图像特征执行搜索,能够准确且便利地搜索目标对象的相关对象信息,从而提高用户的使用体验。此外,通过自动识别目标图像中包含的字符信息,免去用户手动输入关键字的步骤。
图7是示意性图示了根据本公开实施例的用户设备700的框图。该用户设备700对应于图1(a)所示的用户设备。如图7所示,该用户设备700可包括:图像采集单元710、判断单元720、第二发送单元730、和第二接收单元740。
图像采集单元710采集要搜索的目标对象的目标图像。图像采集单元710典型地设置于所述用户设备中。例如,用户的蓝月亮洗衣液快用尽了,并期望购买该蓝月亮洗衣液,则用户利用图像采集单元710对现有的蓝月亮洗衣液进行图像采集。在图7中将图像采集单元710图示为包括于用户设备中,但是该图像采集单元710还可位于所述用户设备外部,而耦接到所述用户设备,并能够接收用户设备的指令,和将所采集的目标图像传送给用户设备。图像采集装置与用户设备的位置关系不构成对本公开实施例的限制。图像采集单元710可以是摄像头、照相机等。图像采集单元710对应于图5的图像采集单元560。
判断单元720判断所述目标图像是否满足预定条件。由于服务器要从所述目标图像中提取信息来搜索目标对象,所以所述目标图像的图像质量将直接影响搜索结果。判断单元720可以利用预定条件对所述目标图像做出要求。所述预定条件可以是关于目标图像的亮度的条件、或者是关于所述目标图像的清晰度的条件。判断单元720可以利用图5中的存储器和处理器来实现。
作为判断单元720基于目标图像的亮度来判断是否满足预定条件的示例,判断单元720可以将所采集的目标图像转换为HSL颜色空间的图像数据,该HSL颜色空间的图像数据中包括了亮度信息。然后,判断单元720统计所述HSL颜色空间的图像数据中的所有像素的光照分量(即L分量)的平均值并将其与预定亮度阈值TL进行比较。当用于该目标图像的光照分量的平均值 大于等于预定亮度阈值TL时,判断单元720可以判断所述目标图像满足预定条件。当用于该目标图像的光照分量的平均值小于预定亮度阈值TL时,判断单元720可以判断所述目标图像不满足预定条件。预定亮度阈值TL典型地为64。或者,判断单元720还可以借助于照度计测量图像采集环境中的光照条件来间接地判断目标图像的质量。例如,所述用户设备700还可以包括 用于测量所述目标对象的光照参数的照度计750,判断单元720与照度计通信以确定在采集所述目标图像过程中的光照参数;当所述光照参数大于等于预设照度时,确定所述目标图像满足预定条件;当所述光照参数小于预设照度时,确定所述目标图像不满足预定条件。
作为判断单元720基于目标图像的清晰度来判断是否满足预定条件的示例,判断单元720可以利用预定算法(例如,Canny算法)提取所采集的目标图像的边缘,计算所述目标图像中位于边缘的各个像素点的梯度G,然后进一步计算目标图像中所有位于边缘的像素点的梯度的平均值当该目标图像的所有位于边缘的像素点的梯度的平均值大于等于预设梯度阈值TG时,判断单元720可以判断所述目标图像满足预定条件。当该目标图像的所有位于边缘的像素点的梯度的平均值小于预设梯度阈值TG时,判断单元720可以判断所述目标图像不满足预定条件。该预设梯度阈值TG典型地为100。
上述的预定亮度阈值TL或预设梯度阈值TG可以根据执行搜索的服务器的处理能力来调整。例如,当服务器的处理能力强时,可以将预定亮度阈值TL或预设梯度阈值TG设置为较低的值;当服务器的处理能力弱时,可以将预定亮度阈值TL或预设梯度阈值TG设置为较高的值。
第二发送单元730在所述目标图像满足预定条件时,发出针对所述目标对象的搜索请求,该搜索请求包括所述目标图像。如图5或图6所示的搜索装置从所述目标图像中提取与所述目标对象相关联的字符信息和图像特征,并基于所述字符信息和所述图像特征执行搜索。例如,图6中的第一接收单元610在接收到该搜索请求之后,提取单元620利用其中的图像特征提取模块从所述目标图像中提取与所述目标对象相关联的图像特征,并利用其中的COR模块从所述目标图像中提取与所述目标对象相关联的字符信息;搜索单元630基于所述字符信息和图像特征从对象数据库中搜索与所述目标对象相关联的相关对象信息;第二发送单元640将所搜索的相关对象信息发送给用户设备。由于目标图像的亮度或清晰度较好,所以在服务器中能够准确地提取字符信息和图像特征,从而保证了搜索的准确度。第二发送单元730对应于图5中的收发单元550,并可以利用射频电路、信号发送电路来实现。
当判断单元720判断目标图像不满足预定条件时,意味着所采集的目标图像不符合要求,可能导致难以准确地提取其中的字符信息和图像特征。此时,用户设备700还可以包括输出单元,该输出单元用于输出重拍提示消息, 以提示用户操作图像采集装置来采集要搜索的目标对象的目标图像。在该重拍提示消息中,还可以具体列出目标图像不满足预定条件的原因。例如,在目标图像的光照分量的平均值小于预定亮度阈值TL时,可以在重拍提示消息中指出亮度不够;在该目标图像的所有位于边缘的像素点的梯度的平均值 小于预设梯度阈值TG时,可以在重拍提示消息中指出清晰度不够。这样,可以根据所述重拍提示消息调整目标图像的拍摄,直到获取满足所述预定条件的目标图像。或者,当在判断单元720判断目标图像不满足预定条件时,可以自动地调整图像采集单元710的设置参数,直到获取满足所述预定条件的目标图像。
第二接收单元740接收与所述目标对象相关联的相关对象信息。第二发送单元730向服务器发出搜索请求之后,服务器执行结合图2和3描述的搜索方法,并得到与目标对象相关联的相关对象信息。对应地,第二接收单元740接收与目标对象相关联的相关对象信息。该相关对象信息是基于从所述目标图像中提取的与所述目标对象相关联的字符信息和图像特征搜索得到的。第二接收单元740可以通过互联网、局域网等各种网络或通信技术从服务器接收所述相关对象信息。相关对象信息例如是多个备选对象的图片、文字描述以及关联信息。该关联信息例如是价格、销量、用户评价、宣传视频以及超链接等,其有助于用户在多个备选对象中执行选择操作。第二接收单元740在接收到相关对象信息之后,用户设备700可以将所述相关对象信息显示在用户设备的屏幕上,以供用户查看。第二接收单元740对应于图5中的收发单元550,并可以利用射频电路、信号接收电路来实现。
因此,在用户设备拍摄目标对象的图像的过程中,用户设备可以自动计算图像的光照条件和清晰程度。如果图像的光照条件和清晰程度达到要求,则允许用户设备基于所采集的目标图像发出搜索请求。如果图像的光照条件和清晰程度不能达到要求,则提示或自动指令用户设备重新拍摄,直到获取达到要求的目标图像。
在根据本公开实施例的用户设备的技术方案中,在所采集的目标对象的目标图像满足预定条件时,基于该目标图像发出搜索请求,使能够准确且便利地搜索目标对象的相关对象信息,从而提高用户的使用体验。
在上面描述了根据本公开实施例的第一搜索装置和第二搜索装置之后,包括第一搜索装置和第二搜索装置中任一个的电子设备或服务器也都处于本公开的范围之内。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个设备,或一些特征可以忽略,或不执行。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (32)
1.一种搜索方法,应用于一服务器,该搜索方法包括:
接收搜索请求,该搜索请求包括要搜索的目标对象的目标图像;
从所述目标图像中提取与所述目标对象相关联的字符信息和图像特征;
基于所述字符信息和所述图像特征搜索与所述目标对象相关联的相关对象信息;
发送所述相关对象信息;
所述从所述目标图像中提取与所述目标对象相关联的字符信息和图像特征包括:
利用光学字符识别OCR从所述目标图像中识别文字和符号;
通过删除与所述目标对象同类型的对象都涉及的第一信息,以从所识别的文字和符号中选择用于标识所述目标对象的标识字符,作为与所述目标对象相关联的字符信息。
2.根据权利要求1的搜索方法,其中,所述基于所述字符信息和所述图像特征搜索与所述目标对象相关联的相关对象信息包括:
基于所述字符信息和所述图像特征从预先建立的对象数据库中搜索所述相关对象信息,
其中,所述对象数据库包括各个备选对象的图像特征、字符信息和关联信息。
3.根据权利要求2的搜索方法,其中,所述基于所述字符信息和所述图像特征从预先建立的对象数据库中搜索所述相关对象信息包括:
基于目标图像的图像特征和各个备选对象的图像特征计算所述目标对象与各个备选对象之间的图像特征相似度;
基于目标图像的字符信息和各个备选对象的字符信息计算所述目标对象与各个备选对象之间的字符信息相似度;
基于所述图像特征相似度和所述字符信息相似度来从所述各个备选对象中搜索与所述目标对象相关联的相关对象信息。
4.根据权利要求3的搜索方法,其中,所述基于所述图像特征相似度和所述字符信息相似度来从所述各个备选对象中搜索与所述目标对象相关联的相关对象信息包括:
对所述图像特征相似度和字符信息相似度进行加权平均来获得所述目标对象与各个备选对象之间的平均相似度;
按照所述平均相似度的递减顺序从所述各个备选对象中选择预定数目备选对象;
将与所选择的备选对象对应的信息作为与所述目标对象相关联的相关对象信息。
5.根据权利要求3的搜索方法,其中,所述基于目标图像的图像特征和各个备选对象的图像特征计算所述目标对象与各个备选对象之间的图像特征相似度包括:计算所述目标对象的图像特征与各个备选对象之间的图像特征之间的余弦相似度,作为所述图像特征相似度。
6.根据权利要求3的搜索方法,其中,所述基于目标图像的字符信息和各个备选对象的字符信息计算所述目标对象与各个备选对象之间的字符信息相似度包括:
计算所述目标对象的字符信息与各个备选对象的字符信息之间的编辑距离;
基于所述编辑距离、所述目标对象的字符信息的长度、备选对象的字符信息的长度来计算所述字符信息相似度。
7.根据权利要求1至6中任一项的搜索方法,其中,所述从所述目标图像中提取与所述目标对象相关联的字符信息和图像特征包括如下操作中的至少一个:
计算所述目标图像的颜色直方图特征作为所述图像特征;和
计算所述目标图像的词袋模型特征作为所述图像特征。
8.根据权利要求1的搜索方法,其中,所述目标图像满足预定条件。
9.一种搜索方法,应用于一通信设备,该搜索方法包括:
采集要搜索的目标对象的目标图像;
判断所述目标图像是否满足预定条件;
在所述目标图像满足预定条件时,发出针对所述目标对象的搜索请求,该搜索请求包括所述目标图像;
接收与所述目标对象相关联的相关对象信息,其中所述相关对象信息基于从所述目标图像中提取的与所述目标对象相关联的字符信息和图像特征搜索得到;
其中,服务器从所述目标图像中提取与所述目标对象相关联的字符信息和图像特征包括:
利用光学字符识别OCR从所述目标图像中识别文字和符号;
通过删除与所述目标对象同类型的对象都涉及的第一信息,以从所识别的文字和符号中选择用于标识所述目标对象的标识字符,作为与所述目标对象相关联的字符信息。
10.根据权利要求9的搜索方法,其中所述判断所述目标图像是否满足预定条件包括:
确定在采集所述目标图像过程中的光照参数;
当所述光照参数大于等于预设照度时,确定所述目标图像满足预定条件。
11.根据权利要求9的搜索方法,其中所述判断所述目标图像是否满足预定条件包括:
确定所采集的目标图像的边缘的像素点的平均梯度;
当所述目标图像的边缘的像素点的平均梯度小于预设梯度阈值时,确定所述目标图像满足预定条件。
12.一种搜索装置,应用于一服务器,该搜索装置包括:
收发器,接收搜索请求,该搜索请求包括要搜索的目标对象的目标图像;
处理器;
存储器;和
存储在所述存储器中的计算机程序指令,在所述计算机程序指令被所述处理器运行时执行以下步骤:
从所述目标图像中提取与所述目标对象相关联的字符信息和图像特征;
基于所述字符信息和图像特征搜索与所述目标对象相关联的相关对象信息;
将所搜索的相关对象信息提供给所述收发器,以发送出去;
其中,所述从所述目标图像中提取与所述目标对象相关联的字符信息和图像特征包括:利用光学字符识别OCR从所述目标图像中识别文字和符号;通过删除与所述目标对象同类型的对象都涉及的第一信息,以从所识别的文字和符号中选择用于标识所述目标对象的标识字符,作为与所述目标对象相关联的字符信息。
13.根据权利要求12的搜索装置,其中,所述基于所述字符信息和所述图像特征搜索与所述目标对象相关联的相关对象信息包括:
基于所述字符信息和所述图像特征从预先建立的对象数据库中搜索所述相关对象信息,
其中,所述对象数据库包括各个备选对象的图像特征、字符信息和关联信息。
14.根据权利要求13的搜索装置,其中,所述基于所述字符信息和所述图像特征从预先建立的对象数据库中搜索所述相关对象信息包括:
基于目标图像的图像特征和各个备选对象的图像特征计算所述目标对象与各个备选对象之间的图像特征相似度;
基于目标图像的字符信息和各个备选对象的字符信息计算所述目标对象与各个备选对象之间的字符信息相似度;
基于所述图像特征相似度和所述字符信息相似度来从所述各个备选对象中搜索与所述目标对象相关联的相关对象信息。
15.根据权利要求14的搜索装置,其中,所述基于所述图像特征相似度和所述字符信息相似度来从所述各个备选对象中搜索与所述目标对象相关联的相关对象信息包括:
对所述图像特征相似度和字符信息相似度进行加权平均来获得所述目标对象与各个备选对象之间的平均相似度;
按照所述平均相似度的递减顺序从所述各个备选对象中选择预定数目备选对象;
将与所选择的备选对象对应的信息作为与所述目标对象相关联的相关对象信息。
16.根据权利要求14的搜索装置,其中,所述基于目标图像的图像特征和各个备选对象的图像特征计算所述目标对象与各个备选对象之间的图像特征相似度包括:计算所述目标对象的图像特征与各个备选对象之间的图像特征之间的余弦相似度,作为所述图像特征相似度。
17.根据权利要求14的搜索装置,其中,所述基于目标图像的字符信息和各个备选对象的字符信息计算所述目标对象与各个备选对象之间的字符信息相似度包括:
计算所述目标对象的字符信息与各个备选对象的字符信息之间的编辑距离;
基于所述编辑距离、所述目标对象的字符信息的长度、各个备选对象的字符信息的长度来计算所述字符信息相似度。
18.根据权利要求12至17中任一项的搜索装置,其中,从所述目标图像中提取与所述目标对象相关联的字符信息和图像特征包括如下操作中的至少一个:
计算所述目标图像的颜色直方图特征作为所述图像特征;和
计算所述目标图像的词袋模型特征作为所述图像特征。
19.根据权利要求12的搜索装置,其中,所述目标图像满足预定条件。
20.一种通信设备,包括:
图像采集器,用于采集要搜索的目标对象的目标图像;
处理器,用于判断所述目标图像是否满足预定条件;
收发器,在所述目标图像满足预定条件时,发出针对所述目标对象的搜索请求,该搜索请求包括所述目标图像,并接收与所述目标对象相关联的相关对象信息,其中所述相关对象信息基于从所述目标图像中提取的与所述目标对象相关联的字符信息和图像特征搜索得到;
其中,服务器从所述目标图像中提取与所述目标对象相关联的字符信息和图像特征包括:利用光学字符识别OCR从所述目标图像中识别文字和符号;通过删除与所述目标对象同类型的对象都涉及的第一信息,以从所识别的文字和符号中选择用于标识所述目标对象的标识字符,作为与所述目标对象相关联的字符信息。
21.根据权利要求20的通信设备,其中,
所述通信设备还包括用于测量所述目标对象的光照参数的照度计,
所述处理器指令所述照度计在图像采集器采集目标图像的过程中测量所述目标对象的光照参数,并且在所述光照参数大于等于预设照度时确定所述目标图像满足预定条件。
22.根据权利要求20的通信设备,其中,所述处理器分析目标图像以确定其边缘的像素点的平均梯度,并且在所述目标图像的边缘的像素点的平均梯度小于预设梯度阈值时,确定所述目标图像满足预定条件。
23.一种搜索装置,应用于一服务器,该搜索装置包括:
接收单元,用于接收搜索请求,该搜索请求包括要搜索的目标对象的目标图像;
提取单元,用于从所述目标图像中提取与所述目标对象相关联的字符信息和图像特征;
搜索单元,用于基于所述字符信息和所述图像特征搜索与所述目标对象相关联的相关对象信息;和
发送单元,用于发送所述相关对象信息;
所述提取单元包括光学字符识别OCR模块,所述OCR模块通过如下操作从所述目标图像中提取所述字符信息:利用光学字符识别OCR从所述目标图像中识别文字和符号;通过删除与所述目标对象同类型的对象都涉及的第一信息,以从所识别的文字和符号中选择用于标识所述目标对象的标识字符,作为与所述目标对象相关联的字符信息。
24.根据权利要求23的搜索装置,其中,所述搜索单元基于所述字符信息和所述图像特征从预先建立的对象数据库中搜索所述相关对象信息,
其中,所述对象数据库包括各个备选对象的图像特征、字符信息和关联信息。
25.根据权利要求24的搜索装置,其中,所述搜索单元通过如下操作搜索所述相关对象信息:
基于目标图像的图像特征和各个备选对象的图像特征计算所述目标对象与各个备选对象之间的图像特征相似度;
基于目标图像的字符信息和各个备选对象的字符信息计算所述目标对象与各个备选对象之间的字符信息相似度;
基于所述图像特征相似度和所述字符信息相似度来从所述各个备选对象中搜索与所述目标对象相关联的相关对象信息。
26.根据权利要求25的搜索装置,其中,所述搜索单元通过如下操作从所述各个备选对象中搜索与所述目标对象相关联的相关对象信息:
对所述图像特征相似度和字符信息相似度进行加权平均来获得所述目标对象与各个备选对象之间的平均相似度;
按照所述平均相似度的递减顺序从所述各个备选对象中选择预定数目备选对象;
将与所选择的备选对象对应的信息作为与所述目标对象相关联的相关对象信息。
27.根据权利要求25的搜索装置,其中,所述搜索单元通过如下操作计算所述目标对象与各个备选对象之间的图像特征相似度:计算所述目标对象的图像特征与各个备选对象之间的图像特征之间的余弦相似度,作为所述图像特征相似度。
28.根据权利要求25的搜索装置,其中,所述搜索单元通过如下操作计算所述目标对象与各个备选对象之间的字符信息相似度:
计算所述目标对象的字符信息与各个备选对象的字符信息之间的编辑距离;
基于所述编辑距离、所述目标对象的字符信息的长度、备选对象的字符信息的长度来计算所述字符信息相似度。
29.根据权利要求23至28任一项的搜索装置,其中,所述提取单元通过如下操作中的至少一个提取所述图像特征:
计算所述目标图像的颜色直方图特征作为所述图像特征;和
计算所述目标图像的词袋模型特征作为所述图像特征。
30.一种通信设备,包括:
图像采集单元,用于采集要搜索的目标对象的目标图像;
判断单元,用于判断所述目标图像是否满足预定条件;
发送单元,用于在所述目标图像满足预定条件时,发出针对所述目标对象的搜索请求,该搜索请求包括所述目标图像;和
接收单元,用于接收与所述目标对象相关联的相关对象信息,所述相关对象信息基于从所述目标图像中提取的与所述目标对象相关联的字符信息和图像特征搜索得到;
其中,服务器从所述目标图像中提取与所述目标对象相关联的字符信息和图像特征包括:利用光学字符识别OCR从所述目标图像中识别文字和符号;通过删除与所述目标对象同类型的对象都涉及的第一信息,以从所识别的文字和符号中选择用于标识所述目标对象的标识字符,作为与所述目标对象相关联的字符信息。
31.根据权利要求30的通信设备,其中,
所述通信设备还包括用于测量所述目标对象的光照参数的照度计,
所述判断单元与所述照度计通信以确定在所述图像采集单元采集目标图像的过程中所述目标对象的光照参数,并且在所述光照参数大于等于预设照度时确定所述目标图像满足预定条件。
32.根据权利要求30的通信设备,其中,所述判断单元分析目标图像以确定其边缘的像素点的平均梯度,并且在所述目标图像的边缘的像素点的平均梯度小于预设梯度阈值时,确定所述目标图像满足预定条件。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2015/082628 WO2017000109A1 (zh) | 2015-06-29 | 2015-06-29 | 搜索方法、搜索装置、用户设备和计算机程序产品 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105518678A CN105518678A (zh) | 2016-04-20 |
CN105518678B true CN105518678B (zh) | 2018-07-31 |
Family
ID=55725016
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201580000313.XA Active CN105518678B (zh) | 2015-06-29 | 2015-06-29 | 搜索方法、搜索装置和用户设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN105518678B (zh) |
WO (1) | WO2017000109A1 (zh) |
Families Citing this family (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107315181B (zh) * | 2016-04-26 | 2020-11-06 | 天津远度科技有限公司 | 一种避障方法及装置、飞行器 |
CN107403128B (zh) * | 2016-05-20 | 2020-12-29 | 株式会社理光 | 一种物品识别方法及装置 |
CN107403179B (zh) * | 2016-05-20 | 2020-10-23 | 株式会社理光 | 一种物品包装信息的注册方法及装置 |
CN106777177A (zh) * | 2016-12-22 | 2017-05-31 | 百度在线网络技术(北京)有限公司 | 检索方法和装置 |
WO2018145577A1 (zh) | 2017-02-08 | 2018-08-16 | 腾讯科技(深圳)有限公司 | 表情推荐方法和装置 |
CN108401005B (zh) * | 2017-02-08 | 2021-05-14 | 腾讯科技(深圳)有限公司 | 一种表情推荐方法和装置 |
TWI650656B (zh) | 2017-05-26 | 2019-02-11 | 虹光精密工業股份有限公司 | 於電腦系統搜尋影像檔案之方法、影像檔案搜尋裝置以及電腦系統 |
CN109213332B (zh) * | 2017-06-29 | 2022-11-08 | 北京搜狗科技发展有限公司 | 一种表情图片的输入方法和装置 |
CN107679070B (zh) * | 2017-08-22 | 2021-10-01 | 科大讯飞股份有限公司 | 一种智能阅读推荐方法与装置、电子设备 |
CN107569848B (zh) * | 2017-08-30 | 2020-08-04 | 武汉斗鱼网络科技有限公司 | 一种游戏分类方法、装置及电子设备 |
CN107862239A (zh) * | 2017-09-15 | 2018-03-30 | 广州唯品会研究院有限公司 | 一种结合文本与图片进行图片识别的方法及其装置 |
CN107798070A (zh) * | 2017-09-26 | 2018-03-13 | 平安普惠企业管理有限公司 | 一种网页数据获取方法及终端设备 |
CN107633086A (zh) * | 2017-09-27 | 2018-01-26 | 北京萌哥玛丽科技有限公司 | 一种通过图片实现视频或音频查找的控制方法及系统 |
CN107944022A (zh) * | 2017-12-11 | 2018-04-20 | 努比亚技术有限公司 | 图片分类方法、移动终端及计算机可读存储介质 |
CN108563663A (zh) * | 2018-01-04 | 2018-09-21 | 出门问问信息科技有限公司 | 图片推荐方法、装置、设备及存储介质 |
CN108960234A (zh) * | 2018-06-13 | 2018-12-07 | 山东师范大学 | 一种基于词袋模型的Logo识别方法及系统 |
CN110532413B (zh) * | 2019-07-22 | 2023-08-08 | 平安科技(深圳)有限公司 | 基于图片匹配的信息检索方法、装置、计算机设备 |
CN111782841A (zh) * | 2019-11-27 | 2020-10-16 | 北京沃东天骏信息技术有限公司 | 图像搜索方法、装置、设备和计算机可读介质 |
CN116737982B (zh) * | 2023-08-11 | 2023-10-31 | 拓锐科技有限公司 | 一种基于数据分析的图片搜索结果智能筛选管理系统 |
CN117216308B (zh) * | 2023-11-09 | 2024-04-26 | 天津华来科技股份有限公司 | 基于大模型的搜索方法、系统、设备及介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101593278A (zh) * | 2008-05-27 | 2009-12-02 | 佳能株式会社 | 文档图像的语言判别方法和系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101388023B (zh) * | 2008-09-12 | 2010-09-15 | 北京搜狗科技发展有限公司 | 电子地图兴趣点数据冗余检测方法和系统 |
US9135277B2 (en) * | 2009-08-07 | 2015-09-15 | Google Inc. | Architecture for responding to a visual query |
EP2646949B1 (en) * | 2010-12-01 | 2018-10-03 | Google LLC | Identifying matching source documents in response to a visual query |
CN102682091A (zh) * | 2012-04-25 | 2012-09-19 | 腾讯科技(深圳)有限公司 | 基于云服务的视觉搜索方法和系统 |
CN103473327A (zh) * | 2013-09-13 | 2013-12-25 | 广东图图搜网络科技有限公司 | 图像检索方法与系统 |
CN104572905B (zh) * | 2014-12-26 | 2018-09-04 | 小米科技有限责任公司 | 照片索引创建方法、照片搜索方法及装置 |
-
2015
- 2015-06-29 WO PCT/CN2015/082628 patent/WO2017000109A1/zh active Application Filing
- 2015-06-29 CN CN201580000313.XA patent/CN105518678B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101593278A (zh) * | 2008-05-27 | 2009-12-02 | 佳能株式会社 | 文档图像的语言判别方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
WO2017000109A1 (zh) | 2017-01-05 |
CN105518678A (zh) | 2016-04-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105518678B (zh) | 搜索方法、搜索装置和用户设备 | |
CN108829764B (zh) | 推荐信息获取方法、装置、系统、服务器及存储介质 | |
US8660378B2 (en) | Image evaluating device for calculating an importance degree of an object and an image, and an image evaluating method, program, and integrated circuit for performing the same | |
US9367756B2 (en) | Selection of representative images | |
CN108898579A (zh) | 一种图像清晰度识别方法、装置和存储介质 | |
CN104239408B (zh) | 基于由移动设备记录的图像的内容的数据访问 | |
WO2015051629A1 (zh) | 图片排序方法及装置 | |
TWI781554B (zh) | 物品名稱確定方法、裝置、電腦設備及儲存媒體 | |
US20150317510A1 (en) | Rating photos for tasks based on content and adjacent signals | |
WO2019011936A1 (en) | IMAGE EVALUATION METHOD | |
KR102517961B1 (ko) | 사용자 선택 의류를 기반으로 의류 추천 정보를 제공하는 방법, 이를 이용하는 서버 및 프로그램 | |
JP6310599B1 (ja) | 検索装置、検索方法および検索プログラム | |
JP2015141530A (ja) | 情報処理装置、スコア算出方法、プログラム、およびシステム | |
CN109408672A (zh) | 一种文章生成方法、装置、服务器及存储介质 | |
JP2014092955A (ja) | 類似コンテンツ検索処理装置、類似コンテンツ検索処理方法、およびプログラム | |
CN112200844A (zh) | 生成图像的方法、装置、电子设备及介质 | |
CN111310531A (zh) | 图像分类方法、装置、计算机设备及存储介质 | |
CN115983873B (zh) | 一种基于大数据的用户数据分析管理系统及方法 | |
CN111447260A (zh) | 信息推送、信息发布方法及装置 | |
JP2003330941A (ja) | 類似画像分類装置 | |
CN115049962A (zh) | 视频服饰检测方法、装置及设备 | |
KR20150101846A (ko) | 스케치를 기반으로 하는 영상 분류 서비스 시스템, 사용자 장치, 서비스 제공 장치, 그 서비스 방법 및 컴퓨터 프로그램이 기록된 기록매체 | |
CN109766052B (zh) | 菜品图片上传方法、装置、计算机设备及可读存储介质 | |
CN113609319A (zh) | 商品搜索方法、装置和设备 | |
US20200074218A1 (en) | Information processing system, information processing apparatus, and non-transitory computer readable medium |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 100190 Beijing, Haidian District Academy of Sciences, South Road, No. 2, block A, No. 313 Applicant after: MEGVII INC. Applicant after: Beijing maigewei Technology Co., Ltd. Address before: 100190 Beijing, Haidian District Academy of Sciences, South Road, No. 2, block A, No. 313 Applicant before: MEGVII INC. Applicant before: Beijing aperture Science and Technology Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |