CN109582813A - 一种文物展品的检索方法、装置、设备和存储介质 - Google Patents
一种文物展品的检索方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN109582813A CN109582813A CN201811474675.4A CN201811474675A CN109582813A CN 109582813 A CN109582813 A CN 109582813A CN 201811474675 A CN201811474675 A CN 201811474675A CN 109582813 A CN109582813 A CN 109582813A
- Authority
- CN
- China
- Prior art keywords
- showpiece
- image
- historical relic
- original
- candidate
- 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
Abstract
本发明实施例公开了一种文物展品的检索方法、装置、设备和存储介质。该方法通过获取原始文物展品的原始展品图像；从所述原始展品图像中提取第一图像特征和第二图像特征；根据所述第一图像特征从同一文物类别的文物展品库中获取候选展品图像；根据所述第二图像特征计算所述原始展品图像与所述候选展品图像之间的相似度；根据所述相似度从所述候选展品图像中提取目标展品图像，解决了由于图像特征的维度较高导致的检索速度慢的问题，实现缩短相似度对比时间，并加快展品的检索速度的效果。
Description
技术领域
本发明实施例涉及检索技术，尤其涉及一种文物展品的检索方法、装置、设备和存储介质。
背景技术
随着互联网科技步伐的加快，人们的生活节奏也变得越来越快。工艺、美术、科技以及古藏品等越来越受到当代人的青睐，博物馆成为节假日休闲放松的好去处。
由于博物馆中的展品种类繁多，可以使用图像检索的技术建立一展品检索系统，方便用户快速找到感兴趣的展品或快速获取展品的相关信息。现有的展品检索系统通过将展品的图像转换为图像特征存储在数据库中，并在后期的查询过程中，使用相似度对比的方式，确定检索结果。但是由于图像特征的维度较高，导致在进行相似度对比时计算时间长，检索速度缓慢，进而影响用户的体验。
发明内容
本发明提供一种文物展品的检索方法、装置、设备和存储介，以实现缩短相似度对比时间，并加快展品的检索速度。
第一方面，本发明实施例提供了一种文物展品的检索方法，该方法包括：
获取原始文物展品的原始展品图像；
从所述原始展品图像中提取第一图像特征和第二图像特征；
根据所述第一图像特征从同一文物类别的文物展品库中获取候选展品图像；
根据所述第二图像特征计算所述原始展品图像与所述候选展品图像之间的相似度；
根据所述相似度从所述候选展品图像中提取目标展品图像。
进一步的，所述第二图像特征的维度小于第一图像特征的维度。
进一步的，在所述获取原始文物展品的原始展品图像之前，所述方法还包括：
获取客户端发送的待检索图像数据；
在所述待检索图像数据中统计原始文物展品的数量；
根据所述数量对所述待检索图像数据进行图像分割，得到每个原始文物展品的原始展品图像。
进一步的，根据所述第一图像特征从同一文物类别的候选文物展品库中获取候选展品图像，包括：
将所述第一图像特征输入至预设的文物分类模型中，以输出所述原始文物展品的文物类别；
基于所述文物类别，调用该文物类别的标签下的文物展品库；
从该文物展品库中获取所述候选展品图像。
进一步的，根据所述第二图像特征计算所述原始展品图像与所述候选展品图像之间的相似度，包括：
查找所述候选展品图像对应的哈希编码；
将所述原始展品图像的第二图像特征转换为哈希编码；
计算所述原始展品图像的哈希编码和所述候选展品图像的哈希编码之间的距离，作为所述原始展品图像与所述候选展品图像之间的相似度。
进一步的，所述根据所述相似度从所述候选展品图像中选择目标展品图像，包括：
按照所述相似度对所述候选展品图像进行排序；
将排序在前n个所述候选展品图像设置为目标展品图像。
进一步的，在所述根据所述相似度从所述候选展品图像中提取目标展品图像之后，还包括：
将所述目标展品图像发送至客户端进行展示；
当接收所述客户端对所述目标展品图像的选定操作时，为所述客户端规划游览所述目标展品图像所属的候选文物展品的游览路线。
第二方面，本发明实施例还提供了一种文物展品的检索装置，该装置包括：
原始展品图像获取模块，用于获取原始文物展品的原始展品图像；
图像特征提取模块，用于从所述原始展品图像中提取第一图像特征和第二图像特征，其中，所述第二图像特征的维度小于第一图像特征的维度；
候选展品图像查找模块，用于根据所述第一图像特征从同一文物类别的文物展品库中获取候选展品图像；
相似度计算模块，用于根据所述第二图像特征计算所述原始展品图像与所述候选展品图像之间的相似度；
目标展品图像选择模块，用于根据所述相似度从所述候选展品图像中提取目标展品图像。
第三方面，本发明实施例还提供了一种文物展品的检索设备，该设备包括：存储器以及一个或多个处理器；
所述存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面中任一所述的文物展品的检索方法。
第四方面，本发明实施例还提供了一种包含计算机可执行指令的存储介质，其特征在于，所述计算机可执行指令在由计算机处理器执行时用于执行如第一方面中任一所述的文物展品的检索方法。
本发明通过获取原始文物展品的原始展品图像；从所述原始展品图像中提取第一图像特征和第二图像特征；根据所述第一图像特征从同一文物类别的文物展品库中获取候选展品图像；根据所述第二图像特征计算所述原始展品图像与所述候选展品图像之间的相似度；根据所述相似度从所述候选展品图像中提取目标展品图像，解决了由于图像特征的维度较高导致的检索速度慢的问题，实现缩短相似度对比时间，并加快展品的检索速度的效果。
附图说明
图1为本发明实施例一提供的一种文物展品的检索方法的流程图；
图2为本发明实施例二提供的一种文物展品的检索方法的流程图；
图3为本发明实施例三提供的一种文物展品的检索装置的结构示意图；
图4为本发明实施例四提供的一种文物展品的检索设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种文物展品的检索方法的流程图，本实施例可适用于为文物展品提供图片检索的情况，本实施例对应用场景不作限定，凡是利用图片的先分类再计算相似度的方式进行图片检索的应用场景均可适用。该方法可以由文物展品的检索设备来执行，本实施例对文物展品的检索设备不作限定，该文物展品的检索设备可以是电脑、专用设备或服务器，本实施例以文物展品的检索设备为服务器为例进行说明，该服务器可以是独立服务器或集群服务器，可以是实体服务器或虚拟服务器。
参照图1，该文物展品的检索方法，具体包括如下步骤：
S110、获取原始文物展品的原始展品图像。
本实施例中，原始文物展品为用户需要进行检索的文物展品。原始展品图像为根据用户拍摄或者上传的原始图像数据进行预处理得到的图像。
在一实施例中，该预处理至少包括：去噪、归一化、图像增强和去背景中的任意一项或多项。
示例性的，将原始图像数据灰度化，去除原始图像中的显见噪声(干扰)，并进行大小归一化处理；进一步的，为避免因图像的变形而影响后续的处理，通过灰度拉伸增强图像对比度，通过二值化处理实现图像中背景和原始文物展品的分割，之后，采用动态阈值法确定图像二值化的关键阈值，使用带修正的自适应邻域平均法消除图像干扰和噪音，并使用Hough变幻和选装投影相结合的方法实现图像的倾斜校正等。通过预处理可以避免因图像的变形等因素影响后续提取图像特征的精准度。
S120、从所述原始展品图像中提取第一图像特征和第二图像特征。
本实施例中，第一图像特征和第二图像特征用于表示原始展品图像，方便进行比对和分类。使用特征提取模型从所述原始展品图像中提取第一图像特征和第二图像特征。本实施例中，第一图像特征和第二图像特征可以是同时提取或分开提取，本实施例对此不作限定。
在一实施例中，使用VGG16网络结构作为特征提取模型。VGG16网络结构为多级输出的网络结构，可以将不同的两层输出作为第一图像特征和第二图像特征。如，将VGG16中的一层4096维的输出特征向量作为第一图像特征，进一步的，4096维的输出特征向量经过VGG16网络结构中后续若干层的压缩处理，得到128维的输出特征向量作为第二图像特征。
在一实施例中，使用VGG16网络结构作为特征提取模型。提取第一图像特征和第二图像特征的特征提取模型可以为不同的两个VGG16网络结构。
需要说明的是，本实施例对特征提取模型不作限定，特征提取模型除了采用VGG16网络结构，还可以采用VGG19、AlexNet、GooLeNet和ResNet等常用神经网络结构。
在一实施例中，本发明对所述原始展品图像做特征提取，触发提取指令，响应提取指令调用tensorflow框架，在GPU下做数据特征抽取，其中所述提取指令对应的命令为：python index.py-database g:/museum-index database/museumFeature.h5。
S130、根据所述第一图像特征从同一文物类别的文物展品库中获取候选展品图像。
本实施例中，文物展品库中存储有各文物展品的信息，该信息包括文物展品名称、展品图像、文物展品类别等。候选展品图像为将与原始展品图像进行比对的展品图像，并将比对成功后的候选文物展品，作为原始文物展品的检索结果。本实施例中，通过根据第一图像特征确定所述原始文物展品的文物类别，并将同一文物类别的文物展品库中的展品图像作为候选展品图像。
通过使用第一图像特征确定所述原始文物展品的文物类别，一方面可以获得原始文物展品的更多信息，如与原始文物展品的同类文物展品，并进行推荐；另一方面，有利于后期图片检索过程中缩小比对范围，使得识别更为高效快速。
S140、根据所述第二图像特征计算所述原始展品图像与所述候选展品图像之间的相似度。
本实施例中，所述原始展品图像与所述候选展品图像均通过同样的特征提取模型处理，得到第二图像特征。进一步的，可以通过计算二者的第二图像特征的距离确定所述原始展品图像与所述候选展品图像之间的相似度。
本实施例如何通过计算距离得到相似度不作限定，该距离可以是汉明距离、曼哈顿距离、欧几里得距离、明可夫斯基距离、Jaccard相似系数(Jaccard similaritycoefficient)和皮尔森相关系数等。
S150、根据所述相似度从所述候选展品图像中提取目标展品图像。
本实施例中，目标展品图像为根据原始展品图像检索的返回结果。
本实施例对根据所述相似度从所述候选展品图像中选择目标展品图像不作限定，可以是将相似度超过预设相似度的候选展品图像作为目标展品图像，或根据相似度将候选展品图像从大到小进行排序，将排序在前的预设数量候选展品图像作为目标展品图像。
本实施例的技术方案，通过获取原始文物展品的原始展品图像；从所述原始展品图像中提取第一图像特征和第二图像特征；根据所述第一图像特征从同一文物类别的文物展品库中获取候选展品图像；根据所述第二图像特征计算所述原始展品图像与所述候选展品图像之间的相似度；根据所述相似度从所述候选展品图像中提取目标展品图像，由此，通过第一图像特征确定原始文物展品的文物类别，一方面可以获得原始文物展品的更多信息，如与原始文物展品的同类文物展品，并进行推荐；另一方面，有利于后期图片检索过程中缩小比对范围，使得识别更为高效快速，解决了由于图像特征的维度较高导致的检索速度慢的问题，实现缩短相似度对比时间，并加快展品的检索速度的效果。
在一实施例中，本发明对所述候选展品图像进行搜索，触发搜索指令，响应于所述搜索指令，根据提取的所述原始展品图像的第二图像特征，在所述文物展品库中与所述候选展品图像的第二图像特征做相似度计算，再提取所述相似度最高的候选展品图像，并将所述相似度最高的候选展品图像确认为所述目标展品图像并推送至前端展示，其对应指令为：python query_online.py-query g:/museum/201809070643974.tif-indexmuseumFeature.h5-result g:/museum。
在一实施例中，本发明所述文物展品的检索方法还包括：获取原始文物展品的原始展品图像；从所述原始展品图像中提取第一图像特征；根据所述第一图像特征从同一文物类别的文物展品库中获取候选展品图像；从所述原始展品图像中提取第二图像特征；根据所述第二图像特征在所述同一文物类别的文物展品库中计算所述原始展品图像与所述候选展品图像之间的相似度；根据所述相似度从所述候选展品图像中提取目标展品图像。本发明实施例通过第一图像特征确定原始文物展品的文物类别，根据所述文物类别再进行原始展品图像的检索，不仅缩小了检索的范围，而且提高了检索速度，缩短检索时间。
本发明实施例中，所述获取原始文物展品的原始展品图像，从所述原始展品图像中提取第一图像特征还包括：获取并验证所述第一图像特征的有效性和合法性，根据验证结果进行文物类别的识别。其中，所述有效性的验证包括：检测所述第一图像特征的数据完整度，所述完整度通过二次图像特征提取进行验证，如重新获取所述原始展品图像，进行第二次提取所述第一图像特征，并与第一次提取的第一图像特征进行特征匹配，计算其匹配度，当匹配度满足预设阈值时，则为有效性，否则无效。其中，所述合法性的验证包括：调用预先设置的非法图像数据库，将所述第一图像特征与所述非法图像数据库中的非法图像特征进行比对，生成比对结果若满足预置条件的则为合法，否则为非法。所述预置条件指的是所述比对结果中对应的相似度是否在一定阈值之内。需要说明的是，当验证出所述第一图像特征并不满足所述有效性和/或合法性时，则生成报错信息并反馈至输入端。
实施例二
图2为本发明实施例二提供的一种文物展品的检索方法的流程图。
本实施例在上述实施例的基础上进一步细化，具体包括：
S201、获取客户端发送的待检索图像数据。
本实施例中，用户可以通过客户端拍摄或上传待检索图像数据。其中，待检索图像数据是包含原始文物展品的图像。
在一实施例中，在获取客户端发送的待检索图像数据时，当用户输入的待检索图像数据不规范时，则返回停止检索的信息；其不规范指的是在文物展品库中未检索到结果或分辨率低于预设分辨率等。
S202、在所述待检索图像数据中统计原始文物展品的数量。
本实施例适用于待检索图像数据中包含至少一个原始文物展品的情况，可以通过机器学习识别的方式，确定待检索图像数据中原始文物展品的数量。
S203、根据所述数量对所述待检索图像数据进行图像分割，得到每个原始文物展品的原始展品图像。
本实施例中，可以通过根据用户的选择操作从分割得到的原始展品图像确定需要进行检索的原始文物展品，当用户未作出选择时，则对分割得到的每个原始文物展品的原始展品图像分别进行检索。
本实施例将对根据单个原始展品图像进行检索得到始文物展品对应的检索结果进行说明，该过程同样使用于多张原始展品图像的情况。
S204、获取原始文物展品的原始展品图像。
S205、从所述原始展品图像中提取第一图像特征和第二图像特征。
其中，所述第二图像特征的维度小于第一图像特征的维度。
本实施例中，使用特征提取模型从所述原始展品图像中提取第一图像特征和第二图像特征。
在一实施例中，使用VGG16网络结构作为特征提取模型。VGG16网络结构为多级输出的网络结构，可以将不同的两层输出作为第一图像特征和第二图像特征。如，将VGG16中的一层4096维的输出特征向量作为第一图像特征，进一步的，4096维的输出特征向量经过若干层压缩处理后，得到128维的输出特征向量作为第二图像特征。
S206、将所述第一图像特征输入至预设的文物分类模型中，以输出所述原始文物展品的文物类别。
本实施例中，文物分类模型可以使用机器学习中的分类模型，用于将第一图像特征进行处理，得到原始文物展品所属的文物类别。
在一实施例中，将采用的VGG16网络结构进行特征提取，得到第一图像特征，即4096维的特征向量。进一步的，使用文物分类模型对第一图像特征进行处理，输出原始文物展品的文物类别。该文物类别可以使用不同的标签进行标记。该文物类别可以分为杯子、缸、鼎、碟、钱币和动物等。
S207、基于所述文物类别，调用该文物类别的标签下的文物展品库。
本实施例中，将文物展品对应的展品图像进行分门别类后保存在文物展品库中，可以使得预先处理的展品图像保存更为有规律，减少图片检索的耗时。在确定文物类别之后，即可快速定位文物类别的标签下对应的文物展品库中的候选展品图像。
在一实施例中，当识别不出原始展品图像对应的文物类别时，则定义其为预设类别，如类名为“其他类”。
S208、从该文物展品库中获取所述候选展品图像。
本实施例中，通过只在文物类别中查找候选文物展品对应的候选展品图像，可以减少检索过程中的比对范围，使得识别更为高效快速。而且由于比对更有针对性，可以增加比对的准确性。
S209、查找所述候选展品图像对应的哈希编码。
S210、将所述原始展品图像的第二图像特征转换为哈希编码。
本实施例中，候选展品图像和原始展品图像使用同一特征提取模型提取出第二图像特征，进一步的，使用同一哈希函数将第二图像特征转换为哈希编码，该哈希编码中的每一维度为二进制。
本实施例中对哈希函数不作限定，本实施例将通过举例进行说明。
在一实施例中，为了使得哈希函数具备较好的适应性，可以是将文物展品库中的展品图像作为训练集，并根据该训练集，训练得到哈希函数。
在一实施例中，哈希函数用于确定预设阈值，当第二图像特征每一维中的数值大于所述预设阈值，将该维设置为1，否则设置为0。如，预设阈值为0到1之间的数，以预设阈值设置为0.6为例，128维的维度值假设为0.1、0.2、0.5、0.4、0.8、0.9、0.04、0.6、0.07等，当128维中的每一维对应的维度值大于0.6，取值1，小于或等于0.6时，则取值0，最后的哈希编码取值为：000011000等。
在一实施例中，将所述原始展品图像的第二图像特征转换为哈希编码，采用Sigmoid激活函数进行转换。
进一步的，在一实施例中，第二图像特征的维度小于第一图像特征的维度。使用较小的维度的第二图像特征，可以方便对第二图像特征转换得到的哈希编码进行比对，增加比对的效率。
S211、计算所述原始展品图像的哈希编码和所述候选展品图像的哈希编码之间的距离，作为所述原始展品图像与所述候选展品图像之间的相似度。
本实施例如何计算所述原始展品图像的哈希编码和所述候选展品图像的哈希编码之间的距离不作限定，该距离可以是汉明距离、曼哈顿距离、欧几里得距离、明可夫斯基距离、Jaccard相似系数(Jaccard similarity coefficient)和皮尔森相关系数等。
在一实施例中，所述原始展品图像的哈希编码和所述候选展品图像的哈希编码之间的距离为汉明距离。两个等长字符串之间的汉明距离(Hamming distance)是两个字符串对应位置的不同字符的个数。换句话说，它就是将一个字符串变换成另外一个字符串所需要替换的字符个数。例如：1011101与1001001之间的汉明距离是2。又如，2143896与2233796之间的汉明距离是3。再如，"toned"与"roses"之间的汉明距离是3。
S212、按照所述相似度对所述候选展品图像进行排序。
S213、将排序在前n个所述候选展品图像设置为目标展品图像。
本实施例中，根据相似度将候选展品图像从大到小进行排序，并输出排序单，根据排序单将排序在前的预设数量(n)的候选展品图像作为目标展品图像。
S214、将所述目标展品图像发送至客户端进行展示。
本实施例中，目标展品图像为所述原始展品图像对应的检索结果，根据相似度从大到小的顺序显示在客户端。
在一实施例中，当将目标展品图像展示在客户端中时，获取用户对目标展品图像的点击操作，获取被点击的目标展品图像对应的文物展品的信息，并将该信息展示在客户端上，以供用户阅读。其中，所述文物展品的信息包括以下任意一项或多项：展品名称、展品类别、展品年代、展品介绍、展品三维模型数据、展品图片等信息。
S215、当接收所述客户端对所述目标展品图像的选定操作时，为所述客户端规划游览所述目标展品图像所属的候选文物展品的游览路线。
本实施例中，游览路线用于为用户提供游览该目标展品图像所属的候选文物展品的路线，方便用户有目的地进行游览。
本发明实施例中，所述游览路线的生成包括：接收客户端发送的针对所述目标展品图像的选定指令；响应于所述选定指令获取所述目标展品图像对应展品的展柜当前所处的第一位置信息；获取所述客户端当前所处的第二位置信息；根据预置的博物馆坐标信息和相应展柜的配置信息，依据所述第一位置信息和第二位置信息，生成游览路线。其中所述展柜的配置信息指的是当前该展柜的状态数据，具体包括该展柜当前允许观看、不存在展品、正在维修、禁止观看等状态数据。
本实施例的技术方案，通过获取客户端发送的待检索图像数据；在所述待检索图像数据中统计原始文物展品的数量；根据所述数量对所述待检索图像数据进行图像分割，得到每个原始文物展品的原始展品图像；获取原始文物展品的原始展品图像；从所述原始展品图像中提取第一图像特征和第二图像特征，其中，所述第二图像特征的维度小于第一图像特征的维度；将所述第一图像特征输入至预设的文物分类模型中，以输出所述原始文物展品的文物类别；基于所述文物类别，调用该文物类别的标签下的文物展品库；从该文物展品库中获取所述候选展品图像；查找所述候选展品图像对应的哈希编码；将所述第二图像特征转换为哈希编码；计算所述哈希编码与所述哈希编码之间的距离，作为所述原始展品图像与所述候选展品图像之间的相似度；按照所述相似度对所述候选展品图像进行排序；将排序在前n个所述候选展品图像设置为目标展品图像；将所述目标展品图像发送至客户端进行展示；当接收所述客户端对所述目标展品图像的选定操作时，为所述客户端规划游览所述目标展品图像所属的候选文物展品的游览路线，由此，通过确定文物类别，缩小相似度比对范围，进一步使用哈希编码之间的距离作为原始展品图像与候选展品图像之间的相似度，由于哈希编码使用大规模的训练集进行训练得到，提高哈希编码的适应性，提供比对的准确性。而且，哈希编码为二进制编码，可以方便比对，且增加比对的效率，解决了由于图像特征的维度较高导致的检索速度慢的问题，实现缩短相似度对比时间，并加快展品的检索速度的效果。
实施例三
图3为本发明实施例三提供的一种文物展品的检索装置的结构示意图。
本实施例可适用于为文物展品提供图片检索的情况，本实施例对应用场景不作限定，凡是利用图片的先分类再计算相似度的方式进行图片检索的应用场景均可适用。该装置可以集成于文物展品的检索设备中，本实施例对文物展品的检索设备不作限定，该文物展品的检索设备可以是电脑、专用设备或服务器，本实施例以文物展品的检索设备为服务器为例进行说明，该服务器可以是独立服务器或集群服务器，可以是实体服务器或虚拟服务器。
参照图3，该装置具体包括如下结构：原始展品图像获取模块310、图像特征提取模块320、候选展品图像查找模块330、相似度计算模块340和目标展品图像选择模块350。
原始展品图像获取模块310，用于获取原始文物展品的原始展品图像。
图像特征提取模块320，用于从所述原始展品图像中提取第一图像特征和第二图像特征。
候选展品图像查找模块330，用于根据所述第一图像特征从同一文物类别的文物展品库中获取候选展品图像。
相似度计算模块340，用于根据所述第二图像特征计算所述原始展品图像与所述候选展品图像之间的相似度。
目标展品图像选择模块350，用于根据所述相似度从所述候选展品图像中提取目标展品图像。
本实施例的技术方案，通过获取原始文物展品的原始展品图像；从所述原始展品图像中提取第一图像特征和第二图像特征；根据所述第一图像特征从同一文物类别的文物展品库中获取候选展品图像；根据所述第二图像特征计算所述原始展品图像与所述候选展品图像之间的相似度；根据所述相似度从所述候选展品图像中提取目标展品图像，由此，通过第一图像特征确定原始文物展品的文物类别，一方面可以获得原始文物展品的更多信息，如与原始文物展品的同类文物展品，并进行推荐；另一方面，有利于后期图片检索过程中缩小比对范围，使得识别更为高效快速，解决了由于图像特征的维度较高导致的检索速度慢的问题，实现缩短相似度对比时间，并加快展品的检索速度的效果。
在上述实施例的基础上，所述第二图像特征的维度小于第一图像特征的维度。
在上述实施例的基础上，所述装置还包括：
待检索图像数据获取模块，用于在所述获取原始文物展品的原始展品图像之前，获取客户端发送的待检索图像数据。
数量统计模块，用于在所述待检索图像数据中统计原始文物展品的数量。
图像分割模块，用于根据所述数量对所述待检索图像数据进行图像分割，得到每个原始文物展品的原始展品图像。
在上述实施例的基础上，所述候选展品图像查找模块330包括：
文物类别确定单元，用于将所述第一图像特征输入至预设的文物分类模型中，以输出所述原始文物展品的文物类别。
文物展品库确定单元，用于基于所述文物类别，调用该文物类别的标签下的文物展品库。
候选展品图像获取单元，用于从该文物展品库中获取所述候选展品图像。
在上述实施例的基础上，相似度计算模块340，包括：
哈希编码查找单元，用于查找所述候选展品图像对应的哈希编码；
哈希编码转换单元，用于将所述原始展品图像的第二图像特征转换为哈希编码；
相似度计算单元，用于计算所述原始展品图像的哈希编码和所述候选展品图像的哈希编码之间的距离，作为所述原始展品图像与所述候选展品图像之间的相似度。
在上述实施例的基础上，所述目标展品图像选择模块350，包括：
排序单元，用于按照所述相似度对所述候选展品图像进行排序；
目标展品图像设置单元，用于将排序在前n个所述候选展品图像设置为目标展品图像。
在上述实施例的基础上，还装置还包括：
目标展品图像发送模块，用于在所述根据所述相似度从所述候选展品图像中选择目标展品图像之后，将所述目标展品图像发送至客户端进行展示。
游览路线规划模块，用于当接收所述客户端对所述目标展品图像的选定操作时，为所述客户端规划游览所述目标展品图像所属的候选文物展品的游览路线。
上述产品可执行本发明任意实施例所提供的方法，具备执行方法相应的功能模块和有益效果。
实施例四
图4为本发明实施例四提供的一种文物展品的检索设备的结构示意图。
如图4所示，该文物展品的检索设备包括：处理器40、存储器41、输入装置42以及输出装置43以及通信装置44。该文物展品的检索设备中处理器40的数量可以是一个或者多个，图4中以一个处理器40为例。该文物展品的检索设备中存储器41的数量可以是一个或者多个，图4中以一个存储器41为例。该文物展品的检索设备的处理器40、存储器41、输入装置42、输出装置43以及通信装置44可以通过总线或者其他方式连接，图4中以通过总线连接为例。本实施例对文物展品的检索设备不作限定，该文物展品的检索设备可以是电脑、专用设备或服务器，本实施例以文物展品的检索设备为服务器为例进行说明，该服务器可以是独立服务器或集群服务器，可以是实体服务器或虚拟服务器。
存储器41作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明任意实施例所述的文物展品的检索方法对应的程序指令/模块(例如，文物展品的检索装置中的原始展品图像获取模块310、图像特征提取模块320、候选展品图像查找模块330、相似度计算模块340和目标展品图像选择模块350)。存储器41可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据设备的使用所创建的数据等。此外，存储器41可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器41可进一步包括相对于处理器40远程设置的存储器，这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置42可用于接收输入的数字或者字符信息，以及产生与文物展品的检索设备的用户设置以及功能控制有关的键信号输入，还可以是用于获取图像的摄像头以及获取音频数据的拾音设备。输出装置43可以包括扬声器等音频设备。需要说明的是，输入装置42和输出装置43的具体组成可以根据实际情况设定。
处理器40通过运行存储在存储器41中的软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现上述的文物展品的检索方法。
实施例五
本发明实施例五还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种文物展品的检索方法，包括：
获取原始文物展品的原始展品图像；
从所述原始展品图像中提取第一图像特征和第二图像特征；
根据所述第一图像特征从同一文物类别的文物展品库中获取候选展品图像；
根据所述第二图像特征计算所述原始展品图像与所述候选展品图像之间的相似度；
根据所述相似度从所述候选展品图像中提取目标展品图像。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的文物展品的检索方法操作,还可以执行本发明任意实施例所提供的文物展品的检索方法中的相关操作，且具备相应的功能和有益效果。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是机器人，个人计算机，服务器，或者网络设备等)执行本发明任意实施例所述的文物展品的检索方法。
值得注意的是，上述文物展品的检索装置中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种文物展品的检索方法，其特征在于，包括：
获取原始文物展品的原始展品图像；
从所述原始展品图像中提取第一图像特征和第二图像特征；
根据所述第一图像特征从同一文物类别的文物展品库中获取候选展品图像；
根据所述第二图像特征计算所述原始展品图像与所述候选展品图像之间的相似度；
根据所述相似度从所述候选展品图像中提取目标展品图像。
2.根据权利要求1所述的方法，其特征在于，所述第二图像特征的维度小于第一图像特征的维度。
3.根据权利要求1所述的方法，其特征在于，在所述获取原始文物展品的原始展品图像之前，所述方法还包括：
获取客户端发送的待检索图像数据；
在所述待检索图像数据中统计原始文物展品的数量；
根据所述数量对所述待检索图像数据进行图像分割，得到每个原始文物展品的原始展品图像。
4.根据权利要求1所述的方法，其特征在于，根据所述第一图像特征从同一文物类别的候选文物展品库中获取候选展品图像，包括：
将所述第一图像特征输入至预设的文物分类模型中，以输出所述原始文物展品的文物类别；
基于所述文物类别，调用该文物类别的标签下的文物展品库；
从该文物展品库中获取所述候选展品图像。
5.根据权利要求1所述的方法，其特征在于，根据所述第二图像特征计算所述原始展品图像与所述候选展品图像之间的相似度，包括：
查找所述候选展品图像对应的哈希编码；
将所述原始展品图像的第二图像特征转换为哈希编码；
计算所述原始展品图像的哈希编码和所述候选展品图像的哈希编码之间的距离，作为所述原始展品图像与所述候选展品图像之间的相似度。
6.根据权利要求1所述的方法，其特征在于，所述根据所述相似度从所述候选展品图像中提取目标展品图像，包括：
按照所述相似度对所述候选展品图像进行排序；
将排序在前n个所述候选展品图像设置为目标展品图像。
7.根据权利要求1-6任一项所述的方法，其特征在于，在所述根据所述相似度从所述候选展品图像中选择目标展品图像之后，还包括：
将所述目标展品图像发送至客户端进行展示；
当接收所述客户端对所述目标展品图像的选定操作时，为所述客户端规划游览所述目标展品图像所属的候选文物展品的游览路线。
8.一种文物展品的检索装置，其特征在于，包括：
原始展品图像获取模块，用于获取原始文物展品的原始展品图像；
图像特征提取模块，用于从所述原始展品图像中提取第一图像特征和第二图像特征，其中，所述第二图像特征的维度小于第一图像特征的维度；
候选展品图像查找模块，用于根据所述第一图像特征从同一文物类别的文物展品库中获取候选展品图像；
相似度计算模块，用于根据所述第二图像特征计算所述原始展品图像与所述候选展品图像之间的相似度；
目标展品图像选择模块，用于根据所述相似度从所述候选展品图像中提取目标展品图像。
9.一种文物展品的检索设备，其特征在于，包括：存储器以及一个或多个处理器；
所述存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的文物展品的检索方法。
10.一种包含计算机可执行指令的存储介质，其特征在于，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7中任一所述的文物展品的检索方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811474675.4A CN109582813B (zh) | 2018-12-04 | 2018-12-04 | 一种文物展品的检索方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811474675.4A CN109582813B (zh) | 2018-12-04 | 2018-12-04 | 一种文物展品的检索方法、装置、设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109582813A true CN109582813A (zh) | 2019-04-05 |
| CN109582813B CN109582813B (zh) | 2021-10-01 |
Family
ID=65927359
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811474675.4A Active CN109582813B (zh) | 2018-12-04 | 2018-12-04 | 一种文物展品的检索方法、装置、设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109582813B (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110083734A (zh) * | 2019-04-15 | 2019-08-02 | 中南大学 | 基于自编码网络和鲁棒核哈希的半监督图像检索方法 |
| CN110362714A (zh) * | 2019-07-25 | 2019-10-22 | 腾讯科技（深圳）有限公司 | 视频内容的搜索方法和装置 |
| CN111290573A (zh) * | 2020-01-16 | 2020-06-16 | 广州时间网络科技有限公司 | 一种基于人工智能的文物典藏数字应用系统及其方法 |
| CN111522989A (zh) * | 2020-07-06 | 2020-08-11 | 南京梦饷网络科技有限公司 | 用于图像检索的方法、计算设备和计算机存储介质 |
| CN113989792A (zh) * | 2021-10-29 | 2022-01-28 | 天津大学 | 一种基于融合特征的文物推荐算法 |
| US11341735B2 (en) * | 2019-07-17 | 2022-05-24 | Boe Technology Group Co., Ltd. | Image recommendation method, client, server, computer system and medium |
| CN115238081A (zh) * | 2022-06-14 | 2022-10-25 | 杭州原数科技有限公司 | 一种文物智能识别方法、系统及可读存储介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090028446A1 (en) * | 2007-07-23 | 2009-01-29 | Bo Wu | Document image processing apparatus, document image processing method, document image processing program, and recording medium on which document image processing program is recorded |
| CN104572971A (zh) * | 2014-12-31 | 2015-04-29 | 安科智慧城市技术（中国）有限公司 | 图像检索的方法和装置 |
| CN107239535A (zh) * | 2017-05-31 | 2017-10-10 | 北京小米移动软件有限公司 | 相似图片检索方法及装置 |
| CN107679235A (zh) * | 2017-10-25 | 2018-02-09 | 成都尽知致远科技有限公司 | 基于云平台的检索系统 |
| CN108491528A (zh) * | 2018-03-28 | 2018-09-04 | 苏州大学 | 一种图像检索方法、系统及装置 |
| CN108694225A (zh) * | 2017-03-31 | 2018-10-23 | 阿里巴巴集团控股有限公司 | 一种图像搜索方法、特征向量的生成方法、装置及电子设备 |
| CN108763265A (zh) * | 2018-04-03 | 2018-11-06 | 南昌奇眸科技有限公司 | 一种基于分块检索的图像识别方法 |
| CN108804470A (zh) * | 2017-05-04 | 2018-11-13 | 上海荆虹电子科技有限公司 | 一种图像检索方法及装置 |
-
2018
- 2018-12-04 CN CN201811474675.4A patent/CN109582813B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090028446A1 (en) * | 2007-07-23 | 2009-01-29 | Bo Wu | Document image processing apparatus, document image processing method, document image processing program, and recording medium on which document image processing program is recorded |
| CN104572971A (zh) * | 2014-12-31 | 2015-04-29 | 安科智慧城市技术（中国）有限公司 | 图像检索的方法和装置 |
| CN108694225A (zh) * | 2017-03-31 | 2018-10-23 | 阿里巴巴集团控股有限公司 | 一种图像搜索方法、特征向量的生成方法、装置及电子设备 |
| CN108804470A (zh) * | 2017-05-04 | 2018-11-13 | 上海荆虹电子科技有限公司 | 一种图像检索方法及装置 |
| CN107239535A (zh) * | 2017-05-31 | 2017-10-10 | 北京小米移动软件有限公司 | 相似图片检索方法及装置 |
| CN107679235A (zh) * | 2017-10-25 | 2018-02-09 | 成都尽知致远科技有限公司 | 基于云平台的检索系统 |
| CN108491528A (zh) * | 2018-03-28 | 2018-09-04 | 苏州大学 | 一种图像检索方法、系统及装置 |
| CN108763265A (zh) * | 2018-04-03 | 2018-11-06 | 南昌奇眸科技有限公司 | 一种基于分块检索的图像识别方法 |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110083734A (zh) * | 2019-04-15 | 2019-08-02 | 中南大学 | 基于自编码网络和鲁棒核哈希的半监督图像检索方法 |
| CN110083734B (zh) * | 2019-04-15 | 2024-05-03 | 中南大学 | 基于自编码网络和鲁棒核哈希的半监督图像检索方法 |
| US11341735B2 (en) * | 2019-07-17 | 2022-05-24 | Boe Technology Group Co., Ltd. | Image recommendation method, client, server, computer system and medium |
| CN110362714A (zh) * | 2019-07-25 | 2019-10-22 | 腾讯科技（深圳）有限公司 | 视频内容的搜索方法和装置 |
| CN111290573A (zh) * | 2020-01-16 | 2020-06-16 | 广州时间网络科技有限公司 | 一种基于人工智能的文物典藏数字应用系统及其方法 |
| CN111522989A (zh) * | 2020-07-06 | 2020-08-11 | 南京梦饷网络科技有限公司 | 用于图像检索的方法、计算设备和计算机存储介质 |
| CN111522989B (zh) * | 2020-07-06 | 2020-10-30 | 南京梦饷网络科技有限公司 | 用于图像检索的方法、计算设备和计算机存储介质 |
| CN113989792A (zh) * | 2021-10-29 | 2022-01-28 | 天津大学 | 一种基于融合特征的文物推荐算法 |
| CN115238081A (zh) * | 2022-06-14 | 2022-10-25 | 杭州原数科技有限公司 | 一种文物智能识别方法、系统及可读存储介质 |
| CN115238081B (zh) * | 2022-06-14 | 2024-04-30 | 杭州原数科技有限公司 | 一种文物智能识别方法、系统及可读存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109582813B (zh) | 2021-10-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109582813A (zh) | 一种文物展品的检索方法、装置、设备和存储介质 | |
| CN111523621B (zh) | 图像识别方法、装置、计算机设备和存储介质 | |
| CN109117777B (zh) | 生成信息的方法和装置 | |
| CN105354307B (zh) | 一种图像内容识别方法及装置 | |
| CN110362677B (zh) | 文本数据类别的识别方法及装置、存储介质、计算机设备 | |
| CN109993102B (zh) | 相似人脸检索方法、装置及存储介质 | |
| CN110555428B (zh) | 行人重识别方法、装置、服务器以及存储介质 | |
| CN110598037A (zh) | 一种图像搜索方法、装置和存储介质 | |
| CN110163121B (zh) | 图像处理方法、装置、计算机设备及存储介质 | |
| CN110135505B (zh) | 图像分类方法、装置、计算机设备及计算机可读存储介质 | |
| CN112348117A (zh) | 场景识别方法、装置、计算机设备和存储介质 | |
| CN110489578A (zh) | 图片处理方法、装置及计算机设备 | |
| CN113434716B (zh) | 一种跨模态信息检索方法和装置 | |
| Werner et al. | DeepMoVIPS: Visual indoor positioning using transfer learning | |
| CN109509228A (zh) | 用于定位一个或多个候选数字图像的方法 | |
| CN110751191A (zh) | 一种图像的分类方法及系统 | |
| CN113569895A (zh) | 图像处理模型训练方法、处理方法、装置、设备及介质 | |
| CN111382620A (zh) | 视频标签添加方法、计算机存储介质和电子设备 | |
| CN114898266A (zh) | 训练方法、图像处理方法、装置、电子设备以及存储介质 | |
| Goyal et al. | Leaf Bagging: A novel meta heuristic optimization based framework for leaf identification | |
| Meng et al. | Merged region based image retrieval | |
| Guo | Research on sports video retrieval algorithm based on semantic feature extraction | |
| CN115098732B (zh) | 数据处理方法及相关装置 | |
| Hoang | Multiple classifier-based spatiotemporal features for living activity prediction | |
| US20220309333A1 (en) | Utilizing neural network models to determine content placement based on memorability |
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 |