CN110019891A - 图像存储方法、图像检索方法及装置 - Google Patents

Abstract

本发明实施例提供了一种图像存储方法、图像检索方法及装置，涉及图像处理技术领域，该方法应用于智能算法服务器，该智能算法服务器运行有多种特征提取算法，每种特征提取算法对应有唯一的算法标识符，该方法包括：获取需要存储的入库图片；根据至少一种特征提取算法对该入库图片进行特征提取，并分别获得特征信息；将该入库图片、该入库图片的每个特征信息和该特征提取算法对应的算法标识符组合后发送给数据服务器进行保存。本发明实施例提供的图像存储方法、图像检索方法及装置，可以实现图像特征提取算法在升级后新旧数据兼容，并且使数据服务器可以适配多套不同算法的智能算法服务器，从而提高图像存储检索系统的兼容性和灵活性。

Description

图像存储方法、图像检索方法及装置

技术领域

本发明涉及图像处理技术领域，尤其是涉及一种图像存储方法、图像检索方法及装置。

背景技术

从20世纪70年代开始，有关图像检索的研究就已开始，当时主要是基于文本的图像检索技术(Text-based Image Retrieval，简称TBIR)，利用文本描述的方式描述图像的特征，如绘画作品的作者、年代、流派、尺寸等。到90年代以后，出现了对图像的内容语义，如图像的颜色、纹理、布局等进行分析和检索的图像检索技术，即基于内容的图像检索(Content-based Image Retrieval，简称CBIR)技术。

通常，图像检索是指通过一张目标图片检索出数据库中与之相似的图片的过程。其中，相似图片的检测主要涉及特征的提取和相似度的度量技术。在图片存储保存到数据库时，首先经过智能算法识别，提取图片的特性以得到多维度的特征数据，将该特征数据作为该图片的关联信息保存到数据库中。在进行图片检索时，目标图片需要经过相同的智能算法提取出特征数据，得到与数据库中的数据维度相同的特征值。最后将目标图片与库内图片的特征值进行距离计算，得到符合相似度要求的图片，完成图像检索。

在上述图像检索过程中，涉及到几个关键要素：首先，智能算法服务器中提取图像特性的算法不能随意改变，因为旧算法和新算法对图像特征的提取标准不一致，同一图片计算出的相似度会不准确，从而导致旧数据不可用。为了使旧数据有效，可以通过数据清洗的方式将数据库中的图片信息全部读取并用新算法重新识别，识别的新特征重新入库，同时把老数据清理掉。这种情况下，一旦算法升级必将面临数据清洗，系统的可维护性和适应性太低。再者，随着当前数据量的日益增大，使用大数据技术的场景也越来越多，如果一套大数据服务器与多套智能算法服务器配套使用，每套智能算法服务器使用的算法可能不一致，就会导致同一类型的图片在大数据中存在不同算法识别的结果，在检索时，目标图片只能通过一种算法进行识别，而不同算法的相似度计算会导致相似度结果不准确。

可见，现有图像存储和检索技术还存在以下几点不足：第一，在智能算法组件中加载的图像特征提取算法升级后，原有算法计算的结果数据无法再使用，旧数据作废；第二，一台大数据服务器只能和一个或多个加载同样算法的的智能算法组件配套，而不能和加载了不同算法的智能算法组件配套使用。

发明内容

有鉴于此，本发明的目的在于提供一种图像存储方法、图像检索方法及装置，以实现图像特征提取算法在升级后新旧数据兼容，并且使一套大数据服务器可以适配多套不同算法的智能算法服务器，从而提高图像存储检索系统的兼容性和灵活性。

第一方面，本发明实施例提供了一种图像存储方法，应用于智能算法服务器，该智能算法服务器运行有多种特征提取算法，每种特征提取算法对应有唯一的算法标识符，该方法包括：获取需要存储的入库图片；根据至少一种上述特征提取算法对该入库图片进行特征提取，并分别获得特征信息；将该入库图片、该入库图片的每个特征信息和上述特征提取算法对应的算法标识符组合后发送给数据服务器进行保存。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，上述根据至少一种特征提取算法对该入库图片进行特征提取，并分别获得特征信息的步骤，包括：将该入库图片分配到至少一个算法模组片；控制该算法模组片加载对应的特征提取算法进行特性提取，并获得特征信息。

第二方面，本发明实施例提供了一种图像检索方法，应用于智能算法服务器，该智能算法服务器运行有多种特征提取算法，每种特征提取算法对应有唯一的算法标识符，该方法包括：接收客户终端发送的目标图片；根据多种特征提取算法分别对该目标图片进行特征提取，并分别获得特征信息；将每种特征提取算法对应的算法标识符与该目标图片的特征信息组合，将组合数据返回给客户终端，以使该客户终端将上述组合数据发送给数据服务器进行检索。

结合第二方面，本发明实施例提供了第二方面的第一种可能的实施方式，其中，上述根据多种特征提取算法分别对该目标图片进行特征提取，并分别获得特征信息的步骤，包括：将该目标图片分配到多个算法模组片；上述多个算法模组片分别加载有不同的特征提取算法；控制多个算法模组片分别加载对应的特征提取算法进行特征提取，并获得特征信息。

第三方面，本发明实施例提供了一种图像检索方法，应用于数据服务器，该数据服务器存储有入库图片的多种特征信息，上述特征信息由多种不同特征提取算法提取得到，该特征信息与特征提取算法的算法标识符组合保存；上述方法包括：接收客户终端发送的目标图片的检索数据；该检索数据包括特征提取算法的算法标识符和特征信息；根据该检索数据进行检索。

结合第三方面，本发明实施例提供了第三方面的第一种可能的实施方式，其中，上述根据该检索数据进行检索的步骤包括：将该目标图片的特征信息与该入库图片的特征信息进行相似度计算得到相似度值；将该相似度值进行映射处理得到映射相似度值；将该映射相似度值与预设的相似度阈值进行比较；将大于该相似度阈值的映射相似度值进行排序并发送给客户终端。

结合第三方面的第一种可能的实施方式，本发明实施例提供了第三方面的第二种可能的实施方式，其中，上述将该目标图片的特征信息与该入库图片的特征信息进行相似度计算得到相似度值的步骤包括：读取该入库图片的数据信息获得该入库图片的算法标识符；判断该入库图片的算法标识符与该目标图片的算法标识符是否匹配；如果是，则进行相似度计算得到相似度值。

结合第三方面的第一种可能的实施方式，本发明实施例提供了第三方面的第三种可能的实施方式，其中，上述将该相似度值进行映射处理得到映射相似度值的步骤包括：根据该目标图片的特征提取算法的实现方式将该相似度值进行拉伸或者压缩，使所述相似度值提高或者降低。

第四方面，本发明实施例提供了一种图像检索装置，应用于智能算法服务器，该智能算法服务器运行有多种特征提取算法，每种特征提取算法对应有唯一的算法标识符，该装置包括：接收模块，用于接收客户终端发送的目标图片；特征提取模块，用于根据多种特征提取算法分别对该目标图片进行特征提取，并分别获得特征信息；发送模块，用于将每种特征提取算法对应的算法标识符与该目标图片的特征信息组合，将组合数据返回给该客户终端，以使该客户终端将上述组合数据发送给数据服务器进行检索。

第五方面，本发明实施例提供了一种图像检索装置，应用于数据服务器，该数据服务器存储有入库图片的多种特征信息，该特征信息由多种不同特征提取算法提取得到，该特征信息与特征提取算法的算法标识符组合保存；该装置包括：数据接收模块，用于接收客户终端发送的目标图片的检索数据；该检索数据包括特征提取算法的算法标识符和特征信息；检索模块，用于根据该检索数据进行检索。

本发明实施例带来了以下有益效果：

本发明实施例提供的图像存储方法及装置，该图像存储方法通过获取需要存储的入库图片；根据至少一种特征提取算法对该入库图片进行特征提取，并分别获得特征信息；将该入库图片、该入库图片的每个特征信息和该特征提取算法对应的算法标识符组合后发送给数据服务器进行保存；避免了图像存储检索系统在存储过程中单一配套一种算法的情况，算法标识符有效区分了数据对应的识别算法方式，保证了对比结果的准确性。

此外，本发明实施例提供的图像检索方法及装置，该图像检索方法通过接收客户终端发送的目标图片；根据多种特征提取算法分别对该目标图片进行特征提取，并分别获得特征信息；将每种特征提取算法对应的算法标识符与该目标图片的特征信息组合，将组合数据返回给客户终端，以使该客户终端将上述组合数据发送给数据服务器进行检索；实现了图像特征提取算法在升级后新旧数据兼容，并且使一套大数据服务器可以适配多套不同算法的智能算法服务器，从而提高图像存储检索系统的兼容性和灵活性。

本公开的其他特征和优点将在随后的说明书中阐述，或者，部分特征和优点可以从说明书推知或毫无疑义地确定，或者通过实施本公开的上述技术即可得知。

为使本公开的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种图像存储方法流程示意图；

图2为本发明实施例提供的另一种图像存储方法流程示意图；

图3为本发明实施例提供的一种图像检索方法流程示意图；

图4为本发明实施例提供的另一种图像检索方法流程示意图；

图5为本发明实施例提供的另一种图像检索方法流程示意图；

图6为本发明实施例提供的一种图像检索方法全过程流程示意图；

图7为本发明实施例提供的一种智能算法服务器结构示意图；

图8为本发明实施例提供的一种图像检索装置结构示意图；

图9为本发明实施例提供的另一种图像检索装置结构示意图。

图标：

810-接收模块；820-特征提取模块；830-发送模块；910-数据接收模块；920-检索模块。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

目前，现有图像存储和检索技术要求图像特性提取算法和大数据强配套，该技术还存在以下不足：

1、特征提取算法是在不断改进和优化的，改进后的算法提取的图片特征与旧算法提取的图片特征由于算法不一致而有差异，升级后提取图片的特征维度会发生改变，这导致旧数据将无法再使用，也即新旧数据不兼容。

2、大数据服务器若与多台智能算法服务器配套，要求每台智能服务器的算法一致，若不一致将导致入库的数据在检索时可能检索不到，而使检索结果不完整。现有技术不能满足一套大数据系统与多个厂商的智能算法服务器同时使用。

3、现有技术中大数据组件与智能算法组件的配套，需要频繁修改大数据的特征维度以匹配不断改进的图像算法的要求，图像存储和检索系统的可维护性和适应性太低。

基于此，本发明实施例提供的一种图像存储方法、图像检索方法及装置，可以实现图像特征提取算法在升级后新旧数据兼容，并且使一套大数据服务器可以适配多套不同算法的智能算法服务器，从而提高图像存储检索系统的兼容性和灵活性。

为便于对本实施例进行理解，首先对本发明实施例所公开的一种图像存储方法进行详细介绍。

实施例1

如图1所示，为本发明实施例提供的一种图像存储方法流程示意图，由图1可见，该图像存储技术包括如下步骤：

步骤S101：智能算法服务器获取需要入库的图片。

前端图片源设备发送入库图片到智能算法服务器，该智能算法服务器管理多个算法分片，每个算法模组分片都有对应的算法模型，全部的算法模组分片都采用同一种算法模型。

步骤S102：将入库图片发送给其中一个算法模组分片以提取该入库图片的特征信息。

智能算法服务器将入库图片分配给其管理的其中一个算法模组分片进行特征信息提取，例如，采用算法A进行特征信息提取，该算法提取的特征维度为N，N为正整数。

步骤S103：将该特征信息与上述入库图片组合后发送给大数据服务器进行保存。

智能算法服务器将入库图片的特征信息和入库图片组合后发送给数据服务器，数据服务器校验特征维度是否满足算法A的特征维度要求，在校验成功后才会正常写入。这个过程中，若智能算法服务器的算法和数据服务器设置的算法维度不匹配，则会写入失败。

本发明实施例提供了一种图像存储方法，该图像存储方法应用于智能算法服务器，该智能算法服务器运行有多种特征提取算法，每种特征提取算法对应有唯一的算法标识符。其中，该图像存储方法对应的图像入库系统由图片源设备、智能算法服务器和数据服务器组成。该图片源设备可以是车辆相机、人脸相机、网络图片等。

在图1所示方法的基础上，如图2所示为本发明实施例提供的另一种图像存储方法流程示意图，由图2可见，该图像存储方法的步骤包括：

步骤S201：获取需要存储的入库图片。

智能算法服务器从图片源设备获取准备入库的图片。

步骤S202：根据至少一种上述特征提取算法对该入库图片进行特征提取，并分别获得特征信息。

智能算法服务器管理N(N为正整数)个算法模组分片，不同的算法分片可以配置加载不同的算法模型进行图片特征信息提取，提取的特征维度为M(M为正整数)，每一种算法增加一个算法标识符S(S为整型的枚举值：1,2,3…)进行标识。

智能算法服务器将该待入库图片发送给其中至少一个算法模组分片，根据至少一种算法提取该入库图片的特征信息。

步骤S203：将该入库图片、该入库图片的每个特征信息和该特征提取算法对应的算法标识符组合后发送给数据服务器进行保存。

该入库图片的特征信息和算法标识符与该入库图片相关联。在保存时，数据服务器不再校验算法特征的维度数，只要满足特征维度数大于0，则将算法标识符和特征信息正常入库。算法标识符作为一个单独的字段存储，比如：feature_type。

如图3所示，为本发明实施例提供的一种图像检索方法流程示意图，由图3可见，该图像检索方法包括以下步骤：

步骤S301：客户终端发送目标图片给智能算法服务器。

客户终端下发一张图片进行以图搜图，该目标图片为客户想要检索的与之相似的图片。

步骤S302：智能算法服务器接收该目标图片并将该目标图片分配给其中一个算法模组分片以提取该目标图片的特征信息。

该智能算法服务器的全部算法模组分片都采用同一种算法模型。算法服务器需要根据图片入库时的算法A进行特征信息提取，提取的特征维度为N(N为正整数)。

步骤S303：智能算法服务器将该目标图片的特征信息返回给客户终端。

步骤S304：客户终端将该目标图片的特征信息发送给大数据服务器。

步骤S305：大数据服务器搜索与该目标图片特征维度一致的数据，并进行相似度计算得到相似度值，筛选出大于预设相似度阈值的图片。

检索时，一张目标图片下发唯一的特征值，要求数据服务器中的历史数据与该目标图片的特征提取算法一致，且特征维度一致，若算法不一致将导致计算结果不准确，从而搜索结果不理想；若特征维度不一致将导致不能满足用户条件的图片不能和该目标图片进行相似度计算，也即旧数据不可用。

步骤S306：大数据服务器将上述筛选出的图片返回给客户终端。

经过检索后将数据服务器中满足要求的图片全部返回给用户，结束检索。

在图3所示方法的基础上，如图4所示，为本发明实施例提供的另一种图像检索方法流程示意图，该图像检索应用于智能算法服务器，该智能算法服务器运行有多种特征提取算法，每种特征提取算法对应有唯一的算法标识符。由图4可见，该图像检索方法的步骤包括：

步骤S401：接收客户终端发送的目标图片。

智能算法服务器从客户终端接收需要进行以图搜图检索的目标图片。

步骤S402：根据多种特征提取算法分别对该目标图片进行特征提取，并分别获得特征信息。

这里，智能算法服务器可以将该目标图片发送给所有算法模组片进行特征提取，其中加载同一算法的多个分片只选取一个分片进行特征提取处理，分别获取特征信息。此外，智能算法服务器还可以按经验首先发送给最常用的几种算法模组片，分别获取特征信息，在不满足用户检索要求时，再分配给其他算法模组片进行特征信息提取，这样可以减少检索时间，提高检索效率。其中，上述算法模组分片加载各个算法的方式可配置，用户可以按照需要在任意一个算法模组分片上加载任意的算法。此外，各个算法模组分片提取的特征维度也可以不相同。

步骤S403：将每种特征提取算法对应的算法标识符与该目标图片的特征信息组合，将组合数据返回给客户终端，以使客户终端将该组合数据发送给数据服务器进行检索。

至此，智能算法服务器完成了对目标图片的特征信息提取的工作，并将上述组合数据作为检索信息发送给客户终端，由客户终端发送给数据服务器进行进一步检索。以下对数据服务器的检索进行说明。

如图5所示，为本发明实施例提供的另一种图像检索方法流程示意图，该图像检索方法应用于数据服务器，该数据服务器存储有入库图片的多种特征信息，该特征信息由多种不同特征提取算法提取得到，该特征信息与特征提取算法的算法标识符组合保存。由图5可见，该图像检索方法的步骤包括：

步骤S501：接收客户终端发送的目标图片的检索数据；该检索数据包括特征提取算法的算法标识符和特征信息。

智能算法服务器发送给客户终端的组合数据作为检索数据发送给数据服务器，该检索数据包含多种算法的算法标识符与其所提取的特征信息。

步骤S502：根据上述检索数据进行检索。

具体的检索步骤包括：

首先，将该目标图片的特征信息与该入库图片的特征信息进行相似度计算得到相似度值。第一，数据服务器读取该入库图片的数据信息获得该入库图片的算法标识符；第二，数据服务器判断该入库图片的算法标识符与上述目标图片的算法标识符是否匹配；如果是，则进行相似度计算得到相似度值。

然后，将该相似度值进行映射处理得到映射相似度值。根据上述目标图片的特征提取算法的实现方式将该相似度值进行拉伸或者压缩，使所述相似度值提高或者降低。

其次，将该映射相似度值与预设的相似度阈值进行比较。

最后，将大于该相似度阈值的映射相似度值进行排序并发送给客户终端。相似度值高的图片排在前列，方便用户快速查找满足需要的图片。

在实际操作中，图4和图5是一个完整的图片检索过程，为了更加形象地展现客户终端、智能算法服务器和大数据服务器之间的信号流向，现将图4和图5中的检索流程进行了综合，如图6所示，为本发明实施例提供的一种图像检索方法全过程流程示意图，由图6可见，该图像检索方法全过程的步骤如下：

步骤S601：客户终端发送目标图片给智能算法服务器。

步骤S602：智能算法服务器接收客户终端发送的目标图片，并根据多种特征提取算法分别对该目标图片进行特征提取，分别获得特征信息。

步骤S603：智能算法服务器将每种特征提取算法对应的算法标识符与该目标图片的特征信息组合成检索数据。

步骤S604：智能算法服务器将上述检索数据发送给客户终端。

步骤S605：客户终端将该目标图片的检索数据发送给大数据服务器。

步骤S606：大数据服务器将该目标图片的特征信息与入库图片的特征信息进行相似度计算得到相似度值。

步骤S607：大数据服务器将上述相似度值进行映射处理得到映射相似度值。

步骤S608：大数据服务器将上述映射相似度值与预设的相似度阈值进行比较，并将大于相似度阈值的映射相似度值进行排序。

步骤S609：大数据服务器将排序后的结果返回给客户终端。

为了对以上所述的图像检索方法进行更详细地阐述，下面以实际的应用例子说明。

例如，某一智能算法服务器运行有多种特征提取算法，参考图7所示的智能算法服务器结构示意图，其中，上述多种特征提取算法中包括：算法A(算法标志符为1)，算法B(算法标志符为2)和算法C(算法标志符为3)，当前用户需要在数据服务器中查找与某一图片X相似的图片，首先，客户终端从用户设备获得该图片X，并将该图片发送给智能算法服务器。智能算法服务器对该待检索的图片X采用以上三种算法进行特征信息提取，提取得到三种特征值：

features_A:由500个浮点类型数据组成的特征向量；

features_B:由600个浮点类型数据组成的特征向量；

features_C:由700个浮点类型数据组成的特性向量；

提取特征信息之后，将每种算法识别的特征值和算法标志符(features)组合后一起返回给客户终端，组合数据格式为：features:(features_A,1),(features_B,2),(features_C,3)。

客户终端将上述组合数据作为检索数据一起发送给数据服务器，数据服务器读取数据库中每条数据，查找到算法标识符相匹配的数据并采用余弦距离进行相似度计算。例如，数据服务器中的第i条(i为正整数)数据的特征值为features[i]，其算法标识符为feature_type[i],则分别将feature_type[i]与features:(features_A,1),(features_B,2),(features_C,3)的各个算法标识符匹配，若feature_type[i]＝2，则匹配上(features_B,2)，再将features[i]与features_B进行相似度计算。相似度计算公式为：cosθ＝(features[i]·features_B)/(||features[i]||×||features_B||)，cosθ就是所计算得到的相似度值。

然后，对于每种算法根据其自身的算法特点对应一个映射规则，例如，对于同一张人脸图片入库两次，在数据库中分别为记录1和记录2；若两次入库采用不同的算法，其中，记录1为算法B，记录2为算法C。在检索时，下发的目标人脸图片与记录1和记录2分别采用算法A和算法B进行计算，因为算法本身的差异，与记录1计算后的相似度为80％，与记录2计算后的相似度为90％，而比较合理的结果是两条记录的结果应该相差不大。因此，对算法B计算的相似度结果进行映射，同一个人映射后的结果与C算法几乎一致(从80％映射为90％)。针对本例，可将算法A和算法B的所有记录的相似度结果都进行映射，以保证所有算法的映射后结果与其中的算法C保持一致。

本发明实施例提供的图像存储方法与图像检索方法，其中，该图像存储方法通过获取需要存储的入库图片；根据至少一种特征提取算法对该入库图片进行特征提取，并分别获得特征信息；将该入库图片、该入库图片的每个特征信息和该特征提取算法对应的算法标识符组合后发送给数据服务器进行保存；该图像检索方法通过接收客户终端发送的目标图片；根据多种特征提取算法分别对该目标图片进行特征提取，并分别获得特征信息；将每种特征提取算法对应的算法标识符与该目标图片的特征信息组合，将组合数据返回给客户终端，以使该客户终端将上述组合数据发送给数据服务器进行检索；实现了图像特征提取算法在升级后新旧数据兼容，并且使一套大数据服务器可以适配多套不同算法的智能算法服务器，从而提高图像存储检索系统的兼容性和灵活性。

实施例2

本发明实施例提供了一种图像检索装置，应用于智能算法服务器，该智能算法服务器运行有多种特征提取算法，每种特征提取算法对应有唯一的算法标识符。如图8所示，为本发明实施例提供的一种图像检索装置结构示意图，由图8可见，该图像检索装置包括：接收模块810、特征提取模块820和发送模块830，特征提取模块820分别与上述接收模块810和上述发送模块830相连。其中，上述各个模块的功能如下：

接收模块810，用于接收客户终端发送的目标图片；

特征提取模块820，用于根据多种特征提取算法分别对该目标图片进行特征提取，并分别获得特征信息；

发送模块830，用于将每种特征提取算法对应的算法标识符与该目标图片的特征信息组合，将组合数据返回给客户终端，以使该客户终端将上述组合数据发送给数据服务器进行检索。

本发明实施例所提供的装置，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。

实施例3

本发明实施例提供了一种图像检索装置，应用于数据服务器，该数据服务器存储有入库图片的多种特征信息，该特征信息由多种不同特征提取算法提取得到，该特征信息与该特征提取算法的算法标识符组合保存。如图9所示，为本发明实施例提供的另一种图像检索装置结构示意图，由图9可见，该图像检索装置包括彼此相连的数据接收模块910和检索模块920。其中，上述各个模块的功能如下：

数据接收模块910，用于接收客户终端发送的目标图片的检索数据；该检索数据包括特征提取算法的算法标识符和特征信息；

检索模块920，用于根据该检索数据进行检索。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对步骤、数字表达式和数值并不限制本发明的范围。

附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本发明实施例的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：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，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，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以所述权利要求的保护范围为准。

Claims (10)

1.一种图像存储方法，其特征在于，应用于智能算法服务器，所述智能算法服务器运行有多种特征提取算法，每种所述特征提取算法对应有唯一的算法标识符，所述方法包括：

获取需要存储的入库图片；

根据至少一种所述特征提取算法对所述入库图片进行特征提取，并分别获得特征信息；

将所述入库图片、所述入库图片的每个所述特征信息和所述特征提取算法对应的算法标识符组合后发送给数据服务器进行保存。

2.根据权利要求1所述的图像存储方法，其特征在于，所述根据至少一种所述特征提取算法对所述入库图片进行特征提取，并分别获得特征信息的步骤，包括：

将所述入库图片分配到至少一个算法模组片；

控制所述算法模组片加载对应的所述特征提取算法进行特性提取，并获得特征信息。

3.一种图像检索方法，其特征在于，应用于智能算法服务器，所述智能算法服务器运行有多种特征提取算法，每种所述特征提取算法对应有唯一的算法标识符，所述方法包括：

接收客户终端发送的目标图片；

根据多种所述特征提取算法分别对所述目标图片进行特征提取，并分别获得特征信息；

将每种所述特征提取算法对应的算法标识符与所述目标图片的特征信息组合，将组合数据返回给所述客户终端，以使所述客户终端将所述组合数据发送给数据服务器进行检索。

4.根据权利要求3所述的图像检索方法，其特征在于，所述根据多种所述特征提取算法分别对所述目标图片进行特征提取，并分别获得特征信息的步骤，包括：

将所述目标图片分配到多个算法模组片；所述多个算法模组片分别加载有不同的特征提取算法；

控制多个所述算法模组片分别加载对应的所述特征提取算法进行特征提取，并获得特征信息。

5.一种图像检索方法，其特征在于，应用于数据服务器，所述数据服务器存储有入库图片的多种特征信息，所述特征信息由多种不同特征提取算法提取得到，所述特征信息与所述特征提取算法的算法标识符组合保存；所述方法包括：

接收客户终端发送的目标图片的检索数据；所述检索数据包括特征提取算法的算法标识符和特征信息；

根据所述检索数据进行检索。

6.根据权利要求5所述的图像检索方法，其特征在于，所述根据所述检索数据进行检索的步骤包括：

将所述目标图片的所述特征信息与所述入库图片的所述特征信息进行相似度计算得到相似度值；

将所述相似度值进行映射处理得到映射相似度值；

将所述映射相似度值与预设的相似度阈值进行比较；

将大于所述相似度阈值的所述映射相似度值进行排序并发送给客户终端。

7.根据权利要求6所述的图像检索方法，其特征在于，所述将所述目标图片的所述特征信息与所述入库图片的所述特征信息进行相似度计算得到相似度值的步骤包括：

读取所述入库图片的数据信息获得所述入库图片的算法标识符；

判断所述入库图片的算法标识符与所述目标图片的算法标识符是否匹配；如果是，则进行相似度计算得到相似度值。

8.根据权利要求6所述的图像检索方法，其特征在于，所述将所述相似度值进行映射处理得到映射相似度值的步骤包括：根据所述目标图片的所述特征提取算法的实现方式将所述相似度值进行拉伸或者压缩，使所述相似度值提高或者降低。

9.一种图像检索装置，其特征在于，应用于智能算法服务器，所述智能算法服务器运行有多种特征提取算法，每种所述特征提取算法对应有唯一的算法标识符，所述装置包括：

接收模块，用于接收客户终端发送的目标图片；

特征提取模块，用于根据多种所述特征提取算法分别对所述目标图片进行特征提取，并分别获得特征信息；

发送模块，用于将每种所述特征提取算法对应的算法标识符与所述目标图片的特征信息组合，将组合数据返回给所述客户终端，以使所述客户终端将所述组合数据发送给数据服务器进行检索。

10.一种图像检索装置，其特征在于，应用于数据服务器，所述数据服务器存储有入库图片的多种特征信息，所述特征信息由多种不同特征提取算法提取得到，所述特征信息与所述特征提取算法的算法标识符组合保存；所述装置包括：

数据接收模块，用于接收客户终端发送的目标图片的检索数据；所述检索数据包括特征提取算法的算法标识符和特征信息；

检索模块，用于根据所述检索数据进行检索。