CN110147459A - 一种图像检索方法、装置及电子设备 - Google Patents
一种图像检索方法、装置及电子设备 Download PDFInfo
- Publication number
- CN110147459A CN110147459A CN201710631698.0A CN201710631698A CN110147459A CN 110147459 A CN110147459 A CN 110147459A CN 201710631698 A CN201710631698 A CN 201710631698A CN 110147459 A CN110147459 A CN 110147459A
- Authority
- CN
- China
- Prior art keywords
- target
- feature
- group
- reference picture
- similarity
- 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
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
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Library & Information Science (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例提供了一种图像检索方法、装置及电子设备,该方法中,获得至少一张待查询图像;对所获取的待查询图像进行目标检测,并输出所检测到的第一目标;获得用户从所述第一目标中选择的多个第二目标;基于所述第二目标,从预先建立的数据库中检索到对应的目标图像并输出,其中,所述数据库中至少存储有多张第一参考图像,每张第一参考图像至少包含两个目标。由于数据库中存储的第一参考图像中至少包含两个目标,因此,可以从数据库中检索到同时包含多个目标的目标图像,满足了用户对多个目标进行图像检索的需求。
Description
技术领域
本发明涉及图像识别技术领域,特别是涉及一种图像检索方法、装置及电子设备。
背景技术
目前,随着科学技术的发展,图像检索(以图搜图)技术应运而生,主要应用于海量图像搜索、商品购物搜索、移动端的商品或物体搜索等方面。
现有的图像检索方式一般为:用户向检索系统提交一张待查询图像,检索系统提取该待查询图像的全局特征或者局部特征或者多个粒度的特征(例如:全局特征和局部特征),然后将所提取的特征与数据库中的图像进行特征的相似度计算,并按照相似度排序输出检索结果。
但是现在存在这样一种需求,用户需要检索到同时包含用户期望的多个目标的图像,例如:目标为人员,用户需要检索到同时包含人员A和人员B的图像,由于现有的图像检索方式局限于依靠全局特征或局部特征进行图像检索,而全局特征和局部特征均是针对单目标进行特征提取的方式,导致目前只能对图像中的一个目标进行图像检索,无法对图像中的多个目标进行图像检索,因此,目前亟需一种图像检索方法,以满足用户对多个目标进行图像检索的需求。
发明内容
本发明实施例的目的在于提供一种图像检索方法、装置及电子设备,以满足用户对多个目标进行图像检索的需求。具体技术方案如下:
一种图像检索方法,所述方法包括:
获得至少一张待查询图像;
对所获取的待查询图像进行目标检测,并输出所检测到的第一目标;
获得用户从所述第一目标中选择的多个第二目标;
基于所述第二目标,从预先建立的数据库中检索到对应的目标图像并输出,其中,所述数据库中至少存储有多张第一参考图像,每张第一参考图像至少包含两个目标。
可选的,建立所述数据库的过程为:
获得多个第二参考图像;
分别对所获得的多个第二参考图像进行目标检测,得到各个第二参考图像所包含的第三目标;
从所述第二参考图像中,获取所包含的第三目标的数量超过一个的第一参考图像;
针对每个第一参考图像,对该第一参考图像所包含的各个第三目标进行关联性分析,确定该第一参考图像所包含的参考组,其中,每组参考组至少包含两个存在关联关系的第三目标;
针对每个参考组,提取所包含的各个第三目标的第一特征;
在数据库中保存各个第一参考图像、各个第一参考图像所包含的参考组、各个参考组所包含的各个第三目标的第一特征,以及,各个第一参考图像、参考组与第一特征的第一对应关系。
可选的,所述数据库中还存储有各个第一参考图像所包含的参考组、各个参考组所包含的各个第三目标的第一特征,以及,各个第一参考图像、参考组与第一特征的第一对应关系,所述基于所述第二目标,从数据库中检索到对应的目标图像并输出的步骤,包括:
确定所述第二目标的第一数量,从数据库中查找到包含第三目标的数量为所述第一数量的第一目标参考组,并确定包含所述第一目标参考组的第三参考图像;
分别提取各个第二目标的第二特征;
分别计算各个第二特征与对应的第一参考特征的第一相似度,基于各个第一相似度得到各个第三参考图像对应的第二相似度,其中,所述第一参考特征为各个第三参考图像所包含的第一目标参考组中与各个第二目标对应的各个第三目标的第一特征;
将各个第三参考图像作为检索到的目标图像,基于所述第二相似度对所述目标图像进行排序并输出。
可选的,所述基于各个第一相似度得到各个第三参考图像对应的第二相似度的步骤,包括:
针对每个第三参考图像,将各个第一相似度进行融合计算,得到该第三参考图像对应的第二相似度。
可选的,在所述在数据库中保存各个第一参考图像、各个第一参考图像所包含的参考组、各个参考组所包含的各个第三目标的第一特征,以及,各个第一参考图像、参考组与第一特征的第一对应关系的步骤之前,所述方法还包括:
针对每个参考组,将所包含的各个第一特征融合为一个第一多目标特征;
所述在数据库中保存各个第一参考图像、各个第一参考图像所包含的参考组、各个参考组所包含的各个第三目标的第一特征,以及,各个第一参考图像、参考组与第一特征的第一对应关系的步骤,包括:
在数据库中保存各个第一参考图像、各个第一参考图像所包含的参考组、各个参考组所包含的各个第三目标的第一特征,以及,各个第一参考图像、参考组与第一特征的第一对应关系,以及,各个第一参考图像、参考组与第一多目标特征的第二对应关系。
可选的,所述数据库中还存储有各个第一参考图像、参考组与第一多目标特征的第二对应关系,所述基于所述第二目标,从数据库中检索到对应的目标图像并输出的步骤,包括:
确定所述第二目标的第二数量,从数据库中查找到包含第三目标的数量为所述第二数量的第二目标参考组,并确定包含所述第二目标参考组的第四参考图像;
分别提取各个第二目标的第三特征,将所提取的各个第三特征融合为一个第二多目标特征;
分别计算所述第二多目标特征与各个参考多目标特征的第四相似度,并将各个第四相似度确定为各个第四参考图像对应的第五相似度,其中,各个参考多目标特征为各个第四参考图像所包含的第二目标参考组对应的第一多目标特征;
将各个第四参考图像作为检索到的目标图像,基于所述第五相似度对所述目标图像进行排序并输出。
可选的,所述分别计算所述第二多目标特征与各个参考多目标特征的第四相似度的步骤,包括:
确定所述第二多目标特征所包含的各个第四特征;
确定各个第四参考图像的参考多目标特征所包含的各个第二参考特征;
分别计算各个第四特征与对应的第二参考特征的第六相似度;
针对每个第四参考图像,将各个第六相似度进行融合计算,得到第七相似度;
将各个第七相似度确定为所述第二多目标特征与各个参考多目标特征的第四相似度。
一种图像检索装置,所述装置包括:
第一获得模块,用于获得至少一张待查询图像;
目标检测模块,用于对所获取的待查询图像进行目标检测,并输出所检测到的第一目标;
第二获得模块,用于获得用户从所述第一目标中选择的多个第二目标;
检索模块,用于基于所述第二目标,从预先建立的数据库中检索到对应的目标图像并输出,其中,所述数据库中至少存储有多张第一参考图像,每张第一参考图像至少包含两个目标。
可选的,所述装置还包括建立模块,所述建立模块用于建立所述数据库,所述建立模块,包括:
获得单元,用于获得多个第二参考图像;
检测单元,用于分别对所获得的多个第二参考图像进行目标检测,得到各个第二参考图像所包含的第三目标;
第一参考图像获取单元,用于从所述第二参考图像中,获取所包含的第三目标的数量超过一个的第一参考图像;
参考组确定单元,用于针对每个第一参考图像,对该第一参考图像所包含的各个第三目标进行关联性分析,确定该第一参考图像所包含的参考组,其中,每组参考组至少包含两个存在关联关系的第三目标;
第一特征提取单元,用于针对每个参考组,提取所包含的各个第三目标的第一特征;
保存单元,用于在数据库中保存各个第一参考图像、各个第一参考图像所包含的参考组、各个参考组所包含的各个第三目标的第一特征,以及,各个第一参考图像、参考组与第一特征的第一对应关系。
可选的,所述数据库中还存储有各个第一参考图像所包含的参考组、各个参考组所包含的各个第三目标的第一特征,以及,各个第一参考图像、参考组与第一特征的第一对应关系,所述检索模块,包括:
第三参考图像确定单元,用于确定所述第二目标的第一数量,从数据库中查找到包含第三目标的数量为所述第一数量的第一目标参考组,并确定包含所述第一目标参考组的第三参考图像;
第二特征提取单元,用于分别提取各个第二目标的第二特征;
第二相似度确定单元,用于分别计算各个第二特征与对应的第一参考特征的第一相似度,基于各个第一相似度得到各个第三参考图像对应的第二相似度,其中,所述第一参考特征为各个第三参考图像所包含的第一目标参考组中与各个第二目标对应的各个第三目标的第一特征;
第一输出单元,用于将各个第三参考图像作为检索到的目标图像,基于所述第二相似度对所述目标图像进行排序并输出。
可选的,所述第二相似度确定单元,具体用于:
针对每个第三参考图像,将各个第一相似度进行融合计算,得到该第三参考图像对应的第二相似度。
可选的,所述装置还包括:
第一多目标特征确定模块,用于在所述在数据库中保存各个第一参考图像、各个第一参考图像所包含的参考组、各个参考组所包含的各个第三目标的第一特征,以及,各个第一参考图像、参考组与第一特征的第一对应关系之前,针对每个参考组,将所包含的各个第一特征融合为一个第一多目标特征;
所述保存单元,具体用于:
在数据库中保存各个第一参考图像、各个第一参考图像所包含的参考组、各个参考组所包含的各个第三目标的第一特征,以及,各个第一参考图像、参考组与第一特征的第一对应关系,以及,各个第一参考图像、参考组与第一多目标特征的第二对应关系。
可选的,所述数据库中还存储有各个第一参考图像、参考组与第一多目标特征的第二对应关系,所述检索模块,包括:
第四参考图像确定单元,用于确定所述第二目标的第二数量,从数据库中查找到包含第三目标的数量为所述第二数量的第二目标参考组,并确定包含所述第二目标参考组的第四参考图像;
第二多目标特征确定单元,用于分别提取各个第二目标的第三特征,将所提取的各个第三特征融合为一个第二多目标特征;
第五相似度确定单元,用于分别计算所述第二多目标特征与各个参考多目标特征的第四相似度,并将各个第四相似度确定为各个第四参考图像对应的第五相似度,其中,各个参考多目标特征为各个第四参考图像所包含的第二目标参考组对应的第一多目标特征;
第二输出单元,用于将各个第四参考图像作为检索到的目标图像,基于所述第五相似度对所述目标图像进行排序并输出。
可选的,所述第五相似度确定单元,具体用于:
确定所述第二多目标特征所包含的各个第四特征;
确定各个第四参考图像的参考多目标特征所包含的各个第二参考特征;
分别计算各个第四特征与对应的第二参考特征的第六相似度;
针对每个第四参考图像,将各个第六相似度进行融合计算,得到第七相似度;
将各个第七相似度确定为所述第二多目标特征与各个参考多目标特征的第四相似度。
一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现上述任一所述的方法步骤。
一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述任一所述的方法步骤。
本发明实施例中,获得至少一张待查询图像,通过对所获取的待查询图像进行目标检测,并输出所检测到的第一目标的方式,使得用户可以从第一目标中选择多个第二目标,然后获得用户所选择的第二目标,并基于第二目标,从预先建立的数据库中检索到对应的目标图像并输出。由于数据库中存储的第一参考图像中至少包含两个目标,因此,可以从数据库中检索到同时包含多个目标的目标图像,满足了用户对多个目标进行图像检索的需求。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,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发明的一些实施例,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图像检索方法的流程示意图;
图2为本发明实施例提供的建立数据库的第一种流程示意图;
图3为本发明实施例提供的检索目标图像的第一种流程示意图;
图4为本发明实施例提供的建立数据库的第二种流程示意图;
图5为本发明实施例提供的检索目标图像的第二种流程示意图;
图6为本发明实施例提供的图像检索装置的结构示意图;
图7为本发明实施提供的电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅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。
为了解决现有技术问题,本发明实施例提供了一种图像检索方法、装置及电子设备。
下面首先对本发明实施例所提供的一种图像检索方法进行介绍。
如图1所示,本发明实施例提供的一种图像检索方法,可以包括:
S101:获得至少一张待查询图像。
当用户需要检索图像时,会向检索系统提供一张图像,该图像即为待查询图像,检索系统获得该待查询图像,以用于检索图像。
S102:对所获取的待查询图像进行目标检测,并输出所检测到的第一目标。
在获得待查询图像后,为了实现对多个目标进行图像检索,需要对所获取的待查询图像进行目标检测以得到待查询图像中所包括的目标。
其中,在进行目标检测时,用户可以根据实际情况设置检测的目标的类型,例如:检测的目标的类型可以为人员或动物等。
在进行目标检测后,输出所检测到的第一目标以供用户选择。其中,输出第一目标的方式有多种:
第一种方式:
在待检测图像中以矩形框的方式框出所检测到的第一目标。
第二种方式:
在待检测图像中以不同颜色显示所检测到的第一目标。
S103:获得用户从第一目标中选择的多个第二目标。
在输出检测到的第一目标后,用户根据自身需求选择多个目标,获得用户从第一目标中选择的多个第二目标。
S104:基于第二目标,从预先建立的数据库中检索到对应的目标图像并输出,其中,数据库中至少存储有多张第一参考图像,每张第一参考图像至少包含两个目标。
为了满足用户对多个目标进行图像检索的需求,预先建立了存储有多张第一参考图像,每张第一参考图像至少包含两个目标的数据库。
在获得用户所选择的多个第二目标后,即可基于第二目标,从预先建立的数据库中检索到对应的目标图像并输出。
在本发明的一种实现方式中,如图2所示,建立数据库的过程为:
S201:获得多个第二参考图像。
为了建立数据库,需要获得多个第二参考图像,其中,该第二参考图像可以为图像采集设备所采集的图像。
S202:分别对所获得的多个第二参考图像进行目标检测,得到各个第二参考图像所包含的第三目标。
在获得了多个第二参考图像后,为了建立一张图像中包含至少两个目标的数据库,需要分别对所获得的多个第二参考图像进行目标检测,得到各个第二参考图像所包含的第三目标,由此,获知各个第二参考图像中包含多少个目标。
S203:从第二参考图像中,获取所包含的第三目标的数量超过一个的第一参考图像。
为了建立一张图像中包含至少两个目标的数据库,在确定了各个第二参考图像中所包含的第三目标后,从第二参考图像中,获取所包含的第三目标的数量超过一个的第一参考图像,即第一参考图像中所包含的第三目标的数量至少为两个。
S204:针对每个第一参考图像,对该第一参考图像所包含的各个第三目标进行关联性分析,确定该第一参考图像所包含的参考组,其中,每组参考组至少包含两个存在关联关系的第三目标。
在获得了第一参考图像后,为了确定可能同时出现在同一张图像中的至少两个第三目标,需要针对每个第一参考图像,对该第一参考图像所包含的各个第三目标进行关联性分析,以确定该第一参考图像所包含的参考组,其中,每组参考组至少包含两个存在关联关系的第三目标,即每个第一参考图像包含多少个参考组即有多少组可能同时出现在同一张图像中的至少两个第三目标。
由于在一张图像中,位置相邻较近的两个目标出现在同一张图像中的可能性较大,因此,对该第一参考图像所包含的各个第三目标进行关联性分析的方式,确定该第一参考图像所包含的参考组可以为:
针对该第一参考图像所包含的各个第三目标中的每两个第三目标,判断是否存在相互之间的距离小于预设距离阈值的第三目标,如果存在,将所存在的两个第三目标确定为一组第一参考组;
将包含相同第三目标的第一参考组所包含的多个第三目标作为一个第二参考组;
将第一参考组和第二参考组确定为第一参考图像所包含的参考组。
例如:第一参考图像M包含第三目标H、第三目标I和第三目标J,H与I之间的距离为0.15mm,H与J之间的距离为0.1mm,I与J之间的距离为0.1mm,预设距离阈值为0.2mm;
由于H与I之间的距离小于预设距离阈值,H与J之间的距离小于预设距离阈值,I与J之间的距离小于预设距离阈值,因此,确定第一参考组:H与I、H与J和I与J;
将包含相同第三目标H的第一参考组H与I和H与J所包含的H、I和J作为一个第二参考组;
将第一参考组H与I、H与J和I与J,以及第二参考组H、I和J作为第一参考图像M所包含的参考组。
S205:针对每个参考组,提取所包含的各个第三目标的第一特征。
为了可以通过特征匹配的方式从数据库中检索到图片,在确定了参考组后,针对每个参考组,提取所包含的各个第三目标的第一特征。
其中,对每个第三目标进行第一特征的提取的方式有多种,下面进行详细介绍:
第一种方式:直接提取全目标特征。
其中,全目标特征的提取可采用HOG(Histogram of Oriented Gradients,方向梯度直方图),gist(一种全局特征)或深度网络提取全局特征,此时,所提取的全目标特征即为第一特征。
其中,gist是一种采用空间包络模型作为全局特征的描述算子,通过其进行全局特征提取的过程一般为:通过不同方向和不同尺度的Gabor滤波器组将图像进行滤波,然后分块计算图像的gabor特征,将所计算出的gabor特征组合成图像的全局gist特征。
详细的,在图像处理中,Gabor滤波器是一种适用于纹理表达和分离的滤波器,其在频率和方向上的表达和人类视觉系统类似。
第二种方式:提取局部特征,将所提取的局部特征汇聚为全目标特征。
其中,局部特征提取可采用SIFT(Scale-invariant feature transform,尺度不变特征转换)、SURF(Speeded Up Robust Feature,加速鲁棒特征)、CN(color names,颜色名)、各种颜色空间(如RGB,HSV,LAB等)直方图、LBP(LocalBinaryPatterns,局部二值模式)纹理特征、Gabor滤波特征或者深度网络提取局部响应特征。
局部特征汇聚则可采用BoW(bag of word,词袋模型)、FV(fisher vector,费舍尔向量)、VLAD(vector of locally aggregated descriptors,局部特征聚合描述符)等方式,此时,所汇聚的全目标特征即为第一特征。
S206:在数据库中保存各个第一参考图像、各个第一参考图像所包含的参考组、各个参考组所包含的各个第三目标的第一特征,以及,各个第一参考图像、参考组与第一特征的第一对应关系。
在针对每个参考组,提取所包含的各个第三目标的第一特征后,确定各个第一参考图像、参考组与第一特征的第一对应关系。
然后,在数据库中保存各个第一参考图像、各个第一参考图像所包含的参考组、各个参考组所包含的各个第三目标的第一特征,以及,各个第一参考图像、参考组与第一特征的第一对应关系,由此,完成了数据库的建立。
例如:假设存在第一参考图像M和第一参考图像N,第一参考图像M包含参考组O,参考组O包含第三目标R和第三目标S,第三目标R的第一特征为r,第三目标S的第一特征为s;第一参考图像N包含参考组P和参考组Q,参考组P包含第三目标K和第三目标L,第三目标K的第一特征为k,第三目标L的第一特征为l,参考组Q包含第三目标U、第三目标V和第三目标W,第三目标U的第一特征为u,第三目标V的第一特征为v,第三目标W的第一特征为w;
则在数据库中保存如下表所示:
则第一对应关系为:第一参考图像M-参考组O-第一特征r、第一特征s;
第一参考图像N-参考组P-第一特征k、第一特征l;
第一参考图像N-参考组Q-第一特征u、第一特征v、第一特征w。
在预先建立的数据库中存储了各个第一参考图像所包含的参考组、各个参考组所包含的各个第三目标的第一特征,以及,各个第一参考图像、参考组与第一特征的第一对应关系的情况下,参见图3,图1中的步骤S104,可以包括:
S1041:确定第二目标的第一数量,从数据库中查找到包含第三目标的数量为第一数量的第一目标参考组,并确定包含第一目标参考组的第三参考图像。
为了从数据库中检索到包含第二目标的图片,需要确定第二目标的第一数量,由于数据库中保存有各个第一参考图像、各个第一参考图像所包含的参考组、各个参考组所包含的各个第三目标的第一特征,因此,可以从数据库中查找到包含第三目标的数量为第一数量的第一目标参考组,并确定包含第一目标参考组的第三参考图像。
例如:承接步骤S206的例子,假设第二目标为第二目标A和第二目标B;
则确定第二目标的第一数量为2,由于数据库中第一参考图像M所包含的参考组O中的第三目标的数量为2,第一参考图像N所包含的参考组P中的第三目标的数量为2,因此,从数据库中查找到第一目标参考组O和第一目标参考组P,确定包含第一目标参考组O的第三参考图像M和包含第一目标参考组P的第三参考图像N。
S1042:分别提取各个第二目标的第二特征。
为了可以通过特征匹配的方式从数据库中检索到图片,需要分别提取各个第二目标的第二特征,其中,对各个第二目标进行第二特征提取的方式可以参见图2的步骤S205,在此不再赘述。
例如:承接步骤S1041的例子,提取第二目标A的第二特征a,第二目标B的第二特征b。
S1043:分别计算各个第二特征与对应的第一参考特征的第一相似度,基于各个第一相似度得到各个第三参考图像对应的第二相似度,其中,第一参考特征为各个第三参考图像所包含的第一目标参考组中与各个第二目标对应的各个第三目标的第一特征。
在从数据库中查找到第三参考图像后,分别确定各个第三参考图像所包含的第一目标参考组中与各个第二目标对应的各个第三目标的第一特征,将所确定的各个第一特征确定为第一参考特征。
其中,可以通过计算相似度的方式来确定各个第二目标对应的各个第三目标,即针对各个第二目标,分别计算该第二目标的第二特征与各个第三目标的第一特征的相似度,将最大相似度对应的第三目标确定为该第二目标对应的第三目标,然后将该第二目标对应的第三目标所包含的第一特征确定为该第二目标的第二特征对应的第一参考特征。
例如:承接步骤S1042的例子,针对第三参考图像M,假设第二目标A的第二特征a与第三目标R的第一特征r的相似度为C,第二目标A的第二特征a与第三目标S的第一特征s的相似度为D;第二目标B的第二特征b与第三目标R的第一特征r的相似度为E,第二目标B的第二特征b与第三目标S的第一特征s的相似度为F,目标与相似度的关系如下表所示:
第二目标A | 第二目标B | |
第三目标R | C | E |
第三目标S | D | F |
假设F>C>E>D,在上述表中,每一横行取最大值且每一纵行取最大值,分别为C和F,则将第三目标R确定为第二目标A对应的第三目标,将第一特征r确定为第二特征a对应的第一参考特征,第三目标S确定为第二目标B对应的第三目标,将第一特征s确定为第二特征b对应的第一参考特征;
针对第三参考图像N,假设第二目标A的第二特征a与第三目标K的第一特征k的相似度为c,第二目标A的第二特征a与第三目标L的第一特征l的相似度为d;第二目标B的第二特征b与第三目标K的第一特征k的相似度为e,第二目标B的第二特征b与第三目标L的第一特征l的相似度为f,目标与相似度的关系如下表所示:
第二目标A | 第二目标B | |
第三目标K | c | e |
第三目标L | d | f |
假设f>c>e>d,在上述表中,每一横行取最大值且每一纵行取最大值,分别为c和f,则将第三目标K确定为第二目标A对应的第三目标,将第一特征k确定为第二特征a对应的第一参考特征,第三目标L确定为第二目标B对应的第三目标,将第一特征l确定为第二特征b对应的第一参考特征。
为了得到各个第三参考图像对应的第二相似度,需要分别计算各个第二特征与对应的第一参考特征的第一相似度,基于各个第一相似度得到各个第三参考图像对应的第二相似度。
其中,上述基于各个第一相似度得到各个第三参考图像对应的第二相似度,可以包括:
针对每个第三参考图像,将各个第一相似度进行融合计算,得到该第三参考图像对应的第二相似度。
详细的,针对每个第三参考图像,将各个第一相似度进行融合计算,得到该第三参考图像对应的第二相似度的方式有多种:
第一种:针对每个第三参考图像,计算各个第一相似度的均值,将该均值作为该第三参考图像对应的第二相似度。
第二种:针对每个第三参考图像,对各个第一相似度进行加权求和计算,将计算得到的值作为该第三参考图像对应的第二相似度。
例如:承接上述例子,以融合计算为求均值为例,针对第三参考图像M,计算第一相似度C和第一相似度F的均值(C+F)/2,将(C+F)/2作为该第三参考图像M对应的第二相似度;
针对第三参考图像N,计算第一相似度c和第一相似度f的均值(c+f)/2,将(c+f)/2作为该第三参考图像N对应的第二相似度。
S1044:将各个第三参考图像作为检索到的目标图像,基于第二相似度对目标图像进行排序并输出。
在得到各个第三参考图像对应的第二相似度后,将各个第三参考图像作为检索到的目标图像,基于第二相似度对目标图像进行排序并输出。
其中,基于第二相似度对目标图像进行排序并输出的方式可以为:基于第二相似度的大小,将目标图像按照相似度从大到小的顺序排序并输出。
例如:承接步骤S1043的例子,假设(C+F)/2=60%,(c+f)/2=20%,则对目标图像进行排序并输出为:图像M、图像N。
另外,由于特征匹配所包括的特征不仅可以为单目标特征,还可以为多目标特征,因此,在本发明的另一种实现方式中,参见图4,其中,步骤S201-S205均与图2相同,在图4步骤S206之前,还可以包括:
S206A:针对每个参考组,将所包含的各个第一特征融合为一个第一多目标特征。
为了通过多目标特征匹配的方式从数据库中检索图片,在针对每个参考组,提取了所包含的各个第三目标的第一特征后,将所包含的各个第一特征融合为一个第一多目标特征。
图4中步骤S206,可以包括:
在数据库中保存各个第一参考图像、各个第一参考图像所包含的参考组、各个参考组所包含的各个第三目标的第一特征,以及,各个第一参考图像、参考组与第一特征的第一对应关系,以及,各个第一参考图像、参考组与第一多目标特征的第二对应关系。
在针对每个参考组,将所包含的各个第一特征融合为一个第一多目标特征后,不仅需要在数据库中保存各个第一参考图像、各个第一参考图像所包含的参考组、各个参考组所包含的各个第三目标的第一特征,以及,各个第一参考图像、参考组与第一特征的第一对应关系,还需要建立各个第一参考图像、参考组与第一多目标特征的第二对应关系,并保存在数据库中。
例如:假设存在第一参考图像M和第一参考图像N,第一参考图像M包含参考组O,参考组O包含第三目标R和第三目标S,第三目标R的第一特征为r,第三目标S的第一特征为s;第一参考图像N包含参考组P和参考组Q,参考组P包含第三目标K和第三目标L,第三目标K的第一特征为k,第三目标L的第一特征为l,参考组Q包含第三目标U、第三目标V和第三目标W,第三目标U的第一特征为u,第三目标V的第一特征为v,第三目标W的第一特征为w;
则在数据库中保存如下表所示:
则第一对应关系为:第一参考图像M-参考组O-第一特征r、第一特征s;
第一参考图像N-参考组P-第一特征k、第一特征l;
第一参考图像N-参考组Q-第一特征u、第一特征v、第一特征w。
针对参考组O,将所包含的第一特征r和第一特征s融合为一个第一多目标特征r-s;
针对参考组P,将所包含的第一特征k和第一特征l融合为一个第一多目标特征k-l;
针对参考组Q,将所包含的第一特征u、第一特征v和第一特征w融合为一个第一多目标特征u-v-w;
则在数据库中保存第二对应关系:
第一参考图像M-参考组O-第一多目标特征r-s;
第一参考图像N-参考组P-第一多目标特征k-l
第一参考图像N-参考组Q-第一多目标特征u-v-w。
在预先建立的数据库中存储了各个第一参考图像、各个第一参考图像所包含的参考组、各个参考组所包含的各个第三目标的第一特征,以及,各个第一参考图像、参考组与第一特征的第一对应关系,以及,各个第一参考图像、参考组与第一多目标特征的第二对应关系的情况下,参见图5,图1中的步骤S104,可以包括:
S1045:确定第二目标的第二数量,从数据库中查找到包含第三目标的数量为第二数量的第二目标参考组,并确定包含第二目标参考组的第四参考图像。
为了从数据库中检索到包含第二目标的图片,需要确定第二目标的第二数量,由于数据库中保存有各个第一参考图像、各个第一参考图像所包含的参考组、各个参考组所包含的各个第三目标的第一特征,因此,可以从数据库中查找到包含第三目标的数量为第二数量的第二目标参考组,并确定包含第二目标参考组的第四参考图像。
例如:承接图4中步骤S206的例子,假设第二目标为第二目标A和第二目标B;
则确定第二目标的第二数量为2,由于数据库中第一参考图像M所包含的参考组O中的第三目标的数量为2,第一参考图像N所包含的参考组P中的第三目标的数量为2,因此,从数据库中查找到第二目标参考组O和第二目标参考组P,确定包含第二目标参考组O的第四参考图像M和包含第二目标参考组P的第四参考图像N。
S1046:分别提取各个第二目标的第三特征,将所提取的各个第三特征融合为一个第二多目标特征。
为了可以通过多目标特征匹配的方式从数据库中检索到图片,需要分别提取各个第二目标的第三特征,其中,对各个第二目标进行第三特征提取的方式可以参见图2的步骤S205,在此不再赘述。
在提取了各个第二目标的第三特征后,将所提取的各个第三特征融合为一个第二多目标特征。
例如:承接步骤S1046的例子,提取第二目标A的第二特征a,第二目标B的第二特征b,将第二特征a和第二特征b融合为一个第二多目标特征a-b。
S1047:分别计算第二多目标特征与各个参考多目标特征的第四相似度,并将各个第四相似度确定为各个第四参考图像对应的第五相似度,其中,各个参考多目标特征为各个第四参考图像所包含的第二目标参考组对应的第一多目标特征。
在从数据库中查找到第四参考图像后,分别确定各个第四参考图像所包含的第二目标参考组对应的第一多目标特征,将所确定的各个第一多目标特征确定为参考多目标特征。
例如:承接步骤S1046的例子,确定第四参考图像M所包含的第二目标参考组O,第二目标参考组O对应的第一多目标特征为第一多目标特征r-s,将第一多目标特征r-s确定为参考多目标特征;确定第四参考图像N所包含的第二目标参考组P,第二目标参考组P对应的第一多目标特征k-l,将第一多目标特征k-l确定为参考多目标特征。
为了得到各个第四参考图像对应的第五相似度,需要分别计算第二多目标特征与各个参考多目标特征的第四相似度。
上述分别计算第二多目标特征与各个参考多目标特征的第四相似度,可以包括:
确定第二多目标特征所包含的各个第四特征;
确定各个第四参考图像的参考多目标特征所包含的各个第二参考特征;
分别计算各个第四特征与对应的第二参考特征的第六相似度;
针对每个第四参考图像,将各个第六相似度进行融合计算,得到第七相似度;
将各个第七相似度确定为第二多目标特征与各个参考多目标特征的第四相似度。
在得到了各个参考多目标特征后,需要确定第二多目标特征中所包含的各个第四特征,然后确定各个第四参考图像的参考多目标特征所包含的各个第二参考特征。
例如:承接上述例子,第二多目标特征所包含的第四特征为第四特征a和第四特征b,参考多目标特征r-s所包含的第四特征为第四特征r和第四特征s,参考多目标特征k-l所包含的第四特征为第四特征k和第四特征l。
在确定了第二多目标特征所包含的各个第四特征,以及各个参考多目标特征所包含的各个第二参考特征后,计算各个第四特征与对应的第二参考特征的第六相似度。
其中,可以通过计算相似度的方式来确定确定各个第四特征对应的第二参考特征,计算方式可参见步骤S1043,在此不再赘述。
在计算出第六相似度后,针对每个第四参考图像,将各个第六相似度进行融合计算,得到第七相似度,将各个第七相似度确定为第二多目标特征与各个参考多目标特征的第四相似度。
详细的,针对每个第四参考图像,将各个第一相似度进行融合计算,可以为求均值也可以为加权求和。
在计算出第四相似度后,将各个第四相似度确定为各个第四参考图像对应的第五相似度。
S1048:将各个第四参考图像作为检索到的目标图像,基于第五相似度对目标图像进行排序并输出。
在得到各个第四参考图像对应的第五相似度后,将各个第四参考图像作为检索到的目标图像,基于第五相似度对目标图像进行排序并输出。
其中,基于第五相似度对目标图像进行排序并输出的方式可以为:基于第五相似度的大小,将目标图像按照相似度从大到小的顺序排序并输出。
本发明实施例中,获得至少一张待查询图像,通过对所获取的待查询图像进行目标检测,并输出所检测到的第一目标的方式,使得用户可以从第一目标中选择多个第二目标,然后获得用户所选择的第二目标,并基于第二目标,从预先建立的数据库中检索到对应的目标图像并输出。由于数据库中存储的第一参考图像中至少包含两个目标,因此,可以从数据库中检索到同时包含多个目标的目标图像,满足了用户对多个目标进行图像检索的需求。
相对于上述方法实施例,如图6所示,本发明实施例还提供了一种图像检索装置,所述装置可以包括:
第一获得模块301,用于获得至少一张待查询图像;
目标检测模块302,用于对所获取的待查询图像进行目标检测,并输出所检测到的第一目标;
第二获得模块303,用于获得用户从所述第一目标中选择的多个第二目标;
检索模块304,用于基于所述第二目标,从预先建立的数据库中检索到对应的目标图像并输出,其中,所述数据库中至少存储有多张第一参考图像,每张第一参考图像至少包含两个目标。
本发明实施例中,获得至少一张待查询图像,通过对所获取的待查询图像进行目标检测,并输出所检测到的第一目标的方式,使得用户可以从第一目标中选择多个第二目标,然后获得用户所选择的第二目标,并基于第二目标,从预先建立的数据库中检索到对应的目标图像并输出。由于数据库中存储的第一参考图像中至少包含两个目标,因此,可以从数据库中检索到同时包含多个目标的目标图像,满足了用户对多个目标进行图像检索的需求。
在一种实现方式中,所述装置还包括建立模块,所述建立模块用于建立所述数据库,所述建立模块,可以包括:
获得单元,用于获得多个第二参考图像;
检测单元,用于分别对所获得的多个第二参考图像进行目标检测,得到各个第二参考图像所包含的第三目标;
第一参考图像获取单元,用于从所述第二参考图像中,获取所包含的第三目标的数量超过一个的第一参考图像;
参考组确定单元,用于针对每个第一参考图像,对该第一参考图像所包含的各个第三目标进行关联性分析,确定该第一参考图像所包含的参考组,其中,每组参考组至少包含两个存在关联关系的第三目标;
第一特征提取单元,用于针对每个参考组,提取所包含的各个第三目标的第一特征;
保存单元,用于在数据库中保存各个第一参考图像、各个第一参考图像所包含的参考组、各个参考组所包含的各个第三目标的第一特征,以及,各个第一参考图像、参考组与第一特征的第一对应关系。
在一种实现方式中,所述数据库中还存储有各个第一参考图像所包含的参考组、各个参考组所包含的各个第三目标的第一特征,以及,各个第一参考图像、参考组与第一特征的第一对应关系,所述检索模块304,可以包括:
第三参考图像确定单元,用于确定所述第二目标的第一数量,从数据库中查找到包含第三目标的数量为所述第一数量的第一目标参考组,并确定包含所述第一目标参考组的第三参考图像;
第二特征提取单元,用于分别提取各个第二目标的第二特征;
第二相似度确定单元,用于分别计算各个第二特征与对应的第一参考特征的第一相似度,基于各个第一相似度得到各个第三参考图像对应的第二相似度,其中,所述第一参考特征为各个第三参考图像所包含的第一目标参考组中与各个第二目标对应的各个第三目标的第一特征;
第一输出单元,用于将各个第三参考图像作为检索到的目标图像,基于所述第二相似度对所述目标图像进行排序并输出。
在一种实现方式中,所述第二相似度确定单元,可以具体用于:
针对每个第三参考图像,将各个第一相似度进行融合计算,得到该第三参考图像对应的第二相似度。
在一种实现方式中,所述装置还可以包括:
第一多目标特征确定模块,用于在所述在数据库中保存各个第一参考图像、各个第一参考图像所包含的参考组、各个参考组所包含的各个第三目标的第一特征,以及,各个第一参考图像、参考组与第一特征的第一对应关系之前,针对每个参考组,将所包含的各个第一特征融合为一个第一多目标特征;
所述保存单元,具体用于:
在数据库中保存各个第一参考图像、各个第一参考图像所包含的参考组、各个参考组所包含的各个第三目标的第一特征,以及,各个第一参考图像、参考组与第一特征的第一对应关系,以及,各个第一参考图像、参考组与第一多目标特征的第二对应关系。
在一种实现方式中,所述数据库中还存储有各个第一参考图像、参考组与第一多目标特征的第二对应关系,所述检索模块,可以包括:
第四参考图像确定单元,用于确定所述第二目标的第二数量,从数据库中查找到包含第三目标的数量为所述第二数量的第二目标参考组,并确定包含所述第二目标参考组的第四参考图像;
第二多目标特征确定单元,用于分别提取各个第二目标的第三特征,将所提取的各个第三特征融合为一个第二多目标特征;
第五相似度确定单元,用于分别计算所述第二多目标特征与各个参考多目标特征的第四相似度,并将各个第四相似度确定为各个第四参考图像对应的第五相似度,其中,各个参考多目标特征为各个第四参考图像所包含的第二目标参考组对应的第一多目标特征;
第二输出单元,用于将各个第四参考图像作为检索到的目标图像,基于所述第五相似度对所述目标图像进行排序并输出。
在一种实现方式中,所述第五相似度确定单元,可以具体用于:
确定所述第二多目标特征所包含的各个第四特征;
确定各个第四参考图像的参考多目标特征所包含的各个第二参考特征;
分别计算各个第四特征与对应的第二参考特征的第六相似度;
针对每个第四参考图像,将各个第六相似度进行融合计算,得到第七相似度;
将各个第七相似度确定为所述第二多目标特征与各个参考多目标特征的第四相似度。
本发明实施例还提供了一种电子设备,如图7所示,包括处理器701、通信接口702、存储器703和通信总线704,其中,处理器701,通信接口702,存储器703通过通信总线704完成相互间的通信,
存储器703,用于存放计算机程序;
处理器701,用于执行存储器703上所存放的程序时,实现如下步骤:
获得至少一张待查询图像;
对所获取的待查询图像进行目标检测,并输出所检测到的第一目标;
获得用户从所述第一目标中选择的多个第二目标;
基于所述第二目标,从预先建立的数据库中检索到对应的目标图像并输出,其中,所述数据库中至少存储有多张第一参考图像,每张第一参考图像至少包含两个目标。
在本申请的一种实现方式中,上述处理器701,还用于执行存储器703上所存放的程序时,实现如下步骤:
获得多个第二参考图像;
分别对所获得的多个第二参考图像进行目标检测,得到各个第二参考图像所包含的第三目标;
从所述第二参考图像中,获取所包含的第三目标的数量超过一个的第一参考图像;
针对每个第一参考图像,对该第一参考图像所包含的各个第三目标进行关联性分析,确定该第一参考图像所包含的参考组,其中,每组参考组至少包含两个存在关联关系的第三目标;
针对每个参考组,提取所包含的各个第三目标的第一特征;
在数据库中保存各个第一参考图像、各个第一参考图像所包含的参考组、各个参考组所包含的各个第三目标的第一特征,以及,各个第一参考图像、参考组与第一特征的第一对应关系。
在本申请的一种实现方式中,上述处理器701,还用于执行存储器703上所存放的程序时,实现如下步骤:
确定所述第二目标的第一数量,从数据库中查找到包含第三目标的数量为所述第一数量的第一目标参考组,并确定包含所述第一目标参考组的第三参考图像;
分别提取各个第二目标的第二特征;
分别计算各个第二特征与对应的第一参考特征的第一相似度,基于各个第一相似度得到各个第三参考图像对应的第二相似度,其中,所述第一参考特征为各个第三参考图像所包含的第一目标参考组中与各个第二目标对应的各个第三目标的第一特征;
将各个第三参考图像作为检索到的目标图像,基于所述第二相似度对所述目标图像进行排序并输出。
在本申请的一种实现方式中,上述处理器701,还用于执行存储器703上所存放的程序时,实现如下步骤:
针对每个第三参考图像,将各个第一相似度进行融合计算,得到该第三参考图像对应的第二相似度。
在本申请的一种实现方式中,上述处理器701,还用于执行存储器703上所存放的程序时,在所述在数据库中保存各个第一参考图像、各个第一参考图像所包含的参考组、各个参考组所包含的各个第三目标的第一特征,以及,各个第一参考图像、参考组与第一特征的第一对应关系的步骤之前,实现如下步骤:
针对每个参考组,将所包含的各个第一特征融合为一个第一多目标特征;
所述在数据库中保存各个第一参考图像、各个第一参考图像所包含的参考组、各个参考组所包含的各个第三目标的第一特征,以及,各个第一参考图像、参考组与第一特征的第一对应关系的步骤,包括:
在数据库中保存各个第一参考图像、各个第一参考图像所包含的参考组、各个参考组所包含的各个第三目标的第一特征,以及,各个第一参考图像、参考组与第一特征的第一对应关系,以及,各个第一参考图像、参考组与第一多目标特征的第二对应关系。
在本申请的一种实现方式中,上述处理器701,还用于执行存储器703上所存放的程序时,实现如下步骤:
确定所述第二目标的第二数量,从数据库中查找到包含第三目标的数量为所述第二数量的第二目标参考组,并确定包含所述第二目标参考组的第四参考图像;
分别提取各个第二目标的第三特征,将所提取的各个第三特征融合为一个第二多目标特征;
分别计算所述第二多目标特征与各个参考多目标特征的第四相似度,并将各个第四相似度确定为各个第四参考图像对应的第五相似度,其中,各个参考多目标特征为各个第四参考图像所包含的第二目标参考组对应的第一多目标特征;
将各个第四参考图像作为检索到的目标图像,基于所述第五相似度对所述目标图像进行排序并输出。
在本申请的一种实现方式中,上述处理器701,还用于执行存储器703上所存放的程序时,实现如下步骤:
确定所述第二多目标特征所包含的各个第四特征;
确定各个第四参考图像的参考多目标特征所包含的各个第二参考特征;
分别计算各个第四特征与对应的第二参考特征的第六相似度;
针对每个第四参考图像,将各个第六相似度进行融合计算,得到第七相似度;
将各个第七相似度确定为所述第二多目标特征与各个参考多目标特征的第四相似度。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(Non-Volatile Memory,NVM),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessing,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
本发明实施例中,获得至少一张待查询图像,通过对所获取的待查询图像进行目标检测,并输出所检测到的第一目标的方式,使得用户可以从第一目标中选择多个第二目标,然后获得用户所选择的第二目标,并基于第二目标,从预先建立的数据库中检索到对应的目标图像并输出。由于数据库中存储的第一参考图像中至少包含两个目标,因此,可以从数据库中检索到同时包含多个目标的目标图像,满足了用户对多个目标进行图像检索的需求。
本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时,实现如下步骤:
获得至少一张待查询图像;
对所获取的待查询图像进行目标检测,并输出所检测到的第一目标;
获得用户从所述第一目标中选择的多个第二目标;
基于所述第二目标,从预先建立的数据库中检索到对应的目标图像并输出,其中,所述数据库中至少存储有多张第一参考图像,每张第一参考图像至少包含两个目标。
在本申请的一种实现方式中,还用于实现如下步骤:
获得多个第二参考图像;
分别对所获得的多个第二参考图像进行目标检测,得到各个第二参考图像所包含的第三目标;
从所述第二参考图像中,获取所包含的第三目标的数量超过一个的第一参考图像;
针对每个第一参考图像,对该第一参考图像所包含的各个第三目标进行关联性分析,确定该第一参考图像所包含的参考组,其中,每组参考组至少包含两个存在关联关系的第三目标;
针对每个参考组,提取所包含的各个第三目标的第一特征;
在数据库中保存各个第一参考图像、各个第一参考图像所包含的参考组、各个参考组所包含的各个第三目标的第一特征,以及,各个第一参考图像、参考组与第一特征的第一对应关系。
在本申请的一种实现方式中,还用于实现如下步骤:
确定所述第二目标的第一数量,从数据库中查找到包含第三目标的数量为所述第一数量的第一目标参考组,并确定包含所述第一目标参考组的第三参考图像;
分别提取各个第二目标的第二特征;
分别计算各个第二特征与对应的第一参考特征的第一相似度,基于各个第一相似度得到各个第三参考图像对应的第二相似度,其中,所述第一参考特征为各个第三参考图像所包含的第一目标参考组中与各个第二目标对应的各个第三目标的第一特征;
将各个第三参考图像作为检索到的目标图像,基于所述第二相似度对所述目标图像进行排序并输出。
在本申请的一种实现方式中,还用于实现如下步骤:
针对每个第三参考图像,将各个第一相似度进行融合计算,得到该第三参考图像对应的第二相似度。
在本申请的一种实现方式中,在所述在数据库中保存各个第一参考图像、各个第一参考图像所包含的参考组、各个参考组所包含的各个第三目标的第一特征,以及,各个第一参考图像、参考组与第一特征的第一对应关系的步骤之前,还用于实现如下步骤:
针对每个参考组,将所包含的各个第一特征融合为一个第一多目标特征;
所述在数据库中保存各个第一参考图像、各个第一参考图像所包含的参考组、各个参考组所包含的各个第三目标的第一特征,以及,各个第一参考图像、参考组与第一特征的第一对应关系的步骤,包括:
在数据库中保存各个第一参考图像、各个第一参考图像所包含的参考组、各个参考组所包含的各个第三目标的第一特征,以及,各个第一参考图像、参考组与第一特征的第一对应关系,以及,各个第一参考图像、参考组与第一多目标特征的第二对应关系。
在本申请的一种实现方式中,还用于实现如下步骤:
确定所述第二目标的第二数量,从数据库中查找到包含第三目标的数量为所述第二数量的第二目标参考组,并确定包含所述第二目标参考组的第四参考图像;
分别提取各个第二目标的第三特征,将所提取的各个第三特征融合为一个第二多目标特征;
分别计算所述第二多目标特征与各个参考多目标特征的第四相似度,并将各个第四相似度确定为各个第四参考图像对应的第五相似度,其中,各个参考多目标特征为各个第四参考图像所包含的第二目标参考组对应的第一多目标特征;
将各个第四参考图像作为检索到的目标图像,基于所述第五相似度对所述目标图像进行排序并输出。
在本申请的一种实现方式中,还用于实现如下步骤:
确定所述第二多目标特征所包含的各个第四特征;
确定各个第四参考图像的参考多目标特征所包含的各个第二参考特征;
分别计算各个第四特征与对应的第二参考特征的第六相似度;
针对每个第四参考图像,将各个第六相似度进行融合计算,得到第七相似度;
将各个第七相似度确定为所述第二多目标特征与各个参考多目标特征的第四相似度。
本发明实施例中,获得至少一张待查询图像,通过对所获取的待查询图像进行目标检测,并输出所检测到的第一目标的方式,使得用户可以从第一目标中选择多个第二目标,然后获得用户所选择的第二目标,并基于第二目标,从预先建立的数据库中检索到对应的目标图像并输出。由于数据库中存储的第一参考图像中至少包含两个目标,因此,可以从数据库中检索到同时包含多个目标的目标图像,满足了用户对多个目标进行图像检索的需求。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (15)
1.一种图像检索方法,其特征在于,所述方法包括:
获得至少一张待查询图像;
对所获取的待查询图像进行目标检测,并输出所检测到的第一目标;
获得用户从所述第一目标中选择的多个第二目标;
基于所述第二目标,从预先建立的数据库中检索到对应的目标图像并输出,其中,所述数据库中至少存储有多张第一参考图像,每张第一参考图像至少包含两个目标。
2.根据权利要求1所述的方法,其特征在于,建立所述数据库的过程为:
获得多个第二参考图像;
分别对所获得的多个第二参考图像进行目标检测,得到各个第二参考图像所包含的第三目标;
从所述第二参考图像中,获取所包含的第三目标的数量超过一个的第一参考图像;
针对每个第一参考图像,对该第一参考图像所包含的各个第三目标进行关联性分析,确定该第一参考图像所包含的参考组,其中,每组参考组至少包含两个存在关联关系的第三目标;
针对每个参考组,提取所包含的各个第三目标的第一特征;
在数据库中保存各个第一参考图像、各个第一参考图像所包含的参考组、各个参考组所包含的各个第三目标的第一特征,以及,各个第一参考图像、参考组与第一特征的第一对应关系。
3.根据权利要求2所述的方法,其特征在于,所述数据库中还存储有各个第一参考图像所包含的参考组、各个参考组所包含的各个第三目标的第一特征,以及,各个第一参考图像、参考组与第一特征的第一对应关系,所述基于所述第二目标,从数据库中检索到对应的目标图像并输出的步骤,包括:
确定所述第二目标的第一数量,从数据库中查找到包含第三目标的数量为所述第一数量的第一目标参考组,并确定包含所述第一目标参考组的第三参考图像;
分别提取各个第二目标的第二特征;
分别计算各个第二特征与对应的第一参考特征的第一相似度,基于各个第一相似度得到各个第三参考图像对应的第二相似度,其中,所述第一参考特征为各个第三参考图像所包含的第一目标参考组中与各个第二目标对应的各个第三目标的第一特征;
将各个第三参考图像作为检索到的目标图像,基于所述第二相似度对所述目标图像进行排序并输出。
4.根据权利要求3所述的方法,其特征在于,所述基于各个第一相似度得到各个第三参考图像对应的第二相似度的步骤,包括:
针对每个第三参考图像,将各个第一相似度进行融合计算,得到该第三参考图像对应的第二相似度。
5.根据权利要求2所述的方法,其特征在于,在所述在数据库中保存各个第一参考图像、各个第一参考图像所包含的参考组、各个参考组所包含的各个第三目标的第一特征,以及,各个第一参考图像、参考组与第一特征的第一对应关系的步骤之前,所述方法还包括:
针对每个参考组,将所包含的各个第一特征融合为一个第一多目标特征;
所述在数据库中保存各个第一参考图像、各个第一参考图像所包含的参考组、各个参考组所包含的各个第三目标的第一特征,以及,各个第一参考图像、参考组与第一特征的第一对应关系的步骤,包括:
在数据库中保存各个第一参考图像、各个第一参考图像所包含的参考组、各个参考组所包含的各个第三目标的第一特征,以及,各个第一参考图像、参考组与第一特征的第一对应关系,以及,各个第一参考图像、参考组与第一多目标特征的第二对应关系。
6.根据权利要求5所述的方法,其特征在于,所述数据库中还存储有各个第一参考图像、参考组与第一多目标特征的第二对应关系,所述基于所述第二目标,从数据库中检索到对应的目标图像并输出的步骤,包括:
确定所述第二目标的第二数量,从数据库中查找到包含第三目标的数量为所述第二数量的第二目标参考组,并确定包含所述第二目标参考组的第四参考图像;
分别提取各个第二目标的第三特征,将所提取的各个第三特征融合为一个第二多目标特征;
分别计算所述第二多目标特征与各个参考多目标特征的第四相似度,并将各个第四相似度确定为各个第四参考图像对应的第五相似度,其中,各个参考多目标特征为各个第四参考图像所包含的第二目标参考组对应的第一多目标特征;
将各个第四参考图像作为检索到的目标图像,基于所述第五相似度对所述目标图像进行排序并输出。
7.根据权利要求6所述的方法,其特征在于,所述分别计算所述第二多目标特征与各个参考多目标特征的第四相似度的步骤,包括:
确定所述第二多目标特征所包含的各个第四特征;
确定各个第四参考图像的参考多目标特征所包含的各个第二参考特征;
分别计算各个第四特征与对应的第二参考特征的第六相似度;
针对每个第四参考图像,将各个第六相似度进行融合计算,得到第七相似度;
将各个第七相似度确定为所述第二多目标特征与各个参考多目标特征的第四相似度。
8.一种图像检索装置,其特征在于,所述装置包括:
第一获得模块,用于获得至少一张待查询图像;
目标检测模块,用于对所获取的待查询图像进行目标检测,并输出所检测到的第一目标;
第二获得模块,用于获得用户从所述第一目标中选择的多个第二目标;
检索模块,用于基于所述第二目标,从预先建立的数据库中检索到对应的目标图像并输出,其中,所述数据库中至少存储有多张第一参考图像,每张第一参考图像至少包含两个目标。
9.根据权利要求8所述的装置,其特征在于,所述装置还包括建立模块,所述建立模块用于建立所述数据库,所述建立模块,包括:
获得单元,用于获得多个第二参考图像;
检测单元,用于分别对所获得的多个第二参考图像进行目标检测,得到各个第二参考图像所包含的第三目标;
第一参考图像获取单元,用于从所述第二参考图像中,获取所包含的第三目标的数量超过一个的第一参考图像;
参考组确定单元,用于针对每个第一参考图像,对该第一参考图像所包含的各个第三目标进行关联性分析,确定该第一参考图像所包含的参考组,其中,每组参考组至少包含两个存在关联关系的第三目标;
第一特征提取单元,用于针对每个参考组,提取所包含的各个第三目标的第一特征;
保存单元,用于在数据库中保存各个第一参考图像、各个第一参考图像所包含的参考组、各个参考组所包含的各个第三目标的第一特征,以及,各个第一参考图像、参考组与第一特征的第一对应关系。
10.根据权利要求9所述的装置,其特征在于,所述数据库中还存储有各个第一参考图像所包含的参考组、各个参考组所包含的各个第三目标的第一特征,以及,各个第一参考图像、参考组与第一特征的第一对应关系,所述检索模块,包括:
第三参考图像确定单元,用于确定所述第二目标的第一数量,从数据库中查找到包含第三目标的数量为所述第一数量的第一目标参考组,并确定包含所述第一目标参考组的第三参考图像;
第二特征提取单元,用于分别提取各个第二目标的第二特征;
第二相似度确定单元,用于分别计算各个第二特征与对应的第一参考特征的第一相似度,基于各个第一相似度得到各个第三参考图像对应的第二相似度,其中,所述第一参考特征为各个第三参考图像所包含的第一目标参考组中与各个第二目标对应的各个第三目标的第一特征;
第一输出单元,用于将各个第三参考图像作为检索到的目标图像,基于所述第二相似度对所述目标图像进行排序并输出。
11.根据权利要求10所述的装置,其特征在于,所述第二相似度确定单元,具体用于:
针对每个第三参考图像,将各个第一相似度进行融合计算,得到该第三参考图像对应的第二相似度。
12.根据权利要求9所述的装置,其特征在于,所述装置还包括:
第一多目标特征确定模块,用于在所述在数据库中保存各个第一参考图像、各个第一参考图像所包含的参考组、各个参考组所包含的各个第三目标的第一特征,以及,各个第一参考图像、参考组与第一特征的第一对应关系之前,针对每个参考组,将所包含的各个第一特征融合为一个第一多目标特征;
所述保存单元,具体用于:
在数据库中保存各个第一参考图像、各个第一参考图像所包含的参考组、各个参考组所包含的各个第三目标的第一特征,以及,各个第一参考图像、参考组与第一特征的第一对应关系,以及,各个第一参考图像、参考组与第一多目标特征的第二对应关系。
13.根据权利要求12所述的装置,其特征在于,所述数据库中还存储有各个第一参考图像、参考组与第一多目标特征的第二对应关系,所述检索模块,包括:
第四参考图像确定单元,用于确定所述第二目标的第二数量,从数据库中查找到包含第三目标的数量为所述第二数量的第二目标参考组,并确定包含所述第二目标参考组的第四参考图像;
第二多目标特征确定单元,用于分别提取各个第二目标的第三特征,将所提取的各个第三特征融合为一个第二多目标特征;
第五相似度确定单元,用于分别计算所述第二多目标特征与各个参考多目标特征的第四相似度,并将各个第四相似度确定为各个第四参考图像对应的第五相似度,其中,各个参考多目标特征为各个第四参考图像所包含的第二目标参考组对应的第一多目标特征;
第二输出单元,用于将各个第四参考图像作为检索到的目标图像,基于所述第五相似度对所述目标图像进行排序并输出。
14.根据权利要求13所述的装置,其特征在于,所述第五相似度确定单元,具体用于:
确定所述第二多目标特征所包含的各个第四特征;
确定各个第四参考图像的参考多目标特征所包含的各个第二参考特征;
分别计算各个第四特征与对应的第二参考特征的第六相似度;
针对每个第四参考图像,将各个第六相似度进行融合计算,得到第七相似度;
将各个第七相似度确定为所述第二多目标特征与各个参考多目标特征的第四相似度。
15.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求1-7任一所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710631698.0A CN110147459B (zh) | 2017-07-28 | 2017-07-28 | 一种图像检索方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710631698.0A CN110147459B (zh) | 2017-07-28 | 2017-07-28 | 一种图像检索方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110147459A true CN110147459A (zh) | 2019-08-20 |
CN110147459B CN110147459B (zh) | 2021-08-20 |
Family
ID=67588031
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710631698.0A Active CN110147459B (zh) | 2017-07-28 | 2017-07-28 | 一种图像检索方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110147459B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112104730A (zh) * | 2020-09-11 | 2020-12-18 | 杭州海康威视系统技术有限公司 | 存储任务的调度方法、装置及电子设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130191407A1 (en) * | 2012-01-25 | 2013-07-25 | Fujitsu Limited | Computer-readable recording medium storing system management program, device, and method |
CN103415868A (zh) * | 2011-03-11 | 2013-11-27 | 欧姆龙株式会社 | 图像处理装置、图像处理方法以及控制程序 |
CN105138672A (zh) * | 2015-09-07 | 2015-12-09 | 北京工业大学 | 一种多特征融合的图像检索方法 |
CN106445939A (zh) * | 2015-08-06 | 2017-02-22 | 阿里巴巴集团控股有限公司 | 图像检索、获取图像信息及图像识别方法、装置及系统 |
CN106649487A (zh) * | 2016-10-09 | 2017-05-10 | 苏州大学 | 基于兴趣目标的图像检索方法 |
-
2017
- 2017-07-28 CN CN201710631698.0A patent/CN110147459B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103415868A (zh) * | 2011-03-11 | 2013-11-27 | 欧姆龙株式会社 | 图像处理装置、图像处理方法以及控制程序 |
US20130191407A1 (en) * | 2012-01-25 | 2013-07-25 | Fujitsu Limited | Computer-readable recording medium storing system management program, device, and method |
CN106445939A (zh) * | 2015-08-06 | 2017-02-22 | 阿里巴巴集团控股有限公司 | 图像检索、获取图像信息及图像识别方法、装置及系统 |
CN105138672A (zh) * | 2015-09-07 | 2015-12-09 | 北京工业大学 | 一种多特征融合的图像检索方法 |
CN106649487A (zh) * | 2016-10-09 | 2017-05-10 | 苏州大学 | 基于兴趣目标的图像检索方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112104730A (zh) * | 2020-09-11 | 2020-12-18 | 杭州海康威视系统技术有限公司 | 存储任务的调度方法、装置及电子设备 |
CN112104730B (zh) * | 2020-09-11 | 2023-03-28 | 杭州海康威视系统技术有限公司 | 存储任务的调度方法、装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN110147459B (zh) | 2021-08-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Pradhan et al. | A hierarchical CBIR framework using adaptive tetrolet transform and novel histograms from color and shape features | |
CN102542058B (zh) | 一种融合全局与局部视觉特征的层次化地标识别方法 | |
CN101859326B (zh) | 一种图像检索方法 | |
CN103608826B (zh) | 利用网络信息挖掘的视频内产品注释 | |
EP3693893A1 (en) | Object identification apparatus, object identification method, and program | |
CN107223242B (zh) | 用于在多个已存储图像中搜索相似图像的方法 | |
US20180025239A1 (en) | Method and image processing apparatus for image-based object feature description | |
CN105630975B (zh) | 一种信息处理方法和电子设备 | |
US10769784B2 (en) | Image analyzing method and electrical device | |
CN112633297A (zh) | 目标对象的识别方法、装置、存储介质以及电子装置 | |
Jankovic | Classifying cultural heritage images by using decision tree classifiers in WEKA | |
Vimina et al. | A sub-block based image retrieval using modified integrated region matching | |
Al-asadi et al. | Object based image retrieval using enhanced SURF | |
WO2020134411A1 (zh) | 一种商品类别识别方法、装置及电子设备 | |
CN105989043A (zh) | 自动获取商品图像中商标和检索商标的方法及其装置 | |
CN110287361A (zh) | 一种人物图片筛选方法及装置 | |
CN113157962B (zh) | 图像检索方法、电子装置和存储介质 | |
CN110147459A (zh) | 一种图像检索方法、装置及电子设备 | |
CN109800215A (zh) | 一种对标处理的方法、装置、计算机存储介质及终端 | |
WO2014198055A1 (en) | Image processing including adjoin feature based object detection, and/or bilateral symmetric object segmentation | |
CN110704643B (zh) | 不同类文献相同作者自动辨识方法及装置、存储介质终端 | |
Le et al. | Improving logo spotting and matching for document categorization by a post-filter based on homography | |
CN108536769B (zh) | 图像分析方法、搜索方法及装置、计算机装置及存储介质 | |
CN106354738B (zh) | 一种平面图像录入及匹配的方法和系统 | |
CN113537248A (zh) | 图像识别方法和装置、电子设备和存储介质 |
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 |