CN110287346A - 数据存储方法、装置、服务器及存储介质 - Google Patents
数据存储方法、装置、服务器及存储介质 Download PDFInfo
- Publication number
- CN110287346A CN110287346A CN201910580051.9A CN201910580051A CN110287346A CN 110287346 A CN110287346 A CN 110287346A CN 201910580051 A CN201910580051 A CN 201910580051A CN 110287346 A CN110287346 A CN 110287346A
- Authority
- CN
- China
- Prior art keywords
- image data
- data
- dimension
- association identification
- different dimensions
- 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
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/211—Schema design and management
- G06F16/213—Schema design and management with details for schema evolution support
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2282—Tablespace storage structures; Management thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/283—Multi-dimensional databases or data warehouses, e.g. MOLAP or ROLAP
-
- 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
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- 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
-
- 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
- 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
- G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Library & Information Science (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
一种数据存储方法,所述方法包括:获取不同维度的图像数据;根据每个所述图像数据携带的关联标识,将具有相同关联标识的不同维度的图像数据确定为关联数据;将所述关联数据包括的不同维度的图像数据分别发送至不同维度的数据库的目标数据表中进行存储,其中,所述不同维度的数据库位于同一个存储设备中,针对不同维度的所述数据库的目标数据表,所述目标数据表的表名前缀不同,表名后缀相同。本发明还提供一种数据存储装置、服务器及存储介质。本发明能够对图像数据进行关联存储,同时,在进行关联查询时,能够避免关联数据的丢失。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种数据存储方法、装置、服务器及存储介质。
背景技术
在不同的检索方式(例如,文字、语音以及图片等)中,图片检索方式所包含的信息量是最丰富的。同时,用户对图片的检索需求也是多样的,且不可预知的。主要表现在,不同用户在搜索同一张图片时,检索需求往往是不同的,有的用户希望检索图片中的人脸,有的用户希望检索图片中的人体,有的用户希望检索图片中的物体(比如车辆)等,这些用户需求可以称为检索的维度。
目前的检索系统只能按照单个维度进行图像检索,不同维度的图像数据无序存放在不同的位置。而在实际应用中,通常会存在关联维度的检索需求,比如:用户想在检索人脸的图像时也能检索到与该人脸相关的人体图像,由于目前的检索系统的上述缺陷,在进行图像检索时,容易导致关联查询中出现关联数据丢失的现象。
因此,如何对图像数据进行关联存储是一个亟待解决的技术问题。
发明内容
鉴于以上内容,有必要提供一种数据存储方法、装置、服务器及存储介质,能够对图像数据进行关联存储。
本发明的第一方面提供一种数据存储方法,所述方法包括:
获取不同维度的图像数据;
根据每个所述图像数据携带的关联标识,将具有相同关联标识的不同维度的图像数据确定为关联数据;
将所述关联数据包括的不同维度的图像数据分别发送至不同维度的数据库的目标数据表中进行存储,其中,所述不同维度的数据库位于同一个存储设备中,针对不同维度的所述数据库的目标数据表,所述目标数据表的表名前缀不同,表名后缀相同。
在一种可能的实现方式中,所述获取不同维度的图像数据之后,以及所述根据每个所述图像数据携带的关联标识,将具有相同关联标识的不同维度的图像数据确定为关联数据之前,所述方法还包括:
分别记录每个维度的图像数据的总数量;
判断所述总数量中是否存在超过预设数量阈值的目标总数量;
若所述总数量中存在超过预设数量阈值的目标总数量,根据所述预设数量阈值,对所述目标总数量对应的维度的图像数据进行切分;
根据切分的份数,分别为所述不同维度的图像数据创建分表,其中,所述分表包括所述目标数据表,针对同一个维度的图像数据对应的分表,所述分表的表名后缀成递增趋势。
在一种可能的实现方式中,所述方法还包括:
当接收到新增的图像数据时,获取所述新增的图像数据携带的第一维度以及第一关联标识;
判断当前存储的图像数据的多个维度中是否存在与所述第一维度一致的维度;
若当前存储的图像数据的多个维度中存在与所述第一维度一致的维度,从所述第一维度的多个关联标识中,判断是否存在与所述第一关联标识一致的关联标识;
若存在与所述第一关联标识一致的关联标识,确定与所述第一关联标识对应的第一存储设备,以及确定与所述第一关联标识对应的第一表名后缀;
根据所述第一表名后缀,将所述新增的图像数据发送至所述第一存储设备中与所述第一维度匹配的数据库的预设数据表中进行存储。
在一种可能的实现方式中,所述方法还包括:
若当前存储的图像数据的多个维度中不存在与所述第一维度一致的维度,获取与所述第一维度关联的第二维度;
为所述第一维度创建第一数据表,以及为所述第二维度创建第二数据表;
将所述新增的图像数据发送至所述第一数据表中。
在一种可能的实现方式中,所述方法还包括:
若不存在与所述第一关联标识一致的关联标识,判断所述第一维度的最大表名后缀对应的数据表的图像数据的数量是否达到预设数量阈值;
若所述第一维度的最大表名后缀对应的数据表的图像数据的数量未达到预设数量阈值,将所述新增的图像数据发送至所述第一维度的最大表名后缀对应的数据表中;或
若所述第一维度的最大表名后缀对应的数据表的图像数据的数量达到预设数量阈值,根据所述最大表名后缀,为所述新增的图像数据创建新的数据表;将所述新增的图像数据发送至所述新的数据表中进行存储。
在一种可能的实现方式中,所述方法还包括:
接收输入的关联查询请求,所述关联查询请求携带有目标图片、目标维度以及关联维度;
根据所述目标维度以及预设相似度阈值,对所述目标图片进行图像检索,获得检索图片;
获取所述检索图片的第二关联标识;
根据所述第二关联标识对应的第二表名后缀以及所述关联维度,查询与所述检索图片的图像数据相关的关联图像数据;
展示所述关联图像数据对应的关联图片。
在一种可能的实现方式中,所述根据所述第二关联标识对应的第二表名后缀以及所述关联维度,查询与所述检索图片的图像数据相关的关联图像数据包括:
根据所述关联维度,确定与所述关联维度匹配的关联数据库;
根据所述第二关联标识,确定所述检索图片的图像数据所存放的数据表的第二表名后缀;
从所述关联数据库中,查询与所述第二表名后缀相同的关联数据表;
从所述关联数据表中,根据所述第二关联标识,查询与所述检索图片的图像数据相关的关联图像数据。
本发明的第二方面提供一种数据存储装置,所述装置包括:
获取模块,用于获取不同维度的图像数据;
确定模块,用于根据每个所述图像数据携带的关联标识,将具有相同关联标识的不同维度的图像数据确定为关联数据;
发送存储模块,用于将所述关联数据包括的不同维度的图像数据分别发送至不同维度的数据库的目标数据表中进行存储,其中,所述不同维度的数据库位于同一个存储设备中,针对不同维度的所述数据库的目标数据表,所述目标数据表的表名前缀不同,表名后缀相同。
本发明的第三方面提供一种服务器,所述服务器包括处理器和存储器,所述处理器用于执行所述存储器中存储的计算机程序时实现所述的数据存储方法。
本发明的第四方面提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现所述的数据存储方法。
由以上技术方案,本发明中,在获取到不同维度的图像数据时,可以根据每个所述图像数据携带的关联标识,将具有相同关联标识的不同维度的图像数据确定为关联数据,进一步地,将所述关联数据包括的不同维度的图像数据分别发送至不同维度的数据库的目标数据表中进行存储,其中,所述不同维度的数据库位于同一个存储设备中,针对不同维度的所述数据库的目标数据表,所述目标数据表的表名前缀不同,表名后缀相同。可见,本发明中,具有相同关联标识的图像数据所存放的数据表的表名后缀相同,实现了对数据的关联,将具有关联标识的不同维度的图像数据存储在同一个存储设备中,实现了对图像数据的关联存储,后续在进行关联查询时,能够避免关联数据的丢失,同时,还能够提高关联查询的性能。
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,还可以根据提供的附图获得其他的附图。
图1是本发明公开的一种数据存储方法的较佳实施例的流程图。
图2是本发明公开的一种数据存储装置的较佳实施例的功能模块图。
图3是本发明实现数据存储方法的较佳实施例的服务器的结构示意图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施例对本发明进行详细描述。需要说明的是,在不冲突的情况下,本发明的实施例及实施例中的特征可以相互组合。
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。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
其中,服务器可以是指能对网络中其它设备(如电子设备)提供服务的计算机系统。如果一个个人电脑能够对外提供文件传输协议(File Transfer Protocol,简称FTP)服务,也可以叫服务器。从狭义范围上讲,服务器专指某些高性能计算机,能通过网络,对外提供服务,其相对于普通的个人电脑来说,稳定性、安全性、性能等方面都要求更高,因此在CPU、芯片组、内存、磁盘系统、网络等硬件和普通的个人电脑有所不同。
所述电子设备包括一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的服务器,其硬件包括但不限于微处理器、专用集成电路(ASIC)、可编程门阵列(FPGA)、数字处理器(DSP)、嵌入式设备等。所述服务器还可包括网络设备和/或用户设备。其中,所述网络设备包括但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算(Cloud Computing)的由大量主机或网络服务器构成的云,其中,云计算是分布式计算的一种,由一群松散耦合的计算机集组成的一个超级虚拟计算机。所述用户设备包括但不限于任何一种可与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互的电子产品,例如,个人计算机、平板电脑、智能手机、个人数字助理PDA、游戏机、交互式网络电视IPTV、智能式穿戴式设备等。其中,所述用户设备及网络设备所处的网络包括但不限于互联网、广域网、城域网、局域网、虚拟专用网络VPN等。
请参见图1,图1是本发明公开的一种数据存储方法的较佳实施例的流程图。其中,根据不同的需求,该流程图中步骤的顺序可以改变,某些步骤可以省略。
S11、服务器获取不同维度的图像数据。
其中,根据用户不同的检索需求,图像数据的维度是不同的,比如:人脸、人体、车辆或其他维度等。
其中,服务器属于后端设备,前端设备(比如摄像头)可以抓拍各种图片,并从该图片中提取出不同维度的图像数据发送至后端设备,即服务器中。举例来说,假设前端设备抓拍到了一张图片,该图片中包含人脸、人体以及车辆,前端设备可以从该图片中提取出人脸的图像数据、人体的图像数据以及车辆的图像数据发送至服务器。可以理解,服务器还存储前端设备抓拍的各种图片,且每个图片与从该图片中提取出不同维度的图像数据存在对应关系(即根据某张图片A可以找出从该图片A中提取出的不同维度的图像数据)。
其中,服务器获取到的图像数据可以来自多张图片,多个不同维度。每张图片可以包括多个人,多个事物,本发明实施例不做限定。
其中,前端设备在抓拍到图片时,已经确定了该图片包括哪些维度,也确定该图片的哪些维度之间具有关联性,进而采用关联标识对具有关联性的图像数据进行标识。
例如摄像头抓拍的视频流,针对抓拍的当前这张图片,摄像头可以按照每几帧一行图片进行视频截取,确定图片的哪些维度具有关联性,比如:同一个人的人脸和人体属于两个关联的维度,或者,针对汽车司机格式,司机的人脸与驾驶的汽车车牌属于两个关联的维度。
可以理解,后端设备(如服务器等)也可以对前端设备抓拍到图片进行处理,以确定该图片包括哪些维度,并确定该图片的哪些维度之间具有关联性,进而采用关联标识对具有关联性的图像数据进行标识。此时,前端设备只负责抓拍图片。
其中,不同维度的图像数据之间存在关联,主要考虑2个因素,1、是否来自同一张图片,2、是否属于一个整体。比如:来自第一张图片的用户A的人脸与来自第二张图片的用户A的人体不具有关联,又比如:来自同一张图片的用户A的人脸与用户A的人体具有关联,而来自同一张图片的用户A的人脸与用户B的人体不具有关联。又比如:来自同一张图片的司机A的人脸与所乘坐的汽车的车牌具有关联,而来自同一张图片的乘客A的人脸与所乘坐的汽车的车牌不具有关联。
通常,具有关联的两个图像数据会使用相同的关联标识进行标记,该关联标识用于标识多个图像数据之间具有关联性,每个关联标识可以使用一些字段来标识图像数据属于哪个维度以及图像数据之间的关联性。
S12、服务器根据每个所述图像数据携带的关联标识,将具有相同关联标识的不同维度的图像数据确定为关联数据。
其中,服务器接收到的图像数据有不同的维度,有些维度的图像数据之间具有关联性,有些维度的图像数据之间不具有关联性,服务器可以根据每个所述图像数据携带的关联标识来进行区分,即可以根据关联标识,将具有相同关联标识的不同维度的图像数据确定为关联数据。其中,被确定为关联数据的不同维度的图像数据之间具有关联性,关联标识相同。比如:如果人脸的图像数据、人体的图像数据以及车辆的图像数据的关联标识均相同,则可以确定该人脸的图像数据、人体的图像数据以及车辆的图像数据为关联数据。
作为一种可选的实施方式,步骤S11之后,以及步骤S12之前,所述方法还包括:
分别记录每个维度的图像数据的总数量;
判断所述总数量中是否存在超过预设数量阈值的目标总数量;
若所述总数量中存在超过预设数量阈值的目标总数量,根据所述预设数量阈值,对所述目标总数量对应的维度的图像数据进行切分;
根据切分的份数,分别为所述不同维度的图像数据创建分表,其中,所述分表包括目标数据表,针对同一个维度的图像数据对应的分表,所述分表的表名后缀成递增趋势。
在该可选的实施方式中,服务器获取到的不同维度的图像数据,每个维度的图像数据的总数量可能是不同的。为了提高单个维度的图像数据的查询性能,超过预设数量阈值的总数量对应的图像数据在存储时需要分表,以提高查询效率。
可以预先设定预设数量阈值,比如三百万,即一张数据表最多存储三百万的图像数据。服务器可以分别记录每个维度的图像数据的总数量,比如人脸的图像数据的总数量为A,人体的图像数据的总数量为B以及车辆的图像数据为C,进一步判断所述总数量中是否存在超过预设数量阈值的目标总数量,即分别将A、B、C与预设数量阈值进行比较,如果所述总数量中存在超过预设数量阈值的目标总数量,比如:A超过预设数量阈值,或B超过预设数量阈值,或C超过预设数量阈值,只要其中任一个或任两个或三个满足条件,即可根据所述预设数量阈值,对所述目标总数量对应的维度的图像数据进行切分,并根据切分的份数,分别为所述关联数据中不同维度的图像数据创建分表。
其中,所述关联数据中不同维度的图像数据创建的分表的数量是相同的,针对每个维度的图像数据对应的分表,所述分表的表名后缀成递增趋势。
举例来说,假设关联数据包括的人脸的图像数据的总数量为A,人体的图像数据的总数量为B以及车辆的图像数据为C,其中,A超过预设数量阈值,B不超过预设数量阈值,C不超过预设数量阈值,则可以根据预设数量阈值,对人脸的图像数据进行切分,假设切分的份数为N,则第1份、第2份……第(N-1)份的人脸的图像数据的数量均为预设数量阈值,第N份的人脸的图像数据的数量不超过预设数量阈值,可以为人脸的图像数据创建N个分表,比如feature_face_1、feature_face_2……feature_face_N,其中,针对分表feature_face_1来说,feature_face为表名前缀,1为表名后缀,针对同一个维度的图像数据对应的分表,表名前缀相同,表名后缀成递增趋势。同理,也需要为人体的图像数据创建N个分表,比如feature_body_1、feature_body_2……feature_body_N,也需要为车辆的图像数据创建N个分表,比如feature_car_1、feature_car_2……feature_car_N。
其中,当前不同维度的图像数据是存放在不同的数据库中的,比如人脸存在人脸维度数据库,人体存在人体维度数据库等。通过不同的前缀可以简单区分哪个数据库时存放人脸的,哪个是存放人体的。其中,一个数据库可以存储多个数据表,通过不同的后缀可以在后续查询时定位到需要查询的数据具体存储在哪个数据表中。
需要说明的是,即使只有A超过预设数量阈值,B不超过预设数量阈值,C不超过预设数量阈值,但是仍然需要分别为三个不同维度的图像数据创建相同份数的分表,其中,针对人体维度的图像数据对应的分表以及针对车辆维度的图像数据对应的分表,可能存在空值的情况,但是仍然需要创建分表,这有利于后续有人体维度的图像数据或车辆维度的图像数据进来时,不需要重新创建表,而可以直接存储。
S13、服务器将所述关联数据包括的不同维度的图像数据分别发送至不同维度的数据库的目标数据表中进行存储。
其中,所述目标数据表可以是上述可选实施方式所述的分表中的任一个。
其中,不同维度的图像数据存储在不同维度的数据库中,比如人脸的图像数据存储在人脸维度数据库中,人体的图像数据存储在人体维度数据库中,车辆的图像数据存储在车辆维度数据库中。所述不同维度的数据库位于同一个存储设备中,有利于后续在同一个存储设备中查询时,避免关联数据的丢失。针对不同维度的所述数据库的目标数据表,所述目标数据表的表名前缀不同,表名后缀相同。其中,具有相同关联标识的不同维度的图像数据在存储时,设置相同的表名后缀,在后续进行关联查询时,能够提高查询的速度,比如查询到的人脸的图像数据存储在人脸维度数据库的feature_face_5中,则与该人脸的图像数据关联的人体的图像数据就存储在人体维度数据库的feature_body_5中,与该人脸的图像数据关联的车辆的图像数据就存储在车辆维度数据库的feature_car_5中。
作为一种可选的实施方式,所述方法还包括:
当接收到新增的图像数据时,获取所述新增的图像数据携带的第一维度以及第一关联标识;
判断当前存储的图像数据的多个维度中是否存在与所述第一维度一致的维度;
若当前存储的图像数据的多个维度中存在与所述第一维度一致的维度,从所述第一维度的多个关联标识中,判断是否存在与所述第一关联标识一致的关联标识;
若存在与所述第一关联标识一致的关联标识,确定与所述第一关联标识对应的第一存储设备,以及确定与所述第一关联标识对应的第一表名后缀;
根据所述第一表名后缀,将所述新增的图像数据发送至所述第一存储设备中与所述第一维度匹配的数据库的预设数据表中进行存储。
在该可选的实施方式中,后续可以随时接收新增的图像数据,其中,该新增的图像数据的第一维度与当前已经存储的图像数据的维度可以相同,也可以不同,比如当前已经存储的图像数据的维度包括人脸、人体、车辆,新增的图像数据的第一维度可以为人脸、人体、车辆中的任一个或多个,也可以是其他的维度,比如动物。该新增的图像数据的第一关联标识与当前已经存储的图像数据的关联标识可以相同,也可以不同,即新增的图像数据与当前已经存储的图像数据可以具有关联性,也可以不具有关联性。
服务器可以先判断当前存储的图像数据的多个维度中是否存在与所述第一维度一致的维度,若当前存储的图像数据的多个维度中存在与所述第一维度一致的维度,表明已经存在与该第一维度相关的维度数据库了,可以从数据库中获取该第一维度对应的多个关联标识,并从所述第一维度的多个关联标识中,判断是否存在与所述第一关联标识一致的关联标识,若存在与所述第一关联标识一致的关联标识,表明该新增的图像数据与当前存储的图像数据存在关联性,且已经创建了相关的数据表了,则可以确定与所述第一关联标识对应的第一存储设备,同时确定与所述第一关联标识对应的第一表名后缀,之后,即可根据所述第一表名后缀,将所述新增的图像数据发送至所述第一存储设备中与所述第一维度匹配的数据库的预设数据表中进行存储。
作为一种可选的实施方式,所述方法还包括:
若当前存储的图像数据的多个维度中不存在与所述第一维度一致的维度,获取与所述第一维度关联的第二维度;
为所述第一维度创建第一数据表,以及为所述第二维度创建第二数据表;
将所述新增的图像数据发送至所述第一数据表中。
在该可选的实施方式中,若当前存储的图像数据的多个维度中不存在与所述第一维度一致的维度,表明当前不存在与该第一维度相关的维度数据库了,也不存在相关的数据表,同时,也表明该新增的图像数据与当前存储的图像数据均不存在关联性,则可以从前端设备中或本地获取与所述第一维度关联的第二维度,分别为所述第一维度创建第一数据表,以及为所述第二维度创建第二数据表,并将所述新增的图像数据发送至所述第一数据表中。其中,在创建新的数据表时,相应地,也创建了新维度的数据库了。
举例来说,假设当前存储的图像数据的多个维度包括人脸、人体、车辆,而新增的图像数据的第一维度为动物,则当前存储的图像数据的多个维度中不包括该第一维度,也不存在与该第一维度匹配的数据库以及数据表,因此,需要为所述第一维度创建第一数据表,同时,如果所述第一维度存在关联的第二维度,比如与动物维度关联的是衣服维度,则还需要为第二维度创建第二数据表,其中,所述第二数据表当前可能为空值,但是仍然需要创建分表,这有利于后续有第二维度(比如衣服维度)的图像数据进来时,不需要重新创建表,而可以直接存储。
作为一种可选的实施方式,所述方法还包括:
若不存在与所述第一关联标识一致的关联标识,判断所述第一维度的最大表名后缀对应的数据表的图像数据的数量是否达到预设数量阈值;
若所述第一维度的最大表名后缀对应的数据表的图像数据的数量未达到预设数量阈值,将所述新增的图像数据发送至所述第一维度的最大表名后缀对应的数据表中;或
若所述第一维度的最大表名后缀对应的数据表的图像数据的数量达到预设数量阈值,根据所述最大表名后缀,为所述新增的图像数据创建新的数据表;将所述新增的图像数据发送至所述新的数据表中进行存储。
在该可选的实施方式中,若当前存储的图像数据的多个维度中存在与所述第一维度一致的维度,且不存在与所述第一关联标识一致的关联标识,则表明当前存在与该第一维度相关的维度数据库了,但该新增的图像数据与当前存储的图像数据均不存在关联性,则无法根据关联的数据表进行存储,需要先判断所述第一维度的最大表名后缀对应的数据表的图像数据的数量是否达到预设数量阈值,如果所述第一维度的最大表名后缀(即最后一张表)对应的数据表的图像数据的数量未达到预设数量阈值,则可以将所述新增的图像数据发送至所述第一维度的最大表名后缀对应的数据表中,反之,如果所述第一维度的最大表名后缀(即最后一张表)对应的数据表的图像数据的数量达到预设数量阈值,则需要根据所述最大表名后缀,为所述新增的图像数据创建新的数据表,比如最大表名后缀为N,则新的数据表的表名后缀为(N+1),并将所述新增的图像数据发送至所述新的数据表中进行存储。
需要说明的是,在进行图像数据的存储时,针对同一个维度的同一个数据表,比如人脸数据表feature_face_1,可以存储多个人脸数据,但是,这些人脸数据可以来自同一个人的多张图片,也可以来自同一张图片的不同人,即同一个数据表中,可以包括多个不同的关联标识。在存储时,不受任何限制,只是按照预设数量阈值(比如3百万一张表)进行分表,新增的数据不断存放在最新的表中,也即表名后缀跟关联标识是没有任何关系的,一旦数据存储好并被记录后,关联标识与表名后缀才存在对应关系。
此外,关联标识的作用只是不同维度的图像数据关联存储在不同表名前缀、相同表名后缀的数据表中。例如:人脸数据已经存放在feature_face_56,但当新增的人体数据通过关联标识判断出是在feature_body_56,则就存在人体的56表,如果新增的人体数据没有任何关联的人脸数据,那就将新增的人体数据存在当前最新的人体表,无论人体数据表的表名后缀是多少。
作为一种可选的实施方式,所述方法还包括:
接收输入的关联查询请求,所述关联查询请求携带有目标图片、目标维度以及关联维度;
根据所述目标维度以及预设相似度阈值,对所述目标图片进行图像检索,获得检索图片;
获取所述检索图片的第二关联标识;
根据所述第二关联标识对应的第二表名后缀以及所述关联维度,查询与所述检索图片的图像数据相关的关联图像数据;
展示所述关联图像数据对应的关联图片。
在该可选的实施方式中,当用户需要进行关联查询时,用户可以在系统界面上输入关联查询请求,所述关联查询请求携带有目标图片、目标维度以及关联维度,具体的,可以上传目标图片,并通过多种方式(比如文字输入、语音输入、点击输入、触摸输入等)输入目标维度以及关联维度。其中,系统可以是具备关联查询功能的设备,该系统可以包括但不限于摄像头引擎、搜索引擎以及页面展示系统等组件。
可以在系统上先根据目标维度(比如人脸)对所述目标图片进行图像检索,查询出相似度大于或等于预设相似度阈值(比如92%)的检索图片,之后,可以从相应的数据库中查询这些检索图片对应的第二关联标识,以获取每个检索图片的第二关联标识。第二关联标识可以用于对关联维度的图像数据进行关联查询。进一步地,可以根据所述第二关联标识对应的第二表名后缀以及所述关联维度,查询与所述检索图片的图像数据相关的关联图像数据,并展示所述关联图像数据对应的关联图片。
具体的,所述根据所述第二关联标识对应的第二表名后缀以及所述关联维度,查询与所述检索图片的图像数据相关的关联图像数据包括:
根据所述关联维度,确定与所述关联维度匹配的关联数据库;
根据所述第二关联标识,确定所述检索图片的图像数据所存放的数据表的第二表名后缀;
从所述关联数据库中,查询与所述第二表名后缀相同的关联数据表;
从所述关联数据表中,根据所述第二关联标识,查询与所述检索图片的图像数据相关的关联图像数据。
其中,假设目标维度为人脸,关联维度为人体,则可以根据所述关联维度,确定与所述关联维度匹配的关联数据库为人体维度数据库,其中,关联数据包括的不同维度的图像数据所存放的数据表的表名后缀相同,可以根据所述第二关联标识,确定所述检索图片的图像数据所存放的数据表的第二表名后缀,进而在所述关联数据库中,查询与所述第二表名后缀相同的关联数据表,在确定关联数据表后,即可从所述关联数据表中,根据所述第二关联标识,查询与所述检索图片的图像数据相关的关联图像数据。
举例来说,假设人脸的图像数据所存放的数据表的第二表名后缀为5,则在进行关联的人体的图像数据查询时,人体的图像数据所存放的关联数据表的表名后缀也是5,即人脸的图像数据在feature_face_5中,人体的图像数据在feature_body_5中,进而可以在表名后缀为5的关联数据表(比如feature_body_5)中根据第二关联标识来查询关联图像数据。
在图1所描述的方法流程中,在获取到不同维度的图像数据时,可以根据每个所述图像数据携带的关联标识,将具有相同关联标识的不同维度的图像数据确定为关联数据,进一步地,将所述关联数据包括的不同维度的图像数据分别发送至不同维度的数据库的目标数据表中进行存储,其中,所述不同维度的数据库位于同一个存储设备中,针对不同维度的所述数据库的目标数据表,所述目标数据表的表名前缀不同,表名后缀相同。可见,本发明中,具有相同关联标识的图像数据所存放的数据表的表名后缀相同,实现了对数据的关联,将具有关联标识的不同维度的图像数据存储在同一个存储设备中,实现了对图像数据的关联存储,后续在进行关联查询时,能够避免关联数据的丢失,同时,还能够提高关联查询的性能。
以上所述,仅是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,对于本领域的普通技术人员来说,在不脱离本发明创造构思的前提下,还可以做出改进,但这些均属于本发明的保护范围。
请参见图2,图2是本发明公开的一种数据存储装置的较佳实施例的功能模块图。
在一些实施例中,所述数据存储装置运行于服务器中。所述数据存储装置可以包括多个由程序代码段所组成的功能模块。所述数据存储装置中的各个程序段的程序代码可以存储于存储器中,并由至少一个处理器所执行,以执行图1所描述的数据存储方法中的部分或全部步骤,具体可以参照图1所描述的数据存储方法中的相关描述,在此不再赘述。
本实施例中,所述数据存储装置根据其所执行的功能,可以被划分为多个功能模块。所述功能模块可以包括:获取模块201、确定模块202及发送存储模块203。本发明所称的模块是指一种能够被至少一个处理器所执行并且能够完成固定功能的一系列计算机程序段,其存储在存储器中。在一些实施例中,关于各模块的功能将在后续的实施例中详述。
获取模块201,用于获取不同维度的图像数据;
确定模块202,用于根据每个所述图像数据携带的关联标识,将具有相同关联标识的不同维度的图像数据确定为关联数据;
发送存储模块203,用于将所述关联数据包括的不同维度的图像数据分别发送至不同维度的数据库的目标数据表中进行存储,其中,所述不同维度的数据库位于同一个存储设备中,针对不同维度的所述数据库的目标数据表,所述目标数据表的表名前缀不同,表名后缀相同。
可选的,所述数据存储装置还包括:
记录模块,用于在所述获取模块201获取不同维度的图像数据之后,以及所述确定模块根据每个所述图像数据携带的关联标识,将具有相同关联标识的不同维度的图像数据确定为关联数据之前,分别记录每个维度的图像数据的总数量;
判断模块,用于判断所述总数量中是否存在超过预设数量阈值的目标总数量;
切分模块,用于若所述总数量中存在超过预设数量阈值的目标总数量,根据所述预设数量阈值,对所述目标总数量对应的维度的图像数据进行切分;
创建模块,用于根据切分的份数,分别为所述不同维度的图像数据创建分表,其中,所述分表包括目标数据表,针对同一个维度的图像数据对应的分表,所述分表的表名后缀成递增趋势。
可选的,所述获取模块201,还用于当接收到新增的图像数据时,获取所述新增的图像数据携带的第一维度以及第一关联标识;
所述判断模块,还用于判断当前存储的图像数据的多个维度中是否存在与所述第一维度一致的维度;
所述判断模块,还用于若当前存储的图像数据的多个维度中存在与所述第一维度一致的维度,从所述第一维度的多个关联标识中,判断是否存在与所述第一关联标识一致的关联标识;
所述确定模块202,还用于若存在与所述第一关联标识一致的关联标识,确定与所述第一关联标识对应的第一存储设备,以及确定与所述第一关联标识对应的第一表名后缀;
所述发送存储模块203,还用于根据所述第一表名后缀,将所述新增的图像数据发送至所述第一存储设备中与所述第一维度匹配的数据库的数据表中进行存储。
可选的,所述获取模块201,还用于若当前存储的图像数据的多个维度中不存在与所述第一维度一致的维度,获取与所述第一维度关联的第二维度;
所述创建模块,还用于为所述第一维度创建第一数据表,以及为所述第二维度创建第二数据表;
所述发送存储模块203,还用于将所述新增的图像数据发送至所述第一数据表中。
可选的,所述判断模块,还用于若不存在与所述第一关联标识一致的关联标识,判断所述第一维度的最大表名后缀对应的数据表的图像数据的数量是否达到预设数量阈值;
所述发送存储模块203,还用于若所述第一维度的最大表名后缀对应的数据表的图像数据的数量未达到预设数量阈值,将所述新增的图像数据发送至所述第一维度的最大表名后缀对应的数据表中;
所述创建模块,还用于若所述第一维度的最大表名后缀对应的数据表的图像数据的数量达到预设数量阈值,根据所述最大表名后缀,为所述新增的图像数据创建新的数据表;
所述发送存储模块203,还用于将所述新增的图像数据发送至所述新的数据表中进行存储。
可选的,所述数据存储装置还包括:
接收模块,用于接收输入的关联查询请求,所述关联查询请求携带有目标图片、目标维度以及关联维度;
检索模块,用于根据所述目标维度以及预设相似度阈值,对所述目标图片进行图像检索,获得检索图片;
所述获取模块201,用于获取所述检索图片的第二关联标识;
查询模块,用于根据所述第二关联标识对应的第二表名后缀以及所述关联维度,查询与所述检索图片的图像数据相关的关联图像数据;
展示模块,用于展示所述关联图像数据对应的关联图片。
具体的,所述查询模块根据所述第二关联标识对应的第二表名后缀以及所述关联维度,查询与所述检索图片的图像数据相关的关联图像数据包括:
根据所述关联维度,确定与所述关联维度匹配的关联数据库;
根据所述第二关联标识,确定所述检索图片的图像数据所存放的数据表的第二表名后缀;
从所述关联数据库中,查询与所述第二表名后缀相同的关联数据表;
从所述关联数据表中,根据所述第二关联标识,查询与所述检索图片的图像数据相关的关联图像数据。
在图2所描述的数据存储装置中,具有相同关联标识的图像数据所存放的数据表的表名后缀相同,实现了对数据的关联,将具有关联标识的不同维度的图像数据存储在同一个存储设备中,实现了对图像数据的关联存储,后续在进行关联查询时,能够避免关联数据的丢失,同时,还能够提高关联查询的性能。
如图3所示,图3是本发明实现数据存储方法的较佳实施例的服务器的结构示意图。所述服务器3包括存储器31、至少一个处理器32、存储在所述存储器31中并可在所述至少一个处理器32上运行的计算机程序33及至少一条通讯总线34。
本领域技术人员可以理解,图3所示的示意图仅仅是所述服务器3的示例,并不构成对所述服务器3的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述服务器3还可以包括输入输出设备、网络接入设备等。
所述服务器3还包括但不限于任何一种可与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互的电子产品,例如,个人计算机、平板电脑、智能手机、个人数字助理(Personal Digital Assistant,PDA)、游戏机、交互式网络电视(InternetProtocol Television,IPTV)、智能式穿戴式设备等。所述服务器3所处的网络包括但不限于互联网、广域网、城域网、局域网、虚拟专用网络(Virtual Private Network,VPN)等。
所述至少一个处理器32可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(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、分立硬件组件等。该处理器32可以是微处理器或者该处理器32也可以是任何常规的处理器等,所述处理器32是所述服务器3的控制中心,利用各种接口和线路连接整个服务器3的各个部分。
所述存储器31可用于存储所述计算机程序33和/或模块/单元,所述处理器32通过运行或执行存储在所述存储器31内的计算机程序和/或模块/单元,以及调用存储在存储器31内的数据,实现所述服务器3的各种功能。所述存储器31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(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据服务器3的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器31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,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
结合图1,所述服务器3中的所述存储器31存储多个指令以实现一种数据存储方法,所述处理器32可执行所述多个指令从而实现:
获取不同维度的图像数据;
根据每个所述图像数据携带的关联标识,将具有相同关联标识的不同维度的图像数据确定为关联数据;
将所述关联数据包括的不同维度的图像数据分别发送至不同维度的数据库的目标数据表中进行存储,其中,所述不同维度的数据库位于同一个存储设备中,针对不同维度的所述数据库的目标数据表,所述目标数据表的表名前缀不同,表名后缀相同。
在一种可选的实施方式中,所述获取不同维度的图像数据之后,以及所述根据每个所述图像数据携带的关联标识,将具有相同关联标识的不同维度的图像数据确定为关联数据之前,所述处理器32可执行所述多个指令从而实现:
分别记录每个维度的图像数据的总数量;
判断所述总数量中是否存在超过预设数量阈值的目标总数量;
若所述总数量中存在超过预设数量阈值的目标总数量,根据所述预设数量阈值,对所述目标总数量对应的维度的图像数据进行切分;
根据切分的份数,分别为所述不同维度的图像数据创建分表,其中,所述分表包括目标数据表,针对同一个维度的图像数据对应的分表,所述分表的表名后缀成递增趋势。
在一种可选的实施方式中,所述处理器32可执行所述多个指令从而实现:
当接收到新增的图像数据时,获取所述新增的图像数据携带的第一维度以及第一关联标识;
判断当前存储的图像数据的多个维度中是否存在与所述第一维度一致的维度;
若当前存储的图像数据的多个维度中存在与所述第一维度一致的维度,从所述第一维度的多个关联标识中,判断是否存在与所述第一关联标识一致的关联标识;
若存在与所述第一关联标识一致的关联标识,确定与所述第一关联标识对应的第一存储设备,以及确定与所述第一关联标识对应的第一表名后缀;
根据所述第一表名后缀,将所述新增的图像数据发送至所述第一存储设备中与所述第一维度匹配的数据库的数据表中进行存储。
在一种可选的实施方式中,所述处理器32可执行所述多个指令从而实现:
若当前存储的图像数据的多个维度中不存在与所述第一维度一致的维度,获取与所述第一维度关联的第二维度;
为所述第一维度创建第一数据表,以及为所述第二维度创建第二数据表;
将所述新增的图像数据发送至所述第一数据表中。
在一种可选的实施方式中,所述处理器32可执行所述多个指令从而实现:
若不存在与所述第一关联标识一致的关联标识,判断所述第一维度的最大表名后缀对应的数据表的图像数据的数量是否达到预设数量阈值;
若所述第一维度的最大表名后缀对应的数据表的图像数据的数量未达到预设数量阈值,将所述新增的图像数据发送至所述第一维度的最大表名后缀对应的数据表中;或
若所述第一维度的最大表名后缀对应的数据表的图像数据的数量达到预设数量阈值,根据所述最大表名后缀,为所述新增的图像数据创建新的数据表;将所述新增的图像数据发送至所述新的数据表中进行存储。
在一种可选的实施方式中,所述处理器32可执行所述多个指令从而实现:
接收输入的关联查询请求,所述关联查询请求携带有目标图片、目标维度以及关联维度;
根据所述目标维度以及预设相似度阈值,对所述目标图片进行图像检索,获得检索图片;
获取所述检索图片的第二关联标识;
根据所述第二关联标识对应的第二表名后缀以及所述关联维度,查询与所述检索图片的图像数据相关的关联图像数据;
展示所述关联图像数据对应的关联图片。
在一种可选的实施方式中,所述根据所述第二关联标识对应的第二表名后缀以及所述关联维度,查询与所述检索图片的图像数据相关的关联图像数据包括:
根据所述关联维度,确定与所述关联维度匹配的关联数据库;
根据所述第二关联标识,确定所述检索图片的图像数据所存放的数据表的第二表名后缀;
从所述关联数据库中,查询与所述第二表名后缀相同的关联数据表;
从所述关联数据表中,根据所述第二关联标识,查询与所述检索图片的图像数据相关的关联图像数据。
具体地,所述处理器32对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述,在此不赘述。
在图3所描述的服务器3中,在获取到不同维度的图像数据时,可以根据每个所述图像数据携带的关联标识,将具有相同关联标识的不同维度的图像数据确定为关联数据,进一步地,将所述关联数据包括的不同维度的图像数据分别发送至不同维度的数据库的目标数据表中进行存储,其中,所述不同维度的数据库位于同一个存储设备中,针对不同维度的所述数据库的目标数据表,所述目标数据表的表名前缀不同,表名后缀相同。可见,本发明中,具有相同关联标识的图像数据所存放的数据表的表名后缀相同,实现了对数据的关联,将具有关联标识的不同维度的图像数据存储在同一个存储设备中,实现了对图像数据的关联存储,后续在进行关联查询时,能够避免关联数据的丢失,同时,还能够提高关联查询的性能。
所述服务器3集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
在本发明所提供的几个实施例中,应该理解到,所揭露的系统,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,所述模块的划分,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。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种数据存储方法,其特征在于,所述方法包括:
获取不同维度的图像数据;
根据每个所述图像数据携带的关联标识,将具有相同关联标识的不同维度的图像数据确定为关联数据;
将所述关联数据包括的不同维度的图像数据分别发送至不同维度的数据库的目标数据表中进行存储,其中,所述不同维度的数据库位于同一个存储设备中,针对不同维度的所述数据库的目标数据表,所述目标数据表的表名前缀不同,表名后缀相同。
2.根据权利要求1所述的方法,其特征在于,所述获取不同维度的图像数据之后,以及所述根据每个所述图像数据携带的关联标识,将具有相同关联标识的不同维度的图像数据确定为关联数据之前,所述方法还包括:
分别记录每个维度的图像数据的总数量;
判断所述总数量中是否存在超过预设数量阈值的目标总数量;
若所述总数量中存在超过预设数量阈值的目标总数量,根据所述预设数量阈值,对所述目标总数量对应的维度的图像数据进行切分;
根据切分的份数,分别为所述不同维度的图像数据创建分表,其中,所述分表包括所述目标数据表,针对同一个维度的图像数据对应的分表,所述分表的表名后缀成递增趋势。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
当接收到新增的图像数据时,获取所述新增的图像数据携带的第一维度以及第一关联标识;
判断当前存储的图像数据的多个维度中是否存在与所述第一维度一致的维度;
若当前存储的图像数据的多个维度中存在与所述第一维度一致的维度,从所述第一维度的多个关联标识中,判断是否存在与所述第一关联标识一致的关联标识;
若存在与所述第一关联标识一致的关联标识,确定与所述第一关联标识对应的第一存储设备,以及确定与所述第一关联标识对应的第一表名后缀;
根据所述第一表名后缀,将所述新增的图像数据发送至所述第一存储设备中与所述第一维度匹配的数据库的数据表中进行存储。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
若当前存储的图像数据的多个维度中不存在与所述第一维度一致的维度,获取与所述第一维度关联的第二维度;
为所述第一维度创建第一数据表,以及为所述第二维度创建第二数据表;
将所述新增的图像数据发送至所述第一数据表中。
5.根据权利要求3所述的方法,其特征在于,所述方法还包括:
若不存在与所述第一关联标识一致的关联标识,判断所述第一维度的最大表名后缀对应的数据表的图像数据的数量是否达到预设数量阈值;
若所述第一维度的最大表名后缀对应的数据表的图像数据的数量未达到预设数量阈值,将所述新增的图像数据发送至所述第一维度的最大表名后缀对应的数据表中;或
若所述第一维度的最大表名后缀对应的数据表的图像数据的数量达到预设数量阈值,根据所述最大表名后缀,为所述新增的图像数据创建新的数据表;将所述新增的图像数据发送至所述新的数据表中进行存储。
6.根据权利要求1至5中任一项所述的方法,其特征在于,所述方法还包括:
接收输入的关联查询请求,所述关联查询请求携带有目标图片、目标维度以及关联维度;
根据所述目标维度以及预设相似度阈值,对所述目标图片进行图像检索,获得检索图片;
获取所述检索图片的第二关联标识;
根据所述第二关联标识对应的第二表名后缀以及所述关联维度,查询与所述检索图片的图像数据相关的关联图像数据;
展示所述关联图像数据对应的关联图片。
7.根据权利要求6所述的方法,其特征在于,所述根据所述第二关联标识对应的第二表名后缀以及所述关联维度,查询与所述检索图片的图像数据相关的关联图像数据包括:
根据所述关联维度,确定与所述关联维度匹配的关联数据库;
根据所述第二关联标识,确定所述检索图片的图像数据所存放的数据表的第二表名后缀;
从所述关联数据库中,查询与所述第二表名后缀相同的关联数据表;
从所述关联数据表中,根据所述第二关联标识,查询与所述检索图片的图像数据相关的关联图像数据。
8.一种数据存储装置,其特征在于,所述数据存储装置包括:
获取模块,用于获取不同维度的图像数据;
确定模块,用于根据每个所述图像数据携带的关联标识,将具有相同关联标识的不同维度的图像数据确定为关联数据;
发送存储模块,用于将所述关联数据包括的不同维度的图像数据分别发送至不同维度的数据库的目标数据表中进行存储,其中,所述不同维度的数据库位于同一个存储设备中,针对不同维度的所述数据库的目标数据表,所述目标数据表的表名前缀不同,表名后缀相同。
9.一种服务器,其特征在于,所述服务器包括处理器和存储器,所述处理器用于执行存储器中存储的计算机程序以实现如权利要求1至7中任意一项所述的数据存储方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有至少一个指令,所述至少一个指令被处理器执行时实现如权利要求1至7中任意一项所述的数据存储方法。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910580051.9A CN110287346B (zh) | 2019-06-28 | 2019-06-28 | 数据存储方法、装置、服务器及存储介质 |
US17/435,044 US11392619B2 (en) | 2019-06-28 | 2019-11-28 | Data storage method, device, server and storage medium |
PCT/CN2019/121606 WO2020258715A1 (zh) | 2019-06-28 | 2019-11-28 | 数据存储方法、装置、服务器及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910580051.9A CN110287346B (zh) | 2019-06-28 | 2019-06-28 | 数据存储方法、装置、服务器及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110287346A true CN110287346A (zh) | 2019-09-27 |
CN110287346B CN110287346B (zh) | 2021-11-30 |
Family
ID=68019788
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910580051.9A Active CN110287346B (zh) | 2019-06-28 | 2019-06-28 | 数据存储方法、装置、服务器及存储介质 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11392619B2 (zh) |
CN (1) | CN110287346B (zh) |
WO (1) | WO2020258715A1 (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020258715A1 (zh) * | 2019-06-28 | 2020-12-30 | 深圳云天励飞技术有限公司 | 数据存储方法、装置、服务器及存储介质 |
CN112328826A (zh) * | 2020-11-03 | 2021-02-05 | 珠海大横琴科技发展有限公司 | 一种船只图像检索方法、装置、电子设备以及存储介质 |
CN112395293A (zh) * | 2020-11-27 | 2021-02-23 | 浙江诺诺网络科技有限公司 | 分库分表方法、分库分表装置、分库分表设备及存储介质 |
CN112597355A (zh) * | 2020-12-24 | 2021-04-02 | 北京市商汤科技开发有限公司 | 检索方法、装置、电子设备和存储介质 |
CN113127659A (zh) * | 2019-12-31 | 2021-07-16 | 深圳云天励飞技术有限公司 | 图像数据录入方法、装置、电子设备及存储介质 |
CN113535702A (zh) * | 2021-07-22 | 2021-10-22 | 北京锐安科技有限公司 | 一种数据处理方法、装置、设备和存储介质 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115840763B (zh) * | 2023-02-20 | 2023-05-23 | 中航信移动科技有限公司 | 一种基于多数据库的数据存储方法、存储介质及电子设备 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2091076A1 (en) * | 1992-03-06 | 1993-09-07 | Eric Straub | Method for storing programs |
CN103226575A (zh) * | 2013-04-01 | 2013-07-31 | 北京小米科技有限责任公司 | 一种图像处理方法和装置 |
CN104112016A (zh) * | 2014-07-18 | 2014-10-22 | 北京京东尚科信息技术有限公司 | 变更数据表结构的方法 |
CN105786990A (zh) * | 2016-02-17 | 2016-07-20 | 蓝网科技股份有限公司 | 数据库数据存储和快速查询的方法及装置 |
CN105847320A (zh) * | 2016-03-02 | 2016-08-10 | 乐视致新电子科技(天津)有限公司 | 一种资源获取方法和装置 |
CN108897996A (zh) * | 2018-06-05 | 2018-11-27 | 北京市商汤科技开发有限公司 | 标识信息关联方法及装置、电子设备及存储介质 |
CN109711546A (zh) * | 2018-12-21 | 2019-05-03 | 深圳市商汤科技有限公司 | 神经网络训练方法及装置、电子设备和存储介质 |
CN109783543A (zh) * | 2019-01-14 | 2019-05-21 | 广州虎牙信息科技有限公司 | 数据查询方法、装置、设备和存储介质 |
CN109829073A (zh) * | 2018-12-29 | 2019-05-31 | 深圳云天励飞技术有限公司 | 一种图像搜索的方法及装置 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4506832B2 (ja) * | 2007-12-28 | 2010-07-21 | ソニー株式会社 | 画像処理装置、インデックス生成装置、撮像装置、インデックス生成方法およびプログラム |
JPWO2015053120A1 (ja) * | 2013-10-08 | 2017-03-09 | シャープ株式会社 | 画像復号装置、画像復号方法、画像符号化装置、及び画像符号化方法 |
CN107590491B (zh) * | 2016-07-07 | 2021-08-06 | 阿里巴巴集团控股有限公司 | 一种图像处理方法及装置 |
CN107729986B (zh) * | 2017-09-19 | 2020-11-03 | 平安科技(深圳)有限公司 | 驾驶模型训练方法、驾驶人识别方法、装置、设备及介质 |
CN109513211B (zh) * | 2018-10-15 | 2022-06-24 | 网易(杭州)网络有限公司 | 美术资源文件的处理方法、装置以及游戏资源展示系统 |
CN109753928B (zh) * | 2019-01-03 | 2022-03-29 | 北京百度网讯科技有限公司 | 违章建筑物识别方法和装置 |
CN110287346B (zh) * | 2019-06-28 | 2021-11-30 | 深圳云天励飞技术有限公司 | 数据存储方法、装置、服务器及存储介质 |
-
2019
- 2019-06-28 CN CN201910580051.9A patent/CN110287346B/zh active Active
- 2019-11-28 US US17/435,044 patent/US11392619B2/en active Active
- 2019-11-28 WO PCT/CN2019/121606 patent/WO2020258715A1/zh active Application Filing
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2091076A1 (en) * | 1992-03-06 | 1993-09-07 | Eric Straub | Method for storing programs |
CN103226575A (zh) * | 2013-04-01 | 2013-07-31 | 北京小米科技有限责任公司 | 一种图像处理方法和装置 |
CN104112016A (zh) * | 2014-07-18 | 2014-10-22 | 北京京东尚科信息技术有限公司 | 变更数据表结构的方法 |
CN105786990A (zh) * | 2016-02-17 | 2016-07-20 | 蓝网科技股份有限公司 | 数据库数据存储和快速查询的方法及装置 |
CN105847320A (zh) * | 2016-03-02 | 2016-08-10 | 乐视致新电子科技(天津)有限公司 | 一种资源获取方法和装置 |
CN108897996A (zh) * | 2018-06-05 | 2018-11-27 | 北京市商汤科技开发有限公司 | 标识信息关联方法及装置、电子设备及存储介质 |
CN109711546A (zh) * | 2018-12-21 | 2019-05-03 | 深圳市商汤科技有限公司 | 神经网络训练方法及装置、电子设备和存储介质 |
CN109829073A (zh) * | 2018-12-29 | 2019-05-31 | 深圳云天励飞技术有限公司 | 一种图像搜索的方法及装置 |
CN109783543A (zh) * | 2019-01-14 | 2019-05-21 | 广州虎牙信息科技有限公司 | 数据查询方法、装置、设备和存储介质 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020258715A1 (zh) * | 2019-06-28 | 2020-12-30 | 深圳云天励飞技术有限公司 | 数据存储方法、装置、服务器及存储介质 |
CN113127659A (zh) * | 2019-12-31 | 2021-07-16 | 深圳云天励飞技术有限公司 | 图像数据录入方法、装置、电子设备及存储介质 |
CN112328826A (zh) * | 2020-11-03 | 2021-02-05 | 珠海大横琴科技发展有限公司 | 一种船只图像检索方法、装置、电子设备以及存储介质 |
CN112395293A (zh) * | 2020-11-27 | 2021-02-23 | 浙江诺诺网络科技有限公司 | 分库分表方法、分库分表装置、分库分表设备及存储介质 |
CN112395293B (zh) * | 2020-11-27 | 2024-03-01 | 浙江诺诺网络科技有限公司 | 分库分表方法、分库分表装置、分库分表设备及存储介质 |
CN112597355A (zh) * | 2020-12-24 | 2021-04-02 | 北京市商汤科技开发有限公司 | 检索方法、装置、电子设备和存储介质 |
CN113535702A (zh) * | 2021-07-22 | 2021-10-22 | 北京锐安科技有限公司 | 一种数据处理方法、装置、设备和存储介质 |
CN113535702B (zh) * | 2021-07-22 | 2024-03-26 | 北京锐安科技有限公司 | 一种数据处理方法、装置、设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2020258715A1 (zh) | 2020-12-30 |
US20220043834A1 (en) | 2022-02-10 |
US11392619B2 (en) | 2022-07-19 |
CN110287346B (zh) | 2021-11-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110287346A (zh) | 数据存储方法、装置、服务器及存储介质 | |
US10664510B1 (en) | Displaying clusters of media items on a map using representative media items | |
US11003327B2 (en) | Systems and methods for displaying an image capturing mode and a content viewing mode | |
US20190179849A1 (en) | Graphical user interface for overlaying annotations on media objects | |
JP5666088B2 (ja) | メディアオブジェクトメタデータ関連付け及びランク付け | |
CA2722643C (en) | Systems and methods for thumbnail management | |
US8879890B2 (en) | Method for media reliving playback | |
US20150170333A1 (en) | Grouping And Presenting Images | |
US20170132219A1 (en) | System for identifying, associating, searching and presenting documents based on time sequentialization | |
US20130325847A1 (en) | Graph-based searching | |
US20120213497A1 (en) | Method for media reliving on demand | |
US20210240757A1 (en) | Automatic Detection and Transfer of Relevant Image Data to Content Collections | |
CN105550375A (zh) | 一种异构数据的整合方法及系统 | |
CN108476336A (zh) | 识别内容频道的听众的查看特性 | |
DE112016004967T5 (de) | Automatisiertes Auffinden von Informationen | |
Chiang et al. | Quick browsing and retrieval for surveillance videos | |
JP2000339327A (ja) | サムネイル画像情報操作システム | |
CN110147350A (zh) | 文件查找方法、装置、电子设备及存储介质 | |
US20140032583A1 (en) | Multi-Resolution Exploration of Large Image Datasets | |
EP3152701A1 (en) | Method of and system for determining and selecting media representing event diversity | |
KR102023687B1 (ko) | 서버의 이미지 공유 방법, 그리고 이를 구현한 시스템 및 어플리케이션 | |
KR20170090273A (ko) | 컨텐츠 제작 어플리케이션 및 상기 컨텐츠 제작 어플리케이션 구동 방법 | |
US20230359325A1 (en) | User interface for editing of a composite document through intelligently zoomed previews | |
KR20180093293A (ko) | 스마트 폰을 이용한 가상현실 스마트 영상 서비스 기술 | |
Le et al. | SmartEyes: Social Multimedia Analysis Platform for Open Data Providers |
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 |