CN110309341B - 图像检索方法、装置、设备及存储介质 - Google Patents
图像检索方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN110309341B CN110309341B CN201910617180.0A CN201910617180A CN110309341B CN 110309341 B CN110309341 B CN 110309341B CN 201910617180 A CN201910617180 A CN 201910617180A CN 110309341 B CN110309341 B CN 110309341B
- Authority
- CN
- China
- Prior art keywords
- score
- feature data
- time
- distance
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
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
- 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
- G06F16/587—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Library & Information Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明提供一种图像检索方法、装置、设备及存储介质,涉及图像处理技术领域。该方法包括:获取检索图像和检索信息,根据检索图像和检索条件,从预设的检索图像库中获取满足检索条件的图像的多个特征数据,根据第一时空信息和每个特征数据对应的第二时空信息,计算每个特征数据的得分参数,根据多个特征数据的得分参数,从满足检索条件的图像中,确定满足预设得分条件的特征数据对应的图像作为检索图像的检索结果。通过第一时空信息和每个特征数据对应的第二时空信息,计算每个特征数据的得分参数,根据多个特征数据的得分参数从满足检索条件的图像中确定检索图像的检索结果,可使得检索结果不局限于图像之间的相似度,提高了图像检索的精确度。
Description
技术领域
本发明涉及图像处理技术领域,具体而言,涉及一种图像检索方法、装置、设备及存储介质。
背景技术
随着科技的进步,使用监控设备对安防的区域进行监控,已经成为了一种常用的监控手段,以便在必要时,可以对监控系统所拍摄到的图像进行图像检索,以查找目标对象。
相关技术中,用户可在图像检索系统中输入一张作为查询标准的目标图像,可以计算输入的目标图像与预设的数据库中各图像的相似度,将根据图像的相似度,从该数据库中确定与目标图像相似度较高的图像作为该目标图像的检索结果。
但是,由于数据库中图像的拍摄角度、光照以及画面色差等的影响,仅根据图像之间的相似度进行图像检索,其图像检索的精确度较低。
发明内容
本发明的目的在于,针对上述现有技术中的不足,提供一种图像检索方法、装置、设备及存储介质,以便解决相关技术中,由于数据库中图像的拍摄角度、光照以及画面色差等的影响,仅根据图像之间的相似度进行图像检索,其图像检索的精确度较低的问题。
为实现上述目的,本发明实施例采用的技术方案如下:
第一方面,本发明实施例提供了一种图像检索方法,包括:
获取检索图像和检索信息,所述检索信息包括:检索条件和第一时空信息;
根据所述检索图像和所述检索条件,从预设的检索图像库中获取满足所述检索条件的图像的多个特征数据,所述检索图像库包括:至少一个图像和每个图像的特征数据;
根据所述第一时空信息和每个所述特征数据对应的第二时空信息,计算每个所述特征数据的得分参数;
根据多个所述特征数据的得分参数,从满足所述检索条件的图像中,确定满足预设得分条件的特征数据对应的图像作为所述检索图像的检索结果。
进一步地,所述根据所述第一时空信息和每个所述特征数据对应的第二时空信息,计算每个所述特征数据的得分参数,包括:
根据所述第一时空信息、每个所述特征数据对应的第二时空信息,确定每个所述特征数据的时空得分;
根据相似度阈值,确定每个所述特征数据的相似度得分;
根据每个所述特征数据的时空得分,和每个所述特征数据的相似度得分,计算每个所述特征数据的得分参数。
进一步地,所述第一时空信息包括:检索时间;所述第二时空信息为每个所述特征数据对应图像的时间;
所述根据所述第一时空信息、每个所述特征数据对应的第二时空信息,确定每个所述特征数据的时空得分,包括:
根据所述检索时间和每个所述特征数据对应图像的时间,计算所述检索时间与每个所述特征数据对应图像的时间差;
根据所述时间差,计算每个特征数据的时间得分;
根据每个特征数据的时间得分,计算每个所述特征数据的时空得分。
进一步地,所述第一时空信息包括:检索地理位置;所述第二时空信息为每个所述特征数据对应图像的地理位置;
所述根据所述第一时空信息、每个所述特征数据对应的第二时空信息,确定每个所述特征数据的时空得分,包括:
根据所述检索地理位置和每个所述特征数据对应图像的地理位置,确定所述检索地理位置和每个所述特征数据对应图像的地理位置之间的距离;
根据所述距离,计算每个所述特征数据的距离得分;
根据每个特征数据的距离得分,计算每个所述特征数据的时空得分。
进一步地,所述第一时空信息包括:检索时间和检索地理位置;所述第二时空信息包括每个所述特征数据对应图像的时间和地理位置;
所述根据所述第一时空信息、每个所述特征数据对应的第二时空信息,确定每个所述特征数据的时空得分,包括:
根据所述检索时间和每个所述特征数据对应图像的时间,计算所述检索时间与每个所述特征数据对应图像的时间差;
根据所述时间差,计算每个所述特征数据的时间得分;
根据所述检索地理位置和每个所述特征数据对应图像的地理位置,确定所述检索地理位置和每个所述特征数据对应图像的地理位置之间的距离;
根据所述距离计算每个所述特征数据的距离得分;
根据每个所述特征数据的时间得分和所述距离得分,计算每个所述特征数据的时空得分。
进一步地,每个所述特征数据的时间得分为每个所述特征数据的最终时间得分;
所述根据所述时间差,计算每个所述特征数据的时间得分,包括:
根据所述时间差,和预设的时间差与得分的对应关系,确定每个所述特征数据的时间梯度得分;
根据所述时间梯度得分和预设的时间权重,得到每个所述特征数据的初始时间得分;
根据预设的时间得分区间,对多个所述特征数据的初始时间得分进行归一化处理,确定多个所述特征数据的时间系数;
根据所述时间得分区间的最小得分值、所述时间系数、每个所述特征数据的初始时间得分以及多个所述特征数据的最小初始时间得分,计算每个所述特征数据的最终时间得分。
进一步地,每个所述特征数据的距离得分为每个所述特征数据的最终距离得分;
所述根据所述距离计算每个所述特征数据的距离得分,包括:
根据所述距离和预设的距离与得分的对应关系,确定每个所述特征数据的距离梯度得分;
根据所述距离梯度得分和预设的距离权重,得到每个所述特征数据的初始距离得分;
根据预设的距离得分区间,对多个所述特征数据的初始距离得分进行归一化处理,确定多个所述特征数据的距离系数;
根据所述距离得分区间的最小得分值、所述距离系数、每个所述特征数据的初始距离得分以及多个所述特征数据的最小初始距离得分,计算每个所述特征数据的最终距离得分。
第二方面,本发明实施例还提供了一种图像检索装置,包括:
第一获取模块,用于获取检索图像和检索信息,所述检索信息包括:检索条件和第一时空信息;
第二获取模块,用于根据所述检索图像和所述检索条件,从预设的检索图像库中获取满足所述检索条件的图像的多个特征数据,所述检索图像库包括:至少一个图像和每个图像的特征数据;
计算模块,用于根据所述第一时空信息和每个所述特征数据对应的第二时空信息,计算每个所述特征数据的得分参数;
确定模块,用于根据多个所述特征数据的得分参数,从满足所述检索条件的图像中,确定满足预设得分条件的特征数据对应的图像作为所述检索图像的检索结果。
进一步地,所述计算模块,具体用于根据所述第一时空信息、每个所述特征数据对应的第二时空信息,确定每个所述特征数据的时空得分;根据相似度阈值,确定每个所述特征数据的相似度得分;根据每个所述特征数据的时空得分,和每个所述特征数据的相似度得分,计算每个所述特征数据的得分参数。
进一步地,所述第一时空信息包括:检索时间;所述第二时空信息为每个所述特征数据对应图像的时间;
所述计算模块,还具体用于根据所述检索时间和每个所述特征数据对应图像的时间,计算所述检索时间与每个所述特征数据对应图像的时间差;根据所述时间差,计算每个特征数据的时间得分;根据每个特征数据的时间得分,计算每个所述特征数据的时空得分。
进一步地,所述第一时空信息包括:检索地理位置;所述第二时空信息为每个所述特征数据对应图像的地理位置;
所述计算模块,还具体用于根据所述检索地理位置和每个所述特征数据对应图像的地理位置,确定所述检索地理位置和每个所述特征数据对应图像的地理位置之间的距离;根据所述距离,计算每个所述特征数据的距离得分;根据每个特征数据的距离得分,计算每个所述特征数据的时空得分。
进一步地,所述第一时空信息包括:检索时间和检索地理位置;所述第二时空信息包括每个所述特征数据对应图像的时间和地理位置;
所述计算模块,还具体用于根据所述检索时间和每个所述特征数据对应图像的时间,计算所述检索时间与每个所述特征数据对应图像的时间差;根据所述时间差,计算每个所述特征数据的时间得分;根据所述检索地理位置和每个所述特征数据对应图像的地理位置,确定所述检索地理位置和每个所述特征数据对应图像的地理位置之间的距离;根据所述距离计算每个所述特征数据的距离得分;根据每个所述特征数据的时间得分和所述距离得分,计算每个所述特征数据的时空得分。
进一步地,每个所述特征数据的时间得分为每个所述特征数据的最终时间得分;
所述计算模块,还具体用于根据所述时间差,和预设的时间差与得分的对应关系,确定每个所述特征数据的时间梯度得分;根据所述时间梯度得分和预设的时间权重,得到每个所述特征数据的初始时间得分;根据预设的时间得分区间,对多个所述特征数据的初始时间得分进行归一化处理,确定多个所述特征数据的时间系数;根据所述时间得分区间的最小得分值、所述时间系数、每个所述特征数据的初始时间得分以及多个所述特征数据的最小初始时间得分,计算每个所述特征数据的最终时间得分。
进一步地,每个所述特征数据的距离得分为每个所述特征数据的最终距离得分;
所述计算模块,还具体用于根据所述距离和预设的距离与得分的对应关系,确定每个所述特征数据的距离梯度得分;根据所述距离梯度得分和预设的距离权重,得到每个所述特征数据的初始距离得分;根据预设的距离得分区间,对多个所述特征数据的初始距离得分进行归一化处理,确定多个所述特征数据的距离系数;根据所述距离得分区间的最小得分值、所述距离系数、每个所述特征数据的初始距离得分以及多个所述特征数据的最小初始距离得分,计算每个所述特征数据的最终距离得分。
第三方面,本发明实施例还提供了一种图像检索设备,包括存储器、处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述第一方面所述的方法的步骤。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其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上述第一方面所述方法的步骤。
本发明的有益效果是:本发明实施例提供一种图像检索方法、装置、设备及存储介质,获取检索图像和检索信息,检索信息包括:检索条件和第一时空信息,根据检索图像和检索条件,从预设的检索图像库中获取满足检索条件的图像的多个特征数据,检索图像库包括:至少一个图像和每个图像的特征数据,根据第一时空信息和每个特征数据对应的第二时空信息,计算每个特征数据的得分参数,根据多个特征数据的得分参数,从满足检索条件的图像中,确定满足预设得分条件的特征数据对应的图像作为检索图像的检索结果。通过第一时空信息和每个特征数据对应的第二时空信息,计算每个特征数据的得分参数那么根据多个特征数据的得分参数从满足检索条件的图像中确定检索图像的检索结果,可使得检索图像的检索结果不局限于图像之间的相似度,避免图像质量造成的图像检索精确到较低问题,提高了图像检索的精确度。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本发明实施例提供的一种图像检索方法的流程示意图;
图2为本发明实施例提供的一种图像检索方法的流程示意图;
图3为本发明实施例提供的一种图像检索方法的流程示意图;
图4为本发明实施例提供的一种图像检索方法的流程示意图;
图5为本发明实施例提供的一种图像检索方法的流程示意图;
图6为本发明实施例提供的一种图像检索方法的流程示意图;
图7为本发明实施例提供的一种图像检索方法的流程示意图;
图8为本发明实施例提供的一种图像检索装置的结构示意图;
图9为本发明实施例提供的一种图像检索装置的结构示意图。
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,所描述的实施例是本发明一部分实施例,而不是全部的实施例。
本发明实施例所提供的图像检索方法可由电子设备执行,也由服务器执行。若由电子设备执行,则该电子设备可以为笔记本电脑、台式电脑、手机或者其他图像检索功能的设备,本发明实施例对此不进行具体限制。若由服务器执行,则该服务器可以为图像检索应用所对应的应用服务器。如下以电子设备执行为例进行说明,对于由服务器执行的图像检索方法的实现过程,其相同之处,本申请不再赘述。
图1为本发明实施例提供的一种图像检索方法的流程示意图,如图1所示,该方法包括:
S101、获取检索图像和检索信息。
其中,检索信息包括:检索条件和第一时空信息。
当用户需要对目标人和/或物进行检索时,用户可以在电子设备输入检索图像以及检索信息,其中,检索图像可以包括目标检索对象的特征信息,目标检索对象可以为人和/或物等任一类型的对象,对应的,电子设备可以响应用户的操作获取检索图像和检索信息。对于服务器执行的方法,可由电子设备在获取到检索图像和检索信息之后,将其传输至服务器,使得服务器获取该检索图像和检索信息。
在本发明实施例中,检索条件可以包括预设相似度阈值、目标检索对象的属性信息,第一时空信息可以包括检索时间和/或检索地理位置。
例如,检索条件可以包括:目标检索对象的属性信息以及预设相似度阈值等。若目标检索对象为人,该属性信息包括:年龄、性别、身高等至少一种信息,若目标检索对象为物,则该属性信息包括:物的颜色、形状等至少一种信息。检索时间可以包括:至少一个时间点,检索地理位置可以包括至少一个地理位置的名称或者经纬度信息等。
S102、根据检索图像和检索条件,从预设的检索图像库中获取满足检索条件的图像的多个特征数据。
其中,检索图像库包括至少一个图像和每个图像的特征数据。
在一种可能的实施方式中,电子设备可以对检索图像进行识别,获取检索图像的特征信息,再根据检索条件,计算检索图像库中各个图像与检索图像之间的相似度,将相似度大于或等于相似度阈值的图像,作为满足检索条件的图像。
需要说明的是,检索图像库可以为检索抓拍库,每个图像为抓拍图像,每个抓拍图像可以为图像采集设备如监控摄像头所采集的图像。
S103、根据第一时空信息和每个特征数据对应的第二时空信息,计算每个特征数据的得分参数。
其中,每个特征数据对应的第二时空信息为该每个特征数据对应图像的时空信息。
在本发明实施例中,电子设备可以根据第一时空信息,每个特征数据对应的第二时空信息,计算每个特征数据的时空得分,继而根据该每个特征数据的时空得分,确定该每个特征数据的得到参数。该每个特征数据的时空得分可包括:该每个特征数据的时间得分和/或距离得分。
对应的,若该每个特征数据的第二时空信息包括:该每个特征数据对应图像的时间,如图像的拍摄时间或获取时间,则该每个特征数据的时空得分可包括:该每个特征数据的时间得分;若该每个特征数据的第二时空信息包括:该每个特征数据对应图像的地理位置,如拍摄该图像的地理位置,则该每个特征数据的时空得分可包括:该每个特征数据的距离得分。
S104、根据多个特征数据的得分参数,从满足该检索条件的图像中,确定满足预设得分条件的特征数据对应的图像作为检索图像的检索结果。
在一种可能的实施方式中,根据多个特征数据的得分参数对多个特征数据进行排序,得到排序后的多个特征数据,将得分参数大于或等于预设得分的特征数据对应的图像作为检索图像的检索结果。该预设的得分条件可以为:大于或等于预设得分。
需要说明的是,电子设备还可以在获取该检索条件的图像,以及满足预设得分条件的特征数据对应的图像的情况下,向展示满足检索条件的图像、满足预设得分条件的特征数据对应的图像,以及满足预设得到条件的特征数据的得分参数。
综上,本发明实施例提供一种图像检索方法,获取检索图像和检索信息,检索信息包括:检索条件和第一时空信息,根据检索图像和检索条件,从预设的检索图像库中获取满足检索条件的图像的多个特征数据,检索图像库包括:至少一个图像和每个图像的特征数据,根据第一时空信息和每个特征数据对应的第二时空信息,计算每个特征数据的得分参数,根据多个特征数据的得分参数,从满足检索条件的图像中,确定满足预设得分条件的特征数据对应的图像作为检索图像的检索结果。通过第一时空信息和每个特征数据对应的第二时空信息,计算每个特征数据的得分参数,那么根据多个所述特征数据的得分参数从满足检索条件的图像中确定检索图像的检索结果,可使得检索图像的检索结果不局限于图像之间的相似度,避免图像质量造成的图像检索精确到较低问题,提高了图像检索的精确度。
图2为本发明实施例提供的一种图像检索方法的流程示意图,如图2所示,上述方法中S103中根据第一时空信息和每个特征数据对应的第二时空信息,计算每个特征数据的得分参数,可以包括:
S201、根据第一时空信息和每个特征数据对应的第二时空信息,确定每个特征数据的时空得分。
在本发明实施例中,电子设备可以根据第一时空信息中的检索时间和/或检索地理位置,和每个特征数据对应的第二时空信息中的时间和/或地理位置,以及预设的对应关系,相应的计算每个特征数据的时间得分和/或距离得分。
另外,预设的对应关系可以为检索时间与特征数据对应图像的时间差,与时间得分的对应关系,和/或,检索地理位置与特征数据对应图像的地理位置之间的距离,与距离得分的对应关系。
S202、根据相似度阈值,确定每个特征数据的相似度得分。
其中,相似度阈值为检索图像库中图像与检索图像之间的相似度。
另外,还可对每个特征数据的相似度阈值,均乘以相同的相似度权重值,可以得到每个特征数据的相似度得分。
例如,满足检索条件的多个特征数据的相似度阈值可以为97.05、94.72、86.1、83.86和73.05,相似度权重值可以为1,则满足检索条件的每个特征数据的相似度得分分别为:97.05、94.72、86.1、83.86和73.05。
而且,相似度权重值可以为1,还可以为0.8,还可以根据实际需求进行设置的其它数值,本发明实施例对此不进行具体限制。
S203、根据每个特征数据的时空得分,和每个特征数据的相似度得分,计算每个特征数据的得分参数。
在一种可能的实施方式中,电子设备可以对每个特征数据的时空得分进行归一化处理,得到对应时空系数,对每个特征数据的相似度得分进行归一化处理得到相似度系数,继而可根据该每个特征数据的时空得分、时空系数、每个特征数据的相似度得分,和相似度系数计算每个特征数据的得分参数。
本发明实施例提供一种图像检索方法,根据第一时空信息和每个特征数据对应的第二时空信息,确定每个特征数据的时空得分,根据相似度阈值,确定每个特征数据的相似度得分,根据每个特征数据的时空得分,和每个特征数据的相似度得分,计算每个特征数据的得分参数,可使得特征数据的得分参数更准确,从而使得检索图像的检索结果不局限于图像之间的相似度,提高了图像检索的精确度。
图3为本发明实施例提供的一种图像检索方法的流程示意图,第一时空信息包括:检索时间,第二时空信息为每个特征数据对应图像的时间。如图3所示,上述图2中S201中根据第一时空信息和每个特征数据对应的第二时空信息,确定每个特征数据的时空得分,可以包括:
S301、根据检索时间和每个特征数据对应图像的时间,计算检索时间与每个特征数据对应图像的时间差。
其中,检索时间可以包括预设的一个时间点、多个时间点或者预设的时间范围。每个特征数据对应图像的时间可以为该图像的拍摄时间或获取时间。
例如,检索时间可以包括9点,多个特征数据对应图像的时间可以为8点40、9点10分、9点30分和9点40分,则多个特征数据对应图像的时间差分别为20分钟、10分钟、30分钟和40分钟。
S302、根据时间差,计算每个特征数据的时间得分。
在一种可能的实施方式中,电子设备可以根据该时间差、预设的时间差与得分的对应关系和预设的时间权重,得到每个特征数据的初始时间得分,对初始时间得分进行归一化处理,确定每个特征数据的时间系数,根据每个特征的时间系数以及预设的时间得分区间计算得到每个特征数据的时间得分。
S303、根据每个特征数据的时间得分,计算每个特征数据的时空得分。
在本发明实施例中,第一时空信息包括:检索时间,第二时空信息为每个特征数据对应图像的时间时,可以将上述S302中的每个特征数据的时间得分,作为每个特征数据的时空得分。若该第一时空信息还包括:地理位置信息,第二时空信息还包括:每个特征数据对应图像的地理位置时,可以将上述S303中的每个特征数据的时间得分结合基于地理位置得到的距离得分,确定每个特征数据的时空得分。基于时间得分,和距离得分,得到确定每个特征数据的时空得分的具体实现参见下述,在此不再赘述。
本发明实施例提供一种图像检索方法,根据检索时间和每个特征数据对应图像的时间,计算检索时间与每个特征数据对应图像的时间差,根据时间差,计算每个特征数据的时间得分,根据每个特征数据的时间得分,计算每个特征数据的时空得分,使得特征数据的得分参数更准确,从而使得检索图像的检索结果不局限于图像之间的相似度,提高了图像检索的精确度。
图4为本发明实施例提供的一种图像检索方法的流程示意图,第一时空信息包括:检索地理位置,第二时空信息为每个特征数据对应图像的地理位置。如图4所示,上述图2中S201中根据第一时空信息和每个特征数据对应的第二时空信息,确定每个特征数据的时空得分,包括:
S401、根据检索地理位置和每个特征数据对应图像的地理位置,确定检索地理位置和每个特征数据对应图像的地理位置之间的距离。
其中,检索地理位置可以包括至少一个地理位置的名称或者经纬度信息,每个特征数据对应图像的地理位置可以为拍摄该每个特征数据对应图像的位置,或者,该每个特征数据对应图像所拍摄的位置。
例如,检索的地理位置可以包括A位置,多个特征数据对应图像的地理位置可以包括:B位置、C位置、D位置和E位置,电子设备可以分别确定A位置与B位置的距离X1、A位置与C位置的距离X2,A位置与D位置的距离X3、A位置与E位置的距离X4,则多个特征数据对应图像的地理位置与检索地理位置之间的距离分别为X1、X2、X3和X4。
S402、根据距离,计算每个特征数据的距离得分。
在一种可能的实施方式中,电子设备可以根据该距离、预设的距离与得分的对应关系以及预设的距离权重,得到每个特征数据的初始距离得分,对初始距离得分进行归一化处理,确定每个特征数据的距离系数,根据每个特征的距离系数以及预设的距离得分区间计算得到每个特征数据的距离得分。
S403、根据每个特征数据的距离得分,计算每个特征数据的时空得分。
在本发明实施例中,第一时空信息包括:检索地理位置,第二时空信息为每个特征数据对应图像的地理位置时,可以将上述S403中的每个特征数据的距离得分,作为每个特征数据的时空得分。若该第一时空信息还包括:检索时间,第二时空信息还包括:每个特征数据对应图像的时间时,可以将上述S403中的每个特征数据的距离得分结合基于时间得到的时间得分,确定每个特征数据的时空得分。基于时间得分,和距离得分,得到确定每个特征数据的时空得分的具体实现参见下述,在此不再赘述。
本发明实施例提供一种图像检索方法,根据检索地理位置和每个特征数据对应图像的地理位置,确定检索地理位置和每个特征数据对应图像的地理位置之间的距离,根据距离,计算每个特征数据的距离得分,根据每个特征数据的距离得分,计算每个特征数据的时空得分,使得特征数据的得分参数更准确,从而使得检索图像的检索结果不局限于图像之间的相似度,提高了图像检索的精确度。
图5为本发明实施例提供的一种图像检索方法的流程示意图,第一时空信息包括:检索时间和检索地理位置,第二时空信息包括每个特征数据对应图像的时间和地理位置,如图5所示,根据第一时空信息、每个特征数据对应的第二时空信息,确定每个特征数据的时空得分,包括:
S501、根据检索时间和每个特征数据对应图像的时间,计算检索时间与每个特征数据对应图像的时间差。
S502、根据时间差,计算每个特征数据的时间得分。
在本发明实施中,S501的过程与S301的过程类似,S502的过程与S302的过程类似,在此不再一一赘述。
S503、根据检索地理位置和每个特征数据对应图像的地理位置,确定检索地理位置和每个特征数据对应图像的地理位置之间的距离。
S504、根据距离计算每个特征数据的距离得分。
在本发明实施中,S503的过程与S401的过程类似,S504的过程与S402的过程类似,在此不再一一赘述。
S505、根据每个特征数据的时间得分和距离得分,计算每个特征数据的时空得分。
在本发明实施例中,电子设备可以根据计算得到的每个特征数据的时间得分和距离得分的平均值,得到每个特征数据的时空得分。
例如,多个特征数据包括第一特征数据、第二特征数据、第三特征数据和第四特征数据,第一特征数据的时间得分和距离得分可以分别为94和90,第二特征数据的时间得分和距离得分可以分别为89和91,第三特征数据的时间得分和距离得分可以分别为90和82,第四特征数据的时间得分和距离得分可以分别为70和76,则第一特征数据的时空得分为92、第二特征数据的时空得分为90、第三特征数据的时空得分为86、第四特征数据的时空得分为73。
本发明实施例提供一种图像检索方法,根据检索时间和每个特征数据对应图像的时间,计算检索时间与每个特征数据对应图像的时间差,根据时间差,计算每个特征数据的时间得分,根据检索地理位置和每个特征数据对应图像的地理位置,确定检索地理位置和每个特征数据对应图像的地理位置之间的距离,根据距离计算每个特征数据的距离得分,根据每个特征数据的时间得分和距离得分,计算每个特征数据的时空得分,可使得特征数据的得分参数更准确,从而使得检索图像的检索结果不局限于图像之间的相似度,提高了图像检索的精确度。
图6为本发明实施例提供的一种图像检索方法的流程示意图。每个特征数据的时间得分为每个特征数据的最终时间得分,如图6所示,上述图3或图5中根据时间差,计算每个特征数据的时间得分,可以包括:
S601、根据时间差,和预设的时间差与得分的对应关系,确定每个特征数据的时间梯度得分。
其中,时间差为检索时间与每个特征数据对应图像的时间差。
需要说明的是,预设的时间差与时间梯度得分的对应关系可以包括多个时间差与时间梯度得分的对应关系,例如每M分钟的时间差,对应的时间梯度得分增加1分。当然预设时间差与时间梯度得分之间的对应关系中,每个时间差对应的时间梯度得分的具体值可以根据实际需求进行确定,本发明实施例不进行具体限制。
例如,预设的时间差与得分的对应关系为,每20分钟的时间差对应的时间梯度得分增加1分时,当多个特征数据对应图像的时间差分别为20分钟、10分钟、30分钟和40分钟时,其分别对应的时间梯度得分可以为2分、1分、3分和4分。
S602、根据时间梯度得分和预设的时间权重,得到每个特征数据的初始时间得分。
在一种可能的实施方式中,电子设备可以根据该时间梯度得分,以及预设的时间梯度得分与时间实际得分的对应关系,确定该每个特征数据的时间实际得分,再根据时间实际得分与预设的时间权重的乘积,确定每个特征数据的初始时间得分。
需要说明的是,预设的时间梯度得分与时间实际得分的对应关系中,时间梯度得分越高,其对应的时间实际得分的值就越低。也就是说,预设的时间梯度得分与时间实际得分之间的对应关系可以负指数曲线,该负指数曲线中,横坐标可以为时间梯度得分,纵坐标可以为时间实际得分。
S603、根据预设的时间得分区间,对多个特征数据的初始时间得分进行归一化处理,确定多个特征数据的时间系数。
为了获取最终的时间得分,电子设备还需要对多个特征数据的初始时间得分进行归一化处理,确定多个特征数据的时间系数。
例如,预设的时间得分区间为[at,bt]。其中,at为时间得分区间的最小得分值。bt为时间得分区间的最大得分值。多个特征数据中初始时间得分的最大值可以为Tmax,多个特征数据中初始时间得分的最小值可以为Tmin,则时间系数
S604、根据时间得分区间的最小得分值、时间系数、每个特征数据的初始时间得分以及多个特征数据的最小初始时间得分,计算每个特征数据的最终时间得分。
在本发明实施例中,当时间得分区间为[at,bt]时,时间得分区间的最小得分值为at,时间系数可以为上述S603中的时间系数kt,多个特征数据的最小初始时间得分可以为Tmin,每个特征数据的初始时间得分可以为T,则每个特征数据的最终时间得分可以为at+kt(T-Tmin)。
本发明实施例提供一种图像检索方法,根据时间差,和预设的时间差与得分的对应关系,确定每个特征数据的时间梯度得分,根据时间梯度得分和预设的时间权重,得到每个特征数据的初始时间得分,根据预设的时间得分区间,对多个特征数据的初始时间得分进行归一化处理,确定多个特征数据的时间系数,根据时间得分区间的最小得分值、时间系数、每个特征数据的初始时间得分以及多个特征数据的最小初始时间得分,计算每个特征数据的最终时间得分,可使得检索图像的检索结果不局限于图像之间的相似度,提高了图像检索的精确度。
图7为本发明实施例提供的一种图像检索方法的流程示意图,每个特征数据的距离得分为每个特征数据的最终距离得分,如图7所示,上述图4或图5中根据距离计算每个特征数据的距离得分,可以包括:
S701、根据距离和预设的距离与得分的对应关系,确定每个特征数据的距离梯度得分。
其中,距离为检索地理位置与每个特征数据对应图像的地理位置之间的距离。
需要说明的是,预设的距离与距离梯度得分的对应关系可以包括多个距离与距离梯度得分的对应关系,例如,每M千米的距离,对应的距离梯度得分增加1分。当然预设距离与距离梯度得分之间的对应关系中,每个距离对应的距离梯度得分的具体值根据实际需求进行确定,本发明实施例不进行具体限制。
例如,预设的距离与得分的对应关系为,每20千米的距离对应的距离梯度得分增加1分时,当多个特征数据对应图像的距离分别为40千米、55千米、25千米和100千米时,其分别对应的距离梯度得分可以为2分、3分、2分和5分。
S702、根据距离梯度得分和预设的距离权重,得到每个特征数据的初始距离得分。
在一种可能的实施方式中,电子设备可以根据该距离梯度得分,以及预设的距离梯度得分与距离实际得分的对应关系,确定每个特征数据的距离实际得分,再根据距离实际得分与预设的距离权重的乘积,确定每个特征数据的初始距离得分。
需要说明的是,预设的距离梯度得分与距离实际得分的对应关系中,距离梯度得分越高,其对应的距离实际得分的值就越低,也就是说,预设的距离梯度得分与距离实际得分之间的对应关系可以呈负指数曲线,该负指数曲线中,横坐标可以为距离梯度得分,纵坐标可以为距离实际得分。
S703、根据预设的距离得分区间,对多个特征数据的初始距离得分进行归一化处理,确定多个特征数据的距离系数。
为了获取最终的距离得分,电子设备还需要对多个特征数据的初始距离得分进行归一化处理,确定多个特征数据的距离系数。
例如,预设的距离得分区间为[ad,bd],其中,ad为距离得分区间的最小得分值,bd为距离得分区间的最大得分值,多个特征数据中初始距离得分的最大值可以为Dmax,多个特征数据中初始距离得分的最小值可以为Dmin,则距离系数
S704、根据距离得分区间的最小得分值、距离系数、每个特征数据的初始距离得分以及多个特征数据的最小初始距离得分,计算每个特征数据的最终距离得分。
在本发明实施例中,当时间得分区间为[ad,bd]时,时间得分区间的最小得分值为ad,时间系数可以为上述S603中的时间系数kd,多个特征数据的最小初始时间得分可以为Dmin,每个特征数据的初始时间得分可以为D,则每个特征数据的最终时间得分可以为ad+kd(D-Dmin)。
本发明实施例提供一种图像检索方法,根据距离和预设的距离与得分的对应关系,确定每个特征数据的距离梯度得分,根据距离梯度得分和预设的距离权重,得到每个特征数据的初始距离得分,根据预设的距离得分区间,对多个特征数据的初始距离得分进行归一化处理,确定多个特征数据的距离系数,根据距离得分区间的最小得分值、距离系数、每个特征数据的初始距离得分以及多个特征数据的最小初始距离得分,计算每个特征数据的最终距离得分,可使得检索图像的检索结果不局限于图像之间的相似度,提高了图像检索的精确度。
在另一种可能的实施方式中,电子设备还可以通过如下方式确定每个特征数据的相似度阈值。
先根据相似度阈值,确定每个特征数据的初始相似度得分;再根据预设的相似度得分区间,对多个特征数据的相似度得分进行归一化处理,确定多个特征数据的相似度系数;还根据相似度得分区间的最小得分值、相似度系数、每个特征数据的相似度得分以及多个特征数据的最小相似度得分,计算每个特征数据的最终相似度得分。
例如,预设的相似度得分区间为[as,bs]。其中,as为相似度得分区间的最小得分值。bs为相似度得分区间的最大得分值。多个特征数据中相似度得分的最大值可以为Smax,多个特征数据中相似度得分的最小值可以为Smin,则相似度系数
若相似度得分区间为[as,bs],相似度得分区间的最小得分值为as,相似度系数可以为上述的相似度系数ks,多个特征数据的最小相似度得分可以为Smax,每个特征数据的相似度得分可以为S,则每个特征数据的最终相似度得分可以为as+ks(S-Smin)。
采用上述方式所得到的每个特征数据的最终相似度得分可用以计算每个该特征数据的得分参数。即电子设备可以根据上述最终时间得分、最终距离得分和最终相似度得分,采用下述公式计算得到每个特征数据的得分参数。
score=(at+kt(T-Tmin)+ad+kd(D-Dmin)+as+ks(S-Smin))÷3
其中,score为每个特征数据的得分参数,最终时间得分为:at+kt(T-Tmin),最终距离得分为:ad+kd(D-Dmin),最终相似度得分:为as+ks(S-Smin)。
该实施例提供的方法可根据每个特征数据的最终时间得分、每个特征数据的最终距离得分以及该每个特征数据的最终相似度得分,得到该每个特征数据的得分参数,可使得每个特征数据的得分参数更准确,从而使得图像检索结构更精确。
图8为本发明实施例提供的一种图像检索装置的结构示意图,如图8所示,该装置包括:
第一获取模块801,用于获取检索图像和检索信息,检索信息包括:检索条件和第一时空信息;
第二获取模块802,用于根据检索图像和检索条件,从预设的检索图像库中获取满足检索条件的图像的多个特征数据,检索图像库包括:至少一个图像和每个图像的特征数据;
计算模块803,用于根据第一时空信息和每个特征数据对应的第二时空信息,计算每个特征数据的得分参数;
确定模块804,用于根据多个特征数据的得分参数,从满足检索条件的图像中,确定满足预设得分条件的特征数据对应的图像作为检索图像的检索结果。
可选的,计算模块803,具体用于根据第一时空信息、每个特征数据对应的第二时空信息,确定每个特征数据的时空得分;根据相似度阈值,确定每个特征数据的相似度得分;根据每个特征数据的时空得分,和每个特征数据的相似度得分,计算每个特征数据的得分参数。
可选的,第一时空信息包括:检索时间;第二时空信息为每个特征数据对应图像的时间;计算模块803,还具体用于根据检索时间和每个特征数据对应图像的时间,计算检索时间与每个特征数据对应图像的时间差;根据时间差,计算每个特征数据的时间得分;根据每个特征数据的时间得分,计算每个特征数据的时空得分。
可选的,第一时空信息包括:检索地理位置;第二时空信息为每个特征数据对应图像的地理位置;计算模块803,还具体用于根据检索地理位置和每个特征数据对应图像的地理位置,确定检索地理位置和每个特征数据对应图像的地理位置之间的距离;根据距离,计算每个特征数据的距离得分;根据每个特征数据的距离得分,计算每个特征数据的时空得分。
可选的,第一时空信息包括:检索时间和检索地理位置;第二时空信息包括每个特征数据对应图像的时间和地理位置;计算模块803,还具体用于根据检索时间和每个特征数据对应图像的时间,计算检索时间与每个特征数据对应图像的时间差;根据时间差,计算每个特征数据的时间得分;根据检索地理位置和每个特征数据对应图像的地理位置,确定检索地理位置和每个特征数据对应图像的地理位置之间的距离;根据距离计算每个特征数据的距离得分;根据每个特征数据的时间得分和距离得分,计算每个特征数据的时空得分。
可选的,每个特征数据的时间得分为每个特征数据的最终时间得分;计算模块803,还具体用于根据时间差,和预设的时间差与得分的对应关系,确定每个特征数据的时间梯度得分;根据时间梯度得分和预设的时间权重,得到每个特征数据的初始时间得分;根据预设的时间得分区间,对多个特征数据的初始时间得分进行归一化处理,确定多个特征数据的时间系数;根据时间得分区间的最小得分值、时间系数、每个特征数据的初始时间得分以及多个特征数据的最小初始时间得分,计算每个特征数据的最终时间得分。
可选的,每个特征数据的距离得分为每个特征数据的最终距离得分;计算模块803,还具体用于根据距离和预设的距离与得分的对应关系,确定每个特征数据的距离梯度得分;根据距离梯度得分和预设的距离权重,得到每个特征数据的初始距离得分;根据预设的距离得分区间,对多个特征数据的初始距离得分进行归一化处理,确定多个特征数据的距离系数;根据距离得分区间的最小得分值、距离系数、每个特征数据的初始距离得分以及多个特征数据的最小初始距离得分,计算每个特征数据的最终距离得分。
上述装置用于执行前述实施例提供的方法,其实现原理和技术效果类似,在此不再赘述。
以上这些模块可以是被配置成实施以上方法的一个或多个集成电路,例如:一个或多个特定集成电路(Application Specific Integrated Circuit,简称ASIC),或,一个或多个微处理器(digital singnal processor,简称DSP),或,一个或者多个现场可编程门阵列(Field Programmable Gate Array,简称FPGA)等。再如,当以上某个模块通过处理元件调度程序代码的形式实现时,该处理元件可以是通用处理器,例如中央处理器(CentralProcessing Unit,简称CPU)或其它可以调用程序代码的处理器。再如,这些模块可以集成在一起,以片上系统(system-on-a-chip,简称SOC)的形式实现。
图9为本发明实施例提供的一种图像检索装置的结构示意图,该装置可以电子设备或者集成于电子设备的芯片,该电子设备可以是具备数据处理功能的终端设备。该装置还可以为服务器或集成于服务器上的芯片。
该装置包括:处理器901、存储器902。
存储器902用于存储程序,处理器901调用存储器902存储的程序,以执行上述方法实施例。具体实现方式和技术效果类似,这里不再赘述。
可选地,本发明还提供一种程序产品,例如计算机可读存储介质,包括程序,该程序在被处理器执行时用于执行上述方法实施例。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元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单元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单元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单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(英文:processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(英文:Read-Only Memory,简称:ROM)、随机存取存储器(英文:Random Access Memory,简称:RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (14)
1.一种图像检索方法,其特征在于,包括:
获取检索图像和检索信息,所述检索信息包括:检索条件和第一时空信息,所述检索条件包括与所述检索图像的相似度大于或等于预设相似度阈值;
根据所述检索图像和所述检索条件,从预设的检索图像库中获取满足所述检索条件的图像的多个特征数据,所述检索图像库包括:至少一个图像和每个图像的特征数据;
根据所述第一时空信息和每个所述特征数据对应的第二时空信息,计算每个所述特征数据的得分参数;
根据多个所述特征数据的得分参数,从满足所述检索条件的图像中,确定满足预设得分条件的特征数据对应的图像作为所述检索图像的检索结果;
所述根据所述第一时空信息和每个所述特征数据对应的第二时空信息,计算每个所述特征数据的得分参数,包括:
根据所述第一时空信息、每个所述特征数据对应的第二时空信息,确定每个所述特征数据的时空得分;
根据相似度阈值,确定每个所述特征数据的相似度得分,所述相似度阈值为所述检索图像库中图像和所述检索图像之间的相似度;
根据每个所述特征数据的时空得分,和每个所述特征数据的相似度得分,计算每个所述特征数据的得分参数;
所述根据每个所述特征数据的时空得分,和每个所述特征数据的相似度得分,计算每个所述特征数据的得分参数,包括:
对每个所述特征数据的时空得分进行归一化处理,得到时空系数;
对每个所述特征数据的相似度得分进行归一化处理,得到相似度系数;
根据每个所述特征数据的时空得分、所述时空系数、每个所述特征数据的相似度得分以及所述相似度系数,计算每个所述特征数据的得分参数。
2.如权利要求1所述的方法,其特征在于,所述第一时空信息包括:检索时间;所述第二时空信息为每个所述特征数据对应图像的时间;
所述根据所述第一时空信息、每个所述特征数据对应的第二时空信息,确定每个所述特征数据的时空得分,包括:
根据所述检索时间和每个所述特征数据对应图像的时间,计算所述检索时间与每个所述特征数据对应图像的时间差;
根据所述时间差,计算每个特征数据的时间得分;
根据每个特征数据的时间得分,计算每个所述特征数据的时空得分。
3.如权利要求1所述的方法,其特征在于,所述第一时空信息包括:检索地理位置;所述第二时空信息为每个所述特征数据对应图像的地理位置;
所述根据所述第一时空信息、每个所述特征数据对应的第二时空信息,确定每个所述特征数据的时空得分,包括:
根据所述检索地理位置和每个所述特征数据对应图像的地理位置,确定所述检索地理位置和每个所述特征数据对应图像的地理位置之间的距离;
根据所述距离,计算每个所述特征数据的距离得分;
根据每个特征数据的距离得分,计算每个所述特征数据的时空得分。
4.如权利要求1所述的方法,其特征在于,所述第一时空信息包括:检索时间和检索地理位置;所述第二时空信息包括每个所述特征数据对应图像的时间和地理位置;
所述根据所述第一时空信息、每个所述特征数据对应的第二时空信息,确定每个所述特征数据的时空得分,包括:
根据所述检索时间和每个所述特征数据对应图像的时间,计算所述检索时间与每个所述特征数据对应图像的时间差;
根据所述时间差,计算每个所述特征数据的时间得分;
根据所述检索地理位置和每个所述特征数据对应图像的地理位置,确定所述检索地理位置和每个所述特征数据对应图像的地理位置之间的距离;
根据所述距离计算每个所述特征数据的距离得分;
根据每个所述特征数据的时间得分和所述距离得分,计算每个所述特征数据的时空得分。
5.如权利要求2或4所述的方法,其特征在于,每个所述特征数据的时间得分为每个所述特征数据的最终时间得分;
所述根据所述时间差,计算每个所述特征数据的时间得分,包括:
根据所述时间差,和预设的时间差与得分的对应关系,确定每个所述特征数据的时间梯度得分;
根据所述时间梯度得分和预设的时间权重,得到每个所述特征数据的初始时间得分;
根据预设的时间得分区间,对多个所述特征数据的初始时间得分进行归一化处理,确定多个所述特征数据的时间系数;
根据所述时间得分区间的最小得分值、所述时间系数、每个所述特征数据的初始时间得分以及多个所述特征数据的最小初始时间得分,计算每个所述特征数据的最终时间得分。
6.如权利要求3或4所述的方法,其特征在于,每个所述特征数据的距离得分为每个所述特征数据的最终距离得分;
所述根据所述距离计算每个所述特征数据的距离得分,包括:
根据所述距离和预设的距离与得分的对应关系,确定每个所述特征数据的距离梯度得分;
根据所述距离梯度得分和预设的距离权重,得到每个所述特征数据的初始距离得分;
根据预设的距离得分区间,对多个所述特征数据的初始距离得分进行归一化处理,确定多个所述特征数据的距离系数;
根据所述距离得分区间的最小得分值、所述距离系数、每个所述特征数据的初始距离得分以及多个所述特征数据的最小初始距离得分,计算每个所述特征数据的最终距离得分。
7.一种图像检索装置,其特征在于,包括:
第一获取模块,用于获取检索图像和检索信息,所述检索信息包括:检索条件和第一时空信息,所述检索条件包括与所述检索图像的相似度大于或等于预设相似度阈值;
第二获取模块,用于根据所述检索图像和所述检索条件,从预设的检索图像库中获取满足所述检索条件的图像的多个特征数据,所述检索图像库包括:至少一个图像和每个图像的特征数据;
计算模块,用于根据所述第一时空信息和每个所述特征数据对应的第二时空信息,计算每个所述特征数据的得分参数;
确定模块,用于根据多个所述特征数据的得分参数,从满足所述检索条件的图像中,确定满足预设得分条件的特征数据对应的图像作为所述检索图像的检索结果;
所述计算模块,具体用于根据所述第一时空信息、每个所述特征数据对应的第二时空信息,确定每个所述特征数据的时空得分;根据相似度阈值,确定每个所述特征数据的相似度得分,所述相似度阈值为所述检索图像库中图像和所述检索图像之间的相似度;根据每个所述特征数据的时空得分,和每个所述特征数据的相似度得分,计算每个所述特征数据的得分参数;
所述计算模块,具体用于:
对每个所述特征数据的时空得分进行归一化处理,得到时空系数;对每个所述特征数据的相似度得分进行归一化处理,得到相似度系数;根据每个所述特征数据的时空得分、所述时空系数、每个所述特征数据的相似度得分以及所述相似度系数,计算每个所述特征数据的得分参数。
8.如权利要求7所述的装置,其特征在于,所述第一时空信息包括:检索时间;所述第二时空信息为每个所述特征数据对应图像的时间;
所述计算模块,还具体用于根据所述检索时间和每个所述特征数据对应图像的时间,计算所述检索时间与每个所述特征数据对应图像的时间差;根据所述时间差,计算每个特征数据的时间得分;根据每个特征数据的时间得分,计算每个所述特征数据的时空得分。
9.如权利要求7所述的装置,其特征在于,所述第一时空信息包括:检索地理位置;所述第二时空信息为每个所述特征数据对应图像的地理位置;
所述计算模块,还具体用于根据所述检索地理位置和每个所述特征数据对应图像的地理位置,确定所述检索地理位置和每个所述特征数据对应图像的地理位置之间的距离;根据所述距离,计算每个所述特征数据的距离得分;根据每个特征数据的距离得分,计算每个所述特征数据的时空得分。
10.如权利要求7所述的装置,其特征在于,所述第一时空信息包括:检索时间和检索地理位置;所述第二时空信息包括每个所述特征数据对应图像的时间和地理位置;
所述计算模块,还具体用于根据所述检索时间和每个所述特征数据对应图像的时间,计算所述检索时间与每个所述特征数据对应图像的时间差;根据所述时间差,计算每个所述特征数据的时间得分;根据所述检索地理位置和每个所述特征数据对应图像的地理位置,确定所述检索地理位置和每个所述特征数据对应图像的地理位置之间的距离;根据所述距离计算每个所述特征数据的距离得分;根据每个所述特征数据的时间得分和所述距离得分,计算每个所述特征数据的时空得分。
11.如权利要求8或10所述的装置,其特征在于,每个所述特征数据的时间得分为每个所述特征数据的最终时间得分;
所述计算模块,还具体用于根据所述时间差,和预设的时间差与得分的对应关系,确定每个所述特征数据的时间梯度得分;根据所述时间梯度得分和预设的时间权重,得到每个所述特征数据的初始时间得分;根据预设的时间得分区间,对多个所述特征数据的初始时间得分进行归一化处理,确定多个所述特征数据的时间系数;根据所述时间得分区间的最小得分值、所述时间系数、每个所述特征数据的初始时间得分以及多个所述特征数据的最小初始时间得分,计算每个所述特征数据的最终时间得分。
12.如权利要求9或10所述的装置,其特征在于,每个所述特征数据的距离得分为每个所述特征数据的最终距离得分;
所述计算模块,还具体用于根据所述距离和预设的距离与得分的对应关系,确定每个所述特征数据的距离梯度得分;根据所述距离梯度得分和预设的距离权重,得到每个所述特征数据的初始距离得分;根据预设的距离得分区间,对多个所述特征数据的初始距离得分进行归一化处理,确定多个所述特征数据的距离系数;根据所述距离得分区间的最小得分值、所述距离系数、每个所述特征数据的初始距离得分以及多个所述特征数据的最小初始距离得分,计算每个所述特征数据的最终距离得分。
13.一种图像检索设备,包括存储器、处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现上述权利要求1至6任一项所述的方法的步骤。
14.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910617180.0A CN110309341B (zh) | 2019-07-09 | 2019-07-09 | 图像检索方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910617180.0A CN110309341B (zh) | 2019-07-09 | 2019-07-09 | 图像检索方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110309341A CN110309341A (zh) | 2019-10-08 |
CN110309341B true CN110309341B (zh) | 2021-04-16 |
Family
ID=68079781
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910617180.0A Active CN110309341B (zh) | 2019-07-09 | 2019-07-09 | 图像检索方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110309341B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106055704A (zh) * | 2016-06-22 | 2016-10-26 | 重庆中科云丛科技有限公司 | 一种图像检索与匹配方法及系统 |
CN107783995A (zh) * | 2016-08-26 | 2018-03-09 | 杭州海康威视数字技术股份有限公司 | 一种目标对象检索方法及装置 |
CN108572974A (zh) * | 2017-03-10 | 2018-09-25 | 杭州海康威视数字技术股份有限公司 | 一种车辆图片检索方法及装置 |
CN109740036A (zh) * | 2018-12-29 | 2019-05-10 | 北京创鑫旅程网络技术有限公司 | Ota平台酒店排序方法及装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10496694B2 (en) * | 2016-03-21 | 2019-12-03 | Hong Kong Applied Science and Technology Research Institute Company Limited | Rating and advising for selection of augmented reality markers |
CN106126572B (zh) * | 2016-06-17 | 2019-06-14 | 中国科学院自动化研究所 | 基于区域验证的图像检索方法 |
US10360455B2 (en) * | 2017-04-07 | 2019-07-23 | Microsoft Technology Licensing, Llc | Grouping captured images based on features of the images |
-
2019
- 2019-07-09 CN CN201910617180.0A patent/CN110309341B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106055704A (zh) * | 2016-06-22 | 2016-10-26 | 重庆中科云丛科技有限公司 | 一种图像检索与匹配方法及系统 |
CN107783995A (zh) * | 2016-08-26 | 2018-03-09 | 杭州海康威视数字技术股份有限公司 | 一种目标对象检索方法及装置 |
CN108572974A (zh) * | 2017-03-10 | 2018-09-25 | 杭州海康威视数字技术股份有限公司 | 一种车辆图片检索方法及装置 |
CN109740036A (zh) * | 2018-12-29 | 2019-05-10 | 北京创鑫旅程网络技术有限公司 | Ota平台酒店排序方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110309341A (zh) | 2019-10-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9805060B2 (en) | System and method for predicting a geographic origin of content and accuracy of geotags related to content obtained from social media and other content providers | |
US10599709B2 (en) | Object recognition device, object recognition method, and program for recognizing an object in an image based on tag information | |
US8433338B1 (en) | Method to efficiently index extracted image features from geographically located images | |
US9697233B2 (en) | Image processing and matching | |
US20160371305A1 (en) | Method, device and apparatus for generating picture search library, and picture search method, device and apparatus | |
US9424258B2 (en) | Assigning tags to media files | |
CN110909209B (zh) | 直播视频的搜索方法及装置、设备、服务器和存储介质 | |
WO2018090937A1 (zh) | 图像处理方法、终端及存储介质 | |
CN108965835B (zh) | 一种图像处理方法、图像处理装置及终端设备 | |
WO2016199662A1 (ja) | 画像情報処理システム | |
US20170352162A1 (en) | Region-of-interest extraction device and region-of-interest extraction method | |
CN111708939A (zh) | 基于情绪识别的推送方法、装置、计算机设备及存储介质 | |
CN108536695B (zh) | 一种地理位置信息点的聚合方法以及装置 | |
CN103164436A (zh) | 一种图像搜索方法及装置 | |
US10996060B2 (en) | Camera-based positioning system using learning | |
CN110309341B (zh) | 图像检索方法、装置、设备及存储介质 | |
CN110909188A (zh) | 检查图片确定方法及装置 | |
US20220004774A1 (en) | Information processing device, information processing method, and information processing system | |
CN114202804A (zh) | 行为动作识别方法、装置、处理设备及存储介质 | |
CN113688314A (zh) | 一种理疗门店推荐方法及装置 | |
CN113065025A (zh) | 视频查重方法、装置、设备及存储介质 | |
CN112333182A (zh) | 档案处理方法、装置、服务器及存储介质 | |
WO2021017289A1 (zh) | 在视频中定位对象的方法、装置、计算机设备及存储介质 | |
CN112925963B (zh) | 数据推荐方法和装置 | |
CN110705575A (zh) | 定位方法及装置、设备、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 |