CN110704667B - 一种基于语义信息的快速相似图检测方法 - Google Patents
一种基于语义信息的快速相似图检测方法 Download PDFInfo
- Publication number
- CN110704667B CN110704667B CN201910838351.2A CN201910838351A CN110704667B CN 110704667 B CN110704667 B CN 110704667B CN 201910838351 A CN201910838351 A CN 201910838351A CN 110704667 B CN110704667 B CN 110704667B
- Authority
- CN
- China
- Prior art keywords
- picture
- current picture
- candidate
- detected
- characteristic
- 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
- 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
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
- G06V10/507—Summing image-intensity values; Histogram projection analysis
-
- 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
- G06V10/56—Extraction of image or video features relating to colour
-
- 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
- G06V10/757—Matching configurations of points or features
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Library & Information Science (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于语义信息的快速相似图检测算法,涉及计算机视觉算法技术领域,所述方法包括以下步骤:步骤1、利用物体检测的语义信息,选出待检图片集合中对应当前图片的候选图片集合;步骤2、将所述当前图片和所述候选图片集合做特征点匹配,判断是否存在所述当前图片的相似图,如果存在,找出所述当前图片的相似图。本发明使用两段式检出的方法来完成图像匹配工作,第一阶段粗检,利用物体检测的语义信息,用简单快速的方法选出待检图片中的候选图片,从而大大减少候选图片数量,第二步做精确匹配,对第一步检出的图像做进一步匹配,根据匹配的结果得到最后的精确结果。这样既提高了检出速度,同时又保证了准确性。
Description
技术领域
本发明涉及计算机视觉算法技术领域,尤其涉及一种基于语义信息的快速相似图检测方法。
背景技术
在零售稽查领域中,需要从大量图片中找到和当前图片相似的图片。
查找相似图算法,或者叫以图搜图算法,是一个常用的图像搜索算法。通用的相似图查找算法常见的方法有两种:
1、缩小原始图像,比如缩小到32×32,这样生成一个相对较短的特征向量(32×32=1024),比较两张图片的特征向量的距离(例如汉明距离),估算两张图片的相似度,当距离小于一定阈值的时候,认为两张图片相似;
2、使用局部特征点抽取算法,比如SIFT,ORB等,提取图片局部特征点及其描述,然后用BoW等方法生成对图像的语义描述,通过比较语义描述,找到与当前查询图片相似的图片。
方法1生成的特征向量描述性差,检出率和准确率都比较低。
方法2运算比较复杂,生成描述所需要的时间比较长,无法满足秒级检出图片的要求,或者要做到秒级,对服务器的容量要求比较高,百万级图像检索,做到秒级输出可能需要上千个CPU核心。
因此,本领域的技术人员致力于开发一种基于语义信息的快速相似图检测方法,使用两段式检出的方法来完成图像匹配工作,第一阶段粗检,利用物体检测的语义信息,用简单快速的方法选出待检图片中的候选图片,从而大大减少候选图片数量,第二步做精确匹配,对第一步检出的图像做进一步匹配,根据匹配的结果得到最后的精确结果。这样既提高了检出速度,同时又保证了准确性。
发明内容
有鉴于现有技术的上述缺陷,本发明所要解决的技术问题是如何在保证准确性的同时提高相似图检测的检出速度。
为实现上述目的,本发明提供了一种基于语义信息的快速相似图检测方法,其特征在于,所述方法包括以下步骤:
步骤1、利用物体检测的语义信息,选出待检图片集合中对应当前图片的候选图片集合;
步骤2、将所述当前图片和所述候选图片集合做特征点匹配,判断是否存在所述当前图片的相似图,如果存在,找出所述当前图片的相似图。
进一步地,所述步骤1还包括以下步骤:
步骤1.1、对所述当前图片进行物体检测,得到每个物体的外框坐标,并计算出物体宽度和高度,所述外框坐标包括左下、右下、左上、右上四个坐标点;
步骤1.2、按照所述每个物体的外框坐标进行排序,对所述每个物体提取特征指纹,得到所述当前图片的特征指纹;
步骤1.3、从待检图片集合中获取所述待检图片的特征指纹,将所述当前图片的特征指纹与所述待检图片的特征指纹一一比对,将符合要求的所述待检图片作为候选图片集合。
进一步地,所述步骤2中包括以下步骤:
步骤2.1、将所述当前图片和所述候选图片集合中每一个候选图片逐一进行特征点匹配,并计算每一个候选图片与所述当前图片的IOU值;
步骤2.2、选取步骤2.1中计算出的所有IOU值中的最大IOU值;
步骤2.3、如果所述最大IOU值小于给定IOU阈值,判断不存在所述当前图片的相似图,否则,判断对应所述最大IOU值的候选图片为所述当前图片的相似图。
进一步地,所述步骤1.1包括以下步骤:
步骤1.1.1、读取所述当前图片的原始RGB图像;
步骤1.1.2、利用物体检测得到所述当前图片上存在的物体,取得其左上、右上、左下、右下四个坐标点,并计算出物体宽度和高度。
进一步地,所述步骤1.2包括以下步骤:
步骤1.2.1、对所述每个物体按其左上坐标点距坐标原点的距离,从小到大进行排序;
步骤1.2.2、将所述当前图片的原始RGB图像从RGB色彩空间转换到HSV色彩空间,得到HSV图像;
步骤1.2.3、对所述排序后的每个物体求取特征值;
步骤1.2.4、将步骤1.2.3中所求取的特征值顺序排列起来,得到所述当前图片的特征向量。
进一步地,所述步骤1.2.3中所述求取特征值具体包括:
对所述物体的HSV图像,取H分量,按H值以10为步长,划分为36个区间,对36个区间做统计直方图,所述统计直方图最大值所对应的区间的中值作为所述物体的特征值。
进一步地,所述步骤1.3包括以下步骤:
步骤1.3.1、读取所述待检图片集合中的每一个所述待检图片的特征向量;
步骤1.3.2、计算所述当前图片的特征向量和所述待检图片的特征向量的距离;
步骤1.3.3、如果所述特征向量的距离小于给定距离阈值,则所述待检图片为候选图片,将其加入候选图片集合。
进一步地,所述步骤2.1包括以下步骤:
步骤2.1.1、提取所述当前图片和候选图片的特征点,并做特征点匹配,得到匹配特征点对集合;
步骤2.1.2、根据所述特征点对集合,计算所述当前图片和候选图片的单应性矩阵;
步骤2.1.3、根据所述单应性矩阵,计算变换后的图像角点坐标,计算所述候选图片与所述当前图片的IOU值。
进一步地,所述步骤2.1.1包括以下步骤:
步骤2.1.1.1、用ORB算法提取所述当前图片的特征点及其描述;
步骤2.1.1.2、用ORB算法提取所述候选图片的特征点及其描述;
步骤2.1.1.3、使用brutal-force算法对所述当前图片和候选图片的特征点及其描述做特征点匹配,得到匹配的特征点对。
进一步地,所述步骤2.3中所述IOU阈值为0.7。
本发明使用两段式匹配方法,第一步用快速算法粗粒度过滤结果,第二步用慢速方法细粒度比对,从而既保证速度同时又保证了准确度,同时算法也保持了高扩展性,便于并发处理。
附图说明
图1是本发明的一个较佳实施例的方法流程图。
具体实施方式
以下参考说明书附图介绍本发明的优选实施例,使其技术内容更加清楚和便于理解。本发明可以通过许多不同形式的实施例来得以体现,本发明的保护范围并非仅限于文中提到的实施例。
本发明提供了一种基于语义信息的快速相似图检测方法,如图1所示,该方法包括步骤:
S1、拿到图像上物体检测的结果,得到每个物体的外框(左下,右下,左上,右上四个坐标点),对每个物体提取特征指纹,所有的物体的特征按照物体左上角的坐标排成一排,即得到图片的特征指纹;
S2、从数据库中拿到待查询的图像库所有图片的特征指纹;
S3、当前图片的特征指纹与图像库里的指纹一一比对,符合要求的图片作为相似图候选项;
S4、对于S3中得到的候选相似图:
A)用ORB算法提取当前图片和候选相似图片的特征点,并做特征点匹配,得到匹配特征点对集合;
B)根据特征点对集合,计算两张图片的单应性矩阵;
C)根据单应性矩阵,计算变换后的图像角点坐标,计算IOU比例;
S5、根据S4中得到的候选相似图与当前图像的IOU值,取IOU最大的一个
A)如果最大IOU值小于某个阈值,则当前图像无相似图;
B)如果最大IOU值大于阈值,则当前图像与对应的候选相似图是真相似图。
实施例:
1、使用OpenCV库读取原始图像IRGB;
2、从物体检测服务得到图像上存在的物体,取得其左上,右上,左下,右下四个点坐标以及宽、高,
O={oi|i=1,2,3...N,oi={ptop-left(x,y),ptop-right(x,y),pbottom-left(x,y),pbottom-right(x,y),width,height}};
4、将原始图像从RGB色彩空间转换到HSV色彩空间,得到IHSV;
5、对于第3步结果osort中的每一个物体oi:
a.根据HSV色彩空间的定义,如果H值存在,值域为0-360。以10为步长,则可得36个区间。
b.对oi内的像素,取IHSV中的H分量,对36个区间做统计直方图。直方图最大值所对应的区间的中值即为当前物体的特征值,记为fi;
6、将第5步中得到的fi按照osort的顺序排列起来,即可得当前图像的特征向量F=f0f1...fN;
7、对于数据库中已经存在的每一个参考图像Iref,i:
a.读取其特征向量Fref,i;
b.计算当前图像特征向量F和参考图像Iref,i特征向量Fref,i的距离;
c.如果特征向量距离小于阈值,则参考图像Iref,i为候选相似图,将其加入集合Icand;
8、用ORB算法提取当前图像的500个特征点及其描述,记为Desc,用OpenCV函数实现;
9、对于第7步结果Icand中的每一个图片Icand,i:
a.用ORB算法提取每一个候选相似图的500个特征点及其描述,记为Desccand,i,用OpenCV函数实现;
b.使用brutal-force对Desc和Desccand,i做特征点匹配,得到匹配的特征点对;
c.如果匹配的特征点对大于等于4组:
i.通过匹配的特征点对用RANSAC算法计算单应性矩阵H;
ii.计算图像经过H变换后重叠区域的面积,得到IOU;
10、对于第9步得到的所有IOU,取IOU值最大的图片,如果IOU值大于0.7,则认为对应的图片和当前图片相似,否则认为当前图片在参考图像中没有相似图片存在。
以上详细描述了本发明的较佳具体实施例。应当理解,本领域的普通技术无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此,凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在由权利要求书所确定的保护范围内。
Claims (3)
1.一种基于语义信息的快速相似图检测方法,其特征在于,所述方法包括以下步骤:
步骤1、利用物体检测的语义信息,选出待检图片集合中对应当前图片的候选图片集合;
步骤2、将所述当前图片和所述候选图片集合做特征点匹配,判断是否存在所述当前图片的相似图,如果存在,找出所述当前图片的相似图;
所述步骤1还包括以下步骤:
步骤1.1、对所述当前图片进行物体检测,得到每个物体的外框坐标,并计算出物体宽度和高度,所述外框坐标包括左下、右下、左上、右上四个坐标点;
步骤1.2、按照所述每个物体的外框坐标进行排序,对所述每个物体提取特征指纹,得到所述当前图片的特征指纹;
步骤1.3、从待检图片集合中获取所述待检图片的特征指纹,将所述当前图片的特征指纹与所述待检图片的特征指纹一一比对,将符合要求的所述待检图片作为候选图片集合;
所述步骤1.1包括以下步骤:
步骤1.1.1、读取所述当前图片的原始RGB图像;
步骤1.1.2、利用物体检测得到所述当前图片上存在的物体,取得其左上、右上、左下、右下四个坐标点,并计算出物体宽度和高度;
所述步骤1.2包括以下步骤:
步骤1.2.1、对所述每个物体按其左上坐标点距坐标原点的距离,从小到大进行排序;
步骤1.2.2、将所述当前图片的原始RGB图像从RGB色彩空间转换到HSV色彩空间,得到HSV图像;
步骤1.2.3、对所述排序后的每个物体求取特征值;
步骤1.2.4、将步骤1.2.3中所求取的特征值顺序排列起来,得到所述当前图片的特征向量;
所述步骤1.3包括以下步骤:
步骤1.3.1、读取所述待检图片集合中的每一个所述待检图片的特征向量;
步骤1.3.2、计算所述当前图片的特征向量和所述待检图片的特征向量的距离;
步骤1.3.3、如果所述特征向量的距离小于给定距离阈值,则所述待检图片为候选图片,将其加入候选图片集合;
所述步骤2中包括以下步骤:
步骤2.1、将所述当前图片和所述候选图片集合中每一个候选图片逐一进行特征点匹配,并计算每一个候选图片与所述当前图片的IOU值;
步骤2.2、选取步骤2.1中计算出的所有IOU值中的最大IOU值;
步骤2.3、如果所述最大IOU值小于给定IOU阈值,判断不存在所述当前图片的相似图,否则,判断对应所述最大IOU值的候选图片为所述当前图片的相似图;
所述步骤2.1包括以下步骤:
步骤2.1.1、提取所述当前图片和候选图片的特征点,并做特征点匹配,得到匹配特征点对集合;
步骤2.1.2、根据所述特征点对集合,计算所述当前图片和候选图片的单应性矩阵;
步骤2.1.3、根据所述单应性矩阵,计算变换后的图像角点坐标,计算所述候选图片与所述当前图片的IOU值;
所述步骤2.3中所述IOU阈值为0.7。
2.如权利要求1所述的基于语义信息的快速相似图检测方法,其特征在于,所述步骤1.2.3中所述求取特征值具体包括:
对所述物体的HSV图像,取H分量,按H值以10为步长,划分为36个区间,对36个区间做统计直方图,所述统计直方图最大值所对应的区间的中值作为所述物体的特征值。
3.如权利要求1所述的基于语义信息的快速相似图检测方法,其特征在于,所述步骤2.1.1包括以下步骤:
步骤2.1.1.1、用ORB算法提取所述当前图片的特征点及其描述;
步骤2.1.1.2、用ORB算法提取所述候选图片的特征点及其描述;
步骤2.1.1.3、使用brutal-force算法对所述当前图片和候选图片的特征点及其描述做特征点匹配,得到匹配的特征点对。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910838351.2A CN110704667B (zh) | 2019-09-05 | 2019-09-05 | 一种基于语义信息的快速相似图检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910838351.2A CN110704667B (zh) | 2019-09-05 | 2019-09-05 | 一种基于语义信息的快速相似图检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110704667A CN110704667A (zh) | 2020-01-17 |
CN110704667B true CN110704667B (zh) | 2023-06-30 |
Family
ID=69194237
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910838351.2A Active CN110704667B (zh) | 2019-09-05 | 2019-09-05 | 一种基于语义信息的快速相似图检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110704667B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113596400A (zh) * | 2021-07-28 | 2021-11-02 | 上海六梓科技有限公司 | 轨迹回溯的方法 |
CN113886629B (zh) * | 2021-12-09 | 2022-02-25 | 深圳行动派成长科技有限公司 | 课程图片检索模型建立方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108287833A (zh) * | 2017-01-09 | 2018-07-17 | 北京艺鉴通科技有限公司 | 一种用于艺术品鉴定的以图搜图方法 |
CN110188231A (zh) * | 2019-06-11 | 2019-08-30 | 上海德拓信息技术股份有限公司 | 图片中相似物体检索方法及装置 |
CN110533646A (zh) * | 2019-08-27 | 2019-12-03 | 上海零眸智能科技有限公司 | 一种基于物体检测的货架检出方法 |
-
2019
- 2019-09-05 CN CN201910838351.2A patent/CN110704667B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108287833A (zh) * | 2017-01-09 | 2018-07-17 | 北京艺鉴通科技有限公司 | 一种用于艺术品鉴定的以图搜图方法 |
CN110188231A (zh) * | 2019-06-11 | 2019-08-30 | 上海德拓信息技术股份有限公司 | 图片中相似物体检索方法及装置 |
CN110533646A (zh) * | 2019-08-27 | 2019-12-03 | 上海零眸智能科技有限公司 | 一种基于物体检测的货架检出方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110704667A (zh) | 2020-01-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108960211B (zh) | 一种多目标人体姿态检测方法以及系统 | |
Wang et al. | An effective method for plate number recognition | |
US20060029276A1 (en) | Object image detecting apparatus, face image detecting program and face image detecting method | |
US9489566B2 (en) | Image recognition apparatus and image recognition method for identifying object | |
CN1909677B (zh) | 图像表示和分析方法 | |
CN107209942B (zh) | 对象检测方法和图像检索系统 | |
WO1993020533A1 (en) | Character-recognition systems and methods with means to measure endpoint features in character bit-maps | |
US9747521B2 (en) | Frequency domain interest point descriptor | |
Tribak et al. | QR code recognition based on principal components analysis method | |
CN110704667B (zh) | 一种基于语义信息的快速相似图检测方法 | |
Jain et al. | Comparative study on SIFT and SURF face feature descriptors | |
CN112926592A (zh) | 一种基于改进Fast算法的商标检索方法及装置 | |
US11580721B2 (en) | Information processing apparatus, control method, and program | |
CN105224619B (zh) | 一种适用于视频/图像局部特征的空间关系匹配方法及系统 | |
Aghajari et al. | A text localization algorithm in color image via new projection profile | |
US11443552B2 (en) | Image pattern similarity calculation device and recognition device | |
Setyanto et al. | Comparison of SIFT and SURF Methods for Porn Image Detection | |
Lakshmi et al. | Searching for Telugu script in noisy images using SURF descriptors | |
Shekar | Skeleton matching based approach for text localization in scene images | |
Jia et al. | An adaptive framework for saliency detection | |
Oyiza et al. | An improved discrete cosine transformation block based scheme for copy-move image forgery detection | |
CN111931791B (zh) | 一种实现图像翻转不变性的方法 | |
Huang et al. | Stereo object proposals | |
Oyiza et al. | An improved DCT block based technique for copy-move forgery detection in medical images | |
Nagar et al. | Low complexity image matching using color based SIFT |
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 |