CN110968723B - 一种图像特征值的搜索方法、装置及电子设备 - Google Patents
一种图像特征值的搜索方法、装置及电子设备 Download PDFInfo
- Publication number
- CN110968723B CN110968723B CN201811144934.7A CN201811144934A CN110968723B CN 110968723 B CN110968723 B CN 110968723B CN 201811144934 A CN201811144934 A CN 201811144934A CN 110968723 B CN110968723 B CN 110968723B
- Authority
- CN
- China
- Prior art keywords
- search
- sub
- results
- searching
- image feature
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Abstract
本发明提供了一种图像特征值的搜索方法、装置及电子设备,该方法包括:获取包括目标图像特征值的搜索请求;将搜索请求进行拆分,得到搜索子请求集;将搜索子请求集包括的多个搜索子请求分别在搜索服务器的对应的数据库中进行搜索,得到多个搜索子结果,搜索服务器内同一维度的图像特征值存放在同一个数据库中,同一类型的图像特征值存放在同一个数据库中,同一版本的图像特征值存放在同一个数据库中;将多个搜索子结果进行合并,得到搜索结果。本发明实施例能够提高当前搜索服务器支持单维度、单类型和单算法版本数据的常规搜索业务的兼容性。
Description
技术领域
本发明涉及信息处理技术领域,尤其涉及一种图像特征值的搜索方法、装置及电子设备。
背景技术
搜索服务,亦指搜索引擎服务,搜索引擎通过对用户输入的关键词进行解析,在互联网中展开相关信息内容的搜索,最终向用户展示相匹配的搜索结果。随着当前社会海量信息数据的急速膨胀,以及对这些信息数据共享需求的爆发式增长,企业级搜索服务器应运而生。
目前,企业级搜索服务器常规的搜索方法是:通过对用户输入的搜索条件进行分词处理,根据分词的结果查找索引,再通过索引找到文档ID(identity,身份标识号码)列表,根据文档ID列表找到具体的文档,将搜索到的文档对搜索的相关性进行排序,最后将搜索结果返回给用户。但随着业务数据类型越来越多及算法版本升级等情况的出现,使得搜索服务器在数据存储及数据搜索的常规业务上,有了稳定性变差、历史数据复用难的现象。可见,搜索服务器支持单维度、单类型和单算法版本数据的常规搜索业务存在兼容性差的问题。
发明内容
本发明的主要目的在于提供一种图像特征值的搜索方法、装置及电子设备,以解决当前搜索服务器支持单维度、单类型和单算法版本数据的常规搜索业务存在兼容性差的问题。
为实现上述目的,本发明实施例第一方面提供了一种图像特征值的搜索方法,包括:
获取包括目标图像特征值的搜索请求,所述目标图像特征值包括多个单维度的图像特征值、多个单类型的图像特征值和多个单版本的图像特征值中的至少一项;
将所述搜索请求进行拆分,得到搜索子请求集,所述搜索子请求集包括多个单维度的搜索子请求、多个单类型的搜索子请求和多个单版本的搜索子请求中的至少一项;
将所述搜索子请求集包括的多个搜索子请求分别在搜索服务器的对应的数据库中进行搜索,得到多个搜索子结果,所述搜索服务器内同一维度的图像特征值存放在同一个数据库中,同一类型的图像特征值存放在同一个数据库中,同一版本的图像特征值存放在同一个数据库中;
将所述多个搜索子结果进行合并,得到搜索结果。
进一步的,所述将所述多个搜索子结果进行合并,得到搜索结果,包括:
将所述多个搜索子结果中相同维度的搜索子结果进行合并、相同类型的搜索子结果进行合并和相同版本的搜索子结果进行合并,得到搜索结果。
进一步的,所述搜索服务器内包括关联属性字段,所述关联属性字段用于将属于不同维度,但存在关联的多个图像特征值进行关联;所述方法还包括:
若所述搜索结果中存在所述关联属性字段指示的存在关联的多个图像特征值,则获取所述关联属性字段指示的存在关联的多个图像特征值中的交集,并将取交集后的搜索结果存放到缓存架构中;
若所述搜索结果中不存在所述关联属性字段指示的存在关联的多个图像特征值,则将所述搜索结果按照不同维度和不同类型存放到所述缓存架构中。
本发明实施例第二方面提供了一种图像特征值的搜索装置,包括:
第一获取模块,用于获取包括目标图像特征值的搜索请求,所述目标图像特征值包括多个单维度的图像特征值、多个单类型的图像特征值和多个单版本的图像特征值中的至少一项;
拆分模块,用于将所述搜索请求进行拆分,得到搜索子请求集,所述搜索子请求集包括多个单维度的搜索子请求、多个单类型的搜索子请求和多个单版本的搜索子请求中的至少一项;
搜索模块,用于将所述搜索子请求集包括的多个搜索子请求分别在搜索服务器的对应的数据库中进行搜索,得到多个搜索子结果,所述搜索服务器内同一维度的图像特征值存放在同一个数据库中,同一类型的图像特征值存放在同一个数据库中,同一版本的图像特征值存放在同一个数据库中;
合并模块,用于将所述多个搜索子结果进行合并,得到搜索结果。
本发明实施例第三方面提供了一种电子设备,包括:存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,该处理器执行计算机程序时实现上述的图像特征值的搜索方法的步骤。
本发明实施例第四方面提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,该计算机程序被处理器执行时实现上述的图像特征值的搜索方法的步骤。
本发明的上述方案至少包括以下有益效果:
在本发明的实施例中,通过获取包括目标图像特征值的搜索请求,目标图像特征值包括多个单维度的特征值、多个单类型的特征值和多个单版本的特征值中的至少一项;然后将搜索请求进行拆分,得到搜索子请求集,搜索子请求集包括多个单维度的搜索子请求、多个单类型的搜索子请求和多个单版本的搜索子请求中的至少一项;再将搜索子请求集包括的多个搜索子请求分别在搜索服务器的对应的数据库中进行搜索,得到多个搜索子结果,搜索服务器内同一维度的图像特征值存放在同一个数据库中,同一类型的图像特征值存放在同一个数据库中,同一版本的图像特征值存放在同一个数据库中;最后将多个搜索子结果进行合并,得到搜索结果。这样可以在同一个搜索服务中,支持多种维度、多种类型和多版本的搜索,从而相比当前搜索服务器支持单维度、单类型和单算法版本数据的常规搜索业务,可以提高搜索服务器的兼容性。
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一种网络系统架构示意图;
图2为本发明实施例提供的一种图像特征值的搜索方法的流程示意图;
图3为本发明实施例提供的另一种图像特征值的搜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特征值的搜索方法的应用场景示意图;
图5为本发明实施例提供的一种图像特征值的搜索装置的结构示意图;
图6为本发明实施例提供的另一种图像特征值的搜索装置的结构示意图;
图7为本发明实施例提供的另一种图像特征值的搜索装置的结构示意图;
图8为本发明实施例提供的另一种图像特征值的搜索装置的结构示意图;
图9为本发明实施例提供的另一种图像特征值的搜索装置的结构示意图;
图10为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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的实施例,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,都应当属于本发明保护的范围。
本发明说明书、权利要求书和附图中出现的术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。此外,术语“第一”、“第二”和“第三”等是用于区别不同的对象,而并非用于描述特定的顺序。
下面将结合相关附图和举例来对本方案的具体实施例进行说明,但举例并不对本发明的实施例造成限定。
首先结合相关附图来举例介绍下本发明实施例可能应用到的网络系统架构。
具体参见图1,图1所示的网络系统架构涉及到客户端和搜索服务器端,其中,客户端为用户提供搜索窗口,用户通过搜索窗口输入搜索请求或搜索条件,并按照与搜索请求或搜索条件的相似度将搜索结果显示在客户端界面;搜索服务器是整个网络系统的大脑,是本发明图像特征值的搜索方法的执行主体,为用户提供搜索服务。上述网络系统中的各部分通过网络连通,使整个图像特征值的搜索方法得以有系统架构的支撑。
请参见图2,图2为本发明实施例提供的一种图像特征值的搜索方法的流程示意图,如图2所示,包括以下步骤:
S11,获取包括目标图像特征值的搜索请求,所述目标图像特征值包括多个单维度的图像特征值、多个单类型的图像特征值和多个单版本的图像特征值中的至少一项。
其中,在本发明的具体实施例中,上述目标图像特征值所对应的图像可以有多个图像特征值,其多个图像特征值中的每一图像特征值都对应有其所属维度、所属类型和所属的版本,每一图像特征值带上其所属维度、所属类型和所属版本就组成上述所包括的多个单维度的图像特征值、多个单类型的图像特征值和多个单版本的图像特征值。例如,在进行人脸识别时采集到的人脸图像,通过某一特定算法提取到该人脸图像的纹理特征值,那么该特定算法就是该人脸图像的纹理特征值所属的版本,该人脸图像的纹理特征值所属的维度可以是人像,在其所属维度下的所属类型可以是动态人像。
另外,用户在对目标图像特征值进行搜索时,由客户端输入的搜索请求中至少应该包括上述多个单维度的图像特征值、多个单类型的图像特征值和多个单版本的图像特征值中的至少一项。例如,可以包括LBP(Local Binary Pattern,局部二值模式)特征从上述人脸图像中提取的纹理特征值,那么,LBP特征即为该人脸图像的纹理特征值所属的版本。
需要说明的是,上述每一图像特征值所属的版本是指图像特征值提取算法的版本,具体可以是LBP(Local Binary Pattern,局部二值模式)特征、HOG(Histogram ofOriented Gradient,方向梯度直方图)特征或Haar-like(类哈尔)特征,具体采用哪一种特征值提取算法在此处不作限定。
S12,将所述搜索请求进行拆分,得到搜索子请求集,所述搜索子请求集包括多个单维度的搜索子请求、多个单类型的搜索子请求和多个单版本的搜索子请求中的至少一项。
其中,在本发明的具体实施例中,按照上述每一图像特征值所属的维度、所属的类型和所属的版本,将用户从客户端输入的搜索请求中的所有图像特征值拆分成多个单维度、单类型和单版本的图像特征值,各自形成一搜索子请求,由所有搜索子请求组成一搜索子请求集。例如,人像下的身份证静态人像由Haar-like特征提取的线性特征值就可以是一个被拆分出来的搜索子请求,此处的身份证静态人像就是人像这一维度下的具体类型。
采用上述的拆分搜索请求的方式,可以在同一搜索服务中支持多种维度、多种类型及多种版本的目标图像特征值的搜索,在算法版本升级的情况下,依旧可以利用到历史数据。
S13,将所述搜索子请求集包括的多个搜索子请求分别在搜索服务器的对应的数据库中进行搜索,得到多个搜索子结果,所述搜索服务器内同一维度的图像特征值存放在同一个数据库中,同一类型的图像特征值存放在同一个数据库中,同一版本的图像特征值存放在同一个数据库中。
其中,在本发明的具体实施例中,上述数据库可以是全文搜索服务器solr的库core,当然也可以是其他搜索服务器的数据库。在步骤S12对搜索请求进行拆分的基础上,可以根据每一搜索子请求中的图像特征值及该图像特征值所属的维度、类型和版本等搜索条件,在搜索服务器中找到预先建立的每一图像特征值对应的索引,通过预先建立的索引找到每一图像特征值所在文档的文档ID,找到文档ID便能确定每一图像特征值在搜索服务器不同的数据库中所在的文档,从而得到多个搜索子请求中的图像特征值的多个搜索子结果。
需要说明的是,在用户通过客户端向搜索服务器中增加图像特征值时,已经按照每一特征值所属的维度、类型和版本分别存放在不同的数据库中,搜索的时候只需根据搜索子请求到不同的数据库中展开搜索即可。
S14,将所述多个搜索子结果进行合并,得到搜索结果。
其中,在本发明的具体实施例中,根据搜索请求得到多个搜索子结果后,并不是直接将所有搜索子结果都返回到客户端,显示在客户端界面,而是需要对上述多个搜索子结果进行合并,得到搜索结果,返回的是合并后的搜索结果。例如,可以将多个搜索子结果中维度相同的搜索子结果进行合并,也可以将维度和类型相同的搜索子结果进行合并,具体采用何种方式在本发明实施例中不作限定。
另外,上述搜索服务器可以是全文搜索服务器solr,也可以是全文搜索服务器Elasticsearch或者其他搜索服务器。
可以理解的,通过获取包括目标图像特征值的搜索请求,目标图像特征值包括多个单维度的特征值、多个单类型的特征值和多个单版本的特征值中的至少一项;然后将搜索请求进行拆分,得到搜索子请求集,搜索子请求集包括多个单维度的搜索子请求、多个单类型的搜索子请求和多个单版本的搜索子请求中的至少一项;再将搜索子请求集包括的多个搜索子请求分别在搜索服务器的对应的数据库中进行搜索,得到多个搜索子结果,搜索服务器内同一维度的图像特征值存放在同一个数据库中,同一类型的图像特征值存放在同一个数据库中,同一版本的图像特征值存放在同一个数据库中;最后将多个搜索子结果进行合并,得到搜索结果。这样可以在同一个搜索服务中,支持多种维度、多种类型和多版本的搜索,从而相比当前搜索服务器支持单维度、单类型和单算法版本数据的常规搜索业务,可以提高搜索服务器的兼容性。
请参见图3,图3为本发明实施例提供的另一种图像特征值的搜索方法的流程示意图,如图3所示,包括以下步骤:
S21,获取包括目标图像特征值的搜索请求,所述目标图像特征值包括多个单维度的图像特征值、多个单类型的图像特征值和多个单版本的图像特征值中的至少一项。
S22,将所述搜索请求进行拆分,得到搜索子请求集,所述搜索子请求集包括多个单维度的搜索子请求、多个单类型的搜索子请求和多个单版本的搜索子请求中的至少一项。
其中,步骤S21、S22的具体实施方式在上述实施例中已有相关说明,同样也适用于本实施例,此处便不再作过多的描述。
S23,将所述搜索子请求集包括的多个搜索子请求分别在搜索服务器的对应的数据库中进行搜索,得到多个搜索子结果,所述搜索服务器内同一维度的图像特征值存放在同一个数据库中,同一类型的图像特征值存放在同一个数据库中,同一版本的图像特征值存放在同一个数据库中。
S24,将所述多个搜索子结果进行合并,得到搜索结果。
其中,步骤S24的具体实施方式在上述实施例中已有相关说明,同样也适用于本实施例,此处便不再作过多的描述。
作为一种可选的实施方式,上述将所述多个搜索子结果进行合并,得到搜索结果的步骤包括:
将所述多个搜索子结果中相同维度的搜索子结果进行合并、相同类型的搜索子结果进行合并和相同版本的搜索子结果进行合并,得到搜索结果。
其中,在本发明的具体实施例中,由于是将原搜索请求拆分为多个搜索子请求进行搜索的,而这多个搜索子请求中的图像特征值是属于单维度、单类型、单版本的,所以本发明实施例需要将上述多个搜索子结果中相同维度的搜索子结果进行合并、相同类型的搜索子结果进行合并,那么得到的搜索结果就是相同维度、相同类型、不同版本的图像特征值的搜索结果。
另外,该可选的实施方式同样适用于图2所示的实施例,且能达到相同或相似的有益效果。
S25,若所述搜索结果中存在关联属性字段指示的存在关联的多个图像特征值,则获取所述关联属性字段指示的存在关联的多个图像特征值中的交集,并将取交集后的搜索结果存放到缓存架构中,其中,所述搜索服务器内包括所述关联属性字段,所述关联属性字段用于将属于不同维度,但存在关联的多个图像特征值进行关联。
S26,若所述搜索结果中不存在所述关联属性字段指示的存在关联的多个图像特征值,则将所述搜索结果按照不同维度和不同类型存放到所述缓存架构中。
其中,在本发明的具体实施例中,以全文搜索服务器solr为例,上述关联属性字段用于将属于不同维度,但存在关联的多个图像特征值进行关联,用户在将图像特征值存放在搜索服务器不同的数据库core中时,会对有关联的多个维度设置关联属性字段,将该多个维度下的图像特征值关联起来,便于多个维度关联查询。例如,来自于同一图像的人像和人体,它们属于不同的维度,但却存在一定的关联,在对该同一图像的人像和人体分别进行图像特征值搜索时,便能通过预先设置的关联属性字段展开关联搜索。再例如,不同图像中的车和建筑,它们分属两个维度,而且分处不同的图像,可以看作是没有关联的维度。
需要说明的是,本发明的具体实施例中的缓存架构可以是缓存架构redis,若上述搜索结果中存在关联属性字段指示的存在关联的多个图像特征值,则在存在关联的图像特征值中取交集,并将取交集后的搜索结果存放到缓存架构redis中。若上述结果中不存在关联属性字段指示的存在关联的多个图像特征值,则将搜索结果中的图像特征值按照其所属的不同维度和不同类型存放在缓存架构redis中。
该实施方式中,可以对属于不同维度,但存在关联的多个图像特征值采用关联搜索,再对搜索结果取交集并进行存放,从而既保证了搜索结果的完整性,又节省了存储空间。
作为一种可选的实施方式,上述将所述搜索子请求集包括的多个搜索子请求分别在搜索服务器的对应的数据库中进行搜索,得到多个搜索子结果的步骤,包括:
通过多搜索进程将所述搜索子请求集包括的多个搜索子请求分别在搜索服务器的对应的数据库中进行搜索,得到多个搜索子结果;
所述方法进一步包括:
判断所述多个搜索进程是否均搜索结束。
在所述多个搜索进程均搜索结束的情况下,获取所述缓存架构中存放的搜索结果;
计算所述缓存架构中存放的搜索结果与所述搜索请求中的目标图像特征值的相似度;
将所述缓存架构中存放的搜索结果按照相似度计算结果进行排序,并选取排序后的前N个搜索结果显示在客户端界面。
其中,在本发明的具体实施例中,在将包括目标图像特征值的搜索请求拆分为多个搜索子请求后,采用多个搜索进程将多个搜索子请求分别在搜索服务器对应的数据库core中进行搜索,各个搜索进程不存在相互影响的关系,也不存在时序的先后顺序。
若搜索服务器判断到多个所述进程均已经搜索结束,则从缓存架构redis中取出之前存放的搜索结果,并将从缓存架构redis中取出的搜索结果,与用户通过客户端输入的搜索请求中的目标图像特征值进行相似度计算,按照相似度计算结果对从缓存架构redis中取出的搜索结果进行排序,选取排序后的前N个搜索结果显示在客户端界面。例如,按照相似度计算结果由大到小进行排序,选取前N个最相似的搜索结果显示在客户端界面。
该实施方式中,采用多搜索进程展开搜索,有效提高了搜索服务的效率。而按照相似度计算结果排序,并选取前N个搜索结果在客户端显示,有利于目标图像特征值被快速获取,缩短整个搜索服务的时间。
作为一种可选的实施方式,上述判断所述多个搜索进程是否均搜索结束的步骤包括:
为所述缓存架构设置一标志位flag,在监听到所述标志位flag的值为0时,确定所述多个搜索进程未搜索结束;
在监听到所述标志位flag的值为1时,确定所述多个搜索进程均已经搜索结束。
其中,在本发明的具体实施例中,为上述缓存架构redis设置一标志位flag,用于检测上述的多个搜索进程是否均搜索结束,在监听到标志位flag的值为0时,确定多个搜索进程未搜索结束,在监听到标志位flag的值为1时,确定多个搜索进程均已经搜索结束。
在此,为便于更好地理解本实施例中图像特征值的搜索方法的执行流程,以用户在搜索服务器中搜索图像特征值为例,对上述方案作个简单的阐述,但并不对本发明实施例造成限定。
如图4所示,在用户进行图像特征值搜索之前,需要预先通过客户端向搜索服务器对应的各数据库core中增加图像特征值,具体增加方式在上述实施例已有说明,此处不再重复描述。本例中,搜索服务器从客户端接收用户输入的搜索请求,并将搜索请求拆分为多个搜索子请求分别在搜索服务器不同的数据库core中进行多进程搜索,再将搜索子结果中维度和类型相同的搜索子结果进行合并得到搜索结果,对搜索结果中存在关联的维度下的搜索子结果取交集,并存放在缓存架构redis中。
之后,搜索服务器从缓存架构redis中取出搜索结果,按照搜索结果中的图像特征值与搜索请求中的目标图像特征值的相似度,对搜索结果排序,将排序后的搜索结果返回到客户端。
需要说明的是,基于前面对搜索请求的拆分,用户搜索出的搜索子结果是单维度的图像特征值、单类型的图像特征值和单版本的图像特征值,在将搜索子结果合并后,就会形成单维度、单类型及多版本的搜索结果,更有利于客户端的展示。再者,由于搜索服务器是存在多个搜索节点的,因此每个搜索节点搜索完之后需将搜索结果存放在缓存架构redis中。
该实施方式中,为缓存架构redis设置一标志位,用于监听搜索进程是否搜索结束,使搜索服务更加智能化。
本实施例中,在图2所示的实施例的基础上增加了多种可选的实施方式,且通过多种可选的实施方式,可以在同一个搜索服务中,支持多种维度、多种类型和多版本的搜索,提高了历史数据的复用性,有效降低了搜索服务器常规搜索业务的成本。
请参见图5,图5为本发明实施例提供的一种图像特征值的搜索装置的结构示意图,如图5所示,图像特征值的搜索装置5包括:
第一获取模块51,用于获取包括目标图像特征值的搜索请求,所述目标图像特征值包括多个单维度的图像特征值、多个单类型的图像特征值和多个单版本的图像特征值中的至少一项;
拆分模块52,用于将所述搜索请求进行拆分,得到搜索子请求集,所述搜索子请求集包括多个单维度的搜索子请求、多个单类型的搜索子请求和多个单版本的搜索子请求中的至少一项;
搜索模块53,用于将所述搜索子请求集包括的多个搜索子请求分别在搜索服务器的对应的数据库中进行搜索,得到多个搜索子结果,所述搜索服务器内同一维度的图像特征值存放在同一个数据库中,同一类型的图像特征值存放在同一个数据库中,同一版本的图像特征值存放在同一个数据库中;
合并模块54,用于将所述多个搜索子结果进行合并,得到搜索结果。
可选的,如图6所示,所述合并模块54包括:
第一合并单元541,用于将所述多个搜索子结果中相同维度的搜索子结果进行合并、相同类型的搜索子结果进行合并和相同版本的搜索子结果进行合并,得到搜索结果。
可选的,所述搜索服务器内包括关联属性字段,所述关联属性字段用于将属于不同维度,但存在关联的多个图像特征值进行关联;如图7所示,所述装置5还包括:
第一存放模块55,用于若所述搜索结果中存在所述关联属性字段指示的存在关联的多个图像特征值,则获取所述关联属性字段指示的存在关联的多个图像特征值中的交集,并将取交集后的搜索结果存放到缓存架构中;
第二存放模块56,用于若所述搜索结果中不存在所述关联属性字段指示的存在关联的多个图像特征值,则将所述搜索结果按照不同维度和不同类型存放到所述缓存架构中。
可选的,如图8所示,所述搜索模块53包括:
第一搜索单元531,用于通过多搜索进程将所述搜索子请求集包括的多个搜索子请求分别在搜索服务器的对应的数据库中进行搜索,得到多个搜索子结果;
所述装置5进一步包括:
判断模块57,用于判断所述多个搜索进程是否均搜索结束;
第二获取模块58,用于在所述多个搜索进程均搜索结束的情况下,获取所述缓存架构中存放的搜索结果;
计算模块59,用于计算所述缓存架构中存放的搜索结果与所述搜索请求中的目标图像特征值的相似度;
排序模块60,用于将所述缓存架构中存放的搜索结果按照相似度计算结果进行排序,并选取排序后的前N个搜索结果显示在客户端界面。
可选的,如图9所示,所述判断模块57包括:
第一确定单元571,用于为所述缓存架构设置一标志位flag,在监听到所述标志位flag的值为0时,确定所述多个搜索进程未搜索结束;
第二确定单元572,用于在监听到所述标志位flag的值为1时,确定所述多个搜索进程均已经搜索结束。
本发明实施例提供的搜索服务器5能够实现上述方法实施例中搜索服务器实现的各个过程,为避免重复,这里不再赘述,且可以达到相同的有益效果。
请参见图10,图10为本发明实施例提供的一种电子设备的结构示意图,该电子设备10包括存储器101、处理器102以及存储在存储器101中并可在处理器102上运行的计算机程序103,该处理器102执行计算机程序103时实现上述的图像特征值的搜索方法的步骤。
具体的,处理器102执行计算机程序103时实现如下步骤:获取包括目标图像特征值的搜索请求,所述目标图像特征值包括多个单维度的特征值、多个单类型的特征值和多个单版本的特征值中的至少一项;将所述搜索请求进行拆分,得到搜索子请求集,所述搜索子请求集包括多个单维度的搜索子请求、多个单类型的搜索子请求和多个单版本的搜索子请求中的至少一项;将所述搜索子请求集包括的多个搜索子请求分别在搜索服务器的对应的数据库中进行搜索,得到多个搜索子结果,所述搜索服务器内同一维度的图像特征值存放在同一个数据库中,同一类型的图像特征值存放在同一个数据库中,同一版本的图像特征值存放在同一个数据库中;将所述多个搜索子结果进行合并,得到搜索结果。
可选的,处理器102执行所述将所述多个搜索子结果进行合并,得到搜索结果,包括:
将所述多个搜索子结果中相同维度的搜索子结果进行合并、相同类型的搜索子结果进行合并和相同版本的搜索子结果进行合并,得到搜索结果。
可选的,所述搜索服务器内包括关联属性字段,所述关联属性字段用于将属于不同维度,但存在关联的多个图像特征值进行关联;
在所述将所述多个搜索子结果进行合并,得到搜索结果的步骤之后,处理器102执行计算机程序103时还实现如下步骤:
若所述搜索结果中存在所述关联属性字段指示的存在关联的多个图像特征值,则获取所述关联属性字段指示的存在关联的多个图像特征值中的交集,并将取交集后的搜索结果存放到缓存架构中;
若所述搜索结果中不存在所述关联属性字段指示的存在关联的多个图像特征值,则将所述搜索结果按照不同维度和不同类型存放到所述缓存架构中。
可选的,处理器102执行的所述将所述搜索子请求集包括的多个搜索子请求分别在搜索服务器的对应的数据库中进行搜索,得到多个搜索子结果,包括:
通过多搜索进程将所述搜索子请求集包括的多个搜索子请求分别在搜索服务器的对应的数据库中进行搜索,得到多个搜索子结果;
处理器102还用于:
判断所述多个搜索进程是否均搜索结束;
在所述多个搜索进程均搜索结束的情况下,获取所述缓存架构中存放的搜索结果;
计算所述缓存架构中存放的搜索结果与所述搜索请求中的目标图像特征值的相似度;
将所述缓存架构中存放的搜索结果按照相似度计算结果进行排序,并选取排序后的前N个搜索结果显示在客户端界面。
可选的,处理器102执行的所述判断所述多个搜索进程是否均搜索结束的步骤包括:
为所述缓存架构设置一标志位flag,在监听到所述标志位flag的值为0时,确定所述多个搜索进程未搜索结束;
在监听到所述标志位flag的值为1时,确定所述多个搜索进程均已经搜索结束。
即,在本发明的具体实施例中,电子设备10的处理器102执行计算机程序103时实现上述的图像特征值的搜索方法的步骤,从而提高当前搜索服务器支持单维度、单类型和单算法版本数据的常规搜索业务的兼容性。
示例性的,上述电子设备10可以是手机、计算机、笔记本电脑、平板电脑、掌上电脑及可穿戴设备等。电子设备10可包括但不仅限于处理器102、存储器101。本领域技术人员可以理解,所述示意图仅仅是电子设备10的示例,并不构成对电子设备10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。
需要说明的是,由于电子设备10的处理器102执行计算机程序103时实现上述的图像特征值的搜索方法的步骤,因此上述图像特征值的搜索方法的所有实施例均适用于该电子设备10,且均能达到相同或相似的有益效果。
本发明实施例还提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,该计算机程序被处理器执行时实现上述的图像特征值的搜索方法的步骤。
即,在本发明的具体实施例中,计算机可读存储介质的计算机程序被处理器执行时实现上述的图像特征值的搜索方法的步骤,从而提高当前搜索服务器支持单维度、单类型和单算法版本数据的常规搜索业务的兼容性。
示例性的,计算机可读存储介质的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,由于计算机可读存储介质的计算机程序被处理器执行时实现上述的图像特征值的搜索方法的步骤,因此图像特征值的搜索方法的所有实施例均适用于该计算机可读存储介质,且均能达到相同或相似的有益效果。
以上对本发明实施例进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种图像特征值的搜索方法,其特征在于,所述方法包括:
获取包括目标图像特征值的搜索请求,所述目标图像特征值包括多个单维度的图像特征值、多个单类型的图像特征值和多个单版本的图像特征值中的至少一项;
将所述搜索请求进行拆分,得到搜索子请求集,所述搜索子请求集包括多个单维度的搜索子请求、多个单类型的搜索子请求和多个单版本的搜索子请求中的至少一项;
将所述搜索子请求集包括的多个搜索子请求分别在搜索服务器的对应的数据库中进行搜索,得到多个搜索子结果,所述搜索服务器内同一维度的图像特征值存放在同一个数据库中,同一类型的图像特征值存放在同一个数据库中,同一版本的图像特征值存放在同一个数据库中;
将所述多个搜索子结果进行合并,得到搜索结果;
所述搜索服务器内包括关联属性字段,所述关联属性字段用于将属于不同维度,但存在关联的多个图像特征值进行关联;
在所述将所述多个搜索子结果进行合并,得到搜索结果的步骤之后,所述方法还包括:
若所述搜索结果中存在所述关联属性字段指示的存在关联的多个图像特征值,则获取所述关联属性字段指示的存在关联的多个图像特征值中的交集,并将取交集后的搜索结果存放到缓存架构中;
若所述搜索结果中不存在所述关联属性字段指示的存在关联的多个图像特征值,则将所述搜索结果按照不同维度和不同类型存放到所述缓存架构中。
2.根据权利要求1所述的方法,其特征在于,所述将所述多个搜索子结果进行合并,得到搜索结果,包括:
将所述多个搜索子结果中相同维度的搜索子结果进行合并、相同类型的搜索子结果进行合并和相同版本的搜索子结果进行合并,得到搜索结果。
3.根据权利要求1所述的方法,其特征在于,所述将所述搜索子请求集包括的多个搜索子请求分别在搜索服务器的对应的数据库中进行搜索,得到多个搜索子结果,包括:
通过多个搜索进程将所述搜索子请求集包括的多个搜索子请求分别在搜索服务器的对应的数据库中进行搜索,得到多个搜索子结果;
所述方法进一步包括:
判断所述多个搜索进程是否均搜索结束;
在所述多个搜索进程均搜索结束的情况下,获取所述缓存架构中存放的搜索结果;
计算所述缓存架构中存放的搜索结果与所述搜索请求中的目标图像特征值的相似度;
将所述缓存架构中存放的搜索结果按照相似度计算结果进行排序,并选取排序后的前N个搜索结果显示在客户端界面。
4.根据权利要求3所述的方法,其特征在于,所述判断所述多个搜索进程是否均搜索结束的步骤包括:
为所述缓存架构设置一标志位flag,在监听到所述标志位flag的值为0时,确定所述多个搜索进程未搜索结束;
在监听到所述标志位flag的值为1时,确定所述多个搜索进程均已经搜索结束。
5.一种图像特征值的搜索装置,其特征在于,包括:
第一获取模块,用于获取包括目标图像特征值的搜索请求,所述目标图像特征值包括多个单维度的图像特征值、多个单类型的图像特征值和多个单版本的图像特征值中的至少一项;
拆分模块,用于将所述搜索请求进行拆分,得到搜索子请求集,所述搜索子请求集包括多个单维度的搜索子请求、多个单类型的搜索子请求和多个单版本的搜索子请求中的至少一项;
搜索模块,用于将所述搜索子请求集包括的多个搜索子请求分别在搜索服务器的对应的数据库中进行搜索,得到多个搜索子结果,所述搜索服务器内同一维度的图像特征值存放在同一个数据库中,同一类型的图像特征值存放在同一个数据库中,同一版本的图像特征值存放在同一个数据库中;
合并模块,用于将所述多个搜索子结果进行合并,得到搜索结果;
所述搜索服务器内包括关联属性字段,所述关联属性字段用于将属于不同维度,但存在关联的多个图像特征值进行关联;
所述装置还包括:
第一存放模块,用于若所述搜索结果中存在所述关联属性字段指示的存在关联的多个图像特征值,则获取所述关联属性字段指示的存在关联的多个图像特征值中的交集,并将取交集后的搜索结果存放到缓存架构中;
第二存放模块,用于若所述搜索结果中不存在所述关联属性字段指示的存在关联的多个图像特征值,则将所述搜索结果按照不同维度和不同类型存放到所述缓存架构中。
6.根据权利要求5所述的装置,其特征在于,所述合并模块包括:
第一合并单元,用于将所述多个搜索子结果中相同维度的搜索子结果进行合并、相同类型的搜索子结果进行合并和相同版本的搜索子结果进行合并,得到搜索结果。
7.一种电子设备,其特征在于,包括:存储器、处理器及存储在所述存储器上并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如权利要求1至4中任一项所述的图像特征值的搜索方法中的步骤。
8.一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如权利要求1至4中任一项所述的图像特征值的搜索方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811144934.7A CN110968723B (zh) | 2018-09-29 | 2018-09-29 | 一种图像特征值的搜索方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811144934.7A CN110968723B (zh) | 2018-09-29 | 2018-09-29 | 一种图像特征值的搜索方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110968723A CN110968723A (zh) | 2020-04-07 |
CN110968723B true CN110968723B (zh) | 2023-05-12 |
Family
ID=70027155
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811144934.7A Active CN110968723B (zh) | 2018-09-29 | 2018-09-29 | 一种图像特征值的搜索方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110968723B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11256696B2 (en) * | 2018-10-15 | 2022-02-22 | Ocient Holdings LLC | Data set compression within a database system |
CN112783922B (zh) * | 2021-02-01 | 2022-02-25 | 广州海量数据库技术有限公司 | 一种基于关系数据库的查询方法及装置 |
CN114139039B (zh) * | 2021-11-30 | 2022-08-09 | 百度在线网络技术(北京)有限公司 | 服务稳定性确定方法、装置、设备以及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102236714A (zh) * | 2011-07-05 | 2011-11-09 | 广东星海数字家庭产业技术研究院有限公司 | 一种基于xml的交互应用多媒体信息检索方法 |
CN102915380A (zh) * | 2012-11-19 | 2013-02-06 | 北京奇虎科技有限公司 | 用于对数据进行搜索的方法和系统 |
CN103995848A (zh) * | 2014-05-06 | 2014-08-20 | 百度在线网络技术(北京)有限公司 | 图片搜索方法及装置 |
CN104680121A (zh) * | 2013-11-27 | 2015-06-03 | 腾讯科技(深圳)有限公司 | 一种人脸图像的处理方法及装置 |
CN106303154A (zh) * | 2015-06-12 | 2017-01-04 | 联想(北京)有限公司 | 一种信息处理方法及电子设备 |
CN106897328A (zh) * | 2015-12-21 | 2017-06-27 | 苏宁云商集团股份有限公司 | 一种图像检索方法及装置 |
CN107230203A (zh) * | 2017-05-19 | 2017-10-03 | 重庆理工大学 | 基于人眼视觉注意机制的铸件缺陷识别方法 |
CN107451208A (zh) * | 2017-07-12 | 2017-12-08 | 北京潘达互娱科技有限公司 | 一种数据搜索方法与装置 |
CN107766492A (zh) * | 2017-10-18 | 2018-03-06 | 北京京东尚科信息技术有限公司 | 一种图像搜索的方法和装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8521737B2 (en) * | 2004-10-01 | 2013-08-27 | Ricoh Co., Ltd. | Method and system for multi-tier image matching in a mixed media environment |
TWI394098B (zh) * | 2009-06-03 | 2013-04-21 | Nat Univ Chung Cheng | Shredding Method Based on File Image Texture Feature |
-
2018
- 2018-09-29 CN CN201811144934.7A patent/CN110968723B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102236714A (zh) * | 2011-07-05 | 2011-11-09 | 广东星海数字家庭产业技术研究院有限公司 | 一种基于xml的交互应用多媒体信息检索方法 |
CN102915380A (zh) * | 2012-11-19 | 2013-02-06 | 北京奇虎科技有限公司 | 用于对数据进行搜索的方法和系统 |
CN104680121A (zh) * | 2013-11-27 | 2015-06-03 | 腾讯科技(深圳)有限公司 | 一种人脸图像的处理方法及装置 |
CN103995848A (zh) * | 2014-05-06 | 2014-08-20 | 百度在线网络技术(北京)有限公司 | 图片搜索方法及装置 |
CN106303154A (zh) * | 2015-06-12 | 2017-01-04 | 联想(北京)有限公司 | 一种信息处理方法及电子设备 |
CN106897328A (zh) * | 2015-12-21 | 2017-06-27 | 苏宁云商集团股份有限公司 | 一种图像检索方法及装置 |
CN107230203A (zh) * | 2017-05-19 | 2017-10-03 | 重庆理工大学 | 基于人眼视觉注意机制的铸件缺陷识别方法 |
CN107451208A (zh) * | 2017-07-12 | 2017-12-08 | 北京潘达互娱科技有限公司 | 一种数据搜索方法与装置 |
CN107766492A (zh) * | 2017-10-18 | 2018-03-06 | 北京京东尚科信息技术有限公司 | 一种图像搜索的方法和装置 |
Non-Patent Citations (1)
Title |
---|
针对东方人黑色虹膜识别的光谱选择;宫雅卓等;《中国科学:信息科学》;20120720;第859-868页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110968723A (zh) | 2020-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20120117051A1 (en) | Multi-modal approach to search query input | |
JP5596792B2 (ja) | コンテンツベースの画像検索 | |
CN105022840B (zh) | 一种新闻信息处理方法、新闻推荐方法和相关装置 | |
CN109885773B (zh) | 一种文章个性化推荐方法、系统、介质及设备 | |
US8516357B1 (en) | Link based clustering of hyperlinked documents | |
CN110147455B (zh) | 一种人脸匹配检索装置及方法 | |
CN105653537B (zh) | 一种数据库应用系统的分页查询方法和装置 | |
CN110968723B (zh) | 一种图像特征值的搜索方法、装置及电子设备 | |
TW201322021A (zh) | 圖片搜索方法以及圖片搜索裝置 | |
WO2013129580A1 (ja) | 近似最近傍探索装置、近似最近傍探索方法およびそのプログラム | |
Elliott | Survey of author name disambiguation: 2004 to 2010 | |
CN111506621A (zh) | 一种数据统计方法及装置 | |
CN112364014B (zh) | 数据查询方法、装置、服务器及存储介质 | |
CN110008396B (zh) | 对象信息推送方法、装置、设备及计算机可读存储介质 | |
CN109086386B (zh) | 数据处理方法、装置、计算机设备和存储介质 | |
CN110209895B (zh) | 向量检索方法、装置和设备 | |
CN115687663A (zh) | 基于全文搜索的视频检索及标记方法、系统及存储介质 | |
CN110008407B (zh) | 一种信息检索方法及装置 | |
CN107247796B (zh) | 客户头像加载方法、装置及终端设备 | |
KR101769940B1 (ko) | 문서를 검색하는 방법 | |
CN111061903B (zh) | 图像特征搜索方法、装置、电子设备及存储介质 | |
CN117648495B (zh) | 一种基于云原生向量数据的数据推送方法及系统 | |
US20230153338A1 (en) | Sparse embedding index for search | |
CN113868440B (zh) | 特征库的管理方法、装置、设备及介质 | |
CN113590838A (zh) | 基于知识图谱的客服赋能方法、系统及存储介质 |
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 |