CN110992300B - 图像检测方法及装置 - Google Patents

图像检测方法及装置 Download PDF

Info

Publication number
CN110992300B
CN110992300B CN201811145768.2A CN201811145768A CN110992300B CN 110992300 B CN110992300 B CN 110992300B CN 201811145768 A CN201811145768 A CN 201811145768A CN 110992300 B CN110992300 B CN 110992300B
Authority
CN
China
Prior art keywords
image
hsv
detected
target
processed
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
Application number
CN201811145768.2A
Other languages
English (en)
Other versions
CN110992300A (zh
Inventor
戴威
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Gridsum Technology Co Ltd
Original Assignee
Beijing Gridsum Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Gridsum Technology Co Ltd filed Critical Beijing Gridsum Technology Co Ltd
Priority to CN201811145768.2A priority Critical patent/CN110992300B/zh
Priority to PCT/CN2019/107253 priority patent/WO2020063523A1/zh
Publication of CN110992300A publication Critical patent/CN110992300A/zh
Application granted granted Critical
Publication of CN110992300B publication Critical patent/CN110992300B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • 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
    • G06F16/55—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/10—Protecting distributed programs or content, e.g. vending or licensing of copyrighted material ; Digital rights management [DRM]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20021—Dividing image into blocks, subimages or windows

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Technology Law (AREA)
  • Computer Hardware Design (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种图像检测方法及装置，在获取待检测图像之后，提取该待检测图像的特征向量，并分别计算该待检测图像的特征向量与目标版权库中包含的多个图像的特征向量的相似度，确定满足预设条件的相似度对应的目标版权库中的图像为与待检测图像相似的图像并输出。图像出品方通过上述方法及装置可以高效查询想使用的图像是否侵权，图像版权方通过上述方法及装置可以高效查询他人使用的图像是否侵权。

Description

图像检测方法及装置
技术领域
本发明涉及数据处理技术领域，尤其涉及一种图像检测方法及装置。
背景技术
从传统媒体时代到网络媒体时代，再到自媒体时代，为了解决单纯文字传播的死板、枯燥等缺陷，图像的穿插使用在所难免。特别在以微博、微信(朋友圈、公众号)等为代表的自媒体时代，为了适应移动端传播模式，对图像的使用更是不可或缺。然而，随着智能手机的普及，人人都成了“摄影师”，图像的价值日益显著，随之而来的版权问题也越来越突出，“图像版权侵权早已泛滥”这句话可以一定程度上概括目前人们使用网络图像的现状，图像版权问题也掀起一波“维权热”。
图像版权问题的维权中，图像版权方在追诉他人侵权使用自己的版权图像时需要对他人使用的图像进行侵权监测，为了避免不经意侵权，图像出品方在使用图像时，也需要对使用的图像进行侵权监测，但是，目前并没有一种高效的图像侵权监测方法。
发明内容
鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的图像检测方法及装置。具体方案如下：
一种图像检测方法，所述方法包括：
获取待检测图像；
提取所述待检测图像的特征向量；
获取目标版权库中所包含多个图像对应的特征向量；
对于所述目标版权库中的每个图像，计算该图像的特征向量与所述待检测图像的特征向量的相似度；
确定满足预设条件的相似度对应的目标版权库中的图像为与所述待检测图像相似的目标图像；
输出所述目标图像。
可选地，所述提取所述待检测图像的特征向量，包括：
将所述待检测图像转换为HSV空间，得到待处理的HSV图像；
将所述待处理的HSV图像划分为多个区域；
对于每个区域的HSV图像，分别计算该区域的HSV图像的H、S、V三个通道的直方图，得到所述多个区域的HSV图像的H、S、V三个通道的直方图；
将所述多个区域的HSV图像的H、S、V三个通道的直方图频数归一化，拼接成一个一维向量作为所述待检测图像的特征向量。
可选地，所述将所述待处理的HSV图像划分为多个区域的HSV图像，包括：
将所述待处理的HSV图像划分为5个区域，其中，对所述待处理的HSV图像的长和宽分别等分，得到左上、右上、左下、右下四个相等区域作为四个区域的HSV图像；并且，将所述待处理的HSV图像中心作为中心，以所述待处理的HSV图像长度的四分之三为长轴，以所述待处理的HSV图像宽度的四分之三为短轴的椭圆区域内的HSV图像作为第五个区域的HSV图像。
可选地，所述待检测图像的特征向量的长度为K，所述K＝X*Y*Z*5，其中，X、Y、Z分别为HSV图像的H、S、V三个通道的直方图的分桶数；
可选地，当所述目标版权库中包含的图像数量小于预设阈值时，所述HSV图像的H、S、V三个通道直方图的分桶数分别为X＝8，Y＝12，Z＝3；
当所述目标版权库中包含的图像数量不小于预设阈值时，所述HSV图像的H、S、V三个通道直方图的分桶数分别为X＝3，Y＝4，Z＝2。
可选地，计算所述目标版权库中的每个图像的特征向量与所述待检测图像的特征向量的相似度，包括：
根据公式(E-Ei)2/sum(E+Ei+eps)计算所述目标版权库中的每个图像的特征向量与所述待检测图像的特征向量的卡方距离，其中，E为所述待检测图像的特征向量，Ei是所述目标版权库中标识ID为i的图像的特征向量，所述eps为预设极小值；
则，所述确定满足预设条件的相似度对应的目标版权库中的图像为与所述待检测图像相似的目标图像，包括：
确定满足预设条件的卡方距离对应的目标版权库中的图像为与待检测图像相似的目标图像。
可选地，计算所述目标版权库中的每个图像的特征向量与所述待检测图像的特征向量的卡方距离，包括：
将所述目标版权库中的每个图像的特征向量调整为二维矩阵；
计算所述目标版权库中的每个图像的特征向量的二维矩阵与所述待检测图像的特征向量的卡方距离。
一种图像检测装置，所述装置包括：
第一获取单元，用于获取待检测图像；
特征向量提取单元，用于提取所述待检测图像的特征向量；
第二获取单元，用于获取目标版权库中所包含多个图像对应的特征向量；
相似度计算单元，用于对于所述目标版权库中的每个图像，计算该图像的特征向量与所述待检测图像的特征向量的相似度；
确定单元，用于确定满足预设条件的相似度对应的目标版权库中的图像为与所述待检测图像相似的目标图像；
输出单元，用于输出所述目标图像。
一种存储介质，所述存储介质存储有程序，以实现如上所述的图像检测方法的步骤。
一种电子设备，包括：
存储器和处理器；
所述存储器存储有适于所述处理器执行的程序，以实现如上所述的图像检测方法的步骤。
借由上述技术方案，本发明提供的图像检测方法及装置，在获取待检测图像之后，提取该待检测图像的特征向量，并分别计算该待检测图像的特征向量与目标版权库中包含的多个图像的特征向量的相似度，确定满足预设条件的相似度对应的目标版权库中的图像为与待检测图像相似的图像并输出。图像出品方通过上述方法及装置可以高效查询想使用的图像是否侵权，图像版权方通过上述方法及装置可以高效查询他人使用的图像是否侵权。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1为本发明实施例公开的一种图像检测方法的流程示意图；
图2为本发明实施例公开的一种提取图像的特征向量的方法的流程示意图；
图3为本发明实施例公开的一种图像检测装置的具体结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
请参阅附图1，图1为本发明实施例公开的一种图像检测方法的流程示意图，该方法包括如下步骤：
S101：获取待检测图像；
在一种可实施方式中，待检测图像为图像出品方想使用，但不确定是否侵权的图像；在又一种可实施方式中，待检测图像为图像版权方发现的他人使用的，但不确定是否侵权的图像。
S102：提取所述待检测图像的特征向量；
在一种可实施方式中，提取待检测图像的特征向量即将待检测图像转换为一个一维向量。
S103：获取目标版权库中所包含多个图像对应的特征向量；
在一种可实施方式中，可以将同一个版权库作为不同的待检测图像的目标版权库，也可以将不同的版权库分别作为不同的待检测图像的目标版权库，具体可以根据实际应用场景确定，本实施例不进行任何限定。
在一种可实施方式中，可以预先确定目标版权库，并分别提取目标版权库中包含的多个图像的各个特征向量存储至文件或数据库中。当需要时，可从文件或数据库中直接获取。这样，相对于在确定目标版权库之后再分别提取目标版权库中包含的多个图像的各个特征向量的方式，待检测图像的检测效率更高。
S104：对于所述目标版权库中的每个图像，计算该图像的特征向量与所述待检测图像的特征向量的相似度；
S105：确定满足预设条件的相似度对应的目标版权库中的图像为与所述待检测图像相似的目标图像；
在一种可实施方式中，可以对多个相似度降序排列，确定相似度最大的前预设数量个相似度对应的目标版权库中的图像为与所述待检测图像相似的目标图像。
在又一种可实施方式中，可以从所述多个相似度中确定相似度大于预设值的相似度对应的目标版权库中的图像为与所述待检测图像相似的目标图像。
S106：输出所述目标图像。
与所述目标图像即与待检测图像相似的目标图像，将其输出展示给用户，能够使用户对待检测图像的侵权与否进行分析判定。
本实施例公开了一种图像检测方法，在获取待检测图像之后，提取该待检测图像的特征向量，并分别计算该待检测图像的特征向量与目标版权库中包含的多个图像的特征向量的相似度，确定满足预设条件的相似度对应的目标版权库中的图像为与待检测图像相似的图像并输出。图像出品方通过上述方法及装置可以高效查询想使用的图像是否侵权，图像版权方通过上述方法及装置可以高效查询他人使用的图像是否侵权，能够快速准确地实现待检测图像的侵权检测。
请参阅附图2，图2为本发明实施例公开的一种提取图像的特征向量的方法的流程示意图，该方法应用于待测图像的特征向量的提取以及版权库中图像的特征向量的提取，以待检测图像的特征向量提取为例，该方法具体包括如下步骤：
S201：将所述待检测图像转换为HSV空间，得到待处理的HSV图像；
S202：将所述待处理的HSV图像划分为多个区域；
在一种可实施方式中，将将所述待处理的HSV图像划分为多个个区域，包括：
将所述待处理的HSV图像划分为5个区域，其中，对所述待处理的HSV图像的长和宽分别等分，得到左上、右上、左下、右下四个相等区域作为四个区域的HSV图像；并且，将所述待处理的HSV图像中心作为中心，以所述待处理的HSV图像长度的四分之三为长轴，以所述待处理的HSV图像宽度的四分之三为短轴的椭圆区域内的HSV图像作为第五个区域的HSV图像。
S203：对于每个区域的HSV图像，分别计算该区域的HSV图像的H、S、V三个通道的直方图，得到所述多个区域的HSV图像的H、S、V三个通道的直方图；
S204：将所述多个区域的HSV图像的H、S、V三个通道的直方图频数归一化，拼接成一个一维向量作为所述待检测图像的特征向量。
在一种可实施方式中，所述待检测图像的特征向量的长度为K，所述K＝X*Y*Z*5，其中，X、Y、Z分别为HSV图像的H、S、V三个通道的直方图的分桶数。
在一种可实施方式中，当所述目标版权库中包含的图像数量小于预设阈值时，所述HSV图像的H、S、V三个通道直方图的分桶数分别为X＝8，Y＝12，Z＝3。则对于一张图像的特征向量的长度为8*12*3*5＝1440。
在又一种可实施方式中，当所述目标版权库中包含的图像数量不小于预设阈值时，所述HSV图像的H、S、V三个通道直方图的分桶数分别为X＝3，Y＝4，Z＝2。则对于一张图像的特征向量的长度为3*4*2*5＝120。
在又一种可实施方式中，当所述目标版权库中包含的图像数量达到一定数量级(比如，百万千万)时，可以先采用X＝3，Y＝4，Z＝2从所述目标版权库中确定出预设数量(比如，上述预设阈值)的候选样本，然后再从候选样本中采用X＝8，Y＝12，Z＝3确定出相似图像。
本实施例中，按照上述实施方式中的区域划分方式对待检测图像进行划分，以及，根据目标版权库中包含的图像数量确定不同长度的特征向量，使得本方法对于图像的放大、缩小、模糊化、加水印、一定程度的随机裁剪、图像颜色变量变暗都有一定的鲁棒性。
在一种可实施方式中，计算所述目标版权库中的每个图像的特征向量与所述待检测图像的特征向量的相似度，包括：根据公式(E-Ei)2/sum(E+Ei+eps)计算所述目标版权库中的每个图像的特征向量与所述待检测图像的特征向量的卡方距离，其中，E为所述待检测图像的特征向量，Ei是所述目标版权库中标识ID为i的图像的特征向量，所述eps为预设极小值。则，所述确定满足预设条件的相似度对应的目标版权库中的图像为与所述待检测图像相似的目标图像，包括：确定满足预设条件的卡方距离对应的目标版权库中的图像为与待检测图像相似的目标图像。卡方距离越小，相似度越大。
在又一种可实施方式中，可以使用python numpy将所述目标版权库中的每个图像的特征向量调整为二维矩阵；计算所述目标版权库中的每个图像的特征向量的二维矩阵与所述待检测图像的特征向量的卡方距离。该种方式能够加速卡方距离计算的过程，在一种示例中，对于5万量级的库，按照特征向量长度为1440来说，计算一次卡方距离的过程仅需要1秒。
请参阅附图3，图3为本发明实施例公开的一种图像检测装置的具体结构示意图，该装置具体包括如下单元：
第一获取单元30，用于获取待检测图像；
特征向量提取单元31，用于提取所述待检测图像的特征向量；
第二获取单元32，用于获取目标版权库中所包含多个图像对应的特征向量；
相似度计算单元33，用于对于所述目标版权库中的每个图像，计算该图像的特征向量与所述待检测图像的特征向量的相似度；
确定单元34，用于确定满足预设条件的相似度对应的目标版权库中的图像为与所述待检测图像相似的目标图像；
输出单元35，用于输出所述目标图像。
需要说明的是，上述各个单元的具体功能实现已在方法实施例中详细说明，本实施例不再赘述。
所述图像检测装置包括处理器和存储器，上述第一获取单元、特征向量提取单元、第二获取单元、相似度计算单元、确定单元和输出单元等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来快速准确地实现待检测图像的侵权检测。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。
本发明实施例提供了一种存储介质，其上存储有程序，该程序被处理器执行时实现所述图像检测方法。
本发明实施例提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行所述图像检测方法。
本发明实施例提供了一种电子设备，电子设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现以下步骤：
一种图像检测方法，所述方法包括：
获取待检测图像；
提取所述待检测图像的特征向量；
获取目标版权库中所包含多个图像对应的特征向量；
对于所述目标版权库中的每个图像，计算该图像的特征向量与所述待检测图像的特征向量的相似度；
确定满足预设条件的相似度对应的目标版权库中的图像为与所述待检测图像相似的目标图像；
输出所述目标图像。
可选地，所述提取所述待检测图像的特征向量，包括：
将所述待检测图像转换为HSV空间，得到待处理的HSV图像；
将所述待处理的HSV图像划分为多个区域；
对于每个区域的HSV图像，分别计算该区域的HSV图像的H、S、V三个通道的直方图，得到所述多个区域的HSV图像的H、S、V三个通道的直方图；
将所述多个区域的HSV图像的H、S、V三个通道的直方图频数归一化，拼接成一个一维向量作为所述待检测图像的特征向量。
可选地，所述将所述待处理的HSV图像划分为多个区域的HSV图像，包括：
将所述待处理的HSV图像划分为5个区域，其中，对所述待处理的HSV图像的长和宽分别等分，得到左上、右上、左下、右下四个相等区域作为四个区域的HSV图像；并且，将所述待处理的HSV图像中心作为中心，以所述待处理的HSV图像长度的四分之三为长轴，以所述待处理的HSV图像宽度的四分之三为短轴的椭圆区域内的HSV图像作为第五个区域的HSV图像。
可选地，所述待检测图像的特征向量的长度为K，所述K＝X*Y*Z*5，其中，X、Y、Z分别为HSV图像的H、S、V三个通道的直方图的分桶数；
可选地，当所述目标版权库中包含的图像数量小于预设阈值时，所述HSV图像的H、S、V三个通道直方图的分桶数分别为X＝8，Y＝12，Z＝3；
当所述目标版权库中包含的图像数量不小于预设阈值时，所述HSV图像的H、S、V三个通道直方图的分桶数分别为X＝3，Y＝4，Z＝2。
可选地，计算所述目标版权库中的每个图像的特征向量与所述待检测图像的特征向量的相似度，包括：
根据公式(E-Ei)2/sum(E+Ei+eps)计算所述目标版权库中的每个图像的特征向量与所述待检测图像的特征向量的卡方距离，其中，E为所述待检测图像的特征向量，Ei是所述目标版权库中标识ID为i的图像的特征向量，所述eps为预设极小值；
则，所述确定满足预设条件的相似度对应的目标版权库中的图像为与所述待检测图像相似的目标图像，包括：
确定满足预设条件的卡方距离对应的目标版权库中的图像为与待检测图像相似的目标图像。
可选地，计算所述目标版权库中的每个图像的特征向量与所述待检测图像的特征向量的卡方距离，包括：
将所述目标版权库中的每个图像的特征向量调整为二维矩阵；
计算所述目标版权库中的每个图像的特征向量的二维矩阵与所述待检测图像的特征向量的卡方距离。
本文中的电子设备可以是服务器、PC、PAD、手机等。
本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有如下方法步骤的程序：
一种图像检测方法，所述方法包括：
获取待检测图像；
提取所述待检测图像的特征向量；
获取目标版权库中所包含多个图像对应的特征向量；
对于所述目标版权库中的每个图像，计算该图像的特征向量与所述待检测图像的特征向量的相似度；
确定满足预设条件的相似度对应的目标版权库中的图像为与所述待检测图像相似的目标图像；
输出所述目标图像。
可选地，所述提取所述待检测图像的特征向量，包括：
将所述待检测图像转换为HSV空间，得到待处理的HSV图像；
将所述待处理的HSV图像划分为多个区域；
对于每个区域的HSV图像，分别计算该区域的HSV图像的H、S、V三个通道的直方图，得到所述多个区域的HSV图像的H、S、V三个通道的直方图；
将所述多个区域的HSV图像的H、S、V三个通道的直方图频数归一化，拼接成一个一维向量作为所述待检测图像的特征向量。
可选地，所述将所述待处理的HSV图像划分为多个区域的HSV图像，包括：
将所述待处理的HSV图像划分为5个区域，其中，对所述待处理的HSV图像的长和宽分别等分，得到左上、右上、左下、右下四个相等区域作为四个区域的HSV图像；并且，将所述待处理的HSV图像中心作为中心，以所述待处理的HSV图像长度的四分之三为长轴，以所述待处理的HSV图像宽度的四分之三为短轴的椭圆区域内的HSV图像作为第五个区域的HSV图像。
可选地，所述待检测图像的特征向量的长度为K，所述K＝X*Y*Z*5，其中，X、Y、Z分别为HSV图像的H、S、V三个通道的直方图的分桶数；
可选地，当所述目标版权库中包含的图像数量小于预设阈值时，所述HSV图像的H、S、V三个通道直方图的分桶数分别为X＝8，Y＝12，Z＝3；
当所述目标版权库中包含的图像数量不小于预设阈值时，所述HSV图像的H、S、V三个通道直方图的分桶数分别为X＝3，Y＝4，Z＝2。
可选地，计算所述目标版权库中的每个图像的特征向量与所述待检测图像的特征向量的相似度，包括：
根据公式(E-Ei)2/sum(E+Ei+eps)计算所述目标版权库中的每个图像的特征向量与所述待检测图像的特征向量的卡方距离，其中，E为所述待检测图像的特征向量，Ei是所述目标版权库中标识ID为i的图像的特征向量，所述eps为预设极小值；
则，所述确定满足预设条件的相似度对应的目标版权库中的图像为与所述待检测图像相似的目标图像，包括：
确定满足预设条件的卡方距离对应的目标版权库中的图像为与待检测图像相似的目标图像。
可选地，计算所述目标版权库中的每个图像的特征向量与所述待检测图像的特征向量的卡方距离，包括：
将所述目标版权库中的每个图像的特征向量调整为二维矩阵；
计算所述目标版权库中的每个图像的特征向量的二维矩阵与所述待检测图像的特征向量的卡方距离。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (6)

1.一种图像检测方法，其特征在于，所述方法包括：
获取待检测图像；
提取所述待检测图像的特征向量；
获取目标版权库中所包含多个图像对应的特征向量；
对于所述目标版权库中的每个图像，计算该图像的特征向量与所述待检测图像的特征向量的相似度；
确定满足预设条件的相似度对应的目标版权库中的图像为与所述待检测图像相似的目标图像；
输出所述目标图像；
其中，所述提取所述待检测图像的特征向量，包括：
将所述待检测图像转换为HSV空间，得到待处理的HSV图像；
将所述待处理的HSV图像划分为多个区域；
对于每个区域的HSV图像，分别计算该区域的HSV图像的H、S、V三个通道的直方图，得到所述多个区域的HSV图像的H、S、V三个通道的直方图；
将所述多个区域的HSV图像的H、S、V三个通道的直方图频数归一化，拼接成一个一维向量作为所述待检测图像的特征向量；
其中，所述将所述待处理的HSV图像划分为多个区域，包括：
将所述待处理的HSV图像划分为5个区域，其中，对所述待处理的HSV图像的长和宽分别等分，得到左上、右上、左下、右下四个相等区域作为四个区域的HSV图像；并且，将所述待处理的HSV图像中心作为中心，以所述待处理的HSV图像长度的四分之三为长轴，以所述待处理的HSV图像宽度的四分之三为短轴的椭圆区域内的HSV图像作为第五个区域的HSV图像；
所述待检测图像的特征向量的长度为K，所述K＝X*Y*Z*5，其中，X、Y、Z分别为HSV图像的H、S、V三个通道的直方图的分桶数；当所述目标版权库中包含的图像数量小于预设阈值时，所述HSV图像的H、S、V三个通道直方图的分桶数分别为X＝8，Y＝12，Z＝3；
当所述目标版权库中包含的图像数量不小于预设阈值时，所述HSV图像的H、S、V三个通道直方图的分桶数分别为X＝3，Y＝4，Z＝2。
2.根据权利要求1所述的方法，其特征在于，计算所述目标版权库中的每个图像的特征向量与所述待检测图像的特征向量的相似度，包括：
根据公式(E-Ei)2/sum(E+Ei+eps)计算所述目标版权库中的每个图像的特征向量与所述待检测图像的特征向量的卡方距离，其中，E为所述待检测图像的特征向量，Ei是所述目标版权库中标识ID为i的图像的特征向量，所述eps为预设极小值；
则，所述确定满足预设条件的相似度对应的目标版权库中的图像为与所述待检测图像相似的目标图像，包括：
确定满足预设条件的卡方距离对应的目标版权库中的图像为与待检测图像相似的目标图像。
3.根据权利要求2所述的方法，其特征在于，计算所述目标版权库中的每个图像的特征向量与所述待检测图像的特征向量的卡方距离，包括：
将所述目标版权库中的每个图像的特征向量调整为二维矩阵；
计算所述目标版权库中的每个图像的特征向量的二维矩阵与所述待检测图像的特征向量的卡方距离。
4.一种图像检测装置，其特征在于，所述装置包括：
第一获取单元，用于获取待检测图像；
特征向量提取单元，用于提取所述待检测图像的特征向量；
第二获取单元，用于获取目标版权库中所包含多个图像对应的特征向量；
相似度计算单元，用于对于所述目标版权库中的每个图像，计算该图像的特征向量与所述待检测图像的特征向量的相似度；
确定单元，用于确定满足预设条件的相似度对应的目标版权库中的图像为与所述待检测图像相似的目标图像；
输出单元，用于输出所述目标图像；
其中，所述提取所述待检测图像的特征向量，包括：
将所述待检测图像转换为HSV空间，得到待处理的HSV图像；
将所述待处理的HSV图像划分为多个区域；
对于每个区域的HSV图像，分别计算该区域的HSV图像的H、S、V三个通道的直方图，得到所述多个区域的HSV图像的H、S、V三个通道的直方图；
将所述多个区域的HSV图像的H、S、V三个通道的直方图频数归一化，拼接成一个一维向量作为所述待检测图像的特征向量；
其中，所述将所述待处理的HSV图像划分为多个区域，包括：
将所述待处理的HSV图像划分为5个区域，其中，对所述待处理的HSV图像的长和宽分别等分，得到左上、右上、左下、右下四个相等区域作为四个区域的HSV图像；并且，将所述待处理的HSV图像中心作为中心，以所述待处理的HSV图像长度的四分之三为长轴，以所述待处理的HSV图像宽度的四分之三为短轴的椭圆区域内的HSV图像作为第五个区域的HSV图像；
所述待检测图像的特征向量的长度为K，所述K＝X*Y*Z*5，其中，X、Y、Z分别为HSV图像的H、S、V三个通道的直方图的分桶数；当所述目标版权库中包含的图像数量小于预设阈值时，所述HSV图像的H、S、V三个通道直方图的分桶数分别为X＝8，Y＝12，Z＝3；
当所述目标版权库中包含的图像数量不小于预设阈值时，所述HSV图像的H、S、V三个通道直方图的分桶数分别为X＝3，Y＝4，Z＝2。
5.一种存储介质，其特征在于，所述存储介质存储有程序，以实现权利要求1-3中任意一项所述的图像检测方法的步骤。
6.一种电子设备，其特征在于，包括：
存储器和处理器；
所述存储器存储有适于所述处理器执行的程序，以实现权利要求1-3中任意一项所述的图像检测方法的步骤。
CN201811145768.2A 2018-09-29 2018-09-29 图像检测方法及装置 Active CN110992300B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201811145768.2A CN110992300B (zh) 2018-09-29 2018-09-29 图像检测方法及装置
PCT/CN2019/107253 WO2020063523A1 (zh) 2018-09-29 2019-09-23 图像检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811145768.2A CN110992300B (zh) 2018-09-29 2018-09-29 图像检测方法及装置

Publications (2)

Publication Number Publication Date
CN110992300A CN110992300A (zh) 2020-04-10
CN110992300B true CN110992300B (zh) 2023-04-07

Family

ID=69953322

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811145768.2A Active CN110992300B (zh) 2018-09-29 2018-09-29 图像检测方法及装置

Country Status (2)

Country Link
CN (1) CN110992300B (zh)
WO (1) WO2020063523A1 (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112149744B (zh) * 2020-09-25 2022-09-16 浙江数秦科技有限公司 一种侵权图片快速识别方法
CN112215812B (zh) * 2020-09-30 2023-12-19 大方众智创意广告(珠海)有限公司 图像检测方法、装置、电子设备及可读存储介质
CN112579986B (zh) * 2020-12-25 2022-02-15 特赞（上海）信息科技有限公司 图像侵权检测方法、设备和系统
CN114359590A (zh) * 2021-12-06 2022-04-15 支付宝(杭州)信息技术有限公司 Nft图像作品侵权检测方法、装置、及计算机存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101930608A (zh) * 2010-08-26 2010-12-29 北京交通大学 篡改图像的盲检测方法和系统
CN103530655A (zh) * 2013-05-24 2014-01-22 Tcl集团股份有限公司 一种台标识别方法及系统
CN106033549A (zh) * 2015-03-16 2016-10-19 北京大学 一种车辆检索中的重排序方法及装置
CN108489996A (zh) * 2018-02-11 2018-09-04 深圳市朗驰欣创科技股份有限公司 一种绝缘子的缺陷检测方法、系统及终端设备

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7379627B2 (en) * 2003-10-20 2008-05-27 Microsoft Corporation Integrated solution to digital image similarity searching
CN104252473A (zh) * 2013-06-27 2014-12-31 镇江睿泰信息科技有限公司 一种图像识别方法
CN103745201B (zh) * 2014-01-06 2018-01-12 Tcl集团股份有限公司 一种节目识别方法及装置
CN103824086A (zh) * 2014-03-24 2014-05-28 东方网力科技股份有限公司 一种图像匹配方法及装置
CN105183857A (zh) * 2015-09-10 2015-12-23 成都品果科技有限公司 一种自动的图片训练样本提取方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101930608A (zh) * 2010-08-26 2010-12-29 北京交通大学 篡改图像的盲检测方法和系统
CN103530655A (zh) * 2013-05-24 2014-01-22 Tcl集团股份有限公司 一种台标识别方法及系统
CN106033549A (zh) * 2015-03-16 2016-10-19 北京大学 一种车辆检索中的重排序方法及装置
CN108489996A (zh) * 2018-02-11 2018-09-04 深圳市朗驰欣创科技股份有限公司 一种绝缘子的缺陷检测方法、系统及终端设备

Also Published As

Publication number Publication date
CN110992300A (zh) 2020-04-10
WO2020063523A1 (zh) 2020-04-02

Similar Documents

Publication Publication Date Title
CN110992300B (zh) 图像检测方法及装置
US11132555B2 (en) Video detection method, server and storage medium
CN109117848B (zh) 一种文本行字符识别方法、装置、介质和电子设备
US8374454B2 (en) Detection of objects using range information
Hua et al. Similarity measure for image resizing using SIFT feature
US8879837B2 (en) Method for identifying pairs of derivative and original images
CN108256532A (zh) 图像处理方法、装置、电子设备及存储介质
US9305603B2 (en) Method and apparatus for indexing a video stream
CN109409321B (zh) 一种镜头运动方式的确定方法及装置
CN114708287A (zh) 一种镜头边界检测方法、设备及存储介质
CN109902588B (zh) 一种手势识别方法、装置及计算机可读存储介质
CN111369599B (zh) 一种图像匹配方法、设备、装置及存储介质
CN111079793A (zh) 图标相似度的确定方法和电子设备
CN112052857A (zh) 一种票据图像中目标字段的检测方法及相关装置
CN109903246B (zh) 检测图像变化的方法及装置
CN114155172A (zh) 一种图像处理方法和系统
CN110223320B (zh) 物体检测跟踪方法和检测跟踪装置
CN107392859B (zh) 高光区域的消除方法、装置及终端
CN110019951B (zh) 一种生成视频缩略图的方法及设备
CN114219938A (zh) 感兴趣区域获取方法
Jang et al. Robust detection of mosaic regions in visual image data
CN113205079A (zh) 一种人脸检测方法、装置、电子设备及存储介质
CN110019356B (zh) 数据查询方法及装置
CN113420844B (zh) 物体缺陷检测方法、装置、电子设备和存储介质
CN110968758B (zh) 网页数据的爬取方法及装置

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