CN111428121B - 搜索信息的方法和装置 - Google Patents

Abstract

本公开实施例公开了搜索信息的方法和装置。方法包括：获取输入的图像或实时视频流；从图像或实时视频流的视频帧序列中，确定图像质量符合预设质量条件的待搜索图像；检测待搜索图像中的目标的环境是否符合预设环境类别；若符合，则采用与所符合的预设环境类别相匹配的识别服务，识别待搜索图像中的目标，得到目标识别结果。该方法可以快速、精准地确定适用于识别目标的识别服务，从而有效提高识别待搜索图像中的目标的效率和准确率。

Description

搜索信息的方法和装置

技术领域

本公开涉及计算机技术领域，具体涉及信息识别技术领域，尤其涉及搜索信息的方法和装置。

背景技术

随着视觉识别技术的不断发展，越来越多的用户在移动终端上通过视觉搜索技术，来满足感知周边物体的搜索需求。

视觉搜索技术是一种以图像、视频等视觉内容作为搜索输入源，利用视觉识别相关技术，将输入的视觉内容感知、识别、检索，并返回相关信息以满足搜索需求的技术。

发明内容

本公开实施例提供了搜索信息的方法和装置。

第一方面，本公开实施例提供了一种搜索信息的方法，包括：获取输入的图像或实时视频流；从图像或实时视频流的视频帧序列中，确定图像质量符合预设质量条件的待搜索图像；检测待搜索图像中的目标的环境是否符合预设环境类别；若符合，则采用与所符合的预设环境类别相匹配的识别服务，识别待搜索图像中的目标，得到目标识别结果。

在一些实施例中，从图像或实时视频流的视频帧序列中，确定图像质量符合预设质量条件的待搜索图像包括：基于以下至少一项确定用户是否有搜索意图：硬件传感器信息；图像或实时视频流的视频帧序列的画面运动信息；响应于确定用户有搜索意图，基于硬件传感器信息和/或质量判断模型，判断图像或视频帧序列中是否存在图像质量符合预设质量条件的待搜索图像。

在一些实施例中，若符合，则采用与所符合的预设环境类别相匹配的识别服务，识别待搜索图像中的目标，得到目标识别结果包括：若待搜索图像中的目标的环境符合以下任意一项：实体环境、二维码环境或条形码环境，则采用目标检测模型，检测待搜索图像中的目标，得到第一目标位置区域；以及采用目标分类模型，确定第一目标位置区域的目标所属的预设图像类别为目标图像类别；其中，预设图像类别包括：实体类别、条形码类别和二维码类别；采用云端对应目标图像类别的识别服务，识别第一目标位置区域的目标，得到第一目标识别结果。

在一些实施例中，方法还包括：经由云端图像检索和服务接口，获取第一目标识别结果的以下至少一项相关信息和/或服务：类别名称、百度百科词条、相同图、相似图、商品购买页和用户点评内容。

在一些实施例中，若符合，则采用与所符合的预设环境类别相匹配的识别服务，识别待搜索图像中的目标，得到目标识别结果包括：若待搜索图像中的目标的环境符合文字环境，则采用云端光学字符检测服务，检测待搜索图像中的目标，得到第二目标位置区域；以及采用云端光学字符识别服务，识别第二目标位置区域的目标，得到第二目标识别结果。

在一些实施例中，方法还包括：经由云端文字检索和服务接口，获取第二目标识别结果的以下至少一项相关信息和/或服务：文字拷贝、链接跳转、文字翻译和搜索题目。

在一些实施例中，方法还包括：将获取的目标识别结果的相关信息和/或服务，与待搜索图像中的目标相贴合，并将贴合后的内容呈现给用户。

在一些实施例中，方法还包括：在将贴合后的内容呈现给用户时，向用户呈现对应相关信息和/或服务的至少一个播报选项；当用户选择一个播报选项时，向用户播报被选择的播报选项所对应的相关信息和/或服务的内容。

在一些实施例中，所述方法还包括：在将贴合后的内容呈现给用户时，若检测到用户选中所呈现的相关信息和/或服务中的文字并且用户已选中翻译选项，向用户呈现被选中的文字在预设语种的翻译结果。

在一些实施例中，所述方法还包括：在将贴合后的内容呈现给用户时，若检测到用户输入的语音搜索指令，基于语音搜索指令完成对所呈现的相关信息和/或服务的延伸搜索。

在一些实施例中，所述方法还包括：在将贴合后的内容呈现给用户时，若接收到用户输入的对所呈现的贴合后的内容的操作轨迹，且接收到的操作轨迹符合预设操作轨迹，执行预设操作轨迹所关联的预设动作。

在一些实施例中，所述方法还包括：在将贴合后的内容呈现给用户时，若检测到用户选中所呈现的相关信息和/或服务中的链接，向用户呈现被选中的链接所关联的内容页。

在一些实施例中，所述方法还包括：在将贴合后的内容呈现给用户时，若检测到用户选中所呈现的相关信息和/或服务中的修正选项，向用户呈现修正界面，并根据用户在修正界面的输入，修改贴合后的内容，并向用户呈现修改后的贴合后的内容。

第二方面，本公开实施例提供了一种搜索信息的装置，包括：图像获取单元，被配置成获取输入的图像或实时视频流；质量确定单元，被配置成从图像或实时视频流的视频帧序列中，确定图像质量符合预设质量条件的待搜索图像；环境检测单元，被配置成检测待搜索图像中的目标的环境是否符合预设环境类别；目标识别单元，被配置成若检测待搜索图像中的目标的环境符合预设环境类别，则采用与所符合的预设环境类别相匹配的识别服务，识别待搜索图像中的目标，得到目标识别结果。

在一些实施例中，质量确定单元包括：意图确定子单元，被配置成基于以下至少一项确定用户是否有搜索意图：硬件传感器信息；图像或实时视频流的视频帧序列的画面运动信息；质量判断子单元，被配置成响应于确定用户有搜索意图，基于硬件传感器信息和/或质量判断模型，判断图像或视频帧序列中是否存在图像质量符合预设质量条件的待搜索图像。

在一些实施例中，目标识别单元包括：目标检测子单元，被配置成若待搜索图像中的目标的环境符合以下任意一项：实体环境、二维码环境或条形码环境，则采用目标检测模型，检测待搜索图像中的目标，得到第一目标位置区域；以及类别确定子单元，被配置成采用目标分类模型，确定第一目标位置区域的目标所属的预设图像类别为目标图像类别；其中，预设图像类别包括：实体类别、条形码类别和二维码类别；结果识别子单元，被配置成采用云端对应目标图像类别的识别服务，识别第一目标位置区域的目标，得到第一目标识别结果。

在一些实施例中，装置还包括：内容获取单元，被配置成获取经由云端图像检索和服务接口，获取第一目标识别结果的以下至少一项相关信息和/或服务：类别名称、百度百科词条、相同图、相似图、商品购买页和用户点评内容。

在一些实施例中，目标识别单元包括：文字检测子单元，被配置成若待搜索图像中的目标的环境符合文字环境，则采用云端光学字符检测服务，检测待搜索图像中的目标，得到第二目标位置区域；以及字符识别子单元，被配置成采用云端光学字符识别服务，识别第二目标位置区域的目标，得到第二目标识别结果。

在一些实施例中，装置还包括：结果获取单元，被配置成经由云端文字检索和服务接口，获取第二目标识别结果的以下至少一项相关信息和/或服务：文字拷贝、链接跳转、文字翻译和搜索题目。

在一些实施例中，装置还包括：内容呈现单元，被配置成将获取的目标识别结果的相关信息和/或服务，与待搜索图像中的目标相贴合，并将贴合后的内容呈现给用户。

在一些实施例中，装置还包括：内容播报单元，被配置成在将贴合后的内容呈现给用户时，向用户呈现对应相关信息和/或服务的至少一个播报选项；当用户选择一个播报选项时，向用户播报被选择的播报选项所对应的相关信息和/或服务的内容。

在一些实施例中，所述装置还包括：翻译呈现单元，被配置成在将贴合后的内容呈现给用户时，若检测到用户选中所呈现的相关信息和/或服务中的文字并且用户已选中翻译选项，向用户呈现被选中的文字在预设语种的翻译结果。

在一些实施例中，所述装置还包括：搜索延伸单元，被配置成在将贴合后的内容呈现给用户时，若检测到用户输入的语音搜索指令，基于语音搜索指令完成对所呈现的相关信息和/或服务的延伸搜索。

在一些实施例中，所述装置还包括：响应执行单元，被配置成在将贴合后的内容呈现给用户时，若接收到用户输入的对所呈现的贴合后的内容的操作轨迹，且接收到的操作轨迹符合预设操作轨迹，执行预设操作轨迹所关联的预设动作。

在一些实施例中，所述装置还包括：链接呈现单元，被配置成在将贴合后的内容呈现给用户时，若检测到用户选中所呈现的相关信息和/或服务中的链接，向用户呈现被选中的链接所关联的内容页。

在一些实施例中，所述装置还包括：修改呈现单元，被配置成在将贴合后的内容呈现给用户时，若检测到用户选中所呈现的相关信息和/或服务中的修正选项，向用户呈现修正界面，并根据用户在修正界面的输入，修改贴合后的内容，并向用户呈现修改后的贴合后的内容。

第三方面，本公开实施例提供了一种电子设备/终端/服务器，包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如上任一所述的搜索信息的方法。

第四方面，本公开实施例提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如上任一所述的搜索信息的方法。

本公开实施例提供的搜索信息的方法和装置，首先获取输入的图像或实时视频流；之后，从图像或实时视频流的视频帧序列中，确定图像质量符合预设质量条件的待搜索图像；之后，检测待搜索图像中的目标的环境是否符合预设环境类别；最后，若待搜索图像中的目标的环境符合预设环境类别，则采用与所符合的预设环境类别相匹配的识别服务，识别待搜索图像中的目标，得到目标识别结果。在这一过程中，首先确定质量合格的待搜索图像，之后采用待搜索图像中的目标的环境所符合的预设环境类别所匹配的识别服务，来识别待搜索视频中的目标，得到识别结果，可以快速、精准地确定适用于识别目标的识别服务，从而有效提高识别待搜索图像中的目标的效率和准确率。

附图说明

通过阅读参照以下附图所作的对非限制性实施例详细描述，本公开的其它特征、目的和优点将会变得更明显：

图1是本公开可以应用于其中的示例性系统架构图；

图2是根据本公开实施例的搜索信息的方法的一个实施例的流程示意图；

图3是根据本公开实施例的搜索信息的方法的一个示例性应用场景；

图4是根据本公开实施例的搜索信息的方法的又一个实施例的流程示意图；

图5是本公开的搜索信息的装置的一个实施例的示例性结构图；

图6是适于用来实现本公开实施例的服务器的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。本领域技术人员还将理解的是，虽然本文中可使用用语“第一”、“第二”等来描述各种目标位置区域、目标识别结果，但是这些目标位置区域、目标识别结果不应被这些用语限制。这些用语仅用于将一个目标位置区域、目标识别结果与其它目标位置区域、目标识别结果区分开。

图1示出了可以应用本公开的搜索信息的方法或搜索信息的装置的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种应用，例如图像处理应用、行驶提醒应用、行驶控制应用等。

终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是支持图像识别应用的各种电子设备，包括但不限于智能终端、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103提供支持的后台服务器。后台服务器可以对接收到的请求等数据进行分析等处理，并将处理结果反馈给终端设备。

需要说明的是，服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。

在实践中，本公开实施例所提供的搜索信息的方法可以由终端设备101、102、103执行，搜索信息的装置也可以设置于终端设备101、102、103中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，图2示出了根据本公开的搜索信息的方法的一个实施例的流程200。该搜索信息的方法包括以下步骤：

步骤201，获取输入的图像或实时视频流。

在本实施例中，搜索信息的方法的执行主体(例如图1所示的终端)可以从本地相册或摄像头获取输入的图像或实时视频流。

步骤202，从图像或实时视频流的视频帧序列中，确定图像质量符合预设质量条件的待搜索图像。

在本实施例中，可以对图像或实时视频流的视频帧序列进行图像质量检测，并将检测结果中图像质量符合预设质量条件的图像或视频帧，作为待搜索图像。这里的待搜索图像，可以为至少一张图像，也可以为视频帧序列中的至少一帧视频帧。

进行图像质量检测的方法，可以为现有技术或未来发展的技术中用于检测图像质量的方法，本申请对此不作限定。例如，基于图像的清晰度检测图像质量的方法，或者基于图像的失真度检测图像质量的方法等。

可选地，可以基于以下至少一项确定用户是否有搜索意图：硬件传感器信息；图像或实时视频流的视频帧序列的画面运动信息。响应于确定用户有搜索意图，基于硬件传感器信息和/或质量判断模型，判断图像或视频帧序列中是否存在图像质量符合预设质量条件的待搜索图像。

在这里，首先可以检测和判断用户是否有搜索意图，当用户无搜索意图时，可以对输入的图像或实时视频流不做后续处理。

硬件传感器信息是指可以描述终端状态的硬件传感器的信息。例如加速度传感器信息、陀螺仪传感器信息、光线传感器信息或距离传感器信息等。在确定用户是否有搜索意图时，可以基于硬件传感器信息中的一项或多项确定用户是否有搜索意图。例如，若陀螺仪传感器信息、加速度传感器信息指示终端处于快速移动中，可以确定用户不具有搜索意图；若光线传感器信息指示终端处于光线极暗的环境中、距离传感器信息指示终端距外部物体的距离小于预定阈值，可以确定用户不具有搜索意图。

画面运动信息，是指画面中的目标是否出现拖尾或两张以上的画面中的同一目标是否处于运动中。备选地或附加地，可以基于图像或实时视频流的视频帧序列的画面运动信息，确定用户是否有搜索意图。例如，若图像或视频帧序列的画面运动信息指示画面处于快速运动中，可以确定用户无搜索意图。

若同时基于硬件传感器信息和画面运动信息来确定用户有无搜索意图，可以提高确定的结果的准确性。

在确定用户具有搜索意图之后，可以基于硬件传感器信息和/或质量判断模型，判断图像或视频帧序列中是否存在图像质量符合预设质量条件的待搜索图像。对于模糊图、黑图，可以不做后续处理，并提示用户需提升图片、视频质量。

具体地，可以基于上述硬件传感器信息，判断图像的质量是否符合预设质量，例如，基于陀螺仪传感器信息、加速度传感器信息确定终端处于快速移动中，确定当前采集的图像是不符合预设质量的图像。备选地或附加地，可以基于预先训练的质量判断模型，来判断图像的质量是否符合预设质量。预先训练的质量判断模型，可以设置于云端或终端本地。将预先训练的质量判断模型设置于本地，可以提高判断图像的质量是否符合预设质量的效率。

若同时基于硬件传感器信息和质量判断模型确定图像的质量符合预设质量，可以更为准确的确定符合预设质量的图像，并将确定的符合预设质量的图像作为待搜索图像。

步骤203，检测待搜索图像中的目标的环境是否符合预设环境类别。

在本实施例中，预设环境类别，可以包括但不限于：实体环境类别、二维码环境类别、条形码环境类别、文字环境类别、植物环境类别、汽车环境类别、名人环境类别等。

上述执行主体可以基于预设规则检测待搜索图像中的目标的环境是否符合预设环境类别，也可以基于已训练完成的环境检测模型检测待搜索图像中的目标的环境是否符合预设环境类别。已训练完成的环境检测模型，可以设置于云端或本地。将已训练完成的环境检测模型设置于本地，可以提高检测待搜索图像中的目标的环境是否符合预设环境类别的效率。

步骤204，若符合，则采用与所符合的预设环境类别相匹配的识别服务，识别待搜索图像中的目标，得到目标识别结果。

在本实施例中，基于对待搜索图像中的目标的环境的检测结果，可以针对不同的环境采用不同的识别服务。进一步地，针对识别得到的目标识别结果，可以经由云端图像检索和服务接口，获取待搜索图像中的目标的相关信息和/或服务。

在采用则采用与所符合的预设环境类别相匹配的识别服务，识别待搜索图像中的目标，得到目标识别结果时，可以采用本地运行的视觉跟踪算法(如光流法Lucas-Kanade、相关滤波的算法如KCF、目标跟踪算法SAMF、SLAM等)，对检测到的目标位置区域进行定位、追踪。

可选步骤205，将获取的目标识别结果的相关信息和/或服务，与待搜索图像中的目标相贴合，并将贴合后的内容呈现给用户。

在本实施例中，在经由云端图像检索和服务接口获取目标识别结果的相关信息和/或服务之后，或者，经由云端文字检索和服务接口获取目标识别结果的相关信息和/或服务之后，可以将这些相关信息和/或服务实时贴合于待搜索图像中的目标的位置或贴合于待搜索图像中的目标的周围呈现给用户。

本公开上述实施例的搜索信息的方法，首先确定质量合格的待搜索图像，之后采用待搜索图像中的目标的环境所符合的预设环境类别所匹配的识别服务，来识别待搜索视频中的目标，得到识别结果，可以快速、精准地确定适用于识别目标的识别服务，从而有效提高识别待搜索图像中的目标的效率和准确率；并且，将各类不同待搜索图像的目标的视觉搜索整合成一个通用的视觉搜索入口，无需针对不同类别的待搜索图像的目标的视觉搜索采用不同类别的搜索入口，便于用户操作，提高了连续识别效率。

在本实施例的一些可选实现方式中，上述方法还包括：在将贴合后的内容呈现给用户时，向用户呈现对应相关信息和/或服务的至少一个播报选项；当用户选择一个播报选项时，向用户播报被选择的播报选项所对应的相关信息和/或服务的内容。

在本实现方式中，可以在贴合后的内容中，添加播报选项，并在用户选中“播报”选项时，播报被选中的播报选项所对应的相关信息和/或服务的内容。通过播报被选择的播报选项所对应的相关信息和/或服务的内容，拓宽了用户接收信息的渠道，提高了人机交互效率。

备选地或附加地，上述方法还包括：在将贴合后的内容呈现给用户时，若检测到用户选中所呈现的相关信息和/或服务中的文字并且用户已选中翻译选项，向用户呈现被选中的文字在预设语种的翻译结果。

在这里，对于用户的翻译需求，用户可以在贴合后的内容中以涂抹、圈选等方式选中需要翻译的文字区域，从而向用户呈现被选中的文字在预设语种的翻译结果。这里的预设语种，可以为默认语种或用户设置的语种。

上述执行主体可以在用户选中文字后向用户呈现翻译选项以供用户选择，也可以在设置中接受用户的预先设置，该预先设置在用户选中文字时呈现文字在预设语种的翻译结果。

通过提供对贴合后的内容的选中区域的翻译结果，可以丰富向用户提供的信息，并提高用户对于贴合后的内容的学习和理解效率。

备选地或附加地，在将贴合后的内容呈现给用户时，若检测到用户输入的语音搜索指令，基于语音搜索指令完成对所呈现的相关信息和/或服务的延伸搜索。

在这里，对于用户进一步的搜索需求，用户可以在终端呈现贴合后的内容时，语音输入指令以完成对呈现的贴合后的内容的延伸搜索，从而提高延伸搜索的便利性，提高人机交互效率。

备选地或附加地，在将贴合后的内容呈现给用户时，若接收到用户输入的对所呈现的贴合后的内容的操作轨迹，且接收到的操作轨迹符合预设操作轨迹，执行预设操作轨迹所关联的预设动作。

在这里，在呈现贴合后的内容后，若用户对贴合后的内容输入预设操作轨迹，可以执行预设操作轨迹所关联的预设动作，从而可以通过操作轨迹输入指令，提高指令的输入效率。例如，用户可将手置于贴合后的内容中所呈现的实时视频画面内，通过各种手指动作如捏合、滑动等完成对于显示效果的指令的输入。

备选地或附加地，在将贴合后的内容呈现给用户时，若检测到用户选中所呈现的相关信息和/或服务中的链接，向用户呈现被选中的链接所关联的内容页。

在这里，在呈现贴合后的内容时，贴合后的内容中可以包括用户感兴趣的链接，若用户对呈现的贴合后的内容中的链接进行点击，上述执行主体可以向用户呈现链接所关联的内容页，从而提高用户获取信息的效率，提高人机交互效率。

在一些实施例中，在将贴合后的内容呈现给用户时，若检测到用户选中所呈现的相关信息和/或服务中的修正选项，向用户呈现修正界面，并根据用户在修正界面的输入，修改所述贴合后的内容，并向用户呈现修改后的贴合后的内容。

在这里，在呈现贴合后的内容时，贴合后的内容中可以包括对目标识别结果的相关信息和/或服务的修正选项，若用户选中修正选项，上述执行主体可以向用户呈现修正界面，用户在修正界面输入针对修正选项的修正内容，上述执行主体可以修改贴合后的内容，并向用户呈现修改后的贴合后的内容，从而提高向用户呈现的贴合后的内容的准确率，提高人机交互效率。

以下结合图3，描述本公开的搜索信息的方法的示例性应用场景。

如图3所示，图3示出了根据本公开的搜索信息的方法的一个示例性应用场景。

如图3所示，搜索信息的方法300运行于电子设备310中，可以包括：

首先，获取输入的图像或实时视频流301；

之后，从图像或实时视频流301的视频帧序列中，确定图像质量302符合预设质量条件303的待搜索图像304；

之后，检测待搜索图像304中的目标的环境是否符合预设环境类别305；

最后，若待搜索图像304中的目标的环境符合预设环境类别305，则采用与所符合的预设环境类别305相匹配的识别服务306，识别待搜索图像中的目标，得到目标识别结果307。

应当理解，上述图3中所示出的搜索信息的方法的应用场景，仅为对于搜索信息的方法的示例性描述，并不代表对该方法的限定。例如，上述图3中示出的各个步骤，可以进一步采用更为细节的实现方法。也可以在上述图3的基础上，进一步增加对得到的目标识别结果进行应用的步骤。

进一步参考图4，图4示出了根据本公开的搜索信息的方法的又一个实施例的示意性流程图。

如图4所示，本实施例的搜索信息的方法400，可以包括以下步骤：

步骤401，获取输入的图像或实时视频流，之后执行步骤402。

在本实施例中，搜索信息的方法的执行主体(例如图1所示的终端)可以从本地相册或摄像头获取输入的图像或实时视频流。

步骤402，从图像或实时视频流的视频帧序列中，确定图像质量符合预设质量条件的待搜索图像，之后执行步骤403。

在本实施例中，可以对图像或实时视频流的视频帧序列进行图像质量检测，并将检测结果中图像质量符合预设质量条件的图像或视频帧，作为待搜索图像。进行图像质量检测的方法，可以为现有技术或未来发展的技术中用于检测图像质量的方法，本申请对此不作限定。例如，基于图像的清晰度检测图像质量的方法，或者基于图像的失真度检测图像质量的方法等。

步骤403，检测待搜索图像中的目标的环境是否符合预设环境类别，之后执行步骤404或步骤407。

步骤404，若待搜索图像中的目标的环境符合以下任意一项：实体环境、二维码环境或条形码环境，则采用目标检测模型，检测待搜索图像中的目标，得到第一目标位置区域，之后执行步骤405。

在本实施例中，若待搜索图像中的目标的环境检测结果是实体环境、二维码环境或条形码环境，则可以采用云端或本地运行的已训练完成的目标检测模型，检测待搜索图像中的目标，得到对应目标的第一目标位置区域。

步骤405，采用目标分类模型，确定第一目标位置区域的目标所属的预设图像类别为目标图像类别，之后执行步骤406。

在本实施例中，预设图像类别包括：实体类别、条形码类别和二维码类别。通过在云端或本地设置的目标分类模型，可以对第一目标位置区域的目标进行粗粒度的分类，得到第一目标位置区域的目标所属的预设图像类别，也即目标图像类别。

步骤406，采用云端对应目标图像类别的识别服务，识别第一目标位置区域的目标，得到第一目标识别结果。

在本实施例中，在得到目标图像类别之后，可以采用云端对应目标图像类别的识别服务，对第一目标位置区域的目标进行细粒度识别，得到目标的细粒度识别结果，也即第一目标识别结果。

步骤407，若待搜索图像中的目标的环境符合文字环境，则采用云端光学字符检测服务，检测待搜索图像中的目标，得到第二目标位置区域，之后执行步骤408。

在本实施例中，通过云端光学字符检测服务，可以检测待搜索图像中的目标，得到目标文字区域，也即第二目标位置区域。

步骤408，采用云端光学字符识别服务，识别第二目标位置区域的目标，得到第二目标识别结果。

在本实施例中，对于第二目标位置区域的目标，可以采用云端光学字符识别服务，得到文字识别结果，也即第二目标识别结果。

本公开上述实施例的搜索信息的方法，与图2所示的实施例相比，可以针对待搜索视频中的目标的环境，分别采用与该环境相匹配的识别服务识别待搜索视频中的目标，并且针对环境为实体环境、二维码环境或条形码环境的目标，采用与目标所属的预设图像类别相对应的识别服务识别目标，从而通过层层分类，得到细粒度的识别结果，使得目标的识别结果更为精准；针对环境为文字环境的目标，采用专用的云端光学字符检测服务，检测实时视频帧中的第二目标位置区域，并识别第二目标位置区域的目标，得到第二目标识别结果，提高了识别包括文字的图像的准确度。

在本实施例的一些可选实现方式中，方法还包括：经由云端图像检索和服务接口，获取第一目标识别结果的以下至少一项相关信息和/或服务：类别名称、百度百科词条、相同图、相似图、商品购买页和用户点评内容。

在本实现方式中，经由云端图像检索和服务接口获取的第一目标识别结果的相关信息和服务的内容丰富多样，提高了向用户返回的结果的数据的多样性，从而提高了用户的搜索效率。

在本实施例的一些可选实现方式中，方法还包括：经由云端文字检索和服务接口，获取第二目标识别结果的以下至少一项相关信息和/或服务：文字拷贝、链接跳转、文字翻译和搜索题目。

在本实现方式中，经由云端图像检索和服务接口获取的第二目标识别结果的相关信息和服务的内容丰富多样，提高了向用户返回的结果的数据的多样性，从而提高了用户的搜索效率。

作为对上述各图所示方法的实现，本公开实施例提供了一种搜索信息的装置的一个实施例，该装置实施例与图2-图4中所示的方法实施例相对应，该装置具体可以应用于上述图1所示的终端中。

如图5所示，本实施例的搜索信息的装置500可以包括：图像获取单元501，被配置成获取输入的图像或实时视频流；质量确定单元502，被配置成从图像或实时视频流的视频帧序列中，确定图像质量符合预设质量条件的待搜索图像；环境检测单元503，被配置成检测待搜索图像中的目标的环境是否符合预设环境类别；目标识别单元504，被配置成若检测待搜索图像中的目标的环境符合预设环境类别，则采用与所符合的预设环境类别相匹配的识别服务，识别待搜索图像中的目标，得到目标识别结果。

在本实施例的一些可选实现方式中，质量确定单元502包括(图中未示出)：意图确定子单元，被配置成基于以下至少一项确定用户是否有搜索意图：硬件传感器信息；图像或实时视频流的视频帧序列的画面运动信息；质量判断子单元，被配置成响应于确定用户有搜索意图，基于硬件传感器信息和/或质量判断模型，判断图像或视频帧序列中是否存在图像质量符合预设质量条件的待搜索图像。

在本实施例的一些可选实现方式中，目标识别单元504包括(图中未示出)：目标检测子单元，被配置成若待搜索图像中的目标的环境符合以下任意一项：实体环境、二维码环境或条形码环境，则采用目标检测模型，检测待搜索图像中的目标，得到第一目标位置区域；以及类别确定子单元，被配置成采用目标分类模型，确定第一目标位置区域的目标所属的预设图像类别为目标图像类别；其中，预设图像类别包括：实体类别、条形码类别和二维码类别；结果识别子单元，被配置成采用云端对应目标图像类别的识别服务，识别第一目标位置区域的目标，得到第一目标识别结果。

在本实施例的一些可选实现方式中，装置还包括(图中未示出)：内容获取单元，被配置成获取经由云端图像检索和服务接口，获取第一目标识别结果的以下至少一项相关信息和/或服务：类别名称、百度百科词条、相同图、相似图、商品购买页和用户点评内容。

在本实施例的一些可选实现方式中，目标识别单元504包括(图中未示出)：文字检测子单元，被配置成若待搜索图像中的目标的环境符合文字环境，则采用云端光学字符检测服务，检测待搜索图像中的目标，得到第二目标位置区域；以及字符识别子单元，被配置成采用云端光学字符识别服务，识别第二目标位置区域的目标，得到第二目标识别结果。

在本实施例的一些可选实现方式中，装置还包括(图中未示出)：结果获取单元，被配置成经由云端文字检索和服务接口，获取第二目标识别结果的以下至少一项相关信息和/或服务：文字拷贝、链接跳转、文字翻译和搜索题目。

在本实施例的一些可选实现方式中，装置还包括：内容呈现单元505，被配置成将获取的目标识别结果的相关信息和/或服务，与待搜索图像中的目标相贴合，并将贴合后的内容呈现给用户。

在本实施例的一些可选实现方式中，装置还包括(图中未示出)：内容播报单元，被配置成在将贴合后的内容呈现给用户时，向用户呈现对应相关信息和/或服务的至少一个播报选项；当用户选择一个播报选项时，向用户播报被选择的播报选项所对应的相关信息和/或服务的内容。

在本实施例的一些可选实现方式中，装置还包括：翻译呈现单元，被配置成在将贴合后的内容呈现给用户时，若检测到用户选中所呈现的相关信息和/或服务中的文字并且用户已选中翻译选项，向用户呈现被选中的文字在预设语种的翻译结果。

在本实施例的一些可选实现方式中，装置还包括：搜索延伸单元，被配置成在将贴合后的内容呈现给用户时，若检测到用户输入的语音搜索指令，基于语音搜索指令完成对所呈现的相关信息和/或服务的延伸搜索。

在本实施例的一些可选实现方式中，装置还包括：响应执行单元，被配置成在将贴合后的内容呈现给用户时，若接收到用户输入的对所呈现的贴合后的内容的操作轨迹，且接收到的操作轨迹符合预设操作轨迹，执行预设操作轨迹所关联的预设动作。

在本实施例的一些可选实现方式中，所述装置还包括：链接呈现单元，被配置成在将贴合后的内容呈现给用户时，若检测到用户选中所呈现的相关信息和/或服务中的链接，向用户呈现被选中的链接所关联的内容页。

在本实施例的一些可选实现方式中，所述装置还包括：修改呈现单元，被配置成在将贴合后的内容呈现给用户时，若检测到用户选中所呈现的相关信息和/或服务中的修正选项，向用户呈现修正界面，并根据用户在修正界面的输入，修改贴合后的内容，并向用户呈现修改后的贴合后的内容。

应当理解，装置500中记载的各个单元与参考图2-图4描述的方法中记载的各个步骤相对应。由此，上文针对方法描述的操作和特征同样适用于装置500及其中包含的各个单元，在此不再赘述。

下面参考图6，其示出了适于用来实现本公开的实施例的电子设备(例如图1中的服务器或终端设备)600的结构示意图。本公开的实施例中的终端设备可以包括但不限于诸如笔记本电脑、台式计算机等。图6示出的终端设备/服务器仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。

如图6所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

通常，以下装置可以连接至I/O接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM 602被安装。在该计算机程序被处理装置601执行时，执行本公开的实施例的方法中限定的上述功能。需要说明的是，本公开的实施例所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取输入的图像或实时视频流；从图像或实时视频流的视频帧序列中，确定图像质量符合预设质量条件的待搜索图像；检测待搜索图像中的目标的环境是否符合预设环境类别；若符合，则采用与所符合的预设环境类别相匹配的识别服务，识别待搜索图像中的目标，得到目标识别结果。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括图像获取单元、质量确定单元、环境检测单元和目标识别单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，图像获取单元还可以被描述为“获取输入的图像或实时视频流的单元”。

以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (30)

1.一种搜索信息的方法，应用于终端，包括：

获取实时视频流；

从所述实时视频流的视频帧序列中，确定图像质量符合预设质量条件的待搜索图像，包括：基于硬件传感器信息确定用户是否有搜索意图，其中，所述硬件传感器信息是指描述终端状态的硬件传感器的信息；响应于确定用户有搜索意图，基于硬件传感器信息，判断所述视频帧序列中是否存在图像质量符合预设质量条件的待搜索图像；

检测所述待搜索图像中的目标的环境是否符合预设环境类别；

若符合，则采用与所符合的预设环境类别相匹配的识别服务，识别待搜索图像中的目标，得到目标识别结果。

2.根据权利要求1所述的方法，其中，所述从所述实时视频流的视频帧序列中，确定图像质量符合预设质量条件的待搜索图像还包括：

基于所述实时视频流的视频帧序列的画面运动信息确定用户是否有搜索意图；

响应于确定用户有搜索意图，基于硬件传感器信息和/或质量判断模型，判断所述视频帧序列中是否存在图像质量符合预设质量条件的待搜索图像。

3.根据权利要求1所述的方法，其中，所述若符合，则采用与所符合的预设环境类别相匹配的识别服务，识别待搜索图像中的目标，得到目标识别结果包括：

若所述待搜索图像中的目标的环境符合以下任意一项：实体环境、二维码环境或条形码环境，则采用目标检测模型，检测所述待搜索图像中的目标，得到第一目标位置区域；以及

采用目标分类模型，确定所述第一目标位置区域的目标所属的预设图像类别为目标图像类别；其中，所述预设图像类别包括：实体类别、条形码类别和二维码类别；

采用云端对应所述目标图像类别的识别服务，识别所述第一目标位置区域的目标，得到第一目标识别结果。

4.根据权利要求3所述的方法，其中，所述方法还包括：

经由云端图像检索和服务接口，获取所述第一目标识别结果的以下至少一项相关信息和/或服务：类别名称、百度百科词条、相同图、相似图、商品购买页和用户点评内容。

5.根据权利要求1所述的方法，其中，所述若符合，则采用与所符合的预设环境类别相匹配的识别服务，识别待搜索图像中的目标，得到目标识别结果包括：

若所述待搜索图像中的目标的环境符合文字环境，则采用云端光学字符检测服务，检测所述待搜索图像中的目标，得到第二目标位置区域；以及

采用云端光学字符识别服务，识别所述第二目标位置区域的目标，得到第二目标识别结果。

6.根据权利要求5所述的方法，其中，所述方法还包括：

经由云端文字检索和服务接口，获取所述第二目标识别结果的以下至少一项相关信息和/或服务：文字拷贝、链接跳转、文字翻译和搜索题目。

7.根据权利要求1-6任意一项所述的方法，其中，所述方法还包括：

将获取的所述目标识别结果的相关信息和/或服务，与待搜索图像中的目标相贴合，并将贴合后的内容呈现给用户。

8.根据权利要求7所述的方法，其中，所述方法还包括：

在将贴合后的内容呈现给用户时，向用户呈现对应所述相关信息和/或服务的至少一个播报选项；当用户选择一个播报选项时，向用户播报被选择的播报选项所对应的相关信息和/或服务的内容。

9.根据权利要求7所述的方法，其中，所述方法还包括：

在将贴合后的内容呈现给用户时，若检测到用户选中所呈现的相关信息和/或服务中的文字并且用户已选中翻译选项，向用户呈现被选中的文字在预设语种的翻译结果。

10.根据权利要求7所述的方法，其中，所述方法还包括：

在将贴合后的内容呈现给用户时，若检测到用户输入的语音搜索指令，基于所述语音搜索指令完成对所呈现的相关信息和/或服务的延伸搜索。

11.根据权利要求7所述的方法，其中，所述方法还包括：

在将贴合后的内容呈现给用户时，若接收到用户输入的对所呈现的贴合后的内容的操作轨迹，且接收到的操作轨迹符合预设操作轨迹，执行所述预设操作轨迹所关联的预设动作。

12.根据权利要求7所述的方法，其中，所述方法还包括：

在将贴合后的内容呈现给用户时，若检测到用户选中所呈现的相关信息和/或服务中的链接，向用户呈现被选中的链接所关联的内容页。

13.根据权利要求7所述的方法，其中，所述方法还包括：

在将贴合后的内容呈现给用户时，若检测到用户选中所呈现的相关信息和/或服务中的修正选项，向用户呈现修正界面，并根据用户在修正界面的输入，修改所述贴合后的内容，并向用户呈现修改后的所述贴合后的内容。

14.一种搜索信息的装置，应用于终端，包括：

图像获取单元，被配置成获取实时视频流；

质量确定单元，被配置成从所述实时视频流的视频帧序列中，确定图像质量符合预设质量条件的待搜索图像，进一步配置成：基于硬件传感器信息确定用户是否有搜索意图，其中，所述硬件传感器信息是指描述终端状态的硬件传感器的信息；响应于确定用户有搜索意图，基于硬件传感器信息，判断所述视频帧序列中是否存在图像质量符合预设质量条件的待搜索图像；

环境检测单元，被配置成检测所述待搜索图像中的目标的环境是否符合预设环境类别；

目标识别单元，被配置成若检测所述待搜索图像中的目标的环境符合预设环境类别，则采用与所符合的预设环境类别相匹配的识别服务，识别待搜索图像中的目标，得到目标识别结果。

15.根据权利要求14所述的装置，其中，所述质量确定单元包括：

意图确定子单元，被配置成基于所述实时视频流的视频帧序列的画面运动信息确定用户是否有搜索意图；

质量判断子单元，被配置成响应于确定用户有搜索意图，基于硬件传感器信息和/或质量判断模型，判断所述视频帧序列中是否存在图像质量符合预设质量条件的待搜索图像。

16.根据权利要求14所述的装置，其中，所述目标识别单元包括：

目标检测子单元，被配置成若所述待搜索图像中的目标的环境符合以下任意一项：实体环境、二维码环境或条形码环境，则采用目标检测模型，检测所述待搜索图像中的目标，得到第一目标位置区域；以及

类别确定子单元，被配置成采用目标分类模型，确定所述第一目标位置区域的目标所属的预设图像类别为目标图像类别；其中，所述预设图像类别包括：实体类别、条形码类别和二维码类别；

结果识别子单元，被配置成采用云端对应所述目标图像类别的识别服务，识别所述第一目标位置区域的目标，得到第一目标识别结果。

17.根据权利要求16所述的装置，其中，所述装置还包括：

内容获取单元，被配置成获取经由云端图像检索和服务接口，获取所述第一目标识别结果的以下至少一项相关信息和/或服务：类别名称、百度百科词条、相同图、相似图、商品购买页和用户点评内容。

18.根据权利要求14所述的装置，其中，所述目标识别单元包括：

文字检测子单元，被配置成若所述待搜索图像中的目标的环境符合文字环境，则采用云端光学字符检测服务，检测所述待搜索图像中的目标，得到第二目标位置区域；以及

字符识别子单元，被配置成采用云端光学字符识别服务，识别所述第二目标位置区域的目标，得到第二目标识别结果。

19.根据权利要求18所述的装置，其中，所述装置还包括：

结果获取单元，被配置成经由云端文字检索和服务接口，获取所述第二目标识别结果的以下至少一项相关信息和/或服务：文字拷贝、链接跳转、文字翻译和搜索题目。

20.根据权利要求14-19任意一项所述的装置，其中，所述装置还包括：

内容呈现单元，被配置成将获取的所述目标识别结果的相关信息和/或服务，与待搜索图像中的目标相贴合，并将贴合后的内容呈现给用户。

21.根据权利要求20所述的装置，其中，所述装置还包括：

内容播报单元，被配置成在将贴合后的内容呈现给用户时，向用户呈现对应所述相关信息和/或服务的至少一个播报选项；当用户选择一个播报选项时，向用户播报被选择的播报选项所对应的相关信息和/或服务的内容。

22.根据权利要求20所述的装置，其中，所述装置还包括：

翻译呈现单元，被配置成在将贴合后的内容呈现给用户时，若检测到用户选中所呈现的相关信息和/或服务中的文字并且用户已选中翻译选项，向用户呈现被选中的文字在预设语种的翻译结果。

23.根据权利要求20所述的装置，其中，所述装置还包括：

搜索延伸单元，被配置成在将贴合后的内容呈现给用户时，若检测到用户输入的语音搜索指令，基于所述语音搜索指令完成对所呈现的相关信息和/或服务的延伸搜索。

24.根据权利要求20所述的装置，其中，所述装置还包括：

响应执行单元，被配置成在将贴合后的内容呈现给用户时，若接收到用户输入的对所呈现的贴合后的内容的操作轨迹，且接收到的操作轨迹符合预设操作轨迹，执行所述预设操作轨迹所关联的预设动作。

25.根据权利要求20所述的装置，其中，所述装置还包括：

链接呈现单元，被配置成在将贴合后的内容呈现给用户时，若检测到用户选中所呈现的相关信息和/或服务中的链接，向用户呈现被选中的链接所关联的内容页。

26.根据权利要求20所述的装置，其中，所述装置还包括：

修改呈现单元，被配置成在将贴合后的内容呈现给用户时，若检测到用户选中所呈现的相关信息和/或服务中的修正选项，向用户呈现修正界面，并根据用户在修正界面的输入，修改所述贴合后的内容，并向用户呈现修改后的所述贴合后的内容。

27.一种电子设备，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-13中任一所述的方法。

28.一种终端，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-13中任一所述的方法。

29.一种服务器，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-13中任一所述的方法。

30.一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如权利要求1-13中任一所述的方法。

Images