CN111797260A - 基于图像识别的商标检索方法及系统 - Google Patents

基于图像识别的商标检索方法及系统 Download PDF

Info

Publication number
CN111797260A
CN111797260A CN202010660781.2A CN202010660781A CN111797260A CN 111797260 A CN111797260 A CN 111797260A CN 202010660781 A CN202010660781 A CN 202010660781A CN 111797260 A CN111797260 A CN 111797260A
Authority
CN
China
Prior art keywords
module
signal connection
data
sets
recognition
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.)
Pending
Application number
CN202010660781.2A
Other languages
English (en)
Inventor
马振杰
李大新
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.)
Ningxia Zhongke Qichuang Intellectual Property Consulting Co ltd
Original Assignee
Ningxia Zhongke Qichuang Intellectual Property Consulting 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 Ningxia Zhongke Qichuang Intellectual Property Consulting Co ltd filed Critical Ningxia Zhongke Qichuang Intellectual Property Consulting Co ltd
Priority to CN202010660781.2A priority Critical patent/CN111797260A/zh
Publication of CN111797260A publication Critical patent/CN111797260A/zh
Pending legal-status Critical Current

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
    • G06F16/55—Clustering; Classification
    • 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
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/5846—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using extracted text
    • 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
    • G06F16/5854—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using shape and object relationship
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/66—Analysis of geometric attributes of image moments or centre of gravity

Abstract

本发明涉及商标技术领域，尤其是一种基于图像识别的商标检索系统，包括数据库，所述数据库信号连接有分类单元，所述分类单元信号连接有多个数据集合，所述数据集合信号连接有算法模块，所述算法模块信号连接有训练模块，所述训练模块信号连接有存储模块，所述存储模块信号连接有多个初始质心集，所述初始质心集信号连接有对比单元与搜寻模块，所述对比单元信号连接有输出模块，所述搜寻模块信号连接有特征识别单元，所述特征识别单元信号连接有暂存模块，所述暂存模块信号连接有输入模块，本发明还提供了一种基于图像识别的商标检索方法。本发明具有对商标的特征进行单独对比，有利于检索效果的特点。

Description

基于图像识别的商标检索方法及系统
技术领域
本发明涉及商标技术领域，尤其涉及一种基于图像识别的商标检索方法及系统。
背景技术
商标是识别某商品、服务或与其相关具体个人或企业的显著标志，当品牌或品牌的一部分在政府有关部门依法注册后，称为“商标”。在对商标进行识别检测时，需要用到检索装置，来确定申请中的商标是否和已经存在的商标存在较高的相似度，现有的检索系统，在检索时，没有对商标的特征进行提取出，进行单独对比，导致检索的效果不好。
发明内容
本发明的目的是为了解决现有技术中存在的没有对商标的特征进行提取出，进行单独对比，导致检索的效果不好的缺点，而提出的一种基于图像识别的商标检索方法及系统。
为了实现上述目的，本发明采用了如下技术方案：
设计一种基于图像识别的商标检索系统，包括数据库，所述数据库信号连接有分类单元，所述分类单元信号连接有多个数据集合，所述数据集合信号连接有算法模块，所述算法模块信号连接有训练模块，所述训练模块信号连接有存储模块，所述存储模块信号连接有多个初始质心集，所述初始质心集信号连接有对比单元与搜寻模块，所述对比单元信号连接有输出模块，所述搜寻模块信号连接有特征识别单元，所述特征识别单元信号连接有暂存模块，所述暂存模块信号连接有输入模块。
优选的，所述分类模块信号连接有复制模块，所述复制模块信号连接有上传模块，所述上传模块信号连接有提取模块，所述提取模块信号连接有分类模块。
优选的，所述特征识别单元包括颜色识别模块、图形识别模块、尺寸识别模块、字体识别模块、文字识别模块。
优选的，所述对比单元包括颜色对比模块、图形对比模块、尺寸对比模块、字体对比模块、文字对比模块。
优选的，所述分类单元信号连接有录入模块。
本发明还提供了一种基于图像识别的商标检索方法，其特征在于，包括以下步骤：
S1、将现有已注册数据库采用分类单元进行管理，分类为N个数据集合，每个数据集合通过手选特征图形生成初始特征数据。
S2、已获得的N个数据集合，每个数据集合中的数据，通过算法模块，算法模块具体可采用K-means聚类算法与初始特征数据进行模型训练，最终生成N*K个初始质心集合即初始特征数据集合。
S3、根据阈值设定，重复S2步骤，直到可以较好的进行分类已注册商标的特征的提取，得到N*K个稳定质心集合即稳定特征数据集合，并确定最优阈值设定值。
S4、在新增商标数据时，按照分类属性确定属于N类中哪一类数据集合，然后通过K-means聚类算法更新该数据集合中的K个质心集合，更新该稳定质心集合。
S5、获得稳定质心集合后，通过输入模块输入一张新的需要新申请注册的商标的图像，通过暂存模块进行暂存，并且通过特征识别单元对特征进行识别，然后通过搜选模块在初始质心集中进行搜寻特征相符合的商标，通过对比模块进行对比，输出差异最小的结果，差异最小的结果意味着重复率和相似度最高。
优选的，采用K-means聚类算法时，包括以下步骤；
A1、针对N个数据集，每一个数据集，首先确定一个K值，该数据集经过聚类得到K个集合。
A2、从当前数据集中手动选择K个数据点作为初始质心。
A3、定义集群在该数据集中，基于平方欧氏距离将该数据集合中每个数据点分配到其最近的初始质心。
优选的，所述K值为26。
本发明提出的一种基于图像识别的商标检索方法及系统，有益效果在于：通过采用分类单元、算法模块、训练模块的设计，将数据库中的商标分成多个初始质心集，以便特征识别单元对商标的特征进行识别，通过搜寻模块根据特征在初始质心集内进行搜寻，然后通过对比单元进行对比，将特征具有特征相似度最高的商标进行输出，有利于检索结果的准确性。
附图说明
图1为本发明提出的一种基于图像识别的商标检索系统的系统框图；
图2为本发明提出的一种基于图像识别的商标检索系统分类单元的系统框图；
图3为本发明提出的一种基于图像识别的商标检索系统特征识别单元的系统框图；
图4为本发明提出的一种基于图像识别的商标检索系统对比单元的系统框图。
具体实施方式
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实施例，而不是全部的实施例。
参照图1-4，包括数据库，所述数据库信号连接有分类单元，所述分类单元信号连接有多个数据集合，所述数据集合信号连接有算法模块，所述算法模块信号连接有训练模块，所述训练模块信号连接有存储模块，所述存储模块信号连接有多个初始质心集，所述初始质心集信号连接有对比单元与搜寻模块，所述对比单元信号连接有输出模块，所述搜寻模块信号连接有特征识别单元，所述特征识别单元信号连接有暂存模块，所述暂存模块信号连接有输入模块，所述分类单元信号连接有录入模块，通过采用分类单元、算法模块、训练模块的设计，将数据库中的商标分成多个初始质心集，在输入模块输入商标时，通过特征识别单元对商标的特征进行识别，对商标的颜色、图形、尺寸、字体、文字进行识别，然后通过搜寻模块根据商标的特征在初始质心集中进行查找，通过对比单元对特征进行对比，将相似度最高的商标进行输出。
通过搜寻模块根据特征在初始质心集内进行搜寻，然后通过对比单元进行对比，将特征具有特征相似度最多的商标进行输出
所述分类模块信号连接有复制模块，所述复制模块信号连接有上传模块，所述上传模块信号连接有提取模块，所述提取模块信号连接有分类模块，通过分类模块的设计，以便将数据库中的商标进行分类出，将不同特征的商标存放到数据集合中。
所述特征识别单元包括颜色识别模块、图形识别模块、尺寸识别模块、字体识别模块、文字识别模块。
所述对比单元包括颜色对比模块、图形对比模块、尺寸对比模块、字体对比模块、文字对比模块。
本发明还提供了一种基于图像识别的商标检索方法，包括以下步骤：
S1、将现有已注册数据库采用分类单元进行管理，分类为N个数据集合，每个数据集合通过手选特征图形生成初始特征数据。
S2、已获得的N个数据集合，每个数据集合中的数据，通过算法模块，算法模块具体可采用K-means聚类算法与初始特征数据进行模型训练，最终生成N*K个初始质心集合即初始特征数据集合。
S3、根据阈值设定，重复S2步骤，直到可以较好的进行分类已注册商标的特征的提取，得到N*K个稳定质心集合即稳定特征数据集合，并确定最优阈值设定值。
S4、在新增商标数据时，按照分类属性确定属于N类中哪一类数据集合，然后通过K-means聚类算法更新该数据集合中的K个质心集合，更新该稳定质心集合。
S5、获得稳定质心集合后，通过输入模块输入一张新的需要新申请注册的商标的图像，通过暂存模块进行暂存，并且通过特征识别单元对特征进行识别，然后通过搜选模块在初始质心集中进行搜寻特征相符合的商标，通过对比模块进行对比，输出差异最小的结果，差异最小的结果意味着重复率和相似度最高，采用K-means聚类算法时，包括以下步骤；
A1、针对N个数据集，每一个数据集，首先确定一个K值，该数据集经过聚类得到K个集合。
A2、从当前数据集中手动选择K个数据点作为初始质心。
A3、定义集群在该数据集中，基于平方欧氏距离将该数据集合中每个数据点分配到其最近的初始质心，所述K值为26。
参照图1，作为本发明的另一优选实施例，在实施例1的基础上，
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (8)

1.一种基于图像识别的商标检索系统，包括数据库，其特征在于，所述数据库信号连接有分类单元，所述分类单元信号连接有多个数据集合，所述数据集合信号连接有算法模块，所述算法模块信号连接有训练模块，所述训练模块信号连接有存储模块，所述存储模块信号连接有多个初始质心集，所述初始质心集信号连接有对比单元与搜寻模块，所述对比单元信号连接有输出模块，所述搜寻模块信号连接有特征识别单元，所述特征识别单元信号连接有暂存模块，所述暂存模块信号连接有输入模块。
2.根据权利要求1所述的一种基于图像识别的商标检索系统，其特征在于，所述分类模块信号连接有复制模块，所述复制模块信号连接有上传模块，所述上传模块信号连接有提取模块，所述提取模块信号连接有分类模块。
3.根据权利要求1所述的一种基于图像识别的商标检索系统，其特征在于，所述特征识别单元包括颜色识别模块、图形识别模块、尺寸识别模块、字体识别模块、文字识别模块。
4.根据权利要求1所述的一种基于图像识别的商标检索系统，其特征在于，所述对比单元包括颜色对比模块、图形对比模块、尺寸对比模块、字体对比模块、文字对比模块。
5.根据权利要求1所述的一种基于图像识别的商标检索系统，其特征在于，所述分类单元信号连接有录入模块。
6.根据权利要求1-5任一项所述的一种基于图像识别的商标检索方法，其特征在于，包括以下步骤：
S1、将现有已注册数据库采用分类单元进行管理，分类为N个数据集合，每个数据集合通过手选特征图形生成初始特征数据；
S2、已获得的N个数据集合，每个数据集合中的数据，通过算法模块，算法模块具体可采用K-means聚类算法与初始特征数据进行模型训练，最终生成N*K个初始质心集合即初始特征数据集合；
S3、根据阈值设定，重复S2步骤，直到可以较好的进行分类已注册商标的特征的提取，得到N*K个稳定质心集合即稳定特征数据集合，并确定最优阈值设定值；
S4、在新增商标数据时，按照分类属性确定属于N类中哪一类数据集合，然后通过K-means聚类算法更新该数据集合中的K个质心集合，更新该稳定质心集合；
S5、获得稳定质心集合后，通过输入模块输入一张新的需要新申请注册的商标的图像，通过暂存模块进行暂存，并且通过特征识别单元对特征进行识别，然后通过搜选模块在初始质心集中进行搜寻特征相符合的商标，通过对比模块进行对比，输出差异最小的结果，差异最小的结果意味着重复率和相似度最高。
7.根据权利要求6所述的一种基于图像识别的商标检索方法，其特征在于，采用K-means聚类算法时，包括以下步骤；
A1、针对N个数据集，每一个数据集，首先确定一个K值，该数据集经过聚类得到K个集合；
A2、从当前数据集中手动选择K个数据点作为初始质心；
A3、定义集群在该数据集中，基于平方欧氏距离将该数据集合中每个数据点分配到其最近的初始质心。
8.根据权利要求7所述的一种基于图像识别的商标检索方法，其特征在于，所述K值为26。
CN202010660781.2A 2020-07-10 2020-07-10 基于图像识别的商标检索方法及系统 Pending CN111797260A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010660781.2A CN111797260A (zh) 2020-07-10 2020-07-10 基于图像识别的商标检索方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010660781.2A CN111797260A (zh) 2020-07-10 2020-07-10 基于图像识别的商标检索方法及系统

Publications (1)

Publication Number Publication Date
CN111797260A true CN111797260A (zh) 2020-10-20

Family

ID=72811508

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010660781.2A Pending CN111797260A (zh) 2020-07-10 2020-07-10 基于图像识别的商标检索方法及系统

Country Status (1)

Country Link
CN (1) CN111797260A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112101483A (zh) * 2020-11-02 2020-12-18 浙江大华技术股份有限公司 图像聚类方法、装置电子设备、计算机可读存储介质
CN113065447A (zh) * 2021-03-29 2021-07-02 南京掌控网络科技有限公司 一种图像集中自动识别商品的方法和设备
CN113536005A (zh) * 2021-09-17 2021-10-22 网娱互动科技(北京)股份有限公司 一种相似图片或字体查找方法和系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6012058A (en) * 1998-03-17 2000-01-04 Microsoft Corporation Scalable system for K-means clustering of large databases
CN102004786A (zh) * 2010-12-02 2011-04-06 上海交通大学 图像检索系统中的加速方法
WO2013014987A1 (ja) * 2011-07-25 2013-01-31 インターナショナル・ビジネス・マシーンズ・コーポレーション 情報識別方法、プログラム及びシステム
CN103207879A (zh) * 2012-01-17 2013-07-17 阿里巴巴集团控股有限公司 图像索引的生成方法及设备
CN110674328A (zh) * 2019-09-27 2020-01-10 长城计算机软件与系统有限公司 一种商标图像检索方法、系统、介质及设备
CN110825896A (zh) * 2019-12-04 2020-02-21 南京中依企信息科技有限公司 一种商标检索系统及检索方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6012058A (en) * 1998-03-17 2000-01-04 Microsoft Corporation Scalable system for K-means clustering of large databases
CN102004786A (zh) * 2010-12-02 2011-04-06 上海交通大学 图像检索系统中的加速方法
WO2013014987A1 (ja) * 2011-07-25 2013-01-31 インターナショナル・ビジネス・マシーンズ・コーポレーション 情報識別方法、プログラム及びシステム
CN103207879A (zh) * 2012-01-17 2013-07-17 阿里巴巴集团控股有限公司 图像索引的生成方法及设备
CN110674328A (zh) * 2019-09-27 2020-01-10 长城计算机软件与系统有限公司 一种商标图像检索方法、系统、介质及设备
CN110825896A (zh) * 2019-12-04 2020-02-21 南京中依企信息科技有限公司 一种商标检索系统及检索方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
杜岭: "基于内容的商标图像检索研究", 中国优秀硕士学位论文全文数据库 (信息科技辑), no. 1, pages 138 - 905 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112101483A (zh) * 2020-11-02 2020-12-18 浙江大华技术股份有限公司 图像聚类方法、装置电子设备、计算机可读存储介质
CN112101483B (zh) * 2020-11-02 2023-11-28 浙江大华技术股份有限公司 图像聚类方法、装置电子设备、计算机可读存储介质
CN113065447A (zh) * 2021-03-29 2021-07-02 南京掌控网络科技有限公司 一种图像集中自动识别商品的方法和设备
CN113536005A (zh) * 2021-09-17 2021-10-22 网娱互动科技(北京)股份有限公司 一种相似图片或字体查找方法和系统
CN113536005B (zh) * 2021-09-17 2021-12-24 网娱互动科技(北京)股份有限公司 一种相似图片或字体查找方法和系统

Similar Documents

Publication Publication Date Title
CN111797260A (zh) 基于图像识别的商标检索方法及系统
CN113378632B (zh) 一种基于伪标签优化的无监督域适应行人重识别方法
Jiang et al. Automatic soccer video event detection based on a deep neural network combined CNN and RNN
CN108197538B (zh) 一种基于局部特征和深度学习的卡口车辆检索系统及方法
CN111291678B (zh) 一种基于多特征融合的人脸图像聚类方法及装置
CN104765768B (zh) 海量人脸库的快速准确检索方法
Senior A combination fingerprint classifier
CN102346847B (zh) 一种支持向量机的车牌字符识别方法
CN108875816A (zh) 融合置信度准则和多样性准则的主动学习样本选择策略
CN107908642B (zh) 基于分布式平台的行业文本实体提取方法
CN107577702B (zh) 一种社交媒体中交通信息的辨别方法
CN112183659B (zh) 一种基于卷积神经网络的未知信号辐射源识别方法
CN112926045B (zh) 一种基于逻辑回归模型的群控设备识别方法
CN104199840A (zh) 基于统计模型的智能地名识别技术
CN106874421A (zh) 基于自适应矩形窗口的图像检索方法
CN105930792A (zh) 一种基于视频局部特征字典的人体动作分类方法
CN111104398A (zh) 针对智能船舶近似重复记录的检测方法、消除方法
CN108319518A (zh) 基于循环神经网络的文件碎片分类方法及装置
CN107577994A (zh) 一种基于深度学习的行人、车辆附属品识别及检索方法
CN110659175A (zh) 日志的主干提取方法、分类方法、设备及存储介质
CN107452403A (zh) 一种说话人标记方法
Amores et al. Boosting contextual information in content-based image retrieval
CN115115005A (zh) 一种基于最大密距的Canopy协议识别方法
CN112270204A (zh) 目标识别方法及装置、存储介质及电子设备
CN110458094A (zh) 基于指纹相似度的设备分类方法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20201020