CN112015933A - 一种图像检索方法、装置、系统、电子设备及存储介质 - Google Patents
一种图像检索方法、装置、系统、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112015933A CN112015933A CN202010785626.3A CN202010785626A CN112015933A CN 112015933 A CN112015933 A CN 112015933A CN 202010785626 A CN202010785626 A CN 202010785626A CN 112015933 A CN112015933 A CN 112015933A
- Authority
- CN
- China
- Prior art keywords
- image
- abstract
- retrieved
- preset
- target
- 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
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
- G06F16/53—Querying
-
- 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
- G06F16/54—Browsing; Visualisation therefor
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Library & Information Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Processing Or Creating Images (AREA)
Abstract
本申请涉及一种图像检索方法、装置、系统、电子设备及存储介质,该方法包括:获取待检索图像的图像摘要;确定预设图像库中与所述待检索图像的图像摘要相匹配的目标图像摘要,其中,所述预设图像库中存储有各个图像的图像摘要,所述目标图像摘要是基于所述待检索图像的图像摘要与所述预设图像库中各个图像的图像摘要之间的相似度确定得到;获取所述目标图像摘要相对应的目标图像。本申请的技术方案通过待检索图像的图像摘要进行检索,相比从图像中提取特征,然后再进行特征匹配进行图像检索减少了计算过程,在检索方面提高了图像检索的速度。
Description
技术领域
本申请涉及图像检索领域,尤其涉及一种图像检索方法、装置、系统、电子设备及存储介质。
背景技术
目前电子商务、视频播放等网络业务已经成为了人们生活中重要的组成部分,这些业务涉及海量图片、并包含了重要的视觉信息,如商品图片、节目预览图片等。基于图片内容对网站上的图片信息进行检索,可以帮助用户快速定位到感兴趣的内容从而进一步享受服务,增加用户留存。但是,基于海量的图片提供图片检索是每个服务方都需要面临的问题。
为了解决上述问题,现有技术一般都是从图像中提取的特征信息,两个图像之间可以通过定义一个距离或者相似性的测量度来计算相似程度。但是在此过程中通过提取特征到特征匹配都会消耗大量计算资源。另外在提取特征时,还会容易造成图像部分明文信息的丢失,并且不能对图像的隐私内容进行保护。
发明内容
为了解决上述技术问题或者至少部分地解决上述技术问题,本申请提供了一种图像检索方法、装置、电子设备及存储介质。
第一方面,本申请实施例提供了一种图像检索方法,包括:
获取待检索图像的图像摘要;
确定预设图像库中与所述待检索图像的图像摘要相匹配的目标图像摘要,其中,所述预设图像库中存储有各个图像的图像摘要,所述目标图像摘要是基于所述待检索图像的图像摘要与所述预设图像库中各个图像的图像摘要之间的相似度确定得到;
获取所述目标图像摘要相对应的目标图像。
进一步的,所述方法还包括:
对所述预设图像库中k个图像进行处理得到k个m×n维的第一像素矩阵;
对所述k个m×n维的第一像素矩阵进行向量化得到k个mn×1维的第一列向量,并对所述k个mn×1维的第一列向量进行排序得到非负矩阵Vmn×k;
确定预设摘要维度i,其中i<<m,n,k;
采用预设分解算法对所述非负矩阵Vmn×k进行分解,得到用于表示图像维度与所述预设摘要维度i之间关系的权重矩阵Wmn×i,以及用于表示所述预设摘要维度i与图像库中图像数量k之间关系的图像摘要Hi×k;
将所述图像摘要Hi×k存储至服务器;
所述非负矩阵Vmn×k分解的过程如下:
Vmn×k=Wmn×i×Hi×k。
进一步的,所述获取待检索图像的图像摘要,包括:
对所述待检索图像进行处理得到m×n维的第二像素矩阵,并将所述第二像素矩阵进行向量化得到mn×1维的第二列向量Pmn×1;
根据所述权重矩阵Wmn×i对所述第二列向量Pmn×1进行分解得到所述待检索图像的图像摘要Qi×1,Pmn×1=Wmn×i×Qi×1。
进一步的,所述方法还包括:
确定所述待检索图像中图像内容的内容类型;
根据所述内容类型确定所述内容类型对应的权重矩阵。
进一步的,所述获取所述目标图像摘要相对应的目标图像,包括:
对所述目标图像摘要和所述权重矩阵进行计算得到第三列向量;
根据所述第三列向量得到目标图像;
或,所述获取所述目标图像摘要对应的目标图像,还包括:
基于预先建立的图像摘要与图像的对应关系确定所述目标图像摘要对应的目标图像。
进一步的,所述方法还包括:
获取所述目标图像关联的节目信息;
将所述目标图像以及所述节目信息作为所述待检索图像的检索结果。
第二方面,本申请提供了一种图像检索装置,包括:
第一获取模块,用于获取待检索图像的图像摘要;
确定模块,用于确定预设图像库中与所述待检索图像的图像摘要相匹配的目标图像摘要,其中,所述预设图像库中存储有各个图像的图像摘要,所述目标图像摘要是基于所述待检索图像的图像摘要与所述预设图像库中各个图像的图像摘要之间的相似度确定得到;
第二获取模块,用于获取所述目标图像摘要相对应的目标图像。
第二方面,本申请提供了一种图像检索系统,包括:服务方以及服务器;
所述服务方,用于获取待检索图像的图像摘要,所述图像摘要是基于对所述待检索图像的第一像素矩阵进行分解得到,将所述待检索图像的图像摘要发送至服务器;
所述服务器,用于确定预设图像库中与所述待检索图像的图像摘要相匹配的目标图像摘要,其中,所述预设图像库中存储有各个图像的图像摘要,所述目标图像摘要是基于所述待检索图像的图像摘要与所述预设图像库中各个图像的图像摘要之间的相似度确定得到;
所述服务方,用于获取所述目标图像摘要相对应的目标图像。
第四方面,本申请提供了一种电子设备,包括:处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
所述存储器,用于存放计算机程序;
所述处理器,用于执行计算机程序时,实现上述方法步骤。
第五方面,本申请提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述方法步骤。
本申请实施例提供的上述技术方案与现有技术相比具有如下优点:通过待检索图像的图像摘要进行检索,相比从图像中提取特征,然后再进行特征匹配进行图像检索减少了计算过程,在检索方面提高了图像检索的速度。同时相比从图像中提取特征,还能够保证不会丢失图像的部分铭文信息,且通过图像摘要进行检索能保护图像的隐私,从而能够保证图像检索过程的安全性。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
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,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种图像检索系统的示意图;
图2为本申请实施例提供的一种图像检索方法的流程图;
图3为本申请另一实施例提供的一种图像处理方法的流程图;
图4为本申请实施例提供的一种图像检索装置的框图;
图5为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请实施例提供的一种图像检索方法、装置、系统、电子设备及存储介质,本发明实施例所提供的方法可以应用于任意需要的电子设备,例如,可以为服务器、终端等电子设备,在此不做具体限定,为描述方便,后续简称为电子设备。
图1为本申请实施例提供的一种图像检索系统的示意图,如图1所示,该系统包括:服务方100和服务器200;
服务方100,用于获取待检索图像的图像摘要,待检索图像的图像摘要是基于对待检索图像的像素矩阵进行分解得到,将待检索图像的图像摘要发送至服务器200。
服务器200,用于确定预设图像库中与待检索图像的图像摘要相匹配的目标图像摘要,将目标图像摘要发送至服务方100,其中,预设图像库中存储有各个图像的图像摘要,目标图像摘要是基于待检索图像的图像摘要与预设图像库中各个图像的图像摘要之间的相似度确定得到。
服务方100,用于获取目标图像摘要相对应的目标图像。
需要说明的是,由于海量图像将耗费服务器大量的存储空间,而在现有技术中,服务方通常将图像压缩后再进行存储。但是,压缩后的图像将丢失原来图像的部分信息,继而影响检索质量。
而另一方面,为保证图像信息的隐私,服务方还将图像加密后存储在服务器。如何基于加密后的压缩图像进行检索并保证检索质量,是本申请实施例所要解决的问题。为此,本申请实施例提供了一种图像检索方法,使得服务方可以在本地将待检索图像进行处理,并得到待检索图像的图像摘要,然后只将图像摘要上传至服务器,由服务器进行检索,保证服务器可以在不获知明文图像信息的情况下、仅基于图片摘要就能有效完成图片检索。
另外,本实施例中服务器中存储有预设图像库中图像的图像摘要,预设图像库中图像的图像摘要是对预设图像库中图像的列向量进行分解得到。以此使服务方和服务器的总存储开销大大降低,且本方案可以在服务器不获知具体图像明文信息的情况下高效完成图像检索。
本实施例中的服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN、以及大数据和人工智能平台等基础云计算服务的服务器。服务方可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表等,但并不局限于此。服务方以及服务器可以通过有线或无线通信方式进行直接或间接地连接,本申请在此不做限制。
下面对本发明实施例所提供的一种图像检索方法进行介绍。
在本实施例中,在进行图像检索之前,需要对预设图像库中的图像进行处理得到各个图像的图像摘要,然后将图像摘要存储于服务器中,其中获取图像摘要的过程如下:
对预设图像库中k个图像进行处理得到k个m×n维的第一像素矩阵,对k个m×n维的第一像素矩阵进行向量化得到k个mn×1维的第一列向量,并对k个mn×1维的第一列向量进行排序得到非负矩阵Vmn×k。然后确定预设摘要维度i,其中i<<m,n,k。
然后采用非负分解算法对非负矩阵Vmn×k进行分解,得到用于表示图像维度mn与预设摘要维度i之间关系的权重矩阵Wmn×i,以及用于表示预设摘要维度i与预设图像库中图像数量k之间关系的图像摘要Hi×k,分解过程:Vmn×k=Wmn×i×Hi×k。然后将图像摘要Hi×k存储至服务器。其中,预设摘要维度可以由工作人员预先设置的,同时还可以根据不同的图像类型设置不同的摘要维度。
需要说明的是,Wmn×i为mn×i维非负矩阵,Hi×k为(i×k)维非负矩阵,Hi×k中的每个(i×1)维矩阵H1,H2,…,Hk一一对应预设图片库中k张图片的图像摘要。
图2为本申请实施例提供的一种图像检索方法的流程图,如图2所示,该方法应用于服务方,具体包括以下步骤:
步骤S11,获取待检索图像的图像摘要;
在本步骤中,首先需要将待检索图像处理为第二像素矩阵,然后获取权重矩阵,根据权重矩阵对第二像素矩阵进行分解得到待检索图像的图像摘要。可以理解的,权重矩阵可以是预先存储于本地的一个分解因子。
作为一个示例,对于待检索图像,首先对待检索图像进行处理得到m×n维的第二像素矩阵,并将第二像素矩阵进行向量化得到mn×1维的第二列向量Pmn×1;
在本步骤中,利用权重矩阵Wmn×i对第二列向量进行分解得到i×1维的矩阵Qi×1,计算公式为:Pmn×1=Wmn×i×Qi×1,其中Qi×1为待检索图像的图像摘要。
另外,在对待检索图像对应的第二列向量进行分解之前,还可以先获取待检索图像中图像内容的内容类型;根据内容类型确定内容类型对应的权重矩阵。
可选的,确定待检索图像中图像内容的内容类型可以是提取待检索图像的图像内容,例如场景特征,人物特征,文字信息等等。根据图像内容进行分类,确定图像内容的内容类型,内容类型可以是综艺节目,电视剧,广告等等,其中每个内容类型对应一个权重矩阵。
在本步骤中,通过根据图像内容确定权重矩阵,可以降低检索维度,为后续的检索工作降低了时间成本。
步骤S12,确定预设图像库中与待检索图像的图像摘要相匹配的目标图像摘要,其中,预设图像库中存储有各个图像的图像摘要,目标图像摘要是基于待检索图像的图像摘要与预设图像库中各个图像的图像摘要之间的相似度确定得到;
在本步骤中,将待检索图像的图像摘要发送至服务器,由服务器计算图像摘要与预设图片库中图像摘要的相似度,将预设图片库中图像摘要中与图像摘要相似度最高的图像摘要作为目标图像摘要。
作为一个示例,将图像摘要Qi×1发送至服务器,服务器计算图像摘要Qi×1与Hi×k中的每个图像摘要H1,H2,…,Hk的相似度,将与图像摘要Qi×1相似度最大的图像摘要作为目标图像摘要。
需要说明的是,非负矩阵分解(NMF)给定非负矩阵,找到非负矩阵因子,非负矩阵分解(NMF)可以以下列方式应用于多变量数据的分析统计,例如,给定一组多元n维数据向量,将向量放置在n×m矩阵V的列中,其中m是数据集中的示例数,然后将该矩阵近似分解为n×r维矩阵W和r×m维矩阵H,通常r小于n或m,使W和H小于原始矩阵V,得到原始数据矩阵的压缩版本。
在本步骤中通过图像摘要进行检索,在检索方面提高了图像检索的速度。相比从图像中提取特征,还能够保证不会丢失图像的部分铭文信息。
在实现本步骤的过程中,发明人发现近年来云计算正大规模普及,很多服务方通过将图片存储在服务器,并借助于服务器计算能力提供图片检索业务的方式,来节约自身的存储和计算资源。然而,服务方将照片存储在服务器面临着以下两方面的问题:一方面将海量的图片存储在服务器将耗费大量的云存储资源;另一方面从隐私性考虑,图片的明文存储也存在着网络服务方隐私泄露的风险。
因此,在本步骤中将图像摘要存储于服务器,相比直接将图像存储于服务器,一方面降低了服务器的存储空间,另一方面,可以在服务器不知道图像内容的情况下,代替服务方进行图像检索,避免了隐私泄露。
步骤S13,获取目标图像摘要相对应的目标图像。
在本步骤中,对目标图像摘要和权重矩阵进行计算得到第三列向量,根据第三列向量得到目标图像。另外,本实施例中还可以基于预先建立的图像摘要与图像的对应关系确定目标图像摘要对应的目标图像。
作为一个示例,像综艺节目或者电视剧中连续的若干帧图像对应的图像摘要是相同的,因此,在对综艺节目或者电视剧所包含图像的像素矩阵进行分解得到图像摘要后,可以建立图像摘要和图像的对应关系,其中对应关系可以是一个图像摘要对应一个图像,或者一个图像摘要对应多个图像。以此种方式,在当用户进行检索时,可以通过预先建立的对应关系确定目标图像摘要对应的目标图像,此时的目标图像包括连续的若干帧图像。
在本实施例中,得到目标图像后,还能够获取与目标图像关联的节目信息,将目标图像以及节目信息作为待检索图像的检索结果,例如,用户可以待检索图片可以获取该图片属于某一个电视剧的集数,或者属于某个综艺节目,以此方式能够为用户提供更详细的检索内容,能够增加用户留存率。
作为一个示例,当用户想要根据待检索图像确定该图像属于哪一个综艺节目的节目图像时,可以获取目标图像相关联的节目信息,比如节目名称,播出时间等等。
在整个方案执行过程中,通过待检索图像的图像摘要进行检索,相比从图像中提取特征,然后再进行特征匹配进行图像检索减少了计算过程,在检索方面提高了图像检索的速度。同时相比从图像中提取特征,还能够保证不会丢失图像的部分铭文信息。另外,将图像摘要存储于服务器,相比直接存储图像,节省了服务器端资源,且利用服务器通过图像摘要进行检索能保护图像的隐私,从而能够保证图像检索过程的安全性。
图3为本申请另一实施例提供的一种图像处理方法的流程图。如图3所示,该方法应用于特殊场景,该方法包括以下步骤:
步骤S21,获取待检索图像,确定待检索图像中的人脸图像;
在本步骤中,确定人脸图像可以是通过神经网络模型对待检索图像进行检测,具体的,将待检索图像输入预先训练好的人脸识别模型,通过人脸识别模型对待检索图像进行检测得到检测结果,检测结果包括:存在人脸图像和不存在人脸图像,当存在人脸图像时,确定人脸图像的包围框坐标,根据包围框坐标将人脸图像从待检索中分割出来。
步骤S22,当人脸图像属于第一风格时,确定人脸图像所属图像类型对应的权重矩阵;
可以理解的,本实施例中第一风格可以是人脸的画像信息,比如人脸素描,人脸速写等等。另外,工作人员可以预先建立图像类型对应的权重矩阵,例如风景类型的图像对应权重矩阵X,人脸类型的图像对应权重矩阵Y等等。
步骤S23,获取人脸图像对应的列向量,根据权重矩阵对列向量进行分解得到人脸图像的图像摘要;
在本步骤中,对于人脸图像,服务方首先将人脸图像处理为维像素矩阵,对并像素矩阵进行向量化得到该图像的列向量。
然后利用权重矩阵对列向进行分解得到人脸图像的图像摘要。
步骤S24,将人脸图像的图像摘要发送至服务器,由服务器将人脸图像的图像摘要与预设图片库中图像的图像摘要进行比对,得到目标图像摘要。
在步骤中,将人脸图像的图像摘要发送至服务器,由服务器计算人脸图像的图像摘要与预设图片库中图像的图像摘要的相似度,将预设图片库与人脸图像的图像摘要相似度最高的图像摘要作为目标图像摘要。
步骤S25,根据目标图像摘要和权重矩阵得到第二风格的人脸图像,获取与第二风格的人脸图像关联的人物信息,将第二风格的人脸图像以及人物信息作为检索结果。
可以理解的,第二风格为真实的人脸图像,在得到真实的人脸图像后,可以从资料库中调取与该人脸图像关联的任务信息,例如:身份信息,指纹信息等等。
本实施例提供了一种图像处理方法,通过设置人脸图像所属内容类型对应的权重矩阵,能够快速检索到人物画像对应的真实图像的图像摘要,并且能够重构出人物画像对应的真实图像。
作为一个示例,大量的图像文件保存在公安系统中,过去的犯罪嫌疑人的脸、指纹、照片和胶印等被保存在其中。当没有嫌疑人的真实图像时,工作人员可以利用图像检索系统,通过人物画像的图像摘要进行检索,得到相似的图像摘要,通过图像摘要还原真实的人脸图像,之后根据人脸图像查询人物信息,以此降低了排查难度。
图4为本申请实施例提供的一种图像检索装置的框图,该装置可以通过软件、硬件或者两者的结合实现成为电子设备的部分或者全部。如图4所示,该装置包括:
第一获取模块41,用于获取待检索图像的图像摘要;
确定模块42,用于确定预设图像库中与待检索图像的图像摘要相匹配的目标图像摘要,其中,预设图像库中存储有各个图像的图像摘要,目标图像摘要是基于待检索图像的图像摘要与预设图像库中各个图像的图像摘要之间的相似度确定得到;
第二获取模块43,用于获取目标图像摘要相对应的目标图像。
进一步的,该装置还包括处理模块,用于对预设图像库中k个图像进行处理得到k个m×n维的第一像素矩阵;
对k个m×n维的第一像素矩阵进行向量化得到k个mn×1维的第一列向量,并对k个mn×1维的第一列向量进行排序得到非负矩阵Vmn×k;
确定预设摘要维度i;
采用预设分解算法对非负矩阵Vmn×k进行分解,得到用于表示图像维度与预设摘要维度i之间关系的权重矩阵Wmn×i,以及用于表示预设摘要维度i与图像库中图像数量k之间关系的图像摘要Hi×k;
将图像摘要Hi×k存储至服务器;
非负矩阵Vmn×k分解的过程如下:
Vmn×k=Wmn×i×Hi×k。
进一步的,第一获取模块,用于对待检索图像进行处理得到m×n维的第二像素矩阵,并将第二像素矩阵进行向量化得到mn×1维的第二列向量Pmn×1;
根据权重矩阵Wmn×i对第二列向量Pmn×1进行分解得到待检索图像的图像摘要Qi×1,Pmn×1=Wmn×i×Qi×1。
进一步的,装置还包括分析模块,用于确定待检索图像中图像内容的内容类型;根据内容类型确定内容类型对应的权重矩阵。
本实施例中第二获取模块,具体用于对目标图像摘要和权重矩阵进行计算得到第三列向量,根据第三列向量得到目标图像;
或,第二获取模块,还具体用于基于预先建立的图像摘要与图像的对应关系确定目标图像摘要对应的目标图像。
本实施例中的装置还包括第三获取模块,用于获取目标图像关联的节目信息;将目标图像以及节目信息作为待检索图像的检索结果。
本申请实施例还提供一种电子设备,如图5所示,电子设备可以包括:处理器1501、通信接口1502、存储器1503和通信总线1504,其中,处理器1501,通信接口1502,存储器1503通过通信总线1504完成相互间的通信。
存储器1503,用于存放计算机程序;
处理器1501,用于执行存储器1503上所存放的计算机程序时,实现上述实施例的步骤。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect,P C I)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(Non-Volatile Memory,NVM),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(DigitalSignalProcessing,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
本申请还提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述实施例的步骤。
计算机可读存储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,其中承载了可读程序代码。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。可读存储介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令进行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于进行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,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设备上进行、部分地在用户设备上进行、作为一个独立的软件包进行、部分在用户计算设备上部分在远程计算设备上进行、或者完全在远程计算设备或服务器上进行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
需要说明的是,对于上述装置、电子设备及计算机可读存储介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
进一步需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物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、物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,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本发明的具体实施方式,使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种图像检索方法,其特征在于,包括:
获取待检索图像的图像摘要;
确定预设图像库中与所述待检索图像的图像摘要相匹配的目标图像摘要,其中,所述预设图像库中存储有各个图像的图像摘要,所述目标图像摘要是基于所述待检索图像的图像摘要与所述预设图像库中各个图像的图像摘要之间的相似度确定得到;
获取所述目标图像摘要相对应的目标图像。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
对所述预设图像库中k个图像进行处理得到k个m×n维的第一像素矩阵;
对所述k个m×n维的第一像素矩阵进行向量化得到k个mn×1维的第一列向量,并对所述k个mn×1维的第一列向量进行排序得到非负矩阵Vmn×k;
确定预设摘要维度i,其中i<<m,n,k;
采用预设分解算法对所述非负矩阵Vmn×k进行分解,得到用于表示图像维度与所述预设摘要维度i之间关系的权重矩阵Wmn×i,以及用于表示所述预设摘要维度i与图像库中图像数量k之间关系的图像摘要Hi×k;
将所述图像摘要Hi×k存储至服务器;
所述非负矩阵Vmn×k分解的过程如下:
Vmn×k=Wmn×i×Hi×k。
3.根据权利要求2所述的方法,其特征在于,所述获取待检索图像的图像摘要,包括:
对所述待检索图像进行处理得到m×n维的第二像素矩阵,并将所述第二像素矩阵进行向量化得到mn×1维的第二列向量Pmn×1;
根据所述权重矩阵Wmn×i对所述第二列向量Pmn×1进行分解得到所述待检索图像的图像摘要Qi×1,Pmn×1=Wmn×i×Qi×1。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
确定所述待检索图像中图像内容的内容类型;
根据所述内容类型确定所述内容类型对应的权重矩阵。
5.根据权利要求2所述的方法,其特征在于,所述获取所述目标图像摘要相对应的目标图像,包括:
对所述目标图像摘要和所述权重矩阵进行计算得到第三列向量;
根据所述第三列向量得到目标图像;
或,所述获取所述目标图像摘要对应的目标图像,还包括:
基于预先建立的图像摘要与图像的对应关系确定所述目标图像摘要对应的目标图像。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取所述目标图像关联的节目信息;
将所述目标图像以及所述节目信息作为所述待检索图像的检索结果。
7.一种图像检索装置,其特征在于,包括:
第一获取模块,用于获取待检索图像的图像摘要;
确定模块,用于确定预设图像库中与所述待检索图像的图像摘要相匹配的目标图像摘要,其中,所述预设图像库中存储有各个图像的图像摘要,所述目标图像摘要是基于所述待检索图像的图像摘要与所述预设图像库中各个图像的图像摘要之间的相似度确定得到;
第二获取模块,用于获取所述目标图像摘要相对应的目标图像。
8.一种图像检索系统,其特征在于,包括:服务方以及服务器;
所述服务方,用于获取待检索图像的图像摘要,所述待检索图像的图像摘要是基于对所述待检索图像的第一像素矩阵进行分解得到,将所述待检索图像的图像摘要发送至服务器;
所述服务器,用于确定预设图像库中与所述待检索图像的图像摘要相匹配的目标图像摘要,其中,所述预设图像库中存储有各个图像的图像摘要,所述目标图像摘要是基于所述待检索图像的图像摘要与所述预设图像库中各个图像的图像摘要之间的相似度确定得到;
所述服务方,用于获取所述目标图像摘要相对应的目标图像。
9.一种电子设备,其特征在于,包括:处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
所述存储器,用于存放计算机程序;
所述处理器,用于执行所述计算机程序时,实现权利要求1-6任一项所述的方法步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1-6任一项所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010785626.3A CN112015933A (zh) | 2020-08-06 | 2020-08-06 | 一种图像检索方法、装置、系统、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010785626.3A CN112015933A (zh) | 2020-08-06 | 2020-08-06 | 一种图像检索方法、装置、系统、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112015933A true CN112015933A (zh) | 2020-12-01 |
Family
ID=73499348
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010785626.3A Pending CN112015933A (zh) | 2020-08-06 | 2020-08-06 | 一种图像检索方法、装置、系统、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112015933A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104731964A (zh) * | 2015-04-07 | 2015-06-24 | 上海海势信息科技有限公司 | 基于人脸识别的人脸摘要方法、视频摘要方法及其装置 |
CN108182205A (zh) * | 2017-12-13 | 2018-06-19 | 南京信息工程大学 | 一种基于sift的hash算法的图像快速检索方法 |
CN111325156A (zh) * | 2020-02-24 | 2020-06-23 | 北京沃东天骏信息技术有限公司 | 人脸识别方法、装置、设备和存储介质 |
-
2020
- 2020-08-06 CN CN202010785626.3A patent/CN112015933A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104731964A (zh) * | 2015-04-07 | 2015-06-24 | 上海海势信息科技有限公司 | 基于人脸识别的人脸摘要方法、视频摘要方法及其装置 |
CN108182205A (zh) * | 2017-12-13 | 2018-06-19 | 南京信息工程大学 | 一种基于sift的hash算法的图像快速检索方法 |
CN111325156A (zh) * | 2020-02-24 | 2020-06-23 | 北京沃东天骏信息技术有限公司 | 人脸识别方法、装置、设备和存储介质 |
Non-Patent Citations (1)
Title |
---|
戴飞,袁贞明: "基于NMF图像摘要的Web商品图像检索", 杭州师范大学学报(自然科学版), pages 264 - 268 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Karsh et al. | Image authentication based on robust image hashing with geometric correction | |
US20090316993A1 (en) | Image identification | |
CN110781460A (zh) | 版权认证方法、装置、设备、系统及计算机可读存储介质 | |
Karsh et al. | Robust image hashing using ring partition-PGNMF and local features | |
WO2022134584A1 (zh) | 房产图片验证方法、装置、计算机设备及存储介质 | |
US9639532B2 (en) | Context-based analysis of multimedia content items using signatures of multimedia elements and matching concepts | |
CN113378710A (zh) | 图像文件的版面分析方法、装置、计算机设备和存储介质 | |
CN111079816A (zh) | 图像的审核方法、装置和服务器 | |
US20200175259A1 (en) | Face recognition method and apparatus capable of face search using vector | |
Tang et al. | Robust image hashing with embedding vector variance of LLE | |
CN112330331A (zh) | 基于人脸识别的身份验证方法、装置、设备及存储介质 | |
Li et al. | Robust image fingerprinting via distortion-resistant sparse coding | |
Sharma et al. | Perceptual video hashing based on Tucker decomposition with application to indexing and retrieval of near-identical videos | |
CN112766284B (zh) | 图像识别方法和装置、存储介质和电子设备 | |
Tang et al. | Perceptual image hashing using local entropies and DWT | |
Roy et al. | Face sketch-photo recognition using local gradient checksum: LGCS | |
US9875386B2 (en) | System and method for randomized point set geometry verification for image identification | |
CN113434716A (zh) | 一种跨模态信息检索方法和装置 | |
CN111368143A (zh) | 一种视频相似度检索方法、装置、电子设备及存储介质 | |
CN110766007A (zh) | 证件遮挡检测方法、装置、设备及可读存储介质 | |
US11537636B2 (en) | System and method for using multimedia content as search queries | |
CN111680181A (zh) | 一种异常对象的识别方法及终端设备 | |
CN112015933A (zh) | 一种图像检索方法、装置、系统、电子设备及存储介质 | |
CN114219571A (zh) | 电商独立站点匹配方法及其装置、设备、介质、产品 | |
CN113705314A (zh) | 视频处理方法、设备、可读存储介质及程序产品 |
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 |