CN112328826A - 一种船只图像检索方法、装置、电子设备以及存储介质 - Google Patents

一种船只图像检索方法、装置、电子设备以及存储介质 Download PDF

Info

Publication number
CN112328826A
CN112328826A CN202011211791.4A CN202011211791A CN112328826A CN 112328826 A CN112328826 A CN 112328826A CN 202011211791 A CN202011211791 A CN 202011211791A CN 112328826 A CN112328826 A CN 112328826A
Authority
CN
China
Prior art keywords
ship
image
retrieved
information
attitude
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
CN202011211791.4A
Other languages
English (en)
Inventor
邓练兵
方家钦
余大勇
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.)
Zhuhai Dahengqin Technology Development Co Ltd
Original Assignee
Zhuhai Dahengqin Technology Development 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 Zhuhai Dahengqin Technology Development Co Ltd filed Critical Zhuhai Dahengqin Technology Development Co Ltd
Priority to CN202011211791.4A priority Critical patent/CN112328826A/zh
Publication of CN112328826A publication Critical patent/CN112328826A/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
    • G06F16/58—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
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—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
    • G06F16/55—Clustering; Classification

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)
  • Computational Linguistics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供了一种船只图像检索方法、装置、电子设备及存储介质。该方法包括：获取待检索船只图像；提取所述待检索船只图像中的船只姿态信息和船只特征信息；选择与所述船只姿态信息对应的特征数据库，其中，每个船只姿态类型对应一个特征数据库，所述特征数据库为预先构建的针对相应的船只姿态类型下的二维船只图像特征数据库；将所述船只特征信息与选择的特征数据库进行比对，确定出所述待检索船只的身份。通过实施该方法，既能够准确地对单一姿态待检索船只图像进行身份识别，也能够保证实现待检索船只在不同姿态下的精准识别，同时还能够减少检索数据量，提高检索效率。

Description

一种船只图像检索方法、装置、电子设备以及存储介质
技术领域
本发明涉及图像处理领域，具体涉及一种基于船只标识信息的检索方法、装置、电子设备以及存储介质。
背景技术
随着观测技术的进步，可获取的影像数据量正在以惊人的速度增长。同时，数据日益多元化，数据获取数度更快，获取周期更短，时效性也更强。然而，与数据获取方面的快速发展不同，现有的数据处理技术还远远不能达到要求，从而导致了很多数据的浪费，不能充分利用数据的价值。研究如何从海量的数据中高效、快速地获取有效的目标信息，检索出需要的图像，有利于数据库的高效利用。然而，当前许多图像中地物复杂且覆盖范围广，船只作为小型地物，具有特征信息相对较少，检索十分困难。
目前对于船只的检索虽然已经提出了很多解决方法，但是还是无法实现船只的精准检索，检索效率高。研究如何从海量的船只影像数据中高精度并且高效率地获取有效的目标船只，检索出需要的船只，仍然是一个重要的问题。
发明内容
有鉴于此，本发明实施例提供了一种船只图像检索方法、装置、电子设备及存储介质，以解决现有船只检索准确性较低，检索效率较低的技术问题。
根据第一方面，本发明实施例提供了一种船只图像检索方法，包括如下步骤：获取待检索船只图像；提取所述待检索船只图像中的船只姿态信息和船只特征信息；选择与所述船只姿态信息对应的特征数据库，其中，每个船只姿态类型对应一个特征数据库，所述特征数据库为预先构建的针对相应的船只姿态类型下的二维船只图像特征数据库；将所述船只特征信息与选择的特征数据库进行比对，确定出所述待检索船只的身份。
本发明实施例提供的船只图像检索方法，对待检索船只图像进行船只姿态信息和船只特征信息提取，利用两个检索要素，对船只图像进行检索，提高了船只图像检索的准确性；首先根据所提取的船只姿态信息，选择对应的船只姿态特征数据库，然后将所提取的船只特征信息与所选择的船只特征数据库中的船只特征进行比对，通过船只姿态信息对船只检索范围进行初步限定，锁定初步检索范围，减少了检索数据量，能够实现高效率的船只检索；在对于船只姿态信息特征数据库的选择上，主要根据提取的待检索船只图像姿态信息而定，对于提取的一个或者多个姿态信息，选择对应的船只姿态信息特征库进行检索，保证后续船只特征信息对比能够精准的比对，能够实现高准确性的船只检索。
结合第一方面，在第一方面第一实施例中，所述确定出所述待检索船只的身份，包括：确定出所述特征数据库中与所述船只特征信息相似度超过第一预设阈值的船只图像，将确定出的船只图像的身份信息作为所述待检索船只的身份信息。
本发明实施例提供的船只图像检索方法，在实现船只特征信息比对的过程中，预先设定了第一阈值，将所述特征数据库中与所述船只特征信息相似度超过第一阈值的船只图像的身份信息作为所述待检索船只的身份信息，能够快速地锁定与待检索船只相匹配的船只图像，快速的完成对待检索船只的身份识别。
结合第一方面，在第一方面第二实施例中，当所述待检索船只包含至少两种姿态组合时，所述选择与所述船只姿态信息对应的特征数据库，包括：选择每种姿态对应的特征数据库；所述将所述船只特征信息与选择的特征数据库进行比对，包括：将所述船只特征信息与选择的每一种姿态对应的特征数据库分别进行比对。
本发明实施例提供的船只图像检索方法，鉴于待检索船只图像的多元化，当待检索船只图像中包含至少两种姿态组合时，首先分别将不同的姿态信息进行提取，然后对于每一种姿态对应的特征数据库进行选择，然后在所选择的每一种特征数据库中与所提取的待检索船只特征信息进行对比，分别得到初步比对结果。
结合第一方面第一实施例，在第一方面第三实施例中，所述确定出所述待检索船只的身份，包括：获取每一个特征数据库中相似度超过第二预设阈值的船只图像；将从每个特征数据库中获取的船只图像进行关联分析，确定是否存在同一船只的图像；当存在同一船只的图像时，将该同一船只的身份信息作为所述待检索船只的身份信息。
本发明实施例提供的船只图像检索方法，在实现船只特征信息比对的过程中，还预先设定了第二阈值，该第二阈值不超过第一预设阈值，当待检索船只包含至少两种姿态组合时，每一种姿态对应的船只特征信息可能有一定程度的缺失，这时按照第一预设阈值去限定筛选时，可能无法得到检索结果，当按照第一预设阈值去限定筛选无法得到检索结果时，采用第二预设阈值去限定，分别从每个姿态对应的特征数据库获取初步检索的船只图像，然后将每个特征数据库获取船只图像进行关联分析，确定是否存在同一船只的图像，当存在同一船只的图像的时候，将该同一船只的身份信息作为所述待检索船只的身份信息。通过设定第二阈值，能够实现船只在不同姿态情况下的检索，通过将每个特征数据库获取船只图像进行关联分析，确定最终的船只检索结果，能够保证船只检索的准确性。
结合第一方面第三实施例，在第一方面第四实施例中，当存在多个同一船只的图像时，所述船只图像检索方法还包括：对于属于同一船只的图像，将所有计算得到的相似度进行求和，作为总相似度；将总相似度最大的同一船只的身份信息作为所述待检索船只的身份信息。
本发明实施例提供的船只图像检索方法，在对上述第二预设阈值的筛选结果进行关联分析，确定是否存在同一船只的图像时，若发现存在至少两个同一船只的图像时，对于属于同一船只的图像，将在每个特征数据库中计算得到的相似度进行求和，得到总相似度，然后将总相似度最大的同一船只的身份信息作为待检索船只的身份信息。通过对相似度求和得到总相似度然后在根据总相似度确定待检索船只的身份信息，进一步保证了在第二预设阈值的情况下船只检索的准确性，实现船只的精准检索。
结合第一方面，在第一方面第五实施例中，所述提取所述待检索船只图像中的船只姿态信息和船只特征信息，包括：构建并训练模型，构建卷积神经网络模型；将训练图像和训练标签输入到所述卷积神经网络模型并进行训练，使得所述卷积神经网络模型能够从输入的所述训练图像中提取出船只姿态信息和船只特征信息；利用所述卷积神经网络模型从所述待检索船只图像中提取所述船只姿态信息和船只特征信息。
结合第一方面，在第一方面第六实施例中，所述从所述待检索船只图像中提取船只特征信息，包括：基于图像分割方法初始化所述待检索船只图像，生成多个区域块；计算每两个相邻区域块的相似度，将最相似的两个相邻区域块进行合并为一个新的区域；基于所述新的区域块，重复计算每个与其相邻区域块的相似度，并选择相似度最高的两个相邻区域块合并为一个新的区域块，直到完成所有区域块的相似度计算。
本发明实施例提供的船只图像检索方法，在对待检索船只进行船只特征信息提取之前，基于图像分割方法初始化所述待检索船只图像，生成多个区域块；计算每两个相邻区域块的相似度，将最相似的两个相邻区域块进行合并为一个新的区域；基于所述新的区域块，重复计算每个与其相邻区域块的相似度，并选择相似度最高的两个相邻区域块合并为一个新的区域块，直到完成所有区域块的相似度计算。通过上述步骤对待检索船只目标区域进行确定，对船只实现精准定位，并排除了待检索船只图像中其它非船只目标地物的干扰，保证了船只检索的准确性，也提高了检索效率。
根据第二方面，本发明实施例提供了一种船只图像检索的装置，包括：获取模块，用于获取待检索船只图像；提取模块，用于提取所述待检索船只图像中的船只姿态信息和船只特征信息；选择模块，用于选择与所述船只姿态信息对应的特征数据库，其中，每个船只姿态类型对应一个特征数据库，所述特征数据库为预先构建的针对相应的船只姿态类型下的二维船只图像特征数据库；比对模块，用于将所述船只特征信息与选择的特征数据库进行比对，确定出所述待检索船只的身份。
根据第三方面，本发明实施例提供了一种电子设备，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行第一方面或者第一方面的任意一种实施方式中所述的船只图像检索方法。
根据第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行第一方面或者第一方面的任意一种实施方式中所述的船只图像检索方法。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，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1中船只图像检索方法的一个具体示例的流程图；
图2为本发明实施例1中船只图像检索方法的一个针对待检索船只图像多元化的具体船只检索流程图；
图3为本发明实施例1中船只图像检索方法的一个提取待检索船只图像的姿态信息和船只特征信息的流程图；
图4为本发明实施例1中船只图像检索方法的一个对待检索船只图像进行船只目标区域定位的流程图；
图5为本发明实施例2中船只图像检索装置的一个具体示例的原理框图；
图6为本发明实施例3中电子设备的一个具体示例的原理框图。
具体实施方式
下面将结合附图对本发明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发明一部分实施例，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，都属于本发明保护的范围。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，还可以是两个元件内部的连通，可以是无线连接，也可以是有线连接。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
实施例1
本实施例提供一种船只图像检索方法，用于对船只图像的检索。需要说明的是在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。如图1所示，该方法可以包括如下步骤：
S10，获取待检索船只图像。
S11，提取所述待检索船只图像中的船只姿态信息和船只特征信息。
本发明实施例中，对提取待检索船只图像中的船只姿态信息和船只特征信息，目的在于改变现有技术在单一对船只特征信息提取后进行船只检索的方法，采用优先使用提取的船只姿态信息确定检索特征数据库，然后将提取的船只特征信息与确定的特征数据库进行比对，能够通过船只姿态信息降低检索数据量，然后对船只特征信息进行比对，能够提高检索效率。
S12，选择与所述船只姿态信息对应的特征数据库，其中，每个船只姿态类型对应一个特征数据库，所述特征数据库为预先构建的针对相应的船只姿态类型下的二维船只图像特征数据库。
本发明实施例中，根据上述提取的船只姿态信息，选择对应的船只特征数据库，能够极大程度地减少检索数据量，提高检索效率。对于预先构建的针对相应船只姿态类型下的二维船只图像特征数据库，具体地，首先将海量船只图像数据根据姿态信息进行分类，构建姿态数据库，在对该姿态数据库中船只图像进行特征提取，构建该姿态数据库的特征数据库。例如，对于正面姿态的船只图像，构建正面姿态的船只特征数据库，对于侧面姿态的船只图像，构建侧面姿态的船只特征数据库。选本实施例对于姿态具体情况不做限定，可以根据需要确定。
S13，将所述船只特征信息与选择的特征数据库进行比对，确定出所述待检索船只的身份。
本发明实施例中，对于船只特征信息与选择的特征数据库进行比对可以基于相似度计算来确定，具体地可以根据SURF算法对选择的特征数据库中特征与提取的待检索船只特征信息进行相似度计算，也可以根据欧式距离计算选择的特征数据库中特征与提取的待检索船只特征信息的相似度。本发明实施例对相似度计算算法不做限定，可以根据需要确定。
优选地，上述S13中对待检索船只身份的确定，基于对选择的特征数据库中特征与提取的待检索船只特征信息相似度计算，将得到的相似度结果与第一预设阈值进行比对，将相似度超过第一预设阈值的船只图像的身份信息作为待检索船只图像的身份信息，例如，第一预设阈值可以为90％。本发明实施例对第一预设阈值不做限定，可以根据需要确定。
优选地，当待检索船只图像包含至少两种组态组合时，上述S12中对船只姿态信息对应的特征数据库的选择，包括选择每种姿态对应的特征数据库；在上述S13中将待检索船只图像的特征信息与选择的特征数据库进行对比，包括将待检索船只图像的特征信息与选择的每一种姿态对应的特征数据库分别进行比对。例如：当待检索船只图像包含正面、侧面以及俯视面三个姿态信息，对于特征数据库的选择就选择正面、左侧面以及俯视面三个姿态信息对应的正面特征数据库、左侧面特征数据库以及俯视面特征数据库；将待检索船只图像的特征信息与选择的特征数据库进行对比时，将提取的待检索船只图像的特征信息分别与正面特征数据库、左侧面特征数据库以及俯视面特征数据库进行比对。
优选地，如图2所述，当待检索船只图像包含至少两种姿态组合时，为实现上述S13中基于对选择的特征数据库中特征与提取的待检索船只特征信息相似度计算确定待检索船只图像的身份信息，可以通过将得到的相似度结果与第一预设阈值进行比对，将相似度超过第一预设阈值的船只图像的身份信息作为待检索船只图像的身份信息；当无法得到相似度超过第一预设阈值的船只图像时，还可以通过如下步骤来实现：
S131，获取每一个特征数据库中相似度超过第二预设阈值的船只图像；
S132，将从每个特征数据库中获取的船只图像进行关联分析，确定是否存在同一船只的图像；
S133，当存在同一船只的图像时，将该同一船只的身份信息作为所述待检索船只的身份信息；
S134，当存在多个同一船只的图像时，对于属于同一船只的图像，将所有计算得到的相似度进行求和，作为总相似度；
S135,将总相似度最大的同一船只的身份信息作为所述待检索船只的身份信息。
具体地，将第二预设阈值与每一个特征数据库得到的相似度结果分别进行比对，得到每个特征数据库中超过第二预设阈值的船只图像，将每个特征数据库得到的船只图像进行关联分析，确定是否存在同一船只图像，若存在同一船只图像，则将该同一船只图像的身份信息作为待检索船只图像的身份特征信息，若存在至少两个同一船只的图像，则将属于同一船只的图像在每个特征数据库中对应的相似度进行要求和作为总相似度，将总相似度最大的同一船只图像的身份信息作为待检索船只图像的身份信息。根据不同的姿态信息，确定不同的预设阈值，能够实现多元化的船只图像检索，同时也能够通过多个船只姿态特征数据库的关联分析，提高船只图像检索的准确性。
示例性地，当待检索船只图像包含正面、左侧面以及俯视面三种姿态信息时，当采用第二预设阈值在对应的正面特征数据库得到的船只图像、左侧面特征数据库得到的船只图像以及俯视面特征数据库中得到的船只图像分别为A、B、C，A、D、E，A、F、G时，存在同一船只的图像A，那么A的身份信息就是待检索船只的身份信息；当在对应的正面特征数据库得到的船只图像、左侧面特征数据库得到的船只图像以及俯视面特征数据库中得到的船只图像分别为A、B、C、D，A、B、E、F，A、B、H、G时，存在两个同一船只的图像A、B，此时便将图像A在每个特征数据库中对应的相似度a1、a2、a3进行求和得到总相似度Aall；将图像B在每个特征数据库中对应的相似度b1、b2、b3进行求和得到总相似度Ball，将Aall和Ball对比选择总相似度最大的船只图像的身份信息作为待检索船只的身份信息。其中第二预设阈值可以为60％，本发明实施例对第二预设阈值不作限定，可以根据需要确定。
优选地，如图3所示，上述步骤S11，可以通过如下步骤来实现：
S111，构建并训练模型，构建卷积神经网络模型；
S112，将训练图像和训练标签输入到所述卷积神经网络模型并进行训练，使得所述卷积神经网络模型能够从输入的所述训练图像中提取出船只姿态信息和船只特征信息；
S113，利用所述卷积神经网络模型从所述待检索船只图像中提取所述船只姿态信息和船只特征信息。
优选地，如图4所示，在上述S11之前还包括如下步骤：
S21，基于图像分割方法初始化所述待检索船只图像，生成多个区域块；
S22，计算每两个相邻区域块的相似度，将最相似的两个相邻区域块进行合并为一个新的区域块；
S23，基于所述新的区域块，重复计算每个与其相邻区域块的相似度，并选择相似度最高的两个相邻区域块合并为一个新的区域块，直到完成所有区域块的相似度计算。
具体地，首先将待检索船只图像进行分割生成多个区域块，然后对每个区域块和相邻的区域块进行相似度计算，确定相似度最高的两个相邻的区域块，并合并为一个新的区域块，然后基于合并的新的区域块计算与其相邻的区域块的相似度，再次选择相似度最高的两个区域块进行合并为新的区域块，重复上述步骤，直到完成所有区域块的相似度计算，确定最后的合并区域块，得到目标区域。通过该方法对待检索船只图像进行船只目标区域定位，能够对船只实现精准定位，并排除了待检索船只图像中其它非船只目标地物的干扰，保证了船只检索的准确性，也提高了检索效率。
本发明实施例提供的一种船只图像的检索方法，通过对待检索船只图像中的船只姿态信息和船只特征信息的提取，优先根据船只姿态信息确定特征数据库，然后将船只特征信息与确定的特征数据库进行相似度计算，根据相似度确定待检索船只的身份信息，同时根据待检索船只图像的多元化，设定了不同船只姿态的特征数据库，并根据待检索船只图像的一个或者多个船只姿态信息分别选择与其姿态信息对应的特征数据库进行相似度计算比对，同时考虑到多种情况，采用第一预设阈值和第二预设阈值对船只进行检索，并在存在多个匹配结果的同时通过计算相似度的总和然后对比选取最终的船只图像作为待检索船只的身份信息。采用姿态信息确定特征数据库，大大地减少了检索数据量，提高了船只检索效率，同时根据单一或者多个特征数据库相似度的比对以及船只目标区域的定位得到的待检索船只的身份信息，能够实现船只检索的高精准，提高了船只检索的准确性。
实施例2
在本实施例中提供了一种船只图像检索装置，该装置用于实现上述实施例1及其优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
本发明实施例提供了一种船只图像检索装置，该装置可以用于实现实施例1或者其任意可选实施方式所述的船只图像检索方法。如图5所示，该装置包括：获取模块10，提取模块20，选择模块30，比对模块40。其中，
获取模块10，用于获取待检索船只图像；
提取模块20，用于提取所述待检索船只图像中的船只姿态信息和船只特征信息；
选择模块30，用于选择与所述船只姿态信息对应的特征数据库，其中，每个船只姿态类型对应一个特征数据库，所述特征数据库为预先构建的针对相应的船只姿态类型下的二维船只图像特征数据库；
比对模块40，用于将所述船只特征信息与选择的特征数据库进行比对，确定出所述待检索船只的身份。
实施例3
本发明实施例提供了一种电子设备，如图6所示，该电子设备包括处理器31和存储器32，其中处理器31和存储器32可以通过总线或者其他方式连接，图6中以通过总线连接为例。
处理器31可以为中央处理器(CPU)。处理器31还可以为其它通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。
存储器32作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本发明实施例中船只图像检索方法对应的程序指令/模块。处理器31通过运行存储在存储器32中的非暂态软件程序、指令以及模块，从而执行处理器的各种功能应用以及数据处理，即实现上述方法实施例中船只图像检索方法。
存储器32还可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储处理器31所创建的数据等。此外，存储器32可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或者其他非暂态固态存储器件。在一些实施例中，存储器32可选包括相对于处理器31远程设置的存储器，这些远程存储器可以通过网络连接至处理器31。上述网络的实施例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述存储器32中存储一个或者多个模块，当被所述处理器31执行时，执行如图1-4所示实施实例中的船只图像检索方法。
上述电子设备具体细节可以对应参阅图1至图4所示的实施例中对应的相关描述和效果进行理解。此处不再赘述。
本领域技术人员可以理解，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)、随机存储记忆体(Random AccessMemory，RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid-State Drive，SSD)等；所述存储介质还可以包括上述种类的存储器的组合。
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (10)

1.一种船只图像检索方法，其特征在于，包括如下步骤：
获取待检索船只图像；
提取所述待检索船只图像中的船只姿态信息和船只特征信息；
选择与所述船只姿态信息对应的特征数据库，其中，每个船只姿态类型对应一个特征数据库，所述特征数据库为预先构建的针对相应的船只姿态类型下的二维船只图像特征数据库；
将所述船只特征信息与选择的特征数据库进行比对，确定出所述待检索船只的身份。
2.根据权利要求1所述的船只图像检索方法，其特征在于，所述确定出所述待检索船只的身份，包括：
确定出所述特征数据库中与所述船只特征信息相似度超过第一预设阈值的船只图像，将确定出的船只图像的身份信息作为所述待检索船只的身份信息。
3.根据权利要求1所述的船只图像检索方法，其特征在于，当所述待检索船只包含至少两种姿态组合时，
所述选择与所述船只姿态信息对应的特征数据库，包括：选择每种姿态对应的特征数据库；
所述将所述船只特征信息与选择的特征数据库进行比对，包括：将所述船只特征信息与选择的每一种姿态对应的特征数据库分别进行比对。
4.根据权利要求2所述的船只图像检索方法，其特征在于，所述确定出所述待检索船只的身份，包括：
获取每一个特征数据库中相似度超过第二预设阈值的船只图像；
将从每个特征数据库中获取的船只图像进行关联分析，确定是否存在同一船只的图像；
当存在同一船只的图像时，将该同一船只的身份信息作为所述待检索船只的身份信息。
5.根据权利要求4所述的船只图像检索方法，其特征在于，当存在多个同一船只的图像时，所述船只图像检索方法还包括：
对于属于同一船只的图像，将所有计算得到的相似度进行求和，作为总相似度；
将总相似度最大的同一船只的身份信息作为所述待检索船只的身份信息。
6.根据权利要求1所述的船只图像检索方法，其特征在于，所述提取所述待检索船只图像中的船只姿态信息和船只特征信息，包括：
构建并训练模型，构建卷积神经网络模型；
将训练图像和训练标签输入到所述卷积神经网络模型并进行训练，使得所述卷积神经网络模型能够从输入的所述训练图像中提取出船只姿态信息和船只特征信息；
利用所述卷积神经网络模型从所述待检索船只图像中提取所述船只姿态信息和船只特征信息。
7.根据权利要求1所述的船只图像检索方法，其特征在于，所述从所述待检索船只图像中提取船只特征信息，包括：
基于图像分割方法初始化所述待检索船只图像，生成多个区域块；
计算每两个相邻区域块的相似度，将最相似的两个相邻区域块进行合并为一个新的区域；
基于所述新的区域块，重复计算每个与其相邻区域块的相似度，并选择相似度最高的两个相邻区域块合并为一个新的区域块，直到完成所有区域块的相似度计算。
8.一种船只图像检索装置，其特征在于，包括：
获取模块，用于获取待检索船只图像；
提取模块，用于提取所述待检索船只图像中的船只姿态信息和船只特征信息；
选择模块，用于选择与所述船只姿态信息对应的特征数据库，其中，每个船只姿态类型对应一个特征数据库，所述特征数据库为预先构建的针对相应的船只姿态类型下的二维船只图像特征数据库；
比对模块，用于将所述船只特征信息与选择的特征数据库进行比对，确定出所述待检索船只的身份。
9.一种电子设备，其特征在于，包括：
存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行权利要求1-7任一项所述的船只图像检索方法。
10.一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存储有计算机指令，所述计算机指令用于使所述计算机执行权利要求1-7任一项所述的船只图像检索方法。
CN202011211791.4A 2020-11-03 2020-11-03 一种船只图像检索方法、装置、电子设备以及存储介质 Pending CN112328826A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011211791.4A CN112328826A (zh) 2020-11-03 2020-11-03 一种船只图像检索方法、装置、电子设备以及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011211791.4A CN112328826A (zh) 2020-11-03 2020-11-03 一种船只图像检索方法、装置、电子设备以及存储介质

Publications (1)

Publication Number Publication Date
CN112328826A true CN112328826A (zh) 2021-02-05

Family

ID=74323255

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011211791.4A Pending CN112328826A (zh) 2020-11-03 2020-11-03 一种船只图像检索方法、装置、电子设备以及存储介质

Country Status (1)

Country Link
CN (1) CN112328826A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113204664A (zh) * 2021-04-25 2021-08-03 北京三快在线科技有限公司 一种图像聚类方法及装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8411969B1 (en) * 2010-08-06 2013-04-02 The United States Of America As Represented By The Secretary Of The Navy Method for fusing overhead imagery with automatic vessel reporting systems
CN110162645A (zh) * 2019-05-28 2019-08-23 广东三维家信息科技有限公司 基于索引的图像检索方法、装置及电子设备
CN110287346A (zh) * 2019-06-28 2019-09-27 深圳云天励飞技术有限公司 数据存储方法、装置、服务器及存储介质
CN111553182A (zh) * 2019-12-26 2020-08-18 珠海大横琴科技发展有限公司 一种船只检索方法、装置及电子设备
CN111639651A (zh) * 2019-12-26 2020-09-08 珠海大横琴科技发展有限公司 一种基于全连接层特征提取的船只检索方法及装置
CN111695572A (zh) * 2019-12-27 2020-09-22 珠海大横琴科技发展有限公司 一种基于卷积层特征提取的船只检索方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8411969B1 (en) * 2010-08-06 2013-04-02 The United States Of America As Represented By The Secretary Of The Navy Method for fusing overhead imagery with automatic vessel reporting systems
CN110162645A (zh) * 2019-05-28 2019-08-23 广东三维家信息科技有限公司 基于索引的图像检索方法、装置及电子设备
CN110287346A (zh) * 2019-06-28 2019-09-27 深圳云天励飞技术有限公司 数据存储方法、装置、服务器及存储介质
CN111553182A (zh) * 2019-12-26 2020-08-18 珠海大横琴科技发展有限公司 一种船只检索方法、装置及电子设备
CN111639651A (zh) * 2019-12-26 2020-09-08 珠海大横琴科技发展有限公司 一种基于全连接层特征提取的船只检索方法及装置
CN111695572A (zh) * 2019-12-27 2020-09-22 珠海大横琴科技发展有限公司 一种基于卷积层特征提取的船只检索方法及装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113204664A (zh) * 2021-04-25 2021-08-03 北京三快在线科技有限公司 一种图像聚类方法及装置

Similar Documents

Publication Publication Date Title
CN110751022B (zh) 基于图像识别的城市宠物活动轨迹监测方法及相关设备
CN107944020B (zh) 人脸图像查找方法及装置、计算机装置和存储介质
CN108304882B (zh) 一种图像分类方法、装置及服务器、用户终端、存储介质
Maurya et al. Road extraction using k-means clustering and morphological operations
CN110426112B (zh) 一种生猪体重测量方法及装置
CN110019896B (zh) 一种图像检索方法、装置及电子设备
Zamir et al. Accurate image localization based on google maps street view
US8798357B2 (en) Image-based localization
CN103207898B (zh) 一种基于局部敏感哈希的相似人脸快速检索方法
CN109960742B (zh) 局部信息的搜索方法及装置
CN108108662B (zh) 深度神经网络识别模型及识别方法
JP2015506045A (ja) 画像特徴の類似性に基づく画像索引作成
CN102693421B (zh) 基于sift 特征包的牛眼虹膜图像识别方法
CN114037637B (zh) 一种图像数据增强方法、装置、计算机设备和存储介质
WO2024060684A1 (zh) 模型训练方法、图像处理方法、设备及存储介质
US20240087368A1 (en) Companion animal life management system and method therefor
CN113298158A (zh) 数据检测方法、装置、设备及存储介质
CN112328826A (zh) 一种船只图像检索方法、装置、电子设备以及存储介质
CN111695572A (zh) 一种基于卷积层特征提取的船只检索方法及装置
Shao et al. Faster R-CNN learning-based semantic filter for geometry estimation and its application in vSLAM systems
CN111382638A (zh) 一种图像检测方法、装置、设备和存储介质
US7343362B1 (en) Low complexity classification from a single unattended ground sensor node
CN110472092B (zh) 一种街景图片的地理定位方法及系统
CN110781866A (zh) 基于深度学习的大熊猫脸部图像性别识别方法及装置
US20240104952A1 (en) Systems and methods for nose-based pet identification

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20210205