CN113553463A - 一种商标识别查询方法、系统、数据存储器及存储介质 - Google Patents
一种商标识别查询方法、系统、数据存储器及存储介质 Download PDFInfo
- Publication number
- CN113553463A CN113553463A CN202110875953.2A CN202110875953A CN113553463A CN 113553463 A CN113553463 A CN 113553463A CN 202110875953 A CN202110875953 A CN 202110875953A CN 113553463 A CN113553463 A CN 113553463A
- Authority
- CN
- China
- Prior art keywords
- trademark
- image
- picture
- matching rate
- subdivided
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 128
- 238000013500 data storage Methods 0.000 title claims description 14
- 238000012545 processing Methods 0.000 claims abstract description 45
- 230000011218 segmentation Effects 0.000 claims description 35
- 230000015654 memory Effects 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 8
- 238000012790 confirmation Methods 0.000 claims description 8
- 239000004214 Fast Green FCF Substances 0.000 claims description 6
- 239000004120 green S Substances 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 4
- 239000004215 Carbon black (E152) Substances 0.000 claims description 3
- 239000004126 brilliant black BN Substances 0.000 claims description 3
- 239000004121 copper complexes of chlorophylls and chlorophyllins Substances 0.000 claims description 3
- 239000004108 vegetable carbon Substances 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 8
- 230000007547 defect Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
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
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/53—Querying
- G06F16/538—Presentation of query results
-
- 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
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)
- Image Analysis (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
一种商标识别查询方法,包括以下步骤:对待查询商标图片进行裁剪或确认处理,获取有效区域图像;对有效区域图像和样本商标图片做文字和/或商标图形要素编码识别处理,分别获取待查询商标图片的第一关键词和样本商标图片对应的文本数据记录;提取图像特征描述符,获取待查询商标图片的第二关键词和样本商标图片对应的图像特征数据记录;提取第一关键词和第二关键词作为检索组合条件进行商标查询,获得初步商标查询结果并计算每一商标的各单项匹配率和商标综合匹配率,将商标综合匹配率大于预设商标综合匹配率的初步商标查询结果作为检索结果,将检索结果按照商标综合匹配率大小排列展示,该检索方法能够有效提高检索的精准度、查全率和查准率。
Description
技术领域
本发明涉及商标信息检索技术领域,特别是一种商标识别查询方法、系统、数据存储器及存储介质。
背景技术
商标查询是商标注册、商标审查、商标管理、商标维权等程序中非常重要的工作,商标查询的主要目的是如何查找出符合《商标法》意义上的相同或近似商标,用以确认输入商标所获得的或可能获得的商标权利权属范围的信息,为实施企业商标战略的各种活动提供决策依据。
目前的商标查询检索工具主要有两类:一是输入文本的商标查询,即以输入文本文字或字符作为检索关键词而进行的商标信息查询,属于传统的商标查询方法;二是输入商标图片的商标查询,即以上传商标图片作为检索输入,对该图片提取其图像特征,将图像特征作为检索关键词而进行的商标信息查询,属于新兴的商标查询方法。
但是目前的这两种查询的方法都存在各自的缺陷,例如输入文本的商标查询的方法,改方法是基于查询者输入的文本而实现的商标查询,输入的文本是否能找全相同或近似的商标具有不确定性,受查询者输入的内容的影响较大,如果查询者的商标查询专业水平不足,会影响商标查询结果的质量。而输入商标图片的商标查询方法是基于图像识别技术提取其图像特征,将图像特征作为检索关键词而进行的商标信息查询,对于图像形状非常接近的图像的匹配性会较好,但对描述同一事物而形状不同的图像匹配性较差,致使相同或近似商标的查全率并不高,也影响了商标查询结果的质量。故目前寻找能改善相同或近似商标的查全率、查准率的商标查询的新方法亟待出现。
发明内容
针对上述缺陷,为了能有效克服商标查询关键词遗漏的缺陷,解决商标查询关键词智能获取和输入的问题,改善图像特征检索的效果,为达此目的,本发明提出了一种商标识别查询方法、系统、数据存储器及存储介质。
本发明采用以下技术方案:一种商标识别查询方法,包括以下步骤:
步骤A:通过用户端拍摄设备进行拍照获取待查询商标图片或通过选择存储在用户端设备的商标图片作为待查询商标图片,并对该待查询商标图片进行裁剪或确认,获取待查询商标图片的有效区域图像;
步骤B:对待查询商标图片的有效区域图像做文字和/或商标图形要素编码识别处理,获取待查询商标图片的第一关键词;
对样本商标图片做文字和/或商标图形要素编码识别处理,获取样本商标图片对应的文本数据记录;
步骤C:提取待查询商标图片的有效区域图像的图像特征描述符,获取待查询商标图片的第二关键词;
提取样本商标图片的图像特征描述符,获取样本商标图片对应的图像特征数据记录;
其中,采用同一方向的分割线对有效区域图像进行多等份细分,获取具有同一切割方向的细分区域以及细分区域数据集,提取细分区域数据集的图像特征数据以获得图像特征描述符,所述图像特征描述符至少包括如下一项或两项:粗略图像特征描述符和精细图像特征描述符;
步骤D:以待查询商标图片的有效区域图像所提取的第一关键词和第二关键词作为检索组合条件进行商标查询,获得初步商标查询结果;
步骤E:计算初步商标查询结果中每一商标的各单项匹配率和商标综合匹配率,将商标综合匹配率大于预设商标综合匹配率的初步商标查询结果作为检索结果,将检索结果按照商标综合匹配率大小排列展示。
优选的,步骤A所述待查询商标图片为:动态拍摄获取的目标商标图片、存储在电脑设备上的目标商标图片或已存储在样本库的样本商标图片。
优选的,所述步骤B所述文本数据包括:样本商标图片所对应的文字和/或商标图形要素编码。
优选的,所述步骤C所述获取图像特征描述符的方法具体包括:
步骤C1:提取待查询商标图片的有效区域图像的像素点颜色值数据并进行色块分割,获取待查询商标图片的有效区域图像的图像数据;
步骤C2:采用同一方向的分割线对有效区域图像进行多等份细分,获取具有同一切割方向的细分区域以及细分区域数据集;
步骤C3:对所述细分区域进行连通域确认、线段识别和线长计量,获取所述细分区域的图像特征数据;
步骤C4:对所述细分区域的图像特征数据进行统计、组合处理,以获取图像特征描述符,所述图像特征描述符至少包括如下一项:粗略图像特征描述符和/或精细图像特征描述符。
优选的,所述步骤C1所述待查询商标图片的有效区域图像的图像数据,包括:待查询商标图片的有效区域图像的像素点的坐标位置、色块连通域、主色像素点、背景色像点数据;
步骤C1所述色块分割是指对图像的像素点颜色值进行分类,将一定范围内相近的颜色值划分为一个色级,由每一色级的像素点组成的图像称为色块。色块分割如下方法之一进行分割获取:两色分割法或多色分割法进行分割。
其中所述两色分割法步骤包括将反映图像主要颜色特征的颜色值归为主色级,将反映图像除主要颜色特征之外的颜色值归为背景色级;
所述多色分割法包括将反映图像主要颜色特征的颜色值细分为N个色级,N≥2,这些色级分别称为第一主色级、第二主色级、……、第N主色级,将反映图像除主要颜色特征之外的颜色值归为背景色级;
所述色块连通域是指对图像中具有同一色级且相互相连的像素点的集合,该集合作为一个色块连通域,其中所述色级是在范围内按照颜色值划分出的一段颜色值区间;
所述主色像素点是指除背景色级外的主色级的像素点,或反映图像主要颜色特征的像素点;
所述背景色像素点包括反映图像除主色级的像素点外的像素点或除主要颜色特征之外的像素点;
步骤C2所述分割线的同一方向包括如下方向:水平向、垂直向、特定角度向;
具有同一切割方向的细分区域包括如下至一项:水平向分割细分区域,垂直向分割细分区域,特定角度向分割细分区域;
所述细分区域数据集为一个方向或者多个方向的细分区域的数据集合,其中所述细分区域数据集包括如下至少一项或多项的组合:水平向分割细分区域,垂直向分割细分区域,特定角度向分割细分区域;
其中所述水平向分割法包括:将有效区域图像其整体像素高度进行单一水平方向的等份分割;
所述垂直向分割法包括:将有效区域图像将其整体像素宽度进行单一垂直方向的等份分割;
所述特定角度分割法包括:对将待查询商标图片的有效区域图像的整体像素宽度进行在预设的特定角度方向上的等份分割,所述预设的特定角度在0°至360°的整数度中取值;
其中切割等份为大于3的整数;
步骤C3中图像特征数据包括:细分区域的连通域数、细分区域的线段数和细分区域的线长值,其中获取图像特征数据包括如下步骤:
步骤C31:确认细分区域中的连通域,获取细分区域的连通域数;
其中连通域为在所述细分区域内相互相连的主色块像素点集合所构成的局部区域;
步骤C32:识别细分区域的线段,获取细分区域的线段数,其中获取步骤如下:
根据所述预设有效连通域条件判断并确定所述细分区域中各连通域的有效性,获取所述细分区域的有效连通域;
统计所述细分区域内的有效连通域的个数;
将所述细分区域内的有效连通域的个数作为所述细分区域的线段数;
其中,所述细分区域的线段是指将细分区域中符合预设有效连通域条件的连通域,所述预设有效连通域条件包括:连通域的最大高度等于细分区域的高度时和/或连通域的最大长度大于等于细分区域单位线长标准;
步骤C33:计量细分区域的线长,获取细分区域的线长值,所述细分区域的线长为将所述细分区域中有效连通域在所述细分区域分割线的方向上主色块像素点的长度,所述细分区域的线长值为对所述细分区域中有效连通域在所述细分区域的分割线方向上的主色块像素点数量以细分区域单位线长标准进行计量的数值,所述细分区域单位线长标准是指对细分区域的长度进行线长计量的最小单位的标准;
步骤C4所述获取图像特征描述符的步骤包括:步骤C41:获取粗略图像特征描述符;步骤C42:获取精细图像特征描述符;
所述步骤C41,获取粗略图像特征描述符,具体包括以下步骤:
步骤C411:对待查询商标图片的有效区域图像的细分区域进行组合,获取待查询商标图片的有效区域图像的组合部分区域;
步骤C412:统计各所述组合部分区域的线段线长数据;
步骤C413:统计待查询商标图片的有效区域图像中整体范围的线段线长的特征数据;
步骤C414:将各所述组合部分区域的线段线长数据和整体范围的线段线长的特征数据进行组合处理,生成粗略图像特征描述符;
所述步骤C42,获取精细图像特征描述符,所述精细图像特征描述符包括:待处理图片的有效区域图像中各细分区域的线段数集合和各细分区域的线长值集合,其获取线段数集合与线长值集合包括以下步骤:
步骤C421:按照细分区域的编号顺序记录各细分区域的线段数的一组数字或字符串的集合为各细分区域的线段数集合,其中各细分区域的线段数的集合的表示方法包括:
数字或字符的组数等于待处理图片的有效区域图像的细分区域数;
每组数应表示细分区域的编号和该细分区域的线段数;
步骤C422:按照细分区域的编号顺序记录各细分区域的线长值的一组数字或字符串的集合为各细分区域的线长值集合,其中各细分区域的线长值的集合的表示方法包括:
数字或其他字符的组数等于待处理图片的有效区域图像的细分区域数;
每组数应表示细分区域的编号和该细分区域的线长值。
优选的,所述步骤E具体包括:步骤E1:计算初步商标查询结果中每一商标的各单项匹配率,步骤E2:计算初步商标查询结果中每一商标的商标综合匹配率,步骤E3:将商标综合匹配率大于预设商标综合匹配率的初步商标查询结果作为检索结果,将检索结果按照商标综合匹配率大小排列展示。
优选的,步骤E1所述计算初步商标查询结果中每一商标的各单项匹配率,包括:步骤E11计算中文单项匹配率,步骤E12计算西文单项匹配率,步骤E13计算商标图形要素编码单项匹配率,步骤E14计算图像特征单项匹配率,步骤E15计算商标特征种类结构匹配率。
优选的,所述步骤E11计算中文单项匹配率包括:
以待查询商标图片中所识别获取有效区域图像的文字的每一中文文字为最小单元,获得中文文字总数,中文单项匹配率获取公式如下:
M1=(S÷W)-θ;
其中,M1表示中文单项匹配率,S表示比较两商标相匹配的中文文字数,W表示比较两商标之中最大的中文文字数,θ表示第一调整参数,当中文文字数的差为0时,第一调整参数为0,当中文文字数的差不为0时,该第一调整参数在大于0小于100%范围取值;
所述相匹配的中文文字数,是指两商标构成的文字相同且相匹配的文字数也相同的文字数;
初步商标查询结果的商标文字或待查询商标图片中所识别的文字存在2个及以上相同文字时,相匹配的文字数逐个文字计算,同一文字只计算一次匹配;
所述步骤E12计算西文单项匹配率包括:
以待查询商标图片中所识别获取有效区域图像的文字的每一西文的字母、数字、符号为最小单元,获得西文文字总数,获取其西文单项匹配率的公式如下:
M2=(U÷J)-γ;
其中,M2表示西文单项匹配率,U表示比较两商标相匹配的西文文字数,J表示比较两商标之中最大的西文文字数,γ表示第二调整参数,当西文文字数的差为0时,第二调整参数为0,当西文文字数的差不为0时,第二调整参数在大于0小于100%范围取值;
所述相匹配的西文文字数,是指两商标构成的字母、数字、符号相同且相匹配的字母、数字、符号数也相同的文字数;当初步商标查询结果的商标字母、数字、符号或待查询商标图片中所识别的字母、数字和符号存在2个及以上相同字母、数字和符号时,相匹配的字母、数字和符号数应逐个字母、数字、和符号计算,同一字母、数字、符号只计算一次匹配;
所述步骤E13计算商标图形要素编码单项匹配率,图形要素编码单项匹配率用M3表示包括:
以每一商标图形要素编码为最小单元,判断初步商标查询结果商标的图形要素编码数与待查询商标图片中的图形要素编码数的相差数,根据图形要素编码数的相差数计算得出图形要素编码单项匹配率;
当初步商标查询结果商标与待查询商标图片的图形要素编码数均为1个时,两商标的图形要素编码相匹配,图形要素编码单项匹配率判定为100%;
若初步商标查询结果商标与待查询商标图片的图形要素编码数大于等于2时,且2个或以上相匹配,则图形要素编码匹配率为100%;
若每少一个图形要素编码匹配,则图形要素编码匹配率在100%减预设的图形要素偏差匹配率,若没有匹配的,则图形要素编码匹配率为0,其中,预设的图形要素偏差匹配率在小于50%范围内取值;
所述步骤E14计算图像特征单项匹配率,图像特征单项匹配率用M4表示,其获取方法包括:E141计算初步商标查询结果商标与待查询商标图片的有效区域图像的线段数匹配率,E142计算初步商标查询结果商标与待查询商标图片的有效区域图像的线长值匹配率,E143依据所获取的线段匹配率、线长值匹配率计算图像特征单项匹配率;
所述步骤E141,计算初步商标查询结果商标与待查询商标图片的有效区域图像的线段数匹配率的公式如下:
A1=N/Q;
其中,A1表示初步商标查询结果商标与待查询商标图片的有效区域图像的线段数匹配率,N表示相匹配线段数的细分区域数,Q表示细分区域设定的总数。
所述步骤E142,计算初步商标查询结果商标与待查询商标图片的有效区域图像的线长值匹配率的公式如下:
B1=J/Q;
其中,B1表示初步商标查询结果商标与待查询商标图片的有效区域图像的线长值匹配率,J表示相匹配线长值的细分区域数,Q表示细分区域设定的总数;
所述步骤E143,依据所获取的线段匹配率、线长值匹配率计算图像特征单项匹配率的公式如下:
M4=(A1*z+B1*x)-c-v;
其中,M4表示图像特征单项匹配率,A1表示初步商标查询结果商标与待查询商标图片的有效区域图像的线段数匹配率,z表示线段数匹配率的调整权数,B1表示初步商标查询结果商标与待查询商标图片的有效区域图像的线长值匹配率,x表示线长值匹配率的调整权数,c表示匹配图的类型调整参数,v表示连通域匹配类型调整参数;
其中,所述线段数匹配率的调整权数z和线长值匹配率的调整权数x可以在小于100%范围取值,且z加x的和等于100%;
所述的匹配图的类型包括:整图与整图匹配、整图与一类分卡图匹配、整图与二类分卡图匹配、一类分卡图与一类分卡图匹配、一类分卡图与二类分卡图匹配、二类分卡图与二类分卡图匹配;
所述的一类分卡图是指该分卡图的主色像素点数占整体图的主色像素点数的占比大于等50%的分卡图,二类分卡图是指该分卡图的主色像素点数占整体图的主色像素点数的占比小于50%的分卡图。匹配图的类型调整参数在大于0小于50%范围取值。
所述连通域匹配类型包括:整图与整图连通域数完全匹配、整图与分卡图连通域数完全匹配、分卡图与分卡图连通域数完全匹配、整图与整图连通域数偏差k个匹配、整图与分卡图连通域数偏差k个匹配、分卡图与分卡图连通域数偏差k个匹配;
连通域匹配类型调整参数在小于40%范围内设置,k的个数取值在小于图像连通域总数的20%范围内取值。
所述步骤E15计算商标特征种类结构匹配率,商标特征种类结构匹配率用M5表示,获取商标特征种类结构匹配率的步骤如下:
步骤E151获取待查询商标图片的有效区域图像的特征种类结构,提取关键词中不为空的特征种类作为待查询商标图片的有效区域图像的商标特征种类,所述商标特征种类包括:中文、西文、商标图形要素和没有上述记录的图像;
步骤E152统计各匹配的字段归属于何种特征种类,确定相匹配的特征种类数,所述相匹配特征种类数为指两商标相互匹配的特征种类的个数;
其中,在匹配检索中至少有归属某一特征种类的字段被匹配出来,则该特征种类为相匹配的特征种类;相匹配的特征种类的个数就是相匹配的特征种类数;
步骤E153根据匹配的特征种类和商标特征种类结构计算规则分别计算或判定其商标特征种类结构匹配率,计算或判定规则如下:
M5=(D1÷E1)-ε;
其中,M5表示商标特征种类结构匹配率,D1表示比较两商标相匹配的商标特征种类数,E1表示比较两商标之中最大的商标特征种类数,ε表示比较两商标相匹配的商标特征种类数与比较两商标之中最大的商标特征种类数的差的调整参数,当该商标特征种类数的差为0时,调整参数为0,当商标特征种类数的差不为0时,调整参数在大于0小于100%范围取值;
所述相匹配的商标特征种类数为两商标构成的商标特征种类相同且相匹配的商标特征种类数也相同的商标特征种类数;当初步商标查询结果的商标特征种类或待查询商标图片中的商标特征种类存在2个及以上相同商标特征种类时,同一商标特征种类只计算一次匹配。
优选的,步骤E2所述计算初步商标查询结果中每一商标的商标综合匹配率,所述商标综合匹配率按下式计算获得:
当Mp为0时,M=(M4+M5)/2;
其中,M表示商标综合匹配率,Mp表示比较两商标在M1、M2和M3三项之中最大的一项单项匹配率,γ表示Mp的调整权数,M4表示图像特征单项匹配率,ε表示M4的调整权数,M5表示商标特征种类结构匹配率,表示整除的项数,当Mp为0时,的取值为2,当Mp不为0时,的取值为3,调整权数γ、ε在100%±50%范围内取值。
一种商标识别查询系统包括:用户端、服务器、数据存储器、图像处理器、检索处理器,所述用户端通过无线网络或互联网连接服务器,所述服务器与数据存储器、图像处理器、检索处理器之间通过局域网或互联网实现连接并执行如下处理:
所述用户端用于通过用户端拍摄设备进行拍照获取待查询商标图片或通过选择存储在用户端设备的商标图片作为待查询商标图片,以获得待查询商标图片;所述用户端将该待查询商标图片进行裁剪或确认的预处理以获取有效区域图像并将处理后的待查询商标图片发送给所述服务器;所述用户端接收到返回对待查询商标图片的有效区域图像和/或样本商标图片识别出的文字和/或商标图形要素编码进行确认或编辑修正,将确认或编辑修正后的文字和/或商标图形要素编码作为作为待查询商标图片的第一关键词向所述服务器进行反馈回应和商标识别查询请求,或将确认或编辑修正后的文字和/或商标图形要素编码作为作为样本商标图片对应的文本数据记录向所述服务器进行反馈回应和存储于数据存储器;所述用户端接收到返回的检索结果,将检索结果按照商标综合匹配率大小排列展示;
所述服务器接收到待查询商标图片和/或样本商标图片后,指令图像处理器对该待查询商标图片的有效区域图像进行识别并获取有效区域图像的文字和/或商标图形要素编码,将对待查询商标图片的有效区域图像的处理结果作为待查询商标图片的第一关键词,将对样本商标图片处理结果作为样本商标图片对应的文本数据记录并存储于数据存储器;图像处理器对该待查询商标图片的有效区域图像和/或样本商标图片提取所述图像特征描述符,包括:对有效区域图像进行方向一致性的多个等份的细分,获得有效区域图像的细分区域,提取细分区域的图像特征数据以获得图像特征描述符,所述图像特征描述符至少包括如下一项或两项:粗略图像特征描述符和精细图像特征描述符,将图像特征描述符作为第二关键词;指令检索处理器以待查询商标图片的有效区域图像所提取的第一关键词和第二关键词作为检索组合条件进行商标查询,获得初步商标查询结果;并计算初步商标查询结果中每一商标的各单项匹配率和商标综合匹配率,所述服务器将商标综合匹配率大于预设商标综合匹配率的初步商标查询结果作为检索结果,并将检索结果并返回所述用户端按照商标综合匹配率大小排列展示。
一种商标识别查询装置包括:
图片获取与预处理模块:用于通过用户端拍摄设备进行拍照获取待查询商标图片或通过选择存储在用户端设备的商标图片作为待查询商标图片,并对该待查询商标图片进行裁剪或确认,获取待查询商标图片的有效区域图像;
文字识别处理模块:用于对待查询商标图片的有效区域图像做文字和/或商标图形要素编码识别处理,获取待查询商标图片的第一关键词;对样本商标图片做文字和/或商标图形要素编码识别处理,获取样本商标图片对应的文本数据记录;
特征提取模块:用于提取待查询商标图片的有效区域图像的图像特征描述符,获取待查询商标图片的第二关键词,提取样本商标图片的图像特征描述符,获取样本商标图片对应的图像特征数据记录,其中,所述提取图像特征描述符包括:对有效区域图像进行方向一致性的多个等份的细分,获得有效区域图像的细分区域,提取细分区域的图像特征数据以获得图像特征描述符,所述图像特征描述符至少包括如下一项或两项:粗略图像特征描述符和精细图像特征描述符;
检索模块:用于以待查询商标图片的有效区域图像所提取的第一关键词和第二关键词作为检索组合条件进行商标查询,获得初步商标查询结果;
查询结果排序处理模块:计算初步商标查询结果中每一商标的各单项匹配率和商标综合匹配率,将商标综合匹配率大于预设商标综合匹配率的初步商标查询结果作为检索结果,将检索结果按照商标综合匹配率大小排列展示。
一种数据存储器包括:文本数据存储单元,用于存储所述计算机程序被处理器执行时实现步骤B所述“对样本商标图片做文字和/或商标图形要素编码识别处理,获取样本商标图片对应的文本数据记录”的方法所产生的文字和/或商标图形要素编码;
图像特征描述符数据存储单元,用于存储所述计算机程序被处理器执行时实现步骤C所述“提取样本商标图片的图像特征描述符,获取样本商标图片对应的图像特征数据记录,其中,所述提取图像特征描述符包括:对有效区域图像进行方向一致性的多个等份的细分,获得有效区域图像的细分区域,提取细分区域的图像特征数据以获得图像特征描述符,所述图像特征描述符至少包括如下一项或两项:粗略图像特征描述符和精细图像特征描述符”的方法所产生的图像特征描述符。
本发明还涉及一种计算机存储介质,所述计算机存储介质存储有计算机指令,其特征在于,所述计算机程序被处理执行时运行上述一种商标识别查询方法的部分或全部步骤。
本发明的有益效果:本发明通过用户端拍摄设备进行拍照获取待查询商标图片或通过选择存储在用户端设备的商标图片作为待查询商标图片,能有效克服现有技术的商标查询系统只能在办公场所的电脑上通过互联网上传本地已经存储的图片以获取商标查询的输入的局限,可以在任何手机可使用的场地,随时随地实时采集检索的商标图片,实时对图像进行编辑裁剪以获取所需检索的商标图片,为商标从业人员检索商标带来极大的方便。本发明采用待查询商标图片的有效区域图像所提取的第一关键词和第二关键词作为检索组合条件进行商标查询,将输入文本的商标查询和输入商标图片的商标查询进行有效的融合,一方面,实现了传统的文本商标查询方法与商标图像特征的查询方法进行了有机的结合,能有效克服输入文本的商标查询和输入商标图片的商标各自独立查询所出现的缺陷,起到两种方法的取长补短效果,明显提高商标查询的查全率和查准率,另一方面,能有效解决相同或近似图像的共同性特征和区分性特征描述的稳定性问题,有效提高商标图像识别检索中相同或近似图像的匹配效果。即使查询者的商标查询专业水平不足,也能获得较好的商标查询结果质量。通过计算初步商标查询结果中每一商标的各单项匹配率和商标综合匹配率,将商标综合匹配率大于预设商标综合匹配率的初步商标查询结果作为检索结果,能大大地减少了用户在查阅检索结果商标时间,高效找出最近似的检索结果商标,大大地提高了工作效率。
附图说明
图1是本发明一种商标识别查询方法的流程示意图;
图2是示例性待查询商标图片;
图3是本发明一种商标识别查询方法中获取图像特征描述符的流程示意图;
图4是示例性图像的局部色块连通域分割数据表;
图5是示例性图像采用15等份细分区域的示意图;
图6是示例性图像的细分区域单位线长标准示意图;
图7是本发明一种商标识别查询系统的结构示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“轴向”、“径向”、“周向”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”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。
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;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。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。
如图1所示,一种商标识别查询方法,包括以下步骤:
步骤A:通过用户端拍摄设备进行拍照获取待查询商标图片或通过选择存储在用户端设备的商标图片作为待查询商标图片,并对该待查询商标图片进行裁剪或确认,获取待查询商标图片的有效区域图像;
在本发明的实施例中,所述待查询商标图片具体包括:动态拍摄获取的目标商标图片和/或存储在电脑设备上的目标商标图片和/或已存储在样本库的样本商标图片。具体地,可以通过用户端拍摄设备进行拍照获取待查询商标图片或通过选择存储在用户端设备的商标图片作为待查询商标图片,如图2所示。
如果待查询商标图片来源于动态拍摄获取的目标商标图片和/或存储在电脑设备上的目标商标图片,一般在拍照过程中,照片的区域并不等于商标图像的区域,还包括非商标图像的区域,该图片中除了包括目标商标图像外还包括一些非商标构成内容的因素,如果这些区域也进入商标图像特征的识别,会影响商标图像特征的准确性,在实际应用中一般需要对其进行裁剪,为了使输入商标图片正确反映商标图像的本来特征,需要通过进行裁剪处理以得到裁剪后的图像仅具有该目标商标图像,即获得待查询商标图片的有效区域图像。
如果待查询商标图片来源于已存储的目标商标图片,该图片一般已能正确反映商标图像的本来特征,只需要进行确认处理以得到确认后的图像,即获得待查询商标图片的有效区域图像。
步骤B:对待查询商标图片的有效区域图像做文字和/或商标图形要素编码识别处理,获取待查询商标图片的第一关键词;对样本商标图片做文字和/或商标图形要素编码识别处理,获取样本商标图片对应的文本数据记录。
所述文本数据包括:样本商标图片所对应的文字和/或商标图形要素编码。
需要说明的是,在步骤B中,对于如何判断待查询商标图片和/或样本商标图片的有效区域图像中是否含有文本,以及对含有文本的待查询商标图片和/或样本商标图片进行文本识别的技术属于常规技术,可使用OCR文本识别技术来识别图片中所含有的文字。而对商标图形要素编码的自动识别,现有现有技术对图片中是否含有非文字的图形进行商标图形要素编码的自动识别,故对如何识别图片中的文本以及自动识别商标图形要素编码的详细步骤在本申请中不做过多阐述。
通过对待查询商标图片的有效区域图像做文字和/或商标图形要素编码识别处理,获取待查询商标图片的第一关键词;通过对样本商标图片做文字和/或商标图形要素编码识别处理,获取样本商标图片对应的文本数据记录。
还需要说明的是,样本商标图片已能正确反映商标图像的本来特征,无需要重新确认待样本商标图片的有效区域图像,样本商标图片的有效区域图像就是样本商标图片本身。
步骤C:提取待查询商标图片的有效区域图像的图像特征描述符,获取待查询商标图片的第二关键词,提取样本商标图片的图像特征描述符,获取样本商标图片对应的图像特征数据记录,其中,所述提取图像特征描述符包括:对有效区域图像进行方向一致性的多个等份的细分,获得有效区域图像的细分区域,提取细分区域的图像特征数据以获得图像特征描述符,所述图像特征描述符至少包括如下之一:粗略图像特征描述符和精细图像特征描述符;
具体地,步骤C的处理对象包括:待查询商标图片的有效区域图像的图像和样本商标图片。当处理对象是待查询商标图片的有效区域图像的图像时,提取待查询商标图片的有效区域图像的图像特征描述符,获取待查询商标图片的第二关键词;当处理对象是样本商标图片时,提取样本商标图片的图像特征描述符,获取样本商标图片对应的图像特征数据记录。
图3列出本发明一种商标识别查询方法中获取图像特征描述符的流程示意图。获取图像特征描述符的方法具体包括:
步骤C1:提取待查询商标图片的有效区域图像及像素点颜色值数据并进行色块分割,获取待查询商标图片的有效区域图像及图像数据;
步骤C2:采用同一方向的分割线对有效区域图像进行多等份细分,获取具有同一切割方向的细分区域以及细分区域数据集;
步骤C3:对所述细分区域进行连通域确认、线段识别和线长计量,以获取所述细分区域的图像特征数据;
步骤C4:对所述细分区域的图像特征数据进行统计、组合处理,以获取图像特征描述符,所述图像特征描述符至少包括如下一项或多项:粗略图像特征描述符、精细图像特征描述符。
在本发明的实施例中,步骤C1所述待查询商标图片的有效区域图像数据,包括:待查询商标图片的有效区域图像及图像各像素点的坐标位置、色块连通域、主色像素点、背景色像点数据。
在本发明的实施例中,步骤C1所述色块分割是指对图像的像素点颜色值进行分类,将一定范围内相近的颜色值划分为一个色级,由每一色级的像素点组成的图像称为色块。色块分割可采用两色分割法和多色分割法进行分割。
所述两色分割法包括将反映图像主要颜色特征的颜色值归为主色级,将反映图像除主要颜色特征之外的颜色值归为背景色级;
所述多色分割法包括将反映图像主要颜色特征的颜色值细分为N个色级,N≥2,这些色级分别称为第一主色级、第二主色级、……、第N主色级,将反映图像除主要颜色特征之外的颜色值归为背景色级。
所述色块连通域是指对图像中具有同一色级且相互相连的像素点的集合,该集合作为一个色块连通域。其中,所述的色级是由一定范围内相近的颜色值划分出的一段颜色值区间,具体地,所述的一定范围内相近的颜色值是指根据具有较高的像素点集中度而划分出的一段颜色值区间,该区间中的颜色值较为相近,将该段颜色值区间作为一个色级。
所述主色像素点是指除背景色级外的主色级的像素点,或反映图像主要颜色特征的像素点;
所述背景色像素点包括反映图像除主色级的像素点外的像素点或除主要颜色特征之外的像素点。
图4列出了示例性待查询商标图片的图像的局部色块连通域分割数据表。
图4中,每个单元格表示一个像素,单元格中不为空的数字表示该像素为主色像素点,采用不同的数字区分不同的色块连通域,而空的单元格则表示为背景色的像素点,色块连通域就是同一数字的单元格(像素点)的集合。
在本发明实施例中,步骤C2所述分割线的同一方向包括如下方向:水平向、垂直向、特定角度向;
具有同一切割方向的细分区域包括如下至一项:水平向分割细分区域,垂直向分割细分区域,特定角度向分割细分区域;
所述细分区域数据集为一个方向或者多个方向的细分区域的数据集合,其中所述细分区域数据集包括如下至少一项或多项的组合:水平向分割细分区域,垂直向分割细分区域,特定角度向分割细分区域;
所述水平向分割法包括:将待查询商标图片的有效区域图像的整体像素高度进行在水平方向上的等份分割,所得到的细分区域或各局部分割区域可称为水平方向的第n个细分区域,其中,所述等份在大于3的整数中取值;
图5列出了示例性图像采用15等份细分区域的示意图,图5中,共有15个细分区域,由上至下的第n个区域称为水平方向的第n个细分区域。
所述垂直向分割法包括:对将待查询商标图片的有效区域图像的整体像素宽度进行在垂直方向上的等份分割,所得到的细分区域或各局部分割区域可称为垂直方向的第n个细分区域,其中,所述等份在大于3的整数中取值。
所述特定角度分割法包括:对将待查询商标图片的有效区域图像的整体像素宽度进行在预设的特定角度方向上的等份分割,所得到的细分区域或各局部分割区域可称为特定角度方向的第n个细分区域,其中,所述等份在大于3的整数中取值,所述预设的特定角度在0至360度的整数度中取值。
在具体实施例中,当获取待处理图片的有效区域图像的细分区域时,用于分割有效区域图像的多条分割线的方向必须为同一方向,其中分割线的切割方向可以为:水平向、垂直向、特定角度向中任选一向进行划分,从而获取一个方向分割的细分区域。如图5所示:当选水平向时,由水平方向的分割线划分出只能是水平向分割细分区域。因为按方向相同进行多等份细分所得到的同一方向的多个等份的细分区域,可以加强图像之间的可比性。
在具体实施例中,当获取细分区域数据集时,先获取到有效图像的细分区域,采用具有同一方向的分割线在水平向、垂直向或特定角度向中任选方向分别进行划分,以获取一个或者多个所需分割方向的细分区域,然后,将每一切割方向的细分区域进行组合,从而获得一个或者多个方向分割的细分区域数据集。例如:当选水平向和垂直时,分割线的方向分别是水平向、垂直向,分别获取水平向分割细分区域和垂直向分割细分区域,将该水平向分割细分区域和垂直向分割细分区域的组合作为多个方向分割的细分区域集合。
在本发明的实施例中,在步骤C3中,需要对所述待查询商标图片的有效区域图像的细分区域进行连通域确认、线段识别和线长计量,以获取待查询商标图片的有效区域图像的细分区域的图像特征数据,所述有效区域图像的细分区域的图像特征数据包括:细分区域的连通域数、细分区域的线段数和细分区域的线长值。
具体步骤C3包括如下步骤:
步骤C31:确认细分区域中的连通域,获取细分区域的连通域数。
其中获取细分区域的连通域的方法包括:在所述细分区域内,将由相互相连的主色块像素点集合所构成的局部区域作为该细分区域的一个连通域。该所述连通域可以是一个色块、或一条色线、或一个色点。
步骤C32:识别细分区域的线段,获取细分区域的线段数。
在本发明实施例中,获取细分区域的线段数的方法,包括:
首先,根据所述预设有效连通域条件判断并确定所述细分区域中各连通域的有效性,获取所述细分区域的有效连通域;然后,统计所述细分区域内的有效连通域的个数;最后,将所述细分区域内的有效连通域的个数作为所述细分区域的线段数。
细分区域的线段是指细分区域中的有效连通域。同一细分方向上细分区域的各连通域往往象在一条线上排列,从粗略的角度观察,多个有效连通域排列的形态近似一条线段,因此,本发明将细分区域中符合预设有效连通域条件的连通域作为细分区域的线段。
所述预设有效连通域条件包括:
当连通域的最大高度等于细分区域的高度时,和/或连通域的最大长度大于等于细分区域单位线长标准时,则将该连通域识别为细分区域中的有效连通域,否则,将其识别为无效连通域;
在实际应用中,还可以根据应用需求,对连通域的形状特征、连通域的面积特征列为所述预设有效连通域条件。
步骤C33:计量细分区域的线长,获取细分区域的线长值;
所述细分区域的线长是指将所述细分区域中有效连通域在所述细分区域的分割线的方向上的主色块像素点的长度。
本发明所述的细分区域的线长值是指对所述细分区域中有效连通域在所述细分区域的分割线的方向上的主色块像素点数量以细分区域单位线长标准进行计量的数值。所述细分区域单位线长标准是指对细分区域的长度进行线长计量的最小单位的标准。
获取所述细分区域的线长值的方法包括:
步骤C331:确定细分区域单位线长标准;
步骤C332:根据细分区域单位线长标准获取各细分区域的线长值;
步骤C333:对各细分区域的线长值进行取整操作。
进一步的,在本发明实施例中,获取所述细分区域的线长值的具体方法包括:
步骤C331:确定细分区域单位线长标准;
在本发明实施例中,所述步骤C331,包括使用固定常数法和/或最大线段数法确定细分区域单位线长标准;
所述固定常数法包括:以待查询商标图片的有效区域图像最大的细分区域的线长为基准,预设的固定常数N作为等份数,每一等份的线长就是对细分区域的长度进行线长计量的最小单位,将该线长计量的最小单位作为细分区域单位线长标准。其中固定常数N在大于3的范围取值。计算公式如下:
L1=m/N;
L1表示固定常数法的细分区域单位线长标准,m表示待查询商标图片的有效区域图像中最大的细分区域有效连通域的像素长度,N表示预设的固定常数。
图6列出了示例性图像的15等份细分区域单位线长标准示意图,图6中,该图中的外框线表示待查询商标图片的有效区域图像最大的细分区域的范围,假设固定常数N的取值为15,外框内部的小方格数量则表示该细分区域的等份数,每一小方格长度相等于每一个细分区域单位线长标准,小方格的个数也就是该细分区域的线长值。
所述最大线段数法包括:采用待查询商标图片的有效区域图像最大的细分区域线长为基准,以待查询商标图片的有效区域图像的细分区域的最大线段数作为等份数,每一等份的线长就是对细分区域的长度进行线长计量的最小单位,将该线长计量的最小单位作为细分区域单位线长标准。计算公式如下:
L2=m/n;
L2表示最大线段数法的细分区域单位线长标准,m表示待查询商标图片的有效区域图像中最大的细分区域有效连通域的像素长度,n表示待查询商标图片的有效区域图像的细分区域的最大线段数。
步骤C332:根据细分区域单位线长标准获取各细分区域的线长值;
在本发明的实施例中,所述步骤C332,根据细分区域单位线长标准获取各细分区域的线长值具体包括:
当使用固定常数法确定细分区域单位线长标准时,根据如下公式获取各细分区域的线长值:
H1=S/L1;
其中,H1表示使用固定常数法的细分区域的线长值,S表示当前细分区域有效连通域的像素长度,L1表示固定常数法的细分区域单位线长标准;
当使用最大线段法确定细分区域单位线长标准时,根据如下公式获取各细分区域的线长值:
H2=S/L2;
H2表示使用最大线段法的细分区域的线长值,S表示当前细分区域有效连通域的像素长度,L2表示最大线段数法的细分区域单位线长标准。
步骤C333:对各细分区域的线长值进行取整操作;
在本发明的实施例中,前述公式计算出的细分区域的线长值H1和H2往往不为整数,为了便于图像之间细分区域的线长值的共同特征比较,实际应用中需要对细分区域的线长值进行取整。
在本发明的实施例中,在步骤C4中,所述粗略图像特征描述符是待查询商标图片的细分区域的图像特征描述符的可选数据,目的是用于图像特征数据检索的粗细过滤,而所述精细图像特征描述符是待查询商标图片的细分区域的图像特征描述符的主要数据,用于精细计算评价检索图像的近似程度。
获取图像特征描述符的步骤包括:
步骤C41:获取粗略图像特征描述符;
步骤C42:获取精细图像特征描述符。
在本发明的实施例中,步骤C41,获取粗略图像特征描述符,具体包括以下步骤:
步骤C411:对待查询商标图片的有效区域图像的细分区域进行组合,获取待查询商标图片的有效区域图像的组合部分区域;
步骤C412:统计各所述组合部分区域的线段线长数据;
步骤C413:统计待查询商标图片的有效区域图像中整体范围的线段线长的特征数据;
步骤C414:将各所述组合部分区域的线段线长数据和整体范围的线段线长的特征数据进行组合处理,生成粗略图像特征描述符。
所述粗略图像特征描述符是指从图像中较为大的局部范围或/和整体范围粗略描述图像的共同性特征的描述符。包括:待查询商标图片的有效区域图像中较为大的局部范围粗略描述图像的共同性特征的数据信息和待查询商标图片的有效区域图像中整体范围粗略描述图像的共同性特征的数据信息。
在本发明的实施例中,所述步骤C411包括:将待查询商标图片的有效区域图像的至少两个细分区域按照位置相邻或相连关系以组合规则进行组合形成局部区域,所述局部区域为待查询商标图片的有效区域图像的组合部分区域;
所述组合规则包括:
同一组合部分区域的细分区域应是相互相连或相邻;
各组合部分区域的细分区域组合数应是相互相等或偏差小于偏差预设值,所述偏差预设值为大于等于1且小于10;
每一组合部分区域的细分区域组合数应大于等于2。
所述的组合部分区域可根据不同的分割法所得的细分区域组合称为水平方向上第N组合部分区域或垂直方向上第N组合部分区域、角度C方向上第N组合部分区域等,例如:
采用水平向分割法所得到的细分区域组合可以按排列顺序将其称为:水平方向上第一组合部分区域、水平方向上第二组合部分区域、水平方向上第三组合部分区域、……、水平方向上第N组合部分区域。或也可将其称为:上组合部分区域、……、中组合部分区域、……、下组合部分区域。
采用垂直向分割法所得到的细分区域组合可以按排列顺序将其称为:垂直方向上第一组合部分区域、垂直方向上第二组合部分区域、垂直方向上第三组合部分区域、……、垂直方向上第N组合部分区域。或也可将其称为:左组合部分区域、……、中组合部分区域、……、右组合部分区域。
采用特定角度分割法所得到的细分区域组合可以按排列顺序将其称为:角度C方向上第一组合部分区域、角度C方向上第二组合部分区域、角度C方向上第三组合部分区域、……、角度C方向上第N组合部分区域。
在本发明的实施例中,所述步骤C412,统计各所述组合部分区域的线段线长数据,其中,各组合部分区域的线段线长数据具体包括:组合部分区域的平均线段数、组合部分区域的主要线段数、组合部分区域的平均线长值、组合部分区域的主要线长值;
所述组合部分区域的平均线段数为将当前组合部分区域的各细分区域线段数之和再除以当前组合部分区域的细分区域的个数,该组合部分区域的平均线段数反映了图像在较大的局部区域中线段数的集中趋势的一项图像特征数据。
所述组合部分区域的主要线段数是指当在该组合部分区域范围内的某一线段数拥有的细分区域数最多且该拥有的细分区域数占该组合部分区域的细分区域总数的比值大于线段数比例预设值,则该某一线段数为该组合部分区域的主要线段数,它反映了图像在较大的局部区域中拥有同一线段数特征的一项图像特征数据。其中,所述线段数比例预设值在大于30%小于等于100%范围取值。
所述组合部分区域的平均线长值为将当前组合部分区域的各细分区域线长值之和再除以当前组合部分区域的细分区域的个数,该组合部分区域的平均线长值反映了图像在较大的局部区域中线长值的集中趋势的一项图像特征数据。
所述组合部分区域的主要线长值是指当在该组合部分区域范围内的某一线长值拥有的细分区域数最多且该拥有的细分区域数占该组合部分区域的细分区域总数的比值大于线长值比例预设值,则该某一线长值为该组合部分区域的主要线长值,它反映了图像在较大的局部区域中拥有同一线长值特征的一项图像特征数据。其中,所述线长值比例预设值在大于30%小于等于100%范围取值。
在本发明的实施例中,所述步骤C413,统计待查询商标图片的有效区域图像中整体范围的线段线长的特征数据。其中,所述线段线长特征数据是针对待查询商标图片的有效区域图像中整体范围的如下数据:各细分区域的线段数合计数、各部细分区域的线长值合计数、有效区域图像的色块连通域数;
根据待查询商标图片的有效区域图像的细分区域的图像特征数据获取待查询商标图片的有效区域图像的色块连通域数;
获取待查询商标图片的有效区域图像中各细分区域的线段数之和,该和即为各细分区域的线段数合计数;
获取待查询商标图片的有效区域图像中各细分区域的线长值之和,该和即为各部分细分区域的线长值合计数。
在本发明的实施例中,所述步骤C414,将各所述组合部分区域的线段线长数据和整体范围的线段线长的特征数据进行组合处理,生成粗略图像特征描述符。
所述粗略图像特征描述符包括:图像的组合部分区域的平均线段数组合描述符、图像组合部分区域的主要线段数组合描述符、图像组合部分区域的平均线长值组合描述符、图像组合部分区域的主要线长值组合描述符以及有效区域图像的色块连通域数描述符,所述粗略图像特征描述符可以用数字或其他字符表示。
图像的组合部分区域的平均线段数组合描述符的表示方法,由如下各项组合构成:用数字或其他字符表示有效区域图像全部细分区域的线段数合计数;各组合部分区域的平均线段数;
图像组合部分区域的主要线段数组合描述符的表示方法,由如下各项组合构成:用数字或其他字符表示有效区域图像全部细分区域的线段数合计数;各组合部分区域的主要线段数;
图像组合部分区域的平均线长值组合描述符的表示方法,由如下各项组合构成:用数字或其他字符表示有效区域图像全部细分区域的线长值合计数;各组合部分区域的平均线长值;
图像组合部分区域的主要线长值组合描述符的表示方法,由如下各项组合构成:用数字或其他字符表示有效区域图像全部细分区域的线长值合计数;各组合部分区域的主要线长值;
有效区域图像的色块连通域数描述符的表示方法:用数字或其他字符表示有效区域图像的色块连通域数;
图2列出了示例性待查询商标图片的有效区域图像的示意图,以图2的示例性图样为例,进一步说明各粗略图像特征描述符的表示方法如下:
图像的组合部分区域的平均线段数组合描述符应用实例:
实例1:假设图像的组合部分区域数为2个,那么图像的组合部分区域的平均线段数组合描述符为:0370102;
其中,前三位数表示有效区域图像全部细分区域的线段数合计数,第四、五位数表示第一组合部分区域的平均线段数,第六、七位数表示第二组合部分区域的平均线段数。
实例2:假设图像的组合部分区域数为3个,那么图像的组合部分区域的平均线段数组合描述符为:037010102;
其中,前三位数表示有效区域图像全部细分区域的线段数合计数,第四、五位数表示第一组合部分区域的平均线段数,第六、七位数表示第二组合部分区域的平均线段数,第八、九位数表示第三组合部分区域的平均线段数。
以此类推。
图像组合部分区域的主要线段数组合描述符应用实例:
实例3:假设图像的组合部分区域数为3个,那么图像组合部分区域的主要线段数组合描述符为:037010102;
其中,前三位数表示待查询商标图片的有效区域图像全部细分区域的线段数合计数,第四、五位数表示第一组合部分区域的主要线段数,第六、七位数表示第二组合部分区域的主要线段数,第八、九位数表示第三组合部分区域的主要线段数。
以此类推。
图像组合部分区域的平均线长值组合描述符应用实例:
实例4:假设图像的组合部分区域数为3个,那么图像组合部分区域的平均线长值组合描述符为:180151314;
其中,前三位数表示待查询商标图片的有效区域图像全部细分区域的线长值合计数,第四、五位数表示第一组合部分区域的平均线长值,第六、七位数表示第二组合部分区域的平均线长值,第八、九位数表示第三组合部分区域的平均线长值。
以此类推。
图像组合部分区域的主要线长值组合描述符应用实例:
实例5:假设图像的组合部分区域数为3个,那么图像组合部分区域的主要线长值组合描述符为:180151514;
其中,前三位数表示待查询商标图片的有效区域图像全部细分区域的线长值合计数,第四、五位数表示第一组合部分区域的平均线长值,第六、七位数表示第二组合部分区域的平均线长值,第八、九位数表示第三组合部分区域的平均线长值。
以此类推。
在本发明的实施例中,步骤C42,获取精细图像特征描述符,具体包括以下步骤:
所述精细图像特征描述符是指从待处理图片的有效区域图像中较为小的局部(细分区域)范围精细描述图像的共同性特征的描述符。所述较为小的局部就是细分区域,所述细分区域是本技术方案的图像数据最小的分割单元,具有精细的特征。
所述精细图像特征描述符包括:待处理图片的有效区域图像中各细分区域的线段数集合和各细分区域的线长值集合;
其中,按照细分区域的编号顺序记录各细分区域的线段数的一组数字或字符串的集合为各细分区域的线段数集合,具体地,各细分区域的线段数的集合的表示方法包括:
数字或其他字符的组数等于待处理图片的有效区域图像的细分区域数;
每组数应表示细分区域的编号和该细分区域的线段数。
按照细分区域的编号顺序记录各细分区域的线长值的一组数字或字符串的集合为各细分区域的线长值集合,具体地,各细分区域的线长值的集合的表示方法包括:
数字或其他字符的组数等于待处理图片的有效区域图像的细分区域数;
每组数应表示细分区域的编号和该细分区域的线长值。
以图2的示例性图样为例,进一步说明精细图像特征描述符的表示方法如下:
图像的各细分区域的线段数的集合的描述符应用实例:
实例6:假设图2的示例性图样划分25个细分区域,图像的各细分区域的线段数的集合的描述符可以记为:
0102,0202,0302,0402,0502,0602,0702,0802,0902,1002,1102,1202,1300,1402,1502,1602,1702,1802,1902,2002,2102,2202,2302,2402,2502;
其中,每个“,”内的数字为一组数,用25组数表示图像的25个细分区域数,每组数表示该细分区域的编号和该编号对应的细分区域的线段数,每组数的前二位数表示细分区域的编号,每组数的第三、四位数表示该细分区域的线段数。
图像的各细分区域的线段数的集合的描述符应用实例:
实例7:假设图5的示例性图样划分25个细分区域,图像的各细分区域的线长值的集合的描述符可以记为:
0115,0215,0315,0415,0515,0615,0715,0815,0915,1015,1115,1215,1303,1414,1514,1614,1714,1814,1914,2014,2114,2214,2314,2414,2514;
其中,每个“,”内的数字为一组数,用25组数表示图像的25个细分区域数,每组数表示该细分区域的编号和该编号对应的细分区域的线长值,每组数的前二位数表示细分区域的编号,每组数的第三、四位数表示该细分区域的线长值。经前述各步处理,获取了图像的粗略图像特征描述符和精细图像特征描述符,将其作为待处理图像的图像特征描述符。粗略图像特征描述符和精细图像特征描述符的组合提取及应用,能有效兼顾图像的共同性和区分性问题。
步骤D:以待查询商标图片的有效区域图像所提取的第一关键词和第二关键词作为检索组合条件进行商标查询,获得初步商标查询结果。
使用图片查询商标的传统方法是采用所提取到所有的图像特征全部用于特征的检索,如果不用于检索,那么提取的图像特征将是无效的。如果提取的图像特征过于精细,那么图像之间的区别性非常之强,不利于提高相同或近似的图像检索的查全率。
优选地,本技术方案所述第二关键词可选粗略图像特征描述符和/或精细图像特征描述符,使用粗略图像特征描述为第二关键词参与检索有利于更多具有共同特征的商标图像被检出,而使用粗略图像特征描述为第二关键词参与检索有利增强初步商标查询结果商标之间的区分性,有利筛选出能按近似度排序的相同或近似的结果商标。
在本发明的技术方案中,以所述的以第一关键词和第二关键词作为检索组合条件进行商标查询,从多方面多维度对输入商标图像进行了特征的表示,这种组合后的检索条件,既全面反映了商标含有文字的特征和所描述事物的特征,还反映了商标图像的形状等图像特征,可以丰富有效的检索关键词,能提升图像特征的检索速度,更有效地覆盖输入商标与样本商标可能构成商标近似的情形,以获取较好的初步商标查询结果。
步骤E:计算初步商标查询结果中每一商标的各单项匹配率和商标综合匹配率,将商标综合匹配率大于预设商标综合匹配率的初步商标查询结果作为检索结果,将检索结果按照商标综合匹配率大小排列展示。
在本发明的技术方案中,所述步骤E具体包括:步骤E1:计算初步商标查询结果中每一商标的各单项匹配率,步骤E2:计算初步商标查询结果中每一商标的商标综合匹配率,步骤E3:将商标综合匹配率大于预设商标综合匹配率的初步商标查询结果作为检索结果,将检索结果按照商标综合匹配率大小排列展示。
在本发明的技术方案中,在所述步骤E1中,所述计算初步商标查询结果中每一商标的各单项匹配率,包括:步骤E11计算中文单项匹配率,步骤E12计算西文单项匹配率,步骤E13计算商标图形要素编码单项匹配率,步骤E14计算图像特征单项匹配率,步骤E15计算商标特征种类结构匹配率。
在本发明的技术方案中,所述步骤E11计算中文单项匹配率,具体方法包括:
以待查询商标图片中所识别获取有效区域图像的文字的每一中文文字为最小单元,获得中文文字总数,然后按下式计算确定其中文单项匹配率:
M1=(S÷W)-θ;
其中,M1表示中文单项匹配率,S表示比较两商标(初步商标查询结果的每一商标和待查询商标图片中所识别获取有效区域图像)相匹配的中文文字数,W表示比较两商标(初步商标查询结果的每一商标与待查询商标图片中所识别获取有效区域图像)之中最大的中文文字数,θ表示比较两商标(初步商标查询结果的每一商标和待查询商标图片中所识别获取有效区域图像)相匹配的中文文字数与比较两商标(初步商标查询结果的每一商标与待查询商标图片中所识别获取有效区域图像)之中最大的中文文字数的差的调整参数,当该文字数的差为0时,调整参数为0,当该文字数的差不为0时,该调整参数可在大于0小于100%范围取值。
所述相匹配的中文文字数,是指两商标构成的文字相同且相匹配的文字数也相同的文字数;当初步商标查询结果的商标文字或待查询商标图片中所识别的文字存在2个及以上相同文字时,相匹配的文字数应逐个文字计算,同一文字只能计算1次匹配。
具体地,在本发明的实施例中,若当待查询商标图片中所识别获取有效区域图像的文字的中文文字总数为0,则所述中文单项匹配率为0;
具体地,在本发明的实施例中,若当该中文文字总数不为0,且初步商标查询结果的每一商标与待查询商标图片中所识别获取有效区域图像的文字相匹配的中文文字数为0,则所述中文单项匹配率也为0;
具体地,在本发明的实施例中,以每一中文文字为最小单元,获得待查询商标图片中所识别获取有效区域图像的文字的中文文字总数,当初步商标查询结果的每一商标与待查询商标图片中所识别获取有效区域图像的文字相匹配的中文文字数与待查询商标图片中所识别获取有效区域图像的文字数的差为0时,即两商标相匹配的中文文字数完全相等时,中文单项匹配率判定为100%;
例:待查询商标图片中所识别获取有效区域图像的文字为“天旺”时,初步商标查询结果的某一商标中文为“天天旺”,假设调整参数θ为20%,
根据前述公式计算其中文单项匹配率:
M1=(S÷W)-θ=2÷2-20%=80%;
初步商标查询结果的商标“天天旺”与待查询商标图片中所识别获取有效区域图像的文字“天旺”相匹配的中文文字分别是“天”和“旺”,根据前述确定“相匹配的中文文字数”的规则,相匹配的中文文字数为2,比较两商标之中最大的文字数为3,两商标的文字数的差不为0,调整参数θ为20%,因此,其中文单项匹配率为80%。
优选地,在本发明的实施例中,当待查询商标图片中不含有中文时,中文单项匹配率也可以不计算。
在本发明的技术方案中,所述步骤E12计算西文单项匹配率,具体方法包括:
以待查询商标图片中所识别获取有效区域图像的文字的每一西文的字母、数字、符号为最小单元,获得西文文字总数,然后按下式计算确定其西文单项匹配率:
M2=(U÷J)-γ;
其中,M2表示西文单项匹配率,U表示比较两商标(初步商标查询结果的每一商标和待查询商标图片中所识别获取有效区域图像)相匹配的西文文字数,J表示比较两商标(初步商标查询结果的每一商标与待查询商标图片中所识别获取有效区域图像)之中最大的西文文字数,γ表示比较两商标(初步商标查询结果的每一商标和待查询商标图片中所识别获取有效区域图像)相匹配的西文文字数与比较两商标(初步商标查询结果的每一商标与待查询商标图片中所识别获取有效区域图像)之中最大的西文文字数的差的调整参数,当该文字数的差为0时,调整参数为0,当该文字数的差不为0时,该调整参数可在大于0小于100%范围取值。
所述相匹配的西文文字数,是指两商标构成的字母、数字、符号相同且相匹配的字母、数字、符号数也相同的文字数;当初步商标查询结果的商标字母、数字、符号或待查询商标图片中所识别的字母、数字、符号存在2个及以上相同字母、数字、符号时,相匹配的字母、数字、符号数应逐个字母、数字、符号计算,同一字母、数字、符号只能计算1次匹配。
具体地,在本发明的实施例中,若当待查询商标图片中所识别获取有效区域图像的文字的字母、数字、符号总数为0,则所述西文单项匹配率为0;
具体地,在本发明的实施例中,若当该字母、数字、符号总数不为0,且初步商标查询结果的每一商标与待查询商标图片中所识别获取有效区域图像的文字相匹配的字母、数字、符号数为0,则所述西文单项匹配率也为0。
具体地,在本发明的实施例中,以每一字母、数字、符号为最小单元,获得待查询商标图片中所识别获取有效区域图像的文字的字母、数字、符号总数,当初步商标查询结果的每一商标与待查询商标图片中所识别获取有效区域图像的文字相匹配的字母、数字、符号数与待查询商标图片中所识别获取有效区域图像的字母、数字、符号数的差为0时,即两商标相匹配的字母、数字、符号数完全相等时,西文单项匹配率判定为100%;
例:待查询商标图片中所识别获取有效区域图像的文字为“FENG”时,初步商标查询结果的某一商标中文为“FENG EN”,假设调整参数γ为20%,根据前述公式计算其西文单项匹配率:
M2=(U÷J)-γ=(4÷4)-20%=80%;
初步商标查询结果的商标“FENG EN”与待查询商标图片中所识别获取有效区域图像的文字“FENG”相匹配的字母分别是“F、E、N、G”,根据前述确定“相匹配的西文文字数”的规则,比较两商标相匹配的西文文字数为4,比较两商标之中最大的文字数为6,两商标的文字数的差不为0,调整参数θ为20%,因此,其西文单项匹配率为80%。
优选地,在本发明的实施例中,当待查询商标图片中不含有字母、数字、符号时,西文单项匹配率也可以不计算。
在本发明的技术方案中,所述步骤E13计算商标图形要素编码单项匹配率,图形要素编码单项匹配率用M3表示,具体方法包括:
以每一商标图形要素编码为最小单元,判断初步商标查询结果商标的图形要素编码数与待查询商标图片中的图形要素编码数的相差数,根据图形要素编码数的相差数计算得出图形要素编码单项匹配率;
具体的,当初步商标查询结果商标与待查询商标图片的图形要素编码数均为1个时,两商标的图形要素编码相匹配,图形要素编码单项匹配率判定为100%;
当初步商标查询结果商标与待查询商标图片的图形要素编码数均为2或2以上时,如有2个或以上相匹配时,图形要素编码匹配率为100%,每少一个图形要素编码匹配,图形要素编码匹配率在100%减预设的图形要素偏差匹配率,没有匹配的,图形要素编码匹配率为0。其中,预设的图形要素偏差匹配率在小于50%范围内取值。
优选地,在本发明的实施例中,当输入商标不含有商标图形要素编码时,商标图形要素编码的匹配率可以不计算。
在本发明的技术方案中,所述步骤E14计算图像特征单项匹配率,图像特征单项匹配率用M4表示,方法包括:E141计算初步商标查询结果商标与待查询商标图片的有效区域图像的线段数匹配率,E142计算初步商标查询结果商标与待查询商标图片的有效区域图像的线长值匹配率,E143依据所获取的线段匹配率、线长值匹配率计算图像特征单项匹配率。
在本发明的实施例中,所述步骤E141,计算初步商标查询结果商标与待查询商标图片的有效区域图像的线段数匹配率的公式如下:
A1=N/Q;
其中,A1表示初步商标查询结果商标与待查询商标图片的有效区域图像的线段数匹配率,N表示相匹配线段数的细分区域数,Q表示细分区域设定的总数。
在本发明的实施例中,所述步骤E142,计算初步商标查询结果商标与待查询商标图片的有效区域图像的线长值匹配率的公式如下:
B1=J/Q;
其中,B1表示初步商标查询结果商标与待查询商标图片的有效区域图像的线长值匹配率,J表示相匹配线长值的细分区域数,Q表示细分区域设定的总数。
在本发明的实施例中,所述步骤E143,依据所获取的线段匹配率、线长值匹配率计算图像特征单项匹配率的公式如下:
M4=(A1*z+B1*x)-c-v;
其中,M4表示图像特征单项匹配率,A1表示初步商标查询结果商标与待查询商标图片的有效区域图像的线段数匹配率,z表示线段数匹配率的调整权数,B1表示初步商标查询结果商标与待查询商标图片的有效区域图像的线长值匹配率,x表示线长值匹配率的调整权数,c表示匹配图的类型调整参数,v表示连通域匹配类型调整参数;
具体的,其中,所述线段数匹配率的调整权数z和线长值匹配率的调整权数x可以在小于100%范围取值,且z加x的和等于100%;
所述的匹配图的类型包括:整图与整图匹配,整图与1类分卡图匹配,整图与2类分卡图匹配,1类分卡图与1类分卡图匹配,1类分卡图与2类分卡图匹配,2类分卡图与2类分卡图匹配。
所述的1类分卡图是指该分卡图的主色像素点数占整体图的主色像素点数的占比大于等50%的分卡图,2类分卡图是指该分卡图的主色像素点数占整体图的主色像素点数的占比小于50%的分卡图。匹配图的类型调整参数可大于0小于50%范围取值。
所述连通域匹配类型包括:整图与整图连通域数完全匹配,整图与分卡图连通域数完全匹配,分卡图与分卡图连通域数完全匹配,整图与整图连通域数偏差k个匹配,整图与分卡图连通域数偏差k个匹配,分卡图与分卡图连通域数偏差k个匹配。连通域匹配类型调整参数可在小于40%范围内设置,k的个数取值一般在小于图像连通域总数的20%范围内取值。
在本发明的技术方案中,所述步骤E15计算商标特征种类结构匹配率,商标特征种类结构匹配率用M5表示,获取商标特征种类结构匹配率的步骤如下:
步骤E151获取待查询商标图片的有效区域图像的特征种类结构,提取关键词中不为空的特征种类作为待查询商标图片的有效区域图像的商标特征种类,所述商标特征种类包括:中文、西文、商标图形要素、没有上述记录的图像;
步骤E152统计各匹配的字段归属于何种特征种类,确定相匹配的特征种类数。所述相匹配特征种类数为指两商标相互匹配的特征种类的个数;
具体地,在匹配检索中至少有归属某一特征种类的字段被匹配出来,那么该特征种类为相匹配的特征种类;相匹配的特征种类的个数就是相匹配的特征种类数。
步骤E153根据匹配的特征种类和商标特征种类结构计算规则分别计算或判定其商标特征种类结构匹配率,计算或判定规则如下:
M5=(D1÷E1)-ε;
其中,M5表示商标特征种类结构匹配率,D1表示比较两商标(初步商标查询结果的每一商标和待查询商标图片中所识别获取有效区域图像)相匹配的商标特征种类数,E1表示比较两商标(初步商标查询结果的每一商标与待查询商标图片中所识别获取有效区域图像)之中最大的商标特征种类数,ε表示比较两商标(初步商标查询结果的每一商标和待查询商标图片中所识别获取有效区域图像)相匹配的商标特征种类数与比较两商标(初步商标查询结果的每一商标与待查询商标图片中所识别获取有效区域图像)之中最大的商标特征种类数的差的调整参数,当该商标特征种类数的差为0时,调整参数为0,当该商标特征种类数的差不为0时,该调整参数可在大于0小于100%范围取值。
所述相匹配的商标特征种类数,是指两商标构成的商标特征种类相同且相匹配的商标特征种类数也相同的商标特征种类数;当初步商标查询结果的商标特征种类或待查询商标图片中的商标特征种类存在2个及以上相同商标特征种类时,同一商标特征种类只能计算1次匹配。
具体地,在本发明的实施例中,以每一商标特征种类为最小单元,获得比较两商标(初步商标查询结果的每一商标和待查询商标图片中所识别获取有效区域图像)之中最大的商标特征种类数,当比较两商标(初步商标查询结果的每一商标和待查询商标图片中所识别获取有效区域图像)相匹配的商标特征种类数与比较两商标(初步商标查询结果的每一商标和待查询商标图片中所识别获取有效区域图像)之中最大的商标特征种类数的差为0时,即两商标相匹配的商标特征种类数完全相等时,商标特征种类结构匹配率判定为100%。
具体地,在本发明的实施例中,商标特征种类数始终不为0,所以所述商标特征种类结构匹配率也始终不为0。
在本发明的实施例中,步骤E2:计算初步商标查询结果中每一商标的商标综合匹配率,所述商标综合匹配率按下式计算获得:
当Mp为0时,M=(M4+M5)/2;
其中,M表示商标综合近似率,Mp表示比较两商标在M1(中文单项匹配率)、M2(西文单项匹配率)、M3(图形要素编码单项匹配率)三项之中最大的一项单项匹配率,γ表示Mp的调整权数,M4表示图像特征单项匹配率,ε表示M4的调整权数,M5表示商标特征种类结构匹配率,表示整除的项数,当Mp为0时,的取值为2,当Mp不为0时,的取值为3,调整权数γ、ε可根据应用需求在100%±50%范围内取值。
在本发明的实施例中,步骤E3:将商标综合匹配率大于预设商标综合匹配率的初步商标查询结果作为检索结果,将检索结果按照商标综合匹配率大小排列展示。
在本发明的实施例中,计算出商标综合匹配率后,将商标综合匹配率大于预设商标综合匹配率的初步商标查询结果作为检索结果,将检索结果按照商标综合匹配率大小排列展示。所述的预设商标综合匹配率可在大于10%的范围设置。
在本发明实施例中,还涉及一种商标识别查询系统,图7列出本发明一种商标识别查询系统的结构示意图。现以图7所述的结构,进一步说明系统的具体结构及处理内容:
一种商标识别查询系统,包括:用户端、服务器、数据存储器、图像处理器、检索处理器,所述用户端通过无线网络或互联网连接服务器,所述服务器与数据存储器、图像处理器、检索处理器之间通过局域网或互联网实现连接并执行如下处理:
所述用户端用于通过用户端拍摄设备进行拍照获取待查询商标图片或通过选择存储在用户端设备的商标图片作为待查询商标图片,以获得待查询商标图片;所述用户端将该待查询商标图片进行裁剪或确认的预处理以获取有效区域图像并将处理后的待查询商标图片发送给所述服务器;所述用户端接收到返回对待查询商标图片的有效区域图像和/或样本商标图片识别出的文字和/或商标图形要素编码进行确认或编辑修正,将确认或编辑修正后的文字和/或商标图形要素编码作为作为待查询商标图片的第一关键词向所述服务器进行反馈回应和商标识别查询请求,或将确认或编辑修正后的文字和/或商标图形要素编码作为作为样本商标图片对应的文本数据记录向所述服务器进行反馈回应和存储于数据存储器;所述用户端接收到返回的检索结果,将检索结果按照商标综合匹配率大小排列展示。
所述服务器接收到待查询商标图片和/或样本商标图片后,指令图像处理器对该待查询商标图片的有效区域图像进行识别并获取有效区域图像的文字和/或商标图形要素编码,将对待查询商标图片的有效区域图像的处理结果作为待查询商标图片的第一关键词,将对样本商标图片处理结果作为样本商标图片对应的文本数据记录并存储于数据存储器;图像处理器对该待查询商标图片的有效区域图像和/或样本商标图片提取所述图像特征描述符,包括:对有效区域图像进行方向一致性的多个等份的细分,获得有效区域图像的细分区域,提取细分区域的图像特征数据以获得图像特征描述符,所述图像特征描述符至少包括如下一项或两项:粗略图像特征描述符和精细图像特征描述符,将图像特征描述符作为第二关键词;指令检索处理器以待查询商标图片的有效区域图像所提取的第一关键词和第二关键词作为检索组合条件进行商标查询,获得初步商标查询结果;并计算初步商标查询结果中每一商标的各单项匹配率和商标综合匹配率,所述服务器将商标综合匹配率大于预设商标综合匹配率的初步商标查询结果作为检索结果,并将检索结果并返回所述用户端按照商标综合匹配率大小排列展示。
在本发明实施例中,还涉及一种商标识别查询装置,所述装置包括:
图片获取与预处理模块:用于通过用户端拍摄设备进行拍照获取待查询商标图片或通过选择存储在用户端设备的商标图片作为待查询商标图片,并对该待查询商标图片进行裁剪或确认,获取待查询商标图片的有效区域图像;
文字识别处理模块:用于对待查询商标图片的有效区域图像做文字和/或商标图形要素编码识别处理,获取待查询商标图片的第一关键词;对样本商标图片做文字和/或商标图形要素编码识别处理,获取样本商标图片对应的文本数据记录;
特征提取模块:用于提取待查询商标图片的有效区域图像的图像特征描述符,获取待查询商标图片的第二关键词,提取样本商标图片的图像特征描述符,获取样本商标图片对应的图像特征数据记录,其中,所述提取图像特征描述符包括:对有效区域图像进行方向一致性的多个等份的细分,获得有效区域图像的细分区域,提取细分区域的图像特征数据以获得图像特征描述符,所述图像特征描述符至少包括如下一项或两项:粗略图像特征描述符和精细图像特征描述符;
检索模块:用于以待查询商标图片的有效区域图像所提取的第一关键词和第二关键词作为检索组合条件进行商标查询,获得初步商标查询结果;
查询结果排序处理模块:计算初步商标查询结果中每一商标的各单项匹配率和商标综合匹配率,将商标综合匹配率大于预设商标综合匹配率的初步商标查询结果作为检索结果,将检索结果按照商标综合匹配率大小排列展示。
在本发明实施例中,还涉及一种数据存储器,包括:
文本数据存储单元,用于存储所述计算机程序被处理器执行时实现步骤B所述“对样本商标图片做文字和/或商标图形要素编码识别处理,获取样本商标图片对应的文本数据记录”的方法所产生的文字和/或商标图形要素编码;
图像特征描述符数据存储单元,用于存储所述计算机程序被处理器执行时实现步骤C所述“提取样本商标图片的图像特征描述符,获取样本商标图片对应的图像特征数据记录,其中,所述提取图像特征描述符包括:对有效区域图像进行方向一致性的多个等份的细分,获得有效区域图像的细分区域,提取细分区域的图像特征数据以获得图像特征描述符,所述图像特征描述符至少包括如下一项或两项:粗略图像特征描述符和精细图像特征描述符”的方法所产生的图像特征描述符。
在本发明实施例中,还涉及一种计算机存储介质,所述计算机存储介质存储有计算机指令,所述计算机指令被调用时用于执行前述全部或部分方法任一项所述的商标识别查询方法。
以上所描述的装置实施例仅是示意性的,其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施例的具体描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,存储介质包括只读存储器(Read-Only Memory,ROM)、随机存储器(Random Access Memory,RAM)、可编程只读存储器(Programmable Read-only Memory,PROM)、可擦除可编程只读存储器(ErasableProgrammable Read Only Memory,EPROM)、一次可编程只读存储器(One-timeProgrammable Read-Only Memory,OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、只读光盘(CompactDisc Read-Only Memory,CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
以上结合具体实施例描述了本发明的技术原理。这些描述只是为了解释本发明的原理,而不能以任何方式解释为对本发明保护范围的限制。基于此处的解释,本领域的技术人员不需要付出创造性的劳动即可联想到本发明的其它具体实施方式,这些方式都将落入本发明的保护范围之内。
Claims (13)
1.一种商标识别查询方法,其特征在于,包括以下步骤:
步骤A:通过用户端拍摄设备进行拍照获取待查询商标图片或通过选择存储在用户端设备的商标图片作为待查询商标图片,并对该待查询商标图片进行裁剪或确认,获取待查询商标图片的有效区域图像;
步骤B:对待查询商标图片的有效区域图像做文字和/或商标图形要素编码识别处理,获取待查询商标图片的第一关键词;
对样本商标图片做文字和/或商标图形要素编码识别处理,获取样本商标图片对应的文本数据记录;
步骤C:提取待查询商标图片的有效区域图像的图像特征描述符,获取待查询商标图片的第二关键词;
提取样本商标图片的图像特征描述符,获取样本商标图片对应的图像特征数据记录;
其中,采用同一方向的分割线对有效区域图像进行多等份细分,获取具有同一切割方向的细分区域以及细分区域数据集,提取细分区域数据集的图像特征数据以获得图像特征描述符,所述图像特征描述符至少包括如下一项或两项:粗略图像特征描述符和精细图像特征描述符;
步骤D:以待查询商标图片的有效区域图像所提取的第一关键词和第二关键词作为检索组合条件进行商标查询,获得初步商标查询结果;
步骤E:计算初步商标查询结果中每一商标的各单项匹配率和商标综合匹配率,将商标综合匹配率大于预设商标综合匹配率的初步商标查询结果作为检索结果,将检索结果按照商标综合匹配率大小排列展示。
2.根据权利要求1所述的一种商标识别查询方法,其特征在于,步骤A所述待查询商标图片为:动态拍摄获取的目标商标图片、存储在电脑设备上的目标商标图片或已存储在样本库的样本商标图片。
3.根据权利要求1所述的一种商标识别查询方法,其特征在于,所述步骤B所述文本数据包括:样本商标图片所对应的文字和/或商标图形要素编码。
4.根据权利要求1所述的一种商标识别查询方法,其特征在于,所述步骤C所述获取图像特征描述符的方法具体包括:
步骤C1:提取待查询商标图片的有效区域图像的像素点颜色值数据并进行色块分割,获取待查询商标图片的有效区域图像的图像数据;
步骤C2:采用同一方向的分割线对有效区域图像进行多等份细分,获取具有同一切割方向的细分区域以及细分区域数据集;
步骤C3:对所述细分区域进行连通域确认、线段识别和线长计量,获取所述细分区域的图像特征数据;
步骤C4:对所述细分区域的图像特征数据进行统计、组合处理,以获取图像特征描述符,所述图像特征描述符至少包括如下一项:粗略图像特征描述符和/或精细图像特征描述符。
5.根据权利要求4所述的一种商标识别查询方法,其特征在于:所述步骤C1所述待查询商标图片的有效区域图像的图像数据,包括:待查询商标图片的有效区域图像的像素点的坐标位置、色块连通域、主色像素点、背景色像点数据;
步骤C1所述色块分割是指对图像的像素点颜色值进行分类,将一定范围内相近的颜色值划分为一个色级,由每一色级的像素点组成的图像称为色块;色块分割如下方法之一进行分割获取:两色分割法或多色分割法进行分割;
其中所述两色分割法步骤包括将反映图像主要颜色特征的颜色值归为主色级,将反映图像除主要颜色特征之外的颜色值归为背景色级;
所述多色分割法包括将反映图像主要颜色特征的颜色值细分为N个色级,N≥2,这些色级分别称为第一主色级、第二主色级、……、第N主色级,将反映图像除主要颜色特征之外的颜色值归为背景色级;
所述色块连通域是指对图像中具有同一色级且相互相连的像素点的集合,该集合作为一个色块连通域,其中所述色级是在范围内按照颜色值划分出的一段颜色值区间;
所述主色像素点是指除背景色级外的主色级的像素点,或反映图像主要颜色特征的像素点;
所述背景色像素点包括反映图像除主色级的像素点外的像素点或除主要颜色特征之外的像素点;
步骤C2中所述分割线的同一方向包括如下方向:水平向、垂直向、特定角度向;
具有同一切割方向的细分区域包括如下至一项:水平向分割细分区域,垂直向分割细分区域,特定角度向分割细分区域;
所述细分区域数据集为一个方向或者多个方向的细分区域的数据集合,其中所述细分区域数据集包括如下至少一项或多项的组合:水平向分割细分区域,垂直向分割细分区域,特定角度向分割细分区域;
其中所述水平向分割法包括:将有效区域图像其整体像素高度进行单一水平方向的等份分割;
所述垂直向分割法包括:将有效区域图像将其整体像素宽度进行单一垂直方向的等份分割;
所述特定角度分割法包括:对将待查询商标图片的有效区域图像的整体像素宽度进行在预设的特定角度方向上的等份分割,所述预设的特定角度在0°至360°的整数度中取值;
其中切割等份为大于3的整数;
步骤C3中图像特征数据包括:细分区域的连通域数、细分区域的线段数和细分区域的线长值,其中获取图像特征数据包括如下步骤:
步骤C31:确认细分区域中的连通域,获取细分区域的连通域数;
其中连通域为在所述细分区域内相互相连的主色块像素点集合所构成的局部区域;
步骤C32:识别细分区域的线段,获取细分区域的线段数,其中获取步骤如下:
根据所述预设有效连通域条件判断并确定所述细分区域中各连通域的有效性,获取所述细分区域的有效连通域;
统计所述细分区域内的有效连通域的个数;
将所述细分区域内的有效连通域的个数作为所述细分区域的线段数;
其中,所述细分区域的线段是指将细分区域中符合预设有效连通域条件的连通域,所述预设有效连通域条件包括:连通域的最大高度等于细分区域的高度时和/或连通域的最大长度大于等于细分区域单位线长标准;
步骤C33:计量细分区域的线长,获取细分区域的线长值,所述细分区域的线长为将所述细分区域中有效连通域在所述细分区域分割线的方向上主色块像素点的长度,所述细分区域的线长值为对所述细分区域中有效连通域在所述细分区域的分割线方向上的主色块像素点数量以细分区域单位线长标准进行计量的数值,所述细分区域单位线长标准是指对细分区域的长度进行线长计量的最小单位的标准;
步骤C4所述获取图像特征描述符的步骤包括:步骤C41:获取粗略图像特征描述符;步骤C42:获取精细图像特征描述符;
所述步骤C41,获取粗略图像特征描述符,具体包括以下步骤:
步骤C411:对待查询商标图片的有效区域图像的细分区域进行组合,获取待查询商标图片的有效区域图像的组合部分区域;
步骤C412:统计各所述组合部分区域的线段线长数据;
步骤C413:统计待查询商标图片的有效区域图像中整体范围的线段线长的特征数据;
步骤C414:将各所述组合部分区域的线段线长数据和整体范围的线段线长的特征数据进行组合处理,生成粗略图像特征描述符;
所述步骤C42,获取精细图像特征描述符,所述精细图像特征描述符包括:待处理图片的有效区域图像中各细分区域的线段数集合和各细分区域的线长值集合,其获取线段数集合与线长值集合包括以下步骤:
步骤C421:按照细分区域的编号顺序记录各细分区域的线段数的一组数字或字符串的集合为各细分区域的线段数集合,其中各细分区域的线段数的集合的表示方法包括:
数字或字符的组数等于待处理图片的有效区域图像的细分区域数;
每组数应表示细分区域的编号和该细分区域的线段数;
步骤C422:按照细分区域的编号顺序记录各细分区域的线长值的一组数字或字符串的集合为各细分区域的线长值集合,其中各细分区域的线长值的集合的表示方法包括:
数字或其他字符的组数等于待处理图片的有效区域图像的细分区域数;
每组数应表示细分区域的编号和该细分区域的线长值。
6.根据权利要求1所述的一种商标识别查询方法,其特征在于,所述步骤E具体包括:步骤E1:计算初步商标查询结果中每一商标的各单项匹配率,步骤E2:计算初步商标查询结果中每一商标的商标综合匹配率,步骤E3:将商标综合匹配率大于预设商标综合匹配率的初步商标查询结果作为检索结果,将检索结果按照商标综合匹配率大小排列展示。
7.根据权利要求6所述的一种商标识别查询方法,其特征在于,步骤E1所述计算初步商标查询结果中每一商标的各单项匹配率,包括:步骤E11计算中文单项匹配率,步骤E12计算西文单项匹配率,步骤E13计算商标图形要素编码单项匹配率,步骤E14计算图像特征单项匹配率,步骤E15计算商标特征种类结构匹配率。
8.根据权利要求7所述的一种商标识别查询方法,其特征在于,所述步骤E11计算中文单项匹配率包括:
以待查询商标图片中所识别获取有效区域图像的文字的每一中文文字为最小单元,获得中文文字总数,中文单项匹配率获取公式如下:
M1=(S÷W)-θ;
其中,M1表示中文单项匹配率,S表示比较两商标相匹配的中文文字数,W表示比较两商标之中最大的中文文字数,θ表示第一调整参数,当中文文字数的差为0时,第一调整参数为0,当中文文字数的差不为0时,该第一调整参数在大于0小于100%范围取值;
所述相匹配的中文文字数,是指两商标构成的文字相同且相匹配的文字数也相同的文字数;
初步商标查询结果的商标文字或待查询商标图片中所识别的文字存在2个及以上相同文字时,相匹配的文字数逐个文字计算,同一文字只计算一次匹配;
所述步骤E12计算西文单项匹配率包括:
以待查询商标图片中所识别获取有效区域图像的文字的每一西文的字母、数字、符号为最小单元,获得西文文字总数,获取其西文单项匹配率的公式如下:
M2=(U÷J)-γ;
其中,M2表示西文单项匹配率,U表示比较两商标相匹配的西文文字数,J表示比较两商标之中最大的西文文字数,γ表示第二调整参数,当西文文字数的差为0时,第二调整参数为0,当西文文字数的差不为0时,第二调整参数在大于0小于100%范围取值;
所述相匹配的西文文字数,是指两商标构成的字母、数字、符号相同且相匹配的字母、数字、符号数也相同的文字数;当初步商标查询结果的商标字母、数字、符号或待查询商标图片中所识别的字母、数字和符号存在2个及以上相同字母、数字和符号时,相匹配的字母、数字和符号数应逐个字母、数字、和符号计算,同一字母、数字、符号只计算一次匹配;
所述步骤E13计算商标图形要素编码单项匹配率,图形要素编码单项匹配率用M3表示包括:
以每一商标图形要素编码为最小单元,判断初步商标查询结果商标的图形要素编码数与待查询商标图片中的图形要素编码数的相差数,根据图形要素编码数的相差数计算得出图形要素编码单项匹配率;
当初步商标查询结果商标与待查询商标图片的图形要素编码数均为1个时,两商标的图形要素编码相匹配,图形要素编码单项匹配率判定为100%;
若初步商标查询结果商标与待查询商标图片的图形要素编码数大于等于2时,且2个或以上相匹配,则图形要素编码匹配率为100%;
若每少一个图形要素编码匹配,则图形要素编码匹配率在100%减预设的图形要素偏差匹配率,若没有匹配的,则图形要素编码匹配率为0,其中,预设的图形要素偏差匹配率在小于50%范围内取值;
所述步骤E14计算图像特征单项匹配率,图像特征单项匹配率用M4表示,其获取方法包括:E141计算初步商标查询结果商标与待查询商标图片的有效区域图像的线段数匹配率,E142计算初步商标查询结果商标与待查询商标图片的有效区域图像的线长值匹配率,E143依据所获取的线段匹配率、线长值匹配率计算图像特征单项匹配率;
所述步骤E141,计算初步商标查询结果商标与待查询商标图片的有效区域图像的线段数匹配率的公式如下:
A1=N/Q;
其中,A1表示初步商标查询结果商标与待查询商标图片的有效区域图像的线段数匹配率,N表示相匹配线段数的细分区域数,Q表示细分区域设定的总数;
所述步骤E142,计算初步商标查询结果商标与待查询商标图片的有效区域图像的线长值匹配率的公式如下:
B1=J/Q;
其中,B1表示初步商标查询结果商标与待查询商标图片的有效区域图像的线长值匹配率,J表示相匹配线长值的细分区域数,Q表示细分区域设定的总数;
所述步骤E143,依据所获取的线段匹配率、线长值匹配率计算图像特征单项匹配率的公式如下:
M4=(A1*z+B1*x)-c-v;
其中,M4表示图像特征单项匹配率,A1表示初步商标查询结果商标与待查询商标图片的有效区域图像的线段数匹配率,z表示线段数匹配率的调整权数,B1表示初步商标查询结果商标与待查询商标图片的有效区域图像的线长值匹配率,x表示线长值匹配率的调整权数,c表示匹配图的类型调整参数,v表示连通域匹配类型调整参数;
其中,所述线段数匹配率的调整权数z和线长值匹配率的调整权数x可以在小于100%范围取值,且z加x的和等于100%;
所述的匹配图的类型包括:整图与整图匹配、整图与一类分卡图匹配、整图与二类分卡图匹配、一类分卡图与一类分卡图匹配、一类分卡图与二类分卡图匹配、二类分卡图与二类分卡图匹配;
所述的一类分卡图是指该分卡图的主色像素点数占整体图的主色像素点数的占比大于等50%的分卡图,二类分卡图是指该分卡图的主色像素点数占整体图的主色像素点数的占比小于50%的分卡图;匹配图的类型调整参数在大于0小于50%范围取值;
所述连通域匹配类型包括:整图与整图连通域数完全匹配、整图与分卡图连通域数完全匹配、分卡图与分卡图连通域数完全匹配、整图与整图连通域数偏差k个匹配、整图与分卡图连通域数偏差k个匹配、分卡图与分卡图连通域数偏差k个匹配;
连通域匹配类型调整参数在小于40%范围内设置,k的个数取值在小于图像连通域总数的20%范围内取值;
所述步骤E15计算商标特征种类结构匹配率,商标特征种类结构匹配率用M5表示,获取商标特征种类结构匹配率的步骤如下:
步骤E151获取待查询商标图片的有效区域图像的特征种类结构,提取关键词中不为空的特征种类作为待查询商标图片的有效区域图像的商标特征种类,所述商标特征种类包括:中文、西文、商标图形要素和没有上述记录的图像;
步骤E152统计各匹配的字段归属于何种特征种类,确定相匹配的特征种类数,所述相匹配特征种类数为指两商标相互匹配的特征种类的个数;
其中,在匹配检索中至少有归属某一特征种类的字段被匹配出来,则该特征种类为相匹配的特征种类;相匹配的特征种类的个数就是相匹配的特征种类数;
步骤E153根据匹配的特征种类和商标特征种类结构计算规则分别计算或判定其商标特征种类结构匹配率,计算或判定规则如下:
M5=(D1÷E1)-ε;
其中,M5表示商标特征种类结构匹配率,D1表示比较两商标相匹配的商标特征种类数,E1表示比较两商标之中最大的商标特征种类数,ε表示比较两商标相匹配的商标特征种类数与比较两商标之中最大的商标特征种类数的差的调整参数,当该商标特征种类数的差为0时,调整参数为0,当商标特征种类数的差不为0时,调整参数在大于0小于100%范围取值;
所述相匹配的商标特征种类数为两商标构成的商标特征种类相同且相匹配的商标特征种类数也相同的商标特征种类数;当初步商标查询结果的商标特征种类或待查询商标图片中的商标特征种类存在2个及以上相同商标特征种类时,同一商标特征种类只计算一次匹配。
10.一种商标识别查询系统,其特征在于,包括:用户端、服务器、数据存储器、图像处理器、检索处理器,所述用户端通过无线网络或互联网连接服务器,所述服务器与数据存储器、图像处理器、检索处理器之间通过局域网或互联网实现连接并执行如下处理:
所述用户端用于通过用户端拍摄设备进行拍照获取待查询商标图片或通过选择存储在用户端设备的商标图片作为待查询商标图片,以获得待查询商标图片;所述用户端将该待查询商标图片进行裁剪或确认的预处理以获取有效区域图像并将处理后的待查询商标图片发送给所述服务器;所述用户端接收到返回对待查询商标图片的有效区域图像和/或样本商标图片识别出的文字和/或商标图形要素编码进行确认或编辑修正,将确认或编辑修正后的文字和/或商标图形要素编码作为作为待查询商标图片的第一关键词向所述服务器进行反馈回应和商标识别查询请求,或将确认或编辑修正后的文字和/或商标图形要素编码作为作为样本商标图片对应的文本数据记录向所述服务器进行反馈回应和存储于数据存储器;所述用户端接收到返回的检索结果,将检索结果按照商标综合匹配率大小排列展示;
所述服务器接收到待查询商标图片和/或样本商标图片后,指令图像处理器对该待查询商标图片的有效区域图像进行识别并获取有效区域图像的文字和/或商标图形要素编码,将对待查询商标图片的有效区域图像的处理结果作为待查询商标图片的第一关键词,将对样本商标图片处理结果作为样本商标图片对应的文本数据记录并存储于数据存储器;图像处理器对该待查询商标图片的有效区域图像和/或样本商标图片提取所述图像特征描述符,包括:对有效区域图像进行方向一致性的多个等份的细分,获得有效区域图像的细分区域,提取细分区域的图像特征数据以获得图像特征描述符,所述图像特征描述符至少包括如下一项或两项:粗略图像特征描述符和精细图像特征描述符,将图像特征描述符作为第二关键词;指令检索处理器以待查询商标图片的有效区域图像所提取的第一关键词和第二关键词作为检索组合条件进行商标查询,获得初步商标查询结果;并计算初步商标查询结果中每一商标的各单项匹配率和商标综合匹配率,所述服务器将商标综合匹配率大于预设商标综合匹配率的初步商标查询结果作为检索结果,并将检索结果并返回所述用户端按照商标综合匹配率大小排列展示。
11.一种商标识别查询装置,其特征在于,所述装置包括:
图片获取与预处理模块:用于通过用户端拍摄设备进行拍照获取待查询商标图片或通过选择存储在用户端设备的商标图片作为待查询商标图片,并对该待查询商标图片进行裁剪或确认,获取待查询商标图片的有效区域图像;
文字识别处理模块:用于对待查询商标图片的有效区域图像做文字和/或商标图形要素编码识别处理,获取待查询商标图片的第一关键词;对样本商标图片做文字和/或商标图形要素编码识别处理,获取样本商标图片对应的文本数据记录;
特征提取模块:用于提取待查询商标图片的有效区域图像的图像特征描述符,获取待查询商标图片的第二关键词,提取样本商标图片的图像特征描述符,获取样本商标图片对应的图像特征数据记录,其中,所述提取图像特征描述符包括:对有效区域图像进行方向一致性的多个等份的细分,获得有效区域图像的细分区域,提取细分区域的图像特征数据以获得图像特征描述符,所述图像特征描述符至少包括如下一项或两项:粗略图像特征描述符和精细图像特征描述符;
检索模块:用于以待查询商标图片的有效区域图像所提取的第一关键词和第二关键词作为检索组合条件进行商标查询,获得初步商标查询结果;
查询结果排序处理模块:计算初步商标查询结果中每一商标的各单项匹配率和商标综合匹配率,将商标综合匹配率大于预设商标综合匹配率的初步商标查询结果作为检索结果,将检索结果按照商标综合匹配率大小排列展示。
12.一种数据存储器,其特征在于,包括:
文本数据存储单元,用于存储所述计算机程序被处理器执行时实现步骤B所述“对样本商标图片做文字和/或商标图形要素编码识别处理,获取样本商标图片对应的文本数据记录”的方法所产生的文字和/或商标图形要素编码;
图像特征描述符数据存储单元,用于存储所述计算机程序被处理器执行时实现步骤C所述“提取样本商标图片的图像特征描述符,获取样本商标图片对应的图像特征数据记录,其中,所述提取图像特征描述符包括:对有效区域图像进行方向一致性的多个等份的细分,获得有效区域图像的细分区域,提取细分区域的图像特征数据以获得图像特征描述符,所述图像特征描述符至少包括如下一项或两项:粗略图像特征描述符和精细图像特征描述符”的方法所产生的图像特征描述符。
13.一种计算机存储介质,所述计算机存储介质存储有计算机指令,其特征在于,所述计算机程序被处理执行时运行如权利要求1-9任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110875953.2A CN113553463B (zh) | 2021-07-30 | 2021-07-30 | 一种商标识别查询方法、系统、数据存储器及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110875953.2A CN113553463B (zh) | 2021-07-30 | 2021-07-30 | 一种商标识别查询方法、系统、数据存储器及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113553463A true CN113553463A (zh) | 2021-10-26 |
CN113553463B CN113553463B (zh) | 2024-06-25 |
Family
ID=78133469
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110875953.2A Active CN113553463B (zh) | 2021-07-30 | 2021-07-30 | 一种商标识别查询方法、系统、数据存储器及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113553463B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150324469A1 (en) * | 2014-05-09 | 2015-11-12 | Thomson Reuters Global Resources | System and Methods for Automating Trademark and Service Mark Searches |
CN108052653A (zh) * | 2016-12-30 | 2018-05-18 | 徐庆 | 图像特征描述符的获取方法、装置、存储介质、终端及图像检索方法 |
CN108664945A (zh) * | 2018-05-18 | 2018-10-16 | 徐庆 | 图像文本及形音义特征识别方法和装置 |
CN108763380A (zh) * | 2018-05-18 | 2018-11-06 | 徐庆 | 商标识别检索方法、装置、计算机设备和存储介质 |
-
2021
- 2021-07-30 CN CN202110875953.2A patent/CN113553463B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150324469A1 (en) * | 2014-05-09 | 2015-11-12 | Thomson Reuters Global Resources | System and Methods for Automating Trademark and Service Mark Searches |
CN108052653A (zh) * | 2016-12-30 | 2018-05-18 | 徐庆 | 图像特征描述符的获取方法、装置、存储介质、终端及图像检索方法 |
CN108664945A (zh) * | 2018-05-18 | 2018-10-16 | 徐庆 | 图像文本及形音义特征识别方法和装置 |
CN108763380A (zh) * | 2018-05-18 | 2018-11-06 | 徐庆 | 商标识别检索方法、装置、计算机设备和存储介质 |
Non-Patent Citations (1)
Title |
---|
严宇: "颜色和纹理混合描述符图像检索方法", 计算机科学与探索, no. 11, 30 November 2017 (2017-11-30), pages 1816 - 1825 * |
Also Published As
Publication number | Publication date |
---|---|
CN113553463B (zh) | 2024-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11004129B2 (en) | Image processing | |
US6430312B1 (en) | Image subregion querying using color correlograms | |
US6941003B2 (en) | Method of fast fingerprint search space partitioning and prescreening | |
CN112446351B (zh) | 医疗票据智能识别方法 | |
CN101678404B (zh) | 包括对与邮寄件相关的签名进行图形分类的邮寄件处理方法 | |
US20090041361A1 (en) | Character recognition apparatus, character recognition method, and computer product | |
US6917708B2 (en) | Handwriting recognition by word separation into silhouette bar codes and other feature extraction | |
CN108734159B (zh) | 一种图像中敏感信息的检测方法及系统 | |
CN114511718B (zh) | 一种建筑施工用物料智能管理方法及系统 | |
US20100158362A1 (en) | Image processing | |
US6647157B1 (en) | Image search apparatus and method | |
CN111476319A (zh) | 商品推荐方法、装置、存储介质和计算设备 | |
CN109213886B (zh) | 基于图像分割和模糊模式识别的图像检索方法及系统 | |
CN111625687A (zh) | 一种在媒资视频库中通过人脸快速搜索人物的方法及系统 | |
CN110781195A (zh) | 一种兴趣点信息更新的系统、方法和装置 | |
CN113723410B (zh) | 一种数码管数字识别方法及装置 | |
US20040042663A1 (en) | Method, apparatus, and program for similarity judgment | |
CN113553463B (zh) | 一种商标识别查询方法、系统、数据存储器及存储介质 | |
CN113553980A (zh) | 一种图片的商标图形要素编码生成方法、系统及装置 | |
JP2004192555A (ja) | 情報管理方法、情報管理装置及び情報管理プログラム | |
US8046308B2 (en) | Method of processing postal items with account being taken of extra expense due to wrong delivery | |
CN111382703B (zh) | 一种基于二次筛选与分数融合的指静脉识别方法 | |
CN112559823B (zh) | 一种数据标准化的数据采集方法 | |
CN111126121B (zh) | 人脸识别模型的调整方法、装置、设备及存储介质 | |
CN117033762A (zh) | 一种视频镜头推荐方法 |
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 | ||
GR01 | Patent grant |