[发明专利]一种基于网络视频监控中的智能图像检索系统

权利要求书

1.对输入图像和图像库进行二值化,并提取特征点，建立输入图像的特征点集合和匹配特征点集。

2.对所有的特征点采取提取尺度不变的特征点算法(SIFT) 进行特征描述，求取特征向量。

3.  根据相对值向量法，计算步骤S2得到的结果图像的空间分布向量。

4.采用欧氏距离法进行图像匹配。

5.当原图像与数据库中的图像逐一匹配，并根据其匹配结果的大小与阀门值进行比较，如果小于阀门值直接则不进行下一次判断，如果大于阀门值，则需要根据待测样本分辨 率动态调整取样窗口大小，进行下一次的迭代判断，最后按匹配的相识度输出结果。

6.过机器学习方法针对多种图像特征使用AdaBoost方法通过统计学习将这多种特征有效组合，更加精确的检索。

7.具体地步骤如下包括： 

①若输入样本分辨率与源样本分辨率相同，则取样窗口与模板大小相同，并执行步骤S2.4，否则，根据源样本及待测样本的分辨率 计算分辨率变化比例因子，并执行步骤S2.2；具体地，用待测样本分辨率除以图像库的分辨率，得到分辨率变化比例因子； 

②根据该分辨率变化比例因子计算取样窗口，具体地用该 分辨率变化比例因子乘以模板分辨率，得到取样窗口分辨率；

③实时检测待测样本分辨率的变化，若变化，则返回步骤 S1.1，否则，执行步骤S2.4； 

④按照取样窗口从待测样本中取样。

8.为了提高本发明的方法的效率同时又不使效果下降太多，本发明在步骤中采用了欧式距离法，即计算两个向量间的欧式距离，此法简单高效，并且结果可信度随着向量维度的提高而提高，但为了效率考虑，一般取256维向量即可；

①首先，选取10张标准样本图像(S[1]，S[2]，...，S[10])作为标准样本图像集；

②其次，分别计算图像库500万张待检索图像相对10张标准样本图像的相似 特征向量DX[i]＝(IS[i][1]，IS[i][2]，...，IS[i][10])，i＝1，2，...5000000； 

③再次，计算需检索图像KEY相对10张标准样本图像的相似特征向量 KEYX＝(KS[1]，KS[2]，...，KS[10])；

④然后，分别计算需检索图像特征向量KEYX与图像库图像特征向量DX[i] 之间的最终相似度FS[i]，i＝1，2，...，5000000； 

⑤最后，FS[i](i＝1，2，...，5000000)按倒序排序，最前面的结果(譬如 前10个)即为最相似检索输出结果。

9. 通过本发明所述的方案，能够在现有技术基础上非常有效地获得较快速度 与较精确的图像检索效果；同时本发明提供的基于图像相似性比对地检索方案，可以根据要求的不同，可以采用不同的初步相似度计算方法来获得所需的检索效果，实现简单易于操作。