[发明专利]一种相似图像检索算法的鲁棒性评测方法及装置

说明书

本发明提供一种相似图像检索算法的鲁棒性评测方法及装置，其中所述方法包括：针对每张待检索图片，在测试数据集中按照所述相似图像检索算法进行检索，并根据检索结果为每张所述待检索图片设定对应的检索积分；基于每张所述待检索图片对应的检索积分，确定所述相似图像检索算法对应的原始平均积分；对至少两组测试数组中的每张样本进行降低质量处理；并再次在所述测试数据集中按照所述相似图像检索算法进行检索，以得到所述相似图像检索算法在所述图像处理的前提下对应的实际平均积分；基于所述原始平均积分和所述实际平均积分，确定影响所述相似图像检索算法的鲁棒性的因素。本发明提供的技术方案，能够确定影响相似图像检索算法的鲁棒性的因素。

技术领域

本发明实施方式涉及图像检索技术领域，尤其涉及一种相似图像检索算法的鲁棒性评测方法及装置。

背景技术

当前，图像识别技术已经应用到了安防领域的人脸识别、智能交通领域的车辆检索等方面。相似图像检索算法通常包含三个主要功能：特征提取、特征相似度计算以及相似度排序。通过算法对待检索的图像进行特征提取，通过与特征数据库中每个特征值进行相似度计算，从而可以返回相似度最高的图片。理想情况下相似度排序相似度最高的图片是目标图片。真实场景下获得的待检索图片受外界条件的影响，例如光照条件的变化，目标远近，图片清晰度等，待检索图片质量通常会出现不同程度下降，通常约定相似度最高的前几位(例如前5)中出现目标图片作为有效检索结果。环境因素或者拍摄原因造成输入图片质量下降，引起检索效果的下降，对算法实际应用有很大影响，因此需要能够分析造成相似度下降的原因和影响力，从而指导算法改进的方向。

在实施本发明的过程中，发明人发现现有技术至少存在如下问题：

通常，系统的分析方法和控制器的设计大多是基于数学模型而建立的，然而系统总是存在客观条件引起的不确定性，仅用单一维度精确数学模型对系统的分析结果或设计出来的控制器常常不满足要求。

为了弥补不足，鲁棒性(robustness)控制理论应运而生。它在设计过程中考虑了数学模型所具有的不确定性误差，假设模型频率特性与实际被控对象的频率特性，或者模型参数与实际对象的参数具有一定范围内的偏差，然后用解析的手段设计控制器使得系统对这一误差范围内的所有被控对象均能满足理想的性能要求。

衡量相似图像检索算法是重要的标准之一是鲁棒性，是指控制系统在一定(结构，大小)的参数摄动下，维持某些性能的特性，鲁棒性好也就意味着稳定性好。但是，当前没有能够确定影响相似图像检索算法的鲁棒性的因素。

应该注意，上面对技术背景的介绍只是为了方便对本发明的技术方案进行清楚、完整的说明，并方便本领域技术人员的理解而阐述的。不能仅仅因为这些方案在本发明的背景技术部分进行了阐述而认为上述技术方案为本领域技术人员所公知。

发明内容

针对上述问题，本发明实施方式的目的在于提供一种相似图像检索算法的鲁棒性评测方法及装置，能够确定影响相似图像检索算法的鲁棒性的因素。

为实现上述目的，本发明实施方式提供一种相似图像检索算法的鲁棒性评测方法，提供有指定类目的测试数据集，所述测试数据集中包括干扰数据以及至少两组测试数组，每组测试数组中包括预设数量的样本图片；其中，每组所述测试数组中分别抽取一张样本图片，并将抽取的样本图片作为待检索图片；所述方法包括：针对每张所述待检索图片，在所述测试数据集中按照所述相似图像检索算法进行检索，并根据检索结果为每张所述待检索图片设定对应的检索积分；基于每张所述待检索图片对应的检索积分，确定所述相似图像检索算法对应的原始平均积分；对所述至少两组测试数组中的每张样本图片进行图像处理，以降低每张样本图片的质量；针对每张降低了质量的待检索图片，在所述测试数据集中按照所述相似图像检索算法进行检索，以得到所述相似图像检索算法在所述图像处理的前提下对应的实际平均积分；基于所述原始平均积分和所述实际平均积分，确定影响所述相似图像检索算法的鲁棒性的因素。