[发明专利]一种大规模分布式全掌脉络数据的闪速搜索比对方法

权利要求书

1.一种大规模分布式全掌脉络数据的闪速搜索比对方法，其特征在于，包括以下的实施步骤：

S1、对全掌脉络图像进行特征提取计算，具体为：

S1-1、构建多尺度脉络特征空间，令原始图像为L₀，构建其下采样图像金字塔序列Sp＝{L₀，L₁，...，L_n-1}，n为构建的图像总数量，其中降采样因子为c；

S1-2、脉络图像增强，对序列Sp每一层进行多尺度高斯滤波，然后对滤波后的图像进行脉络提取，再将各尺度核下的脉络图像进行融合，得到脉络图像序列{V₀，V₁，...，V_n-1}；

S1-3、对脉络图像序列进行全局和局部特征提取，再将全局特征与局部特征综合获得最终特征F；

S2、构建特征数据库，具体为：

S2-1、对特征数据集中全局特征部分进行桶划分，随机初始化z个桶，采用聚类算法将数据集中的每一个全局特征做分类；

S2-2、局部特征构建倒排索引，对每个特征F的局部特征构建“局部特征ID--用户ID”对，所有局部特征构建索引，将距离相近的局部特征作为一类，并将同一类的局部特征的用户ID写入该倒排记录表中；

S3、搜索比对，具体为：

S3-1、引入待比对特征H；

S3-2、利用特征H的p个全局特征H₀获取桶编号序列{id₀，id₁，...，id_p-1}，然后在所得到的p个桶中进行并行搜索，在每个桶中的搜索过程为：

1)遍历特征H的所有局部特征，每个特征搜索出t个近邻；

2)查找每个局部特征t个近邻所对应的用户ID的集合T_m；

3)对m个局部特征获得的所有ID进行∩运算：

G_id＝T₀∩T₁∩...∩T_m-1＝{ID₀，ID₁，...，ID_j}

得到每个桶的ID集合；

S3-3、将每个桶获得的ID集合进行∪运算，即：

G＝G₀∪G₁∪...G_p-1＝{g₀，g₁，...，g_j}

得到最终的ID集合G；

S3-4、计算集合G中每个特征与特征H的相似度分数：

其中，vg_i为G的局部特征向量，vp_i为H的局部特征向量，m为局部特征的数量；

S3-5、选取相似度分数最高的作为最终搜索比对所匹配的目标。

2.根据权利要求1所述的一种大规模分布式全掌脉络数据的闪速搜索比对方法，其特征在于，步骤S1-2所述的多尺度高斯滤波，具体为：

L_i(x，y)表示输入图像，表示输入出图像，*为卷积操作，下标i表示图像序号，G(x，y，kσ)为高斯滤波核，其中：

k表示滤波核的尺度参数，参数k∈K＝{1，2，3}。