[发明专利]一种快速精确的图片搜索匹配方法及系统在审
申请号: | 201910349107.X | 申请日: | 2019-04-28 |
公开(公告)号: | CN110110125A | 公开(公告)日: | 2019-08-09 |
发明(设计)人: | 张东;明晓东 | 申请(专利权)人: | 重庆学析优科技有限公司 |
主分类号: | G06F16/583 | 分类号: | G06F16/583 |
代理公司: | 北京开林佰兴专利代理事务所(普通合伙) 11692 | 代理人: | 张瑞玲 |
地址: | 401120 重庆市渝北区黄山大*** | 国省代码: | 重庆;50 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 匹配 图片搜索 查询 样本图片 粗筛 服务器集群 匹配结果 特征点 图片 数据库 特征提取算法 技术效果 匹配计算 匹配系统 平均分配 有效解决 服务器 并行 | ||
1.一种快速精确的图片搜索匹配方法,其特征在于,包括如下步骤:
S1,获取待查询图片;
S2,通过特征提取算法提取所述待查询图片的特征点;
S3,基于所述待查询图片的特征点通过服务器集群技术将所述待查询图片与样本图片数据库进行并行的粗筛匹配和精确匹配;
S4,基于所述粗筛匹配和精确匹配生成匹配结果。
2.根据权利要求1所述的一种快速精确的图片搜索匹配方法,其特征在于,所述步骤S3包括如下步骤:
S31,基于所述待查询图片的特征点通过服务器集群技术在所述样本图片数据库中进行粗筛匹配计算,得到与所述待查询图片的特征点的匹配度TopN的匹配样本图片并返回粗筛结果,其中,N为正整数;
S32,基于所述待查询图片的特征点对所述粗筛结果进行精确匹配计算。
3.根据权利要求2所述的一种快速精确的图片搜索匹配方法,其特征在于,所述步骤S31包括如下步骤:
S311,通过广播方式将所述待查询图片的特征点数据发送到服务器集群中的每一台粗筛服务器;
S312,每一台粗筛服务器同时并行将所述待查询图片的特征点数据与所述样本图片数据库中各自被预先分配的样本图片进行初步匹配,得到与所述待查询图片的特征点的匹配度TopM的匹配样本图片,其中,M为正整数,且M<N;
S313,每一台粗筛服务器上报初步匹配结果;
S314,将所有粗筛服务器上报的初步匹配结果进行汇总得到与所述待查询图片的特征点的匹配度TopN的匹配样本图片并返所述回粗筛结果。
4.根据权利要求2所述的一种快速精确的图片搜索匹配方法,其特征在于,所述步骤S32包括如下步骤:
S321,将所述待查询图片的特征点数据发送到服务器集群中的每一台细筛服务器,同时将所述粗筛结果中TopN的匹配样本图片按照预设的分配规则发送到服务器集群中的每一台细筛服务器;
S322,每一台细筛服务器并行计算所述TopN的匹配样本图片中的每一张匹配样本图片与所述待查询图片之间的特征点有效匹配的个数并进行评分,其中,特征点的匹配采用欧氏距离进行计算;
S323,基于每一张匹配样本图片的分值与预设分值阈值判断每一张匹配样本图片是否正确匹配。
5.根据权利要求4所述的一种快速精确的图片搜索匹配方法,其特征在于,所述步骤S323中,预设分值阈值设置为1000,当所述匹配样本图片的评分分值大于1000时,则判断该匹配样本图片与所述待查询图片匹配正确,否则判断为匹配失败。
6.根据权利要求5所述的一种快速精确的图片搜索匹配方法,其特征在于,所述细筛服务器为GPU服务器。
7.根据权利要求1-6任意一项所述的一种快速精确的图片搜索匹配方法,其特征在于,服务器集群中的服务器之间的数据传输基于SOCKET协议进行传输。
8.根据权利要求7所述的一种快速精确的图片搜索匹配方法,其特征在于,所述步骤S2中特征点提取的过程中采用硬件加速计算技术加速所述待查询图片的特征点的提取速度。
9.根据权利要求8所述的一种快速精确的图片搜索匹配方法,其特征在于,所述步骤S2中的特征提取算法为SURF算法,且通过SURF算法进行特征点的提取时,Hessian阈值设置为1000。
10.一种应用权利要求1-9中任意一项所述的方法进行图片搜索匹配的系统,其特征在于,包括:
图片获取模块,用于获取待查询图片;
特征提取模块,用于通过特征提取算法提取所述待查询图片的特征点;
图片匹配模块,基于所述待查询图片的特征点通过服务器集群技术将所述待查询图片与样本图片数据库进行并行的粗筛匹配和精确匹配;
结果生成模块,用于基于所述粗筛匹配和精确匹配生成匹配结果。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于重庆学析优科技有限公司,未经重庆学析优科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910349107.X/1.html,转载请声明来源钻瓜专利网。