[发明专利]基于排序算法的图像检索方法、装置及相关设备

说明书

本发明涉及视频侦查技术领域，提供了一种基于排序算法的图像检索方法、装置及相关设备，包括：获取特征图像；对特征图像进行特征提取得到特征图像的特征码，并将其写入预设的向量检索引擎；选取目标图像，并提取目标图像的特征码；将目标图像的特征码输入至向量检索引擎中进行检索，得到与目标图像的特征码相似度最高的前N条特征图像的特征码和相似度；将前N条特征图像的特征码组成检索集，利用排序算法计算目标图像的特征码与检索集中每一特征图像的特征码的最终相似度，并根据最终相似度对检索集进行排序。本发明基于排序算法的图像检索方法查找目标图像的速度快、精确度高，进而提升了破案效率。

技术领域

本发明涉及视频侦查技术领域，尤其涉及一种基于排序算法的图像检索方法、装置及相关设备。

背景技术

随着城市化的发展，城市中的车辆和常住居民越来越多，在提高地方经济水平的同时，更多的车辆和人口造成更多类似于盗窃等危害城市安全事件的发生，这给城市管理带来了巨大挑战。

然而，实现车辆和人口的有效管理，需要点对点的管理方法，即实现公安机关直接对相关车辆和人的直接管理，实现短时间内精准破案。但是目前的图像搜索方法仅通过获得城市重要位置的摄像头拍摄的视频数据，无法实现对敏感人物或车辆的精准搜索，致使公安机关无法在短时间内找到目标。

因此，有必要提供一种基于排序算法的图像检索方法、装置及相关设备解决上述技术问题。

发明内容

鉴于以上问题，有必要提供一种基于排序算法的图像检索方法、装置及相关设备，旨在精准快速的找到目标图像。

为实现上述目的，本发明提出一种基于排序算法的图像检索方法，应用于电子设备，所述方法包括：

获取监控视频，对所述监控视频进行关键帧抽取得到特征图像；

利用深度学习网络对所述特征图像进行特征提取，获得所述特征图像的特征码，并将所述特征图像的特征码写入预设的向量检索引擎；

选取目标图像，并提取所述目标图像的特征码；将所述目标图像的特征码作为检索条件，将所述检索条件输入至所述向量检索引擎中进行检索，得到所述向量检索引擎中与所述目标图像的特征码相似度最高的前N条特征图像的特征码和相似度；

将前N条所述特征图像的特征码组成检索集，利用排序算法计算所述目标图像的特征码与所述检索集中每一所述特征图像的特征码的最终相似度，并根据所述最终相似度对所述检索集进行排序；其中，所述利用排序算法计算所述目标图像的特征码与所述检索集中每一所述特征图像的特征码的最终相似度，具体包括：

将前N条所述特征图像的特征码的相似度作为初始相似度A(i)；

选取所述检索集中排列在前三的所述特征图像的特征码K1，K2，K3；

计算所述检索集中排列在前三的所述特征图像的特征码K1，K2，K3分别与所述检索集中所有所述特征图像的特征码的相似度，得到B(i)，C(i)，D(i)；

通过相似度计算公式计算所述目标图像的特征码与所述检索集中每一所述特征图像的特征码的最终相似度d(i)，其中，所述相似度计算公式为：d(i)=0.4*A(i)+0.3*B(i)+0.2*C(i)+0.1*D(i)；

查找出所述检索集中所有所述特征图像的特征码对应的特征图像，并将所述对应的特征图像按照所述检索集中所述特征图像的特征码的排序号依次传输至显示设备进行显示。

优选的，所述特征图像为行人或车辆的属性特征，所述行人的属性特征包括人脸、人体、肤色以及衣着，所述车辆的属性特征包括车辆类型、车标及车辆的颜色。

优选的，所述利用深度学习网络对所述特征图像进行特征提取，获得所述特征图像的特征码，具体包括如下步骤：去除所述特征图像的背景；采用卷积神经网络提取去背景后的所述特征图像的特征码。