[发明专利]图像检索方法及系统

说明书

本发明公开了一种图像检索方法及系统，其中图像检索方法包括：获取待检索图像；提取所述待检索图像中的主目标特征、关键点特征以及向量特征；按照所述主目标特征、所述关键点特征以及所述向量特征排列先后顺序，在预先构建的图像库中按照所述顺序进行图像检索；以及若按顺序检索到相似图像，则结束检索。本发明通过划分好的层级排序进行检索，在保证检索准确率的同时，能够在执行每一层级的检索过程中，使得算力集中于该层级从而提高图像检索速度。并且按照层级排序检索到相似图像后便结束图像检索，无需执行后续层级的图像检索，可以减少算力的浪费。

技术领域

本发明涉及图像识别技术领域，具体涉及图像检索方法及系统。

背景技术

目前，为了增强工作、生活或者社会环境中的安全性，会在各个区域场所内安装摄像监控设备，以便根据视频流信息进行安全防护。具体地，是将视频流信息转换为图像信息存储在大规模的图像库内，以便于进行图像检索。

当进行图像检索时，常规采用的方法是对图像进行特征向量的检索，但是多源头多类型的特征无法全部有效融合，采用特征拼接后使得维度过于庞大，从而导致检索速度慢、准确率一般且浪费算力。

因此，有必要设计一种新的方法，对图像的特征进行层级排序，提高检索速度和准确率以及减少算力的浪费。

发明内容

针对现有技术中的缺陷，本发明提供一种图像检索方法及系统，能够提高检索速度和准确率，以及减少算力的浪费。

第一方面，本发明提供一种图像检索方法，包括：获取待检索图像；提取所述待检索图像中的主目标特征、关键点特征以及向量特征，其中：采用图像分类算法，将所述待检索图像的图像主体与背景分离，得到所述主目标特征；采用SURF（加速稳健特征，SpeededUp Robust Features）算法提取所述待检索图像的局部特征点，作为所述关键点特征；采用CNN（卷积神经网络，Convolutional Neural Networks）提取所述待检索图像中的图像抽象特征，采用颜色直方图提取所述待检索图像中的色彩分布特征，并根据所述图像抽象特征和所述色彩分布特征得到所述向量特征；按照所述主目标特征、所述关键点特征以及所述向量特征排列先后顺序，在预先构建的图像库中按照所述顺序进行图像检索；以及若以所述主目标特征在所述图像库中检索到相似图像，则结束检索；或，若以所述主目标特征在所述图像库中未检索到所述相似图像，且以所述关键点特征在所述图像库中检索到所述相似图像，则结束检索；或，若以所述主目标特征在所述图像库中未检索到所述相似图像，且以所述关键点特征在所述图像库中未检索到所述相似图像，且以所述向量特征在所述图像库中检索到所述相似图像，则结束检索。

本发明通过划分好的层级排序进行检索，在保证检索准确率的同时，能够在执行每一层级的检索过程中，使得算力集中于该层级从而提高图像检索速度。并且按照层级排序检索到相似图像后便结束图像检索，无需执行后续层级的图像检索，可以减少算力的浪费。

结合第一方面，在一种可能的实现方式中，根据所述图像抽象特征和所述色彩分布特征得到所述向量特征包括：将所述图像抽象特征和所述色彩分布特征组合；采用PCA（主成分分析，Principal Component Analysis）算法，通过线性变换将所述图像抽象特征和所述色彩分布特征变换为多个维度的数据，其中各个维度相互之间线性无关；采用PQ（乘积量化，Product quantization）编码将各个维度的数据构成的向量空间，分解为多个低维向量空间的笛卡尔积；以及将多个所述笛卡尔积分别量化为多个量化code作为所述向量特征。

结合第一方面，在一种可能的实现方式中，按照所述主目标特征、所述关键点特征以及所述向量特征排列先后顺序，在预先构建的图像库中按照所述顺序进行图像检索包括：根据所述图像检索的应用场景，在所述主目标特征、所述关键点特征以及所述向量特征中选择对应的特征组合；以及在所述特征组合中，基于所述顺序，采用计算相似度的方式在所述图像库中进行图像检索。