著录项信息
专利名称 | 一种检索图片的方法及装置 |
申请号 | CN201410239452.5 | 申请日期 | 2014-05-30 |
法律状态 | 授权 | 申报国家 | 中国 |
公开/公告日 | 2016-01-13 | 公开/公告号 | CN105243060A |
优先权 | 暂无 | 优先权号 | 暂无 |
主分类号 | G06F16/55 | IPC分类号 | G;0;6;F;1;6;/;5;5;;;G;0;6;F;1;6;/;5;8;3查看分类表>
|
申请人 | 小米科技有限责任公司 | 申请人地址 | 北京市海淀区清河中街68号华润五彩城购物中心二期13层
变更
专利地址、主体等相关变化,请及时变更,防止失效 |
权利人 | 小米科技有限责任公司 | 当前权利人 | 小米科技有限责任公司 |
发明人 | 陈志军;张涛;王琳 |
代理机构 | 北京三高永信知识产权代理有限责任公司 | 代理人 | 刘映东 |
摘要
本公开公开了一种检索图片的方法及装置,属于计算机技术领域。所述方法包括:获取终端发送的特征信息,所述特征信息包括图像特征、人脸特征或标签特征中的至少一种;在图片库中检索与所述特征信息匹配度大于预设阈值的图片,并将所述检索到的图片确定为检索结果;在所述检索到的图片所在聚类中选取符合预设条件的图片作为扩展检索结果,所述检索到的图片所在聚类为所述特征信息的类型对应的聚类;将所述检索结果以及所述扩展检索结果返回给所述终端。本公开通过将检索到的图片作为检索结果,并选取检索到的图片对应的聚类中满足预设条件的其他图片作为扩展检索结果,可以检索到更加符合用户要求的结果,提高了检索的准确性和效率。
一种检索图片的方法及装置\n技术领域\n[0001] 本公开涉及计算机技术领域,特别涉及一种检索图片的方法及装置。\n背景技术\n[0002] 随着互联网的发展,云空间存储已经普及到用户的生活和工作中,用户可以将手机、个人电脑中的各种图片存储于云空间中,随时随地通过网络从云空间中检索并获取到自己的图片,并不受地域的限制。\n[0003] 用户在使用云空间时,不可避免的会存在查找图片的情况,一般情况下查找图片的方式为:用户可以通过输入关键字,搜索带有该关键字标签的图片,并将完全匹配关键字的图片作为检索结果;或者用户选取待检测的图片,通过使用人脸特征或图像特征的方式检索是否存在相似度大于一定阈值的图片,并将检索到的图片作为检索结果。\n[0004] 发明人发现相关技术至少存在以下问题:\n[0005] 对于关键字的方式,仅能检索到完全匹配该关键字的图片;对于人脸特征或图像特征进行识别的方式,也仅能检索到相似度大于一定阈值的图片。上述两种检索方式的限制过多,检索到的图片并不能完全展示用户的检索需求。\n发明内容\n[0006] 为了解决相关技术的问题,本公开实施例提供了一种检索图片的方法及装置。所述技术方案如下:\n[0007] 根据本公开实施例的第一方面,提供一种检索图片的方法,包括:\n[0008] 获取终端发送的特征信息,所述特征信息包括图像特征、人脸特征或标签特征中的至少一种;\n[0009] 在图片库中检索与所述特征信息匹配度大于预设阈值的图片,并将所述检索到的图片确定为检索结果;\n[0010] 在所述检索到的图片所在聚类中选取符合预设条件的图片作为扩展检索结果,所述检索到的图片所在聚类为所述特征信息的类型对应的聚类;\n[0011] 将所述检索结果以及所述扩展检索结果返回给所述终端。\n[0012] 根据本公开实施例的第二方面,提供一种检索图片的装置,包括:\n[0013] 第一获取模块,用于获取终端发送的特征信息,所述特征信息包括图像特征、人脸特征或标签特征中的至少一种;\n[0014] 检索模块,用于在图片库中检索与所述特征信息匹配度大于预设阈值的图片,并将所述检索到的图片确定为检索结果;\n[0015] 第一选取模块,用于在所述检索到的图片所在聚类中选取符合预设条件的图片作为扩展检索结果,所述检索到的图片所在聚类为所述特征信息的类型对应的聚类;\n[0016] 返回模块,用于将所述检索结果以及所述扩展检索结果返回给所述终端。\n[0017] 本公开的实施例提供的技术方案可以包括以下有益效果:通过将检索到的图片作为检索结果,并选取检索到的图片对应的聚类中满足预设条件的其他图片作为扩展检索结果,可以检索到更加符合用户要求的结果,提高了检索的准确性和效率。\n[0018] 应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。\n附图说明\n[0019] 此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。\n[0020] 图1是本公开是根据一示例性实施例示出的一种检索图片的方法流程图;\n[0021] 图2是本公开是根据一示例性实施例示出的一种检索图片的方法流程图;\n[0022] 图3是本公开是根据一示例性实施例示出的一种检索图片的方法流程图;\n[0023] 图4是本公开是根据一示例性实施例示出的一种检索图片的方法流程图;\n[0024] 图5是本公开是根据一示例性实施例示出的一种检索图片的装置结构示意图;\n[0025] 图6是本公开是根据一示例性实施例示出的一种检索图片的装置结构示意图。\n具体实施方式\n[0026] 为使本公开的目的、技术方案和优点更加清楚,下面将结合附图对本公开实施方式作进一步地详细描述。\n[0027] 实施例一\n[0028] 本公开实施例提供了一种检索图片的方法,参见图1,方法流程包括:\n[0029] 在步骤101中,获取终端发送的特征信息,特征信息包括图像特征、人脸特征或标签特征中的至少一种,本实施例的方法用于服务器中;\n[0030] 在步骤102中,在图片库中检索与特征信息匹配度大于预设阈值的图片,并将检索到的图片确定为检索结果,本实施例的方法用于服务器中;\n[0031] 在步骤103中,在检索到的图片所在聚类中选取符合预设条件的图片作为扩展检索结果,检索到的图片所在聚类为特征信息的类型对应的聚类,本实施例的方法用于服务器中。\n[0032] 在步骤104中,将检索结果以及扩展检索结果返回给终端,本实施例的方法用于服务器中。\n[0033] 其中,在执行步骤101开始进行检索图片的过程之前,需要预先在同一数据源中的图片行聚类,将属于同一类别的图片聚集在一个聚类中。在本公开实施例中对于聚类方法可以包括但不限于以下方式:基于图像特征的聚类,基于人脸特征的聚类,基于标签的聚类。\n[0034] 基于图像特征的聚类通过计算图片中关键点的特征向量并进行比对,将属于匹配度大于一定阈值的图片确认为一个聚类,属于同一个聚类中都会存储有各个图片之间的匹配度。在本公开实施例中通过使用SIFT(Scale-invariant feature transform)算法提取图片的关键点,该算法是检测局部特征的算法,通过SIFT算法计算后图片中每个关键点得到一个128维的SIFT特征向量,最终所有的关键点的特征向量构成图像特征。最终比对时,通过关键点特征向量之间的欧式距离作为两幅图像中关键点的相似性判定度量。可选的度量方式还可以包括余弦相似度量,在此并不作出限定。\n[0035] 基于人脸特征的聚类通过提取图片中人脸的特征,并将包含同一个人脸的特征信息的图片却认为一个聚类,被确定为同一个人脸的聚类中,都会存储有各个图片之间的匹配度。最终人脸的特征结构构成图片的人脸特征。\n[0036] 基于标签的聚类可以分为两种:\n[0037] 第一种为:根据图片中包括的时间信息和/或位置信息标签进行聚类,将属于一定时间范围,一定位置范围的图片确定为一个聚类。其中时间范围、位置范围并不作出限定。\n在第一种情况中,时间信息和位置信息通过提取图片中的exif信息得到。最终通过时间信息和/或位置信息得到图片的标签特征。\n[0038] 第二种为:根据图片中包括的用户标定的标签特征中的文字信息进行聚类。其中,在第二种情况中,文字信息可以包括但不限于:人物姓名、景物、地名等,通过用户在图片中进行标定得到。最终通过用户标定的标签特征中得到图片的文字信息。\n[0039] 进一步的,在每个聚类中各个图片之间也存在着相似度,其中对于图像特征、人脸特征的聚类中,可以通过图像特征或人脸特征进行各个图片之间的相似度;对于标签特征的聚类中,则可以通过标签特征中的时间信息中的时间跨度,位置信息中的距离来计算各个图片之间的相似度。\n[0040] 在本公开实施例中,服务器中存在上述多种基于不同聚类方式得到的聚类,以便用户通过发送不同的特征信息,查找到更加精准的检索结果。\n[0041] 本公开实施例通过将检索到的图片作为检索结果,并选取检索到的图片对应的聚类中满足预设条件的其他图片作为扩展检索结果,可以检索到更加符合用户要求的结果,提高了检索的准确性和效率。\n[0042] 实施例二\n[0043] 本公开实施例提供了一种检索图片的方法,参见图2,方法流程包括:\n[0044] 在步骤201中,获取终端发送的特征信息,特征信息包括图像特征,本实施例的方法用于服务器中。\n[0045] 其中,在本公开实施例中,用户在终端中选取待检索的图片,确定检索与该待检索的图片相似的图片。此时,在终端中通过SIFT算法计算该图片中各关键点的SIFT特征向量,得到该图像特征,并将该图像特征发送给服务器。\n[0046] 可选的,用户在终端选取待检索的图片后,还可以直接将该待检索的图片发给服务器,服务器接收到该待检索的图片后,进行获取该待检索的图片的特征信息的流程。其中,服务器获取该待检索的图片的特征信息,包括图像特征和/或人脸特征。\n[0047] 在步骤202中,根据终端的标识,获取终端在其他图片库中存储的图片以及终端在其他图片库中存储的图片对应的特征信息,本实施例的方法用于服务器中。\n[0048] 其中,终端的标识可以为帐号信息等内容,通过该标识向终端对应的其他图片库发送获取图片的请求。\n[0049] 其中,其他图片库可以为预先进行关联的,此种情况中预先存储有其他图片库的地址;也可以为终端在发送的特征信息或待检索的图片的检索请求中携带有其他图片库的地址。\n[0050] 在步骤203中,根据终端在其他图片库中存储的图片对应的特征信息,对终端在其他图片库中存储的图片进行聚类并存储于自身的图片库中,本实施例的方法用于服务器中。\n[0051] 其中,获取其他图片库中存储的图片对应的特征信息,可以包括:图像特征、人脸特征或标签特征中的至少一种。其中,对于图像特征、人脸特征可以通过的计算过程如实施例一中,在此并不赘述。对于标签特征,可以在图片的属性中获取到,如:时间信息、位置信息、文字信息等。\n[0052] 进一步的,根据特征信息对图片进行聚类的过程与实施例一中聚类的过程相同,在此并不赘述。\n[0053] 在步骤204中,当特征信息为图像特征时,计算图像特征与图片库中每张图片对应的图像特征之间的匹配度,并选取匹配度大于预设阈值的图片为检索到的图片,并将检索到的图片确定为检索结果,本实施例的方法用于服务器中。\n[0054] 其中,通过选取的欧式距离方式或余弦相似度量的方式计算图片之间的匹配度。\n匹配度可以为0-100之间的数值。数值越高则代表两张图片越相似,并设定预设阈值作为相似图片的评判标准。\n[0055] 在步骤205中,在检索到的图片所在聚类中选取符合预设条件的图片作为扩展检索结果,检索到的图片所在聚类为特征信息的类型对应的聚类,本实施例的方法用于服务器中。\n[0056] 其中,在检索到的图片属于的图像特征对应的聚类中进一步的选取其他图片作为扩展检索结果,选取的方式为根据检索到的图片与该聚类中其他图片之间的相似度大于预设的相似度,确定选取的作为扩展检索结果的图片。\n[0057] 例如:用户选取的待检索的图片E与检索到的图片A的匹配度为90,与图片A属于同一聚类包括有B,C,D。其中,B,C,D分别与A之间的匹配度为90、80、70。那么E与B,C,D之间的匹配度分别为:90-(100-90)即80、90-(100-80)即70、90-(100-70)即60,其中预设相似度为\n70,则选取与检索到的图片相似度大于70的图片作为扩展检索结果。\n[0058] 根据其它图片在扩展结果中的匹配度生成排列的顺序,该顺序会在终端展示中按照从高到低的顺序进行展示。\n[0059] 因此,步骤205可以进一步的为:\n[0060] 在检索到的图片所在聚类中,选取与检索到的图片之间的相似度大于预设相似度的图片作为扩展检索结果。\n[0061] 在步骤206中,将检索结果以及扩展检索结果返回给终端,本实施例的方法用于服务器中。\n[0062] 对于检索到的图片在终端展示的过程中如果图片过多,超过了当前屏幕的显示范围,则按照扩展检索结果中的排列顺序在终端屏幕中可以显示的部分进行显示,其他未显示的图片按顺序根据用户的滑动动作进行顺序展示。\n[0063] 本公开实施例通过将检索到的图片作为检索结果,并选取检索到的图片对应的聚类中满足预设条件的其他图片作为扩展检索结果,可以检索到更加符合用户要求的结果,提高了检索的准确性和效率。\n[0064] 实施例三\n[0065] 本公开实施例提供了一种检索图片的方法,参见图3,方法流程包括:\n[0066] 在步骤301中,接收终端发送的特征信息,特征信息包括人脸特征,本实施例的方法用于服务器中。\n[0067] 其中,在本公开实施例中,用户在终端中选取待检索的图片中的人脸,确定检索与该待检索的图片中的人脸相似的图片。此时,在终端中通过人脸识别算法计算该待检索的图片中的人脸特征,,并将该人脸特征发送给服务器。\n[0068] 可选的,用户在终端选取待检索的图片后,还可以直接将该待检索的图片发给服务器,服务器接收到该待检索的图片后,进行获取该待检索的图片的特征信息的流程。其中,服务器获取该待检索的图片的特征信息,包括图像特征和/或人脸特征。\n[0069] 在步骤302中,根据终端的标识,获取终端在其他图片库中存储的图片以及终端在其他图片库中存储的图片对应的特征信息,本实施例的方法用于服务器中。\n[0070] 其中,终端的标识可以为帐号信息等内容,通过该标识向终端对应的其他图片库发送获取图片的请求。\n[0071] 其中,其他图片库可以为预先进行关联的,此种情况中预先存储有其他图片库的地址;也可以为终端在发送的特征信息或待检索的图片的检索请求中携带有其他图片库的地址。\n[0072] 在步骤303中,根据终端在其他图片库中存储的图片对应的特征信息,对终端在其他图片库中存储的图片进行聚类并存储于自身的图片库中,本实施例的方法用于服务器中。\n[0073] 其中,获取其他图片库中存储的图片对应的特征信息,可以包括:图像特征、人脸特征或标签特征中的至少一种。其中,对于图像特征、人脸特征可以通过的计算过程如实施例一中,在此并不赘述。对于标签特征,可以在图片的属性中获取到,如:时间信息、位置信息、文字信息等。\n[0074] 进一步的,根据特征信息对图片进行聚类的过程与实施例一中聚类的过程相同,在此并不赘述。\n[0075] 在步骤304中,当特征信息为人脸特征时,计算人脸特征与图片库中每张图片的人脸特征之间的匹配度,并选取匹配度大于预设阈值的图片为检索到的图片,并将检索到的图片确定为检索结果,本实施例的方法用于服务器中。\n[0076] 其中,对于人脸特征的匹配度的计算过程可以为:\n[0077] 计算人脸特征中的各个特征点与图片库中每张图片中的各个特征点之间的匹配度。\n[0078] 在步骤305中,在检索到的图片所在聚类中选取符合预设条件的图片作为扩展检索结果,检索到的图片所在聚类为特征信息的类型对应的聚类,本实施例的方法用于服务器中。\n[0079] 其中,在检索到的图片属于的人脸特征对应的聚类中进一步的选取其他图片作为扩展检索结果,选取的方式为根据检索到的图片与该聚类中其他图片之间的相似度大于预设的相似度,确定选取的作为扩展检索结果的图片。\n[0080] 因此,步骤305可以进一步的为:\n[0081] 在检索到的图片所在聚类中,选取与检索到的图片之间的相似度大于预设相似度的图片作为扩展检索结果。\n[0082] 在步骤306中,将检索结果以及扩展检索结果返回给终端,本实施例的方法用于服务器中。\n[0083] 对于检索到的图片在终端展示的过程中如果图片过多,超过了当前屏幕的显示范围,则按照扩展检索结果中的排列顺序在终端屏幕中可以显示的部分进行显示,其他未显示的图片按顺序根据用户的滑动动作进行顺序展示。\n[0084] 本公开实施例通过将检索到的图片作为检索结果,并选取检索到的图片对应的聚类中满足预设条件的其他图片作为扩展检索结果,可以检索到更加符合用户要求的结果,提高了检索的准确性和效率。\n[0085] 实施例四\n[0086] 本公开实施例提供了一种检索图片的方法,参见图4,方法流程包括:\n[0087] 在步骤401中,接收终端发送的特征信息,特征信息包括标签特征,本实施例的方法用于服务器中。\n[0088] 其中,在本公开实施例中,用户在终端中输入待检测的标签,确定检索该标签相似的图片。此时,在终端将该标签特征发送给服务器。\n[0089] 可选的,用户在终端选取待检索的图片后,还可以直接将该待检索的图片发给服务器,服务器接收到该待检索的图片后,进行获取该待检索的图片的特征信息的流程。其中,服务器获取该待检索的图片的特征信息,包括图像特征和/或人脸特征。\n[0090] 在步骤402中,根据终端的标识,获取终端在其他图片库中存储的图片以及终端在其他图片库中存储的图片对应的特征信息,本实施例的方法用于服务器中。\n[0091] 其中,终端的标识可以为帐号信息等内容,通过该标识向终端对应的其他图片库发送获取图片的请求。\n[0092] 其中,其他图片库可以为预先进行关联的,此种情况中预先存储有其他图片库的地址;也可以为终端在发送的特征信息或待检索的图片的检索请求中携带有其他图片库的地址。\n[0093] 在步骤403中,根据终端在其他图片库中存储的图片对应的特征信息,对终端在其他图片库中存储的图片进行聚类并存储于自身的图片库中,本实施例的方法用于服务器中。\n[0094] 其中,获取其他图片库中存储的图片对应的特征信息,可以包括:图像特征、人脸特征或标签特征中的至少一种。其中,对于图像特征、人脸特征可以通过的计算过程如实施例一中,在此并不赘述。对于标签特征,可以在图片的属性中获取到,如:时间信息、位置信息、文字信息等。\n[0095] 进一步的,根据特征信息对图片进行聚类的过程与实施例一中聚类的过程相同,在此并不赘述。\n[0096] 在步骤404中,当特征信息为标签特征时,计算标签特征与图片库中每张图片对应的标签特征之间的匹配度,并选取匹配度大于预设阈值的图片为检索到的图片,并将检索到的图片确定为检索结果,本实施例的方法用于服务器中。\n[0097] 其中,对于标签特征中的时间信息、位置信息以及文字信息,在选取匹配度大于预设阈值的图片时,在图片库中选取标签特征与接收到的标签特征完全相符的图片作为检索结果。\n[0098] 例如:标签特征为“位置信息”,如经纬度,查找位置信息中属于该经纬度的图片,并将查找到的图片确定为检索到的图片;\n[0099] 或者,标签特征为时间信息“2010年”和位置信息“北京”,在图片库中选取位置信息中包含有北京并且拍摄时间为2010年的图片确定为检索到的图片;\n[0100] 或者,标签特征为文字信息“北京”,通过语义识别后,确定“北京”为位置信息,并获取该位置信息的经纬度,查找位置信息中属于该经纬度的图片,并将查找到的图片确定为检索到的图片;\n[0101] 或者,标签特征为文字信息“张三”,查找包含该人名的标签,并将查找到的图片确定为检索到的图片。\n[0102] 相应的,对于步骤404,本公开实施例可以进一步的为:\n[0103] 计算标签特征中的时间信息与图片库中每张图片对应的标签特征中的时间信息的匹配度,并选取匹配度大于预设阈值的图片为检索到的图片;或者,\n[0104] 计算标签特征中的位置信息与图片库中每张图片对应的标签特征中的位置信息的匹配度,并选取匹配度大于预设阈值的图片为检索到的图片。\n[0105] 在步骤405中,在检索到的图片所在聚类中选取符合预设条件的图片作为扩展检索结果,检索到的图片所在聚类为特征信息的类型对应的聚类,本实施例的方法用于服务器中。\n[0106] 其中,在检索到的图片属于的标签特征对应的聚类中进一步的选取其他图片作为扩展检索结果,选取的方式为根据检索到的图片与该聚类中其他图片之间的相似度大于预设的相似度,确定选取的作为扩展检索结果的图片。\n[0107] 因此,步骤405可以进一步的为:\n[0108] 在检索到的图片所在聚类中,选取与检索到的图片之间的相似度大于预设相似度的图片作为扩展检索结果。\n[0109] 在步骤406中,选取检索到的图片属于图像特征对应的聚类或人脸特征对应的聚类中的其他图片作为扩展检索结果,本实施例的方法用于服务器中。\n[0110] 例如:标签特征为位置信息“故宫”,在通过标签标定的图片中查找到所有属于“故宫”的图片后,可能存在未通过标签标定的包含有“故宫”景物的图片。此时,通过查找该查找到的图片所属于的图像特征对应的聚类中获取到属于“故宫”景物的图片,以获取到更加精准的检索结果。\n[0111] 再例如:标签特征为文字信息“张三”,在通过标签标定的图片中查找到所有属于“张三”的图片后,可能存在未通过标签标定的包含有“张三”人物的图片。此时,通过查找该查找到的图片所属于的人脸特征对应的聚类中获取到属于“张三”人物的图片,以获取到更加精准的检索结果。\n[0112] 在步骤407中,将检索结果以及扩展检索结果返回给终端,本实施例的方法用于服务器中。\n[0113] 对于检索到的图片在终端展示的过程中如果图片过多,超过了当前屏幕的显示范围,则按照扩展检索结果中的排列顺序在终端屏幕中可以显示的部分进行显示,其他未显示的图片按顺序根据用户的滑动动作进行顺序展示。\n[0114] 本公开实施例通过将检索到的图片作为检索结果,并选取检索到的图片对应的聚类中满足预设条件的其他图片作为扩展检索结果,可以检索到更加符合用户要求的结果,提高了检索的准确性和效率。\n[0115] 实施例五\n[0116] 本公开实施例提供了一种检索图片的装置,参见图5,该装置包括:\n[0117] 第一获取模块501,用于获取终端发送的特征信息,特征信息包括图像特征、人脸特征或标签特征中的至少一种;\n[0118] 检索模块502,用于在图片库中检索与特征信息匹配度大于预设阈值的图片,并将检索到的图片确定为检索结果;\n[0119] 第一选取模块503,用于在检索到的图片所在聚类中选取符合预设条件的图片作为扩展检索结果,检索到的图片所在聚类为特征信息的类型对应的聚类;\n[0120] 返回模块504,用于将检索结果以及扩展检索结果返回给终端。\n[0121] 其中,第一获取模块501用于:\n[0122] 接收终端发送的待检测的图片,并在待检测的图片中计算得到特征信息。\n[0123] 其中,装置还包括:\n[0124] 第二获取模块505,用于根据终端的标识,获取终端在其他图片库中存储的图片以及终端在其他图片库中存储的图片对应的特征信息;\n[0125] 聚类模块506,用于根据终端在其他图片库中存储的图片对应的特征信息,对终端在其他图片库中存储的图片进行聚类并存储于自身的图片库中。\n[0126] 其中,检索模块502,包括:\n[0127] 第一检索单元,用于在特征信息为图像特征时,计算图像特征与图片库中每张图片对应的图像特征之间的匹配度,并选取匹配度大于预设阈值的图片为检索到的图片。\n[0128] 其中,检索模块502,包括:\n[0129] 第二检索单元,用于在当特征信息为人脸特征时,计算人脸特征与图片库中每张图片的人脸特征之间的匹配度,并选取匹配度大于预设阈值的图片为检索到的图片。\n[0130] 其中,第二检索单元用于:\n[0131] 计算人脸特征中的各个特征点与图片库中每张图片中的各个特征点之间的匹配度。\n[0132] 其中,检索模块502,包括:\n[0133] 第三检索单元,用于在当特征信息为标签特征时,计算标签特征与图片库中每张图片对应的标签特征之间的匹配度,并选取匹配度大于预设阈值的图片为检索到的图片。\n[0134] 其中,第三检索单元,包括:\n[0135] 第一检索子单元,用于计算标签特征中的时间信息与图片库中每张图片对应的标签特征中的时间信息的匹配度,并选取匹配度大于预设阈值的图片为检索到的图片;\n[0136] 第二检索子单元,用于计算标签特征中的位置信息与图片库中每张图片对应的标签特征中的位置信息的匹配度,并选取匹配度大于预设阈值的图片为检索到的图片。\n[0137] 其中,装置还包括:\n[0138] 第二选取模块507,用于选取检索到的图片属于图像特征对应的聚类或人脸特征对应的聚类中的其他图片作为扩展检索结果。\n[0139] 其中,第一选取模块503用于:\n[0140] 在检索到的图片所在聚类中,选取与检索到的图片之间的相似度大于预设相似度的图片作为扩展检索结果。\n[0141] 本公开实施例通过将检索到的图片作为检索结果,并选取检索到的图片对应的聚类中满足预设条件的其他图片作为扩展检索结果,可以检索到更加符合用户要求的结果,提高了检索的准确性和效率。\n[0142] 实施例六\n[0143] 图6是根据一示例性实施例示出的一种用于检索图片的装置1900的框图。例如,装置1900可以被提供为一服务器。参照图6,装置1900包括处理组件1922,其进一步包括一个或多个处理器,以及由存储器1932所代表的存储器资源,用于存储可由处理部件1922的执行的指令,例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件1922被配置为执行指令,以执行上述检索图片的方法。\n[0144] 装置1900还可以包括一个电源组件1926被配置为执行装置1900的电源管理,一个有线或无线网络接口1950被配置为将装置1900连接到网络,和一个输入输出(I/O)接口\n1958。装置1900可以操作基于存储在存储器1932的操作系统,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM或类似。\n[0145] 本公开实施例通过将检索到的图片作为检索结果,并选取检索到的图片对应的聚类中满足预设条件的其他图片作为扩展检索结果,可以检索到更加符合用户要求的结果,提高了检索的准确性和效率。\n[0146] 上述本公开实施例序号仅仅为了描述,不代表实施例的优劣。\n[0147] 本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。\n[0148] 以上所述仅为本公开的较佳实施例,并不用以限制本公开,凡在本公开的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本公开的保护范围之内。
法律信息
- 2019-11-08
- 2017-06-27
实质审查的生效
IPC(主分类): G06F 17/30
专利申请号: 201410239452.5
申请日: 2014.05.30
- 2016-01-13
引用专利(该专利引用了哪些专利)
序号 | 公开(公告)号 | 公开(公告)日 | 申请日 | 专利名称 | 申请人 |
1
| |
2014-03-26
|
2013-12-24
| | |
2
| |
2012-12-26
|
2012-06-06
| | |
3
| |
2013-09-18
|
2012-03-07
| | |
4
| |
2010-10-13
|
2010-06-09
| | |
被引用专利(该专利被哪些专利引用)
序号 | 公开(公告)号 | 公开(公告)日 | 申请日 | 专利名称 | 申请人 | 该专利没有被任何外部专利所引用! |