【技术实现步骤摘要】
本专利技术涉及图形图像领域,尤其涉及一种图像中目标的检索方法和装置。
技术介绍
现有技术中对图片进行检索时,从技术而言一般是处理目标的灰度图像,提取图像局部描述(SIFT,SURF),采用视觉词袋(BOW),汉明嵌入,局部敏感哈希等方法,计算目标图像之间的特征的距离或者相似度,这种方法忽略了同样重要的颜色,形状,纹理,目标类型等全局的特征,导致检索的结果颜色,形状,纹理,目标类型与查询的目标差异较大。从检索思路而言,监控场景中不区分目标的类型逐一进行对比,处理缺乏针对性,且浪费资源。
技术实现思路
本专利技术提供了一种图像中目标的检索方法和装置,通过对待检索图像进行目标定位,将目标进行至少两级分类,并生成目标的局部特征编码,检索时根据检索目标的分类进行检索和相似度排序;通过目标分类,检索的目标在同一目标类别下进行模型匹配,提高了检索准确率和效率。为达此目的,本专利技术采用以下技术方案:一方面采用一种图像中目标的检索方法,包括:对待检索图像进行目标定位;将所述目标进行分类和局部特征提取,生成所述局部特征的局部特征编码;查找数据库图像中与所述目标的分类相同的疑似图像,将所述疑似图像预存的局部特征编码与所述目标的局部特征编码进行比对,输出相似度大于阈值的疑似图像。另一方面采用一种图像中目标的检索装置,包括:目标获取单元,用于对待检索图像进行目标定位;分类编码单元,用于将所述目标进行分类和局部特征提取,生成所述局部特征的局部特征编码;比对单元,用于查找数据库图像中与所述目标的分类相同的疑似图像,将所述疑似图像预存的局部特征编码与所述目标的局部特征编码进行比对,输出相 ...
【技术保护点】
一种图像中目标的检索方法,其特征在于,包括:对待检索图像进行目标定位;将所述目标进行分类和局部特征提取,生成所述局部特征的局部特征编码;通过树形分类索引结构,查找到图像数据库中与所述目标的分类相同的疑似图像,将所述疑似图像预存的局部特征编码与所述目标的局部特征编码进行比对,输出相似度大于阈值的疑似图像。
【技术特征摘要】
1.一种图像中目标的检索方法,其特征在于,包括:对待检索图像进行目标定位;将所述目标进行分类和局部特征提取,生成所述局部特征的局部特征编码;通过树形分类索引结构,查找到图像数据库中与所述目标的分类相同的疑似图像,将所述疑似图像预存的局部特征编码与所述目标的局部特征编码进行比对,输出相似度大于阈值的疑似图像。2.根据权利要求1所述的图像中目标的检索方法,其特征在于,所述将所述目标进行分类和局部特征提取,生成所述局部特征的局部特征编码,包括:训练生成深度学习分类器,所述深度学习分类器将所述目标进行至少两级分类;将一个目标对应的目标区域图像分成多个特征提取区域,每一特征提取区域生成相应的特征,将所有特征提取区域对应的特征合成为所述目标的局部特征;基于所述至少两级分类中的一级分类模型编码压缩所述局部特征,生成每个所述目标的局部特征编码,所述局部特征编码为固定长度的二进制码串。3.根据权利要求2所述的图像中目标的检索方法,其特征在于,所述训练生成深度学习分类器的步骤中,所述深度学习分类器将所述目标进行至少两级分类,包括:从所述目标的目标区域图像中抽取a×b小尺寸图像样本xs,对每个小尺寸图像样本计算出对应的值fs=σ(W(1)xs+b(1)),对所有的fs做卷积,得到k×(r-a+1)×(c-b+1)个卷积特征的矩阵;将所述卷积特征划分到多个不相交区域上,通过所述不相交区域的平均或
\t最大特征来获取池化后的卷积特征;基于所述池化后的卷积特征,通过反向传播算法和Softmax回归训练出深度学习分类器;所述深度学习分类器将所述目标进行至少两级分类;其中σ是sigmod型函数,W(1)和b(1)是小尺寸图像样本中可视层单元和隐含单元之间的权重和偏差值,k为fs计算得到的特征的个数,所述目标区域图像的大小为r×c。4.根据权利要求1所述的图像中目标的检索方法,其特征在于,所述图像数据库中同一分类的图像地址保存到同一个表,以形成所述树形分类索引结构;所述树形分类索引结构的根节点存储一级分类索引表地址,上级分类索引表中存储下级分类索引表地址,末级分类索引表中存储图像地址。5.根据权利要求2所述的图像中目标的检索方法,其特征在于,所述基于所述至少两级分类中的一级分类模型编码压缩所述局部特征,生成每个所述目标的局部特征编码的步骤,包括:生成d×d的高斯分布随机数矩阵S;对S使用SVD分解算法S=UΛU-1得到正交投影矩阵U;取U的前db行形成最终的正交投影矩阵p;将局部特征的特征描述符分配到与其距离最小的词袋;使用正交投影矩阵p对所述特征描述符进行投影计算;在每一个词袋中心的每一维投影分量中,对属于这个词袋的特征集合进行
\t排序,获取排序结果的中值作为二进制码串生成相似度阈值;生成每个所述目标的局部特征编码,所述局部特征编码的计算如下:其中bi(x)表示当前第i维二进制局部特征编码,zi表示当前第i维局部特征值,τq(x),i表示当前第i维局部特征阈值。6.根据权利要求1所述的图像中目标的检索方法,其特征在于,所述将所述目标进行分类和局部特征提取,生成所述局部特征的局部特征编码的步骤之前,还包括:提取所述目标的基础特征的步骤,所述基础特征包括颜色特征、纹理特征和轮廓特征。7.根据权利要求1所述的图像中目标的检索方法,其特征在于,所述将疑似图像预存的局部特征编码与所述目标的局部特征编码进行比对,输出相似度大于阈值的疑似图像的步骤,进一步包括:查找图像数据库中与所述目标分类相同的疑似图像;滤除所述疑似图像中与目标的基础特征的相似度低于第二阈值的图像;将剩余的疑似图像与目标进行局部特征码对比,获得对比的相似度大于相似度阈值的疑似图像子集;将所述疑似图像子集中的图像按相似度从高到低...
【专利技术属性】
技术研发人员:郭阶添,
申请(专利权)人:杭州海康威视数字技术股份有限公司,
类型:发明
国别省市:浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。