The invention discloses a vocabulary tree retrieval of cloud image recognition and similarity based authentication, which includes the following steps: image acquisition step target image, and the target image algorithm to extract all the ORB features using ORB, ORB descriptor sequence generation target image; image upload steps: the ORB descriptor based on sequence uploaded to the cloud image database descriptors sample; image recognition steps: cloud image database retrieval algorithm using vocabulary tree of image matching identification and returns the matching degree N candidate graph on the image based on the similarity verification steps: find the candidate images in the cloud image database, 128 dimensional vector of target image and candidate images. Were calculated between the target image and the candidate image distance and the shortest distance to find the candidate image. Using this method, the network is poor, it has little influence on the speed of recognition, fast retrieval speed and high retrieval accuracy.
【技术实现步骤摘要】
基于词汇树检索与相似度验证的云端图像识别方法
本专利技术涉及图像识别
,具体涉及一种基于词汇树检索与相似度验证的云端图像识别方法。
技术介绍
实时图像搜索是一种可以支持用户自定义的,超大规模的图像数据库的实时图像识别技术。它可以实现对移动端设备的图像输入内容进行实时的识别。整个识别过程是在云端进行的,这样可以使用户无需将庞大的图像数据库下载到本地,并且也可以充分地利用云端计算资源对数据库进行高速的检索。然而,目前基于云端的实时图像识别技术其通过上传本地图片到服务器,服务器将带识别的图片与存储的图片逐一进行比较,其存在以下缺陷:在无线网络较差的情况下,用户实时上传图像的速度会受到很大影响。
技术实现思路
本专利技术为了解决上述技术问题提供一种基于词汇树检索与相似度验证的云端图像识别方法。本专利技术通过下述技术方案实现:基于词汇树检索与相似度验证的云端图像识别方法,包括以下步骤,图像获取步骤:获取目标图像,并对目标图像使用ORB算法提取所有ORB特征点,并对每一个ORB特征点生成相应的描述子,生成目标图像的ORB描述子序列;图像上传步骤:将该ORB描述子序列上传到基于描述子样本的云端图像数据库中;图像识别步骤:云端图像数据库利用基于词汇树的检索算法对图像进行匹配识别并返回匹配度靠前的N张候选图像,其中N为大于1的自然数;相似度验证步骤:在云端图像数据库中找到候选图像,得到目标图像和候选图像的128维向量,分别计算目标图像与各候选图像之间的距离,并找出距离最短的候选图像。本专利技术通过提取目标图像的ORB特征点以生成ORB描述子序列,并将ORB描述子序列上传至 ...
【技术保护点】
基于词汇树检索与相似度验证的云端图像识别方法,其特征在于,包括以下步骤,图像获取步骤:获取目标图像,并对目标图像使用ORB算法提取所有ORB特征点,并对每一个ORB特征点生成相应的描述子,生成目标图像的ORB描述子序列;图像上传步骤:将该ORB描述子序列上传到基于描述子样本的云端图像数据库中;图像识别步骤:云端图像数据库利用基于词汇树的检索算法对图像进行匹配识别并返回匹配度靠前的N张候选图像,其中N为大于1的自然数;相似度验证步骤:在云端图像数据库中找到候选图像,得到目标图像和候选图像的128维向量,分别计算目标图像与各候选图像之间的距离,并找出距离最短的候选图像。
【技术特征摘要】
1.基于词汇树检索与相似度验证的云端图像识别方法,其特征在于,包括以下步骤,图像获取步骤:获取目标图像,并对目标图像使用ORB算法提取所有ORB特征点,并对每一个ORB特征点生成相应的描述子,生成目标图像的ORB描述子序列;图像上传步骤:将该ORB描述子序列上传到基于描述子样本的云端图像数据库中;图像识别步骤:云端图像数据库利用基于词汇树的检索算法对图像进行匹配识别并返回匹配度靠前的N张候选图像,其中N为大于1的自然数;相似度验证步骤:在云端图像数据库中找到候选图像,得到目标图像和候选图像的128维向量,分别计算目标图像与各候选图像之间的距离,并找出距离最短的候选图像。2.根据权利要求1所述的基于词汇树检索与相似度验证的云端图像识别方法,其特征在于,所述云端图像数据库的生成包括以下步骤,描述子生成步骤:收集图像,提取每张图像的ORB特征点,并对每个ORB特征点生成相应的描述子以得到描述子样本;树状模型生成步骤:根据描述子样本生成图像数据库的树状模型;数据库生成步骤:向树状模型中添加图像,建立树状结构的图像数据库。3.根据权利要求2所述的基于词汇树检索与相似度验证的云端图像识别方法,其特征在于,所述描述子生成步骤具体为:收集图像,分别对每张图像进行缩放以建立一个图像金字塔,对图像的各个尺度使用ORB算法提取所有ORB特征点,并对每一个ORB特征点生成相应的描述子。4.根据权利要求2所述的基于词汇树检索与相似度验证的云端图像识别方法,其特征在于,所述树状模型生成步骤为:利用描述子之间的欧式距离作为判据,对描述子样本用K-means算法做聚合分类,生成图像数据库的树状模型。5.根据权利...
【专利技术属性】
技术研发人员:施茂燊,
申请(专利权)人:深圳前海大造科技有限公司,
类型:发明
国别省市:广东,44
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。