图片数据处理方法、装置、电子设备和存储介质制造方法及图纸

本申请公开了一种图片数据处理方法、装置、电子设备和存储介质，涉及人工智能、计算机视觉、智能搜索和深度学习领域。具体实现方案为：获取待处理的目标图片和对应的摘要信息，获取目标图片的图片标识，若查询当前的摘要动态表获取不到图片标识，提取目标图片的图片特征，计算图片特征与当前存储的各类别图片集的中心特征之间的特征距离，若各特征距离中最小特征距离小于等于预设阈值，获取与最小特征距离对应的目标类别图片集，查询当前的类别动态表，获取与目标类别图片集对应的目标类别条目，在目标类别条目中新增图片标识，在摘要动态表中新增图片标识和对应的摘要信息。由此，能够更加高效、准确更新检索库中的数据，避免数据重复存储。

【技术实现步骤摘要】
图片数据处理方法、装置、电子设备和存储介质
本申请涉及数据处理
的人工智能、计算机视觉、智能搜索和深度学习领域，尤其涉及一种图片数据处理方法、装置、电子设备和存储介质。
技术介绍
目前，随着互联网技术的不断发展，根据图片进行搜索图片的应用程序、网站也越来越多，可以理解的是，检索库中存储的数据越多，检索结果更准确，因此，检索库存储的数据量比较大的，以及需要及时更新检索库中存储数据，以满足检索需求。
技术实现思路
本公开提供了一种图片数据处理方法、装置、电子设备和存储介质。根据本公开的一方面，提供了一种图片数据处理方法，包括：获取待处理的目标图片和对应的摘要信息，根据预设算法对所述目标图片的像素值进行计算，获取所述目标图片的图片标识；查询当前的摘要动态表，若获取不到所述图片标识，则提取所述目标图片的图片特征；计算所述图片特征与当前存储的各类别图片集的中心特征之间的特征距离，若各所述特征距离中最小特征距离小于等于预设阈值，则获取与所述最小特征距离对应的目标类别图片集；查询当前的类别动态表，获取与所述目标类别图片集对应的目标类别条目，在所述目标类别条目中新增所述图片标识；以及在所述摘要动态表中新增所述图片标识和对应的所述摘要信息。根据本公开的另一方面，提供了一种图片数据处理装置，包括：第一获取模块，用于获取待处理的目标图片和对应的摘要信息，根据预设算法对所述目标图片的像素值进行计算，获取所述目标图片的图片标识；查询提取模块，用于查询当前的摘要动态表，若获取不到所述图片标识，则提取所述目标图片的图片特征；计算获取模块，用于计算所述图片特征与当前存储的各类别图片集的中心特征之间的特征距离，若各所述特征距离中最小特征距离小于等于预设阈值，则获取与所述最小特征距离对应的目标类别图片集；第二获取模块，用于查询当前的类别动态表，获取与所述目标类别图片集对应的目标类别条目，在所述目标类别条目中新增所述图片标识；以及第一处理模块，用于在所述摘要动态表中新增所述图片标识和对应的所述摘要信息。上述申请中的一个实施例具有如下优点或有益效果：通过获取待处理的目标图片和对应的摘要信息，根据预设算法对目标图片的像素值进行计算，获取目标图片的图片标识，查询当前的摘要动态表，若获取不到图片标识，则提取目标图片的图片特征，计算图片特征与当前存储的各类别图片集的中心特征之间的特征距离，若各特征距离中最小特征距离小于等于预设阈值，则获取与最小特征距离对应的目标类别图片集，查询当前的类别动态表，获取与目标类别图片集对应的目标类别条目，在目标类别条目中新增图片标识，以及在摘要动态表中新增图片标识和对应的摘要信息。由此，能够更加高效、准确更新检索库中的数据，避免数据重复存储，节省存储空间、提高检索效果。应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。附图说明附图用于更好地理解本方案，不构成对本申请的限定。其中：图1是根据本申请第一实施例提供的图片数据处理方法的流程示意图；图2是根据本申请实施例的目标图片和对应的摘要信息的示例图；图3是根据本申请第二实施例提供的图片数据处理方法的流程示意图；图4是根据本申请第三实施例提供的图片数据处理方法的流程示意图；图5是根据本申请第四实施例提供的图片数据处理方法的流程示意图图6是根据本申请第五实施例提供的图片数据处理装置的结构示意图；图7是根据本申请第六实施例提供的图片数据处理装置的结构示意图；图8是根据本申请第七实施例提供的图片数据处理装置的结构示意图；图9是根据本申请第八实施例提供的图片数据处理装置的结构示意图；图10是根据本申请第九实施例提供的图片数据处理装置的结构示意图；图11是根据本申请第十实施例提供的图片数据处理装置的结构示意图；图12是用来实现本申请实施例的图片数据处理方法的电子设备的框图。具体实施方式以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。下面参考附图描述本申请实施例的图片数据处理方法、装置、电子设备和存储介质。图1是根据本申请第一实施例提供的图片数据处理方法的流程示意图。在实际应用中，很多应用程序和网站可以满足用户根据拍摄图片进行图片搜索的需求，为了进一步提高检索需求，需要更新检索库中的大量数据。本申请提出一种图片数据处理方法，当有图片和对应的摘要信息要存入检索库时，先判断该图片是否为已存储图片，如果是已存储图片则直接更新图片的摘要信息；否则计算图片特征，判断是否属于已有类别图片集，如果属于已有类别图片集，则在相应类别图片集的类别条目下增加图片标识，并在摘要动态表中新增图片标识，以及摘要信息，另外，不属于已有类别图片集，新增类别图片集以及在摘要动态表中新增图片标识和对应的摘要信息，节省存储空间，提高数据处理效率。具体地，如图1所示，该图片数据处理方法可以包括以下步骤：步骤101，获取待处理的目标图片和对应的摘要信息，根据预设算法对目标图片的像素值进行计算，获取目标图片的图片标识。在本申请实施例中，目标图片可以是用户上传的图片，也可以是自动设置更新机制中自动检测到的图片等，摘要信息是目标图片对应的文本描述信息，比如图2所示，通过图片来源中对于图片的文本描述消息“XXXXXX”作为图片对应的摘要信息。在本申请实施例中，在获取待处理的目标图片和对应的摘要信息后，可以选择通过数学软件Matlab相关代码对目标图片进行运算得到目标图片的像素值，还可以选择通过跨平台计算机视觉和机器学习软件库OpenCV对目标图片进行运算得到目标图片的像素值，具体可以根据应用需要选择。具体地，根据实际应用场景需要选择设置的算法对目标图片的像素值进行计算，获取目标图片的图片标识，作为一种示例，通过哈希算法对目标图片的像素值进行计算得到的哈希值作为目标图片的图片标识；作为另一种示例，通过信息摘要算法对目标图片的像素值进行计算得到的摘要信息值作为目标图片的图片标识。在本申请实施例中，不同的目标图片对应不同的图片标识，即图片标识能够唯一标识一张目标图片。步骤102，查询当前的摘要动态表，若获取不到图片标识，则提取目标图片的图片特征。在本申请实施例中，摘要动态表中存储着各个图片标识和各个图片特征的一一对应关系，根据图片标识可以在摘要动态表匹配到对应的图片特征。因此，在获取目标图片的图片标识，查询当前的摘要动态表是否可以获取到图片标识，若获取不到图片标识，表示本文档来自技高网...

【技术保护点】
1.一种图片数据处理方法，包括：/n获取待处理的目标图片和对应的摘要信息，根据预设算法对所述目标图片的像素值进行计算，获取所述目标图片的图片标识；/n查询当前的摘要动态表，若获取不到所述图片标识，则提取所述目标图片的图片特征；/n计算所述图片特征与当前存储的各类别图片集的中心特征之间的特征距离，若各所述特征距离中最小特征距离小于等于预设阈值，则获取与所述最小特征距离对应的目标类别图片集；/n查询当前的类别动态表，获取与所述目标类别图片集对应的目标类别条目，在所述目标类别条目中新增所述图片标识；以及/n在所述摘要动态表中新增所述图片标识和对应的所述摘要信息。/n

【技术特征摘要】
1.一种图片数据处理方法，包括：
获取待处理的目标图片和对应的摘要信息，根据预设算法对所述目标图片的像素值进行计算，获取所述目标图片的图片标识；
查询当前的摘要动态表，若获取不到所述图片标识，则提取所述目标图片的图片特征；
计算所述图片特征与当前存储的各类别图片集的中心特征之间的特征距离，若各所述特征距离中最小特征距离小于等于预设阈值，则获取与所述最小特征距离对应的目标类别图片集；
查询当前的类别动态表，获取与所述目标类别图片集对应的目标类别条目，在所述目标类别条目中新增所述图片标识；以及
在所述摘要动态表中新增所述图片标识和对应的所述摘要信息。


2.根据权利要求1所述的图片数据处理方法，还包括：
在所述查询当前的摘要动态表之后，若获取到所述图片标识，则将所述摘要动态表中与所述图片标识对应的当前摘要信息更新为所述摘要信息。


3.根据权利要求1所述的图片数据处理方法，还包括：
若各所述特征距离中最小特征距离大于预设阈值，则新增新类别图片集，以及将所述图片特征作为所述新类别图片集的中心特征；
在所述类别动态表中新增所述新类别图片集和对应的新类别条目；其中，所述新类别条目包括所述图片标识。


4.根据权利要求1所述的图片数据处理方法，还包括：
获取原始图片和对应的摘要信息，根据预设算法对所述原始图片的像素值进行计算，获取所述原始图片的图片标识；
提取所述原始图片的图片特征，根据各所述原始图片的图片特征计算各所述原始图片之间的图片特征距离信息，获取图片特征距离信息小于等于预设距离阈值的原始图片进行聚类，生成类别图片集；
获取所述类别图片集中的各个图片标识，根据所述各个图片标识生成类别条目，建立各所述类别图片集和各所述类别条目的对应关系，生成所述类别动态表；
建立各所述原始图片的摘要信息和各所述原始图片的图片标识的对应关系，生成所述摘要动态表。


5.根据权利要求1所述的图片数据处理方法，还包括：
接收待检索图片，根据预设算法对所述待检索图片的像素值进行计算，获取所述待检索图片的图片标识；
查询当前的类别动态表，获取与所述待检索图片的图片标识匹配的检索类别图片集，在所述类别动态表获取所述检索类别图片集对应的检索类别条目；
在所述摘要动态表中获取所述检索类别条目中各个检索图片标识对应的各个摘要信息；
将所述各个摘要信息分别插入到所述各个检索图片标识对应的各个图片中，生成图片检索结果。


6.根据权利要求4所述的图片数据处理方法，还包括：
获取所述类别图片集中各个图片的图片特征；
计算所述各个图片特征的平均特征，以及将所述平均特征作为所述类别图片集的中心特征。


7.一种图片数据处理装置，包括：
第一获取模块，用于获取待处理的目标图片和对应的摘要信息，根据预设算法对所述目标图片的像素值进行计算，获取所述目标图片的图片标识；
查询提取模块，用于查询当前的摘要动态表，若获取不到所述图片标识，则提取所述目标图片的图片特征；
计算获取模块，用于计算所述图片特征与当前存储的各类别图片集的中心特征之间的特征距离，若各所述特征距离中最小特...

【专利技术属性】
技术研发人员：徐志敏，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：北京;11