图像筛选方法、装置、存储介质及电子装置制造方法及图纸

本发明专利技术实施例提供了一种图像筛选方法、装置、存储介质及电子装置，其中，该方法包括：获取目标图像的全局特征向量；基于全局特征向量在图像库中筛选出与目标图像的相似度满足第一条件的第一预定数量的第一图像；获取目标图像中包括的目标区域的目标特征向量；基于目标特征向量在第一图像中筛选出与目标区域的相似度满足第二条件的第二预定数量的第二图像。通过本发明专利技术，解决了相关技术中存在的图像筛选的过程中无法突出局部特征的问题，达到在筛选图像的过程中突出局部特征的效果。图像的过程中突出局部特征的效果。图像的过程中突出局部特征的效果。

【技术实现步骤摘要】
图像筛选方法、装置、存储介质及电子装置


[0001]本专利技术实施例涉及通信领域，具体而言，涉及一种图像筛选方法、装置、存储介质及电子装置。

技术介绍

[0002]在相关技术中，针对图片的检索、比对技术通常是提取图片的特征向量后，计算得到相似度后进行排序，这种对图片全局特征向量比对的方法无法突出重点局部特性的权重。
[0003]由此可知，相关技术中存在的图像筛选的过程中无法突出局部特征的问题。
[0004]针对相关技术中存在的上述问题，目前尚未提出有效的解决方案。

技术实现思路

[0005]本专利技术实施例提供了一种图像筛选方法、装置、存储介质及电子装置，以至少解决相关技术中存在的图像筛选的过程中无法突出局部特征的问题。
[0006]根据本专利技术的一个实施例，提供了一种图像筛选方法，包括：获取目标图像的全局特征向量；基于所述全局特征向量在图像库中筛选出与所述目标图像的相似度满足第一条件的第一预定数量的第一图像；获取所述目标图像中包括的目标区域的目标特征向量；基于所述目标特征向量在所述第一图像中筛选出与所述目标区域的相似度满足第二条件的第二预定数量的第二图像。
[0007]根据本专利技术的另一个实施例，提供了一种图像筛选装置，包括：第一获取模块，用于获取目标图像的全局特征向量；第一筛选模块，用于基于所述全局特征向量在图像库中筛选出与所述目标图像的相似度满足第一条件的第一预定数量的第一图像；第二获取模块，用于获取所述目标图像中包括的目标区域的目标特征向量；第二筛选模块，用于基于所述目标特征向量在所述第一图像中筛选出与所述目标区域的相似度满足第二条件的第二预定数量的第二图像。
[0008]根据本专利技术的又一个实施例，还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，其中，所述计算机程序被处理器执行时实现上述任一项中所述的方法的步骤。
[0009]根据本专利技术的又一个实施例，还提供了一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。
[0010]通过本专利技术，获取目标图像的全局特征向量，根据全局特征向量在图像库中筛选出与目标图像的相似度满足第一条件的第一预定数据的第一图像，获取目标图像中包括的目标区域的目标特征向量，根据目标特征向量在第一图像中筛选出与目标区域的相似度满足第二条件的第二预定数量的第二图像，由于在筛选出与目标图像相似的第一图像后，再根据目标图像的目标区域的目标特征向量确定出与目标区域相似的第二图像，通过目标区
域的目标特征向量突出了局部特征的权重，因此，可以解决相关技术中存在的图像筛选的过程中无法突出局部特征的问题，达到在筛选图像的过程中突出局部特征的效果。
附图说明
[0011]图1是本专利技术实施例的一种图像筛选方法的移动终端的硬件结构框图；
[0012]图2是根据本专利技术实施例的图像筛选方法的流程图；
[0013]图3是根据本专利技术示例性实施例的目标图像的区域划分示意图；
[0014]图4是根据本专利技术具体实施例的图像筛选方法流程图；
[0015]图5是根据本专利技术实施例的图像筛选装置的结构框图。
具体实施方式
[0016]下文中将参考附图并结合实施例来详细说明本专利技术的实施例。
[0017]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
[0018]本申请实施例中所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在移动终端上为例，图1是本专利技术实施例的一种图像筛选方法的移动终端的硬件结构框图。如图1所示，移动终端可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104，其中，上述移动终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述移动终端的结构造成限定。例如，移动终端还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。
[0019]存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本专利技术实施例中的图像筛选方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至移动终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
[0020]传输设备106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端的通信供应商提供的无线网络。在一个实例中，传输设备106包括一个网络适配器(Network Interface Controller，简称为NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输设备106可以为射频(Radio Frequency，简称为RF)模块，其用于通过无线方式与互联网进行通讯。
[0021]在本实施例中提供了一种图像筛选方法，图2是根据本专利技术实施例的图像筛选方法的流程图，如图2所示，该流程包括如下步骤：
[0022]步骤S202，获取目标图像的全局特征向量；
[0023]步骤S204，基于所述全局特征向量在图像库中筛选出与所述目标图像的相似度满足第一条件的第一预定数量的第一图像；
[0024]步骤S206，获取所述目标图像中包括的目标区域的目标特征向量；
[0025]步骤S208，基于所述目标特征向量在所述第一图像中筛选出与所述目标区域的相似度满足第二条件的第二预定数量的第二图像。
[0026]在上述实施例中，目标图像可以为前端摄像设备采集到的图像，还可以为输入的图像。在获取到目标图像后，可以提取目标图像的N维特征向量，再将N维特性向量与图像库中存储的图像的N为特征向量进行比对，确定出与目标图像的相似度满足第一条件的第一预定数量的第一图像。在筛选出第一图像后，可以根据目标图像的目标区域的目标向量特征在第一图像中筛选出相似度满足第二条件的第二预定数量的图像。其中，第一条件、第二条件可以为相似度大于预定阈值，或者按照相似度由高到低的前预定数量的图像。第一预定数量和第二预定数量可以相同，也可以不同。
[0027]可选地，上述步骤的执行主体可以是后台处理器，或者其他的具备类似处理能力的设备，还可以是至少集成有图像获取设备以及数据处理设备的机器，其中，图像获取设备可以包括摄像头等图形采集模块，数据处理设备可以包括计算机、手机等终端，但不限本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像筛选方法，其特征在于，包括：获取目标图像的全局特征向量；基于所述全局特征向量在图像库中筛选出与所述目标图像的相似度满足第一条件的第一预定数量的第一图像；获取所述目标图像中包括的目标区域的目标特征向量；基于所述目标特征向量在所述第一图像中筛选出与所述目标区域的相似度满足第二条件的第二预定数量的第二图像。2.根据权利要求1所述的方法，其特征在于，基于所述全局特征向量在图像库中筛选出与所述目标图像的相似度满足第一条件的第一预定数量的第一图像包括：将所述全局特征向量分别与所述图像库中存储的每张图像的全局特征向量进行第一计算，以得到多个第一计算值；基于多个所述第一计算值确定所述图像库中存储的每张图像与所述目标图像的第一相似度；按照所述第一相似度由高到低的顺序对所述图像库中存储的每张图像进行排序，以得到第一顺序的第一图像组；将所述第一图像组中包括的前第一预定数量的图像确定为所述第一图像。3.根据权利要求2所述的方法，其特征在于，基于多个所述第一计算值确定所述图像库中的存储的每张图像与所述目标图像的第一相似度包括：针对所述图像库中存储的每张图像均采用以下方式确定每张所述图像与所述目标图像的所述第一相似度：确定所述第一计算值与第一常数的第一和；将所述第一和与第二常数的比值确定为所述第一相似度。4.根据权利要求1所述的方法，其特征在于，基于所述目标特征向量在所述第一图像中筛选出与所述目标区域的相似度满足第二条件的第二预定数量的第二图像包括：分别确定每个所述第一图像中包括的与所述目标区域对应的第一区域的第一特征向量；将所述目标特征向量分别与每个所述第一特征向量进行第二计算，以得到多个第二计算值；基于多个所述第二计算值确定所述第一图像中包括的每张图像与所述目标图像的第二相似度；按照所述第二相似度由高到低的顺序对所述第一图像中包括的每张图像进行排序，以得到第二顺序的第二图像组；将所述第二图像组中的前第二预定数量的图像确定为所述第二图像。5.根据权利要求4所述的方法，其特征在于，基于多个...

【专利技术属性】
技术研发人员：陈昱松，李伟，马东星，周道利，
申请(专利权)人：浙江大华技术股份有限公司，
类型：发明
国别省市：