[發(fā)明專利]基于詞匯樹檢索與相似度驗證的云端圖像識別方法在審
| 申請?zhí)枺?/td> | 201710073040.2 | 申請日： | 2017-02-10 |
| 公開（公告）號： | CN106874445A | 公開（公告）日： | 2017-06-20 |
| 發(fā)明（設(shè)計）人： | 施茂燊 | 申請（專利權(quán)）人： | 深圳前海大造科技有限公司 |
| 主分類號： | G06F17/30 | 分類號： | G06F17/30 |
| 代理公司： | 成都行之專利代理事務(wù)所(普通合伙)51220 | 代理人： | 田甜 |
| 地址： | 518000 廣東省深圳市前海深港合作區(qū)前*** | 國省代碼： | 廣東;44 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 基于 詞匯 檢索 相似 驗證 云端 圖像 識別 方法 | ||
1.基于詞匯樹檢索與相似度驗證的云端圖像識別方法，其特征在于，包括以下步驟，圖像獲取步驟：獲取目標圖像，并對目標圖像使用ORB算法提取所有ORB特征點，并對每一個ORB特征點生成相應(yīng)的描述子，生成目標圖像的ORB描述子序列；
圖像上傳步驟：將該ORB描述子序列上傳到基于描述子樣本的云端圖像數(shù)據(jù)庫中；
圖像識別步驟：云端圖像數(shù)據(jù)庫利用基于詞匯樹的檢索算法對圖像進行匹配識別并返回匹配度靠前的N張候選圖像，其中N為大于1的自然數(shù)；
相似度驗證步驟：在云端圖像數(shù)據(jù)庫中找到候選圖像，得到目標圖像和候選圖像的128維向量，分別計算目標圖像與各候選圖像之間的距離，并找出距離最短的候選圖像。
2.根據(jù)權(quán)利要求1所述的基于詞匯樹檢索與相似度驗證的云端圖像識別方法，其特征在于，所述云端圖像數(shù)據(jù)庫的生成包括以下步驟，
描述子生成步驟：收集圖像，提取每張圖像的ORB特征點，并對每個ORB特征點生成相應(yīng)的描述子以得到描述子樣本；
樹狀模型生成步驟：根據(jù)描述子樣本生成圖像數(shù)據(jù)庫的樹狀模型；
數(shù)據(jù)庫生成步驟：向樹狀模型中添加圖像，建立樹狀結(jié)構(gòu)的圖像數(shù)據(jù)庫。
3.根據(jù)權(quán)利要求2所述的基于詞匯樹檢索與相似度驗證的云端圖像識別方法，其特征在于，所述描述子生成步驟具體為：收集圖像，分別對每張圖像進行縮放以建立一個圖像金字塔，對圖像的各個尺度使用ORB算法提取所有ORB特征點，并對每一個ORB特征點生成相應(yīng)的描述子。
4.根據(jù)權(quán)利要求2所述的基于詞匯樹檢索與相似度驗證的云端圖像識別方法，其特征在于，所述樹狀模型生成步驟為：利用描述子之間的歐式距離作為判據(jù)，對描述子樣本用K-means算法做聚合分類，生成圖像數(shù)據(jù)庫的樹狀模型。
5.根據(jù)權(quán)利要求4所述的基于詞匯樹檢索與相似度驗證的云端圖像識別方法，其特征在于，A1、定義一個樹狀結(jié)構(gòu)，其最大層數(shù)為L，每層最大子節(jié)點數(shù)為K；A2、對描述子樣本用K-means算法做聚合分類，得到子節(jié)點分類結(jié)果，將每個子節(jié)點內(nèi)所有描述子的平均描述子作為該子節(jié)點的描述子；A3、若該子節(jié)點內(nèi)描述子樣本的數(shù)量大于K的兩倍，則對該子節(jié)點內(nèi)的描述子樣本作進一步的K-means分類，重復該步驟，直至樹狀結(jié)構(gòu)的最大層數(shù)小于等于L或者沒有子節(jié)點的描述子樣本數(shù)量大于K的兩倍；
A4、對所有的子節(jié)點依次排序標號，生成圖像數(shù)據(jù)庫的樹狀模型。
6.根據(jù)權(quán)利要求2所述的基于詞匯樹檢索與相似度驗證的云端圖像識別方法，其特征在于，所述數(shù)據(jù)庫生成步驟為：
B1、給圖像一個唯一的編號；
B2、對該圖像進行縮放以建立一個圖像金字塔，對圖像的各個尺度使用ORB算法提取所有ORB特征點，并對每一個ORB特征點生成相應(yīng)的描述子；
B3、將該圖像的所有描述子利用樹狀模型進行分類，并將每個描述子的分類結(jié)果關(guān)聯(lián)在其分配到的子節(jié)點上；
B3、對每一張圖像做B1至B3的步驟，得到具有樹狀結(jié)構(gòu)的圖像數(shù)據(jù)庫。
7.根據(jù)權(quán)利要求1所述的基于詞匯樹檢索與相似度驗證的云端圖像識別方法，其特征在于，獲得目標圖像和候選圖像的128維向量在相似度驗證系統(tǒng)中進行。
8.根據(jù)權(quán)利要求7所述的基于詞匯樹檢索與相似度驗證的云端圖像識別方法，其特征在于，所述相似度驗證系統(tǒng)生成方法包括以下步驟，
C1、將圖像庫中的圖像輸入神經(jīng)網(wǎng)絡(luò)模型，得到每張圖對應(yīng)的1024維的經(jīng)過歸一化的描述子；
C2、將圖像庫中的圖像進行三字節(jié)的學習，建立正樣本與正樣本之間的緊密距離、正樣本與負樣本之間的疏遠距離。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于深圳前海大造科技有限公司，未經(jīng)深圳前海大造科技有限公司許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201710073040.2/1.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 上一篇：圖片處理方法及裝置
- 下一篇：一種基于磁盤的詞匯樹模型構(gòu)建方法
