[发明专利]检索的方法和设备

说明书

本发明实施例提供了一种检索的方法和设备，该方法包括从图像数据库中获取与目标对象的第一特征信息匹配的第一图像候选集合，该第一特征信息指示结构化特征；根据该第一图像候选集合中图像的个数，从该第一图像候选集合中确定该目标对象的检索结果。因此，本发明实施例中可以根据第一图像候选集合中图像的个数灵活的确定目标对象的检索结果，可以降低检索时间，提高检索效率，提升用户体验。

技术领域

本申请涉及检索领域，并且更具体地，涉及一种检索方法和设备。

背景技术

在监控视频数据呈现爆炸式增长的大背景下，在“平安城市”的大潮中，摄像头的数量与日俱增，大量有价值的信息被淹没在海量的视频中。因此，如何从海量视频中准确、快速找到感兴趣目标(例如，人、车等)成为关注的焦点。为了提高查询效率，高维索引、非结构化转结构化(Unstructured to Structured，U2S)等技术被广泛使用。

在使用高维索引进行加速时，一般使用非结构化特征(底层特征：颜色直方图、LBP、深度学习特征等)对目标进行描述。数据库建立时，数据按照特征相似性被投射到若干个子集中进行存储；查询时，根据查询数据的特性，选择少数几个子集进行查询，通过缩小查询范围提高查询效率。此类方法可以获得任意大小的候选集合；但是这种固有的方式在候选集合较大时，导致数据加载和计算时间较长，给用户使用带来巨大的不方便。

在使用U2S的方法进行加速时，通常使用的是具有高层语义信息的特征将目标进行分类。以行人为例，可以通过性别(男、女)，年龄(老、中、青、幼)，体型(高、矮、胖、瘦)，衣服款式(衬衫、外套、大衣)，局部特征(戴帽子、戴围巾、戴墨镜)等一系列属性特征将目标在多个维度进行划分，从而达到加速检索数据的目的。由于使用的是高层语义特征，因此可以解决语义鸿沟的问题；由于是结构化数据，因此可以支持海量数据的快速查询；然而，由于目前的划分维度相对较少(受到计算机对属性自动判断的精度、目标属性天然的有穷性等因素限制)，仅仅采用这种高层语义的方式，多数情况下划分存在样本的不均衡性(例如：从是否带墨镜这个维度进行划分，戴墨镜的人数通常远远小于不戴墨镜的人数)，因此对于很多属性特征大众化(如不戴墨镜就是个大众化的属性)的目标，获得的查询结果集合通常非常庞大，给用户使用带来巨大的不方便。

因此，如何提高检索效率，提高用户体验成为亟待解决的问题。

发明内容

本申请提供一种检索的方法和设备，可以提高检索效率，提升用户体验。

第一方面，提供了一种检索的方法，其特征在于，包括：

从图像数据库中获取与目标对象的第一特征信息匹配的第一图像候选集合，该第一特征信息指示结构化特征；

根据该第一图像候选集合中图像的个数，从该第一图像候选集合中确定该目标对象的检索结果。

因此，本发明实施例中可以根据第一特征信息确定第一图像候选集合，并可以根据第一图像候选集合中图像的个数，灵活的确定目标对象的检索结果，可以降低检索时间，提高检索效率，避免了现有技术中查询结果集合较大时，给用户使用带来的不方便性，提升用户体验。

应理解，本发明实施例中，目标对象可以为人、交通工具(例如，汽车、电动车、自行车)、动物等，本发明实施例并不限于此。

应理解，本发明实施例中，该第一特征信息可以指示结构化特征，该第一特征信息也可以称为高层特征，例如，该第一特征信息为与语义相关的一些特征，例如，当目标对象为人是，该第一特征信息可以为性别(男、女)，年龄(老、中、青、幼)，体型(高、胖、矮、瘦)，衣服款式(衬衫、外套、大衣)，局部特征(戴帽子、戴围巾、戴墨镜)等，在例如，当目标对象为汽车时，该第一特征信息可以为汽车品牌，汽车颜色(红、黄、黑、白等)，本发明实施例并不限于此。