[发明专利]图片中相似物体检索方法及装置

说明书

本发明公开了一种图片中相似物体检索方法，包括：利用目标检测模型从图像库中每张图片检测出特定的物体；利用卷积神经网络提取各个特定的物体的特征向量；将从图片中提取的各个特征向量根据物体的类别分类，以图片为单位存入数据库中；利用目标检测模型从目标图片中检测出特定的物体，并利用卷积神经网络提取特定的物体的特征向量；计算目标图片中特定的物体的特征向量与数据库中相同类别的物体的特征向量的相似度；将各相似度降序排列，并根据降序排列的相似度将数据库中各对应的图片展示出来。本发明还公开了一种图片中相似物体检索装置。本发明只检索相似的物体，可以避免全局特征对物体的影响。

技术领域

本发明涉及计算机视觉领域，尤其涉及图中的相似物品的检索方法和装置。

背景技术

在计算机视觉领域中，一个重要的应用就是相似图片的检索。在现有的检索方法中，一般包含两个主要步骤，从图片中提取特征和进行特征的对比。从图片中提取特征的方法包括SIFT(Scale-invariant feature transform，尺度不变特征变换)算法，SURF(Speedup robust feature,加速稳健特征)算法，提取图片的颜色特征，纹理特征等。特征比对的方法包括计算特征之间的欧式距离，夹角余弦距离，曼哈顿距离等。从图片中提取特征的方法大多是从整张图片中提取出来的特征，对于想要检索特定物体相似度来说，提取整张图片的特征无法反应特定物体的特征，甚至忽略掉了特定物体的特征。无法满足用户的要求。针对这一问题，需要设计一个能够检索相似物体的检索方法。

发明内容

本发明的目的在于提供一种图片中相似物体检索方法和相似物体检索装置，只检索相似的物体，可以避免全局特征对物体的影响。

实现上述目的的技术方案是：

一种图片中相似物体检索方法，包括：

步骤S110，利用目标检测模型从图像库中每张图片检测出特定的物体；

步骤S120，利用卷积神经网络提取各个特定的物体的特征向量；

步骤S130，将从图片中提取的各个特征向量根据物体的类别分类，以图片为单位存入数据库中；

步骤S140，利用目标检测模型从目标图片中检测出特定的物体，并利用卷积神经网络提取该特定的物体的特征向量；

步骤S150，计算目标图片中特定的物体的特征向量与数据库中相同类别的物体的特征向量的相似度；

步骤S160，将各相似度降序排列，并根据降序排列的相似度将数据库中各对应的图片展示出来。

优选的，利用目标检测模型从图片中检测出特定的物体的类别和位置，根据位置用矩形框框出特定的物体，并标记物体的类别。

优选的，将卷积神经网络深度学习网络模型的最后一层的特征提取出来，作为特定的物体的特征向量。

优选的，在步骤S110之前，以能够识别特定的物体为目的提前训练目标检测模型。

优选的，通过计算两个特征向量的欧式距离，来确定该两个特征向量的相似度，欧式距离越小，相似度越高。

优选的，所述的步骤S140中，若检测出多个特定的物体，则人工指定其中一个。

本发明的图片中相似物体检索装置，包括：

图像特征提取模块，用于提取目标图片或图像库的所有图片中特定的物体的特征向量及物体的类别；

图像特征数据入库模块，将提取自图像库中所有图片的各特征向量按物体的类别分类，并以图片为单位存入数据库中；

相同类别特征提取模块，从数据库中提取与目标图片中特定的物体的类别一致的各特征向量；