用于搜索的系统和操作所述系统的方法
【专利说明】
[0001] 本申请要求于2013年10月25日提交到韩国知识产权局的第10-2013-0128036 号韩国专利申请的优先权，其中，所述专利申请的公开通过引用全部合并于此。
技术领域
[0002] 本公开的一个或更多个示例性实施例涉及一种用于搜索的系统和操作所述系统 的方法，更具体地，涉及一种识别在数据中形成的内容、分析趋势并将该趋势提供给客户的 用于搜索的系统和操作所述系统的方法。
【背景技术】
[0003] -般的搜索系统提供用于将搜索结果返回到客户的专门搜索。例如，当客户搜索 与图像数据中的用户和/或车辆有关的分类信息时，一般的搜索系统通过使用能够产生分 类信息的图像分析算法来形成类别信息，客户从指定的类别检索信息。也就是说，现有技 术的搜索系统使用分析用户的要求并查找项目的处理。这种搜索系统的信息被公开在第 2007-0007031号韩国专利公开出版物和第1995-325832号日本专利公开出版物中。
【发明内容】
[0004] 本公开的一个或更多个示例性实施例包括一种搜索系统和操作所述系统的方法， 其中，所述系统和方法使用语义技术和语义本体来识别在数据中形成的内容，识别趋势，并 将所述趋势提供给客户。相反地，现有技术使用分析客户的要求并找到项目的处理。
[0005] 另外的方面将在下面的描述中被部分地阐述，并将部分地从描述中变得清楚，或 者可通过呈现的实施例的实践而被获知。
[0006] 根据本公开的一个或更多个示例性实施例，一种用于搜索的系统包括：初步数据 分析部，被配置为分析输入的图像以提取各种属性，通过使用提取的所述各种属性来分析 关于客户所请求的信息的类别的趋势，并将趋势分析存储为元数据；索引部，被配置为通 过将元数据结构化并存储元数据来使得元数据可被搜索；搜索部：被配置为从可被搜索的 元数据提取与客户所请求的信息的类别相匹配的趋势信息，并以预定格式提供所述趋势信 肩、。
[0007] 初步数据分析部可包括：图像分析引擎，被配置为分析输入的图像并提取各种属 性；趋势分析引擎，被配置为响应于提取了属性信息，分析关于客户所请求的信息的类别的 趋势，并提供趋势分析；第一存储单元，被配置为将趋势分析存储为元数据。
[0008] 趋势分析引擎可包括：出现频率分析单元，被配置为分析在任意时间段内类别的 出现频率作为第一趋势信息；改变分析单元，被配置为通过分析第一趋势信息的改变来提 供第二趋势信息；移动线分析单元，被配置为通过检测并跟踪类别的运动来将类别的移动 线分析的结果提供为第三趋势信息。
[0009] 搜索部可被配置为以输出屏幕格式来提供第一趋势信息的元数据，其中，输出屏 幕格式包括在一个轴上指示的上级类别和在另一轴上的视觉图形，其中，视觉图形表示包 括在每个上级类别中的下级类别的出现频率。
[0010] 响应于在下级类别之中选择了任意下级类别，可显示选择的下级类别的详细信 肩、。
[0011] 搜索部可被配置为以热图格式提供第二趋势信息的元数据，其中，在热地图格式 中，以热分布形式的视觉图形表示出现频率关于设置时间的改变。
[0012] 搜索部可被配置为以图形格式提供从第一趋势信息改变到第二趋势信息的元数 据，其中，在图形格式中，以视觉图形表示出现频率关于设置时间的改变。
[0013] 移动线分析单元可包括：移动线信息产生单元，被配置为通过进行与来自输入的 图像的类别有关的运动检测和运动跟踪，产生移动线信息；噪声去除单元，被配置为去除移 动线信息的噪声；聚类单元，被配置为生成聚类，其中，每一个聚类由去除了噪声的相似移 动线信息项形成；分组单元，被配置为将对相似移动线信息项进行分组后的结果提供为第 三趋势信息，其中，通过使用聚类后的移动线信息项执行人工智能神经网络学习来对相似 移动线信息项进行分组。
[0014] 搜索部可被配置为以由第一区域和第二区域形成的输出屏幕格式来提供从索引 部得到的第三趋势信息的元数据，其中，图像中的移动线被显示在第一区域中，对相似移动 线信息项进行分组后的结果被显示在第二区域中，其中，通过执行作为自组织映射图的人 工智能神经网络学习来对相似移动线信息项进行分组。
[0015] 响应于在第二区域中选择了任意一组，在第一区域中显示与选择的组相应的移动 线。
[0016] 移动线分析单元可包括：移动线信息产生单元，被配置为通过进行与来自输入的 图像的类别有关的运动检测和运动跟踪，产生移动线信息；噪声去除单元，被配置为去除移 动线信息的噪声；点选择单元，被配置为选择包括在去除了噪声的移动线信息中的任意点； 聚类单元，被配置为生成聚类，其中，每一个聚类由包括所述任意点的相似移动线信息项形 成；移动概率计算单元，被配置为计算从任意一个聚类点移动到另一聚类点的概率，并将所 述概率提供为第三趋势信息。
[0017] 可以以输出屏幕格式提供从索引部得到的第三趋势信息的元数据，其中，在输出 屏幕格式中，图像中的聚类点被显示，并且从任意一个聚类点移动到另一聚类点的概率被 表示为箭头。
[0018] 移动的概率的大小可与箭头的大小成比例。
[0019] 索引部可包括：第二存储单元，被配置为存储图像分析引擎的输出；索引引擎，被 配置为对存储在第一存储单元中的元数据进行结构化和组织化，以使得元数据可被搜索； 第三存储单元，被配置为存储来自索引引擎的可被搜索的元数据。
[0020] 索引部可包括：查询引擎，被配置为将从客户输入的搜索词分类为类别；搜索引 擎，被配置为在第二存储单元和第三存储单元中搜索与分类后的类别相应的趋势信息；浏 览引擎，被配置为以预定格式提供搜索引擎对趋势信息的搜索结果。
[0021] 根据本公开的一个或更多个示例性实施例，一种操作用于搜索的系统的方法可包 括：通过对输入的图像的分析来提取各种属性以进行初步数据分析，通过使用提取的所述 各种属性来分析关于客户所请求的信息的类别的趋势，并将趋势分析存储为元数据；通过 对存储的元数据进行结构化和存储来对存储的元数据编索引以使得元数据可被搜索；从可 被搜索的元数据提取与客户所请求的信息的类别相匹配的趋势信息，并以预定格式提供提 取的趋势信息。
[0022] 提取各种属性并分析关于类别的趋势的步骤包括：通过对输入的图像的分析来提 取各种属性；响应于提取了各种属性，分析关于类别的趋势，并将趋势分析提供为趋势信 肩、。
[0023] 分析关于类别的趋势并提供趋势分析的步骤包括：分析在任意时间段内类别的出 现频率作为第一趋势信息；分析第一趋势信息的改变作为第二趋势信息；通过检测并跟踪 类别的运动，将类别的移动线分析的结果提供为第三趋势信息。
[0024] 提供移动线分析的结果的步骤可包括：通过对输入的图像进行与类别有关的运动 检测和运动跟踪，产生移动线信息；去除移动线信息中的噪声；生成聚类，其中，每一个聚 类由去除了噪声的相似移动线信息项形成；将通过使用聚类后的移动线信息项执行人工智 能神经网络学习来对相似移动线信息项进行分组的结果提供为第三趋势信息。
[0025] 提供移动线分析的结果的步骤可包括：通过进行与来自输入的图像的类别有关的 运动检测和运动跟踪，产生移动线信息；去