海量图形图像智能识别检索系统及其检索方法
【技术领域】
[0001]本发明属于图像识别检索技术领域，具体涉及一种海量图形图像智能识别检索系统及其检索方法。
【背景技术】
[0002]在很多拥有高清视频监控的场所(如酒店、交通闸口、海关、部队)，保存有大量的高清视频监控数据，而在某些特定情况下，需要在大量视频数据中检索和识别出包含特定目标物体的数据片段(例如交通事故肇事车辆的定位、保密库房进入人员监管、海关指定人员跟踪等)，另外，像国外一些私立电视媒体以及网络视频媒体，也存在大量视频数据中检索包含指定目标物体的需求(例如在大量影像资料中检索出足球比赛的资料)。上述应用需求往往因为技术、硬件资源、一次投入的费用预算等方面的限制，长时间内不能得到很好的解决，不得不依赖人工或者处理效率很低的系统，成为行业痛点。
[0003]传统的图形图像识别处理系统，大多依靠具备超强处理能力的小型机等设备，对集中存储的图像视频数据进行运算处理，由于硬件设备的资源限制以及扩展限制，使得其处理能力和效率在数据达到一定量级之后，无法再进一步支撑，成为制约系统发展的瓶颈。而本发明方案创造性地将传统的图形图像检索识别技术和当前大数据领域的分布式存储和并行计算技术有机结合，通过将这个综合技术的集成思想实际研发落地，有效地提升了图形图像检索识别的效率和处理能力，其支持的水平扩展能力突破了单台高端设备的资源天花板，使得从前一些因硬件能力瓶颈而制约的应用场景成为了可能，采用本发明的方案，只需要部署足够多的廉价刀片服务器用于分担存储和计算，即可实现从前方案中“不可能”的需求。在后续数据量和业务量持续增大的情况下，可以通过平行扩展同样配置的刀片服务器数量来实现存储和计算能力的升级。为困扰多个行业的应用痛点提供了一条解决之道。
【发明内容】
[0004]为了克服上述现有技术的不足，本发明的目的是提供海量图形图像智能识别检索系统及其检索方法，具有检索迅速，省时高效的特点。
[0005]为了实现上述目的，本发明采用的技术方案是:一种海量图形图像智能识别检索系统，包括有ICE装置，ICE装置与源影像数据库和目标无图特征模型库相连；ICE装置与检索识别结果装置相连。
[0006]海量图形图像智能识别检索方法，包括以下步骤:
O图形图像智能建模和分类模块
将目标物体影像，载入软件后，启动建模学习过程，在软件中建立起针对该目标物体影像的特征模型；若是多个目标物体，则自动建立起目标物体的分类影像特征模型；
2)图形图像模式匹配评价模块
目标物体影像特征模型建立后，将待分析的源影像数据载入软件，计算这些影像数据和特征模型的匹配程度，给出评价分值，从而作为识别和检索的依据；
3)海量数据分布式高可靠存储模块
利用Hadoop体系中的HDFS技术，实现海量影像数据的存储管理和存储安全；
4)计算任务分布式并行处理模块
利用Hadoop体系中的Map-Reduce技术,实现分布式处理和并行计算，从而充分利用硬件计算资源，提升整体运算的效率。
[0007]本发明的目标是为了高效、快速、准确地检索和识别，应对海量源数据，提供可平滑扩展、低基本配置的升级能力，降低一次性投资的要求，真正按照实际应用的数据量需求来灵活规划。
[0008]本发明方案采用图像分类和特征建模识别技术，对海量图像进行基于内容的建模分析，不依赖于图像数据的元数据是否完整，从而解决了现阶段业界对不规则来源的图像数据的检索识别因元数据不完整而不能检索识别的问题。
【附图说明】
[0009]附图1为本发明的结构示意图。
【具体实施方式】
[0010]下面结合附图对本发明的结构原理和工作原理作进一步详细说明。
[0011]参见图1，一种海量图形图像智能识别检索系统，包括有ICE装置1，ICE装置I与源影像数据库2和目标无图特征模型库4相连相连；ICE装置I与检索识别结果装置3相连。
[0012]将需要检索的海量源数据集注入ICE装置1，启动系统分析检索，系统将在源影像数据库2中识别检索出包含有待检索目标数据。
[0013]举例子说明:
例如要在大量从网络上抓取下来的视频中，检索出所有篮球比赛的视频，那么，用户可以首先给系统提供几张篮球的图片供系统自学习，在系统完成自学习后，向系统指定待分析的视频集所在位置，启动系统分析检索功能，系统将所有包含有篮球对象的视频数据检索出来。如果在分析前设置一些规则(比如包含有篮球对象的帧在该视频中所有帧的占比达到预设阈值)，则能够更精确地过滤出检索结果。
[0014]海量图形图像智能识别检索方法，包括以下步骤:
O图形图像智能建模和分类模块
将目标物体影像，载入软件后，启动建模学习过程，在软件中建立起针对该目标物体影像的特征模型；若是多个目标物体，则自动建立起目标物体的分类影像特征模型；
2)图形图像模式匹配评价模块
目标物体影像特征模型建立后，将待分析的源影像数据载入软件，计算这些影像数据和特征模型的匹配程度，给出评价分值，从而作为识别和检索的依据；
3)海量数据分布式高可靠存储模块
利用Hadoop体系中的HDFS技术，实现海量影像数据的存储管理和存储安全；
4)计算任务分布式并行处理模块利用Hadoop体系中的Map-Reduce技术,实现分布式处理和并行计算，从而充分利用硬件计算资源，提升整体运算的效率。
【主权项】
1.一种海量图形图像智能识别检索系统，其特征在于，包括有ICE装置(1)，ICE装置(I)与源影像数据库(2)和目标无图特征模型库(4)相连；ICE装置(I)与检索识别结果装置(3)相连。2.—种海量图形图像智能识别检索方法，其特征在于，包括以下步骤: O图形图像智能建模和分类模块 将目标物体影像，载入软件后，启动建模学习过程，在软件中建立起针对该目标物体影像的特征模型；若是多个目标物体，则自动建立起目标物体的分类影像特征模型； 2)图形图像模式匹配评价模块 目标物体影像特征模型建立后，将待分析的源影像数据载入软件，计算这些影像数据和特征模型的匹配程度，给出评价分值，从而作为识别和检索的依据； 3)海量数据分布式高可靠存储模块 利用Hadoop体系中的HDFS技术，实现海量影像数据的存储管理和存储安全； 4)计算任务分布式并行处理模块 利用Hadoop体系中的Map-Reduce技术,实现分布式处理和并行计算，从而充分利用硬件计算资源，提升整体运算的效率。
【专利摘要】海量图形图像智能识别检索系统及其检索方法，包括有ICE装置，ICE装置与源影像数据库和目标无图特征模型库相连；ICE装置与检索识别结果装置相连；识别检索的步骤包括：1）图形图像智能建模和分类模块；2）图形图像模式匹配评价模块；3）海量数据分布式高可靠存储模块；4）计算任务分布式并行处理模块；具有检索迅速，省时高效的特点。
【IPC分类】G06K9/62, G06F17/30
【公开号】CN105574035
【申请号】CN201410547776
【发明人】蔺瑞云
【申请人】西安景行数创信息科技有限公司
【公开日】2016年5月11日
【申请日】2014年10月16日