1.一种图像检索方法，其特征在于，包括：
提取待检索图像的局部特征；
采用预先训练的深度自编码网络模型计算所述局部特征的特征值；
将所述特征值与图像检索数据库中注册图像的特征值进行匹配；
根据匹配结果选择满足预设条件的注册图像作为所述待检索图像的检索结果。
2.根据权利要求1所述的图像检索方法，其特征在于，所述特征值包括二值化特征值。
3.根据权利要求2所述的图像检索方法，其特征在于，所述将所述特征值与图像检索数据库中注册图像的特征值进行匹配包括：采用基于汉明距离的方式进行匹配，并将汉明距离小于预设阈值的特征值对作为匹配成功的特征值对。
4.根据权利要求3所述的图像检索方法，其特征在于，所述采用基于汉明距离的方式进行匹配包括：
采用计算汉明距离的线性查询方式进行匹配；或者，
采用以二值化特征值为索引查询哈希表的方式进行匹配。
5.根据权利要求1所述的图像检索方法，其特征在于，预先训练所述深度自编码网络模型，包括：
选择样本图像集；
提取所述样本图像集中的样本图像的局部特征；
以所述局部特征作为输入，以深度自编码网络模型对输入数据进行编解码后的重建误差最小为目标，进行迭代训练直至所述深度自编码网络模型收敛。
6.根据权利要求1所述的图像检索方法，其特征在于，所述图像检索数据库是采用如下步骤预先建立的：
选取用于构建所述图像检索数据库的注册图像；
提取所述注册图像的局部特征；
利用所述深度自编码网络模型计算所述局部特征的特征值；
将所述特征值存储在图像检索数据库中，并建立所述特征值与注册图像之间的对应关系。
7.根据权利要求6所述的图像检索方法，其特征在于，在所述提取所述注册图像的局部特征之前，执行下述操作：
按照预设的方式对所述注册图像的尺寸进行归一化。
8.根据权利要求6所述的图像检索方法，其特征在于，在利用所述深度自编码网络模型计算所述局部特征的特征值之后，执行下述步骤：
按照计算得到的特征值的分布，对特征值进行筛选；
所述将所述特征值存储在图像检索数据库中包括：将筛选后的特征值存储在图像检索数据库中。
9.根据权利要求8所述的图像检索方法，其特征在于，所述按照计算得到的特征值的分布，对特征值进行筛选包括：
选择在注册图像中出现频率低于预设阈值的特征值；和/或，
按照特征值在注册图像中的位置分布选择特征值。
10.根据权利要求1所述的图像检索方法，其特征在于，在所述提取待检索图像的局部特征之后，执行下述操作：
计算所述局部特征对应的关键点到所述待检索图像中心的距离；
剔除所述距离大于预设阈值的关键点对应的局部特征；
所述采用预先训练的深度自编码网络模型计算所述局部特征的特征值包括：采用所述深度自编码网络模型计算执行上述剔除操作后的局部特征的特征值。
11.根据权利要求1所述的图像检索方法，其特征在于，所述将所述特征值与图像检索数据库中注册图像的特征值进行匹配包括：
将所述特征值与图像检索数据库中注册图像的特征值，采用如下方式逐一进行两两匹配：计算表征待匹配特征值对的差异程度的指标值，并当所述指标值小于预先设定的阈值时判定所述特征值对匹配成功。
12.根据权利要求1所述的图像检索方法，其特征在于，所述满足预设条件的注册图像包括：
按照特征值匹配成功的个数从大到小排序靠前的注册图像；或者，
特征值匹配成功的个数大于预设阈值的注册图像；或者，
按照特征值匹配成功所得累计分值从大到小排序靠前的注册图像；或者，
特征值匹配成功所得累计分值大于预设阈值的注册图像。
13.根据权利要求1所述的图像检索方法，其特征在于，在所述根据匹配结果选择满足预设条件的注册图像后，执行下述重排操作：
针对每个所选注册图像，将所述待检索图像的特征值与从图像检索数据库中提取的注册图像特征值进行两两匹配，并记录满足预设重排匹配条件的特征值对的个数；
根据满足预设重排匹配条件的特征值对的个数对所选注册图像进行排序，并从中选择排序靠前的注册图像；
所述根据匹配结果选择满足预设条件的注册图像作为所述待检索图像的检索结果包括：将执行上述重排操作后所选注册图像作为所述待检索图像的检索结果。
14.根据权利要求13所述的图像检索方法，其特征在于，在所述记录满足预设重排匹配条件的特征值对的个数后，执行下述操作：
通过利用变换模型进行空间关系一致性校验，从所述满足预设重排匹配条件的特征值对中剔除误匹配的特征值对；
所述根据满足预设重排序匹配条件的特征值对的个数对所选注册图像进行排序包括：根据执行上述剔除操作后的、满足预设重排匹配条件的特征值对的个数对所选注册图像进行排序。
15.根据权利要求1-14任一项所述的图像检索方法，其特征在于，通过如下方式提取图像的局部特征：采用SIFT算法、采用LBP算法或者利用卷积神经网络。
16.根据权利要求1所述的图像检索方法，其特征在于，所述提取待检索图像的局部特征、以及所述采用预先训练的深度自编码网络模型计算所述局部特征的特征值的步骤在客户端设备上执行；
所述将所述特征值与图像检索数据库中图像的特征值进行匹配、以及所述根据匹配结果选择满足预设条件的注册图像作为所述待检索图像的检索结果的步骤在服务端设备上执行。
17.一种图像检索装置，其特征在于，包括：
局部特征提取单元，用于提取待检索图像的局部特征；
特征值计算单元，用于采用预先训练的深度自编码网络模型计算所述局部特征提取单元输出的局部特征的特征值；
特征值匹配单元，用于将所述特征值计算单元输出的特征值与图像检索数据库中注册图像的特征值进行匹配；
检索结果生成单元，用于根据所述特征值匹配单元输出的匹配结果选择满足预设条件的注册图像作为所述待检索图像的检索结果。
18.根据权利要求17所述的图像检索装置，其特征在于，当所述特征值为二值化特征值时，所述特征值匹配单元具体用于，采用基于汉明距离的方式进行匹配，并将汉明距离小于预设阈值的特征值对作为匹配成功的特征值对。
19.根据权利要求17所述的图像检索装置，其特征在于，包括：模型训练单元，用于预先训练所述深度自编码网络模型；
所述模型训练单元包括：
样本选择子单元，用于选择样本图像集；
样本特征提取子单元，用于提取所述样本图像集中的样本图像的局部特征；
迭代训练子单元，用于以所述局部特征作为输入，以深度自编码网络模型对输入数据进行编解码后的重建误差最小为目标，进行迭代训练直至所述深度自编码网络模型收敛。
20.根据权利要求17所述的图像检索装置，其特征在于，包括：数据库建立单元，用于预先建立所述图像检索数据库；
所述数据库建立单元包括：
注册图像选择子单元，用于选取用于构建所述图像检索数据库的注册图像；
注册图像特征提取子单元，用于提取所述注册图像的局部特征；
注册图像特征值计算子单元，用于利用所述深度自编码网络模型计算所述局部特征的特征值；
特征值注册子单元，用于将所述特征值存储在图像检索数据库中，并建立所述特征值与注册图像之间的对应关系。
21.根据权利要求20所述的图像检索装置，其特征在于，所述数据库建立单元还包括：
特征值筛选子单元，用于根据特征值的分布，对所述注册图像特征值计算 子单元计算得到的特征值进行筛选；
所述特征值注册子单元具体用于，将所述特征值筛选子单元筛选后的特征值存储在图像检索数据库中，并建立所述特征值与注册图像之间的对应关系。
22.根据权利要求17所述的图像检索装置，其特征在于，所述装置包括：
距离计算单元，用于计算所述局部特征对应的关键点到所述待检索图像中心的距离；
局部特征剔除单元，用于剔除所述距离计算单元计算得到的距离大于预设阈值的关键点对应的局部特征；
所述特征值计算单元具体用于，采用所述深度自编码网络模型计算由所述局部特征剔除单元执行剔除操作后的局部特征的特征值。
23.根据权利要求17所述的图像检索装置，其特征在于，所述检索结果生成单元包括：
注册图像初选子单元，用于根据所述特征值匹配单元输出的匹配结果选择满足预设条件的注册图像；
重排匹配子单元，用于针对所述注册图像初选子单元所选的每个注册图像，将所述待检索图像的特征值与从图像检索数据库中提取的注册图像特征值进行两两匹配，并记录满足预设重排匹配条件的特征值对的个数；
重排筛选子单元，用于根据所述重排匹配子单元记录的特征值对的个数对所选注册图像进行排序，并从中选择排序靠前的注册图像，作为所述待检索图像的检索结果。
24.根据权利要求23所述的图像检索装置，其特征在于，所述检索结果生成单元还包括：
空间一致性校验子单元，用于通过利用变换模型进行空间关系一致性校验，从所述重排匹配子单元得到的特征值对中剔除误匹配的特征值对；
所述重排筛选子单元具体用于，根据所述空间一致性校验子单元执行剔除操作后的、满足预设重排匹配条件的特征值对的个数对所选注册图像进行排序。
25.根据权利要求17所述的图像检索装置，其特征在于，所述局部特征提取单元以及所述特征值计算单元部署于客户端设备上；
所述特征值匹配单元以及所述检索结果生成单元部署于服务端设备上。
26.一种获取图像信息的方法，其特征在于，包括：
提取待识别图像的局部特征；
采用预先训练的深度自编码网络模型计算所述局部特征的特征值；
将所述特征值发送给提供图像识别服务的服务端；
接收所述服务端返回的所述待识别图像的相关信息。
27.根据权利要求26所述的获取图像信息的方法，其特征在于，所述特征值包括二值化特征值。
28.根据权利要求26所述的获取图像信息的方法，其特征在于，在所述提取待识别图像的局部特征之后，执行下述操作：
计算所述局部特征对应的关键点到所述待识别图像中心的距离；
剔除所述距离大于预设阈值的关键点对应的局部特征；
所述采用预先训练的深度自编码网络模型计算所述局部特征的特征值包括：采用所述深度自编码网络模型计算执行上述剔除操作后的局部特征的特征值。
29.根据权利要求26-28任一项所述的图像检索方法，其特征在于，通过如下方式提取待识别图像的局部特征：采用SIFT算法、采用LBP算法或者利用卷积神经网络。
30.根据权利要求26所述的获取图像信息的方法，其特征在于，所述方法在移动终端设备上实施。
31.一种获取图像信息的装置，其特征在于，包括：
局部特征提取单元，用于提取待识别图像的局部特征；
特征值计算单元，用于采用预先训练的深度自编码网络模型计算所述局部特征提取单元输出的局部特征的特征值；
特征值发送单元，用于将所述特征值计算单元输出的特征值发送给提供图像识别服务的服务端；
图像信息接收单元，用于接收所述服务端返回的所述待识别图像的相关信息。
32.一种图像识别方法，其特征在于，包括：
接收客户端上传的待识别图像的特征值，所述特征值是以所述待识别图像 的局部特征为输入，利用预先训练的深度自编码网络模型计算得到的；
将所述特征值与图像检索数据库中注册图像的特征值进行匹配；
根据匹配结果选择满足预设条件的注册图像；
获取与所选注册图像对应的注册信息，并返回给所述客户端。
33.根据权利要求32所述的图像识别方法，其特征在于，所述特征值包括：二值化特征值。
34.根据权利要求33所述的图像识别方法，其特征在于，所述将所述特征值与图像检索数据库中注册图像的特征值进行匹配包括：采用基于汉明距离的方式进行匹配，并将汉明距离小于预设阈值的特征值对作为匹配成功的特征值对。
35.根据权利要求32所述的图像识别方法，其特征在于，所述图像检索数据库是采用如下步骤预先建立的：
选取用于构建所述图像检索数据库的注册图像；
提取所述注册图像的局部特征；
利用所述深度自编码网络模型计算所述局部特征的特征值；
将所述特征值存储在图像检索数据库中，并建立所述特征值与注册图像之间的对应关系。
36.根据权利要求35所述的图像识别方法，其特征在于，在利用所述深度自编码网络模型计算所述局部特征的特征值之后，执行下述步骤：
按照计算得到的特征值的分布，对特征值进行筛选；
所述将所述特征值存储在图像检索数据库中包括：将筛选后的特征值存储在图像检索数据库中。
37.根据权利要求36所述的图像识别方法，其特征在于，所述按照计算得到的特征值的分布，对特征值进行筛选包括：
选择在注册图像中出现频率低于预设阈值的特征值；和/或，
按照特征值在注册图像中的位置分布选择特征值。
38.根据权利要求32所述的图像识别方法，其特征在于，在所述根据匹配结果选择满足预设条件的注册图像后，执行下述重排操作：
针对每个所选注册图像，将所述待识别图像的特征值与从图像检索数据库 中提取的注册图像特征值进行两两匹配，并记录满足预设重排匹配条件的特征值对的个数；
根据满足预设重排匹配条件的特征值对的个数对所选注册图像进行排序，并从中选择排序靠前的注册图像；
所述根据匹配结果选择满足预设条件的注册图像作为所述待检索图像的检索结果包括：将执行上述重排操作后所选注册图像作为所述待检索图像的检索结果。
39.一种图像识别装置，其特征在于，包括：
特征值接收单元，用于接收客户端上传的待识别图像的特征值，所述特征值是以所述待识别图像的局部特征为输入，利用预先训练的深度自编码网络模型计算得到的；
特征值匹配单元，用于将所述特征值接收单元接收到的特征值与图像检索数据库中注册图像的特征值进行匹配；
注册图像选择单元，用于根据匹配结果选择满足预设条件的注册图像；
图像信息发送单元，用于获取与所选注册图像对应的注册信息，并返回给所述客户端。
40.一种图像识别系统，其特征在于，包括：根据权利要求27所述的获取图像信息的装置，以及根据权利要求30所述的图像识别装置。
41.一种用于计算图像特征值的方法，其特征在于，包括：
提取待计算特征值图像的局部特征；
采用预先训练的深度自编码网络模型计算所述局部特征的特征值。
42.根据权利要求41所述的用于计算图像特征值的方法，其特征在于，所述特征值包括：二值化特征值。
43.根据权利要求41所述的用于计算图像特征值的方法，其特征在于，预先训练所述深度自编码网络模型，包括：
选择样本图像集；
提取所述样本图像集中的样本图像的局部特征；
以所述局部特征作为输入，以深度自编码网络模型对输入数据进行编解码后的重建误差最小为目标，进行迭代训练直至所述深度自编码网络模型收敛。
44.根据权利要求41-43任一项所述的用于计算图像特征值的方法，其特征在于，通过如下方式提取待计算特征值图像的局部特征：采用SIFT算法、采用LBP算法或者利用卷积神经网络。
45.一种用于计算图像特征值的装置，其特征在于，包括：
局部特征提取单元，用于提取待计算特征值图像的局部特征；
特征值计算单元，用于采用预先训练的深度自编码网络模型计算所述局部特征提取单元输出的局部特征的特征值。
46.一种电子设备，其特征在于，包括：
显示器；
处理器；
存储器，用于存储获取图像信息的程序，所述程序在被所述处理器读取执行时，执行如下操作：提取待识别图像的局部特征；采用预先训练的深度自编码网络模型计算所述局部特征的二值化特征值；将所述二值化特征值发送给提供图像识别服务的服务端；接收所述服务端返回的关于所述待识别图像的相关信息。