结果中直接插入当前加载的图像特征。
[0070]结合第二方面，本发明实施例提供了第二方面的第六种可能的实施方式，其中，装置还包括
[0071 ]提取单元，提取待存储图像的图像特征；
[0072]第二获取单元，用于根据图像分类法获取待存储图像对应各类别的置信度；
[0073]关联单元，用于将获取的图像特征分别与置信度最高的类别号及原始图像数据进行关联；
[0074]存储单元，用于将关联的数据存储在数据库中，得到图像特征库。
[0075]本发明实施例提供的一种图像检索方法和装置，包括:接收用户发送的查询图像；根据图像分类法获取查询图像对应各类别的置信度;按照查询图像的置信度由大到小的先后顺序，从图像特征库中检索当前置信度段中各置信度的类别对应的图像特征;按照检索的先后顺序，逐步加载检索到的图像特征;然后，对加载的图像特征进行排序处理;最后，将处理得到排序处理结果发送至显示界面，以便显示界面进行显示，与现有技术中的图像检索方法易出现分类错误而导致漏掉真实目标的问题且还需要将数据库内所有的特征全部检索一遍再进行输出，使得检索结果反馈时间较长且稳定性较差相比，其能够带来以下好处:
[0076]I)避免了将建立的图像数据库内的所有图像特征均检索一遍再输出结果的情况，保证了检索结果反馈时间的迅速性和稳定性；
[0077]2)较少出现分类错误导致漏掉真实目标的问题，保证了检索的检出率与召回率等指标，更适合安防视频监控等应用场景。
[0078]为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
【附图说明】
[0079]为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0080]图1示出了本发明实施例所提供的一种图像检索方法的流程图；
[0081]图2示出了本发明实施例所提供的另一种图像检索方法的流程图；
[0082]图3示出了本发明实施例所提供的另一种图像检索方法的流程图；
[0083]图4示出了本发明实施例所提供的另一种图像检索方法的流程图；
[0084]图5示出了本发明实施例所提供的另一种图像检索方法的流程图；
[0085]图6示出了本发明实施例所提供的一种图像检索方法的整体流程图；
[0086]图7示出了本发明实施例所提供的图像检索装置的结构示意图；
[0087]图8示出了本发明实施例所提供的一种图像检索装置中排序单元的结构示意图；
[0088]图9示出了本发明实施例所提供的一种图像检索装置中排序子单元和优化子单元的结构示意图。
[0089]主要元件符号说明:
[0090]11、接收单元；12、第一获取单元;13、检索单元;14、加载单元；15、排序单元;16、人机交互单元;17、提取单元;18、第二获取单元;19、关联单元;20、存储单元;151、第一获取子单元；152、排序子单元；153、第二获取子单元；154、KNN计算子单元；155、判断子单元；156、优化子单元；1521、提取模块；1522、KNN计算模块；1523、第一对比模块；1524、第一插入模块;1561、第二对比模块;1562、第二插入模块。
【具体实施方式】
[0091]下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0092]基于现有技术中的图像检索方法存易出现分类错误而导致漏掉真实目标的问题，以及上述方法还需要将数据库内所有的特征全部检索一遍再进行输出，使得检索结果反馈时间较长且稳定性较差的问题，本发明提供的一种图像检索方法和装置，其避免了将建立的图像数据库内的所有图像特征均检索一遍再输出结果的情况，保证了检索结果反馈时间的迅速性和稳定性;并且较少出现分类错误导致漏掉真实目标的问题，保证了检索的检出率与召回率等指标，更适合安防视频监控等应用场景，并且本发明实施例提供的图像检索方法和装置适用于海量图像数据的快速检索。
[0093]参见图1示出的本发明实施例所提供的一种图像检索方法的流程图，所述图像检索方法具体包括如下步骤:
[0094]SlOl、接收用户发送的查询图像。
[0095]具体的，用户可以在终端的图像显示界面上选择查询图像，选择的上述查询图像可以是图像显示界面对应的数据库中存储的，也可以是本地存储的；并且，不同的查询图像对应不同的类别。
[0096]需要说明的是，本实施例中的上述查询图像中携带有图像特征，上述图像特征除了包括图像的基本特征，如层次、色彩和清晰度等，还包括SIFT(Scale Invariant FeatureTransform，尺度不变特征变换匹配算法)特征、深层卷积神经网络特征等，以便后续检索使用。
[0097]S102、根据图像分类法获取所述查询图像对应各类别的置信度。
[0098]本发明实施例中的图像分类法是利用可产生分类置信度的分类器(例如逻辑回归或softmax)实现的，具体的，当上述查询图像为多个时，通过单分类器或者多分类器的方式，获取每一个查询图像对应类别的置信度。
[0099]S103、按照所述查询图像的置信度由大到小的先后顺序，从图像特征库中检索当前置信度段中各置信度的类别对应的图像特征;其中，所述图像特征库中预先存储有图像特征，以及所述图像特征对应的最高置信度的类别数据和原始图像数据。
[0100]具体的，在上一步骤中得到了每一个查询图像对应的置信度，本步骤中，将所有的查询图像对应的类别的置信度按照由大到小的顺序进行排序，得到多个置信度段，目的是为了按照划分的置信度段的先后顺序进行后续图像特征的检索。
[0101]具体的，本步骤中是根据上述划分的置信度段由大到小的顺序以及置信度段中置信度由大到小的顺序，在图像特征库中检索上述置信度的类别的图像特征，得到按置信度的类别由大到小的顺序进行排列的图像特征，以便展示给用户，方便用户查看;其中，检索的上述图像特征优选为SIFT特征和深层卷积神经网络特征。
[0102]本发明实施例中，在图像特征库中检索图像特征之前，需要先建立上述图像特征库，即将图像特征和图像特征对应的最高置信度的类别的关联数据进行存储，得到上述图像特征库;此处，存储的图像特征同样优选为SIFT特征和深层卷积神经网络特征。
[0103]另外，在将上述关联数据进行存储之前，还可以进一步用哈希编码或乘积量化等技术对上述图像特征进行编码，然后将编码后的图像特征和其对应的最高置信度的类别的关联数据进行存储;对应于该编码或量化后的存储，在对检索得到上述图像特征还需使用基于与哈希编码或乘积量化等匹配技术进行解码，以得到图像特征。
[0104]S104、按照检索的先后顺序，逐步加载检索到的图像特征。
[0105]具体的，按照上述查询图像的置信度由大到小的检索顺序，逐步将图像特征加载检索到内存中，以便后续根据加载的图像特征进行排序处理。
[0106]S105、对加载的所述图像特征进行排序处理，得到排序处理结果。
[0?07]具体的，根据KNN(k_NearestNeighbor，邻近算法)算法对加载的所述图像特征进行排序处理；即将利用KNN算法计算当前加载的图像特征与所述查询图像的图像特征的距离，直至完成加载的所有图像特征的计算，然后进行排序。
[0108]S106、将得到所述排序处理结果逐步发送至显示界面，以便所述显示界面进行显不O
[0109]具体的，首先将排序完成的排序在先的预设个数的图像特征(即初始检索结果)发送至显示界面展示给用户，然后在用户查看展示的图像特征时，在继续将后续按检索的先后顺序加载的排序在后的余下的所有图像特征对上述初始检索结果的优化结果发送至显示界面，给用户观看，本发明实施例中提供的逐步加载、排序，并发送给显示界面进行显示的方法，减少了用户的等待时间，保证了检索结果反馈时间的迅速性和稳定性，方便用户查看，使得用户体验较好。
[0110]对应于上述预设个数，若预设个数比较少，则显示界面可以将进行检索结果在同一页面全部进行显示;若预设个数比较多，则显示界面可以分成多页进行显示，由用户触发选择页码，并且显示的字体大小默认为符合用户观看的适中字体，用户也可以根据自己的需要调节显示的字体以及显示的检索结果的条数。
[0111]本发明实施例提供的一种图像检索方法，与现有技术中的图像检索方法易出现分类错误而导致漏掉真实目标的问题且还需要将数据库内所有的特征全部检索一遍再进行输出，使得检索结果反馈时间较长且稳定性较差相比，其能够带来以下好处:I)避免了将建立的图像数据库内的所有图像特征均检索一遍再输出结果的情况，保证了检索结果反馈时间的迅速性和稳定性;2)较少出现分类错误导致漏掉真实目标的问题，保证了检索的检出率与召回率等指标，更适合安防视频监控等应用场景。
[0112]为了检索结果反馈时间的迅速性和稳定性，本实施例中上述步骤105的具体实现方法如下，参见图2，包括:
[0113]S201、获取按检索的先后顺序加载的排序在先的预设个数的图像特征。
[0114]本发明实施例中首先进行初始检索，即对加载的排序在先的预设个数的图像特征进行排序，故首先先获取按检索的先后顺序加载的排序在先的预设个数的图像特征。
[0115]优选的，本发明实施例中的预设个数优选为根据显示界面进行设置，其能够满足一个或者多个显示界面可以显示的数量即可，如从图像特征库中加载上述置信度排序顺序中排序在前的前η类图像的图像特征;其中，n〈〈N，n为图像类别中置信度排序靠前的图像特征个数之和，N为图像特征个数总数。需要说明的是，本发明实施例对上述预设个数不做具体限制。
[0116]S202、利用邻近算法KNN算法对排序在先的预设个数的所述图像特征进行排序处理，得到近似检索结果。
[0117]具体的，首先利用KNN方法进行初始检索；上述KNN也可以称为K最近邻查询，其原理就是k个最近的邻居的意思，即每个样本都可以用它最接近的k个邻居来代表，具体方法为:计算查询范围内各点与查询点的距离，返回距离查询点最近的K条信息。