一种海量图形图像智能识别检索系统

摘要

本发明提供一种海量图形图像智能识别检索系统，涉及图像识别领域。该一种海量图形图像智能识别检索系统，包括软件和硬件，所述软件包括登陆、图片导入、定向搜索和特征修改，所述登陆是进入软件的操作界面，所述图片导入将图片发送至硬件存储，所述定向搜索是通过关键字搜索指定的图片，所述特征修改是更改是图片识别时特征库的数量，所述硬件包括数据交换模块、图片存储盘、信息盘、内存、GPU和CPU，所述数据交换模块将导入的图片发送至图片存储盘存储，所述信息盘用于存储图片识别特征库和记录图片的检索文档，所述内存用于数据的缓存，所述GPU用于识别图片，所述CPU用于给GPU分配任务。通过采用GPU识别图片，提高了图片的识别速度。

说明书

技术领域

本发明涉及图像识别技术领域，具体为一种海量图形图像智能识别检索系统。

背景技术

图像识别，是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术，是应用深度学习算法的一种实践应用。现阶段图像识别技术一般分为人脸识别与商品识别，人脸识别主要运用在安全检查、身份核验与移动支付中；商品识别主要运用在商品流通过程中，特别是无人货架、智能零售柜等无人零售领域。图像的传统识别流程分为四个步骤：图像采集→图像预处理→特征提取→图像识别。

图像识别问题的数学本质属于模式空间到类别空间的映射问题。目前，在图像识别的发展中，主要有三种识别方法：统计模式识别、结构模式识别、模糊模式识别。图像分割是图像处理中的一项关键技术，自20世纪70年代，其研究已经有几十年的历史，一直都受到人们的高度重视，至今借助于各种理论提出了数以千计的分割算法，而且这方面的研究仍然在积极地进行着。

现有的图像分割的方法有许多种，有阈值分割方法，边缘检测方法，区域提取方法，结合特定理论工具的分割方法等。从图像的类型来分有：灰度图像分割、彩色图像分割和纹理图像分割等。早在1965年就有人提出了检测边缘算子，使得边缘检测产生了不少经典算法。但在近二十年间，随着基于直方图和小波变换的图像分割方法的研究计算技术、VLSI技术的迅速发展，有关图像处理方面的研究取得了很大的进展。图像分割方法结合了一些特定理论、方法和工具，如基于数学形态学的图像分割、基于小波变换的分割、基于遗传算法的分割等。

在图片识别的中需要进行大量的数学计算。对于处理单个图片来说，一台普通的计算机便可以实现。但是对于同一时间处理大量的图片，普通的计算机是无法短时间内完成处理的工作。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种海量图形图像智能识别检索系统，解决了现有计算机设备图片识别速度慢的问题。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：一种海量图形图像智能识别检索系统，包括软件和硬件，所述软件包括登陆、图片导入、定向搜索和特征修改，所述登陆是进入软件的操作界面，所述图片导入将图片发送至硬件存储，所述定向搜索是通过关键字搜索指定的图片，所述特征修改是更改是图片识别时特征库的数量；

所述硬件包括数据交换模块、图片存储盘、信息盘、内存、GPU和CPU，所述数据交换模块将导入的图片发送至图片存储盘存储，所述图片存储盘用于存储图片，所述信息盘用于存储图片识别特征库和记录图片的检索文档，所述内存用于数据的缓存，所述GPU用于识别图片，所述CPU用于给GPU分配任务。

优选的，所述登录采用账户和密码的方式。

优选的，所述数据交换模块是采用USB接口、网络接口、WIFI模块通过南桥将图片信息存储值图片存储盘。

优选的，一种海量图形图像智能识别检索方法，包括以下内容：

1图片识别

登陆软件的操作界面，通过特征修改预先对特征库进行增加，并将特征库保存在信息盘中，每条特征都对应关键字，通过图片导入向硬件中导入图片，并经过数据交换模块存储在图片存储盘中，接着CPU工作并下达指令，将需要识别的图片的名称、路径调用至内存中，并指派GPU处理图片，GPU从内存中获取图片的名称、路径，并直接从图片存储盘中读取图片信息，缓存至显存中，同时CPU从信息盘中调用特征库，转存至内存中，在GPU读取图片存储盘中的信息同前，预先将特征库缓存至显存中，GPU工作，提取图片中的特征后，以遍历的方式和特征库中的每一项进行匹配，匹配某条特征后，将该条特征的关键字和该图片关联，待匹配结束后，将图片的名称、路径以及匹配后的关键字，发送至内存中，由CPU进行整理，生产一个检索文档，并保存至信息盘中；

2特征搜索

通过定向搜索，输入关键字，在检索文档中匹配关键字，并返回匹配一致的图片的名称和路径；

3寻找相似图片

将目标图片经过图片识别后获得该图片的关键字，并以该图片的关键字和检索文档进行匹配，筛选出和目标图片相似的图片。

优选的，所述图片存储盘、GPU和CPU的数量不唯一。

优选的，所述CPU工作中的每一个进程分别用于给一个GPU分配任务，且每个进程均生成检索文档。

优选的，所述图片识别中，至少有一个进程用于给其它的进程生成的检索文档汇总，并存储在信息盘中。

(三)有益效果

本发明提供了一种海量图形图像智能识别检索系统。具备以下有益效果：

1、本发明，以GPU为主识别图片，相较于CPU，GPU的并行处理的数量远多于CPU，大量图片的识别速度更快，且GPU直接访问图片存储盘并调用数据，内存的使用量更小，可以有效节省内存的成本。

2、本发明，在图片识别后建立检索文档，可以通过关键字进行查找类似的图片，提高了图片检索的速度。

附图说明

图1为本发明的系统示意图。

具体实施方式

下面将结合本发明实施例中的附图，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。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动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。

实施例一：

如图1所示，本发明实施例提供一种海量图形图像智能识别检索系统，包括软件和硬件，软件包括登陆、图片导入、定向搜索和特征修改，登陆是进入软件的操作界面，图片导入将图片发送至硬件存储，定向搜索是通过关键字搜索指定的图片，特征修改是更改是图片识别时特征库的数量；

硬件包括数据交换模块、图片存储盘、信息盘、内存、GPU和CPU，数据交换模块将导入的图片发送至图片存储盘存储，图片存储盘用于存储图片，信息盘用于存储图片识别特征库和记录图片的检索文档，内存用于数据的缓存，GPU用于识别图片，CPU用于给GPU分配任务，现有的多核多线程的CPU也可以并行处图片，但是并行处理的数量由线程的数量决定，常用的GPU中的流处理器几百，多的可达上千，不同的流处理器之间可以单独工作，即GPU通过流处理器可以并行处理数据，对于大量的图片运算，相较于CPU，极大地提高了速度。

登录采用账户和密码的方式。

数据交换模块是采用USB接口、网络接口、WIFI模块通过南桥将图片信息存储值图片存储盘，多途径的方式方便图片的传输。

实施例二：

如图1所示，本发明实施例提供一种海量图形图像智能识别检索方法，包括以下内容：

1图片识别

登陆软件的操作界面，通过特征修改预先对特征库进行增加，并将特征库保存在信息盘中，每条特征都对应关键字，通过图片导入向硬件中导入图片，并经过数据交换模块存储在图片存储盘中，接着CPU工作并下达指令，将需要识别的图片的名称、路径调用至内存中，并指派GPU处理图片，GPU从内存中获取图片的名称、路径，并直接从图片存储盘中读取图片信息，缓存至显存中，同时CPU从信息盘中调用特征库，转存至内存中，在GPU读取图片存储盘中的信息同前，预先将特征库缓存至显存中，GPU工作，提取图片中的特征后，以遍历的方式和特征库中的每一项进行匹配，匹配某条特征后，将该条特征的关键字和该图片关联，待匹配结束后，将图片的名称、路径以及匹配后的关键字，发送至内存中，由CPU进行整理，生产一个检索文档，并保存至信息盘中，当该图片识别结束后，该图片在显存和内存中占用的容量被释放；

2特征搜索

通过定向搜索，输入关键字，在检索文档中匹配关键字，并返回匹配一致的图片的名称和路径；

3寻找相似图片

将目标图片经过图片识别后获得该图片的关键字，并以该图片的关键字和检索文档进行匹配，筛选出和目标图片相似的图片。

图片存储盘、GPU和CPU的数量不唯一，即可以增加图片存储盘、GPU和CPU的数量，用以提高图片识别的速度。

CPU工作中的每一个进程分别用于给一个GPU分配任务，且每个进程均生成检索文档。

图片识别中，至少有一个进程用于给其它的进程生成的检索文档汇总，并存储在信息盘中。

当删除特征库中的特征时，检索文档中和该条特征匹配的关键字为不可检索的状态。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。