[发明专利]基于多处理器平台的视觉特征并行快速匹配方法和系统

权利要求书

1.一种基于多处理器平台的视觉特征并行快速匹配方法，其特征在于，包括：

步骤1、提取图片或视频帧的视觉特征，并将所有该视觉特征集合为数据集，根据层次聚类算法对该数据集进行层次聚类以获得聚类树，并通过该图片数据的规模和多处理器平台中处理器个数确定聚类阈值，根据该聚类阈值确定该聚类树中各类别的聚类中心；

步骤2、根据该处理器个数和该聚类中心的个数，建立该聚类中心到各处理器的映射，以在各处理器的本地内存中建立哈希表；

步骤3、根据用户输入的查询数据与各聚类中心的距离，选择K个聚类中心所对应的哈希表作为待查表项，其中K为正整数；

步骤4、在每个待查表项上计算查询数据的哈希值，选择与查询数据哈希值相同的数据作为查询结果的候选点，通过计算该候选点与该查询数据之间的距离，对该候选点进行筛选，并将筛选得到的候选点作为查询结果；

其中该步骤2还包括：

步骤102、在各处理器上开启一个线程以建立该哈希表，所有处理器均完成哈希表的建立后，各处理器开启多个查询线程，同时把该查询线程绑定到处理器上，操作系统在调度线程时，优先让该查询线程运行在绑定的处理器上。

2.如权利要求1所述的一种基于多处理器平台的视觉特征并行快速匹配方法，其特征在于，该层次聚类算法具体为均值联动算法，该步骤1还包括：步骤101、将该数据集中每个数据点作为一个类别，采用均值联动算法分别计算每两个类别之间的距离，并合并距离最近的两个类别，直到该数据集中只有一个类别。

3.如权利要求1所述的一种基于多处理器平台的视觉特征并行快速匹配方法，其特征在于，该多处理器平台基于NUMA架构。

4.如权利要求1所述的一种基于多处理器平台的视觉特征并行快速匹配方法，其特征在于，在该步骤1中还包括对提取的图片或视频帧进行去除重复数据以及数据归一化处理。

5.一种基于多处理器平台的视觉特征并行快速匹配系统，其特征在于，包括：

聚类模块，用于提取图片或视频帧的视觉特征，并将所有该视觉特征集合为数据集，根据层次聚类算法对该数据集进行层次聚类以获得聚类树，并通过该图片数据的规模和多处理器平台中处理器个数确定聚类阈值，根据该聚类阈值确定该聚类树中各类别的聚类中心；

映射模块，用于根据该处理器个数和该聚类中心的个数，建立该聚类中心到各处理器的映射，以在各处理器的本地内存中建立哈希表；

筛选模块，用于根据用户输入的查询数据与各聚类中心的距离，选择K个聚类中心所对应的哈希表作为待查表项，并在每个待查表项上计算查询数据的哈希值，选择与查询数据哈希值相同的数据作为查询结果的候选点，通过计算该候选点与该查询数据之间的距离，对该候选点进行筛选，并将筛选得到的候选点作为查询结果，其中K为正整数；

该映射模块还包括：

步骤102、在各处理器上开启一个线程以建立该哈希表，所有处理器均完成哈希表的建立后，各处理器开启多个查询线程，同时把该查询线程绑定到处理器上，操作系统在调度线程时，优先让该查询线程运行在绑定的处理器上。

6.如权利要求5所述的一种基于多处理器平台的视觉特征并行快速匹配系统，其特征在于，该层次聚类算法具体为均值联动算法，该聚类模块还包括：将该数据集中每个数据点作为一个类别，采用均值联动算法分别计算每两个类别之间的距离，并合并距离最近的两个类别，直到该数据集中只有一个类别。

7.如权利要求5所述的一种基于多处理器平台的视觉特征并行快速匹配系统，其特征在于，该多处理器平台基于NUMA架构。

8.如权利要求5所述的一种基于多处理器平台的视觉特征并行快速匹配系统，其特征在于，该聚类模块，还用于对提取的图片或视频帧进行去除重复数据以及数据归一化处理。