[发明专利]一种面向公安侦查应用的图像检索方法

说明书

本发明公开了一种面向公安侦查应用的图像检索方法，提出将传统图像检索方法和深度学习检索方法相结合形成一种新的图像检索方法。首先用提取传统特征的图像检索方法对数据库图像进行筛选(“粗检索”)，然后采用深度学习的图像检索方法进行二次检索(“精检索”)。对图像数据库进行第一次检索采用传统方法提取图像特征方式，由于特征相对比较单一，提取特征的时候也不用加载网络，因此特征提取的时间相对会比较短。在基于改进深度网络模型上进行实现第二次检索能有效保证图像检索的准确率。将原本海量图像中的“大海捞针”问题转化为可实现的“桌面捞针”，提高了检索精度，减少了检索耗时，进而提高图像侦查的效率。

技术领域

本发明属于公安图像侦查领域，尤其涉及一种基于深度学习的面向公安侦查应用的图像检索方法。

背景技术

随着我国的经济发展，构建安全稳定的社会环境已经成为人们共同追求的社会理想。随着视频监控技术和大数据存储的有效发展，城市公共安全建设也逐步得到有关部门的重视。监控摄像头在公园，商场，地铁站等人群密集的地区的普及，为城市安全建设提供了有效的保证。

视频监控系统逐渐发展与完善，使得视频监控技术成为公安侦破案件的新手段，公安侦查破案的方式也发生巨大变革。通常在案件发生之后，公安部门都会组织相关人员观看监控视频，并试图从中找到与嫌疑人相关的蛛丝马迹。即使在活动目标极少出现的时段，也不能遗漏任何片段，甚至需要重复浏览。这种人员浏览的方式，不仅效率不高，而且耗时长。如果在这种海量视频监控数据中，凭借嫌疑人的图像能快速找到并定位出嫌疑人位置和运动轨迹，那么公安侦查技术和侦查人员的工作效率必将迎来质的飞跃。

由于监控视频中环境的复杂性，现有的图像检索技术无法满足监控视频图像中对特定目标行人的快速检索的需求，导致了图像检索在面向公安侦查应用中的存在着诸多挑战。因此，需要更好的运用先进技术突破侦查应用中行人检索的瓶颈，满足公安刑事案件侦查的需求。近年来，人工智能和深度学习技术的飞速发展，为公安的刑事案件侦查的“快速反应，快侦快破”需求提供了方向。其中深度学习作为机器学习的分支，在语音识别，图像分类与识别等多个研究方向取得了优异的成绩，成为当前研究的热点。深度学习通过建立多层次的模型来模拟人脑神经系统对外接信号的处理，可自动从原始输入数据中提取稳定的深层特征。深度学习在图像检索的应用中，相比传统的人工神经网络，具有明显的优势。将深度学习应用于公安侦查领域，并使用大数据和云计算技术对海量监控视频进行分布式处理和存储，从而将以往案件侦破过程中的“大海捞针”转化为“桌面捞针”。因此，将深度学习应用于公安侦查领域为大势所趋。

已有的基于深度学习的图像检索方法首先需要对候选集中的图片进行特征提取，然后再将查询图片的特征向量与候选图片库中的特征向量进行欧式距离计算和相似度排序，得到与查询图片相似的图片。面向公安侦查应用的图像检索，需要从海量的视频图像数据中找出与查询图像相似的图片。按照已有的基于深度学习的检索方法，首先需要对候选集中的图片进行特征提取，然后再将查询图片的特征向量与候选图片库中的特征向量进行高维的欧式距离计算和相似度排序，得到与查询图片相似的图片。这种方法不仅对计算机的计算能力和存储容量要求很高，而且当候选图片数据库足够大时，需要找出与嫌疑人相似的图片犹如“大海捞针”。

故，针对现有技术存在的技术问题，实有必要提出一种技术方案以克服现有技术的缺陷。

发明内容

有鉴于此，确有必要提供一种检索速度快且效率高的面向公安侦查应用的图像检索方法，从而实现公安侦查“快侦快破”的业务需求，从海量的视频图像数据中找出与查询图像相似的图片并将检索结果可视化。

为了解决现有技术存在的技术问题，本发明的技术方案为：

一种面向公安侦查应用的图像检索方法，包括以下步骤：

步骤(1)：对于待检索的图像库，构建一个颜色空间特征提取函数用来区分图像中心和边缘，对图像不同的部位进行加权处理，生成颜色特征分布加权颜色直方图；