一种大数据图像实时多维分析方法及系统与流程

1.本发明属于图像分析技术领域，尤其涉及一种大数据图像实时多维分析方法及系统。


背景技术：

2.当前的技术中，当对一张图像进行分析识别时，需要将底库中所有图片一一与该图比对，而之后当同一张图(或者相似图片)再次输入进行识别时，仍会像其上次识别时一样对底库的所有图片进行搜索比对，这样的重复搜索将耗费大量的时间，尤其是在大数据库中进行搜索比对时，这种时间耗费将更为严重，因此，亟需一种对这种重复搜索进行优化的分析技术。


技术实现要素：

3.鉴于上述现有技术的不足，本发明的目的在于提供一种大数据图像实时多维分析方法及系统，旨在解决由于现有技术无法提供一种有效的大数据图像实时多维分析方法，导致图像识别分析效率低、用户体验不佳的问题。
4.一方面，本发明提供了一种大数据图像实时多维分析方法，所述方法包括下述步骤：
5.终端设备上传待处理图像；
6.提取所述待处理图像中的图像特征；
7.与预设图像的特征进行匹配，匹配成功则输出所述预设图像；
8.在每次匹配成功之后更新或并保留历史所述预设图像。
9.进一步地，所述终端设备上传待处理图像包括：终端设备向就近的边缘计算节点上传待处理图像；
10.所述提取所述待处理图像中的图像特征包括：所述边缘计算节点提取所述待处理图像中的图像特征；
11.所述与预设图像的特征进行匹配包括：边缘计算节点依据所述待处理图像中的图像特征与中心服务器中存储的所述预设图像的特征进行匹配；
12.匹配成功则输出所述预设图像包括：所述中心服务器通过所述边缘计算节点向所述终端设备发送所述预设图像；
13.与预设图像的特征进行匹配成功之后，所述待处理图像变为已匹配图像。
14.进一步地，所述在每次匹配成功之后更新或并保留历史所述预设图像包括：
15.所述边缘计算节点向所述中心服务器发送所述已匹配图像，所述中心服务器使用所述已匹配图像替换更新对应的预设图像或并保留被替换的预设图像。
16.进一步优选地，所述待处理图像和所述预设图像均为三维图像，所述中心服务器中存储有多个不同的所述预设图像；
17.多个所述预设图像均一一对应有特征标识，所述特征标识依据所述预设图像的特
征进行生成，所述特征标识存储在特征表里。
18.进一步地，所述特征表里还存储有与所述特征标识对应的预设图像的存储位置的存储路径标识；
19.所述中心服务器通过所述边缘计算节点向所述终端设备发送所述预设图像包括：根据所述存储路径标识提取所述预设图像并通过所述边缘计算节点向所述终端设备发送所述预设图像；
20.所述预设图像存储于所述边缘计算节点，所述中心服务器对所述边缘计算节点存储的所述预设图像进行备份；
21.根据所述存储路径标识无法找到所述预设图像时、根据所述特征标识从中心服务器中进行提取。
22.进一步地，所述与预设图像的特征进行匹配之前包括：
23.依据从所述待处理图像中提取的图像特征生成待处理图像特征标识；
24.所述与预设图像的特征进行匹配包括：将所述待处理图像特征标识与所述特征表内的特征标识进行匹配。
25.进一步优选地，所述提取所述待处理图像中的图像特征包括：
26.预设一个或多个图像特征阈值，当所述待处理图像中的图像特征阈值超过预设的图像特征阈值时则提取所述待处理图像中的图像特征；
27.所述图像特征阈值为图像局部区域的特征阈值。
28.另一方面，本发明提供了一种大数据图像实时多维分析系统，所述系统包括：
29.边缘计算节点，接收终端设备上传的待处理图像；
30.特征提取单元，预设一个或多个图像特征阈值，当所述待处理图像中的图像特征阈值超过预设的图像特征阈值时则提取所述待处理图像中的图像特征；
31.特征标识生成单元，依据从所述待处理图像中提取的图像特征生成待处理图像特征标识；
32.特征表生成单元，依据所述预设图像的特征生成特征标识和与所述特征标识对应的预设图像的存储位置的存储路径标识，根据所述特征标识和存储路径标识生成特征表；
33.匹配单元，将待处理图像与预设图像的特征进行匹配；
34.中心服务器，存储特征表和预设图像；
35.图像输出单元，输出与匹配图像对应的预设图像。
36.另一方面，本发明还提供了一种非易失性计算机可读存储介质，所述非易失性计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个或多个处理器执行时，可使得所述一个或多个处理器执行上述的大数据图像实时多维分析方法。
37.另一方面，本发明还提供了一种计算机程序产品，所述计算机程序产品包括存储在非易失性计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被处理器执行时，使所述处理器执行上述的大数据图像实时多维分析方法。
38.本发明的有益效果在于：终端设备上传待处理图像，提取待处理图像中的图像特征，与预设图像的特征进行匹配，匹配成功则输出预设图像，在每次匹配成功之后更新或并保留历史预设图像；其中，多个预设图像均一一对应有特征标识，特征标识依据预设图像的特征进行生成，特征标识存储在特征表里；与预设图像的特征进行匹配包括：将待处理图像
特征标识与特征表内的特征标识进行匹配，以获得与匹配图像对应的预设图像，使用表格进行提取比对，大大提高了工作效率，及降低了服务器的配置要求，提高了用户的体验。
附图说明
39.图1是本发明实施例一提供的大数据图像实时多维分析方法的实现流程图；
40.图2是本发明实施例二提供的大数据图像实时多维分析系统的结构示意图。
具体实施方式
41.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
42.以下结合具体实施例对本发明的具体实现进行详细描述：
43.实施例一：
44.图1示出了本发明实施例一提供的大数据图像实时多维分析方法的实现流程，为了便于说明，仅示出了与本发明实施例相关的部分，详述如下：
45.在步骤s101中，终端设备上传待处理图像；
46.在本发明的实施例中，终端设备上传待处理图像包括：终端设备向就近的边缘计算节点上传待处理图像；
47.在步骤s102中，提取待处理图像中的图像特征；
48.在本发明的实施例中，提取待处理图像中的图像特征包括：边缘计算节点提取待处理图像中的图像特征；
49.在步骤s103中，与预设图像的特征进行匹配，匹配成功则输出预设图像；
50.在本发明的实施例中，与预设图像的特征进行匹配包括：边缘计算节点依据待处理图像中的图像特征与中心服务器中存储的预设图像的特征进行匹配；
51.匹配成功则输出预设图像包括：中心服务器通过边缘计算节点向终端设备发送预设图像；其中，与预设图像的特征进行匹配成功之后，待处理图像变为已匹配图像；
52.在步骤s104中，在每次匹配成功之后更新或并保留历史预设图像；
53.在本发明的实施例中，在每次匹配成功之后更新或并保留历史预设图像包括：
54.边缘计算节点向中心服务器发送已匹配图像，中心服务器使用已匹配图像替换更新对应的预设图像或并保留被替换的预设图像。
55.在本发明的实施例中，终端设备上传待处理图像，提取待处理图像中的图像特征，与预设图像的特征进行匹配，匹配成功则输出预设图像，在每次匹配成功之后更新或并保留历史预设图像；其中，多个预设图像均一一对应有特征标识，特征标识依据预设图像的特征进行生成，特征标识存储在特征表里；与预设图像的特征进行匹配包括：将待处理图像特征标识与特征表内的特征标识进行匹配，以获得与匹配图像对应的预设图像，使用表格进行提取比对，大大提高了工作效率，及降低了服务器的配置要求，提高了用户的体验。
56.在本发明的实施例中，进一步地，待处理图像和预设图像均为三维图像，中心服务器中存储有多个不同的预设图像；
57.进一步优选地，多个预设图像均一一对应有特征标识，特征标识依据预设图像的
特征进行生成，特征标识存储在特征表里。
58.进一步地，特征表里还存储有与特征标识对应的预设图像的存储位置的存储路径标识；
59.中心服务器通过边缘计算节点向终端设备发送预设图像包括：根据存储路径标识提取预设图像并通过边缘计算节点向终端设备发送预设图像；
60.预设图像存储于边缘计算节点，中心服务器对边缘计算节点存储的预设图像进行备份；保证数据的安全，避免丢失；
61.根据存储路径标识无法找到预设图像时、根据特征标识从中心服务器中进行提取。
62.进一步地，与预设图像的特征进行匹配之前包括：依据从待处理图像中提取的图像特征生成待处理图像特征标识；
63.与预设图像的特征进行匹配包括：将待处理图像特征标识与特征表内的特征标识进行匹配。
64.进一步优选地，提取待处理图像中的图像特征包括：预设一个或多个图像特征阈值，当待处理图像中的图像特征阈值超过预设的图像特征阈值时则提取待处理图像中的图像特征；图像特征阈值为图像局部区域的特征阈值；以满足不同的使用需求。
65.实施例二：
66.图2示出了本发明实施例二提供的大数据图像实时多维分析系统的结构，为了便于说明，仅示出了与本发明实施例相关的部分，其中包括：
67.边缘计算节点200，接收终端设备上传的待处理图像；
68.特征提取单元201，预设一个或多个图像特征阈值，当待处理图像中的图像特征阈值超过预设的图像特征阈值时则提取待处理图像中的图像特征；
69.特征标识生成单元202，依据从待处理图像中提取的图像特征生成待处理图像特征标识；
70.特征表生成单元203，依据预设图像的特征生成特征标识和与特征标识对应的预设图像的存储位置的存储路径标识，根据特征标识和存储路径标识生成特征表；
71.匹配单元204，将待处理图像与预设图像的特征进行匹配；
72.中心服务器300，存储特征表和预设图像；
73.图像输出单元301，输出与匹配图像对应的预设图像。
74.在本发明实施例中，大数据图像实时多维分析系统的各单元可由相应的硬件或软件单元实现，各单元可以为独立的软、硬件单元，也可以集成为一个软、硬件单元，在此不用以限制本发明。
75.实施例三：
76.本发明实施例三提供了一种非易失性计算机可读存储介质，计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个或多个处理器执行，例如，执行以上描述的图1中的方法步骤s101至步骤s104。
77.作为示例，非易失性存储介质能够包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦rom(eeprom)或闪速存储器。易失性存储器能够包括作为外部高速缓存存储器的随机存取存储器(ram)。通过说明丽非限制，ram可以以诸如同步ram(sram)、
动态ram、(dram)、同步dram(sdram)、双数据速率sdram(ddr sdram)、增强型sdram(esdram)、synchlink dram(sldram)以及直接rambus(兰巴斯)ram(drram)之类的许多形式得到。本文中所描述的操作环境的所公开的存储器组件或存储器旨在包括这些和/或任何其他适合类型的存储器中的一个或多个。
78.实施例四：
79.本发明实施例四提供了一种计算机程序产品，计算机程序产品包括存储在非易失性计算机可读存储介质上的计算机程序，计算机程序包括程序指令，当程序指令被处理器执行时，使所述处理器执行上述方法实施例的大数据图像实时多维分析方法。例如，执行以上描述的图1中的方法步骤s101至步骤s104。
80.以上所描述的实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际需要选择其中的部分或者全部模块来实现本实施例方案的目的。
81.通过以上的实施例的描述，本领域的技术人员可以清楚地了解到各实施例可借助软件加通用硬件平台的方式来实现，当然也可以通过硬件实现。基于这样的理解，上述技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存在于计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机电子设备(可以是个人计算机，服务器，或者网络电子设备等)执行各个实施例或者实施例的某些部分的方法。
82.除了其他之外，诸如"能够'、"能"、"可能"或"可以"之类的条件语言除非另外具体地陈述或者在如所使用的上下文内以其他方式理解，否则一般地旨在传达特定实施方式能包括(然而其他实施方式不包括)特定特征、元件和/或操作。因此，这样的条件语言一般地不旨在暗示特征、元件和/或操作对于一个或多个实施方式无论如何都是需要的或者一个或多个实施方式必须包括用于在有或没有学生输入或提示的情况下判定这些特征、元件和/或操作是否被包括或者将在任何特定实施方式中被执行的逻辑。
83.已经在本文中在本说明书和附图中描述的内容包括能够提供大数据图像实时多维分析方法及系统的示例。当然，不能够出于描述本公开的各种特征的目的来描述元件和/或方法的每个可以想象的组合，但是可以认识到，所公开的特征的许多另外的组合和置换是可能的。因此，显而易见的是，在不脱离本公开的范围或精神的情况下能够对本公开做出各种修改。此外，或在替代方案中，本公开的其他实施例从对本说明书和附图的考虑以及如本文中所呈现的本公开的实践中可能是显而易见的。意图是，本说明书和附图中所提出的示例在所有方面被认为是说明性的而非限制性的。尽管在本文中采用了特定术语，但是它们在通用和描述性意义上被使用并且不用于限制的目的。