一种图像特征提取方法及系统技术方案

本申请公开了一种图像特征提取方法，包括：获取待处理图像集；将待处理图像集中的待处理图像分发至位于预先搭建的计算机集群系统中的计算节点；分别利用每个计算节点，对接收到的待处理图像进行特征提取操作，得到相应的图像特征。可见，本发明专利技术获取到待处理图像之后，将会把待处理图像分发至计算机集群系统中的各个计算节点，然后利用每个计算节点对接收到的待处理图像进行特征提取操作，这样能够在同一时间下对多份待处理图像进行特征提取处理，避免了现有技术中存在的效率低的缺陷。也即，本发明专利技术提高了图像特征的提取效率。另外，本申请还相应公开了一种图像特征提取系统。

Image feature extraction method and system

Including the extraction method, the invention discloses an image feature: acquiring the image set; the original image from image to be processed is distributed to the nodes in cluster computer system set up in advance; were calculated using each node, the image feature extraction operation to be received at the image feature the corresponding. Obviously, after the invention to obtain the image, the image will be distributed to the computer cluster system in computing node, and then use each computing node to the received image feature extraction operation, which at the same time on multiple copies of image feature extraction, avoid the efficiency of defects existing in the prior art is low. That is to say, the invention improves the extraction efficiency of image features. In addition, the invention also discloses an image feature extraction system.

【技术实现步骤摘要】

本专利技术涉及图像处理
，特别涉及一种图像特征提取方法及系统。
技术介绍
当前，随着信息时代的发展，信息数据越来越多，与此同时，人们也迫切需要对信息数据进行高效地处理，尤其是在图像处理方面。由于当前人们每次只能通过电脑对一份图像数据进行特征提取操作，所以导致图像特征提取效率非常低。在需要对大规模的图像数据进行特征提取的情况下，现有技术便显得力不从心，难以满足人们对高效率的迫切需求。综上所述可以看出，如何提高图像特征的提取效率是目前亟待解决的问题。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种图像特征提取方法及系统，提高了图像特征的提取效率。其具体方案如下：一种图像特征提取方法，包括：获取待处理图像集；将所述待处理图像集中的待处理图像分发至位于预先搭建的计算机集群系统中的计算节点；分别利用每个计算节点，对接收到的待处理图像进行特征提取操作，得到相应的图像特征。可选的，所述计算机集群系统为KNL集群系统。可选的，所述将所述待处理图像集中的待处理图像分发至位于预先搭建的计算机集群系统中的计算节点的过程，包括：确定出每个计算节点的当前计算能力；从所述待处理图像集中提取出与每个计算节点的当前计算能力相适应的待处理图像，并将提取出的待处理图像分发至相应的计算节点。可选的，所述确定出每个计算节点的当前计算能力的过程，包括：根据每个计算节点的当前实时负载，确定出每个计算节点的当前计算能力。可选的，利用目标计算节点，对接收到的待处理图像进行特征提取操作的过程，包括：将所述目标计算节点接收到的待处理图像保存至位于所述目标计算节点上的本地存储；在所述目标计算节点内创建至少一个处理线程，得到相应的处理线程集；将保存在所述本地存储中的待处理图像并行分发至所述处理线程集中的每个处理线程，以利用每个处理线程对接收到的待处理图像进行特征提取操作；其中，所述目标计算节点为所述计算机集群系统中的任一计算节点。可选的，所述图像特征提取方法，还包括：在利用所述目标计算节点对接收到的待处理图像进行特征提取操作的过程中，将本次过程中所产生的特征数据存储至位于所述目标计算节点上的MCDRAM内存。本专利技术还公开了一种图像特征提取系统，包括：图像获取模块，用于获取待处理图像集；图像分发模块，用于将所述待处理图像集中的待处理图像分发至位于预先搭建的计算机集群系统中的计算节点；特征提取模块，用于分别利用每个计算节点，对接收到的待处理图像进行特征提取操作，得到相应的图像特征。可选的，所述计算机集群系统为KNL集群系统。可选的，所述图像分发模块，包括：计算能力确定单元，用于确定出每个计算节点的当前计算能力；图像分发单元，用于从所述待处理图像集中提取出与每个计算节点的当前计算能力相适应的待处理图像，并将提取出的待处理图像分发至相应的计算节点。可选的，所述特征提取模块，包括：图像本地保存单元，用于将目标计算节点接收到的待处理图像保存至位于所述目标计算节点上的本地存储；线程创建单元，用于在所述目标计算节点内创建至少一个处理线程，得到相应的处理线程集；特征提取单元，用于将保存在所述本地存储中的待处理图像并行分发至所述处理线程集中的每个处理线程，以利用每个处理线程对接收到的待处理图像进行特征提取操作；其中，所述目标计算节点为所述计算机集群系统中的任一计算节点。本专利技术中，图像特征提取方法，包括：获取待处理图像集；将待处理图像集中的待处理图像分发至位于预先搭建的计算机集群系统中的计算节点；分别利用每个计算节点，对接收到的待处理图像进行特征提取操作，得到相应的图像特征。可见，本专利技术获取到待处理图像之后，将会把待处理图像分发至计算机集群系统中的各个计算节点，然后利用每个计算节点对接收到的待处理图像进行特征提取操作，这样能够在同一时间下对多份待处理图像进行特征提取处理，避免了现有技术中存在的效率低的缺陷。也即，本专利技术提高了图像特征的提取效率。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，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，还可以根据提供的附图获得其他的附图。图1为本专利技术实施例公开的一种图像特征提取方法流程图；图2为本专利技术实施例公开的一种图像特征提取系统结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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，都属于本专利技术保护的范围。本专利技术实施例公开了一种图像特征提取方法，参见图1所示，该方法包括：步骤S11：获取待处理图像集。可以理解的是，本实施例中，获取上述待处理图像集的过程，具体可以包括获取同一用户终端发送的多张待处理图像，当然也可以包括由多个不同的用户终端发送的不同的待处理图像。步骤S12：将待处理图像集中的待处理图像分发至位于预先搭建的计算机集群系统中的计算节点。本实施例中，可以在预先设定的发送时刻到达时，同时将上述待处理图像集中的待处理图像分发至上述计算机集群系统中的不同计算节点，当然，也可以不要同时分发，只要求在预设时间段之内，能够将上述待处理图像集中的待处理图像分发至上述计算机集群系统中的不同计算节点即可。可以理解的是，上述预设时间段的数值是一个较小值，例如设定为小于10秒的时间值。步骤S13：分别利用每个计算节点，对接收到的待处理图像进行特征提取操作，得到相应的图像特征。可以理解的是，上述计算机集群系统的每个计算节点均可利用自身的计算资源以及相应的图像特征提取算法，对接收到的待处理图像进行特征提取操作。本实施例中所提取的图像特征可以包括但不限于图像特征点和/或颜色特征和/或纹理特征和/或形状特征和/或空间关系特征，而上述各种特征均对应于不同的特征提取算法，例如可以利用SIFT算法或SURF算法来提取图像特征点，具体的，提取待处理图像的图像特征点的过程主要包括构件尺度空间、检测关键点、确定关键点方向和关键点特征提取这四个子步骤，而至于上述其他图像特征数据的具体提取过程均可以参考现有技术中公开的相应技术方案，在此不再进行赘述。可见，本专利技术实施例获取到待处理图像之后，将会把待处理图像分发至计算机集群系统中的各个计算节点，然后利用每个计算节点对接收到的待处理图像进行特征提取操作，这样能够在同一时间下对多份待处理图像进行特征提取处理，避免了现有技术中存在的效率低的缺陷。也即，本专利技术实施例提高了图像特征的提取效率。本专利技术实施例公开了一种具体的图像特征提取方法，具体包括如下步骤：步骤S21：获取待处理图像集。步骤S22：确定出KNL集群系统中每个计算节点的当前计算能力。需要说明的是，本实施例中，上述KNL集群系统是现有技术中的一种高性能的计算机集群系统，KNL集群系统中的计算节点具有非常强大的计算能力。当然，除了采用KNL集群系统作为上一实施例中的计算机集群系统，也可以采用现有技术中的其他计算机集群系统，在此不再一一列举。另外，上述确定出每个计算节点的当前计算能力的过程，具体可以包括：根据每个计算节点的当前实时本文档来自技高网...

【技术保护点】
一种图像特征提取方法，其特征在于，包括：获取待处理图像集；将所述待处理图像集中的待处理图像分发至位于预先搭建的计算机集群系统中的计算节点；分别利用每个计算节点，对接收到的待处理图像进行特征提取操作，得到相应的图像特征。

【技术特征摘要】
1.一种图像特征提取方法，其特征在于，包括：获取待处理图像集；将所述待处理图像集中的待处理图像分发至位于预先搭建的计算机集群系统中的计算节点；分别利用每个计算节点，对接收到的待处理图像进行特征提取操作，得到相应的图像特征。2.根据权利要求1所述的图像特征提取方法，其特征在于，所述计算机集群系统为KNL集群系统。3.根据权利要求2所述的图像特征提取方法，其特征在于，所述将所述待处理图像集中的待处理图像分发至位于预先搭建的计算机集群系统中的计算节点的过程，包括：确定出每个计算节点的当前计算能力；从所述待处理图像集中提取出与每个计算节点的当前计算能力相适应的待处理图像，并将提取出的待处理图像分发至相应的计算节点。4.根据权利要求3所述的图像特征提取方法，其特征在于，所述确定出每个计算节点的当前计算能力的过程，包括：根据每个计算节点的当前实时负载，确定出每个计算节点的当前计算能力。5.根据权利要求1至4任一项所述的图像特征提取方法，其特征在于，利用目标计算节点，对接收到的待处理图像进行特征提取操作的过程，包括：将所述目标计算节点接收到的待处理图像保存至位于所述目标计算节点上的本地存储；在所述目标计算节点内创建至少一个处理线程，得到相应的处理线程集；将保存在所述本地存储中的待处理图像并行分发至所述处理线程集中的每个处理线程，以利用每个处理线程对接收到的待处理图像进行特征提取操作；其中，所述目标计算节点为所述计算机集群系统中的任一计算节点。6.根据权利要求5所述的图像特征提...

【专利技术属性】
技术研发人员：宋书涛，陈旭，张清，
申请(专利权)人：郑州云海信息技术有限公司，
类型：发明
国别省市：河南;41