本發(fā)明涉及模式識別領(lǐng)域，特別涉及一種圖片檢索方法及裝置。
背景技術(shù)：
：目前，圖片檢索一般是由用戶提供一張圖片給檢索服務(wù)器，檢索服務(wù)器提取該張圖片的整體特征，根據(jù)提取的整體特征在圖片數(shù)據(jù)庫中進行比對，查詢用戶需要的圖片。然而，實際應(yīng)用中，用戶需要的圖片為包含檢索對象的圖片，而該檢索對象僅占據(jù)用戶提供的圖片的一部分區(qū)域，如：一個人或一輛車等。因此，用戶提供的圖片中不包含檢索對象的區(qū)域會給圖片檢索帶來干擾，如：用戶想要獲得同一檢索對象在不同場景下的圖片(如同一輛車在不同路口出現(xiàn)的圖片或同一個人在商場不同區(qū)域出現(xiàn)的圖片)，檢索服務(wù)器在獲得用戶提供的圖片后，提取了該張圖片的整體特征，這樣在圖片數(shù)據(jù)庫中通過比對查詢到的圖片均是與用戶提供的圖片相似的圖片(如同一輛車在同一路口出現(xiàn)的圖片或同一個人在商場同一區(qū)域出現(xiàn)的圖片)，不能滿足用戶期望找到包含同一檢索對象的圖片的需求。技術(shù)實現(xiàn)要素：本發(fā)明實施例的目的在于提供一種圖片檢索方法及裝置，以獲得包含同一檢索對象的圖片，滿足用戶的期望。為達到上述目的，本發(fā)明實施例公開了一種圖片檢索方法，所述方法包括：接收用戶發(fā)送的查詢圖片；獲得所述查詢圖片中包含檢索對象的對象區(qū)域m1；根據(jù)所述對象區(qū)域m1，從圖片數(shù)據(jù)庫中獲得圖片，并將所獲得的圖片作為初始判斷圖片；判斷所述初始判斷圖片的圖片檢索精度是否大于第一預(yù)設(shè)圖片檢索精度；若為否，則重新獲得所述查詢圖片的對象區(qū)域m2，并獲得所述對象區(qū)域m2 的獨特性子區(qū)域，其中，所述對象區(qū)域m2與已獲得的對象區(qū)域不同，所述獨特性子區(qū)域為所述對象區(qū)域m2內(nèi)具有顯著性特征的區(qū)域；根據(jù)所述對象區(qū)域m2和所述獨特性子區(qū)域，從所述圖片數(shù)據(jù)庫中選擇圖片，將所述初始判斷圖片更新為所選擇的圖片，并執(zhí)行所述判斷所述初始判斷圖片的圖片檢索精度是否大于第一預(yù)設(shè)圖片檢索精度的步驟；若為是，根據(jù)所述初始判斷圖片，生成圖片檢索結(jié)果。在本發(fā)明的一種具體實現(xiàn)方式中，所述根據(jù)所述對象區(qū)域m1，從圖片數(shù)據(jù)庫中獲得圖片，包括：獲得所述對象區(qū)域m1的特征t1和圖片數(shù)據(jù)庫中每一圖片的特征t2，其中，所述特征t2為：所述圖片數(shù)據(jù)庫中的每一圖片中包含對象的區(qū)域的特征；根據(jù)所述特征t1和所述特征t2，計算所述圖片數(shù)據(jù)庫中的每一圖片與所述查詢圖片之間的相似度s1；根據(jù)所述相似度s1，從所述圖片數(shù)據(jù)庫中獲得圖片。在本發(fā)明的一種具體實現(xiàn)方式中，所述根據(jù)所述相似度s1，從所述圖片數(shù)據(jù)庫中獲得圖片，包括：從所述圖片數(shù)據(jù)庫中，獲得所述相似度s1大于第一預(yù)設(shè)閾值的圖片；或按照所述相似度s1從大到小的順序，對所述圖片數(shù)據(jù)庫中的圖片進行排序，根據(jù)排序結(jié)果獲得排序靠前的第一預(yù)設(shè)數(shù)量張圖片。在本發(fā)明的一種具體實現(xiàn)方式中，所述獲得所述對象區(qū)域m2的獨特性子區(qū)域，包括：根據(jù)所述對象區(qū)域m2的內(nèi)容確定所述對象區(qū)域m2的分類；根據(jù)所述分類從預(yù)設(shè)的顯著性目標庫中選擇顯著性目標子庫，其中，所述預(yù)設(shè)的顯著性目標庫按照分類包含一個或多個顯著性目標子庫，所述顯著性目標子庫中的每一圖片均具有顯著性特征；將所述對象區(qū)域m2和對象區(qū)域m3劃分為大小相等的子區(qū)域，其中，所述對象區(qū)域m3為所述顯著性目標子庫中每一圖片中包含對象的區(qū)域；獲得所述對象區(qū)域m2的每一子區(qū)域的特征t3和所述對象區(qū)域m3的每一子區(qū)域的特征t4；根據(jù)所述特征t3和所述特征t4，計算所述對象區(qū)域m2的每一子區(qū)域的顯著性系數(shù)；根據(jù)所述顯著性系數(shù)，從所述對象區(qū)域m2的子區(qū)域中確定獨特性子區(qū)域。在本發(fā)明的一種具體實現(xiàn)方式中，所述根據(jù)所述特征t3和所述特征t4，計算所述對象區(qū)域m2的每一子區(qū)域的顯著性系數(shù)，包括：根據(jù)所述特征t3和所述特征t4，計算所述對象區(qū)域m2的每一子區(qū)域與所述對象區(qū)域m3的每一子區(qū)域的差異性系數(shù)；根據(jù)所述差異性系數(shù)，獲得所述對象區(qū)域m2的每一子區(qū)域的顯著性系數(shù)。在本發(fā)明的一種具體實現(xiàn)方式中，所述根據(jù)所述顯著性系數(shù)，從所述對象區(qū)域m2的子區(qū)域中確定獨特性子區(qū)域，包括：從所述對象區(qū)域m2的子區(qū)域中，確定所述顯著性系數(shù)大于第二預(yù)設(shè)閾值的子區(qū)域為獨特性子區(qū)域；或按照所述顯著性系數(shù)從大到小的順序，對所述對象區(qū)域m2的每一子區(qū)域進行排序，根據(jù)排序結(jié)果確定排序靠前的第二預(yù)設(shè)數(shù)量個子區(qū)域為獨特性子區(qū)域。在本發(fā)明的一種具體實現(xiàn)方式中，所述根據(jù)所述對象區(qū)域m2和所述獨特性子區(qū)域，從所述圖片數(shù)據(jù)庫中選擇圖片，包括：獲得所述對象區(qū)域m2的特征t5和所述圖片數(shù)據(jù)庫中每一圖片的特征t6，其中，所述特征t6為：所述圖片數(shù)據(jù)庫中的每一圖片中包含對象的區(qū)域m2a的特征，所述包含對象的區(qū)域m2a為根據(jù)所述對象區(qū)域m2確定的；根據(jù)所述特征t5和所述特征t6，從所述圖片數(shù)據(jù)庫中獲得第三預(yù)設(shè)數(shù)量張圖片；獲得所述獨特性子區(qū)域的特征t7和所獲得的第三預(yù)設(shè)數(shù)量張圖片中每一圖片的特征t8，其中，所述特征t8為：所獲得的第三預(yù)設(shè)數(shù)量張圖片中的每一圖片中包含對象的區(qū)域m3a的特征，所述包含對象的區(qū)域m3a為根據(jù)所述獨特性子區(qū)域確定的；根據(jù)所述特征t7和所述特征t8，從所獲得的第三預(yù)設(shè)數(shù)量張圖片中選擇第四預(yù)設(shè)數(shù)量張圖片。在本發(fā)明的一種具體實現(xiàn)方式中，所述根據(jù)所述對象區(qū)域m2和所述獨特性子區(qū)域，從圖片數(shù)據(jù)庫中選擇圖片，將所述初始判斷圖片更新為所選擇的圖片之后，還包括：判斷所述初始判斷圖片的圖片檢索精度是否大于第二預(yù)設(shè)圖片檢索精度；若為否，按照預(yù)設(shè)的分類條件，將所獲得的圖片分為正樣本和負樣本；獲得所述正樣本中每一圖片的對象區(qū)域m4和所述負樣本中每一圖片的對象區(qū)域m5，并獲得所述對象區(qū)域m4的特征t9和所述對象區(qū)域m5的特征t10；根據(jù)所述特征t9和特征t6，計算所述圖片數(shù)據(jù)庫中每一圖片與正樣本中每一圖片之間的相似度s4，并根據(jù)所述特征t10和所述特征t6，計算所述圖片數(shù)據(jù)庫中每一圖片與所述負樣本中每一圖片之間的相似度s5，其中，所述特征t6為：所述圖片數(shù)據(jù)庫中的每一圖片中包含對象的區(qū)域m2a的特征，所述包含對象的區(qū)域m2a為根據(jù)所述對象區(qū)域m2確定的；根據(jù)所述相似度s4和所述相似度s5，計算所述圖片數(shù)據(jù)庫中每一圖片的最終相似度s6；根據(jù)所述最終相似度s6，從所述圖片數(shù)據(jù)庫中確定圖片，將所述初始判斷圖片更新為所確定的圖片，并繼續(xù)執(zhí)行所述判斷所述初始判斷圖片的圖片檢索精度是否大于第一預(yù)設(shè)圖片檢索精度的步驟。為達到上述目的，本發(fā)明實施例還公開了一種圖片檢索裝置，所述裝置包括：查詢圖片接收模塊，用于接收用戶發(fā)送的查詢圖片；第一區(qū)域獲得模塊，用于獲得所述查詢圖片中包含檢索對象的對象區(qū)域m1；圖片獲得模塊，用于根據(jù)所述對象區(qū)域m1，從圖片數(shù)據(jù)庫中獲得圖片，并將所獲得的圖片作為初始判斷圖片；第一精度判斷模塊，用于判斷所述初始判斷圖片的圖片檢索精度是否大于第一預(yù)設(shè)圖片檢索精度；第二區(qū)域獲得模塊，用于在所述第一精度判斷模塊的判斷結(jié)果為否的情況下，重新獲得所述查詢圖片的對象區(qū)域m2，并獲得所述對象區(qū)域m2的獨特性子區(qū)域，其中，所述對象區(qū)域m2與已獲得的對象區(qū)域不同，所述獨特性子區(qū)域為所述對象區(qū)域m2內(nèi)具有顯著性特征的區(qū)域；圖片選擇模塊，用于根據(jù)所述對象區(qū)域m2和所述獨特性子區(qū)域，從所述圖片數(shù)據(jù)庫中選擇圖片，將所述初始判斷圖片更新為所選擇的圖片，并觸發(fā)所述第一精度判斷模塊；檢索結(jié)果生成模塊，用于在所述第一精度判斷模塊的判斷結(jié)果為是的情況下，根據(jù)所述初始判斷圖片，生成圖片檢索結(jié)果。在本發(fā)明的一種具體實現(xiàn)方式中，所述圖片獲得模塊，包括：第一特征獲得子模塊，用于獲得所述對象區(qū)域m1的特征t1和圖片數(shù)據(jù)庫中每一圖片的特征t2，其中，所述特征t2為：所述圖片數(shù)據(jù)庫中的每一圖片中包含對象的區(qū)域的特征；相似度計算子模塊，用于根據(jù)所述特征t1和所述特征t2，計算所述圖片數(shù)據(jù)庫中的每一圖片與所述查詢圖片之間的相似度s1；第一圖片獲得子模塊，用于根據(jù)所述相似度s1，從所述圖片數(shù)據(jù)庫中獲得圖片。在本發(fā)明的一種具體實現(xiàn)方式中，所述圖片獲得子模塊，具體用于從所述圖片數(shù)據(jù)庫中，獲得所述相似度s1大于第一預(yù)設(shè)閾值的圖片；或具體用于按照所述相似度s1從大到小的順序，對所述圖片數(shù)據(jù)庫中的圖片進行排序，根據(jù)排序結(jié)果獲得排序靠前的第一預(yù)設(shè)數(shù)量張圖片。在本發(fā)明的一種具體實現(xiàn)方式中，所述第二區(qū)域獲得模塊，包括：區(qū)域獲得子模塊，用于重新獲得所述查詢圖片的對象區(qū)域m2；分類確定子模塊，用于根據(jù)所述對象區(qū)域m2的內(nèi)容確定所述對象區(qū)域m2的分類；子庫選擇子模塊，用于根據(jù)所述分類從預(yù)設(shè)的顯著性目標庫中選擇顯著性 目標子庫，其中，所述預(yù)設(shè)的顯著性目標庫按照分類包含一個或多個顯著性目標子庫，所述顯著性目標子庫中的每一圖片均具有顯著性特征；子區(qū)域劃分子模塊，用于將所述對象區(qū)域m2和對象區(qū)域m3劃分為大小相等的子區(qū)域，其中，所述對象區(qū)域m3為所述顯著性目標子庫中每一圖片中包含對象的區(qū)域；第二特征獲得子模塊，用于獲得所述對象區(qū)域m2的每一子區(qū)域的特征t3和所述對象區(qū)域m3的每一子區(qū)域的特征t4；系數(shù)計算子模塊，用于根據(jù)所述特征t3和所述特征t4，計算所述對象區(qū)域m2的每一子區(qū)域的顯著性系數(shù)；子區(qū)域確定子模塊，用于根據(jù)所述顯著性系數(shù)，從所述對象區(qū)域m2的子區(qū)域中確定獨特性子區(qū)域。在本發(fā)明的一種具體實現(xiàn)方式中，所述系數(shù)計算子模塊，具體用于：根據(jù)所述特征t3和所述特征t4，計算所述對象區(qū)域m2的每一子區(qū)域與所述對象區(qū)域m3的每一子區(qū)域的差異性系數(shù)；根據(jù)所述差異性系數(shù)，獲得所述對象區(qū)域m2的每一子區(qū)域的顯著性系數(shù)。在本發(fā)明的一種具體實現(xiàn)方式中，所述子區(qū)域確定子模塊，具體用于從所述對象區(qū)域m2的子區(qū)域中，確定所述顯著性系數(shù)大于第二預(yù)設(shè)閾值的子區(qū)域為獨特性子區(qū)域；或具體用于按照所述顯著性系數(shù)從大到小的順序，對所述對象區(qū)域m2的每一子區(qū)域進行排序，根據(jù)排序結(jié)果確定排序靠前的第二預(yù)設(shè)數(shù)量個子區(qū)域為獨特性子區(qū)域。在本發(fā)明的一種具體實現(xiàn)方式中，所述圖片選擇模塊，包括：第三特征獲得子模塊，用于獲得所述對象區(qū)域m2的特征t5和所述圖片數(shù)據(jù)庫中每一圖片的特征t6，其中，所述特征t6為：所述圖片數(shù)據(jù)庫中的每一圖片中包含對象的區(qū)域m2a的特征，所述包含對象的區(qū)域m2a為根據(jù)所述對象區(qū)域m2確定的；第二圖片獲得子模塊，用于根據(jù)所述特征t5和所述特征t6，從所述圖片數(shù)據(jù) 庫中獲得第三預(yù)設(shè)數(shù)量張圖片；第四特征獲得子模塊，用于獲得所述獨特性子區(qū)域的特征t7和所獲得的第三預(yù)設(shè)數(shù)量張圖片中每一圖片的特征t8，其中，所述特征t8為：所獲得的第三預(yù)設(shè)數(shù)量張圖片中的每一圖片中包含對象的區(qū)域m3a的特征，所述包含對象的區(qū)域m3a為根據(jù)所述獨特性子區(qū)域確定的；圖片選擇子模塊，用于根據(jù)所述特征t7和所述特征t8，從所獲得的第三預(yù)設(shè)數(shù)量張圖片中選擇第四預(yù)設(shè)數(shù)量張圖片。在本發(fā)明的一種具體實現(xiàn)方式中，所述裝置還包括：第二精度判斷模塊，用于判斷所述初始判斷圖片的圖片檢索精度是否大于第二預(yù)設(shè)圖片檢索精度；樣本劃分模塊，用于在所述第二精度判斷模塊判斷結(jié)果為否的情況下，按照預(yù)設(shè)的分類條件，將所獲得的圖片分為正樣本和負樣本；第三區(qū)域獲得模塊，用于獲得所述正樣本中每一圖片的對象區(qū)域m4和所述負樣本中每一圖片的對象區(qū)域m5，并獲得所述對象區(qū)域m4的特征t9和所述對象區(qū)域m5的特征t10；相似度計算模塊，用于根據(jù)所述特征t9和特征t6，計算所述圖片數(shù)據(jù)庫中每一圖片與正樣本中每一圖片之間的相似度s4，并根據(jù)所述特征t10和所述特征t6，計算所述圖片數(shù)據(jù)庫中每一圖片與所述負樣本中每一圖片之間的相似度s5，其中，所述特征t6為：所述圖片數(shù)據(jù)庫中的每一圖片中包含對象的區(qū)域m2a的特征，所述包含對象的區(qū)域m2a為根據(jù)所述對象區(qū)域m2確定的；最終相似度計算模塊，用于根據(jù)所述相似度s4和所述相似度s5，計算所述圖片數(shù)據(jù)庫中每一圖片的最終相似度s6；圖片確定模塊，用于根據(jù)所述最終相似度s6，從所述圖片數(shù)據(jù)庫中確定圖片，將所述初始判斷圖片更新為所確定的圖片，并觸發(fā)所述第一精度判斷模塊。由上可見，本發(fā)明實施例中，在進行圖片檢索時，首先確定出查詢圖片中的對象區(qū)域m1，根據(jù)該對象區(qū)域m1，從圖片數(shù)據(jù)庫中獲得圖片，將獲得的圖片作為初始判斷圖片，在該初始判斷圖片的圖片檢索精度不大于第一預(yù)設(shè)圖片檢索精度的情況下，重新獲得該查詢圖片的對象區(qū)域m2，并獲得該對象區(qū)域m2的 獨特性子區(qū)域，并根據(jù)對象區(qū)域m2和獨特性子區(qū)域，從圖片數(shù)據(jù)庫中選擇圖片，將初始判斷圖片更新為所選擇的圖片后，在該初始判斷圖片的圖片檢索精度大于第一預(yù)設(shè)圖片檢索精度的情況下，根據(jù)該初始判斷圖片，生成圖片檢索結(jié)果。該圖片檢索結(jié)果中包含的圖片根據(jù)查詢圖片中包含對象的對象區(qū)域和獨特性子區(qū)域獲得的，而不是根據(jù)查詢圖片的整體特征獲得的，因此，通過該方法能夠獲得包含同一檢索對象的圖片。附圖說明為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。圖1為本發(fā)明實施例提供的一種圖片檢索方法的流程示意圖；圖2為本發(fā)明實施例提供的另一種圖片檢索方法的流程示意圖；圖3為本發(fā)明實施例提供的一種圖片檢索裝置的結(jié)構(gòu)示意圖；圖4為本發(fā)明實施例提供的另一種圖片檢索裝置的結(jié)構(gòu)示意圖。具體實施方式下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。下面通過具體實施例，對本發(fā)明進行詳細說明。參考圖1，圖1為本發(fā)明實施例提供的一種圖片檢索方法的流程示意圖，該方法可以包括如下步驟：s101：接收用戶發(fā)送的查詢圖片；s102：獲得所述查詢圖片中包含檢索對象的對象區(qū)域m1；在檢索服務(wù)器接收到用戶提供的查詢圖片后，根據(jù)預(yù)設(shè)的區(qū)域劃分算法，獲得該查詢圖片中包含對象的對象區(qū)域(如：該圖片中的包含一個人或一輛車 的區(qū)域等)。另外，上述預(yù)設(shè)的區(qū)域劃分算法可以為現(xiàn)有技術(shù)中的任一區(qū)域劃分算法，本發(fā)明對此不進行限定。需要說明的是，獲得的對象區(qū)域中可以包含一個對象子區(qū)域，也可以包含多個對象子區(qū)域，例如，一張圖片中，有一張桌子，桌子上有一個碗和一個杯子，若獲得的對象區(qū)域為該張桌子的區(qū)域，那么該張桌子的區(qū)域的子區(qū)域可以為桌子上碗的區(qū)域和/或桌子上杯子的區(qū)域。另外，在本發(fā)明的一種具體實現(xiàn)方式中，在檢索服務(wù)器獲得該查詢圖片中包含對象的對象區(qū)域后，將獲得的對象區(qū)域作為參考對象區(qū)域，并將參考對象區(qū)域的信息發(fā)送給用戶，用戶接收到參考對象區(qū)域的信息后，可以調(diào)整參考對象區(qū)域的大小，若參考對象區(qū)域為多個，還可以從中至少選擇一個參考對象區(qū)域為對象區(qū)域，并將調(diào)整和/或選擇的對象區(qū)域反饋給檢索服務(wù)器，以使檢索服務(wù)器根據(jù)用戶調(diào)整和/或選擇的對象區(qū)域從圖片數(shù)據(jù)庫中獲得圖片，并生成圖片檢索結(jié)果。這樣經(jīng)過用戶的反饋確定對象區(qū)域，更容易獲得用戶需要的圖片。s103：根據(jù)所述對象區(qū)域m1，從圖片數(shù)據(jù)庫中獲得圖片，并將所獲得的圖片作為初始判斷圖片；這里，圖片數(shù)據(jù)庫，用于存儲圖片。具體地，上述根據(jù)對象區(qū)域m1，從圖片數(shù)據(jù)庫中獲得圖片，可以包括：s01、獲得對象區(qū)域m1的特征t1和圖片數(shù)據(jù)庫中每一圖片的特征t2，其中，特征t2為：圖片數(shù)據(jù)庫中的每一圖片中包含對象的區(qū)域的特征；需要說明的是，本發(fā)明實施例中提到的特征可以為：視覺特征，如：sift(scale-invariantfeaturetransform，尺度不變特征轉(zhuǎn)換)、surf、cn(colornames，顏色名)、各種顏色空間(如rgb，hsv，lab等)直方圖、lbp(localbinarypatterns、局部二值模式)紋理特征、bow(bagofword，詞袋模型)、fv(fishervector，費舍爾向量)、vlad(vectoroflocallyaggregateddescriptors，局部特征聚合描述符)、gabor濾波特征等。檢索服務(wù)器所獲得的對象區(qū)域m1的特征t1可以為上述視覺特征中的一種或多種。一種具體實現(xiàn)方式中，特征t2可以為：上述圖片數(shù)據(jù)庫中的每一圖片中所有包含對象的區(qū)域的特征，例如：一張圖片中包含的對象有“一輛車”和“一 個人”，此時采集該張圖片的特征t2就有2個，分別為包含“一輛車”的特征和包含“一個人”的特征。這樣獲得的特征t2更為全面，避免了因為計算的誤差，確定了錯誤的對象區(qū)域，并獲得了錯誤的對象區(qū)域的特征，進而使得檢索服務(wù)器不能獲得滿足用戶需要的圖片。一種具體實現(xiàn)方式中，特征t2還可以為：上述圖片數(shù)據(jù)庫中的每一圖片中包含對象的區(qū)域的特征，這里，包含的對象為與查詢圖片中的對象區(qū)域包含的檢索對象為一類。例如：查詢圖片中的對象區(qū)域中包含的檢索對象為“一輛汽車”，在上述圖片數(shù)據(jù)庫中的每一圖片的特征t2可以為：上述圖片數(shù)據(jù)庫中的每一圖片中包含“汽車”的區(qū)域的特征。這樣獲得與查詢圖片中的對象區(qū)域包含的檢索對象為一類的對象的區(qū)域的特征t2，能夠減少獲取特征t2時間，進而快速獲得用戶需要的包含同一檢索對象的圖片。一種具體實現(xiàn)方式中，特征t2還可以為：上述圖片數(shù)據(jù)庫中的每一圖片中與查詢圖片中的對象區(qū)域的位置相同的區(qū)域的特征。例如：查詢圖片中的對象區(qū)域在該查詢圖片的右下角，則特征t2為：上述圖片數(shù)據(jù)庫中的每一圖片中右下角區(qū)域的特征。因為，在一些情況下，事物必定會出現(xiàn)在圖片的特定位置，如：在一條筆直馬路上只有一個入口，那么如果一個輛車出現(xiàn)在該路上，那么該輛車必定會出現(xiàn)在路口處。因此，獲得與查詢圖片中的對象區(qū)域的位置相同的區(qū)域的特征t2，能夠減少獲取特征t2時間，快速獲得用戶需要的包含同一檢索對象的圖片。s02、根據(jù)特征t1和特征t2，計算圖片數(shù)據(jù)庫中的每一圖片與查詢圖片之間的相似度s1；s03、根據(jù)相似度s1，從圖片數(shù)據(jù)庫中獲得圖片。具體地，上述根據(jù)相似度s1，從圖片數(shù)據(jù)庫中獲得圖片，可以包括：從圖片數(shù)據(jù)庫中，獲得相似度s1大于第一預(yù)設(shè)閾值的圖片。假設(shè)，第一預(yù)設(shè)閾值為0.65，上述圖片數(shù)據(jù)庫中，有4張圖片a、b、c和d，通過它們的特征與查詢圖片a的特征，計算得到它們與查詢圖片a之間的相似度分別為[a，0.6]、[b，0.7]、[c，0.8]和[d，0.75]，那么，檢索服務(wù)器將從圖片數(shù)據(jù)庫中選擇圖片b、c和d。具體地，上述根據(jù)相似度s1，從圖片數(shù)據(jù)庫中獲得圖片，還可以包括：按照相似度s1從大到小的順序，對圖片數(shù)據(jù)庫中的圖片進行排序，根據(jù)排序結(jié)果獲得排序靠前的第一預(yù)設(shè)數(shù)量張圖片。假設(shè)，第一預(yù)設(shè)數(shù)量張圖片為2，上述圖片數(shù)據(jù)庫中，有4張圖片a、b、c和d，通過它們的特征與查詢圖片a的特征，計算得到它們與查詢圖片a之間的相似度分別為[a，0.6]、[b，0.7]、[c，0.8]和[d，0.75]，按照相似度s1從大到小的順序為c>d>b>a，那么，檢索服務(wù)器將從圖片數(shù)據(jù)庫中選擇圖片c和d。這樣獲得與查詢圖片的對象區(qū)域相似度高的圖片，而不是將所有圖片均作為檢索結(jié)果反饋給用戶，進而所獲得圖片更容易滿足用戶的需求。s104：判斷所述初始判斷圖片的圖片檢索精度是否大于第一預(yù)設(shè)圖片檢索精度，若為是，執(zhí)行步驟s105，若為否，執(zhí)行步驟s106；其中，上述第一預(yù)設(shè)圖片檢索精度可以為一個值，也可以為用戶設(shè)定的其他條件。當?shù)谝活A(yù)設(shè)圖片檢索精度為一個值時，該第一預(yù)設(shè)圖片檢索精度可以為恒定值，也可以不是，本發(fā)明對此不進行限定。s105：根據(jù)所述初始判斷圖片，生成圖片檢索結(jié)果；具體地，第一預(yù)設(shè)圖片檢索精度可以為恒定值，其用于與所有初始判斷圖片與查詢圖片之間的相似度的平均值進行比較。假設(shè)，第一預(yù)設(shè)圖片檢索精度為0.7，若從圖片數(shù)據(jù)庫中所獲得的圖片a、b和c(a、b和c均為初始判斷圖片)與查詢圖片a之間的相似度分別為[a，0.6]、[b，0.7]、[c，0.83]，則本次初始判斷圖片的圖片檢索精度為(0.6+0.7+0.83)/3＝0.71，由于0.71>0.7，則生成圖片檢索結(jié)果，該圖片檢索結(jié)果中包含所獲得的圖片a、b和c；若從圖片數(shù)據(jù)庫中所獲得的圖片a、b和c與查詢圖片a之間的相似度分別為[a，0.6]、[b，0.7]、[c，0.68]，則該本次所獲得的圖片的圖片檢索精度為(0.6+0.7+0.68)/3＝0.66，由于0.66<0.7，則不生成圖片檢索結(jié)果，繼續(xù)執(zhí)行步驟s106。另外，上述第一次預(yù)設(shè)圖片檢索精度還可以為根據(jù)初始判斷圖片與查詢圖片之間的相似度的平均值更新的非恒定值，假設(shè)，若從圖片數(shù)據(jù)庫中所獲得的圖片a、b和c(a、b和c均為初始判斷圖片)與查詢圖片a之間的相似度分別為[a，0.6]、[b，0.7]、[c，0.83]，則該本次初始判斷圖片的圖片檢索精度為(0.6+0.7+0.83) /3＝0.71，同時確定第一預(yù)設(shè)圖片檢索精度為0.71，由于0.71>0.6，0.71>0.7，0.71<0.83，則生成的圖片檢索結(jié)果中包含所獲得的圖片c。當然，上述第一次預(yù)設(shè)圖片檢索精度還可以為其他值，本發(fā)明對此不進行限定。在本發(fā)明的一種具體實現(xiàn)方式中，還可以將生成的圖片檢索結(jié)果發(fā)送給用戶，以使用戶確定生成的圖片檢索結(jié)果中包含的圖片是否為其需要的圖片。s106：重新獲得所述查詢圖片的對象區(qū)域m2，并獲得所述對象區(qū)域m2的獨特性子區(qū)域；需要強調(diào)的是，對象區(qū)域m2與已獲得的對象區(qū)域不同，以避免每次獲得相同的對象區(qū)域，使得檢索過程無法終結(jié)。另外，獨特性子區(qū)域為對象區(qū)域m2內(nèi)具有顯著性特征的區(qū)域，如：若圖片中的對象區(qū)域m2中為一輛車，則獨特性子區(qū)域很可能為該車的車牌或車標或車主在車上貼的圖案的區(qū)域等，若圖片中的對象區(qū)域m2中為一個人，則獨特性子區(qū)域很可能為該人的帽子或背包或鞋子等。獨特性子區(qū)域的特征是較為明顯、容易區(qū)分的，且其他相同事物上很可能不存在的。一次圖片檢索過程一般并不能獲得符合用戶需求的圖片，需要在不符合用戶需求的基礎(chǔ)上，對同一查詢圖片進行再次圖片檢索，以獲得用戶需要的圖片，具體地，當根據(jù)上述步驟s104，判斷得到初始判斷圖片的圖片檢索精度不大于第一預(yù)設(shè)圖片檢索精度，則檢索服務(wù)器可以重新獲得查詢圖片的對象區(qū)域m2。一種具體實現(xiàn)方式中，重新獲得對象區(qū)域m2的方法可以為：縮小對象區(qū)域，這樣可以使對象區(qū)域中包含的不必要的檢索對象盡量減少，如：用戶需要的圖片為包含汽車q的圖片，但確定的對象區(qū)域m1過大，包括了汽車q和人a，此時人a就是不必要的檢索對象，縮小對象區(qū)域m1，可以使對象區(qū)域m2只包含汽車q，這樣獲得的圖片更容易滿足用戶的需求；重新獲得對象區(qū)域m2的方法還可以為：添加對象區(qū)域使最終確定的對象區(qū)域中包含所有必要的檢索對象，如：用戶需要的圖片為包含人a和人b的圖片，但確定的對象區(qū)域m1中僅包含了人a，此時獲得圖片不夠準確，因此可以添加人b的區(qū)域，使對象區(qū)域m2中包含人a和人b，這樣獲得圖片更容易滿足用戶的需求。一種具體實現(xiàn)方式中，在初始判斷圖片的圖片檢索精度不大于第一預(yù)設(shè)圖 片檢索精度的情況下，可以將通知消息發(fā)送給用戶，告知用戶所獲得的圖片的圖片檢索精度不大于第一預(yù)設(shè)圖片檢索精度，此時，用戶可以根據(jù)該通知消息，調(diào)整查詢圖片中的對象區(qū)域，并將調(diào)整后的對象區(qū)域的信息發(fā)送給檢索服務(wù)器，檢索服務(wù)器根據(jù)該調(diào)整后的對象區(qū)域再次檢索圖片。這樣由用戶調(diào)整對象區(qū)域，能夠更為準確地獲得包含同一檢索對象的圖片，滿足用戶的需求。一種具體實現(xiàn)方式中，上述獲得對象區(qū)域m2的獨特性子區(qū)域，可以包括：s11、根據(jù)對象區(qū)域m2的內(nèi)容確定對象區(qū)域m2的分類；具體地，檢索服務(wù)器在獲得對象區(qū)域m2后，檢測獲得對象區(qū)域m2中對象的的特征，根據(jù)獲得的特征確定對象區(qū)域m2的內(nèi)容，進而，確定該區(qū)域的分類。假設(shè)，對象區(qū)域m2中的內(nèi)容為“汽車”，則確定該對象區(qū)域m2的分類為“汽車類”；若對象區(qū)域m2中的內(nèi)容為“杯子”，則確定該對象區(qū)域m2的分類為“杯子類”。s12、根據(jù)上述分類從預(yù)設(shè)的顯著性目標庫中選擇顯著性目標子庫；其中，預(yù)設(shè)的顯著性目標庫中包含一個或多個顯著性目標子庫，顯著性目標子庫中的每一圖片的均具有顯著性特征，如：杯子類的顯著性目標子庫、汽車類的顯著性目標子庫等。假設(shè)，步驟s1中確定對象區(qū)域的分類為“杯子類”，則確定的顯著性目標子庫為杯子類的顯著性目標子庫。s13、將對象區(qū)域m2和對象區(qū)域m3劃分為大小相等的子區(qū)域；其中，對象區(qū)域m3為顯著性目標子庫中每一圖片中包含對象的區(qū)域。根據(jù)步驟s12中的假設(shè)，對象區(qū)域m3為顯著性目標子庫中每一圖片中包含“杯子”的區(qū)域。需要說明的是，上述劃分的子區(qū)域尺寸相等，并且子區(qū)域之間可以存在重疊。s14、獲得對象區(qū)域m2的每一子區(qū)域的特征t3和對象區(qū)域m3的每一子區(qū)域的特征t4；s15、根據(jù)特征t3和特征t4，計算對象區(qū)域m2的每一子區(qū)域的顯著性系數(shù)；一種具體實現(xiàn)方式中，上述根據(jù)特征t3和特征t4，計算對象區(qū)域m2的每一 子區(qū)域的顯著性系數(shù)，可以包括：s151、根據(jù)特征t3和特征t4，計算對象區(qū)域m2的每一子區(qū)域與對象區(qū)域m3的每一子區(qū)域的差異性系數(shù)；這種情況下，上述特征t4為與上述特征t3對應(yīng)的子區(qū)域所對應(yīng)的區(qū)域的特征。具體地，特征t4對應(yīng)的子區(qū)域可以為將特征t3對應(yīng)的子區(qū)域縮放到同一尺寸后的同一位置或同一位置的相鄰位置的區(qū)域，差異性系數(shù)可以為兩個子區(qū)域之間的視覺特征的距離或其他衡量圖片子區(qū)域視覺差異的函數(shù)值，例如：對象區(qū)域m2的內(nèi)容為“杯子”，其中一個子區(qū)域a0為該杯子的手柄位置，則在計算差異性系數(shù)時，將子區(qū)域a0縮放到與顯著性目標子庫中的每一圖片中包含“杯子的手柄”位置的子區(qū)域大小相等時，確定該子區(qū)域a0與顯著性目標子庫中的每一圖片的對象區(qū)域m3中對應(yīng)位置的每一子區(qū)域之間的差異性系數(shù)。s152、根據(jù)差異性系數(shù)，獲得對象區(qū)域m2的每一子區(qū)域的顯著性系數(shù)。具體地，顯著性系數(shù)可以為查詢圖片的子區(qū)域與顯著性目標子庫中所有圖片中對應(yīng)的子區(qū)域的差異性系數(shù)中值，例如，獲得一待檢索圖片中一子區(qū)域a0與顯著性目標子庫中的每一圖片中對應(yīng)的子區(qū)域的差異性系數(shù)分別為0.71、0.75、0.78，則該子區(qū)域的顯著性系數(shù)為(0.71+0.75+0.78)/3＝0.74。當然，顯著性系數(shù)還可以為其他能衡量子區(qū)域獨特性的函數(shù)值，本發(fā)明對此不進行限定。s16、根據(jù)顯著性系數(shù)，從對象區(qū)域m2的子區(qū)域中確定獨特性子區(qū)域。具體地，顯著性系數(shù)為子區(qū)域的獨特性的度量值。一種具體實現(xiàn)方式中，上述根據(jù)顯著性系數(shù)，從對象區(qū)域m2的子區(qū)域中確定獨特性子區(qū)域，可以包括：從對象區(qū)域m2的子區(qū)域中，確定顯著性系數(shù)大于第二預(yù)設(shè)閾值的子區(qū)域為獨特性子區(qū)域。假設(shè)，第二預(yù)設(shè)閾值為0.75，若最終確定的查詢圖片的子區(qū)域a0、b0、c0和d0與顯著性目標子庫中每一圖片的顯著性系數(shù)為[a0，0.74]、[b0，0.73]、[c0，0.78]和[d0，0.80]，則可以確定子區(qū)域c0和d0為對象區(qū)域m2的獨特性子區(qū)域。一種具體實現(xiàn)方式中，上述根據(jù)顯著性系數(shù)，從對象區(qū)域m2的子區(qū)域中確定獨特性子區(qū)域，可以包括：按照顯著性系數(shù)從大到小的順序，對對象區(qū)域m2的每一子區(qū)域進行排序， 根據(jù)排序結(jié)果確定排序靠前的第二預(yù)設(shè)數(shù)量個子區(qū)域為獨特性子區(qū)域。假設(shè)，第二預(yù)設(shè)數(shù)量為3，若最終確定的查詢圖片的子區(qū)域a0、b0、c0和d0與顯著性目標子庫中每一圖片的顯著性系數(shù)為[a0，0.74]、[b0，0.73]、[c0，0.78]和[d0，0.80]，按照顯著性系數(shù)從大到小的順序為：d0>c0>a0>b0，則可以確定子區(qū)域a0、c0和d0為對象區(qū)域m2的獨特性子區(qū)域。另外，一種具體實現(xiàn)方式中，獨特性子區(qū)域可以由用戶的手工選擇確定，也可以由檢索服務(wù)器根據(jù)顯著性系數(shù)，確定獨特性子區(qū)域以后，將確定的獨特性子區(qū)域發(fā)送給用戶，用戶從中選擇出自己感興趣獨特性子區(qū)域，另外，用戶還可以對確定的獨特性子區(qū)域進行調(diào)整，以確定最后的獨特性子區(qū)域。s107：根據(jù)所述對象區(qū)域m2和所述獨特性子區(qū)域，從所述圖片數(shù)據(jù)庫中選擇圖片，將所述初始判斷圖片更新為所選擇的圖片，并繼續(xù)執(zhí)行步驟s104。具體地，上述根據(jù)對象區(qū)域m2和獨特性子區(qū)域，從圖片數(shù)據(jù)庫中選擇圖片，可以包括：s21、獲得對象區(qū)域m2的特征t5和圖片數(shù)據(jù)庫中每一圖片的特征t6；其中，特征t6為：圖片數(shù)據(jù)庫中的每一圖片中包含對象的區(qū)域m2a的特征，這里包含對象的區(qū)域m2a為根據(jù)對象區(qū)域m2確定，如：對象區(qū)域m2為1mm*1mm，則區(qū)域m2a為1mm*1mm。s22、根據(jù)特征t5和特征t6，從圖片數(shù)據(jù)庫中獲得第三預(yù)設(shè)數(shù)量張圖片；具體地，檢索服務(wù)器可以根據(jù)特征t3和特征t4，計算出圖片數(shù)據(jù)庫中的每一圖片與查詢圖片之間的相似度s2，對圖片數(shù)據(jù)庫中的圖片進行粗檢索，獲得第二預(yù)設(shè)數(shù)量張圖片。其中，所獲得的第二預(yù)設(shè)數(shù)量張圖片可以為相似度s2大于第三預(yù)設(shè)閾值的第三預(yù)設(shè)數(shù)量張圖片，也可以為按照相似度s2從大到小的順序，對圖片數(shù)據(jù)庫中的圖片進行排序，根據(jù)排序結(jié)果獲得排序靠前的第三預(yù)設(shè)數(shù)量張圖片。s23：獲得獨特性子區(qū)域的特征t7和所獲得的第三預(yù)設(shè)數(shù)量張圖片中每一圖片的特征t8；其中，特征t8為：所獲得的第三預(yù)設(shè)數(shù)量張圖片中的每一圖片中包含對象的區(qū)域m3a的特征，包含對象的區(qū)域m3a為根據(jù)獨特性子區(qū)域確定。需要說明的是，特征t7可以與查詢圖片的對象區(qū)域的特征t5相同，也可以不同。s24、根據(jù)所述特征t7和所述特征t8，從所獲得的第三預(yù)設(shè)數(shù)量張圖片中選擇第四預(yù)設(shè)數(shù)量張圖片；具體地，檢索服務(wù)器可以根據(jù)特征t7和特征t8，計算出所獲得的第三預(yù)設(shè)數(shù)量張圖片中的每一圖片與查詢圖片之間的相似度s3，對所獲得的第三預(yù)設(shè)數(shù)量張圖片中的圖片進行檢索，獲得第四預(yù)設(shè)數(shù)量張圖片。其中，所獲得的第四預(yù)設(shè)數(shù)量張圖片可以為相似度s3大于第四預(yù)設(shè)閾值的第四預(yù)設(shè)數(shù)量張圖片，也可以為按照相似度s3從大到小的順序，對所獲得的第二預(yù)設(shè)數(shù)量張圖片中的圖片進行排序，根據(jù)排序結(jié)果獲得排序靠前的第四預(yù)設(shè)數(shù)量張圖片。這種情況下，可以將初始判斷圖片更新為所獲得的第四預(yù)設(shè)數(shù)量張圖片，繼續(xù)執(zhí)行步驟s104，直至初始判斷圖片的圖片檢索精度大于第一預(yù)設(shè)圖片檢索精度。另外，本發(fā)明實施例中，在查詢圖片的對象區(qū)域中確定獨特性子區(qū)域，在根據(jù)對象區(qū)域檢索圖片后，根據(jù)獨特性子區(qū)域檢索所檢索到的圖片，因為，獨特性子區(qū)域為對象區(qū)域中具有顯著性特征的區(qū)域，因此根據(jù)獨特性子區(qū)域檢索所檢索到的圖片，能夠更為準確快速地獲得包含同一檢索對象的圖片，并滿足用戶的需求。作為本發(fā)明的一種實施方式，可以同時采用多種圖片檢索方法來檢索圖片，多種檢索方法可以相互彌補圖片檢索過程中的缺陷，進而快速獲得需要圖片。具體地，可參考圖2，圖2為本發(fā)明實施例提供的另一種基于正負樣本的圖片檢索方法的流程示意圖，該方法中，步驟s107之后，還可以包括：s201：判斷所述初始判斷圖片的圖片檢索精度是否大于第二預(yù)設(shè)圖片檢索精度，若為否，執(zhí)行步驟s202；一種具體實現(xiàn)方式中，若初始判斷圖片的圖片檢索精度大于第二預(yù)設(shè)圖片檢索精度，可以繼續(xù)執(zhí)行步驟s104，也可以繼續(xù)執(zhí)行步驟s105。這里，第二預(yù)設(shè)圖片檢索精度與第一預(yù)設(shè)圖片檢索精度可以相同，也可以不同。s202：按照預(yù)設(shè)的分類條件，將所獲得的圖片分為正樣本和負樣本；一種具體實現(xiàn)方式中，上述正樣本為所獲得的圖片中符合用戶期望的圖片，上述負樣本為所獲得的圖片中不符合用戶期望的圖片。s203：獲得所述正樣本中每一圖片的對象區(qū)域m4和所述負樣本中每一圖片的對象區(qū)域m5，并獲得所述對象區(qū)域m4的特征t9和所述對象區(qū)域m5的特征t10；s204：根據(jù)所述特征t9和特征t6，計算所述圖片數(shù)據(jù)庫中每一圖片與正樣本中每一圖片之間的相似度s4，并根據(jù)所述特征t10和所述特征t6，計算所述圖片數(shù)據(jù)庫中每一圖片與所述負樣本中每一圖片之間的相似度s5，其中，所述特征t6為：所述圖片數(shù)據(jù)庫中的每一圖片中包含對象的區(qū)域m2a的特征，所述包含對象的區(qū)域m2a為根據(jù)所述對象區(qū)域m2確定的；s205：根據(jù)所述相似度s4和所述相似度s5，計算所述圖片數(shù)據(jù)庫中每一圖片的最終相似度s6；由于正樣本中的圖片為滿足用期望的圖片，與正樣本中的圖片越相似，與用戶期望的圖片差距越小，負樣本中的圖片為不滿足用期望的圖片，與負樣本中的圖片越相似，與用戶期望的圖片差距越大，因此為了獲得滿足用戶期望的圖片，需要按照預(yù)設(shè)的抑制算法，根據(jù)相似度s4和相似度s5來獲得最終相似度s6。需要說明的是，計算得到的相似度s5對相似度s4起抑制作用，相似度s5越大，對相似度s4的抑制作用越強，假設(shè)，預(yù)設(shè)的抑制算法為相似度s4減去相似度s5的50％，那么若計算得到一圖片與正樣本的相似度s4為0.9，與負樣本的相似度s5為0.4，按照預(yù)設(shè)的抑制算法，可以得到最終相似度s6為0.9-0.4*50％＝0.7。另外，正樣本中不止一張圖片或一個對象區(qū)域，因此，一圖片與正樣本之間的相似度可能為多個，這就需要按照預(yù)設(shè)的加權(quán)融合算法，將該圖片與正樣本之間的所有相似度加權(quán)融合，假設(shè)，預(yù)設(shè)的加權(quán)融合算法為相似度的均值，若一圖片與正樣本之間的相似度有0.6、0.7和0.65，則加權(quán)融合后的最終相似度s6為：(0.6+0.7+0.65)/3＝0.65。s206：根據(jù)所述最終相似度s6，從所述圖片數(shù)據(jù)庫中確定圖片，將所述初始判斷圖片更新為所確定的圖片，并繼續(xù)執(zhí)行步驟s104。假設(shè)，正樣本中有4張圖片，它們的對象區(qū)域分別為a0、b0、c0和d0，負 樣本中有4張圖片，它們的對象區(qū)域分別為a1、b1、c1和d1，圖片數(shù)據(jù)庫中有3張圖片a、b和c，預(yù)設(shè)的抑制算法為相似度s4減去相似度s5的50％，預(yù)設(shè)的加權(quán)融合算法為相似度的均值，若獲得正樣本與圖片數(shù)據(jù)庫中的圖片的相似度如表1所示，獲得負樣本與圖片數(shù)據(jù)庫中的圖片的相似度如表2所示。表1a0b0c0d0a0.60.70.860.8b0.620.670.750.72c0.660.680.770.69表2a1b1c1d1a0.530.670.640.68b0.720.770.450.82c0.640.690.840.59根據(jù)上述表1和表2中的數(shù)據(jù)可以得到，圖片a與正樣本中圖片的相似度為(0.6+0.7+0.86+0.8)/4＝0.74，圖片a與負樣本中圖片的相似度為(0.53+0.67+0.64+0.68)/4＝0.63，則圖片a的最終相似度為0.74-0.63*50％＝0.425，圖片b與正樣本中圖片的相似度為(0.62+0.67+0.75+0.72)/4＝0.69，圖片b與負樣本中圖片的相似度為(0.72+0.77+0.45+0.82)/4＝0.69，則圖片b的最終相似度為0.69-0.69*50％＝0.345，圖片c與正樣本中圖片的相似度為(0.66+0.68+0.77+0.69)/4＝0.7，圖片c與負樣本中圖片的相似度為(0.64+0.69+0.84+0.59)/4＝0.69，則圖片c的最終相似度為0.7-0.69*50％＝0.355，0.425>0.355>0.345，此時若預(yù)設(shè)數(shù)量為2，則從圖片數(shù)據(jù)庫中獲得圖片a和c，若預(yù)設(shè)閾值為0.4，則獲得圖片a。另外，本發(fā)明實施例中，根據(jù)正樣本來檢索圖片，再根據(jù)負樣本對檢索到的圖片進行抑制，避免檢索到的圖片中包含大量不符合用戶期望對象區(qū)域，這使得檢索服務(wù)器能夠更為準確的獲得包含同一檢索對象的圖片，并滿足用戶的需求。應(yīng)用圖1所示實施例，在進行圖片檢索時，首先確定出查詢圖片中的對象區(qū)域m1，根據(jù)該對象區(qū)域m1，從圖片數(shù)據(jù)庫中獲得圖片，將獲得的圖片作為初始判斷圖片，在該初始判斷圖片的圖片檢索精度不大于第一預(yù)設(shè)圖片檢索精度的情況下，重新獲得該查詢圖片的對象區(qū)域m2，并獲得該對象區(qū)域m2的獨特性子區(qū)域，并根據(jù)對象區(qū)域m2和獨特性子區(qū)域，從圖片數(shù)據(jù)庫中選擇圖片，將初始判斷圖片更新為所選擇的圖片后，在該初始判斷圖片的圖片檢索精度大于第一預(yù)設(shè)圖片檢索精度的情況下，根據(jù)該初始判斷圖片，生成圖片檢索結(jié)果。該圖片檢索結(jié)果中包含的圖片根據(jù)查詢圖片中包含對象的對象區(qū)域和獨特性子區(qū)域獲得的，而不是根據(jù)查詢圖片的整體特征獲得的，因此，通過該方法能夠獲得包含同一檢索對象的圖片。參考圖3，圖3為本發(fā)明實施例提供的一種圖片檢索裝置的結(jié)構(gòu)示意圖，該裝置包括：查詢圖片接收模塊301，用于接收用戶發(fā)送的查詢圖片；第一區(qū)域獲得模塊302，用于獲得查詢圖片中包含檢索對象的對象區(qū)域m1；圖片獲得模塊303，用于根據(jù)對象區(qū)域m1，從圖片數(shù)據(jù)庫中獲得圖片，并將所獲得的圖片作為初始判斷圖片；第一精度判斷模塊304，用于判斷初始判斷圖片的圖片檢索精度是否大于第一預(yù)設(shè)圖片檢索精度；第二區(qū)域獲得模塊305，用于在第一精度判斷模塊304的判斷結(jié)果為否的情況下，重新獲得查詢圖片的對象區(qū)域m2，并獲得對象區(qū)域m2的獨特性子區(qū)域，其中，對象區(qū)域m2與已獲得的對象區(qū)域不同，獨特性子區(qū)域為對象區(qū)域m2內(nèi)具有顯著性特征的區(qū)域；圖片選擇模塊306，用于根據(jù)對象區(qū)域m2和獨特性子區(qū)域，從圖片數(shù)據(jù)庫中選擇圖片，將初始判斷圖片更新為所選擇的圖片，并觸發(fā)第一精度判斷模塊304；檢索結(jié)果生成模塊307，用于在第一精度判斷模塊304的判斷結(jié)果為是的情況下，根據(jù)初始判斷圖片，生成圖片檢索結(jié)果。一種具體實現(xiàn)方式中，圖片獲得模塊303，可以包括：第一特征獲得子模塊，用于獲得對象區(qū)域m1的特征t1和圖片數(shù)據(jù)庫中每一 圖片的特征t2，其中，特征t2為：圖片數(shù)據(jù)庫中的每一圖片中包含對象的區(qū)域的特征；相似度計算子模塊，用于根據(jù)特征t1和特征t2，計算圖片數(shù)據(jù)庫中的每一圖片與查詢圖片之間的相似度s1；第一圖片獲得子模塊，用于根據(jù)相似度s1，從圖片數(shù)據(jù)庫中獲得圖片(圖3中未示出)。一種具體實現(xiàn)方式中，上述第一圖片獲得子模塊，具體用于從圖片數(shù)據(jù)庫中，獲得相似度s1大于第一預(yù)設(shè)閾值的圖片；或具體用于按照相似度s1從大到小的順序，對圖片數(shù)據(jù)庫中的圖片進行排序，根據(jù)排序結(jié)果獲得排序靠前的第一預(yù)設(shè)數(shù)量張圖片。一種具體實現(xiàn)方式中，第二區(qū)域獲得模塊305，可以包括：區(qū)域獲得子模塊，用于重新獲得查詢圖片的對象區(qū)域m2；分類確定子模塊，用于根據(jù)對象區(qū)域m2的內(nèi)容確定對象區(qū)域m2的分類；子庫選擇子模塊，用于根據(jù)分類從預(yù)設(shè)的顯著性目標庫中選擇顯著性目標子庫，其中，預(yù)設(shè)的顯著性目標庫按照分類包含一個或多個顯著性目標子庫，顯著性目標子庫中的每一圖片均具有顯著性特征；子區(qū)域劃分子模塊，用于將對象區(qū)域m2和對象區(qū)域m3劃分為大小相等的子區(qū)域，其中，對象區(qū)域m3為顯著性目標子庫中每一圖片中包含對象的區(qū)域；第二特征獲得子模塊，用于獲得對象區(qū)域m2的每一子區(qū)域的特征t3和對象區(qū)域m3的每一子區(qū)域的特征t4；系數(shù)計算子模塊，用于根據(jù)特征t3和特征t4，計算對象區(qū)域m2的每一子區(qū)域的顯著性系數(shù)；子區(qū)域確定子模塊，用于根據(jù)顯著性系數(shù)，從對象區(qū)域m2的子區(qū)域中確定獨特性子區(qū)域(圖3中未示出)。一種具體實現(xiàn)方式中，系數(shù)計算子模塊，具體用于：根據(jù)特征t3和特征t4，計算對象區(qū)域m2的每一子區(qū)域與對象區(qū)域m3的每一 子區(qū)域的差異性系數(shù)；根據(jù)差異性系數(shù)，獲得對象區(qū)域m2的每一子區(qū)域的顯著性系數(shù)。一種具體實現(xiàn)方式中，子區(qū)域確定子模塊，具體用于從對象區(qū)域m2的子區(qū)域中，確定顯著性系數(shù)大于第二預(yù)設(shè)閾值的子區(qū)域為獨特性子區(qū)域；或具體用于按照顯著性系數(shù)從大到小的順序，對對象區(qū)域m2的每一子區(qū)域進行排序，根據(jù)排序結(jié)果確定排序靠前的第二預(yù)設(shè)數(shù)量個子區(qū)域為獨特性子區(qū)域。一種具體實現(xiàn)方式中，圖片選擇模塊306，可以包括：第三特征獲得子模塊，用于獲得對象區(qū)域m2的特征t5和圖片數(shù)據(jù)庫中每一圖片的特征t6，其中，特征t6為：圖片數(shù)據(jù)庫中的每一圖片中包含對象的區(qū)域m2a的特征，包含對象的區(qū)域m2a為根據(jù)對象區(qū)域m2確定的；第二圖片獲得子模塊，用于根據(jù)特征t5和特征t6，從圖片數(shù)據(jù)庫中獲得第三預(yù)設(shè)數(shù)量張圖片；第四特征獲得子模塊，用于獲得獨特性子區(qū)域的特征t7和所獲得的第三預(yù)設(shè)數(shù)量張圖片中每一圖片的特征t8，其中，特征t8為：所獲得的第三預(yù)設(shè)數(shù)量張圖片中的每一圖片中包含對象的區(qū)域m3a的特征，包含對象的區(qū)域m3a為根據(jù)獨特性子區(qū)域確定的；圖片選擇子模塊，用于根據(jù)特征t7和特征t8，從所獲得的第三預(yù)設(shè)數(shù)量張圖片中選擇第四預(yù)設(shè)數(shù)量張圖片(圖3中未示出)。作為本發(fā)明的一種實施方式，可以同時采用多種圖片檢索裝置來檢索圖片，多種檢索裝置可以相互彌補圖片檢索過程中的缺陷，進而快速獲得需要圖片。具體地，可參考圖4，圖4為本發(fā)明實施例提供的另一種基于正負樣本的圖片檢索裝置的結(jié)構(gòu)示意圖，該裝置中，圖片選擇模塊306將初始判斷圖片更新為所選擇的圖片后，觸發(fā)第二精度判斷模塊401；第二精度判斷模塊401，用于判斷初始判斷圖片的圖片檢索精度是否大于第二預(yù)設(shè)圖片檢索精度；樣本劃分模塊402，用于在第二精度判斷模塊401判斷結(jié)果為否的情況下， 按照預(yù)設(shè)的分類條件，將所獲得的圖片分為正樣本和負樣本；第三區(qū)域獲得模塊403，用于獲得正樣本中每一圖片的對象區(qū)域m4和負樣本中每一圖片的對象區(qū)域m5，并獲得對象區(qū)域m4的特征t9和對象區(qū)域m5的特征t10；相似度計算模塊404，用于根據(jù)特征t9和特征t6，計算圖片數(shù)據(jù)庫中每一圖片與正樣本中每一圖片之間的相似度s4，并根據(jù)特征t10和特征t6，計算圖片數(shù)據(jù)庫中每一圖片與負樣本中每一圖片之間的相似度s5，其中，特征t6為：圖片數(shù)據(jù)庫中的每一圖片中包含對象的區(qū)域m2a的特征，包含對象的區(qū)域m2a為根據(jù)對象區(qū)域m2確定的；最終相似度計算模塊405，用于根據(jù)相似度s4和相似度s5，計算圖片數(shù)據(jù)庫中每一圖片的最終相似度s6；圖片確定模塊406，用于根據(jù)最終相似度s6，從圖片數(shù)據(jù)庫中確定圖片，將初始判斷圖片更新為所確定的圖片，并觸發(fā)第一精度判斷模塊304。一種具體實現(xiàn)方式中，若第二精度判斷模塊401的判斷結(jié)果為是，那么可以觸發(fā)檢索結(jié)果生成模塊307，生成圖片檢測結(jié)果；也可以觸發(fā)第一精度判斷模塊304，判斷初始判斷圖片的圖片檢索精度是否大于第一預(yù)設(shè)圖片檢索精度。應(yīng)用圖3所示實施例，在進行圖片檢索時，首先確定出查詢圖片中的對象區(qū)域m1，根據(jù)該對象區(qū)域m1，從圖片數(shù)據(jù)庫中獲得圖片，將獲得的圖片作為初始判斷圖片，在該初始判斷圖片的圖片檢索精度不大于第一預(yù)設(shè)圖片檢索精度的情況下，重新獲得該查詢圖片的對象區(qū)域m2，并獲得該對象區(qū)域m2的獨特性子區(qū)域，并根據(jù)對象區(qū)域m2和獨特性子區(qū)域，從圖片數(shù)據(jù)庫中選擇圖片，將初始判斷圖片更新為所選擇的圖片后，在該初始判斷圖片的圖片檢索精度大于第一預(yù)設(shè)圖片檢索精度的情況下，根據(jù)該初始判斷圖片，生成圖片檢索結(jié)果。該圖片檢索結(jié)果中包含的圖片根據(jù)查詢圖片中包含對象的對象區(qū)域和獨特性子區(qū)域獲得的，而不是根據(jù)查詢圖片的整體特征獲得的，因此，通過該方法能夠獲得包含同一檢索對象的圖片。對于裝置實施例而言，由于其基本相似于方法實施例，所以描述的比較簡單，相關(guān)之處參見方法實施例的部分說明即可。需要說明的是，在本文中，諸如第一和第二等之類的關(guān)系術(shù)語僅僅用來將一個實體或者操作與另一個實體或操作區(qū)分開來，而不一定要求或者暗示這些實體或操作之間存在任何這種實際的關(guān)系或者順序。而且，術(shù)語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者設(shè)備不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者設(shè)備所固有的要素。在沒有更多限制的情況下，由語句“包括一個……”限定的要素，并不排除在包括所述要素的過程、方法、物品或者設(shè)備中還存在另外的相同要素。本領(lǐng)域普通技術(shù)人員可以理解實現(xiàn)上述方法實施方式中的全部或部分步驟是可以通過程序來指令相關(guān)的硬件來完成，所述的程序可以存儲于計算機可讀取存儲介質(zhì)中，這里所稱得的存儲介質(zhì)，如：rom/ram、磁碟、光盤等。以上所述僅為本發(fā)明的較佳實施例而已，并非用于限定本發(fā)明的保護范圍。凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換、改進等，均包含在本發(fā)明的保護范圍內(nèi)。當前第1頁12