CBIR索引策略

Question

我正在开发一个CBIR解决方案，它将集成到一个车牌识别应用程序中。图像匹配算法非常健壮，但正如您可以想象的那样，数据库非常庞大，从数据库中提取匹配图像的速度非常慢。我曾尝试将图像量化为一个小的局部特征向量，甚至是一个单独的数值，但都没有成功。我们的想法是索引一些这样的值，以实现真正快速的提取，同时大大减少匹配候选值的数量。我已经阅读了很多关于这个主题的论文，但大多数都将分类和机器学习作为解决方案。由于我看不到分类是如何有用的，因为所有的图像都非常相似(车牌图片)，我想和过去遇到过类似问题的人讨论一下想法，甚至是一些对我如何解决这个问题有一些线索的人。很长一段时间以来，我一直在试图通过工程来解决这个性能问题，但没有太多成功。

Answer 1

考虑到评论中的其他信息，我将通过以下方式解决问题：

• Detect/segment从图像中提取车牌；
• 应用光学字符识别，以便从车牌中提取包含字母和数字的字符串；
• 为了验证两个图像是否对应于同一个车牌，请比较这两个字符串。另请注意，与多维特征向量相比，索引字符串要容易得多，效率也高得多。