(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111633114.6 (22)申请日 2021.12.2 9 (71)申请人 深圳阿塔 基科技有限公司 地址 518000 广东省深圳市宝安区新 安街 道兴东社区67区高新奇厂房5层F01 (72)发明人 田家栋　张东昱　陈方兵　 (74)专利代理 机构 深圳市众元信科专利代理有 限公司 4 4757 代理人 郑妍宇 (51)Int.Cl. G06F 16/532(2019.01) G06F 16/538(2019.01) G06F 16/55(2019.01) G06F 16/583(2019.01) G06K 9/62(2022.01)G06V 10/764(2022.01) (54)发明名称 基于大数据的数据搜索方法及系统 (57)摘要 本申请提供一种基于大数据的数据搜索方 法及系统， 该方法包括： 终端设备采集待搜索对 象的第一图像， 对第一图像进行分类识别确定第 一图像中的n个文字区域与n个图片区域； 终端设 备将n个搜索区域分别输入到搜索引擎中， 搜索 引擎在大数据中搜索得到n个搜索区域的结果， 每个搜索区域的结果均包含多个搜索结果 以及 多个搜索结果对应的置信率； 终端设备保留每个 搜索区域的结果中置信率大于置信阈值的m个搜 索结果， 提取n个搜索区域的所有结果即n*m个结 果， 统计n*m个结果中相同结果的数量， 选择相同 结果的数量的最大数量值对应的第一结果为该 第一图像的最终结果。 本申请具有搜索准确性高 的优点。 权利要求书2页 说明书6页 附图2页 CN 114357212 A 2022.04.15 CN 114357212 A 1.一种基于大 数据的数据搜索方法， 其特 征在于， 所述方法包括如下步骤： 终端设备采集待搜索对象的第一图像， 对第一图像进行分类识别确定第一图像中的n 个文字区域与n个图片区域； 终端设备将n个文字区域与n个图片区域按预设的文字区域与图片区域之间的位置关 系将n个文字区域和n个图片区域划分成n个搜索区域； 终端设备将n个搜索区域分别输入到搜索引擎中， 搜索引擎在大数据中搜索得到n个搜 索区域的结果， 每个搜索区域的结果均包含多个搜索结果以及多个搜索结果对应的置信 率； 终端设备保留每个搜索区域的结果中置信率大于置信阈值的m个搜索结果， 提取n个搜 索区域的所有结果即n*m个结果， 统计n*m个结果中相同结果的数量， 选择相同结果的数量 的最大数量值对应的第一结果 为该第一图像的最终结果。 2.根据权利要求1所述的方法， 其特征在于， 所述述终端设备将n个文字区域与n个图片 区域按预设的文字区域与图片区域之间的位置 关系将n个文字区域和n个图片区域划分成n 个搜索区域具体包括： 终端设备从n个图片区域中提取第一图片区域， 抓取第一图片区域的中心点O， 以中心 点为端点 发射多条射线， 获取多 条射线中与一个文字区域相交的w 1条射线， 提取w条射线中 与文字区域第一相交的w1个端点， 获取中心点O与w1个端点之间的w1个线段之间的距离得 到w1个距离， 计算w 1个距离的平均值β 1； 遍历所有的文字区域得到n ‑1个距离的平均值， 从n 个距离平均值中确 定最小值βmin且βmin小于距离阈值的第一文字区域确 定为第一图片区域 对应的文字区域， 将第一文字区域确定为第一图片区域的范围组合起来得到一个搜索区 域， 终端设备遍历n个图片区域中剩余图片区域得到剩余的搜索区域。 3.根据权利要求1所述的方法， 其特 征在于， 所述方法还 包括： 终端设备依据该置信阈值的区间来确定m的取值。 4.根据权利要求3所述的方法， 其特征在于， 所述终端设备依据 该置信阈值的区间来确 定m的取值具体包括： 终端设备确定置信 阈值对应的第一区间， 依据区间与m的映射关系提取第一区间对应 的m的取值。 5.一种基于大 数据的数据搜索系统， 其特 征在于， 所述系统包括： 采集单元， 用于采集待搜索对象的第一图像， 对第一图像进行分类识别确定第一图像 中的n个文字区域与n个图片区域； 处理单元， 用于将n个文字区域与n个图片区域按预设的文字区域与图片区域之间的位 置关系将n个文字区域和n个图片区域划分成n个搜索区域； 将n个搜索区域分别输入到搜索 引擎中， 搜索引擎在大数据中搜索得到n个搜索区域的结果， 每个搜索区域的结果均包含多 个搜索结果以及多个搜索结果对应的置信率； 保留每个搜索区域的结果中置信率大于置信 阈值的m个搜索结果， 提取n个搜索区域的所有结果即n*m个结果， 统计n*m个结果中相同结 果的数量， 选择相同结果的数量的最大 数量值对应的第一结果 为该第一图像的最终结果。 6.根据权利要求5所述的系统， 其特 征在于， 所述处理单元， 具体用于从n个图片区域中提取第 一图片区域， 抓取第 一图片区域的中 心点O， 以中心点为端点发射多条射线， 获取多条射线中与一个文字区域相交的w1条射线，权　利　要　求　书 1/2 页 2 CN 114357212 A 2提取w条射线中与文字区域第一相交的w 1个端点， 获取中心点O与w 1个端点之间的w 1个线段 之间的距离得到w 1个距离， 计算w1个距离的平均值β 1； 遍历所有的文字区域得到n ‑1个距离 的平均值， 从n个距离平均值中确定最小值βmin且βmin小于距离阈值的第一文字区域确 定为 第一图片区域对应的文字区域， 将第一文字区域确定为第一图片区域的范围组合起来得到 一个搜索区域， 终端设备遍历n个图片区域中剩余图片区域得到剩余的搜索区域。 7.根据权利要求5所述的系统， 其特 征在于， 所述处理单元， 还用于依据该置信阈值的区间来确定m的取值。 8.根据权利要求7 所述的系统， 其特 征在于， 所述处理单元， 具体确定置信阈值对应的第一区间， 依据区间与m的映射关系提取第一 区间对应的m的取值。 9.一种计算机可读存储介质， 其存储用于电子数据交换的程序， 其中， 所述程序使得终 端执行如权利要求1 ‑4任意一项提供的方法。权　利　要　求　书 2/2 页 3 CN 114357212 A 3