技术领域
[0001] 本
发明涉及商标
信息检索领域，具体涉及一种商标检索方法、装置和系统。
背景技术
[0002] 商标检索是注册
申请、商标审查、商标管理、商标维权等程序中的重要工作。商标检索的主要目的是找出商标法意义上相同或近似的商标，用以确认某一商标的权利权属范围的信息情况。世界知识产权组织的前身——保护知识产权联合
国际局与国际协调委员会于1967年成立专家委员会，研究起草商标图形要素国际分类。在1973年6月12日维也纳外交大会签订的一项协定中首次引入图形要素分类。以维也纳协定建立的《商标图形要素国际分类》被各国广泛使用。该分类被商标界普遍认为具备科学、方便、易操作等特点，是商标审查管理人员、商标检索查询人员、商标
代理人及商标
申请人检索商标图形、正确划分商标图形要素及进行商标图形要素计算机检索不可缺少的工具。
[0003] 一方面，目前传统的商标检索工具基本上是按输入的内容区分为商标名称的中文文字检索、英文文字检索、其他文字检索、图形要素编码检索以及商标注册申请项目内容检索等实现检索目的。其中传统的商标检索工具对商标图形检索主要以人工输入的商标图形要素编码作为检索条件实现检索目的。但是，传统的商标图形检索工具虽然可以执行商标信息的检索任务，但存在明显的
缺陷和弊端，主要体现在：商标图形要素编码要求专业性较强，普通人员不懂编码或不易编码，影响了图形商标检索的广泛应用。即使是专业人员编码，因不同专业人员主观判断商标图像的意义会存在差异，这种差异会造成相同或近似商标的漏检。商标图形要素编码在商标检索中基本还是手工录入和个人判断，还没有智能化的手段。另外，即使不考虑专业性限制较强的因素，利用传统的商标检索工具按输入的图形要素编码的匹配结果一般都高达数千条记录，有的过万条记录，需要商标图形检索人员逐条人工查看来确认是否属于商标法意义上相同或近似商标，工作效率低下和工作精
力消耗巨大是显然易见的。
[0004] 另一方面，随着
图像识别技术的进步和发展，为了提升图形商标检索的智能化
水平，国内外也曾将图像识别技术引入商标检索领域，形成了一些基于图像识别技术的商标检索方法。但是，现有的基于图像识别技术的商标检索方法在理论上可以执行商标信息的检索任务，但也存在较多的缺陷和弊端，主要体现在：基本未采用国际上通用的商标图形要素编码标准进行商标检索，很难在现行的商标审查标准规则下找出相同或近似商标，由于现有的基于图像识别技术的商标检索方法不符合国际上通用的商标图形要素编码的检索标准，一直未能获得商标主管机关和商标法律服务行业内的普遍认可，易产生相同或近似商标的漏检，实用性较差。因此，现有的基于图像特征识别技术的商标检索方法极少被商业化或公益化应用于商标主管机关、商标代理机构、商标法律服务机构及企业商标管理部
门等专业领域的实际工作中。
发明内容
[0005] 有鉴于此，本发明提出一种商标检索方法、装置和系统，将国际上通用的商标图形要素编码检索图形商标与基于图像识别技术方法检索图形商标相结合，全面反映商标的特征，可实现图形商标的标准化检索。
[0006] 一方面，本发明提供一种商标检索方法，包括：S101，建立样本商标库并建立样本商标与已知的已申请注册图形商标图形要素编码划分数据的对应关系；S102，对样本商标的图像特征信息进行提取及处理，并建立样本商标与所提取的图像特征信息的对应关系；S103，对待检商标的图像特征信息进行提取及处理；S104，以待检商标的图像特征信息为检索条件进行匹配检索，找出与待检商标图像特征信息匹配并达到预定近似度的样本商标和与待检商标图像特征信息近似度最高的样本商标及对应的商标图形要素编码；S105，获取和确认待检商标的图形要素编码；S106，以确认的图形要素编码为检索条件进行匹配检索，找出与所述确认的图形要素编码匹配的样本商标；S107，将以待检商标的图像特征信息为检索条件的检索结果和以所述确认的图形要素编码为检索条件的检索结果进行归集；
S108，将归集后的商标按照图像特征信息近似度进行排序并报告商标查询结果。
[0007] 另一方面，本发明还提供一种商标检索装置，包括：样本商标库创建模
块，用于建立样本商标库并建立样本商标与已知的已申请注册图形商标图形要素编码划分数据的对应关系；样本商标图像特征信息提取模块，用于对样本商标的图像特征信息进行提取及处理，并建立样本商标与所提取的图像特征信息的对应关系；待检商标图像特征信息提取模块，用于对待检商标的图像特征信息进行提取及处理；第一匹配检索模块，用于以待检商标的图像特征信息为检索条件进行匹配检索，找出与待检商标图像特征信息匹配并达到预定近似度的样本商标和与待检商标图像特征信息近似度最高的样本商标及对应的商标图形要素编码；图形要素编码确认模块，用于获取和确认待检商标的图形要素编码；第二匹配检索模块，用于以确认的图形要素编码为检索条件进行匹配检索，找出与所述确认的图形要素编码匹配的样本商标；归集处理模块，用于将以待检商标的图像特征信息为检索条件的检索结果和以所述确认的图形要素编码为检索条件的检索结果进行归集；排序处理模块，用于将归集后的商标按照图像特征信息近似度进行排序并报告商标查询结果。
[0008] 再一方面，本发明还提供一种商标检索系统，包括
存储器和
服务器；所述存储器和服务器经配置执行以下操作：建立样本商标库并建立样本商标与已知的已申请注册图形商标图形要素编码划分数据的对应关系；对样本商标的图像特征信息进行提取及处理，并建立样本商标与所提取的图像特征信息的对应关系；对待检商标的图像特征信息进行提取及处理；以待检商标的图像特征信息为检索条件进行匹配检索，找出与待检商标图像特征信息匹配并达到预定近似度的样本商标和与待检商标图像特征信息近似度最高的样本商标及对应的商标图形要素编码；获取和确认待检商标的图形要素编码；以确认的图形要素编码为检索条件进行匹配检索，找出与所述确认的图形要素编码匹配的样本商标；将以待检商标的图像特征信息为检索条件的检索结果和以所述确认的图形要素编码为检索条件的检索结果进行归集；将归集后的商标按照图像特征信息近似度进行排序并报告商标查询结果。
[0009] 本发明
实施例的商标检索方法采用了国际上通用的商标图形要素编码检索图形商标与基于图像识别技术方法检索图形商标相结合的方法，能起到取长补短的效果，两种检索方法的组合运用能更全面地反映了商标的特征，能实现图形商标的标准化检索，有效提高相同或近似商标检出率和可靠性，克服了现有的基于图像识别技术的商标检索方法未采用国际上通用的商标图形要素编码标准进行商标检索的技术缺陷或局限。本发明的实施例实现了利用现有已知的已申请注册图形商标图形要素编码划分的
大数据资源由系统学习并自动划分商标图形要素编码，解决了商标图形要素编码划分的标准化识别和以往因不同专业人员主观划分存在差异的问题。本发明实施例所提供的图形商标近似度排序方法，填补了使用商标图形要素编码检索图形商标还没有有效的近似度排序功能的空白，通过实施归集后的商标按照近似度进行排序的处理，商标图形检索人员在无需查看全部检索结果的情况下就能够找出目标商标，或可以根据排序规律查看检索结果而快速找出目标商标，能有效增强商标检索工具的实用性和可操作性，提高相同或近似商标检出率、可靠性和检索结果查看的方便性等目的。可有效解决现有的商标检索工具工作效率低下和工作时间及精力消耗巨大的难题，提高了工作效率，可节省更多的阅读时间和精力，具有很高的应用价值。
附图说明
[0010] 图1是本发明实施例的商标检索方法的
流程图。
[0011] 图2是本发明实施例的示例性图像原图。
[0012] 图3是本发明实施例的示例性轮廓特征线图。
[0013] 图4是本发明实施例的自然基准
定位的方向定位图。
[0014] 图5是本发明实施例的自然基准定位的提取方形定位图。
[0015] 图6是本发明一个实施例的基
准直线定位的方向定位图。
[0016] 图7是本发明另一实施例的基准直线定位的方向定位图。
[0017] 图8是本发明实施例的基准直线定位的提取方形定位图。
[0018] 图9是本发明另一实施例的示例性图像原图。
[0019] 图10是本发明另一实施例的示例性轮廓特征线图。
具体实施方式
[0020] 以下结合附图以及具体实施例，对本发明的技术方案进行详细描述。
[0021] 图1示出了本发明实施例的商标检索方法的流程图，包括以下步骤：
[0022] S101，建立样本商标库并建立样本商标与已知的已申请注册图形商标图形要素编码划分数据的对应关系；
[0023] S102，对样本商标的图像特征信息进行提取及处理，并建立样本商标与所提取的图像特征信息的对应关系；
[0024] S103，对待检商标的图像特征信息进行提取及处理；
[0025] S104，以待检商标的图像特征信息为检索条件进行匹配检索，找出与待检商标图像特征信息匹配并达到预定近似度的样本商标和与待检商标图像特征信息近似度最高的样本商标及对应的商标图形要素编码；
[0026] S105，获取和确认待检商标的图形要素编码；
[0027] S106，以确认的图形要素编码为检索条件进行匹配检索，找出与所述确认的图形要素编码匹配的样本商标；
[0028] S107，将以待检商标的图像特征信息为检索条件的检索结果和以所述确认的图形要素编码为检索条件的检索结果进行归集；
[0029] S108，将归集后的商标按照图像特征信息近似度进行排序并报告商标查询结果。
[0030] 以下对上述各个步骤进行详细描述。
[0031] 第一，建立样本商标库并建立样本商标与已知的已申请注册图形商标图形要素编码划分数据的对应关系。
[0032] 图2随机给出若干样本商标的图像，在本发明实施例中，就是要建立样本商标库和利用已知的已申请注册图形商标图形要素编码划分数据在样本商标库中记录样本商标的图形要素编码信息。
[0033] 其中商标图形要素编码是指依据《建立商标图形要素国际分类维也纳协定》所产生一种的商标图形要素划分工具，由商标图形要素按大类、小类及组分类的一览表组成，其中包括商标图形要素编号和商标图形要素名称构成。
[0034] 第二，对样本商标图像特征进行识别处理和提取图像特征信息。
[0035] 对样本商标图像特征进行识别处理和提取特征信息的目的是通过图像特征信息的匹配可以找到相同或最近似的商标。
[0036] 由于多边形逼近法中的Teh-Chin检测
算法提取的图像轮廓线能较好地反映商标的显著特征，本技术方案采用多边形逼近法中的Teh-Chin检测算法提取样本商标图像的关键
像素点特征信息，即样本商标图像轮廓特征线上像素点的坐标值。
[0037] 样本商标图像的关键像素点特征信息提取也可以采用其他已知的技术方法，包括提取骨架特征信息，提取形状的特征信息，提取模板特征信息等。
[0038] 在本发明的实施例中，对样本商标图像特征进行识别处理和提取图像特征信息的过程如下：
[0039] ①对样本商标进行灰度化、二值化和/或去噪处理：
[0040] 灰度数字图像是每个像素只有一个
采样颜色的图像。这类图像通常显示为从最暗黑色到最亮的白色的灰度，尽管理论上这个采样可以任何颜色的不同深浅，甚至可以是不同
亮度上的不同颜色。灰度图像与黑白图像不同，在计算机图像领域中黑白图像只有黑白两种颜色，灰度图像在黑色与白色之间还有许多级的颜色深度。
[0041] 图像二值化就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的黑白效果。
[0042] 噪点主要是指CCD(CMOS)将光线作为接收
信号并输出的过程中所产生的图像中的粗糙部分，也指图像中不该出现的外来像素，通常由
电子干扰产生。看起来就像图像被弄脏了，布满一些细小的糙点。我们平时所拍摄的数码照片如果用个人电脑将拍摄到的高画质图像缩小以后再看的话，也许就注意不到。不过，如果将原图像放大，那么就会出现本来没有的颜色(假色)，这种假色就是图像噪音，可以通过技术手段将这些噪点去除。
[0043] ②对经灰度化、二值化、去噪处理的样本商标图像提取其的轮廓特征线，轮廓特征线包括样本商标图像的外轮廓线和内轮廓线：
[0044] 在本发明的实施例中，利用多边形逼近法提取图像的关键像素点特征，即轮廓特征线，轮廓特征线就是轮廓线上像素点的集合，可生成样本商标图像轮廓特征线上的像素点序列图像。图3示出了若干图像的轮廓特征线，可以看到，轮廓特征线包括外轮廓线上的像素点和内轮廓线上的像素点。像素点是该图像中固有的原始特征。
[0045] ③在
坐标系中对轮廓特征线进行方向与提取方形的定位：
[0046] 对轮廓特征线进行方向与提取方形的定位就是将轮廓特征线的放置
位置采用一定的方法进行方向和提取方形的唯一性定位。
[0047] 在实际应用中，方向定位的具体目的是：为了实现不同比对图像轮廓特征线上像素点在方向上的可比性，需要将样本商标图像置于统一的方向定位位置上，解决图像的方向、
角度等有
变形或差异时的可比性和唯一性问题。这样才能在坐标系里准确提取其坐标值，实现相同或近似图像坐标值的可比性。
[0048] 在实际应用中，提取方形定位的具体目的是：为了实现不同比对图像轮廓特征线上像素点在提取方形内的可比性，需要将样本商标图像置于提取方形内，解决图像识别范围的完整性和图像的大小、形状、位置等有变形或差异时的可比性和唯一性问题。这样才能在坐标系里准确提取其完整的坐标值，实现相同或近似图像坐标值在完整性上的可比性。
[0049] 具体地，本发明实施例采用基准定位的方式实现上述目的，基准定位包括：自然基准定位和基准直线定位。在同一处理体系中只能
选定一种定位标准，否则会破坏其可比性。
[0050] 图4示出了自然基准定位的方向定位要点，图5示出了自然基准定位的提取方形为外接矩形的定位要点。自然基准定位是将样本商标图像轮廓特征线在不改变旋转方向的条件下平移至样本商标图像轮廓特征线上像素点的x轴坐标最小值为0，且y轴坐标最小值为0的坐标系中。采用自然基准定位具有简单易快速定位的优点。
[0051] 图6和图7示出了基准直线定位的方向定位要点，图8示出了基准直线定位的提取方形为外接正方形的定位要点。基准直线定位是在样本商标图像轮廓特征线上找出定位直线，将样本商标图像轮廓特征线以最小的旋转和平移至定位直线与x轴或y轴平行(本实施例为与x轴平行)，且样本商标图像轮廓特征线上像素点的x轴坐标最小值为0，样本商标图像轮廓特征线在提取方形内向y轴对齐并居中。采用基准直线定位的优点是定位精确，对放置不同角度的图像或不规则的图像具有较好的唯一性定位基准。
[0052] 以下描述不同情况下基准直线定位的处理过程：
[0053] 1、采用基准直线定位进行方向定位。首先，检测样本商标图像轮廓特征线上像素点的排列是否存在直线特征，如果有直线特征，找出外轮廓线上的最长的直线，然后，旋转样本商标图像轮廓特征线，以最小的旋转度角使该外轮廓线上最长的直线与x轴或y轴平行，即可确定轮廓特征线在方向上进行了定位。图6实施例采用外轮廓线上最长直线实施方向定位。
[0054] 方向定位时如果出现外轮廓线上最长的直线有两条或两条以上时，选取实现最小的旋转度角使该外轮廓线上最长的直线与x轴或y轴平行的直线作为基准直线。
[0055] 方向定位时如果出现样本商标图像轮廓特征线上像素点的排列不存在直线特征时，检测并计算轮廓特征线上距离最大的两个像素点，将轮廓特征线旋转和平移至该距离最大的两个像素点之间的虚拟直线与x轴平行，且图像轮廓特征线上像素点的x轴坐标最小值为0。图7实施例采用距离最大的两个像素点之间的虚拟直线实施方向定位。
[0056] 方向定位时如果出现样本商标图像轮廓特征线上距离最大的像素点超过两个时，取实现以最小的旋转度角使距离最大的两个像素点之间的虚拟直线与x轴或y轴平行时所对应的该虚拟直线作为基准直线实施方向定位。
[0057] 2、采用基准直线进行提取方形定位。首先，检测样本商标图像轮廓特征线上像素点在坐标系中x轴或y轴最大值，取该最大值为边长做正方形，并使样本商标图像轮廓特征线在正方形向y轴对齐并居中，然后平移该正方形使其一条边线与x轴重合，另一条边线与y轴重合，如图8实施例所示。
[0058] 经过上述定位处理，使不同的图形特征信息之间具备可比性，使不同的图像拥有共同的参照标准和统一的比对环境。
[0059] 此外，在本发明其他实施例中，对样本商标图像轮廓特征线进行定位还可采取与上述不同的定位策略，例如利用样本商标图像轮廓特征线的外接圆法，使该外接圆与x轴和y轴相切；也可采用样本商标图像轮廓特征线的外接其他几何图形法，使该几何图形与x轴和y轴相切。
[0060] ④在所述坐标系中提取轮廓特征线中像素点的坐标值Gn(xn,yn)：
[0061] 样本商标图像轮廓特征线经方向定位和提取方形定位后，以单个像素点为一个坐标刻度在坐标系内提取轮廓特征线上全部像素点的坐标值Gn(xn,yn),其中角标n代表第n个像素点，所提取的像素点包括外轮廓线和内轮廓线上的所有像素点。同时可统计轮廓特征线上的像素点总数。
[0062] 需要注意的是，提取样本商标图像轮廓特征线上每个像素点的坐标值Gn(xn,yn)时，应基于同一方向定位和提取方形定位标准，否则会破坏其可比性。
[0063] ⑤按预设的规则将坐标值Gn(xn,yn)以相对数表示，获得相对坐标值Sn(xn,yn)：
[0064] 对于视觉上相同的多个图像，因不同图像的大小存在差异，所以即使经过图像的方向定位和提取方形定位后，也很难保证其轮廓线上全部像素点的坐标值相同，这为图像的坐标匹配带来困难。为解决这个问题，对轮廓线上像素点的坐标值进行相对数转换，得到每个像素点的相对坐标值，可以有效解决图像在大小存在差异情况下的坐标匹配问题。以相对数方式表达像素点的坐标值，可称为相对坐标值，记为Sn(xn,yn)，具体地，轮廓特征线上像素点的坐标值转换为相对坐标值的计算公式如下：
[0065] 相对坐标值Sn(xn,yn)＝Gn(xn/h，yn/h)，
[0066] 其中，xn为第n个像素点在所述坐标系中的x轴坐标值，
[0067] yn为第n个像素点在坐标系中的y轴坐标值，
[0068] h为提取方形的最大直线边长，
[0069] 其中，Sn的xn和yn的值以相对数(百分数)表示，Gn的xn和yn的值以绝对数表示。
[0070] 在本发明的实施例中，相对数坐标是指通过将相对于坐标原点的绝对坐标值转换为以绝对坐标值与图像提取方形的最大直线边长的比率反映的坐标。
[0071] 采用相对坐标值表示轮廓特征线上的像素点特征，可以消除由尺寸差异导致的坐标值差异，使得即使两个图像的尺寸比例差别巨大，也可以识别出实质相同的图像。
[0072] ⑥根据
图像分析需求确定相对坐标值Sn(xn,yn)的变形公差参数。
[0073] 在实际应用中需要注意：转换相对坐标值的过程中应合理确定转换变形公差范围。变形公差是指当像素点在任意方向上偏移至变形公差参数范围内时，该像素点的相对坐标值保持不变。本发明的实施例根据图像分析需要确定相对坐标值Sn(xn,yn)的变形公差i。轮廓特征线上像素点的坐标值Gn(xn,yn)转换为相对坐标值Sn(xn,yn)后，能根据相对坐标值微小的差异区分样本商标图像的唯一性，但坐标匹配时则可能很难找到相匹配的图像，采用变形公差可以解决图像在变形公差范围内的坐称匹配问题。变形公差具体的取值应根据图像分析的需求确定。变形公差参数一般取百分数，如1％，2％等等。在本发明的实施例中，变形公差参数i取0.5％至10％的范围。
[0074] ⑦按变形公差参数和“未过半舍，过半入”的取整规则对相对坐标值Sn(xn,yn)进行取整，以获取经变形公差精确取整后的像素点的取整相对坐标值Zn(xn,yn)：
[0075] 当变形公差参数取1％时，像素点相对坐标值的x轴和y轴坐标应平均划分为100个基准相对坐标，凡不落入基准相对坐标的相对坐标值须按取整规则取整，以落入基准坐标。
[0076] 本实施例的取整规则：根据变形公差参数对像素点的相对坐标值Sn(xn,yn)按“未过半舍，过半入”的取整规则进行取整，以获取经变形公差精确后的像素点的取整相对坐标值Zn(xn,yn)。
[0077] 结合本发明的如下实施例说明取整的具体处理过程：
[0078] 实施例一：假如获得的某一样本商标图像轮廓特征线上一组像素点的相对坐标值Sn(xn,yn)如下：
[0079] S1(0％，52.321％)，S2(0.891％，51.567％)，S3(2.189％，50.463％)，S4(3.986％，49.646％)，S5(4.895％，47.347％)，S6(6.263％，45.396％)，S7(8.231％，43.373％)，S8(9.172％，41.502％)，S9(11.265％，38.674％)。
[0080] 以变形公差参数i取2％为例，按“未过半舍，过半入”的取整规则进行取整，获取以上像素点经变形公差精确后的取整相对坐标值Zn(xn,yn)如下：
[0081] Z1(0％，52％)，Z 2(0％，52％)，Z 3(2％，50％)，Z 4(4％，50％)，Z 5(4％，48％)，Z 6(6％，46％)，Z 7(8％，44％)，Z 8(10％，42％)，Z 9(12％，38％)。
[0082] ⑧，将经精确取整后的像素点的取整相对坐标值Zn(xn,yn)输出，保存于样本商标库。
[0083] 在本发明的实施例中，在计算得到样本商标图像轮廓特征线上像素点的取整相对坐标值Zn(xn,yn)之后，可将计算结果输出。前述计算出的样本商标图像轮廓特征线上所有像素点的取整相对坐标值Zn(xn,yn)，以数据形式输出并保存在样本商标图像
数据库，可用于与其他待识别商标图像的取整相对坐标值Zn(xn,yn)进行识别、匹配、比较、分析，通过像素点的取整相对坐标值Zn(xn,yn)的重合程度反映不同商标的相似度。
[0084] ⑨建立样本商标图像的子图分卡并提取子图分卡的图像特征信息：
[0085] 首先，检测已提取样本商标图形轮廓线中相对独立部分的连通域轮廓线，即每一个连续像素点数组为一个连通域轮廓线；然后，将其分割作为该样本商标图像的子图分卡；最后，以子图分卡为处理对象，重复前述①-⑧的处理，提取样本商标图像的子图分卡的图像特征信息，获取子图分卡的相对坐标值sn(xn,yn)和取整相对坐标值zn(xn,yn)。
[0086] 其中，样本商标图像的子图分卡的处理过程：
[0087] 1)对样本图像轮廓线上像素点取整相对坐标值Zn(xn,yn)进行排序，像素点取整相对坐标值Zn(xn,yn)排序规则：第1排序按x轴的值升序排序，第2排序按y轴的值升序排序。也可降序排序或混合排序。
[0088] 2)计算和检测连续像素点数组，即检测像素点间的排列是否具有连续排列的特征，检测方法：自x轴为0的像素点起检测相邻像素点，当排序后的相邻像素点x轴或y轴坐标数增加或减少数超过1个刻度值时，视为断点，断点前的一组像素点为第1个连续像素点数组；自断点后的像素点起再检测相邻像素点，当相邻像素点x轴或y轴坐标数增加或减少数超过1个刻度值时，视为又一断点，断点前的一组像素点分割为第2个连续像素点数组；如此类推，直至检测完轮廓特征线上全部像素点。
[0089] 3)将每一连续像素点数组保存为一个样本商标图像的子图分卡。
[0090] 对于一些连通域轮廓线可能具备再分割的图形要素时，或多个连通域轮廓线可能组合构成一个相对独立的图形要素时，可以由
数据处理人员通过本技术方案中的装置和系统进行编辑，自定义分割或合并其构图要素，即可正确划分样本商标图像的子图分卡。
[0091] ⑩输出并保存从样本商标图像子图分卡所提取的相对坐标值sn(xn,yn)和取整相对坐标值zn(xn,yn)。
[0092] 前述计算出的样本商标子图图像轮廓线上所有像素点的取整相对坐标值zn(xn,yn)，以数据形式输出并保存在样本商标数据库的某一商标记录之下，可用于与待检商标图像的取整相对坐标值Zn(xn,yn)匹配比较分析，通过像素点的取整相对坐标值的重合度多少去反映两图像的相似度。
[0093] 第三，对待检商标图像特征进行识别处理和提取图像特征信息。
[0094] 在本发明的实施例中，参照前述第二点中“对样本商标图像特征进行识别处理和提取图像特征信息”的处理过程，以待检商标为处理对象，对待检商标图像特征进行识别处理和提取图像特征信息，分别提取待检商标主图和子图分卡的图像特征信息。
[0095] 本发明实施例所提取的图像特征信息主要是待检商标图像轮廓特征线上像素点的相对坐标值Sn(xn,yn)和取整相对坐标值Zn(xn,yn)。注意：图像特征信息包含但不限于Sn(xn,yn)和Zn(xn,yn)，根据此图像特征信息进行推导和变型也可得到其他图像特征信息，均可用于表征图像本身包含的信息。
[0096] 第四，以待检商标图像特征信息为检索条件进行商标检索，找出与待检商标图像特征信息匹配并达到一定近似度的样本商标和与待检商标图像特征信息近似度最高的样本商标及对应的商标图形要素编码(即样本商标库中记录的该样本商标对应的图形要素编码)。
[0097] 商标图像特征信息的匹配检查主要目的是通过图像特征信息的匹配检查找出近似度最高的商标及所记录标志图像的商标图形要素编码。
[0098] 本发明实施例采用商标图像特征信息形式是商标图像轮廓特征线上像素点的相对坐标值Sn(xn,yn)和取整相对坐标值Zn(xn,yn)，通过商标图像特征特征信息的匹配检查，找出近似度最高的样本商标图像。
[0099] 本发明实施例实施例中以商标图像特征信息为检索条件在样本商标数据库中进行商标检索的检索内容包括：1)取整相对坐标值Zn(xn,yn)的匹配检查，2)每一商标图像的子图分卡或每一连续像素点数组的完全匹配检查，3)取整相对坐标值Zn(xn,yn)的不匹配像素点数检查。
[0100] 虽然两商标图像轮廓特征线上像素点的取整相对坐标值Zn(xn,yn)完全重合一般会构成相同或最近似的商标。但在不完全重合的情况下，说明仅在部分图像轮廓特征线上像素点重合，不重合部分可能影响商标的显著特征，从而导致两商标不一定构成相同或最近似商标的结果。
[0101] 本发明实施例实施例采用了商标图像的子图分卡或连续像素点数组的近似率、像素点相对坐标值重合率、像素点相对坐标值不重合率综合评价两商标图像的近似程度。计算公式：
[0102] 两图像的近似度＝商标图像的子图分卡或连续像素点数组的近似率*商标图像的子图分卡权数+相对坐标值重合率*重合相对坐标值权数+像素点相对坐标值不重合率*不重合相对坐标值权数。
[0103] 权数参数根据图像分析需求确定，权数一般可取5％至60％。
[0104] 以上计算公式中各变量获取计算过程如下：
[0105] a)商标图像的子图分卡或连续像素点数组的近似率计算：
[0106] 商标图像的子图分卡或连续像素点数组的近似率计算处理步骤如下：
[0107] 第一步，以待检商标图像轮廓线上所分割的每一连续像素点数组与样本商标图像轮廓线上所分割的每一连续像素点数组进行匹配，找出匹配的数组。
[0108] 第二步，计算连续像素点数组的近似率，计算公式：
[0109] 子图分卡或连续像素点数组的近似率＝(匹配的第1连续像素点数组+匹配的第2连续像素点数组+匹配的第3连续像素点数组+匹配的第n连续像素点数组)÷本图像的相对坐标值的像素点总数*100％。
[0110] b)像素点相对坐标值重合率：
[0111] 以待检商标图像轮廓特征线上像素点取整相对坐标值Zn(xn,yn)逐个与样本商标图像轮廓特征线上像素点取整相对坐标值Zn(xn,yn)进行匹配检查，并统计出重合匹配的数量，然后计算其重合率，公式：
[0112] 重合率＝(重合的取整相对坐标值Zn(xn,yn)数÷待检商标图像轮廓特征线上像素点总数)*100％。
[0113] 当重合率等于100％时，可以确认两商标是相同的商标，当重合率小于100％时，可以确认待检商标与样本商标有一部分轮廓特征线段相同。
[0114] c)像素点相对坐标值不重合率：
[0115] 在两商标匹配比对过程中大多数商标图像像素点相对坐标值不会重合，匹配过程应考虑不重合的像素点取整相对坐标值Zn(xn,yn)对两商标图像的近似程度的影响，本发明实施例采用了像素点相对坐标值不重合率的评价，计算公式如下：
[0116] 像素点相对坐标值不重合数＝待检商标图像轮廓线上像素点取整相对坐标值Zn(xn,yn)总数-像素点取整相对坐标值Zn(xn,yn)重合数
[0117] 不重合率＝(像素点相对坐标值不重合数÷待检商标图像轮廓线上像素点总数)*100％
[0118] 在图像特征信息匹配和近似度评价中找出近似度最高的样本商标及所记录的商标图形要素编码。
[0119] 第五，获取和确认待检商标的图形要素编码。
[0120] 经待检商标主图及子图分卡图像特征信息与样本商标主图及子图分卡图像特征信息的匹配检查，找出了图像特征信息近似度最高的样本商标图像，尤其是近似度达到100％时，可以确认两商标图像是相同的商标，当近似度接近100％时，可以确认两商标图像是高度近似的商标。因此，可以将上述找出的近似度最高的样本商标及所记录的商标图形要素编码视为待检商标的图形要素编码并进行输出，以用于本发明实施例的商标检索系统。
[0121] 本发明实施例以图9和图10的苹果、壳牌、蓝带、中国石油四件图形商标原图为实施例，采用本发明实施例的处理，在样本商标数据库中找出近似度最高的样本商标分别是第167364号图形商标、第180720号图形商标、第559294蓝带BLUE RIBBON及图形商标、第4360587号中国石油及图形商标，可以获得该四件图形商标所记录的图形要素编码分别是：
[0122] 第167364号苹果图形商标的图形要素编码：5.7.13；
[0123] 第180720号壳牌图形商标的图形要素编码：3.8.18；
[0124] 第559294蓝带BLUE RIBBON及图形商标的图形要素编码：24.5.20；25.1.6；
[0125] 第4360587号中国石油及图形商标的图形要素编码：1.3.1；25.1.25；29.1.13；5.5.20；A1.3.15。
[0126] 由于存在待检商标主图及多个子图分卡等多个检索条件，所找出的图形要素编码必然会有多个，其中有部分商标子图分卡或某一连续像素点数组所反映的图像可能不是商标图像的显著部分，因此，需要对前步获取的待检商标的图形要素编码进行确认。
[0127] 图形要素编码确认的处理过程：通过商标检索人员使用本发明实施例的装置和系统，提供出前步所获取的近似度最高的样本商标及所记录的商标图形要素编码以及所对应的商标主图、商标子图分卡或某一连续像素点数组所反映的图像，商标检索人员从该信息中就能很直观、简单、方便和准确地识别出能反映商标显著性的相关图形要素编码及所对应的商标主图、商标子图分卡或某一连续像素点数组所反映的图像，并进行确认的操作。
[0128] 当所提供的商标主图、商标子图分卡或某一连续像素点数组所反映的图像在已知的已申请注册图形商标图形要素编码划分的大数据资源在样本库中无法找到相匹配的记录样本商标图形要素编码信息时，通过商标检索人员使用本发明实施例的装置和系统，可以自定义进行录入或通过《商标图形要素国际分类》所列目录选择录入，添加商标子图分卡，以弥补已知的已申请注册图形商标图形要素编码划分数据的不足。
[0129] 第六，以该图形要素编码为检索条件进行商标检索，找出与商标图形要素编码匹配的样本商标。
[0130] 使用商标图形要素编码进行商标检索是已知的商标检索工具普通使用的通用方法，在本发明实施例中使用前步经确认的商标图形要素编码进行商标检索，能准确全面找出使用传统商标检索工具的技术方法所检索到的全部相同或近似商标。克服了现有的基于图像识别技术的商标检索方法未采用国际上通用的商标图形要素编码标准进行商标检索，易产生相同或近似商标的漏检，实用性较差等技术缺陷或局限。
[0131] 第七，将图像特征匹配的商标检索结果和图形要素编码匹配检索结果进行归集。
[0132] 使用传统商标检索工具的技术方法所检索出的商标其优点：采用国际上通用的商标图形要素编码标准检索图形商标，检索标准具有通用性和标准性，并能将形状或形态不同的同一事物通过商标图形要素编码准确反映出来，保障了相同或近似的图形商标较高的检出率。但形状或形态相近的不同事物则难以通过商标图形要素编码的检索反映出来，同时因不同的商标图形要素编码的编码人员主观判断商标抽象图像反映的事物会存在差异，其商标图形要素编码结果也会产生差异，这种差异会造成商标检索中的相同或近似商标的漏检。
[0133] 使用现有已知的基于图像识别技术的商标检索方法所检索出的商标其优点：将智能化的手段应用于商标检索领域，提高了商标检索的效率和便利性，而且能将形状或形态相同或相近的不同事物通过图像识别检索出来。但形状或形态不同的同一事物则难以通过图像识别检索出来，同时因其没有采用国际上通用的商标图形要素编码检索图形商标，检索标准不具有通用性和标准性，相同或近似的图形商标的检出率普通较低，造成商标检索中的相同或近似商标的漏检。
[0134] 本发明实施例采用了国际上通用的商标图形要素编码检索图形商标与基于图像识别技术方法检索图形商标相结合的方法，能起到取长补短的效果。
[0135] 因此，为了发挥这两种不同方法的取长补短的效果，需要将图像特征匹配的商标检索结果和图形要素编码匹配检索结果进行归集，即对两种检索方法所检出的商标进行合并。
[0136] 第八，将归集后的商标按照近似度进行排序并报告商标查询结果。
[0137] 使用商标图形要素编码检索图形商标，目前还没有有效的近似度排序功能。本发明实施例因采用了商标图形要素编码检索图形商标与基于图像识别技术方法检索图形商标相结合的方法，可以利用图像识别技术中的图像特征信息的近似度进行排序。
[0138] 本发明实施例的实施例采用了待检商标与样本商标所记录的商标图像子图分卡或连续像素点数组的近似率、像素点相对坐标值重合率、像素点相对坐标值不重合率高低排序。
[0139] 就中国的注册商标查询而言，同一商标图形要素编码同一商品服务类别的检索结果一般达到数千条甚至过万条记录，有的商品类别可能几万条记录，需要图形商标检索人员逐条记录人工查看而确认是否属于商标法意义上相同或近似商标，工作效率的低下和工作时间及精力消耗巨大是显然易见的。本发明实施例通过实施归集后的商标按照近似度进行排序的处理，商标图形检索人员也许无需查看完全部的检索结果商标就已经找出了目标商标，或可以根据排序规律分段查看检索结果商标就能快速找出了目标商标，有效解决现有已知的商标检索工具工作效率的低下和工作时间及精力消耗巨大的难题。
[0140] 对经排序处理后的商标检索结果进行报告，供图形商标检索人员查看。
[0141] 上述内容以商标的检索应用为例描述了本发明的实施例。其实，本发明的技术方案还可以用在其他类似的应用场合中，例如：
[0142] 1、在外观设计
专利申请的检索应用中，可将上述商标图像变型或替换为外观设计图像，将商标图形要素编码变型或替换为国际外观设计分类表中的编码。
[0143] 2、在相同或相似商品的检索应用中，可将上述商标图像变型或替换为商品图像，将商标图形要素编码变型或替换为商品的编码。
[0144] 以上，结合具体实施例对本发明的技术方案进行了详细介绍，所描述的具体实施例用于帮助理解本发明的思想。本领域技术人员在本发明具体实施例的
基础上做出的推导和变型也属于本发明保护范围之内。
