本申请要求于2019年01月15日提交的申请号为16/247,628、发明名称为“method,apparatus,andsystemfordatacollection,transformationandextractiontosupportimageandtextsearchofantiquesandcollectables”的美国专利申请的优先权，其全部内容通过引用结合在本申请中。本申请实施例涉及计算机视觉和自然语言处理领域，特别涉及一种对象查询方法、装置、存储介质和服务器。
背景技术：
：：目前在古董和收藏品行业，与古董和收藏品的多样性和几乎无所不包的范围相比，可利用的信息非常有限且散乱，因此，可靠而有效的信息的匮乏已成为行业发展的主要障碍。虽然互联网和在线交易给行业带来极大的变化，使得古董和收藏品交易的速度和数量都大大提高，然而与此对应的信息收集却仍旧停留在较为原始的状态。大多数人仍然使用书籍和互联网上分散的信息作为主要的信息来源。很多时候，不同来源的信息鱼龙混杂、相互矛盾；与此同时，每天都有成千上万的藏品被交易。其中新兴的收藏品和稀有藏品往往因信息缺失而得不到及时的确认。行业面临的另一个问题是，目前比较有效的对象查询方法基本上是基于文本信息的。而在古董和收藏品相关的文本信息搜索中，使用正确的术语是能否找到藏品的信息的关键。用户经常遇到的情况是面对手头的藏品，因无法正确描述而难以确认藏品的类别和价值。而在古董和收藏品的鉴定与收藏过程中，使用正确的术语来描述藏品是一项要求极高、需要多年的正规培训和经验积累的技能。另外，现在已有的商业搜索引擎所提供的图像查询大多是以色调相似性为主，图像的查询结果主要按网页的流量排名和网站流行度排序，并不考虑古董和收藏品的相关性。这使得现有商业搜索引擎无法适用于古董和收藏品查询。许多稀有物品的图像，特别是黑白的历史图像，很少被搜索到，也从未被用于鉴别。这进一步造成了信息的缺乏和流失。技术实现要素：本申请实施例提供了一种对象查询方法、装置、存储介质及服务器，用于解决对象查询的难度较大和准确性较低的问题。所述技术方案如下：一方面，提供了一种对象查询方法，所述方法包括：获取知识库，所述知识库包括各个已知实体对象的对象参数，所述对象参数至少包括描述信息和类别识别码，所述类别识别码用于指示所述已知实体对象的类别；接收查询请求，所述查询请求中携带有未知实体对象的描述信息；根据所述描述信息中的图像，计算所述未知实体对象的轮廓特征与各个已知实体对象的轮廓特征之间的第一相似度；当存在满足预设条件的第一相似度时，根据所述第一相似度生成查询结果，所述查询结果至少包括所述未知实体对象的类别。一方面，提供了一种对象查询装置，所述装置包括：获取模块，用于获取知识库，所述知识库包括各个已知实体对象的对象参数，所述对象参数至少包括描述信息和类别识别码，所述类别识别码用于指示所述已知实体对象的类别；接收模块，用于接收查询请求，所述查询请求中携带有未知实体对象的描述信息；计算模块，用于根据所述描述信息中的图像，计算所述未知实体对象的轮廓特征与各个已知实体对象的轮廓特征之间的第一相似度；生成模块，用于在存在满足预设条件的第一相似度时，根据所述第一相似度生成查询结果，所述查询结果包括所述未知实体对象的类别。一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如上所述的对象查询方法。一方面，提供了一种服务器，所述服务器包括处理器和存储器，所述存储器中存储有至少一条指令，所述指令由所述处理器加载并执行以实现如上所述的对象查询方法。本申请实施例提供的技术方案的有益效果至少包括：由于知识库包括各个已知实体对象的对象参数，所以，人们可以在需要查询未知实体对象时，从该知识库中获取信息，从而可以提高信息的获取效率，降低对象查询的难度。通过读取未知实体对象的描述信息中的图像和知识库中各个已知实体对象的描述信息中的图像，根据这些描述信息中的图像，计算未知实体对象的轮廓特征与各个已知实体对象的轮廓特征之间的第一相似度，根据该第一相似度来得到未知实体对象的查询结果，既可以避免要求用户使用术语进行查询时的难度，从而降低对象查询的难度；也可以避免根据图像的色调查询对象时准确率低的问题，从而提高对象查询的准确性。附图说明为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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申请的一些实施例，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，还可以根据这些附图获得其他的附图。图1为本申请的系统的构成总图。图2为图1中在线服务系统10的简化框图。图3为图1中知识收集系统21的简化框图。图4为图1中图像识别系统22的简化框图。图5为图1中图像数据库26的简化框图。图6为图1中知识库数据库24的简化框图。图7为图1中鉴定记录数据库25的简化框图。图8为图1中用户信息数据库23的简化框图。图9为用户向知识库提交新提案的系统处理流程图。图10为用户图像检索的系统处理流程图。图11为提案鉴定的系统处理流程图。图12为图像识别流程图。图13为图像特征参数生成流程图。图14为共享参数识别模块214的流程图。图15为结果优化模块211的处理流程图。图16为设计及设计变体信息表241的范例。图17为生产厂家信息表242的范例。图18为品牌信息表243的范例。图19为类别信息表244的范例。图20为专家信息表251的范例。图21为用户信息表231的范例。图22为鉴定记录表252的范例。图23为永久性图像数据及参数表246的范例。图24为临时图像数据及参数表261的范例。图25为版权授权记录表245的范例。图26为图像搜索结果的用户界面示意图。图27为详细信息页面的用户界面示意图。图28为对象查询方法的方法流程图。图29为对象查询装置的结构框图。图30为对象查询装置的结构框图。图31为对象查询装置的结构框图。其中，图1为本申请的系统的构成总图，该系统包括互联网11、设备12-15和服务器集群，且设备12-15通过互联网11与服务器集群相连。该服务器集群中部署有云系统30，该云系统30包括在线服务系统10、知识收集系统21、图像识别系统22、用户信息数据库23、知识库24、鉴定记录数据库25以及图像及参数数据库26。图2为在线服务系统10的简化框图。在线服务系统10包括多个软件模块，分别是网站/web应用程序101、web服务器102、用户验证模块103和页面生成模块104。作为本申请的一个实施方案，在线服务系统10可以载入部署有云系统30的一个或多个服务器的内存中运行。图3为知识收集系统21的简化框图。知识收集系统21包括多个软件模块，分别是鉴定结果优化模块211、提案管理模块212、鉴定管理模块213、共享参数识别模块214和版权授权管理模块215。作为本申请的一个实施方案，知识收集系统21可以载入部署有云系统30的一个或多个服务器的内存中运行。图4为图像识别系统22的简化框图。图像识别系统22包括多个软件模块，分别是图像特征提取模块221、图像识别模块222和图像加水印模块223。作为本申请的一个实施方案，图像识别系统22可以载入部署有云系统30的一个或多个服务器的内存中运行。图5为图像及参数数据库26的简化框图。图像及参数数据库26包括临时图像及图像参数表261。图6为知识库24的简化框图。知识库24包括设计及设计变体信息表241、生产厂家信息表242、品牌信息表243、类别信息表244、版权授权记录表245和永久性图像及图像参数表246。其中，设计即为已知实体对象，设计变体即为变体对象，详见下文中的解释。图7为鉴定记录数据库25的简化框图。鉴定记录数据库25包括专家信息表251和鉴定记录表252。图8为用户信息数据库23的简化框图。用户信息数据库23包括用户信息表231。图9为知识库24中提交新提案的处理流程的流程图。作为本申请的一个实施方案，该流程的计算机软件可以载入部署有云系统30的一个或多个服务器的内存中运行。图10为图像查询的处理流程的流程图。作为本申请的一个实施方案，该流程的计算机软件可以载入部署有云系统30的一个或多个服务器的内存中运行。图11为鉴定新提案的处理流程的流程图。作为本申请的一个实施方案，该流程的计算机软件可以载入部署有云系统30的一个或多个服务器的内存中运行。图12为图像识别系统22的处理流程图。作为本申请的一个实施方案，该流程600的计算机软件可以载入部署有云系统30的一个或多个服务器的内存中运行。流程600包括步骤601a，601，602，602a，603-606和606a。图13为图像特征提取的处理流程图。作为本申请的一个实施方案，该流程700的计算机软件可以载入部署有云系统30的一个或多个服务器的内存中运行。流程700包括步骤701a，701-704和704a。图14为提取鉴定结果中共享参数的处理流程图。作为本申请的一个实施方案，该流程800的计算机软件可以载入部署有云系统30的一个或多个服务器的内存中运行。流程800包括步骤801a，801-805和805a。图15为搜索结果优化的处理流程图。作为本申请的一个实施方案，该流程900的计算机软件可以载入部署有云系统30的一个或多个服务器的内存中运行。流程900包括步骤901a，901-905和905a。图16为设计及设计变体信息表241的范例。作为本申请的一个实施方案，设计及设计变体信息表241通常存储于云系统30中一个或多个计算机存储器和/或磁盘中。图17为生产厂家信息表242的范例。作为本申请的一个实施方案，生产厂家信息表242通常存储于部署有云系统30的一个或多个服务器的存储器和/或磁盘中。图18为品牌信息表243的范例。作为本申请的一个实施方案，品牌信息表243通常存储于部署有云系统30的一个或多个服务器的存储器和/或磁盘中。图19为类别信息表244的范例。作为本申请的一个实施方案，类别信息表244通常存储于部署有云系统30的一个或多个服务器的存储器和/或磁盘中。图20为专家信息表251的范例。作为本申请的一个实施方案，专家信息表251通常存储于部署有云系统30的一个或多个服务器的存储器和/或磁盘中。图21为用户信息表231的范例。作为本申请的一个实施方案，用户信息表231通常存储于部署有云系统30的一个或多个服务器的存储器和/或磁盘中。图22为鉴定记录表252的范例。作为本申请的一个实施方案，鉴定记录表252通常存储于部署有云系统30的一个或多个服务器的存储器和/或磁盘中。图23为永久性图像及图像参数表246的范例。作为本申请的一个实施方案，永久性图像及图像参数表246通常存储于部署有云系统30的一个或多个服务器的存储器和/或磁盘中。图24为临时图像及图像参数表261的范例。作为本申请的一个实施方案，临时图像及图像参数表261通常存储于部署有云系统30的一个或多个服务器的存储器和/或磁盘中。图25为版权授权记录表245的范例。作为本申请的一个实施方案，版权授权记录表245通常存储于部署有云系统30的一个或多个服务器的存储器和/或磁盘中。图26为藏品的查询结果的用户界面示意图。图27为藏品的详细信息页面的用户界面示意图。具体实施方式为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。下面对本申请的系统架构进行介绍。如图1所示，本申请包括云系统30和设备12-15。设备12可以是具有计算机处理器，计算机存储器和诸如计算机鼠标的用户交互设备的个人计算机。设备13可以是智能电话，例如iphone(苹果公司注册商标)。设备14可以是平板电脑，例如ipad(苹果公司注册商标)。设备15可以是膝上型计算机。设备12-15中可以安装有用于实现对象查询的功能的应用程序，或者，设备12-15中可以安装有浏览器，该浏览器可以访问对象查询的网页。以设备12-15中安装有应用程序为例，该应用程序可以向用户提供输入框，获取用户在该输入框中输入的未知实体对象的描述信息，将该描述信息发送给云系统30，接收云系统30返回的查询结果，对该查询结果进行展示。云系统30可以部署在服务器上。这里所说的服务器可以为一台或多台服务器，也可以为一个云计算中心。换句话说，服务器可以由一台服务器实现；也可以由多台服务器组合实现，每台服务器承担相同或者不同的功能，比如有用于注册和登录的服务器、用于保存用户信息数据库23、知识库24、鉴定记录数据库25和图像及参数数据库26的服务器、用于实现知识收集的服务器、用于实现在线服务的服务器、用于实现图像识别的服务器等等；服务器也可以采用云计算中心实现，云计算中心是一整片服务集群所形成的虚拟计算平台。本申请的一个或多个实施方案中的云系统30包括三个软件子系统和四个数据库，如图1所示。三个软件系统分别是图像识别系统22、知识收集系统21和在线服务系统10。这三个系统中的每一个系统包括系统设置和方法，可以在部署有云系统30的一个或多个服务器中运行。四个数据库分别是图像数据库26、知识库24、鉴定记录数据库25和用户信息数据库23。上述三个系统通过因特网11彼此通信和访问存储在数据库中的数据。在本申请的至少一个实施方案中，大量数据处理和机器学习意味着为了实现实时的合理的性能，系统、系统设置和方法需要在云系统30上运行。云系统30中，多台服务器通过因特网连接，大量数据的处理和逻辑计算被分布在多台服务器间并行运行。在备选实施方案中，设备12-15通过因特网11与在线服务系统10通信。作为本申请的一个实施方案，使用了计算机视觉(computervision)和自然语言处理(naturallanguageprocessing，nlp)技术，来将古董和收藏品相关的信息转化成一个完整的、统一的、具有层次性的数据结构(即知识库24)，该数据结构可以支持古董和收藏品领域的文本信息查询和图像查询。生成知识库24的原始数据可以从第三方批量获取或者由用户单独提交。支持查询的文本信息和图像是从原始数据中提取生成的。这个实施方案可以包含以下步骤：首先用一个或多个服务器处理器及一个或多个服务器内存运行软件系统在数据库中生成一个知识库24，该知识库24包含多个通过鉴定的已知物品(也即已知实体对象)的对象参数，该对象参数包括描述信息和类别识别码，该描述信息包括文本信息和图像，该文本信息可以是品牌，种类等，该图像可以是图像关键点之类的图像特征；然后接收一个特定物品(也即未知实体对象)的查询请求，该查询请求包括特定物品相关的描述信息，该描述信息包括文本信息和图像；根据该特定物品的图像提取图像特征；将特定对象的文本信息和图像特征分别与知识库24中各个已知物品的文本信息和图像特征进行比对；综合各个比对可以生成查询结果。其中，特定物品与知识库24中已知物品的相似程度可以用相似度来衡量。用于比对的参数的种类可以随着数据的增加，参数种类和相关性的增加而增长。上述步骤中，接收到的查询请求中可以包括图文内容，从该图文内容中可以提取出文本信息和图像；或者，接收到的查询请求中包括图像和文本，从该文本中可以提取出文本信息；或者，接收到的查询请求中包括图像和文本信息，此时可以直接得到图像和文本信息。上述步骤中以查询请求中同时包括文本信息和图像进行了举例说明，在实际实现时，查询请求中可以只包括文本信息，此时，可以将该文本信息与知识库24中各个已知物品的文本信息进行比对来得到查询结果；或者，查询请求中也可以只包括图像，此时，可以将该图像与知识库24中各个已知物品的图像进行比对来得到查询结果。需要说明的是，本实施例中的查询结果可以分为两类，第一类查询结果可以用于指示特定物品为知识库24中的一个已知物品，或者，该查询结果用于指示特定物品属于知识库24中的一个物品类别。第二类查询结果可以用于指示未查询到指定物品的相关信息。下面对本申请的实施流程进行介绍。请参考图28，其示出了本申请一个实施例提供的对象查询方法的方法流程图，该对象查询方法可以应用于上述云系统30中。该对象查询方法，包括：步骤2801，获取知识库，该知识库包括各个已知实体对象的对象参数，该对象参数至少包括描述信息和类别识别码，该类别识别码用于指示已知实体对象的类别。在本申请的至少一个的实施方案中，已知实体对象是古董和收藏品中的至少一种。知识库24可以由云系统30生成，也可以由云系统30从其他设备中获取到，本实施例不对知识库24的来源作限定。其中，当知识库24由云系统30生成时，云系统30可以随着时间不断自我学习和矫正知识库24，以扩大知识库24的涵盖范围、深度和准确度。当知识库24是由云系统30从其他设备获取到时，由于知识库24是随时间变化的，所以，云系统30可以定期从其他设备获取知识库24，或者，云系统30可以在知识库24存在更新时从其他设备获取知识库24，本实施例不作限定。知识库24，如图6所示，用于存储从不同来源收集的经过鉴定的信息。知识库24涵盖每个具体设计(即已知实体对象)以及设计变体(即变体对象)的详细数据(即对象参数)，该数据至少包括数据记录(即描述信息)和类别识别码。每个数据记录(也即描述信息)包含文字信息描述的特征(也即文本信息)，不同角度的原始图像和提取的图像特征。这些数据可用于构建相关的电子商务系统，搜索系统，知识教育系统等。如图6所示，知识库24包括设计及设计变体信息表241，生产厂家信息表242，品牌信息表243，藏品的类别信息表244，版权授权记录表245和永久性图像数据及参数表246。下面分别对这几种表进行介绍。生产厂家信息表242是知识库24的一部分。如图17所示，信息表242存储每个生产厂家的背景信息及其生产的产品类别。该背景信息包括名称、年代、总部所在地、创办人、背景、行业中的至少一种。品牌信息表243是知识库24的一部分。如图18所示，它存储每个已知品牌的背景信息、生产厂家和该品牌的产品类别。该背景信息包括生产厂家识别码、名称、年代中的至少一种。类别信息表244是知识库24的一部分。如图19所示，类别之间的关系呈树形结构。在本申请的至少一个实施方案中，每个类别可以有一个父类别和零到多个子类别。类别信息表244中存储着每个类别的所有详细信息。树形结构最顶级根类别是大多数相关书籍和拍卖网站使用的主要古董和收藏品类别，比如珠宝、家具、瓷器、书画等。每个类别具有唯一的标识号id，类别名称，父类别识别号id和子类别识别号id列表，可用于搜索和显示的文本信息，以及指向存储在永久性图像及图像参数表246中的永久性图像识别码列表，其示例在图23中示出。设计及设计变体信息表241(其示例在图16中示出)用于存储每个设计和设计变体的详细信息。在本申请的一个或多个实施方案中，设计变体是指对同一设计采用不同材质或颜色。同一设计可以有多个设计变体，统称为“藏品”。每个藏品属于类别信息表244中的某一类别，其示例在图19中示出。由于历史原因，藏品的制造商和商标名称可能是未知的。如图16所示，除了诸如设计或设计变体识别号，名称，类别识别号，品牌识别号，制造商识别号等的基本信息之外，每个藏品通常还具有两组信息。一组是文本信息，其使用文字或数字来描述藏品的重量，大小，颜色等。该组信息可以显示在详细信息页面上供用户研究和识别，也可以用于基于文本信息的搜索和藏品比对。另一组是指向永久性图像及图像参数表246中的图像识别码列表，其示例在图23中示出。设计及设计变体信息表241中的每个藏品的所有图像都经过专家验证，该图像特征被提取并存储在图23中的永久性图像及图像参数表246中，用于基于图像识别的搜索和图像比对。临时图像及图像参数表261(如图5所示)和永久性图像及图像参数表246(如图6所示)都存储原始图像和提取的图像特征。进入云系统30的所有图像将首先存储在图5所示的临时图像及图像参数表261中。用户提交的用于查询的图像会在图像查询结束时被云系统30删除。用户向知识库24提交的图像以及系统提取的图像特征将会先存储在临时图像及图像参数表261中，一旦对用户提案的鉴定结束且提案有效，则将该提案的所有图像和图像特征从图5中所示的临时图像及图像参数表261转移到的永久性图像及图像参数表246中，并分配新的永久性图像识别码。否则，无效提案的所有图像和图像特征将从临时图像及图像参数表261中删除。在云系统30建立的初始阶段，知识库24中大多数的文本信息，如图19中的类别信息表244、图18中的品牌信息表243和图17中的生产厂家信息表242等等，可以从公共信息中获取。在初始阶段，可以通过批量购买或藏家共享来获得图像，手动数据收集和付费数据获取可能是迅速拓展知识库24的主要方法。但随着知识库24的范围扩大，在其涵盖了大部分常见的古董和收藏品后，由用户提交提案，经专家鉴定后将该提案添加到知识库24将成为知识库24的主要拓展方法。良好的数据源管理和版权文件管理对于本申请的成功至关重要。知识库24成功或失败的另一个关键是信息的权威性和准确性。理想情况下，准备存入知识库24的信息必须经过多个专家鉴定、编辑和交叉验证，以确保鉴定的质量和结论的准确性。但是古董和收藏品行业的大多数专家只专注于某些领域，且某些领域的专家数量往往非常有限。因此，如何利用云系统30来降低不必要的、重复性的鉴定工作，帮助专家进行有效的、必要的鉴定工作，这是一个必须解决的问题。在本申请的一个或多个实施方案中，云系统30可以通过以下步骤扩展知识库24：步骤1、接收第三方发送的未知实体对象的描述信息。在本申请的一个或多个实施方案中，由云系统30中的知识收集系统21负责未知实体对象的描述信息的收集，审查和维护的所有过程。如图3所示，知识收集系统21有三个流程管理软件模块：提案管理模块212、鉴定管理模块213和版权管理模块215。下面对这三个模块的工作流程进行介绍。在本申请的一个或多个实施方案中，如图3所示，知识收集系统21的版权管理模块215是管理版权授权的相关信息收集过程的软件模块。这里所说的版权授权主要针对的是描述信息中的图像来说的。这是因为，古董和收藏品的图像的版权问题是一个关键问题。现今，古董和收藏品的图像的版权已成为整个信息链中的瓶颈。一方面，收藏家和古董商在其一生中能接触到的藏品极为有限，很多仅关注和经营某些类别和/或品牌，因而其所提供的图像所涵盖的类别非常有限。为了扩大专业图书和网站的覆盖面，图书出版商和相关网站的管理员必须获得多个藏家的版权授权许可，而这个过程非常耗时且有极大的不确定性。结果使得现在市场上相关的书籍网站往往只包括来自几个收藏家的藏品，其范围变得非常有限。所以，要构建一个在充分尊重版权的基础上的、完整的知识库24，必须把版权授予的过程自动化，并且有严格而完善的文档管理。如图9所示，当用户向知识库24提交新提案时，版权管理模块215是第一个被调用的模块。在线服务系统10的页面生成模块104被调用以生成相关的法律信息，该法律信息将被显示，并且要求用户确认他或她拥有与该提案相关的所有图像的版权并授予在线服务系统10免费显示的许可。一旦用户签署电子认证授权文件，该电子认证授权文件的电子文件副本将以唯一的版权授权识别码保存到知识库24的版权授权记录表245中，即版权授权记录包括电子文件副本和版权授权识别码。除了用户用来进行图像查询的图像之外，所有图像，包括知识库24中的永久性图像及图像参数表246和临时图像及图像参数表261中正在鉴定的新提案的图像，都有与之对应的版权授权识别码。这个版权授权识别码也保存到临时图像及图像参数表261和永久性图像及图像参数表246中，且其与每个与该授权相关的图像对应。即，知识库24中的所有图像都有相关的版权授权记录。本实施例中，版权授权记录保存在版权授权记录表245中，其示例在图25中示出，是知识库24的一部分。版权授权记录表245中的版权授权记录除了包括用户签署的电子认证版权授权文件的电子文件副本和授权用户识别码之外，还包括授权时间，相关鉴定记录id和该授权所涵盖的临时图像及图像参数表241和永久图像及图像参数表246中的图像识别码列表。提案管理模块212是知识收集系统21中的软件模块，如图3所示。高效，流畅和激励性的用户提案过程是快速拓展知识库24的关键。在本申请的一个或多个实施方案中，使用基于计算机视觉技术的图像识别结合自然语言相关性的识别来自动检测并避免重复性提案和非法提案，从而将鉴定工作压缩到必要的最小的范围，以获得最大的投入产出比率(知识库24增长/鉴定工作量)，同时避免潜在的版权问题。在本申请的一个或多个实施方案中，用户可以从任何类别或设计/设计变体详情页面上向知识库24提交新提案，如图9的流程图中所示的步骤302、303或304。在每个类别或设计/设计变体的详情页面上，如图27所示，有一个“提案”按钮。单击“提案”按钮时，将显示子菜单，其中包括“新子类别”，“新设计”和“新设计变体”。然后云系统30通知提案管理模块212开始提案提交过程。如图9所示，提案管理模块212首先调用版权管理模块215，来处理与版权授权相关的信息收集。一旦用户通过电子签名确认他拥有将要提交的图像的所有权，并签署电子认证授权文件以允许云系统30显示和处理图像，图3的版权管理模块215将所有电子认证授权文件的电子文件副本保存到图6中所示的版权授权记录表245中，并且通知图3中所示的提案管理模块212。接下来，提案管理模块212告知图2所示的页面生成模块104生成用于供用户上传首张正面图像的页面。然后，页面生成模块104生成的页面被发送到设备12-15中的一个或多个的web应用程序或浏览器，并显示在设备12-15中的一个或多个的显示器上。步骤2、在对描述信息的验证通过时，根据该描述信息生成鉴定任务，并将该鉴定任务分配给未知实体对象所属领域的专家进行鉴定。图3中所示的知识收集系统21的鉴定管理模块213用于管理鉴定用户提案的整个过程。作为生成知识库24的一个可能步骤，鉴定管理模块213在接收到来自第三方提交的未知实体对象的提案并生成相应参数后，对提案中的图像进行“自动预检”来避免重复提案和无效提案，上述操作可以称之为“自动预检”。对于通过“自动预检”的提案，鉴定管理模块213将根据专家的专业特长来自动分配鉴定任务，跟踪鉴定进度，评估鉴定质量，并基于所有专家的鉴定结果来给出最终鉴定结论。下面对自动预检流程进行介绍。为了减少重复或无效提案的影响，“自动预检”将验证上传的任何图像是否与现有知识库24中的永久性图像完全相同或完全无关。若完全相同，则认为该提案为重复提案；若与知识库24中的永久性图像完全无关，则说明该图像为无关图像。两者都属于无效数据而应该被及时发现并停止提交过程。类别或设计/设计变体的正面图像的鉴定是整个“自动预检”过程的第一个也是最重要的步骤。一旦用户上传了类别或设计/设计变体的正面图像，云系统30中的web服务器102将上传的图像发送给提案管理模块212。在步骤308，提案管理模块212将该图像连同步骤306产生的版权授权记录一起保存到临时图像及图像参数表261中。同时，提案管理模块212还将提交提案时页面所显示的类别/设计/变体识别码作为参考，从设计及设计变体信息表241中或类别信息表244中获得相应图像在永久性图像及图像参数表246的图像识别码列表作为图像比较的参照。接下来，在步骤309，将图像在临时图像及图像参数表261的图像识别码和作为参考的永久性图像识别码列表将被发送给图像识别模块222。在步骤310，图像识别模块222计算并返回图像和每个参考图像之间的相似度。当所有相似度都很低时，说明该图像与参照图像无关。当相似度过高时，说明该图像可能是参考图像的复制品。这两种情况下，提案管理模块212将通知页面生成模块104生成错误消息并发送到web应用程序，以便用户可以在图9的步骤312处纠正错误。同时在图9的步骤311，提案管理模块212将会删除临时图像及图像参数表261中错误的图像。当图像与参考图像的相似度高于阈值但有差异时，意味着图像与参考图像类似而不是重复。提案管理模块212将要求用户上传该设计其余的相关图像。然后对于每个新提交的图像，重复步骤314、315、316、316a、317和318。当用户上传的所有图像都被验证时，提案管理模块212通知页面生成模块104在步骤319生成请求用户录入相关文本信息的页面，该文本信息可以是大小，重量，颜色，背景等，并通过web服务器102传送到用户的web应用程序或浏览器上。一旦用户完成文本信息的输入，在对该文本信息的验证基本正确后，在步骤323，提案管理模块212通知鉴定管理模块213启动该提案的鉴定流程，并将用户提交的所有提案相关的信息传送给鉴定管理模块213，该提案相关的信息包括临时图像识别码列表，作为参考的类别/设计/设计变体的图像识别码列表和用户输入的文本信息等。到此该提案的信息收集和“自动预检”过程结束。提案管理模块212接收到该提案已经通过“自动预检”的通知时，图3中所示的知识收集系统21的鉴定管理模块213，将开始如图11所示的鉴定过程。鉴定管理模块213是图3所示的知识收集系统21中的软件模块，控制用户提案的鉴定过程。如图11所示，提案通过初步验证后，提案管理模块213将在图11所示的步骤501通知鉴定管理模块213。如图11的步骤503所示,提案管理模块213将提交的与提案相关的所有信息保存到鉴定记录表252中，其示例在图22中示出。接下来在步骤503，鉴定管理模块213将新的提案添加到用户信息表231中的用户提案列表中，如图21所示。同时，如图11的步骤504所示，提案管理模块213开始“自动任务分配”过程。作为本申请的一个实施方案，如果第三方提交的提案及提取的参数通过了“自动预检”，云系统30可以基于该提案和提取的参数生成一个鉴定任务，再根据专家的特长将该鉴定任务自动分配给相关领域的一个或多个专家进行鉴定，上述操作可以称之为“自动任务分配”。在本申请的一个或多个实施方案中，云系统30可以通过以下步骤进行自动任务分配：步骤a、根据知识库中的各个已知实体对象与未知实体对象之间的相似度，确定未知实体对象的至少一个预估类别，该预估类别用于指示预估的未知实体对象所属的类别。在确定各个已知实体对象与未知实体对象之间的相似度时，可以比对已知实体对象和未知实体对象的图像特征来计算相似度。本申请的一个或多个实施方案使用sift(scaleinvariantfeaturetransform，sift)图像特征。图4所示的图像识别系统22的图像特征提取模块221是基于sift的图像特征提取软件模块。如图13所示，调用图像特征提取模块221时，可以将图5所示的临时图像及图像参数表261中的临时图像识别码作为图像特征提取模块221的入口参数。在步骤701，图像特征提取模块221首先用临时图像识别码从临时图像及图像参数表261中提取原始图像。然后，在步骤702，图像特征提取模块221生成图像中的sift关键点，每个关键点包含诸如坐标，有意义邻域的大小，方向等属性。接下来，图像特征提取模块221基于关键点计算sift描述子。最后，图像特征提取模块221将sift关键点和sift描述子作为提取的图像参数存储在临时图像及图像参数表261中的图像记录中。这些图像参数将被用于图像的比对和识别。在根据上述图像特征的比对得到未知实体对象与各个已知实体对象的相似度之后，云系统30可以选取高于预设阈值但不相等的相似度，再获取这些相似度对应的已知实体对象，确定这些已知实体对象所属的类别，最后，将这些类别作为该未知实体对象的预估类别。步骤b、从预设的专家信息表中查找预估类别对应的专家信息。知识库24中还包括专家信息表251和图7中所示的鉴定数据库25中的鉴定记录表252。专家信息表251为每个专家存储两种类型的信息。如图20所示，一种信息是专家的基本联络信息和以类别识别码列表形式描述的鉴定专长领域；另一种信息是专家的鉴定任务列表，该鉴定任务列表包括：当前分配的鉴定任务，每个任务的进度和最终结果。鉴定记录表252存储与用户提案鉴定相关的信息。如图22所示，鉴定记录表252包括提案本身的基本信息，如提交者在用户信息表231中的用户识别码和提交的时间。鉴定记录表252还存储由提交者提交的所有信息，包括文本信息，背景信息和在临时图像及图像参数表261中的图像识别码列表等。鉴定记录表252还保存每个鉴定任务的相关数据，包括任务分配的具体信息，接受鉴定任务的专家识别码，任务进展，每位专家的鉴定结果和最终鉴定结论。本实施例中，鉴定管理模块213使用预估类别来搜索每个专家在专家信息表251的类别权威系数列表，寻找专业知识相符且当前可以接受鉴定任务的专家。步骤c、在专家信息对应的专家满足接受鉴定任务的条件时，将鉴定任务分配给专家。在步骤505和步骤506，鉴定管理模块213选择固定数目个专家，并将鉴定任务添加到他们在专家信息表251中的鉴定任务分配列表中，将分配状态设置为“已分配”，并通知每个专家这个新分配的鉴定任务，如步骤507所示。专家初步浏览鉴定任务后可选择“接受”或“拒绝”该鉴定任务。专家的决定将更新到鉴定记录表252，其示例在图22中示出，同时将该决定更新到专家信息表251中，其示例在图20中示出。当分配任务被拒绝时，鉴定管理模块213将在步骤511找到下一个专家，重新回到图11的步骤505以重复上述分配过程，直到有固定数目个专家接受鉴定任务时停止。为了达到交叉验证的目的，将每个鉴定任务分配给相当数目的专家进行鉴定是保证鉴定效果的必要条件之一。步骤3、在专家生成鉴定通过的鉴定结果时，将未知实体对象的类别识别码和描述信息作为一个已知实体对象的对象参数添加到知识库中。专家接受鉴定任务后，在步骤508a和510，其开始查看存储在图22所示的鉴定记录表252中的文本信息，以及存储在临时图像及图像参数表261中的图像，并初步生成鉴定结果。鉴定结果包括两部分：首先是专家的鉴定意见，可能是该提案无效、重复、信息不足、现有类别/设计/设计变体的新增附加信息、新增类别/设计/设计变体。其次，在鉴定结果是最后两种的情况下，专家可以要求用户在提交的信息基础上添加更多信息或纠正错误来提高信息的质量和准确性。鉴定过程可以通过在线系统或离线文本编辑。当专家完成鉴定时，他可以提交鉴定结果，这时鉴定记录表252中的鉴定记录状态(如图22所示)将被标记为“鉴定结果已提交”。在步骤512，鉴定管理模块213定期检查所有鉴定任务的进展，如鉴定任务没有进展或者明显拖后，就向该专家发送提醒。一旦所有参与鉴定的专家都完成了鉴定任务并将任务标记为“鉴定结果已提交”，鉴定管理模块213就从每个专家的审查记录中提取鉴定结果，并检查大多数专家是否在步骤512b达成一致意见。如果无法达到多数一致的结论，则在步骤513进行鉴定结论歧异性的特殊处理程序。如果专家意见基本一致，提案管理模块213在步骤512c检查鉴定结果是否属于无效提案，重复性提案或信息不充分的一种，如果是，则该提案和参数将不会被存储到知识库24中，提案管理模块213将删除图24所示的临时图像及图像参数表261和图25所示的版权授权记录表245中用户提交所有信息，包括图像、文本信息以及版权信息。如果专家鉴定意见为该提案应该添加到知识库24中，则该提案和参数将被存储到知识库24中。即，如果鉴定结果是“对现有类别/设计/变体的增补信息”，则将新的信息添加到如图19所示的类别信息表244中或图16的设计及设计变体信息表241中。如果鉴定结果是一个新类别/设计/变体，将在类别信息表244或设计及设计变体信息表241中创建新记录，该新纪录包含用户提交并由专家编辑的所有文本信息，且该用户所提交的图像和以及该图像的图像特征将被从临时图像及图像参数表261移动到永久性图像及图像参数表246。最后，在步骤519和520中，鉴定管理模块213将鉴定记录表252中该鉴定任务的鉴定状态及专家信息表251中的每个专家记录中该鉴定任务的鉴定状态更新为“完成”。鉴定管理模块213还将更新用户信息表231中该项提案的状态。图11结束于步骤521a。基于本申请，为了迅速扩展知识库24，保持一定数量且拥有各种鉴定专长的专家队伍至关重要。并且，及时给予专家相应报酬有助于提高鉴定任务完成的速度和质量。本申请的专家信息表251可以进一步拓展来包括与薪酬相关的信息如：计量方法(计件或计时)，支付方法，税收预扣等。此外，还可以添加一个薪酬支付软件模块，通过该薪酬支付软件模块来计算专家的薪酬并负责将结果和相应数据传送给公司的财会系统。在图13中步骤520，提案鉴定全部结束后，由鉴定管理模块213通知专家该提案鉴定完成的同时，调用薪酬支付软件模块，使专家能够及时获得相应报酬。需要说明的是，为了支持图像查询，在本申请的至少一个实施方案中，对于云系统30获取的所有图像，将由图像识别系统22提取该图像的图像特征，并将图像特征和原始图像一起存储在临时图像及图像参数表261中。如果提案通过了鉴定，该提案相关的图像和图像特征将会被存储在永久性图像及图像参数表246中，且临时图像及图像参数表261中存储的该图像和图像特征将被删除，以避免可能出现的图像的版权问题。为了保护图像版权，只有具有版权授权的图像将永久地与相应的版权记录识别码一起存储在数据库中。即，当已知实体对象的描述信息包括图像时，对象参数还包括版权授权记录，版权授权记录是已知实体对象的持有者向知识库添加图像时生成的。一旦不再需要图像，所有相关图像和该图像的版权记录标识码将被删除。为了提高用户对版权保护的信心，在所有存入知识库24的图像上使用图像水印可以有效防止图像盗版，该图像水印可以是根据用户挑选的标签自动生成的。另外，对于通过鉴定最终进入知识库24的提案，可以给予提交该提案的用户一定报酬，以激励更多散落民间的稀缺藏品浮出水面，从而有利于拓展知识库24的涵盖范围。步骤2802，接收查询请求，该查询请求中携带有未知实体对象的描述信息。在至少一个实施方案中，在线服务系统10用于处理用户从图1中的设备12-15中的web应用程序或浏览器提交的查询请求，以及在设备12-15之一的显示器上显示相应的结果。如图2所示，直接支持这些功能的在线服务系统10的软件模块是web服务器102和页面生成模块104。在线服务系统10还包括用户认证模块103，该用户认证模块103用于验证登录用户。在至少一个实施方案中，用户认证模块103使用用户的识别码或用户的电子邮件和密码在用户信息表231中进行搜索，以验证该用户是否注册用户，并返回验证结果。如图21所示，用户信息表231用于存储每个用户的信息，包括系统登录信息(登录名，密码和电子邮件地址)，图像查询请求记录和提案记录。图像查询请求记录包括用户提交的每个查询请求及查询结果。提案记录包括该用户提交的每个提案的处理的状态和结论。提案记录可用于奖励用户的有效提案，图像查询请求记录可用于控制用户服务请求的次数和频率，必要时可以用来提供付费的查询服务。在至少一个实施方案中，页面生成模块104用于，根据用户从浏览器或web应用程序发送的服务请求以及所使用的设备和浏览器参数，将云系统30计算的结果生成网页或生成代码和数据，并通过互联网11发送给设备12-15之一，以便设备12-15之一在显示器上显示该结果。若查询请求中携带的描述信息包括文本信息，则对于每个已知实体对象，根据未知实体对象的文本信息与已知实体对象的文本信息之间的第二相似度，根据第二相似度生成查询结果。比如，按第二相似度进行降序排序，确定超过阈值的一个或多个第二相似度，将这些第二相似度对应的类别和/或已知实体对象作为查询结果。若查询请求中携带的描述信息包括图像，或者，若查询请求中携带的描述信息包括图像和文本信息，则执行步骤2803。步骤2803，根据描述信息中的图像，计算未知实体对象的轮廓特征与各个已知实体对象的轮廓特征之间的第一相似度。若查询请求中携带的描述信息包括图像，则对于每个已知实体对象，根据图像计算未知实体对象的轮廓特征与已知实体对象的轮廓特征之间的第一相似度，根据第一相似度生成查询结果。比如，按第一相似度进行降序排序，确定超过阈值的一个或多个第一相似度，将这些第一相似度对应的类别和/或已知实体对象作为查询结果。若描述信息包括文本信息和图像，则在计算相似度时，对于每个已知实体对象，根据图像计算未知实体对象的轮廓特征与已知实体对象的轮廓特征之间的第一相似度，根据未知实体对象的文本信息与已知实体对象的文本信息之间的第二相似度；再对每个已知实体对象的第一相似度和第二相似度进行综合排序，根据排序结果生成所述查询结果。下面对计算第一相似度进行介绍。云系统30中的图像识别系统22负责图像特征提取和识别过程。如图4所示，它包括图像特征提取模块221和图像识别模块222。所需数据是图24所示的临时图像及图像参数表261，和图23所示的图像及参数数据库26中所示的永久性图像及图像参数表246。如图10所示，在步骤401，用户向云系统30提交搜索图像(即未知实体对象的描述信息中的图像)，在步骤403，web服务器102首先调用用户验证模块103来验证登录信息。如果登录有效，则web服务器102在步骤404和404b将用于查询的搜索图像和作为参考的图像识别码列表会随同该搜索请求一起被发送到图像识别系统22的图像识别模块222。图像识别系统22用于提取用户上传的搜索图像的图像特征，并将搜索图像的图像特征与存储在知识库24中永久性图像的图像特征相比对，以便在步骤405进行识别(图像识别过程参见图15)。当没有作为参考的类别/设计/变体识别码时，在步骤407，图像识别模块222将使用永久性图像及图像参数表246中的所有图像与搜索图像进行匹配。如图13所示，在步骤701，图像识别模块222首先调用图像特征提取模块221来提取搜索图像的图像特征，然后从永久性图像及图像参数表246中提取每个参考图像识别码的图像特征。接下来，在步骤702，图像识别模块222计算搜索图像与每个参考图像之间的相似度(即第一相似度)，然后，按相似度进行降序排序，确定超过阈值的一个或多个相似度，将该相似度对应的参考图像识别码及相似度作为结果返回给图像识别模块222。其中，图像识别系统22的一个实施方案涉及使用尺度和旋转不变图像特征提取方法来提取图像特征。使用sift提取图像特征是基于图像中物体轮廓的特征提取的方法中的一种，可以很好地匹配黑白历史图像和相同设计不同颜色的藏品。根据我们的实验测试，在精度、召回率及处理速度上，sift相较于其他方法都有较明显优势。此外，使用sift提取的图像特征进行图像匹配时，其对于图像比例失真和摄像角度造成的图像变形不敏感，适用于匹配不同条件下拍摄的图像；且其对于训练数据模型的图像的数量要求很低，这使得利用有限的历史性图像来识别稀有藏品成为可能。使用sift图像特征进行图像识别是本申请的一个实施方案。其他的诸如speed-uprobustfeatures(surf)，orientedfastandrotatedbrief(orb)之类的方法，其原理与尺度和旋转不变图像特征提取方法类似，可以作为本申请的拓展，利用这些方法提取的图像特征也可以用于本申请的图像匹配。此外，其他图像识别方法可以作为尺度和旋转不变图像特征提取方法的补充，将不同的方法提供的图像特征进行结合，可以提高图像识别的准确率。在本申请的实施方案中，在用户对知识库24查询未知实体对象时，在线服务系统10会调用图像识别系统22，通过图像识别系统22来计算搜索图像和知识库24中永久性图像间的相似度，再与文本信息搜索结果结合，从而找到知识库24中与该搜索图像最匹配的类别或设计或设计变体。在本申请的一个或多个实施方案中广泛使用的另一组技术是基于自然语言处理的技术。该技术应用主要在两个方面，第一个方面是利用该技术预处理所有通过设备12-15提交或从第三方获取的文本信息。在将文本信息存储在任何数据库之前，消除其拼写错误，提高文本质量和专业术语及计量单位等的一致性。比如，在预处理文本信息期间，该技术会使用基于nlp的数据清理技术，例如单词标准化(wordstandardization)，拼写纠正(spellingcorrection)，删除停用词(removestopwords)等。第二个方面是利用该技术进行基于文本信息的比较和搜索匹配。由于技术的限制和输入的搜索图像的质量问题，基于搜索图像的搜索通常会返回多个查询结果。如果还基于搜索文本信息(即未知实体对象的描述信息中的文本信息)进行了文本信息搜索，图像识别系统22接收到基于图像特征得到的多个查询结果之后，还可以计算提交的搜索文本信息与查询结果中的文本信息的相似度，再根据该相似度来对查询结果进行排序，以进一步排除无关的查询结果，从而提高搜索结果的准确性。在比较文本信息时，利用nlp方法中诸如词性标记part-of-speech(pos)，名词短语识别(nounphraseidentification)，实体定位(entityspotting)之类的方法，可以从文本信息中提取相关的关键词，再使用诸如levenshtein，重叠系数(overlapcoefficient)等方法来进一步比较关键词的相关性。在用户进行文字搜索时，也以采用以上方法来计算和比较文本信息的相似度。步骤2804，当存在满足预设条件的第一相似度时，根据该第一相似度生成查询结果，该查询结果至少包括未知实体对象的类别。当有多个图像被返回时，在步骤408，web服务器102调用结果优化模块211，根据返回结果中的类别/设计/设计变体识别号计算最匹配的类别/设计/设计变体。在步骤409，web服务器102调用共享参数识别模块214来计算返回结果中的共享特征参数和参数值。接下来，结果优化模块211和共享参数识别模块214的结果将被发送到页面生成模块104。在步骤411，页面生成模块104生成搜索结果页面并发送到web应用程序或浏览器以供显示。在实现时，作为入口参数，结果优化模块211接收一个由类别/设计/变体识别号组成的列表。结果优化模块211根据每个识别号在该列表中出现的频率计算并返回频率最高的一个或多个识别号。当图4所示的图像识别系统22中的图像识别模块222得到的图像查询结果是多个相似度接近的图像时，图像识别模块222调用结果优化模块211来进一步优化结果。下面对调用结果优化模块211的实现流程进行介绍。本申请的一个或多个实施方案中，云系统30可以通过以下步骤进行结果优化：步骤4、确定高于预设阈值的各个第一相似度，将各个第一相似度对应的已知实体对象和已知实体对象的变体对象的类别识别码组成类别识别码列表。如图15所示，结果优化模块211首先将输入的包含类别/设计/设计变体识别号的列表分成设计/设计变体识别号列表和类别识别号列表。对于每个设计/设计变体识别号，结果优化模块211从设计及设计变体信息表241获得该设计/设计变体识别号的父类别识别号，并将父类别识别号添加到类别识别号列表中。步骤5、对于类别识别码列表中的每个类别识别码，按照类别的树形结构查找类别识别码至根节点的所有节点的类别识别码，将所有节点的类别识别码添加到类别识别码列表中。接下来，对于类别识别号列表中的每个类别识别号，结果优化模块211按照类别的树形结构找到类别识别号直到根级别的所有节点的类别识别号，并添加到类别识别号列表。步骤6、按照类别识别码的出现频率和深度，对类别识别码中的各个类别识别码进行排序。本实施例中，可以按照类别识别码的出现频率由大到小的顺序，以及深度由大到小的顺序，对类别识别码中的各个类别识别码进行排序。比如，基于类别识别号列表中每个类别识别号的出现频率降序排序，对于出现频率相同的类别识别号，根据每个类别识别号从树形结构根部计算的深度对这些类别识别号再次进行降序排序(树形结构根节点深度为0)。步骤7、确定前n个类别识别码，将每个类别识别码所指示的类别作为查询结果；或者，确定前n个类别识别码和每个类别识别码对应的各个对象识别码，将每个类别识别码所指示的类别和每个类别识别码所对应的已知实体对象作为查询结果，n为正整数。这样，位于该序列最前面或顶部的就是输入的列表中最频繁出现和最具体(接近树形结构叶节点)的一个或多个类别识别号。当某个类别识别号在列表中多次出现时，表示该类别、该类别的子类别、或该类别直接或间接所包括的设计或设计变体的多个图像与搜索图像匹配。高数量的匹配说明了该类别与搜索图像间的强相似性。这个结果将被返回图像识别模块222。需要说明的是，当图像识别模块222返回了至少一个类别时，说明知识库24中不存在与该未知实体对象相似的物品，但是可以提供该未知实体对象的类别，以供用户参考。或者，当图像识别模块222返回了至少一个类别和一个已知实体对象时，可以直接调用页面生成模块104显示该已知实体对象的对象参数；当图像识别模块222返回了至少一个类别和至少两个已知实体对象时，还可以调用共享参数识别模块214来进一步优化结果，再调用页面生成模块104显示优化后的已知实体对象的对象参数。下面对共享参数识别模块214的实现流程进行介绍。如图3所示的共享参数识别模块214接收包含类别/设计/设计变体识别码的列表，将该列表作为入口参数，然后计算并返回入口参数中常见的特征参数以及该特征参数的参数值，这里所说的特征参数也可以称为共享特征参数，共享特征参数以及该共享特征参数的至少一种参数值也可以称为一组共享参数。此结果反映了输入的类别/设计/设计变体中最常见的特征，如颜色、材质等，可用于在查询时进一步过滤查询结果。如图14所示，共享参数识别模块214首先根据作为入口参数的列表中的识别码，从设计及设计变体信息表241或者/和类别信息表244中获取每个识别码的所有特征参数和参数值。接下来，共享参数识别模块214计算每对特征参数和参数值的出现频率，然后，基于出现频率以降序对特征参数和参数值对进行排序，并返回一个或多个频率高的特征参数和参数值对作为结果。本申请的一个或多个实施方案中，当所述查询结果包括至少两个已知实体对象且所述对象参数中的文本信息包括至少一种特征参数时，云系统30可以通过以下步骤显示共享参数：步骤8、显示至少两个已知实体对象的对象参数和一组共享参数，一组共享参数包括一种共享特征参数和至少两个参数值，且存在至少两个已知实体对象的共享特征参数的参数值不同；或者，显示至少两个已知实体对象的对象参数和至少两组共享参数，每组共享参数包括一种共享特征参数和至少一个参数值，且存在至少两个已知实体对象具有不同的共享特征参数，和/或，存在至少两个已知实体对象的相同共享特征参数的参数值不同；其中，共享特征参数是至少两个已知实体对象中超过预定数量的已知实体对象所共有的且参数值相同的特征参数。当存在一组共享参数时，该一组共享参数中的共享特征参数需要对应于至少两个参数值，这时，该至少两个已知实体对象需要满足以下条件：至少两个已知实体对象的共享特征参数的参数值不同，这样，才能通过对参数值的选择来过滤已知实体对象。当存在至少两组共享参数时，每组共享参数需要包括一种共享特征参数和至少一个参数值，此时，该至少两个已知实体对象需要满足以下条件中的至少一种：至少两个已知实体对象具有不同的共享特征参数、至少两个已知实体对象的相同共享特征参数的参数值不同，这样，当至少两个已知实体对象具有不同的共享特征参数时，可以通过对共享特征参数的选择来过滤已知实体对象。当至少两个已知实体对象的同种共享特征参数的参数值不同时，可以通过对参数值的选择来过滤已知实体对象。如图26所示的搜索结果页面上，其中心显示有匹配上的一个或多个类别/设计/设计变体中的一个的正面图像。用户可以通过滑动图像来浏览一个或多个查询结果的正面图像。图像上方是正在显示的类别/设计/设计变体的名称，下方的“详情”按钮将跳转到此类别/设计/设计变体的详细信息页面，下方的“过滤”按钮将展开一个子面板，此时，该子面板上将以复选框的形式显示查询结果中常见的共享特征参数和参数值。图26示出了三组共享参数，第一组共享参数的共享特征参数为“主色”，参数值为“黑色”和“红色”；第二组共享参数的共享特征参数为“材料”，参数值为“莱茵石”和“钢”；第三组共享参数的共享特征参数为“结构”，参数值为“水波纹”和“穹顶结构”。步骤9、当接收到对一组共享参数中的一个参数值的选择操作时，从至少两个已知实体对象中筛选共享特征参数的参数值为选出的参数值的已知实体对象，并显示筛选出的已知实体对象的对象参数。用户可以通过选择相应的共享特征参数以及该共享特征参数的参数值来进一步过滤所显示的查询结果。如图26所示，若用户选择了“红色”，则可以从所有查询结果中选择主色为红色的已知实体对象。另外，当用户点击“详情”按钮时，如图27所示的屏幕上将显示当前类别/设计/设计变体在类别信息表244或设计及设计变体信息表241中的详细信息。除了包含类别，结构，使用的材料，设计师/制造商，可能的制造年份，识别方法和版权相关信息之外，详情页面还包含“点赞”按钮和“出售”按钮。当用户第一次点击“点赞”按钮时，“点赞”按钮旁边的计数将增加1，从而动态反映人们对该类别/设计/设计变体的兴趣。当用户点击“出售”按钮时，将显示一个页面来允许用户销售同样的物品。知识库24中的数据可以与其他数据集进行链接来提供更丰富的信息。例如，除了文本信息和图像之外，在详细信息页面上还可以显示近期的销售记录，销售趋势和价格走势等信息，从而可以在帮助藏友和业者在鉴定藏品的同时，直接了解相关市场行情，对藏品的买卖做出正确的判断。计算机视觉相关的计算对云系统30配置要求较高，因此云系统30的维护成本较大。使用每月搜索服务配额来控制云系统30的免费使用，并允许用户购买额外的搜索服务，将是云系统30可以健康发展的重要途径。每月限额的免费服务可以满足绝大部分用户有限的服务要求。对于少量用户的大量服务，通过收取合理费可以增加收入，该收入可以用以提高云系统30的配置和维护，进一步吸收最新计算机技术来扩展提高云系统30的功能，购买数据，支付专家报酬，扩展专家队伍等。综上所述，本申请实施例提供的对象查询方法，由于知识库包括各个已知实体对象的对象参数，所以，人们可以在需要查询未知实体对象时，从该知识库中获取信息，从而可以提高信息的获取效率，降低对象查询的难度。通过读取未知实体对象的描述信息中的图像和知识库中各个已知实体对象的描述信息中的图像，根据这些描述信息中的图像，计算未知实体对象的轮廓特征与各个已知实体对象的轮廓特征之间的第一相似度，根据该第一相似度来得到未知实体对象的查询结果，既可以避免要求用户使用术语进行查询时的难度，从而降低对象查询的难度；也可以避免根据图像的色调查询对象时准确率低的问题，从而提高对象查询的准确性由于知识库中的图像具有版权授权记录，从而避免了在查询和显示该图像时涉及的版权问题。既可以通过图像来进行查询，也可以通过文本信息来进行查询，还可以通过图像和文本信息来进行查询，提供了多样化的查询方式，便于用户操作。当通过图像和文本信息来进行查询，可以对第一相似度和第二相似度进行综合排序，根据排序结果生成查询结果，从而提高了对象查询的准确性。由于第三方可以向知识库中提交提案，使得知识库的涵盖范围、深度和准确度可以随着时间不断增长，从而实现知识库的自我学习和矫正的功能。在提交提案时，通过自动预检可以避免重复提案和无效提案，从而避免将重复提案或无效提案分配给专家进行鉴定时，浪费专家的精力和时间的问题，提高了提案鉴定的效率。通过预估未知实体对象的预估类别，再查找与该预估类别对应的专家，将该未知实体对象的鉴定任务分配给该专家进行鉴定，从而将鉴定任务分配给擅长该领域的专家进行鉴定，提高了鉴定的准确性。请参考图29，其示出了本申请一个实施例提供的对象查询装置的结构框图，该对象查询装置可以应用于云系统30中。该对象查询装置，包括：获取模块2910，用于获取知识库，该知识库包括各个已知实体对象的对象参数，该对象参数至少包括描述信息和类别识别码，该类别识别码用于指示已知实体对象的类别；接收模块2920，用于接收查询请求，该查询请求中携带有未知实体对象的描述信息；计算模块2930，用于根据描述信息中的图像，计算未知实体对象的轮廓特征与各个已知实体对象的轮廓特征之间的第一相似度；生成模块2940，用于在存在满足预设条件的第一相似度时，根据该第一相似度生成查询结果，该查询结果至少包括未知实体对象的类别。在本申请的一个或多个实现方案中，当描述信息包括文本信息时，该计算模块2930，还用于对于每个已知实体对象，计算未知实体对象的文本信息与已知实体对象的文本信息之间的第二相似度；该生成模块2940，还用于对每个已知实体对象的第一相似度和第二相似度进行综合排序，根据排序结果生成查询结果。请参考图30，在本申请的一个或多个实现方案中，当查询结果包括至少两个已知实体对象且对象参数中的文本信息包括至少一种特征参数时，该装置还包括：显示模块2950，用于显示至少两个已知实体对象的对象参数和一组共享参数，一组共享参数包括一种共享特征参数和至少两个参数值，且存在至少两个已知实体对象的共享特征参数的参数值不同；或者，显示至少两个已知实体对象的对象参数和至少两组共享参数，每组共享参数包括一种共享特征参数和至少一个参数值，且存在至少两个已知实体对象具有不同的共享特征参数，和/或，存在至少两个已知实体对象的相同共享特征参数的参数值不同；其中，共享特征参数是至少两个已知实体对象中超过预定数量的已知实体对象所共有的且参数值相同的特征参数；该显示模块2950，还用于在接收到对一组共享参数中的一个参数值的选择操作时，从至少两个已知实体对象中筛选共享特征参数的参数值为选出的参数值的已知实体对象，并显示筛选出的已知实体对象的对象参数。在本申请的一个或多个实现方案中，该生成模块2940，还用于：确定高于预设阈值的各个相似度，将各个相似度对应的已知实体对象和已知实体对象的变体对象的类别识别码组成类别识别码列表；对于类别识别码列表中的每个类别识别码，按照类别的树形结构查找类别识别码至根节点的所有节点的类别识别码，将所有节点的类别识别码添加到类别识别码列表中；按照类别识别码的出现频率和深度，对类别识别码中的各个类别识别码进行排序；确定前n个类别识别码，将每个类别识别码所指示的类别作为查询结果；或者，确定前n个类别识别码和每个类别识别码对应的各个对象识别码，将每个类别识别码所指示的类别和每个类别识别码所对应的已知实体对象作为查询结果，n为正整数。在本申请的一个或多个实现方案中，当已知实体对象的描述信息包括图像时，对象参数还包括版权授权记录，版权授权记录是已知实体对象的持有者向知识库添加图像时生成的。在本申请的一个或多个实现方案中，该接收模块2920，还用于接收第三方发送的未知实体对象的描述信息；该生成模块2940，还用于在对描述信息的验证通过时，根据描述信息生成鉴定任务，并将鉴定任务分配给未知实体对象所属领域的专家进行鉴定；该装置还包括：添加模块2960，用于在专家生成鉴定通过的鉴定结果时，将未知实体对象的类别识别码和描述信息作为一个已知实体对象的对象参数添加到知识库中。在本申请的一个或多个实现方案中，该生成模块2940，还用于：根据知识库中的各个已知实体对象与未知实体对象之间的相似度，确定未知实体对象的至少一个预估类别，预估类别用于指示预估的未知实体对象所属的类别；从预设的专家信息表中查找预估类别对应的专家信息；在专家信息对应的专家满足接受鉴定任务的条件时，将鉴定任务分配给专家。综上所述，本申请实施例提供的对象查询装置，由于知识库包括各个已知实体对象的对象参数，所以，人们可以在需要查询未知实体对象时，从该知识库中获取信息，从而可以提高信息的获取效率，降低对象查询的难度。通过读取未知实体对象的描述信息中的图像和知识库中各个已知实体对象的描述信息中的图像，根据这些描述信息中的图像，计算未知实体对象的轮廓特征与各个已知实体对象的轮廓特征之间的第一相似度，根据该第一相似度来得到未知实体对象的查询结果，既可以避免要求用户使用术语进行查询时的难度，从而降低对象查询的难度；也可以避免根据图像的色调查询对象时准确率低的问题，从而提高对象查询的准确性由于知识库中的图像具有版权授权记录，从而避免了在查询和显示该图像时涉及的版权问题。既可以通过图像来进行查询，也可以通过文本信息来进行查询，还可以通过图像和文本信息来进行查询，提供了多样化的查询方式，便于用户操作。当通过图像和文本信息来进行查询，可以对第一相似度和第二相似度进行综合排序，根据排序结果生成查询结果，从而提高了对象查询的准确性。由于第三方可以向知识库中提交提案，使得知识库的涵盖范围、深度和准确度可以随着时间不断增长，从而实现知识库的自我学习和矫正的功能。在提交提案时，通过自动预检可以避免重复提案和无效提案，从而避免将重复提案或无效提案分配给专家进行鉴定时，浪费专家的精力和时间的问题，提高了提案鉴定的效率。通过预估未知实体对象的预估类别，再查找与该预估类别对应的专家，将该未知实体对象的鉴定任务分配给该专家进行鉴定，从而将鉴定任务分配给擅长该领域的专家进行鉴定，提高了鉴定的准确性。本申请还提供了一种服务器，该服务器包括处理器和存储器，存储器中存储有至少一条指令，至少一条指令由处理器加载并执行以实现上述各个方法实施例提供的对象查询方法。需要说明的是，上文中的云系统30可以部署在服务器上，该服务器可以是如下图31所提供的服务器。请参考图31，其示出了本申请一个示例性实施例提供的服务器的结构示意图。具体来讲：所述服务器3100包括中央处理单元(cpu)3101、包括随机存取存储器(ram)3102和只读存储器(rom)3103的系统存储器3104，以及连接系统存储器3104和中央处理单元3101的系统总线3105。所述服务器3100还包括帮助计算机内的各个器件之间传输信息的基本输入/输出系统(i/o系统)3106，和用于存储操作系统3113、应用程序3114和其他程序模块3115的大容量存储设备3107。所述基本输入/输出系统3106包括有用于显示信息的显示器3108和用于用户输入信息的诸如鼠标、键盘之类的输入设备3109。其中所述显示器3108和输入设备3109都通过连接到系统总线3105的输入输出控制器3110连接到中央处理单元3101。所述基本输入/输出系统3106还可以包括输入输出控制器3110以用于接收和处理来自键盘、鼠标、或电子触控笔等多个其他设备的输入。类似地，输入输出控制器3110还提供输出到显示屏、打印机或其他类型的输出设备。所述大容量存储设备3107通过连接到系统总线3105的大容量存储控制器(未示出)连接到中央处理单元3101。所述大容量存储设备3107及其相关联的计算机可读存储介质为服务器3100提供非易失性存储。也就是说，所述大容量存储设备3107可以包括诸如硬盘或者cd-roi驱动器之类的计算机可读存储介质(未示出)。不失一般性，所述计算机可读存储介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括ram、rom、eprom、eeprom、闪存或其他固态存储其技术，cd-rom、dvd或其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。当然，本领域技术人员可知所述计算机存储介质不局限于上述几种。上述的系统存储器3104和大容量存储设备3107可以统称为存储器。存储器存储有一个或多个程序，一个或多个程序被配置成由一个或多个中央处理单元3101执行，一个或多个程序包含用于实现上述语句编码或语句解码方法的指令，中央处理单元3101执行该一个或多个程序实现上述各个方法实施例提供的对象查询方法。根据本发明的各种实施例，所述服务器3100还可以通过诸如因特网等网络连接到网络上的远程计算机运行。也即服务器3100可以通过连接在所述系统总线3105上的网络接口单元3111连接到网络3112，或者说，也可以使用网络接口单元3111来连接到其他类型的网络或远程计算机系统(未示出)。所述存储器还包括一个或者一个以上的程序，所述一个或者一个以上程序存储于存储器中，所述一个或者一个以上程序包含用于进行本发明实施例提供的对象查询方法中由服务器所执行的步骤。本申请实施例还提供一种计算机可读存储介质，该存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器3110加载并执行以实现如上所述的对象查询方法。本申请还提供了一种计算机程序产品，当计算机程序产品在计算机上运行时，使得计算机执行上述各个方法实施例提供的对象查询方法。本申请一个实施例提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如上所述的对象查询方法。需要说明的是：上述实施例提供的对象查询装置在进行对象查询时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将对象查询装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的对象查询装置与对象查询方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。以上所述并不用以限制本申请实施例，凡在本申请实施例的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请实施例的保护范围之内。当前第1页12当前第1页12