随着移动电子商务的快速发展和普及,人们如何快速的从海量商品图像中找到符合自己需求的商品已成为大数据环境下移动电子商务所面临的新挑战。传统商品图像检索通常采用以下两种方式:1)基于关键词检索技术;2)基于图像内容的检索技术。由于上述两种商品图像检索方法存在检索准确度和预处理代价较高等问题,因此,图像检索的效率尚不理想。本文首次尝试将众包模式应用于基于内容的海量商品图像检索。众所周知,众包模式是互联网新型模式,是利用个人的选择和群体的力量,有效地发挥出群体的知识、技能、信息和技巧,解决多样性和复杂性问题。目前已具有了大量成功的应用实例,如谷歌翻译、维基百科、有道翻译、百度百科等。在移动无线网络环境下,网络带宽和流量限制使得图像传输耗时大,为此本文提出了交互式主动传输策略来提高图像传输效率。本文的主要内容和贡献如下:第一,提出一个海量商品图像检索框架——iCrowd。在iCrowd平台中将基于颜色直方图等纹理特征的查询结果集和检索图像制作成众包任务,以众包任务的形式发布,然后对众包任务结果进行统计分析得到查询用户所需的结果集。通过iCrowd平台的商品检索,检索的效率和用户满意度明显提高。第二,建立一种交互式主动传输模型。该方法是将传输图像进行分割成多个图像块,用户对感兴趣区域通鼠标点击使得感兴趣区域图像块保持分辨率不变,非感兴趣区域图像块分辨率相应地降低,从而可以整体降低整张图片的传输大小,达到理想的传输效率。第三,提出基于K近邻的缓存策略。利用历史查询图像直接获取部分结果集,减少众包任务数量,大大提高了查询效率。