随着人工智能的发展,基于深度学习的图片搜索技术逐渐成为主流。各大搜索引擎都推出了图片搜索服务,如百度的百度识图和谷歌的以图搜图。常见的图片搜索服务中,很重要的一环便是按需求抽取每张图片对应的图片特征信息。除了传统的颜色、灰度、大小、标签等特征外,现在人工智能研究人员更多关注的是图片的深度特征信息。研究员通过巧妙地进行数学建模,构建不同的深度模型从不同的角度理解图片信息,以满足不同需要,这就使得每张图片都需要经过多种模型计算相应的多种深度特征,如何让抽取基于不同模型的不同深度特征的过程能够统一并且高效,便成为了一个具有一定挑战和很强现实意义的问题。本文介绍了一种基于Python的多特征存取系统的设计与实现方法。该系统分为三个子系统——Elastic Search(下称ES)扫描和写入子系统、分布式图片下载子系统和特征抽取子系统。三个子系统通过Kafka分布式消息队列进行了逻辑解耦。ES扫描和写入子系统专注于解决高效搜索和写入ES服务器的需求;分布式图片下载子系统专注于解决大规模图片数据的下载和预处理的需求;特征抽取子系统作为核心系统,专注于解决高效地进行从图片数据中抽取所需特征的需求。三个系统共同构成了一个从ES中自动获取任务,下载相应图片数据并抽取相应特征,最后将特征数据回写到ES中的数据闭环,整个系统实现了全自动控制,无需人为干预。本系统运用了软件工程化的思想完成了从设计到实现的全部工作,在文中按照项目进行顺序介绍了系统的需求分析、概要设计、详细设计、实现方法、测试和部署,并提出了该系统的进一步改进方向。