1.一种基于图像识别的知识库构建方法，其特征在于，包括以下步骤：(1)、获取目标图像

获取包含待构建知识库相关的多张场景和实体的图像，每张图像中包含多个实体E1、E2、…、Ei、…，且每个实体又具有多个属性值A1,1、A1,2、…、A2,1、A2,2、…、Ai,j、…；

(2)、目标图像预处理

先将每一张图像转换为灰度图，再对灰度图进行平滑和锐化处理，最后全部保存在图像库；

(3)、搭建神经网络模型

神经网络模型由三个卷积神经网络CNN构成，其中，第二个和第三个CNN并联后串联在第一个CNN的后面，分别用于场景识别、实体识别和属性识别；其中，场景识别的结果以独热向量S表示，实体识别的结果以独热向量E表示，属性识别的结果以独热向量A表示；

(4)、利用神经网络模型识别图像

(4.1)、在图像库中随机选出一张图像输入至神经网络模型；

(4.2)、第一个CNN识别出该张图像中的场景，并输出独热向量Sk，下标k表示第k张图像；

(4.3)、待第一个CNN识别识别完成后，第二个和第三个CNN同时识别该张图像；

(4.3.1)、第二个CNN识别出该张图像中的实体E1、E2、…、Ei、…，并且记录下各实体在该张图像中所占像素范围P(E1)、P(E2)、…、P(Ei)、…；

(4.3.2)、第三个CNN识别出该张图像中每个实体下的属性A1,1、A1,2、…、A2,1、A2,2、…、Ai,j、…，并记录下各属性在该张图像中所占像素范围P(A1,1)、P(A1,2)、…、P(A2,1)、P(A2,2)、…、P(Ai,j)、…；

(5)、计算重合度

计算实体Ei的像素范围P(Ei)和属性Ai,j的像素范围P(Ai,j)的重合度O；

(6)、构建目标知识库

将重合度O与预设的重合度阈值进行比较，如果重合度大于或者等于重合度阈值，则表示所识别的实体和属性处于同一像素区域，即实体Ei和属性Ai,j之间相互匹配，并以(Sk，Ei，Ai,j)的格式保存于目标知识库中；

如果重合度小于重合度阈值，则按照步骤(5)所述方法计计算实体Ei的像素范围P(Ei)和属性Ai,j+1的像素范围P(Ai,j+1)的重合度，再返回步骤(6)；然后以此类推，直到完成该张图像中所有实体和属性的匹配；

返回步骤(4.1)，利用神经网络模型识别下一张图像，并按照步骤(5)-(6)所述方法进行依次处理，直到图像库中所有图像中所有实体和属性的匹配完成，从而构建出目标知识库。

2.根据权利要求1所述的一种基于图像识别的知识库构建方法，其特征在于，所述重合度O的取值范围为[0，1]。