CN101859367A - 数字照片分拣方法、装置及应用系统 - Google Patents

Abstract

本发明涉及一种数字照片分拣方法、装置及应用系统，方法包括：获取被存储的数字照片中包含的目标人脸数据，以及获取参照人脸数据；获取参照人脸数据的生物特征参数，以及获取目标人脸数据的生物特征参数；计算参照人脸数据的生物特征参数与目标人脸数据的生物特征参数的相似度值；将相似度值与设定的相似度阈值进行比较，按照设定条件挑选出与参照人脸数据相同的目标人脸数据。本发明提供的数字照片分拣方法、装置及应用系统，通过计算参照人脸数据的生物特征参数与目标人脸数据的生物特征参数的相似度值，按设定条件挑选出与参照人脸数据相同的目标人脸数据，即可实现对数码成像产品所拍摄的数字照片进行自动分拣并归类，节省用户的时间和精力。

Description

数字照片分拣方法、装置及应用系统

技术领域

本发明涉及图像识别技术，尤其是一种数字照片分拣方法、装置及应用系统。

背景技术

随着数码成像技术的飞速发展，大量的数字照片被拍摄。实际应用中，有时需要从多张照片中，挑选出含有某人或者某几个人影像的照片。例如：对甲、乙、丙、丁四人所拍摄的共N张数字照片进行分类挑选，将所拍摄的数字照片中、包括L张含有甲的单人照以及M张甲与他人的合照(L+M＜＝N，L、M、N均为正整数)挑选出来。现有的数码成像产品仅仅能够拍摄并保存数字照片，要对数字照片进行分拣、归类，仍需要采用人工的方式手动实现。而采用人工方式对所拍摄的数字照片中的人脸进行识别，并按照设定条件，以手动方式对数字照片进行分拣并归类，需要消耗大量的时间和精力。

发明内容

本发明的目的在于提供一种数字照片分拣方法、装置及应用系统，实现对数码成像产品所拍摄的数字照片进行自动分拣并归类，节约用户的时间和精力。

为实现上述目的，本发明提供了一种数字照片分拣方法，包括：

获取被存储的数字照片中包含的目标人脸数据，以及获取参照人脸数据；

根据所述参照人脸数据和目标人脸数据，获取所述参照人脸数据的生物特征参数，以及获取所述目标人脸数据的生物特征参数；

计算所述参照人脸数据的生物特征参数与目标人脸数据的生物特征参数的相似度值；

将所述相似度值与设定的相似度阈值进行比较，按照设定条件挑选出与所述参照人脸数据相同的目标人脸数据。

上述数字照片分拣方法，通过计算参照人脸数据的生物特征参数与目标人脸数据的生物特征参数的相似度值，将相似度值与设定的相似度阈值进行比较，按照设定条件挑选出与参照人脸数据相同的目标人脸数据，即可实现对数码成像产品所拍摄的数字照片进行自动分拣并归类，节省了用户的时间和精力。

为实现上述目的，本发明还提供了一种数字照片分拣装置，包括：

第一获取模块，用于获取被存储的数字照片中包含的目标人脸数据，以及获取参照人脸数据；

第二获取模块，用于根据所述参照人脸数据和目标人脸数据，获取所述参照人脸数据的生物特征参数，以及获取所述目标人脸数据的生物特征参数；

计算模块，用于计算所述参照人脸数据的生物特征参数与目标人脸数据的生物特征参数的相似度值；

比较挑选模块，用于将所述相似度值与设定的相似度阈值进行比较，按照设定条件挑选出与所述参照人脸数据相同的目标人脸数据。

上述数字照片分拣装置，计算模块通过计算参照人脸数据的生物特征参数与目标人脸数据的生物特征参数的相似度值，比较挑选模块将相似度值与设定的相似度阈值进行比较，按照设定条件挑选出与参照人脸数据相同的目标人脸数据，即可对数码成像产品所拍摄的数字照片进行自动分拣并归类，节省了用户的时间和精力，使用户更方便地管理数字照片。

为实现上述目的，本发明还提供了一种数字照片分拣应用系统，包括数码相机，所述数码相机设置有上述技术方案中的数字照片分拣装置。

上述数字照片分拣应用系统，数字照片分拣装置将数码相机内存储的数字照片进行自动挑选并归类，节省了用户的时间和精力，使用户更方便地管理数字照片。

附图说明

图1为本发明数字照片分拣方法实施例一的流程示意图；

图2为本发明数字照片分拣方法实施例二的流程示意图；

图3为本发明数字照片分拣装置实施例一的结构示意图；

图4为本发明数字照片分拣装置实施例二的结构示意图；

图5为图4所示实施例的数字照片存储模块中存储的数字照片的人脸示意图；

图6为本发明数字照片分拣应用系统实施例一的结构示意图。

具体实施方式

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

本发明实施例中，假定数字照片的分辨率为M*N(M，N为整数)，可将该数字照片看作一数学上的二维矩阵，其中，该二维矩阵的横向长度为M，纵向长度为N，表示对应坐标位置的像素点的颜色信息为8bit的位宽，则每一矩阵元素用0～255中的一整数表示颜色信息，而二维矩阵的横向和纵向数值代表此像素在图片中的位置坐标信息。以此类推，任何像素大小，任何颜色数目的图片均可看作是一个数学上的二维矩阵。以下本发明实施例讨论的数字照片，均指该数字照片所对应的二维矩阵。

图1为本发明数字照片分拣方法实施例一的流程示意图，如图1所示，包括以下步骤：

步骤101、获取被存储的数字照片中包含的目标人脸数据，以及获取参照人脸数据。

上述步骤101中，可以采用数码照相机、数码摄录机、具有摄像功能的手机、具有摄像功能的掌上电脑(Personal Digital Assistant，简称PDA)、个人电脑中的其中之一获取数字照片，并将数字照片存储在相应的存储设备中。

目标人脸数据和参照人脸数据均为数字照片中的人脸信息。可以采用AdaBoost方法进行数字照片中的目标人脸数据的检测，即首先判断被保存的数字照片中是否存在目标人脸数据，关于该方法的详细介绍，请参考R.Polikar发表的《A tutorial article on ensemble systems including pseudocode，blockdiagrams and implementation issues for AdaBoost and other ensemble learningalgorithms》(IEEE Circuits and Systems Magazine，vol.6，no.3，pp.21-45，2006)。

也可以采用其他人脸检测的方法，如基于肤色的方法、基于支持向量机(Support Vector Machine，简称SVM)的方法、基于子空间的方法、基于朴素贝叶斯方法等人脸检测方法，判断数字照片中是否存在目标人脸数据。若存在目标人脸数据，则采用相应的人脸定位方法获取目标人脸数据在数字照片中的目标人脸位置参数。本领域技术人员可以根据现有的人脸检测方法获取数字照片中的目标人脸数据，并按照现有的人脸定位方法获取数字照片中的目标人脸位置参数，在此不再赘述。

步骤102、根据参照人脸数据和目标人脸数据，获取参照人脸数据的生物特征参数，以及获取目标人脸数据的生物特征参数。

上述步骤102中，参照人脸数据的生物特征参数为用户选定的需要从数字照片中挑选归类的数字照片中的人脸上的眼睛、鼻子、嘴巴等形状信息，目标人脸数据的生物特征参数为待挑选的数字照片中的人脸上的眼睛、鼻子、嘴巴等形状信息。

步骤103、计算参照人脸数据的生物特征参数与目标人脸数据的生物特征参数的相似度值。

上述步骤103中，相似度值是指两个参照人脸数据的生物特征参数与目标人脸数据的生物特征参数之间的相似程度。其中，人参照脸数据的生物特征参数和目标人脸数据的生物特征参数均为提取出来的数字照片中的眼睛、鼻子、嘴巴等人脸面部特征参数的特征频率，或者是像素之间的多维变化规律以及像素在多维空间的距离关系。参照人脸数据的生物特征参数由预先设定的人脸图像范例集所提取出的人脸数据的生物特征参数训练而取得。具体为：计算目标人脸数据和参照人脸数据的生物特征参数的特征向量之间的归一化内积，即：目标人脸数据的生物特征参数与参照人脸数据的生物特征参数的相似度值具体可以为：

其中<x，y>为内积。其中x，y表示欲比较的两张数字照片所表示的两个二维矩阵，x为参照人脸数据所表示的二维矩阵，y为目标人脸数据所表示的二维矩阵。S(x，y)为x与y之间的相似度值，其中，相似度值为0～1，并且0表示完全不相同，1表示完全相同。进一步地，

若将y＝x代入上述公式，则有S(x，y)＝1，此时表示x与y完全相同。

步骤104、将相似度值与设定的相似度阈值进行比较，按照设定条件挑选出与参照人脸数据相同的目标人脸数据。

上述步骤104中，相似度阈值为预先设定的阈值，可以根据数字照片的光照条件，数字照片中的背景颜色设定。设定条件具体可以为：根据预先设定的相似度阈值(0～1之间的一个数值)和上述步骤103中计算得到的参照人脸数据来判断目标人脸数据是否为人脸图像。若S(x，y)＞相似度阈值，则确定目标人脸数据与参照人脸数据包含有相同的人脸图像；若S(x，y＜＝相似度阈值，则确定目标人脸数据与参照人脸数据包含有不相同的人脸图像。

本发明实施例提供的数字照片分拣方法，通过计算参照人脸数据的生物特征参数与目标人脸数据的生物特征参数的相似度值，将相似度值与设定的相似度阈值进行比较，按照设定条件挑选出与参照人脸数据相同的目标人脸数据，即可实现对数码成像产品所拍摄的数字照片进行自动分拣并归类，节省了用户的时间和精力。

图2为本发明数字照片分拣方法实施例二的流程示意图，如图2所示，包括以下步骤：

步骤201、获取被存储的数字照片中包含的目标人脸数据，以及获取参照人脸数据。

上述步骤201中，可以采用数码照相机、数码摄录机、具有摄像功能的手机、具有摄像功能的掌上电脑(Personal Digital Assistant，简称PDA)、个人电脑中的其中之一获取数字照片，并将数字照片存储在相应的存储设备中。

目标人脸数据和参照人脸数据均为数字照片中的人脸信息。可以采用AdaBoost方法进行数字照片中的目标人脸数据的检测，即首先判断被保存的数字照片中是否存在目标人脸数据，也可以采用其他人脸检测的方法，如基于肤色的方法、基于SVM的方法、基于子空间的方法、基于朴素贝叶斯方法等人脸检测方法，判断数字照片中是否存在目标人脸数据。若存在目标人脸数据，则采用相应的人脸定位方法获取目标人脸数据在数字照片中的目标人脸位置参数。本领域技术人员可以根据现有的人脸检测方法获取数字照片中的目标人脸数据，并按照现有的人脸定位方法获取数字照片中的目标人脸位置参数，在此不再赘述。

步骤202、根据参照人脸数据和目标人脸数据，获取参照人脸数据的生物特征参数，以及获取目标人脸数据的生物特征参数。

上述步骤202中，参照人脸数据的生物特征参数为用户选定的需要从数字照片中挑选归类的数字照片中的人脸上的眼睛、鼻子、嘴巴等形状信息，目标人脸数据的生物特征参数为待挑选的数字照片中的人脸上的眼睛、鼻子、嘴巴等形状信息。

步骤203、计算参照人脸数据的生物特征参数与目标人脸数据的生物特征参数的相似度值。

上述步骤203中，相似度值是指两个参照人脸数据的生物特征参数与目标人脸数据的生物特征参数之间的相似程度。其中，人参照脸数据的生物特征参数和目标人脸数据的生物特征参数均为提取出来的数字照片中的眼睛、鼻子、嘴巴等人脸面部特征参数的特征频率，或者是像素之间的多维变化规律以及像素在多维空间的距离关系。参照人脸数据的生物特征参数由预先设定的人脸图像范例集所提取出的人脸数据的生物特征参数训练而取得。具体为：计算目标人脸数据和参照人脸数据的生物特征参数的特征向量之间的归一化内积，即：目标人脸数据的生物特征参数与参照人脸数据的生物特征参数的相似度值具体可以为：其中<x，y>为内积。其中x，y表示欲比较的两张数字照片所表示的两个二维矩阵，x为参照人脸数据所表示的二维矩阵，y为目标人脸数据所表示的二维矩阵。S(x，y)为x与y之间的相似度值，其中，相似度值为0～1，并且0表示完全不相同，1表示完全相同。进一步地，

若将y＝x代入上述公式，则有S(x，y)＝1，此时表示x与y完全相同。

步骤204、将相似度值与设定的相似度阈值进行比较，按照设定条件挑选出与参照人脸数据相同的目标人脸数据。

上述步骤204中，相似度阈值为预先设定的阈值，可以根据数字照片的光照条件、数字照片中的背景颜色设定。设定条件具体可以为：根据预先设定的相似度阈值(0～1的一个数值)和上述步骤103中计算得到的参照人脸数据来判断目标人脸数据是否为人脸图像。若S(x，y)＞相似度阈值，则确定目标人脸数据与参照人脸数据包含有相同的人脸图像；若S(x，y)＜＝相似度阈值，则确定目标人脸数据与参照人脸数据包含有不相同的人脸图像。

步骤205、建立文件夹，将归类后的数字照片保存到同一文件夹内。

上述步骤205中，通过建立文件夹，将与参照人脸数据相同的目标人脸数据进行归类，并保存到同一文件夹内，可实现将归类后的数字照片分类保存，便于用户对数字照片的管理。

本发明实施例提供的数字照片分拣方法，通过计算参照人脸数据的生物特征参数与目标人脸数据的生物特征参数的相似度值，将相似度值与设定的相似度阈值进行比较，按照设定条件挑选出与参照人脸数据相同的目标人脸数据，即可实现对数码成像产品所拍摄的数字照片进行自动分拣并归类，节省了用户的时间和精力。通过建立文件夹，将归类后的数字照片保存到同一文件夹内，并对对归类后的数字照片进一步根据数字照片的大小建立分类序列，方便了用户对数字照片的管理。

在上述实施例的基础上，将与参照人脸数据相同的目标人脸数据进行归类，并保存到同一文件夹内之后，还可以根据拍摄时间对归类后同一文件夹内的数字照片建立分类序列；可根据数字照片的拍摄时间对归类后的数字照片建立分类序列，根据记录的数字照片的拍摄时间，按照拍摄时间的先后顺序，将归类后的数字照片按照拍摄时间的先后进行排序，方便用户对数字照片的管理。数字照片的拍摄时间以年月日的形式保存在图像文件的特定位置，可以读取获得，按照拍摄时间先后进行排序即可。也可根据分辨率大小对归类后同一文件夹内的所述数字照片建立分类序列，数字照片的分辨率指的是以像素为单位数字照片的行数和列数的乘积，数字照片分辨率大小的序列可通过比较数字照片的行数和列数的乘积实现。将归类后的数字照片按照分辨率大小进行排序，方便用户的管理。

图3为本发明数字照片分拣装置实施例一的结构示意图，本发明图3所示装置实施例能够实现图1或图2所示方法实施例的流程。如图3所示，包括：第一获取模块31、第二获取模块32、计算模块33、比较挑选模块34。

其中，第一获取模块31获取被存储的数字照片中包含的目标人脸数据，以及获取参照人脸数据；第二获取模块32根据第一获取模块31获取的参照人脸数据和目标人脸数据，获取参照人脸数据的生物特征参数，以及获取目标人脸数据的生物特征参数；计算模块33计算第二获取模块32获取的参照人脸数据的生物特征参数与目标人脸数据的生物特征参数的相似度值；比较挑选模块34将计算模块33计算得到的相似度值与设定的相似度阈值进行比较，按照设定条件挑选出与参照人脸数据相同的目标人脸数据。

本发明实施例提供的数字照片分拣装置，计算模块33通过计算参照人脸数据的生物特征参数与目标人脸数据的生物特征参数的相似度值，比较挑选模块34将相似度值与设定的相似度阈值进行比较，按照设定条件挑选出与参照人脸数据相同的目标人脸数据，即可对数码成像产品所拍摄的数字照片进行自动分拣并归类，节省了用户的时间和精力，使用户更方便地管理数字照片。

图4为本发明数字照片分拣装置实施例二的结构示意图，本发明图4所示装置实施例能够实现图1或图2所示方法实施例的流程。如图4所示，包括：第一获取模块41、第二获取模块42、计算模块43、比较挑选模块44、建立模块45、归类模块46。

其中，第一获取模块41获取被存储的数字照片中包含的目标人脸数据，以及获取参照人脸数据；第二获取模块42根据第一获取模块41获取的参照人脸数据和目标人脸数据，获取参照人脸数据的生物特征参数，以及获取目标人脸数据的生物特征参数；计算模块43计算第二获取模块42获取的参照人脸数据的生物特征参数与目标人脸数据的生物特征参数的相似度值；比较挑选模块44将计算模块43计算得到的相似度值与设定的相似度阈值进行比较，按照设定条件挑选出与参照人脸数据相同的目标人脸数据；建立模块45建立文件夹，将比较挑选模块44挑选出的与参照人脸数据相同的目标人脸数据所在的数字照片进行归类并保存到文件夹中；归类模块46将与参照人脸数据相同的目标人脸数据进行归类，并保存到建立模块45建立的同一文件夹内。

进一步地，第一获取模块41包括：第一获取单元411和第二获取单元412；其中，第一获取单元411获取被存储的数字照片中包含的目标人脸数据；第二获取单元412获取参照人脸数据。

比较挑选模块44包括：比较单元441和挑选单元442；其中，比较单元441将计算模块43计算得到的相似度值与设定的相似度阈值进行比较，挑选单元442根据设定条件挑选出与参照人脸数据相同的目标人脸数据。

归类模块46包括：第一归类单元461和第二归类单元462；其中，第一归类单元461根据拍摄时间对归类后的与参照人脸数据相同的目标人脸数据所在的数字照片建立分类序列；第二归类单元462根据分辨率大小对归类后的与参照人脸数据相同的目标人脸数据所在的数字照片建立分类序列。

本发明实施例提供的数字照片分拣装置，计算模块43通过计算参照人脸数据的生物特征参数与目标人脸数据的生物特征参数的相似度值，比较挑选模块44将相似度值与设定的相似度阈值进行比较，按照设定条件挑选出与参照人脸数据相同的目标人脸数据，建立模块45建立文件夹，将比较挑选模块44挑选出的与参照人脸数据相同的目标人脸数据所在的数字照片进行归类并保存到文件夹中；归类模块46将与参照人脸数据相同的目标人脸数据进行归类，并保存到同一文件夹内，即可对数码成像产品所拍摄的数字照片进行自动分拣并归类，节省了用户的时间和精力，使用户更方便地管理数字照片。

图5为图4所示实施例的数字照片存储模块中存储的数字照片的人脸示意图，如图5所示，并结合图4所示的结构示意图详细说明本发明实施例的工作过程，被存储的大量的包含有人脸的数字照片形成一个人脸目标照片库51，第一获取单元411获取人脸目标照片库51中的包含有目标人脸数据的数字照片；第二获取单元412获取参照人脸数据，并将参照人脸数据作为一个标准人脸数据52，第二获取模块42根据第一获取模块41获取的标准人脸数据52和人脸目标照片库51中的目标人脸数据，获取标准人脸数据52的生物特征参数，以及获取人脸目标照片库51中的目标人脸数据的生物特征参数；计算模块43计算第二获取模块42获取的标准人脸数据52的生物特征参数与人脸目标照片库51中的目标人脸数据的生物特征参数的相似度值；比较挑选模块44将计算模块43计算得到的相似度值与设定的相似度阈值进行比较，按照设定条件从人脸目标照片库51中挑选出与标准人脸数据52相同的目标人脸数据；建立模块45建立文件夹，将比较挑选模块44挑选出的与标准人脸数据52相同的人脸目标照片库51中的目标人脸数据所在的数字照片进行归类并保存到文件夹中；归类模块46将与标准人脸数据52相同的人脸目标照片库51中的目标人脸数据进行归类，并保存到建立模块45建立的同一文件夹内，即可实现对数码成像产品所拍摄的数字照片进行自动分拣并归类，节省了用户的时间和精力，使用户更方便地管理数字照片。

图6为本发明数字照片分拣应用系统实施例一的结构示意图，如图6所示，本实施例包括：数码相机61。

其中，数码相机61内设置有图3或图4所示实施例的数字照片分拣装置，数字照片分拣装置对数码相机61所拍摄的数字照片进行自动挑选并归类；数码相机61通过通用串行总线(Universal Serial BUS，简称USB)将挑选归类后的数字照片传输到个人计算机(Personal Computer，简称PC)62上，用户可在PC62上直接接收已经挑选并归类后的数码照片，节省了用户的时间和精力，使用户更方便地管理数字照片。

可选地，也可将数字照片分拣装置设置在PC上，数码相机通过USB将数字照片传输到PC后，通过本发明数字照片分拣装置将PC上的数字照片进行分拣并归类，节省了用户的时间和精力，使用户更方便地管理数字照片。

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程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (12)

1.一种数字照片分拣方法，其特征在于，包括：

获取被存储的数字照片中包含的目标人脸数据，以及获取参照人脸数据；

根据所述参照人脸数据和目标人脸数据，获取所述参照人脸数据的生物特征参数，以及获取所述目标人脸数据的生物特征参数；

计算所述参照人脸数据的生物特征参数与目标人脸数据的生物特征参数的相似度值；

将所述相似度值与设定的相似度阈值进行比较，按照设定条件挑选出与所述参照人脸数据相同的目标人脸数据。

2.根据权利要求1所述的方法，其特征在于，所述获取被存储的数字照片中包含的目标人脸数据包括：

获取被存储的数字照片；

判断所述被存储的数字照片中是否存在目标人脸数据；

若存在目标人脸数据，获取所述目标人脸数据在所述数字照片中的目标人脸位置参数。

3.根据权利要求1或2所述的方法，其特征在于，所述将所述相似度值与设定的相似度阈值进行比较，按照设定条件挑选出与所述参照人脸数据相同的目标人脸数据之后还包括：

建立文件夹，将归类后的所述数字照片保存到所述文件夹中。

4.根据权利要求3所述的方法，其特征在于，所述建立文件夹，将归类后的所述数字照片保存到所述文件夹中之后还包括：

将与所述参照人脸数据相同的目标人脸数据进行归类，并保存到同一文件夹内。

5.根据权利要求4所述的方法，其特征在于，所述将与所述参照人脸数据相同的目标人脸数据进行归类，并保存到同一文件夹内之后还包括：

根据拍摄时间对归类后同一文件夹内的所述数字照片建立分类序列；

根据分辨率大小对归类后同一文件夹内的所述数字照片建立分类序列。

6.一种数字照片分拣装置，其特征在于，包括：

第一获取模块，用于获取被存储的数字照片中包含的目标人脸数据，以及获取参照人脸数据；

第二获取模块，用于根据所述参照人脸数据和目标人脸数据，获取所述参照人脸数据的生物特征参数，以及获取所述目标人脸数据的生物特征参数；

计算模块，用于计算所述参照人脸数据的生物特征参数与目标人脸数据的生物特征参数的相似度值；

比较挑选模块，用于将所述相似度值与设定的相似度阈值进行比较，按照设定条件挑选出与所述参照人脸数据相同的目标人脸数据。

7.根据权利要求6所述的装置，其特征在于，所述第一获取模块包括：

第一获取单元，用于获取被存储的数字照片中包含的目标人脸数据；

第二获取单元，用于获取参照人脸数据。

8.根据权利要求6所述的装置，其特征在于，所述比较挑选模块包括：

比较单元，用于将所述相似度值与设定的相似度阈值进行比较；

挑选单元，用于根据设定条件挑选出与所述参照人脸数据相同的目标人脸数据。

9.根据权利要求6所述的装置，其特征在于，还包括：建立模块，用于建立文件夹，将挑选出的与参照人脸数据相同的目标人脸数据所在的数字照片进行归类并保存到所述文件夹中。

10.根据权利要求9所述的装置，其特征在于，还包括：归类模块，用于将与所述参照人脸数据相同的目标人脸数据进行归类，并保存到同一文件夹内。

11.根据权利要求10所述的装置，其特征在于，所述归类模块包括：

第一归类单元，用于根据拍摄时间对归类后的与所述参照人脸数据相同的目标人脸数据所在的所述数字照片建立分类序列；

第二归类单元，用于根据分辨率大小对归类后的与所述参照人脸数据相同的目标人脸数据所在的所述数字照片建立分类序列。

12.一种数字照片分拣应用系统，包括数码相机，其特征在于，所述数码相机设置有权利要求6～11任一所述的数字照片分拣装置。

Images