CN103366186B - 动态变换终端背景的方法及装置 - Google Patents

Abstract

本发明提供一种动态更换终端背景的方法，该方法捕获当前场景的图片和情境特征，计算图片库中每张图片与当前场景图片的图片相似度及其在当前场景下的图片情境推荐度，并结合图片相似度和图片推荐度来计算联合相似度，最终选择图片库中具有最大的联合相似度的图片，将其更换为终端设备的背景。该方法可基于移动用户所在的当前场景自动变换终端背景或终端上应用程序的背景，为用户提供了更佳的用户体验，还节省了用户在海量的图片库中进行图片选择的工作量。而且该方法通用性、移植性强，可广泛适用于移动设备中各种应用程序的更换背景、皮肤、壁纸等功能。

Description

动态变换终端背景的方法及装置

技术领域

本发明涉及模式识别领域，具体地，涉及图像模式识别和情境感知。

背景技术

随着各种移动设备的普及，移动设备的功能越来越丰富，移动设备上纷繁复杂的各种应用也越来越多，随之而来的是应用程序中，各种背景、皮肤自然也纷至沓来。因此用户自定义手机及应用程序的背景壁纸图片的功能和手机拍照功能已成为移动设备的常规配置。然而这个两种功能目前仍然是两个相对独立的功能，两者之间不存在任何联系。

每种应用程序为用户提供的默认背景设计未必是用户所喜欢的，因此大部分应用程序都提供了更换背景、皮肤的功能，用户既可以选择应用程序内嵌的，也可以下载比较新的背景。但是上述背景和皮肤的更换都需要用户的手动干涉。

考虑到环境的不同，每个人自身的心情、学习/工作的心情、以及专注性会有所不同，因此，若能针对不同场景适时更换背景图片、壁纸或皮肤，则可以从视觉上为用户创造一个赏心悦目的环境。然而，目前背景更换功能却没有考虑这一方面，它们只是强调了可以换，而没有做到换的好、换的准、换的舒适，而且其要求用户的手动操作。

发明内容

本发明的目的在于提供一种可以基于移动场景自动变换终端背景或终端上应用程序的背景的方法及装置。

本发明的目的是通过以下技术方案实现的：

一方面，本发明提供了一种动态变换终端背景的方法，该方法包括：

步骤1)捕获当前场景的图片；

步骤2)计算图片库中的每张图片与当前场景的图片之间的图片相似度；

步骤3)选择图片库中具有最大图片相似度的图片，将其更换为终端设备的背景。

又一方面，本发明提供了一种动态变换终端背景的方法，该方法包括：

步骤1’)捕获当前场景的图片和当前场景的情境特征；

步骤2’)计算图片库中的每张图片与当前场景的图片之间的图片相似度；

步骤3’)根据所捕获的当前场景的情境特征和历史记录信息计算图片库中的每张图片在当前场景下的图片情境推荐度；

步骤4)基于图片相似度和图片情境推荐度来从图片库中选择图片，并将其更换为终端设备的背景。

上述技术方案中，所述图片库存储在用户所使用的终端设备上或通过网络存储在其他设备上。

上述技术方案中，所述步骤3’)中计算图片库中第i张图片在当前场景下的图片情境推荐度P_i(C)是可以通过计算每张图片p_i在当前情境C下被推荐的概率值而得到的，其中 $P\left(p_i\right|\stackrel{\→}{C})=P\left(\stackrel{\→}{C}\right|p_i)\·P\left(p_i\right)/P\left(\stackrel{\→}{C}\right),$ $P\left(\stackrel{\→}{C}\right|p_i)=\mathrm{\ΠP}\left(f_j\right|p_i),$ $P\left(p_i\right)=\frac{k\left(p_i\right)}{T},$ $P\left(\stackrel{\→}{C}\right)={\mathrm{\Σ}}_{j=1}^{k}P\left(\stackrel{\→}{C}\right|p_i)\·\left(p_i\right),$ $P\left(f_j\right|p_i)=\frac{n(f_j,p_i)}{n\left(p_i\right)};$

其中，为表示当前场景C的情境特征的向量形式，场景C中的各个情境特征可由向量中的各个分量表示；f_j代表中的第j个分量；k(p_i)表示第i张图片出现的次数；T表示所有图片出现的次数；n(f_j，p_i)表示图片p_i中的f_j分量发生的次数；n(p_i)表示图片p_i中的每个分量发生的次数总和。

上述技术方案中，所述步骤4)可以包括以下步骤：

基于图片相似度和图片情境推荐度来计算每张图片的联合相似度；

选择图片库中具有最大的联合相似度的图片，将其更换为终端设备的背景。

上述技术方案中，所述步骤4)还可以包括将所选择的图片及当前场景的情境特征作为历史记录进行保存。

上述技术方案中，所述步骤4)可以包括以下步骤：

基于图片相似度和图片情境推荐度来计算每张图片的联合相似度；

将经计算得到的最大的联合相似度与阈值Q相比较，若其大于阈值Q，则直接将具有该最大的联合相似度的图片更换为终端设备的背景；否则，选取其中联合相似度最大的前四个图片提供给用户，以供用户选择，并且将用户所选择的图片及当前场景的情境特征作为历史记录进行保存。

上述技术方案中，其中图片库中第i个图片的联合相似度Score_i可以如下公式计算的：Score_i＝W_p×S_i+W_s×P_i(C)，其中S_i为第i张图片与当前场景的图片之间的图片相似度；P_i(C)为第i张图片在当前场景下的图片情境推荐度P_i(C)，W_p和W_s分别是图片相似度S_i和图片情境推荐度P_i(C)的权重，W_p+W_s＝1；0≤W_p≤1；0≤W_s≤1。

又一个方面，本发明提供了一种动态变换终端背景的装置，该装置包括：

特征提取模块，用于捕获当前场景的图片；

相似度计算模块，用于计算图片库中的每张图片与当前场景的图片之间的图片相似度；

背景变换模块，用于选择图片库中具有最大图片相似度的图片，将其更换为终端设备的背景。

又一个方面，本发明提供了一种动态变换终端背景的装置，该装置包括：

特征提取模块，用于捕获当前场景的图片和当前场景的情境特征；

相似度计算模块，计算图片库中的每张图片与当前场景的图片之间的图片相似度；

情境推荐度计算模块，根据所捕获的当前场景的情境特征和历史记录信息计算图片库中的每张图片在当前场景下的图片情境推荐度；

背景变换与反馈模块，基于图片相似度和图片情境推荐度来从图片库中选择图片，并将其更换为终端设备的背景。

上述装置中，所述背景变换与反馈模块可以基于图片相似度和图片情境推荐度来计算每张图片的联合相似度；以及选择图片库中具有最大的联合相似度的图片，将其更换为终端设备的背景并且将所选择的图片及当前场景的情境特征作为历史记录进行保存。

上述装置中，所述背景变换与反馈模块可以基于图片相似度和图片情境推荐度来计算每张图片的联合相似度；以及

将经计算得到的最大的联合相似度与阈值Q相比较，若其大于阈值Q，则直接将具有该最大的联合相似度的图片更换为终端设备的背景；否则，选取其中联合相似度最大的前四个图片提供给用户，以供用户选择，并且将用户所选择的图片及当前场景的情境特征作为历史记录进行保存。

与现有技术相比，本发明的优点在于：

可以根据移动终端所处的当前场景的图片和情境特征来自动变换终端背景或终端上应用程序的背景，为用户提供了更佳的用户体验，不仅提供了与当前场景相匹配的背景还节省了用户在海量的图片库中进行图片选择的工作量。而且上述装置和方法通用性、移植性强，可广泛适用于移动设备中各种应用程序的“变色”功能(更换背景、皮肤、壁纸)。

附图说明

图1为根据本发明实施例的动态变换终端背景的过程示意图；

图2为根据本发明实施例的场景的情景特征提取示意图；

图3为根据本发明实施例的基于联合相似度动态变换终端背景的方法的流程图。

具体实施方式

为了使本发明的目的，技术方案及优点更加清楚明白，以下结合附图通过具体实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

在本发明的一个实施例中，提供了一种动态变换终端背景的方法。该方法首先根据移动设备所处的不同场景，例如通过摄像头拍照捕获当前场景的图片，接着计算图片库中的各个图片与当前场景的图片之间的图片相似度，然后选取具有最大图片相似度的图片作为当前的终端背景，以实现对终端背景或终端上应用程序背景、皮肤的动态更换。

更具体地，在本实施例中，该方法包括以下步骤：

步骤(1)，对当前场景拍照以获得当前场景的图片；

步骤(2)，计算图片库中的图片与当前场景图片之间的图片相似度；

其中，图片库用于存放待选的背景图片，如表1所示，图片库保存图片的名称和图片文件的位置，用户可以根据自己的需要自行增加或删除喜欢的背景图片。图片库可以存储在用户所使用的移动设备上，也可以通过网络存储在其他设备上。

表1

图片序号	图片名称	图片位置
			1	P1.jpg
2	P2.jpg
			...	...
n	Pn.jpg

假设将图片库中第i个图片与当前场景图片的图片相似度记为S_i，可以采用很多现有的方法来计算图片相似度。例如，在一个实施例中，可采用中国专利(专利号200810071590.1)“一种利用圆锥坐标实现图像颜色相似对比的方法”中所述的特征提取方法提取到图片的五维向量特征其基本原理为将图片中每个像素RGB信息转换为HSL，继而按照HSL量化标准(12*5*5)统计，获取像素最多的5个子空间的颜色重心坐标，作为其特征值，而后基于此特征值，计算出两个图片的距离值，作为两张图片的相似度S_i。当然，也可以事先提取图片库中待选图片的图片特征，并将其存入到特征库中，以方便进行图片相似度的计算，以提高效率。

在其他实施例中，可采用直方图方法，依据两张图片中的R、G、B的分布值来计算图片相似度。在其他实施例中，也可以采用感知哈希算法(Perceptual hash algorithm)，针对每张图片计算一个哈希值作为它的特征值，计算哈希值的不同以得出图片的相似度。当然也可以采取用pHash算法或SIFT算法来计算图片之间的相似度。

步骤(3)选择图片库中具有最大图片相似度的图片，根据移动设备屏幕分辨率，做适当处理(拉伸、平铺、透明化)后，将其更换为移动设备(或移动终端)的背景。

在本发明的又一个实施例中，为了增加推荐的准确性，该方法还可以包括捕获当前场景的情境特征；并且根据用户的历史记录和所捕获的当前场景的情境特征，来计算图片库中的每张图片在当前场景下的推荐度(可以称为图片情境推荐度，或简称为图片推荐度)；以及结合图片相似度和图片推荐度来计算总相似度得分，从而选出具有最大总相似度得分的图片的步骤，以实现对终端背景或终端上应用程序背景、皮肤的智能更换。

其中，用户的历史记录保存的是用户每次选择的结果，即用户为当前场景所选择的图片、该当前场景的情境特征等。这样通过用户的历史记录能对用户的喜好越来越了解。而每次计算图片情境推荐度时，都可以参考这些不断变化的历史记录。例如，可以采用如表2所示的推荐历史库来保存与用户每次选择的结果相关的信息，其中包括图片编号、选择该图片时的场景的情境信息、被推荐的次数等。

表2

序号

图片编号

时间

季节

位置

用户

任务

...

推荐次数

1

P1

t1

s1

l1

u1

T1

7

2

P2

t2

s2

l2

u2

T2

4

3

P3

t3

s3

l3

u3

T3

8

图1给出了根据本发明又一个实施例的动态变换终端背景的方法的流程示意图。该方法首先根据移动设备所处的不同场景，捕获当前场景的图片及其情境特征，然后计算图片库中的各个图片与当前场景的图片相似度和在当前场景中的图片情境推荐度，最终结合图片相似度和图片推荐度来选取具有最大总相似度得分的图片，以实现对终端背景或终端上应用程序背景、皮肤的动态更换。该方法还可以包括根据用户选择的反馈来不断调节图片推荐图的计算，以提高推荐准确性的步骤。

更具体地，该方法主要包括以下步骤：

步骤1，对当前场景拍照并提取当前场景的情境特征。

当前场景的情境特征是指用户所处情境信息，主要包括用户位置信息、时间信息、季节信息、用户信息、当前从事任务信息等等。图2给出了获取当前场景的情境特征的示意图。如图2所示，例如可以通过定位仪获得用户的位置信息，通过时钟获得时间信息和季节信息，通过RFID(射频标签)获得用户信息，通过日志获得用户当前从事的任务信息等等。

步骤2，计算图片库中的图片与当前场景图片之间的图片相似度。

步骤3，基于历史记录信息计算图片库中的每张图片在当前场景下的图片情境推荐度。

在一个实施例中，图片库中第i个图片p_i在当前场景C下的图片情境推荐度P_i(C)是可以通过计算每张图片p_i在当前情境C下被推荐的概率值P(p_i|C)来衡量的，也就是计算第i个图片中的各个分量在当前场景中出现的概率的大小。

例如，可以通过例如表2所示的推荐历史库中保存的历史记录信息来以如下公式计算P(p_i|C)：

$P\left(p_i\right|\stackrel{\→}{C})=P\left(\stackrel{\→}{C}\right|p_i)\·P\left(p_i\right)/P\left(\stackrel{\→}{C}\right)$

$P\left(\stackrel{\→}{C}\right|p_i)=\mathrm{\ΠP}\left(f_j\right|p_i)$

$P\left(p_i\right)=\frac{k\left(p_i\right)}{T}$

$P\left(\stackrel{\→}{C}\right)={\mathrm{\Σ}}_{j=1}^{k}P\left(\stackrel{\→}{C}\right|p_i)\·\left(p_i\right)$

$P\left(f_j\right|p_i)=\frac{n(f_j,p_i)}{n\left(p_i\right)}$

其中，为表示当前场景C的情境特征的向量形式，场景C中的各个分量(即情境特征)可由向量中的各分量表示，例如，将场景C的多个情境特征(时间t、季节s、位置l、任务T、......)向量化。时间取值白天、晚上；季节取值春夏秋冬；位置由经纬度构成；任务可以分类为娱乐、学习、工作等。P(p_i)表示第i个图片在历史记录中被选择的概率；表示场景C在历史记录中被选择的概率；表示在历史记录中，假设选择了第i个图片，当前场景是场景C的概率。f_j代表中的第j个分量(即情境特征，例如，表2中所示的时间、季节、位置、用户、任务等等)；k(p_i)表示第i张图片出现的次数；T表示所有图片出现的次数；n(f_j，p_i)表示图片p_i中的f_j的分量发生的次数；n(p_i)表示图片p_i中的每个分量发生的次数总和，即 $P\left(\stackrel{\→}{C}\right)={\mathrm{\Σ}}_{j=1}^{k}P\left(\stackrel{\→}{C}\right|p_i)\·\left(p_i\right);$ $P\left(f_j\right|p_i)=\frac{n(f_j,p_i)}{n\left(p_i\right)}$ 实际上是指第i个图片中的第j个分量在当前场景中出现的概率的大小，分母为选取第i个图片的次数；分子为选取第i个图片中第j个分量出现的次数。

在又一个实施例中，图片库中第i个图片p_i在当前场景C下的图片情境推荐度P_i(C)是可以通过计算当前场景与历史记录中所保存的历史场景的相似度S_i(C)来衡量的。由于用户的历史记录保存的是用户每次选择的结果，即用户为当前场景所选择的图片以及与该图片相对应的当前场景的情境特征等，可见历史场景和历史选择图片是一一对应的，所以选择场景即是选择图片。例如，将当前场景向量化然后计算每个历史场景与当前场景的相似度S_i(C)，实际上是计算两个向量之间的接近程度。例如，可以采用余弦相似度或皮尔森相关系数等方法计算出S_i(C)。

步骤4，综合图片相似度S_i和图片情境推荐度P_i(C)，求出图片库中第i个图片与当前场景的总相似度得分Score_i(也可以简称为联合相似度)：Score_i＝W_p×S_i+W_s×P_i(C)，其中W_p和W_s分别是图片相似度和图片情境推荐度的权重(W_p+W_s＝1；0≤W_p≤1；0≤W_s≤1)。如果只考虑图片相似度，则W_p＝1，W_s＝0；若只考虑图片情境推荐度，则W_p＝0，W_s＝1；若两个同样重要，则W_p＝0.5，W_s＝0.5。用户可以根据自己的情况进行动态调整上述权重。

步骤5，选择图片库中联合相似度最高的图片，根据移动设备屏幕分辨率，做适当处理(拉伸、平铺、透明化)后，将其更换为移动设备(或移动终端)的背景。

在又一个实施例中，为了进一步地增加推荐的准确性，该方法还可以包括用户对图片进行选择并将用户选择结果作为历史记录保存到推荐历史库中，以不断调整和提高图片情境推荐度的准确性的步骤。如图3所示，在计算出图片库中所有图片的总相似度得分Score后，可以Score对图片进行排序。并且在步骤5)将其中最高的总相似度得分Score(记为Top1)与阈值Q(阈值Q可以由用户自定义)相比较，若Top1大于Q，则直接选择具有该最高总相似度得分的图片作为终端背景；否则，选取其总相似度得分最大的前四个图片(Top4)提供给用户，以供用户选择，并且将所选择的图片及其当前场景的情景信息一同保存到推荐历史库中。

这样，通过将用户每次选择的结果图片及其当前场景特征记录到用户历史记录中，由此，用户的历史记录会对用户的喜好越来越了解。而每次计算图片情境推荐度时，都可以参考这些不断变化的历史记录。这样在计计算图片情境推荐度时，由于推荐历史中的信息在不断变化，导致了上述公式中例如k(p_i)、T、n(f_j，p_i)、n(p_i)等的不断变化。因为历史记录中的数据随着时间的推移，积累用户越来越多的信息，实际上构成了学习的反馈机制，从而提高了图片情境推荐度计算的准确性。

其中，推荐历史库初始状态可以通过以下方式来设置：例如，推荐历史库在初始化期间没有值，这样得到的图片推荐度初始值为0，也就是说初始计算总相似度得分时只计算图片的相似度，等用户初始选择的结果作为历史记录保存到推荐历史库中时，才会得到具体的图片推荐度的值。或者对推荐历史库进行预定义(比如大众化的选择)，当然计算出的情境推荐度不太符合用户自己的特征，但随着时间的推移，积累了越来越多的用户实际的历史记录信息，选择结果必将更符合用户需求、更个性化。另外，也可以在每次从图片库中选出图片来更换终端背景时，将所选择的图片以及终端所处的当前场景的情境特征作为历史记录进行保存。

在本发明的又一个实施例中，提供了一种动态变换终端背景的装置，所述装置包括特征提取模块，相似度计算模块和背景变换模块。其中，特征提取模块用于捕获当前场景的图片；相似度计算模块用于计算图片库中的每张图片与当前场景的图片之间的图片相似度；背景变换模块，用于选择图片库中具有最大图片相似度的图片，将其更换为终端设备的背景。

在本发明的又一个实施例中，还提供了一种动态变换终端背景的装置，所述装置包括特征提取模块、相似度计算模块、情境推荐度计算模块和背景变换与反馈模块。其中，特征提取模块用于捕获当前场景的图片和当前场景的情境特征；相似度计算模块用于计算图片库中的每张图片与当前场景的图片之间的图片相似度；情境推荐度计算模块用于根据所捕获的当前场景的情境特征和历史记录信息计算图片库中的每张图片在当前场景下的图片情境推荐度；背景变换与反馈模块用于基于图片相似度和图片情境推荐度来从图片库中选择图片，并将其更换为终端设备的背景。

通过上述具体实施例可以看出，基于联合相似度可以从图片库中选出与当前场景色调更一致、情境更相似的图片。通过记录用户选择的结果并进行反馈，进一步提高了计算相似度的精度。

应该注意到并理解，在不脱离后附的权利要求所要求的本发明的精神和范围的情况下，能够对上述详细描述的本发明做出各种修改和改进。因此，要求保护的技术方案的范围不受所给出的任何特定示范教导的限制。

Claims (10)

1.一种动态变换终端背景的方法，所述方法包括：

步骤1’)捕获所述终端所处的当前场景的图片和当前场景的情境特征；

步骤2’)计算图片库中的每张图片与当前场景的图片之间的图片相似度；

步骤3’)根据所捕获的当前场景的情境特征和历史记录信息计算图片库中的每张图片在当前场景下的图片情境推荐度；

步骤4)基于图片相似度和图片情境推荐度来从图片库中选择图片，并将其更换为所述终端的背景。

2.根据权利要求1所述的方法，其中所述图片库存储在所述终端上或通过网络存储在其他设备上。

3.根据权利要求1所述的方法，所述步骤3’)中计算图片库中第i张图片在当前场景下的图片情境推荐度P_i(C)是通过计算每张图片p_i在当前情境C下被推荐的概率值而得到的，其中

其中，为表示当前场景C的情境特征的向量形式，场景C中的各个情境特征可由向量中的各个分量表示；f_j代表中的第j个分量；k(p_i)表示第i张图片出现的次数；T表示所有图片出现的次数；n(f_j,p_i)表示图片p_i中的f_j分量发生的次数；n(p_i)表示图片p_i中的每个分量发生的次数总和。

4.根据权利要求1或3所述的方法，所述步骤4)包括以下步骤：

基于图片相似度和图片情境推荐度来计算每张图片的联合相似度；

选择图片库中具有最大的联合相似度的图片，将其更换为所述终端的背景；

其中图片库中第i个图片的联合相似度Score_i是以如下公式计算的：Score_i＝W_p×S_i+W_s×P_i(C)，其中S_i为第i张图片与当前场景的图片之间的图片相似度；P_i(C)为第i张图片在当前场景下的图片情境推荐度P_i(C)，W_p和W_s分别是图片相似度S_i和图片情境推荐度P_i(C)的权重，W_p+W_s＝1；0≤W_p≤1；0≤W_s≤1。

5.根据权利要求4所述的方法，所述步骤4)还包括将所选择的图片及当前场景的情境特征作为历史记录进行保存。

6.根据权利要求1或3所述的方法，所述步骤4)包括以下步骤：

基于图片相似度和图片情境推荐度来计算每张图片的联合相似度；

将经计算得到的最大的联合相似度与阈值Q相比较，若其大于阈值Q，则直接将具有该最大的联合相似度的图片更换为所述终端的背景；否则，选取其中联合相似度最大的前四个图片提供给用户，以供用户选择，并且将用户所选择的图片及当前场景的情境特征作为历史记录进行保存，

其中图片库中第i个图片的联合相似度Score_i是以如下公式计算的：Score_i＝W_p×S_i+W_s×P_i(C)，其中S_i为第i张图片与当前场景的图片之间的图片相似度；P_i(C)为第i张图片在当前场景下的图片情境推荐度P_i(C)，W_p和W_s分别是图片相似度S_i和图片情境推荐度P_i(C)的权重，W_p+W_s＝1；0≤W_p≤1；0≤W_s≤1。

7.一种动态变换终端背景的装置，所述装置包括：

特征提取模块，用于捕获所述终端所处的当前场景的图片和当前场景的情境特征；

相似度计算模块，计算图片库中的每张图片与当前场景的图片之间的图片相似度；

情境推荐度计算模块，根据所捕获的当前场景的情境特征和历史记录信息计算图片库中的每张图片在当前场景下的图片情境推荐度；

背景变换与反馈模块，基于图片相似度和图片情境推荐度来从图片库中选择图片，并将其更换为所述终端的背景。

8.根据权利要求7所述的装置，其中所述图片库存储在所述终端上或通过网络存储在其他设备上。

9.根据权利要求7所述的装置，所述背景变换与反馈模块基于图片相似度和图片情境推荐度来计算每张图片的联合相似度；以及选择图片库中具有最大的联合相似度的图片，将其更换为所述终端的背景并且将所选择的图片及当前场景的情境特征作为历史记录进行保存，

其中图片库中第i个图片的联合相似度Score_i是以如下公式计算的：Score_i＝W_p×S_i+W_s×P_i(C)，其中S_i为第i张图片与当前场景的图片之间的图片相似度；P_i(C)为第i张图片在当前场景下的图片情境推荐度P_i(C)，W_p和W_s分别是图片相似度S_i和图片情境推荐度P_i(C)的权重，W_p+W_s＝1；0≤W_p≤1；0≤W_s≤1。

10.根据权利要求7所述的装置，所述背景变换与反馈模块基于图片相似度和图片情境推荐度来计算每张图片的联合相似度；以及

将经计算得到的最大的联合相似度与阈值Q相比较，若其大于阈值Q，则直接将具有该最大的联合相似度的图片更换为所述终端的背景；否则，选取其中联合相似度最大的前四个图片提供给用户，以供用户选择，并且将用户所选择的图片及当前场景的情境特征作为历史记录进行保存，

其中图片库中第i个图片的联合相似度Score_i是以如下公式计算的：Score_i＝W_p×S_i+W_s×P_i(C)，其中S_i为第i张图片与当前场景的图片之间的图片相似度；P_i(C)为第i张图片在当前场景下的图片情境推荐度P_i(C)，W_p和W_s分别是图片相似度S_i和图片情境推荐度P_i(C)的权重，W_p+W_s＝1；0≤W_p≤1；0≤W_s≤1。