CN104268547A - 一种基于图片内容播放音乐的方法及装置 - Google Patents

Abstract

本公开是关于一种基于图片内容播放音乐的方法及装置，该方法包括：获取图库中的目标图片和所述目标图片的图片标识；提取所述目标图片的图像特征；利用预先生成的场景判定模型判定出所述目标图片的图像特征对应的场景标签；确定与所述场景标签对应的场景音乐标识；建立所述图片标识与所述场景音乐标识的对应关系；在接收到打开所述图片标识对应的目标图片的指令时，播放所述场景音乐标识对应的音乐文件。本公开提供的方案可以根据图片内容播放适合的音乐，从而降低用户的操作复杂度，并节省用户的时间。

Description

一种基于图片内容播放音乐的方法及装置

技术领域

本发明涉及通信技术领域，更具体的说，涉及基于图片内容播放音乐的方法及装置。

背景技术

人们在浏览相册或图库中的图片时，通常会播放一些音乐。有时，用户为了更好的体验图片中的氛围，通常会选择一些与当前查看的图片相匹配的音乐。例如，用户在浏览自己在海边游玩的图片时，会播放一些欢快的音乐，使自己更好的融入图片中愉悦的场景。又如，用户在浏览朋友婚礼的图片时，会播放一些与婚礼有关的音乐，如婚礼进行曲等。再如，用户在浏览恐怖图片时，会播放一些诡异或惊悚的音乐，以烘托恐怖气氛，使用户充分的体验恐怖氛围。

在研究和实践过程中，发明人发现上述相关技术至少存在以下问题：

由于用户在浏览图片时，在一段时间内可能会查看多张不同内容的图片。例如，用户在10分钟之内查看了海边游玩的图片、朋友婚礼的图片和恐怖图片，所以用户在查看多张不同内容的图片时，经常需要手动的去切换适合当前图片的音乐，以使自己更好的融入当前图片的场景。但是经常的去手动切换与当前浏览的图片相匹配的音乐，会增加用户的操作复杂度；而且，用户可能很难在短时间内查找到与当前浏览的图片相匹配的音乐，所以用户在查找与当前浏览的图片相匹配的音乐类型时可能会浪费大量的时间。

因此，如何根据图片内容播放适合的音乐，成为目前亟需解决的问题。

发明内容

为克服相关技术中存在的问题，本公开提供一种基于图片内容播放音乐的方法及装置，根据图片内容播放适合的音乐，从而降低用户的操作复杂度，并节省用户的时间。

根据本公开实施例的第一方面，提供一种基于图片内容播放音乐的方法，包括：

获取图库中的目标图片和所述目标图片的图片标识；

提取所述目标图片的图像特征；

利用预先生成的场景判定模型判定出所述目标图片的图像特征对应的场景标签；

确定与所述场景标签对应的场景音乐标识；

建立所述图片标识与所述场景音乐标识的对应关系；

在接收到打开所述图片标识对应的目标图片的指令时，播放所述场景音乐标识对应的音乐文件。

可选的，所述方法还包括：

创建场景标签；

获取与每个场景标签对应的指定场景图片；

提取所述每个场景标签对应的指定场景图片的图像特征；

利用预设机器学习方法对所述每个场景标签对应的指定场景图片的图像特征进行训练，生成所述场景判定模型。

可选的，所述方法还包括：

判断所述场景标签是否为人脸图像；

在所述场景标签为所述人脸图像时，利用预先生成的人脸判定模型判定出所述目标图片的图像特征对应的表情标签，确定与所述表情标签对应的表情音乐标识，建立所述图片标识与所述表情音乐标识的对应关系，在接收到打开所述图片标识对应的目标图片的指令时，播放所述表情音乐标识对应的音乐文件；

在所述场景标签不为所述人脸图像时，执行所述确定与所述场景标签对应的音乐标识的步骤。

可选的，所述方法还包括：

创建表情标签；

获取与每个表情标签对应的指定表情图片；

提取所述每个场景标签对应的指定表情图片的图像特征；

利用预设机器学习方法对所述每个场景标签对应的指定表情图片的图像特征进行训练，生成所述人脸判定模型。

可选的，在所述建立所述图片标识与所述场景音乐标识的对应关系之后，所述方法还包括：

判断所述图库中是否存在未被所述场景判定模型判定过的图片；

在所述图库中存在未被所述场景判定模型判定过的图片时，将所述图库中未被所述场景判定模型判定过的图片确定为目标图片，并获取所述目标图片的图片标识，执行所述提取所述目标图片的图像特征的步骤；

在所述图库中不存在未被所述场景判定模型判定过的图片时，执行所述在接收到打开所述图片标识对应的目标图片的指令时，播放所述场景音乐标识对应的音乐文件的步骤。

根据本公开实施例的第二方面，提供一种基于图片内容播放音乐的装置，包括：

第一获取模块，用于获取图库中的目标图片和所述目标图片的图片标识；

第一提取模块，用于提取所述目标图片的图像特征；

判定模块，用于利用预先生成的场景判定模型判定出所述目标图片的图像特征对应的场景标签；

确定模块，用于确定与所述场景标签对应的场景音乐标识；

建立模块，用于建立所述图片标识与所述场景音乐标识的对应关系；

播放模块，用于在接收到打开所述图片标识对应的目标图片的指令时，播放所述场景音乐标识对应的音乐文件。

可选的，所述装置还包括：

场景标签创建模块，用于创建场景标签；

第二获取模块，用于获取与每个场景标签对应的指定场景图片；

第二提取模块，用于提取所述每个场景标签对应的指定场景图片的图像特征；

场景训练模块，用于利用预设机器学习方法对所述每个场景标签对应的指定场景图片的图像特征进行训练，生成所述场景判定模型。

可选的，所述装置还包括：

第一判断模块，用于判断所述场景标签是否为人脸图像；

第一执行模块，用于在所述场景标签为所述人脸图像时，利用预先生成的人脸判定模型判定出所述目标图片的图像特征对应的表情标签，确定与所述表情标签对应的表情音乐标识，建立所述图片标识与所述表情音乐标识的对应关系，在接收到打开所述图片标识对应的目标图片的指令时，播放所述表情音乐标识对应的音乐文件；在所述场景标签不为所述人脸图像时，执行所述确定模块。

可选的，所述装置还包括：

表情标签创建模块，用于创建表情标签；

第三获取模块，用于获取与每个表情标签对应的指定表情图片；

第三提取模块，用于提取所述每个场景标签对应的指定表情图片的图像特征；

人脸训练模块，用于利用预设机器学习方法对所述每个场景标签对应的指定表情图片的图像特征进行训练，生成所述人脸判定模型。

可选的，所述装置还包括：

第二判断模块，用于判断所述图库中是否存在未被所述场景判定模型判定过的图片；

第二执行模块，用于在所述图库中存在未被所述场景判定模型判定过的图片时，将所述图库中未被所述场景判定模型判定过的图片确定为目标图片，并获取所述目标图片的图片标识，执行所述第一提取模块；在所述图库中不存在未被所述场景判定模型判定过的图片时，执行所述播放模块。

根据本公开实施例的第三方面，提供一种基于图片内容播放音乐的装置，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

获取图库中的目标图片和所述目标图片的图片标识；

提取所述目标图片的图像特征；

利用预先生成的场景判定模型判定出所述目标图片的图像特征对应的场景标签；

确定与所述场景标签对应的场景音乐标识；

建立所述图片标识与所述场景音乐标识的对应关系；

在接收到打开所述图片标识对应的目标图片的指令时，播放所述场景音乐标识对应的音乐文件。

本公开的实施例提供的技术方案可以包括以下有益效果：利用预先生成的场景判定模型判定出目标图片的图像特征对应的场景标签，再利用场景标签与场景音乐标识的对应关系建立图片标识与场景音乐标识的对应关系，一旦接收到打开图片标识对应的目标图片的指令，便会播放场景音乐标识对应的音乐文件。因此，本公开提供的方案可以根据图片内容播放适合的音乐，从而降低用户的操作复杂度，并节省用户的时间。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

图1是根据一示例性实施例示出的一种基于图片内容播放音乐的方法的流程图。

图2是根据一示例性实施例示出的一种基于图片内容播放音乐的方法的流程图。

图3是根据一示例性实施例示出的一种基于图片内容播放音乐的装置的示意图。

图4是根据一示例性实施例示出的另一种基于图片内容播放音乐的装置的示意图。

图5是根据一示例性实施例示出的又一种基于图片内容播放音乐的装置的示意图。

图6是根据一示例性实施例示出的又一种基于图片内容播放音乐的装置的示意图。

图7是根据一示例性实施例示出的又一种基于图片内容播放音乐的装置的示意图。

图8是根据一示例性实施例示出的一种基于图片内容播放音乐的装置的框图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。

实施例一

图1是根据一示例性实施例示出的一种基于图片内容播放音乐的方法的流程图，如图1所示，图1所示的基于图片内容播放音乐的方法可以用于终端中。本公开提供的基于图片内容播放音乐的方法可以根据图片内容播放适合的音乐，从而降低用户的操作复杂度，并节省用户的时间，进而提高了用户的体验度。该方法包括以下步骤。

在步骤S11中，获取图库中的目标图片和目标图片的图片标识。

其中，图库中可以存放至少一张目标图片。目标图片可以为各种格式的图片类型，例如，目标图片可以为BMP或JPG等各种类型的图片。目标图片的图片标识为唯一确定目标图片的标识，例如，目标图片的图片标识可以为目标图片的名称。

在步骤S12中，提取目标图片的图像特征。

其中，目标图片的图像特征可以为目标图片的HOG(Histogram of OrientedGradient，方向梯度直方图)特征，当然，图像特征也可以为其他类型的特征，所以图像特征并不局限于HOG特征。

在步骤S13中，利用预先生成的场景判定模型判定出目标图片的图像特征对应的场景标签。

其中，场景标签可以为多种类型的标签，例如，场景标签可以包括宠物、风景和人像等类型，场景标签可以由用户预先自行设定。场景判定模型为预先生成的一种判定模型，场景判定模型用于识别出目标图片的图像特征对应哪一种场景标签，例如，目标图片为一张小猫的图片，那么场景判定模型便可以识别出目标图片的图像特征对应的场景标签为宠物。又如，目标图片为一张中年男子的图片，那么场景判定模型便可以识别出目标图片的图像特征对应的场景标签为人像。再如，目标图片为一张桂林山水的图片，那么场景判定模型便可以识别出目标图片的图像特征对应的场景标签为风景。

另外，场景判定模型可以通过以下步骤进行生成：第一步，创建场景标签；第二步，获取与每个场景标签对应的指定场景图片；第三步，提取每个场景标签对应的指定场景图片的图像特征；第四步，利用预设机器学习方法对每个场景标签对应的指定场景图片的图像特征进行训练，生成所述场景判定模型。

下面举例说明上述生成场景判定模型的步骤。首先，创建三个场景标签，这三个场景标签分别为宠物、风景和人像。其次，分别收集宠物图片、风景图片和人像图片各一万张，其中，收集到的一万张宠物图片可以包括猫类、狗类、蛇类、宠物鼠类和鱼类等与宠物相关的图片，收集到的一万张风景图片可以包括高山、河水、沙漠、海边、树木、草地、瀑布、彩虹、云彩和名胜古迹等与风景相关的图片，收集到的一万张人像图片可以包括儿童面部图像、老人面部图像、少女面部图像和成人面部图像等与人像相关的图片。再次，将收集到的三万张图片缩放到统一大小，例如，将这三万张图片均缩放到分辨率为200×200的大小。然后，分别提取出缩放后的三万张图片的图像特征，例如，分别提取出缩放后的三万张图片的HOG特征。最后，利用预设机器学习方法对三个场景标签分别对应的一万张场景图片的图像特征进行训练以生成场景判定模型，例如，预设机器学习方法可以为SVM(Support Vector Machine，支持向量机)方法，通过SVM方法可以训练出一个场景判定模型，这个场景判定模型可以识别出与宠物、风景和人像相近似的图片，并判定出该图片属于上述三种场景标签中的哪种场景标签。

在步骤S14中，确定与场景标签对应的场景音乐标识。

其中，场景音乐标识可以为音乐文件的名称，也可以为一个具有多个音乐文件的音乐文件夹的名称。场景标签与场景音乐标识的对应关系可以是用户预先建立好的，例如，假设场景标签包括宠物标签、风景标签和人像标签，用户分别建立宠物标签与场景音乐标识A的对应关系、风景标签与场景音乐标识B的对应关系和人像标签与场景音乐标识C的对应关系。在用户建立场景标签与场景音乐标识的对应关系的过程中，用户可以选择一些与场景标签相匹配的场景音乐标识，例如，对于宠物标签，可以选择音乐节奏较为欢快、愉悦的音乐类型；又如，对于风景标签，可以选择一些古典音乐类型。

在步骤S15中，建立图片标识与场景音乐标识的对应关系。

其中，在选择好场景音乐标识后，建立图片标识与场景音乐标识的对应关系，以便于在打开图片标识对应的目标图片时，能够播放场景音乐标识对应的音乐文件。

在步骤S16中，在接收到打开图片标识对应的目标图片的指令时，播放场景音乐标识对应的音乐文件。

其中，每个场景音乐标识均对应有一个或多个音乐文件。如果一个场景音乐标识对应有一个音乐文件，那么在接收到打开图片标识对应的目标图片的指令时，播放场景音乐标识对应的一个音乐文件；如果一个场景音乐标识对应有对个音乐文件，那么在接收到打开图片标识对应的目标图片的指令时，依次播放场景音乐标识对应的多个音乐文件。

在图1所示的实施例中，本公开利用预先生成的场景判定模型判定出目标图片的图像特征对应的场景标签，再利用场景标签与场景音乐标识的对应关系建立图片标识与场景音乐标识的对应关系，一旦接收到打开图片标识对应的目标图片的指令，便会播放场景音乐标识对应的音乐文件。因此，本公开提供的方案可以根据图片内容播放适合的音乐，从而降低用户的操作复杂度，并节省用户的时间。

在本公开的一个可选的实施例中，在步骤S15之后，且在步骤S16之前，本公开提供的方法还可以包括以下步骤：判断图库中是否存在未被场景判定模型判定过的图片；在图库中存在未被场景判定模型判定过的图片时，将图库中未被场景判定模型判定过的图片确定为目标图片，并获取目标图片的图片标识，执行步骤S12；在图库中不存在未被场景判定模型判定过的图片时，执行步骤S16。这样做的目的是，可以使图库中所有的图片均与不同的场景音乐标识建立对应关系，从而保证用户在打开图库中的任意一个图片时，都会播放与场景音乐标识对应的音乐文件。

实施例二

图2是根据一示例性实施例示出的另一种基于图片内容播放音乐的方法的流程图，如图2所示，图2所示的基于图片内容播放音乐的方法可以用于终端中。其中，本实施例是在实施例一的基础上进行的改进，所以本实施例中与实施例一的相同之处请参见实施例一即可。本公开提供的基于图片内容播放音乐的方法可以对具有人脸图像的目标图片单独的进行人脸表情的判定，根据不同的人脸表情播放出与人脸表情相适应的音乐文件，从而提高了用户的体验度。该方法包括以下步骤。

在步骤S21中，获取图库中的目标图片和目标图片的图片标识。

在步骤S22中，提取目标图片的图像特征。

在步骤S23中，利用预先生成的场景判定模型判定出目标图片的图像特征对应的场景标签。

在步骤S24中，判断场景标签是否为人脸图像，如果是，则执行步骤S25；否则，执行步骤S26。

在步骤S25中，利用预先生成的人脸判定模型判定出目标图片的图像特征对应的表情标签，确定与表情标签对应的表情音乐标识，建立图片标识与表情音乐标识的对应关系，在接收到打开图片标识对应的目标图片的指令时，播放表情音乐标识对应的音乐文件。

其中，由于人脸图像的表情较为多样，所以为了使不同表情的人脸图像对应不同的音乐，需要再划分出几种表情标签，以使人脸判定模型判定出目标图片的图像特征对应的表情标签。例如，表情标签可以包括大笑、惊奇和生气等标签，表情标签可以由用户预先自行设定。人脸判定模型为预先生成的一种判定模型，人脸判定模型用于识别出目标图片的图像特征对应哪一种表情标签，例如，目标图片为一张处于大笑状态的人脸图片，那么人脸判定模型便可以识别出目标图片的图像特征对应的表情标签为大笑。

另外，人脸判定模型可以通过以下步骤进行生成：第一步，创建表情标签；第二步，获取与每个表情标签对应的指定表情图片；第三步，提取每个场景标签对应的指定表情图片的图像特征；第四步，利用预设机器学习方法对每个场景标签对应的指定表情图片的图像特征进行训练，生成所述人脸判定模型。

下面举例说明上述生成人脸判定模型的步骤。首先，创建三个表情标签，这三个表情标签分别为大笑、惊奇和生气。其次，分别收集人脸大笑图片、人脸惊奇图片和人脸生气图片各一万张，其中，收集到的一万张人脸大笑图片可以包括儿童的人脸大笑图片、少女的人脸大笑图片、成年人的人脸大笑图片和老人的人脸大笑图片等与人脸大笑相关的图片，收集到的一万张人脸惊奇图片可以包括儿童的人脸惊奇图片、少女的人脸惊奇图片、成年人的人脸惊奇图片和老人的人脸惊奇图片等与人脸惊奇相关的图片，收集到的一万张人脸惊奇图片可以包括儿童的人脸生气图片、少女的人脸生气图片、成年人的人脸生气图片和老人的人脸生气图片等与人脸惊奇相关的图片。再次，将收集到的三万张图片缩放到统一大小，例如，将这三万张图片均缩放到分辨率为120×120的大小。然后，分别提取出缩放后的三万张图片的图像特征，例如，分别提取出缩放后的三万张图片的gabor纹理特征。最后，利用预设机器学习方法对三个表情标签分别对应的一万张人脸表情图片的图像特征进行训练以生成人脸判定模型，例如，预设机器学习方法可以为SVM方法，通过SVM方法可以训练出一个人脸判定模型，这个人脸判定模型可以识别出与大笑、惊奇和生气相近似的图片，并判定出该图片属于上述三种表情标签中的哪种表情标签。

另外，表情音乐标识可以为音乐文件的名称，也可以为一个具有多个音乐文件的音乐文件夹的名称。表情标签与表情音乐标识的对应关系是预先建立好的，例如，假设表情标签包括大笑标签、惊奇标签和生气标签，分别建立大笑标签与表情音乐标识A的对应关系、惊奇标签与表情音乐标识B的对应关系和生气标签与表情音乐标识C的对应关系。在建立表情标签与表情音乐标识的对应关系的过程中，可以选择一些与表情标签相匹配的表情音乐标识，例如，对于大笑标签，可以选择音乐节奏较为喜庆的音乐类型。在选择好表情音乐标识后，建立图片标识与表情音乐标识的对应关系，以便于在打开图片标识对应的目标图片时，能够播放表情音乐标识对应的音乐文件。而且，每个表情音乐标识均对应有一个或多个音乐文件。如果一个表情音乐标识对应有一个音乐文件，那么在接收到打开图片标识对应的目标图片的指令时，播放表情音乐标识对应的一个音乐文件；如果一个表情音乐标识对应有对个音乐文件，那么在接收到打开图片标识对应的目标图片的指令时，依次播放表情音乐标识对应的多个音乐文件。

在步骤S26中，确定与场景标签对应的场景音乐标识。

在步骤S27中，建立图片标识与场景音乐标识的对应关系。

在步骤S28中，在接收到打开图片标识对应的目标图片的指令时，播放场景音乐标识对应的音乐文件。

在图2所示的实施例中，本公开提供的方案在目标图片的图像特征对应的场景标签为人脸图像时，可以确定出该目标图片的图像特征对应的表情标签，从而在接收到打开图片标识对应的目标图片的指令时，播放表情音乐标识对应的音乐文件，所以本公开可以对具有人脸图像的目标图片单独的进行人脸表情的判定，最终根据不同的人脸表情播放出与人脸表情相适应的音乐文件，进而提高了用户的体验度。

实施例三

图3是根据一示例性实施例示出的一种基于图片内容播放音乐的装置的示意图。本公开提供的基于图片内容播放音乐的装置可以根据图片内容播放适合的音乐，从而降低用户的操作复杂度，并节省用户的时间，进而提高了用户的体验度。参照图3，该装置包括第一获取模块11、第一提取模块12、判定模块13、确定模块14、建立模块15和播放模块16。其中：

第一获取模块11，用于获取图库中的目标图片和目标图片的图片标识。

第一提取模块12，用于提取目标图片的图像特征。

判定模块13，用于利用预先生成的场景判定模型判定出目标图片的图像特征对应的场景标签。

确定模块14，用于确定与场景标签对应的场景音乐标识。

建立模块15，用于建立图片标识与场景音乐标识的对应关系。

播放模块16，用于在接收到打开图片标识对应的目标图片的指令时，播放场景音乐标识对应的音乐文件。

图4是根据一示例性实施例示出的另一种基于图片内容播放音乐的装置的示意图。参照图4，该装置包括场景标签创建模块21、第二获取模块22、第二提取模块23、场景训练模块24、第一获取模块25、第一提取模块26、判定模块27、确定模块28、建立模块29和播放模块210。其中：

场景标签创建模块21，用于创建场景标签。

第二获取模块22，用于获取与每个场景标签对应的指定场景图片。

第二提取模块23，用于提取每个场景标签对应的指定场景图片的图像特征。

场景训练模块24，用于利用预设机器学习方法对每个场景标签对应的指定场景图片的图像特征进行训练，生成所述场景判定模型。

第一获取模块25，用于获取图库中的目标图片和目标图片的图片标识。

第一提取模块26，用于提取目标图片的图像特征。

判定模块27，用于利用预先生成的场景判定模型判定出目标图片的图像特征对应的场景标签。

确定模块28，用于确定与场景标签对应的场景音乐标识。

建立模块29，用于建立图片标识与场景音乐标识的对应关系。

播放模块210，用于在接收到打开图片标识对应的目标图片的指令时，播放场景音乐标识对应的音乐文件。

图5是根据一示例性实施例示出的又一种基于图片内容播放音乐的装置的示意图。参照图5，该装置包括第一获取模块31、第一提取模块32、判定模块33、第一判断模块34、第一执行模块35、确定模块36、建立模块37和播放模块38。其中：

第一获取模块31，用于获取图库中的目标图片和目标图片的图片标识。

第一提取模块32，用于提取目标图片的图像特征。

判定模块33，用于利用预先生成的场景判定模型判定出目标图片的图像特征对应的场景标签。

第一判断模块34，用于判断场景标签是否为人脸图像。

第一执行模块35，用于在场景标签为人脸图像时，利用预先生成的人脸判定模型判定出目标图片的图像特征对应的表情标签，确定与表情标签对应的表情音乐标识，建立图片标识与表情音乐标识的对应关系，在接收到打开图片标识对应的目标图片的指令时，播放表情音乐标识对应的音乐文件。在场景标签不为人脸图像时，执行确定模块36。

确定模块36，用于确定与场景标签对应的场景音乐标识。

建立模块37，用于建立图片标识与场景音乐标识的对应关系。

播放模块38，用于在接收到打开图片标识对应的目标图片的指令时，播放场景音乐标识对应的音乐文件。

图6是根据一示例性实施例示出的又一种基于图片内容播放音乐的装置的示意图。参照图6，该装置包括表情标签创建模块41、第三获取模块42、第三提取模块43、人脸训练模块44、第一获取模块45、第一提取模块46、判定模块47、第一判断模块48、第一执行模块49、确定模块410、建立模块411和播放模块412。其中：

表情标签创建模块41，用于创建表情标签。

第三获取模块42，用于获取与每个表情标签对应的指定表情图片。

第三提取模块43，用于提取每个场景标签对应的指定表情图片的图像特征。

人脸训练模块44，用于利用预设机器学习方法对每个场景标签对应的指定表情图片的图像特征进行训练，生成所述人脸判定模型。

第一获取模块45，用于获取图库中的目标图片和目标图片的图片标识。

第一提取模块46，用于提取目标图片的图像特征。

判定模块47，用于利用预先生成的场景判定模型判定出目标图片的图像特征对应的场景标签。

第一判断模块48，用于判断场景标签是否为人脸图像。

第一执行模块49，用于在场景标签为人脸图像时，利用预先生成的人脸判定模型判定出目标图片的图像特征对应的表情标签，确定与表情标签对应的表情音乐标识，建立图片标识与表情音乐标识的对应关系，在接收到打开图片标识对应的目标图片的指令时，播放表情音乐标识对应的音乐文件。在场景标签不为人脸图像时，执行确定模块36。

确定模块410，用于确定与场景标签对应的场景音乐标识。

建立模块411，用于建立图片标识与场景音乐标识的对应关系。

播放模块412，用于在接收到打开图片标识对应的目标图片的指令时，播放场景音乐标识对应的音乐文件。

图7是根据一示例性实施例示出的又一种基于图片内容播放音乐的装置的示意图。参照图7，该装置包括第一获取模块51、第一提取模块52、判定模块53、确定模块54、建立模块55、第二判断模块56、第二执行模块57和播放模块58。其中：

第一获取模块51，用于获取图库中的目标图片和目标图片的图片标识。

第一提取模块52，用于提取目标图片的图像特征。

判定模块53，用于利用预先生成的场景判定模型判定出目标图片的图像特征对应的场景标签。

确定模块54，用于确定与场景标签对应的场景音乐标识。

建立模块55，用于建立图片标识与场景音乐标识的对应关系。

第二判断模块56，用于判断图库中是否存在未被场景判定模型判定过的图片。

第二执行模块57，用于在图库中存在未被场景判定模型判定过的图片时，将图库中未被场景判定模型判定过的图片确定为目标图片，并获取目标图片的图片标识，执行第一提取模块52。在图库中不存在未被场景判定模型判定过的图片时，执行播放模块58。

播放模块58，用于在接收到打开图片标识对应的目标图片的指令时，播放场景音乐标识对应的音乐文件。

实施例四

图8是根据一示例性实施例示出的一种基于图片内容播放音乐的装置800的框图。例如，装置800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。

参照图8，装置800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。

处理组件802通常控制装置800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。

存储器804被配置为存储各种类型的数据以支持在装置800的操作。这些数据的示例包括用于在装置800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电源组件806为装置800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为装置800生成、管理和分配电力相关联的组件。

多媒体组件808包括在装置800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当装置800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当装置800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。

I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件814包括一个或多个传感器，用于为装置800提供各个方面的状态评估。例如，传感器组件814可以检测到装置800的打开/关闭状态，组件的相对定位，例如组件为装置800的显示器和小键盘，传感器组件814还可以检测装置800或装置800一个组件的位置改变，用户与装置800接触的存在或不存在，装置800方位或加速/减速和装置800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，装置800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器804，上述指令可由装置800的处理器820执行以完成上述方法。例如，非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

一种非临时性计算机可读存储介质，当存储介质中的指令由移动终端的处理器执行时，使得移动终端能够执行一种基于图片内容播放音乐的方法，方法包括：获取图库中的目标图片和目标图片的图片标识；提取目标图片的图像特征；利用预先生成的场景判定模型判定出目标图片的图像特征对应的场景标签；确定与场景标签对应的场景音乐标识；建立图片标识与场景音乐标识的对应关系；在接收到打开图片标识对应的目标图片的指令时，播放场景音乐标识对应的音乐文件。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。

应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。

Claims (11)

1.一种基于图片内容播放音乐的方法，其特征在于，包括：

获取图库中的目标图片和所述目标图片的图片标识；

提取所述目标图片的图像特征；

利用预先生成的场景判定模型判定出所述目标图片的图像特征对应的场景标签；

确定与所述场景标签对应的场景音乐标识；

建立所述图片标识与所述场景音乐标识的对应关系；

在接收到打开所述图片标识对应的目标图片的指令时，播放所述场景音乐标识对应的音乐文件。

2.根据权利要求1所述的基于图片内容播放音乐的方法，其特征在于，所述方法还包括：

创建场景标签；

获取与每个场景标签对应的指定场景图片；

提取所述每个场景标签对应的指定场景图片的图像特征；

利用预设机器学习方法对所述每个场景标签对应的指定场景图片的图像特征进行训练，生成所述场景判定模型。

3.根据权利要求1所述的基于图片内容播放音乐的方法，其特征在于，所述方法还包括：

判断所述场景标签是否为人脸图像；

在所述场景标签为所述人脸图像时，利用预先生成的人脸判定模型判定出所述目标图片的图像特征对应的表情标签，确定与所述表情标签对应的表情音乐标识，建立所述图片标识与所述表情音乐标识的对应关系，在接收到打开所述图片标识对应的目标图片的指令时，播放所述表情音乐标识对应的音乐文件；

在所述场景标签不为所述人脸图像时，执行所述确定与所述场景标签对应的音乐标识的步骤。

4.根据权利要求3所述的基于图片内容播放音乐的方法，其特征在于，所述方法还包括：

创建表情标签；

获取与每个表情标签对应的指定表情图片；

提取所述每个场景标签对应的指定表情图片的图像特征；

利用预设机器学习方法对所述每个场景标签对应的指定表情图片的图像特征进行训练，生成所述人脸判定模型。

5.根据权利要求1所述的基于图片内容播放音乐的方法，其特征在于，所述方法还包括：

判断所述图库中是否存在未被所述场景判定模型判定过的图片；

在所述图库中存在未被所述场景判定模型判定过的图片时，将所述图库中未被所述场景判定模型判定过的图片确定为目标图片，并获取所述目标图片的图片标识，执行所述提取所述目标图片的图像特征的步骤；

在所述图库中不存在未被所述场景判定模型判定过的图片时，执行所述在接收到打开所述图片标识对应的目标图片的指令时，播放所述场景音乐标识对应的音乐文件的步骤。

6.一种基于图片内容播放音乐的装置，其特征在于，包括：

第一获取模块，用于获取图库中的目标图片和所述目标图片的图片标识；

第一提取模块，用于提取所述目标图片的图像特征；

判定模块，用于利用预先生成的场景判定模型判定出所述目标图片的图像特征对应的场景标签；

确定模块，用于确定与所述场景标签对应的场景音乐标识；

建立模块，用于建立所述图片标识与所述场景音乐标识的对应关系；

播放模块，用于在接收到打开所述图片标识对应的目标图片的指令时，播放所述场景音乐标识对应的音乐文件。

7.根据权利要求6所述的基于图片内容播放音乐的装置，其特征在于，所述装置还包括：

场景标签创建模块，用于创建场景标签；

第二获取模块，用于获取与每个场景标签对应的指定场景图片；

第二提取模块，用于提取所述每个场景标签对应的指定场景图片的图像特征；

场景训练模块，用于利用预设机器学习方法对所述每个场景标签对应的指定场景图片的图像特征进行训练，生成所述场景判定模型。

8.根据权利要求6所述的基于图片内容播放音乐的装置，其特征在于，所述装置还包括：

第一判断模块，用于判断所述场景标签是否为人脸图像；

第一执行模块，用于在所述场景标签为所述人脸图像时，利用预先生成的人脸判定模型判定出所述目标图片的图像特征对应的表情标签，确定与所述表情标签对应的表情音乐标识，建立所述图片标识与所述表情音乐标识的对应关系，在接收到打开所述图片标识对应的目标图片的指令时，播放所述表情音乐标识对应的音乐文件；在所述场景标签不为所述人脸图像时，执行所述确定模块。

9.根据权利要求8所述的基于图片内容播放音乐的装置，其特征在于，所述装置还包括：

表情标签创建模块，用于创建表情标签；

第三获取模块，用于获取与每个表情标签对应的指定表情图片；

第三提取模块，用于提取所述每个场景标签对应的指定表情图片的图像特征；

人脸训练模块，用于利用预设机器学习方法对所述每个场景标签对应的指定表情图片的图像特征进行训练，生成所述人脸判定模型。

10.根据权利要求6所述的基于图片内容播放音乐的装置，其特征在于，所述装置还包括：

第二判断模块，用于判断所述图库中是否存在未被所述场景判定模型判定过的图片；

第二执行模块，用于在所述图库中存在未被所述场景判定模型判定过的图片时，将所述图库中未被所述场景判定模型判定过的图片确定为目标图片，并获取所述目标图片的图片标识，执行所述第一提取模块；在所述图库中不存在未被所述场景判定模型判定过的图片时，执行所述播放模块。

11.一种基于图片内容播放音乐的装置，其特征在于，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

获取图库中的目标图片和所述目标图片的图片标识；

提取所述目标图片的图像特征；

利用预先生成的场景判定模型判定出所述目标图片的图像特征对应的场景标签；

确定与所述场景标签对应的场景音乐标识；

建立所述图片标识与所述场景音乐标识的对应关系；

在接收到打开所述图片标识对应的目标图片的指令时，播放所述场景音乐标识对应的音乐文件。