CN104424345A - 基于时间的相片分类方法及其系统 - Google Patents

Abstract

本发明提供一种基于时间的相片分类方法及其系统，用以将多数个相片分类为多数个群组。本发明的相片分类方法及其系统是利用含有相片拍摄时间的相片，以快速将多张相片分类为多个群组，并将同一群组的相片归纳于同一相簿。使得本发明的相片分类方法及其系统得以节省相片分类的时间并增加相片分类的准确性。

Description

基于时间的相片分类方法及其系统

技术领域

本发明有关于一种分类方法及其系统，特别是指一种相片分类方法及其系统。

背景技术

由于影像撷取技术的蓬勃发展，很多人都会利用手机或数码相机来记录个人的生活。无形中，相片档案便会累积上千张。尤其是在旅游过后，相片数量更是庞大。

在整理或浏览相片时，由于相片的数量太多，使用者不容易找到所需的相片。因此，自动将大量的相片做分类，将可以协助使用者快速找到所需的相片。现行的相片分类方法，大多结合每张相片的多种信息(如，拍摄地经纬度、时间、储存相片时的电讯号等)来自动将大量的相片做分类，且执行相片分类的运算复杂。

因此，如何利用相片少量的信息来对相片作快速且准确的分类，将可以解决传统使用者以人力或结合相片的多种信息对上千张的相片作分类的不方便，更可以节省相片分类的时间。

发明内容

本发明提供了一种基于时间的相片分类方法及其系统。本发明的相片分类方法及其系统仅利用含有相片拍摄时间的相片，以快速将多张相片分类为多个群组，并将同一群组的相片归纳于同一相簿。使得本发明的相片分类方法及其系统得以节省相片分类的时间并增加相片分类的准确性。

在本发明其中一个实施例中，上述基于时间的相片分类方法用以将多数个相片分类为多数个群组。上述相片分类方法包括：步骤(A)截取每一相片的拍摄时间，每一拍摄时间皆位于一时间区段上。步骤(B)将时间区段分成多个时间间隔，并计算每一相片的拍摄时间对应到每一时间间隔中相片的数量。步骤(C)将连续且有相片的时间间隔视为同一时间群，且同一时间群上的相片视为同一群组。步骤(D)比较每一群组以及对应的前一群组的差距是否小于一预定时间。若是，将小于预定时间且相邻的群组作合并。若否，将每一群组中的相片视为同一群组。

在本发明其中一个实施例中，上述基于时间的相片分类系统为用以将多数个相片分类为多数个群组。上述相片分类系统包括一显示单元、一储存单元以及一运算处理单元。显示单元为用以显示时间间隔的设定接口，以进一步供使用者设定时间间隔。储存单元则储存有多数个相片。每一相片具有拍摄时间，且每一拍摄时间皆位于一时间区段上。而运算处理单元则用以执行下列步骤：步骤(A)截取每一相片的拍摄时间。步骤(B)将时间区段分成多个时间间隔，并计算每一相片的拍摄时间对应到每一时间间隔中相片的数量。步骤(C)将连续且有相片的时间间隔视为同一时间群，且同一时间群上的相片视为同一群组。步骤(D)比较每一群组以及对应的前一群组的差距是否小于一预定时间。若是，将小于预定时间且相邻的群组作合并。若否，将每一群组中的相片视为同一群组。

在本发明其中一个实施例中，上述基于时间的相片分类方法用以将多数个相片分类为多数个群组。上述相片分类方法包括：步骤(A)截取每一相片的拍摄时间以及一预定群组数量，每一拍摄时间皆位于一时间区段上。步骤(B)将时间区段根据预定群组数量分成多个时间间隔，并计算每一相片的拍摄时间对应到每一时间间隔中相片的数量。步骤(C)判断每一时间间隔中相片的数量是否大于等于一预定数量。若是，将大于等于预定数量的时间间隔中的相片视为一群组。若否，则将小于预定数量的时间间隔的相片合并到时间距离上最近的群组。步骤(D)判断所有群组的数量是否大于等于预定群组数量。若是，将大于等于预定数量的时间间隔的相片视为一群组。若否，将时间间隔+1，并回到步骤(B)。

在本发明其中一个实施例中，上述基于时间的相片分类系统为用以将多数个相片分类为多数个群组。上述相片分类系统包括一显示单元、一储存单元以及一运算处理单元。显示单元为用以显示一预定群组数量的设定接口，以进一步供使用者将多数个相片分类成想要的群组数量。储存单元则储存有多数个相片。每一相片具有拍摄时间，且每一拍摄时间皆位于一时间区段上。而运算处理单元则用以执行下列步骤：步骤(A)截取每一相片的拍摄时间以及预定群组数量。步骤(B)将时间区段根据预定群组数量分成多个时间间隔，并计算每一相片的拍摄时间对应到每一时间间隔中相片的数量。步骤(C)判断每一时间间隔中相片的数量是否大于等于一预定数量。若是，将大于等于预定数量的时间间隔中的相片视为一群组。若否，则将小于预定数量的时间间隔的相片合并到距离最近的群组。步骤(D)判断所有群组的数量是否大于等于预定群组数量。若是，将大于等于预定数量的时间间隔的相片视为一群组。若否，将时间间隔+1，并回到步骤(B)。

为了能更进一步了解本发明为达成既定目的所采取的技术、方法及功效，请参阅以下有关本发明的详细说明、附图，相信本发明的目的、特征与特点，当可由此得以深入且具体的了解，然而附图与附件仅提供参考与说明用，并非用来对本发明加以限制者。

附图说明

图1是本发明一实施例的相片分类系统示意图。

图2是本发明一实施例的相片分类方法流程图。

图3A是本发明一实施例的相片分类系统对相片作分类示意图。

图3B是本发明一实施例的相片分类系统对相片作分类示意图。

图3C是本发明一实施例的相片分类系统对相片作分类示意图。

图4是本发明另一实施例的相片分类方法流程图。

图5A是本发明另一实施例的相片分类系统对相片作分类示意图。

图5B是本发明另一实施例的相片分类系统对相片作分类示意图。

其中，附图标记说明如下：

110：显示单元

120：运算处理单元

130：储存单元

140：操作单元

S210、S220、S230、S240、S250、S260：步骤

G1、G2、G3：群组

S410、S420、S430、S440、S450、S460、S470、S480：步骤

P1、P2、P3：群组

具体实施方式

首先，请参考图1。图1是本发明实施例的相片分类系统示意图。如图1所示，本实施例的相片分类系统是用以将多张相片分类为多个群组。相片分类系统包括显示单元110、运算处理单元120以及储存单元130。显示单元110显示时间间隔的设定接口，以提供用户利用操作单元140自行设定时间间隔，并将设定后的时间间隔传送至运算处理单元120，以进一步对相片作分类。或运算处理单元120已默认有一时间间隔，亦可据此进一步对相片做分类。本实施例的操作单元140为鼠标、键盘或其他可设定时间间隔的操作单元。本实施例的运算处理单元120以及储存单元130可设置在计算机主机中。

储存单元130储存有多张相片。每张相片具有一拍摄时间，且每张拍摄时间皆位于一时间区段上。在本实施例中，每张相片的拍摄时间具有年、月、日、时、分。当然拍摄时间亦可仅具有年、月、日或其他时间表示方法，本发明不对此作限制。另外，每张相片的拍摄时间，可为由拍摄相片的机器(如相机)在拍照时，实时纪录相片对应的拍摄时间，并储存到相片的可交换图像文件(Exchangeable image file format,EXIF)。EXIF为用以记录数码相片的属性讯息和拍摄数据。因此，本实施例的拍摄时间可由相片的EXIF中取得。当然，相片的拍摄时间亦可储存在特定的地方(如，相片的文件名)，以方便运算处理单元120取得相片的拍摄时间，并进一步对相片进行分类，本发明不对此作限制。

运算处理单元120电连接显示单元110以及储存单元130并执行下列步骤，以根据含有相片拍摄时间的相片来将多张相片分类为多个群组。请同时参考图2，首先运算处理单元120于储存单元130取得需要分类的相片，并撷取每张相片的拍摄时间(步骤S210)。接下来，运算处理单元120将每张相片根据拍摄时间作顺序排列在一时间区段。在本实施例中，时间区段为最早相片的拍摄时间到最晚相片的拍摄时间。如，最早相片的拍摄时间为上午9点，最晚相片的拍摄时间为下午4点，故时间区段为上午9点至下午4点。当然，时间区段亦可以透过使用者自行设定。如，使用者可自行设定时间区段为上午7点至下午7点，只要符合每张相片都能在时间区段上即可，本发明不对此作限制。

再来，运算处理单元120将时间区段分成多个时间间隔，并计算每张相片的拍摄时间对应到每一时间间隔中相片的数量。同样地，在本实施例中，时间间隔为由使用者自行设定。若用户并未设定时间间隔，运算处理单元120将默认每30分钟为一个时间间隔，以进一步对相片做分类(步骤S220)。接着，运算处理单元120将连续且有相片的时间间隔视为同一时间群(即此时的相片为同一拍摄地区拍照)，并且将同一时间群上的相片视为同一群组(步骤S230)。在本实施例中，连续且有相片的时间间隔代表同一个时间间隔有照片且上述时间间隔的前一个时间间隔或后一个时间间隔也有相片。

此外使用者在同一拍摄地区拍照并非无间断的持续拍照，有可能前后两张相片时间隔了一个小时，使得上述两张相片被判定为不同的群组。因此，于步骤S220中，运算处理单元120可更进一步将每一时间间隔中的相片的数量取平滑化(Smoothing)，使得使用者在同一拍摄地区所拍的相片(如前后两张相片时间隔了一个小时)皆可以被归纳为同一群组。当然，运算处理单元120亦可不对每一时间间隔中的相片的数量取平滑化而直接进行下一步骤S230，本发明不对此作限制。在本实施例中，运算处理单元120分别将每一时间间隔以及其对应的前后时间间隔中的相片数量依照权重比例(Weighting)计算，以进一步将每一时间间隔中相片的数量取平滑化。本实施例平滑化的函数如下：

Y(n)=αy(n-1)+βy(n)+γy(n+1)

其中，y(n)为第n个时间间隔中相片的数量，y(n-1)为第n-1个时间间隔中相片的数量，y(n+1)为第n+1个时间间隔中相片的数量，α、β、γ则分别为y(n-1)、y(n)、y(n+1)的权重值，而Y(n)则为第n个时间间隔中，相片的数量平滑化后的结果。而运算处理单元120将每一时间间隔中相片的数量取平滑化的方式并不限定于上述方式，亦可以其他取平滑化的方法，如高斯平滑(Gaussian Smoothing)、均值平滑化(MeanSmoothing)、指数平滑化(Exponential Smoothing)，本发明不对此作限定。

而在运算处理单元120取得同一群组的相片后，接着运算处理单元120将比较每一群组以及对应的前一群组的差距是否小于一预定时间，以据此将拍摄时间较近的相片归纳为同一群组(步骤S240)。若是，表示此群组与其前一群组的拍摄时间距离较近，运算处理单元120将小于预定时间且相邻的群组作合并。意即运算处理单元120将此群组与其前一群组中的相片视为同一群组，并回到步骤S240重新判断(步骤S260)。反之，运算处理单元120将每一群组中的相片视为同一群组，并完成相片分类(步骤S250)。

以下将根据上述一实施例的相片分类方法并利用本发明的相片分类系统，将42张相片分成多个群组来做说明，并请同时参考图1、图2、图3A、图3B及图3C。为了方便说明，在本实施例的二维坐标中，横轴代表相片的拍摄时间(单位：时)，纵轴代表相片数量(单位：张)。

如图3A所示，首先，运算处理单元120将于储存单元130撷取42张相片的拍摄时间。而每个拍摄时间皆位于一个时间区段上。在本实施例中，时间区段的设定为由最早相片的拍摄时间到最晚相片的拍摄时间。如下表一所示，储存单元130储存有42张相片的拍摄时间(年、月、日、时、分)，而时间区段则因最早相片的拍摄时间为2013/7/25,09:15以及最晚相片的拍摄时间为2013/7/25,16:58，使得时间区段被设定为2013/7/25的09:15至16:58。

＜表一＞2013/07/25相片的拍摄时间

接下来，运算处理单元120根据拍摄时间将42张相片顺序排列在时间区段上。而在本实施例中，使用者并未设定时间间隔。因此，运算处理单元120将以默认的时间间隔，即30分钟为一个时间单位将时间区段分成多个时间间隔，并计算每一时间间隔中相片的数量。如图3A所示，时间区段中共有42张相片。其中，09:00-09:29有3张相片。10:00-10:29有6张相片。10:30-10:59有7张相片。13:30-13:59有4张相片。14:00-14:29有12张相片。14:30-14:59有2张相片。16:30-16:59有8张相片。

而为了使相片分类更为准确，运算处理单元120将每一时间间隔中的相片数量取平滑化(Smoothing)。本实施例平滑化的函数如下：

Y(n)=0.1y(n-1)+0.8y(n)+0.1y(n+1)

其中，y(n)为第n个时间间隔中相片的数量。y(n-1)为第n-1个时间间隔中相片的数量。y(n+1)为第n+1个时间间隔中相片的数量。α、β、γ分别为0.1、0.8、0.1的权重值。而Y(n)则为第n个时间间隔中，相片的数量平滑化后的结果。经平滑化运算后，每一时间间隔中相片的数量将向外扩展到邻近的时间间隔，如图3B所示。

接着，运算处理单元120将连续且有相片的时间间隔视为同一时间群，而同一时间群上的相片则视为同一群组。如图3B所示，08:30-11:29被视为同一时间群，13:00-15:29被视为同一时间群，16:00-17:29被视为同一时间群。而上述3个时间群上的相片则分别被视为群组G1、G2、G3。假设运算处理单元120并未将每一时间间隔中的相片数量取平滑化。如图3A所示，09:00-09:29将被视为同一时间群，10:00-10:59将被视为同一时间群，13:30-14:59将被视为同一时间群，16:30-16:59将被视为同一时间群。而上述4个时间群上的相片则将分别被视为同一群组(图未示)。故由上述可知，若每一时间间隔中的相片数量并未被平滑化，图3A中的时间群09:00-09:29以及10:00-10:59上的相片将被误判为不同群组。但是实际上两个时间群仅差了半个小时，使用者应该还是在同一拍摄地区拍照，而要被判定为同一群组，如图3B所示的群组G1。

接着，运算处理单元120将比较每一群组以及对应的前一群组的差距是否小于一预定时间。在本实施例中，预定时间设为1个小时，也可依实际状况来调整预定时间。如图3B所示，群组G3以及群组G2的差距小于一个小时。因此，运算处理单元120遂将群组G3合并到群组G2中，如图3C所示。而合并完后并未有相邻的群组的差距大于一个小时，因此42张相片最后将被分成2个群组G1以及G2。群组G1的相片为分布在时间群08:30-11:29，而另一群组G2的相片则为分布在时间群13:00-17:29。

接下来，请同时参考图1以及图4，图4是本发明另一实施例的相片分类方法流程图。如图1所示，运算处理单元120电连接显示单元110以及储存单元130并执行下列步骤，以根据含有相片拍摄时间的相片来将多张相片分类为多个群组。请同时参考图4，首先运算处理单元120于储存单元130取得需要分类的相片，并撷取每张相片的拍摄时间，以及一预定群组数量(步骤S410)。预定群组数量为使用者欲将多张相片分类成想要的群组数量。在本实施例中，显示单元110显示有预定群组数量的设定接口，以提供用户利用操作单元140自行设定预定群组数量，并将设定后的预定群组数量传送至运算处理单元120，以进一步对相片作分类。又或者运算处理单元120已默认有一预定群组数量(本实施例将预定群组数量预设为2)，亦可据此进一步对相片做分类。

接下来，运算处理单元120将每张相片根据拍摄时间作顺序排列在一时间区段。在本实施例中，时间区段为透过使用者自行设定。如，使用者可自行设定时间区段为上午7点至下午7点。当然，时间区段亦可为最早相片的拍摄时间到最晚相片的拍摄时间。如，最早相片的拍摄时间为上午9点，最晚相片的拍摄时间为下午4点，使得时间区段为上午9点至下午4点，只要符合每张相片都能在时间区段上即可，本发明不对此作限制。

再来，运算处理单元120将时间区段根据预定群组数量分成多个时间间隔，并计算每一相片的拍摄时间对应到每一时间间隔中相片的数量。意即若预定群组数量为4，运算处理单元120将时间区段根据预定群组数量分成4个时间间隔。在本实施例中，预定群组数量为由使用者自行设定。若使用者并未设定预定群组数量，运算处理单元120将默认预定群组数量为2，使得相片至少分类成2群(步骤S420)。接下来，运算处理单元120将判断每一时间间隔中相片的数量是否大于等于一预定数量(步骤S430)。在本实施例中，预定数量透过一预定数量函数计算而得，本实施例的预定数量函数如下：

$F=\frac{a\×N}{C}$

其中，F为预定数量。a为数量集中常数。N为待分类的相片数量。C为时间区段中，时间间隔的数量。而预定数量亦可藉由其他的函数计算而得，或是可由使用者自行设定而得，本发明并不对此作限制。另外，数量集中常数a代表每一时间间隔中，相片集中量的比例。本实施例的数量集中常数a为以高斯分布(Gaussian Distribution)来计算相片集中量的比例。而高斯分布中，约68%的主要数据分布在距离平均值有1个标准偏差之内的范围内。因此，本实施例将数量集中常数a设定在范围为0.67-0.69之间。数量集中常数a较佳为0.68。当然，数量集中常数a亦可以其他的机率分布。如二项分布(Binomial Distribution)、白努力分布(Bernouulli Distribution)以及伽玛分布(Gamma Distribution)来计算相片集中量的比例，本发明并不对此作限制。

因此，若每一时间间隔中相片的数量大于等于上述预定数量，运算处理单元120遂将大于等于预定数量的时间间隔中的相片视为一群组。意即此时间间隔中的相片可能为使用者主要拍摄地区，故此时间间隔中的相片将被视为一群组(步骤S440)。反之，若每一时间间隔中相片的数量小于上述预定数量，运算处理单元120遂将小于预定数量的时间间隔中的相片合并到时间距离上最近的群组。意即此时间间隔中的相片可能不是使用者主要拍摄地区，可能为两个主要拍摄地区中间的次要拍摄地区，故此时间间隔中的相片会被合并到时间距离上最近的群组(步骤S450)。透过运算处理单元120进行上述的步骤S410至步骤S450，将可以对多张相片分类为多个群组。

而为了使相片分类更为准确，于运算处理单元120判断每一时间间隔中相片的数量是否大于等于预定数量后，运算处理单元120将更进一步判断在时间区段中，所有群组的数量是否大于等于预定群组数量(步骤S460)。若是，表示主要拍摄地区的相片皆已被分类出来。此时运算处理单元120将每一群组中的相片视为同一群组，以完成相片分类(步骤S470)。若否，表示主要拍摄地区的相片尚未完全被分类出来且群组数量并非使用者想要的预定群组数量或者运算处理单元120一开始默认的预定群组数量。此时，运算处理单元120将时间间隔加1并回到步骤S420，以重新对相片作分类(步骤S480)。

以下将根据上述另一实施例的相片分类方法并利用本发明的相片分类系统，将42张相片分成多个群组来做说明，并请同时参考图1、图2、图5A及图5B。为了方便说明，在本实施例的二维坐标中，横轴代表相片的拍摄时间(单位：时)，纵轴代表相片数量(单位：张)。

如图5A所示，首先，运算处理单元120将于储存单元130撷取42张相片的拍摄时间。而每个拍摄时间皆位于一个时间区段上。在本实施例中，时间区段的设定为透过使用者自行设定，在此以时间区段为由07:00至19:00(共12个小时)来做说明。储存单元130储存有42张相片的拍摄时间(年、月、日、时、分)。为了方便说明，42张相片的拍摄时间将如上表一所示。

接下来，运算处理单元120根据拍摄时间将42张相片顺序排列在时间区段上。而在本实施例中，预定群组数量是使用者自行设定为3。因此，运算处理单元120遂将时间区段平均分成3个时间间隔(即每4个小时为一个时间间隔)，并分别计算3个时间间隔中相片的数量。如图5A所示，3个时间间隔分别为07:00-10:59，11:00-14:59，15:00-18:59。3个时间间隔中共有42张相片。其中，时间间隔07:00-10:59有16张相片。时间间隔11:00-14:59有18张相片。时间间隔15:00-18:59有8张相片。

接下来，运算处理单元120将判断每一时间间隔中的相片的数量是否大于等于一预定数量。在本实施例中，预定数量系透过预定数量函数计算而得。本实施例的预定数量函数如下：

$F=\frac{a\×N}{C}$

而预定数量函数已于上述说明，故在此不作赘述。如图5A所示，本实施例的数量集中常数a为0.68，待分类的相片数量N为42，时间间隔的数量C为3。因此，预定数量F=0.68×42/3=9.52。意即运算处理单元120将判断每一时间间隔中的相片的数量是否大于等于9.52。如图5A所示，在时间间隔07:00-10:59中，相片的数量为16且大于预定数量9.52。在时间间隔11:00-14:59中，相片的数量为18且大于预定数量9.52。故时间间隔07:00-10:59以及11:00-14:59中的相片将分别被视为群组P1以及P2。而时间间隔15:00-18:59中，相片的数量为8小于预定数量9.52。故时间间隔15:00-18:59中的相片将会被合并到距离最近的群组。在本实施例中，距离时间间隔15:00-18:59最近的群组为群组P2。因此，时间间隔15:00-18:59中的相片将会被合并到群组P2。使得42张相片最后将被分成2个群组P1以及P2。群组P1的相片为分布在时间间隔07:00-10:59，而另一群组P2的相片则为分布在时间间隔11:00-14:59以及15:00-18:59。

而为了使相片分类更为准确，运算处理单元120在判断3个时间间隔中相片的数量是否大于等于预定数量9.52后，运算处理单元120将更进一步判断在时间区段中，所有群组的数量是否大于等于预定群组数量(本实施例的预定群组数量为3)。如图5A所示，群组的数量为2小于预定群组数量为3，表示此时的群组数量不符合使用者想要的预定群组数量。接着，如图5B所示，运算处理单元120将时间间隔的数量加1，使得本实施例的时间间隔的数量变成4(即变成每3个小时为一个时间间隔)。而运算处理单元120将重新计算4个时间间隔中相片的数量。

接下来，运算处理单元120亦将重新判断每一时间间隔中，相片的数量是否大于等于预定数量。此时预定数量F=0.68×42/4=7.41。意即运算处理单元120将判断每一时间间隔中的相片的数量是否大于等于7.41。如图5B所示，在时间间隔07:00-09:59中，相片的数量为3且小于预定数量7.41。在时间间隔10:00-12:59中，相片的数量为13且大于预定数量7.41。在时间间隔13:00-15:59中，相片的数量为18且大于预定数量7.41。在时间间隔16:00-18:59中，相片的数量为8且大于预定数量7.41。因此，时间间隔10:00-12:59、13:00-15:59以及16:00-18:59中的相片将分别被视为群组P1、P2以及P3。而时间间隔07:00-09:59则会被合并到最近的群组P1。

此时，在时间区段中，所有群组的数量为3等于预定群组数量为3，表示此时的群组数量符合使用者想要的预定群组数量。因此，42张相片最后将被分成3个群组P1、P2以及P3。群组P1的相片为分布在时间间隔07:00-09:59以及时间间隔10:00-12:59。群组P2的相片为分布在时间间隔13:00-15:59。而群组P3的相片则为分布在时间间隔16:00-18:59。

请同时参考图5A以及图5B。图5A以及图5B的差异在于运算处理单元120是否有进一步判断在时间区段中，所有群组的数量是否大于等于一开始所有时间间隔的数量(即运算处理单元120是否有进一步执行步骤S470)。由上述可知，42张相片的分类最后由2个群组变为3个群组，更能符合使用者一开始设定的预定群组数量。另外，图5A的群组P2中，13:30-14:59的相片以及16:30-16:59的相片应分类为不同的群组较为适当。而在图5B中，13:30-14:59的相片以及16:30-16:59的相片则已被分类成不同的群组P2以及P2。因此，运算处理单元120进一步执行步骤S460，使得相片分类系统得以更准确的将多张相片分类到适当的群组。

综上所述，本发明实施例所提供的基于时间的相片分类方法及其系统，含有相片拍摄时间的相片，以快速并准确的将多张相片分类为多个群组。使得本发明的相片分类方法及其系统得以节省相片分类的时间并增加相片分类的准确性。

以上所述仅为本发明的实施例，其并非用以局限本发明的专利范围。

Claims (12)

1.一种基于时间的相片分类方法，用以将多数个相片分类为多数个

群组，其特征在于，包括如下步骤：

(A)截取每一相片的一拍摄时间，每一拍摄时间皆位于一时间区段上；

(B)将该时间区段分成多个时间间隔，并计算每一相片的该拍摄时间对应到每一时间间隔中的该些相片的数量；

(C)将连续且有相片的该时间间隔视为同一时间群，且同一时间群上的该些相片视为同一群组；以及

(D)比较每一群组以及对应的前一群组的差距是否小于一预定时间，若是，将小于该预定时间且相邻的该些群组作合并，若否，将每一群组中的该相片视为同一群组。

2.根据权利要求1的相片分类方法，其中，于该步骤(B)中，更进一步将每一时间间隔中的该些相片的数量取平滑化。

3.根据权利要求1的相片分类方法，其中，于该步骤(B)中，该时间间隔为一用户默认值。

4.一种基于时间的相片分类方法，用以将多数个相片分类为多数个群组，其特征在于，包括如下步骤：

(A)截取每一相片的一拍摄时间以及一预定群组数量，每一拍摄时间皆位于一时间区段上；

(B)将该时间区段根据该预定群组数量分成多个时间间隔，并计算每一相片的该拍摄时间对应到每一时间间隔中的该些相片的数量；以及

(C)判断每一时间间隔中的该些相片的数量是否大于等于一预定数量，若是，将大于等于该预定数量的该时间间隔的该些相片视为一群组，若否，将小于该预定数量的该时间间隔的该些相片合并到时间距离上最近的该群组。

5.根据权利要求4的相片分类方法，其中，于该步骤(C)后，更包含步骤(D)判断所有该群组的数量是否大于等于该预定群组数量，若是，将每一群组中的该相片视为同一群组，若否，将该时间间隔+1，并回到步骤(B)。

6.根据权利要求4的相片分类方法，其中，于该步骤(C)中，更包含一预定数量函数：

$F=\frac{a\×N}{C}$

用以计算该预定数量，其中，F为该预定数量，a为一数量集中常数，N为该多数个相片，C为该时间区段中，该时间间隔的数量。

7.根据权利要求4的相片分类方法，其中，于该步骤(A)中，该预定群组数量为一用户默认值。

8.一种基于时间的相片分类系统，用以将多数个相片分类为多数个群组，其特征在于，包括：

一显示单元，用以显示一时间间隔的设定接口；

一储存单元，用以储存该多数个相片，每一相片具有一拍摄时间，且每一拍摄时间皆位于一时间区段上；以及

一运算处理单元，用以执行下列步骤：

(A)截取每一相片的一拍摄时间；

(B)将该时间区段分成多个时间间隔，并计算每一相片的该拍摄时间对应到每一时间间隔中的该些相片的数量；

(C)将连续且有相片的该时间间隔视为同一时间群，且同一时间群上的该些相片视为同一群组；以及

(D)比较每一群组以及对应的前一群组的差距是否小于一预定时间，若是，将小于该预定时间且相邻的该些群组作合并，若否，将每一群组中的该相片视为同一群组。

9.一种基于时间的相片分类系统，用以将多数个相片分类为多数个群组，其特征在于，包括：

一显示单元，用以显示一预定群组数量的设定接口；

一储存单元，用以储存该多数个相片，每一相片具有一拍摄时间，且每一拍摄时间皆位于一时间区段上；以及

一运算处理单元，用以执行下列步骤：

(A)截取每一相片的该拍摄时间以及该预定群组数量；

(B)将该时间区段根据该预定群组数量分成多个时间间隔，并计算每一相片的该拍摄时间对应到每一时间间隔中的该些相片的数量；以及

(C)判断每一时间间隔中的该些相片的数量是否大于等于一预定数量，若是，将大于等于该预定数量的该时间间隔的该些相片视为一群组，若否，将小于该预定数量的该时间间隔的该些相片合并到时间距离上最近的该群组。

10.根据权利要求9的相片分类系统，其中，于该运算处理单元执行的该步骤(C)后，更包含步骤(D)判断所有该群组的数量是否大于等于该预定群组数量，若是，将每一群组中的该相片视为同一群组，若否，将该时间间隔+1，并回到步骤(B)。

11.根据权利要求9的相片分类系统，其中，于该运算处理单元执行的该步骤(C)中，更包含一预定数量函数：

$F=\frac{a\×N}{C}$

用以计算该预定数量，其中，F为该预定数量，a为一数量集中常数，N为该多数个相片，C为该时间区段中，该时间间隔的数量。

12.根据权利要求9的相片分类系统，其中，于该运算处理单元执行的该步骤(A)中，该预定群组数量为一用户默认值。