CN106250916A - 一种筛选图片的方法、装置及终端设备 - Google Patents

Abstract

本发明实施例公开了一种筛选图片的方法、装置及终端设备，应用于移动通信技术领域。本发明实施例方法包括：获取参考图片，提取所述参考图片中的目标特征信息；将所述目标特征信息作为预先训练的支持向量机分类器的输入值；利用所述预先训练的支持向量机分类器判断预设训练特征信息库中是否存在与所述目标特征信息匹配的训练特征信息；若存在，则根据所述预先训练的支持向量机分类器搜索出终端设备相册中与所述目标特征信息匹配的目标图片；对所述目标图片进行归类并在所述终端设备显示屏中显示所述目标图片。实施本发明实施例，可以提高筛选图片的效率。

Description

一种筛选图片的方法、装置及终端设备

技术领域

本发明涉及移动通信技术领域，尤其涉及一种筛选图片的方法、装置及终端设备。

背景技术

随着智能手机、平板电脑等终端设备中相机像素的不断提高，越来越多的人开始热衷于用智能手机进行拍照，随之而来的是智能手机中的照片也会越来越多，因此，如何高效、便捷的筛选类似主题或内容的图片成为了一个非常具有意义和发展前景的方向。

虽然目前市场上出现了可以对照片进行分类管理的各类手机相册应用，但是，在这些已有的手机相册应用中，大部分是按照拍摄时间或拍摄地点对图片进行分类管理的，筛选效果单一。为了可以筛选出含有某一类特征信息的照片，可以通过智能手机中的新建相册功能对智能手机中的照片进行归类，筛选出同一类型的照片，例如，如果新建一个名称为风景照的相册，当向该相册中添加照片时，需要一一浏览智能手机中的所有照片从而找出属于风景照的照片，并将这些照片放入风景照相册中，采用类似方法还可以建立其它一些分类相册。但是在使用中发现，如果照片量非常大，筛选工作将非常繁琐，费时费力，降低了筛选的效率。

发明内容

本发明实施例提供了一种筛选图片的方法、装置及终端设备，可以提高筛选图片的效率。

本发明实施例第一方面公开了一种筛选图片的方法，包括：

获取参考图片，提取所述参考图片中的目标特征信息；

将所述目标特征信息作为预先训练的支持向量机分类器的输入值；

利用所述预先训练的支持向量机分类器判断预设训练特征信息库中是否存在与所述目标特征信息匹配的训练特征信息；

若存在，则根据所述预先训练的支持向量机分类器搜索出终端设备相册中与所述目标特征信息匹配的目标图片；

对所述目标图片进行归类并在所述终端设备显示屏中显示所述目标图片。

作为一种可选的实施方式，所述获取参考图片，提取所述参考图片中的目标特征信息之前，所述方法还包括：

获取训练样本图片；

将所述训练样本图片中含有目标对象的图片作为正样本，以及，将所述训练样本图片中不含所述目标对象的图片作为负样本；

对所述正样本以及所述负样本进行特征提取，并根据提取到的特征值对支持向量机分类器进行训练。

作为一种可选的实施方式，所述对所述目标图片进行归类，包括：

将所述目标图片按照与所述参考图片之间的相似度从大到小的顺序归类于同一个文件中；

为所述文件添加标识信息。

作为一种可选的实施方式，所述在所述终端设备显示屏中显示所述目标图片，包括：

将所述目标图片按照与所述参考图片之间的相似度从大到小的顺序在所述终端设备显示屏中显示所述目标图片。

作为一种可选的实施方式，所述方法还包括：

从服务器中获取更新信息，所述更新信息中包含新的训练特征信息；

根据获取到的所述更新信息更新所述预设训练特征信息库。

本发明实施例第二方面公开了一种筛选图片的装置，包括：

第一获取单元，用于获取参考图片；

特征提取单元，用于提取所述参考图片中的目标特征信息；

输入单元，用于将所述目标特征信息作为预先训练的支持向量机分类器的输入值；

判断单元，用于利用所述预先训练的支持向量机分类器判断预设训练特征信息库中是否存在与所述目标特征信息匹配的训练特征信息；

目标图像检索单元，用于在所述预设训练特征信息库中存在与所述目标特征信息匹配的训练特征信息时，根据所述预先训练的支持向量机分类器搜索出终端设备相册中与所述目标特征信息匹配的目标图片；

归类单元，用于对所述目标图片进行归类；

显示单元，用于在所述终端设备显示屏中显示所述目标图片。

作为一种可选的实施方式，所述装置还包括：

第二获取单元，用于获取训练样本图片；

样本处理单元，用于将所述训练样本图片中含有目标对象的图片作为正样本，以及，将所述训练样本图片中不含所述目标对象的图片作为负样本；并驱动所述特征提取单元对所述正样本以及所述负样本进行特征提取；

分类器训练单元，用于根据提取到的特征值对支持向量机分类器进行训练。

作为一种可选的实施方式，所述归类单元包括：

归类子单元，用于将所述目标图片按照与所述参考图片之间的相似度从大到小的顺序归类于同一个文件中；

标识单元，用于为所述文件添加标识信息。

作为一种可选的实施方式，所述显示单元，具体用于将所述目标图片按照与所述参考图片之间的相似度从大到小的顺序在所述终端设备显示屏中显示所述目标图片。

作为一种可选的实施方式，所述装置还包括：

更新信息获取单元，用于从服务器中获取更新信息，所述更新信息中包含新的训练特征信息；

更新单元，用于根据获取到的所述更新信息更新所述预设训练特征信息库。

本发明实施例第三方面公开了一种终端设备，包括上述任意一项所述筛选图片的装置。

从以上技术方案可以看出，本发明实施例具有以下优点：将参考图片中的目标特征信息作为预先训练的支持向量机分类器的输入值；利用上述预先训练的支持向量机分类器判断预设训练特征信息库中是否存在与上述目标特征信息匹配的训练特征信息；若存在，则根据上述预先训练的支持向量机分类器搜索出终端设备相册中与上述目标特征数据匹配的目标图片；对上述目标图片进行归类并在终端设备显示屏中显示上述目标图片。实施本发明实施例，可以提高筛选图片的效率。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例公开的一种筛选图片的方法流程示意图；

图2是本发明实施例公开的另一种筛选图片的方法流程示意图；

图3是本发明实施例公开的一种筛选图片的装置的结构示意图；

图4是本发明实施例公开的另一种筛选图片的装置的结构示意图；

图5是本发明实施例公开的另一种筛选图片的装置的结构示意图；

图6是本发明实施例公开的一种终端设备的结构示意图。

具体实施方式

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明一部份实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

本发明的说明书和权利要求书及附图中的术语“第一”和“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。

本发明实施例中，终端设备可以包括运行Android操作系统、iOS操作系统、Windows操作系统或其他操作系统的终端设备，例如移动电话、移动电脑、平板电脑、台式电脑、个人数字助理(Personal Digital Assistant,PDA)、智能手表、智能眼镜、智能手环等终端设备，本发明实施例后续不作复述。

本发明实施例提供了一种筛选图片的方法、装置及终端设备，可以提高筛选图片的效率。以下分别进行详细说明。

请参阅图1，图1是本发明实施例公开的一种筛选图片的方法流程示意图。其中，图1所示的筛选图片的方法可以包括以下步骤：

101：获取参考图片，提取上述参考图片中的目标特征信息；

本发明实施例中，在大量图片中筛选类似主题或内容的图片时，可以先获取参考图片；再在上述参考图片中提取目标特征信息。

本发明实施例中，可以在终端设备的相册中选取一张照片作为上述参考图片，还可以通过相机、手机或者平板电脑即时获取所述参考图片，还可以通过网络下载获取参考图片等，参考图片获取手段灵活多样，提高了筛选图片的灵活性。具体采用何种获取参考图片的方式，本发明实施例不作唯一性限定。

本发明实施例中，可以通过现有图像识别技术提取图片中的目标特征信息。图像识别技术也称为视觉识别技术，其利用计算机对图像进行分析和处理，辨别物体的类别并作出有意义的判断。图像识别过程一般包括预处理、分析和识别三部分，预处理包括图像分割等诸多内容，图像分析主要指从预处理的图像中提取特征，最后根据提取出的特征作出识别。

102：将上述目标特征信息作为预先训练的支持向量机分类器的输入值；

本发明实施例中，在进行图片筛选之前，可以先利用支持向量机(Support VectorMachine，SVM)算法进行分类器训练，可以包括以下步骤：

11)：获取训练样本图片；

12)：将上述训练样本图片中含有目标对象的图片作为正样本，以及，将上述训练样本图片中不含目标对象的图片作为负样本；

13)：对上述正样本以及上述负样本进行特征提取，并根据提取到的特征值对支持向量机分类器进行训练。

本发明实施例中，支持向量机是一种基于分类边界的方法。其基本原理是(以二维数据为例)：如果训练数据抽象化为分布在二维平面上的点，它们按照其类别聚集在平面上不同的区域。基于分类边界的分类算法的目的是，通过训练，找到这些类别之间的边界。对于多维数据(如N维)，可以将它们视为N维空间中的点，而分类边界就是N维空间中的超平面。线性分类器使用超平面类型的边界，非线性分类器使用超曲面。

本发明实施例中，可以通过摄像头拍摄多张照片作为训练样本图片，也可以通过从终端设备相册中选取多张照片作为训练样本图片，还可以通过网络下载多张照片作为训练样本图片等，然后将训练样本图片以是否含有目标对象(例如蓝天)为依据进行正负样本标记，具体的，可以将上述训练样本图片中含有目标对象(例如蓝天)的图片作为正样本，将上述训练样本图片中不含目标对象(例如蓝天)的图片作为负样本。其中，正样本和负样本的数量和比例可以根据实际需要确定。

接下来，对正样本以及负样本进行特征提取，所提取的特征包括内容特征(如蓝天、人脸、汽车等)，还可以包括颜色特征、边缘特征、纹理特征等中的至少一个。

本发明实施例中，提取出正样本以及负样本的特征信息后，采用径向基核函数支持向量机SVM分别用上述提取到的特征向量对支持向量机分类器进行训练，训练方法可以参照现有技术的描述，在本发明实施例不作赘述。

作为一种可选的实施方式，在对某一特征信息进行训练之后，将训练后的特征信息加入分类器中的训练特征信息库中。

103：利用上述预先训练的支持向量机分类器判断预设训练特征信息库中是否存在与上述目标特征信息匹配的训练特征信息；

本发明实施例中，通过步骤101以及步骤102获取到目标特征信息，以及将目标特征信息输入预先训练的支持向量机分类器后，通过步骤103判断预设训练特征信息库中是否存在与上述目标特征信息匹配的已经训练过的特征信息，即判断分类器是否可以区分含有目标特征信息的图片与不含目标特征信息的图片。

104：若存在，则根据所述预先训练的支持向量机分类器搜索出终端设备相册中与所述目标特征信息匹配的目标图片；

本发明实施例中，在上述支持向量机分类器中的训练特征信息库中存在与上述目标特征信息匹配的已经训练过的特征信息时，可以根据训练过的支持向量机分类器对终端设备相册中的图片进行分类，从而，可搜索出与该目标特征信息匹配的所有图片。例如，若用户需要筛选出所有含有“蓝天”的图片，则可以通过训练得到的分类器从终端设备相册中匹配出所有含有蓝天的图片。

105：对上述目标图片进行归类并在终端设备显示屏中显示上述目标图片。

作为一种可选的实施方式，对上述目标图片进行归类可以包括以下步骤：

21)：将上述目标图片按照与上述参考图片之间的相似度从大到小的顺序归类于同一个文件中；

22)：为上述文件添加标识信息。

具体实现中，可以首先将上述目标特征信息转化为上述待筛选图片的特征向量，并获取终端设备相册中的每张图片的特征信息，并将上述终端设备相册中的每张图片的特征信息转化为上述每张图片的特征向量，将上述终端设备相册中的每张图片的特征向量乘以上述待筛选图片的特征向量得到向量内积，该向量内积越大，相似度越高；最后对终端设备相册中的每张图片与待筛选图片的相似度进行对比并从大到小依次排序，归类于同一个文件中。

作为一种可选的实施方式，可以根据上述目标特征信息为归类文件添加标识信息，也可以接收用户输入的标识信息。

作为一种可选的实施方式，上述在终端设备显示屏中显示上述目标图像，具体包括：

31)：将上述目标图片按照与上述参考图片之间的相似度从大到小的顺序在终端设备显示屏中显示上述目标图片。

本发明实施例中，按照相似度从大到小的顺序在终端设备显示屏中显示上述目标图片，可以提高用户的筛选速度，方便用户找出需要的图片。

本发明实施例中，由于只能识别训练过的特征信息，对于没有经过SVM分类器训练的特征信息，将不能利用SVM分类器进行筛选，因此可以通过软件更新的方式，将新增的训练过的特征信息更新到分类器中的训练特征信息库中，可以包括以下步骤：

41)：从服务器中获取更新信息，上述更新信息中包含新的训练特征信息；

42)：根据获取到的上述更新信息更新上述预设训练特征信息库。

其中服务器可以通过有线网络方式或无线网络方式与终端设备连接。服务器可以获取网络上的数据，比如可以获取其他服务器中的数据，也可以接收终端设备上传的数据。终端设备可以通过有线网络方式或无线网络方式向服务器上传数据，也可以从服务器中获取或下载数据。

在图1所描述的方法中，将参考图片中的目标特征信息作为预先训练的支持向量机分类器的输入值；利用上述预先训练的支持向量机分类器判断预设训练特征信息库中是否存在与上述目标特征信息匹配的训练特征信息；若存在，则根据上述预先训练的支持向量机分类器搜索出终端设备相册中与上述目标特征数据匹配的目标图片；对上述目标图片进行归类并在终端设备显示屏中显示上述目标图片。实施本发明实施例，可以提高筛选图片的效率。

进一步地，请参阅图2，图2是本发明实施例公开的另一种筛选图片的方法的流程示意图。如图2所示，该方法可以包括以下步骤：

201：获取训练样本图片；

202：将上述训练样本图片中含有目标对象的图片作为正样本，以及，将上述训练样本图片中不含目标对象的图片作为负样本；

203：对上述正样本以及上述负样本进行特征提取，并根据提取到的特征值对支持向量机分类器进行训练；

本发明实施例中，可以通过摄像头拍摄多张照片作为训练样本图片，也可以通过从终端设备相册中选取多张照片作为训练样本图片，还可以通过网络下载多张照片作为训练样本图片等，然后将训练样本图片以是否含有目标对象(例如蓝天)为依据进行正负样本标记，具体的，可以将上述训练样本图片中含有目标对象(例如蓝天)的图片作为正样本，将上述训练样本图片中不含目标对象(例如蓝天)的图片作为负样本。其中，正样本和负样本的数量和比例可以根据实际需要确定。然后，对正样本以及负样本进行特征提取，所提取的特征包括内容特征(如蓝天、人脸、汽车等)，还可以包括颜色特征、边缘特征、纹理特征等中的至少一个。

本发明实施例中，提取出正样本以及负样本的特征信息后，采用径向基核函数支持向量机SVM分别用上述提取到的特征向量对支持向量机分类器进行训练，训练方法可以参照现有技术的描述，在本发明实施例不作赘述。以使训练后的SVM分类器可以识别含有目标对象和不含目标对象的两类图片。

作为一种可选的实施方式，在对某一特征信息进行训练之后，将训练后的特征信息加入分类器中的训练特征信息库中。

204：获取参考图片，提取上述参考图片中的目标特征信息；

205：将上述目标特征信息作为预先训练的支持向量机分类器的输入值；

206：利用上述预先训练的支持向量机分类器判断预设训练特征信息库中是否存在与上述目标特征信息匹配的训练特征信息；

207：若存在，则根据上述预先训练的支持向量机分类器搜索出终端设备相册中与所述目标特征信息匹配的目标图片；

208：将上述目标图片按照与上述参考图片之间的相似度从大到小的顺序归类于同一个文件中；

209：为上述文件添加标识信息；

210：将上述目标图片按照与上述参考图片之间的相似度从大到小的顺序在终端设备显示屏中显示上述目标图片；

本发明实施例中，通过预先训练的SVM分类器判断训练特征信息库中是否存在与目标特征信息匹配的经过训练的特征信息，若存在，则根据上述预先训练的SVM分类器从终端设备的相册中筛选出于目标特征信息匹配的目标图片，并根据与参考图片相似度从大到小的顺序进行归类与显示。

211：从服务器中获取更新信息，上述更新信息中包含新的训练特征信息；

212：根据获取到的上述更新信息更新上述预设训练特征信息库。

请参阅图3，图3是本发明实施例公开的一种筛选图片的装置的结构示意图。如图3所示，该装置可以包括：

第一获取单元301，用于获取参考图片；

特征提取单元302，用于提取上述第一获取单元301获取的参考图片中的目标特征信息；

输入单元303，用于将上述特征提取单元302提取的目标特征信息作为预先训练的支持向量机分类器的输入值；

判断单元304，用于利用上述预先训练的支持向量机分类器判断预设训练特征信息库中是否存在与上述特征提取单元302提取的目标特征信息匹配的训练特征信息；

目标图像检索单元305，用于在上述判断单元304的判断结果是存在时，根据上述预先训练的支持向量机分类器搜索出终端设备相册中与上述特征提取单元302提取的目标特征信息匹配的目标图片；

归类单元306，用于对上述目标图像检索单元305检索到的目标图片进行归类；

显示单元307，用于在终端设备显示屏中显示上述目标图像检索单元305检索到的目标图片。

在获取参考图片，提取上述参考图片中的目标特征信息之前，还可以包括训练操作，请一并参阅图4，图4是本发明实施例公开的另一种筛选图片的装置的结构示意图。其中，图4所示的装置是由图3所示的装置进行优化得到的，与图3所示的装置相比，图4所示的装置还包括：

第二获取单元308，用于获取训练样本图片；

样本处理单元309，用于将上述第二获取单元308获取到的训练样本图片中含有目标对象的图片作为正样本，以及，将上述第二获取单元308获取到的训练样本图片中不含目标对象的图片作为负样本；并驱动上述特征提取单元302对上述正样本以及上述负样本进行特征提取；

分类器训练单元310，用于根据提取到的特征值对支持向量机分类器进行训练。

其中，通过第二获取单元308、样本处理单元309以及分类器训练单元310可以对各个不同的特征进行训练，使得SVM分类器可以识别含有目标对象以及不含目标对象的两类图片。

可选地，在图4所示的装置中，上述归类单元306包括：

归类子单元3061，用于将上述目标图片按照与参考图片之间的相似度从大到小的顺序归类于同一个文件中；

标识单元3062，用于为上述文件添加标识信息。

其中，通过归类子单元3061以及标识单元3062可以对筛选出的目标图片进行归类，并可以为归类的文件添加标识信息，方便用户查找。

可选地，在图4所示的装置中，

上述显示单元307，具体用于将上述目标图片按照与参考图片之间的相似度从大到小的顺序在终端设备显示屏中显示上述目标图片。

可选地，图4所示的装置还可以包括：

更新信息获取单元311，用于从服务器中获取更新信息，上述更新信息中包含新的训练特征信息；

更新单元312，用于根据获取到的上述更新信息更新预设训练特征信息库。

其中，通过更新信息获取单元311以及更新单元312可以将新训练的特征信息加入预设训练特征信息库中，从而可以使得SVM分类器对新的训练特征进行识别。

请参阅图5，图5是本发明实施例公开的另一种筛选图片的装置的结构示意图。如图5所示，该装置包括：处理器501以及存储器502；其中存储器502可以用于处理器501执行数据处理所需要的缓存，还可以用于提供处理器501执行数据处理调用的数据以及获得的结果数据的存储空间。

在本发明实施例中，处理器501通过调用存储于存储器502中的程序代码，用于执行以下操作：

获取参考图片，提取上述参考图片中的目标特征信息；

将上述目标特征信息作为预先训练的支持向量机分类器的输入值；

利用上述预先训练的支持向量机分类器判断预设训练特征信息库中是否存在与上述目标特征信息匹配的训练特征信息；

若存在，则根据上述预先训练的支持向量机分类器搜索出终端设备相册中与上述目标特征信息匹配的目标图片；

对上述目标图片进行归类并在上述终端设备显示屏中显示上述目标图片。

在图5所描述的装置中，将参考图片中的目标特征信息作为预先训练的支持向量机分类器的输入值；利用上述预先训练的支持向量机分类器判断预设训练特征信息库中是否存在与上述目标特征信息匹配的训练特征信息；若存在，则根据上述预先训练的支持向量机分类器搜索出终端设备相册中与上述目标特征数据匹配的目标图片；对上述目标图片进行归类并在终端设备显示屏中显示上述目标图片。实施本发明实施例，可以提高筛选图片的效率。

请参阅图6，图6是本发明实施例公开的一种终端设备的结构示意图，如图6所示，该终端设备可以包括：

输入单元601、处理器单元602、输出单元603、存储单元604、通信单元605以及电源606等组件。这些组件通过一条或多条总线607进行通信。本领域技术人员可以理解，图6所示的终端设备的结构并不构成对本发明的限定，它既可以是总线型结构，也可以是星型结构，还可以包括比图6所示的结构更多或更少的部件，或者组合某些部件，或者不同的部件布置。在本发明实施方式中，图6所示的终端设备包括但不限于移动电话、移动电脑、平板电脑、个人数字助理(Personal Digital Assistant，PDA)等各种终端设备。

输入单元601用于实现用户与终端设备的交互和/或信息输入到终端设备中。在本发明具体实施方式中，输入单元601可以是触控面板，触控面板也称为触摸屏或触控屏，可收集用户在其上触摸或接近的操作动作。比如用户使用手指、触笔等任何适合的物体或附件在触控面板上或接近触控面板位置的操作动作，并根据预先设定的程式驱动相应的连接装置。可选的，触控面板可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸操作，并将检测到的触摸操作转换为电信号，以及将电信号传送给触摸控制器；触摸控制器从触摸检测装置上接收电信号，并将它转换成触点坐标，再送给处理器单元602。触摸控制器还可以接收处理器单元602发来的命令并执行。此外，可以采用电阻式、电容式、红外线(Infrared)以及表面声波等多种类型实现触控面板。

处理器单元602为终端设备的控制中心，利用各种接口和线路连接整个终端设备的各个部分，通过运行或执行存储在存储单元604内的程序代码和/或模块，以及调用存储在存储单元604内的数据，以执行终端设备的各种功能和/或处理数据。处理器单元602可以由集成电路(Integrated Circuit，简称IC)组成，例如可以由单颗封装的IC所组成，也可以由连接多颗相同功能或不同功能的封装IC而组成。举例来说，处理器单元602可以仅包括中央处理器(Central ProcessingUnit，简称CPU)，也可以是CPU、数字信号处理器(digitalsignal processor，简称DSP)、图形处理器(Graphic Processing Unit，简称GPU)及通信单元中的控制芯片(例如基带芯片)的组合。在本发明实施方式中，CPU可以是单运算核心，也可以包括多运算核心。

输出单元603可以包括但不限于影像输出单元、声音输出和触感输出单元。影像输出单元用于输出文字、图片和/或视频。影像输出单元可包括显示面板，例如采用液晶显示器(Liquid Crystal Display，LCD)、有机发光二极管(Organic Light-Emitting Diode，OLED)、场发射显示器(field emission display，简称FED)等形式来配置的显示面板。或者影像输出单元可以包括反射式显示器，例如电泳式(electrophoretic)显示器，或利用光干涉调变技术(Interferometric Modulation of Light)的显示器。影像输出单元可以包括单个显示器或不同尺寸的多个显示器。在本发明的具体实施方式中，上述输入单元601所采用的触控面板亦可同时作为输出单元603的显示面板。虽然在图6中，输入单元601与输出单元603是作为两个独立的部件来实现终端设备的输入和输出功能，但是在某些实施例中，可以将触控面板与显示面板集成一体而实现终端设备的输入和输出功能。

存储单元604可用于存储程序代码以及模块，处理器单元602通过运行存储在存储单元604的程序代码以及模块，从而执行终端设备的各种功能应用以及实现数据处理。存储单元604主要包括程序存储区和数据存储区，其中，程序存储区可存储操作系统、至少一个功能所需的程序代码；数据存储区可存储根据终端设备的使用所创建的数据(比如音频数据、电话本等)等。在本发明具体实施方式中，存储单元604可以包括易失性存储器，例如非挥发性动态随机存取内存(Nonvolatile RandomAccess Memory，简称NVRAM)、相变化随机存取内存(Phase Change RAM，简称PRAM)、磁阻式随机存取内存(Magetoresistive RAM，简称MRAM)等，还可以包括非易失性存储器，例如至少一个磁盘存储器件、电子可抹除可规划只读存储器(Electrically Erasable ProgrammableRead-OnlyMemory，简称EEPROM)、闪存器件，例如反或闪存(NOR flash memory)或是反及闪存(NAND flash memory)。非易失存储器储存处理器单元602所执行的操作系统及程序代码。处理器单元602从非易失存储器加载运行程序与数据到内存并将数字内容储存于大量储存装置中。操作系统包括用于控制和管理常规系统任务，例如内存管理、存储设备控制、电源管理等，以及有助于各种软硬件之间通信的各种组件和/或驱动器。在本发明实施方式中，操作系统可以是Google公司的Android系统、Apple公司开发的iOS系统或Microsoft公司开发的Windows操作系统等，或者是Vxworks这类的嵌入式操作系统。

通信单元605用于建立通信信道，使终端设备通过通信信道连接至远程服务器，并从远程服务器下载媒体数据。通信单元605可以包括无线局域网(Wireless Local AreaNetwork，简称wireless LAN)模块、蓝牙模块、近距离无线通信(Near FieldCommunication，简称NFC)、基带(Base Band)模块等无线通信模块和以太网、通用串行总线(Universal Serial Bus，简称USB)、闪电接口(Lightning，目前Apple用于iPhone6/6s等设备)等有线通信模块。

电源606用于给终端设备的不同部件进行供电以维持其运行。作为一般性理解，电源606可以是内置的电池，例如常见的锂离子电池、镍氢电池等，也包括直接向终端设备供电的外接电源，例如AC适配器等。在本发明的一些实施方式中，电源606还可以作更为广泛的定义，例如还可以包括电源管理系统、充电系统、电源故障检测电路、电源转换器或逆变器、电源状态指示器(如发光二极管)，以及与终端设备的电能生成、管理及分布相关联的其他任何组件。

在图6所示的终端设备中，处理器单元602可以调用存储单元604中存储的程序代码，用于执行以下操作：

获取参考图片，提取上述参考图片中的目标特征信息；

将上述目标特征信息作为预先训练的支持向量机分类器的输入值；

利用上述预先训练的支持向量机分类器判断预设训练特征信息库中是否存在与上述目标特征信息匹配的训练特征信息；

若存在，则根据上述支持向量机分类器搜索出终端设备相册中与上述目标特征信息匹配的目标图片；

对上述目标图片进行归类并在上述终端设备显示屏中显示上述目标图片。

作为另一种可选的实施方式，处理器单元602调用存储单元604中存储的程序代码，在获取参考图片，提取上述参考图片中的目标特征信息之前，还用以执行以下操作：

获取训练样本图片；

将上述训练样本图片中含有目标对象的图片作为正样本，以及，将上述训练样本图片中不含目标对象的图片作为负样本；

对上述正样本以及上述负样本进行特征提取，并根据提取到的特征值对支持向量机分类器进行训练。

作为另一种可选的实施方式，处理器单元602调用存储单元604中存储的程序代码，对上述目标图片进行归类，包括：

将上述目标图片按照与上述参考图片之间的相似度从大到小的顺序归类于同一个文件中；

为上述文件添加标识信息。

作为另一种可选的实施方式，处理器单元602调用存储单元604中存储的程序代码，在终端设备显示屏中显示上述目标图片，包括：

将上述目标图片按照与上述参考图片之间的相似度从大到小的顺序在终端设备显示屏中显示上述目标图片。

作为另一种可选的实施方式，处理器单元602调用存储单元604中存储的程序代码，还用于执行以下操作：

从服务器中获取更新信息，上述更新信息中包含新的训练特征信息；

根据获取到的上述更新信息更新上述预设训练特征信息库。

在图6所描述的终端设备中，将参考图片中的目标特征信息作为预先训练的支持向量机分类器的输入值；利用上述预先训练的支持向量机分类器判断预设训练特征信息库中是否存在与上述目标特征信息匹配的训练特征信息；若存在，则根据上述预先训练的支持向量机分类器搜索出终端设备相册中与上述目标特征数据匹配的目标图片；对上述目标图片进行归类并在终端设备显示屏中显示上述目标图片。实施本发明实施例，可以提高筛选图片的效率。

值得注意的是，上述筛选图片的装置及终端设备的实施例中，所包括的各个单元只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

另外，本领域普通技术人员可以理解实现上述各方法实施例中的全部或部分步骤是可以通过程序来指令相关的硬件完成，相应的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

以上仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明实施例揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (11)

1.一种筛选图片的方法，其特征在于，包括：

获取参考图片，提取所述参考图片中的目标特征信息；

将所述目标特征信息作为预先训练的支持向量机分类器的输入值；

利用所述预先训练的支持向量机分类器判断预设训练特征信息库中是否存在与所述目标特征信息匹配的训练特征信息；

若存在，则根据所述预先训练的支持向量机分类器搜索出终端设备相册中与所述目标特征信息匹配的目标图片；

对所述目标图片进行归类并在所述终端设备显示屏中显示所述目标图片。

2.根据权利要求1所述方法，其特征在于，所述获取参考图片，提取所述参考图片中的目标特征信息之前，所述方法还包括：

获取训练样本图片；

将所述训练样本图片中含有目标对象的图片作为正样本，以及，将所述训练样本图片中不含所述目标对象的图片作为负样本；

对所述正样本以及所述负样本进行特征提取，并根据提取到的特征值对支持向量机分类器进行训练。

3.根据权利要求2所述方法，其特征在于，所述对所述目标图片进行归类，包括：

将所述目标图片按照与所述参考图片之间的相似度从大到小的顺序归类于同一个文件中；

为所述文件添加标识信息。

4.根据权利要求3所述方法，其特征在于，所述在所述终端设备显示屏中显示所述目标图片，包括：

将所述目标图片按照与所述参考图片之间的相似度从大到小的顺序在所述终端设备显示屏中显示所述目标图片。

5.根据权利要求1至4任意一项所述方法，其特征在于，所述方法还包括：

从服务器中获取更新信息，所述更新信息中包含新的训练特征信息；

根据获取到的所述更新信息更新所述预设训练特征信息库。

6.一种筛选图片的装置，其特征在于，包括：

第一获取单元，用于获取参考图片；

特征提取单元，用于提取所述参考图片中的目标特征信息；

输入单元，用于将所述目标特征信息作为预先训练的支持向量机分类器的输入值；

判断单元，用于利用所述预先训练的支持向量机分类器判断预设训练特征信息库中是否存在与所述目标特征信息匹配的训练特征信息；

目标图像检索单元，用于在所述预设训练特征信息库中存在与所述目标特征信息匹配的训练特征信息时，根据所述预先训练的支持向量机分类器搜索出终端设备相册中与所述目标特征信息匹配的目标图片；

归类单元，用于对所述目标图片进行归类；

显示单元，用于在所述终端设备显示屏中显示所述目标图片。

7.根据权利要求6所述装置，其特征在于，所述装置还包括：

第二获取单元，用于获取训练样本图片；

样本处理单元，用于将所述训练样本图片中含有目标对象的图片作为正样本，以及，将所述训练样本图片中不含所述目标对象的图片作为负样本；并驱动所述特征提取单元对所述正样本以及所述负样本进行特征提取；

分类器训练单元，用于根据提取到的特征值对支持向量机分类器进行训练。

8.根据权利要求7所述装置，其特征在于，所述归类单元包括：

归类子单元，用于将所述目标图片按照与所述参考图片之间的相似度从大到小的顺序归类于同一个文件中；

标识单元，用于为所述文件添加标识信息。

9.根据权利要求8所述装置，其特征在于，

所述显示单元，具体用于将所述目标图片按照与所述参考图片之间的相似度从大到小的顺序在所述终端设备显示屏中显示所述目标图片。

10.根据权利要求6至9任意一项所述装置，其特征在于，所述装置还包括：

更新信息获取单元，用于从服务器中获取更新信息，所述更新信息中包含新的训练特征信息；

更新单元，用于根据获取到的所述更新信息更新所述预设训练特征信息库。

11.一种终端设备，其特征在于，所述终端设备包括如权利要求6～10中任意一项所述筛选图片的装置。