CN107491766A - 基于图像识别的照片分类方法 - Google Patents
基于图像识别的照片分类方法 Download PDFInfo
- Publication number
- CN107491766A CN107491766A CN201710771941.9A CN201710771941A CN107491766A CN 107491766 A CN107491766 A CN 107491766A CN 201710771941 A CN201710771941 A CN 201710771941A CN 107491766 A CN107491766 A CN 107491766A
- Authority
- CN
- China
- Prior art keywords
- photo
- sorted
- characteristic parameter
- image recognition
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及图像处理领域,公开了一种基于图像识别的照片分类方法,更好的对照片进行分类,方便用户查找和管理照片。本发明包括步骤:读取一张用户存入的待分类照片;利用图像识别技术,识别并提取待分类照片的特征参数;将特征参数输入照片分类器,照片分类器根据待分类照片的特征参数对待分类照片进行分类;分类成功后将照片的分类结果输出。本发明适用于手机、数码相机等图像拍摄装置,当用户拍摄一张或者多张照片后,拍摄装置科自动对照片进行分类,方便用户查找和管理照片。
Description
技术领域
本发明涉及图像处理领域,特别涉及基于图像识别的照片分类方法。
背景技术
随着智能手机和数码相机的普及,照片拍摄越来越日常化、海量化,面对手机里日益增多的照片,迫切需要一种自动化、智能化的照片管理软件和方法。本发明结合图像识别算法,对照片进行语义分类,实现按人物、事物和风景等类别浏览,并筛选出质量差异,过滤掉重复的照片,为照片管理的自动化和智能化提供了一种思路和方法。
发明内容
本发明要解决的技术问题是:提供一种基于图像识别的照片分类方法,更好的对照片进行分类,方便用户查找和管理照片。
为解决上述问题,本发明采用的技术方案是:基于图像识别的照片分类方法,包括步骤:
A.读取一张待分类照片;
B.利用图像识别技术,识别并提取待分类照片的特征参数;
C.将特征参数输入照片分类器,照片分类器根据待分类照片的特征参数对待分类照片进行分类;
D.分类成功后将照片的分类结果输出。
进一步的,步骤C在使用照片分类器之前,还需获得照片分类器,获得方法包括:
C1.从图像数据库选取两部分图像,一部分作为图像训练集,另一部分作为图像测试集;
C2.提取图像训练集的特征参数,并进行分类器训练,从而获得初始照片分类器;
C3.提取图像测试集的特征参数,并通过测试图像集的特征参数对初始照片分类器进行优化,从而获得最终的照片分类器。
进一步的,采用BP神经网络进行分类器训练和优化。
进一步的,所述特征参数包括视觉特征和语义特征,所述照片分类器包括视觉分类器和语义分类器。
进一步的,步骤B提取特征参数的步骤包括:
B1.利用图像识别技术,识别并提取待分类照片的底层视觉特征;
B2.在底层视觉特征基础上,提取待分类照片的高程提取语义特征。
本发明的有益效果是:本发明基于图像识别,提取照片的视觉特征以及语义特征,通过视觉特征、语义特征对照片进行综合分类,因此可以更好的对照片进行分类,方便用户查找和管理照片。
附图说明
图1为实施例的流程图。
具体实施方式
实施例提供一种基于图像识别的照片分类方法,如图1所示,包括以下步骤:
A.读取一张用户存入的待分类照片。
B.若读取不成功,则返回步骤A继续读取;若读取成功,则利用图像识别技术,识别并提取特征参数,特征参数包括视觉特征和语义特征,特征参数提取包含以下几个步骤:
B1.利用图像识别技术,识别并提取待分类照片的底层视觉特征,如人物、事物等;
B2.在提取底层特征的基础上,通过多层聚合分类模拟人们对图像的语义分类,从而为图片添加不同维度的标签(即语义特征),分类标准逐级细化,以事物为例,还可以进行二级标签细分,包含:宝宝、会议、文本、室内、花、风景、天空、合影、夜景、山川、都市、乡村、卡通、演出、宴会、美食。
C.首先,获得照片分类器,获得方法包括:
C1.从图像数据库选取两部分图像,一部分作为图像训练集,另一部分作为图像测试集;
C2.提取图像训练集的特征参数(即视觉特征和语义特征),并进行分类器训练,分别获得初始的视觉分类器和语义特征分类器;
C3.提取图像测试集的特征参数(即视觉特征和语义特征),并通过测试图像集的特征参数对初始照片分类器进行优化,从而获得最终的视觉分类器和语义特征分类器。这里可以采用BP神经网络进行分类器训练和优化。
然后,将待分类照片的视觉特征和语义特征分别输到视觉分类器和语义特征分类器里面,视觉分类器和语义特征分类器根据待分类照片的视觉特征和语义特征对待分类照片进行分类。在分类的同时,实际上也是对两个分类器进行再优化,因此整个过程类比一个三层的BP神经网络,分类器自身具有不断学习和自我优化的能力。
分类时,可先按照人物(即视觉特征)进行划分,如人物出现的频次降序展示,点开A的头像,里面全是A的照片,按时间顺序排列;
其次,其次再按照事物二级标签(即语义特征),可以将照片分为:宝宝、会议、文本、室内、花、风景、天空、合影、夜景、山川、都市、乡村、卡通、演出、宴会、美食等诸多分类。
D.分类成功后将照片的分类结果输出。
以上描述了本发明的基本原理和主要的特征,说明书的描述只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。
Claims (5)
1.基于图像识别的照片分类方法,其特征在于,包括步骤:
A.读取一张待分类照片;
B.利用图像识别技术,识别并提取待分类照片的特征参数;
C.将特征参数输入照片分类器,照片分类器根据待分类照片的特征参数对待分类照片进行分类;
D.分类成功后将照片的分类结果输出。
2.如权利要求1所述的基于图像识别的照片分类方法,其特征在于,步骤C在使用照片分类器之前,还需获得照片分类器,获得方法包括:
C1.从图像数据库选取两部分图像,一部分作为图像训练集,另一部分作为图像测试集;
C2.提取图像训练集的特征参数,并进行分类器训练,从而获得初始照片分类器;
C3.提取图像测试集的特征参数,并通过测试图像集的特征参数对初始照片分类器进行优化,从而获得最终的照片分类器。
3.如权利要求2所述的基于图像识别的照片分类方法,其特征在于,采用BP神经网络进行分类器训练和优化。
4.如权利要求1或2所述的基于图像识别的照片分类方法,其特征在于,所述特征参数包括视觉特征和语义特征,所述照片分类器包括视觉分类器和语义分类器。
5.如权利要求4所述的基于图像识别的照片分类方法,其特征在于,步骤B提取特征参数的步骤包括:
B1.利用图像识别技术,识别并提取待分类照片的底层视觉特征;
B2.在底层视觉特征基础上,提取待分类照片的高程提取语义特征。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710771941.9A CN107491766A (zh) | 2017-08-31 | 2017-08-31 | 基于图像识别的照片分类方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710771941.9A CN107491766A (zh) | 2017-08-31 | 2017-08-31 | 基于图像识别的照片分类方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107491766A true CN107491766A (zh) | 2017-12-19 |
Family
ID=60646004
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710771941.9A Pending CN107491766A (zh) | 2017-08-31 | 2017-08-31 | 基于图像识别的照片分类方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107491766A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113378851A (zh) * | 2020-02-25 | 2021-09-10 | 阿里巴巴集团控股有限公司 | 图像数据的视觉识别方法、装置、存储介质及处理器 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102289468A (zh) * | 2011-07-22 | 2011-12-21 | 北京航空航天大学 | 一种照相机中照片信息获取与记录方法 |
US8131066B2 (en) * | 2008-04-04 | 2012-03-06 | Microsoft Corporation | Image classification |
CN102915449A (zh) * | 2012-09-24 | 2013-02-06 | 华南理工大学 | 一种照片分类方法 |
CN103186538A (zh) * | 2011-12-27 | 2013-07-03 | 阿里巴巴集团控股有限公司 | 一种图像分类方法和装置、图像检索方法和装置 |
CN104268552A (zh) * | 2014-09-04 | 2015-01-07 | 电子科技大学 | 一种基于部件多边形的精细类别分类方法 |
CN105303631A (zh) * | 2015-09-22 | 2016-02-03 | 江西科技学院 | 一种利用脑电信号进行小型办公室打卡考勤的方法 |
CN106022254A (zh) * | 2016-05-17 | 2016-10-12 | 上海民实文化传媒有限公司 | 图像识别技术 |
CN106934408A (zh) * | 2015-12-29 | 2017-07-07 | 北京大唐高鸿数据网络技术有限公司 | 基于卷积神经网络的身份证照片分类方法 |
-
2017
- 2017-08-31 CN CN201710771941.9A patent/CN107491766A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8131066B2 (en) * | 2008-04-04 | 2012-03-06 | Microsoft Corporation | Image classification |
CN102289468A (zh) * | 2011-07-22 | 2011-12-21 | 北京航空航天大学 | 一种照相机中照片信息获取与记录方法 |
CN103186538A (zh) * | 2011-12-27 | 2013-07-03 | 阿里巴巴集团控股有限公司 | 一种图像分类方法和装置、图像检索方法和装置 |
CN102915449A (zh) * | 2012-09-24 | 2013-02-06 | 华南理工大学 | 一种照片分类方法 |
CN104268552A (zh) * | 2014-09-04 | 2015-01-07 | 电子科技大学 | 一种基于部件多边形的精细类别分类方法 |
CN105303631A (zh) * | 2015-09-22 | 2016-02-03 | 江西科技学院 | 一种利用脑电信号进行小型办公室打卡考勤的方法 |
CN106934408A (zh) * | 2015-12-29 | 2017-07-07 | 北京大唐高鸿数据网络技术有限公司 | 基于卷积神经网络的身份证照片分类方法 |
CN106022254A (zh) * | 2016-05-17 | 2016-10-12 | 上海民实文化传媒有限公司 | 图像识别技术 |
Non-Patent Citations (2)
Title |
---|
毛金莲: "《智能图像检索关键技术研究》", 30 June 2015, 北京理工大学出版社 * |
陈新泉: "《聚类算法中的优化方法应用》", 31 July 2014, 电子科技大学出版社 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113378851A (zh) * | 2020-02-25 | 2021-09-10 | 阿里巴巴集团控股有限公司 | 图像数据的视觉识别方法、装置、存储介质及处理器 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11663802B2 (en) | Insect identification method and system | |
US9025872B2 (en) | Image processing device, image processing method, program, and integrated circuit | |
CN104133917B (zh) | 照片的分类存储方法及装置 | |
CN106851104B (zh) | 一种根据用户视角进行拍摄的方法及装置 | |
JP5837484B2 (ja) | 画像情報処理装置 | |
US9195678B2 (en) | Automatic selection of digital images from a multi-sourced collection of digital images | |
CN105426497A (zh) | 一种智能终端相册的自动分类方法及系统 | |
US10679041B2 (en) | Hybrid deep learning method for recognizing facial expressions | |
CN104284252A (zh) | 一种自动生成电子相册的方法 | |
JP2005148900A (ja) | 画像分類装置、画像分類方法、および、プログラム | |
CN105740379A (zh) | 一种照片分类管理方法和装置 | |
CN104361357B (zh) | 基于图片内容分析的相片集分类系统及分类方法 | |
US11715316B2 (en) | Fast identification of text intensive pages from photographs | |
CN110222582A (zh) | 一种图像处理方法和相机 | |
US11308313B2 (en) | Hybrid deep learning method for recognizing facial expressions | |
CN106657817A (zh) | 一种应用于手机平台的自动制作相册mv的处理方法 | |
CN111480168B (zh) | 基于情景的图像选择 | |
Gurrin et al. | An examination of a large visual lifelog | |
CN107491766A (zh) | 基于图像识别的照片分类方法 | |
CN104951426A (zh) | 一种拍照分类处理的方法、装置及终端设备 | |
KR101841641B1 (ko) | 히스토리별 사진군 포토앨범 자동 분류시스템 | |
CN116095363B (zh) | 基于关键行为识别的移动端短视频高光时刻剪辑方法 | |
CN112035685A (zh) | 相册视频生成方法、电子设备和存储介质 | |
CN112507154B (zh) | 一种信息处理装置 | |
CN111163170A (zh) | 照片分享方法、系统及服务器 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171219 |
|
RJ01 | Rejection of invention patent application after publication |