CN107832368A - 图片分类方法、装置、终端及存储介质 - Google Patents

Abstract

本申请实施例公开了一种图片分类方法、装置、终端及存储介质。该方法包括：获取待处理图片；将所述待处理图片输入图片归类模型，以标记所述待处理图片的共享等级，其中，所述图片归类模型为根据图片样本集训练的模型；根据所述共享等级对所述待处理图片进行分类处理。本申请实施例通过采用上述技术方案，使用图片归类模型对待处理图片的共享等级进行标记，将属于同一共享等级的待处理图片进行分类，改善了相关技术图片分类功能单一的现象，能够清楚地对隐私图片与非隐私图片进行划分，便于用户查找图片的同时保护图片隐私。

Description

图片分类方法、装置、终端及存储介质

技术领域

本申请实施例涉及图像处理技术领域，尤其涉及一种图片分类方法、装置、终端及存储介质。

背景技术

随着信息技术的迅速发展，人们对移动终端的依赖程度越来越高。

用户不仅可以通过移动终端进行拍照，还可以获取各类社交应用以及网页浏览的各种各样的图片，导致移动终端中会存储大量不同类型内容的图片。

在日常生活中，用户给朋友看相册时，有些照片想给朋友看，有些照片不想给朋友看。但是移动终端只能按照拍摄顺序或图片获取日期进行浏览，无法满足用户的特定需求，图片分类功能较单一。

发明内容

本申请实施例提供一种图片分类方法、装置、终端及存储介质，可以优化移动终端对图片分类的功能。

第一方面，本申请实施例提供了一种图片分类方法，该方法包括：

获取待处理图片；

将所述待处理图片输入图片归类模型，以标记所述待处理图片的共享等级，其中，所述图片归类模型为根据图片样本集训练的模型；

根据所述共享等级对所述待处理图片进行分类处理。

第二方面，本申请实施例还提供了一种图片分类装置，该装置包括：

图片获取模块，用于获取待处理图片；

类别标记模块，用于将所述待处理图片输入图片归类模型，以标记所述待处理图片的共享等级，其中，所述图片归类模型为根据图片样本集训练的模型；

图片处理模块，用于根据所述共享等级对所述待处理图片进行分类处理。

第三方面，本申请实施例还提供了一种终端，包括第一存储器、第一处理器及存储在所述第一存储器上并可在所述第一处理器上运行的计算机程序，所述第一处理器执行所述计算机程序时实现本申请实施例所述的图片分类方法。

第四方面，本申请实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面所述的图片分类方法。

本申请实施例中提供的图片分类方案，通过获取待处理图片；将所述待处理图片输入图片归类模型，以标记所述待处理图片的共享等级，其中，所述图片归类模型为根据图片样本集训练的模型；根据所述共享等级对所述待处理图片进行分类处理。通过采用上述技术方案，使用图片归类模型对待处理图片的共享等级进行标记，将属于同一共享等级的待处理图片进行分类，改善了相关技术图片分类功能单一的现象，能够清楚地对隐私图片与非隐私图片进行划分，便于用户查找图片的同时保护图片隐私。

附图说明

图1A为本申请实施例提供的一种图片分类方法的流程示意图；

图1B为本申请实施例提供的一种反馈信息示意图；

图1C为本申请实施例提供的一种共享等级选项的用户界面；

图2是本申请实施例提供的又一种图片分类方法的流程示意图；

图3是本申请实施例提供的又一种图片分类方法的流程示意图；

图4是本申请实施例提供的又一种图片分类方法的流程示意图；

图5是本申请实施例提供的又一种图片分类方法的流程示意图；

图6是本申请实施例提供的又一种图片分类方法的流程示意图；

图7是本申请实施例提供的一种图片分类装置的结构示意图；

图8A是本申请实施例中的一种终端的结构示意图；

图8B是本申请实施例中的又一种终端的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本申请，而非对本申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部结构。

相关技术中，移动终端图片库里的图片以时间进行排序，且最先呈现最新拍摄的图片。用户在使用移动终端期间，经常会发生如下情况：用户主动与朋友分享一些图片，或者应朋友要求查找某些图片时，打开移动终端的图片库后，各种类型的图片均呈现在朋友面前，包含隐私与非隐私的图片。用户需要在众多图片中查找将要分享的图片，从而容易泄露隐私图片。

本申请实施例提供了一种图片分类方法，可用于对终端设备图片库中的图片进行分类整理，使得用户可快速在分类后的图片库中找到图片，同时避免了隐私图片被泄露，具体方法如下：

图1A为本申请实施例提供的一种图片分类的流程图，本实施例可适用于通过终端设备对图片进行分类的情况，所述方法由图片分类的装置来执行，所述装置由软件和/或硬件来执行，所述装置配置在诸如手机、平板电脑等终端设备中。如图1A所示，本实施例提供的技术方案具体如下：

步骤110、获取待处理图片。

其中，待处理图片包括用户需要进行分类的图片，可包括含有人物的图片。本申请实施例对待处理图片的获取途径不做限定，例如可以是用户在终端设备的图片库中存储的拍摄照片，也可以是从网络平台或服务器下载的兴趣图片，还可以是应用软件中收藏的各种图片。并且，待处理图片的格式可以为BMP(Bitmap)格式、JPG(JPEG，Joint PhotographicExperts Group)格式、TIFF(TagImage FileFormat)格式、PSD(Photoshop Document)格式、PNG(Portable Network Graphics)格式以及SWF(Shockwave Format)格式等，本申请实施例对待处理图片的格式不作限定。

具体的，终端设备对待处理图片的分类操作可以由终端设备的系统执行，或者由终端设备中的图片处理软件执行，获取待处理图片的操作可以在用户的操作指示下由系统或图片处理软件执行。当用户有需求对图片进行分类操作时，通常可以打开图片处理的操作界面，将待处理图片添加至该操作界面中进行操作；或者用户在终端设备中的图片库、应用软件或者网络中浏览图片时，可以随时将心仪的图片选定为待处理图片，并触发打开图片处理的操作界面的指令，用以对待处理照片进行识别以分类；或者还可以当用户终端设备中的图片库有新添图片时，可自动对新添图片进行分类操作。并且，终端在用户的操作指示下可以获取一张待处理图片，或者获取多张待处理图片，对待处理图片的张数不作限定。

步骤120、将所述待处理图片输入图片归类模型，以标记所述待处理图片的共享等级。

其中，所述图片归类模型包括根据图片样本集训练的模型。

其中，图片归类模型为用于在输入待处理图片后快速标记出待处理图片共享等级的学习模型。图片归类模型可以是神经网络模型，其中，该神经网络模型可以是卷积神经网络模型，也可以是非卷积神经网络，且本申请实施例中对该神经网络模型的层数、层、不同卷积核和/或权重等网络参数不作限定。如，本申请实施例中的图片归类模型可以为包含五个卷积层与两个池化层的神经网络模型。

其中，共享等级能够反映出待处理图片的共享程度，即用户是否愿意将待处理图片共享给别人查看。共享等级可包括多个等级，包括但不限于第一共享等级与第二共享等级。例如，共享等级可分为三个等级，分别为愿意共享、可共享、不可共享等。当将待处理图片输入图片归类模型后，图片归类模型通过会对待处理图片的共享等级进行判断，若待处理图片标记为愿意共享，则表明，该待处理图片可为用户给朋友查看图片时优先查看的图片。

其中，图片样本集为包含了大量图片的样本集，可存储于终端设备本地，也可存储于对应的服务器中。图片样本集可以包含已标记共享等级的样本图片，也可包含未标记共享等级的样本图片。例如，若图片样本集包含了未标记共享等级的样本图片，图片归类模型则可根据样本图片的图片特征进行训练。具体例如，图片归类模型可根据人物的颜值评估、缺陷特征、人脸属性、人体属性、拍摄构图比例以及拍摄质量等进行训练。其中，颜值评估可包括是否化妆；缺陷特征可包括人物是否闭眼以及头型是否混乱等；人脸属性可包括面部是否自然以及眼睛是否处于最佳拍照状态等；人体属性可包括用户衣物是否穿戴整齐；拍摄构图比例可包括人与景比例是否协调；拍摄质量可包括图片清晰度。例如，大多数摄影爱好者不愿意将自己拍摄构图比例差、图片模糊质量差的图片共享给别人看；大多数用户不想将自己头发散乱或者闭眼的图片共享给别人查看；大多数女性不想将自己在家穿睡衣且素颜的照片共享给别人看。本申请实施例可以根据图片样本集中样本图片包含的图片特征训练图片归类模型。例如，若图片样本集包含了已标记共享等级的样本图片，图片归类模型则可根据已标记共享等级的关键字以及已标记样本图片的图片特征进行训练。

本申请实施例中，利用图片样本集训练图片归类模型以调整图片归类模型的权重等网络参数，最后能够达到对各种类型图片标注共享等级的效果。且经大量的迭代训练得到的图片归类模型具有对输入的待处理图片进行加权计算的能力，从而能够快速对待处理图片内包含的内容进行共享等级的判断。

步骤130、根据所述共享等级对所述待处理图片进行分类处理。

在图片归类模型输出待处理图片的共享等级后，可通过待处理图片标记的共享等级进行分类。具体的，如果待处理图片为一张，那么可对该张待处理图片归类为标记的共享等级；如果待处理图片为多张，那么可根据共享等级对待处理图片进行分类。具体例如，将多张待处理图片输入图片归类模型，统计多张待处理图片的分类类别，若存在两种共享等级，则将待处理图片分为两类，并将具有相同共享等级的待处理图片归为一类，若存在三种共享等级，则将待处理图片分为三类，并将具有相同共享等级的待处理图片归为一类。

本申请实施例中提供的图片分类方法，通过获取待处理图片；将所述待处理图片输入图片归类模型，以标记所述待处理图片的共享等级，其中，所述图片归类模型为根据图片样本集训练的模型；根据所述共享等级对所述待处理图片进行分类处理。通过使用图片归类模型对待处理图片的共享等级进行标记，将属于同一共享等级的待处理图片进行分类，改善了相关技术图片分类功能单一的现象，能够清楚地对隐私图片与非隐私图片进行划分，便于用户查找图片的同时保护图片隐私。

示例性的，在根据所述共享等级对所述待处理图片进行分类处理之前,还包括：若检测到所述移动终端图片库中存在新添图片，则在预设时间为当前用户显示所述新添图片标记的预设共享等级；基于所述预设共享等级，获取所述当前用户的反馈信息；将所述反馈信息发送至所述图片归类模型进行训练。

其中，新添图片包括移动终端图片库内部添加的新照片，可以包括一张或多张。预设时间可以包括移动终端默认的固定值，也可以包括根据人为需求而设定的动态值。预设共享等级可包括为通过图片归类模型为新添图片标记的共享等级。反馈信息可包括当前用户对图片归类模型输出的共享等级进行反馈的操作。

具体的，随着用户使用移动终端的时间增长，用户经常会使用移动终端进行拍照或者是保存网络平台/社交软件中出现的图片。因此，移动终端内的图片库将会随时更新新添图片。需要说明的是，移动终端的相册每更新一张新添图片时，可将该新添图片作为待处理图片输入图片归类模型，以对新添图片添加预设共享等级进行分类。移动终端可选择在图片归类模型输出新添图片的预设共享等级时，为当前用户显示结果，也可将该新添图片与相对应的预设共享等级存在临时存储器中，从而方便在预设时间统一为用户显示当天新添图片的输出结果。或者，移动终端还可以在预设时间统一将当天的新添图片作为待处理图片输入图片归类模型，以对新添图片添加预设共享等级进行分类，而后为当前用户显示新添图片以及相对应的预设共享等级并接收反馈信息。

需要说明的是，反馈信息可以是终端设备在操作界面上为用户提供的评判选项。其中，评判选择可以包括“正确”以及“不正确”的评判选项，如图1B所示。图1B为本申请实施例提供的一种反馈信息示意图，其中包含“图片界面100”、“共享等级10”、“正确11”与“不正确12”两个可供选项。图片界面100包含任意内容的图片，当移动终端显示出图片归类模型判断的共享等级10之后，可以接收到用户对选项“正确11”或“不正确12”的选择，以接收用户正确的反馈信息。移动终端当接收到选项为“不正确12”时，可以为用户提供如图1C所示的界面。图1C为本申请实施例提供的一种含有共享等级选项的用户界面，包含“愿意共享13”、“可共享14”以及“不可共享15”三种选项。或者，评判选择可以包括“通过”以及“切换”两种评判选项，从而确定正确的共享等级，本申请实施例设定的评判选项用于收集用户的反馈信息，因此本申请实施例对该评判选项的设定与方式不作限定。

终端设备通过检测用户对当前显示屏的触摸操作，确定该用户的反馈信息，并发送至图片归类模型中进行训练，以对图片归类模型的网络参数进行适应性调整。此外，用户还可手动确定新添图片的共享等级，并将其作为反馈信息反馈至图片归类模型中进行训练。

本申请实施例通过检测用户对预设人共享等级的反馈信息，更有利于图片归类模型输出正确的共享等级，并且随时根据用户的反馈信息调整图片归类模型的网络参数，能够及时降低误判断情况发生的概率。

示例性的，在根据所述共享等级对所述待处理图片进行分类处理之后，还可包括：确定分类处理后的所述待处理图片的记录时间；根据所述记录时间对所述待处理图片进行子分类处理；或者确定分类处理后的所述待处理图片的地域特征；根据所述地域特征对所述待处理图片进行子分类处理。

具体的，本申请实施例为根据共享等级对待处理图片进行分类。但是，当随着用户使用移动终端的时间增长，或者待处理图片数量较多时，虽然能够根据共享等级对待处理图片进行分类，但是在同一类别内包含的待处理图片还是较为混乱的。因此，为了增加待处理图片的可观性以及提高待处理图片的查找效率，可以在对待处理图片分类后，再对各个类别的图片进行进一步的子分类处理。

具体的，本申请实施例可以确定分类处理后的待处理图片的记录时间；根据记录时间对待处理图片进行子分类处理。

其中，记录时间可以包括待处理图片的拍摄时间或者待处理图片的获取时间。移动终端可以根据待处理图片的图片信息获取记录时间。根据记录时间对待处理图片进行子分类处理，可以确定记录时间的时间连续性，根据时间连续性对待处理图片进行子分类处理。例如，若上述同学类别的待处理图片中，有20张图片都是同一天拍摄的，那么可以将该20张图片归为同一子分类；还可例如，若同学类别的待处理图片中含有50张图片为毕业旅游拍摄图片，且为连续天数拍摄的，因此，可以将该50张图片归为同一子分类。

根据记录时间对待处理图片进行子分类处理，还可根据图片记录时间的时间段进行子分类处理。例如，家人类别的待处理图片记录了用户家庭生活的点点滴滴，因此该类别的记录时间可能并不集中，因此，对于该类图片，可以根据记录时间的时间段进行子分类处理，具体例如，根据月份或者年份对家人类别下的待处理图片进行进一步子分类。

或者，本申请实施例还可以确定分类处理后的待处理图片的地域特征；根据地域特征对待处理图片进行子分类处理。

其中，地域特征包括待处理图片的图片环境特征,移动终端可以根据待处理图片的图片信息获取地域特征，然后根据待处理图片的地域特征进行分类。例如，爱人类别的待处理图片中记录了用户大量旅游的图片，因此，对于该类图片，可以根据地域特征(即旅游地点)进行子分类处理。

本申请实施例通过对待处理图片进行共享等级的分类后，再对各个类别分别进行子分类处理，使得移动终端图片库内的图片存储更加规整，有规律，还可以有效提高图片的查找效率。

图2为本申请实施例提供的另一种图片分类方法的流程示意图，该方法包括如下步骤：

步骤210、获取待处理图片。

步骤220、统计移动终端图片库中每张图片显示的显示次数。

其中，图片的显示次数可包括图片从存储至移动终端图片库的起始时间到现在这段时间内，该图片被查看的总次数，即显示的显示次数。通过统计每张图片显示的显示次数可以推测用户对该图片的共享意愿，如显示次数越多的图片，则可表示该图片的愿意共享程度越高。

需要说明的是，本申请实施例中统计移动终端图片库中每张图片显示的显示次数的执行主体可以由终端设备的系统执行，或者由终端设备中的图片处理软件执行，统计显示次数的操作可以在用户的操作指示下由系统或图片处理软件执行。

步骤230、根据所述显示次数确定所述图片相对应的共享等级。

由于图片的显示次数代表了图片的共享程度，因此，通过显示次数可以确定图片的共享等级。例如，显示次数多的图片共享等级高，显示次数少的图片共享等级低。且共享等级可包括两个等级、三个等级或者更多等级。需要说明的是，显示次数的确定可以为根据大多数用户的用户习惯进行确定的参考值，也可根据用户本身的用户习惯进行确定的个人专属值。例如，共享等级分为三个等级，愿意共享、可共享以及不可共享。那么，普通用户的共享等级的确定可为：显示次数大于6的图片确定为愿意共享的共享等级；显示次数大于3且小于6的图片确定为可共享的共享等级；显示次数小于3的图片确定为不可共享的共享等级。摄影爱好者的共享等级的确定可为：显示次数大于12的图片确定为愿意共享的共享等级；显示次数大于3且小于12的图片确定为可共享的共享等级；显示次数小于3的图片确定为不可共享的共享等级。

步骤240、将标记共享等级的图片作为第一样本图片并存储至所述图片样本集。

其中，第一样本图片可为包含了大量根据显示次数确定其共享等级的图片，并且，本申请实施例不对第一样本图片的图片数量、图片内容、图片种类以及图片来源进行限定。本申请实施例中的图片归类模型的初步训练可基于通过显示次数初步确定的标记有大量共享等级的图片进行训练。

具体的，移动终端可以根据接收到的用户指示，将标记多个共享等级的图片作为第一样本图片并存储至图片样本集。具体的，终端设备可将各个图片分别标记与其相对应的共享等级，将所有标记有共享等级的图片作为第一样本图片存储至图片样本集，也可以将各个共享等级的图片分别聚类为各个子样本集，将各个子样本集整体标记共享等级作为第一样本图片存储至图片样本集。

步骤250、根据所述图片样本集，基于设定机器学习算法对图片归类模型进行训练。

其中，机器学习主要研究对象是人工智能，可研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。机器学习算法可包括计算机如何实现人工智能或者在经验学习中如何自动改进的一种算法。本申请实施例中的设定的机器学习算法用于训练图片归类模型，可以是神经网络模型。需要说明的是，本申请实施例对机器学习算法的种类不作限定。

通过设定图片样本集与机器学习算法，能够对图片归类模型进行训练以对待处理图片做出正确的判断。

步骤260、将所述待处理图片输入图片归类模型，以标记所述待处理图片的共享等级。

步骤270、根据所述共享等级对所述待处理图片进行分类处理。

本申请实施例通过根据移动终端图片库中图片的显示次数确定共享等级，并将标记有共享等级的图片作为第一样本图片存储至图片样本集，为图片归类模型提供了初步训练素材，有助于提高图片归类模型判断的准确性。

图3为本申请实施例提供的另一种图片分类方法的流程示意图，该方法包括如下步骤：

步骤310、获取待处理图片。

步骤320、获取用户在移动终端社交平台中发布的公开图片。

由于根据图片的显示次数确定图片的共享等级是根据整体图片的显示特征所确定的，并不能涵盖图片的特殊性，因此将第一样本图片作为图片样本集训练图片归类模型以标记用户的待处理图片的共享等级可能会存在误差。为了降低图片归类模型的判断误差，本申请实施例可获取移动终端社交平台中发布的公开图片作为图片样本集的素材。

其中，移动终端的社交平台包括但不限定于QQ、微博、微信以及博客等社交平台。在日常生活中，用户经常在社交平台中分享自己生活的点点滴滴，如用户可在朋友圈分享同学聚餐，同事聚会或者旅游的相关图片。并且，用户在社交平台上发布的公开图片均具有共同点，即用户经过多次筛选，将自己认为满意的图片发布出来。社交平台中发布的公开图片可包括用户的拍摄图片以及用户从各种渠道获取的其他图片。

步骤330、将所述公开图片标记为第一共享等级。

由于用户在社交平台上发布的公开图片为用户所满意的图片，能够直接反映用户对该类图片共享程度的意向，因此，可以将该类公开图片标记为第一共享等级。其中第一共享等级为包含了用户对图片共享程度的满意意向，可为愿意共享类的共享等级。具体的，终端设备可以自动获取或者根据用户指示获取用户社交平台上发布的公开图片，并将该类公开图片标记为第一共享等级。

步骤340、将标记第一共享等级的公开图片作为第二样本图片并存储至所述图片样本集。

其中，第二样本图片可包含从用户移动终端社交平台中获取的公开图片，本申请实施例不对第二样本图片的图片数量、图片内容、图片种类以及图片来源进行限定。具体的，在将移动终端社交平台的公开图片标记第一共享等级后，可将该类公开图片作为第二样本图片存储至图片样本集以供图片归类模型进行训练。第二样本图片的标记方法与第一样本图片的标记方法一致，不再赘述。

步骤350、根据所述图片样本集，基于设定机器学习算法对图片归类模型进行训练。

步骤360、将所述待处理图片输入图片归类模型，以标记所述待处理图片的共享等级。

步骤370、根据所述共享等级对所述待处理图片进行分类处理。

本申请实施例将用户在移动终端社交平台中发布的公开图片标记为第一共享等级，并作为第二样本图片存储至图片样本集，通过结合用户社交平台公开图片作为训练素材训练图片归类模型，能够准确地掌握用户的喜好，使得图片归类模型的训练更贴近用户的实际情况，进一步提高了图片归类模型对待处理图片的共享等级判断的准确性。

图4为本申请实施例提供的另一种图片分类方法的流程示意图，该方法包括如下步骤：

步骤410、获取待处理图片。

步骤420、获取移动终端图片库中拍摄图片的拍摄时间与图片环境特征；将所述拍摄时间与图片环境特征满足预设条件的图片标记为第二共享等级。

由于拍摄图片所拍摄的内容与用户息息相关，很多用户不想共享的照片为拍摄图片，因此，可将移动终端图片库中的用户不想共享的拍摄图片作为图片样本集中共享等级低的训练素材。

其中，第二共享等级为用户对图片共享程度的满意意向，与第一共享等级不同的是，第二共享等级为不可共享类的共享等级。预设条件可包括满足不可共享类图片的共性特征，例如，不可共享类图片大多数涉及用户隐私的私人生活，因此，可将预设条件设定为夜晚休息时间且涉及用户居住环境。

具体的，移动终端可获取拍摄图片的拍摄时间与图片环境特征。其中，拍摄时间可分类为工作时间、夜晚休息时间以及节假日；图片环境特征可以分类为家庭环境、工作环境、餐厅环境以及旅游环境等。通过获取拍摄图片的拍摄时间与图片环境特征有助于判断该拍摄图片的共享等级。例如，可将拍摄时间在晚上7点以后，图片环境特征为家庭环境或居住环境的图片设定为第二共享等级(即不可共享)。

示例性的，本申请实施例还可以包括：缓存用户在移动终端图片库中删除的拍摄图片；将删除的拍摄图片标记为第二共享等级。

用户在日常生活中，对移动终端图片库中的图片进行整理，或者查看刚拍摄的图片后，经常会删除自己不满意的拍摄图片。因此，可以将该类删除的拍摄图片进行收集，缓存至临时存储器中，或者直接获取用户删除的拍摄图片，将该类删除的拍摄图片标记为第二共享等级作为图片归类模型的训练素材。

或者，本申请实施例中还可以同时将用户删除的拍摄图片以及拍摄时间与图片环境特征满足预设条件的拍摄图片作为第二共享等级的图片素材

步骤430、将标记第二共享等级的拍摄图片作为第三样本图片并存储至所述图片样本集。

其中，第三样本图片可包含收集的用户不想共享的图片，本申请实施例不对第三样本图片的图片数量、图片内容、图片种类以及图片来源进行限定。具体的，在确定标记第二共享等级的拍摄图片之后，可以将该类拍摄图片作为第三样本图片存储至图片样本集以供图片归类模型进行训练，第三样本图片的标记方法与第一样本图片的标记方法一致，不再赘述。

步骤440、根据所述图片样本集，基于设定机器学习算法对图片归类模型进行训练。

步骤450、将所述待处理图片输入图片归类模型，以标记所述待处理图片的共享等级。

步骤460、根据所述共享等级对所述待处理图片进行分类处理。

本申请实施例通过将拍摄图片的拍摄时间与图片环境特征满足预设条件的图片标记为第二共享等级，和/或，将删除的拍摄图片标记为第二共享等级，将标记第二共享等级的拍摄图片作为第三样本图片并存储至所述图片样本集，能够有效确定用户不喜好共享的图片，并且将该类拍摄图片作为图片样本集，进一步完善图片样本集，使得图片样本集的获取更符合用户意向，通过使用该类图片样本集训练图片归类模型，更贴近用户的实际情况，提高了图片归类模型对待处理图片的共享等级判断的准确性。

图5为本申请实施例提供的另一种图片分类方法的流程示意图，该方法包括如下步骤：

步骤510、获取待处理图片。

步骤520、获取用户对试验图片共享等级判断的操作指令。

其中，试验图片可为移动终端图片库中的任意图片，也可为网络图片库中的任意图片，且试验图片的图片数量、图片内容、图片种类不作限定。通过设定试验图片，收集用户对试验图片的判断，能够较为全面的了解用户的用户习性，有助于图片归类模型的训练结果更准确。

本申请实施例可以通过建立关于试验图片的图片集，通过收集用户直接对该类图片集中每张试验图片共享等级的判断作为样本素材，训练图片归类模型。具体的，终端设备获取用户对试验图片共享等级判断的操作指令可以为接收用户的语音操作指令或者用户的触摸操作指令。当接收的操作指令为语音操作指令时，移动终端可识别语音操作指令中的信息，根据信息确定用户对该类试验图片共享等级的判断；当接收的操作指令为触摸操作指令时，移动终端可确定用户的触摸操作指令所触发的共享等级选项。

步骤530、根据所述操作指令确定所述试验图片相对应的共享等级。

具体的终端设备可以在用户界面依次显示试验图片，例如可提供如图1C所示的共享等级选项的用户界面，根据接收用户对共享等级选项的触摸操作指令，获取该试验图片相对应的共享等级。

步骤540、将标记共享等级的试验图片作为第四样本图片并存储至所述图片样本集。

其中，第四样本图片可包含收集的标记有共享等级的试验图片，本申请实施例不对第四样本图片的图片数量、图片内容、图片种类以及图片来源进行限定。具体的，在将确定标记有准确共享等级的第四样本图片存储至图片样本集之后，将该类图片样本集提供给图片归类模型进行训练，第四样本图片的标记方法与第一样本图片的标记方法一致，不再赘述。

步骤550、根据所述图片样本集，基于设定机器学习算法对图片归类模型进行训练。

步骤560、将所述待处理图片输入图片归类模型，以标记所述待处理图片的共享等级。

步骤570、根据所述共享等级对所述待处理图片进行分类处理。

本申请实施例通过创建包含用户对试验图片共享等级准确意向的第四样本图片，并存储至图片样本集，能够准确获取用户对各种类试验图片共享等级的判断意向，提高了图片归类模型对待处理图片的共享等级判断的准确性。

图6为本申请实施例提供的另一种图片分类方法的流程示意图，该方法包括如下步骤：

步骤610、获取待处理图片。

步骤620、确定用户输入的与共享等级相对应的关键字。

其中，关键字可以包括用户定义的与各共享等级相对应的文字信息。例如，愿意共享类的图片内容包括旅游风景、美食、宠物以及孩子的图片，不可共享类的图片内容包括睡衣、素颜等相关的图片。各个共享等级相对应的关键字可以为没有、一个或多个。例如，用户可以不对可共享类定义相关的关键字。

具体的，终端设备可以接收用户输入的各共享等级相对应的关键字，或者接收用户语音输入的语音信息，再提取语音信息的内容得到与共享等级相对应的关键字。

步骤630、在网络平台图片库中，根据所述关键字获取与所述关键字相对应的网络图片作为第五样本图片。

其中，第五样本图片可包含收集的标记有共享等级的网络图片，本申请实施例不对第五样本图片的图片数量、图片内容、图片种类以及图片来源进行限定。网络图片可包括从各种网络平台图片库中下载的图片。

在接收用户输入的与各共享等级相关的关键字以后，可以将该关键字输入网络平台图片库的搜索栏中进行搜索，并获取搜索结果的网络图片作为第五样本图片。

步骤640、将所述第五样本图片标记相对应的共享等级并存储至所述图片样本集。

由于第五样本图片用于图片归类模型的训练，因此，可以将第五样本图片标记相对应的共享等级，存储至图片样本集，其标记方法与第一样本图片的标记方法一致，不再赘述。

步骤650、根据所述图片样本集，基于设定机器学习算法对图片归类模型进行训练。

步骤660、将所述待处理图片输入图片归类模型，以标记所述待处理图片的共享等级。

步骤670、根据所述共享等级对所述待处理图片进行分类处理。

本申请实施例通过接收用户输入的与共享等级相对应的关键字，再根据关键字在网络平台中搜索相对应的关键字作为第五样本图片，以存储至图片样本集图片归类模型进行训练，通过获取用户对各个共享等级的设定的关键字，够准确地掌握用户的喜好，提高图片归类模型对待处理图片的共享等级判断的准确性。

图7是本申请实施例提供的一种图片分类装置的结构框图，本申请实施例可适用于通过终端设备对图片进行分类的情况，该装置可有软件和/或硬件实现，所述装置配置在诸如手机、平板电脑等终端设备中。如图7所示，该装置可以包括：图片获取模块71、等级标记模块72和图片处理模块73。

图片获取模块71，用于获取待处理图片；

等级标记模块72，用于将所述待处理图片输入图片归类模型，以标记所述待处理图片的共享等级，其中，所述图片归类模型为根据图片样本集训练的模型；

图片处理模块73，用于根据所述共享等级对所述待处理图片进行分类处理。

本申请实施例中提供的图片分类装置，通过获取待处理图片；将所述待处理图片输入图片归类模型，以标记所述待处理图片的共享等级，其中，所述图片归类模型为根据图片样本集训练的模型；根据所述共享等级对所述待处理图片进行分类处理。通过使用图片归类模型对待处理图片的共享等级进行标记，将属于同一共享等级的待处理图片进行分类，改善了相关技术图片分类功能单一的现象，能够清楚地对隐私图片与非隐私图片进行划分，便于用户查找图片的同时保护图片隐私。

可选的，所述装置还包括：第一训练模块。

第一训练模块，用于在将所述待处理图片输入图片归类模型之前，统计移动终端图片库中每张图片显示的显示次数；根据所述显示次数确定所述图片相对应的共享等级；将标记共享等级的图片作为第一样本图片并存储至所述图片样本集；根据所述图片样本集，基于设定机器学习算法对图片归类模型进行训练。

可选的，所述装置还包括：第二训练模块。

第二训练模块，用于在将所述待处理图片输入图片归类模型之前，获取用户在移动终端社交平台中发布的公开图片；将所述公开图片标记为第一共享等级；将标记第一共享等级的公开图片作为第二样本图片并存储至所述图片样本集；根据所述图片样本集，基于设定机器学习算法对图片归类模型进行训练。

可选的，所述装置还包括：第三训练模块。

第三训练模块，用于在将所述待处理图片输入图片归类模型之前，获取移动终端图片库中拍摄图片的拍摄时间与图片环境特征；将所述拍摄时间与图片环境特征满足预设条件的图片标记为第二共享等级；和/或，缓存用户在移动终端图片库中删除的拍摄图片；将删除的拍摄图片标记为第二共享等级；将标记第二共享等级的拍摄图片作为第三样本图片并存储至所述图片样本集；根据所述图片样本集，基于设定机器学习算法对图片归类模型进行训练。

可选的，所述装置还包括：第四训练模块。

第四训练模块，用于在将所述待处理图片输入图片归类模型之前，获取用户对试验图片共享等级判断的操作指令；根据所述操作指令确定所述试验图片相对应的共享等级；将标记共享等级的试验图片作为第四样本图片并存储至所述图片样本集；根据所述图片样本集，基于设定机器学习算法对图片归类模型进行训练。

可选的，所述装置还包括：第五训练模块。

第五训练模块，用于在将所述待处理图片输入图片归类模型之前，确定用户输入的与共享等级相对应的关键字；在网络平台图片库中，根据所述关键字获取与所述关键字相对应的网络图片作为第五样本图片；将所述第五样本图片标记相对应的共享等级并存储至所述图片样本集；根据所述图片样本集，基于设定机器学习算法对图片归类模型进行训练。

可选的，所述装置还包括：反馈训练模块。

反馈训练模块，用于在根据所述人物关系类别对所述待处理图片进行分类处理之前,若检测到所述移动终端图片库中存在新添图片，则在预设时间为当前用户显示所述新添图片标记的预设共享等级；基于所述预设共享等级，获取所述当前用户的反馈信息；将所述反馈信息发送至所述图片归类模型进行训练。

本申请实施例提供了一种终端，该终端中可集成本申请实施例提供的图片分类的装置，如图8A所示，终端1000包含存储器1001与处理器1002。其中，存储器1001存储待处理图片，处理器1002用于获取待处理图片；将所述待处理图片输入图片归类模型，以标记所述待处理图片的共享等级，其中，所述图片归类模型为根据图片样本集训练的模型；根据所述共享等级对所述待处理图片进行分类处理。

本申请实施例中提供的终端，通过获取待处理图片；将所述待处理图片输入图片归类模型，以标记所述待处理图片的共享等级，其中，所述图片归类模型为根据图片样本集训练的模型；根据所述共享等级对所述待处理图片进行分类处理。通过采用上述技术方案，使用图片归类模型对待处理图片的共享等级进行标记，将属于同一共享等级的待处理图片进行分类，改善了相关技术图片分类功能单一的现象，能够清楚地对隐私图片与非隐私图片进行划分，便于用户查找图片的同时保护图片隐私。

本申请实施例提供了一种终端的结构示意图。如图8B所示，该移动终端可以包括：壳体(图中未示出)、存储器801、中央处理器(Central Processing Unit，CPU)802(又称处理器，以下简称CPU)、电路板(图中未示出)、触控显示屏812和电源电路(图中未示出)。所述触控显示屏812，用于将用户操作转换成电信号输入至所述处理器，并显示可视输出信号；所述触控显示屏包括触摸芯片，所述触摸芯片，用于输出触摸感测控制信号至触控显示屏；所述电路板安置在所述触控显示屏812与所述壳体围成的空间内部；所述CPU802和所述存储器801设置在所述电路板上；所述电源电路，用于为所述移动终端的各个电路或器件供电；所述存储器801，用于存储计算机程序；所述CPU802读取并执行所述存储器801中存储的计算机程序。所述CPU802在执行所述计算机程序时实现以下步骤：获取待处理图片；将所述待处理图片输入图片归类模型，以标记所述待处理图片的共享等级，其中，所述图片归类模型为根据图片样本集训练的模型；根据所述共享等级对所述待处理图片进行分类处理。

所述移动终端还包括：外设接口803、RF(Radio Frequency，射频)电路805、音频电路806、扬声器811、电源管理芯片808、输入/输出(I/O)子系统809、其他输入/控制设备810以及外部端口804，这些部件通过一个或多个通信总线或信号线807来通信。

应该理解的是，图示移动终端800仅仅是移动终端的一个范例，并且移动终端800可以具有比图中所示出的更多的或者更少的部件，可以组合两个或更多的部件，或者可以具有不同的部件配置。图中所示出的各种部件可以在包括一个或多个信号处理和/或专用集成电路在内的硬件、软件、或硬件和软件的组合中实现。

下面就本实施例提供的集成有图片分类装置的终端进行详细的描述，该终端以手机为例。

存储器801，所述存储器801可以被CPU802、外设接口803等访问，所述存储器801可以包括高速随机存取存储器，还可以包括非易失性存储器，例如一个或多个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

外设接口803，所述外设接口803可以将设备的输入和输出外设连接到CPU802和存储器801。

I/O子系统809，所述I/O子系统809可以将设备上的输入输出外设，例如触控显示屏812和其他输入/控制设备810，连接到外设接口803。I/O子系统809可以包括显示控制器8091和用于控制其他输入/控制设备810的一个或多个输入控制器8092。其中，一个或多个输入控制器8092从其他输入/控制设备810接收电信号或者向其他输入/控制设备810发送电信号，其他输入/控制设备810可以包括物理按钮(按压按钮、摇臂按钮等)、拨号盘、滑动开关、操纵杆、点击滚轮。值得说明的是，输入控制器8092可以与以下任一个连接：键盘、红外端口、USB接口以及诸如鼠标的指示设备。

触控显示屏812，所述触控显示屏812是用户终端与用户之间的输入接口和输出接口，将可视输出显示给用户，可视输出可以包括图形、文本、图标、视频等。

I/O子系统809中的显示控制器8091从触控显示屏812接收电信号或者向触控显示屏812发送电信号。触控显示屏812检测触控显示屏上的接触，显示控制器8091将检测到的接触转换为与显示在触控显示屏812上的用户界面对象的交互，即实现人机交互，显示在触控显示屏812上的用户界面对象可以是运行游戏的图标、联网到相应网络的图标等。值得说明的是，设备还可以包括光鼠，光鼠是不显示可视输出的触摸敏感表面，或者是由触控显示屏形成的触摸敏感表面的延伸。

RF电路805，主要用于建立手机与无线网络(即网络侧)的通信，实现手机与无线网络的数据接收和发送。例如收发短信息、电子邮件等。具体地，RF电路805接收并发送RF信号，RF信号也称为电磁信号，RF电路805将电信号转换为电磁信号或将电磁信号转换为电信号，并且通过该电磁信号与通信网络以及其他设备进行通信。RF电路805可以包括用于执行这些功能的已知电路，其包括但不限于天线系统、RF收发机、一个或多个放大器、调谐器、一个或多个振荡器、数字信号处理器、CODEC(COder-DECoder，编译码器)芯片组、用户标识模块(Subscriber Identity Module，SIM)等等。

音频电路806，主要用于从外设接口803接收音频数据，将该音频数据转换为电信号，并且将该电信号发送给扬声器811。

扬声器811，用于将手机通过RF电路805从无线网络接收的语音信号，还原为声音并向用户播放该声音。

电源管理芯片808，用于为CPU802、I/O子系统及外设接口所连接的硬件进行供电及电源管理。

本实施例中提供的终端，通过获取待处理图片；将所述待处理图片输入图片归类模型，以标记所述待处理图片的共享等级，其中，所述图片归类模型为根据图片样本集训练的模型；根据所述共享等级对所述待处理图片进行分类处理。通过采用上述技术方案，使用图片归类模型对待处理图片的共享等级进行标记，将属于同一共享等级的待处理图片进行分类，改善了相关技术图片分类功能单一的现象，能够清楚地对隐私图片与非隐私图片进行划分，便于用户查找图片的同时保护图片隐私。

上述装置可执行本申请前述所有实施例所提供的图片分类装置、存储介质及移动终端，具备执行上述图片分类方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本申请前述所有实施例所提供的图片分类方法。

本申请实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本申请操作的计算机程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、步骤ma l lta l k、C++，还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

上述装置可执行本申请前述所有实施例所提供的方法，具备执行上述方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本申请前述所有实施例所提供的方法。

注意，上述仅为本申请的较佳实施例及所运用技术原理。本领域技术人员会理解，本申请不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本申请的保护范围。因此，虽然通过以上实施例对本申请进行了较为详细的说明，但是本申请不仅仅限于以上实施例，在不脱离本申请构思的情况下，还可以包括更多其他等效实施例，而本申请的范围由所附的权利要求范围决定。

Claims (10)

1.一种图片分类方法，其特征在于，包括：

获取待处理图片；

将所述待处理图片输入图片归类模型，以标记所述待处理图片的共享等级，其中，所述图片归类模型为根据图片样本集训练的模型；

根据所述共享等级对所述待处理图片进行分类处理。

2.根据权利要求1所述的方法，其特征在于，将所述待处理图片输入图片归类模型之前，还包括：

统计移动终端图片库中每张图片显示的显示次数；

根据所述显示次数确定所述图片相对应的共享等级；

将标记共享等级的图片作为第一样本图片并存储至所述图片样本集；

根据所述图片样本集，基于设定机器学习算法对图片归类模型进行训练。

3.根据权利要求1所述的方法，其特征在于，将所述待处理图片输入图片归类模型之前，还包括：

获取用户在移动终端社交平台中发布的公开图片；

将所述公开图片标记为第一共享等级；

将标记第一共享等级的公开图片作为第二样本图片并存储至所述图片样本集；

根据所述图片样本集，基于设定机器学习算法对图片归类模型进行训练。

4.根据权利要求1所述的方法，其特征在于，将所述待处理图片输入图片归类模型之前，还包括：

获取移动终端图片库中拍摄图片的拍摄时间与图片环境特征；将所述拍摄时间与图片环境特征满足预设条件的图片标记为第二共享等级；和/或，缓存用户在移动终端图片库中删除的拍摄图片；将删除的拍摄图片标记为第二共享等级；

将标记第二共享等级的拍摄图片作为第三样本图片并存储至所述图片样本集；

根据所述图片样本集，基于设定机器学习算法对图片归类模型进行训练。

5.根据权利要求1所述的方法，其特征在于，将所述待处理图片输入图片归类模型之前，还包括：

获取用户对试验图片共享等级判断的操作指令；

根据所述操作指令确定所述试验图片相对应的共享等级；

将标记共享等级的试验图片作为第四样本图片并存储至所述图片样本集；

根据所述图片样本集，基于设定机器学习算法对图片归类模型进行训练。

6.根据权利要求1所述的方法，其特征在于，将所述待处理图片输入图片归类模型之前，还包括：

确定用户输入的与共享等级相对应的关键字；

在网络平台图片库中，根据所述关键字获取与所述关键字相对应的网络图片作为第五样本图片；

将所述第五样本图片标记相对应的共享等级并存储至所述图片样本集；

根据所述图片样本集，基于设定机器学习算法对图片归类模型进行训练。

7.根据权利要求1-6中任一所述的方法，其特征在于，在根据所述共享等级对所述待处理图片进行分类处理之前,还包括：

若检测到所述移动终端图片库中存在新添图片，则在预设时间为当前用户显示所述新添图片标记的预设共享等级；

基于所述预设共享等级，获取所述当前用户的反馈信息；

将所述反馈信息发送至所述图片归类模型进行训练。

8.一种图片分类装置，其特征在于，包括：

图片获取模块，用于获取待处理图片；

等级标记模块，用于将所述待处理图片输入图片归类模型，以标记所述待处理图片的共享等级，其中，所述图片归类模型为根据图片样本集训练的模型；

图片处理模块，用于根据所述共享等级对所述待处理图片进行分类处理。

9.一种终端，包括第一存储器、第一处理器及存储在所述第一存储器上并可在所述第一处理器上运行的计算机程序，其特征在于，所述第一处理器执行所述计算机程序时实现如权利要求1-7中任一所述的图片分类的方法。

10.一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的图片分类的方法。