CN107871011B - 图像处理方法、装置、移动终端及计算机可读存储介质 - Google Patents

图像处理方法、装置、移动终端及计算机可读存储介质 Download PDF

Info

Publication number
CN107871011B
CN107871011B CN201711163393.8A CN201711163393A CN107871011B CN 107871011 B CN107871011 B CN 107871011B CN 201711163393 A CN201711163393 A CN 201711163393A CN 107871011 B CN107871011 B CN 107871011B
Authority
CN
China
Prior art keywords
image
images
face
repeated
uploaded
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.)
Active
Application number
CN201711163393.8A
Other languages
English (en)
Other versions
CN107871011A (zh
Inventor
董治
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong Oppo Mobile Telecommunications Corp Ltd
Original Assignee
Guangdong Oppo Mobile Telecommunications Corp Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangdong Oppo Mobile Telecommunications Corp Ltd filed Critical Guangdong Oppo Mobile Telecommunications Corp Ltd
Priority to CN201711163393.8A priority Critical patent/CN107871011B/zh
Publication of CN107871011A publication Critical patent/CN107871011A/zh
Application granted granted Critical
Publication of CN107871011B publication Critical patent/CN107871011B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/10—File systems; File servers
    • G06F16/17—Details of further file system functions
    • G06F16/174—Redundancy elimination performed by the file system
    • G06F16/1748—De-duplication implemented within the file system, e.g. based on file segments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/10—File systems; File servers
    • G06F16/17—Details of further file system functions
    • G06F16/1737—Details of further file system functions for reducing power consumption or coping with limited storage space, e.g. in mobile devices
    • 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
    • G06V40/168—Feature extraction; Face representation
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/06—Protocols specially adapted for file transfer, e.g. file transfer protocol [FTP]

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Information Transfer Between Computers (AREA)
  • Image Analysis (AREA)

Abstract

本申请实施例涉及一种图像处理方法、装置、移动终端及计算机可读存储介质。上述方法，包括：获取待上传图像，并提取所述待上传图像的图像特征；若根据所述图像特征检测到所述待上传图像中包含重复图像，则确定所述重复图像的图像质量；根据所述图像质量从所述重复图像中选取至少一张图像上传至服务器；接收所述服务器返回的聚类结果，其中，聚类结果包含所述至少一张图像进行聚类后分配的组别标签；将所述重复图像批量分配至与所述组别标签对应的组别中。上述图像处理方法、装置、移动终端及计算机可读存储介质，可以减少图像上传的数据量，并提高图像聚类效率。

Description

图像处理方法、装置、移动终端及计算机可读存储介质
技术领域
本申请涉及计算机技术领域，特别是涉及一种图像处理方法、装置、移动终端及计算机可读存储介质。
背景技术
随着互联网技术的飞速发展，用户可在移动终端上存储大量的图片，可对移动终端上存储的大量的图片进行分类。移动终端可通过相册的方式对分类后的图片进行展示，将属于同一类别的图片在一个相册中进行展示，方便用户进行查阅。
发明内容
本申请实施例提供一种图像处理方法、装置、移动终端及计算机可读存储介质，可以减少图像上传的数据量，并提高图像聚类效率。
一种图像处理方法，包括：
获取待上传图像，并提取所述待上传图像的图像特征；
若根据所述图像特征检测到所述待上传图像中包含重复图像，则确定所述重复图像的图像质量；
根据所述图像质量从所述重复图像中选取至少一张图像上传至服务器；
接收所述服务器返回的聚类结果，其中，聚类结果包含所述至少一张图像进行聚类后分配的组别标签；
将所述重复图像批量分配至与所述组别标签对应的组别中。
一种图像处理装置，包括：
特征提取模块，用于获取待上传图像，并提取所述待上传图像的图像特征；
质量确定模块，用于若根据所述图像特征检测到所述待上传图像中包含重复图像，则确定所述重复图像的图像质量；
上传模块，用于根据所述图像质量从所述重复图像中选取至少一张图像上传至服务器；
接收模块，用于接收所述服务器返回的聚类结果，其中，聚类结果包含所述至少一张图像进行聚类后分配的组别标签；
分配模块，用于将所述重复图像批量分配至与所述组别标签对应的组别中。
一种移动终端，包括存储器及处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器实现如上所述的方法。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如权上所述的方法。
上述图像处理方法、装置、移动终端及计算机可读存储介质，当根据图像特征检测到待上传图像中包含重复图像时，确定重复图像的图像质量，根据图像质量从重复图像中选取至少一张图像上传至服务器，服务器对上传的至少一张图像进行聚类，并分配组别标签，可根据服务器返回的聚类结果将重复图像批量分配至与组别标签对应的组别中，可以减少图像上传的数据量，并提高图像聚类效率。
附图说明
图1为一个实施例中图像处理方法的应用场景图；
图2为一个实施例中移动终端的框图；
图3为一个实施例中移动终端与服务器的交互时序图；
图4为一个实施例中图像处理方法的流程示意图；
图5为一个实施例中检测待上传图像中是否包含重复图像的流程示意图；
图6为一个实施例中确定重复图像的图像质量的流程示意图；
图7为一个实施例中根据图像特征获取人脸参数的流程示意图；
图8为一个实施例中对上传的图像进行聚类的流程示意图；
图9为一个实施例中图像处理装置的框图；
图10为另一个实施例中图像处理装置的框图；
图11为另一个实施例中移动终端的框图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。
可以理解，本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种元件，但这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说，在不脱离本申请的范围的情况下，可以将第一客户端称为第二客户端，且类似地，可将第二客户端称为第一客户端。第一客户端和第二客户端两者都是客户端，但其不是同一客户端。
图1为一个实施例中图像处理方法的应用场景图。如图1所示，移动终端10可通过网络与服务器20建立通信连接，其中，服务器20可以是单独的一个服务器，也可以是由多个服务器组成的服务器集群，或是服务器集群中的某一台服务器。移动终端10可获取待上传图像，并提取待上传图像的图像特征。若移动终端10根据图像特征检测到待上传图像中包含多张重复图像，可确定各个重复图像的图像质量。移动终端10可根据各个重复图像的图像质量从中选取至少一张图像上传至服务器20。服务器20接收移动终端10上传的至少一张图像，可对接收的至少一张图像进行聚类，并分配对应的组别标签。服务器20可将包含有该至少一张图像进行聚类后分配的组别标签的聚类结果返回给移动终端10。移动终端10接收服务器20返回的聚类结果，可将多张重复图像批量分配至与组别标签对应的组别中。
图2为一个实施例中上述移动终端的框图。如图2所示，该移动终端10包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，存储器可包括非易失性存储介质及处理器。移动终端10的非易失性存储介质存储有操作系统及计算机程序，该计算机程序被处理器执行时以实现本申请实施例中提供的一种图像处理方法。该处理器用于提供计算和控制能力，支撑整个移动终端10的运行。移动终端10中的内存储器为非易失性存储介质中的计算机程序的运行提供环境。该移动终端10的网络接口用于据以与外部的服务器通过网络连接通信，比如向服务器上传图像、向服务器发送图像聚类请求等。移动终端10的显示屏可以是液晶显示屏或者电子墨水显示屏等，输入装置可以是显示屏上覆盖的触摸层，也可以是移动终端10外壳上设置的按键、轨迹球或触控板，也可以是外接的键盘、触控板或鼠标等。该移动终端10可以是手机、平板电脑或者个人数字助理或穿戴式设备等。本领域技术人员可以理解，图2中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的移动终端的限定，具体的移动终端10可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
图3为一个实施例中移动终端与服务器的交互时序图。如图3所示，移动终端与服务器的主要交互过程可包括以下步骤：
1、移动终端10获取待上传图像，并提取待上传图像的图像特征。
移动终端10获取待上传图像，并提取待上传图像的图像特征。移动终端10可根据检测待上传图像中是否包含重复图像。可选地，移动终端10可判断待上传图像的数量是否大于预设第一阈值，当待上传图像的数量大于预设第一阈值时，可提取待上传图像的图像特征。移动终端10可根据图像特征确定待上传图像之间的相似度，将相似度大于预设第二阈值的待上传图像定义为重复图像。
2、若移动终端10根据图像特征检测到待上传图像中包含重复图像，则确定重复图像的图像质量。
若移动终端10根据图像特征检测到待上传图像中包含重复图像，则可确定重复图像的图像质量。可选地，移动终端10可提取重复图像的图像参数，并通过预设的评测模型对提取的图像参数进行分析，得到对应图像的图像质量。
可选地，移动终端10可对重复图像进行人脸识别，确定重复图像的人脸区域。移动终端10可提取重复图像中人脸区域的图像特征，并根据该人脸区域的图像特征获取人脸参数，其中，人脸参数可包括但不于限人脸亮度、人脸比例、人脸偏转角度及人脸识别可信度等。移动终端10可按照预设方式对重复图像的人脸参数进行计算，得到对应图像的图像质量分数。
可选地，移动终端10可提取重复图像中人脸区域的人脸特征点，可获取人脸特征点的坐标值，并根据坐标值计算人脸特征点之间的距离和人脸特征点之间的角度。移动终端10可根据人脸特征点之间的距离和人脸特征点之间的角度确定人脸偏转角度。
3、移动终端10根据图像质量从重复图像中选取至少一张图像上传至服务器20。
移动终端10可根据各个重复图像的图像质量，从多个重复图像中选取至少一张图像上传至服务器20，可选地，移动终端10可从多个重复图像中选取图像质量最好的图像进行上传，也可设定质量标准，将多个重复图像中高于质量标准的图像上传至服务器20。
可选地，当重复图像中包含有多张人脸时，移动终端10可获取各个重复图像中每张人脸的图像质量分数。移动终端10可逐一选取张人脸的图像质量分数最高的人脸区域进行合成，并将合成后的图像上传至服务器20。
4、服务器20对移动终端10上传的至少一张图像进行聚类，并分配对应的组别标签。
服务器20接收移动终端10上传的从多张重复图像中选取的至少一张图像后，可对上传的图像进行聚类。服务器20可提取各个上传的图像的图像特征，并将包含有相似图像特征的图像分为一类。可选地，服务器20可对接收的各个图像进行人脸识别，并提取各个图像的人脸特征点，服务器20可对各个图像的人脸特征点进行分析，并将具有相似人脸特征点的图像分为一类。服务器20可根据聚类结果为每个图像的添加对应的组别标签，组别标签可用于表示图像所属的组别。
可选地，移动终端10可获取当前的图像分组信息，以及与图像分组信息对应的各个组别中已分组图像的图像特征。移动终端10可将图像分组信息及各个组别中已分组图像的图像特征打包成上行数据包。移动终端10可将上行数据包发送至服务器20，并向服务器20发送图像聚类请求。当服务器20接收到上行数据包及图像聚类请求后，可解析上行数据包，得到图像分组信息及各个组别中已分组图像的图像特征。服务器20可通过预设的模型计算从多张重复图像中选取的至少一张图像的图像特征与各个组别中已分组图像的图像特征的相似度，并确定至少一张图像的组别并分配对应的组别标签。
5、服务器20向移动终端10返回聚类结果。
6、移动终端10将重复图像批量分配至与组别标签对应的组别中。
服务器20可将图像的聚类结果返回给移动终端10，其中，聚类结果可包括图像标识及对图像进行聚类后分配的组别标签。移动终端10接收服务器20返回的聚类结果，可根据图像标识及分配的组别标签，将图像分配至与组别标签对应的组别中。
可选地，聚类结果中可包括移动终端10从多张重复图像中选取的至少一张图像的图像标识及分配的组别标签，移动终端10可根据聚类结果将与图像标识对应的多张重复图像批量分配至与组别标签对应的组别中。
如图4所示，在一个实施例中，提供一种图像处理方法，包括以下步骤：
步骤410，获取待上传图像，并提取待上传图像的图像特征。
移动终端可从内存等存储器中获取一张或多张待上传图像，待上传图像可以是用户在移动终端上拍摄的图像，也可以是从其他计算机设备上获取的图像，例如，可以是其他移动终端发送的图像，也可以是用户通过移动终端浏览网页时保存的图像等。在本实施例中，待上传图像可以是照片，移动终端可将待上传图像上传至服务器，并通过服务器对待上传图像进行聚类，从而生成相应的相册。
可选地，待上传图像可以是移动终端上存储的没有分组的图像，也即，可以是没有被聚过类的图像，也可以是有对应的组别但是需要重新聚类的图像等。在本实施例中，待上传图像可以是移动终端上存储的没有分组的图像，当图像进行聚类后，会分配有对应的组别标识，移动终端可获取存储的图像中没有对应组别标识的图像，作为待上传图像。
移动终端获取待上传图像后，可提取待上传图像的图像特征。图像特征可包括形状特征、空间特征及边缘特征等，其中，形状特征指的是待上传图像中局部的形状，空间特征指的是待上传图像中分割出来的多个区域之间的相互的空间位置或相对方向关系，边缘特征指的是待上传图像中组成两个区域之间的边界像素，但不限于此，还可包含颜色特征、纹理特征等。移动终端可根据图像特征检测待上传图像中是否包含重复图像，其中，重复图像可以是移动终端通过连拍模式拍摄得到的多张图像，也可以是相似度较高的图像。
可选地，移动终端可获取待上传图像的拍摄模式，若待上传图像中包含采用连拍模式拍摄得到的多个图像，则可将采用连拍模式得到的多个图像定义为重复图像。进一步地，移动终端获取待上传图像中采用连拍模式得到的多个图像，可采集各个采用连拍模式得到的多个图像的拍摄时间，并将处于同一时间段的多个图像定义为重复图像，其中，该时间段可根据实际需求进行设置，例如5分钟、7分钟、10分钟等，但不限于此。
可选地，移动终端也可根据各个待上传图像的图像特征，计算待上传图像之间的相似度，并判断是否有相似度大于预设第二阈值的多个待上传图像，若有，则可将相似度大于预设第二阈值的多个待上传图像定义为重复图像等。可以理解地，也可采用其他方式检测待上传图像中是否包含重复图像，并不限于上述几种方式。
步骤420，若根据图像特征检测到待上传图像中包含重复图像，则确定重复图像的图像质量。
若待上传图像中包含多张重复图像，移动终端可根据各个重复图像的图像特征确定对应图像的图像质量，其中，图像质量可以理解为被测图像相对于原图像在人眼视觉系统中产生误差的程度。可选地，移动终端可根据重复图像的图像特征获取对应图像的一个或多个图像参数，其中，图像参数可包括但不限于图像的亮度、饱和度、清晰度、曝光度等，并根据获取的图像参数确定对应图像的图像质量。图像质量可用图像质量分数进行表示，图像质量分类越高表示图像质量越好，图像质量也可用与原图像的误差进行表示，误差越大，图像质量越差。
在一个实施例中，移动终端可建立评测图像质量的评测模型，获取任一重复图像的图像参数后，可通过预设的评测模型对图像参数进行分析，得到对应图像的图像质量。可选地，预设的评测模型可通过机器学习的方式进行构建，构建评测模型时，可采集大量的样本图像，每个样本图像中可标记有对应的图像质量分数，可将标记的样本图像作为评测模型的输入，通过机器学习进行训练，得到评测模型。采用机器学习的评测模型对图像进行质量评价，既可以批量地进行质量检测，速度快，又能结合人眼主观的评价标准，使得到的图像质量更为准确。
步骤430，根据图像质量从重复图像中选取至少一张图像上传至服务器。
移动终端可根据各个重复图像的图像质量，从多个重复图像中选取至少一张图像上传至服务器，可选地，移动终端可从多个重复图像中选取图像质量最好的图像进行上传，也可设定质量标准，将多个重复图像中高于质量标准的图像上传至服务器。
移动终端可将从重复图像中选取的至少一张图像与其他不是重复图像的待上传图像一起上传至服务器，上传的图像中可包含有图像标识，其中，图像标识可包括图像的名称或编号等信息。服务器接收移动终端上传的图像后，可对上传的图像进行聚类。服务器可提取各个上传的图像的图像特征，并将包含有相似图像特征的图像分为一类。在一个实施例中，服务器可根据人脸对图像进行聚类，服务器可对接收的各个图像进行人脸识别，并提取各个图像的人脸特征点，其中，人脸特征点可用于描述图像中人脸形状及五官形状、位置等信息。服务器可对各个图像的人脸特征点进行分析，并将具有相似人脸特征点的图像分为一类。服务器可根据聚类结果为每个图像的添加对应的组别标签，组别标签可用于表示图像所属的组别。可以理解地，除了根据图像中的人脸对图像进行聚类外，也可采用其它的聚类方式，例如根据图像中的场景进行聚类、根据图像中的物品进行聚类等，但不限于此。
在一个实施例中，移动终端获取待上传图像后，可判断待上传图像的数量是否大于预设第一阈值。当获取的待上传图像的数量大于预设第一阈值时，移动终端可提取待上传图像的图像特征，并根据图像特征检测待上传图像中是否包含重复图像，若包含重复图像，则可确定各个重复图像的图像质量，并根据图像质量从重复图像中选取至少一张图像上传至服务器。若获取的待上传图像的数量小于或等于预设第一阈值，移动终端可将所有的待上传图像上传至服务器，并通过服务器对上传的图像进行聚类。
步骤440，接收服务器返回的聚类结果，其中，聚类结果包含至少一张图像进行聚类后分配的组别标签。
步骤450，将重复图像批量分配至与组别标签对应的组别中。
服务器可将图像的聚类结果返回给移动终端，其中，聚类结果可包括图像标识及对图像进行聚类后分配的组别标签。移动终端接收服务器返回的聚类结果，可根据图像标识及分配的组别标签，将图像分配至与组别标签对应的组别中。在一个实施例中，移动终端可建立一个或多个相册，每个组别可分别对应一个相册，可将属于同一组别的图像在同一个相册中进行展示。
进一步地，聚类结果中可包括移动终端从多张重复图像中选取的至少一张图像的图像标识及分配的组别标签，移动终端可根据聚类结果将与图像标识对应的多张重复图像批量分配至与组别标签对应的组别中。例如，移动终端检测到待上传图像中包含重复图像A、B、C，根据图像质量从重复图像A、B、C选取图像C上传至服务器进行图像聚类，移动终端接收服务器返回的聚类结果，可根据聚类结果中包含的图像C标识及分配的组别标签，将对应的重复图像A、B、C全部分配至与该组别标签对应的组别中。
在一个实施例中，若移动终端检测到聚类结果中包含多个与从重复图像中选取的图像标识对应的组别标签，若是一个图像标识对应多个组别标签，则可说明重复图像被分配至多个不同的组别中，则可将重复图像批量分配至与各个组别标签对应的不同组别中。若是不同的选取的图像标识对应不同的组别标签，可说明重复图像的聚类结果可能出现错误，移动终端可将多张重复图像全部上传至服务器重新进行聚类，并根据新的聚类结果对重复图像进行分配。移动终端可选取聚类结果中与选取的图像标识对应的出现次数最多的组别标签，并将重复图像批量分配至与该出现次数最多的组别标签对应的组别中。
在本实施例中，当根据图像特征检测到待上传图像中包含重复图像时，确定重复图像的图像质量，根据图像质量从重复图像中选取至少一张图像上传至服务器，服务器对上传的至少一张图像进行聚类，并分配组别标签，可根据服务器返回的聚类结果将重复图像批量分配至与组别标签对应的组别中，可以减少图像上传的数据量，并加快服务器的聚类速度，提高了图像聚类效率。
如图5所示，在一个实施例中，在步骤410获取待上传图像，并提取待上传图像的图像特征之后，还包括以下步骤：
步骤502，根据图像特征确定待上传图像之间的相似度。
移动终端提取各个待上传图像的图像特征后，可根据图像特征确定待上传图像之间的相似度。可选地，移动终端可逐一对两张不同的待上传图像的图像特征进行匹配计算，得到该两张不同的待上传图像的相似度，其中，相似度可以是待上传图像之间的图像特征匹配度，可用两张不同的待上传图像之间匹配的图像特征占总的提取的图像数征的比例进行表示。
可选地，移动终端也可采用其他方式确定待上传图像之间的相似度，例如，移动终端可计算各个待上传图像的感知哈希字符串，感知哈希字符串可以理解为图像的“指纹”字符串，可用于表示图像内容及图像身份。移动终端可比较不同待上传图像之间的感知哈希字符串，计算不同待上传图像之间的感知哈希距离，并根据感知哈希距离确定不同待上传图像之间的相似度，其中，感知哈希距离越大，说明相似度越小，感知哈希距离越小，说明相似度越大。可以理解地，确定待上传图像之间的相似度并不仅限于上述几种方式。
步骤504，将相似度大于预设第二阈值的待上传图像定义为重复图像。
移动终端确定待上传图像之间的相似度后，可将相似度大于预设第二阈值的待上传图像定义为重复图像，其中，预设第二阈值可根据实际需求进行设求，移动终端采用不同的方式确定待上传图像之间的相似度时，可对应不同的预设第二阈值。
在本实施例中，可根据图像特征确定待上传图像之间的相似度，并将相似度大于预设第二阈值的待上传图像定义为重复图像，可使检测到的重复图像更为准确。
如图6所示，在一个实施例中，步骤确定重复图像的图像质量，可包括以下步骤：
步骤602，对重复图像进行人脸识别，确定重复图像的人脸区域。
若移动终端检测到待上传图像中包含重复图像，可确定各个重复图像的图像质量，可选地，移动终端可确定重复图像中包含的人脸质量，根据人脸质量从重复图像中选取图像进行上传。移动终端可对重复图像进行人脸识别，确定重复图像的人脸区域。在一个实施例中，移动终端可预设的人脸识别模型对重复图像的图像特征进行分析，判断重复图像中是否包含人脸，若包含，则确定对应的人脸区域。可选地，人脸识别模型可以是预先通过机器学习构建的决策模型，构建人脸识别模型时，可获取大量的样本图像，样本图像中包含有人脸图像及无人图像，可根据每个样本图像是否包含人脸对样本图像进行标记，并将标记的样本图像作为人脸识别模型的输入，通过机器学习进行训练，得到人脸识别模型。
步骤604，提取人脸区域的图像特征，并根据图像特征获取人脸参数。
移动终端确定重复图像的人脸区域后，可提取人脸区域的图像特征，其中，人脸区域的图像特征可包括但不限于人脸特征点、颜色特征、纹理特征等。移动终端可根据提取的人脸区域的图像特征获取该人脸区域的人脸参数，其中，人脸参数可包括但不于限人脸亮度、人脸比例、人脸偏转角度及人脸识别可信度等，其中，人脸亮度指的是人脸区域的亮度值，人脸比例指的是人脸区域的面积占对应图像的面积比例，人脸偏转角度指的是识别得到的人脸相对于正前方向的偏移量，人脸识别可信度指的是人脸识别的准确度。
步骤606，按照预设方式对重复图像的人脸参数进行计算，得到对应图像的图像质量分数。
移动终端可按照预设方式对各个重复图像的人脸参数进行计算，确定重复图像的人脸质量，得到图像质量分数。可选地，移动终端可设定每个人脸参数的分数对应关系，通过分数对应关系将获取的人脸参数转化为对应的分值，其中，分数对应关系可以是具体的关系式，比如人脸偏转角度与分值可以是负相关的线性关系，人脸偏转角度越大，分值可越小等。分数对应关系还可以是区间对应关系，移动终端可预先划分人脸参数的参数区间，不同的参数区间可对应不同的参数范围，每个参数区间可对应一个分值，比如可将人脸比例划分为5个区间，包括小于20％、20％～40％、40％～60％、60％～80％、大于80％等，其中，小于20％的区间可对应分值20分、20％～40％的区间对应分值40分、40％～60％的区间对应分值60分、60％～80％的区间对应分值80分、大于80％的区间对应分值100分等，但不限于此。移动终端将重复图像中获取的多个人脸参数分别转化为对应的分值后，可计算得到图像质量分数，可选地，可将多个人脸参数转化的分值进行相加或相乘，也可设置每个人脸参数对应的权重，通过加权和的方式计算得到图像质量分数等，但不限于此。
在一个实施例中，当重复图像中包含多张人脸时，可确定每张人脸对应的人脸区域，并获取各个人脸区域的人脸参数，可按照预设方式对各个人脸区域的人脸参数进行计算，得到各个人脸区域的图像质量分数。移动终端可根据重复图像中各个人脸区域的图像质量分数得到整个图像的图像质量分数，可选地，整个图像的图像质量分类可以是图像中各个人脸区域的图像质量分数的均值，也可以是图像中各个人脸区域的图像质量分数中的最大值等。
在一个实施例中，当重复图像中包含多张人脸时，移动终端可获取各个重复图像中每张人脸的图像质量分数，可将同一张人脸在不同的重复图像中的图像质量分数进行比较，并逐一选取每张人脸的图像质量分数最高的人脸区域进行合成，得到新的图像。举个例子进行说明，移动终端检测到重复图像A、B，其中，重复图像A及B中均包括人脸a和人脸b。移动终端可分别计算重复图像A、B中的人脸a和人脸b的图像质量分数，经计算，得到重复图像A中人脸a的图像质量分数为5，人脸b的图像质量分数为4，重复图像B中人脸a的图像质量分数为3，人脸b的图像质量分数为6。移动终端可选取重复图像A中的人脸a的人脸区域与重复图像B中的人脸b的人脸区域进行合成，得到新的图像。移动终端可将合成后的图像上传至服务器，通过服务器进行聚类，可使得聚类结果更为准确。
在本实施例中，可根据重复图像人脸区域的人脸参数确定图像质量，可使选取的图像质量更优，可提高图像聚类的准确性。
如图7所示，在一个实施例中，步骤根据图像特征获取人脸参数，包括以下步骤：
步骤702，获取人脸特征点的坐标值。
移动终端提取重复图像中人脸区域的图像特征，人脸区域的图像特征可包括人脸识别后得到的人脸特征点，每个人脸特征点可包含有坐标值，人脸特征点的坐标值可用特征点对应的像素位置进行表示，例如特征点的坐标值为对应的像素位置第X行第Y列等。
步骤704，根据坐标值计算人脸特征点之间的距离和人脸特征点之间的角度。
移动终端可根据人脸特征点的坐标值计算人脸特征点之间的距离和人脸特征点之间的角度，图像的人脸区域中可包含有多个人脸特征点，移动终端可分别计算两个人脸特征点之间的距离和角度。可选地，人脸特征点在图像中可对应多个像素点，移动终端可选取位于中央位置的像素点作为基准点计算人脸特征点之间的距离和角度。例如，人眼的左眼角位置的特征点对应第100列到第110列、第100行到第110行区域内的像素点，则移动终端可选取第105行第105列的像素点作为该特征点的基准点。
可选地，移动终端可用像素点数量表示人脸特征点之间的距离，例如，左眼角的特征点与右眼角的特征点之间的距离为30万个像素值。移动终端还可在图像中建立直角坐标系，在直角坐标系中计算人脸特征点之间的角度。移动终端可在图像上以互成直角的两条直线建立直角坐标系，并将两条直线分别命名正方向和负方向。移动终端在获取两个人脸特征点对应的基准点连接形成的线段后，可获取该线段与直角坐标系中直线所成的锐角，用该锐角表示人脸特征点之间的角度。例如，移动终端在图像中以两条互相垂直的直线建立xy坐标系，并将x轴划分为正轴和负轴，将y轴划分为正轴和负轴，移动终端连接人脸中右眼角的特征点与鼻尖的特征点形成线段，该线段与x轴正轴的夹角为80°，与y轴正轴所成的夹角为10°，则图像人脸区域中右眼角的特征点与鼻尖的特征点之间的角度可包括与x轴正轴成80°、与y轴正轴成10°。
步骤706，根据人脸特征点之间的距离和人脸特征点之间的角度确定人脸偏转角度。
移动终端获取重复图像中人脸区域的各个人脸特征点之间的距离和角度后，移动终端可根据人脸特征点之间的距离和角度确定人脸偏转角度。可选地，移动终端可通过预设的偏转模型分析人脸特征点之间的距离和角度，确定人脸偏转角度，其中，偏转模型可通过机器学习进行构建。人脸偏转角度可以理解为图像中人脸区域相对于标准人脸的旋转角度，其中，标准人脸可以是正脸图像，即人脸正对摄像头所拍摄的图像。人脸偏转角度可用三个角度表示，在三维空间中三条相互垂直的直线相交于一点即可得到一个三维坐标系，上述三条直线每三条直线可形成一个面，总共三个面，则图像中人脸区域相对于标准人脸在这三个面的旋转角度可为人脸偏转角度。
在本实施例中，可根据人脸特征点的坐标值确定图像的人脸偏转角度，可使获取的人脸参数更为准确，可使得确定的图像质量更为准确。
如图8所示，在一个实施例中，在步骤430根据图像质量从重复图像中选取至少一张图像上传至服务器之后，还包括以下步骤：
步骤802，获取当前的图像分组信息，以及与图像分组信息对应的各个组别中已分组图像的图像特征。
移动终端可提取当前的图像分组信息，其中，图像分组信息可包括每个组的组别信息，例如组别标识、组名称、创建时间等信息，还可包括每个组下包含的图像信息，例如包含的图像的标识信息、存储路径等。在一个实施例中，图像分组信息可用group_id：pic_id的形式表示，其中，group_id表示组别标识，pic_id表示图像的多媒体编号。移动终端可根据图像分组信息提取各个组别中已分组图像的图像特征，获取每个组别下包含的各个图像的图像特征。
步骤804，将图像分组信息及各个组别中已分组图像的图像特征打包成上行数据包。
移动终端可将图像分组信息及各个组别中已分组图像的图像特征按照预设格式打包成上行数据包，并将上行数据包上传至服务器进行图像聚类。在一个实施例中，移动终端可按照组别进行打包，将属于同一组别的图像的图像特征打包成同一上行数据包，并携带有对应组别的组别标识、组名称等组别信息等。
步骤806，将上行数据包发送至服务器，并向服务器发送图像聚类请求，图像聚类请求用于指示服务器通过预设的模型计算至少一张图像的图像特征与各个组别中已分组图像的图像特征的相似度，确定至少一张图像的组别并分配对应的组别标签。
移动终端可将上行数据包上传至服务器，并向服务器发送图像聚类请求。当服务器接收到上行数据包及图像聚类请求后，可解析上行数据包，得到图像分组信息及各个组别中已分组图像的图像特征。服务器可获取移动终端上传的图像，其中，上传的图像可包括移动终端从重复图像中选取的至少一张图像。服务器可提取上传的图像的图像特征，并可通过预设的聚类模型，计算每一个图像的图像特征与各个组别中已分组图像的图像特征的相似度。当图像的图像特征与组别中已分组图像的图像特征的相似度大于第三阈值时，则可认为属于同一类图像，服务器可将该图像分配至相似度大于第三阈值的组别中，并分配与该组别匹配的组别标签。若不存在与图像的图像特征的相似度大于第三阈值的组别，则说明该图像不属于已有的组别，可通过预设的聚类模型对不属于已有组别的图像重新进行聚类，将具有相似图像特征的图像划分生成新的组别，并为属于同一新的组别的图像分配对应的组别标签。
在本实施例中，服务器可根据已有的分组信息以及各个组别中已分组图像的图像特征，对上传的图像进行分组，可使聚类结果更加准确。
如图9所示，在一个实施例中，提供一种图像处理装置900，包括特征提取模块910、质量确定模块920、上传模块930、接收模块940及分配模块950。
特征提取模块910，用于获取待上传图像，并提取待上传图像的图像特征。
质量确定模块920，用于若根据图像特征检测到待上传图像中包含重复图像，则确定重复图像的图像质量。
上传模块930，用于根据图像质量从重复图像中选取至少一张图像上传至服务器。
接收模块940，用于接收服务器返回的聚类结果，其中，聚类结果包含至少一张图像进行聚类后分配的组别标签。
分配模块950，用于将重复图像批量分配至与组别标签对应的组别中。
可选地，特征提取模块910，还用于当待上传图像的数量大于预设第一阈值时，提取待上传图像的图像特征。
在本实施例中，当根据图像特征检测到待上传图像中包含重复图像时，确定重复图像的图像质量，根据图像质量从重复图像中选取至少一张图像上传至服务器，服务器对上传的至少一张图像进行聚类，并分配组别标签，可根据服务器返回的聚类结果将重复图像批量分配至与组别标签对应的组别中，可以减少图像上传的数据量，并加快服务器的聚类速度，提高了图像聚类效率。
在一个实施例中，上述图像处理装置900，除了包括特征提取模块910、质量确定模块920、上传模块930、接收模块940及分配模块950，还包括重复图像检测模块960。
重复图像检测模块960，用于根据图像特征确定待上传图像之间的相似度，并将相似度大于预设第二阈值的待上传图像定义为重复图像。
在本实施例中，可根据图像特征确定待上传图像之间的相似度，并将相似度大于预设第二阈值的待上传图像定义为重复图像，可使检测到的重复图像更为准确。
在一个实施例中，质量确定模块920，包括识别单元、参数获取单元及质量计算单元。
识别单元，用于对重复图像进行人脸识别，确定重复图像的人脸区域。
参数获取单元，用于提取人脸区域的图像特征，并根据图像特征获取人脸参数。
质量计算单元，用于按照预设方式对重复图像的人脸参数进行计算，得到对应图像的图像质量分数。
可选地，上传模块930，包括分数获取单元及合成单元。
分数获取单元，用于当重复图像中包含有多张人脸时，获取各个重复图像中每张人脸的图像质量分数。
合成单元，用于逐一选取每张人脸的图像质量分数最高的人脸区域进行合成，并将合成后的图像上传至服务器。
在本实施例中，可根据重复图像人脸区域的人脸参数确定图像质量，可使选取的图像质量更优，可提高图像聚类的准确性。
在一个实施例中，人脸区域的图像特征包括人脸特征点，人脸参数包括人脸偏转角度。
参数获取单元，包括坐标获取子单元、计算子单元及偏转确定单元。
坐标获取子单元，用于获取人脸特征点的坐标值。
计算子单元，用于根据坐标值计算人脸特征点之间的距离和人脸特征点之间的角度。
偏转确定单元，用于根据人脸特征点之间的距离和人脸特征点之间的角度确定人脸偏转角度。
在本实施例中，可根据人脸特征点的坐标值确定图像的人脸偏转角度，可使获取的人脸参数更为准确，可使得确定的图像质量更为准确。
在一个实施例中，述图像处理装置900，除了包括特征提取模块910、质量确定模块920、上传模块930、接收模块940、分配模块950及重复图像检测模块960，还包括分组获取模块及打包模块。
分组获取模块，用于获取当前的图像分组信息，以及与图像分组信息对应的各个组别中已分组图像的图像特征。
打包模块，用于将图像分组信息及各个组别中已分组图像的图像特征打包成上行数据包。
上传模块930，还用于将上行数据包发送至服务器，并向服务器发送图像聚类请求，图像聚类请求用于指示服务器通过预设的模型计算至少一张图像的图像特征与各个组别中已分组图像的图像特征的相似度，确定至少一张图像的组别并分配对应的组别标签。
在本实施例中，服务器可根据已有的分组信息以及各个组别中已分组图像的图像特征，对上传的图像进行分组，可使聚类结果更加准确。
本申请实施例还提供了一种移动终端。如图11所示，为了便于说明，仅示出了与本申请实施例相关的部分，具体技术细节未揭示的，请参照本申请实施例方法部分。该移动终端可以为包括手机、平板电脑、PDA(Personal Digital Assistant，个人数字助理)、POS(Point of Sales，销售终端)、车载电脑、穿戴式设备等任意终端设备，以移动终端为手机为例：
图11为与本申请实施例提供的移动终端相关的手机的部分结构的框图。参考图11，手机包括：射频(Radio Frequency，RF)电路1110、存储器1120、输入单元1130、显示单元1140、传感器1150、音频电路1160、WiFi模块1170、处理器1180、以及电源1190等部件。本领域技术人员可以理解，图11所示的手机结构并不构成对手机的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
其中，RF电路1110可用于收发信息或通话过程中，信号的接收和发送，可将基站的下行信息接收后，给处理器1180处理；也可以将上行的数据发送给基站。通常，RF电路包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器(Low Noise Amplifier，LNA)、双工器等。此外，RF电路1110还可以通过无线通信与网络和其他设备通信。上述无线通信可以使用任一通信标准或协议，包括但不限于GSM、通用分组无线服务(GeneralPacket Radio Service，GPRS)、CDMA、宽带码分多址(Wideband Code Division MultipleAccess，WCDMA)、长期演进(Long Term Evolution，LTE))、电子邮件、短消息服务(ShortMessaging Service，SMS)等。
存储器1120可用于存储软件程序以及模块，处理器1180通过运行存储在存储器1120的软件程序以及模块，从而执行手机的各种功能应用以及数据处理。存储器1120可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应用程序(比如声音播放功能的应用程序、图像播放功能的应用程序等)等；数据存储区可存储根据手机的使用所创建的数据(比如音频数据、通讯录等)等。此外，存储器1120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，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
输入单元1130可用于接收输入的数字或字符信息，以及产生与手机1100的用户设置以及功能控制有关的键信号输入。具体地，输入单元1130可包括触控面板1132以及其他输入设备1134。触控面板1132，也可称为触摸屏，可收集用户在其上或附近的触摸操作(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1132上或在触控面板1132附近的操作)，并根据预先设定的程式驱动相应的连接装置。在一个实施例中，触控面板1132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方位，并检测触摸操作带来的信号，将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触摸信息，并将它转换成触点坐标，再送给处理器1180，并能接收处理器1180发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板1132。除了触控面板1132，输入单元1130还可以包括其他输入设备1134。具体地，其他输入设备1134可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)等中的一种或多种。
显示单元1140可用于显示由用户输入的信息或提供给用户的信息以及手机的各种菜单。显示单元1140可包括显示面板1142。在一个实施例中，可以采用液晶显示器(Liquid Crystal Display，LCD)、有机发光二极管(Organic Light-Emitting Diode,OLED)等形式来配置显示面板1142。在一个实施例中，触控面板1132可覆盖显示面板1142，当触控面板1132检测到在其上或附近的触摸操作后，传送给处理器1180以确定触摸事件的类型，随后处理器1180根据触摸事件的类型在显示面板1142上提供相应的视觉输出。虽然在图11中，触控面板1132与显示面板1142是作为两个独立的部件来实现手机的输入和输入功能，但是在某些实施例中，可以将触控面板1132与显示面板1142集成而实现手机的输入和输出功能。
手机1100还可包括至少一种传感器1150，比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示面板1142的亮度，接近传感器可在手机移动到耳边时，关闭显示面板1142和/或背光。运动传感器可包括加速度传感器，通过加速度传感器可检测各个方向上加速度的大小，静止时可检测出重力的大小及方向，可用于识别手机姿态的应用(比如横竖屏切换)、振动识别相关功能(比如计步器、敲击)等；此外，手机还可配置陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器等。
音频电路1160、扬声器1162和传声器1164可提供用户与手机之间的音频接口。音频电路1160可将接收到的音频数据转换后的电信号，传输到扬声器1162，由扬声器1162转换为声音信号输出；另一方面，传声器1164将收集的声音信号转换为电信号，由音频电路1160接收后转换为音频数据，再将音频数据输出处理器1180处理后，经RF电路1110可以发送给另一手机，或者将音频数据输出至存储器1120以便后续处理。
WiFi属于短距离无线传输技术，手机通过WiFi模块1170可以帮助用户收发电子邮件、浏览网页和访问流式媒体等，它为用户提供了无线的宽带互联网访问。
处理器1180是手机的控制中心，利用各种接口和线路连接整个手机的各个部分，通过运行或执行存储在存储器1120内的软件程序和/或模块，以及调用存储在存储器1120内的数据，执行手机的各种功能和处理数据，从而对手机进行整体监控。在一个实施例中，处理器1180可包括一个或多个处理单元。在一个实施例中，处理器1180可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等；调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器1180中。
手机1100还包括给各个部件供电的电源1190(比如电池)，优选的，电源1190可以通过电源管理系统与处理器1180逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。
在一个实施例中，手机1100还可以包括摄像头、蓝牙模块等。
在本申请实施例中，该移动终端所包括的处理器1180执行存储在存储器上的计算机程序时实现上述的图像处理方法。
在一个实施例中，该电子设备可包括存储器1120及处理器1180，存储器1120中存储有计算机程序，该计算机程序被处理器1180执行时，使得处理器执行如下步骤：
获取待上传图像，并提取待上传图像的图像特征；
若根据图像特征检测到待上传图像中包含重复图像，则确定重复图像的图像质量；
根据图像质量从重复图像中选取至少一张图像上传至服务器；
接收服务器返回的聚类结果，其中，聚类结果包含至少一张图像进行聚类后分配的组别标签；
将重复图像批量分配至与组别标签对应的组别中。
在一个实施例中，提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述的图像处理方法。
在一个实施例中，提供一种包含计算机程序的计算机程序产品，当其在计算机设备上运行时，使得计算机设备执行时实现上述的图像处理方法。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)等。
如此处所使用的对存储器、存储、数据库或其它介质的任何引用可包括非易失性和/或易失性存储器。合适的非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)，它用作外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDR SDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (9)

1.一种图像处理方法，其特征在于，包括：
获取待上传图像，并提取所述待上传图像的图像特征；
若根据所述图像特征检测到所述待上传图像中包含重复图像，则确定所述重复图像的图像质量；
根据所述图像质量从所述重复图像中选取至少一张图像上传至服务器；
接收所述服务器返回的聚类结果，其中，聚类结果包含所述至少一张图像进行聚类后分配的组别标签；
将所述重复图像批量分配至与所述组别标签对应的组别中；
其中，所述确定所述重复图像的图像质量，包括：
对所述重复图像进行人脸识别，确定所述重复图像的人脸区域；
提取所述人脸区域的图像特征，并根据所述图像特征获取人脸参数；
按照预设方式对所述重复图像的人脸参数进行计算，得到对应图像的图像质量分数。
2.根据权利要求1所述的方法，其特征在于，所述提取所述待上传图像的图像特征，包括：
当所述待上传图像的数量大于预设第一阈值时，提取所述待上传图像的图像特征。
3.根据权利要求1所述的方法，其特征在于，在所述提取所述待上传图像的图像特征之后，还包括：
根据所述图像特征确定所述待上传图像之间的相似度；
将相似度大于预设第二阈值的待上传图像定义为重复图像。
4.根据权利要求1所述的方法，其特征在于，所述人脸区域的图像特征包括人脸特征点，所述人脸参数包括人脸偏转角度；
所述根据所述图像特征获取人脸参数，包括：
获取所述人脸特征点的坐标值；
根据所述坐标值计算人脸特征点之间的距离和人脸特征点之间的角度；
根据所述人脸特征点之间的距离和人脸特征点之间的角度确定人脸偏转角度。
5.根据权利要求1所述的方法，其特征在于，所述根据所述图像质量从所述重复图像中选取至少一张图像上传至服务器，包括：
当所述重复图像中包含有多张人脸时，获取各个重复图像中每张人脸的图像质量分数；
逐一选取每张人脸的图像质量分数最高的人脸区域进行合成，并将合成后的图像上传至服务器。
6.根据权利要求1至5任一所述的方法，其特征在于，在所述根据所述图像质量从所述重复图像中选取至少一张图像上传至服务器之后，还包括：
获取当前的图像分组信息，以及与所述图像分组信息对应的各个组别中已分组图像的图像特征；
将所述图像分组信息及各个组别中已分组图像的图像特征打包成上行数据包；
将所述上行数据包发送至所述服务器，并向所述服务器发送图像聚类请求，所述图像聚类请求用于指示所述服务器通过预设的模型计算所述至少一张图像的图像特征与各个组别中已分组图像的图像特征的相似度，确定所述至少一张图像的组别并分配对应的组别标签。
7.一种图像处理装置，其特征在于，包括：
特征提取模块，用于获取待上传图像，并提取所述待上传图像的图像特征；
质量确定模块，用于若根据所述图像特征检测到所述待上传图像中包含重复图像，则确定所述重复图像的图像质量；
上传模块，用于根据所述图像质量从所述重复图像中选取至少一张图像上传至服务器；
接收模块，用于接收所述服务器返回的聚类结果，其中，聚类结果包含所述至少一张图像进行聚类后分配的组别标签；
分配模块，用于将所述重复图像批量分配至与所述组别标签对应的组别中；
其中，所述质量确定模块包括：
识别单元，用于对重复图像进行人脸识别，确定重复图像的人脸区域；
参数获取单元，用于提取人脸区域的图像特征，并根据图像特征获取人脸参数；
质量计算单元，用于按照预设方式对重复图像的人脸参数进行计算，得到对应图像的图像质量分数。
8.一种移动终端，包括存储器及处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器实现如权利要求1至6任一所述的方法。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一所述的方法。
CN201711163393.8A 2017-11-21 2017-11-21 图像处理方法、装置、移动终端及计算机可读存储介质 Active CN107871011B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711163393.8A CN107871011B (zh) 2017-11-21 2017-11-21 图像处理方法、装置、移动终端及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711163393.8A CN107871011B (zh) 2017-11-21 2017-11-21 图像处理方法、装置、移动终端及计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN107871011A CN107871011A (zh) 2018-04-03
CN107871011B true CN107871011B (zh) 2020-04-24

Family

ID=61754290

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711163393.8A Active CN107871011B (zh) 2017-11-21 2017-11-21 图像处理方法、装置、移动终端及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN107871011B (zh)

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108874586B (zh) * 2018-06-06 2022-02-08 Oppo广东移动通信有限公司 数据恢复方法及相关产品
CN108829815B (zh) * 2018-06-12 2022-06-07 四川希氏异构医疗科技有限公司 一种医学影像图像筛选方法
CN109558839A (zh) * 2018-11-29 2019-04-02 徐州立讯信息科技有限公司 自适应人脸识别方法和实现该方法的设备及系统
CN109840559A (zh) * 2019-01-24 2019-06-04 北京工业大学 图像筛选方法、装置以及电子设备
CN110012225B (zh) * 2019-03-27 2021-09-24 维沃移动通信有限公司 一种图像处理的方法、装置以及移动终端
CN112906741A (zh) * 2019-05-21 2021-06-04 北京嘀嘀无限科技发展有限公司 图像处理方法、装置、电子设备及存储介质
CN110399344A (zh) * 2019-07-23 2019-11-01 北京明略软件系统有限公司 选取重复图像的方法及装置
CN112580400B (zh) * 2019-09-29 2022-08-05 荣耀终端有限公司 图像选优方法及电子设备
CN111047874B (zh) * 2019-12-19 2020-12-29 安徽寒武纪信息科技有限公司 智能交通违章管理方法及相关产品
CN111782846A (zh) * 2020-06-30 2020-10-16 北京三快在线科技有限公司 图像选择方法、装置、计算机设备及存储介质
CN111738354A (zh) * 2020-07-20 2020-10-02 深圳市天和荣科技有限公司 一种自动识别训练方法、系统、存储介质及计算机设备
CN113012439B (zh) * 2021-03-29 2022-06-21 北京百度网讯科技有限公司 车辆检测方法、装置、设备和存储介质
CN113421241B (zh) * 2021-06-23 2023-08-18 平安国际智慧城市科技股份有限公司 异常事件上报方法、装置、计算机设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101694657A (zh) * 2009-09-18 2010-04-14 浙江大学 面向Web2.0标签图片共享空间的图片检索聚类方法
CN102622753A (zh) * 2012-02-28 2012-08-01 西安电子科技大学 基于密度可达测度的半监督谱聚类sar图像分割方法
CN102881010A (zh) * 2012-08-28 2013-01-16 北京理工大学 基于人眼视觉特性的融合图像感知清晰度评价方法
CN106708951A (zh) * 2016-11-25 2017-05-24 西安电子科技大学 支持所有权认证的客户端图像模糊去重方法
CN106845528A (zh) * 2016-12-30 2017-06-13 湖北工业大学 一种基于K‑means与深度学习的图像分类算法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5358083B2 (ja) * 2007-11-01 2013-12-04 株式会社日立製作所 人物画像検索装置及び画像検索装置
KR101565748B1 (ko) * 2013-05-31 2015-11-05 삼성에스디에스 주식회사 이미지에서 반복 패턴을 검출하는 방법 및 장치

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101694657A (zh) * 2009-09-18 2010-04-14 浙江大学 面向Web2.0标签图片共享空间的图片检索聚类方法
CN102622753A (zh) * 2012-02-28 2012-08-01 西安电子科技大学 基于密度可达测度的半监督谱聚类sar图像分割方法
CN102881010A (zh) * 2012-08-28 2013-01-16 北京理工大学 基于人眼视觉特性的融合图像感知清晰度评价方法
CN106708951A (zh) * 2016-11-25 2017-05-24 西安电子科技大学 支持所有权认证的客户端图像模糊去重方法
CN106845528A (zh) * 2016-12-30 2017-06-13 湖北工业大学 一种基于K‑means与深度学习的图像分类算法

Also Published As

Publication number Publication date
CN107871011A (zh) 2018-04-03

Similar Documents

Publication Publication Date Title
CN107871011B (zh) 图像处理方法、装置、移动终端及计算机可读存储介质
CN107977674B (zh) 图像处理方法、装置、移动终端及计算机可读存储介质
CN107729815B (zh) 图像处理方法、装置、移动终端及计算机可读存储介质
CN107944414B (zh) 图像处理方法、装置、电子设备及计算机可读存储介质
CN107679560B (zh) 数据传输方法、装置、移动终端及计算机可读存储介质
CN108022274B (zh) 图像处理方法、装置、计算机设备和计算机可读存储介质
CN107622117B (zh) 图像处理方法和装置、计算机设备、计算机可读存储介质
US11182593B2 (en) Image processing method, computer device, and computer readable storage medium
CN109325518B (zh) 图像的分类方法、装置、电子设备和计算机可读存储介质
CN106874936B (zh) 图像传播监测方法及装置
CN111209423B (zh) 一种基于电子相册的图像管理方法、装置以及存储介质
EP3493113B1 (en) Image processing method, computer device, and computer readable storage medium
WO2020048392A1 (zh) 应用程序的病毒检测方法、装置、计算机设备及存储介质
CN107679561A (zh) 图像处理方法和装置、系统、计算机设备
CN107679563A (zh) 图像处理方法和装置、系统、计算机设备
WO2019051797A1 (zh) 图像处理方法和装置、计算机设备、计算机可读存储介质
CN107666515A (zh) 图像处理方法和装置、计算机设备、计算机可读存储介质
CN110784672B (zh) 一种视频数据传输方法、装置、设备及存储介质
WO2019052319A1 (zh) 数据传输方法、移动终端及计算机可读存储介质
US10970522B2 (en) Data processing method, electronic device, and computer-readable storage medium
CN107729391B (zh) 图像处理方法、装置、计算机可读存储介质和移动终端
WO2019096207A1 (zh) 图像处理方法和计算机设备、计算机可读存储介质
CN107958069B (zh) 图像处理的方法和装置、电子设备、计算机可读存储介质
CN111428060B (zh) 一种媒体内容推荐的方法以及相关装置
CN116363490A (zh) 伪造对象检测方法、相关装置及存储介质

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: Changan town in Guangdong province Dongguan 523860 usha Beach Road No. 18

Applicant after: GUANGDONG OPPO MOBILE TELECOMMUNICATIONS CORP., Ltd.

Address before: Changan town in Guangdong province Dongguan 523860 usha Beach Road No. 18

Applicant before: GUANGDONG OPPO MOBILE TELECOMMUNICATIONS CORP., Ltd.

GR01 Patent grant
GR01 Patent grant