CN107944414A - 图像处理方法、装置、电子设备及计算机可读存储介质 - Google Patents

Abstract

本申请实施例涉及一种图像处理方法、装置、电子设备及计算机可读存储介质。上述方法，包括：获取待分类图像，并对所述待分类图像进行人脸识别；当检测到所述待分类图像中包含至少两张人脸时，将所述待分类图像确定为合照图像；根据所述合照图像包含的至少两张人脸生成人脸组合，并获取每种人脸组合在其他合照图像中出现的次数，其中，所述人脸组合包含至少两张人脸；当人脸组合在其他合照图像中出现的次数大于预设第一阈值时，将包含有所述人脸组合的合照图像分配至相同的图像集合中。上述图像处理方法、装置、电子设备及计算机可读存储介质，可以将经常出现的多张人脸分配到相同的图像集合中，使图像分类更加多样化。

Description

图像处理方法、装置、电子设备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、电子设备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，为了方便用户查找存储的图片，可对图片进行分类。传统的方式中，通常需要用户手动为移动终端上存储的图片添加标签，移动终端再根据标签将图片分别放在不同的相册中进行展示，操作繁琐。

发明内容

本申请实施例提供一种图像处理方法、装置、电子设备及计算机可读存储介质，可以将经常出现的多张人脸分配到相同的图像集合中，使图像分类更加多样化。

一种图像处理方法，包括：

获取待分类图像，并对所述待分类图像进行人脸识别；

当检测到所述待分类图像中包含至少两张人脸时，将所述待分类图像确定为合照图像；

根据所述合照图像包含的至少两张人脸生成人脸组合，并获取每种人脸组合在其他合照图像中出现的次数，其中，所述人脸组合包含至少两张人脸；

当人脸组合在其他合照图像中出现的次数大于预设第一阈值时，将包含有所述人脸组合的合照图像分配至相同的图像集合中。

一种图像处理装置，包括：

人脸识别模块，用于获取待分类图像，并对所述待分类图像进行人脸识别；

合照标记模块，用于当检测到所述待分类图像中包含至少两张人脸时，将所述待分类图像确定为合照图像；

生成模块，用于根据所述合照图像包含的至少两张人脸生成人脸组合，并获取每种人脸组合在其他合照图像中出现的次数，其中，所述人脸组合包含至少两张人脸；

分配模块，用于当人脸组合在其他合照图像中出现的次数大于预设第一阈值时，将包含有所述人脸组合的合照图像分配至相同的图像集合中。

一种电子设备，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上所述的方法。

上述图像处理方法、装置、电子设备及计算机可读存储介质，对待分类图像进行人脸识别，当检测到待分类图像中包含至少两张人脸时，将待分类图像确定为合照图像，根据合照图像包含的至少两张人脸生成人脸组合，当人脸组合在其他合照图像中出现的次数大于预设第一阈值时，将包含有人脸组合的合照图像分配至相同的图像集合中，可以将经常出现的多张人脸分配到相同的图像集合中，使图像分类更加多样化。

附图说明

图1A为一个实施例中电子设备的框图；

图1B为一个实施例中图像处理方法的应用场景图；

图1C为一个实施例中根据合照图像包含的人脸生成人脸组合的示意图；

图2为一个实施例中图像处理方法的流程示意图；

图3为一个实施例中将待分类图像确定为合照图像的流程示意图；

图4为一个实施例中检测待分类图像中是否包含第一级人脸的流程示意图；

图5为一个实施例中图像处理装置的框图；

图6为一个实施例中合照标记模块的框图；

图7为一个实施例中第一级检测单元的框图；

图8为另一个实施例中电子设备的框图。

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1A为一个实施例中电子设备的框图。如图1A所示，该电子设备包括通过系统总线连接的处理器、存储器、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。电子设备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，支撑整个电子设备的运行。电子设备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。电子设备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，也可以是电子设备外壳上设置的按键、轨迹球或触控板，也可以是外接的键盘、触控板或鼠标等。该电子设备可以是手机、平板电脑或者个人数字助理或穿戴式设备等移动终端，也可以是服务器。本领域技术人员可以理解，图1A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电子设备的限定，具体的电子设备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1B为一个实施例中图像处理方法的应用场景图。如图1B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。可选地，移动终端10可在本地对图像进行分类。移动终端10可获取待分类图像，并对待分类图像进行人脸识别，当检测到待分类图像中包含至少两张人脸时，将待分类图像确定为合照图像。移动终端10可根据合照图像包含的至少两张人脸生成人脸组合，并获取每种人脸组合在其他合照图像中出现的次数，其中，人脸组合包含至少两张人脸。当人脸组合在其他合照图像中出现的次数大于预设第一阈值时，移动终端10可将包含有人脸组合的合照图像分配至相同的图像集合中。

可选地，也可在服务器20中对图像进行分类。移动终端10可将图像同步至服务器20进行存储。移动终端10可向服务器20发送分类请求，分类请求中可包含有待分类图像的图像标识，其中，图像标识可以是图像名称、编号等。服务器20接收移动终端10发送的分类请求，可根据分类请求包含的图像标识从数据中获取待分类图像，并对待分类图像进行人脸识别。当服务器20检测到待分类图像中包含至少两张人脸时，可将待分类图像确定为合照图像。服务器20可根据合照图像包含的至少两张人脸生成人脸组合，并获取每种人脸组合在其他合照图像中出现的次数。当人脸组合在其他合照图像中出现的次数大于预设第一阈值时，服务器20可将包含有人脸组合的合照图像分配至相同的图像集合中。服务器20可向移动终端10发送分类结果，分类结果中可包含有图像标识及分配的图像集合标签。移动终端10接收服务器20返回的分类结果，可根据图像标识及分配的图像集合标签将图像分配至与图像集合标签对应的图像集合中。

图1C为一个实施例中根据合照图像包含的人脸生成人脸组合的示意图。如图1C所示，合照图像110中包含有人脸112、人脸114及人脸116。电子设备可分别对合照图像110中包含的各个人脸进行排列组合，可得到4种人脸组合，分别为：人脸组合1(人脸114、人脸116)、人脸组合2(人脸114、人脸112)、人脸组合3(人脸116、人脸112)及人脸组合4(人脸114、人脸116、人脸112)。电子设备可分别获取上述4种人脸组合在其他合照图像中出现的次数，当人脸组合在其他合照图像中出现的次数大于预设第一阈值时，电子设备可将包含有人脸组合的合照图像分配至相同的图像集合中。

如图2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210，获取待分类图像，并对待分类图像进行人脸识别。

电子设备可获取一张或多张待分类图像，待分类图像可以是用户在电子设备上通过摄像头等拍摄的图像，也可以是从其他电子设备上获取的图像，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，或是从服务器下载的图像等。可选地，待分类图像可以是电子设备上存储的还没有分配到图像集合中的图像，也即，可以是没有被分类过的图像，也可以是有对应的图像集合但是需要重新分类的图像等。在本实施例中，待分类图像可以是电子设备上存储的没有分配到图像集合中的图像，当图像进行分类后，会分配到图像集合中，并添加对应的图像集合标签。电子设备可获取存储的图像中没有图像集合标签的图像，作为待分类图像。

电子设备获取待分类图像后，可对待分类图像进行人脸识别，并提取待分类图像的图像特征。进一步地，电子设备可先检测待分类图像中是否包含人脸，将待分类图像分为人脸图像及无人图像。电子设备可通过预设的人脸检测模型对待分类图像进行分析，判断待分类图像中是否包含人脸。在一个实施例中，人脸检测模型可以是预先通过机器学习构建的决策模型，构建人脸检测模型时，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检测模型的输入，通过机器学习进行训练，得到人脸检测模型。

电子设备将待分类图像分为无人图像及人脸图像后，可将无人图像分到对应的无人图像集合中，并添加对应的图像集合标签。可选地，电子设备可提取待分类图的人脸图像的图像特征，其中，图像特征可以是人脸特征点，人脸特征点可用于描述人脸形状、五官形状及位置。

步骤220，当检测到待分类图像中包含至少两张人脸时，将待分类图像确定为合照图像。

电子设备提取待分类图像的人脸特征点后，可根据人脸特征点识别出待分类图像中包含的人脸。可选地，电子设备可先粗略提取待分类图像的人脸特征点，并通过预设的分析模型对粗略采集的人脸特征点进行分析。分析模型可通过迭代的方式校正采集的人脸特征点，逐步减少提取的人脸特征点的坐标值与待分类图像中包含的人脸的真实五官特征点的误差，其中，人脸特征点的坐标值可用人脸特征点对应的像素位置进行表示，例如人脸特征点的坐标值为对应的像素位置第X行第Y列等。最后分析模型可输出得到精准的人脸特征点，精准的人脸特征点可组成脸部轮廓及五官轮廓，从而识别出待分类图像中包含的人脸。

电子设备可判断待分类图像中是否识别出了至少两张人脸，若识别出了至少两张人脸，可将包含有至少两张人脸的待分类图像确定为合照图像。可选地，可对包含有至少两张人脸的合照图像进行标记其中，合照图像的标记可以是符号、数字或字母等字符组成的字符串，例如，若待分类图像包含至少两张人脸，可添加标记S，将其标记为合照图像。

步骤230，根据合照图像包含的至少两张人脸生成人脸组合，并获取每种人脸组合在其他合照图像中出现的次数，其中，人脸组合包含至少两张人脸。

电子设备可获取被确定为合照图像的待分类图像中包含的人脸，可对合照图像包含的各张人脸逐一进行排列组合，生成人脸组合，其中，人脸组合可包含至少两张人脸。生成的人脸组合中可包含合照图像中不同人脸同时存在的所有组合可能性，生成的人脸组合的数量可取决于合照图像中包含的人脸数量。例如，合照图像中包含人脸A及人脸B，进行排列组合后可得到人脸组合(人脸A，人脸B)；合照图像中包含人脸A、人脸B及人脸C，进行排列组合可得到人脸组合(人脸A，人脸B)、(人脸A、人脸C)、(人脸B、人脸C)、(人脸A、人脸B、人脸C)。合照图像中包含的人脸越多，生成的人脸组合可越多。

电子设备根据合照图像包含的至少两张人脸生成人脸组合后，可逐一检测其他合照图像中是否包含相同的人脸组合，并统计每种人脸组合在其他合照图像中出现的次数，其中，其他合照图像指的是其他被确定为合照图像的待分类图像。例如，合照图像中包含人脸A及人脸B，进行排列组合后可得到人脸组合(人脸A，人脸B)，可检测其他合照图像中是否也同时包含(人脸A，人脸B)，并统计其他合照图像中出现人脸组合(人脸A，人脸B)的次数。通过统计人脸组合在其他合照图像中出现的次数，可以获取该人脸组合中包含的人脸在其他合照图像中同时出现的次数。

步骤240，当人脸组合在其他合照图像中出现的次数大于预设第一阈值时，将包含有人脸组合的合照图像分配至相同的图像集合中。

电子设备可判断生成的每种人脸组合在其他合照图像中出现的次数是否大于预设第一阈值，其中，第一阈值可根据实际需求进行设定，例如2、3等。若人脸组合在其他合照图像中出现的次数大于预设第一阈值，则可将包含有该人脸组合的合照图像分配至相同的图像集合中，并添加对应的图像集合标签，被分配至同一图像集合的合照图像中同时包含有相同的至少两张人脸。例如，人脸组合(人脸A，人脸B)在其他合照图像出现的次数为3，大于预设第一阈值2，则可将包含有人脸组合(人脸A，人脸B)的所有合照图像分配至相同的图像集合中，该图像集合中的图像均同时包含有人脸A及人脸B。在一个实施例中，电子设备可建立一个或多个相册，每个图像集合可分别对应一个相册，可将属于同一图像集合的图像在同一个相册中进行展示。相较于传统的根据单人人脸对图像进行分类展示，可将经常同时出现在同一图像中的多张人脸分到同一个相册中展示，方便展示比如家庭合照、闺蜜合照、情侣合照等多人图像。

在一个实施例中，若电子设备根据合照图像包含的至少两张人脸生成的人脸组合中，有多种人脸组合在其他合照图像中出现的次数均大于预设第一阈值，电子设备可将合照图像同时分配至每种出现次数大于预设第一阈值的人脸组合对应的图像集合中。可选地，电子设备也可选择其中一种人脸组合对应的图像集合进行分配，可以采用随机选取的方式，也可按照一定的规律进行选取。例如，电子设备可从出现的次数均大于预设第一阈值的所有人脸组合中，选取包含的人脸数量最多的人脸组合，并将合照图像分配至该人脸数量最多的人脸组合对应的图像集合中。比如，合照图像生成的人脸组合中，人脸组合(人脸A，人脸B)及(人脸A、人脸B、人脸C)在其他合照图像中出现的次数均大于预设第一阈值3，则可选取人脸数量多的人脸组合(人脸A、人脸B、人脸C)，并将该合照图像分配至人脸组合(人脸A、人脸B、人脸C)对应的图像集合。可以理解地，也可采用其他的方式进行分配，并不限于此。

在本实施例中，对待分类图像进行人脸识别，当检测到待分类图像中包含至少两张人脸时，将待分类图像确定为合照图像，根据合照图像包含的至少两张人脸生成人脸组合，当人脸组合在其他合照图像中出现的次数大于预设第一阈值时，将包含有人脸组合的合照图像分配至相同的图像集合中，可以将经常出现的多张人脸分配到相同的图像集合中，使图像分类更加多样化。

如图3所示，在一个实施例中，步骤将待分类图像确定为合照图像，包括以下步骤：

步骤302，逐一判断待分类图像中包含的各张人脸是否为第一级人脸。

当检测到待分类图像中包含至少两张人脸时，电子设备可逐一判断待分类图像中的各张人脸是否为第一级人脸，其中，第一级人脸可以是路人人脸，可指的是拍摄图像时想要忽略的人脸，可以认为是不重要的人脸，电子设备可不对第一级人脸进行分类。可选地，电子设备可确定待分类图像中每张人脸对应的人脸区域，并逐一判断人脸区域的清晰度是否大于预设值，并可将人脸区域的清晰度小于或等于预设值的人脸标记为第一级人脸。可选地，电子设备也可逐一判断人脸区域的面积是否在大小预设面积，并可将人脸区域的面积小于或等于预设面积的人脸标记为第一级人脸等。可以理解地，也可采用其他方式判断待分类中的人脸是否为第一级人脸，并不仅限于上述几种方式。

步骤304，当待分类图像中包含至少两张非第一级人脸时，将待分类图像确定为合照图像。

当待分类图像中包含至少两张非第一级人脸时，电子设备可将待分类图像确定为合照图像，其中，非第一级人脸可指的是待分类图像中没有被标记为第一级人脸的人脸。可选地，电子设备可根据合照图像中包含的非第一级人脸生成人脸组合，将合照图像中的非第一级人脸进行排列组合，得到人脸组合，其中，该人脸组合中可包含至少两张非第一级人脸。例如，合照图像中包含人脸A、人脸B及人脸C，其中，人脸C被标记为第一级人脸，则不参与人脸组合，电子设备可根据非第一级人脸的人脸A及人脸B生成人脸组合(人脸A，人脸B)。

在本实施例中，可逐一判断待分类图像中包含的多张人脸是否为第一级人脸，使得路人人脸等不重要的人脸不参与图像分类，可使得分类结果更为准确，减少路人人脸的干扰。

如图4所示，在一个实施例中，步骤302逐一判断待分类图像中包含的各张人脸是否为第一级人脸，包括以下步骤：

步骤402，从待分类图像包含的各张人脸中选取第二级人脸。

电子设备可先从待分类图像包含的各张人脸中选取第二级人脸，其中，第二级人脸可以是主人脸，可指的是图像中的核心人脸，第二级人脸可以是电子设备的拥有者的人脸，也可以图像中符合预设条件的人脸。可选地，电子设备中可存储有电子设备的拥有者的人脸，可将待分类图像包含的多张人脸与存储的电子设备的拥有者的人脸进行比对，若存在与存储的电子设备的拥有者的人脸匹配的人脸，则将该匹配的人脸定义为待分类图像的第二级人脸。可选地，电子设备也可按照人脸区域的面积从大到小的顺序，逐一判断人脸是否满足预设条件，并将满足预设条件的人脸定义为第二级人脸，其中，预设条件可以根据实际需求进行设备，比如清晰度大于预设值，或是人脸的偏转角度和焦点符合预设条件等，但不限于此。

在一个实施例中，电子设备可获取待分类图像中清晰度最高的人脸，并判断该获取的人脸的清晰度是否大于预设清晰度，若该获取的人脸的清晰度大于预设清晰度，则可确定该获取的人脸为第二级人脸。

在一个实施例中，电子设备可获取待分类图像中面积最大的人脸，并判断该获取的人脸的偏转角度和焦点是否符合预设条件，其中，人脸的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，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。电子设备可计算获取人脸的偏转角度，并判断偏转角度是否小于预设角度，若小于，则可进一步判断待分类图像的焦点是否在该获取的人脸上，若是，则可定义该获取的人脸为第二级人脸。若获取的人脸的偏转角度大于或等于预设角度，或焦点不在该获取的人脸上，则可重新获取面积大小次之的人脸，并继续判断该获取的人脸的偏转角度和焦点是否符合预设条件，直至获取的人脸区域的面积达到最小阈值或确定第二级人脸为止。

可选地，电子设备计算获取的人脸的偏转角度，可先获取该人脸的各个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。人脸特征点在图像中可对应多个像素点，电子设备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，则电子设备可选取第105行第105列的像素点作为该特征点的基准点。

电子设备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。电子设备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。电子设备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。电子设备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，电子设备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，电子设备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°。

电子设备获取图像中人脸区域的各个人脸特征点之间的距离和角度后，电子设备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，电子设备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。

步骤404，逐一判断是否具有与除第二级人脸外的其他各张人脸对应的图像集合，若是，则执行步骤408，若否，则执行步骤406。

电子设备确定待分类图像的第二级人脸后，可获取除第二级人脸外的其他人脸，并逐一判断是否具有与其他各张人脸对应的图像集合，若具有与人脸对应的图像集合，可说明该人脸参与过图像分类，则该人脸不是第一级人脸。若没有与人脸对应的图像集合，可说明该人脸没有参与过图像分类，可将该人脸标记为第一级人脸。可选地，若在待分类图像中没有选取到第二级人脸，则可判断每个人脸是否具有对应的图像集合，可将没有对应图像集合的人脸标记为第一级人脸。

步骤406，将人脸标记为第一级人脸。

在一个实施例中，若待分类图像中有人脸被标记为第一级人脸，电子设备可检测其他合照图像中是否包含该第一级人脸，并统计该第一级人脸在其他合照图像中出现的次数。电子设备可判断第一级人脸在其他合照图像中出现的次数是否大于预设第二阈值，其中，预设第二阈值可根据实际需求进行设定，例如1、2、4等。若第一级人脸在其他合照图像中出现的次数大于预设第二阈值，则说明该第一级人脸经常出现，可取消该第一级人脸的标记。

步骤408，不进行标记。

在本实施例中，可选取待分类图像中的第二级人脸，再判断除第二级人脸外的其他人脸是否为第一级人脸，可使第一级人脸的检测更为准确，可提高图像分类的准确性。

在一个实施例中，在步骤根据合照图像包含的至少两张人脸生成人脸组合之后，还包括：若检测到有与人脸组合对应的图像集合，则将合照图像分配至对应的图像集合中。

电子设备根据合照图像包含的至少两张人脸生成人脸组合后，可先检测是否有与人脸组合对应的图像集合，将人脸组合与已存在的图像集合进行匹配。若检测到有与人脸组合对应的图像集合，可说明电子设备中存在包含该人脸组合的已分类的图像，该与人脸组合对应的图像集合中可包含有多张包含该人脸组合的图像。电子设备可将合照图像分配至已存在的与人脸组合对应的图像集合。若不存在与人脸组合对应的图像集合，电子设备可获取每种人脸组合在其他合照图像中出现的次数，当人脸组合在其他合照图像中出现的次数大于预设第一阈值时，可建立新的图像集合与该出现次数大于预设第一阈值的人脸组合对应，并将包含有该人脸组合的合照图像分配至建立的图像集合中。

在一个实施例中，当电子设备接收到图像删除操作时，可获取图像删除操作对应的图像标识，并根据该图像标识获取被删除图像所属的图像集合。电子设备可确定该所属的图像集合的剩余图像数量，若该剩余图像数量小于第三阈值，则可取消该所属的图像集合，并将该所属的图像集合中的剩余图像定义为待分类图像。

在本实施例中，若检测到有与人脸组合对应的图像集合，则将合照图像分配至对应的图像集合中，可将合照图像分配到已有的图像集合中，可以将经常出现的多张人脸分配到相同的图像集合中，使图像分类更加多样化。

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(1)，获取待分类图像，并对待分类图像进行人脸识别。

步骤(2)，当检测到待分类图像中包含至少两张人脸时，将待分类图像确定为合照图像。

可选地，将待分类图像确定为合照图像，包括：逐一判断待分类图像中包含的各张人脸是否为第一级人脸；当待分类图像中包含至少两张非第一级人脸时，将待分类图像确定为合照图像。

可选地，逐一判断待分类图像中包含的各张人脸是否为第一级人脸，包括：从待分类图像包含的各张人脸中选取第二级人脸；逐一判断是否具有与除第二级人脸外的其他各张人脸对应的图像集合；将没有对应图像集合的人脸标记为第一级人脸。

可选地，从待分类图像包含的各张人脸中选取第二级人脸，包括：获取待分类图像中面积最大的人脸，并判断获取的人脸的偏转角度和焦点是否符合预设条件；若满足，则确定满足预设条件的人脸为第二级人脸；若不满足，则获取面积大小次之的人脸，执行判断获取的人脸的角度和焦点是否符合预设条件，直至获取的面积达到最小阈值或确定第二级人脸为止。

可选地，从待分类图像包含的各张人脸中选取第二级人脸，包括：获取待分类图像中清晰度最高的人脸，若获取的人脸的清晰度大于预设清晰度，则确定获取的人脸为第二级人脸。

可选地，在将没有对应图像集合的剩余人脸标记为第一级人脸之后，还包括：获取第一级人脸在其他合照图像中出现的次数；若第一级人脸在其他合照图像中出现的次数大于预设第二阈值，则取消第一级人脸标记。

步骤(3)，根据合照图像包含的至少两张人脸生成人脸组合，并获取每种人脸组合在其他合照图像中出现的次数，其中，人脸组合包含至少两张人脸。

可选地，根据合照图像包含的至少两张人脸生成人脸组合，包括：根据合照图像中包含的非第一级人脸生成人脸组合。

可选地，在根据合照图像包含的至少两张人脸生成人脸组合之后，还包括：若检测到有与人脸组合对应的图像集合，则将合照图像分配至对应的图像集合中。

步骤(4)，当人脸组合在其他合照图像中出现的次数大于预设第一阈值时，将包含有人脸组合的合照图像分配至相同的图像集合中。

在本实施例中，对待分类图像进行人脸识别，当检测到待分类图像中包含至少两张人脸时，将待分类图像确定为合照图像，根据合照图像包含的至少两张人脸生成人脸组合，当人脸组合在其他合照图像中出现的次数大于预设第一阈值时，将包含有人脸组合的合照图像分配至相同的图像集合中，可以将经常出现的多张人脸分配到相同的图像集合中，使图像分类更加多样化。

如图5所示，在一个实施例中，提供一种图像处理装置500，包括人脸识别模块510、合照确定模块520、生成模块530及分配模块540。

人脸识别模块510，用于获取待分类图像，并对待分类图像进行人脸识别。

合照确定模块520，用于当检测到待分类图像中包含至少两张人脸时，将待分类图像确定为合照图像。

生成模块530，用于根据合照图像包含的至少两张人脸生成人脸组合，并获取每种人脸组合在其他合照图像中出现的次数，其中，人脸组合包含至少两张人脸。

分配模块540，用于当人脸组合在其他合照图像中出现的次数大于预设第一阈值时，将包含有人脸组合的合照图像分配至相同的图像集合中。

在本实施例中，对待分类图像进行人脸识别，当检测到待分类图像中包含至少两张人脸时，将待分类图像确定为合照图像，根据合照图像包含的至少两张人脸生成人脸组合，当人脸组合在其他合照图像中出现的次数大于预设第一阈值时，将包含有人脸组合的合照图像分配至相同的图像集合中，可以将经常出现的多张人脸分配到相同的图像集合中，使图像分类更加多样化。

如图6所示，在一个实施例中，合照确定模块520，包括检测单元522及确定单元524。

检测单元522，用于逐一判断待分类图像中包含的各张人脸是否为第一级人脸。

确定单元524，用于当待分类图像中包含至少两张非第一级人脸时，将待分类图像确定为合照图像。

可选地，生成模块530，还用于根据合照图像中包含的非第一级人脸生成人脸组合。

在本实施例中，可逐一判断待分类图像中包含的多张人脸是否为第一级人脸，使得路人人脸等不重要的人脸不参与图像分类，可使得分类结果更为准确，减少路人人脸的干扰。

如图7所示，在一个实施例中，检测单元522，包括选取子单元702、判断子单元704及标记子单元706。

选取子单元702，用于从待分类图像包含的各张人脸中选取第二级人脸。

可选地，选取子单元702，还用于获取待分类图像中面积最大的人脸，并判断获取的人脸的偏转角度和焦点是否符合预设条件，若满足，则确定满足预设条件的人脸为第二级人脸，若不满足，则获取面积大小次之的人脸，继续判断获取的人脸的角度和焦点是否符合预设条件，直至获取的面积达到最小阈值或确定第二级人脸为止。

可选地，选取子单元702，还用于获取待分类图像中清晰度最高的人脸，若获取的人脸的清晰度大于预设清晰度，则确定获取的人脸为第二级人脸。

判断子单元704，用于逐一判断是否具有与除第二级人脸外的其他各张人脸对应的图像集合。

标记子单元706，用于将没有对应图像集合的人脸标记为第一级人脸。

可选地，标记子单元706，还用于获取第一级人脸在其他合照图像中出现的次数，若第一级人脸在其他合照图像中出现的次数大于预设第二阈值，则取消第一级人脸标记。

在本实施例中，可选取待分类图像中的第二级人脸，再判断除第二级人脸外的剩余人脸是否为第一级人脸，可使第一级人脸的检测更为准确，可提高图像分类的准确性。

在一个实施例中，分配模块540，还用于若检测到有与人脸组合对应的图像集合，则将合照图像分配至对应的图像集合中。

在本实施例中，若检测到有与人脸组合对应的图像集合，则将合照图像分配至对应的图像集合中，可将合照图像分配到已有的图像集合中，可以将经常出现的多张人脸分配到相同的图像集合中，使图像分类更加多样化。

本申请实施例还提供了一种电子设备。如图8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。该电子设备可以为包括手机、平板电脑、个人数字助理(Personal Digital Assistant，PDA)、销售终端(Point of Sales，POS)、车载电脑、穿戴式设备等任意终端设备，以电子设备为手机为例：

图8为与本申请实施例提供的电子设备相关的手机的部分结构的框图。参考图8，手机包括：射频(Radio Frequency，RF)电路810、存储器820、输入单元830、显示单元840、传感器850、音频电路860、无线保真(wireless fidelity，WiFi)模块870、处理器880、以及电源890等部件。本领域技术人员可以理解，图8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810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880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810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、GPRS、码分多址(Code DivisionMultiple Access，CDMA)、W-CDMA、长期演进(Long Term Evolution，LTE)、电子邮件、短消息服务(Short Messaging Service，SMS)等。

存储器820可用于存储软件程序以及模块，处理器880通过运行存储在存储器820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820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820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830可用于接收输入的数字或字符信息，以及产生与手机800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830可包括触控面板832以及其他输入设备834。触控面板832，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832上或在触控面板832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832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880，并能接收处理器880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832。除了触控面板832，输入单元830还可以包括其他输入设备834。具体地，其他输入设备834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840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840可包括显示面板842。在一个实施例中，可以采用液晶显示器(LiquidCrystal Display，LCD)、有机发光二极管(Organic Light-Emitting Diode,OLED)等形式来配置显示面板842。在一个实施例中，触控面板832可覆盖显示面板842，当触控面板832检测到在其上或附近的触摸操作后，传送给处理器880以确定触摸事件的类型，随后处理器880根据触摸事件的类型在显示面板842上提供相应的视觉输出。虽然在图8中，触控面板832与显示面板842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832与显示面板842集成而实现手机的输入和输出功能。

手机800还可包括至少一种传感器850，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842的亮度，接近传感器可在手机移动到耳边时，关闭显示面板842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860、扬声器862和传声器864可提供用户与手机之间的音频接口。音频电路860可将接收到的音频数据转换后的电信号，传输到扬声器862，由扬声器862转换为声音信号输出；另一方面，传声器864将收集的声音信号转换为电信号，由音频电路860接收后转换为音频数据，再将音频数据输出处理器880处理后，经RF电路810可以发送给另一手机，或者将音频数据输出至存储器820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870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。虽然图8示出了WiFi模块870，但是可以理解的是，其并不属于手机800的必须构成，可以根据需要而省略。

处理器880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820内的软件程序和/或模块，以及调用存储在存储器820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880可包括一个或多个处理单元。在一个实施例中，处理器880可集成应用处理器和调制解调器，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；调制解调器主要处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器880中。比如，该处理器880可集成应用处理器和基带处理器，基带处理器与和其它外围芯片等可组成调制解调器。手机800还包括给各个部件供电的电源890(比如电池)，优选的，电源可以通过电源管理系统与处理器880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800还可以包括摄像头、蓝牙模块等。

在本申请实施例中，该电子设备所包括的处理器880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820及处理器880，存储器820中存储有计算机程序，该计算机程序被处理器880执行时，使得处理器执行如下步骤：

获取待分类图像，并对待分类图像进行人脸识别；

当检测到待分类图像中包含至少两张人脸时，将待分类图像确定为合照图像；

根据合照图像包含的至少两张人脸生成人脸组合，并获取每种人脸组合在其他合照图像中出现的次数，其中，人脸组合包含至少两张人脸；

当人脸组合在其他合照图像中出现的次数大于预设第一阈值时，将包含有人脸组合的合照图像分配至相同的图像集合中。

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 (11)

1.一种图像处理方法，其特征在于，包括：

获取待分类图像，并对所述待分类图像进行人脸识别；

当检测到所述待分类图像中包含至少两张人脸时，将所述待分类图像确定为合照图像；

根据所述合照图像包含的至少两张人脸生成人脸组合，并获取每种人脸组合在其他合照图像中出现的次数，其中，所述人脸组合包含至少两张人脸；

当人脸组合在其他合照图像中出现的次数大于预设第一阈值时，将包含有所述人脸组合的合照图像分配至相同的图像集合中。

2.根据权利要求1所述的方法，其特征在于，所述将所述待分类图像确定为合照图像，包括：

逐一判断所述待分类图像中包含的各张人脸是否为第一级人脸；

当所述待分类图像中包含至少两张非第一级人脸时，将所述待分类图像确定为合照图像。

3.根据权利要求2所述的方法，其特征在于，所述逐一判断所述待分类图像中包含的各张人脸是否为第一级人脸，包括：

从所述待分类图像包含的各张人脸中选取第二级人脸；

逐一判断是否具有与除所述第二级人脸外的其他各张人脸对应的图像集合；

将没有对应图像集合的人脸标记为第一级人脸。

4.根据权利要求3所述的方法，其特征在于，所述从所述待分类图像中包含的各张人脸中选取第二级人脸，包括：

获取所述待分类图像中面积最大的人脸，并判断获取的人脸的偏转角度和焦点是否符合预设条件；

若满足，则确定满足所述预设条件的人脸为第二级人脸；

若不满足，则获取面积大小次之的人脸，执行所述判断获取的人脸的角度和焦点是否符合预设条件，直至获取的面积达到最小阈值或确定第二级人脸为止。

5.根据权利要求3所述的方法，其特征在于，所述从所述待分类图像中包含的各张人脸中选取第二级人脸，包括：

获取所述待分类图像中清晰度最高的人脸；

若获取的人脸的清晰度大于预设清晰度，则确定所述获取的人脸为第二级人脸。

6.根据权利要求3所述的方法，其特征在于，在所述将没有对应图像集合的人脸标记为第一级人脸之后，还包括：

获取所述第一级人脸在其他合照图像中出现的次数；

若所述第一级人脸在其他合照图像中出现的次数大于预设第二阈值，则取消第一级人脸标记。

7.根据权利要求2至6任一所述的方法，其特征在于，所述根据所述合照图像包含的至少两张人脸生成人脸组合，包括：

根据所述合照图像中包含的非第一级人脸生成人脸组合。

8.根据权利要求1所述的方法，其特征在于，在所述根据所述合照图像包含的至少两张人脸生成人脸组合之后，还包括：

若检测到有与人脸组合对应的图像集合，则将所述合照图像分配至所述对应的图像集合中。

9.一种图像处理装置，其特征在于，包括：

人脸识别模块，用于获取待分类图像，并对所述待分类图像进行人脸识别；

合照确定模块，用于当检测到所述待分类图像中包含至少两张人脸时，将所述待分类图像确定为合照图像；

生成模块，用于根据所述合照图像包含的至少两张人脸生成人脸组合，并获取每种人脸组合在其他合照图像中出现的次数，其中，所述人脸组合包含至少两张人脸；

分配模块，用于当人脸组合在其他合照图像中出现的次数大于预设第一阈值时，将包含有所述人脸组合的合照图像分配至相同的图像集合中。

10.一种电子设备，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8任一所述的方法。

11.一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8任一所述的方法。