CN108009280B - 图片处理方法、装置、终端及存储介质 - Google Patents
图片处理方法、装置、终端及存储介质 Download PDFInfo
- Publication number
- CN108009280B CN108009280B CN201711394891.3A CN201711394891A CN108009280B CN 108009280 B CN108009280 B CN 108009280B CN 201711394891 A CN201711394891 A CN 201711394891A CN 108009280 B CN108009280 B CN 108009280B
- Authority
- CN
- China
- Prior art keywords
- picture
- processed
- expression
- pictures
- serial number
- 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
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
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/51—Indexing; Data structures therefor; Storage structures
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例公开了一种图片处理方法、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排序模型,以标记所述待处理图片的表情序号,其中,所述图片排序模型为根据图片样本集与表情的关联关系训练的模型;根据所述表情序号对所述待处理图片进行重新整理。本申请实施例通过采用上述技术方案,能够获取待处理图片的重新排序信息,再根据表情序号对待处理图片进行重新整理,能够有条理的对图片库中杂乱无章的图片进行排序。
Description
技术领域
本申请实施例涉及智能终端技术领域,尤其涉及一种图片处理方法、装置、终端及存储介质。
背景技术
随着智能终端的快速发展,人们对手机、平板电脑等移动终端的依赖程度越来越高。
在日常生活中,大多数用户已经习惯了拍照以记录生活中的点点滴滴。尤其是很多年轻父母更想记录下孩子的每一瞬间,包括喜怒哀乐。因此会拍摄很多关于孩子的图片,导致移动终端中会存储大量杂乱无章的图片。移动终端中的图片存储非常混乱。
发明内容
本发明提供一种图片处理方法、装置、终端及存储介质,有助于条理性的管理终端图片库内的图片。
第一方面,本申请实施例提供了一种图片处理方法,该方法包括:
获取待处理图片;
将所述待处理图片输入图片排序模型,以标记所述待处理图片的表情序号,其中,所述图片排序模型为根据图片样本集与表情的关联关系训练的模型;
根据所述表情序号对所述待处理图片进行重新整理。
第二方面,本申请实施例还提供了一种图片处理装置,该装置包括:
图片获取模块,用于获取待处理图片;
序号标记模块,用于将所述待处理图片输入图片排序模型,以标记所述待处理图片的表情序号,其中,所述图片排序模型为根据图片样本集与表情的关联关系训练的模型;
图片整理模块,用于根据所述表情序号对所述待处理图片进行重新整理。
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处理方法。
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处理方法。
本申请实施例中提供的图片处理方案,通过获取待处理图片;将待处理图片输入图片排序模型,以标记待处理图片的表情序号,能够获取待处理图片的重新排序信息,再根据表情序号对待处理图片进行重新整理,能够有条理的对图片库中杂乱无章的图片进行排序。
附图说明
图1为本申请实施例提供的一种图片处理方法的流程示意图;
图2是本申请实施例提供的又一种图片处理方法的流程示意图;
图3是本申请实施例提供的又一种图片处理方法的流程示意图;
图4是本申请实施例提供的又一种图片处理方法的流程示意图;
图5是本申请实施例提供的一种图片处理装置的结构示意图;
图6A是本申请实施例中的一种终端的结构示意图;
图6B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。
本申请实施例提供了一种图片处理方法,可用于对终端设备图片库中的图片进行有序整理,具体方法如下:
图1为本申请实施例提供的一种图片处理的流程图,本实施例可适用于通过终端设备对图片进行有序整理的情况,所述方法由图片处理的装置来执行,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1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重新排序存储的图片,例如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 Photographic Experts Group)格式、TIFF(Tag Image File Format)格式、PSD(Photoshop Document)格式、PNG(Portable Network Graphics)格式以及SWF(ShockwaveFormat)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排序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排序操作时,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排序操作。可选的,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排序模型,以标记所述待处理图片的表情序号。
其中,所述图片排序模型为根据图片样本集与表情的关联关系训练的模型。
其中,图片排序模型为用于在输入待处理图片后快速标记出待处理图片表情序号的学习模型。图片排序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排序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,表情序号能够反映出待处理图片根据人脸图像的表情特征再次存储于图片库中的排序情况,根据表情序号,例如可以使得存储的图片呈现从不笑到大笑,以及从不哭到大哭的连续表情变化的过程。表情序号可包括多种表情特征相关的多个序号,包含但不限于“笑”与“哭”。例如,本实施例可将表情特征“笑”的过程预设10个表情序号,以及可将表情特征“哭”的过程预设11个表情序号,当将待处理图片输入图片排序模型后,图片排序模型可以根据人脸图像的表情特征对待处理图片的表情序号进行判断。
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表情序号的样本图片,也可包含未标记表情序号的样本图片。例如,若图片样本集包含了未标记表情序号的样本图片,图片排序模型则可根据样本图片的图片特征进行训练。具体例如,图片排序模型可根据人脸图像的五官以及面部肌肉位置的变化进行训练。本申请实施例可以根据图片样本集中样本图片与表情的关联关系训练图片排序模型。例如,若图片样本集包含了已标记表情序号的样本图片,图片排序模型则可根据已标记的表情序号以及已标记样本图片的表情特征进行训练。
在本申请实施例中,利用图片样本集训练图片排序模型以调整图片排序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表情序号的效果。且经大量的迭代训练得到的图片排序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人脸图像的表情进行表情序号的判断。
步骤130、根据所述表情序号对所述待处理图片进行重新整理。
在图片排序模型输出待处理图片的表情序号后,可通过待处理图片标记的表情序号进行重新排序存储。具体例如,表情序号1-10代表由不笑到大笑过程中的十种表情,其中表情序号越大反映笑的程度越大;表情序号11-21代表由撇嘴到大哭过程中的十一种表情,其中表情序号越大反映哭的程度越大。将待处理图片输入图片排序模型后,输出的两张表情序号为1,两张表情序号为3,三张表情序号为5,三张表情序号为7,那么则可以按照表情序号顺序重新对该十张图片进行处理。又例如,若将新拍摄的一张待处理图片输入图片排序模型,输出的表情序号为2,则将该张待处理图片插入至表情序号1与表情序号为3相对应的图片中间。
需要说明的是,本实施例提供的表情序号的设定仅仅是一种示例,本实施例中的表情序号设定还可以包含其他方式,本实施例不对其进行限定。
需要说明的是,在根据表情序号对待处理图片进行重新整理过程中,可以将同一表情序号的多张图片顺次排序进行存储,也可以根据待处理图片中人物特征对多个表情序号进行二次处理,呈现有规律的排序进行存储,具体例如将穿同季节的衣服连续排序等。
本申请实施例中提供的图片处理方法,通过获取待处理图片;将待处理图片输入图片排序模型,以标记待处理图片的表情序号,能够获取待处理图片的重新排序信息,再根据表情序号对待处理图片进行重新整理,能够有条理的对图片库中杂乱无章的图片进行排序。
示例性的,在获取待处理图片之前,还包括:确定目标人物;采用人脸识别法,将终端内的图片库中包含所述目标人物的图片作为待处理图片;相应的,将所述待处理图片输入图片排序模型,以标记所述待处理图片的表情序号,包括:将所述待处理图片输入图片排序模型,以根据所述目标人物标记所述待处理图片的表情序号。
其中,目标人物反映了用户想要根据某个人物的表情特征进行重新排序。
其中,人脸识别法属于生物特征识别技术,是对生物体(一般特指人)本身的生物特征来区分生物体个体。示例性的,人脸识别法可以基于人的脸部特征,对输入的人脸图像,首先判断其是否存在人脸。如果存在人脸,则获取该人脸脸部的位置、大小和各个主要面部器官的位置信息。通过依据上述信息,可以与图像库中已知的人脸进行对比,从而识别该人脸图像的身份。目前,人脸识别技术逐渐应用于人们的各项生活中。
具体的,由于有些图片中不仅包含了目标人物,还可以包含多个人物,因此,终端可以根据接收的用户确定的目标人物,采用人脸识别法,将终端内的图片库中所有包含目标人物的图片作为待处理图片,将该类待处理图片输入图片排序模型之后,图片排序模型可以根据目标人物的表情特征标记待处理图片的表情序号。
例如,目标人物为儿童,终端可以根据用户指示采用人脸识别法,将终端内的图片库中所有包含儿童的图片作为待处理图片,将该类待处理图片输入图片排序模型之后,图片排序模型可以根据儿童的表情特征标记待处理图片的表情序号。
本申请实施例中采用人脸识别法,将终端内的图片库中包含目标人物的图片作为待处理图片,以获取更多、更完整的关于儿童的待处理图片,使得图片排序模型能够更智能化的根据儿童的表情特征标记待处理图片的表情序号。
图2为本申请实施例提供的另一种图片处理方法的流程示意图,该方法包括如下步骤:
步骤210、获取待处理图片。
步骤220、确定与预设表情序号相对应的关键字。
其中,预设表情序号可为根据人脸表情特征而设定的序号,例如将不笑表情的序号设定为1,将大笑表情的序号设定为10等。
其中,关键字可以为与预设表情序号相符合的任何文字信息。例如,预设表情序号1相对应的文字信息设定为“不笑”,预设表情序号10相对应的文字信息设定为“大笑”。需要说明的是,在本申请实施例中,关键字用于在网络平台图片库中搜索第一样本图片,由于本申请实施例中图片排序模型为标记表情序号的学习模型,因此用于训练该模型的图片样本集可包含人物各种表情的第一样本图片。
本申请实施例中的图片排序模型的初步训练可基于公共网络平台图片库中的图片进行训练。具体例如,可将标记了相同表情序号的关键字的图片归为同一表情序号的第一样本图片。
步骤230、根据所述关键字,在网络图片库中获取与所述关键字相对应的图片作为第一样本图片。
其中,网络图片库为包含了大量图片的图片库,同时也包含了各种人脸表情的图片,因此,可以将网络图片库作为图片样本集的素材库。需要说明的是,网络图片库可以为在可联网移动终端或者可联网固定终端上的任意网络平台上搜索的图片库。
其中,第一样本图片可为包含了通过公共网络平台共享的图片库中获取的图片,具体可为与关键字相对应的图片,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排序模型的初步训练可通过标记有大量表情序号的图片进行训练。
具体的,移动终端可以根据接收到的用户指示,在网络图片库中搜索与预设表情序号相对应的关键字,并将搜索结果的图片作为第一样本图片。具体例如,关键字可设定为微笑图片,那么,将搜索的图片作为第一样本图片。需要说明的是,移动终端可将搜索结果的所有图片作为第一样本图片,或者也可以将部分图片作为第一样本图片。
步骤240、标记所述预设表情序号至所述第一样本图片,并存储至所述图片样本集。
具体的,在确定第一样本图片之后,可将所有第一样本图片标记预设表情序号,并存储至图片样本集中作为训练素材。或者,也可将所有第一样本图片作为一个子样本集整体标记预设表情序号,并存储至图片样本集中作为训练素材。其中,将第一样本图片标记预设表情序号,有助于图片排序模型对图片样本集与表情的关联关系进行训练。
步骤250、根据所述图片样本集,基于设定机器学习算法对所述图片排序模型进行训练。
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排序模型,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,能够对图片排序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排序模型,以标记所述待处理图片的表情序号。
步骤270、根据所述表情序号对所述待处理图片进行重新整理。
本申请实施例通过在网络平台图片库中搜索与预设表情序号相对应的关键字,将搜索结果的图片作为第一样本图片,并标记预设表情序号作为图片样本集,为图片排序模型提供了大量的训练素材,有助于提高图片排序模型判断的准确性。
图3为本申请实施例提供的另一种图片处理方法的流程示意图,该方法包括如下步骤:
步骤310、获取待处理图片。
步骤320、根据公开视频的用户评论与视频弹幕,确定含有表情变化的儿童视频片段。
由于本申请实施例提供的图片处理方法为根据表情特征进行一定规律的连续排序,因此,可以在含有表情变化的视频中收集更多的样本图片。
需要说明的是,本实施例获取的表情变化的视频可以为表情丰富的成年人视频,也可以为具有情绪变化的儿童视频。可选的,由于儿童天真无邪的个性特征,本实施例可确定从表情变化颇多的儿童视频片段中获取样本图片。
具体的,大多数用户在观看视频时,经常会发表评论以表达观看该视频的看法,例如可在视频评论区发表用户评论,也可在视频播放过程中的视频弹幕发表评论。通过用户评论和视频弹幕可以更准确的确定含有表情变化的儿童视频片段。
步骤330、在所述儿童视频片段中,截取预设次数的视频图片。
其中,预设次数可以为终端设定的默认值,也可以为根据用户指示而设定的默认值,例如预设次数设定为20,则可以依次在具有儿童表情变化的儿童视频片段中均匀截取20次,以获取20张关于该儿童视频片段的视频图片。
步骤340、根据所述儿童视频片段中视频帧的排列顺序,标记所述视频图片的表情序号以作为第二样本图片。
其中,第二样本图片可包含从儿童视频片段中截取的视频图片,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
由于视频是由无数个视频帧排列组成的,因此,当截取预设次数的视频图片后,可以根据儿童视频片段中视频帧的排列顺序,标记截取视频图片的表情序号以作为第二样本图片。其中,排列顺序靠前的视频帧,其表情序号较小。
步骤350、将所述第二样本图片存储至所述图片样本集,并基于设定机器学习算法对所述图片排序模型进行训练。
步骤360、将所述待处理图片输入图片排序模型,以标记所述待处理图片的表情序号。
步骤370、根据所述表情序号对所述待处理图片进行重新整理。
本申请实施例将儿童视频片段中截取的视频图片标记为表情序号,并作为第二样本图片存储至图片样本集,通过结合儿童视频片段作为训练素材训练图片排序模型,能够获取完整且连续的表情变化,进一步提高了图片排序模型对待处理图片的表情序号判断的准确性。
图4为本申请实施例提供的另一种图片处理方法的流程示意图,该方法包括如下步骤:
步骤410、获取待处理图片。
步骤420、将所述待处理图片输入图片排序模型,以标记所述待处理图片的表情序号。
步骤430、将属于同一表情序号的待处理图片存储至同一序号图片集。
当用户将终端内的图片库整体放入图片排序模型后,由于图片库中包含大量的待处理图片,输出后的每张待处理图片均标有表情序号,因此可以按照表情序号对待处理图片进行归类处理。例如,将属于同一表情序号的待处理图片存储至同一个序号图片集。具体例如,如果待处理图片中包含50个表情序号为1的图片,那么可将该50个表情序号的待处理图片组成同一个序号图片集。
步骤440、按照所述表情序号,依次在各个序号图片集中筛选出一个待处理图片,作为一个连续表情图片组。
其中,连续表情图片组可以为包含多张不同表情图片的图片组,通过将多张图片按照表情特征进行排序,能够形成具有连续表情变化的视觉效果。
具体的,当在对待处理图片进行归类整理之后,可以按照表情序号大小,从表情序号为1的序号图片集至表情序号最大的序号图片集中各自筛选出一个待处理图片作为一个连续表情图片组,使得图片能够呈现一个连续表情变化的效果。又由于待处理图片数量可以很多,因此多次获取上述连续表情图片组,以对待处理图片进行重新排序整理。
示例性的,按照所述表情序号,依次在各个序号图片集中筛选出一个待处理图片,作为一个连续表情图片组,包括:基于所述待处理图片中人物的衣着特征,按照所述表情序号,依次在各个序号图片集中筛选出一个待处理图片,作为一个连续表情图片组;按照所述衣着特征,将多个所述连续表情图片组重新存储至终端的图片库中。
在本实施例中,由于图片库中存储的图片按照拍摄时间顺序排序,且人物的衣着特征能够体现了不同季节,因此可以根据待理处理图片中人物的衣着体征,将处于相同衣着特征的图片存储至一个连续表情图片组。例如,可以将各个序号图片集中穿裙子的待处理图片归为一个连续表情图片组,可以将各个序号图片集中穿短裤短袖的待处理图片归为一个连续表情图片组,将穿单裤单衣的待处理图片归为一个连续表情图片组,将穿毛衣的待处理图片归为一个连续表情图片组以及将穿棉服的图片待处理图片归为一个连续表情图片组等。在获取多个具有衣着特征的连续表情图片组后,可以按照衣着特征,将多个连续表情图片组重新存储至终端的图片库中。
例如,用户打开终端的图片库,可以看到从夏季到冬季衣着特征排序的图片,且每类衣着特征的图片可以呈现连续表情变化的视觉效果,具体例如,呈现连续表情变化的视觉效果是,穿着裙子从不笑到大笑的笑容变化以及从撇嘴到大哭的过程,穿着单衣单裤从不笑到大笑的笑容变化以及从撇嘴到大哭的过程,穿着毛衣从不笑到大笑的笑容变化以及从撇嘴到大哭的过程。具体还例如,终端图片库中存储的图片可以是,前三个连续表情图片组是穿裙子的衣着特征,中间4个连续表情图片组是穿单衣单裤的衣着特征,后面三个连续表情图片组是穿毛衣的衣着特征。
需要说明的是,由于各类衣着特征的待处理图片数量不够,有可能不能呈现连续表情变化的过程,因此,可以将衣着特征接近的待处理图片归为一个连续表情图片组,例如,将穿裙子以及短裤短袖的待处理图片归为一个连续表情图片组。
本申请实施例通过根据待处理图片中人物的衣着特征,按照所述表情序号,依次在各个序号图片集中筛选出一个待处理图片,作为一个连续表情图片组;并按照衣着特征,将多个连续表情图片组重新存储至终端的图片库中,能够使得终端的图片库的整体上呈现季节性的变化。
示例性的,基于所述待处理图片中人物的衣着特征,按照所述表情序号,依次在各个序号图片集中筛选出一个待处理图片,作为一个连续表情图片组,包括:确定所述待处理片的年份信息;基于所述待处理图片的年份信息与人物的衣着特征,按照所述表情序号,依次在各个序号图片集中筛选出一个待处理图片,作为一个连续表情图片组;按照所述年份信息与衣着特征,将多个所述连续表情图片组重新存储至终端的图片库中。
在本实施例中,图片排序模型可以对儿童的图片标记表情序号,用于记录具有表情变化特征的成长系列图片。具体的,可以确定待处理片的年份信息,将处于相同年份以及相同衣着特征的待处理图片存储至一个连续表情图片组,再根据年份信息,将多组连续表情图片组重新存储至终端的图片库中。
例如,用户打开终端的图片库,可以看到按照年份信息顺序存储的从夏季到冬季衣着特征排序的图片,且每类衣着特征的图片可以呈现连续表情变化的视觉效果,具体例如,呈现连续表情变化的视觉效果是,儿童在2016年(年龄为2岁)穿着裙子从不笑到大笑的笑容变化以及从撇嘴到大哭的过程,儿童在2016年(年龄为2岁)穿着单衣单裤从不笑到大笑的笑容变化以及从撇嘴到大哭的过程,儿童在2016年(年龄为2岁)穿着毛衣从不笑到大笑的笑容变化以及从撇嘴到大哭的过程;儿童在2017年(年龄为3岁)穿着裙子从不笑到大笑的笑容变化以及从撇嘴到大哭的过程,儿童在2017年(年龄为3岁)穿着单衣单裤从不笑到大笑的笑容变化以及从撇嘴到大哭的过程,儿童在2017年(年龄为3岁)穿着毛衣从不笑到大笑的笑容变化以及从撇嘴到大哭的过程。具体还例如,终端图片库中存储的图片前后排序顺序可以是,2016年穿裙子的衣着特征的三个连续表情图片组,2016年穿单衣单裤的衣着特征的三个连续表情图片组,2016年穿毛衣的衣着特征的三个连续表情图片组;以及,2017年穿裙子的衣着特征的三个连续表情图片组,2017年穿单衣单裤的衣着特征的三个连续表情图片组,2017年穿毛衣的衣着特征的三个连续表情图片组。
本申请实施例通过根据待处理图片的年份信息以及人物的衣着特征,按照所述表情序号,依次在各个序号图片集中筛选出一个待处理图片,作为一个连续表情图片组;并按照年份信息和衣着特征,将多个连续表情图片组重新存储至终端的图片库中,形成了儿童由小到大成长的存储顺序的图片,有序记录了儿童的成长过程。
步骤450、将多个所述连续表情图片组重新存储至终端的图片库中。
具体的,当将多张待处理图片重新排序以及分组之后,能够形成多组具有表情变化的图片组,再将该多个连续表情图片组重新存储至终端的图片库,以代替原有杂乱无章存储的图片。
本申请实施例通过将属于同一表情序号的待处理图片存储至同一序号图片集;按照所述表情序号,依次在各个序号图片集中筛选出一个待处理图片,作为一个连续表情图片组;将多个所述连续表情图片组重新存储至终端的图片库中,能够有效对图片库中存储的图片进行重新整理,并能够井然有序的排序存储,呈现连续表情变化的视觉效果。
图5是本申请实施例提供的一种图片处理装置的结构框图,本实施例可适用于通过终端设备对图片进行有序整理的情况,所述方法由图片处理的装置来执行,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5所示,该装置可以包括:图片获取模块51、序号标记模块52和图片整理模块53。
图片获取模块51,用于获取待处理图片;
序号标记模块52,用于将所述待处理图片输入图片排序模型,以标记所述待处理图片的表情序号,其中,所述图片排序模型为根据图片样本集与表情的关联关系训练的模型;
图片整理模块53,用于根据所述表情序号对所述待处理图片进行重新整理。
本申请实施例中提供的图片处理装置,通过获取待处理图片;将待处理图片输入图片排序模型,以标记待处理图片的表情序号,能够获取待处理图片的重新排序信息,再根据表情序号对待处理图片进行重新整理,能够有条理的对图片库中杂乱无章的图片进行排序。
可选的,所述装置还包括:第一模型训练模块。
第一模型训练模块,用于在将所述待处理图片输入图片排序模型之前,确定与预设表情序号相对应的关键字;根据所述关键字,在网络图片库中获取与所述关键字相对应的图片作为第一样本图片;标记所述预设表情序号至所述第一样本图片,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所述图片排序模型进行训练。
可选的,所述装置还包括:第一模型训练模块。
第一模型训练模块,用于在将所述待处理图片输入图片排序模型之前,还包括:根据公开视频的用户评论与视频弹幕,确定含有表情变化的儿童视频片段;在所述儿童视频片段中,截取预设次数的视频图片;根据所述儿童视频片段中视频帧的排列顺序,标记所述视频图片的表情序号以作为第二样本图片;将所述第二样本图片存储至所述图片样本集,并基于设定机器学习算法对所述图片排序模型进行训练。
可选的,所述图片整理模块53具体用于:将属于同一表情序号的待处理图片存储至同一序号图片集;按照所述表情序号,依次在各个序号图片集中筛选出一个待处理图片,作为一个连续表情图片组;将多个所述连续表情图片组重新存储至终端的图片库中。
可选的,所述图片整理模块53具体还用于:基于所述待处理图片中人物的衣着特征,按照所述表情序号,依次在各个序号图片集中筛选出一个待处理图片,作为一个连续表情图片组;按照所述衣着特征,将多个所述连续表情图片组重新存储至终端的图片库中。
可选的,所述图片整理模块53具体还用于:确定所述待处理片的年份信息;基于所述待处理图片的年份信息与人物的衣着特征,按照所述表情序号,依次在各个序号图片集中筛选出一个待处理图片,作为一个连续表情图片组;按照所述年份信息与衣着特征,将多个所述连续表情图片组重新存储至终端的图片库中。
可选的,所述装置还包括:目标人物确定模块。
目标人物确定模块,用于在获取待处理图片之前,确定目标人物;采用人脸识别法,将终端内的图片库中包含所述目标人物的图片作为待处理图片;
相应的,所述图片整理模块具体用于:
将所述待处理图片输入图片排序模型,以根据所述目标人物标记所述待处理图片的表情序号。
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处理的装置,如图6A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排序模型,以标记所述待处理图片的表情序号,其中,所述图片排序模型为根据图片样本集与表情的关联关系训练的模型;根据所述表情序号对所述待处理图片进行重新整理。
本申请实施例中提供的终端,通过获取待处理图片;将待处理图片输入图片排序模型,以标记待处理图片的表情序号,能够获取待处理图片的重新排序信息,再根据表情序号对待处理图片进行重新整理,能够有条理的对图片库中杂乱无章的图片进行排序。
本申请实施例提供了一种终端的结构示意图。如图6B所示,该移动终端可以包括:壳体(图中未示出)、存储器601、中央处理器(Central Processing Unit,CPU)602(又称处理器,以下简称CPU)、电路板(图中未示出)、触控显示屏612和电源电路(图中未示出)。所述触控显示屏612,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612与所述壳体围成的空间内部;所述CPU602和所述存储器601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601,用于存储计算机程序;所述CPU602读取并执行所述存储器601中存储的计算机程序。所述CPU602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排序模型,以标记所述待处理图片的表情序号,其中,所述图片排序模型为根据图片样本集与表情的关联关系训练的模型;根据所述表情序号对所述待处理图片进行重新整理。
所述移动终端还包括:外设接口603、RF(Radio Frequency,射频)电路605、音频电路606、扬声器611、电源管理芯片608、输入/输出(I/O)子系统609、其他输入/控制设备610以及外部端口604,这些部件通过一个或多个通信总线或信号线607来通信。
应该理解的是,图示移动终端600仅仅是移动终端的一个范例,并且移动终端600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处理装置的终端进行详细的描述,该终端以手机为例。
存储器601,所述存储器601可以被CPU602、外设接口603等访问,所述存储器601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603,所述外设接口603可以将设备的输入和输出外设连接到CPU602和存储器601。
I/O子系统609,所述I/O子系统609可以将设备上的输入输出外设,例如触控显示屏612和其他输入/控制设备610,连接到外设接口603。I/O子系统609可以包括显示控制器6091和用于控制其他输入/控制设备610的一个或多个输入控制器6092。其中,一个或多个输入控制器6092从其他输入/控制设备610接收电信号或者向其他输入/控制设备610发送电信号,其他输入/控制设备610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6092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612,所述触控显示屏612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609中的显示控制器6091从触控显示屏612接收电信号或者向触控显示屏612发送电信号。触控显示屏612检测触控显示屏上的接触,显示控制器6091将检测到的接触转换为与显示在触控显示屏612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612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605,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605接收并发送RF信号,RF信号也称为电磁信号,RF电路605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605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606,主要用于从外设接口603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611。
扬声器611,用于将手机通过RF电路605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608,用于为CPU602、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;将待处理图片输入图片排序模型,以标记待处理图片的表情序号,能够获取待处理图片的重新排序信息,再根据表情序号对待处理图片进行重新整理,能够有条理的对图片库中杂乱无章的图片进行排序。
上述装置可执行本申请前述所有实施例所提供的图片处理装置、存储介质及移动终端,具备执行上述图片处理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处理方法。
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malltalk、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 (7)
1.一种图片处理方法,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排序模型,以标记所述待处理图片的表情序号,其中,所述图片排序模型为根据图片样本集与表情的关联关系训练的模型;所述表情序号能够反映出所述待处理图片根据人脸图像的表情特征进行再次存储的排序情况;
将属于同一表情序号的待处理图片存储至同一序号图片集;
基于所述待处理图片的年份信息与人物的衣着特征,按照所述表情序号,依次在各个序号图片集中筛选出一个待处理图片,作为一个连续表情图片组;
按照所述年份信息与衣着特征,将多个所述连续表情图片组重新存储至终端的图片库中。
2.根据权利要求1所述的方法,其特征在于,在将所述待处理图片输入图片排序模型之前,还包括:
确定与预设表情序号相对应的关键字;
根据所述关键字,在网络图片库中获取与所述关键字相对应的图片作为第一样本图片;
标记所述预设表情序号至所述第一样本图片,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所述图片排序模型进行训练。
3.根据权利要求1所述的方法,其特征在于,在将所述待处理图片输入图片排序模型之前,还包括:
根据公开视频的用户评论与视频弹幕,确定含有表情变化的儿童视频片段;
在所述儿童视频片段中,截取预设次数的视频图片;
根据所述儿童视频片段中视频帧的排列顺序,标记所述视频图片的表情序号以作为第二样本图片;
将所述第二样本图片存储至所述图片样本集,并基于设定机器学习算法对所述图片排序模型进行训练。
4.根据权利要求1-3中任一所述的方法,其特征在于,在获取待处理图片之前,还包括:
确定目标人物;
采用人脸识别法,将终端内的图片库中包含所述目标人物的图片作为待处理图片;
相应的,将所述待处理图片输入图片排序模型,以标记所述待处理图片的表情序号,包括:
将所述待处理图片输入图片排序模型,以根据所述目标人物标记所述待处理图片的表情序号。
5.一种图片处理装置,其特征在于,包括:
图片获取模块,用于获取待处理图片;
序号标记模块,用于将所述待处理图片输入图片排序模型,以标记所述待处理图片的表情序号,其中,所述图片排序模型为根据图片样本集与表情的关联关系训练的模型;所述表情序号能够反映出所述待处理图片根据人脸图像的表情特征进行再次存储的排序情况;
图片整理模块,用于将属于同一表情序号的待处理图片存储至同一序号图片集;基于所述待处理图片的年份信息与人物的衣着特征,按照所述表情序号,依次在各个序号图片集中筛选出一个待处理图片,作为一个连续表情图片组;按照所述年份信息与衣着特征,将多个所述连续表情图片组重新存储至终端的图片库中。
6.一种终端,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1-4中任一所述的图片处理的方法。
7.一种存储介质,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1-4中任一所述的图片处理的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711394891.3A CN108009280B (zh) | 2017-12-21 | 2017-12-21 | 图片处理方法、装置、终端及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711394891.3A CN108009280B (zh) | 2017-12-21 | 2017-12-21 | 图片处理方法、装置、终端及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108009280A CN108009280A (zh) | 2018-05-08 |
CN108009280B true CN108009280B (zh) | 2021-01-01 |
Family
ID=62060395
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711394891.3A Active CN108009280B (zh) | 2017-12-21 | 2017-12-21 | 图片处理方法、装置、终端及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108009280B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110472488B (zh) * | 2019-07-03 | 2024-05-10 | 平安科技(深圳)有限公司 | 基于数据处理的图片显示方法、装置和计算机设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103620590A (zh) * | 2011-02-03 | 2014-03-05 | 脸谱公司 | 用于图像至文本以及文本至图像的关联的系统和方法 |
CN104408061A (zh) * | 2014-10-29 | 2015-03-11 | 深圳市中兴移动通信有限公司 | 相册管理方法和装置 |
CN105138963A (zh) * | 2015-07-31 | 2015-12-09 | 小米科技有限责任公司 | 图片场景判定方法、装置以及服务器 |
CN105630915A (zh) * | 2015-12-21 | 2016-06-01 | 山东大学 | 一种移动终端中图片分类存储的方法及装置 |
CN106777007A (zh) * | 2016-12-07 | 2017-05-31 | 北京奇虎科技有限公司 | 相册分类优化方法、装置及移动终端 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7181438B1 (en) * | 1999-07-21 | 2007-02-20 | Alberti Anemometer, Llc | Database access system |
CN104063683B (zh) * | 2014-06-06 | 2017-05-17 | 北京搜狗科技发展有限公司 | 一种基于人脸识别的表情输入方法和装置 |
US9183464B1 (en) * | 2014-07-24 | 2015-11-10 | National Taipei University Of Technology | Face annotation method and face annotation system |
WO2016061780A1 (en) * | 2014-10-23 | 2016-04-28 | Intel Corporation | Method and system of facial expression recognition using linear relationships within landmark subsets |
CN107229625A (zh) * | 2016-03-23 | 2017-10-03 | 北京搜狗科技发展有限公司 | 一种拍摄处理方法和装置、一种用于拍摄处理的装置 |
CN106250921A (zh) * | 2016-07-26 | 2016-12-21 | 北京小米移动软件有限公司 | 图片处理方法及装置 |
-
2017
- 2017-12-21 CN CN201711394891.3A patent/CN108009280B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103620590A (zh) * | 2011-02-03 | 2014-03-05 | 脸谱公司 | 用于图像至文本以及文本至图像的关联的系统和方法 |
CN104408061A (zh) * | 2014-10-29 | 2015-03-11 | 深圳市中兴移动通信有限公司 | 相册管理方法和装置 |
CN105138963A (zh) * | 2015-07-31 | 2015-12-09 | 小米科技有限责任公司 | 图片场景判定方法、装置以及服务器 |
CN105630915A (zh) * | 2015-12-21 | 2016-06-01 | 山东大学 | 一种移动终端中图片分类存储的方法及装置 |
CN106777007A (zh) * | 2016-12-07 | 2017-05-31 | 北京奇虎科技有限公司 | 相册分类优化方法、装置及移动终端 |
Also Published As
Publication number | Publication date |
---|---|
CN108009280A (zh) | 2018-05-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107977928B (zh) | 表情生成方法、装置、终端及存储介质 | |
CN110585726B (zh) | 用户召回方法、装置、服务器及计算机可读存储介质 | |
CN107622518B (zh) | 图片合成方法、装置、设备及存储介质 | |
US11393205B2 (en) | Method of pushing video editing materials and intelligent mobile terminal | |
CN110286976A (zh) | 界面显示方法、装置、终端及存储介质 | |
CN107729946B (zh) | 图片分类方法、装置、终端及存储介质 | |
CN110458360B (zh) | 热门资源的预测方法、装置、设备及存储介质 | |
CN109783798A (zh) | 文本信息添加图片的方法、装置、终端及存储介质 | |
CN109599079A (zh) | 一种音乐的生成方法和装置 | |
CN107832784A (zh) | 一种图像美化的方法和一种移动终端 | |
CN111009031B (zh) | 一种人脸模型生成的方法、模型生成的方法及装置 | |
CN109918669A (zh) | 实体确定方法、装置及存储介质 | |
CN108062404A (zh) | 人脸图像的处理方法、装置、可读存储介质及终端 | |
CN109086742A (zh) | 场景识别方法、场景识别装置及移动终端 | |
CN112990390A (zh) | 一种图像识别模型的训练方法、图像识别的方法及装置 | |
CN109508321A (zh) | 图像展示方法及相关产品 | |
CN108090126A (zh) | 图像处理方法、装置及移动终端、图像识别方法及服务器 | |
CN108876751A (zh) | 图像处理方法、装置、存储介质及终端 | |
CN110298212A (zh) | 模型训练方法、情绪识别方法、表情显示方法及相关设备 | |
CN110209810A (zh) | 相似文本识别方法以及装置 | |
CN108460817A (zh) | 一种拼图方法及移动终端 | |
CN109508399A (zh) | 一种表情图像处理方法、移动终端 | |
CN108781262A (zh) | 用于合成图像的方法和使用该方法的电子装置 | |
CN108228720A (zh) | 识别目标文字内容和原图相关性的方法、系统、装置、终端、及存储介质 | |
CN109815462A (zh) | 一种文本生成方法及终端设备 |
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 |
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. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |