CN108197220A - 照片分类方法、装置、存储介质及电子设备 - Google Patents
照片分类方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN108197220A CN108197220A CN201711464325.5A CN201711464325A CN108197220A CN 108197220 A CN108197220 A CN 108197220A CN 201711464325 A CN201711464325 A CN 201711464325A CN 108197220 A CN108197220 A CN 108197220A
- Authority
- CN
- China
- Prior art keywords
- photo
- performance
- facial expression
- duration
- user
- 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
- 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
-
- 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
- G06V40/174—Facial expression recognition
Abstract
本申请实施例提供一种照片分类方法、装置、存储介质及电子设备,所述照片分类方法包括:检测到用户访问照片时,判断用户是否为首次访问所述照片;若用户为首次访问所述照片,则获取用户的面部表情以及所述面部表情的持续时长;根据所述面部表情以及所述持续时长计算所述照片的质量指数;根据所述质量指数对所述照片进行分类。所述照片分类方法中,电子设备可以根据用户的面部表情以及所述面部表情的持续时长来计算照片的质量指数,并根据质量指数对照片进行分类,从而可以智能化地根据照片质量的好坏对照片进行分类,可以提高电子设备的便利性。
Description
技术领域
本申请涉及电子设备技术领域,特别涉及一种照片分类方法、装置、存储介质及电子设备。
背景技术
随着电子技术的发展,诸如智能手机等电子设备的存储容量越来越大。电子设备上可存储的资料,例如照片,也越来越多。
当前,电子设备可以对存储的大量照片按照拍摄的先后顺序排序。用户在查找照片时,往往需要花费大量的时间才能找到想要的照片。
发明内容
本申请实施例提供一种照片分类方法、装置、存储介质及电子设备,可以提高电子设备的便利性。
本申请实施例提供一种照片分类方法,包括:
检测到用户访问照片时,判断用户是否为首次访问所述照片;
若用户为首次访问所述照片,则获取用户的面部表情以及所述面部表情的持续时长;
根据所述面部表情以及所述持续时长计算所述照片的质量指数,所述质量指数用于表示所述照片的质量;
根据所述质量指数对所述照片进行分类。
本申请实施例还提供一种照片分类装置,包括:
检测模块,用于在检测到用户访问照片时,判断用户是否为首次访问所述照片;
第一获取模块,用于当用户为首次访问所述照片时,获取用户的面部表情以及所述面部表情的持续时长;
计算模块,用于根据所述面部表情以及所述持续时长计算所述照片的质量指数,所述质量指数用于表示所述照片的质量;
分类模块,用于根据所述质量指数对所述照片进行分类。
本申请实施例还提供一种存储介质,所述存储介质中存储有计算机程序,当所述计算机程序在计算机上运行时,使得所述计算机执行上述照片分类方法。
本申请实施例还提供一种电子设备,包括处理器和存储器,所述存储器中存储有计算机程序,所述处理器通过调用所述存储器中存储的所述计算机程序,用于执行上述照片分类方法。
本申请实施例提供的照片分类方法,包括:检测到用户访问照片时,判断用户是否为首次访问所述照片;若用户为首次访问所述照片,则获取用户的面部表情以及所述面部表情的持续时长;根据所述面部表情以及所述持续时长计算所述照片的质量指数;根据所述质量指数对所述照片进行分类。所述照片分类方法中,电子设备可以根据用户的面部表情以及所述面部表情的持续时长来计算照片的质量指数,并根据质量指数对照片进行分类,从而可以智能化地根据照片质量的好坏对照片进行分类,可以提高电子设备的便利性。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍。显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为电子设备根据拍摄时间对照片进行排序的示意图。
图2为本申请实施例提供的照片分类方法的流程示意图。
图3为本申请实施例提供的照片分类方法的另一流程示意图
图4为本申请实施例提供的照片分类方法的又一流程示意图。
图5为本申请实施例提供的照片分类方法的再一流程示意图。
图6为本申请实施例提供的照片分类方法的应用场景示意图。
图7为本申请实施例提供的照片分类装置的结构示意图。
图8为本申请实施例提供的照片分类装置的另一结构示意图。
图9为本申请实施例提供的照片分类装置的又一结构示意图。
图10为本申请实施例提供的照片分类装置的再一结构示意图。
图11为本申请实施例提供的电子设备的结构示意图。
图12为本申请实施例提供的电子设备的另一结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域技术人员在没有付出创造性劳动前提下所获得的所有其他实施例,都属于本申请的保护范围。
本申请的说明书和权利要求书以及上述附图中的术语“第一”、“第二”、“第三”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应当理解,这样描述的对象在适当情况下可以互换。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含。例如,包含了一系列步骤的过程、方法或包含了一系列模块或单元的装置、电子设备、系统不必限于清楚地列出的那些步骤或模块或单元,还可以包括没有清楚地列出的步骤或模块或单元,也可以包括对于这些过程、方法、装置、电子设备或系统固有的其它步骤或模块或单元。
参考图1,图1为电子设备根据拍摄时间对照片进行排序的示意图。其中,电子设备中存储有多张照片。每张照片都可以携带有拍摄时间等信息。电子设备可以根据所述多张照片的拍摄时间先后顺序对所述多张照片进行排序。例如,可以按照拍摄时间由前往后排序。则用户可以根据照片的拍摄时间来查找照片。
本申请实施例提供一种照片分类方法,所述照片分类方法可以应用于电子设备中。所述电子设备可以是智能手机、平板电脑等设备。如图2所示,所述照片分类方法,可以包括以下步骤:
S110,检测到用户访问照片时,判断用户是否为首次访问所述照片。
电子设备上可以存储有多张照片。所述多张照片可以包括用户通过所述电子设备拍摄的照片,也可以包括用户通过网络下载的照片或者其他用户发送的照片。电子设备可以实时监测用户对所存储的照片的访问情况,例如电子设备可以实时监测用户对所存储的每张照片的访问次数。其中,用户访问照片包括用户查看照片和编辑照片等操作。
当检测到用户访问照片的操作时,电子设备可以获取所述照片被访问的次数,以判断用户是否为首次访问所述照片。若所述照片被访问的次数为1次,则可以判断用户为首次访问所述照片。若所述照片被访问的次数大于1次,则可以判断用户不是首次访问所述照片。
S120,若用户为首次访问所述照片,则获取用户的面部表情以及所述面部表情的持续时长。
电子设备上可以设置有摄像头。例如,电子设备可以设置有前置摄像头。当电子设备判断出用户首次访问所述照片时,电子设备通过所述摄像头获取用户的面部表情以及所述面部表情的持续时长。
其中,所述面部表情的持续时长为用户的面部表情未发生改变的持续时长,也即用户表情持续不变的时长。电子设备可以持续获取用户的面部表情,并对获取到的面部表情进行识别,从而可以确定出用户的面部表情的持续时长。
S130,根据所述面部表情以及所述持续时长计算所述照片的质量指数,所述质量指数用于表示所述照片的质量。
电子设备获取到用户的面部表情以及所述面部表情的持续时长后,即可根据所述面部表情以及所述持续时长计算所述照片的质量指数。所述质量指数用于表示所述照片的质量,也即对用户而言所述照片的好坏。其中,质量指数越大,表示照片的质量越好;质量指数越小,表示照片的质量越差。
可以理解的,当用户首次查看某张照片时,例如用户拍摄一张新的照片并首次进行查看时,在面对不同质量的照片时用户的反应是不同的。
例如,当拍摄出的照片很惊艳时,用户的表情可以为惊喜,用户的表情还可能持续一段较长的时长,例如1s(秒),也即1000ms(毫秒)。而当拍摄出的照片难以让人满意时,用户的表情可以为失望,或者一闪而逝的沮丧,此时用户表情的持续时间很短,例如100ms。
因此,用户首次查看照片时的反应,也即用户的表情和用户表情的持续时长可以反应出照片质量的好坏。
S140,根据所述质量指数对所述照片进行分类。
电子设备计算出照片的质量指数后,即可根据所述质量指数对所述照片进行分类,并将所述照片存储到分类对应的目录。随后,用户想要查找某张照片时,即可根据照片的质量来进行查找,从而可以节省用户查找照片的时间。
可以理解的,通常用户会经常访问高质量的照片,而访问低质量照片的次数相对较少。从而,用户需要查找的大部分照片都可以在高质量照片分类中找到。
例如,电子设备可以预先对照片设置“良好”、“普通”等两个分类。电子设备计算出所述照片的质量指数后,根据所述质量指数将所述照片划分到“良好”或“普通”对应的目录。
再例如,如图6所示,电子设备可以预先对照片设置多个等级。例如,可以对照片预先设置“第一等级照片”、“第二等级照片”、直至“第n等级照片”等多个等级。电子设备计算出所述照片的质量指数后,根据所述质量指数将所述照片划分到对应的等级,并存储到与划分的等级对应的目录。
在一些实施例中,如图3所示,步骤S130、根据所述面部表情以及所述持续时长计算所述照片的质量指数,包括以下步骤:
S131,根据所述面部表情获取所述面部表情对应的第一权重值;
S132,根据所述持续时长获取所述持续时长对应的第二权重值;
S133,根据所述面部表情、第一权重值、持续时长以及第二权重值计算所述照片的质量指数。
其中,电子设备中可以预先对用户的面部表情设置第一权重值,对用户的面部表情的持续时长设置第二权重值。所述第一权重值、第二权重值用于共同形容用户的表情。在一些实施例中,所述第一权重值与所述第二权重值之和为1。
在一些实施例中,对于用户不同的面部表情,所述第一权重值与所述第二权重值的占比可以是不同的。例如,对于面部表情为惊喜,所述第一权重值可以为0.6,所述第二权重值可以为0.4;对于面部表情为失望,所述第一权重值可以为0.5,所述第二权重值可以为0.5,等等。
电子设备获取到用户的面部表情以及所述面部表情的持续时长后,可以根据所述面部表情获取所述面部表情对应的第一权重值,并根据所述持续时长获取所述持续时长对应的第二权重值。随后,电子设备可以根据所述面部表情、第一权重值、持续时长以及第二权重值计算所述照片的质量指数。
在一些实施例中,根据所述面部表情、第一权重值、持续时长以及第二权重值计算所述照片的质量指数时,电子设备根据以下公式进行计算:
W=A×x+B×y
其中,W为所述质量指数,A为所述面部表情对应的表情值,x为所述第一权重值,B为所述持续时长,y为所述第二权重值。
电子设备中可以预先对用户的每一个面部表情设置一个对应的表情值,也即通过数值对用户的面部表情进行量化。例如,惊喜的面部表情对应的表情值可以为200,失望的面部表情对应的表情值可以为80,等等。此外,由于面部表情的持续时长通常比较短,因此可以通过毫秒计量所述持续时长B。
在一些实施例中,如图3所示,步骤S140、根据所述质量指数对所述照片进行分类,包括以下步骤:
S141,确定所述质量指数所处的质量指数区间;
S142,根据所述质量指数区间对所述照片进行分类。
其中,电子设备中可以针对照片的质量指数预先设置多个质量指数区间。例如,可以针对照片的质量指数预先设置(0,100]、(100,200]、(200,300]、(300,400]等多个质量指数区间。
电子设备计算得到所述照片的质量指数后,将所述质量指数与所述多个指数区间逐一进行匹配,以确定所述质量指数所处的质量指数区间。随后,根据确定出的所述质量指数区间对所述照片进行分类。
例如,质量指数区间(0,100]、(100,200]、(200,300]、(300,400]对应的照片分类分别为“较差”、“普通”、“良好”、“优秀”。当电子设备计算得到所述照片的质量指数为320时,则所述质量指数所处的质量指数区间为(300,400],随后电子设备将所述照片分类到“优秀”目录。
在一些实施例中,如图4所示,步骤S140、根据所述质量指数对所述照片进行分类之后,还包括以下步骤:
S150,判断已分类的照片中是否存在与所述照片相同的第一照片;
S160,若存在所述第一照片,则获取所述第一照片对应的第一质量指数;
S170,根据所述第一质量指数以及所述质量指数对所述第一照片或所述照片进行处理。
其中,电子设备对所述照片进行分类后,可以分别对所述照片以及电子设备上已分类的所有照片逐一进行识别,以判断已分类的照片中是否存在与所述照片相同的第一照片。
具体地,电子设备可以对所述照片以及已分类的照片逐一进行识别,并根据识别结果将已分类的照片逐一与所述照片进行比较,得到已分类的照片与所述照片的相似度。
若已分类的某张照片与所述照片的相似度达到预设值,例如相似度达到95%时,即判断为该张照片与所述照片为相同的照片,也即已分类的照片中存在与所述照片相同的第一照片,该张照片即为第一照片。若已分类的照片中没有照片与所述照片的相似度达到预设值,则判断为已分类的照片中不存在与所述照片相同的第一照片。
若已分类的照片中存在所述第一照片,则电子设备获取所述第一照片对应的第一质量指数。所述第一质量指数为所述第一照片对应的质量指数。若已分类的照片中不存在所述第一照片,则电子设备可以终止流程。
随后,电子设备可以根据所述第一质量指数以及所述质量指数对所述第一照片或所述照片进行处理。
在一些实施例中,如图5所示,步骤S170、根据所述第一质量指数以及所述质量指数对所述第一照片或所述照片进行处理,包括以下步骤:
S171,比较所述第一质量指数与所述质量指数的大小关系,以得到比较结果;
S172,当所述比较结果为所述第一质量指数小于所述质量指数时,删除所述第一照片;当所述比较结果为所述第一质量指数大于所述质量指数时,删除所述照片。
其中,电子设备获取到所述第一照片对应的第一质量指数后,可以比较所述第一质量指数与所述质量指数的大小关系,以得到比较结果。
当所述比较结果为所述第一质量指数小于所述质量指数时,表示所述第一照片的质量比所述照片的质量差,此时电子设备可以删除所述第一照片而只保留所述照片,从而可以节省电子设备上的存储空间。
当所述比较结果为所述第一质量指数大于所述质量指数时,表示所述第一照片的质量比所述照片的质量好,此时电子设备可以删除所述照片而只保留所述第一照片。
当所述比较结果为所述第一质量指数与所述质量指数的大小相等时,表示所述第一照片的质量与所述照片的质量相同,此时电子设备可以删除所述第一照片或删除所述照片,只保留两张照片中的一张即可。
具体实施时,本申请不受所描述的各个步骤的执行顺序的限制,在不产生冲突的情况下,某些步骤还可以采用其它顺序进行或者同时进行。
由上可知,本申请实施例提供的照片分类方法,包括:检测到用户访问照片时,判断用户是否为首次访问所述照片;若用户为首次访问所述照片,则获取用户的面部表情以及所述面部表情的持续时长;根据所述面部表情以及所述持续时长计算所述照片的质量指数;根据所述质量指数对所述照片进行分类。所述照片分类方法中,电子设备可以根据用户的面部表情以及所述面部表情的持续时长来计算照片的质量指数,并根据质量指数对照片进行分类,从而可以智能化地根据照片质量的好坏对照片进行分类,可以提高电子设备的便利性。
本申请实施例还提供一种照片分类装置,所述照片分类装置可以集成在电子设备中,所述电子设备可以是智能手机、平板电脑等设备。
如图7所示,照片分类装置200可以包括:检测模块201、第一获取模块202、计算模块203以及分类模块204。
检测模块201,用于在检测到用户访问照片时,判断用户是否为首次访问所述照片。
电子设备上可以存储有多张照片。所述多张照片可以包括用户通过所述电子设备拍摄的照片,也可以包括用户通过网络下载的照片或者其他用户发送的照片。电子设备可以实时监测用户对所存储的照片的访问情况,例如电子设备可以实时监测用户对所存储的每张照片的访问次数。其中,用户访问照片包括用户查看照片和编辑照片等操作。
当检测模块201检测到用户访问照片的操作时,可以获取所述照片被访问的次数,以判断用户是否为首次访问所述照片。若所述照片被访问的次数为1次,则可以判断用户为首次访问所述照片。若所述照片被访问的次数大于1次,则可以判断用户不是首次访问所述照片。
第一获取模块202,用于当用户为首次访问所述照片时,获取用户的面部表情以及所述面部表情的持续时长。
电子设备上可以设置有摄像头。例如,电子设备可以设置有前置摄像头。当检测模块201判断出用户首次访问所述照片时,第一获取模块202通过所述摄像头获取用户的面部表情以及所述面部表情的持续时长。
其中,所述面部表情的持续时长为用户的面部表情未发生改变的持续时长,也即用户表情持续不变的时长。第一获取模块202可以持续获取用户的面部表情,并对获取到的面部表情进行识别,从而可以确定出用户的面部表情的持续时长。
计算模块203,用于根据所述面部表情以及所述持续时长计算所述照片的质量指数,所述质量指数用于表示所述照片的质量。
第一获取模块202获取到用户的面部表情以及所述面部表情的持续时长后,计算模块203即可根据所述面部表情以及所述持续时长计算所述照片的质量指数。所述质量指数用于表示所述照片的质量,也即对用户而言所述照片的好坏。其中,质量指数越大,表示照片的质量越好;质量指数越小,表示照片的质量越差。
可以理解的,当用户首次查看某张照片时,例如用户拍摄一张新的照片并首次进行查看时,在面对不同质量的照片时用户的反应是不同的。
例如,当拍摄出的照片很惊艳时,用户的表情可以为惊喜,用户的表情还可能持续一段较长的时长,例如1s(秒),也即1000ms(毫秒)。而当拍摄出的照片难以让人满意时,用户的表情可以为失望,或者一闪而逝的沮丧,此时用户表情的持续时间很短,例如100ms。
因此,用户首次查看照片时的反应,也即用户的表情和用户表情的持续时长可以反应出照片质量的好坏。
分类模块204,用于根据所述质量指数对所述照片进行分类。
计算模块203计算出照片的质量指数后,分类模块204即可根据所述质量指数对所述照片进行分类,并将所述照片存储到分类对应的目录。随后,用户想要查找某张照片时,即可根据照片的质量来进行查找,从而可以节省用户查找照片的时间。
可以理解的,通常用户会经常访问高质量的照片,而访问低质量照片的次数相对较少。从而,用户需要查找的大部分照片都可以在高质量照片分类中找到。
例如,电子设备可以预先对照片设置“良好”、“普通”等两个分类。电子设备计算出所述照片的质量指数后,根据所述质量指数将所述照片划分到“良好”或“普通”对应的目录。
在一些实施例中,如图8所示,所述计算模块203包括:获取子模块2031、计算子模块2032。
获取子模块2031,用于根据所述面部表情获取所述面部表情对应的第一权重值;
所述获取子模块2031,还用于根据所述持续时长获取所述持续时长对应的第二权重值;
计算子模块2032,用于根据所述面部表情、第一权重值、持续时长以及第二权重值计算所述照片的质量指数。
其中,电子设备中可以预先对用户的面部表情设置第一权重值,对用户的面部表情的持续时长设置第二权重值。所述第一权重值、第二权重值用于共同形容用户的表情。在一些实施例中,所述第一权重值与所述第二权重值之和为1。
在一些实施例中,对于用户不同的面部表情,所述第一权重值与所述第二权重值的占比可以是不同的。例如,对于面部表情为惊喜,所述第一权重值可以为0.6,所述第二权重值可以为0.4;对于面部表情为失望,所述第一权重值可以为0.5,所述第二权重值可以为0.5,等等。
第一获取模块202获取到用户的面部表情以及所述面部表情的持续时长后,获取子模块2031可以根据所述面部表情获取所述面部表情对应的第一权重值,并根据所述持续时长获取所述持续时长对应的第二权重值。随后,计算子模块2032可以根据所述面部表情、第一权重值、持续时长以及第二权重值计算所述照片的质量指数。
在一些实施例中,计算子模块2032根据以下公式计算所述照片的质量指数:
W=A×x+B×y
其中,W为所述质量指数,A为所述面部表情对应的表情值,x为所述第一权重值,B为所述持续时长,y为所述第二权重值。
电子设备中可以预先对用户的每一个面部表情设置一个对应的表情值,也即通过数值对用户的面部表情进行量化。例如,惊喜的面部表情对应的表情值可以为200,失望的面部表情对应的表情值可以为80,等等。此外,由于面部表情的持续时长通常比较短,因此可以通过毫秒计量所述持续时长B。
在一些实施例中,如图9所示,分类模块204包括:确定子模块2041、分类子模块2042。
确定子模块2041,用于确定所述质量指数所处的质量指数区间;
分类子模块2042,用于根据所述质量指数区间对所述照片进行分类。
其中,电子设备中可以针对照片的质量指数预先设置多个质量指数区间。例如,可以针对照片的质量指数预先设置(0,100]、(100,200]、(200,300]、(300,400]等多个质量指数区间。
计算模块203计算得到所述照片的质量指数后,确定子模块2041将所述质量指数与所述多个指数区间逐一进行匹配,以确定所述质量指数所处的质量指数区间。随后,分类子模块2042根据确定出的所述质量指数区间对所述照片进行分类。
例如,质量指数区间(0,100]、(100,200]、(200,300]、(300,400]对应的照片分类分别为“较差”、“普通”、“良好”、“优秀”。当计算模块203计算得到所述照片的质量指数为320时,则所述质量指数所处的质量指数区间为(300,400],随后分类子模块2042将所述照片分类到“优秀”目录。
在一些实施例中,如图10所示,照片分类装置200还包括:判断模块205、第二获取模块206、处理模块207。
判断模块205,用于判断已分类的照片中是否存在与所述照片相同的第一照片;
第二获取模块206,用于当存在所述第一照片时,获取所述第一照片对应的第一质量指数;
处理模块207,用于根据所述第一质量指数以及所述质量指数对所述第一照片或所述照片进行处理。
其中,分类模块204对所述照片进行分类后,判断模块205可以分别对所述照片以及电子设备上已分类的所有照片逐一进行识别,以判断已分类的照片中是否存在与所述照片相同的第一照片。
具体地,判断模块205可以对所述照片以及已分类的照片逐一进行识别,并根据识别结果将已分类的照片逐一与所述照片进行比较,得到已分类的照片与所述照片的相似度。
若已分类的某张照片与所述照片的相似度达到预设值,例如相似度达到95%时,即判断为该张照片与所述照片为相同的照片,也即已分类的照片中存在与所述照片相同的第一照片,该张照片即为第一照片。若已分类的照片中没有照片与所述照片的相似度达到预设值,则判断为已分类的照片中不存在与所述照片相同的第一照片。
若已分类的照片中存在所述第一照片,则第二获取模块206获取所述第一照片对应的第一质量指数。所述第一质量指数为所述第一照片对应的质量指数。若已分类的照片中不存在所述第一照片,可以终止流程。
随后,处理模块207可以根据所述第一质量指数以及所述质量指数对所述第一照片或所述照片进行处理。
在一些实施例中,所述处理模块207用于执行以下步骤:
比较所述第一质量指数与所述质量指数的大小关系,以得到比较结果;
当所述比较结果为所述第一质量指数小于所述质量指数时,删除所述第一照片;当所述比较结果为所述第一质量指数大于所述质量指数时,删除所述照片。
其中,第二获取模块206获取到所述第一照片对应的第一质量指数后,处理模块207可以比较所述第一质量指数与所述质量指数的大小关系,以得到比较结果。
当所述比较结果为所述第一质量指数小于所述质量指数时,表示所述第一照片的质量比所述照片的质量差,此时处理模块207可以删除所述第一照片而只保留所述照片,从而可以节省电子设备上的存储空间。
当所述比较结果为所述第一质量指数大于所述质量指数时,表示所述第一照片的质量比所述照片的质量好,此时处理模块207可以删除所述照片而只保留所述第一照片。
当所述比较结果为所述第一质量指数与所述质量指数的大小相等时,表示所述第一照片的质量与所述照片的质量相同,此时处理模块207可以删除所述第一照片或删除所述照片,只保留两张照片中的一张即可。
具体实施时,以上各个模块可以作为独立的实体来实现,也可以进行任意组合,作为同一或若干个实体来实现。
由上可知,本申请实施例提供的照片分类装置200,通过检测模块201在检测到用户访问照片时,判断用户是否为首次访问所述照片;第一获取模块202在用户为首次访问所述照片时,获取用户的面部表情以及所述面部表情的持续时长;计算模块203根据所述面部表情以及所述持续时长计算所述照片的质量指数;分类模块204根据所述质量指数对所述照片进行分类。所述照片分类装置200可以根据用户的面部表情以及所述面部表情的持续时长来计算照片的质量指数,并根据质量指数对照片进行分类,从而可以智能化地根据照片质量的好坏对照片进行分类,可以提高电子设备的便利性。
本申请实施例还提供一种电子设备。所述电子设备可以是智能手机、平板电脑等设备。如图11所示,电子设备300包括处理器301和存储器302。其中,处理器301与存储器302电性连接。
处理器301是电子设备300的控制中心,利用各种接口和线路连接整个电子设备的各个部分,通过运行或调用存储在存储器302内的计算机程序,以及调用存储在存储器302内的数据,执行电子设备的各种功能和处理数据,从而对电子设备进行整体监控。
在本实施例中,电子设备300中的处理器301会按照如下的步骤,将一个或一个以上的计算机程序的进程对应的指令加载到存储器302中,并由处理器301来运行存储在存储器302中的计算机程序,从而实现各种功能:
检测到用户访问照片时,判断用户是否为首次访问所述照片;
若用户为首次访问所述照片,则获取用户的面部表情以及所述面部表情的持续时长;
根据所述面部表情以及所述持续时长计算所述照片的质量指数,所述质量指数用于表示所述照片的质量;
根据所述质量指数对所述照片进行分类。
在一些实施例中,根据所述面部表情以及所述持续时长计算所述照片的质量指数时,处理器301执行以下步骤:
根据所述面部表情获取所述面部表情对应的第一权重值;
根据所述持续时长获取所述持续时长对应的第二权重值;
根据所述面部表情、第一权重值、持续时长以及第二权重值计算所述照片的质量指数。
在一些实施例中,根据所述面部表情、第一权重值、持续时长以及第二权重值计算所述照片的质量指数时,处理器301根据以下公式进行计算:
W=A×x+B×y
其中,W为所述质量指数,A为所述面部表情对应的表情值,x为所述第一权重值,B为所述持续时长,y为所述第二权重值。
在一些实施例中,根据所述质量指数对所述照片进行分类时,处理器301执行以下步骤:
确定所述质量指数所处的质量指数区间;
根据所述质量指数区间对所述照片进行分类。
在一些实施例中,根据所述质量指数对所述照片进行分类后,处理器301还执行以下步骤:
判断已分类的照片中是否存在与所述照片相同的第一照片;
若存在所述第一照片,则获取所述第一照片对应的第一质量指数;
根据所述第一质量指数以及所述质量指数对所述第一照片或所述照片进行处理。
在一些实施例中,根据所述第一质量指数以及所述质量指数对所述第一照片或所述照片进行处理时,处理器301执行以下步骤:
比较所述第一质量指数与所述质量指数的大小关系,以得到比较结果;
当所述比较结果为所述第一质量指数小于所述质量指数时,删除所述第一照片;
当所述比较结果为所述第一质量指数大于所述质量指数时,删除所述照片。
存储器302可用于存储计算机程序和数据。存储器302存储的计算机程序中包含有可在处理器中执行的指令。计算机程序可以组成各种功能模块。处理器301通过调用存储在存储器302的计算机程序,从而执行各种功能应用以及数据处理。
在一些实施例中,如图12所示,电子设备300还包括:射频电路303、显示屏304、控制电路305、输入单元306、音频电路307、传感器308以及电源309。其中,处理器301分别与射频电路303、显示屏304、控制电路305、输入单元306、音频电路307、传感器308以及电源309电性连接。
射频电路303用于收发射频信号,以通过无线通信与网络设备或其他电子设备进行通信。
显示屏304可用于显示由用户输入的信息或提供给用户的信息以及电子设备的各种图形用户接口,这些图形用户接口可以由图像、文本、图标、视频和其任意组合来构成。
控制电路305与显示屏304电性连接,用于控制显示屏304显示信息。
输入单元306可用于接收输入的数字、字符信息或用户特征信息(例如指纹),以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。其中,输入单元306可以包括指纹识别模组。
音频电路307可通过扬声器、传声器提供用户与电子设备之间的音频接口。
传感器308用于采集外部环境信息。传感器308可以包括环境亮度传感器、加速度传感器、陀螺仪等传感器中的一种或多种。
电源309用于给电子设备300的各个部件供电。在一些实施例中,电源309可以通过电源管理系统与处理器301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。
尽管图12中未示出,电子设备300还可以包括摄像头、蓝牙模块等,在此不再赘述。
由上可知,本申请实施例提供了一种电子设备,所述电子设备执行以下步骤:检测到用户访问照片时,判断用户是否为首次访问所述照片;若用户为首次访问所述照片,则获取用户的面部表情以及所述面部表情的持续时长;根据所述面部表情以及所述持续时长计算所述照片的质量指数;根据所述质量指数对所述照片进行分类。所述电子设备可以根据用户的面部表情以及所述面部表情的持续时长来计算照片的质量指数,并根据质量指数对照片进行分类,从而可以智能化地根据照片质量的好坏对照片进行分类,可以提高电子设备的便利性。
本申请实施例还提供一种存储介质,所述存储介质中存储有计算机程序,当所述计算机程序在计算机上运行时,所述计算机执行上述任一实施例所述的照片分类方法。
需要说明的是,本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过计算机程序来指令相关的硬件来完成,所述计算机程序可以存储于计算机可读存储介质中,所述存储介质可以包括但不限于:只读存储器(ROM,Read OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁盘或光盘等。
以上对本申请实施例所提供的照片分类方法、装置、存储介质及电子设备进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (12)
1.一种照片分类方法,其特征在于,包括:
检测到用户访问照片时,判断用户是否为首次访问所述照片;
若用户为首次访问所述照片,则获取用户的面部表情以及所述面部表情的持续时长;
根据所述面部表情以及所述持续时长计算所述照片的质量指数,所述质量指数用于表示所述照片的质量;
根据所述质量指数对所述照片进行分类。
2.根据权利要求1所述的照片分类方法,其特征在于,所述根据所述面部表情以及所述持续时长计算所述照片的质量指数的步骤包括:
根据所述面部表情获取所述面部表情对应的第一权重值;
根据所述持续时长获取所述持续时长对应的第二权重值;
根据所述面部表情、第一权重值、持续时长以及第二权重值计算所述照片的质量指数。
3.根据权利要求2所述的照片分类方法,其特征在于,根据所述面部表情、第一权重值、持续时长以及第二权重值计算所述照片的质量指数时,根据以下公式进行计算:
W=A×x+B×y
其中,W为所述质量指数,A为所述面部表情对应的表情值,x为所述第一权重值,B为所述持续时长,y为所述第二权重值。
4.根据权利要求1至3任一项所述的照片分类方法,其特征在于,所述根据所述质量指数对所述照片进行分类的步骤包括:
确定所述质量指数所处的质量指数区间;
根据所述质量指数区间对所述照片进行分类。
5.根据权利要求1至3任一项所述的照片分类方法,其特征在于,所述根据所述质量指数对所述照片进行分类的步骤后,还包括:
判断已分类的照片中是否存在与所述照片相同的第一照片;
若存在所述第一照片,则获取所述第一照片对应的第一质量指数;
根据所述第一质量指数以及所述质量指数对所述第一照片或所述照片进行处理。
6.根据权利要求5所述的照片分类方法,其特征在于,所述根据所述第一质量指数以及所述质量指数对所述第一照片或所述照片进行处理的步骤包括:
比较所述第一质量指数与所述质量指数的大小关系,以得到比较结果;
当所述比较结果为所述第一质量指数小于所述质量指数时,删除所述第一照片;
当所述比较结果为所述第一质量指数大于所述质量指数时,删除所述照片。
7.一种照片分类装置,其特征在于,包括:
检测模块,用于在检测到用户访问照片时,判断用户是否为首次访问所述照片;
第一获取模块,用于当用户为首次访问所述照片时,获取用户的面部表情以及所述面部表情的持续时长;
计算模块,用于根据所述面部表情以及所述持续时长计算所述照片的质量指数,所述质量指数用于表示所述照片的质量;
分类模块,用于根据所述质量指数对所述照片进行分类。
8.根据权利要求7所述的照片分类装置,其特征在于,所述计算模块包括:
获取子模块,用于根据所述面部表情获取所述面部表情对应的第一权重值;
所述获取子模块,还用于根据所述持续时长获取所述持续时长对应的第二权重值;
计算子模块,用于根据所述面部表情、第一权重值、持续时长以及第二权重值计算所述照片的质量指数。
9.根据权利要求8所述的照片分类装置,其特征在于,所述计算子模块根据以下公式计算所述照片的质量指数:
W=A×x+B×y
其中,W为所述质量指数,A为所述面部表情对应的表情值,x为所述第一权重值,B为所述持续时长,y为所述第二权重值。
10.根据权利要求7至9任一项所述的照片分类装置,其特征在于,所述分类模块包括:
确定子模块,用于确定所述质量指数所处的质量指数区间;
分类子模块,用于根据所述质量指数区间对所述照片进行分类。
11.一种存储介质,其特征在于,所述存储介质中存储有计算机程序,当所述计算机程序在计算机上运行时,使得所述计算机执行权利要求1至6任一项所述的照片分类方法。
12.一种电子设备,其特征在于,所述电子设备包括处理器和存储器,所述存储器中存储有计算机程序,所述处理器通过调用所述存储器中存储的所述计算机程序,用于执行权利要求1至6任一项所述的照片分类方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711464325.5A CN108197220A (zh) | 2017-12-28 | 2017-12-28 | 照片分类方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711464325.5A CN108197220A (zh) | 2017-12-28 | 2017-12-28 | 照片分类方法、装置、存储介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108197220A true CN108197220A (zh) | 2018-06-22 |
Family
ID=62585309
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711464325.5A Pending CN108197220A (zh) | 2017-12-28 | 2017-12-28 | 照片分类方法、装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108197220A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109522109A (zh) * | 2018-11-01 | 2019-03-26 | Oppo广东移动通信有限公司 | 应用运行的管控方法、装置、存储介质及电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1510903A (zh) * | 2002-11-25 | 2004-07-07 | ��˹���´﹫˾ | 成像方法与系统 |
US20080168070A1 (en) * | 2007-01-08 | 2008-07-10 | Naphade Milind R | Method and apparatus for classifying multimedia artifacts using ontology selection and semantic classification |
CN104573619A (zh) * | 2014-07-25 | 2015-04-29 | 北京智膜科技有限公司 | 基于人脸识别的智能广告大数据分析方法及系统 |
CN105025163A (zh) * | 2015-06-18 | 2015-11-04 | 惠州Tcl移动通信有限公司 | 自动分类存储并显示移动终端内容的实现方法及系统 |
-
2017
- 2017-12-28 CN CN201711464325.5A patent/CN108197220A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1510903A (zh) * | 2002-11-25 | 2004-07-07 | ��˹���´﹫˾ | 成像方法与系统 |
US20080168070A1 (en) * | 2007-01-08 | 2008-07-10 | Naphade Milind R | Method and apparatus for classifying multimedia artifacts using ontology selection and semantic classification |
CN104573619A (zh) * | 2014-07-25 | 2015-04-29 | 北京智膜科技有限公司 | 基于人脸识别的智能广告大数据分析方法及系统 |
CN105025163A (zh) * | 2015-06-18 | 2015-11-04 | 惠州Tcl移动通信有限公司 | 自动分类存储并显示移动终端内容的实现方法及系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109522109A (zh) * | 2018-11-01 | 2019-03-26 | Oppo广东移动通信有限公司 | 应用运行的管控方法、装置、存储介质及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108304441B (zh) | 网络资源推荐方法、装置、电子设备、服务器及存储介质 | |
CN111476306B (zh) | 基于人工智能的物体检测方法、装置、设备及存储介质 | |
CN110471858B (zh) | 应用程序测试方法、装置及存储介质 | |
CN109918669B (zh) | 实体确定方法、装置及存储介质 | |
CN109189879B (zh) | 电子书籍显示方法及装置 | |
CN111737573A (zh) | 资源推荐方法、装置、设备及存储介质 | |
CN111611490A (zh) | 资源搜索方法、装置、设备及存储介质 | |
CN111339737B (zh) | 实体链接方法、装置、设备及存储介质 | |
CN111930964B (zh) | 内容处理方法、装置、设备及存储介质 | |
CN107765853A (zh) | 应用关闭方法、装置、存储介质及电子设备 | |
CN111897996A (zh) | 话题标签推荐方法、装置、设备及存储介质 | |
CN112269853A (zh) | 检索处理方法、装置及存储介质 | |
CN114547428A (zh) | 推荐模型处理方法、装置、电子设备及存储介质 | |
CN110022397A (zh) | 图像处理方法、装置、存储介质及电子设备 | |
CN106777071B (zh) | 一种图像识别获取参考信息的方法和装置 | |
CN114117206B (zh) | 推荐模型处理方法、装置、电子设备及存储介质 | |
CN109189978B (zh) | 基于语音消息进行音频搜索的方法、装置及存储介质 | |
CN111800445A (zh) | 消息推送方法、装置、存储介质及电子设备 | |
CN108234758B (zh) | 应用的显示方法、装置、存储介质及电子设备 | |
CN111797148A (zh) | 数据处理方法、装置、存储介质及电子设备 | |
CN110728167A (zh) | 文本检测方法、装置及计算机可读存储介质 | |
CN108197220A (zh) | 照片分类方法、装置、存储介质及电子设备 | |
CN112001442B (zh) | 特征检测方法、装置、计算机设备及存储介质 | |
CN109635153B (zh) | 迁移路径生成方法、装置及存储介质 | |
CN111599417B (zh) | 溶解度预测模型的训练数据获取方法及装置 |
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: 523860 No. 18, Wu Sha Beach Road, Changan Town, Dongguan, Guangdong Applicant after: GUANGDONG OPPO MOBILE TELECOMMUNICATIONS Corp.,Ltd. Address before: 523860 No. 18, Wu Sha Beach Road, Changan Town, Dongguan, Guangdong Applicant before: GUANGDONG OPPO MOBILE TELECOMMUNICATIONS Corp.,Ltd. |
|
CB02 | Change of applicant information | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180622 |
|
RJ01 | Rejection of invention patent application after publication |