CN108595600B - 照片分类方法、移动终端及可读存储介质 - Google Patents
照片分类方法、移动终端及可读存储介质 Download PDFInfo
- Publication number
- CN108595600B CN108595600B CN201810356756.8A CN201810356756A CN108595600B CN 108595600 B CN108595600 B CN 108595600B CN 201810356756 A CN201810356756 A CN 201810356756A CN 108595600 B CN108595600 B CN 108595600B
- Authority
- CN
- China
- Prior art keywords
- photo
- classified
- classification
- photos
- feature points
- 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
- 238000000034 method Methods 0.000 title claims abstract description 53
- 230000002123 temporal effect Effects 0.000 claims 1
- 230000006870 function Effects 0.000 description 16
- 230000006854 communication Effects 0.000 description 12
- 238000004891 communication Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000010295 mobile communication Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 230000005236 sound signal Effects 0.000 description 2
- 235000018185 Betula X alpestris Nutrition 0.000 description 1
- 235000018212 Betula X uliginosa Nutrition 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000010897 surface acoustic wave method Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种照片分类方法，包括以下步骤：获取待执行的照片分类模式；当待执行的照片分类模式为单合照分类模式时，提取每一待分类照片的图像特征点，得到每一待分类照片的特征点描述算子，其中，所述特征点描述算子包含有特征点在照片中的位置信息；基于所述位置信息，对每一待分类照片的图像特征点进行集群聚类，得到每一待分类照片的图像特征点聚类数；基于所述聚类数，对每一待分类照片进行分类，其中，同一类照片具有相同的聚类数。本发明还公开了一种移动终端及计算机可读存储介质。本发明实现了照片的自动分类，并提供多种照片分类模式，提升用户使用体验。
Description
技术领域
本发明涉及照片应用管理技术领域，尤其涉及一种照片分类方法、移动终端及计算机可读存储介质。
背景技术
随着智能移动终端的软硬件性能的提升，越来越多的用户喜欢使用移动终端上自带的摄像头拍摄照片，比如自拍、拍摄风景等。
现有技术中，移动终端通常根据照片的生成时间进行分类，比如按照年月日进行分类，同一年月日的照片为同一分类，但此类照片的分类方式太多粗糙而不能满足用户的个性化需求，比如按照照片中人数进行分类。
现有技术中，用户若需进行个性化分类，则需要由用户自己手动操作，比如新建分类文件夹，然后再将相应照片移入对应分类文件夹中，比如将单人照放入一个文件夹中，将双人照放入另一个文件夹中，而当移动终端内存储的照片数量达到一定数量级时，比如成百上千张时，此时进行照片的手动分类将异常的困难。
发明内容
本发明的主要目的在于提供一种照片分类方法、移动终端及计算机可读存储介质，旨在解决现有技术中用户手动进行照片的个性化分类困难的技术问题。
为实现上述目的，本发明提供一种照片分类方法，所述照片分类方法包括以下步骤：
获取待执行的照片分类模式；
当待执行的照片分类模式为单合照分类模式时，提取每一待分类照片的图像特征点，得到每一待分类照片的特征点描述算子，其中，所述特征点描述算子包含有特征点在照片中的位置信息；
基于所述位置信息，对每一待分类照片的图像特征点进行集群聚类，得到每一待分类照片的图像特征点聚类数；
基于所述聚类数，对每一待分类照片进行分类，其中，同一类照片具有相同的聚类数。
优选地，所述照片分类模式还包括时间分类模式、地理位置分类模式、图像匹配分类模式。
优选地，所述照片分类方法还包括：
当待执行的照片分类模式为时间分类模式时，获取每一待分类照片的时间属性信息，并按所述时间属性信息，对每一待分类照片进行分类。
优选地，所述照片分类方法还包括：
当待执行的照片分类模式为地理位置分类模式时，获取每一待分类照片的地理位置属性信息，并按所述地理位置属性信息，对每一待分类照片进行分类。
优选地，所述照片分类方法还包括：
当待执行的照片分类模式为图像匹配分类模式时，提取每一待分类照片的图像特征点，得到每一待分类照片的特征点描述算子；
判断当前未分类的照片中是否存在未进行图像匹配的照片；
若是，则在当前未分类的照片中选择一张照片作为基准照片，并将该基准照片与剩余未分类的照片一一进行特征点描述算子匹配；
若匹配结果满足预置的匹配条件，则将当前进行匹配的照片划分到该基准照片所在类别。
优选地，采用SURF算法提取每一待分类照片的图像特征点；采用DBSCAN算法对每一待分类照片的图像特征点进行集群聚类。
优选地，所述照片分类模式还包括第一智能分类模式；
当待执行的照片分类模式为第一智能分类模式时，获取每一待分类照片的时间属性信息与地理位置属性信息；
按所述时间属性信息，对每一待分类照片进行分类，其中，同一类照片对应同一日期；
判断每一日期下的照片数量是否超过预设阈值；
若某一日期下的照片数量超过所述预设阈值，则将该日期下的所有照片按所述地理位置属性信息进行分类。
优选地，所述照片分类模式还包括第二智能分类模式；
当待执行的照片分类模式为第二智能分类模式时，提取每一待分类照片的图像特征点，得到每一待分类照片的特征点描述算子，其中，所述特征点描述算子包含有特征点在照片中的位置信息；
在当前未分类的照片中选择一张照片作为基准照片，并将该基准照片与剩余未分类的照片一一进行特征点描述算子匹配；
若匹配结果满足预置的匹配条件，则将当前进行匹配的照片划分到该基准照片所在类别；
基于所述位置信息，对基准照片所在类别中照片的图像特征点进行集群聚类，得到每一待分类照片的图像特征点聚类数；
基于所述聚类数，对基准照片所在类别中的照片进行分类，其中，同一类照片具有相同的聚类数。
进一步地，为实现上述目的，本发明还提供一种移动终端，所述移动终端包括存储器、处理器已经存储在所述存储器上并可在所述处理器上运行的照片分类程序，所述照片分类程序被所述处理器执行时实现如上述任一项所述的照片分类方法的步骤。
进一步地，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有照片分类程序，所述照片分类程序被处理器执行时实现如上述任一项所述的照片分类方法的步骤。
本发明支持多种照片分类模式，进而可满足用户对于照片的多种个性化分类要求。在进行照片分类时，先获取待执行的照片分类模式；若为单合照分类模式，则提取每一待分类照片的图像特征点而得到每一待分类照片的特征点描述算子；然后再基于特征点描述算子中包含的特征点在照片中的位置信息，对每一待分类照片的图像特征点进行集群聚类，从而得到每一待分类照片的图像特征点聚类数；最后再基于聚类数进行照片分类，从而实现单人照、双人照以及多人照的个性化分类方式，避免了手动分类图片的繁琐操作，同时也提升了图片分类效率。
附图说明
图1为实现本发明各个实施例一种终端的硬件结构示意图；
图2为本发明实施例提供的一种通信网络系统架构图；
图3为本发明照片分类方法第一实施例的流程示意图；
图4为本发明照片分类方法一实施例的待分类照片示意图；
图5为本发明照片分类方法一实施例的照片分类结果示意图；
图6为本发明照片分类方法第二实施例的流程示意图；
图7为本发明照片分类方法第三实施例的流程示意图；
图8为本发明照片分类方法第四实施例的流程示意图；
图9为本发明照片分类方法第五实施例的流程示意图；
图10为本发明照片分类方法第六实施例的流程示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明，其本身没有特定的意义。因此，“模块”、“部件”或“单元”可以混合地使用。
终端可以以各种形式来实施。例如，本发明中描述的终端可以包括诸如手机、平板电脑、笔记本电脑、掌上电脑、个人数字助理(Personal Digital Assistant，PDA)、便捷式媒体播放器(Portable Media Player，PMP)、导航装置、可穿戴设备、智能手环、计步器等移动终端，以及诸如数字TV、台式计算机等固定终端。
后续描述中将以移动终端为例进行说明，本领域技术人员将理解的是，除了特别用于移动目的的元件之外，根据本发明的实施方式的构造也能够应用于固定类型的终端。
请参阅图1，其为实现本发明各个实施例的一种移动终端的硬件结构示意图，该移动终端100可以包括：RF(Radio Frequency，射频)单元101、WiFi模块102、音频输出单元103、A/V(音频/视频)输入单元104、传感器105、显示单元106、用户输入单元107、接口单元108、存储器109、处理器110、以及电源111等部件。本领域技术人员可以理解，图1中示出的移动终端结构并不构成对移动终端的限定，移动终端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。
下面结合图1对移动终端的各个部件进行具体的介绍：
射频单元101可用于收发信息或通话过程中，信号的接收和发送，具体的，将基站的下行信息接收后，给处理器110处理；另外，将上行的数据发送给基站。通常，射频单元101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、双工器等。此外，射频单元101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(Global System of Mobile communication，全球移动通讯系统)、GPRS(General Packet Radio Service，通用分组无线服务)、CDMA2000(CodeDivision Multiple Access 2000，码分多址2000)、WCDMA(Wideband Code DivisionMultiple Access，宽带码分多址)、TD-SCDMA(Time Division-Synchronous CodeDivision Multiple Access，时分同步码分多址)、FDD-LTE(Frequency DivisionDuplexing-Long Term Evolution，频分双工长期演进)和TDD-LTE(Time DivisionDuplexing-Long Term Evolution，分时双工长期演进)等。
WiFi属于短距离无线传输技术，移动终端通过WiFi模块102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1示出了WiFi模块102，但是可以理解的是，其并不属于移动终端的必须构成，完全可以根据需要在不改变发明的本质的范围内而省略。
音频输出单元103可以在移动终端100处于呼叫信号接收模式、通话模式、记录模式、语音识别模式、广播接收模式等等模式下时，将射频单元101或WiFi模块102接收的或者在存储器109中存储的语音数据转换成音频信号并且输出为声音。而且，音频输出单元103还可以提供与移动终端100执行的特定功能相关的音频输出(例如，呼叫信号接收声音、消息接收声音等等)。音频输出单元103可以包括扬声器、蜂鸣器等等。
A/V输入单元104用于接收音频或视频信号。A/V输入单元104可以包括图形处理器(Graphics Processing Unit，GPU)1041和麦克风1042，图形处理器1041对在视频捕获模式或图像捕获模式中由图像捕获装置(如摄像头)获得的静态图片或视频的图像数据进行处理。处理后的图像帧可以显示在显示单元106上。经图形处理器1041处理后的图像帧可以存储在存储器109(或其它存储介质)中或者经由射频单元101或WiFi模块102进行发送。麦克风1042可以在电话通话模式、记录模式、语音识别模式等等运行模式中经由麦克风1042接收声音(语音数据)，并且能够将这样的声音处理为语音数据。处理后的音频(语音)数据可以在电话通话模式的情况下转换为可经由射频单元101发送到移动通信基站的格式输出。麦克风1042可以实施各种类型的噪声消除(或抑制)算法以消除(或抑制)在接收和发送音频信号的过程中产生的噪声或者干扰。
移动终端100还包括至少一种传感器105，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1061的亮度，接近传感器可在移动终端100移动到耳边时，关闭显示面板1061和/或背光。作为运动传感器的一种，加速计传感器可检测各个方向上(一般为三轴)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、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；至于手机还可配置的指纹传感器、压力传感器、虹膜传感器、分子传感器、陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。
显示单元106用于显示由用户输入的信息或提供给用户的信息。显示单元106可包括显示面板1061，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1061。
用户输入单元107可用于接收输入的数字或字符信息，以及产生与移动终端的用户设置以及功能控制有关的键信号输入。具体地，用户输入单元107可包括触控面板1071以及其他输入设备1072。触控面板1071，也称为触摸屏，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1071上或在触控面板1071附近的操作)，并根据预先设定的程式驱动相应的连接装置。触控面板1071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110，并能接收处理器110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1071。除了触控面板1071，用户输入单元107还可以包括其他输入设备1072。具体地，其他输入设备1072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)、轨迹球、鼠标、操作杆等中的一种或多种，具体此处不做限定。
进一步的，触控面板1071可覆盖显示面板1061，当触控面板1071检测到在其上或附近的触摸操作后，传送给处理器110以确定触摸事件的类型，随后处理器110根据触摸事件的类型在显示面板1061上提供相应的视觉输出。虽然在图1中，触控面板1071与显示面板1061是作为两个独立的部件来实现移动终端的输入和输出功能，但是在某些实施例中，可以将触控面板1071与显示面板1061集成而实现移动终端的输入和输出功能，具体此处不做限定。
接口单元108用作至少一个外部装置与移动终端100连接可以通过的接口。例如，外部装置可以包括有线或无线头戴式耳机端口、外部电源(或电池充电器)端口、有线或无线数据端口、存储卡端口、用于连接具有识别模块的装置的端口、音频输入/输出(I/O)端口、视频I/O端口、耳机端口等等。接口单元108可以用于接收来自外部装置的输入(例如，数据信息、电力等等)并且将接收到的输入传输到移动终端100内的一个或多个元件或者可以用于在移动终端100和外部装置之间传输数据。
存储器109可用于存储软件程序以及各种数据。存储器109可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如语音数据、电话本等)等。此外，存储器109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。
处理器110是移动终端的控制中心，利用各种接口和线路连接整个移动终端的各个部分，通过运行或执行存储在存储器109内的软件程序和/或模块，以及调用存储在存储器109内的数据，执行移动终端的各种功能和处理数据，从而对移动终端进行整体监控。处理器110可包括一个或多个处理单元；优选的，处理器110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110中。
此外，在图1所示的移动终端100中，处理器110用于调用存储器109中存储的照片分类程序，以执行以下操作：
获取待执行的照片分类模式；
当待执行的照片分类模式为单合照分类模式时，提取每一待分类照片的图像特征点，得到每一待分类照片的特征点描述算子，其中，所述特征点描述算子包含有特征点在照片中的位置信息；
基于所述位置信息，对每一待分类照片的图像特征点进行集群聚类，得到每一待分类照片的图像特征点聚类数；
基于所述聚类数，对每一待分类照片进行分类，其中，同一类照片具有相同的聚类数。
进一步地，所述照片分类模式还包括时间分类模式，处理器110用于调用存储器109中存储的照片分类程序还执行以下操作：
当待执行的照片分类模式为时间分类模式时，获取每一待分类照片的时间属性信息，并按所述时间属性信息，对每一待分类照片进行分类。
进一步地，所述照片分类模式还包括地理位置分类模式，处理器110用于调用存储器109中存储的照片分类程序还执行以下操作：
当待执行的照片分类模式为地理位置分类模式时，获取每一待分类照片的地理位置属性信息，并按所述地理位置属性信息，对每一待分类照片进行分类。
进一步地，所述照片分类模式还包括图像匹配分类模式，处理器110用于调用存储器109中存储的照片分类程序还执行以下操作：
当待执行的片分类模式为图像匹配分类模式时，提取每一待分类照片的图像特征点，得到每一待分类照片的特征点描述算子；
判断当前未分类的照片中是否存在未进行图像匹配的照片；
若是，则在当前未分类的照片中选择一张照片作为基准照片，并将该基准照片与剩余未分类的照片一一进行特征点描述算子匹配；
若匹配结果满足预置的匹配条件，则将当前进行匹配的照片划分到该基准照片所在类别。
进一步地，所述照片分类模式还包括第一智能分类模式，处理器110用于调用存储器109中存储的照片分类程序还执行以下操作：
当待执行的照片分类模式为第一智能分类模式时，获取每一待分类照片的时间属性信息与地理位置属性信息；
按所述时间属性信息，对每一待分类照片进行分类，其中，同一类照片对应同一日期；
判断每一日期下的照片数量是否超过预设阈值；
若某一日期下的照片数量超过所述预设阈值，则将该日期下的所有照片按所述地理位置属性信息进行分类。
进一步地，所述照片分类模式还包括第二智能分类模式，处理器110用于调用存储器109中存储的照片分类程序还执行以下操作：
当待执行的照片分类模式为第二智能分类模式时，提取每一待分类照片的图像特征点，得到每一待分类照片的特征点描述算子，其中，所述特征点描述算子包含有特征点在照片中的位置信息；
在当前未分类的照片中选择一张照片作为基准照片，并将该基准照片与剩余未分类的照片一一进行特征点描述算子匹配；
若匹配结果满足预置的匹配条件，则将当前进行匹配的照片划分到该基准照片所在类别；
基于所述位置信息，对基准照片所在类别中照片的图像特征点进行集群聚类，得到每一待分类照片的图像特征点聚类数；
基于所述聚类数，对基准照片所在类别中的照片进行分类，其中，同一类照片具有相同的聚类数。
此外，上述移动终端100还可以包括给各个部件供电的电源111(比如电池)，优选的，电源111可以通过电源管理系统与处理器110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1未示出，移动终端100还可以包括蓝牙模块等，在此不再赘述。
为了便于理解本发明实施例，下面对本发明的移动终端所基于的通信网络系统进行描述。
请参阅图2，图2为本发明实施例提供的一种通信网络系统架构图，该通信网络系统为通用移动通信技术的LTE系统，该LTE系统包括依次通讯连接的UE(User Equipment，用户设备)201，E-UTRAN(Evolved UMTS Terrestrial Radio Access Network，演进式UMTS陆地无线接入网)202，EPC(Evolved Packet Core，演进式分组核心网)203和运营商的IP业务204。
具体地，UE201可以是上述移动终端100，此处不再赘述。
E-UTRAN202包括eNodeB2021和其它eNodeB2022等。其中，eNodeB2021可以通过回程(backhaul)(例如X2接口)与其它eNodeB2022连接，eNodeB2021连接到EPC203，eNodeB2021可以提供UE201到EPC203的接入。
EPC203可以包括MME(Mobility Management Entity，移动性管理实体)2031，HSS(Home Subscriber Server，归属用户服务器)2032，其它MME2033，SGW(Serving Gate Way，服务网关)2034，PGW(PDN Gate Way，分组数据网络网关)2035和PCRF(Policy andCharging Rules Function，政策和资费功能实体)2036等。其中，MME2031是处理UE201和EPC203之间信令的控制节点，提供承载和连接管理。HSS2032用于提供一些寄存器来管理诸如归属位置寄存器(图中未示)之类的功能，并且保存有一些有关服务特征、数据速率等用户专用的信息。所有用户数据都可以通过SGW2034进行发送，PGW2035可以提供UE 201的IP地址分配以及其它功能，PCRF2036是业务数据流和IP承载资源的策略与计费控制策略决策点，它为策略与计费执行功能单元(图中未示)选择及提供可用的策略和计费控制决策。
IP业务204可以包括因特网、内联网、IMS(IP Multimedia Subsystem，IP多媒体子系统)或其它IP业务等。
虽然上述以LTE系统为例进行了介绍，但本领域技术人员应当知晓，本发明不仅仅适用于LTE系统，也可以适用于其他无线通信系统，例如GSM、CDMA2000、WCDMA、TD-SCDMA以及未来新的网络系统等，此处不做限定。
基于上述终端硬件结构以及通信网络系统，提出本发明照片分类方法的各个实施例。
参照图3，图3为本发明照片分类方法第一实施例的流程示意图。
本实施例中，所述照片分类方法包括以下步骤：
步骤S110，获取待执行的照片分类模式；
本实施例中，为满足用户对于照片分类的多种个性化需求，移动终端支持多种照片分类模式，通过设定的照片分类模式，用户只需确定对应的照片模式即可实现照片的个性化分类。
在实际操作过程中，用户只需在存储有照片的文件夹中选定对应的照片分类模式即可实现该文件夹内所有照片的自动分类，而该文件夹内所有照片即为本实施例中所述的待分类照片。例如，用户在移动终端保存图片的一级文件夹中进行照片分类，则该一级文件夹内的所有照片都为待分类照片。而若该一级文件夹内还存在多个二级文件夹且保存有照片，则若用户在任意二级文件夹中进行照片分类，则该二级文件夹内的所有照片都为待分类照片。
本实施例中，可在每一个保存照片的文件夹中设置照片分类模式选项，当用户手动触摸选中该照片分类模式选项时，移动终端将自动获取待执行的照片分类模式并执行，从而实现该照片分类模式下的照片自动分类处理。
步骤S120，当待执行的照片分类模式为单合照分类模式时，提取每一待分类照片的图像特征点，得到每一待分类照片的特征点描述算子，其中，特征点描述算子包含有特征点在照片中的位置信息；
本实施例具体以用户拍摄的风景照片、人物照片为对象进行照片分类的举例说明。当然本发明也同样适用于对动物、机器设备、建筑物等照片进行分类。
本实施例中，移动终端支持照片的单合照分类模式，在该模式下，可以将照片自动分类为单人照、双人照、多人照以及风景照，其中风景照具体指不属于单人照、双人照、多人照中任一类型的照片。
本实施例中，当执行单合照分类模式时，提取每一张待分类照片的图像特征点，其中图像特征点用于表征图像的特征，比如图片中每一个特征点的在图像中的坐标位置、特征点相邻像素区域的梯度方向、纹理特征等，上述特征点可通过特征点描述算子进行量化表示。
本实施例中对于提取图像特征点并生成特征点描述算子的算法不限，例如，SIFT算法和SURF算法等。
步骤S130，基于所述位置信息，对每一待分类照片的图像特征点进行集群聚类，得到每一待分类照片的图像特征点聚类数；
本实施例中，对于同一图像对象其图像特征点通常具备聚类特性，因而基于该特性可以对照片进行单人、双人、多人照以及风景照的区分。
本实施例中，通过图像特征点提取而获得同一图像上各特征点描述算子后，剔除该描述算子中的其他特征而仅保留位置特征，然后基于各图像特征点的位置，对各图像特征点进行集群聚类，进而可以得到每一待分类照片的图像特征点聚类数。
本实施例对于特征点集群聚类的方式不限，例如DBSCAN算法、K-Means算法、BIRCH算法等。
本实施例优选采用SURF算法提取每一待分类照片的图像特征点，而采用DBSCAN算法对每一待分类照片的图像特征点进行集群聚类。
步骤S140，基于所述聚类数，对每一待分类照片进行分类，其中，同一类照片具有相同的聚类数。
本实施例中，基于照片中拍摄对象(比如人物)数量的不同，而对应不同的聚类数。例如，聚类数为0，则说明照片中不存在可以聚类的区域，也即不存在突出的拍摄对象，也即该照片为风景照；而若聚类数不为0，则说明照片中存在可以聚类的区域，也即存在突出的拍摄对象。当聚类数为1时，说明当前照片中存在1个突出的拍摄对象，也即可划分为单人照，而当聚类数为2时，说明当前照片中存在2个突出的拍摄对象，也即可划分为双人照，当聚类数为N(大于2)时，说明当前照片中存在N个突出的拍摄对象，也即可划分为多人照。
如图4所示，图4所示文件夹中存储有A、B、C、D四张照片，A照片拍摄的是一个人，而B照片拍摄的是两个人，C照片拍摄的是一个人，D照片拍摄的是风景。图5是照片A、B、C、D执行单合照分类模式后，将照片分为单人照、双人照以及风景照三个分类。
本实施例支持多种照片分类模式，进而可满足用户对于照片的多种个性化分类要求。在进行照片分类时，先获取待执行的照片分类模式；若为单合照分类模式，则提取每一待分类照片的图像特征点而得到每一待分类照片的特征点描述算子；然后再基于特征点描述算子中包含的特征点在照片中的位置信息，对每一待分类照片的图像特征点进行集群聚类，从而得到每一待分类照片的图像特征点聚类数；最后再基于聚类数进行照片分类，从而实现单人照、双人照以及多人照的个性化分类方式，避免了手动分类图片的繁琐操作，同时也提升了图片分类效率。
参照图6，图6为本发明照片分类方法第二实施例的流程示意图。
基于上述第一实施例，本实施例中，所述照片分类方法包括以下步骤：
步骤S110，获取待执行的照片分类模式；
步骤S210，当待执行的照片分类模式为时间分类模式时，获取每一待分类照片的时间属性信息；
步骤S220，按所述时间属性信息，对每一待分类照片进行分类。
本实施例中，移动终端还支持时间分类模式，也即将照片按照照片创建时间进行分类。本实施例中的时间属性信息具体以年、月、日为单位进行分类，也即同一年或者同一月或者同一天内拍摄的照片划分为一类。
例如，移动终端中存储了A、B、C、D、E、F、G七张照片，其中，A、C、D三张照片拍摄于本年3月1日，而B、G两张照片拍摄于去年的3月1日，而E、F两张照片拍摄于本年的5月1日，则，若按年分类，A、C、D、E、F划分为一类，而E、F划分为另一类；若按月分类，则A、C、D三张照片划分为一类，B、G两张划分为另一类，而E、F两张照片又划分为单独的一类；而若按日划分，则A、C、D三张照片拍划分为一类，而B、G两张照片划分为另一类，而E、F两张照片又划分为另一类。
参照图7，图7为本发明照片分类方法第三实施例的流程示意图。
基于上述第一实施例，本实施例中，所述照片分类方法包括以下步骤：
步骤S110，获取待执行的照片分类模式；
步骤S310，当待执行的照片分类模式为地理位置分类模式时，获取每一待分类照片的地理位置属性信息；
步骤S320，按地理位置属性信息，对每一待分类照片进行分类。
本实施例中，移动终端还支持地理位置分类模式，也即将照片按照照片拍摄地点进行分类。该拍摄地点的地理位置信息具体通过移动终端内置GPS定位得到。
例如，移动终端中存储了A、B、C、D、E、F、G七张照片，其中，A、C、D三张照片拍摄于广东省深圳市南山区，而B、G两张照片拍摄于广东省深圳市宝安区，而E、F两张照片拍摄于广东省东莞市，则，若按省进行分类，A、B、C、D、E、F、G划分为一类，而若按市分类，则A、B、C、D、G划分为一类，而E、F两张照片又划分为单独的一类。
参照图8，图8为本发明照片分类方法第四实施例的流程示意图。
基于上述第一实施例，本实施例中，所述照片分类方法包括以下步骤：
步骤S110，获取待执行的照片分类模式；
步骤S410，当待执行的片分类模式为图像匹配分类模式时，提取每一待分类照片的图像特征点，得到每一待分类照片的特征点描述算子；
本实施例中，移动终端还支持图像匹配分类模式，也即按照照片中的目标图像进行分类，该目标图像可以是某一个人的头像、某一个物体的图像等。
本实施例中，当执行图像匹配分类模式时，提取每一张待分类照片的图像特征点，其中图像特征点用于表征图像的特征，比如图片中每一个特征点的在图像中的坐标位置、特征点相邻像素区域的梯度方向、纹理特征等，上述特征点可通过特征点描述算子进行量化表示。
本实施例中对于提取图像特征点并生成特征点描述算子的算法不限，例如，SIFT算法和SURF算法等。
步骤S420，判断当前未分类的照片中是否存在未进行图像匹配的照片；
步骤S430，若是，则在当前未分类的照片中选择一张照片作为基准照片，并将该基准照片与剩余未分类的照片一一进行特征点描述算子匹配；
当未分类的照片集合不为空时，在当前未分类的照片中选择一张照片作为基准照片，并将该基准照片与剩余未分类的照片一一进行特征点描述算子匹配；
在获得当前未分类的每一张照片的特征点描述算子后，在当前未分类的照片中选择一张照片作为基准照片，并将该基准照片的特征点描述算子依次与其他照片进行匹配，从而可根据匹配结果，确定进行匹配的照片之间是否存在相同或相似的图像。
步骤S440，若匹配结果满足预置的匹配条件，则将当前进行匹配的照片划分到该基准照片所在类别；
如果匹配结果满足预置的匹配条件，比如基准照片与当前比对照片二者的特征点描述算子之间的匹配误差值不超过预设的误差值，则认为该两张图像匹配，也即图像内容相同或相似。
步骤S450，若否，则退出。
例如，动终端中存储了A、B、C、D、E、F、G七张照片，首次以照片A为基准照片按照图像匹配分类模式进行照片分类，得到满足匹配条件的照片为E、F，则A、E、F为一类；第二次则以B为基准照片按照图像匹配分类模式进行照片分类，得到满足匹配条件的照片为C，则B、C为一类；第三次再以D为基准照片按照图像匹配分类模式进行照片分类，得到满足匹配条件的照片为G，则D、G为一类，最后剩余未匹配的照片集合为空，则结束。
本实施例可以按用户选定的照片作为基准进行照片的分类，例如，用户选择自己的单人照作为基准照片，采用图像匹配分类模式进行照片分类，则所有包含有用户自己头像的单人照或者合照的照片都划分到基准照片类别下。需要说明的是，上述步骤S420可以执行，也可以不执行。若执行步骤S420，则可实现对整个照片文件夹中的所有照片进行分类，而若不执行步骤S420，也即只执行一次照片分类，则可以实现对照片的查找，从而匹配出与基准照片的图像内容相同或相似的其他照片。
参照图9，图9为本发明照片分类方法第五实施例的流程示意图。
基于上述第一实施例，本实施例中，所述照片分类方法包括以下步骤：
步骤S110，获取待执行的照片分类模式；
步骤S510，当待执行的照片分类模式为第一智能分类模式时，获取每一待分类照片的时间属性信息与地理位置属性信息；
本实施例中，移动终端还支持第一智能分类模式，也即按照多个分类基准来进行照片的分类。比如基于时间与地理位置，对照片进行分类。
步骤S520，按所述时间属性信息，对每一待分类照片进行分类，其中，同一类照片对应同一日期；
步骤S530，判断每一日期下的照片数量是否超过预设阈值；
步骤S540，若某一日期下的照片数量超过预设阈值，则将该日期下的所有照片按地理位置属性信息进行分类；
步骤S540，若某一日期下的照片数量未超过预设阈值，则退出。
本实施例中，先按照照片的创建时间，对所有待分类的照片进行一次分类，其中，同一类照片对应同一个日期，比如同一天内的照片划分为一类。通过上述划分，进而可以得到多个不同日期下的照片分类。
通常用户一天拍摄的照片不会太多，此时由于照片数量较少，因而不需要做进一步的分类，而若用户同一天拍摄的照片非常多，比如旅游，用户可能在同一天去到多个不同的景点进行拍照，因而存在多种不同类别的照片。因此，本实施例中，在完成照片的日期分类后，再进一步对同一日期下存在大量照片的日期分类按照照片拍摄的地理位置再次进行分类。
本实施例的智能照片分类模式支持按时间与地理位置进行多级分类，进而可以满足用户的个性化需要，提升用户使用体验。
参照图10，图10为本发明照片分类方法第六实施例的流程示意图。
基于上述第一实施例，本实施例中，所述照片分类方法包括以下步骤：
步骤S110，获取待执行的照片分类模式；
步骤S610，当待执行的照片分类模式为第二智能分类模式时，提取每一待分类照片的图像特征点，得到每一待分类照片的特征点描述算子，其中，特征点描述算子包含有特征点在照片中的位置信息；
本实施例中，移动终端还支持第二智能分类模式，也即按照多个分类基准来进行照片的分类。比如基于图像特征与单合照类别，对照片进行分类。
步骤S620，在当前未分类的照片中选择一张照片作为基准照片，并将该基准照片与剩余未分类的照片一一进行特征点描述算子匹配；
步骤S630，若匹配结果满足预置的匹配条件，则将当前进行匹配的照片划分到该基准照片所在类别；
在获得当前未分类的每一张照片的特征点描述算子后，在当前未分类的照片中选择一张照片作为基准照片，并将该基准照片的特征点描述算子依次与其他照片进行匹配，从而可根据匹配结果，确定进行匹配的照片之间是否存在相同或相似的图像。
如果匹配结果满足预置的匹配条件，比如基准照片与当前比对照片二者的特征点描述算子之间的匹配误差值不超过预设的误差值，则认为该两张图像匹配，也即图像内容相同或相似，进而将当前进行匹配的照片划分到该基准照片所在类别。
步骤S640，基于所述位置信息，对基准照片所在类别中照片的图像特征点进行集群聚类，得到每一待分类照片的图像特征点聚类数；
步骤S650，基于聚类数，对基准照片所在类别中的照片进行分类，其中，同一类照片具有相同的聚类数。
本实施例中，通过图像特征点提取而获得同一图像上各特征点描述算子后，剔除该描述算子中的其他特征而仅保留位置特征，然后基于各图像特征点的位置，对各图像特征点进行集群聚类，进而可以得到每一待分类照片的图像特征点聚类数。
本实施例中，基于照片中拍摄对象(比如人物)数量的不同，而对应不同的聚类数。例如，聚类数为0，则说明照片中不存在可以聚类的区域，也即不存在突出的拍摄对象，也即该照片为风景照；而若聚类数不为0，则说明照片中存在可以聚类的区域，也即存在突出的拍摄对象。当聚类数为1时，说明当前照片中存在1个突出的拍摄对象，也即可划分为单人照，而当聚类数为2时，说明当前照片中存在2个突出的拍摄对象，也即可划分为双人照，当聚类数为N(大于2)时，说明当前照片中存在N个突出的拍摄对象，也即可划分为多人照。
本实施例可以按用户选定的照片作为基准进行照片的分类，例如，用户选择自己的单人照作为基准照片，采用图像匹配分类模式进行照片分类，则所有包含有用户自己头像的单人照或者合照的照片都划分到基准照片类别下；然后再进一步对包含有自己头像的照片类别再次进行单人照与合照的分类，比如自己的单人照为一类，包含自己头像的双人照为另一类，包含自己头像的多人集体合照又分为一类。
本实施例的智能照片分类模式支持按图像特征与单合照特征进行多级分类，进而可以满足用户的个性化需要，提升用户使用体验。
本发明还提供一种计算机可读存储介质。
本发明计算机可读存储介质上存储有照片分类程序，所述照片分类程序被处理器执行时实现如上述任一项实施例中的照片分类方法的步骤。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，这些均属于本发明的保护之内。
Claims (9)
1.一种照片分类方法，其特征在于，所述照片分类方法包括以下步骤：
获取待执行的照片分类模式；
当待执行的照片分类模式为单合照分类模式时，提取每一待分类照片的图像特征点，得到每一待分类照片的特征点描述算子，其中，所述特征点描述算子包含有特征点在照片中的位置信息；
基于所述位置信息，对每一待分类照片的图像特征点进行集群聚类，得到每一待分类照片的图像特征点聚类数；
基于所述聚类数，对每一待分类照片进行分类，其中，同一类照片具有相同的聚类数；
当待执行的照片分类模式为第二智能分类模式时，提取每一待分类照片的图像特征点，得到每一待分类照片的特征点描述算子，其中，所述特征点描述算子包含有特征点在照片中的位置信息；
在当前未分类的照片中选择一张照片作为基准照片，并将该基准照片与剩余未分类的照片一一进行特征点描述算子匹配；
若匹配结果满足预置的匹配条件，则将当前进行匹配的照片划分到该基准照片所在类别；
基于所述位置信息，对基准照片所在类别中照片的图像特征点进行集群聚类，得到每一待分类照片的图像特征点聚类数；
基于所述聚类数，对基准照片所在类别中的照片进行分类，其中，同一类照片具有相同的聚类数。
2.如权利要求1所述的照片分类方法，其特征在于，所述照片分类模式还包括时间分类模式、地理位置分类模式、图像匹配分类模式。
3.如权利要求2所述的照片分类方法，其特征在于，所述照片分类方法还包括：
当待执行的照片分类模式为时间分类模式时，获取每一待分类照片的时间属性信息，并按所述时间属性信息，对每一待分类照片进行分类。
4.如权利要求2所述的照片分类方法，其特征在于，所述照片分类方法还包括：
当待执行的照片分类模式为地理位置分类模式时，获取每一待分类照片的地理位置属性信息，并按所述地理位置属性信息，对每一待分类照片进行分类。
5.如权利要求2所述的照片分类方法，其特征在于，所述照片分类方法还包括：
当待执行的照片分类模式为图像匹配分类模式时，提取每一待分类照片的图像特征点，得到每一待分类照片的特征点描述算子；
判断当前未分类的照片中是否存在未进行图像匹配的照片；
若是，则在当前未分类的照片中选择一张照片作为基准照片，并将该基准照片与剩余未分类的照片一一进行特征点描述算子匹配；
若匹配结果满足预置的匹配条件，则将当前进行匹配的照片划分到该基准照片所在类别。
6.如权利要求2所述的照片分类方法，其特征在于，采用SURF算法提取每一待分类照片的图像特征点；采用DBSCAN算法对每一待分类照片的图像特征点进行集群聚类。
7.如权利要求1-6中任一项所述的照片分类方法，其特征在于，所述照片分类模式还包括第一智能分类模式；
当待执行的照片分类模式为第一智能分类模式时，获取每一待分类照片的时间属性信息与地理位置属性信息；
按所述时间属性信息，对每一待分类照片进行分类，其中，同一类照片对应同一日期；
判断每一日期下的照片数量是否超过预设阈值；
若某一日期下的照片数量超过所述预设阈值，则将该日期下的所有照片按所述地理位置属性信息进行分类。
8.一种移动终端，其特征在于，所述移动终端包括存储器、处理器已经存储在所述存储器上并可在所述处理器上运行的照片分类程序，所述照片分类程序被所述处理器执行时实现如权利要求1-7中任一项所述的照片分类方法的步骤。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有照片分类程序，所述照片分类程序被处理器执行时实现如权利要求1-7中任一项所述的照片分类方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810356756.8A CN108595600B (zh) | 2018-04-18 | 2018-04-18 | 照片分类方法、移动终端及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810356756.8A CN108595600B (zh) | 2018-04-18 | 2018-04-18 | 照片分类方法、移动终端及可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108595600A CN108595600A (zh) | 2018-09-28 |
| CN108595600B true CN108595600B (zh) | 2023-12-15 |
Family
ID=63613571
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810356756.8A Active CN108595600B (zh) | 2018-04-18 | 2018-04-18 | 照片分类方法、移动终端及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108595600B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110096605B (zh) * | 2019-04-26 | 2021-06-04 | 北京迈格威科技有限公司 | 图像处理方法及装置、电子设备、存储介质 |
| CN110287352A (zh) * | 2019-06-26 | 2019-09-27 | 维沃移动通信有限公司 | 图像显示方法及终端设备 |
| CN112287152B (zh) * | 2020-10-26 | 2021-08-27 | 山东晨熙智能科技有限公司 | 一种照片分类方法及系统 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101853253A (zh) * | 2009-03-30 | 2010-10-06 | 三星电子株式会社 | 在移动终端中管理多媒体内容的设备和方法 |
| CN101930609A (zh) * | 2010-08-24 | 2010-12-29 | 东软集团股份有限公司 | 接近的目标物检测方法及装置 |
| CN102033958A (zh) * | 2010-12-28 | 2011-04-27 | Tcl数码科技（深圳）有限责任公司 | 一种照片分类管理系统及方法 |
| CN102360450A (zh) * | 2011-09-26 | 2012-02-22 | 华中科技大学 | 基于团块的人数统计方法 |
| CN102880866A (zh) * | 2012-09-29 | 2013-01-16 | 宁波大学 | 一种人脸特征提取方法 |
| CN104156729A (zh) * | 2014-07-21 | 2014-11-19 | 武汉理工大学 | 一种教室人数统计方法 |
| CN104166685A (zh) * | 2014-07-24 | 2014-11-26 | 北京捷成世纪科技股份有限公司 | 一种检测视频片段的方法和装置 |
| CN104331509A (zh) * | 2014-11-21 | 2015-02-04 | 深圳市中兴移动通信有限公司 | 照片管理方法及装置 |
| CN104408429A (zh) * | 2014-11-28 | 2015-03-11 | 北京奇艺世纪科技有限公司 | 一种视频代表帧提取方法及装置 |
| CN105005777A (zh) * | 2015-07-30 | 2015-10-28 | 科大讯飞股份有限公司 | 一种基于人脸的音视频推荐方法及系统 |
| CN105095915A (zh) * | 2015-08-21 | 2015-11-25 | 努比亚技术有限公司 | 一种信息处理方法及装置、终端 |
| CN105844649A (zh) * | 2016-04-12 | 2016-08-10 | 中国科学院长春光学精密机械与物理研究所 | 一种人数统计方法和装置及系统 |
| CN107729540A (zh) * | 2017-10-31 | 2018-02-23 | 努比亚技术有限公司 | 照片分类的方法、设备及计算机可存储介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104794173A (zh) * | 2015-04-01 | 2015-07-22 | 惠州Tcl移动通信有限公司 | 一种基于移动终端的拍照处理方法及系统 |
-
2018
- 2018-04-18 CN CN201810356756.8A patent/CN108595600B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101853253A (zh) * | 2009-03-30 | 2010-10-06 | 三星电子株式会社 | 在移动终端中管理多媒体内容的设备和方法 |
| CN101930609A (zh) * | 2010-08-24 | 2010-12-29 | 东软集团股份有限公司 | 接近的目标物检测方法及装置 |
| CN102033958A (zh) * | 2010-12-28 | 2011-04-27 | Tcl数码科技（深圳）有限责任公司 | 一种照片分类管理系统及方法 |
| CN102360450A (zh) * | 2011-09-26 | 2012-02-22 | 华中科技大学 | 基于团块的人数统计方法 |
| CN102880866A (zh) * | 2012-09-29 | 2013-01-16 | 宁波大学 | 一种人脸特征提取方法 |
| CN104156729A (zh) * | 2014-07-21 | 2014-11-19 | 武汉理工大学 | 一种教室人数统计方法 |
| CN104166685A (zh) * | 2014-07-24 | 2014-11-26 | 北京捷成世纪科技股份有限公司 | 一种检测视频片段的方法和装置 |
| CN104331509A (zh) * | 2014-11-21 | 2015-02-04 | 深圳市中兴移动通信有限公司 | 照片管理方法及装置 |
| CN104408429A (zh) * | 2014-11-28 | 2015-03-11 | 北京奇艺世纪科技有限公司 | 一种视频代表帧提取方法及装置 |
| CN105005777A (zh) * | 2015-07-30 | 2015-10-28 | 科大讯飞股份有限公司 | 一种基于人脸的音视频推荐方法及系统 |
| CN105095915A (zh) * | 2015-08-21 | 2015-11-25 | 努比亚技术有限公司 | 一种信息处理方法及装置、终端 |
| CN105844649A (zh) * | 2016-04-12 | 2016-08-10 | 中国科学院长春光学精密机械与物理研究所 | 一种人数统计方法和装置及系统 |
| CN107729540A (zh) * | 2017-10-31 | 2018-02-23 | 努比亚技术有限公司 | 照片分类的方法、设备及计算机可存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108595600A (zh) | 2018-09-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107995420B (zh) | 远程合影控制方法、双面屏终端及计算机可读存储介质 | |
| CN107276913B (zh) | 批量文件的传输方法、终端及计算机可读存储介质 | |
| CN108241752B (zh) | 照片显示方法、移动终端及计算机可读存储介质 | |
| CN107295270B (zh) | 一种图像亮度值的确定方法、装置、终端和计算机可读存储介质 | |
| CN110189368B (zh) | 图像配准方法、移动终端及计算机可读存储介质 | |
| CN107862217B (zh) | 一种位置信息获取方法、移动终端以及计算机存储介质 | |
| CN109144705B (zh) | 应用程序管理方法、移动终端及计算机可读存储介质 | |
| CN108459799B (zh) | 一种图片的处理方法、移动终端及计算机可读存储介质 | |
| CN107832032B (zh) | 锁屏显示方法及移动终端 | |
| CN108595600B (zh) | 照片分类方法、移动终端及可读存储介质 | |
| CN109584897B (zh) | 视频降噪方法、移动终端及计算机可读存储介质 | |
| CN109753210B (zh) | 移动终端的信息显示方法、移动终端、可读存储介质 | |
| CN107896304B (zh) | 一种图像拍摄方法、装置及计算机可读存储介质 | |
| CN107241504B (zh) | 一种图像处理方法、移动终端和计算机可读存储介质 | |
| CN107341190B (zh) | 图片筛选方法、终端及计算机可读存储介质 | |
| CN109739414B (zh) | 一种图片处理方法、移动终端、计算机可读存储介质 | |
| CN109522276B (zh) | 应用图标管理方法、终端及计算机可读存储介质 | |
| CN113301251B (zh) | 辅助拍摄方法、移动终端及计算机可读存储介质 | |
| CN107743198B (zh) | 一种拍照方法、终端及存储介质 | |
| CN113094585A (zh) | 信息推荐方法、终端设备及可读存储介质 | |
| CN109948368B (zh) | 一种隐私权限控制方法、设备及计算机可读存储介质 | |
| CN110334559B (zh) | 一种扫码识别方法、终端及计算机可读存储介质 | |
| CN109740121B (zh) | 一种移动终端的搜索方法、移动终端及存储介质 | |
| CN110069320B (zh) | 一种应用程序的分类校正方法、终端、系统及存储介质 | |
| CN109684020B (zh) | 一种主题切换方法、设备及计算机可读存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |