CN109325518B - 图像的分类方法、装置、电子设备和计算机可读存储介质 - Google Patents

图像的分类方法、装置、电子设备和计算机可读存储介质 Download PDF

Info

Publication number
CN109325518B
CN109325518B CN201810948667.2A CN201810948667A CN109325518B CN 109325518 B CN109325518 B CN 109325518B CN 201810948667 A CN201810948667 A CN 201810948667A CN 109325518 B CN109325518 B CN 109325518B
Authority
CN
China
Prior art keywords
image
images
classified
classification
representative
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
CN201810948667.2A
Other languages
English (en)
Other versions
CN109325518A (zh
Inventor
林进全
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 CN201810948667.2A priority Critical patent/CN109325518B/zh
Publication of CN109325518A publication Critical patent/CN109325518A/zh
Application granted granted Critical
Publication of CN109325518B publication Critical patent/CN109325518B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/24Classification techniques
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/22Matching criteria, e.g. proximity measures

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本申请涉及一种图像的分类方法、装置、电子设备、计算机可读存储介质,其中方法包括:获取待分类的图像集合;根据图像集合中各待分类图像的拍摄时间信息和拍摄位置信息,对图像集合进行预分类,分别生成各个预分类对应的代表图像;其中,代表图像中含有预分类中包含的待分类图像所对应的特征信息;将代表图像对应的待分类图像划分到与代表图像相匹配的参考代表图像对应的分类中。通过拍摄时间和拍摄位置的分类,以及生成代表图像进行比对,减少对各张图像一一进行相似识别对比的运算量,有效提升了图像的分类效率。

Description

图像的分类方法、装置、电子设备和计算机可读存储介质
技术领域
本申请涉及图像处理技术领域,特别是涉及一种图像的分类方法、装置、电子设备和计算机可读存储介质。
背景技术
在图像处理技术中,常常需要对图像进行相似图像的分类。例如在用户终端设备例如手机中,常常存储有大量的图像,为了节省图像占用空间,可以利用图像清理技术,通过扫描多媒体数据库,获取图像进行相似度比对,将相似的照片分别分为一类,并对相似的照片进行清理。
然而,传统的图像分类方法,需要对所有图像一一进行相似比对运算,根据运算结果进行分类,存在图像分类效率低下的问题。
发明内容
本申请实施例提供一种图像的分类方法、装置、电子设备、计算机可读存储介质,可以快速而准确地实现对图像的相似度分类,提升图像分类效率。
一种图像的分类方法,包括:
获取待分类的图像集合;
根据所述图像集合中各待分类图像的拍摄时间信息和拍摄位置信息,对所述图像集合进行预分类,分别生成各个预分类对应的代表图像;其中,所述代表图像中含有所述预分类中包含的待分类图像所对应的特征信息;
将所述代表图像对应的待分类图像划分到与所述代表图像相匹配的参考代表图像对应的分类中。
一种图像的分类装置,包括:
图像获取模块,用于获取待分类的图像集合;
拍摄位置信息获取模块,用于根据所述图像集合中各待分类图像的拍摄时间信息和拍摄位置信息,对所述图像集合进行预分类,分别生成各个预分类对应的代表图像;其中,所述代表图像中含有所述预分类中包含的待分类图像所对应的特征信息;
图像分类模块,用于将所述代表图像对应的待分类图像划分到与所述代表图像相匹配的参考代表图像对应的分类中。
一种电子设备,包括存储器及处理器,所述存储器中储存有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如上所述的图像的分类方法的步骤。
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图像的分类方法的步骤。
本申请实施例中的图像的分类方法、装置、电子设备和计算机可读存储介质,对待分类的图像集合,通过对图像拍摄位置信息和拍摄时间信息的比对,根据图像拍摄位置和拍摄时间进行预分类,生成各个预分类图像的代表图像,利用代表图像之间的进一步比对,完成对各张待分类图像的分类。通过拍摄时间和拍摄位置的预分类,以及生成代表图像进行比对,减少对各张图像一一进行相似识别对比的运算量,有效提升了图像的分类效率。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术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,对于本领域普通技术人员来讲,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为一个实施例中电子设备的结构图;
图2为一个实施例中图像的分类方法的流程图;
图3为一个实施例中代表图像比对分类的示意图;
图4为一个实施例中根据图像集合中各待分类图像的拍摄时间信息和拍摄位置信息,对图像集合进行预分类,分别生成各个预分类对应的代表图像的步骤的流程图;
图5为一个实施例中根据图像集合中各待分类图像的拍摄时间信息和拍摄位置信息,对图像集合进行预分类,分别生成各个预分类对应的代表图像的示意图;
图6为一个实施例中获取图像序列中各个待分类图像的拍摄位置信息,依照拍摄位置信息的近似度对待分类图像进行预分类,并生成各个预分类对应的代表图像的步骤的流程图;
图7为一个实施例中分别生成各个预分类对应的代表图像的步骤的流程图;
图8为一个实施例中分别生成各个预分类对应的代表图像的步骤的流程图;
图9为另一个实施例中图像的分类方法的流程图;
图10为一个实施例中图像的分类装置的结构示意图;
图11为一个实施例中拍摄位置信息获取模块的结构示意图;
图12为另一个实施例中图像的分类装置的结构示意图;
图13为一个实施例中提供的电子设备相关的手机的部分结构的框图。
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”等仅仅是用于名称的区分,而不代表具体的数量及顺序的限制。举例来说,在不脱离本申请的范围的情况下,可以将第一间隔阈值称为第二间隔阈值,且类似地,可将第二间隔阈值称为第一间隔阈值。第一间隔阈值和第二间隔阈值两者都是时间间隔阈值,但两者具有不同的取值。
图1为一个实施例中电子设备的内部结构示意图。如图1所示,该电子设备包括通过系统总线连接的处理器、存储器和网络接口。其中,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。存储器用于存储数据、程序等,存储器上存储至少一个计算机程序,该计算机程序可被处理器执行,以实现本申请实施例中提供的适用于电子设备的隐私空间创建方法。存储器可包括磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等非易失性存储介质,或随机存储记忆体(Random-Access-Memory,RAM)等。例如,在一个实施例中,存储器包括非易失性存储介质及内存储器。非易失性存储介质存储有操作系统和计算机程序。内存储器为非易失性存储介质中的操作系统计算机程序提供高速缓存的运行环境。网络接口可以是以太网卡或无线网卡等,用于与外部的电子设备进行通信。在本申请的实施例中,电子设备可以是手机、平板电脑、个人数字助理或穿戴式设备等。
图2为一个实施例中图像的分类方法的流程图。本实施例中的图像的分类方法,以运行于图1中的电子设备上为例进行描述。如图2所示,图像的分类方法包括步骤220至步骤280。
步骤220,获取待分类的图像集合。
待分类图像是当前需要进行分类的图像,例如可以是刚刚拍摄的需要被分类存储的图像,或者是在接收到分类请求指令后依照所述指令需要对应进行分类的图像。图像集合中可以包含一张或者多张待分类的图像,图像集合的获取过程可以是打包获取的,例如图像集合可以从电子设备存储的文件夹中读取,或接收其它设备打包发送的;或者一张张获取的,例如在电子设备图像拍摄生成过程中,电子设备可以按照拍摄时间一张张获取当前拍摄的图像,又例如,电子设备可以逐张接收其它设备传输的图像。
步骤240,根据图像集合中各待分类图像的拍摄时间信息和拍摄位置信息,对图像集合进行预分类。
其中,拍摄时间信息是指的表征图像拍摄时刻的相关信息,其可以在拍摄生成图像时,由拍摄设备对应进行关联记录,其中拍摄设备是指拍摄生成图像的设备,其可以是本端的电子设备,也可以是本端的电子设备之外的其它设备,例如若由本端的电子设备拍摄图像后,本端的电子设备对图像进行分类,则这些拍摄图像的拍摄设备是指本端的电子设备,而若由其它设备拍摄图像后,传送给本端的电子设备对图像进行分类,则此时拍摄设备是指拍摄该图像的其它设备;拍摄位置信息是指的表征图像拍摄位置的相关信息,其可以由拍摄设备在拍摄生成图像时,读取拍摄时刻的拍摄设备中装载的定位装置获取,并与图像进行关联记录。
预分类是指根据图像的拍摄时间信息和拍摄位置信息进行的初步分类,在对图像进行的初步的预分类之后,还需要与其他预分类的图像或者已完成分类的图像进行进一步地相似比对后,才能确定最终的分类结果。
在上述步骤240中,可以读取待分类图像对应关联记录的拍摄时间信息和拍摄位置信息,并预先根据拍摄时间信息和拍摄位置信息进行相似分类,在图像之间的拍摄时间和拍摄位置近似度达到设定的条件时,这些图像即可被认定为是相似的图像,可以将这些相似的图像合成代表图像与其它代表图像去进行比对,以提升图像比对分类的效率。
步骤260,分别生成各个预分类对应的代表图像。
其中,代表图像中含有预分类中包含的待分类图像所对应的特征信息。例如,代表图像可以是从预分类中的某一张或多张图像中提取的图像特征生成的,或者可以是预分类中多张图像融合生成的,或者将预分类中图像进行压缩等处理后生成的。代表图像具有预分类中图像的特征信息,可以用于去与其它预分类的图像的代表图像进行相似比对,以替代该代表图像对应预分类中一张或多张图像的相似比对,节省比对时间,提升效率。
在上述步骤260中,针对步骤240得到的预分类,分别提取各个预分类中包含的待分类图像的特征信息,生成各个预分类对应的代表图像。
步骤280,将代表图像对应的待分类图像划分到与代表图像相匹配的参考代表图像对应的分类中。
在上述步骤280中,可以将代表图像与已有分类的参考代表图像进行匹配,将代表图像对应的待分类图像划分到与代表图像相匹配的参考代表图像对应的已有分类中。
其中,代表图像是经过上述步骤260获取的预分类中图像的代表图像,这些图像经过拍摄时间和拍摄位置的比对进行初步的预分类后,还需要与其他已有分类的图像进行进一步地相似比对后,才能确定最终的分类结果。参考代表图像是指的已经完成最终分类的各个分类中图像的代表图像,例如,可以是在电子设备中存储的已完成的图像分类,每个已完成的图像分类对应设置有至少一张参考代表图像。
匹配是通过比对代表图像与参考代表图像之间的关联度是否达到设定的要求,例如可以是通过计算比对代表图像与参考图像之间的相似度是否超出设定的阈值,若超出,则认为该代表图像与该参考图像匹配。其中,代表图像与参考图像之间的相似度是指表征代表图像与参考图像之间的图像近似程度的参数。例如若代表图像和参考代表图像为图像指纹,则可以直接比对图像指纹字符串的接近度,又例如若代表图像和参考代表图像为颜色分布直方图,则可以计算代表图像颜色分布直方图和参考代表图像颜色分布直方图之间的巴氏距离、协方差和相关性因子,以判别是否匹配,再例如,可以将代表图像与已有分类的参考代表图像进行一次聚类分析,根据聚类分析结果将代表图像与对应的参考代表图像匹配等等。
具体地,如果通过比对后,代表图像与某一已有分类的参考代表图像的匹配结果达到设定匹配条件,例如可以是代表图像与已有分类中相似度最高的参考代表图像的相似度超出设定的阈值,则认为代表图像与该参考代表图像匹配,则可以将代表图像对应的待分类图像归类至该参考代表图像对应的分类中;而如果代表图像与已有分类的参考代表图像的匹配结果未达到设定匹配条件,则认为代表图像与已有参考代表图像均不匹配,则新建一个分类,将该代表图像对应的待分类图像归类至该新建分类中,并根据该代表图像生成该新建分类的参考代表图像,例如可以将该代表图像作为新建分类的参考代表图像,或者也可以对新建分类中的图像进行图像特征提取,以生成新的包含图像特征的参考代表图像。
如图3所示,可以在电子设备中建立一个类别文件夹,该类别文件夹用于对图像进行分类存储。在首次对某一待分类图像的代表图像D1进行相似识别时,在该分类文件夹中未识别到匹配的参考代表图像,则新建一个分类文件夹F1,将该代表图像对应的待分类图像归类存储至该分类文件夹F1,并将该代表图像关联记录为该分类文件夹F1的参考代表图像S1;之后,对预分类的另一待分类图像的代表图像D2进行相似识别时,检测到类别文件夹中包含分类文件夹F1,分类文件夹F1对应有参考代表图像S1,则将代表图像D1与参考代表图像S1进行匹配识别,若代表图像D1与参考代表图像S1匹配上,则将该代表图像对应的待分类图像归类存储于分类文件夹F1中,若代表图像D1与参考代表图像S1不匹配,则新建一个分类文件夹F2,将该代表图像对应的待分类图像归类存储于分类文件夹F2中,并将该代表图像作为分类文件夹F2对应的参考代表图像S2;同理地,后续待分类图像的代表图像Dm(m为正整数)依次与类别文件夹中各个分类文件夹Fn(n为正整数)的参考代表图像Sn进行匹配,以最终完成对待分类图像的分类。在本端电子设备需要获取分类的图像时,可以从该类别文件夹中读取已分类的图像,实现分类图像的快速获取。
本领域技术人员可以理解,上述示例,仅是对本申请方案的举例说明,而不构成对本申请方案的限定,在其他实施例中,对于分类的具体实现可以有不同方式。例如,可以无需将图像进行分类存储,而是利用表单记录各个图像分类的信息,在需要获取分类图像时,通过读取表单中的图像分类信息以对应获取分类的图像;又例如,可以在已分类的图像上按照分类打上对应的标识,通过读取图像标识获取分类的图像等等。
本实施例中的图像的分类方法,对待分类的图像集合,通过对图像拍摄位置信息和拍摄时间信息的比对,根据图像拍摄位置和拍摄时间进行初步的相似预分类,生成各个预分类图像的代表图像,利用代表图像之间的进一步比对,完成对各张待分类图像的分类。通过拍摄时间和拍摄位置的预分类,以及生成代表图像进行比对,减少对各张图像一一进行相似识别对比的运算量,有效提升了分类效率。
在拍摄图像时,如果连续拍摄的多张图像之间的相邻图像拍摄间隔时间较短,例如通过连拍模式拍摄的图像,其为相似图像的概率较大。但是也可能在连续拍摄的过程中,由于拍摄设备的移动等等因素使得连续拍摄的图像实际并不满足判定为相似图像的条件。在本申请实施例中,通过结合图像的拍摄时间信息和拍摄位置信息进行预分类,以有效保证通过这种方式预分类的准确性。
对于本申请实施例的步骤240中的根据图像集合中各待分类图像的拍摄时间信息和拍摄位置信息,对图像集合进行预分类的具体预分类方式,可以有不同的形式,例如可以预先建立一个包括拍摄时间和拍摄位置的综合评价函数,通过计算图像的综合评价函数值进行预分类;综合评价函数用于表征图像之间拍摄时间和拍摄位置两个因素综合的近似程度,例如若两个图像拍摄时间差值为x,拍摄位置差值为y,则综合评价函数可以是x、y构成的函数,例如H=ax+by等等,H为综合评价函数值,a、b为常数,H越小代表两张图像的拍摄时间和拍摄位置的近似程度越高。又或者可以依照拍摄时间和拍摄位置两个条件先后进行二级预分类。
具体地,在一个实施例中,如图4所示,步骤240和步骤260可以包括如下步骤:
步骤420,将图像集合中的待分类图像划分为至少一个图像序列,图像序列中连续拍摄的两张待分类图像的拍摄时刻之间的时间间隔小于第一间隔阈值;
其中,图像序列可以包括一张或多张图像,这些图像满足在依照拍摄时间进行排列时,其中相邻两张图像的拍摄时刻之间的时间间隔小于第一间隔阈值。且进一步地,每两个图像序列之间的拍摄时间间隔大于或等于第一间隔阈值。
在此步骤中,在依照时间划分图像序列时,可以有不同的识别方式,例如,可以按照拍摄时间先后依次识别相邻拍摄图像的时间间隔,划分图像序列;又例如,在检测到多张图像是处于连拍模式下拍摄的,且已知第一间隔阈值大于连拍的相邻图片拍摄时间间隔,就可以直接认定这些连拍的多张图像属于同一图像序列。
如图5所示,以图像集合中包括P1~P10共10张待分类的图像为例,在划分图像序列时,可以依照拍摄顺序对这些图像进行排列,并将其中满足相邻拍摄时间间隔小于第一间隔阈值的连续多张图像划分为一个图像序列,即可得到划分的图像序列A1~A5
步骤440,获取图像序列中各个待分类图像的拍摄位置信息,依照拍摄位置信息的近似度对待分类图像进行预分类,并生成各个预分类对应的代表图像。
其中,拍摄位置信息的近似度是表征多张图像之前拍摄位置的接近程度的数据。其可以是例如图像拍摄位置之间距离的信息,或者是多张图像拍摄位置占据的二维区域或三维空间的信息。相应地,在对图像依照拍摄位置信息的近似度进行预分类时,也可以依照拍摄位置的距离近似度或者拍摄位置的分布区域的大小来划分,例如,可以将连续拍摄的相邻拍摄位置的距离小于设定距离阈值的一张或多张图像划分为一类,或者可以将连续拍摄的拍摄位置分布在设定的区域范围内的一张或多张图像划分为一类等等。
在步骤420中根据拍摄时间对图像进行划分,得到图像序列后,各个图像序列中的图像的拍摄时间较为接近,则在此步骤中,可以通过比对同一图像序列中各个待分类图像的拍摄位置信息的近似度,以进一步确认其中相似的图像进行预分类,生成各个预分类对应的代表图像。
同样以图5为例,可以根据图像的拍摄位置信息,将图像序列A1~A5进一步划分得到预分类B1~B6,并分别生成对应的代表图像D1~D6
本实施例中的图像的预分类方法,通过拍摄时间和拍摄位置的二级划分,将待预分类图像预先划分为多个预分类,并生成各个预分类的代表图像,可以快速准确地实现对图像的预分类,提升预分类效率。
在对拍摄时间近似的图像利用拍摄位置近似度进行预分类时,在某些情况下,还可能出现相似判断准确性不足的情况,例如在拍摄设备角度偏转,或者被拍摄的对象高速移动时,拍摄位置的预分类限定不足以识别出这些细微的差异。因此,还可以进一步通过预分类条件的限定以减少预分类的误差。
具体地,在一个实施例中,步骤420中获取图像序列中各个待分类图像的拍摄位置信息时,还可以获取图像序列中各个待分类图像的拍摄位置信息和拍摄角度信息;在依照拍摄位置信息的近似度对待分类图像进行预分类时,可以进一步依照拍摄位置信息的近似度和拍摄角度信息的近似度对待分类图像进行预分类。在拍摄时间近似时,根据拍摄位置和拍摄角度进行预分类,可以减少由于拍摄设备在连拍过程中角度偏转导致的预分类偏差。
在另一个实施例中,步骤420中获取图像序列中各个待分类图像的拍摄位置信息时,还可以获取图像序列中各个待分类图像的拍摄位置信息和图像参数;其中,图像参数表征图像明暗度和/或色彩的信息,例如图像参数可以包括图像的对比度、饱和度、曝光度等等。在依照拍摄位置信息的近似度对待分类图像进行预分类时,可以进一步依照拍摄位置信息的近似度和图像参数近似度对待分类图像进行预分类。在拍摄时间近似时,根据图像的拍摄位置和图像参数进行预分类,可以减少由于被拍摄对象在拍摄过程中变动导致的预分类偏差。
在相邻拍摄图像的时间间隔均比较大的情况下,例如图像均为单张拍摄时,在依照拍摄时间划分图像序列时,可能划分出较多的图像序列,而每个图像序列中的图像数量又很少。如果对每一个图像序列中的图像均进行拍摄位置信息的比对预分类,会耗费较多的时间。
在一个实施例中,如图6所示,步骤440中获取图像序列中各个待分类图像的拍摄位置信息,依照拍摄位置信息的近似度对待分类图像进行预分类,并生成各个预分类对应的代表图像,可以进一步包括如下步骤:
步骤620,若图像序列中包含的待分类图像的数量小于数量阈值,则根据待分类图像生成对应的代表图像;
其中,数量阈值可以根据实际的需要设置,以区分出其中包含的待分类图像数量较少的图像序列,例如若数量阈值设置为2,则可以将单张图像的图像序列区分出来,对于图像序列中图像数量较少的情况,这些图像之间拍摄位置偏差的概率较小,可以无需再进行根据拍摄位置的预分类,直接认定为一类并生成该图像序列中待分类图像的代表图像。
步骤640,若图像序列中包含的待分类图像的数量大于或等于数量阈值,则获取图像序列中包含的待分类图像的拍摄位置信息,根据拍摄位置信息对图像序列中的待分类图像进行预分类,并生成各个预分类对应的代表图像。
本实施例中的图像的分类方法,在图像序列中包含的待分类图像较少的情况下,直接生成该图像序列中图像对应的代表图像以节省图像拍摄位置比对预分类的时间,在图像序列中包含的待分类图像较多时,再进一步通过拍摄位置信息对图像进行预分类并生成对应的代表图像,在确保图像预分类的准确性的情况下提升图像的预分类效率。
在连续拍摄的图像的拍摄时间间隔小于第一间隔阈值时,例如连拍模式下拍摄的图像,这些连拍的图像可以被认为很高概率为相似图像,因此,在本申请的实施例中,可以通过进一步的图像拍摄位置的比对对这些图像进行预分类。而在某些情况下,例如在同一地点一个时间段进行的单张拍摄,虽然这些图像拍摄的时间间隔没有如连拍那么小,但是拍摄时间也是比较接近的情况,这些图像也会有较大的概率为相似图像。在这种情况下,通过拍摄时间和位置的预分类可能难以满足预分类精准度的需求,但是可以对代表图像的生成进行优化,以提升效率。
相应地,在一个实施例中,如图7所示,步骤260可以包括:
步骤720,针对各个预分类,若预分类包含的待分类图像与其他预分类包含的待分类图像之间的最小拍摄时间间隔大于第二间隔阈值,则依照第一尺寸根据预分类包含的待分类图像生成对应的代表图像;
具体地,在通过前述实施例进行依照图像拍摄时间和图像拍摄位置的预分类后,得到的预分类图像可以依照图像拍摄时序进行区别。例如可以按照预分类中图片最早的拍摄时间,对各个预分类进行时间排序,则相邻排序的预分类即可以被认定为相邻拍摄时间的预分类。其中,最小拍摄时间间隔是指,相邻拍摄时间的两个预分类中,两个预分类之中的任意两张图像之间的最小拍摄时间间隔。
步骤740,若预分类包含的待分类图像与其他预分类包含的待分类图像之间的最小拍摄时间间隔小于第二间隔阈值,则依照第二尺寸根据预分类包含的待预分类图像生成对应的代表图像;
其中,第二时间阈值大于第一时间阈值,且第二尺寸小于第一尺寸。
本实施例中的图像的分类方法,在预分类中图像的最小拍摄时间间隔大于第一间隔阈值,但是小于第二间隔阈值时,即预分类中图像的拍摄时间间隔较为近似时,采用更小尺寸的代表图像即可以保证预分类比对的精度,因此可依照小于第一尺寸的第二尺寸生成代表图像,缩小生成的代表图像的大小,节省代表图像的生成时间,提升代表图像生成的效率。
在一个实施例中,代表图像可以通过提取缩略图的特征生成,具体地,如图8所示,步骤260可以包括如下步骤:
步骤820,分别获取各个预分类中图像对应的缩略图。
具体地,对于待分类的图像集合由其它设备传输至电子设备,或者电子设备从内存中读取待分类的图像集合的情况,可以提取预分类中的图像,通过例如图像灰度处理、压缩等计算生成缩略图。
而对于本端的电子设备拍摄图像后即对拍摄的图像进行分类的情况而言,除了通过计算生成缩略图之外,还可以将在拍摄图像前生成的一张或多张预览图像缓存记录起来,对应地,在完成对图像的预分类需要生成代表图像时,由于各个预分类是依照时间划分的,可以取该预分类中图像序列拍摄之前的一张或多张预览图像作为该预分类的缩略图。
其中,预览图像是指在拍摄设备的显示界面中,在拍摄图像前对应显示的方便用户预览拍摄效果的图像。预览图像相比实际拍摄的图像具有更小的尺寸,但是仍然保留有拍摄的图像的细节特征。相比于计算生成图像的缩略图提取特征,利用提取显示界面的预览图像替代缩略图,可以省略生成缩略图的运算量,继而提升代表图像的生成效率。
步骤840,提取缩略图中的图像特征,生成一张包含图像特征的特征图像,作为该预分类中图像对应的代表图像;其中,图像特征包括图像指纹、边缘特征或者颜色分割特征。
具体地,可以通过将缩略图进行灰度处理,并提取处理得到的灰度图的特征,对特征进行计算生成图像指纹;而相较于计算生成图像指纹以生成代表图像,提取图像的边缘特征或者颜色分割特征生成对应的代表图像运算量更小,运算效率更高。
本实施例中的图像的分类方法,在提取图像特征生成代表图像时,可以通过计算生成图像的缩略图,再在缩略图中提取特征,以降低运算量。将缩略图中的特征提取生成包含图像特征的特征图像,作为该预分类中图像对应的代表图像,后续进行比对分类时,直接利用该代表图像进行比对,能够提升分类的效率。
图9为另一个实施例中图像的分类方法的流程图。本实施例中的图像的分类方法,以运行于图1中的电子设备上为例进行描述。如图9所示,本实施例的图像的分类方法包括步骤910至步骤950。
步骤910,在距离图像拍摄时间的设定时间段内,获取拍摄的一张或多张图像作为待分类的图像集合;
具体地,以图像拍摄和分类均是在电子设备中进行为例,在电子设备拍摄生成图像后的设定时间内,例如拍摄生成某一张图像后的一分钟内,或者在连拍模式下拍摄生成多张图像后的一分钟内,即可以获取这些图像组成待分类的图像集合。
步骤920,根据图像集合中各待分类图像的拍摄时间信息和拍摄位置信息,对图像集合进行预分类,分别生成各个预分类对应的代表图像;其中,代表图像中含有预分类中包含的待分类图像所对应的特征信息;
步骤930,将代表图像对应的待分类图像划分到与代表图像相匹配的参考代表图像对应的分类中;
经过上述步骤920和步骤930完成对拍摄生成的图像集合的分类后,将图像的分类结果记录在电子设备中,例如可以是将图片预分类存储,或者表单记录的分类结果的信息,或者依照分类对图像进行标记的形式对图像分类结果进行记录。
步骤940,响应于图像清理请求,读取各个所述参考代表图像对应的分类中的图像;
其中,图像清理请求可以是用户触发生成的,例如可以在软件中提供图像清理的选项,在用户点选该选项后,即对应生成的图像清理请求。此外,图像清理请求也可以是软件自发生成的,例如在软件检测到电子设备的内容容量超出限度时,可以自发生成图像清理请求以对存储的图像进行清理。
在电子设备检测到图像清理请求时,即可以从预先已经存储的图像分类结果中,快速读取已分类的图像。
步骤950,对各个分类中的所述图像进行清理。
各个分类中的图像为相似度较高的图像,在进行图像清理时,可以对这些相似度较高的图像进行清理,以节省内存占用空间。
具体地,可以将读取的分类图像按照分类展示在显示界面中,之后可以根据用户输入的图像选择指令和图像删除指令,删除用户选中的图像,以完成对分类图像的清理。此外,也可以是按照预定的规则,自动对预分类中的图像进行清理,例如可以保留各分类中评价值最高的图像,将各分类中其余图像删除。其中,评价值为表征是否保留图像的优先度的评价参数,可以包括通过计算得到的例如图像的用户偏好程度、图像清晰度和图像尺寸等等。
本实施例的图像的分类方法,在拍摄生成图像后,即对拍摄的图像进行分类,并保存图像分类结果。在检测到图像清理请求需要对图像进行清理时,可以快速从已有的图像分类结果中获取分类的图像,完成对分类图像的清理,有效缩短了图像清理时间,提升了图像清理的效率。
应该理解的是,虽然图2、图4和图6-9的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2、图4和图6-9中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
图10为一个实施例的图像的分类装置的结构框图。如图10所示,图像的分类装置1000,包括:
图像获取模块1010,用于获取待分类的图像集合;
拍摄位置信息获取模块1020,用于根据所述图像集合中各待分类图像的拍摄时间信息和拍摄位置信息,对所述图像集合进行预分类,分别生成各个预分类对应的代表图像;其中,所述代表图像中含有所述预分类中包含的待分类图像所对应的特征信息;
图像分类模块1030,用于将所述代表图像对应的待分类图像划分到与所述代表图像相匹配的参考代表图像对应的分类中。
在一个实施例中,如图11所示,拍摄位置信息获取模块1020包括:
图像序列划分模块1021,用于将图像集合中的待分类图像划分为至少一个图像序列;其中,图像序列中连续拍摄的两张待分类图像的拍摄时刻之间的时间间隔小于第一间隔阈值;
代表图像生成模块1022,用于获取图像序列中各个待分类图像的拍摄位置信息,依照拍摄位置信息的近似度对待分类图像进行预分类,并生成各个预分类对应的代表图像。
在一个实施例中,代表图像生成模块1022进一步用于若图像序列中包含的待分类图像的数量小于数量阈值,则根据待分类图像生成对应的代表图像;若图像序列中包含的待分类图像的数量大于或等于数量阈值,则获取图像序列中包含的待分类图像的拍摄位置信息,根据拍摄位置信息对图像序列中的待分类图像进行预分类,并生成各个预分类对应的代表图像。
在一个实施例中,代表图像生成模块1022进一步用于获取图像序列中各个待分类图像的拍摄位置信息和拍摄角度信息;依照拍摄位置信息的近似度和拍摄角度信息的近似度对待分类图像进行预分类。
在一个实施例中,代表图像生成模块1022进一步用于获取图像序列中各个待分类图像的拍摄位置信息和图像参数;图像参数表征图像明暗度和/或色彩的信息;依照拍摄位置信息的近似度和图像参数近似度对待分类图像进行预分类。
在一个实施例中,代表图像生成模块1022在分别生成各个预分类对应的代表图像时,进一步用于:针对各个预分类,若预分类包含的待分类图像与其他预分类包含的待分类图像之间的最小拍摄时间间隔大于第二间隔阈值,则依照第一尺寸根据预分类包含的待分类图像生成对应的代表图像;若预分类包含的待分类图像与其他预分类包含的待分类图像之间的最小拍摄时间间隔小于第二间隔阈值,则依照第二尺寸根据预分类包含的待分类图像生成对应的代表图像;其中,第二时间阈值大于第一时间阈值,且第二尺寸小于第一尺寸。
在一个实施例中,代表图像生成模块1022在分别生成各个预分类对应的代表图像时,进一步用于:分别获取各个预分类中图像对应的缩略图;提取缩略图中的图像特征,生成一张包含图像特征的特征图像,作为该预分类中图像对应的代表图像;其中,图像特征包括图像指纹、边缘特征或者颜色分割特征。
在一个实施例中,图像获取模块1010进一步用于在距离图像拍摄时间的设定时间段内,获取拍摄的一张或多张图像作为待分类的图像集合;
如图12所示,图像的分类装置1000还包括:
分类图像读取模块1040,用于响应于图像清理请求,读取各个所述参考代表图像对应的分类中的图像;
图像清理模块1050,用于对各个分类中的所述图像进行清理。
上述图像的分类装置中各个模块的划分仅用于举例说明,在其他实施例中,可将图像的分类装置按照需要划分为不同的模块,以完成上述图像的分类装置的全部或部分功能。
关于图像的分类装置的具体限定可以参见上文中对于图像的分类方法的限定,在此不再赘述。上述图像的分类装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
本申请实施例还提供了一种电子设备。如图13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、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,以电子设备为手机为例:
图13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13,手机包括:射频(Radio Frequency,RF)电路1310、存储器1320、输入单元1330、显示单元1340、传感器1350、音频电路1360、无线保真(wireless fidelity,WiFi)模块1370、处理器1380、以及电源1390等部件。本领域技术人员可以理解,图13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1310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1380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1310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,包括但不限于全球移动通讯系统(Global System ofMobile communication,GSM)、通用分组无线服务(General Packet Radio Service,GPRS)、码分多址(Code Division Multiple Access,CDMA)、宽带码分多址(Wideband CodeDivision Multiple Access,WCDMA)、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1320可用于存储软件程序以及模块,处理器1380通过运行存储在存储器1320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1320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1320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1330可用于接收输入的数字或字符信息,以及产生与手机1300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1330可包括触控面板1331以及其他输入设备1332。触控面板1331,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1331上或在触控面板1331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1331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1380,并能接收处理器1380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1331。除了触控面板1331,输入单元1330还可以包括其他输入设备1332。具体地,其他输入设备1332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1340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1340可包括显示面板1341。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1341。在一个实施例中,触控面板1331可覆盖显示面板1341,当触控面板1331检测到在其上或附近的触摸操作后,传送给处理器1380以确定触摸事件的类型,随后处理器1380根据触摸事件的类型在显示面板1341上提供相应的视觉输出。虽然在图13中,触控面板1331与显示面板1341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1331与显示面板1341集成而实现手机的输入和输出功能。
手机1300还可包括至少一种传感器1350,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1341的亮度,接近传感器可在手机移动到耳边时,关闭显示面板1341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1360、扬声器1361和传声器1362可提供用户与手机之间的音频接口。音频电路1360可将接收到的音频数据转换后的电信号,传输到扬声器1361,由扬声器1361转换为声音信号输出;另一方面,传声器1362将收集的声音信号转换为电信号,由音频电路1360接收后转换为音频数据,再将音频数据输出处理器1380处理后,经RF电路1310可以发送给另一手机,或者将音频数据输出至存储器1320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1370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13示出了WiFi模块1370,但是可以理解的是,其并不属于手机1300的必须构成,可以根据需要而省略。
处理器1380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1320内的软件程序和/或模块,以及调用存储在存储器1320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1380可包括一个或多个处理单元。在一个实施例中,处理器1380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1380中。
手机1300还包括给各个部件供电的电源1390(比如电池),优选的,电源可以通过电源管理系统与处理器1380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1300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1380执行存储在存储器上的计算机程序时实现图像的分类方法或图像清理方法的步骤。
本申请实施例还提供了一种计算机可读存储介质。一个或多个包含计算机可执行指令的非易失性计算机可读存储介质,当所述计算机可执行指令被一个或多个处理器执行时,使得所述处理器执行图像的分类方法或图像清理方法的步骤。
本申请所使用的对存储器、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。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本申请专利范围的限制。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 (10)

1.一种图像的分类方法,其特征在于,包括:
获取待分类的图像集合;
将所述图像集合中的待分类图像划分为至少一个图像序列,所述图像序列中连续拍摄的两张待分类图像的拍摄时刻之间的时间间隔小于第一间隔阈值;若所述图像序列中包含的待分类图像的数量小于数量阈值,则根据所述待分类图像生成对应的代表图像;若所述图像序列中包含的待分类图像的数量大于或等于数量阈值,则获取所述图像序列中包含的待分类图像的拍摄位置信息,根据所述拍摄位置信息对所述图像序列中的待分类图像进行预分类,并生成各个预分类对应的代表图像,其中,所述代表图像中含有所述预分类中包含的待分类图像所对应的特征信息;
将所述代表图像对应的待分类图像划分到与所述代表图像相匹配的参考代表图像对应的分类中。
2.根据权利要求1所述的图像的分类方法,其特征在于,所述生成各个预分类对应的代表图像,包括:
针对各个预分类,若某个预分类包含的待分类图像与其他预分类包含的待分类图像之间的最小拍摄时间间隔大于第二间隔阈值,则依照第一尺寸根据该预分类包含的待分类图像生成对应的代表图像;
若某个预分类包含的待分类图像与其他预分类包含的待分类图像之间的最小拍摄时间间隔小于第二间隔阈值,则依照第二尺寸根据该预分类包含的待分类图像生成对应的代表图像;
其中,所述第二间隔阈值大于所述第一间隔阈值,且所述第二尺寸小于所述第一尺寸。
3.根据权利要求1至2任意一项所述的图像的分类方法,其特征在于,所述方法还包括:
获取所述图像序列中各个待分类图像的拍摄角度信息;
依照所述拍摄位置信息的近似度和拍摄角度信息的近似度对所述待分类图像进行预分类。
4.根据权利要求1至2任意一项所述的图像的分类方法,其特征在于,所述方法还包括:
获取所述图像序列中各个待分类图像的图像参数;所述图像参数表征图像明暗度和/或色彩的信息;
依照所述拍摄位置信息的近似度和图像参数近似度对所述待分类图像进行预分类。
5.根据权利要求1至2任意一项所述的图像的分类方法,其特征在于,所述生成各个预分类对应的代表图像包括:
分别获取各个预分类中的待分类图像对应的缩略图;
提取所述缩略图中的图像特征,生成一张包含所述图像特征的特征图像,作为该预分类中图像对应的代表图像;其中,所述图像特征包括图像指纹、边缘特征或者颜色分割特征。
6.根据权利要求1至2任意一项所述的图像的分类方法,其特征在于,所述获取待分类的图像集合包括:
在距离图像拍摄时间的设定时间段内,获取拍摄的一张或多张图像作为待分类的图像集合;
所述将所述代表图像对应的待分类图像划分到与所述代表图像相匹配的参考代表图像对应的分类中之后,还包括:
响应于图像清理请求,读取各个所述参考代表图像对应的分类中的图像;
对各个分类中的所述图像进行清理。
7.一种图像的分类装置,其特征在于,包括:
图像获取模块,用于获取待分类的图像集合;
拍摄位置信息获取模块,包括图像序列划分模块和代表图像生成模块,其中:
图像序列划分模块,用于将所述图像集合中的待分类图像划分为至少一个图像序列,所述图像序列中连续拍摄的两张待分类图像的拍摄时刻之间的时间间隔小于第一间隔阈值;
代表图像生成模块,用于若所述图像序列中包含的待分类图像的数量小于数量阈值,则根据所述待分类图像生成对应的代表图像;若所述图像序列中包含的待分类图像的数量大于或等于数量阈值,则获取所述图像序列中包含的待分类图像的拍摄位置信息,根据所述拍摄位置信息对所述图像序列中的待分类图像进行预分类,并生成各个预分类对应的代表图像,其中,所述代表图像中含有所述预分类中包含的待分类图像所对应的特征信息;
代表图像匹配模块,用于将所述代表图像与参考代表图像进行匹配;
图像分类模块,用于将所述代表图像对应的待分类图像划分到与所述代表图像相匹配的参考代表图像对应的分类中。
8.根据权利要求7所述的图像的分类装置,其特征在于,所述代表图像生成模块还用于针对各个预分类,若某个预分类包含的待分类图像与其他预分类包含的待分类图像之间的最小拍摄时间间隔大于第二间隔阈值,则依照第一尺寸根据该预分类包含的待分类图像生成对应的代表图像;若某个预分类包含的待分类图像与其他预分类包含的待分类图像之间的最小拍摄时间间隔小于第二间隔阈值,则依照第二尺寸根据该预分类包含的待分类图像生成对应的代表图像;其中,所述第二间隔阈值大于所述第一间隔阈值,且所述第二尺寸小于所述第一尺寸。
9.一种电子设备,包括存储器及处理器,所述存储器中储存有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如权利要求1至6中任一项所述的图像的分类方法的步骤。
10.一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中任一项所述的图像的分类方法的步骤。
CN201810948667.2A 2018-08-20 2018-08-20 图像的分类方法、装置、电子设备和计算机可读存储介质 Active CN109325518B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810948667.2A CN109325518B (zh) 2018-08-20 2018-08-20 图像的分类方法、装置、电子设备和计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810948667.2A CN109325518B (zh) 2018-08-20 2018-08-20 图像的分类方法、装置、电子设备和计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN109325518A CN109325518A (zh) 2019-02-12
CN109325518B true CN109325518B (zh) 2021-03-30

Family

ID=65264261

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810948667.2A Active CN109325518B (zh) 2018-08-20 2018-08-20 图像的分类方法、装置、电子设备和计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN109325518B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110084298B (zh) * 2019-04-23 2021-09-28 北京百度网讯科技有限公司 用于检测图像相似度的方法及装置
CN110717891A (zh) * 2019-09-17 2020-01-21 平安科技(深圳)有限公司 基于分组批量的图片检测方法、装置及存储介质
CN111182303A (zh) * 2019-10-08 2020-05-19 腾讯科技(深圳)有限公司 共享屏幕的编码方法、装置、计算机可读介质及电子设备
CN111091152A (zh) * 2019-12-17 2020-05-01 上海云从汇临人工智能科技有限公司 图像聚类方法、系统、设备及机器可读介质
CN111325276A (zh) * 2020-02-24 2020-06-23 Oppo广东移动通信有限公司 图像分类方法及装置、电子设备、计算机可读存储介质
CN117453936B (zh) * 2023-10-19 2024-03-26 山东三木众合信息科技股份有限公司 一种数据整理方法及系统

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9070048B2 (en) * 2013-10-17 2015-06-30 Adobe Systems Incorporated Method and apparatus for automatically identifying a representative image for an image group
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
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
CN108121816B (zh) * 2017-12-28 2020-09-08 Oppo广东移动通信有限公司 图片分类方法、装置、存储介质及电子设备

Also Published As

Publication number Publication date
CN109325518A (zh) 2019-02-12

Similar Documents

Publication Publication Date Title
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
CN107729815B (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
CN111368934B (zh) 图像识别模型训练方法、图像识别方法以及相关装置
CN107871011B (zh) 图像处理方法、装置、移动终端及计算机可读存储介质
RU2731370C1 (ru) Способ распознавания живого организма и терминальное устройство
CN107729889B (zh) 图像处理方法和装置、电子设备、计算机可读存储介质
CN107679559B (zh) 图像处理方法、装置、计算机可读存储介质和移动终端
CN109002787B (zh) 图像处理方法和装置、存储介质、电子设备
CN107679560B (zh) 数据传输方法、装置、移动终端及计算机可读存储介质
CN107657218B (zh) 人脸识别方法及相关产品
CN107995422B (zh) 图像拍摄方法和装置、计算机设备、计算机可读存储介质
WO2018233480A1 (zh) 照片推荐方法及相关产品
CN105072337A (zh) 图片处理方法及装置
CN107784271B (zh) 指纹识别方法及相关产品
CN109086761B (zh) 图像处理方法和装置、存储介质、电子设备
CN107944414B (zh) 图像处理方法、装置、电子设备及计算机可读存储介质
CN108229574B (zh) 一种图片筛选的方法、装置和移动终端
CN109508398B (zh) 一种照片分类方法及其终端设备
WO2015003606A1 (en) Method and apparatus for recognizing pornographic image
CN107622117A (zh) 图像处理方法和装置、计算机设备、计算机可读存储介质
CN107992822A (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
CN110347858B (zh) 一种图片的生成方法和相关装置
CN107330867B (zh) 图像合成方法、装置、计算机可读存储介质和计算机设备

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
GR01 Patent grant
GR01 Patent grant