CN110109878A - 相册管理方法、装置、存储介质及电子设备 - Google Patents

Abstract

本申请公开了一种相册管理方法、装置、存储介质及电子设备，该相册管理方法包括：获取图像样本集、以及该图像样本集中每一图像样本对应的分类标记；根据该图像样本集及分类标记对预设的学习模型进行训练；利用训练后的学习模型计算相册中至少一张待处理图像的清晰度；将该清晰度低于预设阈值的图像进行删除，以对该相册进行管理，从而能自动删除相册中拍摄效果不好的照片，无需用户手动操作，方法简单，避免了存储空间的浪费，实用性强。

Description

相册管理方法、装置、存储介质及电子设备

技术领域

本申请涉及计算机技术领域，尤其涉及一种相册管理方法、装置、存储介质及电子设备。

背景技术

随着终端技术的发展，终端所能够支持的功能越来越强大。例如，终端具有摄像头，从而能够支持拍照功能等。

在很多场景下，用户可以使用终端的拍摄功能拍摄照片。例如，当用户去旅游或者与朋友聚会时，可以通过终端的拍摄功能记录当时的情景，此时，终端会将拍摄的图像存储到相册中，从而当用户想要回忆美好时光时，可以从相册中查看图像。

但是，由于普通用户的拍照技术并不专业，导致相册中难免存在闭眼、重影、模糊等效果不好的照片，这些照片通常需要用户手动进行整理删除，比较浪费时间精力。

发明内容

本申请实施例提供一种相册管理方法、装置、存储介质及电子设备，能自动对相册中拍摄效果不佳的照片进行删除，方法简单。

本申请实施例提供了一种相册管理方法，应用于电子设备，包括：

获取图像样本集、以及所述图像样本集中每一图像样本对应的分类标记；

根据所述图像样本集及分类标记对预设的学习模型进行训练；

利用训练后的学习模型计算相册中至少一张待处理图像的清晰度；

将所述清晰度低于预设阈值的图像进行删除，以对所述相册进行管理。

本申请实施例还提供了一种相册管理装置，应用于电子设备，包括：

获取模块，用于获取图像样本集、以及所述图像样本集中每一图像样本对应的分类标记；

训练模块，用于根据所述图像样本集及分类标记对预设的学习模型进行训练；

计算模块，用于利用训练后的学习模型计算相册中至少一张待处理图像的清晰度；

删除模块，用于将所述清晰度低于预设阈值的图像进行删除，以对所述相册进行管理。

进一步地，所述相册管理装置还包括确定模块，用于：

在所述计算模块利用训练后的学习模型计算相册中至少一张待处理图像的清晰度之前，获取当前时间、以及已记录的上一管理时间；

根据所述当前时间、以及已记录的上一管理时间从相册中确定待处理图像；

触发所述计算模块执行所述利用训练后的学习模型计算相册中至少一张待处理图像的清晰度的操作，同时将所述当前时间作为管理时间记录保存，并返回执行所述获取当前时间、以及已记录的上一管理时间的操作。

进一步地，所述确定模块用于：

确定相册中拍摄时间在所述当前时间与已记录的上一管理时间之间的图像的数量；

判断所述数量是否不小于预设数量；

若是，则将拍摄时间在所述当前时间与已记录的上一管理时间之间的图像作为待处理图像。

进一步地，所述确定模块用于：

计算当前时间与已记录的上一管理时间之间的间隔时长；

判断所述间隔时长是否到达预设时长；

若是，则将相册中在所述间隔时长内拍摄的图像作为待处理图像。

进一步地，所述删除模块还用于：

计算所述待处理图像中剩余图像彼此间的相似度；

将相似度高于预设相似度的剩余图像按照清晰度从高到底进行排序；

将位于首位之后的剩余图像进行删除。

进一步地，所述相册管理装置还包括添加模块，用于：

在所述获取模块获取图像样本集之前，检测所述电子设备当前是否存在连续拍摄操作；

若存在，则获取所述连续拍摄操作生成的多张拍摄图像；

获取用户从所述多张拍摄图像中删除的拍摄图像，作为目标图像；

为所述目标图像生成指示不清晰的分类标记，并将所述目标图像添加到图像样本集中。

本申请实施例还提供了一种存储介质，所述存储介质中存储有多条指令，所述指令适于由处理器加载以执行上述任一项相册管理方法。

本申请实施例还提供了一种电子设备，包括处理器和存储器，所述处理器与所述存储器电性连接，所述存储器用于存储指令和数据，所述处理器用于上述任一项所述的相册管理方法中的步骤。

本申请提供的相册管理方法、装置、存储介质及电子设备，通过获取图像样本集、以及该图像样本集中每一图像样本对应的分类标记，并根据该图像样本集及分类标记对预设的学习模型进行训练，之后，利用训练后的学习模型计算相册中至少一张待处理图像的清晰度，并将该清晰度低于预设阈值的图像进行删除，以对该相册进行管理，从而能自动删除相册中拍摄效果不好的照片，无需用户手动操作，方法简单，避免了存储空间的浪费，实用性强。

附图说明

下面结合附图，通过对本申请的具体实施方式详细描述，将使本申请的技术方案及其它有益效果显而易见。

图1为本申请实施例提供的相册管理方法的流程示意图。

图2为本申请实施例提供的相册管理方法的另一流程示意图。

图3为本申请实施例提供的相册管理流程的场景示意图。

图4为本申请实施例提供的步骤204的流程示意图。

图5为本申请实施例提供的步骤204的另一流程示意图。

图6为本申请实施例提供的相册管理装置的结构示意图。

图7为本申请实施例提供的相册管理装置的另一结构示意图。

图8为本申请实施例提供的电子设备的结构示意图。

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作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

本申请实施例提供一种相册管理方法、装置、存储介质及电子设备。

一种相册管理方法，应用于电子设备，包括：获取图像样本集、以及该图像样本集中每一图像样本对应的分类标记；根据该图像样本集及分类标记对预设的学习模型进行训练；利用训练后的学习模型计算相册中至少一张待处理图像的清晰度；将该清晰度低于预设阈值的图像进行删除，以对该相册进行管理。

如图1所示，图1是本申请实施例提供的相册管理方法的流程示意图，其应用于电子设备，具体流程可以如下：

101、获取图像样本集、以及该图像样本集中每一图像样本对应的分类标记。

本实施例中，该分类标记可以包括清晰和不清晰，该图像样本集可以是用户自行设定的，其主要包括正样本和负样本。该正样本通常是拍摄效果较好的图像，对应的分类标记可以为清晰，该负样本通常是拍摄效果不好的图像，对应的分类标记可以为不清晰。需要指出的是，该图像样本集中的图像除了用户自己设定的之外，还可以包括电子设备根据用户以往的删除记录自动收集的，主要涉及负样本，也即，在上述步骤101之前，该相册管理方法还可以包括：

检测该电子设备当前是否存在连续拍摄操作；

若存在，则获取该连续拍摄操作生成的多张拍摄图像；

获取用户从该多张拍摄图像中删除的拍摄图像，作为目标图像；

为该目标图像生成指示不清晰的分类标记，并将该目标图像添加到图像样本集中。

本实施例中，当用户连续针对同一事物进行多次拍摄时，正常情况下只会在相册中保留拍摄效果最好，最符合用户要求的一张，其余的则进行删除，此时，电子设备可以将删除的照片作为负样本添加到图像样本集中，从而后续利用该图像样本集进行训练时，训练出的模型能更符合用户的行为习惯。

102、根据该图像样本集及分类标记对预设的学习模型进行训练。

本实施例中，该学习模型可以是卷积神经网络(Convolutional Neural Network,CNN)模型，该CNN模型是一种处理大型图像的深度神经网络模型。在训练过程中，用户可以将整张图像以及其对应的分类标记输入该学习模型中，以对学习模型中每层神经网络的权重值和参数值进行调整，使其最优化，实现对学习模型的训练。

需要说明的是，对学习模型的训练可以在电子设备中进行，也可以在服务器中进行，当在服务器中进行时，电子设备只需将满足条件的图像样本集定期发送至服务器即可，以便服务器根据发送的图像样本集训练学习模型，并定期将训练后的学习模型更新至电子设备中。

103、利用训练后的学习模型计算相册中至少一张待处理图像的清晰度。

本实施例中，由于图像样本集中的图像样本是以拍摄效果清不清晰为限定条件设置的负样本和正样本，故利用该图像样本集对学习模型进行前向运算得到的学习模型(也即训练后模型)后续可以用于图像清晰度识别，也即可以计算出每张图像达到用户清晰要求的概率值。该待处理图像可以是相册中的所有图像，也可以是指定的部分图像。

需要指出的是，该待处理图像的获取可以是实时性的，比如用户每拍摄一张照片就将其作为待处理图像进行清晰度识别，也可以是周期性的，比如用户最新拍摄的照片达到一定数量，或者当前时间达到指定时间时，可以触发电子设备获取待处理图像进行清晰度识别，也即，在上述步骤103之前，该相册管理方法还可以包括：

获取当前时间、以及已记录的上一管理时间；

根据该当前时间、以及已记录的上一管理时间从相册中确定待处理图像；

执行该利用训练后的学习模型计算相册中至少一张待处理图像的清晰度的操作，同时将该当前时间作为管理时间记录保存，并返回执行该获取当前时间、以及已记录的上一管理时间的操作。

本实施例中，可以实时检测当前时间，并根据用户在当前时间和上一管理时间之间拍摄的图像数量，或者根据当前时间和上一管理时间之间的间隔时长确定是否需要获取待处理图像进行清晰度识别操作。

进一步地，上述步骤“根据该当前时间、以及已记录的上一管理时间从相册中确定待处理图像”，具体可以包括：

确定相册中拍摄时间在该当前时间与已记录的上一管理时间之间的图像的数量；

判断该数量是否不小于预设数量；

若是，则将拍摄时间在该当前时间与已记录的上一管理时间之间的图像作为待处理图像。

本实施例中，该预设数量可以是人为设定的20或15等，电子设备在每次进行相册管理之后，都会记录保存当时的管理时间，并以当前管理时间为起点计算用户后续拍摄的新照片数量，当到达指定数量时，就对这些新拍摄的照片进行管理，并将管理时间作为新起点重复之前的操作。

或者，上述步骤“根据该当前时间、以及已记录的上一管理时间从相册中确定待处理图像”，进一步可以包括：

计算当前时间与已记录的上一管理时间之间的间隔时长；

判断该间隔时长是否到达预设时长；

若是，则将相册中在该间隔时长内拍摄的图像作为待处理图像。

本实施例中，对相册进行管理也可以是根据时间周期性自动出发的，比如每隔预设时长就触发一次，该预设时长可以是人为设定的一个月或两个月等，主要根据用户自身拍照频率而定，拍照频率越高，该预设时长可以越短。

104、将该清晰度低于预设阈值的图像进行删除，以对该相册进行管理。

本实施例中，该预设阈值可以是人为规定的80％，或70％等，清晰度越低于该预设阈值，代表图像越不能达到用户要求，需要删除。

此外，由于很多用户经常会连续拍摄多张照片，虽然这些照片的清晰度可能不一样，但通常都是针对同一拍摄物拍摄的，若在对待处理图像进行处理的过程中，将满足清晰度的照片全部保留，难免会存在多张内容重复的照片，造成了电子设备存储空间的不必要浪费，也即，在上述步骤104之后，该相册管理方法还可以包括：

计算该待处理图像中剩余图像彼此间的相似度；

将相似度高于预设相似度的剩余图像按照清晰度从高到底进行排序；

将位于首位之后的剩余图像进行删除。

本实施例中，对于筛选出的拍摄效果满足用户要求的待处理图像，可以进一步通过相似度计算的方法从中挑选出拍摄内容重复的照片，而对于这些重复的照片，只需保留拍摄效果最好(也即清晰度最高)的那张即可，其余的可以删除，从而尽可能节省存储空间。

由上述可知，本实施例提供的相册管理方法，应用于电子设备，通过获取图像样本集、以及该图像样本集中每一图像样本对应的分类标记，并根据该图像样本集及分类标记对预设的学习模型进行训练，之后，利用训练后的学习模型计算相册中至少一张待处理图像的清晰度，并将该清晰度低于预设阈值的图像进行删除，以对该相册进行管理，从而能自动删除相册中拍摄效果不好的照片，无需用户手动操作，方法简单，避免了存储空间的浪费，实用性强。

在本实施例中，将从相册管理装置的角度进行描述，具体将以该相册管理装置集成在电子设备中为例进行详细说明。

请参见图2和图3，一种相册管理方法，应用于电子设备，具体流程可以如下：

201、电子设备检测当前是否存在连续拍摄操作，若存在，则获取该连续拍摄操作生成的多张拍摄图像，作为目标图像。

202、电子设备为该目标图像生成指示不清晰的分类标记，并将该目标图像添加到图像样本集中。

譬如，该分类标记可以包括清晰和不清晰两种，该图像样本集主要包括正样本和负样本，该正样本的分类标记可以是清晰，该负样本的分类标记可以是不清晰。该图像样本集中除了用户自己设定的图像之外，还可以包括电子设备根据用户以往的删除记录自动收集的图像，比如，当检测到短时间内(比如十秒内)用户拍摄了多张图像时，电子设备可以将这多张图像中用户后续删除的图像作为负样本添加在图像样本集中。

203、电子设备获取该图像样本集，并根据该图像样本集及分类标记对预设的学习模型进行训练。

譬如，该学习模型可以是CNN模型，在训练过程中，用户可以将整张图像以及其对应的分类标记输入该学习模型中，以对学习模型中每层神经网络的权重值和参数值进行调整，使其最优化，实现对学习模型的训练。

204、电子设备获取当前时间、以及已记录的上一管理时间。

205、电子设备根据该当前时间、以及已记录的上一管理时间从相册中确定待处理图像。

譬如，该待处理图像可以是相册中的全部图像，也可以是部分图像，电子设备可以实时获取相册中的待处理图像进行管理，也可以在满足一定触发条件时进行，比如到达指定时间或者拍摄足够数量的新照片，等等。

例如，请参见图4，当该触发条件为到达指定时间时，上述步骤205可以包括：

2051A、确定相册中拍摄时间在该当前时间与已记录的上一管理时间之间的图像的数量；

2052A、判断该数量是否不小于预设数量，若是，则执行下述步骤2053A，若否，则返回执行上述步骤204。

2053A、将拍摄时间在该当前时间与已记录的上一管理时间之间的图像作为待处理图像。

譬如，该预设数量可以是人为设定的20或15等，当距离上次管理操作之后用户拍摄的新照片数量达到预设数量时，可以将新拍摄的这部分照片作为待处理图像进行管理。

例如，请参见图5，当该触发条件为拍摄足够数量的新照片时，上述步骤205可以包括：

2051B、计算当前时间与已记录的上一管理时间之间的间隔时长；

2052B、判断该间隔时长是否到达预设时长，若是，则执行下述步骤2053B，若否，则返回执行上述步骤204。

2053B、将相册中在该间隔时长内拍摄的图像作为待处理图像。

譬如，该预设时长可以是人为设定的一个月或两个月等，若当前时间距离上次管理操作的时间达到了预设时长，则可以将这段时间内的照片作为待处理图像进行处理。

206、电子设备利用训练后的学习模型计算该待处理图像的清晰度，与此同时，将该当前时间作为管理时间记录保存，并返回执行上述步骤204。

譬如，由于图像样本集中的图像样本是以拍摄效果清不清晰为限定条件设置的负样本和正样本，故利用该图像样本集对CNN模型进行前向运算得到的CNN模型(也即训练后模型)后续可以用于图像清晰度识别，也即可以计算出每张图像达到用户清晰要求的概率值(也即清晰度)。

207、电子设备将该清晰度低于预设阈值的图像进行删除，并计算该待处理图像中剩余图像彼此间的相似度。

208、电子设备将相似度高于预设相似度的剩余图像按照清晰度从高到底进行排序，并将位于首位之后的剩余图像进行删除，以对该相册进行管理。

譬如，对于筛选出的拍摄效果满足用户要求的待处理图像，可以进一步通过相似度计算的方法从中挑选出拍摄内容重复的照片，而对于这些重复的照片，只需保留拍摄效果最好(也即清晰度最高)的那张即可，其余的可以删除，从而尽可能节省存储空间。

由上述可知，本实施例提供的相册管理方法，应用于电子设备，其中电子设备可以检测当前是否存在连续拍摄操作，若存在，则获取该连续拍摄操作生成的多张拍摄图像，作为目标图像，接着，为该目标图像生成指示不清晰的分类标记，并将该目标图像添加到图像样本集中，接着，获取该图像样本集，并根据该图像样本集及分类标记对预设的学习模型进行训练，接着，获取当前时间、以及已记录的上一管理时间，并根据该当前时间、以及已记录的上一管理时间从相册中确定待处理图像，之后，利用训练后的学习模型计算该待处理图像的清晰度，接着，将该清晰度低于预设阈值的图像进行删除，并计算该待处理图像中剩余图像彼此间的相似度，之后将相似度高于预设相似度的剩余图像按照清晰度从高到底进行排序，并将位于首位之后的剩余图像进行删除，以对该相册进行管理，与此同时，将该当前时间作为管理时间记录保存，并返回执行获取当前时间、以及已记录的上一管理时间的操作，从而能根据用户以往的选择标准，自动筛选出拍摄效果不好的照片并进行删除，无需用户手动操作，方法简单，避免了存储空间的浪费，实用性强。

根据上述实施例所描述的方法，本实施例将从相册管理装置的角度进一步进行描述，该相册管理装置具体可以作为独立的实体来实现，也可以集成在电子设备，比如终端中来实现，该终端可以包括手机、平板电脑以及个人计算机等。

请参阅图6，图6具体描述了本申请实施例提供的相册管理装置，应用于电子设备，该相册管理装置可以包括：获取模块10、训练模块20、计算模块30和删除模块40，其中：

(1)获取模块10

获取模块10，用于获取图像样本集、以及该图像样本集中每一图像样本对应的分类标记。

本实施例中，该分类标记可以包括清晰和不清晰，该图像样本集可以是用户自行设定的，其主要包括正样本和负样本。该正样本通常是拍摄效果较好的图像，对应的分类标记可以为清晰，该负样本通常是拍摄效果不好的图像，对应的分类标记可以为不清晰。需要指出的是，该图像样本集中的图像除了用户自己设定的之外，还可以包括电子设备根据用户以往的删除记录自动收集的，主要涉及负样本，也即，请参见图7，该相册管理装置还可以包括添加模块50，用于：

在该获取模块10获取图像样本集之前，检测该电子设备当前是否存在连续拍摄操作；

若存在，则获取该连续拍摄操作生成的多张拍摄图像；

获取用户从该多张拍摄图像中删除的拍摄图像，作为目标图像；

为该目标图像生成指示不清晰的分类标记，并将该目标图像添加到图像样本集中。

本实施例中，当用户连续针对同一事物进行多次拍摄时，正常情况下只会在相册中保留拍摄效果最好，最符合用户要求的一张，其余的则进行删除，此时，电子设备可以将删除的照片作为负样本添加到图像样本集中，从而后续利用该图像样本集进行训练时，训练出的模型能更符合用户的行为习惯。

(2)训练模块20

训练模块20，用于根据该图像样本集及分类标记对预设的学习模型进行训练。

本实施例中，该学习模型可以是卷积神经网络(Convolutional Neural Network,CNN)模型，该CNN模型是一种处理大型图像的深度神经网络模型。在训练过程中，用户可以将整张图像以及其对应的分类标记输入该学习模型中，以对学习模型中每层神经网络的权重值和参数值进行调整，使其最优化，实现对学习模型的训练。

需要说明的是，对学习模型的训练可以在电子设备中进行，也可以在服务器中进行，当在服务器中进行时，电子设备只需将满足条件的图像样本集定期发送至服务器即可，以便服务器根据发送的图像样本集训练学习模型，并定期将训练后的学习模型更新至电子设备中。

(3)计算模块30

计算模块30，用于利用训练后的学习模型计算相册中至少一张待处理图像的清晰度。

本实施例中，由于图像样本集中的图像样本是以拍摄效果清不清晰为限定条件设置的负样本和正样本，故利用该图像样本集对学习模型进行前向运算得到的学习模型(也即训练后模型)后续可以用于图像清晰度识别，也即可以计算出每张图像达到用户清晰要求的概率值。该待处理图像可以是相册中的所有图像，也可以是指定的部分图像。

需要指出的是，该待处理图像的获取可以是实时性的，比如用户每拍摄一张照片就将其作为待处理图像进行清晰度识别，也可以是周期性的，比如用户最新拍摄的照片达到一定数量，或者当前时间达到指定时间时，可以触发电子设备获取待处理图像进行清晰度识别，也即，该相册管理装置还可以包括确定模块60，用于：

在该计算模块30利用训练后的学习模型计算相册中至少一张待处理图像的清晰度之前，获取当前时间、以及已记录的上一管理时间；

根据该当前时间、以及已记录的上一管理时间从相册中确定待处理图像；

触发该计算模块执行该利用训练后的学习模型计算相册中至少一张待处理图像的清晰度的操作，同时将该当前时间作为管理时间记录保存，并返回执行该获取当前时间、以及已记录的上一管理时间的操作。

本实施例中，确定模块60可以实时检测当前时间，并根据用户在当前时间和上一管理时间之间拍摄的图像数量，或者根据当前时间和上一管理时间之间的间隔时长确定是否需要获取待处理图像进行清晰度识别操作。

进一步地，该确定模块60具体可以用于：

确定相册中拍摄时间在该当前时间与已记录的上一管理时间之间的图像的数量；

判断该数量是否不小于预设数量；

若是，则将拍摄时间在该当前时间与已记录的上一管理时间之间的图像作为待处理图像。

本实施例中，该预设数量可以是人为设定的20或15等，电子设备在每次进行相册管理之后，都会记录保存当时的管理时间，并以当前管理时间为起点计算用户后续拍摄的新照片数量，当到达指定数量时，就对这些新拍摄的照片进行管理，并将管理时间作为新起点重复之前的操作。

或者，该确定模块60进一步可以用于：

计算当前时间与已记录的上一管理时间之间的间隔时长；

判断该间隔时长是否到达预设时长；

若是，则将相册中在该间隔时长内拍摄的图像作为待处理图像。

本实施例中，对相册进行管理也可以是根据时间周期性自动出发的，比如每隔预设时长就触发一次，该预设时长可以是人为设定的一个月或两个月等，主要根据用户自身拍照频率而定，拍照频率越高，该预设时长可以越短。

(4)删除模块40

删除模块40，用于将该清晰度低于预设阈值的图像进行删除，以对该相册进行管理。

本实施例中，该预设阈值可以是人为规定的80％，或70％等，清晰度越低于该预设阈值，代表图像越不能达到用户要求，需要删除。

此外，由于很多用户经常会连续拍摄多张照片，虽然这些照片的清晰度可能不一样，但通常都是针对同一拍摄物拍摄的，若在对待处理图像进行处理的过程中，将满足清晰度的照片全部保留，难免会存在多张内容重复的照片，造成了电子设备存储空间的不必要浪费，也即，在将该清晰度低于预设阈值的图像进行删除之后，该删除模块40还可以用于：

计算该待处理图像中剩余图像彼此间的相似度；

将相似度高于预设相似度的剩余图像按照清晰度从高到底进行排序；

将位于首位之后的剩余图像进行删除。

本实施例中，对于筛选出的拍摄效果满足用户要求的待处理图像，可以进一步通过相似度计算的方法从中挑选出拍摄内容重复的照片，而对于这些重复的照片，只需保留拍摄效果最好(也即清晰度最高)的那张即可，其余的可以删除，从而尽可能节省存储空间。

具体实施时，以上各个单元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，以上各个单元的具体实施可参见前面的方法实施例，在此不再赘述。

由上述可知，本实施例提供的相册管理装置，应用于电子设备，通过获取模块10获取图像样本集、以及该图像样本集中每一图像样本对应的分类标记，训练模块20根据该图像样本集及分类标记对预设的学习模型进行训练，之后，计算模块30利用训练后的学习模型计算相册中至少一张待处理图像的清晰度，删除模块40将该清晰度低于预设阈值的图像进行删除，以对该相册进行管理，从而能自动删除相册中拍摄效果不好的照片，无需用户手动操作，方法简单，避免了存储空间的浪费，实用性强。

另外，本申请实施例还提供了一种电子设备，该电子设备可以是智能手机、平板电脑等设备。图8所示，电子设备900包括处理器901、存储器902、显示屏903以及控制电路904。其中，处理器901分别与存储器902、显示屏903、控制电路904电性连接。

处理器901是电子设备900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，通过运行或加载存储在存储器902内的应用程序，以及调用存储在存储器902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900中的处理器901会按照如下的步骤，将一个或一个以上的应用程序的进程对应的指令加载到存储器902中，并由处理器901来运行存储在存储器902中的应用程序，从而实现各种功能：

获取图像样本集、以及该图像样本集中每一图像样本对应的分类标记；

根据该图像样本集及分类标记对预设的学习模型进行训练；

利用训练后的学习模型计算相册中至少一张待处理图像的清晰度；

将该清晰度低于预设阈值的图像进行删除，以对该相册进行管理。

存储器902可用于存储应用程序和数据。存储器902存储的应用程序中包含有可在处理器中执行的指令。应用程序可以组成各种功能模块。处理器901通过运行存储在存储器902的应用程序，从而执行各种功能应用以及数据处理。

显示屏903可用于显示由用户输入的信息或提供给用户的信息以及终端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904与显示屏903电性连接，用于控制显示屏903显示信息。

在一些实施例中，如图8所示，电子设备900还包括：射频电路905、输入单元906、音频电路907、传感器908以及电源909。其中，处理器901分别与射频电路905、输入单元906、音频电路907、传感器908以及电源909电性连接。

射频电路905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建立无线通讯，与网络设备或其他电子设备之间收发信号。

输入单元906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906可以包括指纹识别模组。

音频电路907可通过扬声器、传声器提供用户与终端之间的音频接口。

电子设备900还可以包括至少一种传感器908，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的亮度，接近传感器可在终端移动到耳边时，关闭显示面板和/或背光。作为运动传感器的一种，重力加速度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；至于终端还可配置的陀螺仪、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。

电源909用于给电子设备900的各个部件供电。在一些实施例中，电源909可以通过电源管理系统与处理器901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8中未示出，电子设备900还可以包括摄像头、蓝牙模块等，在此不再赘述。

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可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于一计算机可读存储介质中，并由处理器进行加载和执行。为此，本发明实施例提供一种存储介质，其中存储有多条指令，该指令能够被处理器进行加载，以执行本发明实施例所提供的任一种相册管理方法中的步骤。

其中，该存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取记忆体(RAM，Random Access Memory)、磁盘或光盘等。

由于该存储介质中所存储的指令，可以执行本发明实施例所提供的任一种相册管理方法中的步骤，因此，可以实现本发明实施例所提供的任一种相册管理方法所能实现的有益效果，详见前面的实施例，在此不再赘述。

以上各个操作的具体实施可参见前面的实施例，在此不再赘述。

综上该，虽然本申请已以优选实施例揭露如上，但上述优选实施例并非用以限制本申请，本领域的普通技术人员，在不脱离本申请的精神和范围内，均可作各种更动与润饰，因此本申请的保护范围以权利要求界定的范围为准。

Claims (10)

1.一种相册管理方法，应用于电子设备，其特征在于，包括：

获取图像样本集、以及所述图像样本集中每一图像样本对应的分类标记；

根据所述图像样本集及分类标记对预设的学习模型进行训练；

利用训练后的学习模型计算相册中至少一张待处理图像的清晰度；

将所述清晰度低于预设阈值的图像进行删除，以对所述相册进行管理。

2.根据权利要求1所述的相册管理方法，其特征在于，在利用训练后的学习模型计算相册中至少一张待处理图像的清晰度之前，还包括：

获取当前时间、以及已记录的上一管理时间；

根据所述当前时间、以及已记录的上一管理时间从相册中确定待处理图像；

执行所述利用训练后的学习模型计算相册中至少一张待处理图像的清晰度的操作，同时将所述当前时间作为管理时间记录保存，并返回执行所述获取当前时间、以及已记录的上一管理时间的操作。

3.根据权利要求2所述的相册管理方法，其特征在于，所述根据所述当前时间、以及已记录的上一管理时间从相册中确定待处理图像，包括：

确定相册中拍摄时间在所述当前时间与已记录的上一管理时间之间的图像的数量；

判断所述数量是否不小于预设数量；

若是，则将拍摄时间在所述当前时间与已记录的上一管理时间之间的图像作为待处理图像。

4.根据权利要求2所述的相册管理方法，其特征在于，所述根据所述当前时间、以及已记录的上一管理时间从相册中确定待处理图像，包括：

计算当前时间与已记录的上一管理时间之间的间隔时长；

判断所述间隔时长是否到达预设时长；

若是，则将相册中在所述间隔时长内拍摄的图像作为待处理图像。

5.根据权利要求1所述的相册管理方法，其特征在于，在将所述清晰度低于预设阈值的图像进行删除之后，还包括：

计算所述待处理图像中剩余图像彼此间的相似度；

将相似度高于预设相似度的剩余图像按照清晰度从高到底进行排序；

将位于首位之后的剩余图像进行删除。

6.根据权利要求1-5中任意一项所述的相册管理方法，其特征在于，所述分类标记包括不清晰，在获取图像样本集之前，还包括：

检测所述电子设备当前是否存在连续拍摄操作；

若存在，则获取所述连续拍摄操作生成的多张拍摄图像；

获取用户从所述多张拍摄图像中删除的拍摄图像，作为目标图像；

为所述目标图像生成指示不清晰的分类标记，并将所述目标图像添加到图像样本集中。

7.一种相册管理装置，应用于电子设备，其特征在于，包括：

获取模块，用于获取图像样本集、以及所述图像样本集中每一图像样本对应的分类标记；

训练模块，用于根据所述图像样本集及分类标记对预设的学习模型进行训练；

计算模块，用于利用训练后的学习模型计算相册中至少一张待处理图像的清晰度；

删除模块，用于将所述清晰度低于预设阈值的图像进行删除，以对所述相册进行管理。

8.根据权利要求7所述的相册管理装置，其特征在于，所述相册管理装置还包括确定模块，用于：

在所述计算模块利用训练后的学习模型计算相册中至少一张待处理图像的清晰度之前，获取当前时间、以及已记录的上一管理时间；

根据所述当前时间、以及已记录的上一管理时间从相册中确定待处理图像；

触发所述计算模块执行所述利用训练后的学习模型计算相册中至少一张待处理图像的清晰度的操作，同时将所述当前时间作为管理时间记录保存，并返回执行所述获取当前时间、以及已记录的上一管理时间的操作。

9.一种存储介质，其特征在于，所述存储介质中存储有多条指令，所述指令适于由处理器加载以执行权利要求1至6中任一项所述的相册管理方法。

10.一种电子设备，其特征在于，包括处理器和存储器，所述处理器与所述存储器电性连接，所述存储器用于存储指令和数据，所述处理器用于执行权利要求1至6中任一项所述的相册管理方法中的步骤。