CN110956075A - 图像处理装置、图像处理方法及记录介质 - Google Patents

图像处理装置、图像处理方法及记录介质 Download PDF

Info

Publication number
CN110956075A
CN110956075A CN201910873432.6A CN201910873432A CN110956075A CN 110956075 A CN110956075 A CN 110956075A CN 201910873432 A CN201910873432 A CN 201910873432A CN 110956075 A CN110956075 A CN 110956075A
Authority
CN
China
Prior art keywords
image
tag information
occurrences
image group
scene
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
Application number
CN201910873432.6A
Other languages
English (en)
Inventor
横山幸德
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.)
Fujifilm Corp
Original Assignee
Fujifilm Corp
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 Fujifilm Corp filed Critical Fujifilm Corp
Publication of CN110956075A publication Critical patent/CN110956075A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G—PHYSICS
    • G11—INFORMATION STORAGE
    • G11B—INFORMATION STORAGE BASED ON RELATIVE MOVEMENT BETWEEN RECORD CARRIER AND TRANSDUCER
    • G11B27/00—Editing; Indexing; Addressing; Timing or synchronising; Monitoring; Measuring tape travel
    • G11B27/10—Indexing; Addressing; Timing or synchronising; Measuring tape travel
    • G11B27/19—Indexing; Addressing; Timing or synchronising; Measuring tape travel by using information detectable on the record carrier
    • G11B27/28—Indexing; Addressing; Timing or synchronising; Measuring tape travel by using information detectable on the record carrier by using information signals recorded by the same method as the main recording
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/60—Editing figures and text; Combining figures or text
    • 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
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/5838—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/30—Scenes; Scene-specific elements in albums, collections or shared content, e.g. social network photos or video
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/35—Categorising the entire scene, e.g. birthday party or wedding scene
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • 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
    • G06V40/172—Classification, e.g. identification
    • G—PHYSICS
    • G11—INFORMATION STORAGE
    • G11B—INFORMATION STORAGE BASED ON RELATIVE MOVEMENT BETWEEN RECORD CARRIER AND TRANSDUCER
    • G11B27/00—Editing; Indexing; Addressing; Timing or synchronising; Monitoring; Measuring tape travel
    • G11B27/02—Editing, e.g. varying the order of information signals recorded on, or reproduced from, record carriers
    • G11B27/031—Electronic editing of digitised analogue information signals, e.g. audio or video signals
    • G—PHYSICS
    • G11—INFORMATION STORAGE
    • G11B—INFORMATION STORAGE BASED ON RELATIVE MOVEMENT BETWEEN RECORD CARRIER AND TRANSDUCER
    • G11B27/00—Editing; Indexing; Addressing; Timing or synchronising; Monitoring; Measuring tape travel
    • G11B27/02—Editing, e.g. varying the order of information signals recorded on, or reproduced from, record carriers
    • G11B27/031—Electronic editing of digitised analogue information signals, e.g. audio or video signals
    • G11B27/034—Electronic editing of digitised analogue information signals, e.g. audio or video signals on discs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/10—Recognition assisted with metadata

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Library & Information Science (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Television Signal Processing For Recording (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种能够由用户所拥有的图像群正确地判定该用户的兴趣的图像处理装置、图像处理方法及记录介质。在本发明的图像处理装置、图像处理方法、程序及记录介质中，兴趣判定部对标签信息的每个种类以被赋予标签信息的图像的拍摄日期的数量计数标签信息的出现次数，并计算相对于赋予到包含在图像群中的图像的所有种类的标签信息的总出现次数的、以拍摄日期的数量计数出的标签信息的出现次数的比例、或者对标签信息的每个种类以被赋予标签信息的图像的数量计数标签信息的出现次数，并判定为第1用户具有与以图像的数量计数出的标签信息的出现次数为阈值以上的标签信息相关的兴趣。

Description

图像处理装置、图像处理方法及记录介质
技术领域
本发明涉及一种由用户所拥有的图像群判定用户的兴趣的图像处理装置、图像处理方法、程序及记录介质。
背景技术
利用SNS(Social Networking Service：社交网络服务)，将用户所拥有的图像向利用SNS的任意的用户公开，或者仅与共享对象共享。并且，在SNS中，通常显示热门内容以及认为利用SNS的用户感兴趣的内容。
在显示认为用户感兴趣的内容的情况下，若能够根据该用户所拥有的图像群判定用户的兴趣，则能够显示符合该兴趣的内容。
作为有关图像处理的通常的技术，已知有对拍摄到图像上的被摄体(人物及除人物以外的物体)进行识别的被摄体识别技术。通过利用该被摄体识别技术能够推断拍摄到图像上的被摄体，例如图像中拍摄有桌子，图像中放置有杯子，图像中拍摄有人物，拍摄到该图像上的人物是女性等。
如上所述，利用现有技术能够识别拍摄到图像上的被摄体，但用户未必一定具有与拍摄到图像上的被摄体相关的兴趣。其理由是：例如如美食、电车、酒的标签及沙井(man-hole)等，有用户的兴趣直接体现在拍摄到图像上的被摄体的兴趣，如“旅行”及“音乐欣赏”等，也有用户的兴趣未直接体现在拍摄到图像上的兴趣。
在此，作为与本发明具有相关性的现有技术文献，有专利文献1～6。
在专利文献1中记载有一种信息处理装置，其根据从图像数据中提取的图像信息对包含多个图像数据的每个图像数据组分析主题性质，并根据主题性质而选择与主题性质相关联地存储的规定的处理与图像数据组的组合。
在专利文献2中记载有一种图像服务器，其分析从终端装置接收到的图像数据以提取与终端装置的用户的嗜好有关的嗜好信息，并从数据库中选择与所提取的嗜好信息相关的相关信息并发送到终端装置。
在专利文献3中记载有一种图像处理装置，其根据包含在候选图像群中的图像的图像分析信息判别候选图像群的主题，并根据候选图像群的主题而选择模板，制作出包含在候选图像群中的图像配置于商品模板上的推荐合成图像。
在专利文献4中记载有一种活动，其从数码相机将图像或Exif信息读入到个人电脑，从图像本身及其图像的Exif信息中提取元数据，并根据所提取的元数据识别拍摄到图像时活动。
在专利文献5中记载有：获取用户所拥有的图像群，并对该图像群的各图像进行图像分析，根据图像分析信息判别图像群的主题，根据图像群的主题分析用户的嗜好。
在专利文献6中记载有：虽然不是图像而是与物件有关的信息，但是从粘贴在用户所拥有的多个物件的各物件上的标签接收与物件有关的信息，将与物件有关的信息作为关键词而检索数据库以获取与有关物件的信息对应关联的物件名称，并根据物件的位置信息将物件进行聚类，在对每一个聚类确定与包含在各聚类中的物件对应的兴趣之后，从结果存储部中获取与所确定的兴趣对应关联的结果，根据该结果，将获取了兴趣信息的次数为阈值以上的兴趣推断为用户的兴趣。
专利文献1：日本特开2011-170690号公报
专利文献2：日本特开2011-257868号公报
专利文献3：日本特开2015-089112号公报
专利文献4：日本专利第4232774号公报
专利文献5：日本特开2016-062122号公报
专利文献6：日本专利第5141015号公报
发明内容
本发明的目的在于提供一种由用户所拥有的图像群能够正确地判定该用户的兴趣的图像处理装置、图像处理方法、程序及记录介质。
为了实现上述目的，本发明的第1方式提供一种图像处理装置，其具备：
图像接收部，接收第1用户所拥有的图像群的输入；
属性信息获取部，从包含在图像群中的各图像中获取赋予到各图像的、包含各图像的拍摄日期和时间的属性信息；
图像分析部，对包含在图像群中的每个图像进行图像的分析，该图像的分析包括对拍摄到图像上的被摄体进行识别的被摄体识别；
标签信息赋予部，对包含在图像群中的每个图像，将与图像的属性信息及拍摄到图像上的被摄体中的至少一方相关的标签信息赋予到图像；及
兴趣判定部，对标签信息的每个种类以被赋予标签信息的图像的拍摄日期的数量计数标签信息的出现次数，并计算相对于赋予到包含在图像群中的图像的所有种类的标签信息的总出现次数的、以拍摄日期的数量计数出的标签信息的出现次数的比例，判定为第1用户具有与该比例为阈值以上的标签信息相关的兴趣，或者，对标签信息的每个种类以被赋予标签信息的图像的数量计数标签信息的出现次数，并判定为第1用户具有与以图像的数量计数出的标签信息的出现次数为阈值以上的标签信息相关的兴趣。
并且，本发明的第2方式提供一种图像处理装置，其具备：
图像接收部，接收第1用户所拥有的图像群的输入；
属性信息获取部，从包含在图像群中的各图像中获取赋予到各图像的、包含各图像的拍摄日期和时间的属性信息；
图像分析部，对包含在图像群中的每个图像进行图像的分析，该图像的分析包括对拍摄到图像上的被摄体进行识别的被摄体识别；
标签信息赋予部，对包含在图像群中的每个图像，将与图像的属性信息及拍摄到图像上的被摄体中的至少一方相关的标签信息赋予到图像；及
场景检测部，对包含在图像群中的每个图像，根据图像的属性信息及标签信息而检测图像的场景，
标签信息赋予部还对包含在图像群中的每个图像，将与图像的场景相关的场景标签信息作为标签信息而赋予到图像，
所述图像处理装置还具备：
兴趣判定部，其对场景标签信息的每个种类以被赋予场景标签信息的图像的拍摄日期的数量计数场景标签信息的出现次数，并计算相对于赋予到包含在图像群中的图像的所有种类的场景标签信息的总出现次数的、以拍摄日期的数量计数出的场景标签信息的出现次数的比例，判定为第1用户具有与该比例为阈值以上的场景标签信息相关的兴趣，或者，对场景标签信息的每个种类以被赋予场景标签信息的图像的数量计数场景标签信息的出现次数，并判定为第1用户具有与以图像的数量计数出的场景标签信息的出现次数为阈值以上的场景标签信息相关的兴趣。
并且，本发明的第3方式提供一种图像处理装置，其具备：
图像接收部，接收第1用户所拥有的图像群的输入；
属性信息获取部，从包含在图像群中的各图像中获取赋予到各图像的、包含各图像的拍摄日期和时间的属性信息；
图像分析部，对包含在图像群中的每个图像进行图像的分析，该图像的分析包括对拍摄到图像上的被摄体进行识别的被摄体识别；
标签信息赋予部，对包含在图像群中的每个图像，将与图像的属性信息及拍摄到图像上的被摄体中的至少一方相关的标签信息赋予到图像；
组提取部，根据各图像的拍摄日期和时间，从图像群中提取包含2个以上的图像的图像组；及
活动确定部，对从图像群中提取的每个图像组，根据包含在图像组中的图像的属性信息及标签信息而确定在图像组中发生的活动，
标签信息赋予部还对从图像群中提取的图像组中所发生的每个活动，将与活动相关的活动标签信息作为标签信息而赋予到活动及在活动中拍摄到的各图像，
所述图像处理装置还具备：
兴趣判定部，对活动标签信息的每个种类以被赋予活动标签信息的图像的拍摄日期的数量或被赋予活动标签信息的活动的数量计数活动标签信息的出现次数，并计算相对于赋予到包含在图像群中的图像的所有种类的活动标签信息的总出现次数的、以拍摄日期的数量或活动的数量计数出的活动标签信息的出现次数的比例，判定为第1用户具有与该比例为阈值以上的场景标签信息相关的兴趣，或者，对活动标签信息的每个种类以被赋予活动标签信息的图像的数量计数活动标签信息的出现次数，并判定为第1用户具有与以图像的数量计数出的活动标签信息的出现次数为阈值以上的活动标签信息相关的兴趣。
并且，本发明的第4方式在第1方式的图像处理装置中，优选还具备场景检测部，其对包含在图像群中的每个图像，根据图像的属性信息及标签信息而检测图像的场景，
标签信息赋予部还对包含在图像群中的每个图像，将与图像的场景相关的场景标签信息作为标签信息而赋予到图像，
兴趣判定部还对场景标签信息的每个种类以被赋予场景标签信息的图像的拍摄日期的数量计数场景标签信息的出现次数，并计算相对于赋予到包含在图像群中的图像的所有种类的场景标签信息的总出现次数的、以拍摄日期的数量计数出的场景标签信息的出现次数的比例，判定为第1用户具有与该比例为阈值以上的场景标签信息相关的兴趣，或者，对场景标签信息的每个种类以被赋予场景标签信息的图像的数量计数场景标签信息的出现次数，并判定为第1用户具有与以图像的数量计数出的场景标签信息的出现次数为阈值以上的场景标签信息相关的兴趣。
本发明的第5方式在第1、第2及第4中任一方式的图像处理装置中，优选还具备：
组提取部，根据各图像的拍摄日期和时间，从图像群中提取包含2个以上的图像的图像组；及
活动确定部，对从图像群中提取的每个图像组，根据包含在图像组中的图像的属性信息及标签信息而确定在图像组中发生的活动，
标签信息赋予部还对从图像群中提取的图像组中所发生的每个活动，将与活动相关的活动标签信息作为标签信息而赋予到活动及在活动中拍摄到的各图像，
兴趣判定部还对活动标签信息的每个种类，以被赋予活动标签信息的图像的拍摄日期的数量或被赋予活动标签信息的活动的数量计数活动标签信息的出现次数，并计算相对于赋予到包含在图像群中的图像的所有种类的活动标签信息的总出现次数的、以拍摄日期的数量或活动的数量计数出的活动标签信息的出现次数的比例，判定为第1用户具有与该比例为阈值以上的活动标签信息相关的兴趣，或者，对活动标签信息的每个种类，以被赋予活动标签信息的图像的数量计数活动标签信息的出现次数，并判定为第1用户具有与以图像的数量计数出的活动标签信息的出现次数为阈值以上的活动标签信息相关的兴趣。
并且，在第1、第2及第4中任一方式的图像处理装置中，优选还具备阈值设定部，其对标签信息的每个种类设定阈值。
并且，在第3或第5方式的图像处理装置中，优选还具备阈值设定部，其对标签信息的每个种类设定阈值。
优选还具备费用设定部，其对从图像群中提取的图像组中所发生的每个活动，设定每1次活动的费用，
阈值设定部设定为，由费用设定部设定的每1次活动的费用变得越高，阈值变得越小。
优选还具备：
家庭地点分析部，由包含在各图像的属性信息中的拍摄地点及包含第1用户的家庭地点信息的第1用户的帐户信息中的至少一个，来分析第1用户的家庭地点；
拍摄地点分析部，对从图像群提取的图像组中所发生的每个活动，根据在活动中拍摄到的图像的属性信息中所包含的拍摄地点而分析在活动中拍摄到的图像的拍摄地点；及
距离计算部，对从图像群提取的图像组中所发生的每个活动，计算家庭地点与拍摄地点之间的距离，
阈值设定部设定为，由距离计算部计算出的距离越远，阈值变得越小。
并且，优选兴趣判定部从赋予到包含在第1用户所拥有的图像群中的图像的所有种类的标签信息中去除如下标签信息，该标签信息为相对于赋予到包含在所有用户所拥有的图像群中的图像的所有种类的标签信息的总出现次数的、赋予到包含在所有用户所拥有的图像群中的图像的所有种类的标签信息中的出现次数的比例为阈值以上的标签信息。
并且，优选兴趣判定部将与如下标签信息相关的兴趣判定为比其他标签信息相关的兴趣更重要的兴趣，该标签信息为相对于赋予到包含在所有用户所拥有的图像群中的图像的1种标签信息的出现次数的、赋予到包含在第1用户所拥有的图像群中的图像的1种标签信息的出现次数的比例为阈值以上的标签信息。
优选还具备图像共享部，其在第1用户与第2用户之间共享图像，
第2用户所拥有的图像对第1用户共享的情况下，图像接收部包含被共享的图像作为第1用户所拥有的图像群。
并且，优选在对第1用户共享的第2用户所拥有的图像中，第1图像作为第1用户所拥有的图像群而被保存、且第2图像未作为第1用户所拥有的图像群而被保存的情况下，兴趣判定部进行加权，以使赋予到第1图像的标签信息的出现次数比赋予到第2图像的标签信息的出现次数多。
并且，本发明的第6方式提供一种图像处理方法，其包括如下步骤：
图像接收部接收第1用户所拥有的图像群的输入；
属性信息获取部从包含在图像群中的各图像中获取赋予到各图像的、包含各图像的拍摄日期和时间的属性信息；
图像分析部对包含在图像群中的每个图像进行图像的分析，该图像的分析包括对拍摄到图像上的被摄体进行识别的被摄体识别；
标签信息赋予部对包含在图像群中的每个图像，将与图像的属性信息及拍摄到图像上的被摄体中的至少一方相关的标签信息赋予到图像；
兴趣判定部对标签信息的每个种类以被赋予标签信息的图像的拍摄日期的数量计数标签信息的出现次数，并计算相对于赋予到包含在图像群中的图像的所有种类的标签信息的总出现次数的、以拍摄日期的数量计数出的标签信息的出现次数的比例，判定为第1用户具有与该比例为阈值以上的标签信息相关的兴趣，或者，对标签信息的每个种类以被赋予标签信息的图像的数量计数标签信息的出现次数，并判定为第1用户具有与以图像的数量计数出的标签信息的出现次数为阈值以上的标签信息相关的兴趣。
并且，本发明的第7方式提供一种图像处理方法，其包括如下步骤：图像接收部接收第1用户所拥有的图像群的输入；
属性信息获取部从各图像中获取赋予到包含在图像群中的各图像的、包含各图像的拍摄日期和时间的属性信息；
图像分析部对包含在图像群中的每个图像进行图像的分析，该图像的分析包含对拍摄到图像上的被摄体进行识别的被摄体识别；
标签信息赋予部对包含在图像群中的每个图像，将与图像的属性信息及拍摄到图像上的被摄体中的至少一方相关的标签信息赋予到图像；
场景检测部对包含在图像群中的每个图像，根据图像的属性信息及标签信息而检测图像的场景；
标签信息赋予部还对包含在图像群中的每个图像，将与图像的场景相关的场景标签信息作为标签信息而赋予到图像，
兴趣判定部对场景标签信息的每个种类，以被赋予场景标签信息的图像的拍摄日期的数量计数场景标签信息的出现次数，并计算相对于赋予到包含在图像群中的图像的所有种类的场景标签信息的总出现次数的、以拍摄日期的数量计数出的场景标签信息的出现次数的比例，判定为第1用户具有与该比例为阈值以上的场景标签信息相关的兴趣，或者，对场景标签信息的每个种类，以被赋予场景标签信息的图像的数量计数场景标签信息的出现次数，并判定为第1用户具有与以图像的数量计数出的场景标签信息的出现次数为阈值以上的场景标签信息相关的兴趣。
并且，本发明的第8方式提供一种图像处理方法、其包括如下步骤：
图像接收部接收第1用户所拥有的图像群的输入；
属性信息获取部从包含在图像群中的各图像中获取赋予到各图像的、包含各图像的拍摄日期和时间的属性信息；
图像分析部对包含在图像群中的每个图像进行图像的分析，该图像的分析包括对拍摄到图像上的被摄体进行识别的被摄体识别；
标签信息赋予部对包含在图像群中的每个图像，将与图像的属性信息及拍摄到图像上的被摄体中的至少一方相关的标签信息赋予到图像；
组提取部根据各图像的拍摄日期和时间，从图像群中提取包含2个以上的图像的图像组；
活动确定部对从图像群中提取的每个图像组，根据包含在图像组中的图像的属性信息及标签信息而确定在图像组中发生的活动；
标签信息赋予部还对从图像群中提取的图像组中所发生的每个活动，将与活动相关的活动标签信息作为标签信息而赋予到活动及在活动中拍摄到的各图像；及
兴趣判定部对活动标签信息的每个种类以被赋予活动标签信息的图像的拍摄日期的数量或被赋予活动标签信息的活动的数量计数活动标签信息的出现次数，并计算相对于赋予到包含在图像群中的图像的所有种类的活动标签信息的总出现次数的、以拍摄日期的数量或活动的数量计数出的活动标签信息的出现次数的比例，判定为第1用户具有与该比例为阈值以上的活动标签信息相关的兴趣，或者对活动标签信息的每个种类以被赋予活动标签信息的图像的数量计数活动标签信息的出现次数，并判定为第1用户具有与以图像的数量计数出的活动标签信息的出现次数为阈值以上的活动标签信息相关的兴趣。
并且，本发明的第9方式在第6方式的图像处理方法中，优选还包括如下步骤：
场景检测部对包含在图像群中的每个图像，根据图像的属性信息及标签信息而检测图像的场景；
标签信息赋予部还对包含在图像群中的每个图像，将与图像的场景相关的场景标签信息作为标签信息而赋予到图像，
兴趣判定部还对场景标签信息的每个种类，以被赋予场景标签信息的图像的拍摄日期的数量计数场景标签信息的出现次数，并计算相对于赋予到包含在图像群中的图像的所有种类的场景标签信息的总出现次数的、以拍摄日期的数量计数出的场景标签信息的出现次数的比例，判定为第1用户具有与该比例为阈值以上的场景标签信息相关的兴趣，或者，对场景标签信息的每个种类，以被赋予场景标签信息的图像的数量计数场景标签信息的出现次数，并判定为第1用户具有与以图像的数量计数出的场景标签信息的出现次数为阈值以上的场景标签信息相关的兴趣。
并且，本发明的第10方式在第6、第7及第9方式的图像处理方法中，优选还包括如下步骤：
组提取部根据各图像的拍摄日期和时间，从图像群中提取包含2个以上的图像的图像组；
活动确定部对从图像群中提取的每个图像组，根据包含在图像组中的图像的属性信息及标签信息而确定在图像组中发生的活动；
标签信息赋予部还对从图像群中提取的图像组中所发生的每个活动，将与活动相关的活动标签信息作为标签信息而赋予到活动及在活动中拍摄到的各图像；及
兴趣判定部还对活动标签信息的每个种类以被赋予活动标签信息的图像的拍摄日期的数量或被赋予活动标签信息的活动的数量计数活动标签信息的出现次数，并计算相对于赋予到包含在图像群中的图像的所有种类的活动标签信息的总出现次数的、以拍摄日期的数量或活动的数量计数出的活动标签信息的出现次数的比例，判定为第1用户具有与该比例为阈值以上的活动标签信息相关的兴趣，或者，对活动标签信息的每个种类以被赋予活动标签信息的图像的数量计数活动标签信息的出现次数，并判定为第1用户具有与以图像的数量计数出的活动标签信息的出现次数为阈值以上的活动标签信息相关的兴趣。
并且，本发明的第11方式提供一种程序，其用于使计算机执行上述任一种图像处理方法的各步骤。
并且，本发明的第12方式提供一种计算机可读取的记录介质，其记录有用于使计算机执行上述任一种图像处理方法的各步骤的程序。
本发明的第13方式提供一种图像处理装置，其具备：
图像接收部，接收第1用户所拥有的图像群的输入；
属性信息获取部，从包含在图像群中的各图像中获取赋予到各图像的、包含各图像的拍摄日期和时间的属性信息；
图像分析部，对包含在图像群中的每个图像进行图像的分析，该图像的分析包括对拍摄到图像上的被摄体进行识别的被摄体识别；
标签信息赋予部，对包含在图像群中的每个图像，将与图像的属性信息及拍摄到图像上的被摄体中的至少一方相关的标签信息赋予到图像；及
兴趣判定部，对标签信息的每个种类，以被赋予标签信息的图像的拍摄日期的数量计数标签信息的出现次数，并计算相对于赋予到包含在图像群中的图像的所有种类的标签信息的总出现次数的、以拍摄日期的数量计数出的标签信息的出现次数的比例，判定为第1用户具有与该比例为阈值以上的标签信息相关的兴趣，或者对标签信息的每个种类，以被赋予标签信息的图像的数量计数标签信息的出现次数，并判定为第1用户具有与以图像的数量计数出的标签信息的出现次数为阈值以上的标签信息相关的兴趣，
图像接收部、属性信息获取部、图像分析部、标签信息赋予部及兴趣判定部由专用硬件或执行程序的处理器构成。
并且，本发明的第14方式提供一种图像处理装置，其具备：
图像接收部，接收第1用户所拥有的图像群的输入；
属性信息获取部，从包含在图像群中的各图像中获取赋予到各图像的、包含各图像的拍摄日期和时间的属性信息；
图像分析部，对包含在图像群中的每个图像进行图像的分析，该图像的分析包括对拍摄到图像上的被摄体进行识别的被摄体识别；
标签信息赋予部，对包含在图像群中的每个图像，将与图像的属性信息及拍摄到图像上的被摄体中的至少一方相关的标签信息赋予到图像；及
场景检测部，对包含在图像群中的每个图像，根据图像的属性信息及标签信息而检测图像的场景，
标签信息赋予部还对包含在图像群中的每个图像，将与图像的场景相关的场景标签信息作为标签信息而赋予到图像，
所述图像处理装置还具备：
兴趣判定部，对场景标签信息的每个种类，以被赋予场景标签信息的图像的拍摄日期的数量计数场景标签信息的出现次数，并计算相对于赋予到包含在图像群中的图像的所有种类的场景标签信息的总出现次数的、以拍摄日期的数量计数出的场景标签信息的出现次数的比例，判定为第1用户具有与该比例为阈值以上的场景标签信息相关的兴趣，或者对场景标签信息的每个种类，以被赋予场景标签信息的图像的数量计数场景标签信息的出现次数，并判定为第1用户具有与以图像的数量计数出的场景标签信息的出现次数为阈值以上的场景标签信息相关的兴趣，
图像接收部、属性信息获取部、图像分析部、标签信息赋予部、场景检测部及兴趣判定部由专用硬件或执行程序的处理器构成。
并且，本发明的第15方式提供一种图像处理装置，其具备：
图像接收部，接收第1用户所拥有的图像群的输入；
属性信息获取部，从包含在图像群中的各图像中获取赋予到各图像的、包含各图像的拍摄日期和时间的属性信息；
图像分析部，对包含在图像群中的每个图像进行图像的分析，该图像分析包括对拍摄到图像上的被摄体进行识别的被摄体识别；
标签信息赋予部，对包含在图像群中的每个图像，将与图像的属性信息及拍摄到图像上的被摄体中的至少一方相关的标签信息赋予到图像；
组提取部，根据各图像的拍摄日期和时间，从图像群中提取包含2个以上的图像的图像组；及
活动确定部，对从图像群中提取的每个图像组，根据包含在图像组中的图像的属性信息及标签信息而确定在图像组中发生的活动，
标签信息赋予部还对从图像群中提取的图像组中所发生的每个活动，将与活动相关的活动标签信息作为标签信息而赋予到活动及在活动中拍摄到的各图像，
所述图像处理装置还具备：
兴趣判定部，对活动标签信息的每个种类，以被赋予活动标签信息的图像的拍摄日期的数量或被赋予活动标签信息的活动的数量计数活动标签信息的出现次数，并计算相对于赋予到包含在图像群中的图像的所有种类的活动标签信息的总出现次数的、以拍摄日期的数量或活动的数量计数出的活动标签信息的出现次数的比例，判定为第1用户具有与该比例为阈值以上的活动标签信息相关的兴趣，或者，对活动标签信息的每个种类，以被赋予活动标签信息的图像的数量计数活动标签信息的出现次数，并判定为第1用户具有与以图像的数量计数出的活动标签信息的出现次数为阈值以上的活动标签信息相关的兴趣，
图像接收部、属性信息获取部、图像分析部、标签信息赋予部、组提取部、活动确定部及兴趣判定部由专用硬件或执行程序的处理器构成。
并且，本发明的第16方式在第13方式的图像处理装置中，优选还具备场景检测部，其对包含在图像群中的每个图像，根据图像的属性信息及标签信息而检测图像的场景，
场景检测部由专用硬件或执行程序的处理器构成，
标签信息赋予部还对包含在图像群中的每个图像，将与图像的场景相关的场景标签信息作为标签信息而赋予到图像，
兴趣判定部还对场景标签信息的每个种类以被赋予场景标签信息的图像的拍摄日期的数量计数场景标签信息的出现次数，并计算相对于赋予到包含在图像群中的图像的所有种类的场景标签信息的总出现次数的、以拍摄日期的数量计数出的场景标签信息的出现次数的比例，判定为第1用户具有与该比例为阈值以上的场景标签信息相关的兴趣，或者，对场景标签信息的每个种类以被赋予场景标签信息的图像的数量计数场景标签信息的出现次数，并判定为第1用户具有与以图像的数量计数出的场景标签信息的出现次数为阈值以上的场景标签信息相关的兴趣。
本发明的第17方式在第13、第14及第16中任一方式的图像处理装置中，优选还具备：
组提取部，根据各图像的拍摄日期和时间，从图像群中提取包含2个以上的图像的图像组；及
活动确定部，对从图像群中提取的每个图像组，根据包含在图像组中的图像的属性信息及标签信息而确定在图像组中发生的活动，
组提取部及活动确定部由专用硬件或执行程序的处理器构成，
标签信息赋予部还对从图像群中提取的图像组中所发生的每个活动，将与活动相关的活动标签信息作为标签信息而赋予到活动及在活动中拍摄到的各图像，
兴趣判定部还对活动标签信息的每个种类，以被赋予活动标签信息的图像的拍摄日期的数量或被赋予活动标签信息的活动的数量计数活动标签信息的出现次数，并计算相对于赋予到包含在图像群中的图像的所有种类的活动标签信息的总出现次数的、以拍摄日期的数量或活动的数量计数出的活动标签信息的出现次数的比例，判定为所述第1用户具有与该比例为阈值以上的活动标签信息相关的兴趣，或者，对活动标签信息的每个种类，以被赋予活动标签信息的图像的数量计数活动标签信息的出现次数，并判定为第1用户具有与以图像的数量计数出的活动标签信息的出现次数为阈值以上的活动标签信息相关的兴趣。
并且，在第13、第14及第16中任一方式的图像处理装置中，优选还具备阈值设定部，其对标签信息的每个种类设定阈值，
阈值设定部由专用硬件或执行程序的处理器构成。
并且，在第15或第17方式的图像处理装置中，还具备阈值设定部，其对标签信息的每个种类设定阈值，
阈值设定部由专用硬件或执行程序的处理器构成。
优选还具备费用设定部，其对从图像群中提取的图像组中所发生的每个活动，设定每1次活动的费用，
费用设定部由专用硬件或执行程序的处理器构成，
阈值设定部设定为，由费用设定部设定的每1次活动的费用变得越高，阈值变得越小。
优选还具备家庭地点分析部，其由包含在各图像的属性信息中的拍摄地点及包含第1用户的家庭地点信息的第1用户的帐户信息中的至少一个来分析第1用户的家庭地点；
拍摄地点分析部，对从图像群提取的图像组中所发生的每个活动，根据在活动中拍摄到的图像的属性信息中所包含的拍摄地点而分析在活动中拍摄到的图像的拍摄地点；及
距离计算部，对从图像群提取的图像组中所发生的每个活动，计算家庭地点与拍摄地点之间的距离，
家庭地点分析部、拍摄地点分析部及距离计算部由专用硬件或执行程序的处理器构成，
阈值设定部设定为，由距离计算部计算出的距离越远，则阈值变得越小。
优选还具备图像共享部，其在第1用户与第2用户之间共享图像，
图像共享部由专用硬件或执行程序的处理器构成，
第2用户所拥有的图像对第1用户共享的情况下，图像接收部包含被共享的图像作为第1用户所拥有的图像群。
发明效果
根据本发明，以被赋予标签信息的图像的拍摄日期的数量计数该标签信息的出现次数，由此能够正确地判定为第1用户具有与保持持续性反复出现的标签信息相关的兴趣。
并且，使用场景标签信息及活动标签信息来判定第1用户的兴趣，由此在第1用户的兴趣未直接拍摄到图像上的情况下，也能够正确地判定第1用户的兴趣。
附图说明
图1是表示本发明所涉及的图像处理系统的结构的一实施方式的框图。
图2是表示客户端结构的一实施方式的框图。
图3是表示图像处理系统的动作的一实施方式的流程图。
图4是表示赋予活动标签信息的状态的一实施方式的概念图。
符号说明
10-图像处理系统，12-服务器，14-客户端，16-网络，18-指示获取部，20-图像接收部，22-属性信息获取部，24-图像分析部，26-标签信息赋予部，28-兴趣判定部，30-场景检测部，32-组提取部，34-活动确定部，36-费用设定部，38-家庭地点分析部，40-拍摄地点分析部，42-距离计算部，44-阈值设定部，46-图像共享部，48-通信部，50-显示器。
具体实施方式
以下，根据附图所示的优选实施方式，对本发明的图像处理装置、图像处理方法、程序及记录介质详细地进行说明。
图1是表示本发明所涉及的图像处理系统的结构的一实施方式的框图。
图1所示的图像处理系统10具备服务器12、经由网络16连接于各服务器12的多个客户端14。
服务器12具有如下功能：获取利用图像处理系统10的多个用户所拥有的图像群，并将包含在多个用户各自所拥有的图像群中的各图像向任意的用户公开、仅与共享对象共享、或者设定为非公开等。
服务器12并不限定于1台，也可以是多台，并由具有控制装置、存储装置及通信装置等的工作站等构成。
客户端14是本实施方式的图像处理装置，具有由用户所拥有的图像群判定用户的兴趣的功能等。
客户端14由具有控制装置、输入装置、存储装置、通信装置及显示器等的台式电脑(个人电脑)、笔记本电脑、平板电脑或移动电话及智能手机等移动终端等构成。
图2是表示客户端结构的一实施方式的框图。图2所示的客户端14具备指示获取部18、图像接收部20属性信息获取部22、图像分析部24、标签信息赋予部26、兴趣判定部28、场景检测部30、组提取部32、活动确定部34、费用设定部36、家庭地点分析部38、拍摄地点分析部40、距离计算部42、阈值设定部44、图像共享部46、通信部48及显示器50。
以下，对第1用户所拥有的客户端14进行说明。
第1用户是利用图像处理系统10的所有用户中的任意一个用户。在本实施方式中对第1用户的客户端14进行说明，但关于除第1用户以外的其他用户所拥有的客户端14，也具有相同的结构及功能。
在第1用户的客户端14中，首先，指示获取部18获取由第1用户利用键盘、鼠标、触摸面板等输入装置来输入的各种指示。
第1用户一边看显示于显示器50的画面，一边使用输入装置来输入指示。
第1用户所输入的指示不受特别的限制，包括：指定图像群的指示、设定活动费用的指示、从包含在图像群中的图像中选择图像的指示、设定图像的共享对象的指示、将图像进行公开、共享或设定为非公开的指示等。
接着，图像接收部20根据指定图像群的指示而接收第1用户所拥有的图像群的输入。换言之，图像接收部20获取第1用户所拥有的图像群。
第1用户所拥有的图像群不受特别的限制，包括：在第1用户的客户端14的存储装置中储存的图像群、记录于USB(Universal Serial Bus：通用串行总线)存储器、SD(SecureDigital：安全数字)存储器、CD(Compact Disc：光盘)、DVD(Digital Versatile Disc：数字多功能光盘)及HD(Hard Disk：硬盘)等外部记录介质的图像群、储存于在线存储器中的图像群、发布到SNS上的图像群等。并且，图像中不仅包括静态图像，而且还包括动态图像。
接着，属性信息获取部22从各图像中获取赋予到包含在图像群中的各图像的、包含各图像的拍摄日期和时间的属性信息。
对包含在图像群中的多个图像分别能够赋予属性信息。
属性信息是表示图像属性的信息，例如能够例示Exif(Exchangeable image fileformat：可交换的图像文件格式)信息等。Exif信息是与图像的拍摄条件有关的信息，例如包含图像的拍摄日期和时间、拍摄地点(位置信息)、焦点距离、曝光等信息。Exif信息作为通过数码相机等拍摄到的图像(图像数据)的标题信息而被赋予。
接着，图像分析部24对包含在图像群中的每个图像进行图像分析，该图像分析包括对拍摄到图像上的被摄体(人物及除人物以外的物体)进行识别的被摄体识别。
被摄体识别包括脸部检测、人物识别(脸部识别)及物体识别(肉、水果、花、蛋糕、……)等。
图像分析并不受特别的限定，包括明度判定、色度评价、模糊评价等。
接着，标签信息赋予部26对包含在图像群中的每个图像，根据图像的属性信息及图像分析结果将标签信息赋予到图像。
在本实施方式的情况下，标签信息赋予部26对包含在图像群中的每个图像，将与图像的属性信息及拍摄到图像上的被摄体中的至少一方相关的标签信息赋予到图像。
标签信息是表示图像的属性信息、拍摄到图像上的被摄体及从图像中读取的感情等名称。
例如图像的拍摄年份为2018年的情况下，“2018年”的标签信息赋予到图像，在图像的拍摄地点为东京的情况下，“東京”之类的标签信息赋予到图像。并且，“肉”及多个“人物”作为被摄体而拍摄到图像上的情况下，“肉”、“人物”、“酒会”及“女性聚会”等标签信息赋予到图像。若拍摄到图像上的“人物”是笑脸，则“笑脸”及“开心”等标签信息赋予到图像。
并且，由可穿戴终端中的心跳数、呼吸次数、血压、心电图、体温及出汗等的测定及检测、以及护目镜类终端中的瞳孔的开度的测定及检测等，能够测定感情。
并且，标签信息赋予部26对包含在图像群中的每个图像，能够将与图像的场景相关的场景标签信息作为标签信息赋予到图像。
场景标签信息是表示图像的场景的名称。
如“儿童”、“蓝天”、“大海”、“学校”、“运动会”等场景等，场景表示拍摄到1张图像的时点的一个场面。
例如“院落”、“和服”及“儿童”拍摄到图像上的情况下，“七五三”之类的场景标签信息赋予到图像。
而且，标签信息赋予部26能够对从图像群中提取的图像组中所发生的每个活动，将与活动相关的活动标签信息作为标签信息赋予到活动及在活动中拍摄到的各图像。
活动标签信息是表示活动的名称。
如“开学典礼”、“运动会”、“旅行”等，活动表示在拍摄到图像组的期间发生的事情。
例如在几天连续拍摄到的图像组中，在拍摄到“风景”及“菜肴”的情况下，或者在拍摄到“标志性建筑”及“与平常不同的拍摄地点”的情况下，“旅行”之类的活动标签信息赋予到该活动及包含在图像组中的、在该活动中拍摄到的各图像。
标签信息、场景标签信息及活动标签信息也能够由第1用户以手动方式赋予到图像。并且，标签信息赋予部26也能够将标签信息、场景标签信息及活动标签信息不赋予到图像，而使用已赋予到图像的标签信息、场景标签信息及活动标签信息。另外，也有时如“儿童”及“运动会”等标签信息、场景标签信息及活动标签信息中的至少2个以上由相同的名称来表示。
接着，兴趣判定部28对赋予到包含在图像群中的图像的标签信息的每个种类，根据标签信息的出现次数判定第1用户的兴趣。
兴趣判定部28能够对标签信息的每个种类以被赋予标签信息的图像的拍摄日期的数量计数标签信息的出现次数，并计算相对于赋予到包含在图像群中的图像的所有种类的标签信息的总出现次数的、以拍摄日期的数量计数出的标签信息的出现次数的比例，或者对标签信息的每个种类以被赋予标签信息的图像的数量计数标签信息的出现次数，并判定为第1用户具有与以图像的数量计数出的标签信息的出现次数为阈值以上的标签信息相关的兴趣。
并且，兴趣判定部28能够对场景标签信息的每个种类，以被赋予场景标签信息的图像的拍摄日期的数量计数场景标签信息的出现次数，并计算相对于赋予到包含在图像群中的图像的所有种类的场景标签信息的总出现次数的、以拍摄日期的数量计数出的场景标签信息的出现次数的比例，或者对场景标签信息的每个种类，以被赋予场景标签信息的图像的数量计数场景标签信息的出现次数，并判定为第1用户具有与以图像的数量计数出的场景标签信息的出现次数为阈值以上的场景标签信息相关的兴趣。
而且，兴趣判定部28能够对活动标签信息的每个种类，以被赋予活动标签信息的图像的拍摄日期的数量或被赋予活动标签信息的活动的数量计数活动标签信息的出现次数，并计算相对于赋予到包含在图像群中的图像的所有种类的活动标签信息的总出现次数的、以拍摄日期的数量计数出的活动标签信息的出现次数的比例，或者对活动标签信息的每个种类，以被赋予活动标签信息的图像的数量计数活动标签信息的出现次数，并判定为第1用户具有与以图像的数量计数出的活动标签信息的出现次数为阈值以上的活动标签信息相关的兴趣。
兴趣判定部28可以对标签信息的每个种类，根据相对于赋予到包含在图像群中的图像的所有种类的标签信息的总出现次数的、以拍摄日期的数量计数出的标签信息的出现次数的比例来判定第1用户具有与该标签信息相关的兴趣的概率，换言之，兴趣程度。同样地，关于场景标签信息及活动标签信息，也可以判定兴趣程度。
接着，场景检测部30对包含在图像群中的每个图像，根据图像的属性信息及标签信息而检测图像的场景。
场景检测部30将图像的所有属性信息及赋予到图像的所有标签信息进行整合，并检测关于该图像整体的高脉络(high-context)场景。如“七五三”及“旅行”等，高脉络场景是指能够从图像整体中进行读取的场景。相对于高脉络场景，如“儿童”等，将能够由拍摄到图像上的被摄体检测的场景称作低脉络场景。
接着，组提取部32根据各图像的拍摄日期和时间，从图像群中提取包含2个以上的图像的图像组。
组提取部32从图像群中提取例如图像的拍摄日期和时间接近的多个图像，即，拍摄间隔小于阈值的2个以上的图像作为相同的图像组。
接着，活动确定部34对从图像群中提取的每个图像组，根据包含在图像组中的图像的属性信息及标签信息而确定在图像组中发生的活动，
活动确定部34将包含在图像组中的图像的所有属性信息及赋予到包含在图像组中的图像的所有标签信息进行整合，并检测关于该图像组的高脉络活动。
接着，费用设定部36对从图像群中提取的图像组中所发生的每个活动，设定每1次活动的费用。
费用设定部36可以根据设定活动费用的指示对活动的每个种类设定活动费用，或者例如也能够利用互联网来检索活动费用，并将多个费用的检索结果的平均值设定为该活动费用。
接着，家庭地点分析部38由包含在各图像的属性信息中的拍摄地点及包含第1用户的家庭地点信息的第1用户的帐户信息中的至少一个来分析第1用户的家庭地点。
在包含拍摄地点的属性信息被赋予到各图像的情况下，例如若图像群中的多个图像在相同的范围内的地点被拍摄，则能够分析为该范围内的地点是第1用户的家庭地点。并且，在第1用户利用SNS的情况下，有时登录第1用户的家庭地点的信息作为帐户信息。该情况下，能够由第1用户的帐户信息来分析第1用户的家庭地点。
接着，拍摄地点分析部40对从图像群提取的图像组中所发生的每个活动，根据在活动中拍摄到的图像的属性信息中所包含的拍摄地点而分析在活动中拍摄到的图像的拍摄地点。
若在活动中拍摄到的图像在相同的范围内的地点被拍摄，则能够分析为该范围内的地点为在活动中拍摄到的图像的拍摄地点。
接着，距离计算部42对从图像群提取的图像组中所发生的每个活动，计算家庭地点与拍摄地点之间的距离。
接着，阈值设定部44对赋予到包含在第1用户所拥有的图像群中的图像的标签信息的每个种类，设定在兴趣判定部28中使用的阈值。
接着，图像共享部46在第1用户与第2用户之间共享图像。
第2用户是在利用图像处理系统10的所有用户中除第1用户以外的任意一个用户或多个用户。
图像共享部46根据将图像公开、或者设定为非公开的指示，将根据选择图像的指示所选择的图像向任意的用户公开、或者设定为非公开。并且，图像共享部46根据共享图像的指示，将根据选择图像的指示所选择的图像仅与根据设定共享对象的指示设定的共享对象进行共享。
接着，通信部48是客户端14所具有的通信装置，与服务器12所具有的通信装置之间进行各种数据的收发。
通信部48例如将存储于客户端14的存储装置中的图像(图像数据)从客户端14经由网络16上传到服务器12，或者将存储于服务器12的存储装置中的图像从服务器12经由网络16下载到客户端14。
接着，参考图3所示的流程图及图4所示的概念图，对判定第1用户的兴趣的情况下的图像处理系统10的动作进行说明。
图3是表示图像处理系统的动作的一实施方式的流程图。图4是表示赋予活动标签信息的状况的一实施方式的概念图。在图4中示出包含在第1用户所拥有的图像群中的2个图像组。
在第1用户所拥有的客户端14中，首先，由图像接收部20根据指定图像群的指示而接收第1用户所拥有的图像群的输入(S1)。图像群储存于客户端14的存储装置。并且，图像群从客户端14经由网络16上传到服务器12，并储存于服务器12的存储装置。
接着，由属性信息获取部22从各图像中获取包括包含在图像群中的各图像的拍摄日期和时间的属性信息(S2)。
接着，由图像分析部24对包含在图像群中的每个图像进行图像分析，该图像分析包括对拍摄到图像上的被摄体进行识别的被摄体识别(S3)。
接着，由标签信息赋予部26对包含在图像群中的每个图像，将与图像的属性信息及拍摄到图像上的被摄体中的至少一方相关的标签信息赋予到图像(S4)。
如图4所示，根据图像，并不限定于被赋予1个标签信息，也有被赋予2个以上标签信息的图像，也有连1个标签信息也不被赋予的图像。
另外，可以在由图像接收部20刚接收到图像群的输入之后就进行属性信息的获取、图像分析及标签信息的赋予等，或者在由图像接收部20接收到图像群的输入之后，在通过图像处理系统10未进行任何处理的期间，例如在夜间等，可以进行属性信息的获取、图像分析及标签信息的赋予等。
在本实施方式的情况下，首先，根据标签信息而判定第1用户的兴趣。
该情况下，由兴趣判定部28对标签信息的每个种类以被赋予标签信息的图像的拍摄日期的数量计数标签信息的出现次数(S5)。
接着，由兴趣判定部28判定为第1用户具有与标签信息相关的兴趣，该标签信息为相对于赋予到包含在图像群中的图像的所有种类的标签信息的总出现次数的、与以拍摄日期的数量计数出的出现次数的比例为阈值以上的标签信息(S6)。
如美食、电车、酒的标签及沙井等，在第1用户的兴趣直接体现在拍摄到图像上的被摄体的情况下，换言之，在仅能够由与被摄体相关的标签信息来判定第1用户的兴趣的情况下，兴趣判定部28判定为第1用户具有在赋予到包含在第1用户所拥有的图像群中的图像的所有种类的标签信息中，与出现次数相对多的种类的标签信息相关的兴趣。
例如也有这样的情况，即使在某一天集中拍摄图像群、且相同种类的标签信息被赋予到包含在该图像群中的多个图像上，但在另一天完全未拍摄到被赋予该标签信息的图像。即，即使在某一天集中拍摄图像、且相同种类的标签信息被赋予到包含在该图像群中的多个图像上，第1用户也不一定立即具有与该标签信息相关的兴趣。
兴趣是指通常具有持续性反复进行的。从而，如本实施方式，以被赋予该标签信息的图像的拍摄日期的数量计数标签信息的出现次数，由此能够判定是否为保持持续性反复进行的兴趣，并能够正确地判定第1用户具有与保持持续性反复出现的标签信息相关的兴趣。
或者，兴趣判定部28也可以对标签信息的每个种类以被赋予标签信息的图像的数量计数标签信息的出现次数，并判定为第1用户具有与以图像的数量计数出的标签信息的出现次数为阈值以上的标签信息相关的兴趣。
例如第1用户的兴趣也有时是1年1次去海外旅行。从而，通过以被赋予标签信息的图像的数量计数标签信息的出现次数，即使是与出现次数少的标签信息相关的兴趣，也能够判定是否为保持持续性反复进行的兴趣，并能够判定第1用户具有该兴趣。
接着，根据场景标签信息而判定第1用户的兴趣。
该情况下，由场景检测部30对包含在图像群中的每个图像，根据图像的属性信息及标签信息而检测图像的场景(S7)。
接着，由标签信息赋予部26对包含在图像群中的每个图像，将与图像的场景相关的场景标签信息作为标签信息而赋予到图像(S8)。
如图4所示，关于图像，有被赋予场景标签信息的图像，也有未被赋予场景标签信息的图像。
接着，由兴趣判定部28对场景标签信息的每个种类以被赋予场景标签信息的图像的拍摄日期的数量计数场景标签信息的出现次数(S9)。
接着，由兴趣判定部28判定为第1用户具有与场景标签信息相关的兴趣，该场景标签信息为相对于赋予到包含在图像群中的图像的所有种类的场景标签信息的总出现次数的、以拍摄日期的数量计数出的场景标签信息的出现次数的比例为阈值以上的场景标签信息(S10)。
如“旅行”及“音乐欣赏”等，在第1用户的兴趣为未直接拍摄到图像上的兴趣情况下，换言之，在仅由与被摄体相关的标签信息难以判定第1用户的兴趣的情况下，兴趣判定部28判定为第1用户具有在赋予到包含在第1用户所拥有的图像群中的图像的所有种类的场景标签信息中，与出现次数相对多的种类的场景标签信息相关的兴趣。
或者，兴趣判定部28可以对场景标签信息的每个种类以被赋予场景标签信息的图像的数量计数场景标签信息的出现次数，并判定为第1用户具有与以图像的数量计数出的场景标签信息的出现次数为阈值以上的场景标签信息相关的兴趣。
接着，根据活动标签信息而判定第1用户的兴趣。
该情况下，由组提取部32根据各图像的拍摄日期和时间从图像群中提取图像组(S11)。
接着，由活动确定部34对从图像群中提取的每个图像组，根据包含在图像组中的图像的属性信息及标签信息而确定在图像组中发生的活动(S12)。
接着，由标签信息赋予部26对从图像群中提取的图像组中发生的每个活动，将与活动相关的活动标签信息作为标签信息而反馈并赋予到该活动及包含在图像组中的在该活动中拍摄到的各图像(S13)。
如图4所示，根据图像组，并不限定于被赋予1个活动标签信息，也有被赋予2个以上的活动标签信息的图像群，也有连1个活动标签信息也未被赋予的图像群。
接着，由兴趣判定部28对活动标签信息的每个种类以被赋予活动标签信息的图像的拍摄日期的数量、或被赋予活动标签信息的活动的数量计数活动标签信息的出现次数(S14)。
接着，由兴趣判定部28判定为第1用户具有与活动标签信息相关的兴趣，该活动标签信息为相对于赋予到包含在图像群中的图像的所有种类的活动标签信息的总出现次数的、以拍摄日期的数量或活动的数量计数出的活动标签信息的出现次数的比例为阈值以上的活动标签信息(S15)。
同样地，在第1用户的兴趣为未直接拍摄到图像上的兴趣情况下，兴趣判定部28判定为第1用户具有与活动标签信息相关的兴趣，该活动标签信息为在赋予到包含在第1用户所拥有的图像群中的图像的所有种类的活动标签信息中，出现次数相对多的种类的活动标签信息。
或者，兴趣判定部28可以对活动标签信息的每个种类，以被赋予活动标签信息的图像的数量计数活动标签信息的出现次数，并判定为第1用户具有与以图像的数量计数出的活动标签信息的出现次数为阈值以上的活动标签信息相关的兴趣。
如上所述，使用场景标签信息及活动标签信息来判定第1用户的兴趣，由此在第1用户的兴趣不是直接拍摄到图像上的兴趣的情况下，也能够正确地判定第1用户的兴趣。
在图像处理系统10中，兴趣判定部28中所使用的阈值可以设定为恒定值(固定值)，也可以由阈值设定部44设定于标签信息的每个种类。关于场景标签信息及活动标签信息也相同。并且，关于所有种类的标签信息，也可以设定相同的阈值，也可以对标签信息的每个种类设定不同的阈值。
例如根据用于第1用户进行活动的费用，能够对活动的每个种类设定关于与该活动相关的标签信息的阈值。
该情况下，由费用设定部36对从图像群提取的图像组中所发生的每个活动，设定每1次活动的费用。
接着，由阈值设定部44设定，由费用设定部36设定的每1次活动的费用变得越高，阈值变得越小。
例如，可以认为第1用户去旅行的每1次的费用通常比吃拉面的每1次的费用高。从即使费用高也进行该活动的情况，可以认为用于进行活动的费用变得越高，关于该活动的第1用户的兴趣程度就越高。从而，关于与旅行相关的标签信息的阈值设定为比关于与拉面相关的标签信息的阈值更小。
如此，根据用于进行每1次活动的费用而变更阈值，由此能够正确地判定第1用户的兴趣。
并且，根据第1用户进行了活动的地点，对活动的每个种类能够设定关于与该活动相关的标签信息的阈值。
该情况下，通过家庭地点分析部38由包含在各图像的属性信息中的拍摄地点及包含第1用户的家庭地点信息的第1用户的帐户信息中的至少一个来分析第1用户的家庭地点。
接着，由拍摄地点分析部40对从图像群提取的图像组中所发生的每个活动，根据在活动中拍摄到的图像的属性信息中所包含的拍摄地点而分析在活动中拍摄到的图像的拍摄地点。
接着，由距离计算部42对从图像群提取的图像组中所发生的每个活动，计算家庭地点与拍摄地点之间的距离。
接着，由阈值设定部44设定为，由距离计算部计算出的距离越远，关于该活动的阈值变得越小。
从即使距离远也进行该活动的情况，可以认为家庭地点与拍摄地点之间的距离越远，关于该活动的第1用户的兴趣程度越高。从而，关于与家庭地点与拍摄地点之间的距离远的活动相关的标签信息的阈值设定为比关于与家庭地点与拍摄地点之间的距离近的活动相关的标签信息的阈值更小。
如此，根据家庭地点与拍摄地点之间的距离而变更阈值，由此能够正确地判定第1用户的兴趣。
由标签信息赋予部26赋予到图像的标签信息中，有时也包括通常与被摄体相关的标签信息，如盘子、桌子、杯子等。然而，例如盘子是通常的被摄体，在家里拍摄到的图像中拍摄到盘子的情况也很多，因此即使与盘子相关的标签信息的出现次数多，也不一定第1用户具有与盘子的标签信息相关的兴趣。
例如，在存在所有用户中共同频繁出现的被摄体的情况下，能够认为该被摄体为通常的被摄体，而不是用于判定第1用户的兴趣的对象被摄体。
对应于此，兴趣判定部28可以从赋予到包含在第1用户所拥有的图像群中的图像的所有种类的标签信息中，去除相对于赋予到包含在所有用户所拥有的图像群中的图像的所有种类的标签信息的总出现次数的、赋予到包含在所有用户所拥有的图像群中的图像的所有种类的标签信息中的出现次数的比例为阈值以上的标签信息。
由此，从用于判定用户的兴趣的对象被摄体中去除通常的被摄体，因此能够更正确地判定用户的兴趣。
另一方面，与所有用户的标签信息的分布相比，若存在出现次数多的标签信息，则能够认为该标签信息是对该用户来讲特别重要的兴趣。
对应于此，兴趣判定部28可以将与标签信息相关兴趣，判定为比与其他标签信息相关的兴趣更重要的兴趣，该标签信息为相对于赋予到包含在所有用户所拥有的图像群中的图像的1种标签信息的出现次数的、与赋予到包含在第1用户所拥有的图像群中的图像的1种标签信息的出现次数的比例为阈值以上的标签信息。
由此，能够判定对用户来讲尤其重要的兴趣，因此能够更正确地判定用户的兴趣。
并且，在图像处理系统10中，有时由图像共享部46在第1用户与第2用户之间共享图像。
例如在第2用户对第1用户共享了第2用户所拥有的图像的情况下，第1用户在服务器12的存储装置中，能够将该被共享的图像复制并保存于储存第1用户所拥有的图像群的区域。并且，能够从服务器12下载到第1用户的客户端14以保存于第1用户的客户端14的存储装置。或者，第1用户也能够只是浏览，而不保存被共享的图像。
在第2用户所拥有的图像对第1用户共享的情况下，图像接收部20可以包含被共享的图像作为第1用户所拥有的图像群。
该情况下，关于被共享的图像，也作为第1用户所拥有的图像群而被处理，并进行属性信息的获取、图像分析、标签信息的赋予、场景标签信息的赋予、活动标签信息的赋予等处理。
由此，作为第1用户所拥有的图像群而包含被共享的图像，并能够判定第1用户的兴趣。
在第1用户保存有被共享的图像作为第1用户所拥有的图像群的情况下，能够认为该所储存的图像是比只浏览而未储存的图像对第1用户来讲更重要的图像。
对应于此，在对第1用户共享的第2用户所拥有的图像中，在第1图像作为第1用户所拥有的图像群而被保存、且第2图像未作为第1用户所拥有的图像群而被保存的情况下，兴趣判定部28可以进行加权以使赋予到第1图像的标签信息的出现次数比赋予到第2图像的标签信息的出现次数多。
由此，第1图像的出现次数能够设为比实际的出现次数更多，因此，能够将赋予到第1图像的标签信息优先于第2图像而正确地判定第1用户的兴趣。
在图像处理系统10中能够正确地判定第1用户的兴趣，因此例如能够显示与第1用户的兴趣匹配的内容等，以向第1用户建议或出售。
另外，未必仅通过客户端14来实现本发明的图像处理装置，也可以设为服务器12具备客户端14所具备的多个构成要件中的1个以上的构成要件的结构。
在本发明的装置中，指示获取部18、图像接收部20、属性信息获取部22、图像分析部24、标签信息赋予部26、兴趣判定部28、场景检测部30、组提取部32、活动确定部34、费用设定部36、家庭地点分析部38、拍摄地点分析部40、距离计算部42、阈值设定部44、图像共享部46及通信部48等执行各种处理的处理部(Processing Unit：处理单元)的硬件结构可以是专用硬件，也可以是执行程序的各种处理器或计算机。
各种处理器中包括：执行软件(程序)而作为各种处理部发挥功能的通用的处理器即CPU(Central Processing Unit：中央处理单元)、FPGA(Field Programmable GateArray：现场可编程门阵列)等在制造之后能够变更电路结构的处理器，即可编程逻辑器件(Programmable Logic Device：PLD)、ASIC(Application Specific Integrated Circuit：专用集成电路)等具有为了执行特定的处理而专门设计的电路结构的处理器，即专用电路等。
可以由这些各种处理器中的1个来构成1个处理部，也可以通过相同种类或不同种类的2个以上的处理器的组合，例如由多个FPGA的组合、或FPGA及CPU的组合等来构成。并且，可以由各种处理器中的1个来构成多个处理部，也可以将多个处理部中的2个以上进行归类以使用1个处理器来构成。
例如由如下方式：如以服务器及客户端等计算机为代表，由1个以上的CPU和软件的组合来构成1个处理器，该处理器作为多个处理部而发挥功能。并且，有如下方式：以片上系统(System on Chip：SoC)等为代表，使用由一个IC(Integrated Circuit：集成电路)芯片来实现包括多个处理部的系统整体的功能的处理器。
而且，更具体而言，这些各种处理器的硬件结构是将半导体元件等电路元件进行了组合的电路(Circuitry)。
并且，例如通过用于使计算机执行该各步骤的程序而实施本发明的方法。并且，也能够提供记录有该程序的计算机可读取的记录介质。
以上，对本发明详细地进行了说明，但本发明并不限定于上述实施方式，在不脱离本发明的主旨的范围内，当然可以进行各种改进或变更。

Claims (19)

1.一种图像处理装置，其特征在于，具备：
图像接收部，接收第1用户所拥有的图像群的输入；
属性信息获取部，从包含在所述图像群中的各图像中获取赋予到所述各图像的、包含所述各图像的拍摄日期和时间的属性信息；
图像分析部，对包含在所述图像群中的每个图像进行所述图像的分析，该图像的分析包括对拍摄到所述图像上的被摄体进行识别的被摄体识别；
标签信息赋予部，对包含在所述图像群中的每个图像，将与所述图像的属性信息及拍摄到所述图像上的被摄体中的至少一方相关的标签信息赋予到所述图像；及
兴趣判定部，对所述标签信息的每个种类以被赋予所述标签信息的图像的拍摄日期的数量计数所述标签信息的出现次数，并计算相对于赋予到包含在所述图像群中的图像的所有种类的所述标签信息的总出现次数的、以所述拍摄日期的数量计数出的标签信息的出现次数的比例，判定为所述第1用户具有与该比例为阈值以上的标签信息相关的兴趣，或者，对所述标签信息的每个种类以被赋予所述标签信息的图像的数量计数所述标签信息的出现次数，并判定为所述第1用户具有与以所述图像的数量计数出的标签信息的出现次数为阈值以上的标签信息相关的兴趣。
2.根据权利要求1所述的图像处理装置，其中，
还具备：场景检测部，对包含在所述图像群中的每个图像，根据所述图像的属性信息及标签信息而检测所述图像的场景，
所述标签信息赋予部还对包含在所述图像群中的每个图像，将与所述图像的场景相关的场景标签信息作为所述标签信息而赋予到所述图像，
所述兴趣判定部还对所述场景标签信息的每个种类以被赋予所述场景标签信息的图像的拍摄日期的数量计数所述场景标签信息的出现次数，并计算相对于赋予到包含在所述图像群中的图像的所有种类的所述场景标签信息的总出现次数的、以所述拍摄日期的数量计数出的场景标签信息的出现次数的比例，判定为所述第1用户具有与该比例为阈值以上的场景标签信息相关的兴趣，或者，对所述场景标签信息的每个种类以被赋予所述场景标签信息的图像的数量计数所述场景标签信息的出现次数，并判定为所述第1用户具有与以所述图像的数量计数出的场景标签信息的出现次数为阈值以上的场景标签信息相关的兴趣。
3.一种图像处理装置，其特征在于，具备：
图像接收部，接收第1用户所拥有的图像群的输入；
属性信息获取部，从包含在所述图像群中的各图像中获取赋予到所述各图像的、包含所述各图像的拍摄日期和时间的属性信息；
图像分析部，对包含在所述图像群中的每个图像进行所述图像的分析，该图像的分析包括对拍摄到所述图像上的被摄体进行识别的被摄体识别；
标签信息赋予部，对包含在所述图像群中的每个图像，将与所述图像的属性信息及拍摄到所述图像上的被摄体中的至少一方相关的标签信息赋予到所述图像；及
场景检测部，对包含在所述图像群中的每个图像，根据所述图像的属性信息及标签信息而检测所述图像的场景，
所述标签信息赋予部还对包含在所述图像群中的每个图像，将与所述图像的场景相关的场景标签信息作为所述标签信息而赋予到所述图像，
所述图像处理装置还具备：
兴趣判定部，对所述场景标签信息的每个种类以被赋予所述场景标签信息的图像的拍摄日期的数量计数所述场景标签信息的出现次数，并计算相对于赋予到包含在所述图像群中的图像的所有种类的所述场景标签信息的总出现次数的、以所述拍摄日期的数量计数出的场景标签信息的出现次数的比例，判定为所述第1用户具有与该比例为阈值以上的场景标签信息相关的兴趣，或者，对所述场景标签信息的每个种类以被赋予所述场景标签信息的图像的数量计数所述场景标签信息的出现次数，并判定为所述第1用户具有与以所述图像的数量计数出的场景标签信息的出现次数为阈值以上的场景标签信息相关的兴趣。
4.根据权利要求1至3中任一项所述的图像处理装置，其中，还具备：
组提取部，根据所述各图像的拍摄日期和时间，从所述图像群中提取包含2个以上的图像的图像组；及
活动确定部，对从所述图像群中提取的每个所述图像组，根据包含在所述图像组中的图像的属性信息及标签信息而确定在所述图像组中发生的活动，
所述标签信息赋予部还对从所述图像群中提取的所述图像组中所发生的每个活动，将与所述活动相关的活动标签信息作为所述标签信息而赋予到所述活动及在所述活动中拍摄到的各图像，
所述兴趣判定部还对所述活动标签信息的每个种类，以被赋予所述活动标签信息的图像的拍摄日期的数量或被赋予所述活动标签信息的活动的数量计数所述活动标签信息的出现次数，并计算相对于赋予到包含在所述图像群中的图像的所有种类的所述活动标签信息的总出现次数的、以所述拍摄日期的数量或活动的数量计数出的活动标签信息的出现次数的比例，判定为所述第1用户具有与该比例为阈值以上的活动标签信息相关的兴趣，或者，对所述活动标签信息的每个种类，以被赋予所述活动标签信息的图像的数量计数所述活动标签信息的出现次数，并判定为所述第1用户具有与以所述图像的数量计数出的活动标签信息的出现次数为阈值以上的活动标签信息相关的兴趣。
5.根据权利要求1至3中任一项所述的图像处理装置，其中，
还具备：阈值设定部，对所述标签信息的每个种类设定所述阈值。
6.一种图像处理装置，其特征在于，具备：
图像接收部，接收第1用户所拥有的图像群的输入；
属性信息获取部，从包含在所述图像群中的各图像中获取赋予到所述各图像的、包含所述各图像的拍摄日期和时间的属性信息；
图像分析部，对包含在所述图像群中的每个图像进行所述图像的分析，该图像的分析包括对拍摄到所述图像上的被摄体进行识别的被摄体识别；
标签信息赋予部，对包含在所述图像群中的每个图像，将与所述图像的属性信息及拍摄到所述图像上的被摄体中的至少一方相关的标签信息赋予到所述图像；
组提取部，根据所述各图像的拍摄日期和时间，从所述图像群中提取包含2个以上的图像的图像组；及
活动确定部，对从所述图像群中提取的每个所述图像组，根据包含在所述图像组中的图像的属性信息及标签信息而确定在所述图像组中发生的活动，
所述标签信息赋予部还对从所述图像群中提取的所述图像组中所发生的每个活动，将与所述活动相关的活动标签信息作为所述标签信息而赋予到所述活动及在所述活动中拍摄到的各图像，
所述图像处理装置还具备：
兴趣判定部，对所述活动标签信息的每个种类，以被赋予所述活动标签信息的图像的拍摄日期的数量或被赋予所述活动标签信息的活动的数量计数所述活动标签信息的出现次数，并计算相对于赋予到包含在所述图像群中的图像的所有种类的所述活动标签信息的总出现次数的、以所述拍摄日期的数量或活动的数量计数出的活动标签信息的出现次数的比例，判定为所述第1用户具有与该比例为阈值以上的活动标签信息相关的兴趣，或者，对所述活动标签信息的每个种类以被赋予所述活动标签信息的图像的数量计数所述活动标签信息的出现次数，并判定为所述第1用户具有与以所述图像的数量计数出的活动标签信息的出现次数为阈值以上的活动标签信息相关的兴趣。
7.根据权利要求6所述的图像处理装置，其中，
还具备：阈值设定部，对所述标签信息的每个种类设定所述阈值。
8.根据权利要求7所述的图像处理装置，其中，
还具备：费用设定部，对从所述图像群提取的所述图像组中所发生的每个活动，设定每1次所述活动的费用，
所述阈值设定部设定为由所述费用设定部设定的每1次所述活动的费用变得越高，所述阈值变得越小。
9.根据权利要求7所述的图像处理装置，其中，还具备：
家庭地点分析部，根据包含在所述各图像的属性信息中的拍摄地点及包含所述第1用户的家庭地点信息的所述第1用户的帐户信息中的至少一个，来分析所述第1用户的家庭地点；
拍摄地点分析部，对从所述图像群提取的所述图像组中所发生的每个活动，根据在所述活动中拍摄到的图像的属性信息中所包含的拍摄地点而分析在所述活动中拍摄到的图像的拍摄地点；及
距离计算部，对从所述图像群提取的所述图像组中所发生的每个活动，计算所述家庭地点与所述拍摄地点之间的距离，
所述阈值设定部设定为由所述距离计算部计算出的距离越远，所述阈值变得越小。
10.根据权利要求1至3、6中任一项所述的图像处理装置，其中，
所述兴趣判定部从赋予到包含在所述第1用户所拥有的图像群中的图像的所有种类的标签信息中去除如下标签信息，该标签信息为相对于赋予到包含在所有用户所拥有的图像群中的图像的所有种类的标签信息的总出现次数的、赋予到包含在所述所有用户所拥有的图像群中的图像的所有种类的标签信息中的出现次数的比例为阈值以上的标签信息。
11.根据权利要求1至3、6中任一项所述的图像处理装置，其中，
所述兴趣判定部将与如下标签信息相关的兴趣判定为比与其他所述标签信息相关的兴趣更重要的兴趣，该标签信息为相对于赋予到包含在所有用户所拥有的图像群中的图像的1种标签信息的出现次数的、赋予到包含在所述第1用户所拥有的图像群中的图像的所述1种标签信息的出现次数的比例为阈值以上的标签信息。
12.根据权利要求1至3、6中任一项所述的图像处理装置，其中，
还具备：图像共享部，在所述第1用户与第2用户之间共享图像，
所述第2用户所拥有的图像对所述第1用户共享的情况下，所述图像接收部包含所述被共享的图像作为所述第1用户所拥有的图像群。
13.根据权利要求12所述的图像处理装置，其中，
在对所述第1用户共享的所述第2用户所拥有的图像中，第1图像作为所述第1用户所拥有的图像群而被保存，且第2图像未作为所述第1用户所拥有的图像群而被保存的情况下，所述兴趣判定部进行加权，以使赋予到所述第1图像的标签信息的出现次数比赋予到所述第2图像的标签信息的出现次数多。
14.一种图像处理方法，其特征在于，包括如下步骤：
图像接收部接收第1用户所拥有的图像群的输入；
属性信息获取部从包含在所述图像群中的各图像中获取赋予到所述各图像的、包含所述各图像的拍摄日期和时间的属性信息；
图像分析部对包含在所述图像群中的每个图像进行所述图像的分析，该图像的分析包括对拍摄到所述图像上的被摄体进行识别的被摄体识别；
标签信息赋予部对包含在所述图像群中的每个图像，将与所述图像的属性信息及拍摄到所述图像上的被摄体中的至少一方相关的标签信息赋予到所述图像；
兴趣判定部对所述标签信息的每个种类以被赋予所述标签信息的图像的拍摄日期的数量计数所述标签信息的出现次数，并计算相对于赋予到包含在所述图像群中的图像的所有种类的所述标签信息的总出现次数的、以所述拍摄日期的数量计数出的标签信息的出现次数的比例，判定为所述第1用户具有与该比例为阈值以上的标签信息相关的兴趣，或者，对所述标签信息的每个种类以被赋予所述标签信息的图像的数量计数所述标签信息的出现次数，并判定为所述第1用户具有与以所述图像的数量计数出的标签信息的出现次数为阈值以上的标签信息相关的兴趣。
15.根据权利要求14所述的图像处理方法，其中，
还包括如下步骤：场景检测部对包含在所述图像群中的每个图像，根据所述图像的属性信息及标签信息而检测所述图像的场景；
所述标签信息赋予部还对包含在所述图像群中的每个图像，将与所述图像的场景相关的场景标签信息作为所述标签信息而赋予到所述图像，
所述兴趣判定部还对所述场景标签信息的每个种类，以被赋予所述场景标签信息的图像的拍摄日期的数量计数所述场景标签信息的出现次数，并计算相对于赋予到包含在所述图像群中的图像的所有种类的所述场景标签信息的总出现次数的、以所述拍摄日期的数量计数出的场景标签信息的出现次数的比例，判定为所述第1用户具有与该比例为阈值以上的场景标签信息相关的兴趣，或者，对所述场景标签信息的每个种类，以被赋予所述场景标签信息的图像的数量计数所述场景标签信息的出现次数，并判定为所述第1用户具有与以所述图像的数量计数出的场景标签信息的出现次数为阈值以上的场景标签信息相关的兴趣。
16.一种图像处理方法，其特征在于，包括如下步骤：
图像接收部接收第1用户所拥有的图像群的输入；
属性信息获取部从包含在所述图像群中的各图像中获取赋予到所述各图像的、包含所述各图像的拍摄日期和时间的属性信息；
图像分析部对包含在所述图像群中的每个图像进行所述图像的分析，该图像的分析包括对拍摄到所述图像上的被摄体进行识别的被摄体识别；
标签信息赋予部对包含在所述图像群中的每个图像，将与所述图像的属性信息及拍摄到所述图像上的被摄体中的至少一方相关的标签信息赋予到所述图像；
场景检测部对包含在所述图像群中的每个图像，根据所述图像的属性信息及标签信息而检测所述图像的场景；
所述标签信息赋予部还对包含在所述图像群中的每个图像，将与所述图像的场景相关的场景标签信息作为所述标签信息而赋予到所述图像，
兴趣判定部对所述场景标签信息的每个种类，以被赋予所述场景标签信息的图像的拍摄日期的数量计数所述场景标签信息的出现次数，并计算相对于赋予到包含在所述图像群中的图像的所有种类的所述场景标签信息的总出现次数的、以所述拍摄日期的数量计数出的场景标签信息的出现次数的比例，判定为所述第1用户具有与该比例为阈值以上的场景标签信息相关的兴趣，或者，对所述场景标签信息的每个种类，以被赋予所述场景标签信息的图像的数量计数所述场景标签信息的出现次数，并判定为所述第1用户具有与以所述图像的数量计数出的场景标签信息的出现次数为阈值以上的场景标签信息相关的兴趣。
17.根据权利要求14至16中任一项所述的图像处理方法，其中，还包括如下步骤：
组提取部根据所述各图像的拍摄日期和时间，从所述图像群中提取包含2个以上的图像的图像组；
活动确定部对从所述图像群中提取的每个所述图像组，根据包含在所述图像组中的图像的属性信息及标签信息而确定在所述图像组中发生的活动；
所述标签信息赋予部还对从所述图像群中提取的所述图像组中所发生的每个活动，将与所述活动相关的活动标签信息作为所述标签信息而赋予到所述活动及在所述活动中拍摄到的各图像；及
所述兴趣判定部还对所述活动标签信息的每个种类，以被赋予所述活动标签信息的图像的拍摄日期的数量或被赋予所述活动标签信息的活动的数量计数所述活动标签信息的出现次数，并计算相对于赋予到包含在所述图像群中的图像的所有种类的所述活动标签信息的总出现次数的、以所述拍摄日期的数量或活动的数量计数出的活动标签信息的出现次数的比例，判定为所述第1用户具有与该比例为阈值以上的活动标签信息相关的兴趣，或者，对所述活动标签信息的每个种类以被赋予所述活动标签信息的图像的数量计数所述活动标签信息的出现次数，并判定为所述第1用户具有与以所述图像的数量计数出的活动标签信息的出现次数为阈值以上的活动标签信息相关的兴趣。
18.一种图像处理方法，其特征在于，包括如下步骤：
图像接收部接收第1用户所拥有的图像群的输入；
属性信息获取部从包含在所述图像群中的各图像中获取赋予到所述各图像的、包含所述各图像的拍摄日期和时间的属性信息；
图像分析部对包含在所述图像群中的每个图像进行所述图像的分析，该图像的分析包括对拍摄到所述图像上的被摄体进行识别的被摄体识别；
标签信息赋予部对包含在所述图像群中的每个图像，将与所述图像的属性信息及拍摄到所述图像上的被摄体中的至少一方相关的标签信息赋予到所述图像；
组提取部根据所述各图像的拍摄日期和时间，从所述图像群中提取包含2个以上的图像的图像组；
活动确定部对从所述图像群中提取的每个所述图像组，根据包含在所述图像组中的图像的属性信息及标签信息而确定在所述图像组中发生的活动；
所述标签信息赋予部还对从所述图像群中提取的所述图像组中所发生的每个活动，将与所述活动相关的活动标签信息作为所述标签信息而赋予到所述活动及在所述活动中拍摄到的各图像；及
兴趣判定部对所述活动标签信息的每个种类，以被赋予所述活动标签信息的图像的拍摄日期的数量或被赋予所述活动标签信息的活动的数量计数所述活动标签信息的出现次数，并计算相对于赋予到包含在所述图像群中的图像的所有种类的所述活动标签信息的总出现次数的、以所述拍摄日期的数量或活动的数量计数出的活动标签信息的出现次数的比例，判定为所述第1用户具有与该比例为阈值以上的活动标签信息相关的兴趣，或者，对所述活动标签信息的每个种类以被赋予所述活动标签信息的图像的数量计数所述活动标签信息的出现次数，并判定为所述第1用户具有与以所述图像的数量计数出的活动标签信息的出现次数为阈值以上的活动标签信息相关的兴趣。
19.一种计算机可读取的记录介质，其特征在于，记录有用于使计算机执行权利要求14至18中任一项所述的图像处理方法的各步骤的程序。
CN201910873432.6A 2018-09-27 2019-09-12 图像处理装置、图像处理方法及记录介质 Pending CN110956075A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2018181689A JP6934001B2 (ja) 2018-09-27 2018-09-27 画像処理装置、画像処理方法、プログラムおよび記録媒体
JP2018-181689 2018-09-27

Publications (1)

Publication Number Publication Date
CN110956075A true CN110956075A (zh) 2020-04-03

Family

ID=69946359

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910873432.6A Pending CN110956075A (zh) 2018-09-27 2019-09-12 图像处理装置、图像处理方法及记录介质

Country Status (3)

Country Link
US (1) US11210829B2 (zh)
JP (1) JP6934001B2 (zh)
CN (1) CN110956075A (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7155074B2 (ja) 2019-07-03 2022-10-18 富士フイルム株式会社 情報提案システム、情報提案方法、プログラムおよび記録媒体

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5141015B2 (ja) 2004-05-19 2013-02-13 日本電気株式会社 ロボット、ユーザ嗜好推定装置、プログラム及びユーザ嗜好推定方法
JP4232774B2 (ja) 2005-11-02 2009-03-04 ソニー株式会社 情報処理装置および方法、並びにプログラム
JP2011170690A (ja) 2010-02-19 2011-09-01 Sony Corp 情報処理装置、情報処理方法、およびプログラム。
JP2011257868A (ja) * 2010-06-07 2011-12-22 Nikon Corp 画像サーバ、撮像装置および制御プログラム
JP6140991B2 (ja) * 2012-12-04 2017-06-07 オリンパス株式会社 サーバシステム、プログラム、サーバシステムの作動方法及び端末装置
JP5936658B2 (ja) 2013-09-24 2016-06-22 富士フイルム株式会社 画像処理装置、画像処理方法、プログラムおよび記録媒体
WO2015117904A1 (de) * 2014-02-04 2015-08-13 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Hough-prozessor
US9384422B2 (en) * 2014-04-04 2016-07-05 Ebay Inc. Image evaluation
JP6033821B2 (ja) 2014-09-12 2016-11-30 富士フイルム株式会社 画像処理装置、画像処理方法、プログラムおよび記録媒体
JP6367168B2 (ja) * 2015-09-18 2018-08-01 富士フイルム株式会社 画像処理装置、画像処理方法、プログラムおよび記録媒体
JP6440604B2 (ja) * 2015-09-29 2018-12-19 富士フイルム株式会社 被写体評価システム，被写体評価方法，被写体評価プログラムおよびそのプログラムを格納した記録媒体
CN109416692B (zh) * 2016-06-02 2023-08-11 柯达阿拉里斯股份有限公司 用于制作和分布一种或多种定制的以媒体为中心的产品的方法
US10074038B2 (en) * 2016-11-23 2018-09-11 General Electric Company Deep learning medical systems and methods for image reconstruction and quality evaluation
JP7099925B2 (ja) * 2018-09-27 2022-07-12 富士フイルム株式会社 画像処理装置、画像処理方法、プログラムおよび記録媒体
JP7171349B2 (ja) * 2018-09-28 2022-11-15 富士フイルム株式会社 画像処理装置、画像処理方法、プログラムおよび記録媒体

Also Published As

Publication number Publication date
JP2020052750A (ja) 2020-04-02
JP6934001B2 (ja) 2021-09-08
US20200105036A1 (en) 2020-04-02
US11210829B2 (en) 2021-12-28

Similar Documents

Publication Publication Date Title
US20230045762A1 (en) Sharing digital media assets for presentation within an online social network
US9721183B2 (en) Intelligent determination of aesthetic preferences based on user history and properties
CN105518678B (zh) 搜索方法、搜索装置和用户设备
US11594027B2 (en) Image processing device, image processing method, program, and recording medium
US9070024B2 (en) Intelligent biometric identification of a participant associated with a media recording
WO2016201800A1 (zh) 信息获取方法、服务器、终端及数据库构建方法、装置
CN108197336B (zh) 一种视频查找的方法及装置
JP2022177307A (ja) 情報提案システム、情報提案方法、プログラムおよび記録媒体
US11176378B2 (en) Image processing device, image processing method,program, and recording medium
US20170013309A1 (en) System and method for product placement
CN110956075A (zh) 图像处理装置、图像处理方法及记录介质
US11893594B2 (en) Image processing system, image processing method, and program
CN108024148B (zh) 基于行为特征的多媒体文件识别方法、处理方法及装置
US20200092484A1 (en) Image display control apparatus, image display control method, program, and recording medium
US20200074218A1 (en) Information processing system, information processing apparatus, and non-transitory computer readable medium
CN110210920B (zh) 用餐信息的推荐方法和装置
JP2018049584A (ja) 食事量推定プログラム、食事量推定方法及び食事量推定装置
KR102619198B1 (ko) 맞춤형 vr 이미지를 바탕으로 비즈니스에 최적화된vr 명함을 제공하는 서버 및 단말
US11455795B2 (en) Image processing apparatus, image processing method, image processing program, and recording medium storing program
US11720625B2 (en) Information suggestion system, information suggestion method, program, and recording medium
US20220159177A1 (en) Imaging system, server, communication terminal, imaging method, program, and recording medium
WO2023008171A1 (ja) データ作成装置、データ作成方法、プログラムおよび記録媒体
CN112991016A (zh) 一种信息推送方法及装置、电子设备、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