CN110990607B - 游玩照片筛选方法、装置、服务器和计算机可读存储介质 - Google Patents

Abstract

本发明实施例提出一种游玩照片筛选方法、装置、服务器和计算机可读存储介质，涉及图像技术领域。其中，上述游玩照片筛选方法包括：在游乐设施运行期间，接收待选图像；其中，待选图像为所述图像采集设备筛选出的满足预设条件的采集图像；响应于所述智能终端发送的查询指令，从所述待选图像中筛选出匹配的推荐图像；将所述推荐图像发送给所述智能终端，以便进行展示。也即，通过实现两次筛选，使智能终端展示的推荐图像不仅能有较高的整体图像质量，还能使操作智能终端的用户满意。提供针对性的服务，提高用户体验。

Description

游玩照片筛选方法、装置、服务器和计算机可读存储介质

技术领域

本发明涉及图像技术领域，具体而言，涉及一种游玩照片筛选方法、装置、服务器和计算机可读存储介质。

背景技术

游乐园作为一种综合性的娱乐场所，受到大部分年龄阶段的人群的喜爱。来游乐园玩耍的人们，都希望留下记录游乐时光的照片。由此，游乐园拍照服务应运而生。然而，由于游乐园中的游乐设施多为运动型游乐设施(比如，大摆锤、海盗船等)，运动状态的游乐设施给拍照制造了难题。

相关技术中，通过提升抓拍摄像头性能的方式改善抓拍到的图像的画面质量。但是，由于游客在游乐设施上的位置不同且游乐设施运行时处于运动状态，因此，抓拍到的每张照片上不能确保所有人都呈现较好的状态。

此外，高频的采样也会增加数据存储压力。故，相关技术中暂时无法为每个客户均提供优质的照片。

发明内容

有鉴于此，本发明的目的在于提供一种游玩照片筛选方法、方法、装置、服务器和计算机可读存储介质。

为了实现上述目的，本发明实施例采用的技术方案如下：

第一方面，实施例提供一种游玩照片筛选方法，应用于服务器，所述服务器与图像采集设备及智能终端通信连接，所述图像采集设备设置于游乐设施的多个位置；所述游玩照片筛选方法包括：

在所述游乐设施运行期间，接收待选图像；其中，所述待选图像为所述图像采集设备筛选出的满足预设条件的采集图像；

响应于所述智能终端发送的查询指令，从所述待选图像中筛选出匹配的推荐图像；

将所述推荐图像发送给所述智能终端，以便所述智能终端进行展示。

第二方面，实施例提供一种游玩照片筛选方法，应用于互相通信的服务器及图像采集设备，所述图像采集设备设置于游乐设施的多个位置，所述服务器还与智能终端通信连接，所述游玩照片筛选方法包括：

在所述游乐设施运行期间，所述图像采集设备将采集到的满足预设条件的待选图像发送至所述服务器；

所述服务器响应于所述智能终端发送的查询指令，从所述待选图像中筛选出匹配的推荐图像；

所述服务器将所述推荐图像发送给所述智能终端，以便智能终端进行展示。

第三方面，实施例提供一种游玩照片筛选装置，应用于服务器，所述服务器与图像采集设备及智能终端通信连接，所述图像采集设备设置于游乐设施的多个位置；所述游玩照片筛选装置包括：

接收模块，用于在所述游乐设施运行期间，接收待选图像；其中，所述待选图像为所述图像采集设备筛选出的满足预设条件的采集图像；

筛选模块，用于响应于所述智能终端发送的查询指令，从所述待选图像中筛选出匹配的推荐图像；

发送模块，用于将所述推荐图像发送给所述智能终端，以便智能终端进行展示。

第四方面，实施例提供一种服务器，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的机器可执行指令，所述处理器可执行所述机器可执行指令以实现前述实施方式任一所述的方法。

第五方面，实施例提供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前述实施方式中任一项所述的方法。

本发明实施例提供的游玩照片筛选方法，在游乐设施运行期间，利用架设于游乐设施多个位置的图像采集设备从多个角度对游乐设施进行抓拍，全面的获取图像素材，并从中筛选出符合预设条件的待选数据。服务器接收待选图像，并基于智能终端反馈的查询指令，对待选图像进行二次筛选得到匹配的推荐图像，以便反馈给智能终端。也即，通过图像采集设备和服务器的协作实现二级筛选，得到优质的推荐图像。如此，既减少服务器的数据处理压力和存储压力，又确保输出的推荐图像满足发出查询指令的用户的需求，提高用户体验。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。

图1示出了本发明实施例提供的应用场景示意图。

图2示出了本发明实施例提供的服务器的示意图。

图3示出了本发明实施例提供的应用于服务器的游玩照片筛选方法的步骤流程图。

图4为图3中步骤S102的子步骤流程图之一。

图5为图3中步骤S102的子步骤流程图之一。

图6示出了本发明实施例提供的应用于相互通信的服务器和图像采集设备的游玩照片筛选方法的步骤流程图之一。

图7示出了本发明实施例提供的应用于相互通信的服务器和图像采集设备的游玩照片筛选方法的步骤流程图之二。

图8示出了本发明实施例提供的应用于服务器的游玩照片筛选装置的示意图。

图标：100-服务器；200-图像采集设备；300-智能终端；110-存储器；

120-处理器；130-通信模块；400-游玩照片筛选装置；401-接收模块；402-筛选模块；403-发送模块。

具体实施方式

下面将结合本发明实施例中附图，对本发明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发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明的是，术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

请参考图1，图1示出了本申请实施例提供的游玩照片筛选方法的应用场景示意图，包括服务器100、多个图像采集设备200及智能终端300。上述图像采集设备200均通过网络与服务器100通信连接，上述智能终端300也通过网络与服务器100通信连接，以实现服务器100与图像采集设备200，服务器100与智能终端300之间的数据交互。

为了抓拍用户使用游乐设施期间多方位多角度的图像，游乐设施的多个位置点上均安装有图像采集设备200，图像采集设备200的采集视野可以根据实际情况调整。可以理解地，上述游乐设施可以是进行极限运动项目、游乐项目等的设备。极限运动项目可以包括极限单车、低空跳伞、高速赛车、潜水、速降滑雪等，游乐项目可以包括过山车、风筝飞行器、海盗船、激流勇进、旋转木马等，下述实施例以游乐项目的设备为例进行说明。

可选地，图像采集设备200可以安装于游乐设施中用于装载游客的承载设备上，比如，海盗船的船头和船尾、旋转木马的顶棚等。可选地，图像采集设备200还可以安装于承载设备的移动轨迹两侧。比如，架设于过山车的轨道两侧。

在一些实施例中，上述图像采集设备200可以是在游乐设施开始运行后，启动图像采集，以得到采集图像。

在一些实施例中，上述图像采集设备200还可以对采集图像进行初步筛选，并将筛选出满足预设条件的待选图像发送给服务器100。比如，上述满足预设条件的待选图像可以具有人脸图像区域且图像亮度超过给定阈值。

请参照图2，是服务器100的方框示意图。所述服务器100包括存储器110、处理器120及通信模块130。所述存储器110、处理器120以及通信模块130各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。

其中，存储器110用于存储程序或者数据。所述存储器110可以是，但不限于，随机存取存储器110(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-Only Memory，PROM)，可擦除只读存储器(ErasableProgrammable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric ErasableProgrammable Read-Only Memory，EEPROM)等。

处理器120用于读/写存储器110中存储的数据或程序，并执行相应地功能。

通信模块130用于通过所述网络建立所述服务器100与其它通信终端之间的通信连接，并用于通过所述网络收发数据。

上述智能终端300用于从服务器100请求相关服务。可选地，智能终端300可以通过访问服务器100查看并下载与操作智能终端300的用户相关的推荐图像。智能终端300可以是，但不限于智能手机、平板电脑、便携式笔记本电脑、台式电脑等。

上述智能终端300中安装有第三方应用程序(Application，APP)，该第三方应用程序中可以运行有小程序，用户可以通过该小程序与服务器100进行交互，例如，用户在乘坐了游乐设备以后，可以通过该小程序观看或者下载自己的游玩照片。可选地，当用户通过智能终端300安装的第三方应用程序进入该小程序时，该小程序可以触发智能终端300进行人脸图像采集，并根据采集到的人脸图像生成查询指令发送至服务器100，以便服务器100基于查询指令筛选出用户所需的推荐图像，并由智能终端300显示该推荐图像供用户观看、下载等。

另外，还可以在智能终端300中安装应用程序，使得用户可以通过该应用程序与服务器100进行交互，实现目标视频的观看、下载等。

第一实施例

请参考图3，图3示出了本申请实施例提供的游玩照片筛选方法的步骤流程图。上述游玩照片筛选方法应用于服务器100。如图3所示，上述游玩照片筛选方法包括以下步骤：

步骤S101，在游乐设施运行期间，接收待选图像。

上述待选图像为图像采集设备200采集到的符合预设条件的采集图像。上述预设条件是用于初步甄别采集图像的图像质量的条件。

在一些实施例中，每台图像采集设备200内均预存储有图像整体评价模型。可以利用图像整体评价模型从整体的角度评估采集图像是否满足预设条件。

作为一种实施方式，上述图像整体评价模型判断采集图像是否满足预设条件的原理可以是：先识别出采集图像中是否存在人脸图像区域。在存在人脸图像区域时，评估人脸图像区域中呈现的每张人脸的各项人脸评分。上述人脸评分包括人脸图像占比分数、人脸角度分数、人脸遮挡分数、眼睛睁闭情况及表情分数之一或之间的组合。然后，基于所有人脸对应的各项人脸评分计算采集图像中各项人脸评分的均值，根据采集图像中各项人脸评分的均值，计算整体分数，最后，判定整体分数超过预设分数线的采集图像满足预设条件。

上述图像整体评价模型可以通过预先标记各类人脸评分的分值和整体分数的样本图像对预选的深度学习模型进行训练而得到。比如，上述深度学习模型包括多个评分网络和分数计算网络。通过训练不同的评分网络实现不同类型的人脸评分，以使评分网络可得到输入图像中出现的每一张人脸的各项人脸评分。通过训练分数计算网络实现对整体分数进行计算。将训练好的评分网络和分数计算网络组合得到图像整体评价模型。如此，将采集图像输入图像整体评价模型即可输出对应的整体分数。

作为另一种实施方式，图像采集设备200还可以判定存在人脸图像区域且图像亮度超过给定阈值的采集图像满足预设条件。不满足预设条件的图像直接丢弃。可选地，图像采集设备200内可以设置人脸识别模型。图像采集设备200采集到一帧采集图像后，先利用人脸识别模型进行人脸识别。若是识别出存在人脸，则图像采集设备200提取采集图像的图像亮度，并将提取到的图像亮度与给定阈值进行比较，判定图像亮度超过给定阈值的采集图像满足预设条件。

可以理解地，在该实施方式下由于只需识别是否有人脸和图像亮度，所需的运算量小，对图像采集设备200处理器性能及存储器大小要求低。从而，降低成本。此外，通过筛选既能够保证服务器有足够多的图像进行筛选、打分，又可以将数据传输量减少，降低数据传输功耗。

在本发明实施例中，服务器100汇总所有图像采集设备200采集并初筛得到的待选图像，确保能够向用户提供的图像数据的整体画面质量。

步骤S102，响应于智能终端300发送的查询指令，从待选图像中筛选出匹配的推荐图像。

上述查询指令可以在用户操作智能终端300时生成。比如，用户通过第三方应用程序启用与服务器100对应的小程序或者直接点开与服务器100对应的专有应用程序时，触发智能终端300进行图像采集。智能终端300从采集到的图像信息中提取第一图像特征，并基于提取到的第一图像特征生成查询指令发送给服务器100。如果采集到的图像信息中有多个对象时，用户还可以在该图像信息中圈定指定对象，如此，智能终端300可以提取指定对象的图像特征，以作为第一图像特征，并生成查询指令。

作为一种实施方式，服务器100在接到查询指令后，需从已接收的待选图像中筛选出与查询指令相关的推荐图像。

可选地，如图4所示，上述步骤S102可以包括以下子步骤：

子步骤S102-1，依据查询指令中携带的第一图像特征，从待选图像中获取初选图像。

上述初选图像中包含有与上述第一图像特征匹配的目标图像区域。比如，如果用户使用智能终端300采集的图像信息为用户自己的人脸图像且查询指令为基于该人脸图像的第一图像特征生成的指令，那么从待选图像中获取的初选图像中均包含该用户的脸。再比如，如果用户使用智能终端300采集的图像信息是地标建筑图像且查询指令为基于该地标建筑图像的第一图像特征生成的指令，那么从待选图像中获取的初选图像中均包含该地标建筑。

在一些实施例中，从每张待选图像提取多个第二图像特征数据，将第二图像特征数据与第一图像特征进行对比，如果从待选图像的第二图像特征数据中确定出与上述第一图像特征匹配的目标特征数据，将目标特征数据在待选图像中所对应的图像区域确定为目标图像区域。

步骤S102-2，从初选图像中确定出推荐图像。

在本发明实施例中，从匹配出的初选图像中确定出图像质量较好的图像作为推荐图像。

作为一种实施方式，服务器100在接到查询指令后，需从已接收的待选图像中筛选出与查询指令相关且图像质量能够满足用户的个人要求的推荐图像，以使推荐图像具有针对性。

可选地，如图5所示，上述步骤S102可以包括以下子步骤：

子步骤S102-1，依据查询指令中携带的第一图像特征，从待选图像中获取初选图像。

上述初选图像中包含有与上述第一图像特征匹配的目标图像区域。上述第一图像特征是从用户使用智能终端300采集的人脸图像中提取到的特征信息。上述目标图像区域为出现于待选图像中与第一图像特征匹配的人脸图像区域。

在一些实施例中，从每张待选图像提取多个人脸特征数据，将人脸特征数据与第一图像特征进行对比，如果从待选图像的人脸特征数据中确定出与上述第一图像特征匹配的目标人脸特征，将目标人脸特征在待选图像中所对应的图像区域确定为目标图像区域。

子步骤S102-2-1，利用图像局部评价模型对初选图像中的目标图像区域进行评分，以得到初选图像的推荐指数。

上述图像局部评价模型通过对局部图像区域(即，目标图像区域)进行评价，从而得到初选图像对应的推荐指数。

可选地，上述图像局部评价模型对局部图像区域进行评价的原理可以是：对目标图像区域中呈现的人脸进行多类人脸评分。上述多类人脸评分包括人脸图像占比分数、人脸角度分数、人脸遮挡分数、眼睛睁闭状态分数及表情分数之一或之间的组合。然后，基于各项人脸评分项的得分计算推荐指数。比如，上述图像局部评价模型可以对目标图像区域进行人脸图像占比、人脸角度、人脸遮挡等评分。再比如，上述图像局部评价模型可以对目标图像区域进行人脸角度、人脸遮挡、眼睛睁闭状态及表情等评分。

上述图像局部评价模型可以通过预先标记各类人脸评分的分值和推荐指数的样本图像对深度学习模型进行训练而得到。

在一些实施例中，上述图像局部评价模型与图像整体评价模型的区别在于图像局部评价模型可对输入图像的局部进行处理。比如，在确定出初选图像时，对应的将其目标图像区域进行标记，将初选图像输入图像局部评价模型后，图像局部评价模型仅对目标图像区域进行处理。

在另外一些实施例中，上述图像局部评价模型与图像整体评价模型的区别还可以在于计算眼睛睁闭状态分数的原理不同。可选地，上述图像整体评价模型为采用不同人睁眼或闭眼的图像作为样本进行训练得到的模型。预先赋予睁眼状态一个分数，赋予闭眼状态一个分数，该模型通过区分图像中出现的眼睛处于睁眼状态还是闭眼状态，得到对应的得分。而，上述图像局部评价模型需具备识别图像中眼睛所占图像面积比例的能力。如此，在需要评估眼睛睁闭状态分数时，通过多张初选图像的目标图像区域中眼睛所占图像面积比例进行评分。

在另外一些实施例中，上述图像局部评价模型与图像整体评价模型相同，在使用图像局部评价模型时，将初选图像中目标图像区域输入图像局部评价模型。

在本发明实施例中，上述图像局部评价模型训练完成之后，存储于服务器100。可选地，利用图像局部评价模型对初选图像中的目标图像区域进行评分的步骤包括：

(1)利用图像局部评价模型处理初选图像中的目标图像区域，得到目标图像区域中呈现的人脸的多项人脸评分。上述多项人脸评分包括目标图像区域中呈现的人脸图像占比分数、人脸角度分数、人脸遮挡分数、眼睛睁闭状态分数及表情分数之一或之间的组合。

在一些实施例中，在人脸评分包括眼睛睁闭状态分数时，利用图像局部评价模型处理初选图像中的目标图像区域，得到眼睛睁闭状态分数的步骤包括：利用图像局部评价模型依次提取每一初选图像的目标图像区域中眼睛所占的图像面积比例。以得到的最大的图像面积比例为基准，依次评估每一初选图像的眼睛睁闭状态分数。比如，有5张初选图像，对应的眼睛所占的图像比例分别是8％、6％、1％、5％和3％，那么以8％为基准，评分总分为10分，将对应的眼睛所占的图像比例为8％的初选图像的眼睛睁闭状态分数评为10分，每1％对应1.25分。将对应的眼睛所占的像比例6％的初选图像的眼睛睁闭状态分数评为7.5分，将对应的眼睛所占的像比例1％的初选图像的眼睛睁闭状态分数评为1.25分，将对应的眼睛所占的像比例5％的初选图像的眼睛睁闭状态分数评为6.25分，将对应的眼睛所占的像比例3％的初选图像的眼睛睁闭状态分数评为3.75分。如此，避免眼睛大小的个体差异而影响评分结果。

(2)利用各项人脸评分及对应的权重，计算初选图像的推荐指数。

子步骤S102-2-2，根据推荐指数从初选图像中确定出推荐图像。

在本发明实施例中，将推荐指数较高的初选图像确定为推荐图像。

作为一种实施方式，可以是按照推荐指数由大到小的顺序对初选图像按照进行排序，将排列于第一指定名次之前的初选图像确定为所述推荐图像。比如，初选图像a的推荐指数为90，初选图像b的推荐指数为95，初选图像c的推荐指数为80，初选图像d的推荐指数为84，初选图像e的推荐指数为92，第一指定名次为3，那么初选图像按照推荐指数由大到小的顺序排序后的顺序为：初选图像b、初选图像e、初选图像a、初选图像d、初选图像c，将初选图像b、初选图像e、初选图像a确定为推荐图像。

作为另一种方式，为了使选出推荐图像中包含多种表情，给用户提供更多的选择。上述子步骤S102-2-2还可以包括：

利用表情分类模型对初选图像进行分类，以得到至少一个图像集合。可选地，上述表情分类模型可以预先训练好存储于服务器100，用于对目标图像区域中呈现的人脸的表情类型进行分类。

按照推荐指数由大到小的顺序对每个图像集合中的所述初选图像进行排序。将每个所述图像集合中排列于第二指定名次之前的所述初选图像确定为所述推荐图像。比如，接上例对初选图像进行表情分类之后，初选图像a、初选图像b和初选图像e被分类为具有笑的表情，初选图像c和初选图像d被分类为具有惊恐的表情，第二指定名次为2，那么对初选图像a、初选图像b和初选图像e进行排序得到的排序结果为：初选图像b、初选图像e、初选图像a。对初选图像c和初选图像d进行排序得到的排序结果为：初选图像d、初选图像c。分别从属于两类表情的初选图像中确定出：初选图像b、初选图像e为推荐图像，初选图像d、初选图像c也为推荐图像。

步骤S103，将推荐图像发送给智能终端300，以便智能终端300进行展示。

在本发明实施例中，将推荐图像反馈给智能终端300，智能终端300对推荐图像进行展示，以供用户浏览或下载。提供给用户的推荐图像既能确保与用户相关，也能提高用户对推荐图像的满意度。

与现有技术相比，依靠图像采集设备200的初步筛选，服务器100接收到整体图像质量较佳的待选图像。如此，既确保了待选图像的整体图像质量，又能降低图像数据传输的网络环境要求和数据传输能耗，减轻服务器100的图像处理存储压力。服务器100在接收到用户发送的查询指令后，从已接收到的待选图像中筛选出与用户相关且图像质量能够让用户满意的推荐图像，提高用户的游玩体验。针对每个用户均有提供高质量的服务。

第二实施例

请参考图6，图6示出了本申请实施例提供的游玩照片筛选方法的步骤流程图。上述游玩照片筛选方法应用于相互通信的服务器100和多个图像采集设备200。如图6所示，上述游玩照片筛选方法包括以下步骤：

步骤S201，在游乐设施运行期间，图像采集设备200将采集到的满足预设条件的待选图像发送至服务器100。

在一些实施例中，在游乐设施运行之后，上述图像采集设备200按照设定频率进行图像采集，得到采集图像。图像采集设备200每采集到一帧采集图像，评判该采集图像是否满足预设条件，将满足预设条件的采集图像作为待选图像，并发送到服务器100。比如，有m个摄像头，则每个摄像头均实时进行图像采集，得到采集图像。每台摄像头从采集到的采集图像中筛选出i张符合预设条件的待选图像，并将其发送给服务器，那么服务器将接收到m*i张待选图像，使服务器能够得到从m个方向或角度采集到高质量的图像素材。

故，作为一种实施方式，如图7所示，在图6所示的游玩照片筛选的基础上，还可以包括步骤：

步骤S301，利用图像整体评价模型对采集图像进行评分，以得到采集图像的整体分数。

在本发明实施例中，利用图像整体评价模型对采集图像进行处理，对出现在采集图像中的人脸图像区域进行人脸评分。上述人脸评分包括人脸图像占比分数、人脸角度分数、人脸遮挡分数、眼睛睁闭情况及表情分数之一或之间的组合。然后，基于同一采集图像中出现的所有人脸对应的各项人脸评分计算采集图像中各项人脸评分的均值，根据采集图像中各项人脸评分的均值，计算整体分数。可以理解的，如果采集图像中未出现人脸，那么该采集图像不具有整体分数，也不符合预设条件。

步骤S302，将整体分数超过预设分数线的采集图像判定为满足预设条件的待选图像。

作为一种实施方式，在图6所示的游玩照片筛选的基础上，还可以包括步骤：图像采集设备200检测采集到的采集图像中是否存在人脸图像区域及获取采集图像的图像亮度值，若存在人脸图像区域且图像亮度超过给定阈值，则判断该采集图像满足预设条件。可以理解地，在该实施方式下只需识别是否有人脸和提取图像亮度，因此，所需的运算量小，对图像采集设备200处理器性能及存储器大小要求低，如此便能够降低图像采集设备200的造价成本。此外，通过筛选既能够保证服务器有足够多的图像进行筛选、打分，又可以将数据传输量减少，降低数据传输功耗。步骤S202，服务器100响应于智能终端300发送的查询指令，从待选图像中筛选出匹配的推荐图像。

在本发明实施例中，上述步骤S202的原理与步骤S102的原理相同，在此不再赘述。

步骤S203，服务器100将所述推荐图像发送给所述智能终端300，以便智能终端300进行展示。

在本发明实施例中，上述步骤S203的原理与步骤S103的原理相同，在此不再赘述。

与现有技术相比，图像采集设备200在游乐设施运行期间可以高频、多角度进行图像采集，获取丰富的图像素材。然后，图像采集设备200会初次地对其采集到的采集图像进行筛选，从图像整体质量的角度选出满足预设要求的采集图像作为待选图像发送给服务器100。如此，既确保了待选图像的整体图像质量，又能减轻服务器100的图像处理存储压力。服务器100在接收到用户发送的查询指令后，从已接收到的待选图像中筛选出与用户相关且图像质量能够让用户满意的推荐图像，从而提高用户的使用体验。

为了执行上述实施例及各个可能的方式中的相应步骤，下面给出一种游玩照片筛选装置400的实现方式，可选地，该游玩照片筛选装置400可以采用上述图2所示的服务器100的器件结构。进一步地，请参阅图8，图8为本发明实施例提供的一种游玩照片筛选装置400的功能模块图。需要说明的是，本实施例所提供的游玩照片筛选装置400，其基本原理及产生的技术效果和上述实施例相同，为简要描述，本实施例部分未提及之处，可参考上述的实施例中相应内容。该游玩照片筛选装置400包括：接收模块401、筛选模块402及发送模块403。

接收模块401，用于在所述游乐设施运行期间，接收待选图像。

在本发明实施例中，上述待选图像为所述图像采集设备200筛选出的满足预设条件的采集图像。上述步骤S101可以由接收模块401执行。

筛选模块402，用于响应于所述智能终端300发送的查询指令，从所述待选图像中筛选出匹配的推荐图像。

在本发明实施例中，上述步骤S102可以由筛选模块402执行。可选地，筛选模块402还可以包括：

匹配子模块，用于依据所述查询指令中携带的第一图像特征，从所述待选图像中获取初选图像。其中，所述初选图像包括与所述第一图像特征匹配的目标图像区域。所述第一图像特征为所述智能终端300从获取的图像信息中提取到的特征数据。

确定子模块，用于从所述初选图像中确定出所述推荐图像。

在一些实施例中，服务器100中设有图像局部评价模型，上述确定子模块，用于利用所述图像局部评价模型对所述初选图像中的所述目标图像区域进行评分，以得到所述初选图像的推荐指数。根据所述推荐指数从所述初选图像中确定出所述推荐图像。

进一步地，上述确定子模块还用于按照所述推荐指数由大到小的顺序对所述初选图像进行排序；将排列于第一指定名次之前的所述初选图像确定为所述推荐图像。

在一些实施例中，上述服务器100中还设有表情分类模型，上述目标图像区域为与所述第一图像特征匹配的人脸图像区域。上述确定子模块，还用于利用所述表情分类模型对所述初选图像进行分类，以得到至少一个图像集合；按照所述推荐指数由大到小的顺序对每个所述图像集合中的所述初选图像进行排序；将每个所述图像集合中排列于第二指定名次之前的所述初选图像确定为所述推荐图像。

在一些实施例中，目标图像区域为与所述第一图像特征匹配的人脸图像区域；上述确定子模块用于利用所述图像局部评价模型处理所述初选图像中的所述目标图像区域，得到所述目标图像区域对应的多项人脸评分；多项所述人脸评分包括所述目标图像区域中呈现的人脸图像占比分数、人脸角度分数、人脸遮挡分数、眼睛睁闭状态分数及表情分数之一或之间的组合；利用各项所述人脸评分及对应的权重，计算所述初选图像的推荐指数。

在一些实施例中，在人脸评分包括眼睛睁闭状态分数时，上述确定子模块还用于：利用所述图像局部评价模型依次提取每一所述初选图像的所述目标图像区域中眼睛所占的图像面积比例；以得到的最大的所述图像面积比例为基准，依次评估每一所述初选图像的眼睛睁闭状态分数。

发送模块403，用于将所述推荐图像发送给所述智能终端300，以便智能终端300进行展示。

在本发明实施例中，上述步骤S103可以由发送模块403执行。

可选地，上述模块可以软件或固件(Firmware)的形式存储于图2所示的存储器110中或固化于该服务器100的操作系统(Operating System，OS)中，并可由图2中的处理器120执行。同时，执行上述模块所需的数据、程序的代码等可以存储在存储器110中。

综上所述，本发明实施例提供了一种游玩照片筛选方法、装置、服务器和计算机可读存储介质。其中，上述游玩照片筛选方法包括：在游乐设施运行期间，接收待选图像；其中，待选图像为所述图像采集设备筛选出的满足预设条件的采集图像；响应于所述智能终端发送的查询指令，从所述待选图像中筛选出匹配的推荐图像；将所述推荐图像发送给所述智能终端，以便进行展示。通过图像采集设备与服务器之间实现的两次筛选，确保智能终端展示的推荐图像不仅具有较高的整体图像质量，又能满足符合使用智能终端的用户的个人需求。实现提供针对性的服务，提高用户体验。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。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或者该技术方案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中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种游玩照片筛选方法，其特征在于，应用于服务器，所述服务器与图像采集设备及智能终端通信连接，所述服务器中设有图像局部评价模型和表情分类模型；所述图像采集设备设置于游乐设施的多个位置；所述游玩照片筛选方法包括：

在所述游乐设施运行期间，接收待选图像；其中，所述待选图像为所述图像采集设备筛选出的满足预设条件的采集图像；

响应于所述智能终端发送的查询指令，依据所述查询指令中携带的第一图像特征，从所述待选图像中获取初选图像；其中，所述初选图像包括与所述第一图像特征匹配的目标图像区域；所述第一图像特征为所述智能终端从获取的图像信息中提取到的特征数据；所述目标图像区域为与所述第一图像特征匹配的人脸图像区域；

利用所述图像局部评价模型对所述初选图像中的所述目标图像区域进行评分，以得到所述初选图像的推荐指数；所述图像局部评价模型用于对目标图像区域中人脸图像占比、人脸角度、人脸遮挡、眼睛睁闭状态及表情中的一方面或者多方面的组合进行评分；

根据所述推荐指数从所述初选图像中确定出推荐图像；

将所述推荐图像发送给所述智能终端，以便所述智能终端进行展示；

其中，所述根据所述推荐指数从所述初选图像中确定出推荐图像的步骤包括：

利用所述表情分类模型对所述初选图像进行分类，以得到至少一个图像集合；按照所述推荐指数由大到小的顺序对每个所述图像集合中的所述初选图像进行排序；将每个所述图像集合中排列于第二指定名次之前的所述初选图像确定为所述推荐图像。

2.根据权利要求1所述的游玩照片筛选方法，其特征在于，所述根据所述推荐指数从所述初选图像中确定出推荐图像的步骤包括：

按照所述推荐指数由大到小的顺序对所述初选图像进行排序；

将排列于第一指定名次之前的所述初选图像确定为所述推荐图像。

3.根据权利要求1所述的游玩照片筛选方法，其特征在于，所述利用所述图像局部评价模型对所述初选图像中的所述目标图像区域进行评分的步骤包括：

利用所述图像局部评价模型处理所述初选图像中的所述目标图像区域，得到所述目标图像区域对应的多项人脸评分；多项所述人脸评分包括所述目标图像区域中呈现的人脸图像占比分数、人脸角度分数、人脸遮挡分数、眼睛睁闭状态分数及表情分数之一或之间的组合；

利用各项所述人脸评分及对应的权重，计算所述初选图像的推荐指数。

4.根据权利要求3所述的游玩照片筛选方法，其特征在于，利用所述图像局部评价模型处理所述初选图像中的所述目标图像区域，得到所述眼睛睁闭状态分数的步骤包括：

利用所述图像局部评价模型依次提取每一所述初选图像的所述目标图像区域中眼睛所占的图像面积比例；

以得到的最大的所述图像面积比例为基准，依次评估每一所述初选图像的眼睛睁闭状态分数。

5.根据权利要求1所述的游玩照片筛选方法，其特征在于，所述满足预设条件的采集图像具有人脸图像区域且图像亮度超过给定阈值。

6.一种游玩照片筛选方法，其特征在于，应用于互相通信的服务器及图像采集设备，所述服务器中设有图像局部评价模型和表情分类模型；所述图像采集设备设置于游乐设施的多个位置，所述服务器还与智能终端通信连接，所述游玩照片筛选方法包括：

在所述游乐设施运行期间，所述图像采集设备将采集到的满足预设条件的待选图像发送至所述服务器；

所述服务器响应于所述智能终端发送的查询指令，依据所述查询指令中携带的第一图像特征，从所述待选图像中获取初选图像；其中，所述初选图像包括与所述第一图像特征匹配的目标图像区域；所述第一图像特征为所述智能终端从获取的图像信息中提取到的特征数据；所述目标图像区域为与所述第一图像特征匹配的人脸图像区域；

所述服务器利用所述图像局部评价模型对所述初选图像中的所述目标图像区域进行评分，以得到所述初选图像的推荐指数；所述图像局部评价模型用于对目标图像区域中人脸图像占比、人脸角度、人脸遮挡、眼睛睁闭状态及表情中的一方面或者多方面的组合进行评分；

所述服务器根据所述推荐指数从所述初选图像中确定出推荐图像；

所述服务器将所述推荐图像发送给所述智能终端，以便所述智能终端进行展示；

其中，所述服务器根据所述推荐指数从所述初选图像中确定出推荐图像的步骤包括：

利用所述表情分类模型对所述初选图像进行分类，以得到至少一个图像集合；按照所述推荐指数由大到小的顺序对每个所述图像集合中的所述初选图像进行排序；将每个所述图像集合中排列于第二指定名次之前的所述初选图像确定为所述推荐图像。

7.根据权利要求6所述的游玩照片筛选方法，其特征在于，所述图像采集设备中设有图像整体评价模型，所述游玩照片筛选方法还包括:

所述图像采集设备利用所述图像整体评价模型对采集图像进行评分，以得到所述采集图像的整体分数；

所述图像采集设备将所述整体分数超过预设分数线的所述采集图像判定为满足所述预设条件的所述待选图像。

8.一种游玩照片筛选装置，其特征在于，应用于服务器，所述服务器与图像采集设备及智能终端通信连接，所述服务器中设有图像局部评价模型和表情分类模型；所述图像采集设备设置于游乐设施的多个位置；所述游玩照片筛选装置包括：

接收模块，用于在所述游乐设施运行期间，接收待选图像；其中，所述待选图像为所述图像采集设备筛选出的满足预设条件的采集图像；

筛选模块，用于：

响应于所述智能终端发送的查询指令，依据所述查询指令中携带的第一图像特征，从所述待选图像中获取初选图像；其中，所述初选图像包括与所述第一图像特征匹配的目标图像区域；所述第一图像特征为所述智能终端从获取的图像信息中提取到的特征数据；所述目标图像区域为与所述第一图像特征匹配的人脸图像区域；

利用所述图像局部评价模型对所述初选图像中的所述目标图像区域进行评分，以得到所述初选图像的推荐指数；所述图像局部评价模型用于对目标图像区域中人脸图像占比、人脸角度、人脸遮挡、眼睛睁闭状态及表情中的一方面或者多方面的组合进行评分；

根据所述推荐指数从所述初选图像中确定出推荐图像；

发送模块，用于将所述推荐图像发送给所述智能终端，以便所述智能终端进行展示；

其中，所述筛选模块用于根据所述推荐指数从所述初选图像中确定出推荐图像时具体用于：利用所述表情分类模型对所述初选图像进行分类，以得到至少一个图像集合；按照所述推荐指数由大到小的顺序对每个所述图像集合中的所述初选图像进行排序；将每个所述图像集合中排列于第二指定名次之前的所述初选图像确定为所述推荐图像。

9.一种服务器，其特征在于，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的机器可执行指令，所述处理器可执行所述机器可执行指令以实现权利要求1-5任一所述的方法。

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1-5中任一项所述的方法。