CN111985467B - 聊天记录截图处理方法、装置、计算机设备和存储介质 - Google Patents
聊天记录截图处理方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN111985467B CN111985467B CN202010843477.1A CN202010843477A CN111985467B CN 111985467 B CN111985467 B CN 111985467B CN 202010843477 A CN202010843477 A CN 202010843477A CN 111985467 B CN111985467 B CN 111985467B
- Authority
- CN
- China
- Prior art keywords
- screenshot
- chat
- chat record
- model
- text
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 9
- 238000012545 processing Methods 0.000 claims abstract description 19
- 238000000034 method Methods 0.000 claims description 27
- 238000004590 computer program Methods 0.000 claims description 25
- 238000012163 sequencing technique Methods 0.000 claims description 12
- 238000010801 machine learning Methods 0.000 claims description 9
- 238000013507 mapping Methods 0.000 claims description 7
- 238000003909 pattern recognition Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 3
- 238000012790 confirmation Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000013145 classification model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/14—Image acquisition
- G06V30/148—Segmentation of character regions
- G06V30/153—Segmentation of character regions using recognition of characters or words
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供了一种聊天记录截图处理方法、装置、计算机设备和存储介质,属于图片处理技术领域,具体包括获取与聊天记录相关联的聊天记录截图及机型信息、时间戳信息;根据所述机型信息确定所述图像识别模型;采用所述图像识别模型识别所述聊天记录截图中文本识别区域的文本名称;根据所述时间戳信息和所述文本名称对所述聊天记录截图进行归类,得到截图分组;显示与所述截图分组对应的截图待显示选项以及图片排序方式;根据图片排序方式对与被选中的所述截图待显示选项对应的截图分组进行发布。通过本公开的处理方案,能够对聊天记录截图整理、分类,帮助用户提高寻找目标聊天截图效率。
Description
技术领域
本发明涉及图片处理领域,具体涉及一种聊天记录截图处理方法、装置、计算机设备和存储介质。
背景技术
社交即时通讯(Instant Messaging)是目前Internet上最为流行的通讯方式。在中国,以微信、QQ为代表的即时通讯软件的人均使用时长远比其他类型的软件多。以QQ、微信为例,大部分的聊天软件的聊天界面都符合相同的样式,左侧是客视角,右侧是主视角,每条消息都会关联一个头像,上方是对话名称。
社交即时通讯软件的用户通常会通过截屏的方式和别人分享在聊天内容。但是分享的过程存在以下的不便:1.相册中往往掺杂了其他图片,需要人工从相册中找到聊天截图分辨;2.设备只能识别出聊天记录截图,无法将不同人的聊天记录截图进行区分,用户无法快速识别,尤其在缩略图的情况下,用户需要反复切换到大图中查看,降低了用户处理的效率;3.当对话较长时,需要分多张截图来覆盖对话内容,从相册中准确找到同一段对话的所有截图,并还原先后顺序的也需要多次点开大图确认(用户可能从前往后截也可能从后往前截),依赖人工操作,效率很低;4.当设备批量导入大量截图时,由于时间戳信息相近,设备无法准确对聊天记录针对性的聚类。
发明内容
因此,为了克服上述现有技术的缺点,提供一种能够对聊天记录截图整理、分类,帮助用户提高寻找目标聊天截图效率的聊天记录截图处理方法、装置、计算机设备和存储介质。
为了实现上述目的,本发明提供一种聊天记录截图处理方法,包括:获取与聊天记录相关联的聊天记录截图及机型信息、时间戳信息;根据所述机型信息确定所述图像识别模型;采用所述图像识别模型识别所述聊天记录截图中文本识别区域的文本名称;根据所述时间戳信息和所述文本名称对所述聊天记录截图进行归类,得到截图分组;显示与所述截图分组对应的截图待显示选项以及图片排序方式;根据图片排序方式对与被选中的所述截图待显示选项对应的截图分组进行发布。
在其中一个实施例中,所述图像识别模型的构建方法,包括:获取样本记录截图及对应的样本机型信息、样本名称;基于所述样本名称确定所述样本记录截图的文本识别区域;构建所述文本识别区域与所述样本机型信息的映射关系,构建所述图形识别模型。
在其中一个实施例中,所述根据所述时间戳信息和所述文本名称对所述聊天记录截图进行归类,得到截图分组,包括:提取出所述文本名称一致的所述聊天记录截图;根据所述时间戳信息对所述聊天记录截图进行排序,并记录相邻的所述聊天记录截图之间的时间间隔;将时间间隔小于预设阈值的所述聊天记录截图进行归类,得到截图分组。
在其中一个实施例中,所述根据所述时间戳信息和所述文本名称对所述聊天记录截图进行归类,得到截图分组,包括:根据所述时间戳信息对所述聊天记录截图进行排序并标号;当判定所述聊天记录截图的时间节点为最新节点时,根据所述文本名称依次判断剩余聊天记录截图是否属于同一个聊天记录;对判定为同一个聊天记录的所述聊天记录截图进行存储。
在其中一个实施例中,所述获取与聊天记录相关联的聊天记录截图及机型信息、时间戳信息,包括:对图片存储库中的图片进行分类,得到与聊天记录相关联的聊天记录截图;获取与所述聊天记录截图对应的机型信息、时间戳信息。
在其中一个实施例中,所述对图片存储库中的图片进行分类,得到与聊天记录相关联的聊天记录截图,包括:当判定图片存储库中的图片为设备截图时,采用机器学习模型识别所述聊天记录截图。
本发明还提供一种聊天记录截图处理装置,所述装置包括:截图获取模块,用于获取与聊天记录相关联的聊天记录截图及机型信息、时间戳信息;模型获取模块,用于根据所述机型信息确定所述图像识别模型;文本识别模块,用于采用所述图像识别模型识别所述聊天记录截图中文本识别区域的文本名称;分组模块,用于根据所述时间戳信息和所述文本名称对所述聊天记录截图进行归类,得到截图分组;图片显示模块,用于显示与所述截图分组对应的截图待显示选项以及图片排序方式;排序发布模块,用于根据图片排序方式对与被选中的所述截图待显示选项对应的截图分组进行发布。
本发明还提供一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现上述方法的步骤。
本发明还提供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上述的方法的步骤。
与现有技术相比,本发明的优点在于:根据机型信息确定图像识别模型;采用图像识别模型识别聊天记录截图中文本识别区域的文本名称;从而实现根据时间戳信息和文本名称对聊天记录截图进行归类,得到截图分组,不仅可以支持用户快速发布聊天截图内容到社交平台;而且可以支持一键整理聊天截图,提高定位历史聊天截图的效率,例如找到之前和A的聊天记录截图;并针对这个场景设计的交互流程能减少很多反复确认的操作,极大地提高各种效率。
附图说明
为了更清楚地说明本公开实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本公开的一些实施例,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它的附图。
图1为一个实施例中聊天记录截图处理方法的应用场景图;
图2是本发明的实施例中聊天记录截图处理方法的流程示意图;
图3是本发明的实施例中图像识别模型的构建方法的流程示意图;
图4是本发明的实施例中聊天记录截图处理装置的结构框图;
图5是本发明的实施例中计算机设备的内部结构图。
具体实施方式
下面结合附图对本公开实施例进行详细描述。
以下通过特定的具体实例说明本公开的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然,所描述的实施例仅仅是本公开一部分实施例,而不是全部的实施例。本公开还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本公开的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。基于本公开中的实施例,本领域普通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,都属于本公开保护的范围。
要说明的是,下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见,本文中所描述的方面可体现于广泛多种形式中,且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本公开,所属领域的技术人员应了解,本文中所描述的一个方面可与任何其它方面独立地实施,且可以各种方式组合这些方面中的两者或两者以上。举例来说,可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外,可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。
还需要说明的是,以下实施例中所提供的图示仅以示意方式说明本公开的基本构想,图式中仅显示与本公开中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
另外,在以下描述中,提供具体细节是为了便于透彻理解实例。然而,所属领域的技术人员将理解,可在没有这些特定细节的情况下实践方面。
本申请提供的聊天记录截图处理方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与服务器104进行通信。终端102获取与聊天记录相关联的聊天记录截图及机型信息、时间戳信息;终端102根据机型信息确定图像识别模型,并可以从服务器104获取图形识别模型;终端102采用图像识别模型识别聊天记录截图中文本识别区域的文本名称;终端102根据时间戳信息和文本名称对聊天记录截图进行归类,得到截图分组;终端102显示与截图分组对应的截图待显示选项以及图片排序方式;终端102根据图片排序方式对与被选中的截图待显示选项对应的截图分组进行发布,终端102可以通过服务器104发布截图分组。其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式智能设备,服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
如图2所示,本公开实施例提供一种聊天记录截图处理方法,以该方法应用于图1中的设备为例进行说明,包括以下步骤:
步骤202,获取与聊天记录相关联的聊天记录截图及机型信息、时间戳信息。
机型信息是指对聊天记录进行截图的设备型号。时间戳信息是指对聊天记录进行截图时的时间节点信息。机型信息、时间戳信息均是和聊天记录截图一起生成的。设备获取与聊天记录相关联的聊天记录截图及机型信息、时间戳信息。
步骤204,根据机型信息确定图像识别模型。
图像识别模型是根据样本记录截图及对应的样本机型信息、样本名称训练得到的,用于对聊天记录截图中特定位置的文本进行识别,从而得到与该聊天记录对应的文本名称。设备根据机型信息从图像识别模型库中确定并获取图像识别模型。
步骤206,采用图像识别模型识别聊天记录截图中文本识别区域的文本名称。
设备采用图像识别模型识别聊天记录截图中文本识别区域的文本名称。图形识别模型可以先识别出聊天记录截图中的文本识别区域,再采用文本识别算法对文本识别区域内的文本进行识别,将识别得到的内容作为文本名称。文本名称可以是由文字、字符、字母或者特定图形组成的。设备也可以采用图像识别模型识别聊天记录截图中文本识别区域,并将文本识别区域进行截图,将截图作为文本名称。
步骤208,根据时间戳信息和文本名称对聊天记录截图进行归类,得到截图分组。
设备根据时间戳信息和文本名称对聊天记录截图进行归类,得到截图分组。设备可以先根据文本名称对聊天记录截图进行初归类,再根据时间戳信息进行二次归类得到最终的截图分组;设备也可以采用事先训练的图片分类模型对图片进行初分类,再通过截图聚类算法把来自同个对话的截图分到同一截图分组中。
步骤210,显示与截图分组对应的截图待显示选项以及图片排序方式。
图片排序方式可以是根据时间戳信息进行顺序排序或逆序排序等。设备可以根据截图分组生成截图待显示选项,而后设备显示与截图分组对应的截图待显示选项以及图片排序方式。
步骤212,根据图片排序方式对与被选中的截图待显示选项对应的截图分组进行发布。
设备根据图片排序方式对与被选中的截图待显示选项对应的截图分组进行发布。
上述聊天记录截图处理,根据机型信息确定图像识别模型;采用图像识别模型识别聊天记录截图中文本识别区域的文本名称;从而实现根据时间戳信息和文本名称对聊天记录截图进行归类,得到截图分组,不仅可以支持用户快速发布聊天截图内容到社交平台;而且可以支持一键整理聊天截图,提高定位历史聊天截图的效率,例如找到之前和A的聊天记录截图;并针对这个场景设计的交互流程能减少很多反复确认的操作,极大地提高各种效率
如图3所示,图像识别模型的构建方法,包括以下步骤:
步骤302,获取样本记录截图及对应的样本机型信息、样本名称。
服务器获取样本记录截图及对应的样本机型信息、样本名称。样本机型信息、样本名称可以存储在截图的属性信息中。样本记录截图仅在文本识别区域中存储有样本名称。
步骤304,基于样本名称确定样本记录截图的文本识别区域。
服务器基于样本名称确定样本记录截图的文本识别区域。服务器可以采用文本识别方法从样本记录截图中识别出样本名称,并确定识别出样本名称的区域为文本识别区域。文本识别区域的尺寸信息可以根据多张同一机型的不同样本记录截图确定。
步骤306,构建文本识别区域与样本机型信息的映射关系,构建图形识别模型。
服务器构建文本识别区域与样本机型信息的映射关系,构建图形识别模型。服务器确定文本识别区域在样本记录截图中的位置关系,并将位置关系、尺寸信息和样本机型信息进行映射存储,构建图形识别模型。
在其中一个实施例中,根据时间戳信息和文本名称对聊天记录截图进行归类,得到截图分组,包括:提取出文本名称一致的聊天记录截图;根据时间戳信息对聊天记录截图进行排序,并记录相邻的聊天记录截图之间的时间间隔;将时间间隔小于预设阈值的聊天记录截图进行归类,得到截图分组。
设备提取出文本名称一致的聊天记录截图。设备根据时间戳信息对聊天记录截图进行排序,并记录相邻的聊天记录截图之间的时间间隔。设备将时间间隔小于预设阈值的聊天记录截图进行归类,得到截图分组。预设阈值可以根据用户的需求设置,设置时间可以从几秒到几天。在设备对聊天记录截图进行分组前,可以显示聊天记录的预设阈值设置选项。
在其中一个实施例中,根据时间戳信息和文本名称对聊天记录截图进行归类,得到截图分组,包括:根据时间戳信息对聊天记录截图进行排序并标号;当判定聊天记录截图的时间节点为最新节点时,根据文本名称依次判断剩余聊天记录截图是否属于同一个聊天记录;对判定为同一个聊天记录的聊天记录截图作为一个截图分组进行存储。
设备可以根据时间戳信息对聊天记录截图进行排序并标号。设备可以按时间顺序对截图照片进行编号(例如1到N),截图照片可以包含非聊天截图的照片。而后设备根据标号对聊天记录截图依次分析。当根据时间戳信息判定聊天截图照片的时间节点为最新节点时,则标记聊天截图对话的ID为X,并判断下一个标号的聊天记录截图是否与当前聊天记录截图属于同一个聊天记录。当判定属于同一个聊天记录时,同样标记聊天截图对话的ID为X;当判定不属于同一个聊天记录时,则标记下一个标号的聊天截图对话的ID为X+1。设备判断截图照片是否均为聊天记录截图;当判定均为聊天记录截图时,设备采用图像识别模型识别聊天记录截图中文本识别区域的文本名称,文本名称可以是对方的昵称或群里的名称;设备判定文本名称是否一致,当判定为一致时,设备判定属于同一个聊天记录;当以上任意一个步骤判断结果为否时,设备均判定不属于同一个聊天记录。设备对判定为同一个聊天记录的聊天记录截图作为一个截图分组进行存储。
在其中一个实施例中,获取与聊天记录相关联的聊天记录截图及机型信息、时间戳信息,包括:对图片存储库中的图片进行分类,得到与聊天记录相关联的聊天记录截图;获取与聊天记录截图对应的机型信息、时间戳信息。
设备可以通过相册内的EXIF字段对图片存储库中的图片进行分类,得到与聊天记录相关联的聊天记录截图;获取与聊天记录截图对应的机型信息、时间戳信息。
在其中一个实施例中,对图片存储库中的图片进行分类,得到与聊天记录相关联的聊天记录截图,包括:当判定图片存储库中的图片为设备截图时,采用机器学习模型识别聊天记录截图。
当判定图片存储库中的图片为设备截图时,设备采用机器学习模型识别聊天记录截图。机器学习模型可以是CNN、DNN、SVM、LR等机器学习模型,可以使用预先标记好的数据进行模型训练。
应该理解的是,虽然图2-3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2-3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。
在一个实施例中,如图4所示,提供了一种聊天记录截图处理装置,包括:截图获取模块402、模型获取模块404、文本识别模块406、分组模块408、图片显示模块410和排序发布模块412,其中:
截图获取模块402,用于获取与聊天记录相关联的聊天记录截图及机型信息、时间戳信息。
模型获取模块404,用于根据机型信息确定图像识别模型。
文本识别模块406,用于采用图像识别模型识别聊天记录截图中文本识别区域的文本名称。
分组模块408,用于根据时间戳信息和文本名称对聊天记录截图进行归类,得到截图分组。
图片显示模块410,用于显示与截图分组对应的截图待显示选项以及图片排序方式。
排序发布模块412,用于根据图片排序方式对与被选中的截图待显示选项对应的截图分组进行发布。
在其中一个实施例中,模型获取模块404包括:
样本信息获取单元,用于获取样本记录截图及对应的样本机型信息、样本名称。
文本识别区域确定单元,用于基于样本名称确定样本记录截图的文本识别区域。
模型生成单元,用于构建文本识别区域与样本机型信息的映射关系,构建图形识别模型。
在其中一个实施例中,分组模块包括:
截图提取单元,用于提取出文本名称一致的聊天记录截图。
时间间隔记录单元,用于根据时间戳信息对聊天记录截图进行排序,并记录相邻的聊天记录截图之间的时间间隔。
分组单元,用于将时间间隔小于预设阈值的聊天记录截图进行归类,得到截图分组。
在其中一个实施例中,分组模块包括:
排序单元,用于根据时间戳信息对聊天记录截图进行排序并标号。
判断分组单元,用于当判定聊天记录截图的时间节点为最新节点时,根据文本名称依次判断剩余聊天记录截图是否属于同一个聊天记录。
存储单元,用于对判定为同一个聊天记录的聊天记录截图作为一个截图分组进行存储。
在其中一个实施例中,截图获取模块包括:
图片分类单元,用于对图片存储库中的图片进行分类,得到与聊天记录相关联的聊天记录截图。
信息获取单元,用于获取与聊天记录截图对应的机型信息、时间戳信息。
在其中一个实施例中,截图获取模块包括:
识别单元,用于当判定图片存储库中的图片为设备截图时,采用机器学习模型识别聊天记录截图。
关于聊天记录截图处理装置的具体限定可以参见上文中对于聊天记录截图处理方法的限定,在此不再赘述。上述聊天记录截图处理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。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种聊天记录截图处理方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图5中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,该存储器存储有计算机程序,该处理器执行计算机程序时实现以下步骤:获取与聊天记录相关联的聊天记录截图及机型信息、时间戳信息;根据机型信息确定图像识别模型;采用图像识别模型识别聊天记录截图中文本识别区域的文本名称;根据时间戳信息和文本名称对聊天记录截图进行归类,得到截图分组;显示与截图分组对应的截图待显示选项以及图片排序方式;根据图片排序方式对与被选中的截图待显示选项对应的截图分组进行发布。
在一个实施例中,处理器执行计算机程序时实现的图像识别模型的构建方法,包括:获取样本记录截图及对应的样本机型信息、样本名称;基于样本名称确定样本记录截图的文本识别区域;构建文本识别区域与样本机型信息的映射关系,构建图形识别模型。
在一个实施例中,处理器执行计算机程序时实现的根据时间戳信息和文本名称对聊天记录截图进行归类,得到截图分组,包括:提取出文本名称一致的聊天记录截图;根据时间戳信息对聊天记录截图进行排序,并记录相邻的聊天记录截图之间的时间间隔;将时间间隔小于预设阈值的聊天记录截图进行归类,得到截图分组。
在一个实施例中,处理器执行计算机程序时实现的根据时间戳信息和文本名称对聊天记录截图进行归类,得到截图分组,包括:根据时间戳信息对聊天记录截图进行排序并标号;当判定聊天记录截图的时间节点为最新节点时,根据文本名称依次判断剩余聊天记录截图是否属于同一个聊天记录;对判定为同一个聊天记录的聊天记录截图进行存储。
在一个实施例中,处理器执行计算机程序时实现的获取与聊天记录相关联的聊天记录截图及机型信息、时间戳信息,包括:对图片存储库中的图片进行分类,得到与聊天记录相关联的聊天记录截图;获取与聊天记录截图对应的机型信息、时间戳信息。
在一个实施例中,处理器执行计算机程序时实现的对图片存储库中的图片进行分类,得到与聊天记录相关联的聊天记录截图,包括:当判定图片存储库中的图片为设备截图时,采用机器学习模型识别聊天记录截图。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:获取与聊天记录相关联的聊天记录截图及机型信息、时间戳信息;根据机型信息确定图像识别模型;采用图像识别模型识别聊天记录截图中文本识别区域的文本名称;根据时间戳信息和文本名称对聊天记录截图进行归类,得到截图分组;显示与截图分组对应的截图待显示选项以及图片排序方式;根据图片排序方式对与被选中的截图待显示选项对应的截图分组进行发布。
在一个实施例中,计算机程序被处理器执行时实现的图像识别模型的构建方法,包括:获取样本记录截图及对应的样本机型信息、样本名称;基于样本名称确定样本记录截图的文本识别区域;构建文本识别区域与样本机型信息的映射关系,构建图形识别模型。
在一个实施例中,计算机程序被处理器执行时实现的根据时间戳信息和文本名称对聊天记录截图进行归类,得到截图分组,包括:提取出文本名称一致的聊天记录截图;根据时间戳信息对聊天记录截图进行排序,并记录相邻的聊天记录截图之间的时间间隔;将时间间隔小于预设阈值的聊天记录截图进行归类,得到截图分组。
在一个实施例中,计算机程序被处理器执行时实现的根据时间戳信息和文本名称对聊天记录截图进行归类,得到截图分组,包括:根据时间戳信息对聊天记录截图进行排序并标号;当判定聊天记录截图的时间节点为最新节点时,根据文本名称依次判断剩余聊天记录截图是否属于同一个聊天记录;对判定为同一个聊天记录的聊天记录截图进行存储。
在一个实施例中,计算机程序被处理器执行时实现的获取与聊天记录相关联的聊天记录截图及机型信息、时间戳信息,包括:对图片存储库中的图片进行分类,得到与聊天记录相关联的聊天记录截图;获取与聊天记录截图对应的机型信息、时间戳信息。
在一个实施例中,计算机程序被处理器执行时实现的对图片存储库中的图片进行分类,得到与聊天记录相关联的聊天记录截图,包括:当判定图片存储库中的图片为设备截图时,采用机器学习模型识别聊天记录截图。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/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)或者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(DDRSDRAM)、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)等。
以上所述,仅为本公开的具体实施方式,但本公开的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本公开揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本公开的保护范围之内。因此,本公开的保护范围应以权利要求的保护范围为准。
Claims (7)
1.一种聊天记录截图处理方法,其特征在于,包括:
获取与聊天记录相关联的聊天记录截图及机型信息、时间戳信息;
根据所述机型信息确定图像识别模型;
采用所述图像识别模型识别所述聊天记录截图中文本识别区域的文本名称;
根据所述时间戳信息和所述文本名称对所述聊天记录截图进行归类,得到截图分组,包括:提取出所述文本名称一致的所述聊天记录截图;根据所述时间戳信息对所述聊天记录截图进行排序,并记录相邻的所述聊天记录截图之间的时间间隔;将时间间隔小于预设阈值的所述聊天记录截图进行归类,得到截图分组,或者,根据所述时间戳信息对所述聊天记录截图进行排序并标号;当判定所述聊天记录截图的时间节点为最新节点时,根据所述文本名称依次判断剩余聊天记录截图是否属于同一个聊天记录;对判定为同一个聊天记录的所述聊天记录截图作为一个截图分组进行存储;
显示与所述截图分组对应的截图待显示选项以及图片排序方式;
根据图片排序方式对与被选中的所述截图待显示选项对应的截图分组进行发布。
2.根据权利要求1所述的聊天记录截图处理方法,其特征在于,所述图像识别模型的构建方法,包括:
获取样本记录截图及对应的样本机型信息、样本名称;
基于所述样本名称确定所述样本记录截图的文本识别区域;
构建所述文本识别区域与所述样本机型信息的映射关系,构建所述图像识别模型。
3.根据权利要求1所述的聊天记录截图处理方法,其特征在于,所述获取与聊天记录相关联的聊天记录截图及机型信息、时间戳信息,包括:
对图片存储库中的图片进行分类,得到与聊天记录相关联的聊天记录截图;
获取与所述聊天记录截图对应的机型信息、时间戳信息。
4.根据权利要求3所述的聊天记录截图处理方法,其特征在于,所述对图片存储库中的图片进行分类,得到与聊天记录相关联的聊天记录截图,包括:
当判定图片存储库中的图片为设备截图时,采用机器学习模型识别所述聊天记录截图。
5.一种聊天记录截图处理装置,其特征在于,所述装置包括:
截图获取模块,用于获取与聊天记录相关联的聊天记录截图及机型信息、时间戳信息;
模型获取模块,用于根据所述机型信息确定图像识别模型;
文本识别模块,用于采用所述图像识别模型识别所述聊天记录截图中文本识别区域的文本名称;
分组模块,用于根据所述时间戳信息和所述文本名称对所述聊天记录截图进行归类,得到截图分组;
图片显示模块,用于显示与所述截图分组对应的截图待显示选项以及图片排序方式;
排序发布模块,用于根据图片排序方式对与被选中的所述截图待显示选项对应的截图分组进行发布。
6.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至4中任一项所述方法的步骤。
7.一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权利要求1至4中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010843477.1A CN111985467B (zh) | 2020-08-20 | 2020-08-20 | 聊天记录截图处理方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010843477.1A CN111985467B (zh) | 2020-08-20 | 2020-08-20 | 聊天记录截图处理方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111985467A CN111985467A (zh) | 2020-11-24 |
CN111985467B true CN111985467B (zh) | 2024-03-29 |
Family
ID=73444163
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010843477.1A Active CN111985467B (zh) | 2020-08-20 | 2020-08-20 | 聊天记录截图处理方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111985467B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20230050807A (ko) | 2021-10-08 | 2023-04-17 | 삼성전자주식회사 | 전자 장치 및 이의 제어 방법 |
CN114821567B (zh) * | 2022-06-23 | 2022-10-21 | 北京百炼智能科技有限公司 | 一种用于社交软件截图的点赞个数提取方法及装置 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8341538B1 (en) * | 2009-06-09 | 2012-12-25 | Symantec Corporation | Systems and methods for reducing redundancies in quality-assurance reviews of graphical user interfaces |
WO2016078298A1 (zh) * | 2014-11-21 | 2016-05-26 | 中兴通讯股份有限公司 | 一种截图图像输出方法及装置、存储介质 |
WO2016119165A1 (zh) * | 2015-01-29 | 2016-08-04 | 华为技术有限公司 | 历史聊天记录展示的方法和装置 |
CN105956593A (zh) * | 2016-05-09 | 2016-09-21 | 珠海市魅族科技有限公司 | 图片处理方法和装置 |
CN106909270A (zh) * | 2016-07-20 | 2017-06-30 | 阿里巴巴集团控股有限公司 | 聊天数据输入方法、装置及通讯终端 |
CN107944022A (zh) * | 2017-12-11 | 2018-04-20 | 努比亚技术有限公司 | 图片分类方法、移动终端及计算机可读存储介质 |
CN108768831A (zh) * | 2018-05-24 | 2018-11-06 | 努比亚技术有限公司 | 聊天记录的分享方法、移动终端及计算机可读存储介质 |
CN109032726A (zh) * | 2018-06-29 | 2018-12-18 | 北京明朝万达科技股份有限公司 | 聊天信息的获取方法和装置 |
CN109783713A (zh) * | 2018-12-27 | 2019-05-21 | 北京奇安信科技有限公司 | 一种动态网站分类方法、系统、设备及介质 |
CN109873901A (zh) * | 2018-12-28 | 2019-06-11 | 努比亚技术有限公司 | 一种截图资源管理方法及终端、计算机可读存储介质 |
CN112348089A (zh) * | 2020-11-10 | 2021-02-09 | 中南民族大学 | 工作状态识别方法、服务器、存储介质及装置 |
US10949961B1 (en) * | 2020-06-03 | 2021-03-16 | Netskope, Inc. | Detecting screenshot images for protecting against loss of sensitive screenshot-borne data |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018212822A1 (en) * | 2017-05-16 | 2018-11-22 | Google Inc. | Suggested actions for images |
US10572566B2 (en) * | 2018-07-23 | 2020-02-25 | Vmware, Inc. | Image quality independent searching of screenshots of web content |
-
2020
- 2020-08-20 CN CN202010843477.1A patent/CN111985467B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8341538B1 (en) * | 2009-06-09 | 2012-12-25 | Symantec Corporation | Systems and methods for reducing redundancies in quality-assurance reviews of graphical user interfaces |
WO2016078298A1 (zh) * | 2014-11-21 | 2016-05-26 | 中兴通讯股份有限公司 | 一种截图图像输出方法及装置、存储介质 |
WO2016119165A1 (zh) * | 2015-01-29 | 2016-08-04 | 华为技术有限公司 | 历史聊天记录展示的方法和装置 |
CN105956593A (zh) * | 2016-05-09 | 2016-09-21 | 珠海市魅族科技有限公司 | 图片处理方法和装置 |
CN106909270A (zh) * | 2016-07-20 | 2017-06-30 | 阿里巴巴集团控股有限公司 | 聊天数据输入方法、装置及通讯终端 |
CN107944022A (zh) * | 2017-12-11 | 2018-04-20 | 努比亚技术有限公司 | 图片分类方法、移动终端及计算机可读存储介质 |
CN108768831A (zh) * | 2018-05-24 | 2018-11-06 | 努比亚技术有限公司 | 聊天记录的分享方法、移动终端及计算机可读存储介质 |
CN109032726A (zh) * | 2018-06-29 | 2018-12-18 | 北京明朝万达科技股份有限公司 | 聊天信息的获取方法和装置 |
CN109783713A (zh) * | 2018-12-27 | 2019-05-21 | 北京奇安信科技有限公司 | 一种动态网站分类方法、系统、设备及介质 |
CN109873901A (zh) * | 2018-12-28 | 2019-06-11 | 努比亚技术有限公司 | 一种截图资源管理方法及终端、计算机可读存储介质 |
US10949961B1 (en) * | 2020-06-03 | 2021-03-16 | Netskope, Inc. | Detecting screenshot images for protecting against loss of sensitive screenshot-borne data |
CN112348089A (zh) * | 2020-11-10 | 2021-02-09 | 中南民族大学 | 工作状态识别方法、服务器、存储介质及装置 |
Non-Patent Citations (4)
Title |
---|
Chiatti, Agnese,等.Guess What's on my Screen? Clustering Smartphone Screenshots with Active Learning.《Arxiv》.2019,第1-10页. * |
Classification and Separation of Whatsapp Images Using Machine Learning;Sk, T.R.,等;《2021 2nd International Conference on Smart Electronics and Communication (ICOSEC)》;第1374-9页 * |
一种针对UI截图的组件类型自动识别及可交互页面生成的研究与实现;李谨良;《中国优秀硕士学位论文全文数据库 信息科技辑》(第1期);I138-3048 * |
视频聊天预警系统核心模块的设计与实现;汪澄,等;《杭州电子科技大学学报》;第32卷(第1期);第56-59页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111985467A (zh) | 2020-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11461392B2 (en) | Providing relevant cover frame in response to a video search query | |
CN109947967B (zh) | 图像识别方法、装置、存储介质和计算机设备 | |
CN111476227B (zh) | 基于ocr的目标字段识别方法、装置及存储介质 | |
US9372920B2 (en) | Identifying textual terms in response to a visual query | |
CN111373740B (zh) | 使用选择界面将横向视频转换成纵向移动布局的方法 | |
WO2021012382A1 (zh) | 配置聊天机器人的方法、装置、计算机设备和存储介质 | |
CN111209897B (zh) | 视频处理的方法、装置和存储介质 | |
WO2021114612A1 (zh) | 目标重识别方法、装置、计算机设备和存储介质 | |
CN107168619B (zh) | 用户生成内容处理方法和装置 | |
CN111507330B (zh) | 习题识别方法、装置、电子设备及存储介质 | |
WO2022089170A1 (zh) | 字幕区域识别方法、装置、设备及存储介质 | |
CN111985467B (zh) | 聊天记录截图处理方法、装置、计算机设备和存储介质 | |
US9665773B2 (en) | Searching for events by attendants | |
CN112183296B (zh) | 模拟票据图像生成、票据图像识别方法和装置 | |
CN110059688B (zh) | 图片信息识别方法、装置、计算机设备和存储介质 | |
US20140245119A1 (en) | Automatic Creation of Multiple Rows in a Table | |
CN113780116A (zh) | 发票分类方法、装置、计算机设备和存储介质 | |
CN109190615A (zh) | 形近字识别判定方法、装置、计算机设备和存储介质 | |
CN113011132B (zh) | 竖排文字识别方法、装置、计算机设备和存储介质 | |
CN111582281B (zh) | 一种图片显示优化的方法、装置、电子设备和存储介质 | |
CN113822899A (zh) | 图像处理方法、装置、计算机设备和存储介质 | |
CN108052525B (zh) | 获取音频信息的方法、装置、存储介质及电子设备 | |
US11657649B2 (en) | Classification of subjects within a digital image | |
CN116452702B (zh) | 信息图表快速设计方法、装置、计算机设备和存储介质 | |
CN113011412B (zh) | 基于笔顺及ocr文字识别方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |