CN114500874A - 一种生成相册的方法及电子设备 - Google Patents
一种生成相册的方法及电子设备 Download PDFInfo
- Publication number
- CN114500874A CN114500874A CN202011156011.0A CN202011156011A CN114500874A CN 114500874 A CN114500874 A CN 114500874A CN 202011156011 A CN202011156011 A CN 202011156011A CN 114500874 A CN114500874 A CN 114500874A
- Authority
- CN
- China
- Prior art keywords
- pictures
- picture
- preset
- selecting
- album
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000012216 screening Methods 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 241001156002 Anthonomus pomorum Species 0.000 description 1
- 101100517192 Arabidopsis thaliana NRPD1 gene Proteins 0.000 description 1
- 101150094905 SMD2 gene Proteins 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000011524 similarity measure Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/222—Studio circuitry; Studio devices; Studio equipment
- H04N5/262—Studio circuits, e.g. for mixing, switching-over, change of character of image, other special effects ; Cameras specially adapted for the electronic generation of special effects
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/06—Protocols specially adapted for file transfer, e.g. file transfer protocol [FTP]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
- H04N21/81—Monomedia components thereof
- H04N21/8146—Monomedia components thereof involving graphical data, e.g. 3D object, 2D graphics
- H04N21/8153—Monomedia components thereof involving graphical data, e.g. 3D object, 2D graphics comprising still images, e.g. texture, background image
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
- H04N21/83—Generation or processing of protective or descriptive data associated with content; Content structuring
- H04N21/845—Structuring of content, e.g. decomposing content into time segments
- H04N21/8455—Structuring of content, e.g. decomposing content into time segments involving pointers to the content, e.g. pointers to the I-frames of the video stream
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Multimedia (AREA)
- Computer Networks & Wireless Communication (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Computer Graphics (AREA)
- Processing Or Creating Images (AREA)
Abstract
本申请是关于一种生成相册的方法及电子设备。该方法包括:获取车载终端拍摄的视频;选取所述视频中预置信息点POI范围内的视频;从所述信息点POI范围内的视频中选取符合预置规则的帧图片,并保存;对所述保存的帧图片建立索引,并输出为相册。本申请提供的方案,能够在没有手机等智能移动终端下进行拍照,拍照后能对图片进行自动分类,解决了用户整理图片的需求,尤其对于自驾游,提升了其旅行体验。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及一种生成相册的方法及电子设备。
背景技术
相关技术中,随着拍摄技术在移动终端上的快速发展,越来越多的用户开始使用移动终端在日常生活或者外出旅游中进行拍照并分享,或者用户直接从应用软件中下载所需图片,随之而来的图片社交也逐渐增加。
目前,用户都是使用手机等智能移动终端进行拍照,将拍摄的图片存储于移动终端的相册中,而随着用户拍照数量的增加,相册中的图片数量也越来越多。随着拍摄内容的数量增加,用户往往会借助一些内容管理应用来对繁杂的拍摄内容进行相应的整理,对电子相册中的图片或视频等媒体文件进行简单分类,以达到整理的目的。
目前,在自驾游过程中,使用手机等智能移动终端进行拍照多有不便。
发明内容
为克服相关技术中存在的问题,本申请提供一种生成相册的方法及电子设备,该申请能够对图片进行分类处理,使用户能够快速、精准的找到想查看的图片。
本申请第一方面提供一种生成相册的方法,包括:
获取车载终端拍摄的视频;
选取所述视频中预置信息点POI范围内的视频;
从所述信息点POI范围内的视频中选取符合预置规则的帧图片,并保存;
对所述保存的帧图片建立索引,并输出为相册。
可选地,所述选取所述视频中预置POI范围内的视频包括:
获取经纬度信息,判断是否到达信息点POI;
若是,则判断所述信息点POI与所述预置信息点POI类型是否一致;
若一致,则保留所述信息点POI范围内的视频。
可选地,所述选取符合预置规则的帧图片包括:
计算所述图片画面的清晰度,将清晰度小于预设阈值的图片删除,保留清晰度大于预设阈值的图片。
可选地,所述选取还包括:
计算所述图片的画面相似度,从相似度高的图片中选择预置数量的图片。
可选地,所述选取还包括:
所述图片与预置的数据库中的图片进行匹配,得出相似度,筛选出相似度大于或等于预设相似度阈值的图片。
可选地,还包括:
基于经纬度信息,获取行驶轨迹,识别出目的地,为相册生成相应的相册名称。
可选地,所述输出相册包括:
对画面内容进行图像识别,并根据预置的规则按照分类输出;
或/和,按照拍摄时间输出;
或/和,按照拍摄轨迹输出。
本申请第二方面提供一种电子设备,包括:
处理器;以及
存储器,其上存储有可执行代码,当所述可执行代码被所述处理器执行时,使所述处理器执行如上所述的方法。
本申请提供的技术方案可以包括以下有益效果:本申请通过将车载终端中的图片上传至服务端,先对图片进行预处理,以得到一张或者多张拍摄效果较好的图片提供给用户,后对拍摄的图片进行分类处理,使用户能够快速、精准的找到当前想查看的图片,用户体验佳,尤其对于自驾游,能够提高拍摄效果,提升其旅行体验。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
通过结合附图对本申请示例性实施方式进行更详细的描述,本申请的上述以及其它目的、特征和优势将变得更加明显,其中,在本申请示例性实施方式中,相同的参考标号通常代表相同部件。
图1是本申请实施例示出的一种生成相册的方法的流程示意图。
具体实施方式
下面将参照附图更详细地描述本申请的优选实施方式。虽然附图中显示了本申请的优选实施方式,然而应该理解,可以以各种形式实现本申请而不应被这里阐述的实施方式所限制。相反,提供这些实施方式是为了使本申请更加透彻和完整,并且能够将本申请的范围完整地传达给本领域的技术人员。
在本申请使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本申请可能采用术语“第一”、“第二”、“第三”等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本申请范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
针对上述问题,本申请实施例提供一种生成相册的方法,能够将从车载终端获取的图片,生成相册。
以下结合附图详细描述本申请实施例的技术方案。
图1为本发明一实施例提供的一种生成相册的方法的流程示意图,如图1所示,该流程包括以下步骤:
步骤S101,获取车载终端拍摄的视频;
车载终端沿途进行拍摄,并将拍摄的视频进行保存。获取保存的视频,视频中包含拍摄的所有内容。视频中包含:拍摄位置信息、时间信息等,拍摄位置信息可以定义为POI点,POI是“Point of Information”的缩写,中文可以翻译为“信息点”,就是在地图上任何非地理意义的有意义的点:比如商店,酒吧,加油站,医院,车站等。
步骤S102,选取视频中预置信息点POI范围内的视频;
获取经纬度信息,判断是否到达信息点POI;
车载终端根据经纬度信息,识别出视频上的位置信息,判断此位置信息是否为POI点。
若是,则判断信息点POI与预置信息点POI类型是否一致;
若一致,则保留信息点POI范围内的视频。
步骤S103,从信息点POI范围内的视频中选取符合预置规则的帧图片,并保存;
选取符合预置规则的帧图片包括:
1)计算图片画面的清晰度,将清晰度小于预设阈值的图片删除,保留清晰度大于预设阈值的图片;
通过使用现有的图片清晰度的算法,计算出图片清晰度,例如:Brenner 梯度函数,最简单的梯度评价函数,它通过简单的计算相邻两个像素灰度差的平方得出图片清晰度;Reblur二次模糊,通过对待评测图片进行一次高斯模糊处理,得到该图片的退化图片,然后再比较原图片和退化图片相邻像素值的变化情况,根据变化的大小确定清晰度值的高低,计算结果越小表明图片越清晰,反之越模糊;SMD2(灰度方差乘积)函数,通过对每一个像素领域两个灰度差相乘后再逐个像素累加得出图片清晰度。将计算出的图片清晰度与预设阈值进行对比,保留清晰度大于预设阈值的图片,反之删除。
2)计算所述图片的画面相似度,从相似度高的图片中选择预置数量的图片;
通过使用现有的图片的画面相似度的算法,选取相似度高的图片,例如:直方图方法,分别计算两幅图像的直方图,并将直方图进行归一化,然后按照某种距离度量的标准进行相似度的测量;感知哈希算法,对每张图像生成一个“指纹”(fingerprint)字符串,然后比较不同图像的指纹,结果越接近,就说明图像越相似;SSIM(structural similarity)结构相似性,利用滑动窗将图像分块,令分块总数为N,考虑到窗口形状对分块的影响,采用高斯加权计算每一窗口的均值、方差以及协方差,然后计算对应块的结构相似度SSIM,最后将平均值作为两图像的结构相似性度量,即平均结构相似性SSIM。从相似度高的图片中选取一张或多张图片。
3)图片与预置的数据库中的图片进行匹配,得出相似度,筛选出相似度大于或等于预设相似度阈值的图片;
同样使用相似度算法,与预置的数据库中的图片进行匹配,选取出满足预置条件的图片。
上述说明了三种选取图片的方法,本实施例并不限制该三个方法的执行顺序。例如,可以先选取满足预设阈值清晰度的图片,在从相似的图片中选取一张或多张图片;亦可以,先从相似的多张图片中选择一张或多张图片后,从中选取图片清晰度满足预置条件的图片;或者,可以先选取满足预设阈值清晰度的图片,在利用预置云端或本地的图片库挑选图片用于生成相册。亦可以只对图片进行上述的任意一种处理。其他选取图片手段的组合方式不一一列举。
步骤S104,对保存的帧图片建立索引,并输出为相册。
基于经纬度信息,获取行驶轨迹,识别出目的地,为相册生成相应的相册名称。
输出相册包括:
1)对画面内容进行图像识别,并根据预置的规则按照分类输出。
通过使用现有的图片分类的算法,对图片的内容进行分类,例如:KNN 算法,通过测量不同特征值之间的距离进行分类。按照图片的类别进行展示,例如:风景,人物等。
2)按照拍摄时间输出。
相册里面的图片通过获取图片信息中的时间信息进行排序,可以正序查看也可以倒叙查看。
3)按照拍摄轨迹输出。
相册基于获取图片信息中的位置信息进行排序,或者进一步结合地图中行车轨迹将图片位置投影到轨迹上。
上述说明了三种输出相册的方法,本实施例可以先以拍摄时间方式展示,后在每个拍摄时间相册内再按照图片内容进行分类;也可以先以拍摄轨迹方式展示,后在每个拍摄时间相册内再按照图片内容进行分类;或者,先以图片的类别进行展示,在各个类别相册中进行拍摄时间排序;亦可以只对输出相册进行上述的任意一种处理。其他输出相册的组合方式不一一列举。
本发明方法可以由车载终端实现;也可以由车载终端将拍摄视频上传服务器,并由服务器实现。本方法既可以在车载终端获得视频的过程中实现,也可以由车载终端拍摄完成一个或者多个视频文件后实现。
以下以车载终端在拍摄视频过程中生成相册为例进行说明。
假设用户A自驾游军庸关长城,出发之前,做了一份行程规划,途经雍和宫、八达岭高速入口、居庸关长城,车载终端进行拍摄记录。车载终端将拍摄的视频进行保存,视频以每秒多帧的形式保存。获取这些保存的视频,视频中记录了出现在摄像头前的所有内容,其中有些内容对于生成相册而言是不需要的,比如在道路上行驶的图片等,而对于用户而言,通常更希望相册中的图片更具有典型性。因而,车载终端根据经纬度信息,识别出视频上的位置信息,判断此位置信息是否为POI点。所述POI点可以是地图数据中携带的,也可以是由用户单独定义的。在用户自定义POI 点的情况下,本发明生成的相册能够包含用户个性化的图片,例如用户A 将自己的家设为POI点,则按照本发明方法生成的图片相册中包含用户A 家附近的图片。
POI被称为信息点(point of information)或者兴趣点(point of interest),地图上任何非地理意义的有意义的点。本实施例中POI包含四方面信息,名称、类别、坐标、分类,本发明并不限制POI包含的信息。通过算法将此位置信息与POI的坐标进行匹配,如果视频上的位置信息与POI的坐标一致,则认为此视频是在POI拍摄的,将其进行缓存。
POI的分类有一级类和二级类,每个分类都有相应的行业的代码和名称对应。用户A根据自己的需求,预置了所需要的POI分类。例如,用户 A通过预置POI进行筛选,选择了高速路口、风景区等类型的POI。车辆途经POI,获取该途经POI的类型,判断是否与用户A选择的类型一致。如上所述,用户A按照规划路线,途经雍和宫、八达岭高速入口、居庸关长城,根据用户A所预置的POI获得出在雍和宫、北京八达岭高速入口、居庸关长城拍摄的视频。
从所述视频中获得用于生成相册的图片。按照预置的规则从缓存的视频,即图片序列中,选择符合条件的图片。包括如下的方法:
1)选择图形清晰度达到要求的图片
由于各种因素,比如:天气、拍摄角度等,造成拍摄的图片不清楚。对图片清晰度的计算可以采用多种现有的方法,例如:将图片转为灰度图片,通过用3x3的拉普拉斯算子对灰度图进行滤波处理,计算处理后图像方差,如果方差小于第一预设阈值的图片,则认为图像是模糊的,将其删除,反之,如果方差大于或等于第一预设阈值的图片,则认为图像是清晰的,将其保留用作相册的生成。
2)从多张画面相同或相近的图片中选择图片用于生成相册。
车载终端是连续拍摄,同种画面会有多张图片存在,画面相同或相近的图片没有必要全部保存。
首先,对图片间的相似度进行识别。例如,使用感知哈希算法计算图片相似度:将图片缩小到8*8的大小,这样做可以去除图片的细节,只保留结构和明暗等基本信息,同时摒弃不同尺寸和比例带来的图片差异,把缩小后的图片转化为64级灰度图(每个像素只有64种颜色),计算所有 64个像素的灰度平均值,哈希的计算方法是:将上面说的64个像素的灰度与平均值进行比较,大于或等于平均值记为1,小于记为0,将每个像素的比较结果组合在一起成为一个64位的二进制整数,这个整数就是此图片的指纹,不同图片对比的方法,就是对比它们的64位哈希中有多少位不一样。如果不同的位数不超过5,就说明两张图片很相似,如果大于 10,就很可能是两张不同的图片。通过哈希算法计算出拍摄图片的画面相似度,识别出多张相似度高的图片。本发明并不对图片相似度的计算方法进行限定。
对上述多张相似度高的图片,筛选出一张或多张图片,进行保存用于生成相册。当选取多张图片时,生成相册后,可供用户在所述多张图片中进行人为选择删减。
图片的选取方法可以根据图片的质量进行选取,如利用以下记载的图片质量评价方法;或者从相似的图片中随机的选取一张或者多张图片;或者采用其他的方法选取,本发明不进行限制。
所述图片质量的评价方法包括:
a)均值
均值是指图像像素的平均值,它反映了图像的平均亮度,平均亮度越大,图像质量越好,设待评价图像为F,大小为M*N,坐标(i,j)代表像素点。其均值计算公式为:
b)标准差
标准差是指图像像素灰度值相对于均值的离散程度。如果标准差越大,表明图像中灰度级分别越分散,图像质量也就越好。设待评价图像为F,大小为M*N,坐标(i,j)代表像素点。其计算公式为:
c)平均梯度
平均梯度能反映图像中细节反差和纹理变换,它在一定程度上反映了图像的清晰程度。其计算公式为:
式中,ΔxF(i,j),ΔyF(i,j)分别表示像素点(i,j)在x或者y方向上的一阶差分。
根据上述参数值的大小,按照图片质量对相似图片进行排序,按照预置数量选取。
3)选取具有典型标志性场景的图片。
根据图片中图像内容选取图片,利用预置的图像数据库中的图片,选取与预置的图像数据库中的图片画面更接近的图片。所述图像数据库包括存储于云端的或者存储于本地的图片库,其中的图片可能来自于景区的介绍或者摄影爱好者的分享等,通常这些图片具有较好的拍摄角度。
例如,用户A在经过居庸关长城时,车载终端获得了该POI点范围内的图片序列。根据所述POI的名称或者地理位置信息获得云端数据库中该 POI的图片,即居庸关景区的图片。对车载终端获取的所述图片与云端数据库中的图片进行匹配,选出图片匹配度达到预置条件的图片,所选出的图片与云端图片库中的图片具有更高相似度。例如采用基于灰度的平均绝对差算法,以云端数据库中的图片为模板,根据模板图片车载终端获取图片上面计算平均差值。
D是针对块的平均差值,M和N是模块图像的长宽,S是原图像,T 是模板图像。
若平均差值小于或等于预设值,则认为车载终端获得的该张居庸关的图片与云端图片库的图片画面相近,具有较好的拍照角度,选择用于生成相册。
应当说明,以上说明了抽取图片的三个方法。本发明实施例并不限制该三个方法的执行顺序。例如,可以先在相似的多张图片中选择一张或多张图片后,从中选取图片清晰度满足预置条件的图片用于生成相册;也可以先在图片序列中选择清晰度满足要求的图片后,再从相似的图片中挑选图片;或者,在图片序列中选择清晰度满足要求的图片后,利用预置云端或本地的图片库挑选图片;或者,在图片序列中选择清晰度满足要求的图片后,利用预置云端或本地的图片库挑选相似度达到条件的图片,并在其中选取一张或多张;亦可以只对图片进行上述的任意一种处理。其他抽取图片手段的组合方式不一一列举。
将选取的图片建立索引,生成相册。
按照预置的规则生成相册名称。相册的名称可以利用所经POI点的名称进行命名或其他信息。
具体的,获取相册中包含图片的POI点的信息,例如:名称、POI点分类。例如用户A的相册,获取POI点的名称包括“雍和宫”和“居庸关”,因而相册名称可命名为为“雍和宫-居庸关之旅”。又或者,对于车载终端而言,可以按照其导航的终点对相册进行命名,例如“居庸关之旅”。进一步,作为更佳的实施例,获取导航的日期信息或者图片拍摄日期,在相册名称中进一步添加时间信息,例如“2019年居庸关之旅”,或者将日期与季节、节气等信息进行匹配,例如“2019年居庸关秋季之旅”。本发明对相册的命名规则并不限定。
获取用户的指令,相册里面的图片通过获取图片信息中的时间信息进行排序,可以正序查看也可以倒叙查看。或者,对于查看相册也可以基于获取图片信息中的位置信息进行排序,或者进一步结合地图中行车轨迹将图片位置投影到轨迹上;或者,按照图片的内容进行分类,按照图片的类别进行展示。
使用现有KNN算法可以实现对图片的内容进行分类,通过测量不同特征值之间的距离进行分类。例如:
1)计算已知类别数据集中的点与当前点之间的距离;
2)按照距离的递增关系进行排序;
3)选择与当前距离最小的K个点;
4)确定前K个点所在类别的出现概率;
5)返回前K个点出现频率最高的类别作为当前点的预测分类。
按照上述分类算法,可以将图片内容分为人物、风景等,以此方便用户A查看。本发明并不限制对图片内容的分类方法,例如采用基于神经网络的方法等。
本发明实施例还提供一种电子设备,包括处理器,存储器,存储在存储器上并可在所述处理器上运行的计算机程序,该计算机程序被处理器执行时实现上述相册生成方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
本领域技术人员还将明白的是,结合这里的申请所描述的各种示例性逻辑块、模块、电路和算法步骤可以被实现为电子硬件、计算机软件或两者的组合。
附图中的流程图和框图显示了根据本申请的多个实施例的系统和方法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中,方框中所标记的功能也可以以不同于附图中所标记的顺序发生。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操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。
以上已经描述了本申请的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (8)
1.一种生成相册的方法,其特征在于:
获取车载终端拍摄的视频;
选取所述视频中预置信息点POI范围内的视频;
从所述信息点POI范围内的视频中选取符合预置规则的帧图片,并保存;
对所述保存的帧图片建立索引,并输出为相册。
2.根据权利要求1所述的方法,其特征在于,所述选取所述视频中预置POI范围内的视频包括:
获取经纬度信息,判断是否到达信息点POI;
若是,则判断所述信息点POI与所述预置信息点POI类型是否一致;
若一致,则保留所述信息点POI范围内的视频。
3.根据权利要求1所述的方法,其特征在于,所述选取符合预置规则的帧图片包括:
计算所述图片画面的清晰度,将清晰度小于预设阈值的图片删除,保留清晰度大于预设阈值的图片。
4.根据权利要求3所述的方法,其特征在于,所述选取还包括:
计算所述图片的画面相似度,从相似度高的图片中选择预置数量的图片。
5.根据权利要求3或4所述的方法,其特征在于,所述选取还包括:
所述图片与预置的数据库中的图片进行匹配,得出相似度,筛选出相似度大于或等于预设相似度阈值的图片。
6.根据权利要求5所述的方法,其特征在于,还包括:
基于经纬度信息,获取行驶轨迹,识别出目的地,为相册生成相应的相册名称。
7.根据权利要求1所述的方法,其特征在于,所述输出相册包括:
对画面内容进行图像识别,并根据预置的规则按照分类输出;
或/和,按照拍摄时间输出;
或/和,按照拍摄轨迹输出。
8.一种电子设备,其特征在于,包括:
处理器;以及
存储器,其上存储有可执行代码,当所述可执行代码被所述处理器执行时,使所述处理器执行如权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011156011.0A CN114500874A (zh) | 2020-10-26 | 2020-10-26 | 一种生成相册的方法及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011156011.0A CN114500874A (zh) | 2020-10-26 | 2020-10-26 | 一种生成相册的方法及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114500874A true CN114500874A (zh) | 2022-05-13 |
Family
ID=81470203
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011156011.0A Pending CN114500874A (zh) | 2020-10-26 | 2020-10-26 | 一种生成相册的方法及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114500874A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102073652A (zh) * | 2009-11-24 | 2011-05-25 | 腾讯科技(深圳)有限公司 | 一种电子相册生成方法及装置和电子相册播放器 |
WO2015147437A1 (ko) * | 2014-03-25 | 2015-10-01 | 에스케이플래닛 주식회사 | 모바일 서비스 시스템, 그 시스템에서의 위치 기반 앨범 생성 방법 및 장치 |
CN105631408A (zh) * | 2015-12-21 | 2016-06-01 | 小米科技有限责任公司 | 基于视频的面孔相册处理方法和装置 |
CN105956091A (zh) * | 2016-04-29 | 2016-09-21 | 北京小米移动软件有限公司 | 扩展信息获取方法及装置 |
CN108108485A (zh) * | 2018-01-09 | 2018-06-01 | 深圳传音通讯有限公司 | 一种相册生成方法及终端 |
CN109241303A (zh) * | 2018-06-29 | 2019-01-18 | Oppo广东移动通信有限公司 | 视频创建方法及相关产品 |
CN109299329A (zh) * | 2018-09-11 | 2019-02-01 | 京东方科技集团股份有限公司 | 从视频中生成图片集的方法、装置及电子设备、用户端设备 |
CN111309957A (zh) * | 2020-03-17 | 2020-06-19 | 杭州趣维科技有限公司 | 一种自动生成旅行相册mv的方法 |
-
2020
- 2020-10-26 CN CN202011156011.0A patent/CN114500874A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102073652A (zh) * | 2009-11-24 | 2011-05-25 | 腾讯科技(深圳)有限公司 | 一种电子相册生成方法及装置和电子相册播放器 |
WO2015147437A1 (ko) * | 2014-03-25 | 2015-10-01 | 에스케이플래닛 주식회사 | 모바일 서비스 시스템, 그 시스템에서의 위치 기반 앨범 생성 방법 및 장치 |
CN105631408A (zh) * | 2015-12-21 | 2016-06-01 | 小米科技有限责任公司 | 基于视频的面孔相册处理方法和装置 |
CN105956091A (zh) * | 2016-04-29 | 2016-09-21 | 北京小米移动软件有限公司 | 扩展信息获取方法及装置 |
CN108108485A (zh) * | 2018-01-09 | 2018-06-01 | 深圳传音通讯有限公司 | 一种相册生成方法及终端 |
CN109241303A (zh) * | 2018-06-29 | 2019-01-18 | Oppo广东移动通信有限公司 | 视频创建方法及相关产品 |
CN109299329A (zh) * | 2018-09-11 | 2019-02-01 | 京东方科技集团股份有限公司 | 从视频中生成图片集的方法、装置及电子设备、用户端设备 |
CN111309957A (zh) * | 2020-03-17 | 2020-06-19 | 杭州趣维科技有限公司 | 一种自动生成旅行相册mv的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR100743485B1 (ko) | 영상 오브젝트 인식 장치 및 인식 방법, 영상 애너테이션부여 장치 및 부여 방법과 프로그램 | |
JP2019087229A (ja) | 情報処理装置、情報処理装置の制御方法及びプログラム | |
Li et al. | Multi-scale single image dehazing using laplacian and gaussian pyramids | |
CN108241645B (zh) | 图像处理方法及装置 | |
US7474808B2 (en) | Image processing device and image processing method | |
US20060195858A1 (en) | Video object recognition device and recognition method, video annotation giving device and giving method, and program | |
CN110781911B (zh) | 一种图像匹配方法、装置、设备及存储介质 | |
EP3164811B1 (en) | Method for adding images for navigating through a set of images | |
US8831357B2 (en) | System and method for image and video search, indexing and object classification | |
EP1815361A1 (en) | Variance-based event clustering | |
CN109325429A (zh) | 一种关联特征数据的方法、装置、存储介质及终端 | |
CN113312508A (zh) | 一种车辆图像检索方法及装置 | |
US20240077331A1 (en) | Method of predicting road attributers, data processing system and computer executable code | |
CN113780172B (zh) | 一种行人重识别方法、装置、设备及存储介质 | |
JP2020160840A (ja) | 路面標示不具合検出装置、路面標示不具合検出方法及び路面標示不具合検出プログラム | |
CN116095363B (zh) | 基于关键行为识别的移动端短视频高光时刻剪辑方法 | |
CN114500874A (zh) | 一种生成相册的方法及电子设备 | |
US9881230B2 (en) | System and method for automated road identification in distant traffic camera images | |
CN114445788A (zh) | 车辆停放检测方法、装置、终端设备和可读存储介质 | |
JP2018124740A (ja) | 画像検索システム、画像検索方法及び画像検索プログラム | |
CN116758150B (zh) | 位置信息确定方法及装置 | |
CN112991510B (zh) | 一种道路场景图像处理方法、装置以及电子设备 | |
US11270120B2 (en) | Visual object insertion classification for videos | |
Medina et al. | Where is this? Video geolocation based on neural network features | |
JP2007011935A (ja) | 顔判別方法および装置並びにプログラム |
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 |