CN116342959A - 一种基于大数据的计算机智能图像分析系统及方法 - Google Patents

一种基于大数据的计算机智能图像分析系统及方法 Download PDF

Info

Publication number
CN116342959A
CN116342959A CN202310334315.9A CN202310334315A CN116342959A CN 116342959 A CN116342959 A CN 116342959A CN 202310334315 A CN202310334315 A CN 202310334315A CN 116342959 A CN116342959 A CN 116342959A
Authority
CN
China
Prior art keywords
image
management
feature
target
event
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.)
Withdrawn
Application number
CN202310334315.9A
Other languages
English (en)
Inventor
姚琪
蒋达央
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.)
Changzhou College of Information Technology CCIT
Original Assignee
Changzhou College of Information Technology CCIT
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 Changzhou College of Information Technology CCIT filed Critical Changzhou College of Information Technology CCIT
Priority to CN202310334315.9A priority Critical patent/CN116342959A/zh
Publication of CN116342959A publication Critical patent/CN116342959A/zh
Withdrawn legal-status Critical Current

Links

Images

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
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/10—File systems; File servers
    • G06F16/16—File or folder operations, e.g. details of user interfaces specifically adapted to file systems
    • G06F16/162—Delete operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Human Computer Interaction (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Processing Or Creating Images (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明涉及计算机图像管理技术领域，具体为一种基于大数据的计算机智能图像分析系统及方法，包括每当捕捉到用户对存储于目标计算机内的图像实施了删除处理，将被删除图像设为目标图像，基于不同目标图像管理事件发生时呈现出的不同特征信息分布情况，将所有目标图像管理事件进行事件分类；对各第一特征管理事件和各第二特征管理事件，提取对应的特征事件信息；分别在从各第一特征管理事件或各第二特征管理事件中提取得到的特征事件信息中进行对应特征用户画像指数值的计算；构建用户图像预管理模型，对满足对应各类特征管理事件的特征管理数据的图像，向用户输出预删除管理提示。

Description

一种基于大数据的计算机智能图像分析系统及方法
技术领域
本发明涉及计算机图像管理技术领域，具体为一种基于大数据的计算机智能图像分析系统及方法。
背景技术
图像数据在计算机储器设备中的存储形式是图像文件，图像必须按照某个公开的、规范约终结定的数据存储顺序和结构进行保存，才能使不同的程序对图像文件顺利进行打开或存盘操作，实现数据共享。图像数据在文件中的存储顺序和结构称为图像文件格式。目前主流的图像文件格式有.bmp；.jpg；.jpeg；.png；.gif；.webp；.GIFf；.psd等各种不同的文件格式。在这些图像格式中大部分的格式，都是将像素数据经过压缩编码后进行保存的，这里涉及到比较复杂的图像压缩算法等操作，只有BMP格式的文件是支持原始图像数据保存的；
计算机内部的存储空间往往是有限的，用户需定时对存储于计算机内部的无用图像进行处理，有利于对计算机内部空间进行释放，提高计算机的运行速率。
发明内容
本发明的目的在于提供一种基于大数据的计算机智能图像分析系统及方法，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：一种基于大数据的计算机智能图像分析方法，其中，方法包括：
步骤S100：每当捕捉到用户对存储于目标计算机内的图像实施了删除处理，将被删除图像设为目标图像，将用户对存储于目标计算机内的一张图像实施的一次删除处理设为一次独立的目标图像管理事件；基于不同目标图像管理事件发生时呈现出的不同特征信息分布情况，将所有目标图像管理事件进行事件分类；
步骤S200：对目标图像与存储于目标计算机内的其他图像在图像的特征信息上呈现出特征差异的各第一特征管理事件，提取对应的特征事件信息；
步骤S300：对目标图像与存储于目标计算机内的其他图像在图像来源上呈现出的特征差异的各第二特征管理事件，提取对应的特征事件信息；
步骤S400：分别在从各第一特征管理事件或各第二特征管理事件中提取得到的特征事件信息中进行对应特征用户画像指数值的计算，将大于指数阈值的特征事件信息作为对应类别特征管理事件的特征管理数据；
步骤S500：构建用户图像预管理模型，实时对存储于目标计算机内的图像进行分析，监测用户对存储于目标计算机内的图像产生的所有操作指令，对满足对应各类特征管理事件的特征管理数据的图像，向用户输出预删除管理提示。
进一步的，其中，步骤S100包括：
步骤S101：每当在目标计算机内发生一次独立的目标图像管理事件，对目标计算机内存储的所有图像分别进行特征信息提取，将目标图像管理事件中的目标图像与存储于目标计算机内的所有图像基于特征信息进行相似度比对，捕捉在存储于目标计算机内的所有图像中，与其中，目标图像的特征信息的相似度大于相似度阈值的图像张数N；
步骤S102：当N≧1时，以用户向其中，目标图像发起删除处理的操作时间节点为起点，在目标计算机的历史运行记录中，对用户在其中，起点往前的周期时间T内基于图像发起的所有调取查看指令进行捕捉汇集，得到目标集合P1，若
Figure BDA0004155878280000021
且目标集合P内存在至少一个调取查看指令所指向的是与其中，目标图像的特征信息的相似度大于相似度阈值的图像，判断其中，目标图像管理事件为第一特征管理事件；
上述这类特征管理事件是介入了用户对图像特征的取舍后产生的图像删除管理事件，导致这类图像失去存储意义的原因是图像所含有的一些相对特征信息，正是这些相对性的特征信息导致用户对其做出了取舍，将上述事件抽取出来，是为后续捕捉用户在基于同样事由进行图像取舍时，是否存在一些普遍性的特征，即捕捉基于图像所含特征信息进行图像取舍管理时存在的自动化管理空间。例如说，对用户在存储了多张相似图像的前提下，捕捉用户在对相似图像做取舍管理时，是否存在一些取向趋势，例如说对于一些特定图像空间结构、特定图像色彩分布等存在取向偏好，将其作为满足此类场景下的图像自动化管理空间，当存在多张相似图像时，对含有用户取向偏好的图像进行自动保存，其他做删除管理；
步骤S103：当N＝0时，在目标计算机的所有历史运行记录中，分别对不同图像来源的图像捕捉从存储于目标计算机内至被用户做删除处理所存在的最短保存周期，提取最短保存周期小于周期阈值的图像来源作为目标图像来源；对当前目标图像管理事件发生时，存储于目标计算机内所有图像的图像来源进行获取，捕捉与其中，目标图像的图像来源相同的图像总数M，当(M/Q)≦β时，其中，Q表示存储于目标计算机内的图像总数，β表示占比阈值，且其中，目标图像的图像来源属于目标图像来源，判断其中，目标图像管理事件为第二特征管理事件。
判断这类特征管理事件是介入了用户对图像本身的使用后产生的图像删除管理事件，导致这类图像失去存储意义的原因是是图像丧失了原本含有的使用价值，可以理解为一些具有临时存储意义的图像，在使用完其对应的存储意义后，自然丧失了存储意义；被列为目标图像来源的图像来源是基于历史用户管理操作而言，有可能出于被用户认定随着保存周期会丧失存储意义的图像来源。
进一步的，其中，步骤S200包括：
步骤S201：分别对各第一特征管理事件提取对应的图像集合F1，其中，图像集合F1由其中，各第一特征管理事件中，目标集合P1所包含调取查看指令指向的图像组成；将图像集合F1划分为集合F11和集合F12，其中，集合F11由与其中，目标图像的特征信息的相似度大于相似度阈值的所有图像组成，集合F12由其中，图像集合F1中除集合F11外所有图像组成；
步骤S202：汇集其中，集合F12内所有图像的特征信息，得到集合SF11，提取其中，各第一特征管理事件中其中，目标图像的特征信息，得到第一特征信息集合H1；分别在其中，目标图像与其中，集合F11内各图像之间提取区别特征信息，汇集所有区别特征信息得到集合SF12＝[H1-(H1∩H21)]+[H1-(H1∩H22)]+...+[H1-(H1∩H2k)]；其中，H21、H22、...、H2k分别表示集合F11内第1、2、...、k个图像对应的特征信息集合；
步骤S203：将集合SF12中同属于其中，集合SF11的特征信息进行剔除，得到目标区别特征信息集合SF13；将其中，目标区别特征信息集合SF13作为对应其中，各第一特征管理事件的特征事件信息。
进一步的，步骤S300包括：
步骤S301：在目标计算机的历史运行记录中，分别对各第二特征管理事件，提取用户在其中，起点往前的周期时间T内基于图像发起的所有操作指令，得到目标集合P2，对其中，各第二特征管理事件中目标图像的图像来源E进行获取；
步骤S302：当
Figure BDA0004155878280000031
时，将其中，目标图像的图像来源E与其中，目标集合P2内与用户向其中，目标图像发起删除处理的操作时间节点最近的操作指令L之间建立操作管理关联，将操作管理关联链Z：E→L作为从其中，各第二特征管理事件中提取得到的特征事件信息。
进一步的，步骤S400包括：
步骤S401：对从各第一特征管理事件中提取得到的目标区别特征信息集合SF13内各区别特征信息y计算第一特征用户画像指数值W1＝sun(y)/U1；其中，sun(y)表示在目标计算机的历史运行记录中，出现包含区别特征信息y的第一特征管理事件的总数；U1表示在目标计算机的历史运行记录中，出现第一特征管理事件的总数；
步骤S402：对从各第二特征管理事件中提取得到的各操作管理关联链Z计算第二特征用户画像指数值W2＝sun(Z)/U2；其中，sun(Z)表示在目标计算机的历史运行记录中，提取得到其中，各操作管理关联链Z的第二特征管理事件的总数；U2表示在目标计算机的历史运行记录中，出现第二特征管理事件的总数。
为更好的实现上述方法还提出了一种计算机智能图像分析系统，其中，系统包括事件分类管理模块、特征事件信息提取模块、特征用户画像指数值计算模块、用户图像预管理模型构建模块、预删除管理提示输出管理模块；
其中，事件分类管理模块，用于每当捕捉到用户对存储于目标计算机内的图像实施了删除处理，将被删除图像设为目标图像，将用户对存储于目标计算机内的一张图像实施的一次删除处理设为一次独立的目标图像管理事件；基于不同目标图像管理事件发生时呈现出的不同特征信息分布情况，将所有目标图像管理事件进行事件分类；
其中，特征事件信息提取模块，用于对目标图像与存储于目标计算机内的其他图像在图像的特征信息上呈现出特征差异的各第一特征管理事件以及对目标图像与存储于目标计算机内的其他图像在图像来源上呈现出的特征差异的各第二特征管理事件，提取对应的特征事件信息；
其中，特征用户画像指数值计算模块，用于分别在从各第一特征管理事件或各第二特征管理事件中提取得到的特征事件信息中进行对应特征用户画像指数值的计算，将大于指数阈值的特征事件信息作为对应类别特征管理事件的特征管理数据；
其中，用户图像预管理模型构建模块，用于接收其中，特征用户画像指数值计算模块中的数据，构建用户图像预管理模型；
其中，预删除管理提示输出管理模块，用于实时对存储于目标计算机内的图像进行分析，监测用户对存储于目标计算机内的图像产生的所有操作指令，对满足对应各类特征管理事件的特征管理数据的图像，向用户输出预删除管理提示。
进一步的，其中，事件分类管理模块包括目标图像管理事件捕捉单元、事件分类管理单元；
其中，目标图像管理事件捕捉单元，用于每当捕捉到用户对存储于目标计算机内的图像实施了删除处理，将被删除图像设为目标图像，将用户对存储于目标计算机内的一张图像实施的一次删除处理设为一次独立的目标图像管理事件；
其中，事件分类管理单元，用于基于不同目标图像管理事件发生时呈现出的不同特征信息分布情况，将所有目标图像管理事件进行事件分类。
进一步的，其中，特征事件信息提取模块包括第一特征事件信息提取单元、第二特征事件信息提取单元；
其中，第一特征事件信息提取单元，用于对目标图像与存储于目标计算机内的其他图像在图像的特征信息上呈现出特征差异的各第一特征管理事件，提取对应的特征事件信息；
其中，第二特征事件信息提取单元，用于对目标图像与存储于目标计算机内的其他图像在图像来源上呈现出的特征差异的各第二特征管理事件，提取对应的特征事件信息。
与现有技术相比，本发明所达到的有益效果是：本发明可对用户向图像发起删除处理的操作流程进行分析处理，提取特征操作规律；且本申请主要针对两类图像删除处理进行规律整合分析，其一，基于用户对图像做取舍处理后产生的图像删除处理，其二，基于图像存储于计算机内部时，对用户而言产生的意义消失后产生的图像删除处理，结合用户的操作习惯，捕捉在上述两类事件中存在可为用户提供的自动化图像管理空间，提高计算机的运行效率，给用户带来更好的体验感。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明一种基于大数据的计算机智能图像分析方法的流程示意图；
图2是本发明一种基于大数据的计算机智能图像分析系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，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。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动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。
请参阅图1-图2，本发明提供技术方案：一种基于大数据的计算机智能图像分析方法，方法包括：
步骤S100：每当捕捉到用户对存储于目标计算机内的图像实施了删除处理，将被删除图像设为目标图像，将用户对存储于目标计算机内的一张图像实施的一次删除处理设为一次独立的目标图像管理事件；基于不同目标图像管理事件发生时呈现出的不同特征信息分布情况，将所有目标图像管理事件进行事件分类；
其中，步骤S100包括：
步骤S101：每当在目标计算机内发生一次独立的目标图像管理事件，对目标计算机内存储的所有图像分别进行特征信息提取，将目标图像管理事件中的目标图像与存储于目标计算机内的所有图像基于特征信息进行相似度比对，捕捉在存储于目标计算机内的所有图像中，与目标图像的特征信息的相似度大于相似度阈值的图像张数N；
步骤S102：当N≧1时，以用户向目标图像发起删除处理的操作时间节点为起点，在目标计算机的历史运行记录中，对用户在起点往前的周期时间T内基于图像发起的所有调取查看指令进行捕捉汇集，得到目标集合P1，若
Figure BDA0004155878280000061
且目标集合P内存在至少一个调取查看指令所指向的是与目标图像的特征信息的相似度大于相似度阈值的图像，判断目标图像管理事件为第一特征管理事件；
步骤S103：当N＝0时，在目标计算机的所有历史运行记录中，分别对不同图像来源的图像捕捉从存储于目标计算机内至被用户做删除处理所存在的最短保存周期，提取最短保存周期小于周期阈值的图像来源作为目标图像来源；对当前目标图像管理事件发生时，存储于目标计算机内所有图像的图像来源进行获取，捕捉与目标图像的图像来源相同的图像总数M，当(M/Q)≦β时，其中，Q表示存储于目标计算机内的图像总数，β表示占比阈值，且目标图像的图像来源属于目标图像来源，判断目标图像管理事件为第二特征管理事件；
例如说，在目标计算机的所有历史运行记录中存在5种图像来源的图像，
其中，第一种图像来源的图像总共3张，且发现这3张图像从存储于目标计算机内至被用户做删除处理所存在的保存周期分别对应为2天、5天、4天；因此，对应第一种图像来源的图像的最短保存周期为2天；
其中，第二种图像来源的图像总共2张，且发现这2张图像从存储于目标计算机内至被用户做删除处理所存在的保存周期分别对应为3天、1天；因此，对应第一种图像来源的图像的最短保存周期为1天；
其中，第三种图像来源的图像总共5张，且发现这5张图像从存储于目标计算机内至被用户做删除处理所存在的保存周期分别对应为3天、5天、2天、4天、5天；因此，对应第一种图像来源的图像的最短保存周期为2天；
其中，第四种图像来源的图像总共3张，且发现这3张图像从存储于目标计算机内至被用户做删除处理所存在的保存周期分别对应为3天、4天、6天；因此，对应第一种图像来源的图像的最短保存周期为3天；
其中，第五种图像来源的图像总共4张，且发现这3张图像从存储于目标计算机内至被用户做删除处理所存在的保存周期分别对应为3天、5天、2天、4天；因此，对应第一种图像来源的图像的最短保存周期为3天；
设置周期阈值为3天，综上，目标图像来源包括第一种图像来源、第二种图像来源、第三种图像来源；
步骤S200：对目标图像与存储于目标计算机内的其他图像在图像的特征信息上呈现出特征差异的各第一特征管理事件，提取对应的特征事件信息；
对当前目标图像管理事件发生时，存储于目标计算机内所有图像的图像来源进行获取，捕捉与目标图像的图像来源相同的图像总数为3张；
(3/12)≦0.5时，其中，12表示存储于目标计算机内的图像总数，0.5表示占比阈值，且目标图像的图像来源为第二种图像来源属于目标图像来源终端中的一种，综上判断目标图像管理事件为第二特征管理事件；
其中，步骤S200包括：
步骤S201：分别对各第一特征管理事件提取对应的图像集合F1，其中，图像集合F1由各第一特征管理事件中，目标集合P1所包含调取查看指令指向的图像组成；将图像集合F1划分为集合F11和集合F12，其中，集合F11由与目标图像的特征信息的相似度大于相似度阈值的所有图像组成，集合F12由图像集合F1中除集合F11外所有图像组成；
步骤S202：汇集集合F12内所有图像的特征信息，得到集合SF11，提取各第一特征管理事件中目标图像的特征信息，得到第一特征信息集合H1；分别在目标图像与集合F11内各图像之间提取区别特征信息，汇集所有区别特征信息得到集合
SF12＝[H1-(H1∩H21)]+[H1-(H1∩H22)]+...+[H1-(H1∩H2k)]；其中，H21、H22、...、H2k分别表示集合F11内第1、2、...、k个图像对应的特征信息集合；
步骤S203：将集合SF12中同属于集合SF11的特征信息进行剔除，得到目标区别特征信息集合SF13；将目标区别特征信息集合SF13作为对应各第一特征管理事件的特征事件信息
步骤S300：对目标图像与存储于目标计算机内的其他图像在图像来源上呈现出的特征差异的各第二特征管理事件，提取对应的特征事件信息；
其中，步骤S300包括：
步骤S301：在目标计算机的历史运行记录中，分别对各第二特征管理事件，提取用户在起点往前的周期时间T内基于图像发起的所有操作指令，得到目标集合P2，对各第二特征管理事件中目标图像的图像来源E进行获取；
步骤S302：当
Figure BDA0004155878280000081
时，将目标图像的图像来源E与目标集合P2内与用户向目标图像发起删除处理的操作时间节点最近的操作指令L之间建立操作管理关联，将操作管理关联链Z：E→L作为从各第二特征管理事件中提取得到的特征事件信息；
步骤S400：分别在从各第一特征管理事件或各第二特征管理事件中提取得到的特征事件信息中进行对应特征用户画像指数值的计算，将大于指数阈值的特征事件信息作为对应类别特征管理事件的特征管理数据；
其中，步骤S400包括：
步骤S401：对从各第一特征管理事件中提取得到的目标区别特征信息集合SF13内各区别特征信息y计算第一特征用户画像指数值W1＝sun(y)/U1；其中，sun(y)表示在目标计算机的历史运行记录中，出现包含区别特征信息y的第一特征管理事件的总数；U1表示在目标计算机的历史运行记录中，出现第一特征管理事件的总数；
步骤S402：对从各第二特征管理事件中提取得到的各操作管理关联链Z计算第二特征用户画像指数值W2＝sun(Z)/U2；其中，sun(Z)表示在目标计算机的历史运行记录中，提取得到各操作管理关联链Z的第二特征管理事件的总数；U2表示在目标计算机的历史运行记录中，出现第二特征管理事件的总数；
步骤S500：构建用户图像预管理模型，实时对存储于目标计算机内的图像进行分析，监测用户对存储于目标计算机内的图像产生的所有操作指令，对满足对应各类特征管理事件的特征管理数据的图像，向用户输出预删除管理提示。
为更好的实现上述方法还提出了一种计算机智能图像分析系统，系统包括事件分类管理模块、特征事件信息提取模块、特征用户画像指数值计算模块、用户图像预管理模型构建模块、预删除管理提示输出管理模块；
事件分类管理模块，用于每当捕捉到用户对存储于目标计算机内的图像实施了删除处理，将被删除图像设为目标图像，将用户对存储于目标计算机内的一张图像实施的一次删除处理设为一次独立的目标图像管理事件；基于不同目标图像管理事件发生时呈现出的不同特征信息分布情况，将所有目标图像管理事件进行事件分类；
其中，事件分类管理模块包括目标图像管理事件捕捉单元、事件分类管理单元；
目标图像管理事件捕捉单元，用于每当捕捉到用户对存储于目标计算机内的图像实施了删除处理，将被删除图像设为目标图像，将用户对存储于目标计算机内的一张图像实施的一次删除处理设为一次独立的目标图像管理事件；
事件分类管理单元，用于基于不同目标图像管理事件发生时呈现出的不同特征信息分布情况，将所有目标图像管理事件进行事件分类；
特征事件信息提取模块，用于对目标图像与存储于目标计算机内的其他图像在图像的特征信息上呈现出特征差异的各第一特征管理事件以及对目标图像与存储于目标计算机内的其他图像在图像来源上呈现出的特征差异的各第二特征管理事件，提取对应的特征事件信息；
其中，特征事件信息提取模块包括第一特征事件信息提取单元、第二特征事件信息提取单元；
第一特征事件信息提取单元，用于对目标图像与存储于目标计算机内的其他图像在图像的特征信息上呈现出特征差异的各第一特征管理事件，提取对应的特征事件信息；
第二特征事件信息提取单元，用于对目标图像与存储于目标计算机内的其他图像在图像来源上呈现出的特征差异的各第二特征管理事件，提取对应的特征事件信息；
特征用户画像指数值计算模块，用于分别在从各第一特征管理事件或各第二特征管理事件中提取得到的特征事件信息中进行对应特征用户画像指数值的计算，将大于指数阈值的特征事件信息作为对应类别特征管理事件的特征管理数据；
用户图像预管理模型构建模块，用于接收特征用户画像指数值计算模块中的数据，构建用户图像预管理模型；
预删除管理提示输出管理模块，用于实时对存储于目标计算机内的图像进行分析，监测用户对存储于目标计算机内的图像产生的所有操作指令，对满足对应各类特征管理事件的特征管理数据的图像，向用户输出预删除管理提示。
需要说明的是，在本文中，诸如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。
最后应说明的是：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，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。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 (8)

1.一种基于大数据的计算机智能图像分析方法，其特征在于，所述方法包括：
步骤S100：每当捕捉到用户对存储于目标计算机内的图像实施了删除处理，将被删除图像设为目标图像，将用户对存储于目标计算机内的一张图像实施的一次删除处理设为一次独立的目标图像管理事件；基于不同目标图像管理事件发生时呈现出的不同特征信息分布情况，将所有目标图像管理事件进行事件分类；
步骤S200：对目标图像与存储于目标计算机内的其他图像在图像的特征信息上呈现出特征差异的各第一特征管理事件，提取对应的特征事件信息；
步骤S300：对目标图像与存储于目标计算机内的其他图像在图像来源上呈现出的特征差异的各第二特征管理事件，提取对应的特征事件信息；
步骤S400：分别在从各第一特征管理事件或各第二特征管理事件中提取得到的特征事件信息中进行对应特征用户画像指数值的计算，将大于指数阈值的特征事件信息作为对应类别特征管理事件的特征管理数据；
步骤S500：构建用户图像预管理模型，实时对存储于目标计算机内的图像进行分析，监测用户对存储于目标计算机内的图像产生的所有操作指令，对满足对应各类特征管理事件的特征管理数据的图像，向用户输出预删除管理提示。
2.根据权利要求1所述的一种基于大数据的计算机智能图像分析方法，其特征在于，所述步骤S100包括：
步骤S101：每当在目标计算机内发生一次独立的目标图像管理事件，对目标计算机内存储的所有图像分别进行特征信息提取，将目标图像管理事件中的目标图像与存储于目标计算机内的所有图像基于特征信息进行相似度比对，捕捉在存储于目标计算机内的所有图像中，与所述目标图像的特征信息的相似度大于相似度阈值的图像张数N；
步骤S102：当N≧1时，以用户向所述目标图像发起删除处理的操作时间节点为起点，在目标计算机的历史运行记录中，对用户在所述起点往前的周期时间T内基于图像发起的所有调取查看指令进行捕捉汇集，得到目标集合P1，若
Figure FDA0004155878270000011
且目标集合P内存在至少一个调取查看指令所指向的是与所述目标图像的特征信息的相似度大于相似度阈值的图像，判断所述目标图像管理事件为第一特征管理事件；
步骤S103：当N＝0时，在目标计算机的所有历史运行记录中，分别对不同图像来源的图像捕捉从存储于目标计算机内至被用户做删除处理所存在的最短保存周期，提取最短保存周期小于周期阈值的图像来源作为目标图像来源；(被列为目标图像来源的图像来源是基于历史用户管理操作而言，有可能出于被用户认定随着保存周期会丧失存储意义的图像来源)；对当前目标图像管理事件发生时，存储于目标计算机内所有图像的图像来源进行获取，捕捉与所述目标图像的图像来源相同的图像总数M，当(M/Q)≦β时，其中，Q表示存储于目标计算机内的图像总数，β表示占比阈值，且所述目标图像的图像来源属于目标图像来源，判断所述目标图像管理事件为第二特征管理事件。
3.根据权利要求2所述的一种基于大数据的计算机智能图像分析方法，其特征在于，所述步骤S200包括：
步骤S201：分别对各第一特征管理事件提取对应的图像集合F1，其中，图像集合F1由所述各第一特征管理事件中，目标集合P1所包含调取查看指令指向的图像组成；将图像集合F1划分为集合F11和集合F12，其中，集合F11由与所述目标图像的特征信息的相似度大于相似度阈值的所有图像组成，集合F12由所述图像集合F1中除集合F11外所有图像组成；
步骤S202：汇集所述集合F12内所有图像的特征信息，得到集合SF11，提取所述各第一特征管理事件中所述目标图像的特征信息，得到第一特征信息集合H1；分别在所述目标图像与所述集合F11内各图像之间提取区别特征信息，汇集所有区别特征信息得到集合SF12＝[H1-(H1∩H21)]+[H1-(H1∩H22)]+...+[H1-(H1∩H2k)]；其中，H21、H22、...、H2k分别表示集合F11内第1、2、...、k个图像对应的特征信息集合；
步骤S203：将集合SF12中同属于所述集合SF11的特征信息进行剔除，得到目标区别特征信息集合SF13；将所述目标区别特征信息集合SF13作为对应所述各第一特征管理事件的特征事件信息。
4.根据权利要求3所述的一种基于大数据的计算机智能图像分析方法，其特征在于，步骤S300包括：
步骤S301：在目标计算机的历史运行记录中，分别对各第二特征管理事件，提取用户在所述起点往前的周期时间T内基于图像发起的所有操作指令，得到目标集合P2，对所述各第二特征管理事件中目标图像的图像来源E进行获取；
步骤S302：当
Figure FDA0004155878270000021
时，将所述目标图像的图像来源E与所述目标集合P2内与用户向所述目标图像发起删除处理的操作时间节点最近的操作指令L之间建立操作管理关联，将操作管理关联链Z：E→L作为从所述各第二特征管理事件中提取得到的特征事件信息。
5.根据权利要求4所述的一种基于大数据的计算机智能图像分析方法，其特征在于，步骤S400包括：
步骤S401：对从各第一特征管理事件中提取得到的目标区别特征信息集合SF13内各区别特征信息y计算第一特征用户画像指数值W1＝sun(y)/U1；其中，sun(y)表示在目标计算机的历史运行记录中，出现包含区别特征信息y的第一特征管理事件的总数；U1表示在目标计算机的历史运行记录中，出现第一特征管理事件的总数；
步骤S402：对从各第二特征管理事件中提取得到的各操作管理关联链Z计算第二特征用户画像指数值W2＝sun(Z)/U2；其中，sun(Z)表示在目标计算机的历史运行记录中，提取得到所述各操作管理关联链Z的第二特征管理事件的总数；U2表示在目标计算机的历史运行记录中，出现第二特征管理事件的总数。
6.应用权利要求1-5中任意一项所述的基于大数据的计算机智能图像分析方法的计算机智能图像分析系统，其特征在于，所述系统包括事件分类管理模块、特征事件信息提取模块、特征用户画像指数值计算模块、用户图像预管理模型构建模块、预删除管理提示输出管理模块；
所述事件分类管理模块，用于每当捕捉到用户对存储于目标计算机内的图像实施了删除处理，将被删除图像设为目标图像，将用户对存储于目标计算机内的一张图像实施的一次删除处理设为一次独立的目标图像管理事件；基于不同目标图像管理事件发生时呈现出的不同特征信息分布情况，将所有目标图像管理事件进行事件分类；
所述特征事件信息提取模块，用于对目标图像与存储于目标计算机内的其他图像在图像的特征信息上呈现出特征差异的各第一特征管理事件以及对目标图像与存储于目标计算机内的其他图像在图像来源上呈现出的特征差异的各第二特征管理事件，提取对应的特征事件信息；
所述特征用户画像指数值计算模块，用于分别在从各第一特征管理事件或各第二特征管理事件中提取得到的特征事件信息中进行对应特征用户画像指数值的计算，将大于指数阈值的特征事件信息作为对应类别特征管理事件的特征管理数据；
所述用户图像预管理模型构建模块，用于接收所述特征用户画像指数值计算模块中的数据，构建用户图像预管理模型；
所述预删除管理提示输出管理模块，用于实时对存储于目标计算机内的图像进行分析，监测用户对存储于目标计算机内的图像产生的所有操作指令，对满足对应各类特征管理事件的特征管理数据的图像，向用户输出预删除管理提示。
7.根据权利要求6所述的计算机智能图像分析系统，其特征在于，所述事件分类管理模块包括目标图像管理事件捕捉单元、事件分类管理单元；
所述目标图像管理事件捕捉单元，用于每当捕捉到用户对存储于目标计算机内的图像实施了删除处理，将被删除图像设为目标图像，将用户对存储于目标计算机内的一张图像实施的一次删除处理设为一次独立的目标图像管理事件；
所述事件分类管理单元，用于基于不同目标图像管理事件发生时呈现出的不同特征信息分布情况，将所有目标图像管理事件进行事件分类。
8.根据权利要求6所述的计算机智能图像分析系统，其特征在于，所述特征事件信息提取模块包括第一特征事件信息提取单元、第二特征事件信息提取单元；
所述第一特征事件信息提取单元，用于对目标图像与存储于目标计算机内的其他图像在图像的特征信息上呈现出特征差异的各第一特征管理事件，提取对应的特征事件信息；
所述第二特征事件信息提取单元，用于对目标图像与存储于目标计算机内的其他图像在图像来源上呈现出的特征差异的各第二特征管理事件，提取对应的特征事件信息。
CN202310334315.9A 2023-03-31 2023-03-31 一种基于大数据的计算机智能图像分析系统及方法 Withdrawn CN116342959A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310334315.9A CN116342959A (zh) 2023-03-31 2023-03-31 一种基于大数据的计算机智能图像分析系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310334315.9A CN116342959A (zh) 2023-03-31 2023-03-31 一种基于大数据的计算机智能图像分析系统及方法

Publications (1)

Publication Number Publication Date
CN116342959A true CN116342959A (zh) 2023-06-27

Family

ID=86878599

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310334315.9A Withdrawn CN116342959A (zh) 2023-03-31 2023-03-31 一种基于大数据的计算机智能图像分析系统及方法

Country Status (1)

Country Link
CN (1) CN116342959A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116779087A (zh) * 2023-08-18 2023-09-19 江苏臻云技术有限公司 一种基于ai引擎的自动化数据管理系统及方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116779087A (zh) * 2023-08-18 2023-09-19 江苏臻云技术有限公司 一种基于ai引擎的自动化数据管理系统及方法
CN116779087B (zh) * 2023-08-18 2023-11-07 江苏臻云技术有限公司 一种基于ai引擎的自动化数据管理系统及方法

Similar Documents

Publication Publication Date Title
WO2021135323A1 (zh) 城市多源异构数据的融合处理方法、装置和计算机设备
US8811755B2 (en) Detecting recurring events in consumer image collections
US8270684B2 (en) Automatic media sharing via shutter click
CN102906751A (zh) 一种数据存储、数据查询的方法及装置
CN112199530B (zh) 多维度脸库图片自动更新方法、系统、设备及介质
CN116342959A (zh) 一种基于大数据的计算机智能图像分析系统及方法
CN110765215A (zh) 人员共同关系的查询方法、装置、电子设备及存储介质
CN110765134A (zh) 档案建立方法、设备及存储介质
US20130343618A1 (en) Searching for Events by Attendants
CN112270290B (zh) 人脸图像动态聚类方法、装置、电子设备和存储介质
WO2023082641A1 (zh) 电子档案生成方法、装置、终端设备及存储介质
CN115292529B (zh) 影像自动处理及成果自动入库方法、系统、设备及介质
CN114078277A (zh) 一人一档的人脸聚类方法、装置、计算机设备及存储介质
CN112115281A (zh) 数据检索方法、装置及存储介质
WO2018222072A1 (ru) Способ индексирования видеоданных для фасетной классификации
CN111581304B (zh) 一种基于社会人口家族关系自动绘制家系图谱的方法
CN118013364A (zh) 一种多维数据智能标识方法
CN111507424B (zh) 一种数据处理方法及装置
CN110825821B (zh) 人员关系的查询方法、装置、电子设备及存储介质
CN112052248A (zh) 一种审计大数据处理方法及系统
CN111159445A (zh) 一种图片过滤方法、装置、电子设备及存储介质
CN114078269A (zh) 一种人脸图像聚类方法、装置、服务器和存储介质
CN101510211A (zh) 多媒体数据处理系统及方法
CN114329023A (zh) 档案处理方法、装置、电子设备及计算机存储介质
CN112836599A (zh) 基于人脸抓拍数据的同行人员查询方法、装置和设备

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20230627