CN116383427A - 一种基于智能穿戴设备的图片批量解析方法、系统及介质 - Google Patents
一种基于智能穿戴设备的图片批量解析方法、系统及介质 Download PDFInfo
- Publication number
- CN116383427A CN116383427A CN202310661170.3A CN202310661170A CN116383427A CN 116383427 A CN116383427 A CN 116383427A CN 202310661170 A CN202310661170 A CN 202310661170A CN 116383427 A CN116383427 A CN 116383427A
- Authority
- CN
- China
- Prior art keywords
- picture
- pictures
- path
- preset
- larger
- 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.)
- Granted
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 42
- 238000006243 chemical reaction Methods 0.000 claims abstract description 40
- 238000000034 method Methods 0.000 claims abstract description 30
- 238000013515 script Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 230000002194 synthesizing effect Effects 0.000 claims description 4
- 238000005192 partition Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 1
Images
Classifications
-
- 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
- G06F16/55—Clustering; Classification
-
- 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
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- 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
-
- 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
-
- 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)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Multimedia (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例提供了一种基于智能穿戴设备的图片批量解析方法、系统及介质,该方法包括:获取文件的图片路径,根据图片路径识别图片类型,并对图片类型进行划分,得到若干个图片的子类型;根据分类规则将若干个图片的子类型进行分类,并解析图片,得到图片的原始数据;将原始数据与预设的数据进行类别比较,得到类别偏差率;判断所述类别偏差率是否大于预设偏差率阈值;若大于,则生成图片转换策略,根据图片转换策略对图片进行格式转换;若小于,则导出原始数据,并生成预定的文件格式,并将原始数据存储至数据库。通过图片分类规则对图片进行解析,从而生成想要的图片格式,实现图片格式的灵活转换的技术。
Description
技术领域
本申请涉及图片解析领域,具体而言,涉及一种基于智能穿戴设备的图片批量解析方法、系统及介质。
背景技术
随着科技越来越发达,智能穿戴设备越来越多样化,黑白的UI图片渐渐淡出人们的视线,迎来了彩屏显示的时代。而彩屏的UI图片资源更加的多样化,例如:png图片、bmp图片、jpg图片等。而怎么把这些图片批量、快速转换成智能穿戴设备能够使用的图片资源,成为了一大难题。现网络上的图片转换工具有以下弊端:只能单次转换图片资源,没效率;图片格式兼容性差;解析后的图片资源无法提供给智能穿戴设备使用;针对上述问题,目前亟待有效的技术解决方案。
发明内容
本申请实施例的目的在于提供一种基于智能穿戴设备的图片批量解析方法、系统及介质,可以通过图片分类规则对图片进行解析,从而生成想要的图片格式,实现图片格式的灵活转换的技术。
本申请实施例还提供了一种基于智能穿戴设备的图片批量解析方法,包括:
获取文件的图片路径,根据图片路径识别图片类型,并对图片类型进行划分,得到若干个图片的子类型;
根据分类规则将若干个图片的子类型进行分类,并解析图片,得到图片的原始数据;
将原始数据与预设的数据进行类别比较,得到类别偏差率;
判断所述类别偏差率是否大于预设偏差率阈值;
若大于,则生成图片转换策略,根据图片转换策略对图片进行格式转换;
若小于,则导出原始数据,并生成预定的文件格式,并将原始数据存储至数据库。
可选地,在本申请实施例所述的基于智能穿戴设备的图片批量解析方法中,所述获取文件的图片路径,根据图片路径识别图片类型,并对图片类型进行划分,得到若干个图片的子类型,包括:
获取文件的图片路径,并生成多个子路径;
将子路径与预设的路径信息进行比较,得到路径偏差率;
判断所述路径偏差率是否大于预设偏差率阈值;
若大于,则将对应的子路径进行剔除,
若小于,则提取子路径的文件特征值,并将特征值与预设的特征值进行差值计算,得到特征差值;
判断所述特征差值是否大于第一特征阈值;
若大于,则将对应的文件特征值修正。
可选地,在本申请实施例所述的基于智能穿戴设备的图片批量解析方法中,所述获取文件的图片路径,根据图片路径识别图片类型,包括:
所述图片路径包括图片存储位置、图片路径归属;所述图片类型包括图片格式、图片大小、图片脚本数据、图片补丁数据中的一种或两种以上的组合。
可选地,在本申请实施例所述的基于智能穿戴设备的图片批量解析方法中,获取图片格式,根据图片格式将多个图片进行分类,同一格式的图片存储至同一类别存储区,并进行计数;
获取存储区图片数量,将存储区内图片数量与预设数量阈值进行比较;
若图片数量大于第一阈值时,将存储区图片进行合成;
若图片数量大于第二阈值时,则存储至备用存储区。
可选地,在本申请实施例所述的基于智能穿戴设备的图片批量解析方法中,所述根据分类规则将若干个图片的子类型进行分类,并解析图片,得到图片的原始数据,包括:
获取图片元素,生成图片元素集;
将图片元素集与预设的图片元素进行相似度判断;
判断所述相似度是否大于预设相似度阈值;
若大于,则将图片元素按照预定序列进行排序;
若小于,则生成修正信息,对图片元素进行滤波处理。
可选地,在本申请实施例所述的基于智能穿戴设备的图片批量解析方法中,所述根据分类规则将若干个图片的子类型进行分类,并解析图片,得到图片的原始数据,包括:获取图片元素,生成图片元素集;
将图片元素进行语义解析,生成解析信息;
将解析信息与预设的解析信息进行比较,得到语义偏差率;
判断所述语义偏差率是否大于预设的语义偏差阈值;
若大于,则生成图片补偿信息,根据图片补偿信息对图片进行分辨率调整。
第二方面,本申请实施例提供了一种基于智能穿戴设备的图片批量解析系统,该系统包括:存储器及处理器,所述存储器中包括基于智能穿戴设备的图片批量解析方法的程序,所述基于智能穿戴设备的图片批量解析方法的程序被所述处理器执行时实现以下步骤:
获取文件的图片路径,根据图片路径识别图片类型,并对图片类型进行划分,得到若干个图片的子类型;
根据分类规则将若干个图片的子类型进行分类,并解析图片,得到图片的原始数据;
将原始数据与预设的数据进行类别比较,得到类别偏差率;
判断所述类别偏差率是否大于预设偏差率阈值;
若大于,则生成图片转换策略,根据图片转换策略对图片进行格式转换;
若小于,则导出原始数据,并生成预定的文件格式,并将原始数据存储至数据库。
可选地,在本申请实施例所述的基于智能穿戴设备的图片批量解析系统中,所述获取文件的图片路径,根据图片路径识别图片类型,并对图片类型进行划分,得到若干个图片的子类型,包括:
获取文件的图片路径,并生成多个子路径;
将子路径与预设的路径信息进行比较,得到路径偏差率;
判断所述路径偏差率是否大于预设偏差率阈值;
若大于,则将对应的子路径进行剔除,
若小于,则提取子路径的文件特征值,并将特征值与预设的特征值进行差值计算,得到特征差值;
判断所述特征差值是否大于第一特征阈值;
若大于,则将对应的文件特征值修正。
可选地,在本申请实施例所述的基于智能穿戴设备的图片批量解析系统中,所述获取文件的图片路径,根据图片路径识别图片类型,包括:
所述图片路径包括图片存储位置、图片路径归属;所述图片类型包括图片格式、图片大小、图片脚本数据、图片补丁数据中的一种或两种以上的组合。
第三方面,本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质中包括基于智能穿戴设备的图片批量解析方法程序,所述基于智能穿戴设备的图片批量解析方法程序被处理器执行时,实现如上述任一项所述的基于智能穿戴设备的图片批量解析方法的步骤。
由上可知,本申请实施例提供的一种基于智能穿戴设备的图片批量解析方法、系统及介质,通过获取文件的图片路径,根据图片路径识别图片类型,并对图片类型进行划分,得到若干个图片的子类型;根据分类规则将若干个图片的子类型进行分类,并解析图片,得到图片的原始数据;将原始数据与预设的数据进行类别比较,得到类别偏差率;判断所述类别偏差率是否大于预设偏差率阈值;若大于,则生成图片转换策略,根据图片转换策略对图片进行格式转换;若小于,则导出原始数据,并生成预定的文件格式,并将原始数据存储至数据库;通过图片分类规则对图片进行解析,从而生成想要的图片格式,实现图片格式的灵活转换的技术。
本申请的其他特征和优点将在随后的说明书阐述,并且,本申请的优点部分地从说明书中变得显而易见,或者通过实施本申请实施例了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请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申请的某些实施例,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为本申请实施例提供的基于智能穿戴设备的图片批量解析方法的流程图;
图2为本申请实施例提供的基于智能穿戴设备的图片批量解析方法的文件特征值修正流程图;
图3为本申请实施例提供的基于智能穿戴设备的图片批量解析方法的存储区图片存储位置流程图;
图4为本申请实施例提供的基于智能穿戴设备的图片批量解析方法的图片分辨率调整方法流程图;
图5为本申请实施例提供的基于智能穿戴设备的图片批量解析系统的结构示意图。
具体实施方式
下面将结合本申请实施例中附图,对本申请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申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请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申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,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,都属于本申请保护的范围。
应注意到,相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
请参照图1,图1是本申请一些实施例中的一种基于智能穿戴设备的图片批量解析方法的流程图。该基于智能穿戴设备的图片批量解析方法用于终端设备中,该基于智能穿戴设备的图片批量解析方法,包括以下步骤:
S101,获取文件的图片路径,根据图片路径识别图片类型,并对图片类型进行划分,得到若干个图片的子类型;
S102,根据分类规则将若干个图片的子类型进行分类,并解析图片,得到图片的原始数据;
S103,将原始数据与预设的数据进行类别比较,得到类别偏差率;
S104,判断类别偏差率是否大于预设偏差率阈值;
若大于,则生成图片转换策略,根据图片转换策略对图片进行格式转换;
若小于,则导出原始数据,并生成预定的文件格式,并将原始数据存储至数据库。
需要说明的是,不同的文件格式存储到不同的分区内,方便文件图像的调用提取,不同分区内存储的数据相互之间没有干扰,提高数据调用的速度。
请参照图2,图2是本申请一些实施例中的一种基于智能穿戴设备的图片批量解析方法的文件特征值修正流程图。根据本发明实施例,获取文件的图片路径,根据图片路径识别图片类型,并对图片类型进行划分,得到若干个图片的子类型,包括:
S201,获取文件的图片路径,并生成多个子路径;
S202,将子路径与预设的路径信息进行比较,得到路径偏差率;
S203,判断路径偏差率是否大于预设偏差率阈值;若大于,则将对应的子路径进行剔除,若小于,则提取子路径的文件特征值,并将特征值与预设的特征值进行差值计算,得到特征差值;
S204,判断特征差值是否大于第一特征阈值;若大于,则将对应的文件特征值修正。
需要说明的是,文件的图片路径下包含若干个子路径,不同子路径内的图片格式不同,方便对图片格式进行区分,在对图片格式进行区分过程中,通过识别文件或图片的特征值是否有偏差,偏差大的图片之间表明差异较大,代表图片格式不同,需要分别进行存储。
进一步的,智能穿戴设备的显示需求不同,则需要转换的文件格式或类型也不同,因此,则需要对图片内原始数据进行转换,得到需要的原始数据或可以被智能穿戴设备直接识别的数据。
根据本发明实施例,获取文件的图片路径,根据图片路径识别图片类型,包括:
图片路径包括图片存储位置、图片路径归属;图片类型包括图片格式、图片大小、图片脚本数据、图片补丁数据中的一种或两种以上的组合。
请参照图3,图3是本申请一些实施例中的一种基于智能穿戴设备的图片批量解析方法的存储区图片存储位置流程图。根据本发明实施例,S301,获取图片格式,根据图片格式将多个图片进行分类,同一格式的图片存储至同一类别存储区,并进行计数;
S302,获取存储区图片数量,将存储区内图片数量与预设数量阈值进行比较;
S303,若图片数量大于第一阈值时,将存储区图片进行合成;
S304,若图片数量大于第二阈值时,则存储至备用存储区。
根据本发明实施例,根据分类规则将若干个图片的子类型进行分类,并解析图片,得到图片的原始数据,包括:
获取图片元素,生成图片元素集;
将图片元素集与预设的图片元素进行相似度判断;
判断相似度是否大于预设相似度阈值;
若大于,则将图片元素按照预定序列进行排序;
若小于,则生成修正信息,对图片元素进行滤波处理。
请参照图4,图4是本申请一些实施例中的一种基于智能穿戴设备的图片批量解析方法的图片分辨率调整方法流程图。根据本发明实施例,根据分类规则将若干个图片的子类型进行分类,并解析图片,得到图片的原始数据,包括:获取图片元素,生成图片元素集;
S401,将图片元素进行语义解析,生成解析信息;
S402,将解析信息与预设的解析信息进行比较,得到语义偏差率;
S403,判断语义偏差率是否大于预设的语义偏差阈值;
若大于,则生成图片补偿信息,根据图片补偿信息对图片进行分辨率调整。
根据本发明实施例,还包括获取智能穿戴设备可使用图片数据格式;
获取文件的文件格式,将图片的文件格式与可使用图片数据格式进行相似度计算;
判断相似度是否满足标准相似度,
若满足,则保留图片的文件格式;
若不满足,则生成新的转换策略对图片的文件格式进行二次转换。
需要说明的是,在进行格式转换过程中,首先获取文件路径下的图片文件的名称及类型,根据不同的文件类型进行类别划分,对图片进行解析,根据不同的图片类型解析出不同的数据类型;通过脚本把不同的图片数据类型转换成特定的类型,提供给智能穿戴设备使用,本申请可以批量处理文件夹下的图片,提高效率;可兼容不同类型的图片转换;可对不同的图片类型数据进行转换。
请参照图5,图5是本申请一些实施例中的一种基于智能穿戴设备的图片批量解析系统的结构示意图。第二方面,本申请实施例提供了一种基于智能穿戴设备的图片批量解析系统5,该系统包括:存储器51及处理器52,存储器51中包括基于智能穿戴设备的图片批量解析方法的程序,基于智能穿戴设备的图片批量解析方法的程序被处理器执行时实现以下步骤:
获取文件的图片路径,根据图片路径识别图片类型,并对图片类型进行划分,得到若干个图片的子类型;
根据分类规则将若干个图片的子类型进行分类,并解析图片,得到图片的原始数据;
将原始数据与预设的数据进行类别比较,得到类别偏差率;
判断类别偏差率是否大于预设偏差率阈值;
若大于,则生成图片转换策略,根据图片转换策略对图片进行格式转换;
若小于,则导出原始数据,并生成预定的文件格式,并将原始数据存储至数据库。
需要说明的是,不同的文件格式存储到不同的分区内,方便文件图像的调用提取,不同分区内存储的数据相互之间没有干扰,提高数据调用的速度。
根据本发明实施例,获取文件的图片路径,根据图片路径识别图片类型,并对图片类型进行划分,得到若干个图片的子类型,包括:
获取文件的图片路径,并生成多个子路径;
将子路径与预设的路径信息进行比较,得到路径偏差率;
判断路径偏差率是否大于预设偏差率阈值;
若大于,则将对应的子路径进行剔除,
若小于,则提取子路径的文件特征值,并将特征值与预设的特征值进行差值计算,得到特征差值;
判断特征差值是否大于第一特征阈值;
若大于,则将对应的文件特征值修正。
需要说明的是,文件的图片路径下包含若干个子路径,不同子路径内的图片格式不同,方便对图片格式进行区分,在对图片格式进行区分过程中,通过识别文件或图片的特征值是否有偏差,偏差大的图片之间表明差异较大,代表图片格式不同,需要分别进行存储。
根据本发明实施例,获取文件的图片路径,根据图片路径识别图片类型,包括:
图片路径包括图片存储位置、图片路径归属;图片类型包括图片格式、图片大小、图片脚本数据、图片补丁数据中的一种或两种以上的组合。
需要说明的是,智能穿戴设备的显示需求不同,则需要转换的文件格式或类型也不同,因此,则需要对图片内原始数据进行转换,得到需要的原始数据或可以被智能穿戴设备直接识别的数据。
根据本发明实施例,获取图片格式,根据图片格式将多个图片进行分类,同一格式的图片存储至同一类别存储区,并进行计数;
获取存储区图片数量,将存储区内图片数量与预设数量阈值进行比较;
若图片数量大于第一阈值时,将存储区图片进行合成;
若图片数量大于第二阈值时,则存储至备用存储区。
根据本发明实施例,根据分类规则将若干个图片的子类型进行分类,并解析图片,得到图片的原始数据,包括:
获取图片元素,生成图片元素集;
将图片元素集与预设的图片元素进行相似度判断;
判断相似度是否大于预设相似度阈值;
若大于,则将图片元素按照预定序列进行排序;
若小于,则生成修正信息,对图片元素进行滤波处理。
根据本发明实施例,根据分类规则将若干个图片的子类型进行分类,并解析图片,得到图片的原始数据,包括:获取图片元素,生成图片元素集;
将图片元素进行语义解析,生成解析信息;
将解析信息与预设的解析信息进行比较,得到语义偏差率;
判断语义偏差率是否大于预设的语义偏差阈值;
若大于,则生成图片补偿信息,根据图片补偿信息对图片进行分辨率调整。
根据本发明实施例,还包括获取智能穿戴设备可使用图片数据格式;
获取文件的文件格式,将图片的文件格式与可使用图片数据格式进行相似度计算;
判断相似度是否满足标准相似度,
若满足,则保留图片的文件格式;
若不满足,则生成新的转换策略对图片的文件格式进行二次转换。
需要说明的是,在进行格式转换过程中,首先获取文件路径下的图片文件的名称及类型,根据不同的文件类型进行类别划分,对图片进行解析,根据不同的图片类型解析出不同的数据类型;通过脚本把不同的图片数据类型转换成特定的类型,提供给智能穿戴设备使用;本申请可以批量处理文件夹下的图片,提高效率;可兼容不同类型的图片转换;可对不同的图片类型数据进行转换。
本发明第三方面提供了一种计算机可读存储介质,可读存储介质中包括基于智能穿戴设备的图片批量解析方法程序,基于智能穿戴设备的图片批量解析方法程序被处理器执行时,实现如上述任一项的基于智能穿戴设备的图片批量解析方法的步骤。
本发明公开的一种基于智能穿戴设备的图片批量解析方法、系统及介质,通过获取文件的图片路径,根据图片路径识别图片类型,并对图片类型进行划分,得到若干个图片的子类型;根据分类规则将若干个图片的子类型进行分类,并解析图片,得到图片的原始数据;将原始数据与预设的数据进行类别比较,得到类别偏差率;判断类别偏差率是否大于预设偏差率阈值;若大于,则生成图片转换策略,根据图片转换策略对图片进行格式转换;若小于,则导出原始数据,并生成预定的文件格式,并将原始数据存储至数据库;通过图片分类规则对图片进行解析,从而生成想要的图片格式,实现图片格式的灵活转换的技术。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、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。
或者,本发明上述集成的单元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,也可以存储在一个可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该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。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (10)
1.一种基于智能穿戴设备的图片批量解析方法,其特征在于,包括:
获取文件的图片路径,根据图片路径识别图片类型,并对图片类型进行划分,得到若干个图片的子类型;
根据分类规则将若干个图片的子类型进行分类,并解析图片,得到图片的原始数据;
将原始数据与预设的数据进行类别比较,得到类别偏差率;
判断所述类别偏差率是否大于预设偏差率阈值;
若大于,则生成图片转换策略,根据图片转换策略对图片进行格式转换;
若小于,则导出原始数据,并生成预定的文件格式,并将原始数据存储至数据库。
2.根据权利要求1所述的基于智能穿戴设备的图片批量解析方法,其特征在于,所述获取文件的图片路径,根据图片路径识别图片类型,并对图片类型进行划分,得到若干个图片的子类型,包括:
获取文件的图片路径,并生成多个子路径;
将子路径与预设的路径信息进行比较,得到路径偏差率;
判断所述路径偏差率是否大于预设偏差率阈值;
若大于,则将对应的子路径进行剔除,
若小于,则提取子路径的文件特征值,并将特征值与预设的特征值进行差值计算,得到特征差值;
判断所述特征差值是否大于第一特征阈值;
若大于,则将对应的文件特征值修正。
3.根据权利要求2所述的基于智能穿戴设备的图片批量解析方法,其特征在于,所述获取文件的图片路径,根据图片路径识别图片类型,包括:
所述图片路径包括图片存储位置、图片路径归属;所述图片类型包括图片格式、图片大小、图片脚本数据、图片补丁数据中的一种或两种以上的组合。
4.根据权利要求3所述的基于智能穿戴设备的图片批量解析方法,其特征在于,获取图片格式,根据图片格式将多个图片进行分类,同一格式的图片存储至同一类别存储区,并进行计数;
获取存储区图片数量,将存储区内图片数量与预设数量阈值进行比较;
若图片数量大于第一阈值时,将存储区图片进行合成;
若图片数量大于第二阈值时,则存储至备用存储区。
5.根据权利要求4所述的基于智能穿戴设备的图片批量解析方法,其特征在于,所述根据分类规则将若干个图片的子类型进行分类,并解析图片,得到图片的原始数据,包括:
获取图片元素,生成图片元素集;
将图片元素集与预设的图片元素进行相似度判断;
判断所述相似度是否大于预设相似度阈值;
若大于,则将图片元素按照预定序列进行排序;
若小于,则生成修正信息,对图片元素进行滤波处理。
6.根据权利要求5所述的基于智能穿戴设备的图片批量解析方法,其特征在于,所述根据分类规则将若干个图片的子类型进行分类,并解析图片,得到图片的原始数据,包括:获取图片元素,生成图片元素集;
将图片元素进行语义解析,生成解析信息;
将解析信息与预设的解析信息进行比较,得到语义偏差率;
判断所述语义偏差率是否大于预设的语义偏差阈值;
若大于,则生成图片补偿信息,根据图片补偿信息对图片进行分辨率调整。
7.一种基于智能穿戴设备的图片批量解析系统,其特征在于,该系统包括:存储器及处理器,所述存储器中包括基于智能穿戴设备的图片批量解析方法的程序,所述基于智能穿戴设备的图片批量解析方法的程序被所述处理器执行时实现以下步骤:
获取文件的图片路径,根据图片路径识别图片类型,并对图片类型进行划分,得到若干个图片的子类型;
根据分类规则将若干个图片的子类型进行分类,并解析图片,得到图片的原始数据;
将原始数据与预设的数据进行类别比较,得到类别偏差率;
判断所述类别偏差率是否大于预设偏差率阈值;
若大于,则生成图片转换策略,根据图片转换策略对图片进行格式转换;
若小于,则导出原始数据,并生成预定的文件格式,并将原始数据存储至数据库。
8.根据权利要求7所述的基于智能穿戴设备的图片批量解析系统,其特征在于,所述获取文件的图片路径,根据图片路径识别图片类型,并对图片类型进行划分,得到若干个图片的子类型,包括:
获取文件的图片路径,并生成多个子路径;
将子路径与预设的路径信息进行比较,得到路径偏差率;
判断所述路径偏差率是否大于预设偏差率阈值;
若大于,则将对应的子路径进行剔除,
若小于,则提取子路径的文件特征值,并将特征值与预设的特征值进行差值计算,得到特征差值;
判断所述特征差值是否大于第一特征阈值;
若大于,则将对应的文件特征值修正。
9.根据权利要求7所述的基于智能穿戴设备的图片批量解析系统,其特征在于,所述获取文件的图片路径,根据图片路径识别图片类型,包括:
所述图片路径包括图片存储位置、图片路径归属;所述图片类型包括图片格式、图片大小、图片脚本数据、图片补丁数据中的一种或两种以上的组合。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中包括基于智能穿戴设备的图片批量解析方法程序,所述基于智能穿戴设备的图片批量解析方法程序被处理器执行时,实现如权利要求1至6中任一项所述的基于智能穿戴设备的图片批量解析方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310661170.3A CN116383427B (zh) | 2023-06-06 | 2023-06-06 | 一种基于智能穿戴设备的图片批量解析方法、系统及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310661170.3A CN116383427B (zh) | 2023-06-06 | 2023-06-06 | 一种基于智能穿戴设备的图片批量解析方法、系统及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116383427A true CN116383427A (zh) | 2023-07-04 |
CN116383427B CN116383427B (zh) | 2023-08-11 |
Family
ID=86969822
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310661170.3A Active CN116383427B (zh) | 2023-06-06 | 2023-06-06 | 一种基于智能穿戴设备的图片批量解析方法、系统及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116383427B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060092474A1 (en) * | 2000-02-22 | 2006-05-04 | Visualgold.Com, Inc. | System and method for image processing |
WO2012173897A2 (en) * | 2011-06-15 | 2012-12-20 | Microsoft Corporation | Presentation software automation services |
CN103106205A (zh) * | 2011-11-10 | 2013-05-15 | 腾讯科技(深圳)有限公司 | 在移动终端浏览文件的方法和装置 |
CN106777007A (zh) * | 2016-12-07 | 2017-05-31 | 北京奇虎科技有限公司 | 相册分类优化方法、装置及移动终端 |
CN111680005A (zh) * | 2020-04-27 | 2020-09-18 | 平安国际智慧城市科技股份有限公司 | 文件在线预览方法、装置、系统、设备及存储介质 |
CN112633319A (zh) * | 2020-11-23 | 2021-04-09 | 贵州大学 | 一种不完备数据集中平衡输入数据类别多目标检测方法 |
WO2022141858A1 (zh) * | 2020-12-31 | 2022-07-07 | 平安科技(深圳)有限公司 | 行人检测方法、装置、电子设备及存储介质 |
CN116069729A (zh) * | 2023-04-06 | 2023-05-05 | 深圳市微克科技有限公司 | 一种文档智能打包方法、系统及介质 |
CN116088882A (zh) * | 2023-03-31 | 2023-05-09 | 深圳市微克科技有限公司 | 一种基于智能穿戴设备的功能配置方法、系统及介质 |
-
2023
- 2023-06-06 CN CN202310661170.3A patent/CN116383427B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060092474A1 (en) * | 2000-02-22 | 2006-05-04 | Visualgold.Com, Inc. | System and method for image processing |
WO2012173897A2 (en) * | 2011-06-15 | 2012-12-20 | Microsoft Corporation | Presentation software automation services |
CN103106205A (zh) * | 2011-11-10 | 2013-05-15 | 腾讯科技(深圳)有限公司 | 在移动终端浏览文件的方法和装置 |
CN106777007A (zh) * | 2016-12-07 | 2017-05-31 | 北京奇虎科技有限公司 | 相册分类优化方法、装置及移动终端 |
CN111680005A (zh) * | 2020-04-27 | 2020-09-18 | 平安国际智慧城市科技股份有限公司 | 文件在线预览方法、装置、系统、设备及存储介质 |
CN112633319A (zh) * | 2020-11-23 | 2021-04-09 | 贵州大学 | 一种不完备数据集中平衡输入数据类别多目标检测方法 |
WO2022141858A1 (zh) * | 2020-12-31 | 2022-07-07 | 平安科技(深圳)有限公司 | 行人检测方法、装置、电子设备及存储介质 |
CN116088882A (zh) * | 2023-03-31 | 2023-05-09 | 深圳市微克科技有限公司 | 一种基于智能穿戴设备的功能配置方法、系统及介质 |
CN116069729A (zh) * | 2023-04-06 | 2023-05-05 | 深圳市微克科技有限公司 | 一种文档智能打包方法、系统及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116383427B (zh) | 2023-08-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110377651B (zh) | 批量数据的处理方法、装置、设备及存储介质 | |
KR102002024B1 (ko) | 객체 라벨링 처리 방법 및 객체 관리 서버 | |
CN110795756A (zh) | 一种数据脱敏方法、装置、计算机设备及计算机可读存储介质 | |
CN110765740B (zh) | 一种基于dom树的全类型文本替换方法、系统、装置及存储介质 | |
CN111144215A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN113962199B (zh) | 文本识别方法、装置、设备、存储介质及程序产品 | |
CN106611148B (zh) | 基于图像的离线公式识别方法和装置 | |
CN112396079A (zh) | 号码识别模型训练方法、号码识别方法及装置 | |
CN114359533A (zh) | 一种基于页面文本的页码识别方法和计算机设备 | |
CN116383427B (zh) | 一种基于智能穿戴设备的图片批量解析方法、系统及介质 | |
CN112583900A (zh) | 云计算的数据处理方法及相关产品 | |
CN108830302B (zh) | 一种图像分类方法、训练方法、分类预测方法及相关装置 | |
CN115437930A (zh) | 网页应用指纹信息的识别方法及相关设备 | |
CN106294292B (zh) | 章节目录筛选方法及装置 | |
CN110704617B (zh) | 新闻文本的分类方法、装置、电子设备和存储介质 | |
CN111125605B (zh) | 页面元素获取方法和装置 | |
CN110119743B (zh) | 一种图片识别方法、服务器及计算机可读存储介质 | |
CN112950167A (zh) | 设计服务匹配方法、装置、设备及存储介质 | |
CN112215114A (zh) | 一种目标识别方法、装置、设备及计算机可读存储介质 | |
CN113515280A (zh) | 页面代码生成方法、装置 | |
CN111104936A (zh) | 文本图像识别方法、装置、设备及存储介质 | |
CN113626075A (zh) | 相似代码检测方法、装置、设备和计算机存储介质 | |
CN111476273A (zh) | 图像处理方法及装置 | |
CN112818765B (zh) | 一种图像填涂识别方法、装置、系统、以及存储介质 | |
CN117112846B (zh) | 一种多信息源证照信息管理方法、系统及介质 |
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 | ||
CP03 | Change of name, title or address | ||
CP03 | Change of name, title or address |
Address after: 4208, Tower A, Hongrongyuan North Station Center, Minzhi Street North Station Community, Longhua District, Shenzhen City, Guangdong Province, 518000 Patentee after: Shenzhen Weike Technology Co.,Ltd. Country or region after: China Address before: 518109 room 1501, building e, phase II, Xinghe world, Minle community, Minzhi street, Longhua District, Shenzhen City, Guangdong Province Patentee before: SHENZHEN WAKE UP TECHNOLOGY CO.,LTD. Country or region before: China |