TWI530805B - 基於時間之相片分類方法及其系統、及電腦可讀取記錄媒體 - Google Patents

基於時間之相片分類方法及其系統、及電腦可讀取記錄媒體 Download PDF

Info

Publication number
TWI530805B
TWI530805B TW102130055A TW102130055A TWI530805B TW I530805 B TWI530805 B TW I530805B TW 102130055 A TW102130055 A TW 102130055A TW 102130055 A TW102130055 A TW 102130055A TW I530805 B TWI530805 B TW I530805B
Authority
TW
Taiwan
Prior art keywords
time
photos
photo
group
predetermined
Prior art date
Application number
TW102130055A
Other languages
English (en)
Other versions
TW201508511A (zh
Inventor
張祚榮
Original Assignee
宇瞻科技股份有限公司
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 宇瞻科技股份有限公司 filed Critical 宇瞻科技股份有限公司
Priority to TW102130055A priority Critical patent/TWI530805B/zh
Priority to CN201310430941.4A priority patent/CN104424345B/zh
Publication of TW201508511A publication Critical patent/TW201508511A/zh
Application granted granted Critical
Publication of TWI530805B publication Critical patent/TWI530805B/zh

Links

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
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Library & Information Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Description

基於時間之相片分類方法及其系統、及電腦可讀取記錄媒體
本發明有關於一種分類方法及其系統，特別是指一種相片分類方法及其系統。
由於影像擷取技術的蓬勃發展，很多人都會利用手機或數位相機來記錄個人的生活。無形中，相片檔案便會累積上千張。尤其是在旅遊過後，相片數量更是龐大。
在整理或瀏覽相片時，由於相片的數量太多，使用者不容易找到所需的相片。因此，自動將大量的相片做分類，將可以協助使用者快速找到所需的相片。現行的相片分類方法，大多結合每張相片的多種資訊(如，拍攝地經緯度、時間、儲存相片時的電訊號等)來自動將大量的相片做分類，且執行相片分類的運算複雜。
因此，如何利用相片少量的資訊來對相片作快速且準確的分類，將可以解決傳統使用者以人力或結合相片的多種資訊對上千張的相片作分類的不方便，更可以節省相片分類的時間。
本發明提供了一種基於時間之相片分類方法及其系統、以及電腦可讀取記錄媒體。本發明之相片分類方法及其系統僅利用含 有相片拍攝時間的相片，以快速將多張相片分類為多個群組，並將同一群組的相片歸納於同一相簿。使得本發明之相片分類方法及其系統得以節省相片分類的時間並增加相片分類的準確性。
在本發明其中一個實施例中，上述基於時間之相片分類方法用以將複數個相片分類為複數個群組。上述相片分類方法包括：步驟(A)截取每一相片之拍攝時間，每一拍攝時間皆位於一時間區段上。步驟(B)將時間區段分成多個時間間隔，並計算每一相片之拍攝時間對應到每一時間間隔中相片的數量。步驟(C)將連續且有相片的時間間隔視為同一時間群，且同一時間群上的相片視為同一群組。步驟(D)比較每一群組以及對應的前一群組之差距是否小於一預定時間。若是，將小於預定時間且相鄰的群組作合併。若否，將每一群組中的相片視為同一群組。
在本發明其中一個實施例中，上述基於時間之相片分類系統為用以將複數個相片分類為複數個群組。上述相片分類系統包括一顯示單元、一儲存單元以及一運算處理單元。顯示單元為用以顯示時間間隔之設定介面，以進一步供使用者設定時間間隔。儲存單元則儲存有複數個相片。每一相片具有拍攝時間，且每一拍攝時間皆位於一時間區段上。而運算處理單元則用以執行下列步驟：步驟(A)截取每一相片之拍攝時間。步驟(B)將時間區段分成多個時間間隔，並計算每一相片之拍攝時間對應到每一時間間隔中相片的數量。步驟(C)將連續且有相片的時間間隔視為同一時間群，且同一時間群上的相片視為同一群組。步驟(D)比較每一群組以及對應的前一群組之差距是否小於一預定時間。若是，將小於預定時間且相鄰的群組作合併。若否，將每一群組中的相片視為同一群組。
在本發明其中一個實施例中，上述基於時間之相片分類方法用以將複數個相片分類為複數個群組。上述相片分類方法包括：步驟(A)截取每一相片之拍攝時間以及一預定群組數量，每一拍 攝時間皆位於一時間區段上。步驟(B)將時間區段根據預定群組數量分成多個時間間隔，並計算每一相片之拍攝時間對應到每一時間間隔中相片的數量。步驟(C)判斷每一時間間隔中相片的數量是否大於等於一預定數量。若是，將大於等於預定數量的時間間隔中的相片視為一群組。若否，則將小於預定數量的時間間隔的相片合併到時間距離上最近的群組。步驟(D)判斷所有群組的數量是否大於等於預定群組數量。若是，將大於等於預定數量的時間間隔的相片視為一群組。若否，將時間間隔+1，並回到步驟(B)。
在本發明其中一個實施例中，上述基於時間之相片分類系統為用以將複數個相片分類為複數個群組。上述相片分類系統包括一顯示單元、一儲存單元以及一運算處理單元。顯示單元為用以顯示一預定群組數量之設定介面，以進一步供使用者將複數個相片分類成想要的群組數量。儲存單元則儲存有複數個相片。每一相片具有拍攝時間，且每一拍攝時間皆位於一時間區段上。而運算處理單元則用以執行下列步驟：步驟(A)截取每一相片之拍攝時間以及預定群組數量。步驟(B)將時間區段根據預定群組數量分成多個時間間隔，並計算每一相片之拍攝時間對應到每一時間間隔中相片的數量。步驟(C)判斷每一時間間隔中相片的數量是否大於等於一預定數量。若是，將大於等於預定數量的時間間隔中的相片視為一群組。若否，則將小於預定數量的時間間隔的相片合併到距離最近的群組。步驟(D)判斷所有群組的數量是否大於等於預定群組數量。若是，將大於等於預定數量的時間間隔的相片視為一群組。若否，將時間間隔+1，並回到步驟(B)。
此外，本發明實施例還提供一種電腦可讀取記錄媒體記錄一組電腦可執行程式。當電腦可讀取記錄媒體被處理器讀取時，處理器可執行上述相片分類方法中的步驟。
為了能更進一步瞭解本發明為達成既定目的所採取之技 術、方法及功效，請參閱以下有關本發明之詳細說明、圖式，相信本發明之目的、特徵與特點，當可由此得以深入且具體之瞭解，然而所附圖式與附件僅提供參考與說明用，並非用來對本發明加以限制者。
110‧‧‧顯示單元
120‧‧‧運算處理單元
130‧‧‧儲存單元
140‧‧‧操作單元
S210、S220、S230、S240、S250、S260‧‧‧步驟
G1、G2、G3‧‧‧群組
S410、S420、S430、S440、S450、S460、S470、S480‧‧‧步驟
P1、P2、P3‧‧‧群組
圖1是本發明一實施例之相片分類系統示意圖。
圖2是本發明一實施例之相片分類方法流程圖。
圖3A是本發明一實施例之相片分類系統對相片作分類示意圖。
圖3B是本發明一實施例之相片分類系統對相片作分類示意圖。
圖3C是本發明一實施例之相片分類系統對相片作分類示意圖。
圖4是本發明另一實施例之相片分類方法流程圖。
圖5A是本發明另一實施例之相片分類系統對相片作分類示意圖。
圖5B是本發明另一實施例之相片分類系統對相片作分類示意圖。
首先，請參考圖1。圖1是本發明實施例之相片分類系統示意圖。如圖1所示，本實施例之相片分類系統是用以將多張相片分類為多個群組。相片分類系統包括顯示單元110、運算處理單元120以及儲存單元130。顯示單元110顯示時間間隔之設定介面，以提供使用者利用操作單元140自行設定時間間隔，並將設定後的時間間隔傳送至運算處理單元120，以進一步對相片作分類。或運算處理單元120已預設有一時間間隔，亦可據此進一步 對相片做分類。本實施例之操作單元140為滑鼠、鍵盤或其他可設定時間間隔之操作單元。本實施例之運算處理單元120以及儲存單元130可設置在電腦主機中。
儲存單元130儲存有多張相片。每張相片具有一拍攝時間，且每張拍攝時間皆位於一時間區段上。在本實施例中，每張相片之拍攝時間具有年、月、日、時、分。當然拍攝時間亦可僅具有年、月、日或其他時間表示方法，本發明不對此作限制。另外，每張相片之拍攝時間，可為由拍攝相片的機器(如相機)在拍照時，即時紀錄相片對應的拍攝時間，並儲存到相片的可交換圖像文件(Exchangeableimagefile format,EXIF)。EXIF為用以記錄數位相片的屬性訊息和拍攝數據。因此，本實施例之拍攝時間可由相片的EXIF中取得。當然，相片的拍攝時間亦可儲存在特定的地方(如，相片的檔名)，以方便運算處理單元120取得相片的拍攝時間，並進一步對相片進行分類，本發明不對此作限制。
運算處理單元120電連接顯示單元110以及儲存單元130並執行下列步驟，以根據含有相片拍攝時間的相片來將多張相片分類為多個群組。請同時參考圖2，首先運算處理單元120於儲存單元130取得需要分類的相片，並擷取每張相片之拍攝時間(步驟S210)。接下來，運算處理單元120將每張相片根據拍攝時間作順序排列在一時間區段。在本實施例中，時間區段為最早相片的拍攝時間到最晚相片的拍攝時間。如，最早相片的拍攝時間為上午9點，最晚相片的拍攝時間為下午4點，故時間區段為上午9點至下午4點。當然，時間區段亦可以透過使用者自行設定。如，使用者可自行設定時間區段為上午7點至下午7點，只要符合每張相片都能在時間區段上即可，本發明不對此作限制。
再來，運算處理單元120將時間區段分成多個時間間隔，並計算每張相片之拍攝時間對應到每一時間間隔中相片的數量。同樣地，在本實施例中，時間間隔為由使用者自行設定。若使用者 並未設定時間間隔，運算處理單元120將預設每30分鐘為一個時間間隔，以進一步對相片做分類(步驟S220)。接著，運算處理單元120將連續且有相片的時間間隔視為同一時間群(即此時的相片為同一拍攝地區拍照)，並且將同一時間群上的相片視為同一群組(步驟S230)。在本實施例中，連續且有相片的時間間隔代表同一個時間間隔有照片且上述時間間隔的前一個時間間隔或後一個時間間隔也有相片。
此外使用者在同一拍攝地區拍照並非無間斷的持續拍照，有可能前後兩張相片時間隔了一個小時，使得上述兩張相片被判定為不同的群組。因此，於步驟S220中，運算處理單元120可更進一步將每一時間間隔中的相片的數量取平滑化(Smoothing)，使得使用者在同一拍攝地區所拍的相片(如前後兩張相片時間隔了一個小時)皆可以被歸納為同一群組。當然，運算處理單元120亦可不對每一時間間隔中的相片的數量取平滑化而直接進行下一步驟S230，本發明不對此作限制。在本實施例中，運算處理單元120分別將每一時間間隔以及其對應的前後時間間隔中的相片數量依照權重比例(Weighting)計算，以進一步將每一時間間隔中相片的數量取平滑化。本實施例平滑化的函數如下：Y(n)=α y(n-1)+β y(n)+γ y(n+1)
其中，y(n)為第n個時間間隔中相片的數量，y(n-1)為第n-1個時間間隔中相片的數量，y(n+1)為第n+1個時間間隔中相片的數量，α、β、γ則分別為y(n-1)、y(n)、y(n+1)的權重值，而Y(n)則為第n個時間間隔中，相片的數量平滑化後的結果。而運算處理單元120將每一時間間隔中相片的數量取平滑化的方式並不限定於上述方式，亦可以其他取平滑化的方法，如高斯平滑(Gaussian Smoothing)、均值平滑化(Mean Smoothing)、指數平滑化(Exponential Smoothing)，本發明不對此作限定。
而在運算處理單元120取得同一群組的相片後，接著運算處 理單元120將比較每一群組以及對應的前一群組之差距是否小於一預定時間，以據此將拍攝時間較近的相片歸納為同一群組(步驟S240)。若是，表示此群組與其前一群組的拍攝時間距離較近，運算處理單元120將小於預定時間且相鄰的群組作合併。意即運算處理單元120將此群組與其前一群組中的相片視為同一群組，並回到步驟S240重新判斷(步驟S260)。反之，運算處理單元120將每一群組中的相片視為同一群組，並完成相片分類(步驟S250)。
以下將根據上述一實施例之相片分類方法並利用本發明之相片分類系統，將42張相片分成多個群組來做說明，並請同時參考圖1、圖2、圖3A、圖3B及圖3C。為了方便說明，在本實施例之二維座標中，橫軸代表相片的拍攝時間(單位：時)，縱軸代表相片數量(單位：張)。
如圖3A所示，首先，運算處理單元120將於儲存單元130擷取42張相片的拍攝時間。而每個拍攝時間皆位於一個時間區段上。在本實施例中，時間區段的設定為由最早相片的拍攝時間到最晚相片的拍攝時間。如下表一所示，儲存單元130儲存有42張相片的拍攝時間(年、月、日、時、分)，而時間區段則因最早相片的拍攝時間為2013/7/25,09：15以及最晚相片的拍攝時間為2013/7/25,16：58，使得時間區段被設定為2013/7/25的09：15至16：58。
接下來，運算處理單元120根據拍攝時間將42張相片順序排列在時間區段上。而在本實施例中，使用者並未設定時間間隔。因此，運算處理單元120將以預設的時間間隔，即30分鐘為一個時間單位將時間區段分成多個時間間隔，並計算每一時間間隔中相片的數量。如圖3A所示，時間區段中共有42張相片。其中，09：00-09：29有3張相片。10：00-10：29有6張相片。10：30-10：59有7張相片。13：30-13：59有4張相片。14：00-14：29有12張相片。14：30-14：59有2張相片。16：30-16：59有8張相片。
而為了使相片分類更為準確，運算處理單元120將每一時間間隔中的相片數量取平滑化(Smoothing)。本實施例平滑化的函數如下：Y(n)=0.1y(n-1)+0.8y(n)+0.1y(n+1)
其中，y(n)為第n個時間間隔中相片的數量。y(n-1)為第n-1個時間間隔中相片的數量。y(n+1)為第n+1個時間間隔中相片的數量。α、β、γ分別為0.1、0.8、0.1的權重值。而Y(n)則為第n個時間間隔中，相片的數量平滑化後的結果。經平滑化運算後，每一時間間隔中相片的數量將向外擴展到鄰近的時間間隔，如圖3B所示。
接著，運算處理單元120將連續且有相片的時間間隔視為同一時間群，而同一時間群上的相片則視為同一群組。如圖3B所示，08：30-11：29被視為同一時間群，13：00-15：29被視為同一時間群，16：00-17：29被視為同一時間群。而上述3個時間群上的 相片則分別被視為群組G1、G2、G3。假設運算處理單元120並未將每一時間間隔中的相片數量取平滑化。如圖3A所示，09：00-09：29將被視為同一時間群，10：00-10：59將被視為同一時間群，13：30-14：59將被視為同一時間群，16：30-16：59將被視為同一時間群。而上述4個時間群上的相片則將分別被視為同一群組(圖未示)。故由上述可知，若每一時間間隔中的相片數量並未被平滑化，圖3A中的時間群09：00-09：29以及10：00-10：59上的相片將被誤判為不同群組。但是實際上兩個時間群僅差了半個小時，使用者應該還是在同一拍攝地區拍照，而要被判定為同一群組，如圖3B所示之群組G1。
接著，運算處理單元120將比較每一群組以及對應的前一群組之差距是否小於一預定時間。在本實施例中，預定時間設為1個小時，也可依實際狀況來調整預定時間。如圖3B所示，群組G3以及群組G2之差距小於一個小時。因此，運算處理單元120遂將群組G3合併到群組G2中，如圖3C所示。而合併完後並未有相鄰的群組之差距大於一個小時，因此42張相片最後將被分成2個群組G1以及G2。群組G1的相片為分布在時間群08：30-11：29，而另一群組G2的相片則為分布在時間群13：00-17：29。
接下來，請同時參考圖1以及圖4，圖4是本發明另一實施例之相片分類方法流程圖。如圖1所示，運算處理單元120電連接顯示單元110以及儲存單元130並執行下列步驟，以根據含有相片拍攝時間的相片來將多張相片分類為多個群組。請同時參考圖4，首先運算處理單元120於儲存單元130取得需要分類的相片，並擷取每張相片之拍攝時間，以及一預定群組數量(步驟S410)。預定群組數量為使用者欲將多張相片分類成想要的群組數量。在本實施例中，顯示單元110顯示有預定群組數量之設定介面，以提供使用者利用操作單元140自行設定預定群組數量， 並將設定後的預定群組數量傳送至運算處理單元120，以進一步對相片作分類。又或者運算處理單元120已預設有一預定群組數量(本實施例將預定群組數量預設為2)，亦可據此進一步對相片做分類。
接下來，運算處理單元120將每張相片根據拍攝時間作順序排列在一時間區段。在本實施例中，時間區段為透過使用者自行設定。如，使用者可自行設定時間區段為上午7點至下午7點。當然，時間區段亦可為最早相片的拍攝時間到最晚相片的拍攝時間。如，最早相片的拍攝時間為上午9點，最晚相片的拍攝時間為下午4點，使得時間區段為上午9點至下午4點，只要符合每張相片都能在時間區段上即可，本發明不對此作限制。
再來，運算處理單元120將時間區段根據預定群組數量分成多個時間間隔，並計算每一相片之拍攝時間對應到每一時間間隔中相片的數量。意即若預定群組數量為4，運算處理單元120將時間區段根據預定群組數量分成4個時間間隔。在本實施例中，預定群組數量為由使用者自行設定。若使用者並未設定預定群組數量，運算處理單元120將預設預定群組數量為2，使得相片至少分類成2群(步驟S420)。接下來，運算處理單元120將判斷每一時間間隔中相片的數量是否大於等於一預定數量(步驟S430)。在本實施例中，預定數量係透過一預定數量函數計算而得，本實施例之預定數量函數如下：
其中，F為預定數量。a為數量集中常數。N為待分類的相片數量。C為時間區段中，時間間隔的數量。而預定數量亦可藉由其他的函數計算而得，或是可由使用者自行設定而得，本發明並不對此作限制。另外，數量集中常數a代表每一時間間隔中，相片集中量的比例。本實施例之數量集中常數a為以高斯分布 (Gaussian Distribution)來計算相片集中量的比例。而高斯分布中，約68%的主要資料分布在距離平均值有1個標準差之內的範圍內。因此，本實施例將數量集中常數a設定在範圍為0.67-0.69之間。數量集中常數a較佳為0.68。當然，數量集中常數a亦可以其他的機率分布。如二項分布(Binomial Distribution)、白努力分布(Bernouulli Distribution)以及伽瑪分布(Gamma Distribution)來計算相片集中量的比例，本發明並不對此作限制。
因此，若每一時間間隔中相片的數量大於等於上述預定數量，運算處理單元120遂將大於等於預定數量的時間間隔中的相片視為一群組。意即此時間間隔中的相片可能為使用者主要拍攝地區，故此時間間隔中的相片將被視為一群組(步驟S440)。反之，若每一時間間隔中相片的數量小於上述預定數量，運算處理單元120遂將小於預定數量的時間間隔中的相片合併到時間距離上最近的群組。意即此時間間隔中的相片可能不是使用者主要拍攝地區，可能為兩個主要拍攝地區中間的次要拍攝地區，故此時間間隔中的相片會被合併到時間距離上最近的群組(步驟S450)。透過運算處理單元120進行上述的步驟S410至步驟S450，將可以對多張相片分類為多個群組。
而為了使相片分類更為準確，於運算處理單元120判斷每一時間間隔中相片的數量是否大於等於預定數量後，運算處理單元120將更進一步判斷在時間區段中，所有群組的數量是否大於等於預定群組數量(步驟S460)。若是，表示主要拍攝地區的相片皆已被分類出來。此時運算處理單元120將每一群組中的相片視為同一群組，以完成相片分類(步驟S470)。若否，表示主要拍攝地區的相片尚未完全被分類出來且群組數量並非使用者想要的預定群組數量或者運算處理單元120一開始預設的預定群組數量。此時，運算處理單元120將時間間隔加1並回到步驟S420，以重新對相片作分類(步驟S480)。
以下將根據上述另一實施例之相片分類方法並利用本發明之相片分類系統，將42張相片分成多個群組來做說明，並請同時參考圖1、圖2、圖5A及圖5B。為了方便說明，在本實施例之二維座標中，橫軸代表相片的拍攝時間(單位：時)，縱軸代表相片數量(單位：張)。
如圖5A所示，首先，運算處理單元120將於儲存單元130擷取42張相片的拍攝時間。而每個拍攝時間皆位於一個時間區段上。在本實施例中，時間區段的設定為透過使用者自行設定，在此以時間區段為由07：00至19：00(共12個小時)來做說明。儲存單元130儲存有42張相片的拍攝時間(年、月、日、時、分)。為了方便說明，42張相片的拍攝時間將如上表一所示。
接下來，運算處理單元120根據拍攝時間將42張相片順序排列在時間區段上。而在本實施例中，預定群組數量是使用者自行設定為3。因此，運算處理單元120遂將時間區段平均分成3個時間間隔(即每4個小時為一個時間間隔)，並分別計算3個時間間隔中相片的數量。如圖5A所示，3個時間間隔分別為07：00-10：59，11：00-14：59，15：00-18：59。3個時間間隔中共有42張相片。其中，時間間隔07：00-10：59有16張相片。時間間隔11：00-14：59有18張相片。時間間隔15：00-18：59有8張相片。
接下來，運算處理單元120將判斷每一時間間隔中的相片的數量是否大於等於一預定數量。在本實施例中，預定數量係透過預定數量函數計算而得。本實施例之預定數量函數如下：
而預定數量函數已於上述說明，故在此不作贅述。如圖5A所示，本實施例之數量集中常數a為0.68，待分類的相片數量N為42，時間間隔的數量C為3。因此，預定數量F=0.68×42/3=9.52。意即運算處理單元120將判斷每一時間間隔中的相 片的數量是否大於等於9.52。如圖5A所示，在時間間隔07：00-10：59中，相片的數量為16且大於預定數量9.52。在時間間隔11：00-14：59中，相片的數量為18且大於預定數量9.52。故時間間隔07：00-10：59以及11：00-14：59中的相片將分別被視為群組P1以及P2。而時間間隔15：00-18：59中，相片的數量為8小於預定數量9.52。故時間間隔15：00-18：59中的相片將會被合併到距離最近的群組。在本實施例中，距離時間間隔15：00-18：59最近的群組為群組P2。因此，時間間隔15：00-18：59中的相片將會被合併到群組P2。使得42張相片最後將被分成2個群組P1以及P2。群組P1的相片為分布在時間間隔07：00-10：59，而另一群組P2的相片則為分布在時間間隔11：00-14：59以及15：00-18：59。
而為了使相片分類更為準確，運算處理單元120在判斷3個時間間隔中相片的數量是否大於等於預定數量9.52後，運算處理單元120將更進一步判斷在時間區段中，所有群組的數量是否大於等於預定群組數量(本實施例之預定群組數量為3)。如圖5A所示，群組的數量為2小於預定群組數量為3，表示此時的群組數量不符合使用者想要的預定群組數量。接著，如圖5B所示，運算處理單元120將時間間隔的數量加1，使得本實施例之時間間隔的數量變成4(即變成每3個小時為一個時間間隔)。而運算處理單元120將重新計算4個時間間隔中相片的數量。
接下來，運算處理單元120亦將重新判斷每一時間間隔中，相片的數量是否大於等於預定數量。此時預定數量F=0.68×42/4=7.41。意即運算處理單元120將判斷每一時間間隔中的相片的數量是否大於等於7.41。如圖5B所示，在時間間隔07：00-09：59中，相片的數量為3且小於預定數量7.41。在時間間隔10：00-12：59中，相片的數量為13且大於預定數量7.41。在時間間隔13：00-15：59中，相片的數量為18且大於預定數量 7.41。在時間間隔16：00-18：59中，相片的數量為8且大於預定數量7.41。因此，時間間隔10：00-12：59、13：00-15：59以及16：00-18：59中的相片將分別被視為群組P1、P2以及P3。而時間間隔07：00-09：59則會被合併到最近的群組P1。
此時，在時間區段中，所有群組的數量為3等於預定群組數量為3，表示此時的群組數量符合使用者想要的預定群組數量。因此，42張相片最後將被分成3個群組P1、P2以及P3。群組P1的相片為分布在時間間隔07：00-09：59以及時間間隔10：00-12：59。群組P2的相片為分布在時間間隔13：00-15：59。而群組P3的相片則為分布在時間間隔16：00-18：59。
請同時參考圖5A以及圖5B。圖5A以及圖5B的差異在於運算處理單元120是否有進一步判斷在時間區段中，所有群組的數量是否大於等於一開始所有時間間隔的數量(即運算處理單元120是否有進一步執行步驟S470)。由上述可知，42張相片的分類最後由2個群組變為3個群組，更能符合使用者一開始設定的預定群組數量。另外，圖5A之群組P2中，13：30-14：59的相片以及16：30-16：59的相片應分類為不同的群組較為適當。而在圖5B中，13：30-14：59的相片以及16：30-16：59的相片則已被分類成不同的群組P2以及P2。因此，運算處理單元120進一步執行步驟S460，使得相片分類系統得以更準確的將多張相片分類到適當的群組。
另外，本發明亦可利用一種電腦可讀取記錄媒體，儲存前述線路佈局方法的電腦程式以執行前述之步驟。此電腦可讀取媒體可以是軟碟、硬碟、光碟、隨身碟、磁帶、可由網路存取之資料庫或熟知此項技術者可輕易思及具有相同功能之儲存媒體。
綜上所述，本發明實施例所提供的基於時間之相片分類方法及其系統，含有相片拍攝時間的相片，以快速並準確的將多張相片分類為多個群組。使得本發明之相片分類方法及其系統得以節 省相片分類的時間並增加相片分類的準確性。
以上所述僅為本發明之實施例，其並非用以侷限本發明之專利範圍。
110‧‧‧顯示單元
120‧‧‧運算處理單元
130‧‧‧儲存單元
140‧‧‧操作單元

Claims (7)

  1. 一種基於時間之相片分類方法，用以將複數個相片分類為複數個群組，包括如下步驟：(A)截取每一相片之一拍攝時間以及一預定群組數量，每一拍攝時間皆位於一時間區段上；(B)將該時間區段根據該預定群組數量分成多個時間間隔，並計算每一相片之該拍攝時間對應到每一時間間隔中的該些相片的數量；(C)判斷每一時間間隔中的該些相片的數量是否大於等於一預定數量，若是，將大於等於該預定數量的該時間間隔的該些相片視為一群組，若否，將小於該預定數量的該時間間隔的該些相片合併到時間距離上最近的該群組；以及(D)判斷所有該群組的數量是否大於等於該預定群組數量，若是，將每一群組中的該相片視為同一群組，若否，將該時間間隔+1，並回到步驟(B)。
  2. 如請求項第1項之相片分類方法，其中，於該步驟(C)中，更包含一預定數量函數： 用以計算該預定數量，其中，F為該預定數量，a為一數量集中常數，N為該複數個相片，C為該時間區段中，該時間間隔的數量。
  3. 如請求項第1項之相片分類方法，其中，於該步驟(A)中，該預定群組數量為一使用者預設值。
  4. 一種基於時間之相片分類系統，用以將複數個相片分類為複數個群組，包括：一顯示單元，用以顯示一預定群組數量之設定介面；一儲存單元，用以儲存該複數個相片，每一相片具有一拍攝時 間，且每一拍攝時間皆位於一時間區段上；以及一運算處理單元，用以執行下列步驟：(A)截取每一相片之該拍攝時間以及該預定群組數量；(B)將該時間區段根據該預定群組數量分成多個時間間隔，並計算每一相片之該拍攝時間對應到每一時間間隔中的該些相片的數量；(C)判斷每一時間間隔中的該些相片的數量是否大於等於一預定數量，若是，將大於等於該預定數量的該時間間隔的該些相片視為一群組，若否，將小於該預定數量的該時間間隔的該些相片合併到時間距離上最近的該群組；以及(D)判斷所有該群組的數量是否大於等於該預定群組數量，若是，將每一群組中的該相片視為同一群組，若否，將該時間間隔+1，並回到步驟(B)。
  5. 如請求項第4項之相片分類系統，其中，於該運算處理單元執行之該步驟(C)中，更包含一預定數量函數： 用以計算該預定數量，其中，F為該預定數量，a為一數量集中常數，N為該複數個相片，C為該時間區段中，該時間間隔的數量。
  6. 如請求項第4項之相片分類系統，其中，於該運算處理單元執行之該步驟(A)中，該預定群組數量為一使用者預設值。
  7. 一種電腦可讀取記錄媒體，其中，該電腦可讀取記錄媒體記錄一組電腦可執行程式，當該電腦可讀取記錄媒體被一處理器讀取時，該處理器執行該電腦可執行程式以實施如請求項第1項所述之步驟。
TW102130055A 2013-08-22 2013-08-22 基於時間之相片分類方法及其系統、及電腦可讀取記錄媒體 TWI530805B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
TW102130055A TWI530805B (zh) 2013-08-22 2013-08-22 基於時間之相片分類方法及其系統、及電腦可讀取記錄媒體
CN201310430941.4A CN104424345B (zh) 2013-08-22 2013-09-18 基于时间的相片分类方法及其系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW102130055A TWI530805B (zh) 2013-08-22 2013-08-22 基於時間之相片分類方法及其系統、及電腦可讀取記錄媒體

Publications (2)

Publication Number Publication Date
TW201508511A TW201508511A (zh) 2015-03-01
TWI530805B true TWI530805B (zh) 2016-04-21

Family

ID=52973317

Family Applications (1)

Application Number Title Priority Date Filing Date
TW102130055A TWI530805B (zh) 2013-08-22 2013-08-22 基於時間之相片分類方法及其系統、及電腦可讀取記錄媒體

Country Status (2)

Country Link
CN (1) CN104424345B (zh)
TW (1) TWI530805B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105989182A (zh) * 2015-04-13 2016-10-05 乐视移动智能信息技术（北京）有限公司 照片显示方法及智能终端
CN106294518A (zh) * 2015-06-12 2017-01-04 联想(北京)有限公司 一种照片管理方法及电子设备
TWI582626B (zh) 2015-10-20 2017-05-11 數位左右有限公司 餐飲環境圖像自動分類系統與其方法
CN107066462B (zh) * 2016-10-25 2021-03-30 电子科技大学 一种基于收藏时间分布的动态音乐分类方法
CN110969195A (zh) * 2019-11-22 2020-04-07 中国南方电网有限责任公司超高压输电公司天生桥局 输电线路巡检照片智能分类方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007199849A (ja) * 2006-01-24 2007-08-09 Canon Inc 画像処理装置、画像処理方法、コンピュータプログラム、コンピュータ読み取り可能な記録媒体、及び画像形成システム
CN101437096B (zh) * 2007-11-16 2011-01-26 深圳富泰宏精密工业有限公司 移动设备相片分类系统及方法
JP5740574B2 (ja) * 2009-11-04 2015-06-24 パナソニックＩｐマネジメント株式会社 情報分類装置、情報分類方法およびそのプログラム
JP5449460B2 (ja) * 2011-06-28 2014-03-19 富士フイルム株式会社 画像処理装置、画像処理方法および画像処理プログラム

Also Published As

Publication number Publication date
CN104424345A (zh) 2015-03-18
TW201508511A (zh) 2015-03-01
CN104424345B (zh) 2018-04-03

Similar Documents

Publication Publication Date Title
TWI530805B (zh) 基於時間之相片分類方法及其系統、及電腦可讀取記錄媒體
US9367757B2 (en) Content extracting device, content extracting method and program
US8810688B2 (en) Information processing apparatus and information processing method
JP5632084B2 (ja) コンシューマ配下画像集における再来性イベントの検出
US8879890B2 (en) Method for media reliving playback
US10726594B2 (en) Grouping media content for automatically generating a media presentation
US9082452B2 (en) Method for media reliving on demand
US20120158730A1 (en) Automatic discovery of metadata
JP5289151B2 (ja) データ管理装置、その制御方法及びプログラム
US20170293673A1 (en) Applying geo-tags to digital media captured without location information
JP2013520725A5 (zh)
JP4643735B1 (ja) 電子機器及び映像処理方法
US20230214091A1 (en) Multimedia object arrangement method, electronic device, and storage medium
JP2013520725A (ja) コンシューマー画像コレクション内の適応的イベント時系列
US20170092324A1 (en) Automatic Video Compositing
US20210271701A1 (en) Method for atomically tracking and storing video segments in multi-segment audio-video compositions
US20140055479A1 (en) Content display processing device, content display processing method, program and integrated circuit
US20210365490A1 (en) Method for ranking and selecting events in media collections
US20150006545A1 (en) System for ranking and selecting events in media collections
JP2013109578A (ja) 画像処理装置、画像処理プログラム及び画像処理システム
JP2014182650A (ja) 画像共有装置、画像共有装置の制御方法、およびプログラム
JP6336807B2 (ja) 情報処理装置およびグルーピング方法
Jang et al. A smart clustering algorithm for photo set obtained from multiple digital cameras
KR101412478B1 (ko) 선택패턴 기반의 사진관리 방법 및 이를 위한 컴퓨터로 판독가능한 기록매체
TWI494780B (zh) 基於地理位置之相片分類方法及其系統、及電腦可讀取記錄媒體

Legal Events

Date Code Title Description
MM4A Annulment or lapse of patent due to non-payment of fees