TWI547816B - 照片分群系統及方法 - Google Patents

Description

照片分群系統及方法

本發明涉及一種資料管理系統及方法，尤其涉及一種照片分群系統及方法。

由於現行之掌上型裝置如手機、平板電腦等設備皆具備高畫質之相機設備，又因掌上型裝置在生活中相較於數位相機取得容易，因此掌上型裝置常常被用來記錄生活發生的點點滴滴，產生龐大的照片資料集，需要去分類整理，以便日後尋找照片時能加快速度。

一般而言，掌上型裝置皆使用其內建的照片歸納法如按照日期建立歸類，然後該歸類法卻只能起到有限的功能，不能滿足用戶的進一步需求，如按照片的其他屬性如照片的顏色屬性等分類。

鑒於以上內容，有必要提供一種照片分群系統及方法，可按照照片的分群參數實現照片分群。

一種照片分群系統，運行於電子設備中，該系統包括：提取模組，用於提取每張照片的分群參數；量化模組，用於將每張照片的分群參數進行量化，獲取每張照片的量化資料；分群模組，用於根據每張照片的量化資料對照片分群。

一種照片分群方法，應用於電子設備中，該方法包括：提取步驟，提取每張照片的分群參數；量化步驟，將每張照片的分群參數進行量化，獲取每張照片的量化資料；分群步驟，根據每張照片的量化資料對照片分群。

相較於習知技術，本發明的所述照片分群系統及方法，可根據使用者設置的分群參數實現對照片的分群。

1‧‧‧電子設備

10‧‧‧照片分群系統

11‧‧‧拍攝設備

12‧‧‧儲存器

13‧‧‧處理器

101‧‧‧提取模組

102‧‧‧量化模組

103‧‧‧分群模組

圖1是本發明照片分群系統較佳實施例的運行環境圖。

圖2是本發明照片分群方法較佳實施例的流程圖。

圖3是圖2的流程步驟1003的細化流程圖。

如圖1所示，是本發明照片分群系統的運行環境圖。在本實施例中，照片分群系統10運行於電子設備1中。該電子設備1還包括，但不限於，拍攝設備11、儲存器12及處理器13。所述電子設備1可以為手機、平板電腦等設備。

本實施例中，所述拍攝設備11可以為所述電子設備1的攝像頭，用於拍攝照片等。

本實施例中，所述儲存器12可以用於儲存所述電子設備1的各種資料，例如儲存所述電子設備1利用所述拍攝設備11所拍攝的照片。該儲存器12還可以用於儲存所述照片分群系統10的程式化代碼。本實施例中，所述照片分群系統10可以被分割成一個或多個模組，所述一個或多個模組儲存於所述儲存器12中並由以一個或多個處理器13執行，以使得所述照片分群系統10可以對所述儲存 器12中所儲存的照片按照使用者的需求進行分群。例如，所述照片分群系統10被分割成提取模組101、量化模組102及分群模組103。本發明所稱的模組是完成一特定功能的程式段，關於各模組的功能將在圖2的流程圖中具體描述。

如圖2所示，是本發明較佳實施例的照片分群的流程圖。根據不同的需求，圖2所示的流程圖中的步驟的執行順序可以改變，某些步驟可以省略。

步驟1001，提取模組101設置分群參數，並提取每張照片的分群參數。

本實施例中，所述分群參數包括，但不限於，照片的拍攝時間、拍攝地點、照片的紅(R)、綠(G)、藍(B)顏色通道值，及/或照片中的人臉。具體地，所述提取模組101可以以下拉式功能表的形式將各種分群參數羅列給用戶，供用戶按照自行需求選擇設置分群參數。

需要說明的是，本實施例中，當用戶選擇了將照片中的人臉作為分群參數時，所述提取模組101可以根據現有的人臉識別法，提取照片中包括的人臉。

步驟1002，量化模組102將每張照片的分群參數進行量化，獲取每張照片的量化資料。本實施例中，所述量化模組102將每張照片的量化資料以陣列的形式記錄。

具體地，所述量化模組102在量化照片的拍攝時間時，透過提取照片的拍攝時間的年月日來實現量化。例如量化拍攝於2014年12月22日的照片A為20141222。所述量化模組102在量化照片的拍攝 地點時，透過提取照片的經緯度數據來實現量化。

所述量化模組102在量化照片的紅(R)、綠(G)、藍(B)顏色通道值時，所述量化模組102透過計算出待分群照片中的每張照片的紅(R)、綠(G)、藍(B)顏色通道值的平均值來實現量化。例如計算出照片A的紅(R)、綠(G)、藍(B)顏色通道值的平均值分別為135、222、23。

所述量化模組102在量化人臉參數時，透過將照片中存在的不同人臉分別加以標記來實現量化。例如照片中不包括人臉時標記為0，提取到第一種人臉時對應標記為1，提取到第二種人臉時對應標記為2。以此類推，使得每張照片都對應有個人臉標記。

例如，假設設置了分群參數包括拍攝時間、拍攝地點、人臉及紅(R)、綠(G)、藍(B)顏色通道值，所述提取模組102量化照片A後得到一個陣列【20141222，(25.194513、121.560957)，1，(135、222、23)】。在該陣列中，20141222對應的是照片A的拍攝時間的量化。(25.194513、121.560957)對應的是照片A的拍攝地點即經緯度數據的量化。1對應的是照片A的人臉的量化。(135、222、23)對應的是照片A的紅(R)、綠(G)、藍(B)顏色通道值的量化。

為清楚說明本發明，本實施例以所述分群參數僅包括照片的紅(R)、綠(G)、藍(B)顏色通道值為例。

步驟1003，分群模組103根據每張照片的量化資料對照片分群。較佳實施例的詳細步驟請參圖3。

參閱圖3所示，是本發明的步驟1003的較佳實施例的細化流程圖 。

步驟10031，所述分群模組103設置群組數目，為每個群組分別選擇一張照片作為基準照片，並將每個基準照片的量化資料作為對應群組的第一基準值。

本實施例中，所述分群模組103可以根據使用者的需求設置所述群組數目。例如根據使用者的需求設置照片分群為兩組。為方便說明本發明，假設分別是群組1及群組2。

本實施例中，所述分群模組103在為每個群組選擇一張照片作為基準照片時，可以是隨機選擇，也可以是根據使用者的指定來選擇。需要說明的是，不同群組的基準照片不能是同一張照片。

例如所述分群模組103為群組1隨機選擇了照片A作為基準照片，並將該照片A的量化資料(135、222、23)作為群組1的第一基準值。又如，所述分群模組103為群組2隨機選擇了選擇照片B作為基準照片，並將該照片B的量化資料(100、120、111)作為群組2的第一基準值。

步驟10032，所述分群模組103利用預設的距離計算公式，分別計算出非基準照片(這裡是為了方便描述，將除被作為基準照片之外的其他照片稱為非基準照片)的量化資料與每個群組的第一基準值的第一距離值，並將該非基準照片分配到與第一距離值為最小值所對應的群組中，實現初步分群。

本實施例中，所述預設的距離計算公式為，其中A _ik表示每個群組的基準值，A _jk表示非基準照片的量 化資料。

例如，所述分群模組103利用所述預設的距離計算公式，根據照片m的量化資料和群組1的第一基準值(即照片A的量化資料)計算得出照片m與群組1的第一基準值的第一距離值。所述分群模組103根據照片m的量化資料和群組2的第一基準值(即照片B的量化資料)計算得出照片m與群組2的第一基準值的第一距離值。若照片m與群組1的第一基準值的第一距離值小於照片m與群組2的第一基準值的第一距離值，則將照片m分入群組1。又如，所述分群模組103利用所述預設的距離計算公式，根據照片n的量化資料和群組1的第一基準值計算得出照片n與群組1的第一基準值的第一距離值，並根據照片n的量化資料和群組2的第一基準值計算得出照片n與群組2的第一基準值的第一距離值。若照片n與群組1的第一基準值的第一距離值小於照片n與群組2的第一基準值的第一距離值，則將照片n也分入群組1。以此方式，直到待分群照片中所有非基準照片都實現了初步分群。

步驟10033，所述分群模組103分別計算初步分群後的每個群組中的所有照片的量化資料的平均值，並將初步分群後的每個群組中的所有照片的量化資料的平均值作為對應群組的第二基準值。

例如，初步分群後的群組1包括三張照片，該三張照片的量化資料分別為(5,10,15)、(6,11,16)及(7,12,17)。則所述分群模組103計算得出群組1的三張照片的量化資料的平均值為[(5+6+7)/3,(10+11+12)/3,(15+16+17)/3]=(6,11,16)，並將群組1的三張照片的量化資料的平均值即(6,11,16)作為群組1的第二基準值。

步驟10034，所述分群模組103判斷每個群組的第二基準值是否與第一基準值相等。若存在至少一個群組的第二基準值與第一基準值不相等，則執行步驟10035。若每個群組的第二基準值均與第一基準值相等，則結束流程。例如，假設群組1的第二基準值與第一基準值不相等，則執行步驟10035。

需要說明的是，在其他實施例中，也可以允許有一定的容差，例如所述分群模組103判斷每個群組的第二基準值是否介於第一基準值的預設比例範圍(如±0.05%)內。若存在至少一個群組的第二基準值不介於第一基準值的預設比例範圍內，則執行步驟10035。若每個群組的第二基準值都介於第一基準值的預設比例範圍內，則結束流程。

例如，所述分群模組103判斷群組1的第二基準值(6,11,16)是否介於第一基準值(135、222、23)的±0.05%範圍內。也即是判斷6是否介於【135*(1-0.05%)】~【135*(1+0.05%)】之間,11是否介於【222*(1-0.05%)】~【222*(1+0.05%)】之間，以及判斷16是否介於23*(1-0.05%)】~【23*(1+0.05%)】之間。

步驟10035，所述分群模組103利用所述預設的距離計算公式，計算出每張照片(這裡的每張照片是指待分群的所有照片中的每張照片)的量化資料分別與每個群組的所述第二基準值的第二距離值，並將每張照片分配到與第二距離值為最小值所對應的群組中，實現再次分群。執行完本步驟後回到步驟10033。

例如，假設計算得出照片A的量化資料與群組1的第二基準值的第 二距離值大於該照片A的量化資料與群組2的第二基準值的第二距離值，則將該照片A從原來的群組1中取出而重新分配到群組2中。

需要說明的是，當回到步驟10033時，所述分群模組103計算的是再次分群後的每個群組的所有照片的量化資料的平均值，並將該再次分群後的每個群組的所有照片的量化資料的平均值作為對應群組的當前基準值。而當流程再次執行到步驟10034時，所述分群模組103是將再次分群後的每個群組的當前基準值與對應群組在前一次分群後的基準值作比較。例如，群組1再次分群後的基準值為第三基準值，則當流程再次執行到步驟10034時，所述分群模組103判斷群組1的第三基準值與該群組1的第二基準值是否相等。以此方式重複執行，直到每個群組的基準值不再改變。

最後應說明的是，以上實施例僅用以說明本發明的技術方案而非限制，儘管參照較佳實施例對本發明進行了詳細說明，本領域的普通技術人員應當理解，可以對本發明的技術方案進行修改或等同替換，而不脫離本發明技術方案的精神和範圍。

1‧‧‧電子設備

10‧‧‧照片分群系統

11‧‧‧拍攝設備

12‧‧‧儲存器

13‧‧‧處理器

101‧‧‧提取模組

102‧‧‧量化模組

103‧‧‧分群模組

Claims (6)

1. 一種照片分群系統，運行於電子設備中，該系統包括：提取模組，用於提取每張照片的分群參數；量化模組，用於將每張照片的分群參數進行量化，獲取每張照片的量化資料；及分群模組，用於根據每張照片的量化資料對照片分群，包括：步驟一，設置群組數目，為每個群組分別選擇一張照片作為基準照片，並將每個基準照片的量化資料作為對應群組的第一基準值；及步驟二，利用預設的距離計算公式，分別計算出非基準照片的量化資料與每個群組的第一基準值的第一距離值，並將該非基準照片分配到與第一距離值為最小值所對應的群組中，實現初步分群。
2. 如申請專利範圍第1項所述的照片分群系統，所述分群模組對照片分群的步驟還進一步包括：步驟三，分別計算初步分群後的每個群組中的所有照片的量化資料的平均值，並將初步分群後的每個群組中的所有照片的量化資料的平均值作為對應群組的第二基準值；步驟四，判斷每個群組的第二基準值是否介於第一基準值的預設比例範圍之內，若存在至少一個群組的第二基準值不介於第一基準值的預設比例範圍之內，執行步驟五，若每個群組的第二基準值都介於第一基準值的預設比例範圍之內，則結束流程；及步驟五，利用所述預設的距離計算公式，計算出每張照片的量化資料分別與所述第二基準值的第二距離值，並將每張照片分配到與第二距離值為最小值所對應的群組中，實現再次分群，執行完步驟五後回到步驟三 。
3. 如申請專利範圍第1項所述的照片分群系統，所述分群參數包括照片的拍攝時間、拍攝地點、照片的紅(R)、綠(G)、藍(B)顏色通道值，及/或人臉。
4. 一種照片分群方法，應用於電子設備中，該方法包括：提取步驟，提取每張照片的分群參數；量化步驟，將每張照片的分群參數進行量化，獲取每張照片的量化資料；及分群步驟，根據每張照片的量化資料對照片分群，包括：步驟一，設置群組數目，為每個群組分別選擇一張照片作為基準照片，並將每個基準照片的量化資料作為對應群組的第一基準值；及步驟二，利用預設的距離計算公式，分別計算出非基準照片的量化資料與每個群組的第一基準值的第一距離值，並將該非基準照片分配到與第一距離值為最小值所對應的群組中，實現初步分群。
5. 如申請專利範圍第4項所述的照片分群方法，所述分群步驟還進一步包括：步驟三，分別計算初步分群後的每個群組中的所有照片的量化資料的平均值，並將初步分群後的每個群組中的所有照片的量化資料的平均值作為對應群組的第二基準值；步驟四，判斷每個群組的第二基準值是否介於第一基準值的預設比例範圍之內，若存在至少一個群組的第二基準值不介於第一基準值的預設比例範圍之內，執行步驟五，若每個群組的第二基準值都介於第一基準值的預設比例範圍之內，則結束流程；及步驟五，利用所述預設的距離計算公式，計算出每張照片的量化資料分別與所述第二基準值的第二距離值，並將每張照片分配到與第二距離值 為最小值所對應的群組中，實現再次分群，執行完步驟五後回到步驟三。
6. 如申請專利範圍第4項所述的照片分群方法，所述分群參數包括照片的拍攝時間、拍攝地點照片的紅(R)、綠(G)、藍(B)顏色通道值，及/或人臉。