照片的分類存儲方法及裝置制造方法
【專利摘要】本發(fā)明提供一種照片的分類存儲方法及裝置，其中，所述方法包括：將目錄內(nèi)的照片A和照片B的圖像特性相匹配，計算照片A和照片B的圖像相似度；當所述照片A與所述照片B的圖像相似度大于預設閾值，在前端頁面中將所述照片A和所述照片B展示為位于同一子目錄內(nèi)。本發(fā)明的有益效果是：能夠有效地對用戶相冊中大量的相近的圖像進行整理，并放在同一個目錄下，以方便用戶管理和查看。
【專利說明】照片的分類存儲方法及裝置
【技術領域】
[0001]本發(fā)明涉及一種照片的分類存儲方法及裝置，尤其涉及一種按照照片相似度自動整合的方法及裝置。
【背景技術】
[0002]隨著相機和智能終端的發(fā)展，個人的照片越來越多，人們在拍照的時候，往往會在相同或者相近的場景下拍攝多張圖像，以可從中選擇比較滿意的照片。
[0003]然而，現(xiàn)有的相冊展現(xiàn)，往往側(cè)重將圖像按照尺寸、時間、人物按照一定順序的排列，如此，往往大量重復的照片展現(xiàn)在了同一個頁面，使得用戶查看和管理照片極為不便。
【發(fā)明內(nèi)容】
[0004]本發(fā)明的目的之一在于提供一種照片的分類存儲方法及裝置。
[0005]為實現(xiàn)上述發(fā)明目的之一，本發(fā)明一實施方式提供了一種照片的分類存儲方法，其包括:
[0006]獲取當前上傳照片的拍照時間信息，并提取所述當前上傳照片的圖像特征；
[0007]將與當前上傳照片的拍照時間間隔在預設范圍內(nèi)的已存照片的圖像特性與所述當前上傳照片的圖像特性相匹配，計算當前上傳照片和已存照片的圖像相似度；
[0008]將當前上傳照片，以及與所述當前上傳照片相同或相似的已存照片存儲和/或標注為同一獨立的集合。
[0009]作為本發(fā)明的進一步改進，所述“計算當前上傳照片和已存照片的圖像相似度”包括:
[0010]計算當前上傳照片與已存照片的圖像距離，并根據(jù)當前上傳照片和已存照片的拍照時間間隔對所述圖像距離進行調(diào)權(quán)，得到綜合圖像距離，其中，綜合圖像距離越大則圖像相似度越低；綜合圖像距離越小則圖像相似度越高。
[0011]作為本發(fā)明的進一步改進，所述“計算當前上傳照片和已存照片的圖像相似度”還包括:
[0012]若當前上傳照片和已存照片的拍照時間間隔較長，則在所述圖像距離上進行加權(quán)，使所述當前上傳照片與已存照片的綜合圖像距離增加；
[0013]若當前上傳照片和已存照片的拍照時間間隔較短，則在所述圖像距離上進行降權(quán)，使得所述上傳照片與已存照片的綜合圖像距離減小。
[0014]作為本發(fā)明的進一步改進，所述方法還包括:
[0015]判斷同一集合中照片的圖像質(zhì)量，將圖像質(zhì)量最高的照片作為該集合的封面或封面的一部分，具體包括:
[0016]通過深度神經(jīng)網(wǎng)絡訓練，對同一集合中的照片進行評分；
[0017]將評分最高或最低的照片作為圖像質(zhì)量最高的照片，并設為該集合的封面或封面的一部分。
[0018]為實現(xiàn)上述發(fā)明目的之一，本發(fā)明一實施方式提供了一種照片的分類存儲方法，其包括:
[0019]將目錄內(nèi)的照片A和照片B的圖像特性相匹配，計算照片A和照片B的圖像相似度；
[0020]當所述照片A與所述照片B的圖像相似度大于預設閾值，在前端頁面中將所述照片A和所述照片B展示為位于同一子目錄內(nèi)。
[0021]作為本發(fā)明的進一步改進，“將目錄內(nèi)的照片A和照片B的圖像特性相匹配”具體包括:
[0022]獲取目錄內(nèi)照片的拍照時間信息；
[0023]將在目錄內(nèi)與照片A的拍照時間間隔在預設范圍內(nèi)的照片B的圖像特性與所述照片A的圖像特性相匹配。
[0024]作為本發(fā)明的進一步改進，所述“計算照片A和照片B的圖像相似度”包括:
[0025]計算照片A與照片B的圖像距離，并根據(jù)照片A和照片B的拍照時間間隔對所述圖像距離進行調(diào)權(quán)，得到綜合圖像距離，其中，綜合圖像距離越大則圖像相似度越低；綜合圖像距離越小則圖像相似度越高。
[0026]作為本發(fā)明的進一步改進，所述“計算照片A和照片B的圖像相似度”還包括:
[0027]若照片A和照片B的拍照間隔時間大于第一預設時間，則在所述圖像距離上進行加權(quán)，使照片A和照片B的綜合圖像距離增加；
[0028]若照片A和照片B的拍照間隔時間小于第二預設時間，則在所述圖像距離上進行降權(quán)，使所述照片A和照片B的綜合圖像距離減小。
[0029]作為本發(fā)明的進一步改進，所述方法還包括:
[0030]判斷同一集合中照片的圖像質(zhì)量，將圖像質(zhì)量最高的照片作為該集合的封面或封面的一部分，具體包括:
[0031]通過深度神經(jīng)網(wǎng)絡訓練，對同一集合中的照片進行評分；
[0032]將評分最高或最低的照片作為圖像質(zhì)量最高的照片，并設為該集合的封面或封面的一部分。
[0033]為實現(xiàn)上述發(fā)明目的之一，本發(fā)明一實施方式提供了一種照片歸類裝置，其包括:
[0034]照片信息獲取模塊，用于獲取當前上傳照片的拍照時間信息；
[0035]計算模塊，用于提取所述當前上傳照片的圖像特征，并將與當前上傳照片的拍照時間間隔在預設范圍內(nèi)的已存照片的圖像特性與所述當前上傳照片的圖像特性相匹配，計算當前上傳照片和已存照片的圖像相似度；
[0036]處理模塊，將當前上傳照片，以及與所述當前上傳照片相同或相似的已存照片存儲和/或標注為同一獨立的集合。
[0037]作為本發(fā)明的進一步改進，所述計算模塊用于:
[0038]計算當前上傳照片與已存照片的圖像距離，并根據(jù)當前上傳照片和已存照片的拍照時間間隔對所述圖像距離進行調(diào)權(quán)，得到綜合圖像距離，其中，綜合圖像距離越大則圖像相似度越低；綜合圖像距離越小則圖像相似度越高。
[0039]作為本發(fā)明的進一步改進，所述計算模塊還用于:
[0040]若當前上傳照片和已存照片的拍照時間間隔較長，則在所述圖像距離上進行加權(quán)，使所述當前上傳照片與已存照片的綜合圖像距離增加；
[0041]若當前上傳照片和已存照片的拍照時間間隔較短，則在所述圖像距離上進行降權(quán)，使得所述上傳照片與已存照片的綜合圖像距離減小。
[0042]作為本發(fā)明的進一步改進，所述計算模塊還用于判斷同一集合中照片的圖像質(zhì)量;
[0043]所述處理模塊還用于將圖像質(zhì)量最高的照片作為該集合的封面或封面的一部分；
[0044]所述裝置還包括學習模塊，其用于深度神經(jīng)網(wǎng)絡訓練，使得所述學習模塊和所述計算模塊可協(xié)同地對同一集合中的照片進行評分；
[0045]所述處理模塊用于，將評分最高或最低的照片作為圖像質(zhì)量最高的照片，并設為該集合的封面或封面的一部分。
[0046]為實現(xiàn)上述發(fā)明目的之一，本發(fā)明一實施方式提供了一種照片歸類裝置，其包括:
[0047]計算模塊，用于將目錄內(nèi)的照片A和照片B的圖像特性相匹配，計算照片A和照片B的圖像相似度；
[0048]處理模塊，用于當所述照片A與所述照片B的圖像相似度大于預設閾值，在前端頁面中將所述照片A和所述照片B展示為位于同一子目錄內(nèi)。
[0049]作為本發(fā)明的進一步改進，所述裝置還包括照片信息獲取模塊，其用于獲取目錄內(nèi)照片的拍照時間信息；
[0050]所述計算模塊用于，將在目錄內(nèi)與照片A的拍照時間間隔在預設范圍內(nèi)的照片B的圖像特性與所述照片A的圖像特性相匹配。
[0051]作為本發(fā)明的進一步改進，所述計算模塊還用于:
[0052]計算照片A與照片B的圖像距離，并根據(jù)照片A和照片B的拍照時間間隔對所述圖像距離進行調(diào)權(quán)，得到綜合圖像距離，其中，綜合圖像距離越大則圖像相似度越低；綜合圖像距離越小則圖像相似度越高。
[0053]作為本發(fā)明的進一步改進，所述計算模塊還用于
[0054]若照片A和照片B的拍照間隔時間大于第一預設時間，則在所述圖像距離上進行加權(quán)，使照片A和照片B的綜合圖像距離增加；
[0055]若照片A和照片B的拍照間隔時間小于第二預設時間，則在所述圖像距離上進行降權(quán)，使所述照片A和照片B的綜合圖像距離減小。
[0056]作為本發(fā)明的進一步改進，所述計算模塊還用于判斷同一集合中照片的圖像質(zhì)量;
[0057]所述處理模塊還用于將圖像質(zhì)量最高的照片作為該集合的封面或封面的一部分；
[0058]所述裝置還包括學習模塊，其用于深度神經(jīng)網(wǎng)絡訓練，使得所述學習模塊和所述計算模塊可協(xié)同地對同一集合中的照片進行評分；
[0059]所述處理模塊用于，將評分最高或最低的照片作為圖像質(zhì)量最高的照片，并設為該集合的封面或封面的一部分。
[0060]與現(xiàn)有技術相比，本發(fā)明的有益效果是:能夠有效地對用戶相冊中大量的相近的圖像進行整理，并放在同一個目錄下，以方便用戶管理和查看。
【專利附圖】
【附圖說明】
[0061]圖1是本發(fā)明第一實施方式的照片的分類存儲方法的流程圖；
[0062]圖2是本發(fā)明第二實施方式的照片的分類存儲方法的流程圖；
[0063]圖3是本發(fā)明一實施方式的照片的分類存儲裝置的模塊圖。
【具體實施方式】
[0064]以下將結(jié)合附圖所示的各實施方式對本發(fā)明進行詳細描述。但這些實施方式并不限制本發(fā)明，本領域的普通技術人員根據(jù)這些實施方式所輕易做出的結(jié)構(gòu)、方法、或功能上的變換均包含在本發(fā)明的保護范圍內(nèi)。
[0065]如圖1所示，在本發(fā)明第一實施方式中，一種照片的分類存儲方法，其包括:
[0066]獲取當前上傳照片的拍照時間信息，并提取所述當前上傳照片的圖像特征；在本實施方式中，一般數(shù)字照片中都包括拍照時間信息，在照片上傳時或上傳后，獲取上傳照片的拍照時間，以及提取當前上傳照片的圖像特征，該圖像特征為圖像的全局描述特征，其包括GIST特征，和/或CMG特征，和/或顏色直方圖特征等。
[0067]將與當前上傳照片的拍照時間間隔在預設范圍內(nèi)的已存照片的圖像特性與所述當前上傳照片的圖像特性相匹配，計算當前上傳照片和已存照片的圖像相似度；在本實施方式中，在獲得了當前上傳照片的拍照時間后，可先在照片庫中根據(jù)所述拍照時間進行篩選，篩選出與所述拍照時間間隔在預設范圍內(nèi)的已存照片。
[0068]根據(jù)拍照習慣，對同一取景事物進行重復拍攝，一般是在一定的時間區(qū)間內(nèi)的，例如，第一次拍照后的30秒內(nèi)的照片，其照片與第一次拍照的照片相同或相似的幾率較高；而拍照時間間隔跨度較大的，例如相隔5分鐘，則對同一取景進行重復拍攝的幾率較短。先用拍照時間篩選出與上傳照片存在相同或相似幾率較高的已存照片，可大大減小后續(xù)的圖像特性匹配的計算量，減輕服務器的工作壓力，提升匹配效率。其次，將篩選出的已存照片的圖像特性與當前上傳照片的圖像特性相匹配，以判斷已存照片中是否存在與當前上傳照片相同或相似的照片，在本實施方式中，可將當前上傳照片的圖像特性與時間區(qū)間內(nèi)的已存照片逐一匹配，以計算一個或多個已存照片與該當前上傳照片的圖像相似度。
[0069]其中，在本實施方式中，圖像相似度的計算包括圖像距離和拍照時間間隔兩個維度，其具體包括:
[0070]計算當前上傳照片與已存照片的圖像距離，所述圖像距離可為Cosine距離，或直方圖距離，或歐式距離等，并根據(jù)當前上傳照片和已存照片的拍照時間間隔對所述圖像距離進行調(diào)權(quán)，得到綜合圖像距離。其中，綜合圖像距離越大則表示圖像相似度越低；綜合圖像距離越小則表示圖像相似度越高。
[0071]具體地，若當前上傳照片和已存照片的拍照時間間隔較長，超過第一預設時間(例如5分鐘)，則在所述圖像距離上進行加權(quán)，使所述當前上傳照片與已存照片的綜合圖像距離增加；若當前上傳照片和已存照片的拍照時間間隔較短，小于第二預設時間(例如小于30秒)，則在所述圖像距離上進行降權(quán)，使得所述上傳照片與已存照片的綜合圖像距離減小。
[0072]當綜合圖像距離小于預設閾值時，則認為當前上傳照片與某一或某些已存照片相同或相似，當綜合圖像距離大于預設閾值時，則認為當前上傳照片與已存照片不相同或不相似。
[0073]將當前上傳照片，以及與所述當前上傳照片相同或相似的已存照片存儲和/或標注為同一獨立的集合。在本實施方式中，可將上傳照片和與其相同或相似的已存照片存儲入同一位于目錄下的文件夾(子目錄)，也可以通過在上傳照片上加入與其相似的已存照片同樣的ID，以在前端頁面中體現(xiàn)為其位于同一文件夾(子目錄)，以便用戶管理和查看。當然，若不存在與當前上傳照片相同或相似的已存照片，則可將該當前上傳照片存在根目錄下，或單獨存放于一文件夾(子目錄)內(nèi)，和/或標注新的ID。
[0074]在本實施方式中，所述方法還包括:
[0075]判斷同一集合中照片的圖像質(zhì)量，將圖像質(zhì)量最高的照片作為該集合的封面或封面的一部分。其中，判斷圖像質(zhì)量的特征可包括圖像的清晰度、圖像中人物的個數(shù)，以及圖像的主觀質(zhì)量分數(shù)等，該方法具體包括:
[0076]通過深度神經(jīng)網(wǎng)絡訓練，對同一集合中的照片進行評分；相應地，通過深度神經(jīng)網(wǎng)絡訓練方法包括:每次輸出兩張一組的照片，并通過人為判斷該兩張照片中哪一張的圖像質(zhì)量較高，以修正系統(tǒng)對照片的圖像質(zhì)量評分，在完成若干組照片的評價后，建立穩(wěn)定的評分標準；
[0077]將評分最高或最低的照片作為圖像質(zhì)量最高的照片，并設為該集合的封面或封面的一部分。需要說明的是，若在上述深度神經(jīng)網(wǎng)絡訓練中，將人為判斷圖像質(zhì)量高的照片分數(shù)修正為低分，則評分最低的照片代表圖像質(zhì)量最高的照片；若在上述深度神經(jīng)網(wǎng)絡訓練中，將人為判斷圖像質(zhì)量高的照片分數(shù)修正為高分，則評分最高的照片代表圖像質(zhì)量最高的照片。另外，在本實施方式中，可將圖像質(zhì)量最高的照片作為集合封面，該集合封面僅為一張圖像；也可將圖像質(zhì)量最高的照片作為集合封面的一部分，該集合封面可由多張照片組合而成。
[0078]如圖2所示，在本發(fā)明第二實施方式中，一種照片的分類存儲方法，其包括:
[0079]將目錄內(nèi)的照片A和照片B的圖像特性相匹配，計算照片A和照片B的圖像相似度；在本實施方式中，該圖像特征為圖像的全局描述特征，其包括GIST特征，和/或CMG特征，和/或顏色直方圖特征等。在該實施方式中，所述照片B為目錄內(nèi)除照片A之外其余照片的任意一張。
[0080]當所述照片A與所述照片B的圖像相似度大于預設閾值，在前端頁面中將所述照片A和所述照片B展示為位于同一子目錄內(nèi)。即是若照片A和照片B相同或相似，則將照片A和照片B存儲和/或標注為同一獨立的集合。在本實施方式中，可將照片A和照片B存儲入同一位于目錄下的文件夾(子目錄)，也可以通過在照片A和照片B上加入同樣的ID，以在前端頁面中體現(xiàn)為其位于同一文件夾(子目錄)，以便用戶管理和查看。當然，若不存在與照片A相同或相似的照片B，則可將照片A存在根目錄下，或單獨存放于一文件夾(子目錄)內(nèi)，和/或標注新的ID。
[0081]在本實施方式中，所述方法在“將目錄內(nèi)的照片A和照片B的圖像特性相匹配”包括:
[0082]獲取目錄內(nèi)照片的拍照時間信息；一般數(shù)字照片中都包括拍照時間信息，獲取照片的拍照時間。
[0083]在獲取照片地拍照時間后，將在目錄內(nèi)與照片A的拍照時間間隔在預設范圍內(nèi)的照片B的圖像特性與所述照片A的圖像特性相匹配。
[0084]根據(jù)拍照習慣，對同一取景事物進行重復拍攝，一般是在一定的時間區(qū)間內(nèi)的，例如，第一次拍照后的30秒內(nèi)的照片，其照片與第一次拍照的照片相同或相似的幾率較高；而拍照時間間隔跨度較大的，例如相隔5分鐘，則對同一取景進行重復拍攝的幾率較短。先用拍照時間篩選出與照片A存在相同或相似幾率較高的已存照片，可大大減小后續(xù)的圖像特性匹配的計算量，減輕服務器的工作壓力，提升匹配效率。在實施方式中，可將照片A的圖像特性與時間區(qū)間內(nèi)的目錄中其他照片逐一匹配，以計算一個或多個照片與該當前照片A的圖像相似度。在該實施方式中，所述照片B為目錄下，與照片A的拍照時間間隔在預設范圍內(nèi)的照片的任意一張。
[0085]其中，在本實施方式中，圖像相似度的計算包括圖像距離和拍照時間間隔兩個維度，其具體包括:
[0086]計算照片A與照片B的圖像距離，所述圖像距離可為Cosine距離，或直方圖距離，或歐式距離等，并根據(jù)照片A和照片B的拍照時間間隔對所述圖像距離進行調(diào)權(quán)，得到綜合圖像距離。其中，綜合圖像距離越大則表示圖像相似度越低；綜合圖像距離越小則表示圖像相似度越高。
[0087]具體地，若照片A和照片B的拍照時間間隔較長，超過第一預設時間(例如5分鐘)，則在所述圖像距離上進行加權(quán)，使所述照片A與照片B的綜合圖像距離增加；若照片A和照片B的拍照時間間隔較短，小于第二預設時間(例如小于30秒)，則在所述圖像距離上進行降權(quán)，使得所述照片A與照片B的綜合圖像距離減小。
[0088]當綜合圖像距離小于預設距離閾值時，則認為照片A與所述照片B的圖像相似度大于預設閾值，當前照片A與照片B相同或相似，當綜合圖像距離大于預設距離閾值時，則認為照片A與所述照片B的圖像相似度小于預設閾值，照片A與照片B不相同或不相似。
[0089]在本實施方式中，所述方法還包括:
[0090]判斷同一集合中照片的圖像質(zhì)量，將圖像質(zhì)量最高的照片作為該集合的封面或封面的一部分。其中，判斷圖像質(zhì)量的特征可包括圖像的清晰度、圖像中人物的個數(shù)，以及圖像的主觀質(zhì)量分數(shù)等，該方法具體包括:
[0091]通過深度神經(jīng)網(wǎng)絡訓練，對同一集合中的照片進行評分；相應地，通過深度神經(jīng)網(wǎng)絡訓練方法包括:每次輸出兩張一組的照片，并通過人為判斷該兩張照片中哪一張的圖像質(zhì)量較高，以修正系統(tǒng)對照片的圖像質(zhì)量評分，在完成若干組照片的評價后，建立穩(wěn)定的評分標準；
[0092]將評分最高或最低的照片作為圖像質(zhì)量最高的照片，并設為該集合的封面或封面的一部分。需要說明的是，若在上述深度神經(jīng)網(wǎng)絡訓練中，將人為判斷圖像質(zhì)量高的照片分數(shù)修正為低分，則評分最低的照片代表圖像質(zhì)量最高的照片；若在上述深度神經(jīng)網(wǎng)絡訓練中，將人為判斷圖像質(zhì)量高的照片分數(shù)修正為高分，則評分最高的照片代表圖像質(zhì)量最高的照片。另外，在本實施方式中，可將圖像質(zhì)量最高的照片作為集合封面，該集合封面僅為一張圖像；也可將圖像質(zhì)量最高的照片作為集合封面的一部分，該集合封面可由多張照片組合而成。
[0093]如圖3所示，為本發(fā)明一實施方式的照片的分類存儲裝置的模塊圖，其可分別對應上述兩種不同的方法。
[0094]當對應上述第一實施方式時，所述裝置包括:
[0095]照片信息獲取模塊100，用于獲取當前上傳照片的拍照時間信息；在本實施方式中，一般數(shù)字照片中都包括拍照時間信息，在照片上傳時或上傳后，獲取上傳照片的拍照時間；
[0096]計算模塊200，用于提取所述當前上傳照片的圖像特征；該圖像特征為圖像的全局描述特征，其包括GIST特征，和/或CMG特征，和/或顏色直方圖特征等。
[0097]以及將與當前上傳照片的拍照時間間隔在預設范圍內(nèi)的已存照片的圖像特性與所述當前上傳照片的圖像特性相匹配，計算當前上傳照片和已存照片的圖像相似度；在本實施方式中，在獲得了當前上傳照片的拍照時間后，可先在照片庫中根據(jù)所述拍照時間進行篩選，篩選出與所述拍照時間間隔在預設范圍內(nèi)的已存照片。其中，該當前上傳照片和已存照片均存放于照片數(shù)據(jù)庫300內(nèi)。
[0098]根據(jù)拍照習慣，對同一取景事物進行重復拍攝，一般是在一定的時間區(qū)間內(nèi)的，例如，第一次拍照后的30秒內(nèi)的照片，其照片與第一次拍照的照片相同或相似的幾率較高；而拍照時間間隔跨度較大的，例如相隔5分鐘，則對同一取景進行重復拍攝的幾率較短。先用拍照時間篩選出與上傳照片存在相同或相似幾率較高的已存照片，可大大減小后續(xù)的圖像特性匹配的計算量，減輕服務器的工作壓力，提升匹配效率。其次，將篩選出的已存照片的圖像特性與當前上傳照片的圖像特性相匹配，以判斷已存照片中是否存在與當前上傳照片相同或相似的照片，在本實施方式中，可將當前上傳照片的圖像特性與時間區(qū)間內(nèi)的已存照片逐一匹配，以計算一個或多個已存照片與該當前上傳照片的圖像相似度。
[0099]其中，在本實施方式中，圖像相似度的計算包括圖像距離和拍照時間間隔兩個維度，所述計算模塊200用于:
[0100]計算當前上傳照片與已存照片的圖像距離，所述圖像距離可為Cosine距離，或直方圖距離，或歐式距離等，并根據(jù)當前上傳照片和已存照片的拍照時間間隔對所述圖像距離進行調(diào)權(quán)，得到綜合圖像距離。其中，綜合圖像距離越大則表示圖像相似度越低；綜合圖像距離越小則表示圖像相似度越高。
[0101]具體地，若當前上傳照片和已存照片的拍照時間間隔較長，超過第一預設時間(例如5分鐘)，則在所述圖像距離上進行加權(quán)，使所述當前上傳照片與已存照片的綜合圖像距離增加；若當前上傳照片和已存照片的拍照時間間隔較短，小于第二預設時間(例如小于30秒)，則在所述圖像距離上進行降權(quán)，使得所述上傳照片與已存照片的綜合圖像距離減小。
[0102]當綜合圖像距離小于預設閾值時，則認為當前上傳照片與某一或某些已存照片相同或相似，當綜合圖像距離大于預設閾值時，則認為當前上傳照片與已存照片不相同或不相似。
[0103]處理模塊400，用于將當前上傳照片，以及與所述當前上傳照片相同或相似的已存照片存儲和/或標注為同一獨立的集合。在本實施方式中，可將上傳照片和與其相同或相似的已存照片存儲入同一位于目錄下的文件夾(子目錄)，也可以通過在上傳照片上加入與其相似的已存照片同樣的ID，以在前端頁面中體現(xiàn)為其位于同一文件夾(子目錄)，以便用戶管理和查看。當然，若不存在與當前上傳照片相同或相似的已存照片，則可將該當前上傳照片存在根目錄下，或單獨存放于一文件夾(子目錄)內(nèi)，和/或標注新的ID。
[0104]在本實施方式中，所述計算模塊200還用于判斷同一集合中照片的圖像質(zhì)量，所述處理模塊400還用于將圖像質(zhì)量最高的照片作為該集合的封面或封面的一部分。其中，判斷圖像質(zhì)量的特征可包括圖像的清晰度、圖像中人物的個數(shù)，以及圖像的主觀質(zhì)量分數(shù)坐寸ο
[0105]所述裝置還包括學習模塊500，所述學習模塊500用于深度神經(jīng)網(wǎng)絡訓練，使得所述學習模塊500和所述計算模塊200可協(xié)同地對同一集合中的照片進行評分。
[0106]相應地，通過深度神經(jīng)網(wǎng)絡訓練方法包括:每次輸出兩張一組的照片，并通過人為判斷該兩張照片中哪一張的圖像質(zhì)量較高，以修正系統(tǒng)對照片的圖像質(zhì)量評分，在完成若干組照片的評價后，建立穩(wěn)定的評分標準；
[0107]所述處理模塊400將評分最高或最低的照片作為圖像質(zhì)量最高的照片，并設為該集合的封面或封面的一部分。需要說明的是，若在上述深度神經(jīng)網(wǎng)絡訓練中，將人為判斷圖像質(zhì)量高的照片分數(shù)修正為低分，則評分最低的照片代表圖像質(zhì)量最高的照片；若在上述深度神經(jīng)網(wǎng)絡訓練中，將人為判斷圖像質(zhì)量高的照片分數(shù)修正為高分，則評分最高的照片代表圖像質(zhì)量最高的照片。另外，在本實施方式中，可將圖像質(zhì)量最高的照片作為集合封面，該集合封面僅為一張圖像；也可將圖像質(zhì)量最高的照片作為集合封面的一部分，該集合封面可由多張照片組合而成。
[0108]當對應上述第二實施方式時，所述裝置包括:
[0109]計算模塊200，用于將目錄內(nèi)的照片A和照片B的圖像特性相匹配，計算照片A和照片B的圖像相似度；在本實施方式中，該圖像特征為圖像的全局描述特征，其包括GIST特征，和/或CMG特征，和/或顏色直方圖特征等。在該實施方式中，所述照片B為目錄內(nèi)除照片A之外其余照片的任意一張。其中，該照片A和照片B均存放于照片數(shù)據(jù)庫300內(nèi)。
[0110]處理模塊400，用于當所述照片A與所述照片B的圖像相似度大于預設閾值，在前端頁面中將所述照片A和所述照片B展示為位于同一子目錄內(nèi)。即是若照片A和照片B相同或相似，則將照片A和照片B存儲和/或標注為同一獨立的集合。在本實施方式中，可將照片A和照片B存儲入同一位于目錄下的文件夾(子目錄)，也可以通過在照片A和照片B上加入同樣的ID，以在前端頁面中體現(xiàn)為其位于同一文件夾(子目錄)，以便用戶管理和查看。當然，若不存在與照片A相同或相似的照片B，則可將照片A存在根目錄下，或單獨存放于一文件夾(子目錄)內(nèi)，和/或標注新的ID。
[0111]在本實施方式中，所述裝置還包括照片信息獲取模塊100，其用于:
[0112]獲取目錄內(nèi)照片的拍照時間信息；一般數(shù)字照片中都包括拍照時間信息，獲取照片的拍照時間。
[0113]所述計算模塊200用于在獲取照片地拍照時間后，將在目錄內(nèi)與照片A的拍照時間間隔在預設范圍內(nèi)的照片B的圖像特性與所述照片A的圖像特性相匹配。
[0114]根據(jù)拍照習慣，對同一取景事物進行重復拍攝，一般是在一定的時間區(qū)間內(nèi)的，例如，第一次拍照后的30秒內(nèi)的照片，其照片與第一次拍照的照片相同或相似的幾率較高；而拍照時間間隔跨度較大的，例如相隔5分鐘，則對同一取景進行重復拍攝的幾率較短。先用拍照時間篩選出與照片A存在相同或相似幾率較高的已存照片，可大大減小后續(xù)的圖像特性匹配的計算量，減輕服務器的工作壓力，提升匹配效率。在實施方式中，可將照片A的圖像特性與時間區(qū)間內(nèi)的目錄中其他照片逐一匹配，以計算一個或多個照片與該當前照片A的圖像相似度。在該實施方式中，所述照片B為目錄下，與照片A的拍照時間間隔在預設范圍內(nèi)的照片的任意一張。
[0115]其中，在本實施方式中，圖像相似度的計算包括圖像距離和拍照時間間隔兩個維度，所述計算模塊200用于:
[0116]計算照片A與照片B的圖像距離，所述圖像距離可為Cosine距離，或直方圖距離，或歐式距離等，并根據(jù)照片A和照片B的拍照時間間隔對所述圖像距離進行調(diào)權(quán)，得到綜合圖像距離。其中，綜合圖像距離越大則表示圖像相似度越低；綜合圖像距離越小則表示圖像相似度越高。
[0117]具體地，若照片A和照片B的拍照時間間隔較長，超過第一預設時間(例如5分鐘)，則在所述圖像距離上進行加權(quán)，使所述照片A與照片B的綜合圖像距離增加；若照片A和照片B的拍照時間間隔較短，小于第二預設時間(例如小于30秒)，則在所述圖像距離上進行降權(quán)，使得所述照片A與照片B的綜合圖像距離減小。
[0118]當綜合圖像距離小于預設距離閾值時，則認為照片A與所述照片B的圖像相似度大于預設閾值，當前照片A與照片B相同或相似，當綜合圖像距離大于預設距離閾值時，則認為照片A與所述照片B的圖像相似度小于預設閾值，照片A與照片B不相同或不相似。
[0119]在本實施方式中，所述計算模塊200還用于判斷同一集合中照片的圖像質(zhì)量，所述處理模塊400還用于將圖像質(zhì)量最高的照片作為該集合的封面或封面的一部分。其中，判斷圖像質(zhì)量的特征可包括圖像的清晰度、圖像中人物的個數(shù)，以及圖像的主觀質(zhì)量分數(shù)坐寸ο
[0120]所述裝置還包括學習模塊500，所述學習模塊500用于深度神經(jīng)網(wǎng)絡訓練，使得所述學習模塊500和所述計算模塊200可協(xié)同地對同一集合中的照片進行評分。
[0121]相應地，通過深度神經(jīng)網(wǎng)絡訓練方法包括:每次輸出兩張一組的照片，并通過人為判斷該兩張照片中哪一張的圖像質(zhì)量較高，以修正系統(tǒng)對照片的圖像質(zhì)量評分，在完成若干組照片的評價后，建立穩(wěn)定的評分標準；
[0122]所述處理模塊400將評分最高或最低的照片作為圖像質(zhì)量最高的照片，并設為該集合的封面或封面的一部分。需要說明的是，若在上述深度神經(jīng)網(wǎng)絡訓練中，將人為判斷圖像質(zhì)量高的照片分數(shù)修正為低分，則評分最低的照片代表圖像質(zhì)量最高的照片；若在上述深度神經(jīng)網(wǎng)絡訓練中，將人為判斷圖像質(zhì)量高的照片分數(shù)修正為高分，則評分最高的照片代表圖像質(zhì)量最高的照片。另外，在本實施方式中，可將圖像質(zhì)量最高的照片作為集合封面，該集合封面僅為一張圖像；也可將圖像質(zhì)量最高的照片作為集合封面的一部分，該集合封面可由多張照片組合而成。
[0123]綜上所述，本發(fā)明的有益效果是:能夠有效地對用戶相冊中大量的相近的圖像進行整理，并放在同一個文件夾下，以方便用戶管理和查看。
[0124]所屬領域的技術人員可以清楚地了解到，為描述的方便和簡潔，上述描述的系統(tǒng)，裝置和模塊的具體工作過程，可以參考前述方法實施方式中的對應過程，在此不再贅述。
[0125]在本發(fā)明所提供的幾個實施方式中，應該理解到，所揭露的系統(tǒng)，裝置和方法，可以通過其它的方式實現(xiàn)。例如，以上所描述的裝置實施方式僅僅是示意性的，例如，所述模塊的劃分，僅僅為一種邏輯功能劃分，實際實現(xiàn)時可以有另外的劃分方式，例如多個模塊或組件可以結(jié)合或者可以集成到另一個系統(tǒng)，或一些特征可以忽略，或不執(zhí)行。另一點，所顯示或討論的相互之間的耦合或直接耦合或通信連接可以是通過一些接口，裝置或模塊的間接耦合或通信連接，可以是電性，機械或其它的形式。
[0126]所述作為分離部件說明的模塊可以是或者也可以不是物理上分開的，作為模塊顯示的部件可以是或者也可以不是物理模塊，即可以位于一個地方，或者也可以分布到多個網(wǎng)絡模塊上。可以根據(jù)實際的需要選擇其中的部分或者全部模塊來實現(xiàn)本實施方式方案的目的。
[0127]另外，在本發(fā)明各個實施方式中的各功能模塊可以集成在一個處理模塊中，也可以是各個模塊單獨物理存在，也可以2個或2個以上模塊集成在一個模塊中。上述集成的模塊既可以采用硬件的形式實現(xiàn)，也可以采用硬件加軟件功能模塊的形式實現(xiàn)。
[0128]上述以軟件功能模塊的形式實現(xiàn)的集成的模塊，可以存儲在一個計算機可讀取存儲介質(zhì)中。上述軟件功能模塊存儲在一個存儲介質(zhì)中，包括若干指令用以使得一臺計算機裝置(可以是個人計算機，服務器，或者網(wǎng)絡裝置等)或處理器(processor)執(zhí)行本發(fā)明各個實施方式所述方法的部分步驟。而前述的存儲介質(zhì)包括:U盤、移動硬盤、只讀存儲器(Read - Only Memory, ROM)、隨機存取存儲器(Random Access Memory, RAM)、磁碟或者光盤等各種可以存儲程序代碼的介質(zhì)。
[0129]最后應說明的是:以上實施方式僅用以說明本發(fā)明的技術方案，而非對其限制；盡管參照前述實施方式對本發(fā)明進行了詳細的說明，本領域的普通技術人員應當理解:其依然可以對前述各實施方式所記載的技術方案進行修改，或者對其中部分技術特征進行等同替換；而這些修改或者替換,并不使相應技術方案的本質(zhì)脫離本發(fā)明各實施方式技術方案的精神和范圍。
【權(quán)利要求】
1.一種照片的分類存儲方法，其特征在于，所述方法包括: 獲取當前上傳照片的拍照時間信息，并提取所述當前上傳照片的圖像特征； 將與當前上傳照片的拍照時間間隔在預設范圍內(nèi)的已存照片的圖像特性與所述當前上傳照片的圖像特性相匹配，計算當前上傳照片和已存照片的圖像相似度； 將當前上傳照片，以及與所述當前上傳照片相同或相似的已存照片存儲和/或標注為同一獨立的集合。
2.根據(jù)權(quán)利要求1所述的照片的分類存儲方法，其特征在于，所述“計算當前上傳照片和已存照片的圖像相似度”包括: 計算當前上傳照片與已存照片的圖像距離，并根據(jù)當前上傳照片和已存照片的拍照時間間隔對所述圖像距離進行調(diào)權(quán)，得到綜合圖像距離，其中，綜合圖像距離越大則圖像相似度越低；綜合圖像距離越小則圖像相似度越高。
3.根據(jù)權(quán)利要求2所述的照片的分類存儲方法，其特征在于，所述“計算當前上傳照片和已存照片的圖像相似度”還包括: 若當前上傳照片和已存照片的拍照時間間隔較長，則在所述圖像距離上進行加權(quán)，使所述當前上傳照片與已存照片的綜合圖像距離增加； 若當前上傳照片和已存照片的拍照時間間隔較短，則在所述圖像距離上進行降權(quán)，使得所述上傳照片與已存照片的綜合圖像距離減小。
4.根據(jù)權(quán)利要求1所述的照片的分類存儲方法，其特征在于，所述方法還包括: 判斷同一集合中照片的圖像質(zhì)量，將圖像質(zhì)量最高的照片作為該集合的封面或封面的一部分，具體包括: 通過深度神經(jīng)網(wǎng)絡訓練，對同一集合中的照片進行評分； 將評分最高或最低的照片作為圖像質(zhì)量最高的照片，并設為該集合的封面或封面的一部分。
5.一種照片的分類存儲方法，其特征在于，所述方法包括: 將目錄內(nèi)的照片A和照片B的圖像特性相匹配，計算照片A和照片B的圖像相似度； 當所述照片A與所述照片B的圖像相似度大于預設閾值，在前端頁面中將所述照片A和所述照片B展示為位于同一子目錄內(nèi)。
6.根據(jù)權(quán)利要求5所述的照片的分類存儲方法，其特征在于，“將目錄內(nèi)的照片A和照片B的圖像特性相匹配”具體包括: 獲取目錄內(nèi)照片的拍照時間信息； 將在目錄內(nèi)與照片A的拍照時間間隔在預設范圍內(nèi)的照片B的圖像特性與所述照片A的圖像特性相匹配。
7.根據(jù)權(quán)利要求6所述的照片的分類存儲方法，其特征在于，所述“計算照片A和照片B的圖像相似度”包括: 計算照片A與照片B的圖像距離，并根據(jù)照片A和照片B的拍照時間間隔對所述圖像距離進行調(diào)權(quán)，得到綜合圖像距離，其中，綜合圖像距離越大則圖像相似度越低；綜合圖像距離越小則圖像相似度越高。
8.根據(jù)權(quán)利要求7所述的照片的分類存儲方法，其特征在于，所述“計算照片A和照片B的圖像相似度”還包括: 若照片A和照片B的拍照間隔時間大于第一預設時間，則在所述圖像距離上進行加權(quán)，使照片A和照片B的綜合圖像距離增加； 若照片A和照片B的拍照間隔時間小于第二預設時間，則在所述圖像距離上進行降權(quán)，使所述照片A和照片B的綜合圖像距離減小。
9.根據(jù)權(quán)利要求5所述的照片的分類存儲方法，其特征在于，所述方法還包括: 判斷同一集合中照片的圖像質(zhì)量，將圖像質(zhì)量最高的照片作為該集合的封面或封面的一部分，具體包括: 通過深度神經(jīng)網(wǎng)絡訓練，對同一集合中的照片進行評分； 將評分最高或最低的照片作為圖像質(zhì)量最高的照片，并設為該集合的封面或封面的一部分。
10.一種照片的分類存儲裝置，其特征在于，所述裝置包括: 照片信息獲取模塊，用于獲取當前上傳照片的拍照時間信息； 計算模塊，用于提取所述當前上傳照片的圖像特征，并將與當前上傳照片的拍照時間間隔在預設范圍內(nèi)的已存照片的圖像特性與所述當前上傳照片的圖像特性相匹配，計算當前上傳照片和已存照片的圖像相似度； 處理模塊，將當前上傳照片，以及與所述當前上傳照片相同或相似的已存照片存儲和/或標注為同一獨立的集合。
11.根據(jù)權(quán)利要求10所述的照片的分類存儲裝置，其特征在于，所述計算模塊用于: 計算當前上傳照片與已存照片的圖像距離，并根據(jù)當前上傳照片和已存照片的拍照時間間隔對所述圖像距離進行調(diào)權(quán)，得到綜合圖像距離，其中，綜合圖像距離越大則圖像相似度越低；綜合圖像距離越小則圖像相似度越高。
12.根據(jù)權(quán)利要求11所述的照片的分類存儲裝置，其特征在于，所述計算模塊還用于: 若當前上傳照片和已存照片的拍照時間間隔較長，則在所述圖像距離上進行加權(quán)，使所述當前上傳照片與已存照片的綜合圖像距離增加； 若當前上傳照片和已存照片的拍照時間間隔較短，則在所述圖像距離上進行降權(quán)，使得所述上傳照片與已存照片的綜合圖像距離減小。
13.根據(jù)權(quán)利要求10所述的照片的分類存儲裝置，其特征在于，所述計算模塊還用于判斷同一集合中照片的圖像質(zhì)量； 所述處理模塊還用于將圖像質(zhì)量最高的照片作為該集合的封面或封面的一部分； 所述裝置還包括學習模塊，其用于深度神經(jīng)網(wǎng)絡訓練，使得所述學習模塊和所述計算模塊可協(xié)同地對同一集合中的照片進行評分； 所述處理模塊用于，將評分最高或最低的照片作為圖像質(zhì)量最高的照片，并設為該集合的封面或封面的一部分。
14.一種照片的分類存儲裝置，其特征在于，所述裝置包括: 計算模塊，用于將目錄內(nèi)的照片A和照片B的圖像特性相匹配，計算照片A和照片B的圖像相似度； 處理模塊，用于當所述照片A與所述照片B的圖像相似度大于預設閾值，在前端頁面中將所述照片A和所述照片B展示為位于同一子目錄內(nèi)。
15.根據(jù)權(quán)利要求14所述的照片的分類存儲裝置，其特征在于，所述裝置還包括照片信息獲取模塊，其用于獲取目錄內(nèi)照片的拍照時間信息； 所述計算模塊用于，將在目錄內(nèi)與照片A的拍照時間間隔在預設范圍內(nèi)的照片B的圖像特性與所述照片A的圖像特性相匹配。
16.根據(jù)權(quán)利要求15所述的照片的分類存儲裝置，其特征在于，所述計算模塊還用于: 計算照片A與照片B的圖像距離，并根據(jù)照片A和照片B的拍照時間間隔對所述圖像距離進行調(diào)權(quán)，得到綜合圖像距離，其中，綜合圖像距離越大則圖像相似度越低；綜合圖像距離越小則圖像相似度越高。
17.根據(jù)權(quán)利要求16所述的照片的分類存儲裝置，其特征在于，所述計算模塊還用于 若照片A和照片B的拍照間隔時間大于第一預設時間，則在所述圖像距離上進行加權(quán)，使照片A和照片B的綜合圖像距離增加； 若照片A和照片B的拍照間隔時間小于第二預設時間，則在所述圖像距離上進行降權(quán)，使所述照片A和照片B的綜合圖像距離減小。
18.根據(jù)權(quán)利要求14所述的照片的分類存儲裝置，其特征在于，所述計算模塊還用于判斷同一集合中照片的圖像質(zhì)量； 所述處理模塊還用于將圖像質(zhì)量最高的照片作為該集合的封面或封面的一部分； 所述裝置還包括學習模塊，其用于深度神經(jīng)網(wǎng)絡訓練，使得所述學習模塊和所述計算模塊可協(xié)同地對同一集合中的照片進行評分； 所述處理模塊用于，將評分最高或最低的照片作為圖像質(zhì)量最高的照片，并設為該集合的封面或封面的一部分。
【文檔編號】G06F17/30GK104133917SQ201410403833
【公開日】2014年11月5日 申請日期:2014年8月15日 優(yōu)先權(quán)日:2014年8月15日
【發(fā)明者】高浩淵, 吳錫 申請人:百度在線網(wǎng)絡技術（北京）有限公司