CN103854227A - 人际关系分析***及方法 - Google Patents

Abstract

一种人际关系分析***及方法，该方法包括：从电子装置的存储器中获取预设的每个时间区段内的照片；从每个时间区段内的照片中识别出包含第一用户及第二用户的照片；分别计算每个时间区段内识别出的每张照片中第一用户与第二用户的距离，从而获取第一用户与第二用户在每个时间区段内的人际关系衡量值；根据每个时间区段内的人际关系衡量值绘制出第一用户与第二用户的人际关系趋势图。利用本发明可以根据用户照片分析出各时间区段内用户之间的人际关系。

Description

人际关系分析***及方法

技术领域

本发明涉及一种数据分析***及方法，尤其涉及一种人际关系分析***及方法。

背景技术

社群网络的兴起使得许多使用者乐意分享图片到网络中，现有的社群网络***如Facebook或Google+都能让使用者进行图片上传，并且提供自动人脸辨识朋友的功能，并将朋友的信息（如姓名）标签（Tag）在照片中。社群使用者可以利用标签了解哪些相片中有哪些朋友，但却不能提供社群使用者与图片中某个朋友间的关系强弱。进一步地，如果使用者想要了解与该朋友的人际关系趋势（如哪几年关系特别好），该使用者可能没有办法马上回忆起来，必须要手动去相片簿挑选，此过程需要耗费大量的时间。

发明内容

鉴于以上内容，有必要提供一种人际关系分析***及方法，其可根据用户照片分析出各时间区段内用户之间的人际关系，并将用户之间的人际关系绘制成人际关系趋势图。

一种人际关系分析***，应用于电子装置，该***包括：照片获取模块，用于从电子装置的存储器中获取预设的每个时间区段内的照片；人脸识别模块，用于从每个时间区段内的照片中识别出包含第一用户及第二用户的照片；人际关系分析模块，用于分别计算每个时间区段内识别出的每张照片中第一用户与第二用户的距离，从而获取第一用户与第二用户在每个时间区段内的人际关系衡量值；人际关系展示模块，用于根据每个时间区段内的人际关系衡量值绘制出第一用户与第二用户的人际关系趋势图，该人际关系趋势图包括第一用户与第二用户在每个时间区段内的人际关系衡量值的变化曲线。

一种人际关系分析方法，应用于电子装置，该方法包括：照片获取步骤，从电子装置的存储器中获取预设的每个时间区段内的照片；人脸识别步骤，从每个时间区段内的照片中识别出包含第一用户及第二用户的照片；人际关系分析步骤一，分别计算每个时间区段内识别出的每张照片中第一用户与第二用户的距离，从而获取第一用户与第二用户在每个时间区段内的人际关系衡量值；人际关系展示步骤，根据每个时间区段内的人际关系衡量值绘制出第一用户与第二用户的人际关系趋势图，该人际关系趋势图包括第一用户与第二用户在每个时间区段内的人际关系衡量值的变化曲线。

相较于现有技术，所述的人际关系分析***及方法，其可根据用户照片分析出各时间区段内用户之间的人际关系，并将用户之间的人际关系绘制成人际关系趋势图，方便社群使用者查看用户之间的关系发展趋势。

附图说明

图1是本发明人际关系分析***的运行环境示意图。

图2是本发明人际关系分析***的功能模块图。

图3是本发明人际关系分析方法的较佳实施例的流程图。

图4是本发明绘制出的第一用户与第二用户的人际关系趋势图。

图5是在绘制的人际关系趋势图中移动时间方格的示意图。

图6是进行多人查询的示意图。

图7是第一用户与第二用户在不同时间区段内的关系强弱示意图。

图8是第一用户与第二用户在不同时间区段内的照片数量示意图。

主要元件符号说明

电子装置	2
		显示设备	20
输入设备	22
		存储器	23
人际关系分析***	24
		处理器	25
人际关系趋势图	30
		时间方格	32
数据接收模块	240
		照片获取模块	241
人脸识别模块	242
		人际关系分析模块	243
人际关系展示模块	244

具体实施方式

如图1所示，是本发明人际关系分析***的运行环境示意图。该人际关系分析***24运行于电子装置2中。该电子装置2还包括通过数据总线相连的显示设备20、输入设备22、存储器23和处理器25。所述电子装置2可以是电脑、手机、PDA（Personal DigitalAssistant，个人数字助理）等。

所述存储器23用于存储所述人际关系分析***24的程序代码和用户照片等资料。所述显示设备20用于显示所述用户照片及人际关系趋势图等资料，例如，所述显示设备20可以是电脑的液晶显示屏、手机的触摸屏等。所述输入设备22用于输入用户设置的各种数据，例如，该输入设备22包括键盘、鼠标等。

所述人际关系分析***24用于根据用户照片分析出各时间区段内用户之间的人际关系，并将用户之间的人际关系绘制成人际关系趋势图，显示在显示设备20上，具体过程以下描述。

在本实施例中，所述人际关系分析***24可以被分割成一个或多个模块，所述一个或多个模块被存储在所述存储器23中并被配置成由一个或多个处理器（本实施例为一个处理器25）执行，以完成本发明。例如，参阅图2所示，所述人际关系分析***24被分割成数据接收模块240、照片获取模块241、人脸识别模块242、人际关系分析模块243和人际关系展示模块244。本发明所称的模块是完成一特定功能的程序段，比程序更适合于描述软件在电子装置2中的执行过程。以下将结合图3说明各模块的具体功能。

如图3所示，是本发明人际关系分析方法的较佳实施例的流程图。

步骤S10，数据接收模块240接收第一用户输入的第二用户的关键词及用于分析人际关系的时间区段的大小。所述第二用户的关键词可以是该第二用户的名称。在本实施例中，第一用户为使用者本人，参阅图4所示，第一用户（me）可以在搜索框输入第二用户在社群网站（如Facebook）的名称（Celine）。所述时间区段的大小可以是一个星期、一个月、一个季度等。

步骤S11，照片获取模块241从存储器23的相片薄中获取每个时间区段内的所有照片。在本实施例中，所述相片薄中的所有照片都包括一个拍摄时间的信息。具体而言，如果一张照片中有EXIF（Exchangeable image fileformat，可交换图像文件格式）资讯，则将EXIF资讯中记录的时间设定为该照片的拍摄时间。如果一张照片中没有EXIF资讯，则将该照片上传到社群网站（如存储器23）的时间设定为该照片的拍摄时间。

举例而言，假设第一用户设定时间区段的大小为一个月，则照片获取模块241根据每个照片的拍摄时间，从存储器23的相片薄中获取每个月的所有照片。例如，照片获取模块241获取2012年1月份10张照片，2月份15张照片等。在其他实施例中，所述时间区段的大小也可以设定为默认值（如1个月），无需用户进行设定。

步骤S12，人脸识别模块242从每个时间区段内的所有照片中识别出包含第一用户及第二用户的照片。例如，人脸识别模块242识别出2012年1月份10张照片中有6张包含第一用户及第二用户，2月份15张照片中有8张包含第一用户及第二用户。

具体而言，人脸识别模块242识别出每个时间区段内的每一张照片中的人脸区块，将上述识别出的人脸区块与第一用户及第二用户的人脸照片进行比对，以判断该照片是否包含第一用户及第二用户。其中，第一用户与第二用户的人脸照片可以是第一用户和第二用户在社群网站的头像。

如果该照片中存在与第一用户的人脸照片匹配的第一人脸区块，及与第二用户的人脸照片匹配的第二人脸区块，则人脸识别模块242判定该照片包含第一用户及第二用户。

步骤S13，人际关系分析模块243分别计算每个时间区段内识别出的每张照片中第一用户与第二用户的距离，从而获取第一用户与第二用户在每个时间区段内的人际关系衡量值。例如，人际关系分析模块243计算出第一用户与第二用户在2012年1月份的人际关系衡量值为80，2月份的人际关系衡量值为90。一个时间区段内的人际关系衡量值越高，代表第一用户与第二用户在该时间区段内的关系越好。

具体而言，人际关系分析模块243依次获取每个时间区段内的每张照片，根据每张照片中包含的人脸区块数量计算出每张照片中包括的人数U。

人际关系分析模块243计算每张照片中第一用户与第二用户之间的距离D。所述距离是指照片中人与人之间的相邻程度。例如，若在某一张照片中，两个人紧挨着，则该两个人之间的距离为1，若该两个人之间相隔n个人，则该两个人之间的距离为n+1。

人际关系分析模块243根据一个预设的关系算法，利用每张照片中的人数U及第一用户与第二用户的距离D，计算出每张照片中第一用户与第二用户之间的关系强度E。所述关系算法为E=1/f(U，D），例如，E=1/（U*D）。

当每个时间区段内的所有照片处理完毕后，人际关系分析模块243加总该时间区段内每张照片计算出来的关系强度E，以获取第一用户与第二用户在每个时间区段内的人际关系衡量值，计算方法如公式（1）所述。

$E_{\mathrm{Tt}}(a,b)=\underset{n=1}{\overset{P_{\mathrm{Tt}}}{\mathrm{\Σ}}}\frac{1}{U_n\×D_n(a,b)}---\left(1\right)$

其中，E_Tt(a,b)表示第一用户a与第二用户b在时间区段T_t内的人际关系衡量值。

P_Tt表示在该时间区段T_t内，包含第一用户与第二用户的照片总数。

U_n表示在该时间区段T_t内第n张照片中包括的人数。

D_n(a,b)表示在该时间区段T_t内第n张照片中第一用户a与第二用户b之间的距离。

步骤S14，人际关系展示模块244根据每个时间区段内的人际关系衡量值绘制出第一用户与第二用户的人际关系趋势图30，并将该人际关系趋势图30显示在显示设备20上。参阅图4所示，该人际关系趋势图30包括第一用户与第二用户在每个时间区段内的人际关系衡量值的变化曲线L1。其中，该人际关系趋势图30的横轴代表时间，横轴中的每一点代表一个时间区段T_t，例如，T_t1代表2004年1月，即[2004-01-01，2004-01-31]，纵轴代表第一用户与第二用户在每个时间区段内的人际关系衡量值E_Tt。从图4的曲线L1可以直观地看出第一用户与第二用户的关系发展趋势，例如，何时关系最好，何时开始慢慢变得疏远。

在其他实施例中，该人际关系趋势图30还可以包括一个可移动的时间方格32，该时间方格32包含多个时间区段及每个时间区段内识别出的包含第一用户及第二用户的照片。参阅图4所示，该时间方格32包括时间区段T_t1至时间区段T_t1-n。参阅图5所示，移动后的时间方格32包括时间区段T_t2至时间区段T_t2-n。当该时间方格32移动时，人际关系展示模块244按照预定的顺序（如拍摄时间顺序），将该时间方格32内每个时间区段识别出的照片显示在人际关系趋势图30的下方。在其他实施例中，所述时间方格32的宽度可以扩大或缩小，最小可以变成一条直线（即一个时间区段）。

在其他实施例中，数据接收模块240也可以接收第一用户输入的第二用户和第三用户的关键词（甚至更多的关键词），其中，第一用户为使用者本人。参阅图6所示，第一用户（me）可以在搜索框输入第二用户的名称（Celine）和第三用户的名称（Mandy）。人际关系趋势图30中将显示两条关系曲线，其中，第一条关系曲线L1代表第一用户与第二用户的人际关系趋势，第二条关系曲线L2代表第一用户与第三用户的人际关系趋势。

需要说明的是，在其他实施例中，当数据接收模块240接收第一用户输入的第二用户和第三用户的关键词后，也可以只在人际关系趋势图30中显示第二用户与第三用户的关系曲线。

在其他实施例中，步骤S13也可以是：人际关系分析模块243根据每个时间区段内识别出的包含第一用户及第二用户的照片数量，确定第一用户与第二用户在每个时间区段内的人际关系衡量值。一个时间区段内的识别出的照片数量越多，确定的人际关系衡量值越高，代表第一用户与第二用户在该时间区段内的关系越好。

但是，用照片数量确定人际关系衡量值的准确度要小于用关系强度（即用户距离）确定人际关系衡量值的准确度。例如，参阅图7所示，时间区段T_t-1的人际关系衡量值E_Tt-1要小于时间区段T_t-2的人际关系衡量值E_Tt-2。但参阅图8所示，时间区段T_t-1内的照片数量P_Tt-1要多于时间区段T_t-2的照片数量P_Tt-2。图8中的直方条代表图片数量，直方条越高代表图片数量越多。

最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (20)

1.一种人际关系分析***，应用于电子装置，其特征在于，该***包括：

照片获取模块，用于从电子装置的存储器中获取预设的每个时间区段内的照片；

人脸识别模块，用于从每个时间区段内的照片中识别出包含第一用户及第二用户的照片；

人际关系分析模块，用于分别计算每个时间区段内识别出的每张照片中第一用户与第二用户的距离，从而获取第一用户与第二用户在每个时间区段内的人际关系衡量值；及

人际关系展示模块，用于根据每个时间区段内的人际关系衡量值绘制出第一用户与第二用户的人际关系趋势图，该人际关系趋势图包括第一用户与第二用户在每个时间区段内的人际关系衡量值的变化曲线。

2.如权利要求1所述的人际关系分析***，其特征在于，该存储器中的每张照片都包括一个拍摄时间的信息。

3.如权利要求2所述的人际关系分析***，其特征在于，如果一张照片中有EXIF资讯，则将EXIF资讯中记录的时间设定为该照片的拍摄时间，如果一张照片中没有EXIF资讯，则将该照片上传到存储器的时间设定为该照片的拍摄时间。

4.如权利要求1所述的人际关系分析***，其特征在于，所述人脸识别模块从每个时间区段内的照片中识别出包含第一用户及第二用户的照片包括：

识别出每个时间区段内的每一张照片中的人脸区块，将上述识别出的人脸区块与第一用户及第二用户的人脸照片进行比对；

如果一张照片中存在与第一用户的人脸照片匹配的第一人脸区块，及与第二用户的人脸照片匹配的第二人脸区块，则判定该照片包含第一用户及第二用户。

5.如权利要求1所述的人际关系分析***，其特征在于，所述人际关系分析模块获取第一用户与第二用户在每个时间区段内的人际关系衡量值包括：

依次获取每个时间区段内的每张照片，根据每张照片中包含的人脸区块数量计算出每张照片中包括的人数U；

计算每张照片中第一用户与第二用户之间的距离D；

根据一个预设的关系算法E=1/f（U，D），利用每张照片中的人数U及第一用户与第二用户的距离D，计算出每张照片中第一用户与第二用户之间的关系强度E；及

加总每个时间区段内每张照片计算出来的关系强度E，以获取第一用户与第二用户在每个时间区段内的人际关系衡量值。

6.如权利要求5所述的人际关系分析***，其特征在于，所述第一用户与第二用户之间的距离D根据以下方法确定：如果第一用户与第二用户之间相隔n个人，则确定第一用户与第二用户之间的距离为n+1。

7.如权利要求5所述的人际关系分析***，其特征在于，所述关系算法为E=1/（U*D）。

8.如权利要求1所述的人际关系分析***，其特征在于，所述人际关系趋势图还包括一个可移动的时间方格，当该时间方格移动时，按照预定的顺序将该时间方格的每个时间区段内识别出的照片显示在人际关系趋势图的下方。

9.如权利要求8所述的人际关系分析***，其特征在于，所述时间方格的宽度可以扩大或缩小。

10.如权利要求1所述的人际关系分析***，其特征在于，所述人际关系分析模块还用于：

根据每个时间区段内识别出的包含第一用户及第二用户的照片数量，确定第一用户与第二用户在每个时间区段内的人际关系衡量值。

11.一种人际关系分析方法，应用于电子装置，其特征在于，该方法包括：

照片获取步骤，从电子装置的存储器中获取预设的每个时间区段内的照片；

人脸识别步骤，从每个时间区段内的照片中识别出包含第一用户及第二用户的照片；

人际关系分析步骤一，分别计算每个时间区段内识别出的每张照片中第一用户与第二用户的距离，从而获取第一用户与第二用户在每个时间区段内的人际关系衡量值；及

人际关系展示步骤，根据每个时间区段内的人际关系衡量值绘制出第一用户与第二用户的人际关系趋势图，该人际关系趋势图包括第一用户与第二用户在每个时间区段内的人际关系衡量值的变化曲线。

12.如权利要求11所述的人际关系分析方法，其特征在于，该存储器中的每张照片都包括一个拍摄时间的信息。

13.如权利要求12所述的人际关系分析方法，其特征在于，如果一张照片中有EXIF资讯，则将EXIF资讯中记录的时间设定为该照片的拍摄时间，如果一张照片中没有EXIF资讯，则将该照片上传到存储器的时间设定为该照片的拍摄时间。

14.如权利要求11所述的人际关系分析方法，其特征在于，所述人脸识别步骤包括：

识别出每个时间区段内的每一张照片中的人脸区块，将上述识别出的人脸区块与第一用户及第二用户的人脸照片进行比对；

如果一张照片中存在与第一用户的人脸照片匹配的第一人脸区块，及与第二用户的人脸照片匹配的第二人脸区块，则判定该照片包含第一用户及第二用户。

15.如权利要求11所述的人际关系分析方法，其特征在于，所述人际关系分析步骤一包括：

依次获取每个时间区段内的每张照片，根据每张照片中包含的人脸区块数量计算出每张照片中包括的人数U；

计算每张照片中第一用户与第二用户之间的距离D；

根据一个预设的关系算法E=1/f（U，D），利用每张照片中的人数U及第一用户与第二用户的距离D，计算出每张照片中第一用户与第二用户之间的关系强度E；及

加总每个时间区段内每张照片计算出来的关系强度E，以获取第一用户与第二用户在每个时间区段内的人际关系衡量值。

16.如权利要求15所述的人际关系分析方法，其特征在于，所述第一用户与第二用户之间的距离D根据以下方法确定：如果第一用户与第二用户之间相隔n个人，则确定第一用户与第二用户之间的距离为n+1。

17.如权利要求15所述的人际关系分析方法，其特征在于，所述关系算法为E=1/（U*D）。

18.如权利要求11所述的人际关系分析方法，其特征在于，所述人际关系趋势图还包括一个可移动的时间方格，当该时间方格移动时，按照预定的顺序将该时间方格的每个时间区段内识别出的照片显示在人际关系趋势图的下方。

19.如权利要求18所述的人际关系分析方法，其特征在于，所述时间方格的宽度可以扩大或缩小。

20.如权利要求11所述的人际关系分析方法，其特征在于，该方法还包括：

人际关系分析步骤二，根据每个时间区段内识别出的包含第一用户及第二用户的照片数量，确定第一用户与第二用户在每个时间区段内的人际关系衡量值。

Images