CN107153838A - 一种照片自动分级方法及装置 - Google Patents

Abstract

本发明公开了一种照片自动分级方法及装置。该方法包括：获取智能设备照片图像，对所述照片图像进行美学评分，根据所述美学评分得到所述照片图像的等级并显示。本发明通过对照片进行美学评分能够实现相册的分级，使得相册更加易于检索出令人满意的高质量照片；能够应用于智能设备本地相册照片及摄像头实时取景图像的自动美学评分；相册的美学分级更加准确、更加全面，且操作方便、效率高，有效克服了现有技术中的种种缺点而具高度产业利用价值。

Description

一种照片自动分级方法及装置

技术领域

本发明图像处理技术领域，特别涉及一种照片自动分级方法及装置。

背景技术

现今用户在个人设备中存储的照片越来越多，从海量照片中快速寻找出拍摄效果较满意的照片耗时耗力，因此需要一种能从美学角度自动分级照片的方法。目前已有一些可以对相册进行自动管理的应用和发明专利。苹果公司iOS10***已经可以根据识别出的照片内容进行自动分类。申请号为CN201510827259.8的发明对相册中的相片进行图像识别，将相片归类为人像类别或风景类别；获取相册中相片的拍摄信息，根据所述拍摄信息将人像类别的相片再归类为自拍人像类别或他拍人像类别，将风景类别的相片再归类为日景类别或夜景类别。该发明通过对相片的实时智能识别来进行相片内容的分类，使得相册更加整洁，但是面对海量质量参差不齐的照片，无法实现从美学角度进行照片质量的分类。申请号为CN201210359524.0的发明先采用基于功率谱斜度的方法提取样本照片的主题区域，然后提取样本照片的特征，最终利用支持矢量机分类器进行照片美学质量的训练，得到分界面模型；自动分类过程使用分界面模型进行识别。该发明考虑了从美学角度分类的思路，但是其通过人工提取的特征并不全面，具有一定的主观性和片面性，且采取通用判别策略而没有针对照片场景进行区别处理，由于不同照片场景的美学评价标准应有所区别，因此分类性能有限。

发明内容

鉴于上述问题，本发明提供了一种照片自动分级方法及装置。

本发明提供的一种照片自动分级方法，包括：

获取智能设备照片图像；

对所述照片图像进行美学评分，根据所述美学评分，得到所述照片图像的等级并显示。

本发明还提供了一种照片自动分级装置，包括照片图像获取模块、等级划分模块：

所述照片图像获取模块，用于获取智能设备照片图像；

所述等级划分模块，用于对所述照片图像进行美学评分，根据所述美学评分，得到所述照片图像的等级并显示。

本发明有益效果如下：

本发明实施例通过对照片图像进行美学评分，有效解决现有技术中无法实现从美学角度进行照片质量的分类、或者虽然考虑了从美学角度分类的思路，但是其通过人工提取的特征并不全面，具有一定的主观性和片面性的问题，具产业利用价值。

附图说明

图1是本发明方法实施例的照片自动分级方法的流程图；

图2是本发明方法实施例中的对照片图像进行识别和分析的流程图；

图3是本发明装置实施例的照片自动分级装置的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

为了解决现有技术中无法实现从美学角度进行照片质量的分类、或者虽然考虑了从美学角度分类的思路，但是其通过人工提取的特征并不全面，具有一定的主观性和片面性的问题，本发明提供了一种照片自动分级方法及装置，以下结合附图以及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不限定本发明。

根据本发明的方法实施例，提供了一种照片自动分级方法，图1是本发明方法实施例的照片自动分级方法的流程图，如图1所示，根据本发明方法实施例的照片自动分级方法包括如下处理：

步骤101，获取智能设备照片图像。

具体的，智能设备包括个人电脑、智能手机、平板电脑、智能眼镜，以及其他具有摄像头及数据处理功能的设备。

具体的，所述照片图像为智能设备中已保存的照片图像或智能设备实时取景照片图像。

步骤102，对所述照片图像进行美学评分，根据所述美学评分，得到所述照片图像的等级并显示。

具体的，所述照片图形等级为图形提示和/或文字提示和/或语音提示。

当所述照片图像为实时取景照片图像时，显示所述照片图像的等级，以供用户选择是否拍照。

具体的，对所述照片图像进行美学评分包括以下步骤：

将所述照片图像输入到预设的美学评价模型中，得到所述照片图像的美学评分。

作为本发明方法实施例的另一实施例，在对所述照片图像进行美学评分之前，还包括以下步骤：

采用预设的图像场景分类算法，对所述照片图像进行识别和分析，得到所述照片图像所属场景的分类结果；

进一步的，对所述照片图像进行美学评分包括以下步骤：

将所述照片图像、及所述照片图像所属场景的分类结果(例如场景标签)输入到预设的美学评价模型中，得到所述照片图像的美学评分。

所述预设的美学评价模型通过训练得到，使用的机器学习方法包括卷积神经网络、受限玻尔兹曼机、深度置信网络等。

进一步的，所述美学评价模型的训练方法包括以下步骤：

获取已知美学评分的若干个图像；

利用已知美学评分的若干个图像对预设的美学评价模型进行训练，或利用已知美学评分的若干个图像、及图像所属的场景标签对预设的美学评价模型进行训练。

如图2所示，具体的，采用预设的图像场景分类算法，对所述照片图像进行识别和分析，得到所述照片图像所属场景的分类结果包括以下步骤：

S201：通过预设的物体识别算法识别出所述照片图像中的若干个物体；

S202：根据预设的上下文语义模型分析出所述若干个物体之间的关联；

S203：根据分析的结果，得到照片图像所属场景的分类结果。

作为本发明方法实施例的另一实施例，还包括以下步骤：当所述照片图像为智能设备中已保存的照片图像时，根据智能设备中已保存的若干个照片图像的美学评分，对所述若干个照片图像进行分类(即相册的分级)。

本发明实施例通过对照片图像进行美学评分能够实现相册的分级，使得相册更加易于检索出令人满意的高质量照片；能够应用于智能设备本地相册照片及摄像头实时取景图像的自动美学评分；相册的美学分级更加准确、更加全面，且操作方便、效率高，有效克服了现有技术中的种种缺点而具高度产业利用价值。

根据本发明的装置实施例，提供了一种照片自动分级装置，图3是本发明装置实施例的照片自动分级装置的结构示意图，如图3所示，根据本发明装置实施例的照片自动分级装置包括：照片图像获取模块30、等级划分模32，以下对本发明实施例的各个模块进行详细的说明。

具体地，所述照片图像获取模块30，用于获取智能设备照片图像。

所述等级划分模块32，用于对所述照片图像进行美学评分，根据所述美学评分，得到所述照片图像的等级并显示。

具体的，所述照片图像等级为图形提示和/或文字提示和/或语音提示。

所述等级划分模块32具体用于：

将所述照片图像输入到预设的美学评价模型中，得到所述照片图像的美学评分。

作为本发明装置实施例的另一实施例，还包括图像场景分类模块：

所述图像场景分类模块，用于采用预设的图像场景分类算法，对所述照片图像进行识别和分析，得到所述照片图像所属场景的分类结果；

所述等级划分模块32还用于：

将所述照片图像、及所述照片图像所属场景的分类结果(例如场景标签)输入到预设的美学评价模型中，得到所述照片图像的美学评分。

具体的，所述图像场景分类模块用于：

通过预设的物体识别算法识别出所述照片图像中的若干个物体；

根据预设的上下文语义模型分析出所述若干个物体之间的关联；

根据分析的结果，得到照片图像所属场景的分类结果。

具体的，所述预设的美学评价模型包括卷积神经网络模型、受限玻尔兹曼机、深度置信网络。

所述预设的美学评价模型通过训练得到，使用的机器学习方法包括卷积神经网络、受限玻尔兹曼机、深度置信网络等。

作为本发明装置实施例的另一实施例，还包括模型训练模块：

所述模型训练模块用于：

获取已知美学评分的若干个图像；

利用已知美学评分的若干个图像对预设的美学评价模型进行训练，或利用已知美学评分的若干个图像、及图像所属的场景标签对预设的美学评价模型进行训练。

作为本发明装置实施例的另一实施例，还包括分类模块，所述分类模块，用于当所述照片图像为智能设备中已保存的照片图像时，根据智能设备中已保存的若干个照片图像的美学评分，对所述若干个照片图像进行分类。

本发明的智能设备相册照片自动分级方法及***，具有以下有益效果：

1、采用场景分类算法对不同场景进行自适应地美学评价，而且避免采取通用美学判别策略的分类性能限制，提高了最终相册照片分级的准确性。

2、美学评价模型通过训练得到，避免了人工规则模型的主观性和片面性。

为了更加详细的说明本发明实施例，给出实例1，实例1包括以下步骤：

步骤S1：从智能设备相册中获取照片图像。

步骤S2：采用图像场景分类算法，对相册中的相片进行图像识别，根据识别结果将照片分为风景、肖像、夜景、建筑、动物、植物、动态、静态、逆光九个类别。

步骤S3：根据场景分类的结果与原始图像作为输入，使用卷积神经网络美学评价模型进行进一步的美学评价，得到照片的美学评分。

步骤S4：分值高低对应美学价值高低，根据评分分值可量化为若干等级，方便用户检索。

在步骤S1中，智能设备相册中获取照片图像，亦可获取智能设备摄像头实时取景图像作为图像来源。

在步骤S2中，根据场景分类算法分析出的结果可将图像归类为风景、肖像、夜景、建筑、动物、植物、动态、静态、逆光九个类别，即得到照片所属场景分类结果。

需要说明的是，现有技术中已经有很多成熟的场景分类，故在此不再赘述。

在所述步骤S3中，将作为图像场景分类结果输入，使用卷积神经网络美学评价模型对图像进行评分(分值范围为1-10分)。卷积神经网络美学评价模型通过训练得到，避免了人工规则特征的主观性和片面性。

需要说明的是，美学评价模型包括并不限于使用卷积神经网络，亦可采用其他机器学习方法，例如受限玻尔兹曼机、深度置信网络。美学评价模型学习到的影响照片美学的因素包括场景构图、亮度、对比度、色温、饱和度、高光、阴影、峰值信噪比等。

在所述步骤S4中，统计相册所有照片的美学评分，采用均分方式进行量化分为五级，将其作为检索标签供用户检索。

需要说明的是，本发明的智能设备相册照片的自动分级方法及***也可对智能设备摄像头实时取景图像进行评分，可用于拍照建议，其分类方法与智能设备相册照片的自动分级方法相同。

本发明中所涉及的智能设备包括并不限于个人电脑、智能手机、平板电脑，以及其他具有数据处理功能的设备。所分级照片来源包括且不限于智能设备相册，亦可使用设备摄像头实时取景图像。场景分类类别包括且不限于风景、肖像、夜景、建筑、动物、植物、动态、静态、逆光九个类别。场景分类结果可以作为卷积神经网络美学评价模型的输入参数，亦可采用针对每一种场景分类单独建立其相应的卷积神经网络模型。美学评价模型包括并不限于使用卷积神经网络模型，亦可采用其他深度学习模型，例如受限玻尔兹曼机、深度置信网络。量化分级数量包括并不限于五级。量化分级方式包括并不限于使用均分方式，亦可采用LOG方式或指数方式。

本方法实施例实现了对照片的美学分级，其中，图像获取来源为智能设备中的相册照片，或为智能摄像头实时取景图像，而且通过预先对相册照片进行场景分类，提升美学评价准确性，采用卷积神经网络美学评价模型，避免人工规则特征的主观性和片面性，本方法及***可以适用的范围广，可在智能设备中广泛适用。

以上所述仅为本发明的实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。

Claims (10)

1.一种照片自动分级方法，其特征在于，包括以下步骤：

获取智能设备照片图像；

对所述照片图像进行美学评分，根据所述美学评分得到所述照片图像的等级并显示。

2.如权利要求1所述的照片自动分级方法，其特征在于，对所述照片图像进行美学评分包括以下步骤：

将所述照片图像输入到预设的美学评价模型中，得到所述照片图像的美学评分。

3.如权利要求1所述的照片自动分级方法，其特征在于，在对所述照片图像进行美学评分之前，还包括以下步骤：

采用预设的图像场景分类算法，对所述照片图像进行识别和分析，得到所述照片图像所属场景的分类结果；

进一步的，对所述照片图像进行美学评分包括以下步骤：

将所述照片图像、及所述照片图像所属场景的分类结果输入到预设的美学评价模型中，得到所述照片图像的美学评分。

4.如权利要求1所述的照片自动分级方法，其特征在于，所述照片图像为智能设备中已保存的照片图像或智能设备实时取景照片图像。

5.如权利要求4所述的照片自动分级方法，其特征在于，还包括：

当所述照片图像为智能设备中已保存的照片图像时，根据智能设备中已保存的照片图像的美学评分，对所述照片图像进行分类，并显示分类结果。

6.一种照片自动分级装置，其特征在于，包括照片图像获取模块、等级划分模块：

所述照片图像获取模块，用于获取智能设备照片图像；

所述等级划分模块，用于对所述照片图像进行美学评分，根据所述美学评分，得到所述照片图像的等级并显示。

7.如权利要求6所述的照片自动分级装置，其特征在于，所述等级划分模块用于：

将所述照片图像输入到预设的美学评价模型中，得到所述照片图像的美学评分。

8.如权利要求6所述的照片自动分级装置，其特征在于，还包括图像场景分类模块：

所述图像场景分类模块，用于采用预设的图像场景分类算法，对所述照片图像进行识别和分析，得到所述照片图像所属场景的分类结果；

所述等级划分模块还用于：

将所述照片图像、及所述照片图像所属场景的分类结果输入到预设的美学评价模型中，得到所述照片图像的美学评分。

9.如权利要求6所述的照片自动分级装置，其特征在于，所述照片图像为智能设备中已保存的照片图像或智能设备的实时取景照片图像。

10.如权利要求9所述的照片自动分级装置，其特征在于，还包括分类模块：

所述分类模块，当所述照片图像为智能设备中已保存的照片图像时，根据智能设备中已保存的照片图像的美学评分，对所述照片图像进行分类，并显示分类结果。