CN108346139A - 一种图像筛选方法及装置 - Google Patents
一种图像筛选方法及装置 Download PDFInfo
- Publication number
- CN108346139A CN108346139A CN201810018753.3A CN201810018753A CN108346139A CN 108346139 A CN108346139 A CN 108346139A CN 201810018753 A CN201810018753 A CN 201810018753A CN 108346139 A CN108346139 A CN 108346139A
- Authority
- CN
- China
- Prior art keywords
- alternative
- image
- alternative image
- shooting quality
- target
- Prior art date
- Legal status (The legal status 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 status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Studio Devices (AREA)
- Processing Or Creating Images (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例提供了一种图像筛选方法及装置,该方法包括:获取拍摄得到的多张备选图像,其中,每张备选图像均包括多个目标对象;分别从备选图像中提取各目标对象的关键特征,根据提取到的关键特征对每张备选图像进行拍摄质量分析,得到备选图像的拍摄质量分析结果;根据各备选图像的拍摄质量分析结果,从多张备选图像中选取目标图像。通过对多张备选图像进行拍摄质量分析,在多张备选图像中确定出拍摄质量符合预设要求的目标图像,从而提高图像筛选效率,减少了用户对多张备选图像逐一浏览并选取目标图像的时间,同时避免因用户选取失误而导致将拍摄质量不符合预设要求的备选图像作为目标图像,提高了目标图像选取的精准度,提升了用户体验。
Description
技术领域
本申请涉及图像识别的技术领域,尤其涉及一种图像筛选方法及装置。
背景技术
目前,在用户社交过程中,例如,同学聚会等等,通常会拍摄大合照留作纪念。但是参与拍照的人数越多,不确定的因素也会随之增加,例如,在拍摄得到的照片中,可能出现某参与者突然眨眼、表情夸张、突然歪头等拍摄不合格项。为了避免将存在拍摄不合格项的图像分享至社交平台而影响用户形象的情况,往往通过对目标对象拍摄多张图像,然后,用户对拍摄得到的多张图像逐一浏览,在多张图像中选取出拍摄质量符合预设要求的目标图像。
由此可知,在从多张图像中选取目标图像的过程中,需要用户对拍摄得到的多张图像逐一浏览并选取出目标图像,不仅需要用户花费一定挑选的时间,还增加了挑选难度,另外,还可能因用户选取失误而导致将拍摄质量不符合预设要求的图像作为目标图像分享至社交平台,从而造成不良的用户体验。
发明内容
本申请实施例的目的是提供一种图像筛选方法及装置,通过对目标对象的多张备选图像进行拍摄质量分析,在多张备选图像中确定出拍摄质量符合预设要求的目标图像,从而提高图像筛选效率,减少了用户对多张备选图像逐一浏览并选取目标图像的时间,同时避免因用户选取失误而导致将拍摄质量不符合预设要求的备选图像作为目标图像,提高了目标图像选取的精准度,提升了用户体验。
为解决上述技术问题,本申请实施例是这样实现的:
本申请实施例提供了一种图像筛选方法,包括:
获取拍摄得到的多张备选图像,其中,每张所述备选图像均包括多个目标对象;
分别从所述备选图像中提取各目标对象的关键特征,根据提取到的所述关键特征对每张所述备选图像进行拍摄质量分析,得到所述备选图像的拍摄质量分析结果;
根据各所述备选图像的所述拍摄质量分析结果,从所述多张备选图像中选取目标图像。
本申请实施例提供了一种图像筛选方法,包括:
获取拍摄得到的多张备选图像,其中,每张所述备选图像均包括多个目标人脸;
分别从所述备选图像中提取各目标人脸的关键特征,根据提取到的所述关键特征对每张所述备选图像进行拍摄质量分析,得到所述备选图像的拍摄质量分析结果;
根据各所述备选图像的所述拍摄质量分析结果,从所述多张备选图像中选取目标图像。
本申请实施例提供了一种图像筛选装置,包括:
备选图像获取模块,用于获取拍摄得到的多张备选图像,其中,每张所述备选图像均包括多个目标对象;
拍摄质量分析模块,用于分别从所述备选图像中提取各目标对象的关键特征,根据提取到的所述关键特征对每张所述备选图像进行拍摄质量分析,得到所述备选图像的拍摄质量分析结果;
根据各所述备选图像的所述拍摄质量分析结果,从所述多张备选图像中选取目标图像。
本申请实施例提供了一种图像筛选装置,包括:
备选图像获取模块,用于获取拍摄得到的多张备选图像,其中,每张所述备选图像均包括多个目标人脸;
拍摄质量分析模块,用于分别从所述备选图像中提取各目标人脸的关键特征,根据提取到的所述关键特征对每张所述备选图像进行拍摄质量分析,得到所述备选图像的拍摄质量分析结果;
目标图像选取模块,用于根据各所述备选图像的所述拍摄质量分析结果,从所述多张备选图像中选取目标图像。
本申请实施例提供了一种图像筛选设备,包括:处理器;以及
被安排成存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器:
获取拍摄得到的多张备选图像,其中,每张所述备选图像均包括多个目标对象;
分别从所述备选图像中提取各目标对象的关键特征,根据提取到的所述关键特征对每张所述备选图像进行拍摄质量分析,得到所述备选图像的拍摄质量分析结果;
根据各所述备选图像的所述拍摄质量分析结果,从所述多张备选图像中选取目标图像。
本申请实施例提供了一种图像筛选设备,包括:处理器;以及
被安排成存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器:
获取拍摄得到的多张备选图像,其中,每张所述备选图像均包括多个目标人脸;
分别从所述备选图像中提取各目标人脸的关键特征,根据提取到的所述关键特征对每张所述备选图像进行拍摄质量分析,得到所述备选图像的拍摄质量分析结果;
根据各所述备选图像的所述拍摄质量分析结果,从所述多张备选图像中选取目标图像。
本申请实施例提供了一种存储介质,包括:
获取拍摄得到的多张备选图像,其中,每张所述备选图像均包括多个目标对象;
分别从所述备选图像中提取各目标对象的关键特征,根据提取到的所述关键特征对每张所述备选图像进行拍摄质量分析,得到所述备选图像的拍摄质量分析结果;
根据各所述备选图像的所述拍摄质量分析结果,从所述多张备选图像中选取目标图像。
本申请实施例提供了一种存储介质,包括:
获取拍摄得到的多张备选图像,其中,每张所述备选图像均包括多个目标人脸;
分别从所述备选图像中提取各目标人脸的关键特征,根据提取到的所述关键特征对每张所述备选图像进行拍摄质量分析,得到所述备选图像的拍摄质量分析结果;
根据各所述备选图像的所述拍摄质量分析结果,从所述多张备选图像中选取目标图像。
本申请实施例中的图像筛选方法及装置,获取拍摄得到的多张备选图像,其中,每张备选图像均包括多个目标对象;分别从备选图像中提取各目标对象的关键特征,根据提取到的关键特征对每张备选图像进行拍摄质量分析,得到备选图像的拍摄质量分析结果;根据各备选图像的拍摄质量分析结果,从多张备选图像中选取目标图像。通过对多张备选图像进行拍摄质量分析,在多张备选图像中确定出拍摄质量符合预设要求的目标图像,从而提高图像筛选效率,减少了用户对多张备选图像逐一浏览并选取目标图像的时间,同时避免因用户选取失误而导致将拍摄质量不符合预设要求的备选图像作为目标图像,提高了目标图像选取的精准度,提升了用户体验。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的图像筛选方法的第一种流程示意图;
图2为本申请实施例提供的图像筛选方法的第二种流程示意图;
图3为本申请实施例提供的图像筛选方法的第三种流程示意图;
图4为本申请实施例提供的图像筛选方法的第四种流程示意图;
图5为本申请实施例提供的图像筛选方法的第五种流程示意图;
图6为本申请实施例提供的图像筛选方法的第六种流程示意图;
图7a为本申请实施例提供的图像筛选方法中备选图像之一的效果示意图;
图7b为本申请实施例提供的图像筛选方法中备选图像之二的效果示意图;
图7c为本申请实施例提供的图像筛选方法中备选图像之三的效果示意图;
图7d为本申请实施例提供的图像筛选方法中备选图像之四的效果示意图;
图8为本申请实施例提供的图像筛选装置的模块组成示意图;
图9为本申请实施例提供的图像筛选设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请中的技术方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
本申请实施例提供了一种图像筛选方法及装置,通过对目标对象的多张备选图像进行拍摄质量分析,在多张备选图像中确定出拍摄质量符合预设要求的目标图像,从而提高图像筛选效率,减少了用户对多张备选图像逐一浏览并选取目标图像的时间,同时避免因用户选取失误而导致将拍摄质量不符合预设要求的备选图像作为目标图像,提高了目标图像选取的精准度,提升了用户体验。
图1为本申请一实施例提供的图像筛选方法的第一种流程示意图,图1中的方法能够由终端设备执行,该终端设备可以是智能手机或平板电脑等移动终端,还可以是电脑等固定终端,如图1所示,该方法至少包括以下步骤:
S101,获取拍摄得到的多张备选图像,其中,每张备选图像均包括多个目标对象且各备选图像中包含相同的多个目标对象,即多张备选图像是在不同时刻针对相同的多个目标对象拍摄得到的,两两备选图像之间的相似度比较高;具体的,该多张备选图像可以是直接由移动终端拍摄得到的,也可以是由专门的摄像装置拍摄得到的,针对由专门的摄像装置拍摄得到的情况,需要预先将拍摄得到的多张备选图像传输至终端设备中。
S102,分别从备选图像中提取各目标对象的关键特征,根据提取到的关键特征对每张备选图像进行拍摄质量分析,得到备选图像的拍摄质量分析结果;具体的,采用关键特征提取的方式,分别对各备选图像进行拍摄质量分析,每张备选图像对应于一个拍摄质量分析结果。
S103,根据各备选图像的拍摄质量分析结果,从多张备选图像中选取目标图像。
本申请提供的实施例中,通过对多张备选图像进行拍摄质量分析,在多张备选图像中确定出拍摄质量符合预设要求的目标图像,从而提高图像筛选效率,减少了用户对多张备选图像逐一浏览并选取目标图像的时间,同时避免因用户选取失误而导致将拍摄质量不符合预设要求的备选图像作为目标图像,提高了目标图像选取的精准度,提升了用户体验。
其中,针对每张备选图像而言,对该备选图像进行关键特征提取后,对于提取到的多个关键特征,需要分别对每个关键特征进行拍摄质量分析,进而得到该备选图像的拍摄质量分析结果,具体的,如图2所示,上述S102分别从备选图像中提取各目标对象的关键特征,根据提取到的关键特征对每张备选图像进行拍摄质量分析,得到备选图像的拍摄质量分析结果,具体包括:
S1021,针对每张备选图像,从该备选图像中提取各目标对象的关键特征;具体的,可以预先设定针对包含不同类型的目标对象的备选图像与需要提取的目标对象的关键特征的类型之间的对应关系,例如,对于拍摄得到的人像照片而言,关键特征可以是人脸五官特征,如眼部特征、嘴部特征等等,此时,针对每张备选图像而言,需要从备选图像中提取每个人像的眼部特征,还需要从备选图像中提取每个人像的嘴部特征。
S1022,对提取到的各关键特征进行质量评价识别,得到质量评价识别结果;其中,该质量评价识别过程具体为:针对每个关键特征,判断该关键特征是否存在预设拍摄不合格项,针对提取到的关键特征为眼部特征的情况,判断各人像的眼部特征是否存在闭眼现象,针对提取到的关键特征为嘴部特征的情况,判断各人像的嘴部特征是否存在无面带微笑现象。
S1023,根据各关键特征的质量评价识别结果,确定该备选图像的拍摄质量分析结果。
其中,上述S1023根据各关键特征的质量评价识别结果,确定该备选图像的拍摄质量分析结果,具体包括:
根据各关键特征的质量评价识别结果对备选图像进行权重加成打分,将得到的打分结果作为该备选图像的拍摄质量分析结果。
具体的,利用加权平均值的方法根据各关键特征的质量评价识别结果,计算该备选图像的拍摄质量分数,具体为:如果提取的关键特征的类型为多种,根据各种类型的关键特征的优先级为关键特征设置相应的权重系数,备选图像的拍摄质量分数的计算公式为:其中,y表示备选图像的拍摄质量分数,Ai表示第i种关键特征的权重系数,xi表示第i种关键特征出现的异常次数,n表示关键特征的种类数。
其中,由于不同类型的关键特征存在异常,对拍摄质量影响程度不同,例如,人像照片中的闭眼现象对拍摄质量影响比较大,而人像照片中的无面带微笑现象对拍摄质量影响比较小,因此,可以将眼部特征对应的权重系数大于嘴部特征对应的权重系数,此时,备选图像中出现一个眼部特征异常需要扣去的分数大于出现一次嘴部特征异常需要扣去的分数,例如,上述备选图像的拍摄质量分数的计算公式中的总分数设定为100分,识别出一次眼部特征异常扣1分,识别出一次嘴部特征异常一次扣0.5分。
其中,如图3所示,上述S103根据各备选图像的拍摄质量分析结果,从多张备选图像中选取目标图像,具体包括:
S1031,根据各备选图像的拍摄质量分析结果,对多张备选图像的拍摄质量进行排序;具体的,针对将上述打分结果作为各备选图像的拍摄质量分析结果的情况,按照拍摄质量分数由大到小的顺序对多张备选图像的拍摄质量进行排序。
S1032,按照拍摄质量由高到低的顺序选取预设数量的备选图像作为目标图像,具体的,备选图像的拍摄质量分数越高,说明该备选图像的拍摄质量越高,备选图像的排序越靠前,在具体实施时,可以将拍摄质量最高的备选图像作为目标图像,此时预设数量等于1,也可以将拍摄质量排序靠前的多张备选图像作为目标图像,此时预设数量大于等于2,这样用户可以根据实际需求从中选择一张备选图像作为目标图像。
进一步的,考虑到可能存在所有备选图像均不符合预设拍摄质量条件的情况,为了保证最终确定出的目标图像的拍摄质量,基于此,上述S1032按照拍摄质量由高到低的顺序选取预设数量的备选图像作为目标图像之后,还包括:
判断选取出的至少一张目标图像的拍摄质量是否符合预设条件;具体的,判断每张目标图像的拍摄质量分数是否大于预设阈值。
若否,则生成建议用户重新拍照的提示信息;具体的,如果每张目标图像的拍摄质量分数均小于预设阈值,说明所有备选图像均不符合预设拍摄质量条件,此时,需要提示用户重新拍照,进而再对最新拍摄得到的备选图像进行拍摄质量分析,根据得到的拍摄质量分析结果确定最新拍摄得到的备选图像是否符合预设拍摄质量条件,直到选取出至少一张符合预设拍摄质量条件的目标图像,以便从中选取出拍摄质量更优的备选图像。
进一步的,如图4所示,上述S103根据各备选图像的拍摄质量分析结果,从多张备选图像中选取目标图像之后,还包括:
S104,在检测到图像分享请求时,向用户推荐选取出的目标图像,具体的,从多张备选图像中选取出目标图像后,在确定用户需要在社交平台上分享备选图像时,可以将选取出的目标图像推荐给用户,以使用户分享出去的图像的拍摄质量满足预设要求,防止用户将拍摄质量不符合预设要求的图像分享到社交平台上,从而避免产生不良的用户体验。
本申请实施例中的图像筛选方法,获取拍摄得到的多张备选图像,其中,每张备选图像均包括多个目标对象;分别从备选图像中提取各目标对象的关键特征,根据提取到的关键特征对每张备选图像进行拍摄质量分析,得到备选图像的拍摄质量分析结果;根据各备选图像的拍摄质量分析结果,从多张备选图像中选取目标图像。通过对多张备选图像进行拍摄质量分析,在多张备选图像中确定出拍摄质量符合预设要求的目标图像,从而提高图像筛选效率,减少了用户对多张备选图像逐一浏览并选取目标图像的时间,同时避免因用户选取失误而导致将拍摄质量不符合预设要求的备选图像作为目标图像,提高了目标图像选取的精准度,提升了用户体验。
对应上述图1至图4描述的图像筛选方法,基于相同的技术构思,本申请另一实施例还提供了一种图像筛选方法,图5为本申请实施例提供的图像筛选方法的第五种流程示意图,该流程同样可以由终端设备执行,该终端设备可以是智能手机或平板电脑等移动终端,还可以是电脑等固定终端,如图5所示,该流程包括:
S501,获取拍摄得到的多张备选图像,其中,每张备选图像均包括多个目标人脸且各备选图像中包含相同的多个目标人脸;具体的,针对多人大合影的应用场景而言,每张备选图像中均包括参与大合影拍照的多个参与人员。
S502,分别从备选图像中提取各目标人脸的关键特征,根据提取到的关键特征对每张备选图像进行拍摄质量分析,得到备选图像的拍摄质量分析结果;具体的,基于人脸识别技术,采用关键特征提取的方式,分别对各备选图像进行拍摄质量分析,每张备选图像对应于一个拍摄质量分析结果。
S503,根据各备选图像的拍摄质量分析结果,从多张备选图像中选取目标图像。
本申请提供的实施例中,通过对多张备选图像进行拍摄质量分析,在多张备选图像中确定出拍摄质量符合预设要求的目标图像,从而提高图像筛选效率,减少了用户对多张备选图像逐一浏览并选取目标图像的时间,同时避免因用户选取失误而导致将拍摄质量不符合预设要求的备选图像作为目标图像,提高了目标图像选取的精准度,提升了用户体验,尤其,针对多人大合影的应用场景而言,由于参与大合影拍照的人员数量越多,用户对多张备选图像逐一浏览并选取目标图像的难度越大,因此采用该图像筛选方法,能够大大降低目标图像的选取难度,大大提高目标图像选取的精准度。
其中,针对每张备选图像而言,对该备选图像进行关键特征提取后,以提取目标人脸的眼部特征为例,对于提取到的各目标人脸的眼部特征,需要分别对每个眼部特征进行拍摄质量分析,进而得到该备选图像的拍摄质量分析结果,具体的,如图6所示,上述S502分别从备选图像中提取各目标人脸的关键特征,根据提取到的关键特征对每张备选图像进行拍摄质量分析,得到备选图像的拍摄质量分析结果,具体包括:
S5021,针对每张备选图像,从该备选图像中至少提取各目标人脸的眼部特征。
S5022,根据提取到的各眼部特征,确定该备选图像中眼部张开程度不符合预设眼部张开程度的异常数量;具体的,可以根据各眼部特征的张开程度确定目标人脸是否存在闭眼现象,如果发现闭眼现象,则将针对眼部特征的异常数量加一。
S5023,根据确定出的异常数量,确定该备选图像的拍摄质量分析结果。
需要说明的是,在具体实施时,还可以同时提取各目标人脸的嘴部特征,或者提取各目标人脸的其他关键部位特征,均在本申请的保护范围之内。
其中,上述S5023根据确定出的异常数量,确定该备选图像的拍摄质量分析结果,具体包括:
根据确定出的异常数量,对备选图像的拍摄质量进行权重加成打分;
将得到的打分结果作为备选图像的拍摄质量分析结果。
具体的,利用加权平均值的方法根据针对各关键特征的异常数量,计算该备选图像的拍摄质量分数,具体为:以提取的关键特征包括目标人脸的眼部特征和嘴部特征为例,根据眼部特征和嘴部特征的优先级,分别设置眼部特征的权重系数和嘴部特征的权重系数,备选图像的拍摄质量分数的计算公式为:y=总分数-(β×a+μ×b),其中,y表示备选图像的拍摄质量分数,β表示眼部特征的权重系数,μ表示嘴部特征的权重系数,a表示眼部特征出现的异常次数,b表示嘴部特征出现的异常次数。
其中,由于不同类型的关键特征存在异常,对拍摄质量影响程度不同,例如,人像照片中的闭眼现象对拍摄质量影响比较大,而人像照片中的无面带微笑现象对拍摄质量影响比较小,因此,可以将眼部特征对应的权重系数大于嘴部特征对应的权重系数,此时,备选图像中出现一个眼部特征异常需要扣去的分数大于出现一次嘴部特征异常需要扣去的分数,例如,上述备选图像的拍摄质量分数的计算公式中的总分数设定为100分,识别出一次眼部特征异常扣1分,即眼部特征的权重系数为1.0,识别出一次嘴部特征异常一次扣0.5分,即嘴部特征的权重系数为0.5。
其中,上述S503根据各备选图像的拍摄质量分析结果,从多张备选图像中选取目标图像,具体包括:
根据各备选图像的打分结果,将分数最高的备选图像作为目标图像。
具体的,针对将上述打分结果作为各备选图像的拍摄质量分析结果的情况,按照拍摄质量分数由大到小的顺序对多张备选图像的拍摄质量进行排序,备选图像的拍摄质量分数越高,说明该备选图像的拍摄质量越高,备选图像的排序越靠前,在具体实施时,可以将拍摄质量分数最高的备选图像作为目标图像,也可以按照拍摄质量分数由大到小的顺序选取排序靠前的多张备选图像作为目标图像,这样用户可以根据实际需求从中选择一张备选图像作为目标图像。
进一步的,考虑到可能存在所有备选图像均不符合预设拍摄质量条件的情况,为了保证最终确定出的目标图像的拍摄质量,基于此,上述根据各备选图像的打分结果,将分数最高的备选图像作为目标图像之后,还包括:
判断选取出的目标图像的拍摄质量分数是否大于预设阈值;其中,该预设阈值可以是***默认的,也可以是根据用户的设置请求得到的。
若否,则生成建议用户重新拍照的提示信息;具体的,如果每张目标图像的拍摄质量分数均小于预设阈值,说明所有备选图像均不符合预设拍摄质量条件,此时,需要提示用户重新拍照,进而再对最新拍摄得到的备选图像进行拍摄质量分析,根据得到的拍摄质量分析结果确定最新拍摄得到的备选图像是否符合预设拍摄质量条件,直到选取出至少一张符合预设拍摄质量条件的目标图像,以便从中选取出拍摄质量更优的备选图像。
在本申请提供的实施例中,在检测到对多个目标人脸进行连拍操作后,自动对拍摄得到的多张备选图像进行拍摄质量分析,一旦发现所有的备选图像的拍摄质量均不符合预设条件,则自动提醒用户重新拍照,这样在拍照过程中,自动对拍摄得到的图像进行拍摄质量分析,一旦发现所有的备选图像的拍摄质量均不符合预设条件,此时参与大合影的人员还未解散,可以继续拍摄新的备选图像,从而能够避免在后续图像分享过程中找不出一张比较理想的合影照片,进而解决由于参与大合影的人员已解散无法继续拍摄新的备选图像的问题。
进一步的,上述S503根据各备选图像的拍摄质量分析结果,从多张备选图像中选取目标图像之后,还包括:
在检测到图像分享请求时,向用户推荐选取出的目标图像。例如,在确定出用户需要从多张备选图像中选取一张分享到朋友圈或者好友群的情况下,可以将选取出的目标图像推荐给用户,以使用户分享出去的图像的拍摄质量满足预设要求,防止用户将拍摄质量不符合预设要求的图像分享到社交平台上,从而避免产生不良的用户体验。
例如,针对多人大合影的应用场景,如图7a至7d为拍摄得到的四张备选图像,每张备选图像均包括9个目标人脸,具体为:
在图7a中,从备选图像中提取各目标人脸的关键特征(如眼部特征和嘴部特征),根据提取到的关键特征对每张备选图像进行拍摄质量分析,可知,眼部特征出现的异常次数为2(即后排左1和左2),嘴部特征出现的异常次数为3(即前排左1、左3和右1),如果按照上述打分机制,则该备选图像的拍摄质量分析结果即拍摄质量分数为:y=100-(1.0×2+0.5×3)=96.5。
在图7b中,从备选图像中提取各目标人脸的关键特征(如眼部特征和嘴部特征),根据提取到的关键特征对每张备选图像进行拍摄质量分析,可知,眼部特征出现的异常次数为2(即后排左1和左2),嘴部特征出现的异常次数为1(即前排左1),如果按照上述打分机制,则该备选图像的拍摄质量分析结果即拍摄质量分数为:y=100-(1.0×2+0.5×1)=97.5。
在图7c中,从备选图像中提取各目标人脸的关键特征(如眼部特征和嘴部特征),根据提取到的关键特征对每张备选图像进行拍摄质量分析,可知,眼部特征出现的异常次数为0,嘴部特征出现的异常次数为1(即前排左1),如果按照上述打分机制,则该备选图像的拍摄质量分析结果即拍摄质量分数为:y=100-(1.0×0+0.5×1)=99.5。
在图7d中,从备选图像中提取各目标人脸的关键特征(如眼部特征和嘴部特征),根据提取到的关键特征对每张备选图像进行拍摄质量分析,可知,眼部特征出现的异常次数为2(即后排左1和左2),嘴部特征出现的异常次数为2(即前排左1和右1),如果按照上述打分机制,则该备选图像的拍摄质量分析结果即拍摄质量分数为:y=100-(1.0×2+0.5×2)=97.0。
基于图7a至图7d中的各备选图像的拍摄质量分数,图7c中所示的备选图像的拍摄质量分数最高,因此,将图7c中所示的备选图像作为目标图像。
本申请实施例中的图像筛选方法,获取拍摄得到的多张备选图像,其中,每张备选图像均包括多个目标人脸;分别从备选图像中提取各目标人脸的关键特征,根据提取到的关键特征对每张备选图像进行拍摄质量分析,得到备选图像的拍摄质量分析结果;根据各备选图像的拍摄质量分析结果,从多张备选图像中选取目标图像。通过对多张备选图像进行拍摄质量分析,在多张备选图像中确定出拍摄质量符合预设要求的目标图像,从而提高图像筛选效率,减少了用户对多张备选图像逐一浏览并选取目标图像的时间,同时避免因用户选取失误而导致将拍摄质量不符合预设要求的备选图像作为目标图像,提高了目标图像选取的精准度,提升了用户体验,尤其,针对多人大合影的应用场景而言,由于参与大合影拍照的人员数量越多,用户对多张备选图像逐一浏览并选取目标图像的难度越大,因此采用该图像筛选方法,能够大大降低目标图像的选取难度,大大提高目标图像选取的精准度。
需要说明的是,本申请另一实施例与本申请一实施例基于同一发明构思,因此该实施例的具体实施可以参见前述方法的实施,重复之处不再赘述。
对应上述图1至图6描述的图像筛选方法,基于相同的技术构思,本申请实施例还提供了一种图像筛选装置,图8为本申请实施例提供的图像筛选装置的模块组成示意图,该装置用于执行图1至图6描述的图像筛选方法,如图8所示,该装置包括:备选图像获取模块801、拍摄质量分析模块802和目标图像选取模块803,备选图像获取模块801、拍摄质量分析模块802和目标图像选取模块803依次连接。
在一个具体的实施例中,备选图像获取模块801,用于获取拍摄得到的多张备选图像,其中,每张所述备选图像均包括多个目标对象;
拍摄质量分析模块802,用于分别从所述备选图像中提取各目标对象的关键特征,根据提取到的所述关键特征对每张所述备选图像进行拍摄质量分析,得到所述备选图像的拍摄质量分析结果;
目标图像选取模块803,用于根据各所述备选图像的所述拍摄质量分析结果,从所述多张备选图像中选取目标图像。
可选地,上述拍摄质量分析模块802,具体用于:
针对每张所述备选图像,从该备选图像中提取各目标对象的关键特征;
对提取到的各所述关键特征进行质量评价识别,得到质量评价识别结果;
根据所述质量评价识别结果,确定所述备选图像的拍摄质量分析结果。
可选地,上述拍摄质量分析模块802,进一步具体用于:
根据所述质量评价识别结果对所述备选图像进行权重加成打分,将得到的打分结果作为所述备选图像的拍摄质量分析结果。
可选地,上述目标图像选取模块803,具体用于:
根据各所述备选图像的所述拍摄质量分析结果,对所述多张备选图像的拍摄质量进行排序;
按照拍摄质量由高到低的顺序选取预设数量的备选图像作为目标图像。
可选地,上述装置还包括:
提示模块,用于在按照拍摄质量由高到低的顺序选取预设数量的备选图像作为目标图像之后,判断选取出的至少一张所述目标图像的拍摄质量是否符合预设条件;若否,则生成建议用户重新拍照的提示信息。
可选地,上述装置还包括:
推荐模块,用于在检测到图像分享请求时,向用户推荐选取出的所述目标图像。
本申请一实施例中的图像筛选装置,获取拍摄得到的多张备选图像,其中,每张备选图像均包括多个目标对象;分别从备选图像中提取各目标对象的关键特征,根据提取到的关键特征对每张备选图像进行拍摄质量分析,得到备选图像的拍摄质量分析结果;根据各备选图像的拍摄质量分析结果,从多张备选图像中选取目标图像。通过对多张备选图像进行拍摄质量分析,在多张备选图像中确定出拍摄质量符合预设要求的目标图像,从而提高图像筛选效率,减少了用户对多张备选图像逐一浏览并选取目标图像的时间,同时避免因用户选取失误而导致将拍摄质量不符合预设要求的备选图像作为目标图像,提高了目标图像选取的精准度,提升了用户体验。
在另一个具体的实施例中,备选图像获取模块801,用于获取拍摄得到的多张备选图像,其中,每张所述备选图像均包括多个目标人脸;
拍摄质量分析模块802,用于分别从所述备选图像中提取各目标人脸的关键特征,根据提取到的所述关键特征对每张所述备选图像进行拍摄质量分析,得到所述备选图像的拍摄质量分析结果;
目标图像选取模块803,用于根据各所述备选图像的所述拍摄质量分析结果,从所述多张备选图像中选取目标图像。
可选地,上述拍摄质量分析模块802,具体用于:
针对每张所述备选图像,从该备选图像中至少提取各目标人脸的眼部特征;
根据提取到的各所述眼部特征,确定所述备选图像中眼部张开程度不符合预设眼部张开程度的异常数量;
根据所述异常数量,确定所述备选图像的拍摄质量分析结果。
可选地,上述拍摄质量分析模块802,进一步具体用于:
根据所述异常数量,对所述备选图像的拍摄质量进行权重加成打分;
将得到的打分结果作为所述备选图像的拍摄质量分析结果。
可选地,上述目标图像选取模块803,具体用于:
根据各所述备选图像的所述打分结果,将分数最高的备选图像作为目标图像。
可选地,上述装置还包括:
提示模块,用于在根据各所述备选图像的所述打分结果,将分数最高的备选图像作为目标图像之后,判断所述目标图像的拍摄质量分数是否大于预设阈值;若否,则生成建议用户重新拍照的提示信息。
本申请另一实施例中的图像筛选装置,获取拍摄得到的多张备选图像,其中,每张备选图像均包括多个目标人脸;分别从备选图像中提取各目标人脸的关键特征,根据提取到的关键特征对每张备选图像进行拍摄质量分析,得到备选图像的拍摄质量分析结果;根据各备选图像的拍摄质量分析结果,从多张备选图像中选取目标图像。通过对多张备选图像进行拍摄质量分析,在多张备选图像中确定出拍摄质量符合预设要求的目标图像,从而提高图像筛选效率,减少了用户对多张备选图像逐一浏览并选取目标图像的时间,同时避免因用户选取失误而导致将拍摄质量不符合预设要求的备选图像作为目标图像,提高了目标图像选取的精准度,提升了用户体验,尤其,针对多人大合影的应用场景而言,由于参与大合影拍照的人员数量越多,用户对多张备选图像逐一浏览并选取目标图像的难度越大,因此采用该图像筛选方法,能够大大降低目标图像的选取难度,大大提高目标图像选取的精准度。
进一步地,对应上述图1至图6所示的方法,基于相同的技术构思,本申请实施例还提供了一种图像筛选设备,该设备用于执行上述的图像筛选方法,如图9所示。
图像筛选设备可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上的处理器901和存储器902,存储器902中可以存储有一个或一个以上存储应用程序或数据。其中,存储器902可以是短暂存储或持久存储。存储在存储器902的应用程序可以包括一个或一个以上模块(图示未示出),每个模块可以包括对图像筛选设备中的一系列计算机可执行指令。更进一步地,处理器901可以设置为与存储器902通信,在图像筛选设备上执行存储器902中的一系列计算机可执行指令。图像筛选设备还可以包括一个或一个以上电源903,一个或一个以上有线或无线网络接口904,一个或一个以上输入输出接口905,一个或一个以上键盘906等。
在一个具体的实施例中,图像筛选设备包括有存储器,以及一个或一个以上的程序,其中一个或者一个以上程序存储于存储器中,且一个或者一个以上程序可以包括一个或一个以上模块,且每个模块可以包括对图像筛选设备中的一系列计算机可执行指令,且经配置以由一个或者一个以上处理器执行该一个或者一个以上程序包含用于进行以下计算机可执行指令:
获取拍摄得到的多张备选图像,其中,每张所述备选图像均包括多个目标对象;
分别从所述备选图像中提取各目标对象的关键特征,根据提取到的所述关键特征对每张所述备选图像进行拍摄质量分析,得到所述备选图像的拍摄质量分析结果;
根据各所述备选图像的所述拍摄质量分析结果,从所述多张备选图像中选取目标图像。
可选地,计算机可执行指令在被执行时,所述分别从所述备选图像中提取各目标对象的关键特征,根据提取到的所述关键特征对每张所述备选图像进行拍摄质量分析,得到所述备选图像的拍摄质量分析结果,包括:
针对每张所述备选图像,从该备选图像中提取各目标对象的关键特征;
对提取到的各所述关键特征进行质量评价识别,得到质量评价识别结果;
根据所述质量评价识别结果,确定所述备选图像的拍摄质量分析结果。
可选地,计算机可执行指令在被执行时,所述根据所述质量评价识别结果,确定所述备选图像的拍摄质量分析结果,包括:
根据所述质量评价识别结果对所述备选图像进行权重加成打分,将得到的打分结果作为所述备选图像的拍摄质量分析结果。
可选地,计算机可执行指令在被执行时,所述根据各所述备选图像的所述拍摄质量分析结果,从所述多张备选图像中选取目标图像,包括:
根据各所述备选图像的所述拍摄质量分析结果,对所述多张备选图像的拍摄质量进行排序;
按照拍摄质量由高到低的顺序选取预设数量的备选图像作为目标图像。
可选地,计算机可执行指令在被执行时,还包含用于进行以下计算机可执行指令:
在按照拍摄质量由高到低的顺序选取预设数量的备选图像作为目标图像之后,判断选取出的至少一张所述目标图像的拍摄质量是否符合预设条件;
若否,则生成建议用户重新拍照的提示信息。
可选地,计算机可执行指令在被执行时,还包含用于进行以下计算机可执行指令:
在根据各所述备选图像的所述拍摄质量分析结果,从所述多张备选图像中选取目标图像之后,在检测到图像分享请求时,向用户推荐选取出的所述目标图像。
本申请一实施例中的图像筛选设备,获取拍摄得到的多张备选图像,其中,每张备选图像均包括多个目标对象;分别从备选图像中提取各目标对象的关键特征,根据提取到的关键特征对每张备选图像进行拍摄质量分析,得到备选图像的拍摄质量分析结果;根据各备选图像的拍摄质量分析结果,从多张备选图像中选取目标图像。可见,通过本申请实施例中的图像筛选设备,对多张备选图像进行拍摄质量分析,在多张备选图像中确定出拍摄质量符合预设要求的目标图像,从而提高图像筛选效率,减少了用户对多张备选图像逐一浏览并选取目标图像的时间,同时避免因用户选取失误而导致将拍摄质量不符合预设要求的备选图像作为目标图像,提高了目标图像选取的精准度,提升了用户体验。
在另一个具体的实施例中,图像筛选设备包括有存储器,以及一个或一个以上的程序,其中一个或者一个以上程序存储于存储器中,且一个或者一个以上程序可以包括一个或一个以上模块,且每个模块可以包括对图像筛选设备中的一系列计算机可执行指令,且经配置以由一个或者一个以上处理器执行该一个或者一个以上程序包含用于进行以下计算机可执行指令:
获取拍摄得到的多张备选图像,其中,每张所述备选图像均包括多个目标人脸;
分别从所述备选图像中提取各目标人脸的关键特征,根据提取到的所述关键特征对每张所述备选图像进行拍摄质量分析,得到所述备选图像的拍摄质量分析结果;
根据各所述备选图像的所述拍摄质量分析结果,从所述多张备选图像中选取目标图像。
可选地,计算机可执行指令在被执行时,所述分别从所述备选图像中提取各目标人脸的关键特征,根据提取到的所述关键特征对每张所述备选图像进行拍摄质量分析,得到所述备选图像的拍摄质量分析结果,包括:
针对每张所述备选图像,从该备选图像中至少提取各目标人脸的眼部特征;
根据提取到的各所述眼部特征,确定所述备选图像中眼部张开程度不符合预设眼部张开程度的异常数量;
根据所述异常数量,确定所述备选图像的拍摄质量分析结果。
可选地,计算机可执行指令在被执行时,所述根据所述异常数量,确定所述备选图像的拍摄质量分析结果,包括:
根据所述异常数量,对所述备选图像的拍摄质量进行权重加成打分;
将得到的打分结果作为所述备选图像的拍摄质量分析结果。
可选地,计算机可执行指令在被执行时,所述根据各所述备选图像的所述拍摄质量分析结果,从所述多张备选图像中选取目标图像,包括:
根据各所述备选图像的所述打分结果,将分数最高的备选图像作为目标图像。
可选地,计算机可执行指令在被执行时,还包含用于进行以下计算机可执行指令:
在根据各所述备选图像的所述打分结果,将分数最高的备选图像作为目标图像之后,判断所述目标图像的拍摄质量分数是否大于预设阈值;
若否,则生成建议用户重新拍照的提示信息。
本申请另一实施例中的图像筛选设备,获取拍摄得到的多张备选图像,其中,每张备选图像均包括多个目标人脸;分别从备选图像中提取各目标人脸的关键特征,根据提取到的关键特征对每张备选图像进行拍摄质量分析,得到备选图像的拍摄质量分析结果;根据各备选图像的拍摄质量分析结果,从多张备选图像中选取目标图像。可见,通过本申请实施例中的图像筛选设备,对多张备选图像进行拍摄质量分析,在多张备选图像中确定出拍摄质量符合预设要求的目标图像,从而提高图像筛选效率,减少了用户对多张备选图像逐一浏览并选取目标图像的时间,同时避免因用户选取失误而导致将拍摄质量不符合预设要求的备选图像作为目标图像,提高了目标图像选取的精准度,提升了用户体验,尤其,针对多人大合影的应用场景而言,由于参与大合影拍照的人员数量越多,用户对多张备选图像逐一浏览并选取目标图像的难度越大,因此采用该图像筛选方法,能够大大降低目标图像的选取难度,大大提高目标图像选取的精准度。
进一步地,对应上述图1至图6所示的方法,基于相同的技术构思,本申请实施例还提供了一种存储介质,用于存储计算机可执行指令,一种具体的实施例中,该存储介质可以为U盘、光盘、硬盘等,该存储介质存储的计算机可执行指令在被处理器执行时,能实现以下流程:
获取拍摄得到的多张备选图像,其中,每张所述备选图像均包括多个目标对象;
分别从所述备选图像中提取各目标对象的关键特征,根据提取到的所述关键特征对每张所述备选图像进行拍摄质量分析,得到所述备选图像的拍摄质量分析结果;
根据各所述备选图像的所述拍摄质量分析结果,从所述多张备选图像中选取目标图像。
可选地,该存储介质存储的计算机可执行指令在被处理器执行时,所述分别从所述备选图像中提取各目标对象的关键特征,根据提取到的所述关键特征对每张所述备选图像进行拍摄质量分析,得到所述备选图像的拍摄质量分析结果,包括:
针对每张所述备选图像,从该备选图像中提取各目标对象的关键特征;
对提取到的各所述关键特征进行质量评价识别,得到质量评价识别结果;
根据所述质量评价识别结果,确定所述备选图像的拍摄质量分析结果。
可选地,该存储介质存储的计算机可执行指令在被处理器执行时,所述根据所述质量评价识别结果,确定所述备选图像的拍摄质量分析结果,包括:
根据所述质量评价识别结果对所述备选图像进行权重加成打分,将得到的打分结果作为所述备选图像的拍摄质量分析结果。
可选地,该存储介质存储的计算机可执行指令在被处理器执行时,所述根据各所述备选图像的所述拍摄质量分析结果,从所述多张备选图像中选取目标图像,包括:
根据各所述备选图像的所述拍摄质量分析结果,对所述多张备选图像的拍摄质量进行排序;
按照拍摄质量由高到低的顺序选取预设数量的备选图像作为目标图像。
可选地,该存储介质存储的计算机可执行指令在被处理器执行时,还实现以下流程:
在按照拍摄质量由高到低的顺序选取预设数量的备选图像作为目标图像之后,判断选取出的至少一张所述目标图像的拍摄质量是否符合预设条件;
若否,则生成建议用户重新拍照的提示信息。
可选地,该存储介质存储的计算机可执行指令在被处理器执行时,还实现以下流程:
在根据各所述备选图像的所述拍摄质量分析结果,从所述多张备选图像中选取目标图像之后,在检测到图像分享请求时,向用户推荐选取出的所述目标图像。
本申请实施例中的存储介质存储的计算机可执行指令在被处理器执行时,获取拍摄得到的多张备选图像,其中,每张备选图像均包括多个目标对象;分别从备选图像中提取各目标对象的关键特征,根据提取到的关键特征对每张备选图像进行拍摄质量分析,得到备选图像的拍摄质量分析结果;根据各备选图像的拍摄质量分析结果,从多张备选图像中选取目标图像。可见,通过本申请实施例中的存储介质,对多张备选图像进行拍摄质量分析,在多张备选图像中确定出拍摄质量符合预设要求的目标图像,从而提高图像筛选效率,减少了用户对多张备选图像逐一浏览并选取目标图像的时间,同时避免因用户选取失误而导致将拍摄质量不符合预设要求的备选图像作为目标图像,提高了目标图像选取的精准度,提升了用户体验。
在另一个具体的实施例中,该存储介质可以为U盘、光盘、硬盘等,该存储介质存储的计算机可执行指令在被处理器执行时,能实现以下流程:
获取拍摄得到的多张备选图像,其中,每张所述备选图像均包括多个目标人脸;
分别从所述备选图像中提取各目标人脸的关键特征,根据提取到的所述关键特征对每张所述备选图像进行拍摄质量分析,得到所述备选图像的拍摄质量分析结果;
根据各所述备选图像的所述拍摄质量分析结果,从所述多张备选图像中选取目标图像。
可选地,该存储介质存储的计算机可执行指令在被处理器执行时,所述分别从所述备选图像中提取各目标人脸的关键特征,根据提取到的所述关键特征对每张所述备选图像进行拍摄质量分析,得到所述备选图像的拍摄质量分析结果,包括:
针对每张所述备选图像,从该备选图像中至少提取各目标人脸的眼部特征;
根据提取到的各所述眼部特征,确定所述备选图像中眼部张开程度不符合预设眼部张开程度的异常数量;
根据所述异常数量,确定所述备选图像的拍摄质量分析结果。
可选地,该存储介质存储的计算机可执行指令在被处理器执行时,所述根据所述异常数量,确定所述备选图像的拍摄质量分析结果,包括:
根据所述异常数量,对所述备选图像的拍摄质量进行权重加成打分;
将得到的打分结果作为所述备选图像的拍摄质量分析结果。
可选地,该存储介质存储的计算机可执行指令在被处理器执行时,所述根据各所述备选图像的所述拍摄质量分析结果,从所述多张备选图像中选取目标图像,包括:
根据各所述备选图像的所述打分结果,将分数最高的备选图像作为目标图像。
可选地,该存储介质存储的计算机可执行指令在被处理器执行时,还实现以下流程:
在根据各所述备选图像的所述打分结果,将分数最高的备选图像作为目标图像之后,判断所述目标图像的拍摄质量分数是否大于预设阈值;
若否,则生成建议用户重新拍照的提示信息。
本申请实施例中的存储介质存储的计算机可执行指令在被处理器执行时,获取拍摄得到的多张备选图像,其中,每张备选图像均包括多个目标人脸;分别从备选图像中提取各目标人脸的关键特征,根据提取到的关键特征对每张备选图像进行拍摄质量分析,得到备选图像的拍摄质量分析结果;根据各备选图像的拍摄质量分析结果,从多张备选图像中选取目标图像。可见,通过本申请实施例中的存储介质,对多张备选图像进行拍摄质量分析,在多张备选图像中确定出拍摄质量符合预设要求的目标图像,从而提高图像筛选效率,减少了用户对多张备选图像逐一浏览并选取目标图像的时间,同时避免因用户选取失误而导致将拍摄质量不符合预设要求的备选图像作为目标图像,提高了目标图像选取的精准度,提升了用户体验,尤其,针对多人大合影的应用场景而言,由于参与大合影拍照的人员数量越多,用户对多张备选图像逐一浏览并选取目标图像的难度越大,因此采用该图像筛选方法,能够大大降低目标图像的选取难度,大大提高目标图像选取的精准度。
在20世纪90年代,对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray,FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字***“集成”在一片PLD上,而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且,如今,取代手工地制作集成电路芯片,这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(Hardware Description Language,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等,目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的***、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本申请的实施例可提供为方法、***、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、***或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于***实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (17)
1.一种图像筛选方法,其特征在于,包括:
获取拍摄得到的多张备选图像,其中,每张所述备选图像均包括多个目标对象;
分别从所述备选图像中提取各目标对象的关键特征,根据提取到的所述关键特征对每张所述备选图像进行拍摄质量分析,得到所述备选图像的拍摄质量分析结果;
根据各所述备选图像的所述拍摄质量分析结果,从所述多张备选图像中选取目标图像。
2.根据权利要求1所述的方法,其特征在于,所述分别从所述备选图像中提取各目标对象的关键特征,根据提取到的所述关键特征对每张所述备选图像进行拍摄质量分析,得到所述备选图像的拍摄质量分析结果,包括:
针对每张所述备选图像,从该备选图像中提取各目标对象的关键特征;
对提取到的各所述关键特征进行质量评价识别,得到质量评价识别结果;
根据所述质量评价识别结果,确定所述备选图像的拍摄质量分析结果。
3.根据权利要求2所述的方法,其特征在于,所述根据所述质量评价识别结果,确定所述备选图像的拍摄质量分析结果,包括:
根据所述质量评价识别结果对所述备选图像进行权重加成打分,将得到的打分结果作为所述备选图像的拍摄质量分析结果。
4.根据权利要求1所述的方法,其特征在于,所述根据各所述备选图像的所述拍摄质量分析结果,从所述多张备选图像中选取目标图像,包括:
根据各所述备选图像的所述拍摄质量分析结果,对所述多张备选图像的拍摄质量进行排序;
按照拍摄质量由高到低的顺序选取预设数量的备选图像作为目标图像。
5.根据权利要求4所述的方法,其特征在于,所述按照拍摄质量由高到低的顺序选取预设数量的备选图像作为目标图像之后,还包括:
判断选取出的至少一张所述目标图像的拍摄质量是否符合预设条件;
若否,则生成建议用户重新拍照的提示信息。
6.根据权利要求1所述的方法,其特征在于,所述根据各所述备选图像的所述拍摄质量分析结果,从所述多张备选图像中选取目标图像之后,还包括:
在检测到图像分享请求时,向用户推荐选取出的所述目标图像。
7.一种图像筛选方法,其特征在于,包括:
获取拍摄得到的多张备选图像,其中,每张所述备选图像均包括多个目标人脸;
分别从所述备选图像中提取各目标人脸的关键特征,根据提取到的所述关键特征对每张所述备选图像进行拍摄质量分析,得到所述备选图像的拍摄质量分析结果;
根据各所述备选图像的所述拍摄质量分析结果,从所述多张备选图像中选取目标图像。
8.根据权利要求7所述的方法,其特征在于,所述分别从所述备选图像中提取各目标人脸的关键特征,根据提取到的所述关键特征对每张所述备选图像进行拍摄质量分析,得到所述备选图像的拍摄质量分析结果,包括:
针对每张所述备选图像,从该备选图像中至少提取各目标人脸的眼部特征;
根据提取到的各所述眼部特征,确定所述备选图像中眼部张开程度不符合预设眼部张开程度的异常数量;
根据所述异常数量,确定所述备选图像的拍摄质量分析结果。
9.根据权利要求8所述的方法,其特征在于,所述根据所述异常数量,确定所述备选图像的拍摄质量分析结果,包括:
根据所述异常数量,对所述备选图像的拍摄质量进行权重加成打分;
将得到的打分结果作为所述备选图像的拍摄质量分析结果。
10.根据权利要求9所述的方法,其特征在于,所述根据各所述备选图像的所述拍摄质量分析结果,从所述多张备选图像中选取目标图像,包括:
根据各所述备选图像的所述打分结果,将分数最高的备选图像作为目标图像。
11.根据权利要求10所述的方法,其特征在于,所述根据各所述备选图像的所述打分结果,将分数最高的备选图像作为目标图像之后,还包括:
判断所述目标图像的拍摄质量分数是否大于预设阈值;
若否,则生成建议用户重新拍照的提示信息。
12.一种图像筛选装置,其特征在于,包括:
备选图像获取模块,用于获取拍摄得到的多张备选图像,其中,每张所述备选图像均包括多个目标对象;
拍摄质量分析模块,用于分别从所述备选图像中提取各目标对象的关键特征,根据提取到的所述关键特征对每张所述备选图像进行拍摄质量分析,得到所述备选图像的拍摄质量分析结果;
目标图像选取模块,用于根据各所述备选图像的所述拍摄质量分析结果,从所述多张备选图像中选取目标图像。
13.一种图像筛选装置,其特征在于,包括:
备选图像获取模块,用于获取拍摄得到的多张备选图像,其中,每张所述备选图像均包括多个目标人脸;
拍摄质量分析模块,用于分别从所述备选图像中提取各目标人脸的关键特征,根据提取到的所述关键特征对每张所述备选图像进行拍摄质量分析,得到所述备选图像的拍摄质量分析结果;
目标图像选取模块,用于根据各所述备选图像的所述拍摄质量分析结果,从所述多张备选图像中选取目标图像。
14.一种图像筛选设备,其特征在于,包括:
处理器;以及
被安排成存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器:
获取拍摄得到的多张备选图像,其中,每张所述备选图像均包括多个目标对象;
分别从所述备选图像中提取各目标对象的关键特征,根据提取到的所述关键特征对每张所述备选图像进行拍摄质量分析,得到所述备选图像的拍摄质量分析结果;
根据各所述备选图像的所述拍摄质量分析结果,从所述多张备选图像中选取目标图像。
15.一种图像筛选设备,其特征在于,包括:
处理器;以及
被安排成存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器:
获取拍摄得到的多张备选图像,其中,每张所述备选图像均包括多个目标人脸;
分别从所述备选图像中提取各目标人脸的关键特征,根据提取到的所述关键特征对每张所述备选图像进行拍摄质量分析,得到所述备选图像的拍摄质量分析结果;
根据各所述备选图像的所述拍摄质量分析结果,从所述多张备选图像中选取目标图像。
16.一种存储介质,用于存储计算机可执行指令,其特征在于,所述可执行指令在被执行时实现以下流程:
获取拍摄得到的多张备选图像,其中,每张所述备选图像均包括多个目标对象;
分别从所述备选图像中提取各目标对象的关键特征,根据提取到的所述关键特征对每张所述备选图像进行拍摄质量分析,得到所述备选图像的拍摄质量分析结果;
根据各所述备选图像的所述拍摄质量分析结果,从所述多张备选图像中选取目标图像。
17.一种存储介质,用于存储计算机可执行指令,其特征在于,所述可执行指令在被执行时实现以下流程:
获取拍摄得到的多张备选图像,其中,每张所述备选图像均包括多个目标人脸;
分别从所述备选图像中提取各目标人脸的关键特征,根据提取到的所述关键特征对每张所述备选图像进行拍摄质量分析,得到所述备选图像的拍摄质量分析结果;
根据各所述备选图像的所述拍摄质量分析结果,从所述多张备选图像中选取目标图像。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810018753.3A CN108346139A (zh) | 2018-01-09 | 2018-01-09 | 一种图像筛选方法及装置 |
TW107143559A TW201931211A (zh) | 2018-01-09 | 2018-12-05 | 圖像篩選方法及裝置 |
PCT/CN2018/123903 WO2019137216A1 (zh) | 2018-01-09 | 2018-12-26 | 一种图像筛选方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810018753.3A CN108346139A (zh) | 2018-01-09 | 2018-01-09 | 一种图像筛选方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108346139A true CN108346139A (zh) | 2018-07-31 |
Family
ID=62960612
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810018753.3A Pending CN108346139A (zh) | 2018-01-09 | 2018-01-09 | 一种图像筛选方法及装置 |
Country Status (3)
Country | Link |
---|---|
CN (1) | CN108346139A (zh) |
TW (1) | TW201931211A (zh) |
WO (1) | WO2019137216A1 (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109035246A (zh) * | 2018-08-22 | 2018-12-18 | 浙江大华技术股份有限公司 | 一种人脸的图像选择方法及装置 |
CN109376645A (zh) * | 2018-10-18 | 2019-02-22 | 深圳英飞拓科技股份有限公司 | 一种人脸图像数据优选方法、装置及终端设备 |
WO2019137216A1 (zh) * | 2018-01-09 | 2019-07-18 | 阿里巴巴集团控股有限公司 | 一种图像筛选方法及装置 |
CN110399848A (zh) * | 2019-07-30 | 2019-11-01 | 北京字节跳动网络技术有限公司 | 视频封面生成方法、装置及电子设备 |
CN110598555A (zh) * | 2019-08-12 | 2019-12-20 | 阿里巴巴集团控股有限公司 | 一种图像的处理方法、装置及设备 |
CN110659567A (zh) * | 2019-08-15 | 2020-01-07 | 阿里巴巴集团控股有限公司 | 车辆损伤部位的识别方法以及装置 |
CN110849328A (zh) * | 2019-11-26 | 2020-02-28 | 安徽德睿智能技术有限公司 | 一种基于双目视觉的晶体硅测量装置 |
CN111212223A (zh) * | 2020-01-10 | 2020-05-29 | 深圳奥比中光科技有限公司 | 一种设定成像参数的方法、***及计算机可读存储介质 |
CN111696051A (zh) * | 2020-05-14 | 2020-09-22 | 维沃移动通信有限公司 | 人像修复方法及电子设备 |
CN112019741A (zh) * | 2020-08-13 | 2020-12-01 | 北京明略软件***有限公司 | 关联对象确定方法、装置、电子设备和计算机可读介质 |
CN112492216A (zh) * | 2020-12-14 | 2021-03-12 | 维沃移动通信有限公司 | 拍摄控制方法和拍摄控制装置 |
CN112714246A (zh) * | 2019-10-25 | 2021-04-27 | Tcl集团股份有限公司 | 连拍照片获取方法、智能终端及存储介质 |
CN115328357A (zh) * | 2022-08-15 | 2022-11-11 | 北京达佳互联信息技术有限公司 | 拍摄图像处理方法、装置、电子设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101854484A (zh) * | 2009-03-31 | 2010-10-06 | 卡西欧计算机株式会社 | 图像选择装置、图像选择方法 |
US20110124967A1 (en) * | 2009-11-20 | 2011-05-26 | Ethicon Endo-Surgery, Inc. | Discrete flexion head for single port device |
CN105122272A (zh) * | 2012-11-09 | 2015-12-02 | 谷歌公司 | 数字图像的自动综合处理 |
CN105224921A (zh) * | 2015-09-17 | 2016-01-06 | 桂林远望智能通信科技有限公司 | 一种人脸图像择优***和处理方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106339694A (zh) * | 2016-09-14 | 2017-01-18 | 北京金山安全软件有限公司 | 一种图像处理方法、装置及电子设备 |
CN107169148B (zh) * | 2017-06-21 | 2020-05-15 | 北京百度网讯科技有限公司 | 图像搜索方法、装置、设备以及存储介质 |
CN107516105B (zh) * | 2017-07-20 | 2020-06-16 | 阿里巴巴集团控股有限公司 | 图像处理方法及装置 |
CN107423409B (zh) * | 2017-07-28 | 2020-03-31 | 维沃移动通信有限公司 | 一种图像处理方法、图像处理装置和电子设备 |
CN108346139A (zh) * | 2018-01-09 | 2018-07-31 | 阿里巴巴集团控股有限公司 | 一种图像筛选方法及装置 |
-
2018
- 2018-01-09 CN CN201810018753.3A patent/CN108346139A/zh active Pending
- 2018-12-05 TW TW107143559A patent/TW201931211A/zh unknown
- 2018-12-26 WO PCT/CN2018/123903 patent/WO2019137216A1/zh active Application Filing
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101854484A (zh) * | 2009-03-31 | 2010-10-06 | 卡西欧计算机株式会社 | 图像选择装置、图像选择方法 |
US20110124967A1 (en) * | 2009-11-20 | 2011-05-26 | Ethicon Endo-Surgery, Inc. | Discrete flexion head for single port device |
CN105122272A (zh) * | 2012-11-09 | 2015-12-02 | 谷歌公司 | 数字图像的自动综合处理 |
CN105224921A (zh) * | 2015-09-17 | 2016-01-06 | 桂林远望智能通信科技有限公司 | 一种人脸图像择优***和处理方法 |
Non-Patent Citations (1)
Title |
---|
吴限 等: "人脸检测建模源照片筛选方法", 《应用科技》 * |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019137216A1 (zh) * | 2018-01-09 | 2019-07-18 | 阿里巴巴集团控股有限公司 | 一种图像筛选方法及装置 |
CN109035246B (zh) * | 2018-08-22 | 2020-08-04 | 浙江大华技术股份有限公司 | 一种人脸的图像选择方法及装置 |
CN109035246A (zh) * | 2018-08-22 | 2018-12-18 | 浙江大华技术股份有限公司 | 一种人脸的图像选择方法及装置 |
US11557147B2 (en) | 2018-08-22 | 2023-01-17 | Zhejiang Dahua Technology Co., Ltd. | Systems and methods for selecting a best facial image of a target human face |
CN109376645A (zh) * | 2018-10-18 | 2019-02-22 | 深圳英飞拓科技股份有限公司 | 一种人脸图像数据优选方法、装置及终端设备 |
CN110399848A (zh) * | 2019-07-30 | 2019-11-01 | 北京字节跳动网络技术有限公司 | 视频封面生成方法、装置及电子设备 |
CN110598555A (zh) * | 2019-08-12 | 2019-12-20 | 阿里巴巴集团控股有限公司 | 一种图像的处理方法、装置及设备 |
CN110659567A (zh) * | 2019-08-15 | 2020-01-07 | 阿里巴巴集团控股有限公司 | 车辆损伤部位的识别方法以及装置 |
CN112714246A (zh) * | 2019-10-25 | 2021-04-27 | Tcl集团股份有限公司 | 连拍照片获取方法、智能终端及存储介质 |
CN110849328A (zh) * | 2019-11-26 | 2020-02-28 | 安徽德睿智能技术有限公司 | 一种基于双目视觉的晶体硅测量装置 |
CN110849328B (zh) * | 2019-11-26 | 2022-03-18 | 安徽德睿智能技术有限公司 | 一种基于双目视觉的晶体硅测量装置 |
CN111212223A (zh) * | 2020-01-10 | 2020-05-29 | 深圳奥比中光科技有限公司 | 一种设定成像参数的方法、***及计算机可读存储介质 |
CN111212223B (zh) * | 2020-01-10 | 2021-01-22 | 奥比中光科技集团股份有限公司 | 一种设定成像参数的方法、***及计算机可读存储介质 |
CN111696051A (zh) * | 2020-05-14 | 2020-09-22 | 维沃移动通信有限公司 | 人像修复方法及电子设备 |
CN112019741A (zh) * | 2020-08-13 | 2020-12-01 | 北京明略软件***有限公司 | 关联对象确定方法、装置、电子设备和计算机可读介质 |
CN112492216A (zh) * | 2020-12-14 | 2021-03-12 | 维沃移动通信有限公司 | 拍摄控制方法和拍摄控制装置 |
CN112492216B (zh) * | 2020-12-14 | 2022-06-07 | 维沃移动通信有限公司 | 拍摄控制方法和拍摄控制装置 |
CN115328357A (zh) * | 2022-08-15 | 2022-11-11 | 北京达佳互联信息技术有限公司 | 拍摄图像处理方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
TW201931211A (zh) | 2019-08-01 |
WO2019137216A1 (zh) | 2019-07-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108346139A (zh) | 一种图像筛选方法及装置 | |
US11032512B2 (en) | Server and operating method thereof | |
CN105103221B (zh) | 对文本到语音发音问题检测的语音识别辅助评估 | |
US10719695B2 (en) | Method for pushing picture, mobile terminal, and storage medium | |
CN107391526A (zh) | 一种基于区块链的数据处理方法及设备 | |
CN103488756B (zh) | 一种图片分类的方法及终端 | |
CN110019903A (zh) | 图像处理引擎组件的生成方法、搜索方法及终端、*** | |
CN108537283A (zh) | 一种图像分类方法及卷积神经网络生成方法 | |
EP4300431A1 (en) | Action processing method and apparatus for virtual object, and storage medium | |
CN110378400A (zh) | 一种用于图像识别的模型训练方法及装置 | |
CN108874831A (zh) | 一种信息推荐方法及装置 | |
CN107516105A (zh) | 图像处理方法及装置 | |
CN108156384A (zh) | 图像处理方法、装置、电子设备及介质 | |
CN109271587A (zh) | 一种页面生成方法和装置 | |
CN106254807A (zh) | 提取静止图像的电子设备和方法 | |
CN110102044A (zh) | 基于智能手环的游戏控制方法、智能手环及存储介质 | |
CN109584431A (zh) | 一种优先排队的数据处理方法、装置及*** | |
CN112508048A (zh) | 图像描述的生成方法和装置 | |
CN110059569A (zh) | 活体检测方法和装置、模型评估方法和装置 | |
CN108537616A (zh) | 一种信息分享的方法及装置 | |
CN108255995A (zh) | 一种输出图像的方法及装置 | |
CN109670572A (zh) | 神经网络预测方法及装置 | |
CN109670588A (zh) | 神经网络预测方法及装置 | |
CN107450905A (zh) | 会话界面渲染方法及客户端 | |
CN116628600A (zh) | 基于随机森林的不平衡数据采样方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 1257387 Country of ref document: HK |
|
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180731 |
|
RJ01 | Rejection of invention patent application after publication |