本發(fā)明圖像處理技術(shù)領(lǐng)域，特別涉及一種照片自動(dòng)分級(jí)方法及裝置。

背景技術(shù)：

現(xiàn)今用戶在個(gè)人設(shè)備中存儲(chǔ)的照片越來越多，從海量照片中快速尋找出拍攝效果較滿意的照片耗時(shí)耗力，因此需要一種能從美學(xué)角度自動(dòng)分級(jí)照片的方法。目前已有一些可以對(duì)相冊(cè)進(jìn)行自動(dòng)管理的應(yīng)用和發(fā)明專利。蘋果公司ios10系統(tǒng)已經(jīng)可以根據(jù)識(shí)別出的照片內(nèi)容進(jìn)行自動(dòng)分類。申請(qǐng)?zhí)枮閏n201510827259.8的發(fā)明對(duì)相冊(cè)中的相片進(jìn)行圖像識(shí)別，將相片歸類為人像類別或風(fēng)景類別；獲取相冊(cè)中相片的拍攝信息，根據(jù)所述拍攝信息將人像類別的相片再歸類為自拍人像類別或他拍人像類別，將風(fēng)景類別的相片再歸類為日景類別或夜景類別。該發(fā)明通過對(duì)相片的實(shí)時(shí)智能識(shí)別來進(jìn)行相片內(nèi)容的分類，使得相冊(cè)更加整潔，但是面對(duì)海量質(zhì)量參差不齊的照片，無法實(shí)現(xiàn)從美學(xué)角度進(jìn)行照片質(zhì)量的分類。申請(qǐng)?zhí)枮閏n201210359524.0的發(fā)明先采用基于功率譜斜度的方法提取樣本照片的主題區(qū)域，然后提取樣本照片的特征，最終利用支持矢量機(jī)分類器進(jìn)行照片美學(xué)質(zhì)量的訓(xùn)練，得到分界面模型；自動(dòng)分類過程使用分界面模型進(jìn)行識(shí)別。該發(fā)明考慮了從美學(xué)角度分類的思路，但是其通過人工提取的特征并不全面，具有一定的主觀性和片面性，且采取通用判別策略而沒有針對(duì)照片場(chǎng)景進(jìn)行區(qū)別處理，由于不同照片場(chǎng)景的美學(xué)評(píng)價(jià)標(biāo)準(zhǔn)應(yīng)有所區(qū)別，因此分類性能有限。

技術(shù)實(shí)現(xiàn)要素：

鑒于上述問題，本發(fā)明提供了一種照片自動(dòng)分級(jí)方法及裝置。

本發(fā)明提供的一種照片自動(dòng)分級(jí)方法，包括：

獲取智能設(shè)備照片圖像；

對(duì)所述照片圖像進(jìn)行美學(xué)評(píng)分，根據(jù)所述美學(xué)評(píng)分，得到所述照片圖像的等級(jí)并顯示。

本發(fā)明還提供了一種照片自動(dòng)分級(jí)裝置，包括照片圖像獲取模塊、等級(jí)劃分模塊：

所述照片圖像獲取模塊，用于獲取智能設(shè)備照片圖像；

所述等級(jí)劃分模塊，用于對(duì)所述照片圖像進(jìn)行美學(xué)評(píng)分，根據(jù)所述美學(xué)評(píng)分，得到所述照片圖像的等級(jí)并顯示。

本發(fā)明有益效果如下：

本發(fā)明實(shí)施例通過對(duì)照片圖像進(jìn)行美學(xué)評(píng)分，有效解決現(xiàn)有技術(shù)中無法實(shí)現(xiàn)從美學(xué)角度進(jìn)行照片質(zhì)量的分類、或者雖然考慮了從美學(xué)角度分類的思路，但是其通過人工提取的特征并不全面，具有一定的主觀性和片面性的問題，具產(chǎn)業(yè)利用價(jià)值。

附圖說明

圖1是本發(fā)明方法實(shí)施例的照片自動(dòng)分級(jí)方法的流程圖；

圖2是本發(fā)明方法實(shí)施例中的對(duì)照片圖像進(jìn)行識(shí)別和分析的流程圖；

圖3是本發(fā)明裝置實(shí)施例的照片自動(dòng)分級(jí)裝置的結(jié)構(gòu)示意圖。

具體實(shí)施方式

下面將參照附圖更詳細(xì)地描述本公開的示例性實(shí)施例。雖然附圖中顯示了本公開的示例性實(shí)施例，然而應(yīng)當(dāng)理解，可以以各種形式實(shí)現(xiàn)本公開而不應(yīng)被這里闡述的實(shí)施例所限制。相反，提供這些實(shí)施例是為了能夠更透徹地理解本公開，并且能夠?qū)⒈竟_的范圍完整的傳達(dá)給本領(lǐng)域的技術(shù)人員。

為了解決現(xiàn)有技術(shù)中無法實(shí)現(xiàn)從美學(xué)角度進(jìn)行照片質(zhì)量的分類、或者雖然考慮了從美學(xué)角度分類的思路，但是其通過人工提取的特征并不全面，具有一定的主觀性和片面性的問題，本發(fā)明提供了一種照片自動(dòng)分級(jí)方法及裝置，以下結(jié)合附圖以及實(shí)施例，對(duì)本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并不限定本發(fā)明。

根據(jù)本發(fā)明的方法實(shí)施例，提供了一種照片自動(dòng)分級(jí)方法，圖1是本發(fā)明方法實(shí)施例的照片自動(dòng)分級(jí)方法的流程圖，如圖1所示，根據(jù)本發(fā)明方法實(shí)施例的照片自動(dòng)分級(jí)方法包括如下處理：

步驟101，獲取智能設(shè)備照片圖像。

具體的，智能設(shè)備包括個(gè)人電腦、智能手機(jī)、平板電腦、智能眼鏡，以及其他具有攝像頭及數(shù)據(jù)處理功能的設(shè)備。

具體的，所述照片圖像為智能設(shè)備中已保存的照片圖像或智能設(shè)備實(shí)時(shí)取景照片圖像。

步驟102，對(duì)所述照片圖像進(jìn)行美學(xué)評(píng)分，根據(jù)所述美學(xué)評(píng)分，得到所述照片圖像的等級(jí)并顯示。

具體的，所述照片圖形等級(jí)為圖形提示和/或文字提示和/或語音提示。

當(dāng)所述照片圖像為實(shí)時(shí)取景照片圖像時(shí)，顯示所述照片圖像的等級(jí)，以供用戶選擇是否拍照。

具體的，對(duì)所述照片圖像進(jìn)行美學(xué)評(píng)分包括以下步驟：

將所述照片圖像輸入到預(yù)設(shè)的美學(xué)評(píng)價(jià)模型中，得到所述照片圖像的美學(xué)評(píng)分。

作為本發(fā)明方法實(shí)施例的另一實(shí)施例，在對(duì)所述照片圖像進(jìn)行美學(xué)評(píng)分之前，還包括以下步驟：

采用預(yù)設(shè)的圖像場(chǎng)景分類算法，對(duì)所述照片圖像進(jìn)行識(shí)別和分析，得到所述照片圖像所屬場(chǎng)景的分類結(jié)果；

進(jìn)一步的，對(duì)所述照片圖像進(jìn)行美學(xué)評(píng)分包括以下步驟：

將所述照片圖像、及所述照片圖像所屬場(chǎng)景的分類結(jié)果(例如場(chǎng)景標(biāo)簽)輸入到預(yù)設(shè)的美學(xué)評(píng)價(jià)模型中，得到所述照片圖像的美學(xué)評(píng)分。

所述預(yù)設(shè)的美學(xué)評(píng)價(jià)模型通過訓(xùn)練得到，使用的機(jī)器學(xué)習(xí)方法包括卷積神經(jīng)網(wǎng)絡(luò)、受限玻爾茲曼機(jī)、深度置信網(wǎng)絡(luò)等。

進(jìn)一步的，所述美學(xué)評(píng)價(jià)模型的訓(xùn)練方法包括以下步驟：

獲取已知美學(xué)評(píng)分的若干個(gè)圖像；

利用已知美學(xué)評(píng)分的若干個(gè)圖像對(duì)預(yù)設(shè)的美學(xué)評(píng)價(jià)模型進(jìn)行訓(xùn)練，或利用已知美學(xué)評(píng)分的若干個(gè)圖像、及圖像所屬的場(chǎng)景標(biāo)簽對(duì)預(yù)設(shè)的美學(xué)評(píng)價(jià)模型進(jìn)行訓(xùn)練。

如圖2所示，具體的，采用預(yù)設(shè)的圖像場(chǎng)景分類算法，對(duì)所述照片圖像進(jìn)行識(shí)別和分析，得到所述照片圖像所屬場(chǎng)景的分類結(jié)果包括以下步驟：

s201：通過預(yù)設(shè)的物體識(shí)別算法識(shí)別出所述照片圖像中的若干個(gè)物體；

s202：根據(jù)預(yù)設(shè)的上下文語義模型分析出所述若干個(gè)物體之間的關(guān)聯(lián)；

s203：根據(jù)分析的結(jié)果，得到照片圖像所屬場(chǎng)景的分類結(jié)果。

作為本發(fā)明方法實(shí)施例的另一實(shí)施例，還包括以下步驟：當(dāng)所述照片圖像為智能設(shè)備中已保存的照片圖像時(shí)，根據(jù)智能設(shè)備中已保存的若干個(gè)照片圖像的美學(xué)評(píng)分，對(duì)所述若干個(gè)照片圖像進(jìn)行分類(即相冊(cè)的分級(jí))。

本發(fā)明實(shí)施例通過對(duì)照片圖像進(jìn)行美學(xué)評(píng)分能夠?qū)崿F(xiàn)相冊(cè)的分級(jí)，使得相冊(cè)更加易于檢索出令人滿意的高質(zhì)量照片；能夠應(yīng)用于智能設(shè)備本地相冊(cè)照片及攝像頭實(shí)時(shí)取景圖像的自動(dòng)美學(xué)評(píng)分；相冊(cè)的美學(xué)分級(jí)更加準(zhǔn)確、更加全面，且操作方便、效率高，有效克服了現(xiàn)有技術(shù)中的種種缺點(diǎn)而具高度產(chǎn)業(yè)利用價(jià)值。

根據(jù)本發(fā)明的裝置實(shí)施例，提供了一種照片自動(dòng)分級(jí)裝置，圖3是本發(fā)明裝置實(shí)施例的照片自動(dòng)分級(jí)裝置的結(jié)構(gòu)示意圖，如圖3所示，根據(jù)本發(fā)明裝置實(shí)施例的照片自動(dòng)分級(jí)裝置包括：照片圖像獲取模塊30、等級(jí)劃分模32，以下對(duì)本發(fā)明實(shí)施例的各個(gè)模塊進(jìn)行詳細(xì)的說明。

具體地，所述照片圖像獲取模塊30，用于獲取智能設(shè)備照片圖像。

所述等級(jí)劃分模塊32，用于對(duì)所述照片圖像進(jìn)行美學(xué)評(píng)分，根據(jù)所述美學(xué)評(píng)分，得到所述照片圖像的等級(jí)并顯示。

具體的，所述照片圖像等級(jí)為圖形提示和/或文字提示和/或語音提示。

所述等級(jí)劃分模塊32具體用于：

將所述照片圖像輸入到預(yù)設(shè)的美學(xué)評(píng)價(jià)模型中，得到所述照片圖像的美學(xué)評(píng)分。

作為本發(fā)明裝置實(shí)施例的另一實(shí)施例，還包括圖像場(chǎng)景分類模塊：

所述圖像場(chǎng)景分類模塊，用于采用預(yù)設(shè)的圖像場(chǎng)景分類算法，對(duì)所述照片圖像進(jìn)行識(shí)別和分析，得到所述照片圖像所屬場(chǎng)景的分類結(jié)果；

所述等級(jí)劃分模塊32還用于：

將所述照片圖像、及所述照片圖像所屬場(chǎng)景的分類結(jié)果(例如場(chǎng)景標(biāo)簽)輸入到預(yù)設(shè)的美學(xué)評(píng)價(jià)模型中，得到所述照片圖像的美學(xué)評(píng)分。

具體的，所述圖像場(chǎng)景分類模塊用于：

通過預(yù)設(shè)的物體識(shí)別算法識(shí)別出所述照片圖像中的若干個(gè)物體；

根據(jù)預(yù)設(shè)的上下文語義模型分析出所述若干個(gè)物體之間的關(guān)聯(lián)；

根據(jù)分析的結(jié)果，得到照片圖像所屬場(chǎng)景的分類結(jié)果。

具體的，所述預(yù)設(shè)的美學(xué)評(píng)價(jià)模型包括卷積神經(jīng)網(wǎng)絡(luò)模型、受限玻爾茲曼機(jī)、深度置信網(wǎng)絡(luò)。

所述預(yù)設(shè)的美學(xué)評(píng)價(jià)模型通過訓(xùn)練得到，使用的機(jī)器學(xué)習(xí)方法包括卷積神經(jīng)網(wǎng)絡(luò)、受限玻爾茲曼機(jī)、深度置信網(wǎng)絡(luò)等。

作為本發(fā)明裝置實(shí)施例的另一實(shí)施例，還包括模型訓(xùn)練模塊：

所述模型訓(xùn)練模塊用于：

獲取已知美學(xué)評(píng)分的若干個(gè)圖像；

利用已知美學(xué)評(píng)分的若干個(gè)圖像對(duì)預(yù)設(shè)的美學(xué)評(píng)價(jià)模型進(jìn)行訓(xùn)練，或利用已知美學(xué)評(píng)分的若干個(gè)圖像、及圖像所屬的場(chǎng)景標(biāo)簽對(duì)預(yù)設(shè)的美學(xué)評(píng)價(jià)模型進(jìn)行訓(xùn)練。

作為本發(fā)明裝置實(shí)施例的另一實(shí)施例，還包括分類模塊，所述分類模塊，用于當(dāng)所述照片圖像為智能設(shè)備中已保存的照片圖像時(shí)，根據(jù)智能設(shè)備中已保存的若干個(gè)照片圖像的美學(xué)評(píng)分，對(duì)所述若干個(gè)照片圖像進(jìn)行分類。

本發(fā)明的智能設(shè)備相冊(cè)照片自動(dòng)分級(jí)方法及系統(tǒng)，具有以下有益效果：

1、采用場(chǎng)景分類算法對(duì)不同場(chǎng)景進(jìn)行自適應(yīng)地美學(xué)評(píng)價(jià)，而且避免采取通用美學(xué)判別策略的分類性能限制，提高了最終相冊(cè)照片分級(jí)的準(zhǔn)確性。

2、美學(xué)評(píng)價(jià)模型通過訓(xùn)練得到，避免了人工規(guī)則模型的主觀性和片面性。

為了更加詳細(xì)的說明本發(fā)明實(shí)施例，給出實(shí)例1，實(shí)例1包括以下步驟：

步驟s1：從智能設(shè)備相冊(cè)中獲取照片圖像。

步驟s2：采用圖像場(chǎng)景分類算法，對(duì)相冊(cè)中的相片進(jìn)行圖像識(shí)別，根據(jù)識(shí)別結(jié)果將照片分為風(fēng)景、肖像、夜景、建筑、動(dòng)物、植物、動(dòng)態(tài)、靜態(tài)、逆光九個(gè)類別。

步驟s3：根據(jù)場(chǎng)景分類的結(jié)果與原始圖像作為輸入，使用卷積神經(jīng)網(wǎng)絡(luò)美學(xué)評(píng)價(jià)模型進(jìn)行進(jìn)一步的美學(xué)評(píng)價(jià)，得到照片的美學(xué)評(píng)分。

步驟s4：分值高低對(duì)應(yīng)美學(xué)價(jià)值高低，根據(jù)評(píng)分分值可量化為若干等級(jí)，方便用戶檢索。

在步驟s1中，智能設(shè)備相冊(cè)中獲取照片圖像，亦可獲取智能設(shè)備攝像頭實(shí)時(shí)取景圖像作為圖像來源。

在步驟s2中，根據(jù)場(chǎng)景分類算法分析出的結(jié)果可將圖像歸類為風(fēng)景、肖像、夜景、建筑、動(dòng)物、植物、動(dòng)態(tài)、靜態(tài)、逆光九個(gè)類別，即得到照片所屬場(chǎng)景分類結(jié)果。

需要說明的是，現(xiàn)有技術(shù)中已經(jīng)有很多成熟的場(chǎng)景分類，故在此不再贅述。

在所述步驟s3中，將作為圖像場(chǎng)景分類結(jié)果輸入，使用卷積神經(jīng)網(wǎng)絡(luò)美學(xué)評(píng)價(jià)模型對(duì)圖像進(jìn)行評(píng)分(分值范圍為1-10分)。卷積神經(jīng)網(wǎng)絡(luò)美學(xué)評(píng)價(jià)模型通過訓(xùn)練得到，避免了人工規(guī)則特征的主觀性和片面性。

需要說明的是，美學(xué)評(píng)價(jià)模型包括并不限于使用卷積神經(jīng)網(wǎng)絡(luò)，亦可采用其他機(jī)器學(xué)習(xí)方法，例如受限玻爾茲曼機(jī)、深度置信網(wǎng)絡(luò)。美學(xué)評(píng)價(jià)模型學(xué)習(xí)到的影響照片美學(xué)的因素包括場(chǎng)景構(gòu)圖、亮度、對(duì)比度、色溫、飽和度、高光、陰影、峰值信噪比等。

在所述步驟s4中，統(tǒng)計(jì)相冊(cè)所有照片的美學(xué)評(píng)分，采用均分方式進(jìn)行量化分為五級(jí)，將其作為檢索標(biāo)簽供用戶檢索。

需要說明的是，本發(fā)明的智能設(shè)備相冊(cè)照片的自動(dòng)分級(jí)方法及系統(tǒng)也可對(duì)智能設(shè)備攝像頭實(shí)時(shí)取景圖像進(jìn)行評(píng)分，可用于拍照建議，其分類方法與智能設(shè)備相冊(cè)照片的自動(dòng)分級(jí)方法相同。

本發(fā)明中所涉及的智能設(shè)備包括并不限于個(gè)人電腦、智能手機(jī)、平板電腦，以及其他具有數(shù)據(jù)處理功能的設(shè)備。所分級(jí)照片來源包括且不限于智能設(shè)備相冊(cè)，亦可使用設(shè)備攝像頭實(shí)時(shí)取景圖像。場(chǎng)景分類類別包括且不限于風(fēng)景、肖像、夜景、建筑、動(dòng)物、植物、動(dòng)態(tài)、靜態(tài)、逆光九個(gè)類別。場(chǎng)景分類結(jié)果可以作為卷積神經(jīng)網(wǎng)絡(luò)美學(xué)評(píng)價(jià)模型的輸入?yún)?shù)，亦可采用針對(duì)每一種場(chǎng)景分類單獨(dú)建立其相應(yīng)的卷積神經(jīng)網(wǎng)絡(luò)模型。美學(xué)評(píng)價(jià)模型包括并不限于使用卷積神經(jīng)網(wǎng)絡(luò)模型，亦可采用其他深度學(xué)習(xí)模型，例如受限玻爾茲曼機(jī)、深度置信網(wǎng)絡(luò)。量化分級(jí)數(shù)量包括并不限于五級(jí)。量化分級(jí)方式包括并不限于使用均分方式，亦可采用log方式或指數(shù)方式。

本方法實(shí)施例實(shí)現(xiàn)了對(duì)照片的美學(xué)分級(jí)，其中，圖像獲取來源為智能設(shè)備中的相冊(cè)照片，或?yàn)橹悄軘z像頭實(shí)時(shí)取景圖像，而且通過預(yù)先對(duì)相冊(cè)照片進(jìn)行場(chǎng)景分類，提升美學(xué)評(píng)價(jià)準(zhǔn)確性，采用卷積神經(jīng)網(wǎng)絡(luò)美學(xué)評(píng)價(jià)模型，避免人工規(guī)則特征的主觀性和片面性，本方法及系統(tǒng)可以適用的范圍廣，可在智能設(shè)備中廣泛適用。

以上所述僅為本發(fā)明的實(shí)施例而已，并不用于限制本發(fā)明，對(duì)于本領(lǐng)域的技術(shù)人員來說，本發(fā)明可以有各種更改和變化。凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的權(quán)利要求范圍之內(nèi)。