[发明专利]选择图片的方法及装置有效

专利信息
申请号: 201510955568.3 申请日: 2015-12-17
公开(公告)号: CN105631457B 公开(公告)日: 2019-07-16
发明(设计)人: 王百超;杨松;侯文迪 申请(专利权)人: 小米科技有限责任公司
主分类号: G06K9/46 分类号: G06K9/46;G06K9/62;G06F16/51
代理公司: 北京尚伦律师事务所 11477 代理人: 代治国
地址: 100085 北京市海淀区清*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 选择 图片 方法 装置
【权利要求书】:

1.一种选择图片的方法,其特征在于,包括:

获得备选图片;

对所述备选图片进行特征提取,获得特征信息;所述特征信息包括全局特征信息和重点区域特征信息;

根据判别模型及所述备选图片的特征信息对所述备选图片进行识别,获得识别结果;其中,所述判别模型为预先根据样本图片的特征信息及所述样本图片的图像质量评价训练获得的模型;

当根据所述识别结果确定所述备选图片满足预设条件时,确定所述备选图片为目标图片;

所述根据判别模型及所述备选图片的特征信息对所述备选图片进行识别,获得识别结果,包括:

对所述备选图片进行分类识别,确定所述备选图片的图片类别;

根据所述图片类别对应的判别模型及所述备选图片的特征信息对所述备选图片进行识别,获得识别结果。

2.根据权利要求1所述的选择图片的方法,其特征在于,

所述对所述备选图片进行特征提取,获得特征信息,包括:

对所述备选图片的全局进行特征提取,获得全局特征信息;

确定所述备选图片中的重点区域;

对所述备选图片中的重点区域进行特征提取,获得重点区域特征信息。

3.根据权利要求1所述的选择图片的方法,其特征在于,所述对所述备选图片进行分类识别,确定所述备选图片的图片类别,包括:

计算所述备选图片属于各预设图片类别的概率;

选择所述概率大于概率阈值的图片类别作为所述备选图片的图片类别。

4.根据权利要求3所述的选择图片的方法,其特征在于,所述当根据所述识别结果确定所述备选图片满足预设条件时,确定所述备选图片为目标图片,包括:

根据第一概率及所述识别结果计算所述备选图片的第二概率,其中,所述第一概率为所述备选图片属于所述图片类别的概率;

当所述第二概率满足预设概率条件时,确定所述备选图片为目标图片。

5.根据权利要求4所述的选择图片的方法,其特征在于,所述根据第一概率及所述识别结果计算所述备选图片的第二概率,包括:

当所述备选图片的图片类别至少有两种时,将各所述图片类别对应的第一概率进行加权求和获得所述第二概率,其中,所述第一概率的加权系数为与所述第一概率相对应的识别结果。

6.根据权利要求4所述的选择图片的方法,其特征在于,所述当所述第二概率满足预设概率条件时,确定所述备选图片为目标图片,包括:

确定所述备选图片所属的图片类簇,所述图片类簇为对图片进行聚类获得的,所述图片中包含所述备选图片;

当所述备选图片第二概率在第二概率序列中的排序满足预设概率条件时,确定所述备选图片为目标图片,其中,所述第二概率序列中包含所述图片类簇中图片的第二概率。

7.一种选择图片的装置,其特征在于,包括:

获取模块,用于获得备选图片;

提取模块,用于对所述备选图片进行特征提取,获得特征信息;所述特征信息包括全局特征信息和重点区域特征信息;

识别模块,用于根据判别模型及所述备选图片的特征信息对所述备选图片进行识别,获得识别结果;其中,所述判别模型为预先根据样本图片的特征信息及所述样本图片的图像质量评价训练获得的模型;

确定模块,用于当根据所述识别结果确定所述备选图片满足预设条件时,确定所述备选图片为目标图片;

所述识别模块包括:

类别子模块,用于对所述备选图片进行分类识别,确定所述备选图片的图片类别;

识别子模块,用于根据所述图片类别对应的判别模型及所述备选图片的特征信息对所述备选图片进行识别,获得识别结果。

8.根据权利要求7所述的选择图片的装置,其特征在于,所述提取模块包括:

全局提取子模块,用于对所述备选图片的全局进行特征提取,获得全局特征信;

区域确定子模块,用于确定所述备选图片中的重点区域;

区域提取子模块,用于对所述备选图片中的重点区域进行特征提取,获得重点区域特征信息。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于小米科技有限责任公司,未经小米科技有限责任公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201510955568.3/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top