[发明专利]照片分类的方法、设备及计算机可存储介质

权利要求书

1.一种照片分类的方法，其特征在于，所述方法包括：

分析本地照片库中的各种分类照片集中的每张照片，利用机器学习算法得到每种分类照片集各自对应的特征信息；

将所述每种分类照片集各自对应的特征信息形成特征信息集，并根据所述特征信息集形成特征信息要素；

在有新照片存入所述本地照片库时，根据特征信息要素分析所述新照片，得到所述新照片的特征信息；

在所述新照片的特征信息满足预设规则时，确定出所述新照片属于的分类照片集，并将所述新照片分类到所述分类照片集中；

其中，所述分析本地照片库中的各种分类照片集中的每张照片，利用机器学习算法得到每种分类照片集各自对应的特征信息，包括：

利用图像处理技术分析所述本地照片库中的各种分类照片集中的每张照片，得到所述每张照片的特征信息；

利用所述机器学习算法筛选所述每种分类照片集中的每张照片的特征信息，得到所述每种分类照片集中的每张照片共有的特征信息；

根据所述每种分类照片集中的每张照片共有的特征信息，利用所述机器学习算法得到所述每种分类照片集各自对应的特征信息。

2.根据权利要求1所述的方法，其特征在于，在所述根据特征信息要素分析所述新照片，得到所述新照片的特征信息之前，在所述根据所述特征信息集形成特征信息要素之后，所述方法还包括：

判断是否有新照片存入所述本地照片库；

在所述确定出所述新照片属于的分类照片集之前，在所述根据特征信息要素分析所述新照片，得到所述新照片的特征信息之后，所述方法还包括：

判断所述新照片的特征信息是否满足所述预设规则。

3.根据权利要求1所述的方法，其特征在于，所述预设规则包括：所述新照片的特征信息与所述特征信息集中的任意一个特征信息的相似度大于预设阈值的规则。

4.根据权利要求1至3任一项所述的方法，其特征在于，所述机器学习算法包括：K-均值聚类K-means算法、分类决策树C4.5算法、支持向量机SVM算法、最邻近结点KNN算法、朴素贝叶斯模型NBM算法中的至少一项。

5.一种照片分类的设备，其特征在于，所述设备包括：接口、处理器、存储器及通信总线；

所述通信总线，用于实现所述接口、所述处理器和所述存储器之间的连接通信；

所述处理器，用于执行所述存储器中存储的照片分类的程序，以实现以下步骤：

分析本地照片库中的各种分类照片集中的每张照片，利用机器学习算法得到每种分类照片集各自对应的特征信息；

将所述每种分类照片集各自对应的特征信息形成特征信息集，并根据所述特征信息集形成特征信息要素；

在有新照片存入所述本地照片库时，根据特征信息要素分析所述新照片，得到所述新照片的特征信息；

在所述新照片的特征信息满足预设规则时，确定出所述新照片属于的分类照片集，并将所述新照片分类到所述分类照片集中；

其中，所述处理器，还用于执行所述照片分类的程序，以具体实现以下步骤：

利用图像处理技术分析所述每种分类照片集中的每张照片，得到所述每张照片的特征信息；

利用所述机器学习算法筛选所述每种分类照片集中的每张照片的特征信息，得到所述每种分类照片集中的每张照片共有的特征信息；

根据所述每种分类照片集中的每张照片共有的特征信息，利用所述机器学习算法得到所述每种分类照片集各自对应的特征信息。

6.根据权利要求5所述的设备，其特征在于，所述处理器，还用于执行所述照片分类的程序，以实现以下步骤：

判断是否有新照片存入所述本地照片库；

所述处理器，还用于执行所述照片分类的程序，以实现以下步骤：

判断所述新照片的特征信息是否满足所述预设规则。