一种基于图片的人员属性分类方法及系统技术方案

本发明专利技术提出一种基于图片的人员属性分类方法以及应用该方法的移动终端和计算机可读存储介质。本发明专利技术的技术方案，通过移动终端获取图片后加入单高斯噪声，并随机选择候选图片序列分组后，进行K级差分；然后提取K级差分图片矩阵中每一个图片的噪声，得到图片噪声序列矩阵，通过判断图片噪声序列矩阵是否满足混合高斯模型来决定候选图片序列分组是否成功。本发明专利技术的上述方案，通过提取候选图片序列中的图片属性，并且结合混合高斯模型对于灰度变化图片的敏感性，来进行图片分组，特别适合于人物图片分组，并且分组过程不需要用户介入也无需预先设定参数，结果客观。

A method and system of personnel attribute classification based on pictures

【技术实现步骤摘要】
一种基于图片的人员属性分类方法及系统
本专利技术涉及终端
，特别涉及一种基于图片的人员属性分类方法及系统。
技术介绍
随着终端的普及与智能化以及电子技术的发展，具有摄像功能的电子设备越来越普及，用户在电子设备中存储的图片越来越多，图片的拍摄越来越日常化，海量化。用户拍摄的图片越来越多，用户通过朋友圈，浏览器或其他途径下载的图片也越来越多，随着图片越来越多，如何存储即管理这些图片，成为人们的一个烦恼。当用户对手机内的图片进行浏览时，基本只能按照拍摄顺序或图片获取日期进行浏览，无法满足用户方便的浏览特定图片的需求。同时当需要对图片进行分类整理时，用户无法方便的在手机上完成图片的分类整理操作，只能将图片批量传输至电脑上后，再进行分类整理操作；这样导致对图片分类和浏览的效率均较为低下。在现有技术中，终端可以在图库中应用图片管理组件，自动设置关于时间的多个相册分组，终端根据拍摄图片的时间，或下载图片的时间，将每张图片自动归于对应的相册分组中，还可以是用户在图库中创建多个相册分组，用户手动将图片存储至对应的相册分组中。图片管理常用的手段是图片分类，在现有技术中，图片分类常有如下两种方式：一种是手动整理分类，即用户自己手动把图片归类到不同的文件夹，达到整理的目的。手动整理分类对用户来说是一个繁琐的过程，随着图片的越来越多，整理的工作量会越来越大。二是自动分类，自动分类方式有多种，如按时间分类、按地点分类、按人物分类，从某一个维度将图片进行归类，便于查看或查找。但是这些分类方式都是一些便于浏览的分类，并非真正将图片整理到了不同的文件夹中，没有达到用户想要整理的目的。并且，这些自动分类方式过于机械化，只能按其中某种单一维度来分类，因此，这种自动分类方式时常达不到用户想要的效果。此外，用户拍摄的图片或者下载的图片中，不乏多个关于人物的图片，如何自动化、智能化地根据图片中的每个人物进行图片分类，也是用户的一大需求。对此，公开号CN108549842A的中国专利技术专利申请公开一种人物图片分类的方法和装置，用以解决现有技术中终端不能自动化、智能化地根据图片中的每个人物进行图片分类的问题，该方法主要是利用面部识别技术，将属于同一个人的照片分到同一组；然而，该方法不能应用于两人同框的图片识别分组；公开号CN105824862A的中国专利技术专利申请则公开一种基于电子设备的图片分类方法和一种进行图片分类的电子设备，解决了现有图片分类中存在的分类方式过于机械化、分类维度单一、自动分类结果达不到用户想要的效果的问题，该技术方案根据对电子设备中的图片进行在先分类得到的文件夹的分析，获得该文件夹对应的包含人物特征属性、图片内容属性等特征属性信息，当检测到待分类的图片时，获取与该待分类的图片匹配的文件夹，并将该待分类的图片自动保存在匹配的文件夹中，从多维度进行文件夹的分析，从而完成了图片的自动分类过程，智能化程度高，提高了电子设备的图片分类处理效率和提高了分类精确度，大大减轻了用户整理图片的工作量，也让自动分类整理效果更吻合用户的预期目的。可见，该方法的维度选择要求较高；如果维度选择不准确，则分类结果存疑。可见，现有技术提出的图片分类方法均存在一定缺陷。
技术实现思路
本专利技术提出一种基于图片的人员属性分类方法以及应用该方法的移动终端和计算机可读存储介质。本专利技术的技术方案，通过移动终端获取图片后加入单高斯噪声，并随机选择候选图片序列分组后，进行K级差分；然后提取K级差分图片矩阵中每一个图片的噪声，得到图片噪声序列矩阵，通过判断图片噪声序列矩阵是否满足混合高斯模型来决定候选图片序列分组是否成功。本专利技术的上述方案，通过提取候选图片序列中的图片属性，并且结合混合高斯模型对于灰度变化图片的敏感性，来进行图片分组，特别适合于人物图片分组，并且分组过程不需要用户介入也无需预先设定参数，结果客观。在本专利技术的第一个方面，提供一种基于图片的人员属性分类方法，所述方法包括如下步骤：F01：通过移动终端获取包含多个不同人物的图片集P＝{P1，P2，……，Pn}；其中Pi表示第i张图片，i∈[1,n]；F02：对于每一张图片Pi，根据其至少一个单一属性值以及移动终端当前的CPU运行频率，加入单高斯噪声，获得单高斯噪声图片集F03:对于所述单高斯噪声图片集的每一张图片基于移动终端当前图片处理程序的历史运行记录，随机选取单高斯噪声图片集中剩余(n-1)张图片中的K张图片，组成随机图片序列Si；其中K小于n-1；随机图片序列可表示为Si＝{SS1,SS2,……，SS1+K},F04：将随机图片序列Si与K个随机图片序列Sj做相对K级差分，获得相对K级差分图片序列矩阵Sj-i；j≠i；j∈[1,n]；K个随机图片序列为Sj1＝{K1S1,K1S2,……，K1S1+K},Sj2＝{K2S1,K2S2,……，K2S1+K},……SjK＝{KkS1,KkS2,……，KKS1+K},得到相对K级差分图片序列矩阵F05：对于相对K级差分图片序列矩阵Sj-i，提取该图片序列矩阵中的每一个图片的噪声，得到图片噪声序列矩阵Nj-i；F06:判断图片噪声序列矩阵Nj-i是否符合混合高斯模型；如果符合，则将随机图片序列Si对应的图片集分为一组；否则，返回步骤F03；其中，对于每一张图片Pi，根据其至少一个单一属性值以及移动终端当前的CPU运行频率，加入单高斯噪声，具体包括：所述单高斯噪声概率密度分布函数为：其中，μ为所述单一属性值或者单一属性值的均值；σ为移动终端当前的CPU运行频率与所述单一属性值或者单一属性值的均值的比值。所述单一属性值，包括如下之一或者其组合：图片的大小；图片的拍摄时间；图片的分辨率；图片的平均像素值；图片的平均灰度值；图片的对比度；图片的亮度。所述混合高斯模型，是N个单高斯噪声模型拟合而成的N维高斯模型，对于变量X，其概率密度分布函数可表示为：其中：μ是均值向量，μ＝E{X}＝[μ1，μ2，...，μN]T∑是协方差矩阵，N×N维，而∑-1是∑的逆矩阵，|∑|是∑的行列式∑＝E{(X-μ)(X-μ)T}其中，协方差矩阵∑如下：其中，xi属于X。在本专利技术中，所述混合高斯模型为K个单高斯噪声的组合。所述方法中，对于所述单高斯噪声图片集的每一张图片基于移动终端当前图片处理程序的历史运行记录，随机选取单高斯噪声图片集中剩余(n-1)张图片中的K张图片，具体包括：读取移动终端日志文件，采集设定时间段内图片处理程序处理过的图片数量V，如果V＜n-l，则K＝V；如果V＞n-l，则K＝min{V/2，n-2}。其中，将随机图片序列Si与K个随机图片序列Sj做相对K级差分，包括：对于随机图片序列Si，如果i+K小于n，则K个随机图片序列Sj＝{Si+1本文档来自技高网...

【技术保护点】
1.一种基于图片的人员属性分类方法，所述方法包括如下步骤：/nF01：通过移动终端获取包含多个不同人物的图片集P＝{P1，P2，……，Pn}；/n其中Pi表示第i张图片，i∈[1,n]；/nF02：对于每一张图片Pi，根据其至少一个单一属性值以及移动终端当前的CPU运行频率，加入单高斯噪声，获得单高斯噪声图片集

【技术特征摘要】
1.一种基于图片的人员属性分类方法，所述方法包括如下步骤：
F01：通过移动终端获取包含多个不同人物的图片集P＝{P1，P2，……，Pn}；
其中Pi表示第i张图片，i∈[1,n]；
F02：对于每一张图片Pi，根据其至少一个单一属性值以及移动终端当前的CPU运行频率，加入单高斯噪声，获得单高斯噪声图片集
F03:对于所述单高斯噪声图片集的每一张图片基于移动终端当前图片处理程序的历史运行记录，随机选取单高斯噪声图片集中剩余(n-1)张图片中的K张图片，组成随机图片序列Si；其中K小于n-1；
F04：将随机图片序列Si与K个随机图片序列Sj做相对K级差分，获得相对K级差分图片序列矩阵Sj-i；j≠i；j∈[1,n]；
F05：对于相对K级差分图片序列矩阵Sj-i，提取该图片序列矩阵中的每一个图片的噪声，得到图片噪声序列矩阵Nj-i；
F06:判断图片噪声序列矩阵Nj-i是否符合混合高斯模型；
如果符合，则将随机图片序列Si对应的图片集分为一组；
否则，返回步骤F03；
其中，将随机图片序列Si与K个随机图片序列Sj做相对K级差分，获得相对K级差分图片序列矩阵Sj-i，
具体为：
设随机图片序列Si＝{SS1,SS2,……，SS1+K},
K个随机图片序列为
Sj1＝{K1S1,K1S2,……，K1S1+K},
Sj2＝{K2S1,K2S2,……，K2S1+K},
……
SjK＝{KkS1,KkS2,……，KKS1+K},
得到相对K级差分图片序列矩阵：





2.如权利要求1所述的方法，其中，其中，对于每一张图片Pi，根据其至少一个单一属性值以及移动终端当前的CPU运行频率，加入单高斯噪声，具体包括：
所述单高斯噪声概率密度分布函数为：

<...

【专利技术属性】
技术研发人员：周鹏，吴劲峰，陈瑞生，
申请(专利权)人：中科视元科技杭州有限公司，
类型：发明
国别省市：浙江;33