標圖片，包括:
[0266]確定所述備選圖片所屬的圖片類簇，所述圖片類簇為對圖片進行聚類獲得的，所述圖片中包含所述備選圖片；
[0267]當所述備選圖片第二概率在第二概率序列中的排序滿足預設概率條件時，確定所述備選圖片為目標圖片，其中，所述第二概率序列中包含所述圖片類簇中圖片的第二概率。
[0268]—種非臨時性計算機可讀存儲介質，當所述存儲介質中的指令由移動終端的處理器執(zhí)行時，使得移動終端能夠執(zhí)行一種選擇圖片的方法，所述方法包括:
[0269]獲得備選圖片；
[0270]對所述備選圖片進行特征提取，獲得特征信息;所述特征信息包括全局特征信息和重點區(qū)域特征信息；
[0271]根據(jù)判別模型及所述備選圖片的特征信息對所述備選圖片進行識別，獲得識別結果;其中，所述判別模型為預先根據(jù)樣本圖片的特征信息及所述樣本圖片的圖像質量評價訓練獲得的模型；
[0272]當根據(jù)所述識別結果確定所述備選圖片滿足預設條件時，確定所述備選圖片為目標圖片。
[0273 ]所述存儲介質中的指令還可以包括:
[0274]所述對所述備選圖片進行特征提取，獲得特征信息，包括:
[0275]對所述備選圖片的全局進行特征提取，獲得全局特征信；
[0276]確定所述備選圖片中的重點區(qū)域；
[0277]對所述備選圖片中的重點區(qū)域進行特征提取，獲得重點區(qū)域特征信息。
[0278]所述存儲介質中的指令還可以包括:
[0279]所述根據(jù)判別模型及所述備選圖片的特征信息對所述備選圖片進行識別，獲得識別結果，包括:
[0280]對所述備選圖片進行分類識別，確定所述備選圖片的圖片類別；
[0281]根據(jù)所述圖片類別對應的判別模型及所述備選圖片的特征信息對所述備選圖片進行識別，獲得識別結果。
[0282 ]所述存儲介質中的指令還可以包括:
[0283]所述對所述備選圖片進行分類識別，確定所述備選圖片的圖片類別，包括:
[0284]計算所述備選圖片屬于各預設圖片類別的概率；
[0285]選擇所述概率大于概率閾值的圖片類別作為所述備選圖片的圖片類別。
[0286]所述存儲介質中的指令還可以包括:
[0287]所述當根據(jù)所述識別結果確定所述備選圖片滿足預設條件時，確定所述備選圖片為目標圖片，包括:
[0288]根據(jù)第一概率及所述識別結果計算所述備選圖片的第二概率，其中，所述第一概率為所述備選圖片屬于所述圖片類別的概率；
[0289]當所述第二概率滿足預設概率條件時，確定所述備選圖片為目標圖片。
[0290]所述存儲介質中的指令還可以包括:
[0291]所述根據(jù)第一概率及所述識別結果計算所述備選圖片的第二概率，包括:
[0292]當所述備選圖片的圖片類別至少有兩種時，將各所述圖片類別對應的第一概率進行加權求和獲得所述第二概率，其中，所述第一概率的加權系數(shù)為與所述第一概率相對應的識別結果。
[0293 ]所述存儲介質中的指令還可以包括:
[0294]所述當所述第二概率滿足預設概率條件時，確定所述備選圖片為目標圖片，包括:
[0295]確定所述備選圖片所屬的圖片類簇，所述圖片類簇為對圖片進行聚類獲得的，所述圖片中包含所述備選圖片；
[0296]當所述備選圖片第二概率在第二概率序列中的排序滿足預設概率條件時，確定所述備選圖片為目標圖片，其中，所述第二概率序列中包含所述圖片類簇中圖片的第二概率。
[0297]圖13是根據(jù)一示例性實施例示出的一種用于選擇圖片的裝置1300的框圖。例如，裝置1300可以被提供為一計算機。參照圖13，裝置1300包括處理組件1322，其進一步包括一個或多個處理器，以及由存儲器1332所代表的存儲器資源，用于存儲可由處理組件1322的執(zhí)行的指令，例如應用程序。存儲器1332中存儲的應用程序可以包括一個或一個以上的每一個對應于一組指令的模塊。此外，處理組件1322被配置為執(zhí)行指令，以執(zhí)行上述方法選擇圖片。
[0298]裝置1300還可以包括一個電源組件1326被配置為執(zhí)行裝置1300的電源管理，一個有線或無線網(wǎng)絡接口 1350被配置為將裝置1300連接到網(wǎng)絡，和一個輸入輸出(I/O)接口1358。裝置1300可以操作基于存儲在存儲器1332的操作系統(tǒng)，例如Windows ServerTM,MacOS XTM，UnixTM，LinuxTM，F(xiàn)reeBSDTM或類似。
[0299]本領域技術人員在考慮說明書及實踐這里公開的發(fā)明后，將容易想到本公開的其它實施方案。本申請旨在涵蓋本公開的任何變型、用途或者適應性變化，這些變型、用途或者適應性變化遵循本公開的一般性原理并包括本公開未公開的本技術領域中的公知常識或慣用技術手段。說明書和實施例僅被視為示例性的，本公開的真正范圍和精神由下面的權利要求指出。
[0300]應當理解的是，本公開并不局限于上面已經(jīng)描述并在附圖中示出的精確結構，并且可以在不脫離其范圍進行各種修改和改變。本公開的范圍僅由所附的權利要求來限制。
【主權項】
1.一種選擇圖片的方法，其特征在于，包括: 獲得備選圖片； 對所述備選圖片進行特征提取，獲得特征信息；所述特征信息包括全局特征信息和重點區(qū)域特征信息； 根據(jù)判別模型及所述備選圖片的特征信息對所述備選圖片進行識別，獲得識別結果；其中，所述判別模型為預先根據(jù)樣本圖片的特征信息及所述樣本圖片的圖像質量評價訓練獲得的模型； 當根據(jù)所述識別結果確定所述備選圖片滿足預設條件時，確定所述備選圖片為目標圖片。2.根據(jù)權利要求1所述的選擇圖片的方法，其特征在于， 所述對所述備選圖片進行特征提取，獲得特征信息，包括: 對所述備選圖片的全局進行特征提取，獲得全局特征信息； 確定所述備選圖片中的重點區(qū)域； 對所述備選圖片中的重點區(qū)域進行特征提取，獲得重點區(qū)域特征信息。3.根據(jù)權利要求1或2所述的選擇圖片的方法，其特征在于，所述根據(jù)判別模型及所述備選圖片的特征信息對所述備選圖片進行識別，獲得識別結果，包括: 對所述備選圖片進行分類識別，確定所述備選圖片的圖片類別； 根據(jù)所述圖片類別對應的判別模型及所述備選圖片的特征信息對所述備選圖片進行識別，獲得識別結果。4.根據(jù)權利要求3所述的選擇圖片的方法，其特征在于，所述對所述備選圖片進行分類識別，確定所述備選圖片的圖片類別，包括: 計算所述備選圖片屬于各預設圖片類別的概率； 選擇所述概率大于概率閾值的圖片類別作為所述備選圖片的圖片類別。5.根據(jù)權利要求4所述的選擇圖片的方法，其特征在于，所述當根據(jù)所述識別結果確定所述備選圖片滿足預設條件時，確定所述備選圖片為目標圖片，包括: 根據(jù)第一概率及所述識別結果計算所述備選圖片的第二概率，其中，所述第一概率為所述備選圖片屬于所述圖片類別的概率； 當所述第二概率滿足預設概率條件時，確定所述備選圖片為目標圖片。6.根據(jù)權利要求5所述的選擇圖片的方法，其特征在于，所述根據(jù)第一概率及所述識別結果計算所述備選圖片的第二概率，包括: 當所述備選圖片的圖片類別至少有兩種時，將各所述圖片類別對應的第一概率進行加權求和獲得所述第二概率，其中，所述第一概率的加權系數(shù)為與所述第一概率相對應的識別結果。7.根據(jù)權利要求5所述的選擇圖片的方法，其特征在于，所述當所述第二概率滿足預設概率條件時，確定所述備選圖片為目標圖片，包括: 確定所述備選圖片所屬的圖片類簇，所述圖片類簇為對圖片進行聚類獲得的，所述圖片中包含所述備選圖片； 當所述備選圖片第二概率在第二概率序列中的排序滿足預設概率條件時，確定所述備選圖片為目標圖片，其中，所述第二概率序列中包含所述圖片類簇中圖片的第二概率。8.一種選擇圖片的裝置，其特征在于，包括: 獲取模塊，用于獲得備選圖片； 提取模塊，用于對所述備選圖片進行特征提取，獲得特征信息;所述特征信息包括全局特征信息和重點區(qū)域特征信息； 識別模塊，用于根據(jù)判別模型及所述備選圖片的特征信息對所述備選圖片進行識別，獲得識別結果;其中，所述判別模型為預先根據(jù)樣本圖片的特征信息及所述樣本圖片的圖像質量評價訓練獲得的模型； 確定模塊，用于當根據(jù)所述識別結果確定所述備選圖片滿足預設條件時，確定所述備選圖片為目標圖片。9.根據(jù)權利要求8所述的選擇圖片的裝置，其特征在于，所述提取模塊包括: 全局提取子模塊，用于對所述備選圖片的全局進行特征提取，獲得全局特征信； 區(qū)域確定子模塊，用于確定所述備選圖片中的重點區(qū)域； 區(qū)域提取子模塊，用于對所述備選圖片中的重點區(qū)域進行特征提取，獲得重點區(qū)域特征信息。10.根據(jù)權利要求8或9所述的選擇圖片的裝置，其特征在于，所述識別模塊包括: 類別子模塊，用于對所述備選圖片進行分類識別，確定所述備選圖片的圖片類別； 識別子模塊，用于根據(jù)所述圖片類別對應的判別模型及所述備選圖片的特征信息對所述備選圖片進行識別，獲得識別結果。11.根據(jù)權利要求10所述的選擇圖片的裝置，其特征在于，所述類別子模塊計算所述備選圖片屬于各預設圖片類別的概率;選擇所述概率大于概率閾值的圖片類別作為所述備選圖片的圖片類別。12.根據(jù)權利要求11所述的選擇圖片的裝置，其特征在于，所述確定模塊還包括: 第二概率子模塊，用于根據(jù)第一概率及所述識別結果計算所述備選圖片的第二概率，其中，所述第一概率為所述備選圖片屬于所述圖片類別的概率； 確定子模塊，用于當所述第二概率滿足預設概率條件時，確定所述備選圖片為目標圖片。13.根據(jù)權利要求12所述的選擇圖片的裝置，其特征在于，所述第二概率子模塊當所述備選圖片的圖片類別至少有兩種時，將各所述圖片類別對應的第一概率進行加權求和獲得所述第二概率，其中，所述第一概率的加權系數(shù)為與所述第一概率相對應的識別結果。14.根據(jù)權利要求12所述的選擇圖片的裝置，其特征在于，所述確定子模塊確定所述備選圖片所屬的圖片類簇，所述圖片類簇為對圖片進行聚類獲得的，所述圖片中包含所述備選圖片；當所述備選圖片第二概率在第二概率序列中的排序滿足預設概率條件時，確定所述備選圖片為目標圖片，其中，所述第二概率序列中包含所述圖片類簇中圖片的第二概率。15.一種選擇圖片的裝置，其特征在于，包括: 處理器； 用于存儲處理器可執(zhí)行指令的存儲器； 其中，所述處理器被配置為: 獲得備選圖片； 對所述備選圖片進行特征提取，獲得特征信息；所述特征信息包括全局特征信息和重點區(qū)域特征信息； 根據(jù)判別模型及所述備選圖片的特征信息對所述備選圖片進行識別，獲得識別結果；其中，所述判別模型為預先根據(jù)樣本圖片的特征信息及所述樣本圖片的圖像質量評價訓練獲得的模型； 當根據(jù)所述識別結果確定所述備選圖片滿足預設條件時，確定所述備選圖片為目標圖片。
【專利摘要】本公開是關于一種選擇圖片的方法及裝置，用于實現(xiàn)自動選擇質量較好的圖片，簡化用戶操作。所述方法包括：獲得備選圖片；對所述備選圖片進行特征提取，獲得特征信息；所述特征信息包括全局特征信息和重點區(qū)域特征信息；根據(jù)判別模型及所述備選圖片的特征信息對所述備選圖片進行識別，獲得識別結果；其中，所述判別模型為預先根據(jù)樣本圖片的特征信息及所述樣本圖片的圖像質量評價訓練獲得的模型；當根據(jù)所述識別結果確定所述備選圖片滿足預設條件時，確定所述備選圖片為目標圖片。
【IPC分類】G06K9/46, G06F17/30, G06K9/62
【公開號】CN105631457
【申請?zhí)枴緾N201510955568
【發(fā)明人】王百超, 楊松, 侯文迪
【申請人】小米科技有限責任公司
【公開日】2016年6月1日
【申請日】2015年12月17日