图片分类方法及装置的制造方法
图片分类方法及装置的制造方法
【技术领域】
[0001 ]本公开涉及终端技术领域，特别涉及一种图片分类方法及装置。
【背景技术】
[0002]随着科学技术的进步，智能终端具备的功能越来越多。比如，通过智能终端可进行图片拍摄等操作。当用户通过智能终端拍摄的图片较多时，为了便于用户浏览和查找图片，通常均会对存储的图片进行分类。
[0003]相关技术在进行图片分类时，一般根据人脸信息对已存储图片进行聚类，将包含同一人脸信息的图片划分为一类。具体地，在判断两个类是否针对于同一人时，可通过判断两个类包含的人脸信息之间的距离实现。若两个类包含的人脸信息之间的距离小于距离阈值，则确定这两个类针对于同一个人，将这两个类合并为一个类。以此类推，最终将包含同一个人的图片聚集到一个类中。
【发明内容】
[0004]为了解决相关技术中由于同一个人在不同姿态下拍摄的图片中人脸信息可能差别较大，在基于人脸信息进行图片分类时，可能会出现错误分类的问题，本公开实施例提供了一种图片分类方法及装置，所述技术方案如下:
[0005]根据本公开实施例的第一方面，提供一种图片分类方法，所述方法包括:
[0006]为新增图片包含的每一个人脸信息创建一个新增类；
[0007]对于每一个新增类，根据人脸信息计算所述新增类与指定类中每一个类之间的第一距离，所述指定类包括上一轮图片分类过程得到的已知类和除所述新增类之外的其它新增类；
[0008]若所述新增类与所述指定类中每一个类之间的第一距离均不小于预设阈值，则根据所述新增类和所述指定类中每一个类的非人脸特征信息、所述第一距离，计算所述新增类与所述指定类中每一个类之间的第二距离；
[0009]若所述新增类与任一类之间的第二距离小于所述预设阈值，则将所述新增类与所述任一类合并为一个新增类。
[0010]可选地，所述计算所述新增类与所述指定类中每一个类之间的第二距离之前，所述方法还包括:
[0011]根据用户对每一个类的操作信息和所述每一个类的属性信息中至少一项，设置所述每一个类的重要程度值；
[0012]将所述每一个类的重要程度值确定为所述非人脸特征信息。
[0013]可选地，所述根据用户对每一个类的操作信息和所述每一个类的属性信息中至少一项，设置所述每一个类的重要程度值，包括:
[0014]根据用户对每一个类的命名情况，设置所述每一个类的第一重要程度值；
[0015]根据用户对每一个类的点击频率，设置所述每一个类的第二重要程度值；
[0016]根据所述每一个类中包含的人脸数目，设置所述每一个类的第三重要程度值；
[0017]根据所述第一重要程度值、所述第二重要程度值、所述第三重要程度值中至少一项，计算所述每一个类的重要程度值。
[0018]可选地，所述计算所述新增类与所述指定类中每一个类之间的第二距离之前，所述方法还包括:
[0019]对于每一个类，统计所述类中全部图片的第一图片数量和每一个图片的拍摄位置信息；
[0020]根据所述拍摄位置信息，获取具有相同拍摄位置信息的第二图片数量；
[0021]计算所述第二图片数量与所述第一图片数量的比值；
[0022]若所述比值大于预设比例，则将所述第二图片数量对应的拍摄位置信息确定为常见位置信息；
[0023]将所述常见位置信息确定为所述非人脸特征信息。
[0024]可选地，所述计算所述新增类与所述指定类中每一个类之间的第二距离之前，所述方法还包括:
[0025]对于每一个类，获取所述类中全部合影图片的第一合影数量；
[0026]获取所述类与第一类之间的第二合影数量，所述第一类为除所述类之外的已知类；
[0027]计算所述第二合影数量与所述第一合影数量的比值，得到所述类与所述第一类之间的合影概率；
[0028]将所述合影概率确定为所述非人脸特征信息。
[0029]可选地，所述根据所述新增类和所述指定类中每一个类的非人脸特征信息、所述第一距离，计算所述新增类与所述指定类中每一个类之间的第二距离，包括:
[0030]若所述新增类与所述已知类之间不存在合影，则对于指定类中每一个类，根据所述类的重要程度值，设置所述类的第一权重值；
[0031 ]根据所述新增类的常见位置信息与所述类的常见位置信息，设置所述类的第二权重值；
[0032]根据所述第一权重值与所述第二权重值，得到所述类的最终权重值；
[0033]根据所述最终权重值和所述第一距离，得到所述第二距离。
[0034]可选地，所述根据所述新增类和所述指定类中每一个类的非人脸特征信息、所述第一距离，计算所述新增类与所述指定类中每一个类之间的第二距离，包括:
[0035]若所述新增类与所述已知类之间存在合影，则对于指定类中每一个类，获取所述类与所述已知类之间的合影概率和合影的常见位置信息；
[0036]根据所述合影概率，设置所述类的第三权重值；
[0037]根据所述类的重要程度值，设置所述类的第一权重值；
[0038]根据所述新增类与所述已知类合影的常见位置信息、所述类与所述已知类合影的常见位置信息，设置所述类的第二权重值；
[0039]根据所述第一权重值、所述第二权重值和所述第三权重值，得到所述类的最终权重值；
[0040]根据所述最终权重值与所述第一距离，得到所述第二距离。
[0041]根据本公开实施例的第二方面，提供一种图片分类装置，所述装置包括:
[0042]创建模块，用于为新增图片包含的每一个人脸信息创建一个新增类；
[0043]第一计算模块，用于对于每一个新增类，根据人脸信息计算所述新增类与指定类中每一个类之间的第一距离，所述指定类包括上一轮图片分类过程得到的已知类和除所述新增类之外的其它新增类；
[0044]第二计算模块，用于若所述新增类与所述指定类中每一个类之间的第一距离均不小于预设阈值，则根据所述新增类和所述指定类中每一个类的非人脸特征信息、所述第一距离，计算所述新增类与所述指定类中每一个类之间的第二距离；
[0045]合并模块，用于若所述新增类与任一类之间的第二距离小于所述预设阈值，则将所述新增类与所述任一类合并为一个新增类。
[0046]可选地，所述装置还包括:
[0047]重要程度计算模块，用于根据用户对每一个类的操作信息和所述每一个类的属性信息中至少一项，设置所述每一个类的重要程度值;将所述每一个类的重要程度值确定为所述非人脸特征信息。
[0048]可选地，所述重要程度计算模块，用于根据用户对每一个类的命名情况，设置所述每一个类的第一重要程度值;根据用户对每一个类的点击频率，设置所述每一个类的第二重要程度值;根据所述每一个类中包含的人脸数目，设置所述每一个类的第三重要程度值；根据所述第一重要程度值、所述第二重要程度值、所述第三重要程度值中至少一项，计算所述每一个类的重要程度值。
[0049]可选地，所述装置还包括:
[0050]统计模块，用于对于每一个类，统计所述类中全部图片的第一图片数量和每一个图片的拍摄位置信息;根据所述拍摄位置信息，获取具有相同拍摄位置信息的第二图片数量；
[0051]常见位置获取模块，用于计算所述第二图片数量与所述第一图片数量的比值;若所述比值大于预设比例，则将所述第二图片数量对应的拍摄位置信息确定为常见位置信息;将所述常见位置信息确定为所述非人脸特征信息。
[0052]可选地，所述装置还包括:
[0053]合影数量获取模块，用于对于每一个类，获取所述类中全部合影图片的第一合影数量;获取所述类与第一类之间的第二合影数量，所述第一类为除所述类之外的已知类；
[0054]合影概率计算模块，用于计算所述第二合影数量与所述第一合影数量的比值，得到所述类与所述第一类之间的合影概率;将所述合影概率确定为所述非人脸特征信息。
[0055]可选地，所述第二计算模块，用于若所述新增类与所述已知类之间不存在合影，则对于指定类中每一个类，根据所述类的重要程度值，设置所述类的第一权重值;根据所述新增类的常见位置信息与所述类的常见位置信息，设置所述类的第二权重值;根据所述第一权重值与所述第二权重值，得到所述类的最终权重值;根据所述最终权重值和所述第一距离，得到所述第二距离。
[0056]可选地，所述第二计算模块，用于若所述新增类与所述已知类之间存在合影，则对于指定类中每一个类，获取所述类与所述已知类之间的合影概率和合影的常见位置信息；根据所述合影概率，设置所述类的第三权重值;根据所述类的重要程度值，设置所述类的第一权重值;根据所述新增类与所述已知类合影的常见位置信息、所述类与所述已知类合影的常见位置信息，设置所述类的第二权重值;根据所述第一权重值、所述第二权重值和所述第三权重值，得到所述类的最终权重值;根据所述最终权重值与所述第一距离，得到所述第二距离。
[0057]根据本公开实施例的第三方面，提供一种图片分类装置，包括:
[0058]处理器；
[0059]用于存储处理器可执行指令的存储器；
[0060]其中，所述处理器被配置为:为新增图片包含的每一个人脸信息创建一个新增类；对于每一个新增类，根据人脸信息计算所述新增类与指定类中每一个类之间的第一距离，所述指定类包括上一轮图片分类过程得到的已知类和除所述新增类之外的其它新增类;若所述新增类与所述指定类中每一个类之间的第一距离均不小于预设阈值，则根据所述新增类和所述指定类中每一个类的非人脸特征信息、所述第一距离，计算所述新增类与所述指定类中每一个类之间的第二距离;若所述新增类与任一类之间的第二距离小于所述预设阈值，则将所述新增类与所述任一类合并为一个新增类。
[0061]本公开实施例提供的技术方案可以包括以下有益效果:
[0062]在为新增图片包含的每一个人脸信息创建一个新增类后，对于每一个新增类，根据人脸信息计算该新增类与指定类中每一个类之间的第一距离;若该新增类与指定类中每一个类之间的第一距离均不小于预设阈值，则根据该新增类和指定类中每一个类的非人脸特征信息、第一距离，计算新增类与指定类中每一个类之间的第二距离;若该新增类与任一类之间的第二距离小于预设阈值，则将该新增类与任一类合并为一个新增类，由于在基于人脸信息计算第一距离的基础上，引入了非人脸特征信息，且基于非人脸特征信息和第一距离进行类与类之间的合并，所以即便是针对同一个人但人脸信息差别较大的图片也 能聚到同一个类中，因此出现错误分类的情况大大降低，分类准确率高。
[0063]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
【附图说明】
[0064]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
[0065]图1是根据一示例性实施例示出的一种图片分类方法的流程图。
[0066]图2是根据一示例性实施例示出的一种图片分类方法的流程图。
[0067]图3是根据一示例性实施例示出的一种图片分类装置的框图。
[0068]图4是根据一示例性实施例示出的一种图片分类装置的框图。
[0069]图5是根据一示例性实施例示出的一种图片分类装置的框图。
[0070]图6是根据一示例性实施例示出的一种图片分类装置的框图。
[0071]图7是根据一示例性实施例示出的一种图片分类装置的框图。
[0072]通过上述附图，已示出本公开明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围，而是通过参考特定实施例为本领域技术人员说明本公开的概念。
【具体实施方式】
[0073]这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
[0074]图1是根据一示例性实施例示出的一种图片分类方法的流程图，如图1所示，包括以下步骤:
[0075]在步骤101中，为新增图片包含的每一个人脸信息创建一个新增类。
[0076]在步骤102中，对于每一个新增类，根据人脸信息计算该新增类与指定类中每一个类之间的第一距离。
[0077]其中，指定类包括上一轮图片分类过程得到的已知类和除该新增类之外的其它新增类。
[0078]在步骤103中，若该新增类与指定类中每一个类之间的第一距离均不小于预设阈值，则根据该新增类和指定类中每一个类的非人脸特征信息、第一距离，计算该新增类与指定类中每一个类之间的第二距离。
[0079]在步骤104中，若该新增类与指定类中任一类之间的第二距离小于预设阈值，则将该新增类与任一类合并为一个新增类。
[0080]本公开实施例提供的方法，在为新增图片包含的每一个人脸信息创建一个新增类后，对于每一个新增类，根据人脸信息计算该新增类与指定类中每一个类之间的第一距离；若该新增类与指定类中每一个类之间的第一距离均不小于预设阈值，则根据该新增类和指定类中每一个类的非人脸特征信息、第一距离，计算新增类与指定类中每一个类之间的第二距离;若该新增类与任一类之间的第二距离小于预设阈值，则将该新增类与任一类合并为一个新增类，由于在基于人脸信息计算第一距离的基础上，引入了非人脸特征信息，且基于非人脸特征信息和第一距离进行类与类之间的合并，所以即便是针对同一个人但人脸信息差别较大的图片也能聚到同一个类中，因此出现错误分类的情况大大降低，分类准确率尚ο
[0081]可选地，计算新增类与指定类中每一个类之间的第二距离之前，该方法还包括:
[0082]根据用户对每一个类的操作信息和每一个类的属性信息中至少一项，设置每一个类的重要程度值；
[0083]将每一个类的重要程度值确定为非人脸特征信息。
[0084]可选地，根据用户对每一个类的操作信息和每一个类的属性信息中至少一项，设置每一个类的重要程度值，包括:
[0085]根据用户对每一个类的命名情况，设置每一个类的第一重要程度值；
[0086]根据用户对每一个类的点击频率，设置每一个类的第二重要程度值；
[0087]根据每一个类中包含的人脸数目，设置每一个类的第三重要程度值；
[0088]根据第一重要程度值、第二重要程度值、第三重要程度值中至少一项，计算每一个类的重要程度值。
[0089]可选地，计算新增类与指定类中每一个类之间的第二距离之前，该方法还包括:
[0090]对于每一个类，统计类中全部图片的第一图片数量和每一个图片的拍摄位置信息;
[0091 ]根据拍摄位置信息，获取具有相同拍摄位置信息的第二图片数量；
[0092]计算第二图片数量与第一图片数量的比值；
[0093]若比值大于预设比例，则将第二图片数量对应的拍摄位置信息确定为常见位置信息;
[0094]将常见位置信息确定为非人脸特征信息。
[0095]可选地，计算新增类与指定类中每一个类之间的第二距离之前，该方法还包括:
[0096]对于每一个类，获取该类中全部合影图片的第一合影数量；
[0097]获取该类与第一类之间的第二合影数量，第一类为除该类之外的已知类；
[0098]计算第二合影数量与第一合影数量的比值，得到该类与第一类之间的合影概率；
[0099]将合影概率确定为非人脸特征信息。
[0100]可选地，根据新增类和指定类中每一个类的非人脸特征信息、第一距离，计算新增类与指定类中每一个类之间的第二距离，包括:
[0101]若新增类与已知类之间不存在合影，则对于指定类中每一个类，根据该类的重要程度值，设置该类的第一权重值；
[0102]根据新增类的常见位置信息与该类的常见位置信息，设置该类的第二权重值；
[0103]根据第一权重值与第二权重值，得到该类的最终权重值；
[0104]根据最终权重值和第一距离，得到第二距离。
[0105]可选地，根据新增类和指定类中每一个类的非人脸特征信息、第一距离，计算新增类与指定类中每一个类之间的第二距离，包括:
[0106]若新增类与已知类之间存在合影，则对于指定类中每一个类，获取该类与已知类之间的合影概率和合影的常见位置信息；
[0107]根据合影概率，设置该类的第三权重值；
[0108]根据该类的重要程度值，设置该类的第一权重值；
[0109]根据新增类与已知类合影的常见位置信息、该类与已知类合影的常见位置信息，设置该类的第二权重值；
[0110]根据第一权重值、第二权重值和第三权重值，得到该类的最终权重值；
[0111]根据最终权重值与第一距离，得到第二距离。
[0112]上述所有可选技术方案，可以采用任意结合形成本发明的可选实施例，在此不再
--赘述。
[0113]图2是根据一示例性实施例示出的一种图片分类方法的流程图，如图2所示，包括以下步骤:
[0114]在步骤201中，为新增图片包含的每一个人脸信息创建一个新增类。
[0115]在本公开实施例中，用户通过智能终端可进行图片拍摄操作，该智能终端可以是手机、平板电脑等，本公开实施例对此不进行具体限定。以手机为例，用户拍摄的图片会存储至手机内置存储卡或外置存储卡中。一般情况下，为了便于用户浏览和查找图片，手机中的图片会以相册的形式呈现给用户，每个相册包含一类图片，比如，通过手机拍摄的图片均存储在名称为camera的相册中，通过某一应用下载的图片均存储在名称为该应用名称的相册中。用户通过点击相应的相册便可查看该相册中包含的图片。对于人物类的图片，用户往往希望将关于同一个人的图片放到同一个相册中，以便单独查看关于这个人的图片，这样就需要将存储的图片按照不同的人来进行分类。
[0116]在人物图片中，区分不同人最明显的标志是每个人的长相，即每个人的人脸信息不同。实质上，对图片按照不同的人来进行分类的过程，是一个迭代聚类的过程。在一轮迭代聚类过程中，当用户通过智能终端新拍摄图片或新下载图片时，智能终端会对新增的图片以本公开实施例中提供的方法进行分类。此时智能终端将关于同一个人的图片作为一个类分到同一个相册中，以便用户查看。经过图片分类最终得到的类相对于下一轮迭代聚类过程来说称为已知类。当智能终端再次检测到有新增加的图片时，下一轮迭代聚类过程开始，智能终端会获取每一张新增图片中包含的全部人脸信息，并为每一个人脸信息创建一个新增类。将所有新增类与已知类采用本发明实施例提供的方法进行新一轮的图片分类，以此类推，直至分类结束后，每一个类中包含关于同一个人的全部图片。
[0117]在步骤202中，对于每一个新增类，根据人脸信息计算该新增类与指定类中每一个类之间的第一距离。
[0118]其中，指定类包括上一轮图片分类过程得到的已知类和除该新增类之外的其它新增类。
[0119]在本公开实施例中，每一个新增类都是根据图片中的不同人脸信息进行创建的。即，一个人脸信息对应一个新增类。对于每一个新增类，在将该新增类与指定类进行类合并的过程中，需要判断该新增类是否与指定类是否针对同一个人。若该新增类与指定类针对同一个人，则将二者合并为一个类。在判断两个类是否针对同一个人时，需要判断这两个类之间的距离是否小于预设阈值。这两个类之间的距离基于人脸信息得到。若两个类之间的距离小于预设阈值，则确认这两个类针对同一个人。若两个类之间的距离不小于预设阈值，则确认这两个类不是针对同一个人。当确认两个类针对于同一个人时，将这两个类合并为一个类。其中，预设阈值可以为[0，1]范围内的数值，本公开实施例对此不进行具体限定。
[0120]在图片分类的过程中，对于一个新增类，若计算出该新增类与指定类中的某一个类之间的第一距离小于预设阈值，则将该新增类与这个类合并为一个新增类。至此，对于该新增类的此轮合并过程结束。若该新增类与指定类中每一个类之间的第一距离均不小于预设阈值，则为了保证图片分类的准确性，本公开实施例引入了非人脸特征信息，并根据该非人脸特征信息和第一距离进一步执行图片分类过程，详细过程参见下述步骤203。
[0121]需要说明的是，在根据人脸信息计算两个类之间的距离过程中，当一个类中包含多个图片时，会出现一个类中包含多个人脸信息的情况。当参与距离计算的两个类中至少有一个类中包含多个人脸信息时，需要在两个类中分别任选一个人脸信息，计算这两个人脸信息之间的距离，将所有人脸信息之间的距离取最小值，或平均值，或最大值作为这两个类之间的最终距离。关于如何根据多个人脸信息之间的距离来计算两个类之间的最终距离，本公开实施例不进行具体限定。
[0122]在步骤203中，若该新增类与指定类中每一个类之间的第一距离均不小于预设阈值，则获取该新增类和指定类中每一个类的非人 脸特征信息。
[0123]由于同一个人在不同姿态下拍摄的图片中人脸信息可能差别较大，在根据人脸信息进行判断时，对于包含同一个人脸信息的两个类，计算出的这两个类之间的距离很可能会大于预设阈值，使得包含相同人脸信息的两个类不能合并成一个类。或者，对于包含不同人脸信息的两个类，计算出的这两个类之间的距离很可能会小于预设阈值，使得包含不同人脸信息的两个类合并成一个类。导致图片分类结果不准确，不能满足用户的需求。因此，在进行图片分类时，需要添加更多的相关因素，来改善根据人脸信息计算得到的两个类之间的第一距离，使得关于同一个人的图片能够准确地聚到同一个类中。
[0124]在本公开实施例中，在利用人脸信息计算两个类之间第一距离的基础上，通过获取每个类的非人脸特征信息来对第一距离进行加权，得到两个类之间更加精确的距离。其中，一个类的非人脸特征信息至少包括该类对于用户的重要程度值、该类中包含图片的常见位置信息和该类与其它已知类之间的合影概率。
[0125]其中，该类对于用户的重要程度值，通过用户对该类对应相册的操作信息和该类的属性信息体现。比如，用户对该相册是否进行了命名、用户查看该相册的频率和该相册中包含图片的多少等。若用户对该相册进行了命名、用户经常查看该相册，并且该相册包含的图片多于其它相册，则说明该相册对用户来说更重要，新增类与该类是同一个类的概率也就更大。
[0126]其中，该类中包含图片的常见位置信息，指代该类对应的人经常进行拍摄的位置信息。比如，常见位置为家、公司等。若新增类的常见位置信息与该类的相同，则该新增类与该类是同一个类的概率越大。
[0127]其中，对于该类与其它已知类之间的合影概率，在检测到新增类与该类之间存在合影后，可通过获取该类与已知类A之间的合影概率，来判断该新增类与类A是否为同一个类。当该类与已知类A之间的合影概率越大时，该新增类与类A是同一个类的概率越大。
[0128]其中，获取该新增类和指定类中每一个类的非人脸特征信息的详细过程如下:
[0129]首先，根据用户对每一个类的操作信息和每一个类的属性信息中至少一项，设置每一个类的重要程度值，具体过程如下:
[0130]根据用户对每一个类的命名情况，设置每一个类的第一重要程度值;根据用户对每一个类的点击频率，设置每一个类的第二重要程度值;根据每一个类中包含的人脸数目，设置每一个类的第三重要程度值;根据第一重要程度值、第二重要程度值、第三重要程度值中至少一项，计算每一个类的重要程度值。
[0131]其中，用户对每一个类的命名情况和点击频率属于用户对每一个类的操作信息，每一个类中包含的人脸数目属于每一个类的属性信息。在计算每一个类的重要程度值时，可通过将第一重要程度值、第二重要程度值、第三重要程度值相加得到;也可通过在对第一重要程度值、第二重要程度值、第三重要程度值分别乘以某个系数后，再相加得到，本公开实施例对此不进行具体限定。
[0132]其次，获取每一个类的常见位置信息，具体过程如下:
[0133]对于每一个类，统计该类中全部图片的第一图片数量和每一个图片的拍摄位置信息;根据该拍摄位置信息，获取具有相同拍摄位置信息的第二图片数量;计算第二图片数量与第一图片数量的比值;若计算出的比值大于预设比例，则将第二图片数量对应的拍摄位置信息确定为该类的常见位置信息。
[0134]最后，获取每一个类与已知类的合影概率，具体过程如下:
[0135]对于每一个类，获取该类中全部合影图片的第一合影数量;获取该类与第一类之间的第二合影数量;计算第二合影数量与第一合影数量的比值，得到该类与第一类之间的合影概率。
[0136]其中，第一类为出除该类之外的已知类。由于每一个类对应一个人，因此该类与第一类之间的第二合影数量指代该类对应的人与第一类对应的人之间的合影数量。
[0137]在步骤204中，根据该新增类和指定类中每一个类的非人脸特征信息、第一距离，计算该新增类与指定类中每一个类之间的第二距离。
[0138]本公开实施例中，在获取到该新增类和指定类中每一个类的非人脸特征信息后，根据获取到的非人脸特征信息计算每一个类对应的权重值。将得到的权重值加权至步骤202中得到的第一距离，得到该新增类与指定类中每一个类之间的第二距离。在获取第二距离时，基于该新增类与已知类之间是否存在合影而分为两种情况，详细过程如下:
[0139]第一种情况，若该新增类与已知类之间不存在合影，则对于指定类中一个类，根据该类的重要程度值，设置该类的第一权重值;根据该新增类的常见位置信息与该类的常见位置信息，设置该类的第二权重值;根据第一权重值与第二权重值，得到该类的最终权重值;根据最终权重值和第一距离，得到第二距离。
[0140]需要说明的是，重要程度值越大对应的第一权重值越小;新增类的常见位置信息与任一类的常见位置信息一致，对应的第二权重值越小
[0141]第二种情况，若该新增类与已知类之间存在合影，则对于指定类中每一个类，获取该类与已知类之间的合影概率和合影的常见位置信息;根据合影概率，设置该类的第三权重值;根据该类的重要程度值，设置该类的第一权重值;根据该新增类与已知类合影的常见位置信息、该类与已知类合影的常见位置信息，设置该类的第二权重值;根据第一权重值、第二权重值和第三权重值，得到该类的最终权重值;根据最终权重值与第一距离，得到第二距离。
[0142]其中，第一权重值、第二权重值和第三权重值均为[0，1]范围内的数值。由于最终权重值是根据第一权重值、第二权重值和第三权重值得到的，因此最终权重值也为[0，1]范围内的数值。获取最终权重值的具体方式可以为将第一权重值、第二权重值和第三权重值进行相加或相乘，本公开实施例对此不进行具体限定。对于第一权重值、第二权重值、第三权重值和最终权重值的具体数值，本公开实施例同样不进行具体限定。
[0143]需要说明的是，重要程度值越大对应的第一权重值越小;新增类与已知类合影的常见位置信息与任一类与已知类合影的常见位置信息一致，对应的第二权重值越小;合影概率越大对应的第三权重值越小。
[0144]对于指定类中的每一个类X，在获取到该新增类与类X的最终权重值之后，将最终权重值加权至二者之间的第一距离，得到该新增类与类X之间的第二距离。由于最终权值的取值范围为[0，1]，因此利用最终权重值对第一距离加权得到的第二距离小于或者等于第一距离。这样当最终权重值不为1时，第二距离小于第一距离，也就更接近甚至小于预设阈值，提高了该新增类与类X之间距离的准确度。若该新增类与类X之间的第二距离大于或者等于预设阈值，则确认该新增类与类X不是同一个类。若该新增类与类X之间的第二距离小于预设阈值，则执行下述步骤205。
[0145]在步骤205中，若该新增类与指定类中任一类之间的第二距离小于预设阈值，则将该新增类与任一类合并为一个新增类。
[0146]在本公开实施例中，若该新增类与指定类中任一类之间的第二距离小于预设阈值，则确认该新增类与任一类为同一个类，将该新增类与任一类合并为一个类。对于每一个新增类，都会按照本公开实施例提供的方法进行聚类。在对全部的新增类完成分类之后，最终实现将关于同一个人的图片分到同一类中，使得关于同一个人的图片最终呈现在同一个相册中，以便用户查看。
[0147]本公开实施例提供的方法，在为新增图片包含的每一个人脸信息创建一个新增类后，对于每一个新增类，根据人脸信息计算该新增类与指定类中每一个类之间的第一距离；若该新增类与指定类中每一个类之间的第一距离均不小于预设阈值，则根据该新增类和指定类中每一个类的非人脸特征信息、第一距离，计算新增类与指定类中每一个类之间的第二距离;若该新增类与任一类之间的第二距离小于预设阈值，则将该新增类与任一类合并为一个新增类，由于在基于人脸信息计算第一距离的基础上，引入了非人脸特征信息，且基于非人脸特征信息和第一距离进行类与类之间的合并，所以即便是针对同一个人但人脸信息差别较大的图片也能聚到同一个类中，因此出现错误分类的情况大大降低，分类准确率尚ο
[0148]图3是根据一示例性实施例示出的一种图片分类装置的框图，如图3所示，该装置包括创建模块301、第一计算模块302、第二计算模块303、合并模块304。
[0149]其中，创建模块301与第一计算模块302连接，用于为新增图片包含的每一个人脸信息创建一个新增类;第一计算模块302与第二计算模块303连接，用于对于每一个新增类，根据人脸信息计算该新增类与指定类中每一个类之间的第一距离，指定类包括上一轮图片分类过程得到的已知类和除新增类之外的其他新增类;第二计算模块303与合并模块连接304，用于若该新增类与指定类中每一个类之间的第一距离均不小于预设阈值，则根据该新增类和指定类中每一个类的非人脸特征信息、第一距离，计算该新增类与指定类中每一个类之间的第二距离;合并模块304，用于若该新增类与任一类之间的第二距离小于预设阈值，则将该新增类与任一类合并为一个新增类。
[0150]可选地，参见图4，该装置还包括:
[0151]重要程度计算模块305，用于根据用户对每一个类的操作信息和每一个类的属性信息中至少一项，设置每一个类的重要程度值;将每一个类的重要程度值确定为非人脸特征信息。
[0152]可选地，重要程度计算模块，用于根据用户对每一个类的命名情况，设置每一个类的第一重要程度值;根据用户对每一个类的点击频率，设置每一个类的第二重要程度值;根据每一个类中包含的人脸数目，设置每一个类的第三重要程度值;根据第一重要程度值、第二重要程度值、第三重要程度值中至少一项，计算每一个类的重要程度值。
[0153]可选地，参见图5，该装置还包括:
[0154]统计模块306，用于对于每一个类，统计类中全部图片的第一图片数量和每一个图片的拍摄位置信息;根据拍摄位置信息，获取具有相同拍摄位置信息的第二图片数量；
[0155]常见位置获取模块307，用于计算第二图片数量与第一图片数量的比值;若比值大于预设比例，则将第二图片数量对应的拍摄位置信息确定为常见位置信息;将常见位置信息确定为非人脸特征信息。
[0156]可选地，参见图6，该装置还包括:
[0157]合影数量获取模块308，用于对于每一个类，获取该类中全部合影图片的第一合影数量;获取该类与第一类之间的第二合影数量，第一类为除该类之外的已知类；
[0158]合影概率计算模块309，还用于计算第二合影数量与第一合影数量的比值，得到类与第一类之间的合影概率;将合影概率确定为非人脸特征信息。
[0159]可选地，第二计算模块，用于若新增类 与已知类之间不存在合影，则对于指定类中每一个类，根据该类的重要程度值，设置该类的第一权重值;根据新增类的常见位置信息与该类的常见位置信息，设置该类的第二权重值;根据第一权重值与第二权重值，得到该类的最终权重值;根据最终权重值和第一距离，得到第二距离。
[0160]可选地，第二计算模块，用于若新增类与已知类之间存在合影，则对于指定类中每一个类，获取该类与已知类之间的合影概率和合影的常见位置信息;根据合影概率，设置该类的第三权重值;根据该类的重要程度值，设置该类的第一权重值;根据新增类与已知类合影的常见位置信息、该类与已知类合影的常见位置信息，设置该类的第二权重值;根据第一权重值、第二权重值和第三权重值，得到该类的最终权重值;根据最终权重值与第一距离，得到第二距离。
[0161]本公开实施例提供的装置，在为新增图片包含的每一个人脸信息创建一个新增类后，对于每一个新增类，根据人脸信息计算该新增类与指定类中每一个类之间的第一距离；若该新增类与指定类中每一个类之间的第一距离均不小于预设阈值，则根据该新增类和指定类中每一个类的非人脸特征信息、第一距离，计算新增类与指定类中每一个类之间的第二距离;若该新增类与任一类之间的第二距离小于预设阈值，则将该新增类与任一类合并为一个新增类，由于在基于人脸信息计算第一距离的基础上，引入了非人脸特征信息，且基于非人脸特征信息和第一距离进行类与类之间的合并，所以即便是针对同一个人但人脸信息差别较大的图片也能聚到同一个类中，因此出现错误分类的情况大大降低，分类准确率尚ο
[0162]关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
[0163]图7是根据一示例性实施例示出的一种图片分类装置700的框图。例如，装置700可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。
[0164]参照图7，装置700可以包括以下一个或多个组件:处理组件702，存储器704，电源组件706，多媒体组件708，音频组件710，输入/输出(I/O)的接口712，传感器组件714，以及通信组件716。
[0165]处理组件702通常控制装置700的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件702可以包括一个或多个处理器720来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件702可以包括一个或多个模块，便于处理组件702和其他组件之间的交互。例如，处理组件702可以包括多媒体模块，以方便多媒体组件708和处理组件702之间的交互。
[0166]存储器704被配置为存储各种类型的数据以支持在装置700的操作。这些数据的示例包括用于在装置700上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器704可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPR0M)，可编程只读存储器(PR0M)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
[0167]电源组件706为装置700的各种组件提供电力。电源组件706可以包括电源管理系统，一个或多个电源，及其他与为装置700生成、管理和分配电力相关联的组件。
[0168]多媒体组件708包括在所述装置700和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件708包括一个前置摄像头和/或后置摄像头。当装置700处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
[0169]音频组件710被配置为输出和/或输入音频信号。例如，音频组件710包括一个麦克风(MIC)，当装置700处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器704或经由通信组件716发送。在一些实施例中，音频组件710还包括一个扬声器，用于输出音频信号。
[0170]I/O接口712为处理组件702和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
[0171]传感器组件714包括一个或多个传感器，用于为装置700提供各个方面的状态评估。例如，传感器组件714可以检测到装置700的打开/关闭状态，组件的相对定位，例如所述组件为装置700的显示器和小键盘，传感器组件714还可以检测装置700或装置700—个组件的位置改变，用户与装置700接触的存在或不存在，装置700方位或加速/减速和装置700的温度变化。传感器组件714可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件714还可以包括光传感器，如CMOS或C⑶图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件714还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
[0172]通信组件716被配置为便于装置700和其他设备之间有线或无线方式的通信。装置700可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件716经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件716还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
[0173]在示例性实施例中，装置700可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
[0174]在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器704，上述指令可由装置700的处理器720执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
[0175]—种非临时性计算机可读存储介质，当所述存储介质中的指令由装置700的处理器执行时，使得装置700能够执行一种图片分类方法，所述方法包括:
[0176]为新增图片包含的每一个人脸信息创建一个新增类；
[0177]对于每一个新增类，根据人脸信息计算新增类与指定类中每一个类之间的第一距离，指定类包括上一轮图片分类过程得到的已知类和除新增类之外的其他新增类；
[0178]若新增类与指定类中每一个类之间的第一距离均不小于预设阈值，则根据新增类和指定类中每一个类的非人脸特征信息、第一距离，计算新增类与指定类中每一个类之间的第二距离；
[0179]若新增类与任一类之间的第二距离小于预设阈值，则将新增类与任一类合并为一个新增类。
[0180]可选地，计算新增类与指定类中每一个类之间的第二距离之前，该方法还包括:
[0181]根据用户对每一个类的操作信息和每一个类的属性信息中至少一项，设置每一个类的重要程度值；
[0182]将每一个类的重要程度值确定为非人脸特征信息。
[0183]可选地，根据用户对每一个类的操作信息和每一个类的属性信息中至少一项，设置每一个类的重要程度值，包括::
[0184]根据用户对每一个类的命名情况，设置每一个类的第一重要程度值；
[0185]根据用户对每一个类的点击频率，设置每一个类的第二重要程度值；
[0186]根据每一个类中包含的人脸数目，设置每一个类的第三重要程度值；
[0187]根据第一重要程度值、第二重要程度值、第三重要程度值中至少一项，计算每一个类的重要程度值。
[0188]可选地，计算新增类与指定类中每一个类之间的第二距离之前，该方法还包括:
[0189]对于每一个类，统计类中全部图片的第一图片数量和每一个图片的拍摄位置信息;
[0190]根据拍摄位置信息，获取具有相同拍摄位置信息的第二图片数量；
[0191]计算第二图片数量与第一图片数量的比值；
[0192]若比值大于预设比例，则将第二图片数量对应的拍摄位置信息确定为常见位置信息;
[0193]将常见位置信息确定为非人脸特征信息。
[0194]可选地，计算新增类与指定类中每一个类之间的第二距离之前，该方法还包括:
[0195]对于每一个类，获取该类中全部合影图片的第一合影数量；
[0196]获取该类与第一类之间的第二合影数量，第一类为除该类之外的已知类；
[0197]计算第二合影数量与第一合影数量的比值，得到该类与第一类之间的合影概率；
[0198]将合影概率确定为非人脸特征信息。
[0199]可选地，根据新增类和指定类中每一个类的非人脸特征信息、第一距离，计算新增类与指定类中每一个类之间的第二距离，包括:
[0200]若新增类与已知类之间不存在合影，则对于指定类中每一个类，根据该类的重要程度值，设置该类的第一权重值；
[0201 ]根据新增类的常见位置信息与该类的常见位置信息，设置该类的第二权重值；
[0202]根据第一权重值与第二权重值，得到该类的最终权重值；
[0203]根据最终权重值和第一距离，得到第二距离。
[0204]可选地，根据新增类和指定类中每一个类的非人脸特征信息、第一距离，计算新增类与指定类中每一个类之间的第二距离，包括:
[0205]若新增类与已知类之间存在合影，则对于指定类中每一个类，获取已知类与指定类中其它类之间的合影概率和合影的常见位置信息；
[0206]根据合影概率，设置该类的第三权重值；
[0207]根据该类的重要程度值，设置该类的第一权重值； [0208]根据新增类与已知类合影的常见位置信息、该类与已知类合影的常见位置信息，设置该类的第二权重值；
[0209 ]根据第一权重值、第二权重值和第三权重值，得到该类的最终权重值；
[0210]根据最终权重值与第一距离，得到第二距离。
[0211]本公开实施例提供的非临时性计算机可读存储介质，在为新增图片包含的每一个人脸信息创建一个新增类后，对于每一个新增类，根据人脸信息计算该新增类与指定类中每一个类之间的第一距离;若该新增类与指定类中每一个类之间的第一距离均不小于预设阈值，则根据该新增类和指定类中每一个类的非人脸特征信息、第一距离，计算新增类与指定类中每一个类之间的第二距离;若该新增类与任一类之间的第二距离小于预设阈值，则将该新增类与任一类合并为一个新增类，由于在基于人脸信息计算第一距离的基础上，弓丨入了非人脸特征信息，且基于非人脸特征信息和第一距离进行类与类之间的合并，所以即便是针对同一个人但人脸信息差别较大的图片也能聚到同一个类中，因此出现错误分类的情况大大降低，分类准确率高。
[0212]本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
[0213]应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
【主权项】
1.一种图片分类方法，其特征在于，所述方法包括: 为新增图片包含的每一个人脸信息创建一个新增类； 对于每一个新增类，根据人脸信息计算所述新增类与指定类中每一个类之间的第一距离，所述指定类包括上一轮图片分类过程得到的已知类和除所述新增类之外的其它新增类； 若所述新增类与所述指定类中每一个类之间的第一距离均不小于预设阈值，则根据所述新增类和所述指定类中每一个类的非人脸特征信息、所述第一距离，计算所述新增类与所述指定类中每一个类之间的第二距离； 若所述新增类与任一类之间的第二距离小于所述预设阈值，则将所述新增类与所述任一类合并为一个新增类。2.根据权利要求1所述的方法，其特征在于，所述计算所述新增类与所述指定类中每一个类之间的第二距离之前，所述方法还包括: 根据用户对每一个类的操作信息和所述每一个类的属性信息中至少一项，设置所述每一个类的重要程度值； 将所述每一个类的重要程度值确定为所述非人脸特征信息。3.根据权利要求2所述的方法，其特征在于，所述根据用户对每一个类的操作信息和所述每一个类的属性信息中至少一项，设置所述每一个类的重要程度值，包括: 根据用户对每一个类的命名情况，设置所述每一个类的第一重要程度值； 根据用户对每一个类的点击频率，设置所述每一个类的第二重要程度值； 根据所述每一个类中包含的人脸数目，设置所述每一个类的第三重要程度值； 根据所述第一重要程度值、所述第二重要程度值、所述第三重要程度值中至少一项，计算所述每一个类的重要程度值。4.根据权利要求1所述的方法，其特征在于，所述计算所述新增类与所述指定类中每一个类之间的第二距离之前，所述方法还包括: 对于每一个类，统计所述类中全部图片的第一图片数量和每一个图片的拍摄位置信息; 根据所述拍摄位置信息，获取具有相同拍摄位置信息的第二图片数量； 计算所述第二图片数量与所述第一图片数量的比值； 若所述比值大于预设比例，则将所述第二图片数量对应的拍摄位置信息确定为常见位置信息； 将所述常见位置信息确定为所述非人脸特征信息。5.根据权利要求1所述的方法，其特征在于，所述计算所述新增类与所述指定类中每一个类之间的第二距离之前，所述方法还包括: 对于每一个类，获取所述类中全部合影图片的第一合影数量； 获取所述类与第一类之间的第二合影数量，所述第一类为除所述类之外的已知类； 计算所述第二合影数量与所述第一合影数量的比值，得到所述类与所述第一类之间的合影概率； 将所述合影概率确定为所述非人脸特征信息。6.根据权利要求2至4所述的方法，其特征在于，所述根据所述新增类和所述指定类中每一个类的非人脸特征信息、所述第一距离，计算所述新增类与所述指定类中每一个类之间的第二距离，包括: 若所述新增类与所述已知类之间不存在合影，则对于指定类中每一个类，根据所述类的重要程度值，设置所述类的第一权重值； 根据所述新增类的常见位置信息与所述类的常见位置信息，设置所述类的第二权重值； 根据所述第一权重值与所述第二权重值，得到所述类的最终权重值； 根据所述最终权重值和所述第一距离，得到所述第二距离。7.根据权利要求2至5中任一权利要求所述的方法，其特征在于，所述根据所述新增类和所述指定类中每一个类的非人脸特征信息、所述第一距离，计算所述新增类与所述指定类中每一个类之间的第二距离，包括: 若所述新增类与所述已知类之间存在合影，则对于指定类中每一个类，获取所述类与所述已知类之间的合影概率和合影的常见位置信息； 根据所述合影概率，设置所述类的第三权重值； 根据所述类的重要程度值，设置所述类的第一权重值； 根据所述新增类与所述已知类合影的常见位置信息、所述类与所述已知类合影的常见位置信息，设置所述类的第二权重值； 根据所述第一权重值、所述第二权重值和所述第三权重值，得到所述类的最终权重值； 根据所述最终权重值与所述第一距离，得到所述第二距离。8.—种图片分类装置，其特征在于，所述装置包括: 创建模块，用于为新增图片包含的每一个人脸信息创建一个新增类； 第一计算模块，用于对于每一个新增类，根据人脸信息计算所述新增类与指定类中每一个类之间的第一距离，所述指定类包括上一轮图片分类过程得到的已知类和除所述新增类之外的其它新增类； 第二计算模块，用于若所述新增类与所述指定类中每一个类之间的第一距离均不小于预设阈值，则根据所述新增类和所述指定类中每一个类的非人脸特征信息、所述第一距离，计算所述新增类与所述指定类中每一个类之间的第二距离； 合并模块，用于若所述新增类与任一类之间的第二距离小于所述预设阈值，则将所述新增类与所述任一类合并为一个新增类。9.根据权利要求8所述的装置，其特征在于，所述装置还包括: 重要程度计算模块，用于根据用户对每一个类的操作信息和所述每一个类的属性信息中至少一项，设置所述每一个类的重要程度值;将所述每一个类的重要程度值确定为所述非人脸特征信息。10.根据权利要求9所述的装置，其特征在于，所述重要程度计算模块，用于根据用户对每一个类的命名情况，设置所述每一个类的第一重要程度值;根据用户对每一个类的点击频率，设置所述每一个类的第二重要程度值;根据所述每一个类中包含的人脸数目，设置所述每一个类的第三重要程度值;根据所述第一重要程度值、所述第二重要程度值、所述第三重要程度值中至少一项，计算所述每一个类的重要程度值。11.根据权利要求8所述的装置，其特征在于，所述装置还包括: 统计模块，用于对于每一个类，统计所述类中全部图片的第一图片数量和每一个图片的拍摄位置信息;根据所述拍摄位置信息，获取具有相同拍摄位置信息的第二图片数量； 常见位置获取模块，用于计算所述第二图片数量与所述第一图片数量的比值;若所述比值大于预设比例，则将所述第二图片数量对应的拍摄位置信息确定为常见位置信息;将所述常见位置信息确定为所述非人脸特征信息。12.根据权利要求8所述的装置，其特征在于，所述装置还包括: 合影数量获取模块，用于对于每一个类，获取所述类中全部合影图片的第一合影数量；获取所述类与第一类之间的第二合影数量，所述第一类为除所述类之外的已知类； 合影概率计算模块，用于计算所述第二合影数量与所述第一合影数量的比值，得到所述类与所述第一类之间的合影概率;将所述合影概率确定为所述非人脸特征信息。13.根据权利要求9至11所述的装置，其特征在于，所述第二计算模块，用于若所述新增类与所述已知类之间不存在合影，则对于指定类中每一个类，根据所述类的重要程度值，设置所述类的第一权重值;根据所述新增类的常见位置信息与所述类的常见位置信息，设置所述类的第二权重值;根据所述第一权重值与所述第二权重值，得到所述类的最终权重值；根据所述最终权重值和所述第一距离，得到所述第二距离。14.根据权利要求9至12中任一权利要求所述的装置，其特征在于，所述第二计算模块，用于若所述新增类与所述已知类之间存在合影，则对于指定类中每一个类，获取所述类与所述已知类之间的合影概率和合影的常见位置信息;根据所述合影概率，设置所述类的第三权重值;根据所述类的重要程度值，设置所述类的第一权重值;根据所述新增类与所述已知类合影的常见位置信息、所述类与所述已知类合影的常见位置信息，设置所述类的第二权重值;根据所述第一权重值、所述第二权重值和所述第三权重值，得到所述类的最终权重值;根据所述最终权重值与所述第一距离，得到所述第二距离。15.—种图片分类装置，其特征在于，包括: 处理器； 用于存储处理器可执行指令的存储器； 其中，所述处理器被配置为:为新增图片包含的每一个人脸信息创建一个新增类;对于每一个新增类，根据人脸信息计算所述新增类与指定类中每一个类之间的第一距离，所述指定类包括上一轮图片分类过程得到的已知类和除所述新增类之外的其它新增类;若所述新增类与所述指定类中每一个类之间的第一距离均不小于预设阈值，则根据所述新增类和所述指定类中每一个类的非人脸特征信息、所述第一距离，计算所述新增类与所述指定类中每一个类之间的第二距离;若所述新增类与任一类之间的第二距离小于所述预设阈值，则将所述新增类与所述任一类合并为一个新增类。
【专利摘要】本公开是关于一种图片分类方法及装置，属于终端技术领域。所述方法包括：为新增图片包含的每一个人脸信息创建一个新增类；对于每一个新增类，根据人脸信息计算该新增类与指定类中每一个类之间的第一距离；若该新增类与指定类中每一个类之间的第一距离均不小于预设阈值，则根据该新增类和指定类中每一个类的非人脸特征信息、第一距离，计算新增类与指定类中每一个类之间的第二距离；若该新增类与任一类之间的第二距离小于预设阈值，则将该新增类与任一类合并为一个新增类。由于引入了非人脸特征信息，且基于非人脸特征信息和第一距离进行类的合并，所以针对同一个人但人脸信息差别较大的图片也能聚到同一个类中，错误分类概率降低，分类准确率高。
【IPC分类】G06K9/00
【公开号】CN105488467
【申请号】CN201510845579
【发明人】陈志军, 张旭华, 侯文迪
【申请人】小米科技有限责任公司
【公开日】2016年4月13日
【申请日】2015年11月26日
【技术领域】
[0001 ]本公开涉及终端技术领域，特别涉及一种图片分类方法及装置。
【背景技术】
[0002]随着科学技术的进步，智能终端具备的功能越来越多。比如，通过智能终端可进行图片拍摄等操作。当用户通过智能终端拍摄的图片较多时，为了便于用户浏览和查找图片，通常均会对存储的图片进行分类。
[0003]相关技术在进行图片分类时，一般根据人脸信息对已存储图片进行聚类，将包含同一人脸信息的图片划分为一类。具体地，在判断两个类是否针对于同一人时，可通过判断两个类包含的人脸信息之间的距离实现。若两个类包含的人脸信息之间的距离小于距离阈值，则确定这两个类针对于同一个人，将这两个类合并为一个类。以此类推，最终将包含同一个人的图片聚集到一个类中。
【发明内容】
[0004]为了解决相关技术中由于同一个人在不同姿态下拍摄的图片中人脸信息可能差别较大，在基于人脸信息进行图片分类时，可能会出现错误分类的问题，本公开实施例提供了一种图片分类方法及装置，所述技术方案如下:
[0005]根据本公开实施例的第一方面，提供一种图片分类方法，所述方法包括:
[0006]为新增图片包含的每一个人脸信息创建一个新增类；
[0007]对于每一个新增类，根据人脸信息计算所述新增类与指定类中每一个类之间的第一距离，所述指定类包括上一轮图片分类过程得到的已知类和除所述新增类之外的其它新增类；
[0008]若所述新增类与所述指定类中每一个类之间的第一距离均不小于预设阈值，则根据所述新增类和所述指定类中每一个类的非人脸特征信息、所述第一距离，计算所述新增类与所述指定类中每一个类之间的第二距离；
[0009]若所述新增类与任一类之间的第二距离小于所述预设阈值，则将所述新增类与所述任一类合并为一个新增类。
[0010]可选地，所述计算所述新增类与所述指定类中每一个类之间的第二距离之前，所述方法还包括:
[0011]根据用户对每一个类的操作信息和所述每一个类的属性信息中至少一项，设置所述每一个类的重要程度值；
[0012]将所述每一个类的重要程度值确定为所述非人脸特征信息。
[0013]可选地，所述根据用户对每一个类的操作信息和所述每一个类的属性信息中至少一项，设置所述每一个类的重要程度值，包括:
[0014]根据用户对每一个类的命名情况，设置所述每一个类的第一重要程度值；
[0015]根据用户对每一个类的点击频率，设置所述每一个类的第二重要程度值；
[0016]根据所述每一个类中包含的人脸数目，设置所述每一个类的第三重要程度值；
[0017]根据所述第一重要程度值、所述第二重要程度值、所述第三重要程度值中至少一项，计算所述每一个类的重要程度值。
[0018]可选地，所述计算所述新增类与所述指定类中每一个类之间的第二距离之前，所述方法还包括:
[0019]对于每一个类，统计所述类中全部图片的第一图片数量和每一个图片的拍摄位置信息；
[0020]根据所述拍摄位置信息，获取具有相同拍摄位置信息的第二图片数量；
[0021]计算所述第二图片数量与所述第一图片数量的比值；
[0022]若所述比值大于预设比例，则将所述第二图片数量对应的拍摄位置信息确定为常见位置信息；
[0023]将所述常见位置信息确定为所述非人脸特征信息。
[0024]可选地，所述计算所述新增类与所述指定类中每一个类之间的第二距离之前，所述方法还包括:
[0025]对于每一个类，获取所述类中全部合影图片的第一合影数量；
[0026]获取所述类与第一类之间的第二合影数量，所述第一类为除所述类之外的已知类；
[0027]计算所述第二合影数量与所述第一合影数量的比值，得到所述类与所述第一类之间的合影概率；
[0028]将所述合影概率确定为所述非人脸特征信息。
[0029]可选地，所述根据所述新增类和所述指定类中每一个类的非人脸特征信息、所述第一距离，计算所述新增类与所述指定类中每一个类之间的第二距离，包括:
[0030]若所述新增类与所述已知类之间不存在合影，则对于指定类中每一个类，根据所述类的重要程度值，设置所述类的第一权重值；
[0031 ]根据所述新增类的常见位置信息与所述类的常见位置信息，设置所述类的第二权重值；
[0032]根据所述第一权重值与所述第二权重值，得到所述类的最终权重值；
[0033]根据所述最终权重值和所述第一距离，得到所述第二距离。
[0034]可选地，所述根据所述新增类和所述指定类中每一个类的非人脸特征信息、所述第一距离，计算所述新增类与所述指定类中每一个类之间的第二距离，包括:
[0035]若所述新增类与所述已知类之间存在合影，则对于指定类中每一个类，获取所述类与所述已知类之间的合影概率和合影的常见位置信息；
[0036]根据所述合影概率，设置所述类的第三权重值；
[0037]根据所述类的重要程度值，设置所述类的第一权重值；
[0038]根据所述新增类与所述已知类合影的常见位置信息、所述类与所述已知类合影的常见位置信息，设置所述类的第二权重值；
[0039]根据所述第一权重值、所述第二权重值和所述第三权重值，得到所述类的最终权重值；
[0040]根据所述最终权重值与所述第一距离，得到所述第二距离。
[0041]根据本公开实施例的第二方面，提供一种图片分类装置，所述装置包括:
[0042]创建模块，用于为新增图片包含的每一个人脸信息创建一个新增类；
[0043]第一计算模块，用于对于每一个新增类，根据人脸信息计算所述新增类与指定类中每一个类之间的第一距离，所述指定类包括上一轮图片分类过程得到的已知类和除所述新增类之外的其它新增类；
[0044]第二计算模块，用于若所述新增类与所述指定类中每一个类之间的第一距离均不小于预设阈值，则根据所述新增类和所述指定类中每一个类的非人脸特征信息、所述第一距离，计算所述新增类与所述指定类中每一个类之间的第二距离；
[0045]合并模块，用于若所述新增类与任一类之间的第二距离小于所述预设阈值，则将所述新增类与所述任一类合并为一个新增类。
[0046]可选地，所述装置还包括:
[0047]重要程度计算模块，用于根据用户对每一个类的操作信息和所述每一个类的属性信息中至少一项，设置所述每一个类的重要程度值;将所述每一个类的重要程度值确定为所述非人脸特征信息。
[0048]可选地，所述重要程度计算模块，用于根据用户对每一个类的命名情况，设置所述每一个类的第一重要程度值;根据用户对每一个类的点击频率，设置所述每一个类的第二重要程度值;根据所述每一个类中包含的人脸数目，设置所述每一个类的第三重要程度值；根据所述第一重要程度值、所述第二重要程度值、所述第三重要程度值中至少一项，计算所述每一个类的重要程度值。
[0049]可选地，所述装置还包括:
[0050]统计模块，用于对于每一个类，统计所述类中全部图片的第一图片数量和每一个图片的拍摄位置信息;根据所述拍摄位置信息，获取具有相同拍摄位置信息的第二图片数量；
[0051]常见位置获取模块，用于计算所述第二图片数量与所述第一图片数量的比值;若所述比值大于预设比例，则将所述第二图片数量对应的拍摄位置信息确定为常见位置信息;将所述常见位置信息确定为所述非人脸特征信息。
[0052]可选地，所述装置还包括:
[0053]合影数量获取模块，用于对于每一个类，获取所述类中全部合影图片的第一合影数量;获取所述类与第一类之间的第二合影数量，所述第一类为除所述类之外的已知类；
[0054]合影概率计算模块，用于计算所述第二合影数量与所述第一合影数量的比值，得到所述类与所述第一类之间的合影概率;将所述合影概率确定为所述非人脸特征信息。
[0055]可选地，所述第二计算模块，用于若所述新增类与所述已知类之间不存在合影，则对于指定类中每一个类，根据所述类的重要程度值，设置所述类的第一权重值;根据所述新增类的常见位置信息与所述类的常见位置信息，设置所述类的第二权重值;根据所述第一权重值与所述第二权重值，得到所述类的最终权重值;根据所述最终权重值和所述第一距离，得到所述第二距离。
[0056]可选地，所述第二计算模块，用于若所述新增类与所述已知类之间存在合影，则对于指定类中每一个类，获取所述类与所述已知类之间的合影概率和合影的常见位置信息；根据所述合影概率，设置所述类的第三权重值;根据所述类的重要程度值，设置所述类的第一权重值;根据所述新增类与所述已知类合影的常见位置信息、所述类与所述已知类合影的常见位置信息，设置所述类的第二权重值;根据所述第一权重值、所述第二权重值和所述第三权重值，得到所述类的最终权重值;根据所述最终权重值与所述第一距离，得到所述第二距离。
[0057]根据本公开实施例的第三方面，提供一种图片分类装置，包括:
[0058]处理器；
[0059]用于存储处理器可执行指令的存储器；
[0060]其中，所述处理器被配置为:为新增图片包含的每一个人脸信息创建一个新增类；对于每一个新增类，根据人脸信息计算所述新增类与指定类中每一个类之间的第一距离，所述指定类包括上一轮图片分类过程得到的已知类和除所述新增类之外的其它新增类;若所述新增类与所述指定类中每一个类之间的第一距离均不小于预设阈值，则根据所述新增类和所述指定类中每一个类的非人脸特征信息、所述第一距离，计算所述新增类与所述指定类中每一个类之间的第二距离;若所述新增类与任一类之间的第二距离小于所述预设阈值，则将所述新增类与所述任一类合并为一个新增类。
[0061]本公开实施例提供的技术方案可以包括以下有益效果:
[0062]在为新增图片包含的每一个人脸信息创建一个新增类后，对于每一个新增类，根据人脸信息计算该新增类与指定类中每一个类之间的第一距离;若该新增类与指定类中每一个类之间的第一距离均不小于预设阈值，则根据该新增类和指定类中每一个类的非人脸特征信息、第一距离，计算新增类与指定类中每一个类之间的第二距离;若该新增类与任一类之间的第二距离小于预设阈值，则将该新增类与任一类合并为一个新增类，由于在基于人脸信息计算第一距离的基础上，引入了非人脸特征信息，且基于非人脸特征信息和第一距离进行类与类之间的合并，所以即便是针对同一个人但人脸信息差别较大的图片也 能聚到同一个类中，因此出现错误分类的情况大大降低，分类准确率高。
[0063]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
【附图说明】
[0064]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
[0065]图1是根据一示例性实施例示出的一种图片分类方法的流程图。
[0066]图2是根据一示例性实施例示出的一种图片分类方法的流程图。
[0067]图3是根据一示例性实施例示出的一种图片分类装置的框图。
[0068]图4是根据一示例性实施例示出的一种图片分类装置的框图。
[0069]图5是根据一示例性实施例示出的一种图片分类装置的框图。
[0070]图6是根据一示例性实施例示出的一种图片分类装置的框图。
[0071]图7是根据一示例性实施例示出的一种图片分类装置的框图。
[0072]通过上述附图，已示出本公开明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围，而是通过参考特定实施例为本领域技术人员说明本公开的概念。
【具体实施方式】
[0073]这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
[0074]图1是根据一示例性实施例示出的一种图片分类方法的流程图，如图1所示，包括以下步骤:
[0075]在步骤101中，为新增图片包含的每一个人脸信息创建一个新增类。
[0076]在步骤102中，对于每一个新增类，根据人脸信息计算该新增类与指定类中每一个类之间的第一距离。
[0077]其中，指定类包括上一轮图片分类过程得到的已知类和除该新增类之外的其它新增类。
[0078]在步骤103中，若该新增类与指定类中每一个类之间的第一距离均不小于预设阈值，则根据该新增类和指定类中每一个类的非人脸特征信息、第一距离，计算该新增类与指定类中每一个类之间的第二距离。
[0079]在步骤104中，若该新增类与指定类中任一类之间的第二距离小于预设阈值，则将该新增类与任一类合并为一个新增类。
[0080]本公开实施例提供的方法，在为新增图片包含的每一个人脸信息创建一个新增类后，对于每一个新增类，根据人脸信息计算该新增类与指定类中每一个类之间的第一距离；若该新增类与指定类中每一个类之间的第一距离均不小于预设阈值，则根据该新增类和指定类中每一个类的非人脸特征信息、第一距离，计算新增类与指定类中每一个类之间的第二距离;若该新增类与任一类之间的第二距离小于预设阈值，则将该新增类与任一类合并为一个新增类，由于在基于人脸信息计算第一距离的基础上，引入了非人脸特征信息，且基于非人脸特征信息和第一距离进行类与类之间的合并，所以即便是针对同一个人但人脸信息差别较大的图片也能聚到同一个类中，因此出现错误分类的情况大大降低，分类准确率尚ο
[0081]可选地，计算新增类与指定类中每一个类之间的第二距离之前，该方法还包括:
[0082]根据用户对每一个类的操作信息和每一个类的属性信息中至少一项，设置每一个类的重要程度值；
[0083]将每一个类的重要程度值确定为非人脸特征信息。
[0084]可选地，根据用户对每一个类的操作信息和每一个类的属性信息中至少一项，设置每一个类的重要程度值，包括:
[0085]根据用户对每一个类的命名情况，设置每一个类的第一重要程度值；
[0086]根据用户对每一个类的点击频率，设置每一个类的第二重要程度值；
[0087]根据每一个类中包含的人脸数目，设置每一个类的第三重要程度值；
[0088]根据第一重要程度值、第二重要程度值、第三重要程度值中至少一项，计算每一个类的重要程度值。
[0089]可选地，计算新增类与指定类中每一个类之间的第二距离之前，该方法还包括:
[0090]对于每一个类，统计类中全部图片的第一图片数量和每一个图片的拍摄位置信息;
[0091 ]根据拍摄位置信息，获取具有相同拍摄位置信息的第二图片数量；
[0092]计算第二图片数量与第一图片数量的比值；
[0093]若比值大于预设比例，则将第二图片数量对应的拍摄位置信息确定为常见位置信息;
[0094]将常见位置信息确定为非人脸特征信息。
[0095]可选地，计算新增类与指定类中每一个类之间的第二距离之前，该方法还包括:
[0096]对于每一个类，获取该类中全部合影图片的第一合影数量；
[0097]获取该类与第一类之间的第二合影数量，第一类为除该类之外的已知类；
[0098]计算第二合影数量与第一合影数量的比值，得到该类与第一类之间的合影概率；
[0099]将合影概率确定为非人脸特征信息。
[0100]可选地，根据新增类和指定类中每一个类的非人脸特征信息、第一距离，计算新增类与指定类中每一个类之间的第二距离，包括:
[0101]若新增类与已知类之间不存在合影，则对于指定类中每一个类，根据该类的重要程度值，设置该类的第一权重值；
[0102]根据新增类的常见位置信息与该类的常见位置信息，设置该类的第二权重值；
[0103]根据第一权重值与第二权重值，得到该类的最终权重值；
[0104]根据最终权重值和第一距离，得到第二距离。
[0105]可选地，根据新增类和指定类中每一个类的非人脸特征信息、第一距离，计算新增类与指定类中每一个类之间的第二距离，包括:
[0106]若新增类与已知类之间存在合影，则对于指定类中每一个类，获取该类与已知类之间的合影概率和合影的常见位置信息；
[0107]根据合影概率，设置该类的第三权重值；
[0108]根据该类的重要程度值，设置该类的第一权重值；
[0109]根据新增类与已知类合影的常见位置信息、该类与已知类合影的常见位置信息，设置该类的第二权重值；
[0110]根据第一权重值、第二权重值和第三权重值，得到该类的最终权重值；
[0111]根据最终权重值与第一距离，得到第二距离。
[0112]上述所有可选技术方案，可以采用任意结合形成本发明的可选实施例，在此不再
--赘述。
[0113]图2是根据一示例性实施例示出的一种图片分类方法的流程图，如图2所示，包括以下步骤:
[0114]在步骤201中，为新增图片包含的每一个人脸信息创建一个新增类。
[0115]在本公开实施例中，用户通过智能终端可进行图片拍摄操作，该智能终端可以是手机、平板电脑等，本公开实施例对此不进行具体限定。以手机为例，用户拍摄的图片会存储至手机内置存储卡或外置存储卡中。一般情况下，为了便于用户浏览和查找图片，手机中的图片会以相册的形式呈现给用户，每个相册包含一类图片，比如，通过手机拍摄的图片均存储在名称为camera的相册中，通过某一应用下载的图片均存储在名称为该应用名称的相册中。用户通过点击相应的相册便可查看该相册中包含的图片。对于人物类的图片，用户往往希望将关于同一个人的图片放到同一个相册中，以便单独查看关于这个人的图片，这样就需要将存储的图片按照不同的人来进行分类。
[0116]在人物图片中，区分不同人最明显的标志是每个人的长相，即每个人的人脸信息不同。实质上，对图片按照不同的人来进行分类的过程，是一个迭代聚类的过程。在一轮迭代聚类过程中，当用户通过智能终端新拍摄图片或新下载图片时，智能终端会对新增的图片以本公开实施例中提供的方法进行分类。此时智能终端将关于同一个人的图片作为一个类分到同一个相册中，以便用户查看。经过图片分类最终得到的类相对于下一轮迭代聚类过程来说称为已知类。当智能终端再次检测到有新增加的图片时，下一轮迭代聚类过程开始，智能终端会获取每一张新增图片中包含的全部人脸信息，并为每一个人脸信息创建一个新增类。将所有新增类与已知类采用本发明实施例提供的方法进行新一轮的图片分类，以此类推，直至分类结束后，每一个类中包含关于同一个人的全部图片。
[0117]在步骤202中，对于每一个新增类，根据人脸信息计算该新增类与指定类中每一个类之间的第一距离。
[0118]其中，指定类包括上一轮图片分类过程得到的已知类和除该新增类之外的其它新增类。
[0119]在本公开实施例中，每一个新增类都是根据图片中的不同人脸信息进行创建的。即，一个人脸信息对应一个新增类。对于每一个新增类，在将该新增类与指定类进行类合并的过程中，需要判断该新增类是否与指定类是否针对同一个人。若该新增类与指定类针对同一个人，则将二者合并为一个类。在判断两个类是否针对同一个人时，需要判断这两个类之间的距离是否小于预设阈值。这两个类之间的距离基于人脸信息得到。若两个类之间的距离小于预设阈值，则确认这两个类针对同一个人。若两个类之间的距离不小于预设阈值，则确认这两个类不是针对同一个人。当确认两个类针对于同一个人时，将这两个类合并为一个类。其中，预设阈值可以为[0，1]范围内的数值，本公开实施例对此不进行具体限定。
[0120]在图片分类的过程中，对于一个新增类，若计算出该新增类与指定类中的某一个类之间的第一距离小于预设阈值，则将该新增类与这个类合并为一个新增类。至此，对于该新增类的此轮合并过程结束。若该新增类与指定类中每一个类之间的第一距离均不小于预设阈值，则为了保证图片分类的准确性，本公开实施例引入了非人脸特征信息，并根据该非人脸特征信息和第一距离进一步执行图片分类过程，详细过程参见下述步骤203。
[0121]需要说明的是，在根据人脸信息计算两个类之间的距离过程中，当一个类中包含多个图片时，会出现一个类中包含多个人脸信息的情况。当参与距离计算的两个类中至少有一个类中包含多个人脸信息时，需要在两个类中分别任选一个人脸信息，计算这两个人脸信息之间的距离，将所有人脸信息之间的距离取最小值，或平均值，或最大值作为这两个类之间的最终距离。关于如何根据多个人脸信息之间的距离来计算两个类之间的最终距离，本公开实施例不进行具体限定。
[0122]在步骤203中，若该新增类与指定类中每一个类之间的第一距离均不小于预设阈值，则获取该新增类和指定类中每一个类的非人 脸特征信息。
[0123]由于同一个人在不同姿态下拍摄的图片中人脸信息可能差别较大，在根据人脸信息进行判断时，对于包含同一个人脸信息的两个类，计算出的这两个类之间的距离很可能会大于预设阈值，使得包含相同人脸信息的两个类不能合并成一个类。或者，对于包含不同人脸信息的两个类，计算出的这两个类之间的距离很可能会小于预设阈值，使得包含不同人脸信息的两个类合并成一个类。导致图片分类结果不准确，不能满足用户的需求。因此，在进行图片分类时，需要添加更多的相关因素，来改善根据人脸信息计算得到的两个类之间的第一距离，使得关于同一个人的图片能够准确地聚到同一个类中。
[0124]在本公开实施例中，在利用人脸信息计算两个类之间第一距离的基础上，通过获取每个类的非人脸特征信息来对第一距离进行加权，得到两个类之间更加精确的距离。其中，一个类的非人脸特征信息至少包括该类对于用户的重要程度值、该类中包含图片的常见位置信息和该类与其它已知类之间的合影概率。
[0125]其中，该类对于用户的重要程度值，通过用户对该类对应相册的操作信息和该类的属性信息体现。比如，用户对该相册是否进行了命名、用户查看该相册的频率和该相册中包含图片的多少等。若用户对该相册进行了命名、用户经常查看该相册，并且该相册包含的图片多于其它相册，则说明该相册对用户来说更重要，新增类与该类是同一个类的概率也就更大。
[0126]其中，该类中包含图片的常见位置信息，指代该类对应的人经常进行拍摄的位置信息。比如，常见位置为家、公司等。若新增类的常见位置信息与该类的相同，则该新增类与该类是同一个类的概率越大。
[0127]其中，对于该类与其它已知类之间的合影概率，在检测到新增类与该类之间存在合影后，可通过获取该类与已知类A之间的合影概率，来判断该新增类与类A是否为同一个类。当该类与已知类A之间的合影概率越大时，该新增类与类A是同一个类的概率越大。
[0128]其中，获取该新增类和指定类中每一个类的非人脸特征信息的详细过程如下:
[0129]首先，根据用户对每一个类的操作信息和每一个类的属性信息中至少一项，设置每一个类的重要程度值，具体过程如下:
[0130]根据用户对每一个类的命名情况，设置每一个类的第一重要程度值;根据用户对每一个类的点击频率，设置每一个类的第二重要程度值;根据每一个类中包含的人脸数目，设置每一个类的第三重要程度值;根据第一重要程度值、第二重要程度值、第三重要程度值中至少一项，计算每一个类的重要程度值。
[0131]其中，用户对每一个类的命名情况和点击频率属于用户对每一个类的操作信息，每一个类中包含的人脸数目属于每一个类的属性信息。在计算每一个类的重要程度值时，可通过将第一重要程度值、第二重要程度值、第三重要程度值相加得到;也可通过在对第一重要程度值、第二重要程度值、第三重要程度值分别乘以某个系数后，再相加得到，本公开实施例对此不进行具体限定。
[0132]其次，获取每一个类的常见位置信息，具体过程如下:
[0133]对于每一个类，统计该类中全部图片的第一图片数量和每一个图片的拍摄位置信息;根据该拍摄位置信息，获取具有相同拍摄位置信息的第二图片数量;计算第二图片数量与第一图片数量的比值;若计算出的比值大于预设比例，则将第二图片数量对应的拍摄位置信息确定为该类的常见位置信息。
[0134]最后，获取每一个类与已知类的合影概率，具体过程如下:
[0135]对于每一个类，获取该类中全部合影图片的第一合影数量;获取该类与第一类之间的第二合影数量;计算第二合影数量与第一合影数量的比值，得到该类与第一类之间的合影概率。
[0136]其中，第一类为出除该类之外的已知类。由于每一个类对应一个人，因此该类与第一类之间的第二合影数量指代该类对应的人与第一类对应的人之间的合影数量。
[0137]在步骤204中，根据该新增类和指定类中每一个类的非人脸特征信息、第一距离，计算该新增类与指定类中每一个类之间的第二距离。
[0138]本公开实施例中，在获取到该新增类和指定类中每一个类的非人脸特征信息后，根据获取到的非人脸特征信息计算每一个类对应的权重值。将得到的权重值加权至步骤202中得到的第一距离，得到该新增类与指定类中每一个类之间的第二距离。在获取第二距离时，基于该新增类与已知类之间是否存在合影而分为两种情况，详细过程如下:
[0139]第一种情况，若该新增类与已知类之间不存在合影，则对于指定类中一个类，根据该类的重要程度值，设置该类的第一权重值;根据该新增类的常见位置信息与该类的常见位置信息，设置该类的第二权重值;根据第一权重值与第二权重值，得到该类的最终权重值;根据最终权重值和第一距离，得到第二距离。
[0140]需要说明的是，重要程度值越大对应的第一权重值越小;新增类的常见位置信息与任一类的常见位置信息一致，对应的第二权重值越小
[0141]第二种情况，若该新增类与已知类之间存在合影，则对于指定类中每一个类，获取该类与已知类之间的合影概率和合影的常见位置信息;根据合影概率，设置该类的第三权重值;根据该类的重要程度值，设置该类的第一权重值;根据该新增类与已知类合影的常见位置信息、该类与已知类合影的常见位置信息，设置该类的第二权重值;根据第一权重值、第二权重值和第三权重值，得到该类的最终权重值;根据最终权重值与第一距离，得到第二距离。
[0142]其中，第一权重值、第二权重值和第三权重值均为[0，1]范围内的数值。由于最终权重值是根据第一权重值、第二权重值和第三权重值得到的，因此最终权重值也为[0，1]范围内的数值。获取最终权重值的具体方式可以为将第一权重值、第二权重值和第三权重值进行相加或相乘，本公开实施例对此不进行具体限定。对于第一权重值、第二权重值、第三权重值和最终权重值的具体数值，本公开实施例同样不进行具体限定。
[0143]需要说明的是，重要程度值越大对应的第一权重值越小;新增类与已知类合影的常见位置信息与任一类与已知类合影的常见位置信息一致，对应的第二权重值越小;合影概率越大对应的第三权重值越小。
[0144]对于指定类中的每一个类X，在获取到该新增类与类X的最终权重值之后，将最终权重值加权至二者之间的第一距离，得到该新增类与类X之间的第二距离。由于最终权值的取值范围为[0，1]，因此利用最终权重值对第一距离加权得到的第二距离小于或者等于第一距离。这样当最终权重值不为1时，第二距离小于第一距离，也就更接近甚至小于预设阈值，提高了该新增类与类X之间距离的准确度。若该新增类与类X之间的第二距离大于或者等于预设阈值，则确认该新增类与类X不是同一个类。若该新增类与类X之间的第二距离小于预设阈值，则执行下述步骤205。
[0145]在步骤205中，若该新增类与指定类中任一类之间的第二距离小于预设阈值，则将该新增类与任一类合并为一个新增类。
[0146]在本公开实施例中，若该新增类与指定类中任一类之间的第二距离小于预设阈值，则确认该新增类与任一类为同一个类，将该新增类与任一类合并为一个类。对于每一个新增类，都会按照本公开实施例提供的方法进行聚类。在对全部的新增类完成分类之后，最终实现将关于同一个人的图片分到同一类中，使得关于同一个人的图片最终呈现在同一个相册中，以便用户查看。
[0147]本公开实施例提供的方法，在为新增图片包含的每一个人脸信息创建一个新增类后，对于每一个新增类，根据人脸信息计算该新增类与指定类中每一个类之间的第一距离；若该新增类与指定类中每一个类之间的第一距离均不小于预设阈值，则根据该新增类和指定类中每一个类的非人脸特征信息、第一距离，计算新增类与指定类中每一个类之间的第二距离;若该新增类与任一类之间的第二距离小于预设阈值，则将该新增类与任一类合并为一个新增类，由于在基于人脸信息计算第一距离的基础上，引入了非人脸特征信息，且基于非人脸特征信息和第一距离进行类与类之间的合并，所以即便是针对同一个人但人脸信息差别较大的图片也能聚到同一个类中，因此出现错误分类的情况大大降低，分类准确率尚ο
[0148]图3是根据一示例性实施例示出的一种图片分类装置的框图，如图3所示，该装置包括创建模块301、第一计算模块302、第二计算模块303、合并模块304。
[0149]其中，创建模块301与第一计算模块302连接，用于为新增图片包含的每一个人脸信息创建一个新增类;第一计算模块302与第二计算模块303连接，用于对于每一个新增类，根据人脸信息计算该新增类与指定类中每一个类之间的第一距离，指定类包括上一轮图片分类过程得到的已知类和除新增类之外的其他新增类;第二计算模块303与合并模块连接304，用于若该新增类与指定类中每一个类之间的第一距离均不小于预设阈值，则根据该新增类和指定类中每一个类的非人脸特征信息、第一距离，计算该新增类与指定类中每一个类之间的第二距离;合并模块304，用于若该新增类与任一类之间的第二距离小于预设阈值，则将该新增类与任一类合并为一个新增类。
[0150]可选地，参见图4，该装置还包括:
[0151]重要程度计算模块305，用于根据用户对每一个类的操作信息和每一个类的属性信息中至少一项，设置每一个类的重要程度值;将每一个类的重要程度值确定为非人脸特征信息。
[0152]可选地，重要程度计算模块，用于根据用户对每一个类的命名情况，设置每一个类的第一重要程度值;根据用户对每一个类的点击频率，设置每一个类的第二重要程度值;根据每一个类中包含的人脸数目，设置每一个类的第三重要程度值;根据第一重要程度值、第二重要程度值、第三重要程度值中至少一项，计算每一个类的重要程度值。
[0153]可选地，参见图5，该装置还包括:
[0154]统计模块306，用于对于每一个类，统计类中全部图片的第一图片数量和每一个图片的拍摄位置信息;根据拍摄位置信息，获取具有相同拍摄位置信息的第二图片数量；
[0155]常见位置获取模块307，用于计算第二图片数量与第一图片数量的比值;若比值大于预设比例，则将第二图片数量对应的拍摄位置信息确定为常见位置信息;将常见位置信息确定为非人脸特征信息。
[0156]可选地，参见图6，该装置还包括:
[0157]合影数量获取模块308，用于对于每一个类，获取该类中全部合影图片的第一合影数量;获取该类与第一类之间的第二合影数量，第一类为除该类之外的已知类；
[0158]合影概率计算模块309，还用于计算第二合影数量与第一合影数量的比值，得到类与第一类之间的合影概率;将合影概率确定为非人脸特征信息。
[0159]可选地，第二计算模块，用于若新增类 与已知类之间不存在合影，则对于指定类中每一个类，根据该类的重要程度值，设置该类的第一权重值;根据新增类的常见位置信息与该类的常见位置信息，设置该类的第二权重值;根据第一权重值与第二权重值，得到该类的最终权重值;根据最终权重值和第一距离，得到第二距离。
[0160]可选地，第二计算模块，用于若新增类与已知类之间存在合影，则对于指定类中每一个类，获取该类与已知类之间的合影概率和合影的常见位置信息;根据合影概率，设置该类的第三权重值;根据该类的重要程度值，设置该类的第一权重值;根据新增类与已知类合影的常见位置信息、该类与已知类合影的常见位置信息，设置该类的第二权重值;根据第一权重值、第二权重值和第三权重值，得到该类的最终权重值;根据最终权重值与第一距离，得到第二距离。
[0161]本公开实施例提供的装置，在为新增图片包含的每一个人脸信息创建一个新增类后，对于每一个新增类，根据人脸信息计算该新增类与指定类中每一个类之间的第一距离；若该新增类与指定类中每一个类之间的第一距离均不小于预设阈值，则根据该新增类和指定类中每一个类的非人脸特征信息、第一距离，计算新增类与指定类中每一个类之间的第二距离;若该新增类与任一类之间的第二距离小于预设阈值，则将该新增类与任一类合并为一个新增类，由于在基于人脸信息计算第一距离的基础上，引入了非人脸特征信息，且基于非人脸特征信息和第一距离进行类与类之间的合并，所以即便是针对同一个人但人脸信息差别较大的图片也能聚到同一个类中，因此出现错误分类的情况大大降低，分类准确率尚ο
[0162]关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
[0163]图7是根据一示例性实施例示出的一种图片分类装置700的框图。例如，装置700可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。
[0164]参照图7，装置700可以包括以下一个或多个组件:处理组件702，存储器704，电源组件706，多媒体组件708，音频组件710，输入/输出(I/O)的接口712，传感器组件714，以及通信组件716。
[0165]处理组件702通常控制装置700的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件702可以包括一个或多个处理器720来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件702可以包括一个或多个模块，便于处理组件702和其他组件之间的交互。例如，处理组件702可以包括多媒体模块，以方便多媒体组件708和处理组件702之间的交互。
[0166]存储器704被配置为存储各种类型的数据以支持在装置700的操作。这些数据的示例包括用于在装置700上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器704可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPR0M)，可编程只读存储器(PR0M)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
[0167]电源组件706为装置700的各种组件提供电力。电源组件706可以包括电源管理系统，一个或多个电源，及其他与为装置700生成、管理和分配电力相关联的组件。
[0168]多媒体组件708包括在所述装置700和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件708包括一个前置摄像头和/或后置摄像头。当装置700处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
[0169]音频组件710被配置为输出和/或输入音频信号。例如，音频组件710包括一个麦克风(MIC)，当装置700处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器704或经由通信组件716发送。在一些实施例中，音频组件710还包括一个扬声器，用于输出音频信号。
[0170]I/O接口712为处理组件702和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
[0171]传感器组件714包括一个或多个传感器，用于为装置700提供各个方面的状态评估。例如，传感器组件714可以检测到装置700的打开/关闭状态，组件的相对定位，例如所述组件为装置700的显示器和小键盘，传感器组件714还可以检测装置700或装置700—个组件的位置改变，用户与装置700接触的存在或不存在，装置700方位或加速/减速和装置700的温度变化。传感器组件714可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件714还可以包括光传感器，如CMOS或C⑶图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件714还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
[0172]通信组件716被配置为便于装置700和其他设备之间有线或无线方式的通信。装置700可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件716经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件716还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
[0173]在示例性实施例中，装置700可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
[0174]在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器704，上述指令可由装置700的处理器720执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
[0175]—种非临时性计算机可读存储介质，当所述存储介质中的指令由装置700的处理器执行时，使得装置700能够执行一种图片分类方法，所述方法包括:
[0176]为新增图片包含的每一个人脸信息创建一个新增类；
[0177]对于每一个新增类，根据人脸信息计算新增类与指定类中每一个类之间的第一距离，指定类包括上一轮图片分类过程得到的已知类和除新增类之外的其他新增类；
[0178]若新增类与指定类中每一个类之间的第一距离均不小于预设阈值，则根据新增类和指定类中每一个类的非人脸特征信息、第一距离，计算新增类与指定类中每一个类之间的第二距离；
[0179]若新增类与任一类之间的第二距离小于预设阈值，则将新增类与任一类合并为一个新增类。
[0180]可选地，计算新增类与指定类中每一个类之间的第二距离之前，该方法还包括:
[0181]根据用户对每一个类的操作信息和每一个类的属性信息中至少一项，设置每一个类的重要程度值；
[0182]将每一个类的重要程度值确定为非人脸特征信息。
[0183]可选地，根据用户对每一个类的操作信息和每一个类的属性信息中至少一项，设置每一个类的重要程度值，包括::
[0184]根据用户对每一个类的命名情况，设置每一个类的第一重要程度值；
[0185]根据用户对每一个类的点击频率，设置每一个类的第二重要程度值；
[0186]根据每一个类中包含的人脸数目，设置每一个类的第三重要程度值；
[0187]根据第一重要程度值、第二重要程度值、第三重要程度值中至少一项，计算每一个类的重要程度值。
[0188]可选地，计算新增类与指定类中每一个类之间的第二距离之前，该方法还包括:
[0189]对于每一个类，统计类中全部图片的第一图片数量和每一个图片的拍摄位置信息;
[0190]根据拍摄位置信息，获取具有相同拍摄位置信息的第二图片数量；
[0191]计算第二图片数量与第一图片数量的比值；
[0192]若比值大于预设比例，则将第二图片数量对应的拍摄位置信息确定为常见位置信息;
[0193]将常见位置信息确定为非人脸特征信息。
[0194]可选地，计算新增类与指定类中每一个类之间的第二距离之前，该方法还包括:
[0195]对于每一个类，获取该类中全部合影图片的第一合影数量；
[0196]获取该类与第一类之间的第二合影数量，第一类为除该类之外的已知类；
[0197]计算第二合影数量与第一合影数量的比值，得到该类与第一类之间的合影概率；
[0198]将合影概率确定为非人脸特征信息。
[0199]可选地，根据新增类和指定类中每一个类的非人脸特征信息、第一距离，计算新增类与指定类中每一个类之间的第二距离，包括:
[0200]若新增类与已知类之间不存在合影，则对于指定类中每一个类，根据该类的重要程度值，设置该类的第一权重值；
[0201 ]根据新增类的常见位置信息与该类的常见位置信息，设置该类的第二权重值；
[0202]根据第一权重值与第二权重值，得到该类的最终权重值；
[0203]根据最终权重值和第一距离，得到第二距离。
[0204]可选地，根据新增类和指定类中每一个类的非人脸特征信息、第一距离，计算新增类与指定类中每一个类之间的第二距离，包括:
[0205]若新增类与已知类之间存在合影，则对于指定类中每一个类，获取已知类与指定类中其它类之间的合影概率和合影的常见位置信息；
[0206]根据合影概率，设置该类的第三权重值；
[0207]根据该类的重要程度值，设置该类的第一权重值； [0208]根据新增类与已知类合影的常见位置信息、该类与已知类合影的常见位置信息，设置该类的第二权重值；
[0209 ]根据第一权重值、第二权重值和第三权重值，得到该类的最终权重值；
[0210]根据最终权重值与第一距离，得到第二距离。
[0211]本公开实施例提供的非临时性计算机可读存储介质，在为新增图片包含的每一个人脸信息创建一个新增类后，对于每一个新增类，根据人脸信息计算该新增类与指定类中每一个类之间的第一距离;若该新增类与指定类中每一个类之间的第一距离均不小于预设阈值，则根据该新增类和指定类中每一个类的非人脸特征信息、第一距离，计算新增类与指定类中每一个类之间的第二距离;若该新增类与任一类之间的第二距离小于预设阈值，则将该新增类与任一类合并为一个新增类，由于在基于人脸信息计算第一距离的基础上，弓丨入了非人脸特征信息，且基于非人脸特征信息和第一距离进行类与类之间的合并，所以即便是针对同一个人但人脸信息差别较大的图片也能聚到同一个类中，因此出现错误分类的情况大大降低，分类准确率高。
[0212]本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
[0213]应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
【主权项】
1.一种图片分类方法，其特征在于，所述方法包括: 为新增图片包含的每一个人脸信息创建一个新增类； 对于每一个新增类，根据人脸信息计算所述新增类与指定类中每一个类之间的第一距离，所述指定类包括上一轮图片分类过程得到的已知类和除所述新增类之外的其它新增类； 若所述新增类与所述指定类中每一个类之间的第一距离均不小于预设阈值，则根据所述新增类和所述指定类中每一个类的非人脸特征信息、所述第一距离，计算所述新增类与所述指定类中每一个类之间的第二距离； 若所述新增类与任一类之间的第二距离小于所述预设阈值，则将所述新增类与所述任一类合并为一个新增类。2.根据权利要求1所述的方法，其特征在于，所述计算所述新增类与所述指定类中每一个类之间的第二距离之前，所述方法还包括: 根据用户对每一个类的操作信息和所述每一个类的属性信息中至少一项，设置所述每一个类的重要程度值； 将所述每一个类的重要程度值确定为所述非人脸特征信息。3.根据权利要求2所述的方法，其特征在于，所述根据用户对每一个类的操作信息和所述每一个类的属性信息中至少一项，设置所述每一个类的重要程度值，包括: 根据用户对每一个类的命名情况，设置所述每一个类的第一重要程度值； 根据用户对每一个类的点击频率，设置所述每一个类的第二重要程度值； 根据所述每一个类中包含的人脸数目，设置所述每一个类的第三重要程度值； 根据所述第一重要程度值、所述第二重要程度值、所述第三重要程度值中至少一项，计算所述每一个类的重要程度值。4.根据权利要求1所述的方法，其特征在于，所述计算所述新增类与所述指定类中每一个类之间的第二距离之前，所述方法还包括: 对于每一个类，统计所述类中全部图片的第一图片数量和每一个图片的拍摄位置信息; 根据所述拍摄位置信息，获取具有相同拍摄位置信息的第二图片数量； 计算所述第二图片数量与所述第一图片数量的比值； 若所述比值大于预设比例，则将所述第二图片数量对应的拍摄位置信息确定为常见位置信息； 将所述常见位置信息确定为所述非人脸特征信息。5.根据权利要求1所述的方法，其特征在于，所述计算所述新增类与所述指定类中每一个类之间的第二距离之前，所述方法还包括: 对于每一个类，获取所述类中全部合影图片的第一合影数量； 获取所述类与第一类之间的第二合影数量，所述第一类为除所述类之外的已知类； 计算所述第二合影数量与所述第一合影数量的比值，得到所述类与所述第一类之间的合影概率； 将所述合影概率确定为所述非人脸特征信息。6.根据权利要求2至4所述的方法，其特征在于，所述根据所述新增类和所述指定类中每一个类的非人脸特征信息、所述第一距离，计算所述新增类与所述指定类中每一个类之间的第二距离，包括: 若所述新增类与所述已知类之间不存在合影，则对于指定类中每一个类，根据所述类的重要程度值，设置所述类的第一权重值； 根据所述新增类的常见位置信息与所述类的常见位置信息，设置所述类的第二权重值； 根据所述第一权重值与所述第二权重值，得到所述类的最终权重值； 根据所述最终权重值和所述第一距离，得到所述第二距离。7.根据权利要求2至5中任一权利要求所述的方法，其特征在于，所述根据所述新增类和所述指定类中每一个类的非人脸特征信息、所述第一距离，计算所述新增类与所述指定类中每一个类之间的第二距离，包括: 若所述新增类与所述已知类之间存在合影，则对于指定类中每一个类，获取所述类与所述已知类之间的合影概率和合影的常见位置信息； 根据所述合影概率，设置所述类的第三权重值； 根据所述类的重要程度值，设置所述类的第一权重值； 根据所述新增类与所述已知类合影的常见位置信息、所述类与所述已知类合影的常见位置信息，设置所述类的第二权重值； 根据所述第一权重值、所述第二权重值和所述第三权重值，得到所述类的最终权重值； 根据所述最终权重值与所述第一距离，得到所述第二距离。8.—种图片分类装置，其特征在于，所述装置包括: 创建模块，用于为新增图片包含的每一个人脸信息创建一个新增类； 第一计算模块，用于对于每一个新增类，根据人脸信息计算所述新增类与指定类中每一个类之间的第一距离，所述指定类包括上一轮图片分类过程得到的已知类和除所述新增类之外的其它新增类； 第二计算模块，用于若所述新增类与所述指定类中每一个类之间的第一距离均不小于预设阈值，则根据所述新增类和所述指定类中每一个类的非人脸特征信息、所述第一距离，计算所述新增类与所述指定类中每一个类之间的第二距离； 合并模块，用于若所述新增类与任一类之间的第二距离小于所述预设阈值，则将所述新增类与所述任一类合并为一个新增类。9.根据权利要求8所述的装置，其特征在于，所述装置还包括: 重要程度计算模块，用于根据用户对每一个类的操作信息和所述每一个类的属性信息中至少一项，设置所述每一个类的重要程度值;将所述每一个类的重要程度值确定为所述非人脸特征信息。10.根据权利要求9所述的装置，其特征在于，所述重要程度计算模块，用于根据用户对每一个类的命名情况，设置所述每一个类的第一重要程度值;根据用户对每一个类的点击频率，设置所述每一个类的第二重要程度值;根据所述每一个类中包含的人脸数目，设置所述每一个类的第三重要程度值;根据所述第一重要程度值、所述第二重要程度值、所述第三重要程度值中至少一项，计算所述每一个类的重要程度值。11.根据权利要求8所述的装置，其特征在于，所述装置还包括: 统计模块，用于对于每一个类，统计所述类中全部图片的第一图片数量和每一个图片的拍摄位置信息;根据所述拍摄位置信息，获取具有相同拍摄位置信息的第二图片数量； 常见位置获取模块，用于计算所述第二图片数量与所述第一图片数量的比值;若所述比值大于预设比例，则将所述第二图片数量对应的拍摄位置信息确定为常见位置信息;将所述常见位置信息确定为所述非人脸特征信息。12.根据权利要求8所述的装置，其特征在于，所述装置还包括: 合影数量获取模块，用于对于每一个类，获取所述类中全部合影图片的第一合影数量；获取所述类与第一类之间的第二合影数量，所述第一类为除所述类之外的已知类； 合影概率计算模块，用于计算所述第二合影数量与所述第一合影数量的比值，得到所述类与所述第一类之间的合影概率;将所述合影概率确定为所述非人脸特征信息。13.根据权利要求9至11所述的装置，其特征在于，所述第二计算模块，用于若所述新增类与所述已知类之间不存在合影，则对于指定类中每一个类，根据所述类的重要程度值，设置所述类的第一权重值;根据所述新增类的常见位置信息与所述类的常见位置信息，设置所述类的第二权重值;根据所述第一权重值与所述第二权重值，得到所述类的最终权重值；根据所述最终权重值和所述第一距离，得到所述第二距离。14.根据权利要求9至12中任一权利要求所述的装置，其特征在于，所述第二计算模块，用于若所述新增类与所述已知类之间存在合影，则对于指定类中每一个类，获取所述类与所述已知类之间的合影概率和合影的常见位置信息;根据所述合影概率，设置所述类的第三权重值;根据所述类的重要程度值，设置所述类的第一权重值;根据所述新增类与所述已知类合影的常见位置信息、所述类与所述已知类合影的常见位置信息，设置所述类的第二权重值;根据所述第一权重值、所述第二权重值和所述第三权重值，得到所述类的最终权重值;根据所述最终权重值与所述第一距离，得到所述第二距离。15.—种图片分类装置，其特征在于，包括: 处理器； 用于存储处理器可执行指令的存储器； 其中，所述处理器被配置为:为新增图片包含的每一个人脸信息创建一个新增类;对于每一个新增类，根据人脸信息计算所述新增类与指定类中每一个类之间的第一距离，所述指定类包括上一轮图片分类过程得到的已知类和除所述新增类之外的其它新增类;若所述新增类与所述指定类中每一个类之间的第一距离均不小于预设阈值，则根据所述新增类和所述指定类中每一个类的非人脸特征信息、所述第一距离，计算所述新增类与所述指定类中每一个类之间的第二距离;若所述新增类与任一类之间的第二距离小于所述预设阈值，则将所述新增类与所述任一类合并为一个新增类。
【专利摘要】本公开是关于一种图片分类方法及装置，属于终端技术领域。所述方法包括：为新增图片包含的每一个人脸信息创建一个新增类；对于每一个新增类，根据人脸信息计算该新增类与指定类中每一个类之间的第一距离；若该新增类与指定类中每一个类之间的第一距离均不小于预设阈值，则根据该新增类和指定类中每一个类的非人脸特征信息、第一距离，计算新增类与指定类中每一个类之间的第二距离；若该新增类与任一类之间的第二距离小于预设阈值，则将该新增类与任一类合并为一个新增类。由于引入了非人脸特征信息，且基于非人脸特征信息和第一距离进行类的合并，所以针对同一个人但人脸信息差别较大的图片也能聚到同一个类中，错误分类概率降低，分类准确率高。
【IPC分类】G06K9/00
【公开号】CN105488467
【申请号】CN201510845579
【发明人】陈志军, 张旭华, 侯文迪
【申请人】小米科技有限责任公司
【公开日】2016年4月13日
【申请日】2015年11月26日
最新回复(0)