基於臉部圖像分析的排名的製作方法

2023-05-03 14:29:06 4

專利名稱：基於臉部圖像分析的排名的製作方法
基於臉部圖像分析的排名
背景技術：
圖像集合反映了收集創建者的重要元素。例如，用戶的個人圖像集合可在擴展的時間段中來收集，並可反映一個人生活中的重要元素，諸如重要的人。很多人可能有包括各種各樣的圖像的圖像集合，例如從在行動電話上拍攝的快照到度假期間用數位相機拍攝的合成圖像。

發明內容
可以分析用戶的圖像集合以標識圖像內人的臉部，隨後創建相似臉部的聚類，其中每個聚類可以表示一個人。可按大小順序對聚類排名，以確定相關聯的人對該用戶的相對重要性。此排名可用於許多社交應用，以過濾和呈現用戶可能感興趣的內容。在一個使用場景中，聚類可用於從第二用戶的圖像集合標識圖像，其中所標識的圖像可能與第一用戶有關或對第一用戶來說是有趣的。此排名也可以根據用戶與圖像的交互、以及與圖像無 關的其他輸入。當新圖像被添加到用戶的集合時，排名可被增量式地更新。提供本發明內容以便以簡化的形式介紹將在以下詳細描述中進一步描述的一些概念。本發明內容並不旨在標識所要求保護主題的關鍵特徵或必要特徵，也不旨在用於限制所要求保護主題的範圍。附圖簡述在附圖中圖I是示出具有社交網絡和圖像匹配系統的系統的實施例的圖示。圖2是示出示例圖像的示例實施例的圖示。圖3是示出用於從圖像確定人的排名的方法的實施例的流程圖示。圖4是示出用於基於臉部分析來找到匹配圖像的方法的實施例的流程圖示。圖5是示出用於臉部分析的預處理的方法的實施例的流程圖示。圖6是示出用於用訓練集來設置閾值的方法的實施例的流程圖示。圖7是示出用於事件匹配的方法的實施例的流程圖示。圖8是示出用於使用事件匹配來找到朋友的圖像的方法的實施例的流程圖示。圖9是示出用於使用事件匹配來找到關於用戶出席的事件的圖像的方法的實施例的流程圖示。

圖10是示出具有事件匹配的輸出的用戶界面的示例實施例的圖示。圖11是示出用於創建聚類的方法的實施例的流程圖示。圖12是示出用於使用聚類來匹配圖像的方法的實施例的流程圖示。
具體實施例方式對用戶的圖像集合的臉部圖像分析和比較可用於對與用戶的朋友或家人有關的偏好或優先級進行排名。用戶的圖像集合可以反映用戶對人的興趣、重要性、或情感。特定人的圖像的數量可用作該人對用戶的重要性的代表。
可對圖像集合執行臉部圖像分析以標識圖像內的臉部並創建臉部對象，該臉部對象可作為圖像的元數據被存儲。臉部對象可被表示為共同分組成臉部聚類。聚類的大小可被用作與臉部對象相關聯的朋友的重要性的度量。根據臉部圖像分析確定的排名可用於向用戶呈現相關信息。例如，可用用戶界面中更突出位置中的更相關信息對與不同用戶有關的新聞源或其他信息區分優先級並將其呈現給用戶。貫穿 本說明書和權利要求書，對術語「圖像」的引用可包括諸如照片或數碼靜止圖像等靜態圖像，以及視頻圖像或運動圖片圖像。對於處理圖像討論的概念可適用於靜止或移動圖像，且在某些實施例中，可以使用靜止和移動圖像兩者。在本說明書全文中，在對附圖的整個描述中，相同的附圖標記表示相同的元素。當元素被稱為被「連接」或「耦合」時，這些元素可被直接連接或耦合在一起，或者也可存在一個或多個中間元素。相反，當元素被稱為被「直接連接」或「直接耦合」時，不存在中間元素。本主題可體現為設備、系統、方法、和/或電腦程式產品。因此，本發明主題的部分或全部可以用硬體和/或軟體(包括固件、常駐軟體、微碼、狀態機、門陣列等)來具體化。此外，本發明主題可以採用其上嵌入有供指令執行系統使用或結合其使用的計算機可使用或計算機可讀的程序代碼的計算機可使用或計算機可讀的存儲介質上的電腦程式產品的形式。在本文獻的上下文中，計算機可使用或計算機可讀介質可以是可包含、儲存、通信、傳播、或傳輸程序以供指令執行系統、裝置或設備使用或結合其使用的任何介質。計算機可使用或計算機可讀介質可以是，例如，但不限於，電、磁、光、電磁、紅外、或半導體系統、裝置、設備或傳播介質。作為示例而非限制，計算機可讀介質可包括計算機存儲介質和通信介質。計算機存儲介質包括以用於存儲諸如計算機可讀指令、數據結構、程序模塊或其它數據這樣的信息的任意方法或技術來實現的易失性和非易失性、可移動和不可移動介質。計算機存儲介質包括，但不限於，RAM、ROM、EEPR0M、快閃記憶體或其他存儲器技術、CD-ROM、數字多功能盤(DVD )或其他光碟存儲、磁帶盒、磁帶、磁碟存儲或其他磁性存儲設備、或可用於儲存所需信息且可由指令執行系統訪問的任何其他介質。注意，計算機可使用或計算機可讀介質可以是其上列印有程序的紙張或其他合適的介質，因為程序可經由例如對紙張或其他合適的介質的光學掃描來電子地捕獲，隨後如有必要被編譯、解釋，或以其他合適的方式處理，並且隨後儲存在計算機存儲器中。通信介質通常以諸如載波或其他傳輸機構之類的已調製數據信號來具體化計算機可讀指令、數據結構、程序模塊或其他數據，並且包括任何信息傳送介質。術語「已調製數據信號」可被定義為其一個或多個特性以對信號中的信息編碼的方式設置或改變的信號。作為示例而非限制，通信介質包括諸如有線網絡或直接線連接之類的有線介質，以及諸如聲學、RF、紅外及其他無線介質之類的無線介質。上述的任何組合也應包含在計算機可讀介質的範圍內。當本主題在計算機可執行指令的一般上下文中具體化時，該實施例可包括由一個或多個系統、計算機、或其他設備執行的程序模塊。一般而言，程序模塊包括執行特定任務或實現特定抽象數據類型的例程、程序、對象、組件、數據結構等。通常，程序模塊的功能可在各個實施例中按需進行組合或分布。圖I是一實施例100的圖示，其示出用於社交網絡的客戶機和伺服器組件。實施例100是可包括客戶機設備和通過網絡訪問的社交網絡服務的網絡環境的簡化示例。圖I的圖示出了系統的功能組件。在一些情況下，組件可以是硬體組件、軟體組件、或者硬體和軟體的組合。一些組件可以是應用級軟體，而其他組件可以是作業系統級組件。在一些情況下，一個組件到另一組件的連接可以是緊密連接，其中兩個或更多個組件在單個硬體平臺上操作。在其他情況下，連接可通過跨長距離的網絡連接來進行。每個實施例都可使用不同的硬體、軟體、以及互連架構來實現所描述的功能。實施例100示出了其中用戶可具有圖像集合的社交網絡的一個示例。該社交網絡可以是web應用，其中各個用戶可以在社交網絡中建立帳戶並且可在社交網絡內管理圖像集合。在社交網絡基礎結構內操作的服務可以分析並比較圖像集合。實施例100的社交網絡可以是其中在用戶之間可存在明確或隱含關係的任何類 型的社交網絡。在某些社交網絡中，關係可通過一個用戶正式地與另一用戶建立關係來表達。某些社交網絡可通過這一關係聲明來建立單向關係，而其他社交網絡可在兩個用戶都贊同關係時建立關係。某些社交網絡可在用戶之間具有非正式關係。例如，非正式關係可以在兩個用戶交換電子郵件消息，或在用戶使用另一機制進行通信時建立。例如，社交網絡可以為在聊天室、即時消息收發服務或其他機制中通信的用戶建立。在某些情況下，一個人在電子郵件系統或行動電話中的聯繫人列表可被用作用於建立社交網絡關係目的的隱含關係。在某些社交網絡中，用戶可以確定其圖像集合內的圖像可如何被共享。在某些情況下，用戶可以選擇可被共享給對其存在關係的朋友的圖像。在其他情況下，用戶可準許與其共享圖像的任何用戶。 社交網絡可以是其中每一用戶可創建帳戶來訪問社交網絡的正式社交網絡。在許多此類實施例中，用戶可通過web瀏覽器來訪問社交網絡，且社交網絡可以是web應用。在許多此類實施例中，用戶可在社交網絡環境內上傳圖像來創建圖像集合。在社交網絡的較不正式的版本中，用戶可以在個人計算機上或在由用戶個人地控制或管理的儲存庫中存儲並管理圖像集合。在這一社交網絡中，用戶可標識從中可以與其他人共享圖像的各個存儲位置。在某些此類社交網絡中，社交網絡關係可以使用基礎結構來維護，該基礎結構可以僅僅是地址交換、論壇、或成員可用於彼此連接的其他機制。客戶機設備102可具有一組硬體組件104和軟體組件106。客戶機設備102可以表示可與社交網絡服務136通信的任何類型的設備。硬體組件104可表示計算設備的典型架構，如臺式或伺服器計算機。在一些實施例中，客戶機設備102可以是個人計算機、遊戲控制臺、網絡設備、交互式自助服務終端(kiosk)、或其他設備。客戶機設備102還可以是可攜式設備，諸如膝上型計算機、上網本計算機、個人數字助理、行動電話或其他行動裝置。硬體組件104可包括處理器108、隨機存取存儲器110、以及非易失性存儲112。硬體組件104還可包括一個或多個網絡接口 114和用戶接口設備116。在許多情況下，客戶機設備102可包括可捕捉圖像的相機118或掃描儀120，該圖像可成為用戶的圖像集合的一部分。
軟體組件106可包括作業系統112，諸如web瀏覽器124等各種應用可在作業系統上執行。在許多社交網絡應用中，web瀏覽器124可用於與社交網絡服務136通信來訪問社交網絡應用。在其他實施例中，專門化的客戶機應用可與社交網絡服務通信來提供用戶界面。在某些此類實施例中，這一客戶機應用可執行可在社交網絡服務136中描述的許多功能。客戶機設備102可具有本地圖像庫126，該本地圖像庫可包括從諸如照相機118、掃描儀120或可具有圖像捕捉能力的其他設備等許多不同源收集的圖像。本地圖像庫126可包括存儲在其他設備上的圖像，如存儲在區域網內或雲存儲服務內的伺服器上。客戶機設備102可具有可允許用戶查看並管理本地圖像庫126的若干應用。此類應用的示例可以是圖像編輯器130和圖像瀏覽器132。在某些情況下，客戶機設備可具有若干此類應用。本地圖像庫126可包括靜止圖像和視頻圖像。在某些實施例中，靜止圖像和視頻 圖像可被存儲在不同的庫中，並且可用不同應用來訪問、編輯和操縱。在某些實施例中，客戶機設備102可具有圖像預處理器128。圖像預處理器可在將圖像與社交網絡進行關聯之前分析圖像內容以及與圖像相關聯的各種元數據。預處理可以對客戶機可用的圖像執行臉部圖像分析、背景分析、色彩直方圖、或其他分析。在其他實施例中，圖像預處理器128所執行的部分或全部功能可由社交網絡服務136來執行。當圖像預處理器128位於客戶機設備102上時，伺服器設備可從執行此類操作中卸載。客戶機設備102可通過網絡134連接到社交網絡服務136。在某些實施例中，網絡134可以是諸如網際網路等廣域網。在某些實施例中，網絡134可包括可通過網關或其他設備連接到廣域網的區域網。在某些實施例中，客戶機設備102可以例如通過諸如乙太網連接等硬連線連接來連接到網絡134。在其他實施例中高，客戶機設備102可以通過諸如蜂窩電話連接或其他無線連接等無線連接來連接到網絡134。社交網絡的各個用戶可使用各種客戶機設備138來連接。社交網絡服務136可以在硬體平臺140上操作。硬體平臺140可以是具有類似於客戶機設備102的硬體組件104的硬體平臺的單個伺服器設備。在某些實施例中，硬體平臺140可以是在兩個或更多硬體設備上操作的虛擬化的或基於雲的硬體平臺。在某些實施例中，硬體平臺可以是其中可使用成千上萬的計算機硬體平臺大數據中心。在某些實施例中，社交網絡服務136可以在作業系統142內操作。在具有基於雲的執行環境的實施例中，單獨的作業系統142的概念可能不存在。社交網絡144可包括多個用戶帳戶146。每一用戶帳戶146可包括與該帳戶有關的元數據148，以及可在兩個或更多用戶之間建立的關係150。用戶帳戶元數據148可包括關於用戶的信息，如用戶的姓名、家庭地址、位置、以及用戶的喜好和厭惡、教育和其他相關信息。某些社交網絡可具有對工作相關信息的強調，這可包括像工作歷史、職業關聯或其他工作相關信息等項目。其他社交網絡可強調朋友和家庭關係，其中可強調個人項目。在某些社交網絡中，可包括非常大量的個人元數據148，而其他社交網絡可具有非常少量的個人元數據148。關係150可以將一個用戶帳戶關聯到另一個。在某些實施例中，關係可以是單向關係，其中第一用戶可以與第二用戶共享信息但第二用戶可能無法回復且可能與第一用戶不共享信息或共享有限量的信息。在其他實施例中，關係可以是雙向關係，其中每一用戶同意彼此共享信息。在還有一些實施例中，用戶可允許其部分或全部信息被共享給任何人，包括不是社交網絡成員的人。某些此類實施例可允許用戶標識可被共享給任何人的信息子集，以及可與社交網絡的其他成員共享的子集。某些實施例可允許用戶定義與社交網絡成員的不同組共享的子集。每一用戶帳戶146可包括一個或多個圖像集合152。圖像集合152可包括圖像154。每一圖像154可包括元數據156，元數據可以是諸如時間戳、位置信息、圖像大小、標題和各種標籤等一般的元數據。標籤可以包括關於圖像要與其相關的不同社交網絡成員的標識符。在某些實施例中，圖像元數據156可以包含從圖像內容中導出的元數據。例如，可 執行臉部分析來標識圖像內的任何臉部並創建臉部表示或臉部向量。臉部表示可用於例如與其他圖像進行比較。可用於導出元數據的其他圖像內容可包括對背景區域或個人服飾的紋理分析、整個圖像或圖像各部分的色彩直方圖、或其他分析。圖像元數據156可用於創建聚類158。聚類158可以是圖像或來自圖像的元素的分組。例如，可分析臉部表示來標識可包含相似臉部表示的聚類。類似地，可通過對來自圖像的背景區域的圖像分析結果進行分組來創建聚類。在某些實施例中，聚類158可以通過基於元數據對圖像進行分組來創建。例如，在某一時間段內拍攝的若干圖像可被分組在一起來作為一個聚類，或者用相同的標籤參數加標籤的圖像可形成一個聚類。使用聚類的示例可以在本說明書稍後提出的實施例1100和1200中找到。在某些實施例中，社交網絡服務136可包括可分析圖像來導出圖像元數據的圖像預處理器160。圖像預處理器160可用於其中客戶機設備102可能沒有圖像預處理器128或當圖像預處理不是在分析之前執行的情況。預處理步驟的示例可以在本說明書稍後提出的實施例500中示出。比較引擎162可以使用圖像分析技術或元數據分析來比較兩個或更多圖像以便確定聚類158。比較引擎162的操作的示例可以在本說明書稍後提出的實施例400的各部分中找到。排名引擎164可以比較各個聚類158來提取信息，如對圖像或附加到圖像的信息的排名或重要性。排名引擎164的操作的示例可以在本說明書稍後提出的實施例300中找到。分析引擎166可以分析並比較圖像集合來標識圖像集合之間的匹配。分析引擎166可以使用元數據分析和圖像內容分析來標識匹配。在許多實施例中，社交網絡服務136可與web服務168 —起操作，web服務168可以與在客戶機設備上操作的瀏覽器或其他應用通信。web服務168可以接收超文本傳輸協議(HTTP)形式的請求，並用網頁或其他遵從HTTP的響應來響應。在某些實施例中，web服務168可以具有應用編程接口(API)，通過該API，客戶機設備上的應用可與社交網絡服務交互。
圖2是一示例實施例200的圖示，其示出可通過圖像分析來分析的兩個圖像。實施例200示出兩個圖像202、204，這兩個圖像分別示出了生日聚會和帆船旅行。這些圖像可表示可在用戶的圖像集合中找到的示例圖像。圖像202可表示具有兩個人的生日聚會。從圖像202中，可標識兩個臉部206和208。可使用若干不同臉部識別機制或算法來標識臉部206和208。一旦標識，臉部206和208就可被處理來創建臉部的表示。該表示可以是可允許將不同臉部彼此進行數值比較的臉部向量或其他表示。在某些實施例中，可執行另外的圖像分析。例如，可通過分別從臉部206和208中確定幾何關係並捕捉圖像中可能與相應的人穿的服飾相關的部分來標識服飾區域210和212。服飾的圖像分析可用於比較兩個圖像來確定這些圖像是否是在同一事件拍攝的。 當兩個圖像包含相似臉部且這些圖像另外包含相似的服飾紋理或色彩直方圖時，可以得出這一結論。這一分析可以假定圖像表示同一事件，因為圖像中的人穿著相同的服裝。另外，可分析背景區域214來進行紋理分析、色彩直方圖或其他分析。這些結果可以與其他圖像進行比較來確定圖像之間的相似度和匹配。在圖像204中，可以標識並捕捉臉部216和218。因為臉部216和218的大小可能相對較小，因此圖像204的人的服飾區域可能不被執行，但是可標識並分析背景區域220。圖3是示出用於從圖像集合確定人的排名的方法的實施例300的流程圖示。實施例300是可由比較引擎和排名引擎，如實施例100的比較引擎162和排名引擎164執行的方法的示例。其他實施例可使用不同的排序、附加或更少的步驟、以及不同的命名或術語來完成類似功能。在一些實施例中，各個操作或操作集合可與其他操作以同步或異步方式並行地執行。此處所選的步驟是為了以簡化的形式示出一些操作原理而選擇的。實施例300可以是一個人的臉部在用戶的圖像集合中的出現次數可被用作用戶對該個人的興趣或該個人對用戶的重要性的近似。圖像內的臉部可被分析、比較並一起分組成聚類。基於聚類的大小，可對與聚類相關聯的個人進行排名。在框302，可接收圖像集合。可以預處理該圖像集合來標識臉部和臉部表示。這一預處理方法的示例可以在本說明書稍後提出的實施例500中示出。在框304中，可以處理每一圖像。對於框304中的每一圖像，如果在框306中不存在臉部，則該過程可返回到框304來處理下一圖像。如果在框306中一個或多個臉部出現在圖像中，則可在框308中單獨處理每一臉部。對於框308中的每一臉部，可在框310中將臉部對象和相關聯圖像基準添加到列表。圖像基準可以是用於從中取得該臉部的圖像的指針或其他指示器。在處理了框304中的所有圖像之後，可在框312中對所得列表排序。在框314，可分析該列表來在框314中基於閾值標識聚類。聚類可以定義與單個人相關的一組臉部表示。確定聚類的一個機制可以是將臉部表示認為是向量。任何兩個向量之間的相似度可被認為是向量空間中的距離。當多個臉部表示反映了同一個人的許多不同圖像時，則臉部表示向量可創建向量聚類。在許多實施例中，可使用閾值來作為確定給定臉部表示是否「接近」另一臉部表示以便成為匹配的機制的一部分。閾值可以用若干不同方式來確定，且一個這樣的方式可以在實施例600中示出。在框316中，可以分析每一聚類。對於框316中的每一聚類，如果在框318中該聚類的任何成員沒有標籤或其他相關聯的元數據，則該過程可返回到框316來處理另一聚類。如果框318中的聚類的一個或多個成員包含標籤或其他元數據，則可在框320中將這些標籤應用於其他聚類成員。在某些情況下，可在框322向用戶呈現用戶接口設備，其中用戶可批准或不批准標籤。如果用戶在框324中批准標籤，則可在框326中將標籤應用於該聚類的所有成員。如果用戶在框324中不批准標籤，則在框328中不將標籤應用於各 成員。在許多社交網絡應用中，用戶可用例如特定人的標識符來對圖像加標籤。框316到328的過程可表示可將此類標籤自動地應用於其他圖像的方法。在某些實施例中，應用於聚類成員的標籤可以是與該聚類可表示的人相關的標籤。一個簡單的示例可以是定義該人的名字的標籤。在框330中可以分析聚類來根據大小對聚類排名。排名可以反映人對於用戶的相對重要性。在框332中可以使用聚類排名來在各種應用中對人區分優先級。例如，新聞源可包括消息、狀態更新、或與用戶的社交網絡中的人相關的其他信息。與重要的人相關的那些項目可被突出顯示或以捕捉用戶注意力的方式來呈現。關於不經常出現在用戶的圖像集合中的人的其他項目可以用次要的或非強調的方式來呈現。圖4是示出用於基於臉部分析來找到匹配圖像的方法的實施例400的流程圖示。實施例400是可由諸如實施例100的分析引擎166等比較引擎執行的方法的一個示例。其他實施例可使用不同的排序、附加或更少的步驟、以及不同的命名或術語來完成類似功能。在一些實施例中，各個操作或操作集合可與其他操作以同步或異步方式並行地執行。此處所選的步驟是為了以簡化的形式示出一些操作原理而選擇的。實施例400示出了可將來自第二圖像集合的圖像與第一圖像集合進行比較來標識第二圖像集合中包含與第一圖像集合相同的人的圖像的方法的示例。在框402，可接收第二圖像集合。在框404，可預處理第二圖像集合。用於預處理的方法的一個示例可以在本說明書稍後提出的實施例500中示出。在框406，可以處理第二圖像集合中的每一圖像。對於框406中的每一圖像，如果在框408中沒有找到臉部，則該過程可返回到框406來處理下一圖像。如果在框408找到臉部，則在框410可以處理每一臉部對象。對於框410中的每一臉部對象，可以在框412中與第一圖像集合的聚類進行比較來找到最接近的匹配。如果在框414該匹配不滿足閾值，則該過程可返回到框410來處理下一臉部對象。如果在框414匹配在閾值內，則在框416將該圖像關聯到該聚類。在處理了框406中的所有圖像之後，結果可以是來自第二圖像集合的、匹配第一圖像集合中的聚類的圖像的列表。在框418中，可根據排名來對該列表排序並將其呈現給用戶，該排名可以從實施例300的過程中確定。
圖5是示出用於臉部分析的預處理的方法的實施例500的流程圖示。實施例500是可由諸如實施例100的客戶機102的圖像預處理器128或社交網絡服務136的預處理器160等圖像預處理器來執行的方法的示例。其他實施例可使用不同的排序、附加或更少的步驟、以及不同的命名或術語來完成類似功能。在一些實施例中，各個操作或操作集合可與其他操作以同步或異步方式並行地執行。此處所選的步驟是為了以簡化的形式示出一些操作原理而選擇的。實施例500的預處理可以對圖像集合中的所有圖像標識臉部並創建臉部向量或臉部圖像的某種其他數值表示。在框502可以接收圖像文件，並且可以在框504掃描該圖像文件來標識所有臉部。如果在框506找到臉部，則在框508可以單獨處理每一臉部。對於框508中的每 一臉部，在框510中可以將圖像裁剪到該臉部，並且在框512可以從裁剪的圖像創建臉部對象。在框514可以創建臉部向量，該臉部向量可以是臉部圖像的數值表示。在框516，可將臉部向量和臉部對象作為圖像的元數據來存儲。在框508中處理了所有臉部之後，如果在框518有另一圖像可用，則該過程可循環回到框502，否則該過程在框520中停止。圖6是示出用於用訓練圖像集來設置閾值的方法的實施例600的流程圖示。實施例600是可從用戶的朋友收集示例圖像並使用這些示例圖像來設置可最小化假肯定比較的閾值的方法的示例。其他實施例可使用不同的排序、附加或更少的步驟、以及不同的命名或術語來完成類似功能。在一些實施例中，各個操作或操作集合可與其他操作以同步或異步方式並行地執行。此處所選的步驟是為了以簡化的形式示出一些操作原理而選擇的。實施例600可確定一閾值設置，該閾值設置在比較圖像集合時可以最小化假肯定比較。在許多社交網絡應用中，相對高的置信閾值可有用於最小化不正確地標識匹配的可能性。當從第二用戶的圖像集合中選擇照片或視頻圖像來匹配第一用戶的圖像集合時，不正確的匹配可能會向用戶給出匹配過程的低置信度。然而，遺漏的匹配，即匹配存在但是閾值不允許該匹配被檢測到，可能不會對用戶的置信度有很大的損害。實施例600的過程從用戶的朋友的圖像集合收集代表性圖像來用作用於比較的訓練集。臉部比較可基於與用戶相關聯的那些人的人種、膚色和其他物理特性而有區別。所選圖像可以來自用戶的朋友的朋友，並且可反映用戶的圖像集合中的人的可能的物理特性。實施例600的過程可試圖從訓練集中移除可能在用戶的圖像集合中的任何人。這可以通過檢查與朋友的圖像相關聯的任何標籤以確保該標籤不匹配用戶的朋友來執行。在框602，可標識用戶的朋友。用戶的朋友可以從社交網絡內的關係以及任何其他源確定。在某些情況下，用戶可屬於若干社交網絡，每一社交網絡具有一組不同的關係。在此類情況下，儘可能多地考慮那些關係。在框604,可處理用戶的每一個朋友。對於框604中的每一朋友，在框606處理該朋友的圖像集合中的每一圖像。對於框606中的每一圖像，在框608可標識與該圖像相關聯的標籤。如果在框610標籤與用戶的朋友相關聯，則在框610不考慮該圖像。通過在框610排除用戶的朋友，該訓練集可能不包括可能是對用戶的匹配的圖像，但是可包括具有與可能在用戶的圖像集合中的人相似的特性的人的圖像。如果在框610標籤指示圖像可能不與用戶相關，則在框612選擇該圖像來用於訓練集。在許多情況下，為訓練集選擇的圖像可以是朋友的圖像集合中的所有圖像的子集。例如，一過程可以選擇每100或1000個候選圖像中的一個來作為訓練集的一部分。在某些實施例中，可對訓練集作出隨機選擇。在框604到612中選擇了要在訓練集中的圖像之後，在框614可以對該訓練集執行臉部預處理。該預處理可以類似於實施 例500的預處理。在框616可以將匹配閾值設置為默認值。在框618，可以處理用戶的圖像集合的每一圖像來設置閾值，使得用戶的圖像集合中沒有一個圖像與訓練集匹配。對於框618中的每一圖像，如果在框620該圖像不包含臉部，則該過程返回到框618。當在框620中圖像包含臉部時，在框622中可處理每一臉部。對於框622中的每一臉部，在框624可將該臉部對象與訓練集中的臉部對象進行比較來找到最相似的臉部對象。如果在框626中相似度小於閾值，則該過程可返回到框622。如果在框626中相似度大於閾值，則在框628中調整閾值以使得該閾值低於框628中的相似度。在框618中處理了用戶的圖像集合中的所有圖像之後，在框630中可存儲當前閾值並用於後續比較。圖7是示出用於事件匹配的方法的實施例700的流程圖示。實施例700是可由諸如實施例100的分析引擎166等分析引擎執行的方法的一個簡化示例。其他實施例可使用不同的排序、附加或更少的步驟、以及不同的命名或術語來完成類似功能。在一些實施例中，各個操作或操作集合可與其他操作以同步或異步方式並行地執行。此處所選的步驟是為了以簡化的形式示出一些操作原理而選擇的。實施例700是可用於從元數據中檢測事件的方法的示例。元數據可以是從圖像，如從臉部分析或其他圖像分析中導出的元數據。元數據也可以是並非從圖像導出的元數據，如標題、時間戳或位置信息。實施例700可以從兩個用戶的圖像集合的交集中推斷事件。這一交集可以發生在兩個用戶都出席同一事件且都拍攝了該事件的圖像時發生。例如，兩個用戶可出席生日宴會或家庭聚會，並拍攝了聚餐的家庭的照片。在另一示例中，兩個用戶可出席會議、體育賽事或其他公共事件，並且可拍攝該集會的圖像。在某些情況下，用戶可能了解彼此對事件的出席，而在其他情況下，用戶可能不知道另一個人已出席。在框702，可從第一用戶接收圖像集合。在框704，可從第二用戶接收圖像集合。在某些實施例中，所接收的信息可以僅僅是與集合中的圖像相關的元數據，且不是實際圖像本身。在框706可比較來自每一圖像集合的元數據來找到匹配。匹配可基於圖像分析，如在來自兩個不同集合的圖像中找到匹配的臉部。匹配可基於元數據分析，如找到具有匹配的時間戳、標籤、位置信息或其他元數據的圖像。在許多情況下，匹配可以用某一容差或偏差級別來確定框706中標識的匹配可具有大量偏差或容差，因而在稍後的步驟中可進一步評估每一匹配。框706中的匹配可以是粗略的或初步的匹配，該粗略或初步匹配可被進一步細化來標識具有更大確定性的匹配。
框706的結果可以是來自每一集合的一對圖像。在某些情況下，結果可以是來自每一集合的、共享相似元數據的一組圖像。在框708，可以比較每一組匹配的圖像。對於框708中的每一組匹配的圖像，在框710中可比較元數據來確定是否可推斷事件。事件可基於若干因素來推斷。某些因素可以被高度加權，而其他因素可以具有次要特性。對匹配是否指示事件的判定可以使用各種試探或公式來確定，且此類試探或公式可取決於實施方式。例如，某些實施方式可有大量元數據可用，而其他實施方式可具有較少的元數據參數。某些實施方式可具有複雜的圖像分析，而其他實施例方式可具有較不複雜的或甚至沒有圖像分析。高度加權的因素可以是在其中第二用戶標識該第二用戶的圖像之一中的第一用 戶的情況中。此類元數據明確地標識了兩個圖像集合之間的連結，且指示兩個用戶可能在同一時間在同一地方。在某些實施例中，用戶可以為其集合中具有來自其社交網絡的人的圖像加標籤。在此類實施例中，用戶可手動選擇一圖像並創建標識該圖像中的朋友的標籤。某些此類實施例可允許用戶指向臉部並將標籤附加到圖像上的位置。此類標籤可被認為是可靠指示器，且被給予比其他元數據更高的權重。其他高度加權的因素可以是空間和時間上的非常接近。非常接近的時間戳和物理位置信息可以指示兩個用戶曾經在相同時間和地點。在某些實施例中，圖像可包括拍攝該圖像的點以及當拍攝該圖像時照相機所面向的方向。當此類元數據可用時，兩個圖像覆蓋的區域的重疊可以是事件的證據。某些圖像可以用由用戶手動添加的各種描述符來加標籤。例如，圖像可以用「Anna的生日宴會」或「技術會議」來加標籤。當來自兩個圖像集合的圖像被加上類似的標籤時，標籤可以是事件的良好指示器。可使用圖像分析來分析匹配以標識共同的事件。例如，兩個集合中的圖像之間的臉部圖像匹配可以是兩個用戶出席且捕捉的事件的良好指示器。臉部圖像匹配可由相似的背景圖像區域並通過對與匹配的臉部相關聯的人的服飾分析來進一步確認。當標識共同事件時，在不同情形和不同實施例中可使用各因素的不同組合。例如，在某些情況下，事件可以單獨通過圖像分析來確定，即使是在元數據不相關的時候。例如，一個用戶可能購買了照相機設備並且可能從未正確地設置照相機中的時間和日期，或者可能將時間設置為與另一用戶不同的時區。在這一情況下，時間戳元數據可能是不正確的，但是圖像分析可標識共同事件。在另一示例中，即使圖像分析可能無法標識任何共同的臉部、背景或其他相似性，元數據也可標識共同事件。不同實施例可具有不同的用於標識事件的閾值。在對實施例700的典型社交網絡使用中，可執行分析來基於事件自動向圖像應用標籤。在這一實施例中，較高程度的確定性可能是合乎需要的，使得不正確的標籤不會作為噪聲而引入到圖像集合中。在另一種用途中，匹配可用於標識可能事件，用戶可手動檢查可能事件來確定事件實際上是否的確曾經發生。在這一用途中，確定事件的閾值可具有比在其他使用情況中低得多的確定性程度。如果在框712中未確定事件，則該過程可返回到框708來處理另一匹配。
如果在框712中標識了事件，則在框714中可標識與該事件相關聯的所有圖像。在框716中可對該事件定義元數據標籤，並且在框718中可將該標籤應用於圖像。與事件相關聯的圖像可通過標識與匹配的圖像相關或共享共同元數據或其他特徵的圖像來確定。例如，可匹配兩個圖像，每一圖像來自一個圖像集合。一旦匹配了這些圖像，在框714可標識匹配的圖像在其各自的集合中的任何相關圖像。框716中的元數據標籤可通過掃描相關圖像來確定事件標籤是否與任一個相關圖像相關聯來生成。例如，在框714中收集的圖像之一可用諸如「Anna的生日」等事件標籤來加標籤。在框718，然後可將該標籤應用於所有相關圖像。在某些實施例中，框716的事件標籤可以是可標識匹配是如何確定的自動生成的事件標籤。例如，通過具有時間和位置信息的共同元數據確定的匹配可具有包括「耶路撒冷，2010年2月22日」的標籤。每一實施例可具有用於確定標籤的不同機制。在某些實施例中，框718中應用的標籤可能對用戶不可見。這一標籤可由社交網絡用於將不同圖像集合連結在一起來提供增強的搜索或瀏覽能力，且不向用戶展示標籤供查看或修改。圖8是示出用於用戶的圖像集合和用戶朋友的圖像集合之間的事件匹配的方法的實施例800的流程圖示。實施例800是實施例700中描述的事件匹配方法的一個使用場
旦
-5^ O其他實施例可使用不同的排序、附加或更少的步驟、以及不同的命名或術語來完成類似功能。在一些實施例中，各個操作或操作集合可與其他操作以同步或異步方式並行地執行。此處所選的步驟是為了以簡化的形式示出一些操作原理而選擇的。實施例800將用戶的圖像集合與用戶朋友的圖像集合進行比較。該比較可標識被兩個用戶共享的事件，且可以標識朋友的圖像集合中第一用戶可能想要添加到他或她的圖像集合的圖像。實施例800可以是用於在社交網絡中將兩個圖像集合連結在一起的強大工具。在 某些用途中，兩個用戶可能知道他們出席了同一事件且可能希望彼此共享他們的圖像。在其他用途中，用戶可能未記住出席同一事件或者可能未認識到兩個人都在那裡。實施例800的方法可以通過標識其生活中的交集並允許他們通過其圖像來共享事件來增強用戶的交互。在框802，可接收用戶的圖像集合。在框804，可以標識用戶的朋友，並且在框806可以處理每一朋友。對於框806中的每一朋友，在框808可以在該用戶和用戶的朋友之間執行事件匹配來標識共同事件。事件匹配可以按實施例700中所描述的相似的方式來執行。在框810，可以分析框808中找到的每一新事件。對於框810中的每一新事件，在框812中可以從朋友的圖像集合中選擇匹配該事件的圖像。在框814，可以標識來自從朋友的圖像集合所選的圖像的任何元數據，並在框816將其應用於與事件相關的用戶的圖像。框814和816的操作可以將標籤和其他元數據從朋友的圖像集合傳播到用戶的圖像集合。在某些實施例中，可給予用戶批准或不批准加標籤的選項。標籤和其他元數據可以通過自動或半自動地應用有用標籤來豐富用戶的圖像集合。在框818，可以將朋友的圖像呈現給用戶，並且可以按事件來對圖像分組。用戶界面的示例可以在本說明書稍後提出的實施例1000中示出。
在框810中處理了每一事件之後，在框820，用戶可以瀏覽朋友的圖像並選擇朋友的一個或多個圖像。在框822，可將所選圖像添加到用戶的圖像集合。圖9是示出用於用戶的朋友對之間的事件匹配的方法的實施例900的流程圖示。實施例900是實施例700中描述的事件匹配方法的一個使用場景。其他實施例可使用不同的排序、附加或更少的步驟、以及不同的命名或術語來完成類似功能。在一些實施例中，各個操作或操作集合可與其他操作以同步或異步方式並行地執行。此處所選的步驟是為了以簡化的形式示出一些操作原理而選擇的。實施例900比較用戶的朋友的圖像集合中的兩個來標識可從用戶的兩個朋友推斷的事件。可將來自所推斷的事件的圖像呈現給用戶且用戶可以將這些圖像添加到用戶的圖像集合。實施例900在社交網絡場景中可能是有用的，其中用戶可能出席或未出席事件且可能希望查看該事件的圖像並可將這些圖像中的某一些添加到用戶的圖像集合。例如，無 法出席孫輩的聚會的祖父母可能希望看見該聚會的圖像。該聚會可以通過分析來自出席該聚會的兩個或更多人的圖像集合來推斷。通過從對圖像集合的分析中推斷事件，可收集該事件的所有相關圖像並將其呈現給祖父母供他們欣賞。實施例900以與實施例800相似的方式來操作，但用於事件匹配的圖像集合可以是來自用戶的朋友的集合對而非將用戶的集合與他或她的朋友的集合進行比較。在框902，可以標識用戶的朋友並將其置於列表中。朋友可以通過社交網絡來標識。在框904，可以處理每一朋友。對於框904中的每一朋友，在框906可以分析朋友列表上的每一剩下的朋友。剩下的朋友是對其尚未處理圖像集合的那些朋友。對於框906中的每一剩下的朋友，在框908中可以在兩個朋友的圖像集合之間執行事件匹配過程來標識共同事件。框904和906的過程可被安排成使得每一對朋友可被處理來標識共同事件。在框910，可以處理每一共同事件。對於框910中的每一共同事件，某些實施例可以包括框912中的驗證來確定該用戶是否可能在場。框912的驗證可用於防止示出未邀請用戶的事件。例如，用戶的兩個朋友可聚在一起尋歡作樂一個晚上，但是可能未邀請用戶。為防止用戶被冒犯，某些實施例可包括諸如框912的驗證來防止用戶發現事件已發生。在其他實施例中，如對於上述祖父母的示例，可以不包括或可以忽略框912的驗證。在某些社交網絡中，用戶可能能夠選擇是否要與其他用戶共享事件，並且可能能夠選擇哪些用戶可查看其共同事件以及哪些用戶不可以。在框914，可以從共同事件中選擇來自朋友的圖像集合的圖像並在框916中將其按照事件分組來呈現給用戶。在框910中處理了所有共同事件之後，在框918，用戶可瀏覽並選擇圖像，並且在框920可將所選圖像添加到用戶的集合。圖10是示出具有來自事件匹配分析的結果的用戶界面的示例實施例1000的圖示。實施例1000是可用於向用戶呈現諸如實施例800或900的事件匹配分析等事件匹配分析的結果的用戶界面的一個簡化示例。用戶界面1002可以顯示事件匹配過程的結果。在用戶界面1002中，示出來自三個事件的結果。事件1004可具有標籤「生日宴會」，事件1006可以具有標籤「沙灘假日」，事件1008可具有標籤「滑雪假期」。可從定義自朋友的圖像集合的標籤中標識各種標籤。在某些情況下，標籤可以從匹配所 檢測到的事件的用戶的圖像中確定。每一事件可以與圖像的源一起呈現。例如，事件1004可具有「來自媽媽和Joe的集合」的圖像源1010。事件1006可具有「來自Joe的集合」的圖像源1012，且事件1008可具有「來自Lora的集合」的圖像源1014。圖像源可使用關於用戶的朋友的用戶標記來創建。用戶界面1002還可包括關於事件的各種元數據。例如，事件1004可以與指示用戶的哪些朋友被確定為在該事件的元數據1016 —起呈現。類似地，事件1006和1008可分別具有元數據1018和1020。每一事件可具有所呈現的圖像的選集。事件1004與圖像1022、1024和1026 —起示出。事件1006與圖像1028和1030 —起示出，事件1008與圖像1032 —起示出。每一圖像旁邊可以是用戶可用於選擇要添加到用戶的圖像集合的一個或多個圖像的按鈕或其他機制。實施例1000的用戶界面僅是可作為諸如事件匹配等圖像匹配分析的結果呈現給用戶的某些組件的一個示例。用戶界面可以是用戶可用於瀏覽匹配分析的結果並對結果執行操作的機制。圖11是示出用於創建可用於匹配圖像的聚類的方法的實施例1100的流程圖示。事件1100是可通過分析單個圖像集合併對圖像分組來創建聚類的一種方法的簡化示例。聚類可在圖像比較分析和元數據比較分析中使用。其他實施例可使用不同的排序、附加或更少的步驟、以及不同的命名或術語來完成類似功能。在一些實施例中，各個操作或操作集合可與其他操作以同步或異步方式並行地執行。此處所選的步驟是為了以簡化的形式示出一些操作原理而選擇的。實施例1100可示出用於創建圖像聚類的簡化方法。聚類可以是可共享共同特徵的一組圖像，並且可以在對臉部分組以及將圖像作為整體來分組時是有用的。聚類可通過標識代表圖像的向量並通過將向量分組在一起來創建。聚類可具有質心和半徑，並且可以在圖像和聚類之間作出數值比較來確定圖像和聚類之間的「距離」以確定匹配。在框1102，可接收圖像集合，並且在框1104，可分析圖像集合中的每一圖像。在使用臉部識別的實施例中，圖像可以是從較大圖像裁剪的、可以僅包含人的臉部特徵的臉部對象。在此類實施例中，該分析可創建代表臉部對象的向量。在其他實施例中，可分析整個圖像來創建圖像向量。在框1106，可分析圖像來創建圖像向量。圖像向量可包含圖像的各個元素的數值表示，包括臉部圖像分析、服飾分析、背景圖像分析和紋理分析。在某些實施例中，框1106的分析可創建若干圖像向量。例如，具有兩個臉部的圖像可用代表臉部的兩個圖像向量、代表兩個人的服飾的兩個圖像向量、以及代表背景圖像或圖像中的各種紋理的一個或多個向量來表示。在框1104中分析了每一圖像之後，在框1108中可將圖像分組在一起。分組可使用元數據分組和圖像分析分組。用於分組的一種機制可以是對於每一元數據類別或圖像分析類型，在獨立或正交的分組軸上將圖像分組在一起。例如，可為臉部圖像分析建立一條分組軸。在這一軸上，可將所有臉部圖像表示或向量分組。單獨地，每一圖像可根據諸如時間戳或位置等不同元數據來分組。在每一軸內，在框1110可以標識聚類。聚類的定義可以使用可將聚類限制到圖像的嚴格分組的閾值來控制。聚類可用於用高確定程度來表示圖像的實際匹配，使得諸如圖像比較和排名等其他操作可具有高確定程度。其上對圖像分組的每一軸可具有用於標識聚類的不同閾值。例如，臉部圖像匹配可具有相對嚴格的閾值，使得僅具有非常高的相似程度的匹配才能被認為是聚類。相反，通過背景圖像分析來匹配的圖像可具有較不限制的閾值，使得可將更寬範圍的圖像分組。每一聚類可具有在框1112中計算的質心和半徑。質心和半徑可用於在將其他圖像與圖像集合進行比較時確定匹配。在框1114，可存儲聚類以及質心和半徑。圖12是示出用於使用聚類的質心和半徑分析來匹配圖像的方法的實施例1200的流程圖示。實施例1200可以示出可使用實施例1100所分析的圖像來標識用戶的圖像集合和朋友的圖像集合之間的匹配，然後選擇最適當或最佳匹配來顯示給用戶的一種方法。 其他實施例可使用不同的排序、附加或更少的步驟、以及不同的命名或術語來完成類似功能。在一些實施例中，各個操作或操作集合可與其他操作以同步或異步方式並行地執行。此處所選的步驟是為了以簡化的形式示出一些操作原理而選擇的。在框1202，可接收用戶的圖像集合，並且在框1204，可接收朋友的圖像集合。在框1205，可預處理用戶的朋友的圖像集合。預處理圖像的一個示例可以是實施例500。實施例500的預處理可以應用於臉部圖像分析，並且可被擴展到背景圖像分析、紋理分析、色彩直方圖分析、服飾分析和其他圖像分析預處理。框1205的預處理可以對應於在對用戶的圖像集合進行聚類之前執行的任何分析。在框1206，可分析朋友的圖像集合中的每一圖像。對於框1206中的每一圖像，在框1208，可以分析與用戶的圖像集合相關聯的每一聚類。如實施例1100中所述，每一圖像集合可包含多個正交軸中的多個聚類。每一聚類可表示用戶的圖像集合的重要方面或元素，且這些方面可用於與來自朋友的圖像集合的圖像進行比較。對於框1208中的每一聚類，在框1210，可確定從所分析的圖像到最近聚類的距離。在框1212，如果該距離在質心匹配閾值內，則在框1218，將該圖像與該聚類相關聯。如果在框1212該距離不在質心匹配閾值內，則在框1214可確定到最近鄰居的距離。如果在框1216到最近鄰居的距離不在鄰居閾值內，則確定沒有匹配。最近鄰居可以是在聚類內的圖像。最近鄰居評估可以標識落在聚類外面但是非常接近與該聚類一起分組的圖像之一的圖像。在一典型實施例中，當與質心閾值比較時，鄰居閾值可能較小。在框1206中分析了朋友的圖像集合中的所有圖像之後，可選擇朋友的圖像來呈現給用戶。在框1220，可按照大小對用戶的聚類排名。排名可用作對用戶的重要性的代表。在框1222中，可以評估每一聚類。對於框1222中的每一聚類，框1224中可將匹配的圖像與聚類進行比較來找到與鄰居最接近的圖像，並在框1226中找到與聚類質心最接近的圖像。在框1228中可確定最佳匹配並在框1230中將其添加到用戶界面顯示。
框1220到1230的過程可標識可以是與用戶最相關以及最可能是良好匹配的那些匹配。相關性可以通過從用戶的圖像集合中導出的聚類的排名來確定。最佳匹配可以是與聚類的質心最近或非常靠近另一圖像的那些圖像，這可以由最近鄰居來表示。圖像匹配可能易於有噪聲，並且許多圖像匹配算法可導致假肯定結果，其中圖像被不正確地匹配。在具有圖像匹配的社交網絡應用中，用戶對匹配機制的滿意度在向用戶呈現了有質量的匹配時可以較高。框1220到1230的過程可以從可用匹配中選擇最佳匹配來呈現給用戶。這一過程可以為每一聚類選擇一代表性匹配並向用戶呈現每一匹配，使得用戶能夠查看各種各樣的匹配。在選擇了圖像之後，在框1232可以向用戶呈現按照聚類組織的圖像。在框1234，用戶可瀏覽並選擇圖像，並且在框1236，可以將圖像添加到用戶的集合。 在某些實施例中，用戶可能能夠深度挖掘某一聚類的匹配以便查看附加匹配。在這一情況下，框1220到1230的過程可用於組織並從匹配特定聚類的圖像子集中選擇最適當的圖像。對本發明的上述描述是出於圖示和描述的目的而呈現的。它不旨在窮舉本主題或將本主題限於所公開的精確形式，並且鑑於上述教導其他修改和變型都是可能的。選擇並描述實施例來最好地解釋本發明的原理及其實踐應用，由此使本領域的其他技術人員能夠在各種實施例和各種適於所構想的特定用途的修改中最好地利用本發明。所附權利要求書旨在被解釋為包括除受現有技術所限的範圍以外的其他替換實施例。
權利要求
1.一種在計算機處理器上執行的方法，所述方法包括 接收來自第一圖像集合的圖像元數據，所述圖像元數據包括來自所述圖像的經處理的臉部對象； 分析所述圖像元數據以標識相似的臉部對象，所述相似的臉部對象具有相對於第一閾值的匹配標準； 將所述相似的臉部對象分組成聚類；以及 至少根據聚類大小來對所述聚類進行排名。
2.如權利要求I所述的方法，其特徵在於，所述圖像元數據由第二方法生成，所述第二方法包括 對於所述第一圖像集合中的所述圖像的每一個，分析圖像以標識所述圖像內的臉部，處理所述臉部以確定每一個所述臉部的臉部向量，並將所述臉部向量存儲到所述圖像元數據中。
3.如權利要求I所述的方法，其特徵在於，還包括 為多個聚類中的每一個確定與所述圖像中的至少一個相關聯的人的身份。
4.如權利要求3所述的方法，其特徵在於，還包括 基於所述聚類大小對所述人的身份進行排名。
5.如權利要求I所述的方法，其特徵在於，還包括 確定第一聚類中所述圖像之一的人的身份，並用所述人的身份來標記所述第一聚類中所述圖像中的至少一個。
6.如權利要求5所述的方法，其特徵在於，所述人的身份從社交聯網應用確定。
7.如權利要求I所述的方法，其特徵在於，所述第一閾值通過如下動作來確定 將所述圖像元數據與從第二圖像集合得出的一組比較圖像元數據進行比較，所述比較圖像元數據包括具有匹配所述臉部對象的低概率的臉部的臉部向量，所述第一閾值被確定使得所述第一圖像集合與所述第二圖像集合不匹配。
8.如權利要求7所述的方法，其特徵在於，所述第二圖像集合通過以下動作來創建 標識與所述第一圖像集合相關聯的第一用戶； 標識與所述第一用戶相關聯的用戶集合；以及 通過標識與所述用戶集合的每一個相關聯的圖像集合內的圖像，來創建所述第二圖像隹A 口 O
9.如權利要求7所述的方法，其特徵在於，所述第二圖像集合是默認的圖像集合。
10.一種系統,包括 包括多個用戶的社交網絡，所述多個用戶中的每一個具有用戶元數據和圖像集合； 排名引擎，所述排名引擎 接收來自與第一用戶相關聯的第一圖像集合的圖像元數據，所述圖像元數據包括來自所述圖像的經處理的臉部對象； 分析所述圖像元數據以標識相似的臉部對象，所述相似的臉部對象具有相對於第一閾值的匹配標準； 將所述相似的臉部對象分組成聚類；以及 至少根據聚類大小來確定所述聚類的排名。
11.如權利要求10所述的系統，其特徵在於，還包括 比較引擎，所述比較引擎將所述聚類與來自第二圖像集合的圖像元數據進行比較，以從所述第二圖像集合中標識具有與所述聚類相似的臉部對象的圖像集合；以及 根據所述排名來呈現所述第二圖像集合中的至少一部分。
12.如權利要求10所述的系統，其特徵在於，所述圖像元數據通過一種方法來確定，所述方法包括 對於所述第一圖像集合中的所述圖像的每一個，分析圖像以標識所述圖像內的臉部，處理所述臉部以確定每一個所述臉部的臉部向量，並將所述臉部向量存儲到所述圖像元數據中。
13.如權利要求12所述的系統，其特徵在於，在將所述圖像上傳到所述社交網絡之前，所述方法由一設備來執行。
14.如權利要求13所述的系統，其特徵在於，所述設備包括圖像捕捉設備。
15.如權利要求13所述的系統，其特徵在於，所述設備包括可用於訪問所述社交網絡的瀏覽器。
全文摘要
可以分析用戶的圖像集合以標識圖像內的人的臉部，隨後創建相似臉部的聚類，其中每個聚類可以表示一個人。可按大小順序對聚類進行排名，以確定相關聯的人對該用戶的相對重要性。該排名可用於許多社交應用，以過濾和呈現用戶可能感興趣的內容。在一個使用場景中，聚類可用於從第二用戶的圖像集合標識圖像，其中所標識的圖像可能與第一用戶有關或對第一用戶來說是有趣的。該排名也可以根據用戶與圖像的交互、以及與圖像無關的其他輸入。當新圖像被添加到用戶的集合時，排名可被增量式地更新。
文檔編號G06K9/20GK102782704SQ201180011712
公開日2012年11月14日 申請日期2011年2月25日 優先權日2010年3月1日
發明者E·克魯普卡, I·克維阿特科維斯凱, I·阿布拉莫夫斯基 申請人:微軟公司