社交網絡的圖片推薦方法和裝置的製作方法

2023-04-30 17:32:51 3

專利名稱：社交網絡的圖片推薦方法和裝置的製作方法
技術領域：
本發明屬於社交網絡領域，具體地說，涉及一種社交網絡的圖片推薦方法和裝置。
背景技術：
目前，在一些社交網絡(例如Pinterest、02、花瓣網、堆糖網等)中，用戶在網站上分享了自己的圖片後，網站即可根據該圖片為該用戶推薦與該圖片相關的或該用戶可能感興趣的其它圖片以及這些圖片的擁有人，從而把對圖片具有相似品味和偏好的用戶連結起來，形成網絡圈子。

圖1示出了社交網絡現有的圖片推薦方法。如圖1所示，社交網絡包含有圖片資料庫10，圖片資料庫10中保存有例如圖片11及圖片標註11a、圖片12及圖片標註12a、圖片13及圖片標註13a等圖片及其標註。所述圖片標註是其所對應的圖片的說明，它以文本為基礎，包括該圖片的分類(例如風景、人物、雪山、家居等)、標籤(例如藍天白雲、小清新、柔和、平靜等)或簡短注釋等。用戶20在網站提交上傳圖片31以及上傳圖片標註31a，其中，上傳圖片標註31a也以文本為基礎，可以包括上傳圖片的分類和/或標籤。網站的文本匹配單元40根據上傳圖片標註31a在圖片資料庫40中尋找上傳圖片31的匹配圖片，其中，圖片標註與上傳圖片標註31a匹配的圖片即為上傳圖片31的匹配圖片，然後對這些匹配圖片進行排隊，並在所述匹配圖片排隊中選擇若干圖片作為相關圖片(例如相關圖片51、相關圖片52等)推薦給用戶20。上述社交網絡現有的圖片推薦方法的不足之處在於①用戶分享圖片時需要人工為該圖片做圖片標註，這就增加了用戶操作的複雜性，並且影響了用戶使用社交網絡的體驗；②由於不同用戶對同一圖片的觀察和理解不同，因此，各用戶提供的圖片標註難免帶有主觀色彩，這將造成圖片標註的非客觀性並導致通過圖片標註的匹配而獲得的圖片不符合用戶的預期，從而影響網站推薦的精準性。

發明內容
本發明是為了解決現有技術中存在的上述技術問題而做出，其目的在於提供一種社交網絡的圖片推薦方法和系統，以降低用戶操作的複雜性，改善用戶使用社交網絡的體驗、以及提高社交網絡推薦圖片的準確性。根據本發明的一個方面，提供一種社交網絡的圖片推薦方法，該方法包括a)獲取上傳圖片，並判斷該上傳圖片是否為人像圖片，如果判斷為是人像圖片，則從所述社交網絡的圖片資料庫中選取人像圖片作為對比圖片，如果判斷為不是人像圖片，則從所述社交網絡的圖片資料庫中選取非人像圖片作為對比圖片；b)獲得所述上傳圖片和所述對比圖片的顏色特徵距離d ;以及c)將與所述上傳圖片的顏色特徵距離d較小的一個或多個對比圖片推薦給所述上傳圖片的用戶。優選地，在步驟b)中，獲得所述上傳圖片和所述對比圖片的顏色特徵距離d可以包括bl)從所述上傳圖片中提取各個圖片像素的顏色特徵值X，其中，X e [x0, X1], X0^X1為預定值，從所述上傳圖片中提取圖片像素的顏色特徵值的方法與從所述對比圖片中提取或預先提取圖片像素的顏色特徵值的方法相同；b2)與所述對比圖片相對應，對所述上傳圖片做出N種預定劃分，從第i種預定劃分中選取Mi個預定區域，並獲取從所述對比圖片的第i種預定劃分中選取的第j個預定區域的圖片像素顏色特徵值分布Aij(X)、以及從所述上傳圖片的第i種對應的預定劃分中選取的第j個對應的預定區域的圖片像素顏色特徵值分布Bu(X)，其中，N、1、Mi, j均為自然數，且I彡i彡N，Mi與i對應，I彡j彡Mi ;b3)對於對所述上傳圖片做出的第i種預定劃分，根據所述Aij(X)和Bij(X)獲得所述上傳圖片和所述對比圖片在該第i種預定劃分下的顏色特徵距離屯，其中，I < i < N，I彡j彡Mi ;以及b4)根據所述Cli獲得所述上傳圖片和所述對比圖片的顏色特徵距離d，其中，K i < N。對於上述社交網絡的圖片推薦方法，優選地，可以採用基於Haar特徵和adaboost算法的人臉檢測方法來判斷所述上傳圖片是否為人像圖片。進一步優選地，可以採用所述基於Haar特徵和adaboost算法的人臉檢測方法將所述圖片資料庫的圖片分為人像圖片和非人像圖片。在上述步驟bl)中，優選地，從所述上傳圖片或所述對比圖片中提取圖片像素的顏色特徵值的步驟可以包括①獲取圖片像素在色相-飽和度-亮度(HSV)色彩模型下的色相(H)、飽和度(S)和亮度(V)的值；②對所獲取的所述圖片像素的HSV的值，按照下述公式進行量化，以獲得與該圖
片像素的HSV值對應的hsv值
權利要求
1.一種社交網絡的圖片推薦方法，包括 a)獲取上傳圖片，並判斷該上傳圖片是否為人像圖片，如果判斷為是人像圖片，則從所述社交網絡的圖片資料庫中選取人像圖片作為對比圖片，如果判斷為不是人像圖片，則從所述社交網絡的圖片資料庫中選取非人像圖片作為對比圖片； b)獲得所述上傳圖片和所述對比圖片的顏色特徵距離d;以及 c)將與所述上傳圖片的顏色特徵距離d較小的一個或多個對比圖片推薦給所述上傳圖片的用戶。
2.如權利要求1所述的社交網絡的圖片推薦方法，其中，在步驟b)中，獲得所述上傳圖片和所述對比圖片的顏色特徵距離d包括 bl)從所述上傳圖片中提取各個圖片像素的顏色特徵值X，其中，X e [X(l，Xl]，X(l與X1為預定值，從所述上傳圖片中提取圖片像素的顏色特徵值的方法與從所述對比圖片中提取或預先提取圖片像素的顏色特徵值的方法相同； b2)與所述對比圖片相對應，對所述上傳圖片做出N種預定劃分，從第i種預定劃分中選取Mi個預定區域，並獲取從所述對比圖片的第i種預定劃分中選取的第j個預定區域的圖片像素顏色特徵值分布Au (X)、以及從所述上傳圖片的第i種對應的預定劃分中選取的第j個對應的預定區域的圖片像素顏色特徵值分布Bij(X)，其中，N、1、Mp j均為自然數，且I彡i彡N，Mi與i對應，I彡j彡Mi ; b3)對於對所述上傳圖片做出的第i種預定劃分，根據所述Aij(X)和Bij(X)獲得所述上傳圖片和所述對比圖片在該第i種預定劃分下的顏色特徵距離屯，其中，I < i < N，I彡j彡Mi ;以及 b4)根據所述屯獲得所述上傳圖片和所述對比圖片的顏色特徵距離d，其中，I <i<N。
3.如權利要求1或2所述的社交網絡的圖片推薦方法，其中，在步驟a)中，採用基於Haar特徵和adaboost算法的人臉檢測方法來判斷所述上傳圖片是否為人像圖片。
4.如權利要求3所述的社交網絡的圖片推薦方法，其中，採用所述基於Haar特徵和adaboost算法的人臉檢測方法將所述圖片資料庫的圖片分為人像圖片和非人像圖片。
5.如權利要求2所述的社交網絡的圖片推薦方法，其中，在步驟bl)中，從所述上傳圖片或所述對比圖片中提取圖片像素的顏色特徵值的步驟包括 ①獲取圖片像素在色相-飽和度-亮度(HSV)色彩模型下的色相(H)、飽和度(S)和亮度(V)的值； ②對所獲取的所述圖片像素的HSV的值，按照下述公式進行量化，以獲得與該圖片像素的HSV值對應的hsv值
6.如權利要求5所述的社交網絡的圖片推薦方法，其中，在歸一化的HSV色彩模型下， Qh8，Qs=--4,Qv=3 ；
7.如權利要求2所述的社交網絡的圖片推薦方法，其中，在步驟b3)中，由下述公式獲得所述上傳圖片和所述對比圖片在第i種預定劃分下的顏色特徵距離D1
8.如權利要求2所述的社交網絡的圖片推薦方法，其中，在步驟b4)中，由下述公式獲得所述上傳圖片和所述對比圖片的顏色特徵距離d
9.如權利要求2或7或8所述的社交網絡的圖片推薦方法，其中，在步驟b2)中，N=3 ；第一種預定劃分將所述上傳圖片劃分為中心區域和周圍區域，並只選取該中心區域作為所述預定區域；第二種預定劃分將所述上傳圖片劃分為多個較大的區域，並選取該多個較大的區域作為所述預定區域；以及第三預定種劃分將所述上傳圖片劃分為多個較小的區域，並選取該多個較小的區域作為所述預定區域。
10.如權利要求9所述的社交網絡的圖片推薦方法，其中，在所述第一種預定劃分中，中心區域的大小為所述上傳圖片大小的1/9 ;在所述第二種預定劃分中，所述多個較大的區域包括4個大小相同的區域；在所述第三種預定劃分中， 所述多個較小的區域包括16個大小相同的區域。
11.如權利要求7所述的社交網絡的圖片推薦方法，其中，N=3 ；第一種預定劃分將所述上傳圖片劃分為中心區域和周圍區域，該中心區域的大小為所述上傳圖片大小的1/9，並只選取該中心區域作為所述預定區域；第二種預定劃分將所述上傳圖片劃分為4個大小相同的區域，並選取該4個區域作為所述預定區域；第三預定種劃分將所述上傳圖片劃分為16個大小相同的區域，並選取該16個區域作為所述預定區域；以及W11=I ；w2J=1/4, I < j < 4 ；w3J=1/16, I ^ j ^ 16。
12.如權利要求8所述的社交網絡的圖片推薦方法，其中，N=3 ；第一種預定劃分將所述上傳圖片劃分為中心區域和周圍區域，該中心區域的大小為所述上傳圖片大小的1/9，並只選取該中心區域作為所述預定區域；第二種預定劃分將所述上傳圖片劃分為4個大小相同的區域，並選取該4個區域作為所述預定區域；第三預定種劃分將所述上傳圖片劃分為16個大小相同的區域，並選取該16個區域作為所述預定區域；以及w^l/2 ；w2=1/4 ；、w3=1/4。
13.一種社交網絡的圖片推薦裝置，包括人像判斷與選取單元，用於獲取上傳圖片，並判斷該上傳圖片是否為人像圖片，如果判斷為是人像圖片，則從所述社交網絡的圖片資料庫中選取人像圖片作為對比圖片，如果判斷為不是人像圖片，則從所述社交網絡的圖片資料庫中選取非人像圖片作為對比圖片； 顏色特徵距離獲得單元，用於獲得所述上傳圖片和所述對比圖片的顏色特徵距離d ；以及圖片推薦單元，將與所述上傳圖片的顏色特徵距離d較小的一個或多個對比圖片推薦給所述上傳圖片的用戶。
14.如權利要求13所述的社交網絡的圖片推薦裝置，其中，所述顏色特徵距離獲得單元包括圖片像素顏色特徵值提取部件，用於從所述對比圖片或所述上傳圖片中提取各個圖片像素的顏色特徵值X，其中，X e [X(l, xj，Xci與X1為預定值；圖片劃分部件，用於對所述對比圖片和所述上傳圖片做出N種預定劃分，從第i種預定劃分中選取Mi個預定區域，並獲取從所述對比圖片的第i種預定劃分中選取的第j個預定區域的圖片像素顏色特徵值分布Au (X)、以及從所述上傳圖片的第i種對應的預定劃分中選取的第j個對應的預定區域的圖片像素顏色特徵值分布Bu(X)，其中，N、1、Mi, j均為自然數，且I≤i≤N，Mi與i對應，I≤j≤Mi ; 第一顏色特徵距離獲得部件，對於對所述上傳圖片做出的第i種預定劃分，根據所述Aij(X)和Bu(X)獲得所述上傳圖片和所述對比圖片在該第i種預定劃分下的顏色特徵距離屯，其中，I ≤ i ≤ N, I ≤ j ≤ Mi ;以及 第二顏色特徵距離獲得部件，根據所述Cli獲得所述上傳圖片和所述對比圖片的顏色特徵距離d，其中，I < i SN。
15.如權利要求14所述的社交網絡的圖片推薦裝置，其中，所述圖片像素顏色特徵值提取部件包括 HSV值獲取元件，獲取圖片像素在色相-飽和度-亮度(HSV)色彩模型下的色相(H)、飽和度(S)和亮度(V)的值； HSV值量化元件，對所獲取的所述圖片像素的HSV的值，按照下述公式進行量化，以獲得與該圖片像素的HSV值對應的hsv值
全文摘要
本發明提供一種社交網絡的圖片推薦方法和裝置，所述方法包括獲取上傳圖片，並判斷是否為人像圖片，如果是人像圖片，則從社交網絡的圖片資料庫選取人像圖片作為對比圖片，如果是非人像圖片，則從所述圖片資料庫選取非人像圖片作為對比圖片；提取上傳圖片的圖片像素的顏色特徵值；計算上傳圖片與從圖片資料庫中選取的對比圖片之間的顏色特徵距離；並根據顏色特徵距離的大小向用戶推薦相關圖片。所述方法可以降低用戶操作的複雜性，改善用戶使用社交網絡的體驗、並提高社交網絡推薦圖片的準確性。
文檔編號G06K9/46GK103049754SQ20121052461
公開日2013年4月17日 申請日期2012年12月7日 優先權日2012年12月7日
發明者裴起震, 張騫, 趙立軍, 王寧 申請人:東軟集團股份有限公司