一种图像处理方法及装置与流程

本发明涉及计算机技术领域，尤其涉及一种图像处理方法及装置。

背景技术：

随着互联网技术和数码照相技术的发展，人们通常将拍摄的数码照片上传到网络上保存及展示，以方便自己查看，并可分享给好友浏览。

为方便后续照片查找，通常需要对网络相册中存储的照片进行分类。现有的分类方式是通过手动实现的，具体过程如下：如果用户希望把自己相册中的照片按不同人物进行分类和集中展示的话，只能首先手工创建不同人物的分类子相册，然后再手工找到对应的人物，把他们的照片移动到对应的子相册中去，这种分类方式由于全程需要用户手动操作，操作繁琐，分类效率低。

技术实现要素：

本发明的目的在于提供一种图像处理方法及装置，以解决现有照片分类方法操作繁琐、分类效率低的技术问题。

为解决上述技术问题，本发明实施例提供以下技术方案：

一种图像处理方法，其包括：

获取待分组的图像集，并提取所述图像集中每一图像的特征信息；

根据所述特征信息确定所述图像集中每一图像对应的标签组以及置信度组，所述标签组包括至少一个标签，所述置信度组包括至少一个置信度，每一标签对应一个置信度；

根据所述置信度组从所述标签组中确定目标标签；

根据所述目标标签对所述图像集中的图像进行分组。

为解决上述技术问题，本发明实施例还提供以下技术方案：

一种图像处理装置，其包括：

获取模块，用于获取待分组的图像集，并提取所述图像集中每一图像的特征信息；

第一确定模块，用于根据所述特征信息确定所述图像集中每一图像对应的标签组以及置信度组，所述标签组包括至少一个标签，所述置信度组包括至少一个置信度，每一标签对应一个置信度；

第二确定模块，用于根据所述置信度组从所述标签组中确定目标标签；

第一分组模块，用于根据所述目标标签对所述图像集中的图像进行分组。

本发明所述的图像处理方法及装置，通过获取待分组的图像集，并提取该图像集中每一图像的特征信息，之后，根据该特征信息确定该图像集中每一图像对应的标签组以及置信度组，并根据该置信度组从该标签组中确定目标标签，之后根据该目标标签对该图像集中的图像进行分组，能实现大量照片的快速分类，操作简单，分类效率高。

附图说明

下面结合附图，通过对本发明的具体实施方式详细描述，将使本发明的技术方案及其它有益效果显而易见。

图1a是本发明实施例提供的图像处理系统的场景示意图；

图1b为本发明实施例提供的图像处理方法的流程示意图；

图2为本发明实施例提供的图像处理方法的流程示意图；

图3a为本发明实施例提供的图像处理装置的结构示意图；

图3b为本发明实施例提供的图像处理装置的另一结构示意图；

图4为本发明实施例提供的网络设备的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例提供一种图像处理方法、装置及系统。

请参阅图1a，该图像处理系统可以包括本发明实施例所提供的任一种图像处理装置，该图像处理装置具体可以集成在服务器或终端等网络设备中。

其中，网络设备可以获取待分组的图像集，并提取该图像集中每一图像的特征信息，根据该特征信息确定该图像集中每一图像对应的标签组以及置信度组，该标签组可以包括至少一个标签，该置信度组可以包括至少一个置信度，每一标签对应一个置信度，根据该置信度组从该标签组中确定目标标签，根据该目标标签对该图像集中的图像进行分组。

其中，该图像可以包括用户拍摄的照片或网上下载的图片等等。该特征信息可以包括颜色、纹理、形状和空间关系等。该标签用于指示图像中所包含的内容，比如婴儿、公园和婚纱等。具体可以通过深度模型对该图像进行特征信息提取和分析，确定该图像所包含内容对应的标签，并计算每一标签的置信度，该置信度主要指图像中包含该标签所指示内容的可能性，例如，当用户将拍摄好的大量照片导入终端中的某相册应用时，通过对这些照片进行特征提取和分析，可以将相册中的照片分成狗、花、小明和小红这三个组。

以下将分别进行详细说明。需说明的是，以下实施例的序号不作为实施例优先顺序的限定。

第一实施例

本实施例将从图像处理装置的角度进行描述，该图像处理装置可以集成在服务器或终端等网络设备中。

请参阅图1b，图1b具体描述了本发明第一实施例提供的图像处理方法，其可以包括：

S101、获取待分组的图像集，并提取该图像集中每一图像的特征信息。

本实施例中，该图像集可以是本地存储的图像，也可以是用户当前上传的图像，该图像可以包括用户拍摄的照片或网络下载的图片等等。该特征信息可以包括颜色、纹理、形状和空间关系等信息。具体可以通过深度模型来获取图像的特征信息，其中深度模型是一种常用的图像分类器。

S102、根据该特征信息确定该图像集中每一图像对应的标签组以及置信度组，该标签组包括至少一个标签，该置信度组包括至少一个置信度，每一标签对应一个置信度。

本实施例中，该标签用于指示图像中所包含的内容，比如婴儿、公园和婚纱等，其大致可以包括两大类：人物类标签和事物类标签，比如婴儿属于人物类标签，公园和婚纱属于事物类标签。该置信度主要指图像中包含该标签所指示内容的可能性，通常，置信度越大，表明图像中越有可能包含该标签所指示的内容。该深度模型采用多元逻辑回归的代价函数进行训练，最后一层的维度和标签保持一一对应。实际应用过程中，最后一层可能有N个维度，每一维度返回一个0-1之间的置信度。

S103、根据该置信度组和标签组确定目标标签。

例如，上述步骤S103具体可以包括：

(1)对所有标签组中的标签进行语义分析，并获取分析结果。

(2)根据该分析结果从该标签组中确定待合并的标签。

本实施例中，当该分析结果显示该标签组中存在多个相关性较大的标签时，可以将这些相关性较大的标签确定为待合并的标签。

(3)按照预设合并策略将该待合并的标签进行合并，将该置信度组中待合并的标签对应的置信度进行合并。

本实施例中，该预设合并策略可以根据实际需求而定，比如，可以通过语义联想等手段将多个待合并的标签合并成一个新标签，并取该多个标签的置信度的平均值或最大值作为该新标签的置信度，该新标签所指示的内容包括该多个标签所指示的所有内容。这种合并策略可以尽可能的扩大每个标签所指示内容的范围，减少并列标签的数量，灵活性高。

(4)根据合并后置信度组从合并后标签组中选择对应的标签确定为目标标签。

例如，上述步骤(4)具体可以包括：

获取合并后标签组中所有置信度大于预设置信度的标签；

当所有置信度大于预设置信度的标签为一个时，将该一个标签确定为目标标签；

当所有置信度大于预设置信度的标签为多个时，将该多个标签中置信度最大的标签确定为目标标签。

本实施例中，该预设置信度可以根据实际需求而定，其可以是经验值，也可以是预估值。若每一图像对应的合并后标签组中大于预设置信度的标签只有唯一一个，则可以直接将该标签作为目标标签，若不止一个，为避免重复对同一图像进行多个分类，造成分类混乱，则可以取置信度最大的标签作为目标标签。

S104、根据该目标标签对该图像集中的图像进行分组。

本实施例中，由于该目标标签可以属于人物类标签，也可以属于事物类标签，为方便用户的后续查找，不同类型的目标标签对应的图像可以有不同的分组方式。

例如，上述步骤S104具体可以包括：

判断该目标标签是否属于人物类标签；

若是，则对该目标标签对应的图像进行人脸识别，得到人脸信息；根据该人脸信息对该图像集中的图像进行分组；

若否，则将具有相同目标标签的图像归为同一组。

本实施例中，当目标标签属于事物类标签，比如公园、花时，可以直接将属于同一目标标签的图像归为一组，且该组的名称即为该目标标签。当目标标签属于人物类标签，比如婴儿、老人时，可以进一步根据人脸信息对图像进行细分，以便后续用户可以快速查找到指定人物的图像。

例如，上述步骤“根据该人脸信息对该图像集中的图像进行分组”具体可以包括：

获取该目标标签对应的图像的拍摄信息；根据该拍摄信息和人脸信息，按照预设分组策略对该图像集中的图像进行分组；或者，

根据该人脸信息将属于同一人脸的图像归为同一组。

本实施例中，当该图像是用户拍摄的照片时，在上传或存储的过程中，每一图像均会携带有拍摄信息，该拍摄信息可以包括拍摄时间、拍摄地点等基本信息，这些基本信息通常是图像在拍摄的时候自动生成的。该预设分组策略可以根据实际需求而定，其可以是设备出厂时厂家已经设置好的，也可以是用户根据喜好自行设定的。具体的，当该目标标签属于人物类标签时，可以直接将属于同一人脸的图像分为一组，也可以根据拍摄信息对同一人脸的图像进行细分，比如可以将同一个人的图像根据月份进行分组，或者将同一个人的图像根据拍摄地点进行分组，等等，这样，用户后续在查找的过程中，只需输入组名、月份信息或者拍摄地点信息，就可以快速找到所需的图像了，方便快捷，查找效率高。

需要说明的是，对于属于事物类标签的每组图像，该组的组名可以直接以目标标签命名，对于属于人物类标签的每组图像，该组的组名可以以该人的身份信息命名，该身份信息可以是昵称或者名字等，其可以是用户在输入框中当前输入的，也可以是根据人脸信息和预先存储的身份信息确定的，当然还可以是其他方式。

此外，对于已分好组的每组图像，在向用户显示的时候，每一图像可以按照目标标签置信度从高到低，或者按照拍摄时间由近到远，或者其他用户自定义的方式进行排序后向用户显示。

当然，由于每一目标标签的置信度都需要大于预设置信度，或者由于存在标签覆盖不到的图像内容，故也会存在没有目标标签的图像，也即分组失败的图像。当这些图像数量过多时，难免会显得杂乱无章，因此，在上述步骤S104之后，该图像处理方法还可以包括：

获取该图像集中分组失败的所有图像，并将分组失败的所有图像确定为目标图像集；

根据该目标图像集的特征信息计算该目标图像集中每个图像与其余图像之间的相似度；

根据该相似度对该目标图像集进行分组。

本实施例中，该相似度主要指两个目标图像之间的相似程度，其计算公式可以为其中，和分别为该两个目标图像的特征向量，每一特征向量可以通过点匹配或者深度模型对目标图像提取得到，相似度S由特征向量和之间的余弦距离决定。当图像集中存在大量没有目标标签的图像时，可以进一步将相似度高的图像进行分组。

例如，上述步骤“根据该相似度对该目标图像集进行分组”具体可以包括：

判断计算出的所有相似度中是否存在大于预设阀值的相似度；

若存在大于预设阀值的相似度，则将每一个大于预设阀值的相似度对应的两个图像归为同一组。

本实施例中，该预设阀值主要用于界定相似程度的高和低，其可以根据实际应用需求而定。当相似度大于预设阀值时，说明这两个图像相似度高，也即极有可能包含同一内容，此时，可以将它们归为一组，且该组的组名可以由用户自行设定，充分满足用户的不同需求。

由上述可知，本实施例提供的图像处理方法，通过获取待分组的图像集，并提取该图像集中每一图像的特征信息，之后，根据该特征信息确定该图像集中每一图像对应的标签组以及置信度组，并根据该置信度组从该标签组中确定目标标签，之后根据该目标标签对该图像集中的图像进行分组，能实现大量照片的快速分类，操作简单，分类效率高。

第二实施例

根据实施例一所描述的方法，以下将举例作进一步详细说明。

在本实施例中，将以该图像处理装置具体集成在终端中为例进行详细说明。

如图2所示，一种图像处理方法，具体流程可以如下：

S201、终端获取待分组的图像集和该图像集的拍摄信息，并提取该图像集中每一图像的特征信息。

譬如，终端可以从本地相册中获取存储的所有照片，以及每一照片的拍摄时间、拍摄地点等基本信息，并通过深度模型提取每一照片的颜色、纹理、形状和空间关系等特征信息。

S202、终端根据该特征信息确定该图像集中每一图像对应的标签组以及置信度组，该标签组包括至少一个标签，该置信度组包括至少一个置信度，每一标签对应一个置信度。

譬如，终端可以根据每一照片的特征信息确定对应的标签组，并计算该标签组中每一标签对应的置信度，比如若该照片是用户穿婚纱在公园拍摄的，则对应的标签组可以包括：婚纱、公园和女人。

S203、终端对所有标签组中的标签进行语义分析，并获取分析结果，根据该分析结果从该标签组中确定待合并的标签。

譬如，若某一照片的标签组包括：小狗、饮料、菜品和蛋糕，则进行语义分析之后，可以将“饮料”、“菜品”和“蛋糕”这三个标签确定为待合并的标签。

S204、终端按照预设合并策略将该待合并的标签进行合并，将该置信度组中待合并的标签对应的置信度进行合并，并根据合并后置信度组从合并后标签组中选择对应的标签确定为目标标签。

譬如，可以通过语义联想等手段将“饮料”、“菜品”和“蛋糕”这三个标签合并为标签“美食”，从而减少并列标签的数量。当标签“饮料”、“菜品”、“蛋糕”和“小狗”的置信度分别为P1、P2、P3和P4，则标签“美食”的置信度可以为p＝(p1+p2+p3)/3或p＝max(p1，p2，p3)，此时，若预设置信度为P0，且P4和P中至少一个大于P0，则该合并后标签组中存在目标标签，且该目标标签可以是P4和P中最大值对应的标签，若P4和P均不大于P0，则该合并后标签组中没有目标标签。

S205、终端判断该目标标签是否属于人物类标签，若是，则终端可以执行下述步骤S206-S207，若否，则终端可以将具有相同目标标签的图像归为同一组。

譬如，若该目标标签是“婴儿”或“老人”，则属于人物类标签，此时，可以根据人物身份对照片进行进一步细分。若该目标标签是“公园”、“婚纱”或“小狗”，则属于事物类标签，此时，可以直接将同一目标标签的照片分为一组，且该组的组名即为该目标标签。

S206、终端对该目标标签对应的图像进行人脸识别，得到人脸信息。

譬如，终端可以通过区域特征分析算法从每一照片中提取人像特征点，将两张照片的人像特征点进行对比分析，计算相似值，根据相似值确定这两张照片的人脸是否为同一个人。

S207、终端根据该拍摄信息和人脸信息，按照预设分组策略对该图像集中的图像进行分组，或者根据该人脸信息将属于同一人脸的图像归为同一组。

譬如，该拍摄信息包括拍摄时间和拍摄地点。终端可以直接将属于同一人脸的照片分为一组，也可以将同一个人的照片根据月份进行分组，或者将同一个人的照片根据拍摄地点进行分组，等等。

S208、终端获取该图像集中分组失败的所有图像，并将分组失败的所有图像确定为目标图像集，根据该目标图像集的特征信息计算该目标图像集中每个图像与其余图像之间的相似度。

譬如，若某照片的标签组中所有标签均不大于预设置信度，或者该照片包含的内容超出了标签的覆盖范围，导致没有匹配到合适的标签时，该照片即属于分组失败的照片，此时，可以通过公式计算所有分组失败的照片的相似度。

S209、终端判断计算出的所有相似度中是否存在大于预设阀值的相似度，若是，则终端可以执行下述步骤S210，若否，则终端可以不执行任何操作。

譬如，该预设阀值为S0，若目标图像集中某照片与其余三张照片的相似度为S1、S2和S3，则需要将S1、S2和S3分别与S0进行比较分析。

S210、终端将每一个大于预设阀值的相似度对应的两个图像归为同一组。

譬如，若S1、S2均大于S0，而S3小于或等于S0，则可以将当前照片与S1以及S2对应的另两张照片归为同一组。

由上述可知，本实施例提供的图像处理方法，其中终端可以获取待分组的图像集和该图像集的拍摄信息，并提取该图像集中每一图像的特征信息，接着，根据该特征信息确定该图像集中每一图像对应的标签组以及置信度组，对所有标签组中的标签进行语义分析，并获取分析结果，根据该分析结果从该标签组中确定待合并的标签，之后按照预设合并策略将该待合并的标签进行合并，将该置信度组中待合并的标签对应的置信度进行合并，并根据合并后置信度组从合并后标签组中选择对应的标签确定为目标标签，之后，判断该目标标签是否属于人物类标签，若是，则对该目标标签对应的图像进行人脸识别，得到人脸信息，并根据该拍摄信息和人脸信息，按照预设分组策略对该图像集中的图像进行分组，或者根据该人脸信息将属于同一人脸的图像归为同一组，若否，则可以将具有相同目标标签的图像归为同一组，之后，获取该图像集中分组失败的所有图像，并将分组失败的所有图像确定为目标图像集，根据该目标图像集的特征信息计算该目标图像集中每个图像与其余图像之间的相似度，之后，判断计算出的所有相似度中是否存在大于预设阀值的相似度，若存在，则将每一个大于预设阀值的相似度对应的两个图像归为同一组，从而不仅能实现大量非人物照片的快速分类，还可以结合人脸识别技术对大量人物照片进行分类，分类方式灵活，操作简单，分类效率高。

第三实施例

在实施例一和实施例二所述方法的基础上，本实施例将从图像处理装置的角度进一步进行描述，请参阅图3a，图3a具体描述了本发明第三实施例提供的图像处理装置，其可以包括：获取模块10、第一确定模块20、第二确定模块30和第一分组模块40，其中：

(1)获取模块10

获取模块10，用于获取待分组的图像集，并提取该图像集中每一图像的特征信息。

本实施例中，该图像集可以是本地存储的图像，也可以是用户当前上传的图像，该图像可以包括用户拍摄的照片或网络下载的图片等等。该特征信息可以包括颜色、纹理、形状和空间关系等信息。具体的，获取模块10可以通过深度模型来获取图像的特征信息，其中深度模型是一种常用的图像分类器。

(2)第一确定模20

第一确定模20，用于根据该特征信息确定该图像集中每一图像对应的标签组以及置信度组，该标签组包括至少一个标签，该置信度组包括至少一个置信度，每一标签对应一个置信度。

本实施例中，该标签用于指示图像中所包含的内容，比如婴儿、公园和婚纱等，其大致可以包括两大类：人物类标签和事物类标签，比如婴儿属于人物类标签，公园和婚纱属于事物类标签。该置信度主要指图像中包含该标签所指示内容的可能性，通常，置信度越大，表明图像中越有可能包含该标签所指示的内容。该深度模型采用多元逻辑回归的代价函数进行训练，最后一层的维度和标签保持一一对应。实际应用过程中，最后一层可能有N个维度，每一维度返回一个0-1之间的置信度。

(3)第二确定模块30

第二确定模块30，用于根据该置信度组从该标签组中确定目标标签。

例如，该第二确定模块30具体可以包括：

分析单元，用于对所有标签组中的标签进行语义分析，并获取分析结果；

第一确定单元，用于根据该分析结果从该标签组中确定待合并的标签；

合并单元，用于按照预设合并策略将该待合并的标签进行合并，将该置信度组中待合并的标签对应的置信度进行合并；

第二确定单元，用于根据合并后置信度组从合并后标签组中选择对应的标签确定为目标标签。

本实施例中，当分析单元分析出该标签组中存在多个相关性较大的标签时，可以将这些相关性较大的标签确定为待合并的标签。该预设合并策略可以根据实际需求而定，比如，合并单元可以通过语义联想等手段将多个待合并的标签合并成一个新标签，并取该多个标签的置信度的平均值或最大值作为该新标签的置信度，该新标签所指示的内容包括该多个标签所指示的所有内容。这种合并策略可以尽可能的扩大每个标签所指示内容的范围，减少并列标签的数量，灵活性高。

例如，该第二确定单元具体可以用于：

获取合并后标签组中所有置信度大于预设置信度的标签；

当所有置信度大于预设置信度的标签为一个时，将该一个标签确定为目标标签；

当所有置信度大于预设置信度的标签为多个时，将该多个标签中置信度最大的标签确定为目标标签。

本实施例中，该预设置信度可以根据实际需求而定，其可以是经验值，也可以是预估值。若每一图像对应的合并后标签组中大于预设置信度的标签只有唯一一个，则第二确定单元可以直接将该标签作为目标标签，若不止一个，为避免重复对同一图像进行多个分类，造成分类混乱，则第二确定单元可以取置信度最大的标签作为目标标签。

(4)第一分组模块40

第一分组模块40，用于根据该目标标签对该图像集中的图像进行分组。

本实施例中，由于该目标标签可以属于人物类标签，也可以属于事物类标签，为方便用户的后续查找，不同类型的目标标签对应的图像可以有不同的分组方式。

例如，该第一分组模块40具体可以包括：

判断单元，用于判断该目标标签是否属于人物类标签；

第一分组单元，用于若该目标标签属于人物类标签，则对该目标标签对应的图像进行人脸识别，得到人脸信息；根据该人脸信息对该图像集中的图像进行分组；

若该目标标签不属于人物类标签，则将具有相同目标标签的图像归为同一组。

本实施例中，当目标标签属于事物类标签，比如公园、花时，第一分组单元可以直接将属于同一目标标签的图像归为一组，且该组的名称即为该目标标签。当目标标签属于人物类标签，比如婴儿、老人时，第一分组单元可以进一步根据人脸信息对图像进行细分，以便后续用户可以快速查找到指定人物的图像

例如，该第一分组单元具体可以用于：

若该目标标签属于人物类标签，则获取该目标标签对应的图像的拍摄信息；根据该拍摄信息和人脸信息，按照预设分组策略对该图像集中的图像进行分组；或者，

根据该人脸信息将属于同一人脸的图像归为同一组。

本实施例中，当该图像是用户拍摄的照片时，在上传或存储的过程中，每一图像均会携带有拍摄信息，该拍摄信息可以包括拍摄时间、拍摄地点等基本信息，这些基本信息通常是图像在拍摄的时候自动生成的。该预设分组策略可以根据实际需求而定，其可以是设备出厂时厂家已经设置好的，也可以是用户根据喜好自行设定的。具体的，当该目标标签属于人物类标签时，第一分组单元可以直接将属于同一人脸的图像分为一组，也可以根据拍摄信息对同一人脸的图像进行细分，比如可以将同一个人的图像根据月份进行分组，或者将同一个人的图像根据拍摄地点进行分组，等等，这样，用户后续在查找的过程中，只需输入组名、月份信息或者拍摄地点信息，就可以快速找到所需的图像了，方便快捷，查找效率高。

需要说明的是，对于属于事物类标签的每组图像，该组的组名可以直接以目标标签命名，对于属于人物类标签的每组图像，该组的组名可以以该人的身份信息命名，该身份信息可以是昵称或者名字等，其可以是用户在输入框中当前输入的，也可以是根据人脸信息和预先存储的身份信息确定的，当然还可以是其他方式。

此外，对于已分好组的每组图像，在向用户显示的时候，每一图像可以按照目标标签置信度从高到低，或者按照拍摄时间由近到远，或者其他用户自定义的方式进行排序后显示。

当然，由于每一目标标签的置信度都需要大于预设置信度，或者由于存在标签覆盖不到的图像内容，故也会存在没有目标标签的图像，也即分组失败的图像。当这些图像数量过多时，难免会显得杂乱无章，因此，请参阅图3b，该图像处理装置还可以包括第二分组模块50，该第二分组模块50具体可以包括：

获取单元，用于在该第一分组模块根据该目标标签对该图像集中的图像进行分组之后，获取该图像集中分组失败的所有图像，并将分组失败的所有图像确定为目标图像集；

计算单元，用于根据该目标图像集的特征信息计算该目标图像集中每个图像与其余图像之间的相似度；

第二分组单元，用于根据该相似度对该目标图像集进行分组。

本实施例中，该相似度主要指两个目标图像之间的相似程度，其计算公式可以为其中，和分别为该两个目标图像的特征向量，每一特征向量可以通过点匹配或者深度模型对目标图像提取得到，相似度S由特征向量和之间的余弦距离决定。当图像集中存在大量没有目标标签的图像时，可以进一步将相似度高的图像进行分组。

例如，该第二分组单元具体可以用于：

判断计算出的所有相似度中是否存在大于预设阀值的相似度；

若存在大于预设阀值的相似度，则将每一个大于预设阀值的相似度对应的两个图像归为同一组。

本实施例中，该预设阀值主要用于界定相似程度的高和低，其可以根据实际应用需求而定。当相似度大于预设阀值时，说明这两个图像相似度高，也即极有可能包含同一内容，此时，第二分组单元可以将它们归为一组，且该组的组名可以由用户自行设定，充分满足用户的不同需求。

具体实施时，以上各个单元可以作为独立的实体来实现，也可以进行任意组合，作为同一或若干个实体来实现，以上各个单元的具体实施可参见前面的方法实施例，在此不再赘述。

由上述可知，本实施例提供的图像处理装置，通过获取模块10获取待分组的图像集，并提取该图像集中每一图像的特征信息，之后，第一确定模块20根据该特征信息确定该图像集中每一图像对应的标签组以及置信度组，第二确定模块30根据该置信度组从该标签组中确定目标标签，第一分组模块40根据该目标标签对该图像集中的图像进行分组，能实现大量照片的快速分类，操作简单，分类效率高。

第四实施例

相应的，本发明实施例还提供一种图像处理系统，包括本发明实施例所提供的任一种图像处理装置，该图像处理装置具体可参见实施例三。

其中，该图像处理装置具体可以集成在服务器或终端等网络设备中，例如，可以如下：

网络设备，用于获取待分组的图像集，并提取该图像集中每一图像的特征信息；根据该特征信息确定该图像集中每一图像对应的标签组以及置信度组，该标签组包括至少一个标签，该置信度组包括至少一个置信度，每一标签对应一个置信度；根据该置信度组和标签组确定目标标签；根据该目标标签对该图像集中的图像进行分组。

以上各个设备的具体实施可参见前面的实施例，在此不再赘述。

由于该图像处理系统可以包括本发明实施例所提供的任一种图像处理装置，因此，可以实现本发明实施例所提供的任一种图像处理装置所能实现的有益效果，详见前面的实施例，在此不再赘述。

第五实施例

相应的，本发明实施例还提供一种网络设备，该网络设备可以是服务器或者终端，如图4所示，其示出了本发明实施例所涉及的网络设备的结构示意图，具体来讲：

该网络设备可以包括一个或者一个以上处理核心的处理器601、一个或一个以上计算机可读存储介质的存储器602、射频(Radio Frequency，RF)电路603、电源604、输入单元605、以及显示单元606等部件。本领域技术人员可以理解，图4中示出的网络设备结构并不构成对该网络设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：

处理器601是该网络设备的控制中心，利用各种接口和线路连接整个网络设备的各个部分，通过运行或执行存储在存储器602内的软件程序和/或模块，以及调用存储在存储器602内的数据，执行网络设备的各种功能和处理数据，从而对网络设备进行整体监控。可选的，处理器601可包括一个或多个处理核心；优选的，处理器601可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器601中。

存储器602可用于存储软件程序以及模块，处理器601通过运行存储在存储器602的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器602可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据网络设备的使用所创建的数据等。此外，存储器602可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器602还可以包括存储器控制器，以提供处理器601对存储器602的访问。

RF电路603可用于收发信息过程中，信号的接收和发送，特别地，将基站的下行信息接收后，交由一个或者一个以上处理器601处理；另外，将涉及上行的数据发送给基站。通常，RF电路603包括但不限于天线、至少一个放大器、调谐器、一个或多个振荡器、用户身份模块(SIM)卡、收发信机、耦合器、低噪声放大器(LNA，Low Noise Amplifier)、双工器等。此外，RF电路603还可以通过无线通信与网络和其他网络设备通信。所述无线通信可以使用任一通信标准或协议，包括但不限于全球移动通讯系统(GSM，Global System of Mobile communication)、通用分组无线服务(GPRS，General Packet Radio Service)、码分多址(CDMA，Code Division Multiple Access)、宽带码分多址(WCDMA，Wideband Code Division Multiple Access)、长期演进(LTE，Long Term Evolution)、电子邮件、短消息服务(SMS，Short Messaging Service)等。

该网络设备还包括给各个部件供电的电源604(比如电池)，优选的，电源604可以通过电源管理系统与处理器601逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源604还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。

该网络设备还可包括输入单元605，该输入单元605可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。具体地，在一个具体的实施例中，输入单元605可包括触敏表面以及其他输入网络设备。触敏表面，也称为触摸显示屏或者触控板，可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触敏表面上或在触敏表面附近的操作)，并根据预先设定的程式驱动相应的连接装置。可选的，触敏表面可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给处理器601，并能接收处理器601发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触敏表面。除了触敏表面，输入单元605还可以包括其他输入网络设备。具体地，其他输入网络设备可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。

该网络设备还可包括显示单元606，该显示单元606可用于显示由用户输入的信息或提供给用户的信息以及网络设备的各种图形用户接口，这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。显示单元606可包括显示面板，可选的，可以采用液晶显示器(LCD，Liquid Crystal Display)、有机发光二极管(OLED，Organic Light-Emitting Diode)等形式来配置显示面板。进一步的，触敏表面可覆盖显示面板，当触敏表面检测到在其上或附近的触摸操作后，传送给处理器601以确定触摸事件的类型，随后处理器601根据触摸事件的类型在显示面板上提供相应的视觉输出。虽然在图4中，触敏表面与显示面板是作为两个独立的部件来实现输入和输入功能，但是在某些实施例中，可以将触敏表面与显示面板集成而实现输入和输出功能。

尽管未示出，网络设备还可以包括摄像头、蓝牙模块等，在此不再赘述。具体在本实施例中，网络设备中的处理器601会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器602中，并由处理器601来运行存储在存储器602中的应用程序，从而实现各种功能，如下：

获取待分组的图像集，并提取该图像集中每一图像的特征信息；

根据该特征信息确定该图像集中每一图像对应的标签组以及置信度组，该标签组包括至少一个标签，该置信度组包括至少一个置信度，每一标签对应一个置信度；

根据该置信度组和标签组确定目标标签；

根据该目标标签对该图像集中的图像进行分组。

以上各操作的实现方法具体可参见上述实施例，此处不再赘述。

该网络设备可以实现本发明实施例所提供的任一种图像处理装置所能实现的有效效果，详见前面的实施例，在此不再赘述。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取记忆体(RAM，Random Access Memory)、磁盘或光盘等。

以上对本发明实施例所提供的一种图像处理方法、装置和系统进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。