本发明涉及的是一种利用照片快速生成视频的方法。
(二)背景技术
日常生活中，人们经常会用手机或相机随手拍摄一些照片。由于照片是按拍摄先后顺序进行排序的，所以人们在翻阅某一类照片(比如某一株植物由发芽到开花结果过程中的多张照片)时会非常不方便。若单独建立文件夹来存放同一类型照片，势必要花费很多时间在照片管理上。同时，在翻阅同一类型照片时，人们往往希望照片可以自动生成视频，通过视频来感受某一类事物的变化过程(比如植物的生长过程)。
现有的视频生成方法大多是由用户手动选取照片来生成视频，照片越多，选材的过程就会越耗时，且操作过程精细复杂，不利于快速生成。也有个别应用可针对不同的人物进行选材并生成视频，但仅仅是针对人物，对于其他的事物，就不具备这种功能。
本发明提供一种利用照片快速生成视频的方法，不仅可自动选材，加快生成速度，还可以针对不同事物分别生成视频，满足不同用户的不同需求。本发明的步骤如下：首先构建数据集，将某几类事物照片(即用户想生成视频的照片)分别打上不同标签(用户实际操作是将照片拖动到相应文件夹，保存照片的存储路径，并不复制照片)，随机抽取样本建立训练集和测试集；再搭建神经网络，不断迭代训练，得到神经网络模型(新拍摄的照片都用此模型自动分类并打上标签)；最后当用户需要生成某一类事物的视频时，算法可根据照片标签检索并自动快速生成相关视频。该视频生成方法可减少选材耗费的时间，加快视频生成速度，还可对除人物外的其他事物自动生成视频，既增加了电子相册的趣味性，也使相册越来越具个人特色。
(三)
技术实现要素：
本发明的目的是将同一类型照片自动快速生成视频，满足人们对于不同事物照片自动生成视频的需求。
为了达到上述目的，本发明是这样实现的：
首先，构建个人数据集。数据集默认有以下几个组别：人物、宠物、桌子、椅子、天空、大海、盆栽、水果(可由用户自定义组别)。照片中出现人脸的就判定该照片中有人物，归并到“人物”文件夹；照片里出现宠物的就归并到“宠物”文件夹。如果照片中同时包含多种属性内容，比如人坐在椅子上，怀里抱着宠物(该照片中既有人脸，也包含宠物和椅子)，那么该照片可同时归并到“人物”、“宠物”和“椅子”文件夹，既一张照片可以有多个属性标签。如果某一文件夹中照片的对应属性不很明显，用户也可从相应文件夹中删除该照片(实际只删除保存的照片存储路径，并不改变相册里的原始照片)。每个文件夹至少包含一张照片，若无照片，可将该组别删除。若上述组别满足不了需求，用户也可创建新的组别。
然后，训练神经网络并给照片自动分类。按照图1所示网络结构搭建神经网络。该网络第一、三、五层为卷积层，输入主要包括照片大小、卷积核大小、卷积核数目、输入图像个数和输出图像个数；第二、四层为均值下采样层，输入包括待输入图像的大小(既上一层网络的输出图像大小)、输入图像个数(既上一层的输出个数)、采样的步长；第六层则是全连接层，输入主要包含待输入图像个数、输出个数。该神经网络训练时利用前向传播算法层层传播计算误差，再利用反向传播算法更新模型的权重值，直到目标函数收敛，得到用于照片分类的神经网络模型。当给定一张照片(新拍摄照片)时，通过神经网络模型的计算，自动归类到相应组别中，并打上标签。
最后，快速生成视频。当用户需要某一类型照片生成视频时，只需进入相应文件夹，应用会自动快速检索该组别照片并生成视频。若用户想用更多该类型照片生成视频，则可利用神经网络模型检索电子相册所有照片，选择出符合要求的所有照片，自动快速生成视频。
该方法主要包括以下步骤：
(1)按照默认分类组别及规则给照片打标签；
(2)若打标签结束，则执行步骤3；否则执行步骤1；
(3)搭建神经网络并初始化神经网络的权重参数；
(4)开始训练神经网络；
(5)训练结束后，保存神经网络模型参数；
(6)新的照片通过神经网络模型计算，输出照片分类结果及相似度；
(7)根据相似度大小，取相似度最高者作为该照片的分类结果，并打上标签；
(8)若照片分类结果准确，则执行步骤10，否则手动调整，执行步骤9；
(9)若选择重新训练神经网络，执行步骤4；否则执行步骤10；
(10)用户想查看某一类事物生成的视频，选择相应文件夹；
(11)将该文件夹中所有照片自动生成视频；
(12)利用照片快速生成视频的方法结束。
本发明的核心在于：通过建立数据集和搭建神经网络得到神经网络模型。利用该模型，应用就可自动将照片进行分类，并标注标签，无需手动操作。生成视频时，应用会自动根据标签检索照片，无需手动添加。
其主要创新点如下：
1.将照片进行个性化分类。由于所有的照片均来自用户个人，完全由用户决定，且未进行过筛选，所以训练出来的神经网络模型更符合用户个人的分类习惯。数据集分类越细，模型的分类效果就越好，照片的分类就越具有个人特色。
2.自动选取生成视频需要的照片。神经网络模型训练成功后，便具有识别分类功能。生成视频时，自动检索出相关照片并自动生成视频，无需手动添加图片。
(四)附图说明
图1为本发明中神经网络结构图。
(五)具体实施方式
下面结合附图对本发明做更详细地描述。
本发明所述方法的特征在于：
构建个人数据集。数据集默认有以下几个组别：人物、宠物、桌子、椅子、天空、大海、盆栽、水果(可由用户自定义组别)。照片中出现人脸的就判定该照片中有人物，归并到“人物”文件夹；照片里出现宠物的就归并到“宠物”文件夹。如果照片中同时包含多种属性内容，比如人坐在椅子上，怀里抱着宠物(该照片中既有人脸，也包含宠物和椅子)，那么该照片可同时归并到“人物”、“宠物”和“椅子”文件夹，既一张照片可以有多个属性标签。如果某一文件夹中照片的对应属性不很明显，用户也可从相应文件夹中删除该照片(实际只删除保存的照片存储路径，并不改变相册里的原始照片)。每个文件夹至少包含一张照片，若无照片，可将该组别删除。若上述组别满足不了需求，用户也可创建新的组别。
训练神经网络并给照片自动分类。按照图1所示网络结构搭建神经网络。该网络第一、三、五层为卷积层，输入主要包括照片大小、卷积核大小、卷积核数目、输入图像个数和输出图像个数；第二、四层为均值下采样层，输入包括待输入图像的大小(既上一层网络的输出图像大小)、输入图像个数(既上一层的输出个数)、采样的步长；第六层则是全连接层，输入主要包含待输入图像个数、输出个数。该神经网络训练时利用前向传播算法层层传播计算误差，再利用反向传播算法更新模型的权重值，直到目标函数收敛，得到用于照片分类的神经网络模型。当给定一张照片(新拍摄照片)时，通过神经网络模型的计算，自动归类到相应组别中，并打上标签。
快速生成视频。当用户需要某一类型照片生成视频时，只需进入相应文件夹，应用会自动快速检索该组别照片并生成视频。若用户想用更多该类型照片生成视频，则可利用神经网络模型检索电子相册所有照片，选择出符合要求的所有照片，自动快速生成视频。
该方法主要包括以下步骤：
(1)按照默认分类组别及规则给照片打标签；
(2)若打标签结束，则执行步骤3；否则执行步骤1；
(3)搭建神经网络并初始化神经网络的权重参数；
(4)开始训练神经网络；
(5)训练结束后，保存神经网络模型参数；
(6)新的照片通过神经网络模型计算，输出照片分类结果及相似度；
(7)根据相似度大小，取相似度最高者作为该照片的分类结果，并打上标签；
(8)若照片分类结果准确，则执行步骤10，否则手动调整，执行步骤9；
(9)若选择重新训练神经网络，执行步骤4；否则执行步骤10；
(10)用户想查看某一类事物生成的视频，选择相应文件夹；
(11)将该文件夹中所有照片自动生成视频；
(12)利用照片快速生成视频的方法结束。
本发明所阐述的利用照片快速生成视频的方法的具体实施模式是这样的：
用户先根据自己的爱好对照片进行分类，作为神经网络学习需要的数据集；再训练神经网络模型，使其能够对照片自动分类；根据用户想要看到的事物类型自动检索照片并生成视频。若自动分类结果不准确(不符合用户期望)，用户可手动调整分类标签，再重新训练网络，更新模型权重参数，得到新的神经网络模型。至此，利用照片快速生成视频的方法结束。