本发明涉及移动终端的
技术领域：
：，尤其涉及一种图片分类方法、移动终端及计算机可读存储介质。
背景技术：
：：随着移动终端的快速发展，移动终端的硬件配置也越来越高，能够实现的功能也越来越多，且集成的app(application，应用程序)也越来越多。用户在使用移动终端的过程中，会存储拍摄的照片、下载的图片以及用户截图等图片资源，然而移动终端中的图片资源随着用户使用时间逐渐增多，为用户管理和查找图片资源带来不便。目前，为便于用户管理和查找图片资源，主要是识别图片资源中的主体对象，如人物主体、风景主体和食物主体等，并基于主体对象的类别对图片资源进行分类，然而，图片资源中往往具备多个主体对象，如同一张图片同时具备人物主体和风景主体等，无法基于主体对象实现图片资源的准确分类，此外，用户的截图或下载的图片中通常均包含文字，只基于主体对象实现图片资源的分类，而不考虑图片中的文字，容易导致图片资源的分类不准确。因此，如何提高图片资源分类的准确性是目前亟待解决的问题。上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。技术实现要素：本发明的主要目的在于提供一种图片分类方法、移动终端及计算机可读存储介质，旨在解决如何提高图片资源分类的准确性的技术问题。为实现上述目的，本发明提供一种图片分类方法，所述图片分类方法包括以下步骤：当检测到触发的图片分类指令时，在待分类图片中框选出预设数量的文字区域和主体对象区域；对框选出的每个文字区域进行文字信息识别和对每个主体对象区域进行主体对象识别，以获取所述待分类图片的文字信息和主体对象；从识别出的文字信息中提取关键词，并根据所述关键词和所述主体对象对所述待分类图片进行分类。可选地，所述在待分类图片中框选出预设数量的文字区域的步骤包括：将待分类图片的分辨率调整为预设分辨率，并获取调整后的待分类图片的像素点矩阵；从所述像素点矩阵中任意选择两个不同的像素点，并根据选择的两个不同的像素点框选文字区域，直至框选到预设数量，且不重复的文字区域。可选地，所述对框选出每个文字区域进行文字信息识别和对每个主体对象区域进行主体对象识别，以获取所述待分类图片的文字信息和主体对象的步骤包括：对框选出的每个文字区域进行裁剪，以获取每个文字区域的文字图片，以及对框选出的每个主体对象区域进行裁剪，以获取每个主体对象区域的主体对象图片；将每个文字区域的文字图片输入至预设深度神经网络，以获取所述待分类图片的文字信息；将每个主体对象区域的主体对象图片输入至预设深度神经网络，以获取所述待分类图片的主体对象。可选地，所述将每个文字区域的文字图片输入至预设深度神经网络，以获取所述待分类图片的文字信息的步骤包括：将每个文字区域的文字图片输入至预设深度神经网络，以获取每个文字区域的文字内容；对每个文字区域的文字内容进行纠错，并基于纠错后的每个文字区域的文字内容生成所述待分类图片的文字信息。可选地，所述将每个文字区域的文字图片输入至预设深度神经网络，以获取所述待分类图片的文字信息的步骤还包括：将每个文字区域的文字图片输入至预设深度神经网络，以获取每个文字区域的分类特征；确定每个文字区域的位置，并将所述分类特征相同，且所述位置相邻的文字区域进行合并，以获取若干合并文字区域；将所述若干合并文字区域输入至预设深度神经网络，以获取每个合并文字区域的文字内容；基于每个合并文字区域的文字内容生成所述待分类图片的文字信息。可选地，所述将每个主体对象区域的主体对象图片输入至预设深度神经网络，以获取所述待分类图片的主体对象的步骤包括：将每个主体对象区域的主体对象图片输入至预设深度神经网络，以获取每个主体对象图片中的主体对象，以及所述主体对象的主体对象分类概率；将所述主体对象分类概率最大的主体对象确定为所述待分类图片的主体对象。可选地，所述在待分类图片中框选出预设数量的文字区域和主体对象区域的步骤之后，所述图片分类方法还包括：对框选出的文字区域执行调整操作，以获取既定数量的已调整文字区域；将每个已调整文字区域中的图像块输入至预设深度神经网络，以获取每个已调整文字区域的文字分类概率；将框选出的文字区域替换为所述文字分类概率最大的已调整文字区域。可选地，所述从识别出的文字信息中提取关键词，并根据所述关键词和所述主体对象对所述待分类图片进行分类的步骤之后，所述图片分类方法还包括：当检测到图片资源显示指令时，获取图片资源，并按照所述图片资源中每个图片的分类显示所述图片资源。此外，为实现上述目的，本发明还提供一种移动终端，所述移动终端包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的图片分类程序，所述图片分类程序被所述处理器执行时实现如上所述的图片分类方法的步骤。本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有图片分类程序，所述图片分类程序被处理器执行时实现如上所述的图片分类方法的步骤。本发明提供一种图片分类方法、移动终端及计算机可读存储介质，本发明当检测到触发的图片分类指令时，在待分类图片中框选出预设数量的文字区域和主体对象区域，然后对框选出的每个文字区域进行文字信息识别和对每个主体对象区域进行主体对象识别，以获取该待分类图片的文字信息和主体对象，最后从识别出的文字信息中提取关键词，并根据该关键词和该主体对象对该待分类图片进行分类，通过框选多个文字区域和多个主体对象区域，并基于多个文字区域确定待分类图片的文字信息，以及基于多个主体对象区域确定待分类图片的主体对象，有效的提高了文字信息和主体对象的准确性，同时结合主体对象和文字信息中的关键词对图片进行分类，有效的提高图片分类的准确性。附图说明图1为实现本发明各个实施例的一种移动终端的硬件结构示意图；图2为本发明实施例提供的一种通信网络系统架构图；图3为本发明图片分类方法第一实施例的流程示意图；图4为本发明图片分类方法第一实施例中步骤s101的细化流程示意图；图5为本发明图片分类方法第一实施例中步骤s102的细化流程示意图；图6为本发明图片分类方法第四实施例的流程示意图。本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明，其本身没有特定的意义。因此，“模块”、“部件”或“单元”可以混合地使用。终端可以以各种形式来实施。例如，本发明中描述的终端可以包括诸如手机、平板电脑、笔记本电脑、掌上电脑、个人数字助理(personaldigitalassistant，pda)、便捷式媒体播放器(portablemediaplayer，pmp)、导航装置、可穿戴设备、智能手环、计步器等移动终端，以及诸如数字tv、台式计算机等固定终端。后续描述中将以移动终端为例进行说明，本领域技术人员将理解的是，除了特别用于移动目的的元件之外，根据本发明的实施方式的构造也能够应用于固定类型的终端。请参阅图1，其为实现本发明各个实施例的一种移动终端的硬件结构示意图，该移动终端100可以包括：rf(radiofrequency，射频)单元101、wifi模块102、音频输出单元103、a/v(音频/视频)输入单元104、传感器105、显示单元106、用户输入单元107、接口单元108、存储器109、处理器110、以及电源111等部件。本领域技术人员可以理解，图1中示出的移动终端结构并不构成对移动终端的限定，移动终端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。下面结合图1对移动终端的各个部件进行具体的介绍：射频单元101可用于收发信息或通话过程中，信号的接收和发送，具体的，将基站的下行信息接收后，给处理器110处理；另外，将上行的数据发送给基站。通常，射频单元101包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器、双工器等。此外，射频单元101还可以通过无线通信与网络和其他设备通信。上述无线通信可以使用任一通信标准或协议，包括但不限于gsm(globalsystemofmobilecommunication，全球移动通讯系统)、gprs(generalpacketradioservice，通用分组无线服务)、cdma2000(codedivisionmultipleaccess2000，码分多址2000)、wcdma(widebandcodedivisionmultipleaccess,宽带码分多址)、td-scdma(timedivision-synchronouscodedivisionmultipleaccess，时分同步码分多址)、fdd-lte(frequencydivisionduplexing-longtermevolution，频分双工长期演进)和tdd-lte(timedivisionduplexing-longtermevolution，分时双工长期演进)等。wifi属于短距离无线传输技术，移动终端通过wifi模块102可以帮助用户收发电子邮件、浏览网页和访问流式媒体等，它为用户提供了无线的宽带互联网访问。虽然图1示出了wifi模块102，但是可以理解的是，其并不属于移动终端的必须构成，完全可以根据需要在不改变发明的本质的范围内而省略。音频输出单元103可以在移动终端100处于呼叫信号接收模式、通话模式、记录模式、语音识别模式、广播接收模式等等模式下时，将射频单元101或wifi模块102接收的或者在存储器109中存储的音频数据转换成音频信号并且输出为声音。而且，音频输出单元103还可以提供与移动终端100执行的特定功能相关的音频输出(例如，呼叫信号接收声音、消息接收声音等等)。音频输出单元103可以包括扬声器、蜂鸣器等等。a/v输入单元104用于接收音频或视频信号。a/v输入单元104可以包括图形处理器(graphicsprocessingunit，gpu)1041和麦克风1042，图形处理器1041对在视频捕获模式或图像捕获模式中由图像捕获装置(如摄像头)获得的静态图片或视频的图像数据进行处理。处理后的图像帧可以显示在显示单元106上。经图形处理器1041处理后的图像帧可以存储在存储器109(或其它存储介质)中或者经由射频单元101或wifi模块102进行发送。麦克风1042可以在电话通话模式、记录模式、语音识别模式等等运行模式中经由麦克风1042接收声音(音频数据)，并且能够将这样的声音处理为音频数据。处理后的音频(语音)数据可以在电话通话模式的情况下转换为可经由射频单元101发送到移动通信基站的格式输出。麦克风1042可以实施各种类型的噪声消除(或抑制)算法以消除(或抑制)在接收和发送音频信号的过程中产生的噪声或者干扰。移动终端100还包括至少一种传感器105，比如光传感器、运动传感器以及其他传感器。具体地，光传感器包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示面板1061的亮度，接近传感器可在移动终端100移动到耳边时，关闭显示面板1061和/或背光。作为运动传感器的一种，加速计传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别手机姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；至于手机还可配置的指纹传感器、压力传感器、虹膜传感器、分子传感器、陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。显示单元106用于显示由用户输入的信息或提供给用户的信息。显示单元106可包括显示面板1061，可以采用液晶显示器(liquidcrystaldisplay，lcd)、有机发光二极管(organiclight-emittingdiode,oled)等形式来配置显示面板1061。用户输入单元107可用于接收输入的数字或字符信息，以及产生与移动终端的用户设置以及功能控制有关的键信号输入。具体地，用户输入单元107可包括触控面板1071以及其他输入设备1072。触控面板1071，也称为触摸屏，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控面板1071上或在触控面板1071附近的操作)，并根据预先设定的程式驱动相应的连接装置。触控面板1071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110，并能接收处理器110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控面板1071。除了触控面板1071，用户输入单元107还可以包括其他输入设备1072。具体地，其他输入设备1072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，具体此处不做限定。进一步的，触控面板1071可覆盖显示面板1061，当触控面板1071检测到在其上或附近的触摸操作后，传送给处理器110以确定触摸事件的类型，随后处理器110根据触摸事件的类型在显示面板1061上提供相应的视觉输出。虽然在图1中，触控面板1071与显示面板1061是作为两个独立的部件来实现移动终端的输入和输出功能，但是在某些实施例中，可以将触控面板1071与显示面板1061集成而实现移动终端的输入和输出功能，具体此处不做限定。接口单元108用作至少一个外部装置与移动终端100连接可以通过的接口。例如，外部装置可以包括有线或无线头戴式耳机端口、外部电源(或电池充电器)端口、有线或无线数据端口、存储卡端口、用于连接具有识别模块的装置的端口、音频输入/输出(i/o)端口、视频i/o端口、耳机端口等等。接口单元108可以用于接收来自外部装置的输入(例如，数据信息、电力等等)并且将接收到的输入传输到移动终端100内的一个或多个元件或者可以用于在移动终端100和外部装置之间传输数据。存储器109可用于存储软件程序以及各种数据。存储器109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手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器109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。处理器110是移动终端的控制中心，利用各种接口和线路连接整个移动终端的各个部分，通过运行或执行存储在存储器109内的软件程序和/或模块，以及调用存储在存储器109内的数据，执行移动终端的各种功能和处理数据，从而对移动终端进行整体监控。处理器110可包括一个或多个处理单元；优选的，处理器110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110中。移动终端100还可以包括给各个部件供电的电源111(比如电池)，优选的，电源111可以通过电源管理系统与处理器110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。尽管图1未示出，移动终端100还可以包括蓝牙模块等，在此不再赘述。在图1所示的移动终端中，处理器110可以用于调用存储器109中存储的图片分类程序，并执行以下步骤：当检测到触发的图片分类指令时，在待分类图片中框选出预设数量的文字区域和主体对象区域；对框选出的每个文字区域进行文字信息识别和对每个主体对象区域进行主体对象识别，以获取所述待分类图片的文字信息和主体对象；从识别出的文字信息中提取关键词，并根据所述关键词和所述主体对象对所述待分类图片进行分类。进一步地，处理器110可以用于调用存储器109中存储的图片分类程序，还执行以下步骤：将待分类图片的分辨率调整为预设分辨率，并获取调整后的待分类图片的像素点矩阵；从所述像素点矩阵中任意选择两个不同的像素点，并根据选择的两个不同的像素点框选文字区域，直至框选到预设数量，且不重复的文字区域。进一步地，处理器110可以用于调用存储器109中存储的图片分类程序，还执行以下步骤：对框选出的每个文字区域进行裁剪，以获取每个文字区域的文字图片，以及对框选出的每个主体对象区域进行裁剪，以获取每个主体对象区域的主体对象图片；将每个文字区域的文字图片输入至预设深度神经网络，以获取所述待分类图片的文字信息；将每个主体对象区域的主体对象图片输入至预设深度神经网络，以获取所述待分类图片的主体对象。进一步地，处理器110可以用于调用存储器109中存储的图片分类程序，还执行以下步骤：将每个文字区域的文字图片输入至预设深度神经网络，以获取每个文字区域的文字内容；对每个文字区域的文字内容进行纠错，并基于纠错后的每个文字区域的文字内容生成所述待分类图片的文字信息。进一步地，处理器110可以用于调用存储器109中存储的图片分类程序，还执行以下步骤：将每个文字区域的文字图片输入至预设深度神经网络，以获取每个文字区域的分类特征；确定每个文字区域的位置，并将所述分类特征相同，且所述位置相邻的文字区域进行合并，以获取若干合并文字区域；将所述若干合并文字区域输入至预设深度神经网络，以获取每个合并文字区域的文字内容；基于每个合并文字区域的文字内容生成所述待分类图片的文字信息。进一步地，处理器110可以用于调用存储器109中存储的图片分类程序，还执行以下步骤：将每个主体对象区域的主体对象图片输入至预设深度神经网络，以获取每个主体对象图片中的主体对象，以及所述主体对象的主体对象分类概率；将所述主体对象分类概率最大的主体对象确定为所述待分类图片的主体对象。进一步地，处理器110可以用于调用存储器109中存储的图片分类程序，还执行以下步骤：对框选出的文字区域执行调整操作，以获取既定数量的已调整文字区域；将每个已调整文字区域中的图像块输入至预设深度神经网络，以获取每个已调整文字区域的文字分类概率；将框选出的文字区域替换为所述文字分类概率最大的已调整文字区域。进一步地，处理器110可以用于调用存储器109中存储的图片分类程序，还执行以下步骤：当检测到图片资源显示指令时，获取图片资源，并按照所述图片资源中每个图片的分类显示所述图片资源。为了便于理解本发明实施例，下面对本发明的移动终端所基于的通信网络系统进行描述。请参阅图2，图2为本发明实施例提供的一种通信网络系统架构图，该通信网络系统为通用移动通信技术的lte系统，该lte系统包括依次通讯连接的ue(userequipment，用户设备)201，e-utran(evolvedumtsterrestrialradioaccessnetwork，演进式umts陆地无线接入网)202，epc(evolvedpacketcore，演进式分组核心网)203和运营商的ip业务204。具体地，ue201可以是上述终端100，此处不再赘述。e-utran202包括enodeb2021和其它enodeb2022等。其中，enodeb2021可以通过回程(backhaul)(例如x2接口)与其它enodeb2022连接，enodeb2021连接到epc203，enodeb2021可以提供ue201到epc203的接入。epc203可以包括mme(mobilitymanagemententity，移动性管理实体)2031，hss(homesubscriberserver，归属用户服务器)2032，其它mme2033，sgw(servinggateway，服务网关)2034，pgw(pdngateway，分组数据网络网关)2035和pcrf(policyandchargingrulesfunction，政策和资费功能实体)2036等。其中，mme2031是处理ue201和epc203之间信令的控制节点，提供承载和连接管理。hss2032用于提供一些寄存器来管理诸如归属位置寄存器(图中未示)之类的功能，并且保存有一些有关服务特征、数据速率等用户专用的信息。所有用户数据都可以通过sgw2034进行发送，pgw2035可以提供ue201的ip地址分配以及其它功能，pcrf2036是业务数据流和ip承载资源的策略与计费控制策略决策点，它为策略与计费执行功能单元(图中未示)选择及提供可用的策略和计费控制决策。ip业务204可以包括因特网、内联网、ims(ipmultimediasubsystem，ip多媒体子系统)或其它ip业务等。虽然上述以lte系统为例进行了介绍，但本领域技术人员应当知晓，本发明不仅仅适用于lte系统，也可以适用于其他无线通信系统，例如gsm、cdma2000、wcdma、td-scdma以及未来新的网络系统等，此处不做限定。基于上述移动终端硬件结构以及通信网络系统，提出本发明方法各个实施例。本发明提供一种图片分类方法。参照图3，图3为本发明图片分类方法第一实施例的流程示意图。在本实施例中，该图片分类方法包括：步骤s101，当检测到触发的图片分类指令时，在待分类图片中框选出预设数量的文字区域和主体对象区域；该图片分类方法应用于移动终端，该移动终端包括智能手机和平板电脑等，该移动终端中存储有若干图片，存储的图片包括但不限于拍摄的照片、下载的网络图片和用户截图等，存储的图片格式包括但不限于jpeg(jointphotographicexpertsgroup，联合照片专家组)格式、gif(graphicsinterchangeformat，图形交换)格式、png(portablenetworkgraphics，便携式网络图形)格式和tiff(tagimagefileformat，标签图像文件)格式等。当检测到触发的图片分类指令时，获取待分类图片，并在待分类图片中框选出预设数量的文字区域和主体对象区域，其中，图片分类指令的触发方式包括但不限于定时触发、实时触发和熄屏触发等，定时触发为以间隔预设时间读取存储的图片，当读取到未分类的图片时，触发图片分类指令；实时触发为当检测到当前拍摄的照片、当前下载的图片或当前截图时，触发图片分类指令；熄屏触发为当检测到移动终端处于熄屏待机状态，且熄屏待机时间超过预设阈值时，触发图片分类指令。需要说明的是，上述预设数量、预设时间和预设阈值可由本领域技术人员基于实际情况进行设置，本实施例对此不作具体限定。具体地，参照图4，步骤s101包括：步骤s1011，将待分类图片的分辨率调整为预设分辨率，并获取调整后的待分类图片的像素点矩阵；该移动终端在获取到待分类图片之后，将待分类图片的分辨率调整为预设分辨率，并获取调整后的待分类图片的像素点矩阵，其中，在调整分辨率之前，可将待分类图片的当前分辨率与预设分辨率进行比较，如果待分类图片的当前分辨率与预设分辨率相同，则无需调整待分类图片的分辨率，如果待分类图片的当前分辨率与预设分辨率不同，则将待分类图片的分辨率调整为预设分辨率，待分类图片的分辨率越高，像素点越多，当分辨率高于一定值时，会影响处理速度；待分类图片的分辨率越低，像素点越少，当分辨率低于一定值时，会导致图片中的文字信息和主体对象无法识别，因此，需要对待分类图片的分辨率进行调整，在能够保证正常识别图片中文字信息和主体对象的同时，提高处理速度，需要说明的是，上述预设分辨率可由本领域技术人员基于实际情况进行设置，本实施例对此不作具体限定。步骤s1012，从像素点矩阵中任意选择两个不同的像素点，并根据选择的两个不同的像素点框选文字区域，直至框选到预设数量，且不重复的文字区域。该移动终端在获取调整后的待分类图片的像素点矩阵之后，从该像素点矩阵中任意选择两个不同的像素点，并根据选择的两个不同的像素点框选文字区域，直至框选到预设数量，且不重复的文字区域，其中，根据选择的两个不同的像素点框选文字区域的过程为首先将两个像素点中的一个像素点作为文字区域的左上顶点，然后将两个像素点中的另一个像素点作为文字区域的右下顶点，从而确定框选的文字区域的位置和大小。另外，在框选到文字区域时，确定框选的文字区域中是否包括文字信息，如果框选的文字区域中未包括文字信息，则重新框选一个文字区域。需要说明的是，上述预设数量，即文字区域的框选数量可由本领域技术人员基于实际情况进行设置，本实施例对此不作具体限定。需要说明的是，在待分类图片中框选出预设数量的主体对象区域的具体方式与框选文字区域的具体方式类似，在此不再赘述，另外，文字区域的框选操作与主体对象的框选操作可同时并列进行，也可以先执行文字区域的框选操作，再执行主体对象的框选操作，或者先执行主体对象的框选操作，再执行文字区域的框选操作，本实施例对此不作具体限定。步骤s102，对框选出的每个文字区域进行文字信息识别和对每个主体对象区域进行主体对象识别，以获取待分类图片的文字信息和主体对象；该移动终端在框选到预设数量的文字区域和主体对象区域之后，对框选出的每个文字区域进行文字信息识别和对每个主体对象区域进行主体对象识别，以获取待分类图片的文字信息和主体对象，其中，该主体对象包括但不限于人物主体、风景主体和食物主体等。具体地，参照图5，步骤s102包括：步骤s1021，对框选出的每个文字区域进行裁剪，以获取每个文字区域的文字图片，以及对框选出的每个主体对象区域进行裁剪，以获取每个主体对象区域的主体对象图片；该移动终端在框选到预设数量的文字区域和主体对象区域之后，对框选出的每个文字区域进行裁剪，以获取每个文字区域的文字图片，以及对框选出的每个主体对象区域进行裁剪，以获取每个主体对象区域的主体对象图片，其中，在裁剪文字区域和主体对象区域之前，可对框选的文字区域和主体对象区域进行调整，提高文字信息和主体对象的识别准确度，具体为检测文字区域的边缘是否存在不完整文字，如果检测到文字区域的边缘存在不完整文字，则调整对应的文字区域，并对调整后的文字区域进行裁剪，以获取对应文字区域的文字图片，反之不调整文字区域；以及检测主体对象区域的边缘是否存在不完整的主体对象，如果检测到主体对象区域的边缘存在不完整的主体对象，则调整对应的主体对象区域，并对调整后的主体对象区域进行裁剪，以获取主体对象区域的主体对象，反之不调整主体对象区域。需要说明的是，文字区域和主体对象区域的调整包括但不限于平移调整和缩放调整等。步骤s1022，将每个文字区域的文字图片输入至预设深度神经网络，以获取待分类图片的文字信息；该移动终端对文字区域进行裁剪，获取到文字区域的文字图片之后，将每个文字区域的文字图片输入至预设深度神经网络，以获取待分类图片的文字信息，即将每个文字区域的文字图片输入至预设深度神经网络，通过该预设深度神经网络输出每个文字图片中的若干文字内容，以及每个文字内容的文字类别置信度，并将每个文字内容的文字类别置信度进行两两比对，以确定文字类别置信度最大的文字内容，然后将文字类别置信度最大的文字内容确定为对应文字图片的文字内容，基于上述方式，确定每个文字图片的文字内容，最后基于每个文字图片的文字内容生成待分类图片的文字信息。步骤s1023，将每个主体对象区域的主体对象图片输入至预设深度神经网络，以获取待分类图片的主体对象。该移动终端对主体对象区域进行裁剪，获取到主体对象区域的主体对象图片之后，将每个主体对象区域的主体对象图片输入至预设深度神经网络，以获取待分类图片的主体对象。具体地，在本实施例中，步骤s1023包括：将每个主体对象区域的主体对象图片输入至预设深度神经网络，以获取每个主体对象图片中的主体对象，以及主体对象的主体对象分类概率；将主体对象分类概率最大的主体对象确定为待分类图片的主体对象。该移动终端对主体对象区域进行裁剪，获取到主体对象区域的主体对象图片之后，将每个主体对象区域的主体对象图片输入至预设深度神经网络，通过预设深度神经网络输出每个主体对象图片中的若干主体对象，以及该若干主体对象中每个主体对象的主体对象分类概率，将该若干主体对象中每个主体对象的主体对象分类概率进行两两比对，以确定主体对象分类概率最大的主体对象，并将主体对象分类概率最大的主体对象确定为对应主体对象区域的主体对象，基于上述方式，确定每个主体对象区域的主体对象，以及主体对象的主体对象分类概率，并每个主体对象区域的主体对象的主体对象分类概率进行两两比对，确定主体对象分类概率最大的主体对象所属的主体对象区域，并将主体对象分类概率最大的主体对象确定为待分类图片的主体对象。需要说明的是，上述预设深度神经网络是基于卷积神经网络建立的，即利用移动终端的字符图片、风景图片、人物图片和食物图片等相关分类的图片资源，对深度神经网络进行训练，并检测训练结果，当训练结果高于预设预设阈值时，输出深度神经网络，具体的建立步骤包括：a、读取固定数量的image图片数据和label标签数据(标定每张训练图片所属的类别)，其中，所读取的image数据与label数据具有一一对应的关系；所读取的数据标记为input_data；其中，图片信息标记为：input_data_image，标签信息标记为：input_data_label，其中，数据读取的方式可以为随机读取，也可以为按顺序读取；b、读取第一卷积参数weight1，并利用weight1对读取的数据input_data进行卷积操作，并将输出标记为kernel1，其中，卷积操作所使用的卷积核个数及尺寸与weight1应相对应，然后读取第一偏置量参数：bias1，并利用bias1和激活函数对kernel1进行非线性化处理，以获取conv1，本实施例对卷积核尺寸、个数、步长、padding模式以及激活函数不作具体限定；c、对conv1进行池化操作，将输出标记为pool1，并利用lrn函数对pool1做局部响应做归一化处理，输出标记为：norm1，然后读取第二初始卷积参数weight2，并利用weight2对norm1进行卷积操作，将输出标记为kernel2；再然后读取第二偏置量参数：bias2，并利用bias2和激活函数对kernel2进行非线性化处理，以获取conv2，且对conv2进行池化操作，将输出标记为pool2，对pool2进行平坦化处理，平坦化后的数据标记为：reshape；d、读取第三卷积参数weight3和第三偏置参数bias3，并利用weight3、bias3以及激活函数对reshape进行非线性化处理，获取local3；读取第四卷积参数weight4和第四偏置参数bias4，并利用weight4、bias4以及激活函数对local3进行非线性化处理，获取local4；读取第五卷积参数weight5和第五偏置参数bias5，并利用weight5、bias5以及激活函数对local4进行非线性化处理，获取logits；e、利用logits及softmax函数，计算预测label，并将其标记为y；利用y、input_data_label，计算本次预测的损失，并将其标记为cross_entropy；计算cross_entropy的均值，并将其标记为cross_entropy_mean；选择优化器，对网络参数进行优化，使得针对input_data的cross_entropy_mean达到最小；f、针对input_data，计算优化后的网络的预测的准确率，重复既定次数的上述步骤a、b、c、d和e，使得网络的准确率达到预设阈值，最后输出达到要求的深度神经网络，将输出的深度神经网络设置在移动终端中。需要说明的是，本实施例对上述第一卷积参数、第二卷积参数、第三卷积参数、第四卷积参数和第五卷积参数，以及第一偏置量参数、第二偏置量参数、第三偏置量参数、第四偏置量参数和第五偏置量参数，以及激活函数、池化方式和优化器、以及既定次数和预设阈值不作具体限定。步骤s103，从识别出的文字信息中提取关键词，并根据关键词和主体对象对待分类图片进行分类。该移动终端在识别出待分类图片的文字信息和主体对象之后，从识别出的文字信息中提取关键词，即基于汉语的语法结构，从识别出的文字信息中提取关键词，例如，文字信息为“天空与大海”，则基于汉语的语法结构，提取的关键词为“天空”和“大海”；该移动终端提取出关键词之后，根据关键词和主体对象对待分类图片进行分类，即从预设的关键词和主体对象与图片类型之间的映射表中获取与关键词和主体对象相关联的图片类型，并将该图片类型确定为待分类图片的图片类型。在具体实施中，本发明还可以基于提取的关键词为待分类图片建立查询索引，便于用户通过关键词查询图片。进一步地，当检测到图片资源显示指令时，获取图片资源，并按照图片资源中每个图片的分类显示图片资源。移动终端按照图片资源中每个图片的分类显示图片资源，便于用户管理和查询图片资源。在本实施例中，本发明当检测到触发的图片分类指令时，获取待分类图片，并在该待分类图片中框选出预设数量的文字区域和主体对象区域，然后对框选出的每个文字区域进行文字信息识别和对每个主体对象区域进行主体对象识别，以获取该待分类图片的文字信息和主体对象，最后从识别出的文字信息中提取关键词，并根据该关键词和该主体对象对该待分类图片进行分类，通过框选多个文字区域和多个主体对象区域，并基于多个文字区域确定待分类图片的文字信息，以及基于多个主体对象区域确定待分类图片的主体对象，有效的提高了文字信息和主体对象的准确性，同时结合主体对象和文字信息中的关键词对图片进行分类，有效的提高图片分类的准确性。进一步地，基于上述第一实施例，提出了本发明图片分类方法的第二实施例，与前述实施例的区别在于，该步骤s1022包括：将每个文字区域的文字图片输入至预设深度神经网络，以获取每个文字区域的文字内容；对每个文字区域的文字内容进行纠错，并基于纠错后的每个文字区域的文字内容生成待分类图片的文字信息。需要说明的是，本发明基于前述实施例提出了一种提高文字信息的识别准确度的具体方式，以下仅对此进行说明，其它可参照前述实施例。该移动终端将每个文字区域的文字图片输入至预设深度神经网络，通过预设深度神经网络对每个文字区域的文字图片进行识别，以获取每个文字区域的文字内容，然后对每个文字区域的文字内容进行纠错，即基于汉语的语法结构对每个文字区域的文字内容进行纠错，并基于纠错后的每个文字区域的文字内容生成待分类图片的文字信息。在本实施例中，本发明在获取到每个文字区域的文字内容之后，对每个文字内容进行纠错，并基于纠错后的每个文字区域的文字内容生成待分类图片的文字信息，有效的提高文字信息的识别准确度。进一步地，基于上述第一或第二实施例，提出了本发明图片分类方法的第三实施例，与前述实施例的区别在于，该步骤s1022还包括：将每个文字区域的文字图片输入至预设深度神经网络，以获取每个文字区域的分类特征；确定每个文字区域的位置，并将分类特征相同，且位置相邻的文字区域进行合并，以获取若干合并文字区域；将若干合并文字区域输入至预设深度神经网络，以获取每个合并文字区域的文字内容；基于每个合并文字区域的文字内容生成待分类图片的文字信息。需要说明的是，本发明基于前述实施例提出了另一种提高文字信息的识别准确度的具体方式，以下仅对此进行说明，其它可参照前述实施例。该移动终端将每个文字区域的文字图片输入至预设深度神经网络，通过该预设深度神经网络输出每个文字图片中的若干文字内容，以及每个文字内容的文字类别置信度，并将每个文字内容的文字类别置信度进行两两比对，以确定文字类别置信度最大的文字内容，然后将文字类别置信度最大的文字内容确定为对应文字图片的文字内容，基于上述方式，确定每个文字图片的文字内容，并将确定的每个文字图片的文字内容作为每个文字区域的分类特征，然后确定每个文字区域的位置，并将所述分类特征相同，且位置相邻的文字区域进行合并，以获取若干合并文字区域，最后将若干合并文字区域输入至预设深度神经网络，以获取每个合并文字区域的文字内容，并基于每个合并文字区域的文字内容生成待分类图片的文字信息。在本实施例中，本发明将分类特征相同，且位置相邻的文字区域进行合并之后，对合并后的文字区域进行识别，获取待分类图片的文字信息，进一步地提高文字信息的识别准确度。进一步地，参照图6，基于上述第一、第二或第三实施例，提出了本发明图片分类方法的第四实施例，与前述实施例的区别在于，步骤s101之后，该图片分类方法还包括：步骤s104，对框选出的文字区域执行调整操作，以获取既定数量的已调整文字区域；步骤s105，将每个已调整文字区域中的图像块输入至预设深度神经网络，以获取每个已调整文字区域的文字分类概率；步骤s106，将框选出的文字区域替换为文字分类概率最大的已调整文字区域。需要说明的是，本发明基于前述实施例提出了另一种提高文字信息的识别准确度的具体方式，以下仅对此进行说明，其它可参照前述实施例。该移动终端在框选到预设数量的文字区域之后，对框选出的文字区域执行调整操作，以获取既定数量的已调整文字区域，并将每个已调整文字区域中的图像块输入至预设深度神经网络，以获取每个已调整文字区域的文字分类概率，然后将框选出的文字区域替换为文字分类概率最大的已调整文字区域，其中，该调整操作包括但不限于平移操作和缩放操作，该平移操作包括但不限于水平平移操作、垂直平移操作以及先水平平移，再垂直平移的平移操作或者先垂直平移，再水平平移的平移操作，该缩放操作包括但不限于缩小操作和放大操作，需要说明的是，上述既定数量可由本领域技术人员基于实际情况进行设置，本实施例对此不作具体限定。在本实施例中，本发明在框选出文字区域之后，对框选的文字区域进行调整，进一步地提高框选的文字区域中的文字内容的识别度，有效的提高文字信息的识别准确度。此外，本发明实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有图片分类程序，所述图片分类程序被处理器执行时实现以下步骤：当检测到触发的图片分类指令时，在待分类图片中框选出预设数量的文字区域和主体对象区域；对框选出的每个文字区域进行文字信息识别和对每个主体对象区域进行主体对象识别，以获取所述待分类图片的文字信息和主体对象；从识别出的文字信息中提取关键词，并根据所述关键词和所述主体对象对所述待分类图片进行分类。进一步地，所述图片分类程序被处理器执行时实现以下步骤：将待分类图片的分辨率调整为预设分辨率，并获取调整后的待分类图片的像素点矩阵；从所述像素点矩阵中任意选择两个不同的像素点，并根据选择的两个不同的像素点框选文字区域，直至框选到预设数量，且不重复的文字区域。进一步地，所述图片分类程序被处理器执行时实现以下步骤：对框选出的每个文字区域进行裁剪，以获取每个文字区域的文字图片，以及对框选出的每个主体对象区域进行裁剪，以获取每个主体对象区域的主体对象图片；将每个文字区域的文字图片输入至预设深度神经网络，以获取所述待分类图片的文字信息；将每个主体对象区域的主体对象图片输入至预设深度神经网络，以获取所述待分类图片的主体对象。进一步地，所述图片分类程序被处理器执行时实现以下步骤：将每个文字区域的文字图片输入至预设深度神经网络，以获取每个文字区域的文字内容；对每个文字区域的文字内容进行纠错，并基于纠错后的每个文字区域的文字内容生成所述待分类图片的文字信息。进一步地，所述图片分类程序被处理器执行时实现以下步骤：将每个文字区域的文字图片输入至预设深度神经网络，以获取每个文字区域的分类特征；确定每个文字区域的位置，并将所述分类特征相同，且所述位置相邻的文字区域进行合并，以获取若干合并文字区域；将所述若干合并文字区域输入至预设深度神经网络，以获取每个合并文字区域的文字内容；基于每个合并文字区域的文字内容生成所述待分类图片的文字信息。进一步地，所述图片分类程序被处理器执行时实现以下步骤：将每个主体对象区域的主体对象图片输入至预设深度神经网络，以获取每个主体对象图片中的主体对象，以及所述主体对象的主体对象分类概率；将所述主体对象分类概率最大的主体对象确定为所述待分类图片的主体对象。进一步地，所述图片分类程序被处理器执行时实现以下步骤：对框选出的文字区域执行调整操作，以获取既定数量的已调整文字区域；将每个已调整文字区域中的图像块输入至预设深度神经网络，以获取每个已调整文字区域的文字分类概率；将框选出的文字区域替换为所述文字分类概率最大的已调整文字区域。进一步地，所述图片分类程序被处理器执行时实现以下步骤：当检测到图片资源显示指令时，获取图片资源，并按照所述图片资源中每个图片的分类显示所述图片资源。本发明计算机可读存储介质的具体实施例与上述图片分类方法的各具体实施例基本相同，在此不作赘述。需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的
技术领域：
：，均同理包括在本发明的专利保护范围内。当前第1页12当前第1页12