一种sns多图融合方法
【技术领域】
[0001] 本发明涉及一种多图融合方法，具体涉及一种SNS多图融合方法。
【背景技术】
[0002] 现有的技术都是单张图片如何找出最佳的视觉焦点，没有考虑到社交网络应用场 景中的特殊性，对重点突出人脸没有很好的解决方案。无法很好的识别各种类型的图片。
【发明内容】
[0003] 本发明的目的在于，克服现有技术的不足，提供一种可以突出人脸在视觉检测中 的权重，重点突出人脸的SNS多图融合方法。
[0004] 本发明的SNS多图融合方法，包括如下步骤：
[0005] 1)、多个用户发出互相交换照片指令，并分别上传图片到服务端；
[0006] 2)、服务端接收各照片并各复制一份，分别启动两个线程：图片保存线程pl，图片 分析处理线程P2 ;分别处理复制后的两份图片；
[0007] 3)、线程pi将各图片上传到图片银行，图片银行按照一定的规则保存图片，然后 返回给服务器图片在图片银行上的完整地址urll，线程pi将urll保存到数据库中，以备后 续调用；
[0008] 4)、线程p2对各图片进行视觉焦点检测，得出视觉中心；
[0009] 5)、根据应用对各图片的要求，以各图片视觉中心为中心，裁剪各图片，保存到图 片银行，并将裁剪后的新图作为原始图片的特征图保存到图片银行；
[0010] 6)、将各特征图拼接，发送给步骤1)中上传图片的各用户。
[0011] 作为优选：步骤4)具体包括如下步骤：
[0012] 4. 1)、对图片进行区域分割；
[0013] 4. 2)、对分割后的每一个区域进行人脸识别如果识别的值超过阈值，则认定该区 域是一个人脸区域；
[0014] 4. 3)、对包含人脸区域计算该区域几何中心，并将中心乘以大于1的权值；反之， 不做任何处理；
[0015] 4. 4)、然后将各个区域进行Kmeans聚类运算，将最后的聚类中心作为这张图片的 视觉中心。
[0016] 作为优选：步骤4. 3)的具体步骤为：
[0017] 对于一张图像，映射定义如下：
[0018] In- G(V, E, W) (公式 1)
[0019] 其中，In表示新生长的图像，V表示图像中的像素点，E表示相邻像素点链接的边， W是边的权重；边的权重W的计算公式如下：
[0020] W (e) =D (p, q), e = (p, q) (公式 2)
[0021] W(e)表示边e的权重，e表示链接两个像素点p, q的边；D(p, q)表示像素点p, q 在Lab颜色空间的欧式距离，定义如下：
【主权项】
1. 一种SNS多图融合方法，其特征在于，包括如下步骤： 1) 、多个用户发出互相交换照片指令，并分别上传图片到服务端； 2) 、服务端接收各照片并各复制一份，分别启动两个线程：图片保存线程pl，图片分析 处理线程P2 ;分别处理复制后的两份图片； 3) 、线程pi将各图片上传到图片银行，图片银行按照一定的规则保存图片，然后返回 给服务器图片在图片银行上的完整地址urll，线程pi将urll保存到数据库中，以备后续调 用； 4) 、线程p2对各图片进行视觉焦点检测，得出视觉中心； 5) 、根据应用对各图片的要求，以各图片视觉中心为中心，裁剪各图片，保存到图片银 行，并将裁剪后的新图作为原始图片的特征图保存到图片银行； 6) 、将各特征图拼接，发送给步骤1)中上传图片的各用户。
2. 根据权利要求1所述的SNS多图融合方法，其特征在于，步骤4)具体包括如下步骤： 4.1)、对图片进行区域分割； 4. 2)、对分割后的每一个区域进行人脸识别如果识别的值超过阈值，则认定该区域是 一个人脸区域； 4. 3)、对包含人脸区域计算该区域几何中心，并将中心乘以大于1的权值；反之，不做 任何处理； 4. 4)、然后将各个区域进行Kmeans聚类运算，将最后的聚类中心作为这张图片的视觉 中心。
3. 根据权利要求2所述的SNS多图融合方法，其特征在于：步骤4. 1)的具体步骤为： 对于一张图像，映射定义如下： In-G (V, E, W)(公式 1) 其中，In表示新生长的图像，V表示图像中的像素点，E表示相邻像素点链接的边，W是 边的权重；边的权重W的计算公式如下： W (e) =D (p, q), e = (p, q)(公式 2) W(e)表示边e的权重，e表示链接两个像素点p, q的边；D (p, q)表示像素点p, q在Lab 颜色空间的欧式距离，定义如下： D(u,v) = 士P;, -Iff +(P; -P:f +Kf (公式 3) 其中，<，分别表示像素点k(k = p，q)在Lab空间中每个通道的颜色值； 对于图像In中的任意相邻两点之间的边e i按照从小到大的顺序排序，得到： E = {e" e2, e3,…，ek} - E' = {e，" e' 2, e' 3,…，e' k} (公式 4) 给定一张原始图像，图像的初始分割S表示如下： 5：:砂},·^}，·^}，…·^,}}(公式 5) 这里表示图像初始有个mXη像素点，每一个像素点表示一个块； 为了获取最小生成树，定义分割标准如下： Ins (Si) = maxff (e), e e MST (Si, E) (公式 6) 其中，Ins(Si)表示Si*的最大权值，MST (Si, E)是由边E组成的最小生成树； Dif (S1, S2) = minw (r1； r2), T1 e S 1； r2e S2 (公式 7) Dif (S1, S2)表示SJP S 2之间的最小权值；r 1是S i所有节点的根节点，而r 2是S 2所有 节点的根节点；
C公式8) 其中，D(SpS2) = 1表示区域S1和区域S2应当结合为一个区域，否则为两个不同的区 域； MIns(S11S2) = min {Ins (S1) + π (S1), Ins (S2) + π (S2)} (公式 9)
这里，K是一个常量；I Nsi I表示区域Si中像素点的个数；π (Si)是用来控制分割产生 的区域数目；K越小，则π (Si)越小，即分割产生的区域数越小； 在分割的过程中，如果SJP S2之间的最小权值大于S S 2内部的最大权值，则认为S i 和&是同一个部分；反之，则不是同一个部分；这里以升序的方式处理每一条边，最后得到 的分割结果如下：
这样，就得到了原始图像的分割结果冗1，K表示被分割成K个区域。
4.根据权利要求3所述的SNS多图融合方法，其特征在于：步骤4. 2)的具体步骤为： 对分割后的区域进行基于PCA算法的人脸识别： 1)、构建人脸特征空间 对于mXη维的人脸图像，将其每列每列相连构成一个d = mXη维的列空间；d就是 人脸的维数；假设训练样本有N个，&表示第j幅图像的向量，则所需要的样本协方差矩阵 为：
其中u为训练样本的平均图像向量： -t M
令A = [X1-U, X2-U,…，Xn-U]，则有S1^= AA τ，其维数为dXd ;根据K-L变换原理，需要 求得新的坐标系由矩阵AAt的非零特征值所对应的特征向量组成；考虑到直接计算计算量 会比较大，所以采用奇异值分解定理（SVD):通过求解A tA的特征值和特征选那个量来获得 特征值和特征向量； 根据SVD定理，令Ai= (i = 1，2, 3···，!·)为矩阵AtA的r个非零特征值，ViSA tA对 应Ai的特征向量，则AAt的正交归一特征向量u A :
由这样一组特征向量组成一个降维的人脸特征空间； 2)、人脸识别 将步骤3)分割得到的每一个区域都看做一张图片，不属于区域范围内的像素点补白， 对每一个区域进行人脸识别计算； 把分割后得到的区域图片Γ投影到特征脸空间，得到第H类人的第i个特征脸向量表 示为： Hf = ：；0--(//)(公式 15) 阈值Θ i定义为： ^=imaXf -Ωζ||，7，ζ e (1,2,·*·,Μ)(公式 16) 计算与区域图像的欧氏距离ek: ^2=||D-nf||2 (公式 17) 为了判定区域是否包含人脸，需要计算区域图像Γ与有特征脸空间构建的图像rf2 间的距离ε : ε2= I I Γ-Γ f| I2 (公式 18) 其中 r/=H〇f+Ψ (公式 19) 判断该区域是否包含人脸的规则如下： 1) 若ε彡Qi，则区域不包含人脸； 2) 若ε < Qi且Vtii ，则该区域包含未知人脸，该人脸不在模型库中； 3) 若ε〈 Θ 1且Vf Α < (9，，则该区域包含人脸。
5. 根据权利要求4所述的SNS多图融合方法，其特征在于：步骤4. 3)的具体步骤为： 在上述判别的区域中，如果包含人脸，则将计算出该区域的几何中心mi: 兵屮，r刃凶峨屮总的个数，k刃总的維数；
贫昇出合个带人脸'的凶峨屮心IniZ佰，将带 人脸的区域中心Hli乘以一个大于1的系数。
6. 根据权利要求1所述的SNS多图融合方法，其特征在于：步骤6)后，在限定的时间 内将发送给各用户的图片销毁。
【专利摘要】本发明公开了一种SNS多图融合方法，包括如下步骤：1)、多个用户发出互相交换照片指令，并分别上传图片到服务端；2)、服务端接收各照片并各复制一份，分别启动两个线程处理复制后的两份图片；3)、线程p1将各图片上传到图片银行，图片银行按照一定的规则保存图片，以备后续调用；4)、线程p2对各图片进行视觉焦点检测，得出视觉中心；5)、根据应用对各图片的要求，以各图片视觉中心为中心，裁剪各图片，保存到图片银行，并将裁剪后的新图作为原始图片的特征图保存到图片银行；6)、将各特征图拼接，发送给步骤1)中上传图片的各用户。本发明的有益效果是：展示效果好，可供多个用户同时观看，定时销毁。
【IPC分类】G06Q50-00, G06K9-00, G06T5-50
【公开号】CN104657716
【申请号】CN201510075200
【发明人】缪仁军, 冯普超, 崔媛媛
【申请人】杭州秋樽网络科技有限公司
【公开日】2015年5月27日
【申请日】2015年2月12日