专利名称：社交网络的图片推荐方法和装置的制作方法
技术领域：
本发明属于社交网络领域，具体地说，涉及一种社交网络的图片推荐方法和装置。
背景技术：
目前，在一些社交网络(例如Pinterest、02、花瓣网、堆糖网等)中，用户在网站上分享了自己的图片后，网站即可根据该图片为该用户推荐与该图片相关的或该用户可能感兴趣的其它图片以及这些图片的拥有人，从而把对图片具有相似品味和偏好的用户链接起来，形成网络圈子。
图1示出了社交网络现有的图片推荐方法。如图1所示，社交网络包含有图片数据库10，图片数据库10中保存有例如图片11及图片标注11a、图片12及图片标注12a、图片13及图片标注13a等图片及其标注。所述图片标注是其所对应的图片的说明，它以文本为基础，包括该图片的分类(例如风景、人物、雪山、家居等)、标签(例如蓝天白云、小清新、柔和、平静等)或简短注释等。用户20在网站提交上传图片31以及上传图片标注31a，其中，上传图片标注31a也以文本为基础，可以包括上传图片的分类和/或标签。网站的文本匹配单元40根据上传图片标注31a在图片数据库40中寻找上传图片31的匹配图片，其中，图片标注与上传图片标注31a匹配的图片即为上传图片31的匹配图片，然后对这些匹配图片进行排队，并在所述匹配图片排队中选择若干图片作为相关图片(例如相关图片51、相关图片52等)推荐给用户20。上述社交网络现有的图片推荐方法的不足之处在于①用户分享图片时需要人工为该图片做图片标注，这就增加了用户操作的复杂性，并且影响了用户使用社交网络的体验；②由于不同用户对同一图片的观察和理解不同，因此，各用户提供的图片标注难免带有主观色彩，这将造成图片标注的非客观性并导致通过图片标注的匹配而获得的图片不符合用户的预期，从而影响网站推荐的精准性。
发明内容
本发明是为了解决现有技术中存在的上述技术问题而做出，其目的在于提供一种社交网络的图片推荐方法和系统，以降低用户操作的复杂性，改善用户使用社交网络的体验、以及提高社交网络推荐图片的准确性。根据本发明的一个方面，提供一种社交网络的图片推荐方法，该方法包括a)获取上传图片，并判断该上传图片是否为人像图片，如果判断为是人像图片，则从所述社交网络的图片数据库中选取人像图片作为对比图片，如果判断为不是人像图片，则从所述社交网络的图片数据库中选取非人像图片作为对比图片；b)获得所述上传图片和所述对比图片的颜色特征距离d ;以及c)将与所述上传图片的颜色特征距离d较小的一个或多个对比图片推荐给所述上传图片的用户。优选地，在步骤b)中，获得所述上传图片和所述对比图片的颜色特征距离d可以包括bl)从所述上传图片中提取各个图片像素的颜色特征值X，其中，X e [x0, X1], X0^X1为预定值，从所述上传图片中提取图片像素的颜色特征值的方法与从所述对比图片中提取或预先提取图片像素的颜色特征值的方法相同；b2)与所述对比图片相对应，对所述上传图片做出N种预定划分，从第i种预定划分中选取Mi个预定区域，并获取从所述对比图片的第i种预定划分中选取的第j个预定区域的图片像素颜色特征值分布Aij(X)、以及从所述上传图片的第i种对应的预定划分中选取的第j个对应的预定区域的图片像素颜色特征值分布Bu(X)，其中，N、1、Mi, j均为自然数，且I彡i彡N，Mi与i对应，I彡j彡Mi ;b3)对于对所述上传图片做出的第i种预定划分，根据所述Aij(X)和Bij(X)获得所述上传图片和所述对比图片在该第i种预定划分下的颜色特征距离屯，其中，I < i < N，I彡j彡Mi ;以及b4)根据所述Cli获得所述上传图片和所述对比图片的颜色特征距离d，其中，K i < N。对于上述社交网络的图片推荐方法，优选地，可以采用基于Haar特征和adaboost算法的人脸检测方法来判断所述上传图片是否为人像图片。进一步优选地，可以采用所述基于Haar特征和adaboost算法的人脸检测方法将所述图片数据库的图片分为人像图片和非人像图片。在上述步骤bl)中，优选地，从所述上传图片或所述对比图片中提取图片像素的颜色特征值的步骤可以包括①获取图片像素在色相-饱和度-亮度(HSV)色彩模型下的色相(H)、饱和度(S)和亮度(V)的值；②对所获取的所述图片像素的HSV的值，按照下述公式进行量化，以获得与该图
片像素的HSV值对应的hsv值
权利要求
1.一种社交网络的图片推荐方法，包括 a)获取上传图片，并判断该上传图片是否为人像图片，如果判断为是人像图片，则从所述社交网络的图片数据库中选取人像图片作为对比图片，如果判断为不是人像图片，则从所述社交网络的图片数据库中选取非人像图片作为对比图片； b)获得所述上传图片和所述对比图片的颜色特征距离d;以及 c)将与所述上传图片的颜色特征距离d较小的一个或多个对比图片推荐给所述上传图片的用户。
2.如权利要求1所述的社交网络的图片推荐方法，其中，在步骤b)中，获得所述上传图片和所述对比图片的颜色特征距离d包括 bl)从所述上传图片中提取各个图片像素的颜色特征值X，其中，X e [X(l，Xl]，X(l与X1为预定值，从所述上传图片中提取图片像素的颜色特征值的方法与从所述对比图片中提取或预先提取图片像素的颜色特征值的方法相同； b2)与所述对比图片相对应，对所述上传图片做出N种预定划分，从第i种预定划分中选取Mi个预定区域，并获取从所述对比图片的第i种预定划分中选取的第j个预定区域的图片像素颜色特征值分布Au (X)、以及从所述上传图片的第i种对应的预定划分中选取的第j个对应的预定区域的图片像素颜色特征值分布Bij(X)，其中，N、1、Mp j均为自然数，且I彡i彡N，Mi与i对应，I彡j彡Mi ; b3)对于对所述上传图片做出的第i种预定划分，根据所述Aij(X)和Bij(X)获得所述上传图片和所述对比图片在该第i种预定划分下的颜色特征距离屯，其中，I < i < N，I彡j彡Mi ;以及 b4)根据所述屯获得所述上传图片和所述对比图片的颜色特征距离d，其中，I <i<N。
3.如权利要求1或2所述的社交网络的图片推荐方法，其中，在步骤a)中，采用基于Haar特征和adaboost算法的人脸检测方法来判断所述上传图片是否为人像图片。
4.如权利要求3所述的社交网络的图片推荐方法，其中，采用所述基于Haar特征和adaboost算法的人脸检测方法将所述图片数据库的图片分为人像图片和非人像图片。
5.如权利要求2所述的社交网络的图片推荐方法，其中，在步骤bl)中，从所述上传图片或所述对比图片中提取图片像素的颜色特征值的步骤包括 ①获取图片像素在色相-饱和度-亮度(HSV)色彩模型下的色相(H)、饱和度(S)和亮度(V)的值； ②对所获取的所述图片像素的HSV的值，按照下述公式进行量化，以获得与该图片像素的HSV值对应的hsv值
6.如权利要求5所述的社交网络的图片推荐方法，其中，在归一化的HSV色彩模型下， Qh8，Qs=--4,Qv=3 ；
7.如权利要求2所述的社交网络的图片推荐方法，其中，在步骤b3)中，由下述公式获得所述上传图片和所述对比图片在第i种预定划分下的颜色特征距离D1
8.如权利要求2所述的社交网络的图片推荐方法，其中，在步骤b4)中，由下述公式获得所述上传图片和所述对比图片的颜色特征距离d
9.如权利要求2或7或8所述的社交网络的图片推荐方法，其中，在步骤b2)中，N=3 ；第一种预定划分将所述上传图片划分为中心区域和周围区域，并只选取该中心区域作为所述预定区域；第二种预定划分将所述上传图片划分为多个较大的区域，并选取该多个较大的区域作为所述预定区域；以及第三预定种划分将所述上传图片划分为多个较小的区域，并选取该多个较小的区域作为所述预定区域。
10.如权利要求9所述的社交网络的图片推荐方法，其中，在所述第一种预定划分中，中心区域的大小为所述上传图片大小的1/9 ;在所述第二种预定划分中，所述多个较大的区域包括4个大小相同的区域；在所述第三种预定划分中， 所述多个较小的区域包括16个大小相同的区域。
11.如权利要求7所述的社交网络的图片推荐方法，其中，N=3 ；第一种预定划分将所述上传图片划分为中心区域和周围区域，该中心区域的大小为所述上传图片大小的1/9，并只选取该中心区域作为所述预定区域；第二种预定划分将所述上传图片划分为4个大小相同的区域，并选取该4个区域作为所述预定区域；第三预定种划分将所述上传图片划分为16个大小相同的区域，并选取该16个区域作为所述预定区域；以及W11=I ；w2J=1/4, I < j < 4 ；w3J=1/16, I ^ j ^ 16。
12.如权利要求8所述的社交网络的图片推荐方法，其中，N=3 ；第一种预定划分将所述上传图片划分为中心区域和周围区域，该中心区域的大小为所述上传图片大小的1/9，并只选取该中心区域作为所述预定区域；第二种预定划分将所述上传图片划分为4个大小相同的区域，并选取该4个区域作为所述预定区域；第三预定种划分将所述上传图片划分为16个大小相同的区域，并选取该16个区域作为所述预定区域；以及w^l/2 ；w2=1/4 ；、w3=1/4。
13.一种社交网络的图片推荐装置，包括人像判断与选取单元，用于获取上传图片，并判断该上传图片是否为人像图片，如果判断为是人像图片，则从所述社交网络的图片数据库中选取人像图片作为对比图片，如果判断为不是人像图片，则从所述社交网络的图片数据库中选取非人像图片作为对比图片； 颜色特征距离获得单元，用于获得所述上传图片和所述对比图片的颜色特征距离d ；以及图片推荐单元，将与所述上传图片的颜色特征距离d较小的一个或多个对比图片推荐给所述上传图片的用户。
14.如权利要求13所述的社交网络的图片推荐装置，其中，所述颜色特征距离获得单元包括图片像素颜色特征值提取部件，用于从所述对比图片或所述上传图片中提取各个图片像素的颜色特征值X，其中，X e [X(l, xj，Xci与X1为预定值；图片划分部件，用于对所述对比图片和所述上传图片做出N种预定划分，从第i种预定划分中选取Mi个预定区域，并获取从所述对比图片的第i种预定划分中选取的第j个预定区域的图片像素颜色特征值分布Au (X)、以及从所述上传图片的第i种对应的预定划分中选取的第j个对应的预定区域的图片像素颜色特征值分布Bu(X)，其中，N、1、Mi, j均为自然数，且I≤i≤N，Mi与i对应，I≤j≤Mi ; 第一颜色特征距离获得部件，对于对所述上传图片做出的第i种预定划分，根据所述Aij(X)和Bu(X)获得所述上传图片和所述对比图片在该第i种预定划分下的颜色特征距离屯，其中，I ≤ i ≤ N, I ≤ j ≤ Mi ;以及 第二颜色特征距离获得部件，根据所述Cli获得所述上传图片和所述对比图片的颜色特征距离d，其中，I < i SN。
15.如权利要求14所述的社交网络的图片推荐装置，其中，所述图片像素颜色特征值提取部件包括 HSV值获取元件，获取图片像素在色相-饱和度-亮度(HSV)色彩模型下的色相(H)、饱和度(S)和亮度(V)的值； HSV值量化元件，对所获取的所述图片像素的HSV的值，按照下述公式进行量化，以获得与该图片像素的HSV值对应的hsv值
全文摘要
本发明提供一种社交网络的图片推荐方法和装置，所述方法包括获取上传图片，并判断是否为人像图片，如果是人像图片，则从社交网络的图片数据库选取人像图片作为对比图片，如果是非人像图片，则从所述图片数据库选取非人像图片作为对比图片；提取上传图片的图片像素的颜色特征值；计算上传图片与从图片数据库中选取的对比图片之间的颜色特征距离；并根据颜色特征距离的大小向用户推荐相关图片。所述方法可以降低用户操作的复杂性，改善用户使用社交网络的体验、并提高社交网络推荐图片的准确性。
文档编号G06K9/46GK103049754SQ20121052461
公开日2013年4月17日 申请日期2012年12月7日 优先权日2012年12月7日
发明者裴起震, 张骞, 赵立军, 王宁 申请人:东软集团股份有限公司