述检测对象的属性特征包括:
[0051]对不同检测对象的样本照片进行对象属性识别，将识别出的对象属性与预设数据库中的对比标准参照物进行比较，获取所述检测对象的属性特征；
[0052]这里，所述对象属性可以包括:皱纹、身材、肤色等；
[0053]所述属性特征可以包括:性别、年龄、身高、体重等。
[0054]步骤102:依据不同的参考特征获取对应所述检测对象的不同的对象特征序列，并对获得的对象特征序列进行加权处理，得到所述检测对象的特征向量和综合特征向量；
[0055]这里，所述依据不同的参考特征获取对应所述检测对象的不同的对象特征序列包括:
[0056]对所述检测对象的样本照片进行Μ个参考特征的识别，并依据识别出的Μ个参考特征获得对应所述参考特征的对象特征，并对获得的所有样本照片的Μ个参考特征对应的对象特征进行排序，获得所述Μ个参考特征对应所述检测对象的Μ个对象特征序列；
[0057]所述依据不同的参考特征获取对应所述检测对象的不同的对象特征序列具体包括:
[0058]对样本照片进行第一参考特征的识别，并将获得的第一参考特征与预设特征数据库中的第一参考特征信息进行匹配，获得所述第一参考特征对应所述检测对象的对象特征，对获得所述检测对象的所有样本照片的对象特征按时间进行排序，获得所述检测对象的第一对象特征序列；
[0059]对样本照片进行第二参考特征的识别，并将获得的第二参考特征与预设特征数据库中的第二参考特征信息进行匹配，获得所述第二参考特征对应的所述检测对象的对象特征，对获得所述检测对象的所有样本照片的对象特征按时间进行排序，获得所述检测对象的第二对象特征序列；
[0060]以此类推，对样本照片进行第Μ参考特征的识别，并将获得的第一参考特征与预设特征数据库中的第Μ参考特征信息进行匹配，获得所述第Μ参考特征对应的所述检测对象的对象特征，对获得所述检测对象的所有对象特征按时间进行排序，获得所述检测对象的第Μ对象特征序列；其中，所述Μ为正整数；
[0061]这里，所述Μ的取值可以依据实际情况进行设定，且当Μ取值大于2时，具体应用本发明实施例的方法时，可采用Μ个参考特征中的任意一个或多个组合来实现。
[0062]在本发明一个实施例中，所述Μ的取值可以为5 ;所述第一参考特征可以为面部表情特征；所述第二参考特征可以为动作特征；所述第三参考特征可以为人际交互特征；所述第四参考特征可以为天气情况特征；第五参考特征可以为背景特定物体特征；
[0063]图3所示为本发明实施例对样本照片进行面部表情情感特征识别的方法流程示意图，如图3所示，本实施例对样本照片进行面部表情情感特征识别的方法包括:
[0064]步骤3a:对人物对象的样本照片进行面部表情识别；
[0065]这里，所述面部表情特征包括:微笑、大笑、板脸等。
[0066]步骤3b:将获得的面部表情特征与预设特征数据库中的面部表情特征信息进行匹配，获得所述面部表情特征对应的所述人物对象的面部表情情感特征；
[0067]这里，所述情感特征包括:喜、怒、哀、乐等。
[0068]步骤3c:对获得的所述人物对象的所有样本照片的面部表情情感特征按时间进行排序，获得所述人物对象的面部表情情感特征序列。
[0069]图4所示为本发明实施例对样本照片进行动作情感特征识别的方法流程示意图，如图4所示，本实施例对样本照片进行动作情感特征识别的方法包括:
[0070]步骤4a:对人物对象的样本照片进行动作特征识别；
[0071]这里，所述动作特征包括:跳跃、摆V字等。
[0072]步骤4b:将获得的动作特征与预设特征数据库中的动作特征信息进行匹配，获得所述动作特征对应的所述人物对象的动作情感特征；
[0073]这里，所述动作情感特征包括:活泼、好动、沉静、稳重等。
[0074]步骤4c:对获得的所述人物对象的所有样本照片的动作情感特征按时间进行排序，获得所述人物对象的动作情感特征序列。
[0075]图5所示为本发明实施例对样本照片进行人际交互情感特征识别的方法流程示意图，如图5所示，本实施例对样本照片进行人际交互情感特征识别的方法包括:
[0076]步骤5a:对人物对象的样本照片进行人际交互特征识别；
[0077]这里，所述人际交互特征包括:所述人物对象与样本照片中其他人物对象的交互关系及位置关系，如:与某人物对象拥抱或与其他人物对象间隔较远等。
[0078]步骤5b:将获得的人际交互特征与预设特征数据库中的人际交互特征信息进行匹配，获得所述人际交互特征对应的所述人物对象的人际交互情感特征；
[0079]这里，所述人际交互情感特征包括:热情、富有亲和力、冷漠等。
[0080]步骤5c:对获得的所述人物对象的所有样本照片的情感特征按时间进行排序，获得所述人物对象的人际交互情感特征序列。
[0081]图6所示为本发明实施例对样本照片进行历史天气情感特征识别的方法流程示意图，如图6所示，本实施例对样本照片进行历史天气情感特征识别的方法包括:
[0082]步骤6a:对人物对象的样本照片的天气情况特征进行识别；
[0083]这里所述天气情况特征包括:晴天、阴天、雨天等。
[0084]步骤6b:将获得的天气情况特征与预设特征数据库中的天气情况特征信息进行匹配，获得所述天气情况特征对应的所述人物对象的天气情况情感特征；
[0085]这里，所述天气情况情感特征包括:开朗、忧郁、浪漫等。
[0086]步骤6c:对获得的所述人物对象的所有样本照片的天气情况情感特征按时间进行排序，获得所述人物对象的天气情况情感特征序列。
[0087]图7所示为本发明实施例对样本照片进行背景特定物体情感特征识别的方法流程示意图，如图7所示，本实施例对样本照片进行背景特定物体情感特征识别的方法包括:
[0088]步骤7a:对人物对象的样本照片的背景特定物体进行识别；
[0089]这里，所述背景特定物体包括:花草、历史人文古迹等。
[0090]步骤7b:将获得的背景特定物体特征与预设特征数据库中的背景特定物体特征信息进行匹配，获得所述特定物体特征对应的所述人物对象的背景特定物体情感特征；
[0091]这里，所述背景特定物体情感特征包括:爱旅游、爱历史等。
[0092]步骤7c:对获得的所述人物对象的所有样本照片的情感特征按时间进行排序，获得所述人物对象的背景特定物体情感特征序列。
[0093]对所述Μ个对象特征序列进行加权处理，获取所述检测对象的特征向量和综合特征向量包括:
[0094]对所述Μ个对象特征序列进行加权处理，获得所述检测对象的特征曲线图，并依据所述特征曲线图获得所述检测对象的特征向量，将所述特征向量与特征数据库中综合向量模型进行匹配，获得所述检测对象的综合特征向量；
[0095]这里，所述加权处理过程中的加权参数可依据实际情况进行设定；
[0096]所述特征向量为所述检测对象在特定时间的特征向量，如特定时间的情感向量。
[0097]本发明实施例中所述特征数据库为依据经验统计预设的数据库。
[0098]当所述检测对象为人物对象时，所述特征向量可以为人物对象在特定时间的性格取向的指数，指数范围为(1，10)，所述综合特征向量可以为人物对象整体的性格取向；如:某人物对象在早晨8点的开朗指数为8，其整体开朗指数即综合特征向量为5。
[0099]步骤103:依据所述属性特征、所述特征向量和综合特征向量获得所述检测对象的标识特征，并依据所述标识特征输出对应所述检测对象的多媒体信息；
[0100]这里，所述依据所述属性特征、所述特征向量和综合特征向量获得所述检测对象的标识特征包括:
[0101]将所述属性特征、所述特征向量和综合特征向量与特征数据库中标识特征模型进行匹配，获得所述检测对象的标识特征；
[0102]所述依据所述标识特征输出对应所述检测对象的多媒体信息包括:
[0103]将所述标识特征信息与预设特征数据库中的对象交互模型进行匹配，获得所述检测对象的交互类型，并依据所述交互类型输出相应的多媒体信息。
[0104]在本发明实施例中，所述标识特征可以为性格特征；所述交互类型包括:所述检测对象在特定时间段内的人际交往取向；例如:某人物对象在晚上8点到10点间比较open,乐意与人交往；
[0105]所述多媒体信息包括:文字、图片、音乐、影像等。
[0106]图8为本发明实施例二图像处理方法流程示意图，如图8所示，本实施例图像处理方法流程包括:
[0107]步骤801:识别样本文件是样本照片还是样本影像文件，如果是样本照片执行步骤802 ;如果是样本影像文件，执行步骤807 ；
[0108]本步骤具体包括:通过样本文件的格式识别所述样本文件是样本照片或者样本影像文件；如文