CN111798457B - 图像视觉重量确定方法、装置和图像评价方法 - Google Patents

Abstract

本申请公开了一种图像视觉重量确定方法。该图像视觉重量确定方法包括获取待识别图像；根据图像分割方法对待识别图像分割为不少于一个图格，并标记分割图格；根据图格视觉重量测试模型，获取选中的分割图格和波次记录信息；根据记录信息，确定图格视觉重量。本申请解决了现有方法中无法从不同广告方案中选取最印象深刻方案的技术问题。

Description

图像视觉重量确定方法、装置和图像评价方法

技术领域

本申请涉及图像处理领域，具体而言，涉及一种图像视觉重量确定方法、装置和图像评价方法。

背景技术

现如今对于商家而言，广告对于产品的推广变得越来越重要。如何从不同广告方案中选取最印象深刻的方案，也是商家迫切想要解决的问题。

当前对于广告测试，一般以定性座谈会为主，同时也存在量化问卷调研、或少量的眼动仪测试的测试方法。但不论哪种研究方法，都存在着一些局限和痛点，导致难以获得完整而客观的广告测试结果。小组座谈会的评价方法存在难以规模化进行推广；过于依赖主持人的判断；同时执行成本高、执行周期长的缺点。眼动仪测试的缺点则在于其执行成本高、样本量难以规模化、难以覆盖大众群体；而且必须在企业本地执行，跨地的执行难度大。对于传统的问卷调研，其局限在于执行成本高、回收周期长；特殊样本难以获取；而且只能获取指标信息，对于受试者实际的观看体验难以了解。

为了能够快速抓住观看者的注意力，吸引观看者；为了让广告/包装看起来更舒适，让观看者愿意停留更长时间、吸收更多信息，留住观看者；同样为了让关键信息在关键位置被传递，并在观看者记忆中留下印象，目前尚未提出有效的解决方法。

发明内容

本申请的主要目的在于提供一种图像视觉重量确定方法，以解决从不同广告方案中选取最印象深刻方案的问题。

为了实现上述目的，本申请提供一种图像视觉重量确定方法、装置和图像评价方法。

第一方面，本申请提供了一种图像视觉重量确定方法。

根据本申请的图像视觉重量确定方法包括：

获取待识别图像；

根据图像分割方法对待识别图像分割为不少于一个区域，并标记分割图格；

根据图格视觉重量测试模型，获取选中的分割图格和波次记录信息；

根据记录信息，确定图格视觉重量。

进一步的，根据图格视觉重量测试模型，获取选中的分割图格和波次记录信息包括：

获取观看时长和触发图格；

根据观看时长和触发图格，确定选中的分割图格和波次记录信息。

进一步的，图格视觉重量的公式为：

m为分割图格的数量；w_m为图格m的视觉重量得分；δ为使用测试模型的波次；x_mδ为对图格m在δ波次时的选择频次，N_δ为在δ波次时参与图格选择的总人数；r_δ为在δ波次时的吸引力系数，且1＞r_δ＞0。

第二方面，本申请提供一种图像评价方法，该方法包括：

获取待识别图像；

基于第一方面提供的图像视觉重量确定方法确定不同图格的图格视觉重量；

根据图格视觉重量，确定评价指数。

进一步的，评价指数包括但不限于：吸睛指数、信息指数、总体吸引力指数。

进一步的，吸睛指数的公式为：

HI＝max(w_m)

信息指数的公式为：

总体吸引力指数的公式为：

GAI＝HI×MI

HI为吸睛指数，w_m为分割区域m的视觉重量得分，MI为信息指数，

为关键分割图格m_k的视觉重量得分，GAI为总体吸引力指数。

第三方面，本申请提供了一种图像视觉重量确定装置。

根据本申请的图像视觉重量确定装置包括：

图像获取模块：获取待识别图像；

图像分割模块：根据图像分割方法对待识别图像分割为不少于一个图格，并标记分割图格；

信息获取模块：根据图格视觉重量测试模型，获取选中的分割图格和波次记录信息；

结果输出模块：根据记录信息，确定图格视觉重量。

第四方面，本申请提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现第一方面提供的图像视觉重量确定方法和/或第二方面提供的图像评价方法的步骤。

第五方面，本申请提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现第一方面提供的图像视觉重量确定方法和/或第二方面提供的图像评价方法的步骤。

在本申请实施例中，采用图像分割的方式，通过图格视觉重量测试模型，达到了评价图像的目的，从而实现了一种图像视觉重量的确定方法，进而解决了从不同广告方案中选取最印象深刻方案的问题。

附图说明

构成本申请的一部分的附图用来提供对本申请的进一步理解，使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是根据本申请实施例的一种图像视觉重量确定方法的流程示意图；

图2是根据本申请实施例的原始广告方案分割示意图；

图3是根据本申请实施例的一种图像评价的流程示意图；

图4是根据本申请实施例的一种图像视觉重量确定装置的流程示意图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

并且，上述部分术语除了可以用于表示方位或位置关系以外，还可能用于表示其他含义，例如术语“上”在某些情况下也可能用于表示某种依附关系或连接关系。对于本领域普通技术人员而言，可以根据具体情况理解这些术语在本发明中的具体含义。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

正如背景所述，为了在观看者心目中留下印象，商家会通过对广告进行视觉重量测试。图像的视觉重量是图像画面要素吸引观看者视觉注意力的能力。能力越强、得分越高、意味着视觉重量越重；反之，能力越弱、得分越低、则视觉重量就越轻。针对如何计算图像的视觉重量的问题，本发明提供一种图像视觉重量确定方法：

如图1所示，该方法包括如下的步骤S1至步骤S4：

S1：获取待识别图像；

S2：根据图像分割方法对待识别图像分割为不少于一个图格，并标记分割图格；

示例的，如图2所示，本发明实施例以网格的形式将画面要素进行分割，并以编号1，2，3，…，15表示。

进一步的，根据图格视觉重量测试模型，获取选中的分割图格和波次记录信息包括：

S21：获取观看时长和触发图格；

具体的，本发明较佳实施例可以获取观看δ次的δ个获取观看时长和触发的δ个触发网格图格。

具体的，本发明较佳实施例也可以获取第一观看时长和触发的至少两个触发网格图格。

进一步的，δ≥2。

实例的，本发明实施例以获取观看3次的时长1s、2s、3s，和第一触发网格图格、第二触发网格图格、第三触发网格图格进行处理。

实例的，本发明实施例以获取观看1次的时长5s，和第一触发网格图格、第二触发网格图格、第三触发网格图格进行处理。

S22：根据观看时长和触发图格，确定选中的分割图格和波次记录信息。

S3：根据图格视觉重量测试模型，获取选中的分割图格和波次记录信息。

进一步的，图格视觉重量的公式为：

m为分割图格的数量，且m>1；w_m为图格m的视觉重量得分；δ为使用测试模型的波次，且δ≥2；x_mδ为对图格m在δ波次时的选择频次，N_δ为在δ波次时参与图格选择的总人数；r_δ为在δ波次时的吸引力系数，且1＞r_δ＞0。

实例的，在本发明实施例中，m＝15，δ＝3，N_δ＝1000，r₁＝0.5，r₂＝0.3， r₃＝0.2。

S4：根据记录信息，确定图格视觉重量。

进一步的，图格视觉重量包括但不限于：图格直觉重量w_m，图像视觉重量热力图。

从以上的描述中，可以看出，本发明实现了计算图像的视觉重量的技术效果。

需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

根据本发明实施例，提供了一种图像评价方法，如图3所示，该方法包括：

S5：获取待识别图像。

S6：基于图像视觉重量确定方法确定不同图格的图格视觉重量。

S7：根据图格视觉重量，确定评价指数。

进一步的，评价指数包括但不限于：吸睛指数、信息指数、总体吸引力指数。

进一步的，吸睛指数的公式为：HI＝max(w_m)

信息指数的公式为：

总体吸引力指数的公式为：GAI＝HI×MI

HI为吸睛指数，w_m为分割图格m的视觉重量得分，MI为信息指数，

为关键分割图格m_k的视觉重量得分，GAI为总体吸引力指数。

关键分割图格是指在该图格上，有关键信息的传递。由于不同的平面广告 /包装所承担的信息传递任务不同、关键信息在画面上的分布也不相同。所以关键分割图格的数量和位置，会基于项目不同而变化，原则上由客户指定。

从以上的描述中，可以看出，本发明实现了如下技术效果：

统计学价值的规模化统计：能够轻松在短时间内覆盖较大基数群体，且分层随机抽样的样本选取方法让研究结果更有代表性；

成本可控：网络调研在最大程度上减少了人工操作和仪器、纸张等材料损耗，大大节省了研究成本；

便利的统计：执行简单、区域灵活，网络调研可在客户需要的区域同步进行，操作容易、技术壁垒低，普通网民即可接受调研，还可依据客户需要，灵活调整研究形式。

需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

根据本发明实施例，还提供了一种用于实施上述图像视觉确定方法的装置，如图4所示，该装置包括：

图像获取模块11：获取待识别图像；

图像分割模块12：根据图像分割方法对待识别图像分割为不少于一个图格，并标记分割图格；

信息获取模块13：根据图格视觉重量测试模型，获取选中的分割图格和波次记录信息；

结果输出模块14：根据记录信息，确定图格视觉重量得分。

进一步的，根据图格视觉重量测试模型，获取选中的分割图格和波次记录信息包括：

获取观看时长和触发图格；

根据观看时长和触发图格，确定选中的分割图格和波次记录信息。

进一步的，图格视觉重量的公式为：

m为分割图格的数量，且m>1；w_m为图格m的视觉重量得分；δ为使用测试模型的波次，且δ≥2；x_mδ为对图格m在δ波次时的选择频次，N_δ为在δ波次时参与图格选择的总人数；r_δ为在δ波次时的吸引力系数，且1＞r_δ＞0。

显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

以上仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (5)

1.一种图像视觉重量确定方法，其特征在于，包括：

获取待识别图像；

根据图像分割方法对所述待识别图像分割为不少于一个图格，并标记分割图格；

根据图格视觉重量测试模型，获取选中的分割图格和波次记录信息；

根据所述记录信息，确定图格视觉重量；

所述根据图格视觉重量测试模型，获取选中的分割图格和波次记录信息包括：

获取观看时长和触发图格；

根据所述观看时长和触发图格，确定选中的分割图格和波次记录信息；

所述图格视觉重量的公式为：

m为分割图格的数量；

为图格m的视觉重量得分；δ为使用测试模型的波次；

为对图格m在δ波次时的选择频次，

为在δ波次时参与图格选择的总人数；

为在δ波次时的吸引力系数，且

。

2.一种图像评价方法，其特征在于，包括：

获取待识别图像；

基于权利要求1所述的图像视觉重量确定方法确定不同图格的图格视觉重量；

根据所述图格视觉重量，确定评价指数；

所述评价指数包括：吸睛指数、信息指数、总体吸引力指数；

所述吸睛指数的公式为：

所述信息指数的公式为：

所述总体吸引力指数的公式为：

HI为吸睛指数，

为分割图格m的视觉重量得分，MI为信息指数，

为关键分割图格

的视觉重量得分，GAI为总体吸引力指数；

其中，关键分割图格

是指在该图格上，有关键信息的传递。

3.一种图像视觉重量确定装置，其特征在于，包括：

图像获取模块：获取待识别图像；

图像分割模块：根据图像分割方法对所述待识别图像分割为不少于一个图格，并标记分割图格；

信息获取模块：根据图格视觉重量测试模型，获取选中的分割图格和波次记录信息，具体包括：获取观看时长和触发图格；根据所述观看时长和触发图格，确定选中的分割图格和波次记录信息；

结果输出模块：根据所述记录信息，确定图格视觉重量；

所述图格视觉重量的公式为：

m为分割图格的数量；

为图格m的视觉重量得分；δ为使用测试模型的波次；

为对图格m在δ波次时的选择频次，

为在δ波次时参与图格选择的总人数；

为在δ波次时的吸引力系数，且

。

4.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行权利要求1所述的图像视觉重量确定方法和/或权利要求2所述的图像评价方法。

5.一种电子设备，其特征在于，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器执行权利要求1所述的图像视觉重量确定方法和/或权利要求2所述的图像评价方法。

Images