一種基于攝影構(gòu)圖規(guī)則的留念照人像站位推薦方法
【專利摘要】本發(fā)明公開了一種基于攝影構(gòu)圖規(guī)則的留念照人像站位推薦方法。此方法由三個有效步驟組成：1）利用圖片樣本中人與景物相對位置關(guān)系，學(xué)習(xí)正規(guī)則，分析人應(yīng)該站在場景中的哪個位置；2）基于經(jīng)驗性構(gòu)圖規(guī)則，定義反規(guī)則，決定場景中不適合站人的區(qū)域；3）結(jié)合步驟1）得到的正規(guī)則得分和步驟2）得到的反規(guī)則得分，得到每個人站位總得分，對場景進行最優(yōu)位置搜索。最終在景物圖上畫出人形圖標把人像站位推薦給用戶。
【專利說明】一種基于攝影構(gòu)圖規(guī)則的留念照人像站位推薦方法

【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于計算攝影學(xué)及圖像處理領(lǐng)域，涉及攝影構(gòu)圖規(guī)則的留念照人像站位推薦方法。

【背景技術(shù)】
[0002]在旅行時，人們經(jīng)常會在景點拍照留念，這些留念照通常包含兩部分:人物和背景。然而，業(yè)余攝影師在拍攝留念照時經(jīng)常會忽略人像的站位對留念照構(gòu)圖的影響，所以可以考慮用現(xiàn)有的圖像處理相關(guān)方法來引導(dǎo)用戶站位，拍攝出構(gòu)圖理想的留念照。
[0003]在攝影學(xué)中，存在一些經(jīng)驗性構(gòu)圖規(guī)則可以引導(dǎo)用戶拍攝，但是這些規(guī)則不足以應(yīng)對各種復(fù)雜的背景、場景。構(gòu)造一個構(gòu)圖理想的圖片數(shù)據(jù)集，然后從中學(xué)習(xí)不同場景下人與景物的相對位置關(guān)系，再結(jié)合攝影學(xué)中的經(jīng)驗性構(gòu)圖規(guī)則，可以為用戶提供一個較理想的站位推薦。


【發(fā)明內(nèi)容】

[0004]本發(fā)明的主要目的是基于攝影構(gòu)圖規(guī)則，為正在攝影的用戶實時推薦人像的站位，使用戶拍出構(gòu)圖理想的留念照。
[0005]本發(fā)明提供了一種基于攝影構(gòu)圖規(guī)則的留念照人像站位推薦方法，包括以下步驟:
[0006]I)構(gòu)建一個構(gòu)圖理想的人像數(shù)據(jù)集，利用數(shù)據(jù)集圖片樣本中人與景物相對位置關(guān)系，學(xué)習(xí)正規(guī)則，分析人應(yīng)該站在場景中的哪個位置；
[0007]2)基于經(jīng)驗性構(gòu)圖規(guī)則，定義反規(guī)則，決定場景中不適合站人的區(qū)域；
[0008]3)結(jié)合步驟I)得到的正規(guī)則和步驟2)得到的反規(guī)則計算合理的人像站位，并推薦站位推薦給拍照的用戶。
[0009]所述的基于攝影構(gòu)圖規(guī)則的留念照人像站位推薦方法目標是在用戶拍照時給出站位推薦，而非照片的后期處理。
[0010]所述的構(gòu)圖理想的人像數(shù)據(jù)集只考慮站立姿勢的人像，不考慮坐著、躺著、半蹲等其他姿勢。
[0011]所述的構(gòu)圖理想的人像數(shù)據(jù)集，選取3000張人像數(shù)據(jù)集圖片，每張圖片滿足包含且僅包含一個主角，包含清晰、明顯的景物，并且是自然圖像三個原則，邀請25個人為3000張圖片打分，選出得分從高到低的前500張圖片并進行左右對稱翻轉(zhuǎn)，得到1000張作為最終構(gòu)圖理想的人像數(shù)據(jù)集。
[0012]所述對圖片中的人物進行參數(shù)化表達，忽略不同人的身材差異，用一個固定長寬比的矩陣描述人。利用3維向量Η(χ，α)描述人的站位，其中2維向量X表示人物位置(人臉中心點)坐標，標量α反應(yīng)人物大小(人臉面積與圖片面積比)。
[0013]所述對圖片中的景物進行參數(shù)化表達，定義一個90維的特征S:前85維元素是對提取到的景物的二值掩碼進行金字塔采樣(pyramid sampling)的結(jié)果，S(O), S(1: 4),S(5: 20)和S(21: 84)分別表示第I層到第4層金字塔采樣，每個單元中被標記為景物的像素的比例被賦給S中對應(yīng)的維度，同時引入5維元素S(85: 89)描述景物在圖像中的分布，按5種不同的方式將景物的二值掩碼分為兩個部分(左右、上下、內(nèi)外、左上右下和右上左下)，然后計算兩個部分被標記為景物的像素比例的差，賦給對應(yīng)的維度，S(O)反應(yīng)景物大小，S(1: 84)描述景物的形狀及位置；S(85: 89)反應(yīng)景物更多地分布在哪一部分。
[0014]所述的不同種類的場景擁有不同的構(gòu)圖規(guī)則，不能用統(tǒng)一模型來建模人與景物的位置關(guān)系，所以將數(shù)據(jù)集中的所有圖像按照景物的特征分為多類，再對每一類單獨地分析適用于這一類的構(gòu)圖特征，本發(fā)明將所有圖像按照景物的特征分為15類，利用K-means算法對其求解。
[0015]所述的對于給定的一類景物，通過瀏覽屬于這類景物的留念照發(fā)現(xiàn)，有不止一個理想的人的站位，本發(fā)明使用混合高斯模型(Gaussian Mixture Model)對每一類場景合適的人的位置坐標進行統(tǒng)計分析，利用單一的高斯模型估算合適的人物大小。
[0016]所述的通過學(xué)習(xí)得到的人的位置坐標和大小分布可以用來指導(dǎo)圖像中哪些部分適合站人，本發(fā)明稱之為正規(guī)則。
[0017]所述的反規(guī)則來自于三條常用的經(jīng)驗性構(gòu)圖規(guī)則:人盡量不要擋住景物中的顯著區(qū)域；人不能擋住景物中的消失點；明顯的直線不能貫穿人的頭部，每一條準則都會為任一的人的站位H提供一個量化分數(shù)，反規(guī)則的總得分就是三個量化分數(shù)的乘積:
[0018]Score-(H) =Score-(H |S).Score- (H | V).Score_(H| L)
[0019]其中，S，V和L 分別表示景物圖的顯著區(qū)域、消失點和直線。
[0020]所述的反規(guī)則之人盡量不要擋住景物中的顯著區(qū)域，顯著區(qū)域是用戶想要合照的景物本身或者景物中重要的部分，所以對人的站位H的評估取決于該站位擋住多少顯著區(qū)域:
[0021]

【權(quán)利要求】
1.一種基于攝影構(gòu)圖規(guī)則的留念照人像站位推薦方法，其特征在于該方法包括如下步驟: 步驟I)構(gòu)建一個構(gòu)圖理想的人像數(shù)據(jù)集，利用數(shù)據(jù)集圖片樣本中人與景物相對位置關(guān)系，學(xué)習(xí)正規(guī)則，分析人應(yīng)該站在場景中的哪個位置；所述的構(gòu)圖理想的人像數(shù)據(jù)集只考慮站立姿勢的人像，不考慮坐著、躺著、半蹲姿勢； 步驟2)基于經(jīng)驗性構(gòu)圖規(guī)則，定義反規(guī)則，決定場景中不適合站人的區(qū)域； 步驟3)結(jié)合步驟I)得到的正規(guī)則和步驟2)得到的反規(guī)則計算合理的人像站位，并推薦站位推薦給拍照的用戶。
2.根據(jù)權(quán)利要求1所述的一種基于攝影構(gòu)圖規(guī)則的留念照人像站位推薦方法，其特征在于:構(gòu)建一個構(gòu)圖理想的人像數(shù)據(jù)集具體是:選取3000張人像數(shù)據(jù)集圖片，每張圖片滿足包含且僅包含一個主角，包含清晰、明顯的景物，并且是自然圖像三個原則，邀請25個人為3000張圖片打分，選出得分從高到低的前500張圖片并進行左右對稱翻轉(zhuǎn)，得到1000張作為最終構(gòu)圖理想的人像數(shù)據(jù)集。
3.根據(jù)權(quán)利要求1所述的一種基于攝影構(gòu)圖規(guī)則的留念照人像站位推薦方法，其特征在于:將搜集到的圖片中的人和景物提取出來，對它們進行參數(shù)化表達； 所述對圖片中的人物進行參數(shù)化表達，忽略不同人的身材差異，用一個固定長寬比的矩陣描述人；利用3維向量Η(χ，α)描述人的站位，其中2維向量X表示人物位置坐標，標量α反應(yīng)人物大小； 對圖片中的景物進行參數(shù)化表達，定義一個90維的特征S:前85維元素是對提取到的景物的二值掩碼進行金字塔采樣的結(jié)果，S(O)，S(1: 4)，S(5: 20)和S(21: 84)分別表示第I層到第4層金字塔采樣，每個單元中被標記為景物的像素的比例被賦給S中對應(yīng)的維度，同時引入5維元素S(85: 89)描述景物在圖像中的分布，按左右、上下、內(nèi)外、左上右下和右上左下這5種不同的方式將景物的二值掩碼分為兩個部分，然后計算兩個部分被標記為景物的像素比例的差，賦給對應(yīng)的維度，S(O)反應(yīng)景物大小，S(1: 84)描述景物的形狀及位置；S(85: 89)反應(yīng)景物更多地分布在哪一部分。
4.根據(jù)權(quán)利要求1所述的一種基于攝影構(gòu)圖規(guī)則的留念照人像站位推薦方法，其特征在于:不同種類的場景擁有不同的構(gòu)圖規(guī)則，不能用統(tǒng)一模型來建模人與景物的位置關(guān)系，將數(shù)據(jù)集中的所有圖像按照景物的特征分為15類，再對每一類單獨地分析適用于這一類的構(gòu)圖特征。
5.根據(jù)權(quán)利要求4所述的一種基于攝影構(gòu)圖規(guī)則的留念照人像站位推薦方法，其特征在于:對于給定的一類景物，通過瀏覽屬于這類景物的留念照發(fā)現(xiàn)，有不止一個理想的人的站位，使用混合高斯模型對每一類場景合適的人的位置坐標進行統(tǒng)計分析，利用單一的高斯模型估算合適的人物大小。
6.根據(jù)權(quán)利要求3所述的一種基于攝影構(gòu)圖規(guī)則的留念照人像站位推薦方法，其特征在于:通過學(xué)習(xí)得到的人的位置坐標和大小分布可以用來指導(dǎo)圖像中哪些部分適合站人，稱之為正規(guī)則。
7.根據(jù)權(quán)利要求1所述的一種基于攝影構(gòu)圖規(guī)則的留念照人像站位推薦方法，其特征在于:反規(guī)則來自于三條常用的經(jīng)驗性構(gòu)圖規(guī)則:人盡量不要擋住景物中的顯著區(qū)域?’人不能擋住景物中的消失點；明顯的直線不能貫穿人的頭部，每一條準則都會為任一的人的站位H提供一個量化分數(shù)，反規(guī)則的總得分就是三個量化分數(shù)的乘積:
Score-(H) = Score_(H|S).Score-(N|V).Score-(N|L) 其中，S，V和L分別表示景物圖的顯著區(qū)域、消失點和直線； 所述顯著區(qū)域是用戶想要合照的景物本身或者景物中重要的部分，所以對人的站位H的評估取決于該站位擋住多少顯著區(qū)域:
S是通過區(qū)域?qū)Ρ榷鹊姆椒ǖ玫降娘@著區(qū)域的二值掩碼；Recth表示的是當(dāng)人站在h處占據(jù)圖像中的矩形區(qū)域；符號“&”表示“和”操作，可以計算出顯著區(qū)域中被人遮擋的區(qū)域；Il.Il統(tǒng)計二值掩碼中非零像素的個數(shù)；參數(shù)入3用來調(diào)整Sc0re_(H|S)的范圍，可以起到權(quán)衡反規(guī)則得到各項之間的權(quán)重的作用； 所述消失點反映了場景中深度的漸變過程，可以為圖像增加縱深感，所以在最終的人像照片中，場景中的消失點不應(yīng)該被人遮擋，通過檢查人的站位是否與消息點的位置重合來計算站位H的得分:
Score- (H | V) = 1- λ vX I (Recta (V) = I) V表示消失點的2維坐標，λ ν表示權(quán)重； 應(yīng)用Hough變換來檢測景物圖中比較顯著的長直線，直線的二值掩碼表達為L，人的站位確定后，可以估計到人頭部的位置，將其記為HeadH，所以要求人的頭部和直線的掩碼的交集為空:
Score- (H | L) = 1-λ LX I (Headh&L)。
8.根據(jù)權(quán)利要求1所述的一種基于攝影構(gòu)圖規(guī)則的留念照人像站位推薦方法，其特征在于:每個人的站位總得分通過正、反規(guī)則的得分相乘得到，預(yù)先為每個景物類別生成多張正規(guī)則得分圖，每張得分圖表示的是對于給定的人的大小每個位置坐標的得分，然后，對于測試的場景計算正規(guī)則得分，只需確認該場景屬于哪個類別，然后加載該類別的正規(guī)則得分圖；對于反規(guī)則，利用圖像濾波器加速反規(guī)則得分的計算。
9.根據(jù)權(quán)利要求8所述的一種基于攝影構(gòu)圖規(guī)則的留念照人像站位推薦方法，其特征在于:人的站位總得分計算方法確定后，利用遍歷搜索來尋找最佳站位，站位的橫坐標搜索范圍是O到1，人物大小的范圍是0.04到0.07，站位的縱坐標搜索范圍是0.9-t到1，t表示平均人形中人臉部中心點到人腳部的距離，以0.005的步長遍歷3維搜索空間，尋找得分最高的人的站位，然后在景物圖中相應(yīng)位置畫出人形，推薦給用戶。
【文檔編號】G06T7/00GK104182970SQ201410389510
【公開日】2014年12月3日 申請日期:2014年8月8日 優(yōu)先權(quán)日:2014年8月8日
【發(fā)明者】陳純, 王銀廷, 宋明黎, 周星辰, 阮瑩, 卜佳俊 申請人:浙江大學(xué)