本發(fā)明涉及圖像處理領(lǐng)域，特別涉及一種實(shí)時(shí)拍照指導(dǎo)方法及裝置。

背景技術(shù)：

拍照功能已經(jīng)成為目前智能設(shè)備的必備重要功能之一，遇到美麗的風(fēng)景時(shí)，用戶希望在風(fēng)景中留下自己的身影，然而普通用戶卻不知取景畫面中的何處才是最佳拍照站位，因此，需要一種能智能指導(dǎo)拍照站位的方法。目前已有一些可以對(duì)拍照進(jìn)行指導(dǎo)的發(fā)明專利。申請(qǐng)?zhí)枮閏n201410180886.2的發(fā)明進(jìn)入拍照預(yù)覽模式時(shí)，根據(jù)獲取到的圖像信息生成相關(guān)構(gòu)圖數(shù)據(jù)，并發(fā)送所述構(gòu)圖數(shù)據(jù)至云端服務(wù)器；云端服務(wù)器搜索匹配的構(gòu)圖數(shù)據(jù)，并通過運(yùn)算處理獲取最優(yōu)構(gòu)圖方案數(shù)據(jù)，并將所述最優(yōu)構(gòu)圖方案數(shù)據(jù)發(fā)送至移動(dòng)終端；移動(dòng)終端在拍照預(yù)覽界面上顯示相應(yīng)的最佳構(gòu)圖位置提示，用戶根據(jù)提示調(diào)整位置拍照。該發(fā)明實(shí)現(xiàn)了拍照時(shí)進(jìn)行構(gòu)圖指導(dǎo)，但是無法智能推薦出被拍照人的最佳站位。申請(qǐng)?zhí)枮閏n201510599253.x的發(fā)明可以實(shí)現(xiàn)在取景過程中獲取所述用戶的人臉姿態(tài)信息；將預(yù)設(shè)的拍照模板的人臉姿態(tài)信息與所述用戶的人臉姿態(tài)信息進(jìn)行比對(duì)；根據(jù)比對(duì)結(jié)果提示所述用戶進(jìn)行人臉姿態(tài)調(diào)整。該發(fā)明實(shí)現(xiàn)了對(duì)用戶的人臉姿態(tài)進(jìn)行拍照指導(dǎo)，但人臉拍照模板不能根據(jù)場(chǎng)景進(jìn)行自適應(yīng)的拍照指導(dǎo)，且不能推薦多種拍照站位。

技術(shù)實(shí)現(xiàn)要素：

鑒于上述問題，本發(fā)明提供了一種實(shí)時(shí)拍照指導(dǎo)方法及裝置。

本發(fā)明提供的一種實(shí)時(shí)拍照指導(dǎo)方法，包括：

獲取智能設(shè)備中的當(dāng)前取景圖像；

在所述取景圖像中生成若干個(gè)虛擬站位；

所述取景圖像結(jié)合若干個(gè)虛擬站位分別進(jìn)行美學(xué)評(píng)分，根據(jù)美學(xué)評(píng)分得到推薦站位并顯示。

本發(fā)明還提供了一種實(shí)時(shí)拍照指導(dǎo)裝置，包括圖像獲取模塊、第一處理模塊、第二處理模塊、顯示模塊：

所述圖像獲取模塊，用于獲取智能設(shè)備中的當(dāng)前取景圖像；

所述第一處理模塊，用于在所述取景圖像中生成若干個(gè)虛擬站位；

所述第二處理模塊，用于所述取景圖像結(jié)合若干個(gè)虛擬站位分別進(jìn)行美學(xué)評(píng)分，根據(jù)美學(xué)評(píng)分得到推薦站位并顯示。

本發(fā)明有益效果如下：

本發(fā)明實(shí)施例的實(shí)時(shí)拍照指導(dǎo)方法通過智能識(shí)別拍攝場(chǎng)景，給出推薦站位，使得不具備專業(yè)攝影知識(shí)的用戶也能輕松拍出高美感的人像照，有效克服了現(xiàn)有技術(shù)中的種種缺點(diǎn)而具有高度產(chǎn)業(yè)利用價(jià)值。

附圖說明

圖1是本發(fā)明方法實(shí)施例的實(shí)時(shí)拍照指導(dǎo)方法的流程圖；

圖2是本發(fā)明裝置實(shí)施例的實(shí)時(shí)拍照指導(dǎo)裝置的結(jié)構(gòu)示意圖。

具體實(shí)施方式

下面將參照附圖更詳細(xì)地描述本公開的示例性實(shí)施例。雖然附圖中顯示了本公開的示例性實(shí)施例，然而應(yīng)當(dāng)理解，可以以各種形式實(shí)現(xiàn)本公開而不應(yīng)被這里闡述的實(shí)施例所限制。相反，提供這些實(shí)施例是為了能夠更透徹地理解本公開，并且能夠?qū)⒈竟_的范圍完整的傳達(dá)給本領(lǐng)域的技術(shù)人員。

為了解決現(xiàn)有技術(shù)無法智能推薦出被拍照人的最佳站位或人臉拍照模板不能根據(jù)場(chǎng)景進(jìn)行自適應(yīng)的拍照指導(dǎo)，且不能推薦多種拍照站位的問題，本發(fā)明提供了一種實(shí)時(shí)拍照指導(dǎo)方法及裝置，以下結(jié)合附圖以及實(shí)施例，對(duì)本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并不限定本發(fā)明。

根據(jù)本發(fā)明的方法實(shí)施例，提供了一種實(shí)時(shí)拍照指導(dǎo)方法，圖1是本發(fā)明方法實(shí)施例的實(shí)時(shí)拍照指導(dǎo)方法的流程圖，如圖1所示，根據(jù)本發(fā)明方法實(shí)施例的實(shí)時(shí)拍照指導(dǎo)方法包括如下處理：

步驟101，獲取智能設(shè)備中的當(dāng)前取景圖像。

具體的，所述智能設(shè)備包括個(gè)人電腦、智能手機(jī)、平板電腦、智能眼鏡，以及其他具有攝像頭及數(shù)據(jù)處理功能的設(shè)備。

步驟102，在所述取景圖像中生成若干個(gè)虛擬站位。

具體的，在所述取景圖像中生成若干個(gè)虛擬站位包括以下步驟：

在所述取景圖像中通過多尺度滑動(dòng)窗口遍歷，得到若干個(gè)虛擬站位；優(yōu)選地，滑動(dòng)窗口遍歷過程中選取背景物體距離較遠(yuǎn)的區(qū)域?qū)?yīng)的位置信息作為候選的虛擬站位信息。

步驟103，所述取景圖像結(jié)合若干個(gè)虛擬站位分別進(jìn)行美學(xué)評(píng)分，根據(jù)美學(xué)評(píng)分得到推薦站位并顯示。

具體的，所述推薦站位選取最佳站位或美學(xué)評(píng)分大于等于最低閾值的多個(gè)虛擬站位中的一個(gè)或多個(gè)。

更加具體的，選取最高美學(xué)評(píng)分對(duì)應(yīng)的虛擬站位作為最佳站位；美學(xué)評(píng)分大于等于最低閾值的多個(gè)虛擬站位按照美學(xué)評(píng)分由高至低的順序進(jìn)行排列。

具體的，所述取景圖像分別結(jié)合若干個(gè)虛擬站位進(jìn)行美學(xué)評(píng)分，根據(jù)美學(xué)評(píng)分得到推薦站位包括：

將所述取景圖像與任意一個(gè)虛擬站位輸入到預(yù)設(shè)的美學(xué)評(píng)價(jià)模型中對(duì)所述虛擬站位進(jìn)行美學(xué)評(píng)分，遍歷所述若干個(gè)虛擬站位，得到若干個(gè)美學(xué)評(píng)分；

根據(jù)所述若干個(gè)美學(xué)評(píng)分得到推薦站位。

本發(fā)明方法實(shí)施例的實(shí)時(shí)拍照指導(dǎo)方法，還包括以下步驟：當(dāng)所述若干個(gè)虛擬站位的美學(xué)評(píng)分均小于最低閾值時(shí)，提示用戶調(diào)整取景位置。

具體的，預(yù)覽界面提示為圖形提示和/或文字提示和/或語音提示。

作為本發(fā)明方法實(shí)施例的另一實(shí)施例，在對(duì)若干個(gè)拍照?qǐng)D像進(jìn)行美學(xué)評(píng)分之前，還包括以下步驟：

采用預(yù)設(shè)的圖像場(chǎng)景分類算法，對(duì)所述取景圖像進(jìn)行識(shí)別和分析，得到所述取景圖像所屬場(chǎng)景的分類結(jié)果；

需要說明的是，現(xiàn)有技術(shù)中已經(jīng)有很多成熟的場(chǎng)景分類算法，故在此不再贅述。

進(jìn)一步的，所述取景圖像分別結(jié)合若干個(gè)虛擬站位進(jìn)行美學(xué)評(píng)分包括：

將所述取景圖像與任意一個(gè)虛擬站位、及所述取景圖像所屬場(chǎng)景的分類結(jié)果(例如場(chǎng)景標(biāo)簽)輸入到預(yù)設(shè)的美學(xué)評(píng)價(jià)模型中對(duì)所述虛擬站位進(jìn)行美學(xué)評(píng)分，遍歷所述若干個(gè)虛擬站位，得到若干個(gè)美學(xué)評(píng)分。

具體的，所述預(yù)設(shè)的美學(xué)評(píng)價(jià)模型通過訓(xùn)練得到，使用的機(jī)器學(xué)習(xí)方法包括卷積神經(jīng)網(wǎng)絡(luò)、受限玻爾茲曼機(jī)、深度置信網(wǎng)絡(luò)等。

更加具體的，所述美學(xué)評(píng)價(jià)模型的訓(xùn)練方法包括以下步驟：

獲取已知美學(xué)評(píng)分和人物站位信息的若干個(gè)圖像；

利用已知美學(xué)評(píng)分和人物站位信息的若干個(gè)圖像對(duì)預(yù)設(shè)的美學(xué)評(píng)價(jià)模型進(jìn)行訓(xùn)練，或利用已知美學(xué)評(píng)分和人物站位信息的若干個(gè)圖像、及圖像所屬的場(chǎng)景標(biāo)簽對(duì)預(yù)設(shè)的美學(xué)評(píng)價(jià)模型進(jìn)行訓(xùn)練，得到訓(xùn)練后的美學(xué)評(píng)價(jià)模型。

本發(fā)明實(shí)施例的的實(shí)時(shí)拍照指導(dǎo)方法通過智能識(shí)別拍攝場(chǎng)景，推薦出最佳拍攝站位，使得不具備專業(yè)攝影知識(shí)的用戶也能輕松拍出高美感的人像照，有效克服了現(xiàn)有技術(shù)中的種種缺點(diǎn)而具高度產(chǎn)業(yè)利用價(jià)值。

與本發(fā)明的方法實(shí)施例相對(duì)應(yīng)，本發(fā)明的裝置實(shí)施例提供了一種實(shí)時(shí)拍照指導(dǎo)裝置，圖2是本發(fā)明裝置實(shí)施例的實(shí)時(shí)拍照指導(dǎo)裝置的結(jié)構(gòu)示意圖，如圖2所示，根據(jù)本發(fā)明裝置實(shí)施例的實(shí)時(shí)拍照指導(dǎo)裝置，包括：圖像獲取模塊20、第一處理模塊22、第二處理模塊24，以下對(duì)本發(fā)明實(shí)施例的各個(gè)模塊進(jìn)行詳細(xì)的說明。

具體的，所述圖像獲取模塊20，用于獲取智能設(shè)備中的當(dāng)前取景圖像。

所述第一處理模塊22，用于在所述取景圖像中生成若干個(gè)虛擬站位。

具體的，在所述取景圖像中通過多尺度滑動(dòng)窗口遍歷，得到若干個(gè)虛擬站位。

所述第二處理模塊24，用于所述取景圖像結(jié)合若干個(gè)虛擬站位分別進(jìn)行美學(xué)評(píng)分，根據(jù)美學(xué)評(píng)分得到推薦站位并顯示。

具體的，所述推薦站位選取最佳站位或美學(xué)評(píng)分大于等于最低閾值的多個(gè)虛擬站位中的一個(gè)或多個(gè)。

更加具體的，選取最高美學(xué)評(píng)分對(duì)應(yīng)的虛擬站位作為最佳站位；美學(xué)評(píng)分大于等于最低閾值的多個(gè)虛擬站位按照美學(xué)評(píng)分由高至低的順序進(jìn)行排列。

具體的，所述第二處理模塊24具體用于：

將所述取景圖像與任意一個(gè)虛擬站位輸入到預(yù)設(shè)的美學(xué)評(píng)價(jià)模型中對(duì)所述虛擬站位進(jìn)行美學(xué)評(píng)分，遍歷所述若干個(gè)虛擬站位，得到若干個(gè)美學(xué)評(píng)分；

根據(jù)所述若干個(gè)美學(xué)評(píng)分得到推薦站位。

作為本發(fā)明裝置實(shí)施例的另一實(shí)施例，還包括場(chǎng)景分類模塊：

所述場(chǎng)景分類模塊，用于采用預(yù)設(shè)的圖像場(chǎng)景分類算法，對(duì)所述取景圖像進(jìn)行識(shí)別和分析，得到所述取景圖像所屬場(chǎng)景的分類結(jié)果；

需要說明的是，現(xiàn)有技術(shù)中已經(jīng)有很多成熟的場(chǎng)景分類算法，故在此不再贅述。

進(jìn)一步的，所述第二處理模塊24，還用于將所述取景圖像與任意一個(gè)虛擬站位、及所述取景圖像所屬場(chǎng)景的分類結(jié)果輸入到預(yù)設(shè)的美學(xué)評(píng)價(jià)模型中對(duì)所述虛擬站位進(jìn)行美學(xué)評(píng)分，遍歷所述若干個(gè)虛擬站位，得到若干個(gè)美學(xué)評(píng)分。

具體的，所述預(yù)設(shè)的美學(xué)評(píng)價(jià)模型通過訓(xùn)練得到，使用的機(jī)器學(xué)習(xí)方法包括卷積神經(jīng)網(wǎng)絡(luò)、受限玻爾茲曼機(jī)、深度置信網(wǎng)絡(luò)等。

作為本發(fā)明裝置實(shí)施例的另一實(shí)施例，還包括提示模塊，所述提示模塊，用于當(dāng)所述若干個(gè)虛擬站位的美學(xué)評(píng)分均小于最低閾值時(shí)，提示用戶調(diào)整取景位置。

作為本發(fā)明裝置實(shí)施例的另一實(shí)施例，還包括模型訓(xùn)練模塊。

所述模型訓(xùn)練模塊用于：

獲取已知美學(xué)評(píng)分和人物站位信息的若干個(gè)圖像；

利用已知美學(xué)評(píng)分和人物站位信息的若干個(gè)圖像對(duì)預(yù)設(shè)的美學(xué)評(píng)價(jià)模型進(jìn)行訓(xùn)練，或利用已知美學(xué)評(píng)分和人物站位信息的若干個(gè)圖像、及圖像所屬的場(chǎng)景標(biāo)簽對(duì)預(yù)設(shè)的美學(xué)評(píng)價(jià)模型進(jìn)行訓(xùn)練，得到訓(xùn)練后的美學(xué)評(píng)價(jià)模型。

本發(fā)明的實(shí)時(shí)拍照指導(dǎo)方法及系統(tǒng)，具有以下有益效果：

1、采用場(chǎng)景分類算法對(duì)不同場(chǎng)景進(jìn)行自適應(yīng)的美學(xué)評(píng)價(jià)，而且避免采取通用美學(xué)判別策略的分類性能限制，提高了最終拍照站位推薦的準(zhǔn)確性。

2、美學(xué)評(píng)價(jià)模型通過訓(xùn)練得到，避免了人工規(guī)則模型的主觀性和片面性。

3、本發(fā)明支持橫向和縱向拍照模式，可以推薦多種最佳拍攝站位，供用戶自行選擇。

為了更加詳細(xì)的說明本發(fā)明實(shí)施例，給出實(shí)例1，實(shí)例1包括以下步驟：

步驟s1：進(jìn)入拍照模式后，智能設(shè)備獲取當(dāng)前取景圖像。

步驟s2：采用圖像場(chǎng)景分類算法識(shí)別拍照?qǐng)鼍?，根?jù)識(shí)別結(jié)果將照片分為風(fēng)景、建筑兩個(gè)類別。

步驟s3：將取景圖像與若干虛擬站位信息、及所述取景圖像所屬場(chǎng)景的分類結(jié)果作為輸入，使用卷積神經(jīng)網(wǎng)絡(luò)美學(xué)評(píng)價(jià)模型計(jì)算得出人的最佳站位信息。

步驟s4：智能設(shè)備在拍照取景界面顯示出最佳站位提示標(biāo)識(shí)，用戶根據(jù)提示指導(dǎo)被拍攝者移動(dòng)位置。若用戶不滿意最佳站位，界面提供切換選項(xiàng)，顯示其他推薦站位；若不存在推薦站位，界面提示用戶需要調(diào)整取景位置。

在所述步驟s1中，進(jìn)入拍照模式后，智能設(shè)備獲取當(dāng)前取景圖像。

在所述步驟s2中，根據(jù)場(chǎng)景分類算法分析出的結(jié)果可將圖像歸類為風(fēng)景、建筑兩個(gè)類別，即得到照片所屬場(chǎng)景分類結(jié)果。

需要說明的是，現(xiàn)有技術(shù)中已經(jīng)有很多成熟的場(chǎng)景分類算法，故在此不再贅述。

在所述步驟s3中，將取景圖像與若干虛擬站位信息、及所述取景圖像所屬場(chǎng)景的分類結(jié)果作為輸入，使用卷積神經(jīng)網(wǎng)絡(luò)美學(xué)評(píng)價(jià)模型計(jì)算得出人的最佳合影位置信息。卷積神經(jīng)網(wǎng)絡(luò)美學(xué)評(píng)價(jià)模型通過訓(xùn)練得到，避免了人工規(guī)則模型的主觀性和片面性。

需要說明的是，美學(xué)評(píng)價(jià)模型包括并不限于使用卷積神經(jīng)網(wǎng)絡(luò)，亦可采用其他機(jī)器學(xué)習(xí)方法，例如受限玻爾茲曼機(jī)、深度置信網(wǎng)絡(luò)。

在所述步驟s4中，智能設(shè)備在拍照取景預(yù)覽界面顯示出最佳站位提示標(biāo)識(shí)，用戶根據(jù)提示指導(dǎo)被拍攝者移動(dòng)位置。若用戶不滿意最佳站位，界面提供切換選項(xiàng)，顯示其他推薦站位；若不存在推薦站位，界面提示用戶需要調(diào)整取景位置。

具體的，所述智能設(shè)備包括并不限于個(gè)人電腦、智能手機(jī)、平板電腦、智能眼鏡，以及其他具有攝像頭及數(shù)據(jù)處理功能的設(shè)備。場(chǎng)景分類結(jié)果可以作為卷積神經(jīng)網(wǎng)絡(luò)美學(xué)評(píng)價(jià)模型的輸入?yún)?shù)，亦可采用針對(duì)每一種場(chǎng)景分類單獨(dú)建立其相應(yīng)的卷積神經(jīng)網(wǎng)絡(luò)美學(xué)評(píng)價(jià)模型模型。預(yù)覽界面提示為圖形提示和/或文字提示和/或語音提示。其他推薦站位信息為按美學(xué)評(píng)分由高至低依次選取的其他虛擬站位信息。不存在最佳站位信息為美學(xué)評(píng)分結(jié)果不滿足最低閾值要求。

本發(fā)明實(shí)施例能夠?qū)崿F(xiàn)自動(dòng)推薦被拍攝人站位，而且預(yù)先對(duì)取景圖像進(jìn)行場(chǎng)景分類，提升站位推薦的準(zhǔn)確性；采用訓(xùn)練得到的卷積神經(jīng)網(wǎng)絡(luò)美學(xué)評(píng)價(jià)模型，避免人工規(guī)則模型的主觀性和片面性；支持橫向和縱向拍照模式，可以推薦多個(gè)最佳拍攝站位，供用戶自行選擇。本方法及系統(tǒng)可以適用的范圍廣，可在智能設(shè)備中廣泛適用。

以上所述僅為本發(fā)明的實(shí)施例而已，并不用于限制本發(fā)明，對(duì)于本領(lǐng)域的技術(shù)人員來說，本發(fā)明可以有各種更改和變化。凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的權(quán)利要求范圍之內(nèi)。