本發(fā)明涉及圖像處理領域，特別涉及一種實時拍照指導方法及裝置。

背景技術：

拍照功能已經成為目前智能設備的必備重要功能之一，遇到美麗的風景時，用戶希望在風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拍照站位的方法。目前已有一些可以對拍照進行指導的發(fā)明專利。申請?zhí)枮閏n201410180886.2的發(fā)明進入拍照預覽模式時，根據(jù)獲取到的圖像信息生成相關構圖數(shù)據(jù)，并發(fā)送所述構圖數(shù)據(jù)至云端服務器；云端服務器搜索匹配的構圖數(shù)據(jù)，并通過運算處理獲取最優(yōu)構圖方案數(shù)據(jù)，并將所述最優(yōu)構圖方案數(shù)據(jù)發(fā)送至移動終端；移動終端在拍照預覽界面上顯示相應的最佳構圖位置提示，用戶根據(jù)提示調整位置拍照。該發(fā)明實現(xiàn)了拍照時進行構圖指導，但是無法智能推薦出被拍照人的最佳站位。申請?zhí)枮閏n201510599253.x的發(fā)明可以實現(xiàn)在取景過程中獲取所述用戶的人臉姿態(tài)信息；將預設的拍照模板的人臉姿態(tài)信息與所述用戶的人臉姿態(tài)信息進行比對；根據(jù)比對結果提示所述用戶進行人臉姿態(tài)調整。該發(fā)明實現(xiàn)了對用戶的人臉姿態(tài)進行拍照指導，但人臉拍照模板不能根據(jù)場景進行自適應的拍照指導，且不能推薦多種拍照站位。

技術實現(xiàn)要素：

鑒于上述問題，本發(fā)明提供了一種實時拍照指導方法及裝置。

本發(fā)明提供的一種實時拍照指導方法，包括：

獲取智能設備中的當前取景圖像；

在所述取景圖像中生成若干個虛擬站位；

所述取景圖像結合若干個虛擬站位分別進行美學評分，根據(jù)美學評分得到推薦站位并顯示。

本發(fā)明還提供了一種實時拍照指導裝置，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，用于獲取智能設備中的當前取景圖像；

所述第一處理模塊，用于在所述取景圖像中生成若干個虛擬站位；

所述第二處理模塊，用于所述取景圖像結合若干個虛擬站位分別進行美學評分，根據(jù)美學評分得到推薦站位并顯示。

本發(fā)明有益效果如下：

本發(fā)明實施例的實時拍照指導方法通過智能識別拍攝場景，給出推薦站位，使得不具備專業(yè)攝影知識的用戶也能輕松拍出高美感的人像照，有效克服了現(xiàn)有技術中的種種缺點而具有高度產業(yè)利用價值。

附圖說明

圖1是本發(fā)明方法實施例的實時拍照指導方法的流程圖；

圖2是本發(fā)明裝置實施例的實時拍照指導裝置的結構示意圖。

具體實施方式

下面將參照附圖更詳細地描述本公開的示例性實施例。雖然附圖中顯示了本公開的示例性實施例，然而應當理解，可以以各種形式實現(xiàn)本公開而不應被這里闡述的實施例所限制。相反，提供這些實施例是為了能夠更透徹地理解本公開，并且能夠將本公開的范圍完整的傳達給本領域的技術人員。

為了解決現(xiàn)有技術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)場景進行自適應的拍照指導，且不能推薦多種拍照站位的問題，本發(fā)明提供了一種實時拍照指導方法及裝置，以下結合附圖以及實施例，對本發(fā)明進行進一步詳細說明。應當理解，此處所描述的具體實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)明的方法實施例，提供了一種實時拍照指導方法，圖1是本發(fā)明方法實施例的實時拍照指導方法的流程圖，如圖1所示，根據(jù)本發(fā)明方法實施例的實時拍照指導方法包括如下處理：

步驟101，獲取智能設備中的當前取景圖像。

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

步驟102，在所述取景圖像中生成若干個虛擬站位。

具體的，在所述取景圖像中生成若干個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窗口遍歷，得到若干個虛擬站位；優(yōu)選地，滑動窗口遍歷過程中選取背景物體距離較遠的區(qū)域對應的位置信息作為候選的虛擬站位信息。

步驟103，所述取景圖像結合若干個虛擬站位分別進行美學評分，根據(jù)美學評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評分大于等于最低閾值的多個虛擬站位中的一個或多個。

更加具體的，選取最高美學評分對應的虛擬站位作為最佳站位；美學評分大于等于最低閾值的多個虛擬站位按照美學評分由高至低的順序進行排列。

具體的，所述取景圖像分別結合若干個虛擬站位進行美學評分，根據(jù)美學評分得到推薦站位包括：

將所述取景圖像與任意一個虛擬站位輸入到預設的美學評價模型中對所述虛擬站位進行美學評分，遍歷所述若干個虛擬站位，得到若干個美學評分；

根據(jù)所述若干個美學評分得到推薦站位。

本發(fā)明方法實施例的實時拍照指導方法，還包括以下步驟：當所述若干個虛擬站位的美學評分均小于最低閾值時，提示用戶調整取景位置。

具體的，預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)明方法實施例的另一實施例，在對若干個拍照圖像進行美學評分之前，還包括以下步驟：

采用預設的圖像場景分類算法，對所述取景圖像進行識別和分析，得到所述取景圖像所屬場景的分類結果；

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

進一步的，所述取景圖像分別結合若干個虛擬站位進行美學評分包括：

將所述取景圖像與任意一個虛擬站位、及所述取景圖像所屬場景的分類結果(例如場景標簽)輸入到預設的美學評價模型中對所述虛擬站位進行美學評分，遍歷所述若干個虛擬站位，得到若干個美學評分。

具體的，所述預設的美學評價模型通過訓練得到，使用的機器學習方法包括卷積神經網絡、受限玻爾茲曼機、深度置信網絡等。

更加具體的，所述美學評價模型的訓練方法包括以下步驟：

獲取已知美學評分和人物站位信息的若干個圖像；

利用已知美學評分和人物站位信息的若干個圖像對預設的美學評價模型進行訓練，或利用已知美學評分和人物站位信息的若干個圖像、及圖像所屬的場景標簽對預設的美學評價模型進行訓練，得到訓練后的美學評價模型。

本發(fā)明實施例的的實時拍照指導方法通過智能識別拍攝場景，推薦出最佳拍攝站位，使得不具備專業(yè)攝影知識的用戶也能輕松拍出高美感的人像照，有效克服了現(xiàn)有技術中的種種缺點而具高度產業(yè)利用價值。

與本發(fā)明的方法實施例相對應，本發(fā)明的裝置實施例提供了一種實時拍照指導裝置，圖2是本發(fā)明裝置實施例的實時拍照指導裝置的結構示意圖，如圖2所示，根據(jù)本發(fā)明裝置實施例的實時拍照指導裝置，包括：圖像獲取模塊20、第一處理模塊22、第二處理模塊24，以下對本發(fā)明實施例的各個模塊進行詳細的說明。

具體的，所述圖像獲取模塊20，用于獲取智能設備中的當前取景圖像。

所述第一處理模塊22，用于在所述取景圖像中生成若干個虛擬站位。

具體的，在所述取景圖像中通過多尺度滑動窗口遍歷，得到若干個虛擬站位。

所述第二處理模塊24，用于所述取景圖像結合若干個虛擬站位分別進行美學評分，根據(jù)美學評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評分大于等于最低閾值的多個虛擬站位中的一個或多個。

更加具體的，選取最高美學評分對應的虛擬站位作為最佳站位；美學評分大于等于最低閾值的多個虛擬站位按照美學評分由高至低的順序進行排列。

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虛擬站位輸入到預設的美學評價模型中對所述虛擬站位進行美學評分，遍歷所述若干個虛擬站位，得到若干個美學評分；

根據(jù)所述若干個美學評分得到推薦站位。

作為本發(fā)明裝置實施例的另一實施例，還包括場景分類模塊：

所述場景分類模塊，用于采用預設的圖像場景分類算法，對所述取景圖像進行識別和分析，得到所述取景圖像所屬場景的分類結果；

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

進一步的，所述第二處理模塊24，還用于將所述取景圖像與任意一個虛擬站位、及所述取景圖像所屬場景的分類結果輸入到預設的美學評價模型中對所述虛擬站位進行美學評分，遍歷所述若干個虛擬站位，得到若干個美學評分。

具體的，所述預設的美學評價模型通過訓練得到，使用的機器學習方法包括卷積神經網絡、受限玻爾茲曼機、深度置信網絡等。

作為本發(fā)明裝置實施例的另一實施例，還包括提示模塊，所述提示模塊，用于當所述若干個虛擬站位的美學評分均小于最低閾值時，提示用戶調整取景位置。

作為本發(fā)明裝置實施例的另一實施例，還包括模型訓練模塊。

所述模型訓練模塊用于：

獲取已知美學評分和人物站位信息的若干個圖像；

利用已知美學評分和人物站位信息的若干個圖像對預設的美學評價模型進行訓練，或利用已知美學評分和人物站位信息的若干個圖像、及圖像所屬的場景標簽對預設的美學評價模型進行訓練，得到訓練后的美學評價模型。

本發(fā)明的實時拍照指導方法及系統(tǒng)，具有以下有益效果：

1、采用場景分類算法對不同場景進行自適應的美學評價，而且避免采取通用美學判別策略的分類性能限制，提高了最終拍照站位推薦的準確性。

2、美學評價模型通過訓練得到，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。

為了更加詳細的說明本發(fā)明實施例，給出實例1，實例1包括以下步驟：

步驟s1：進入拍照模式后，智能設備獲取當前取景圖像。

步驟s2：采用圖像場景分類算法識別拍照場景，根據(jù)識別結果將照片分為風景、建筑兩個類別。

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景的分類結果作為輸入，使用卷積神經網絡美學評價模型計算得出人的最佳站位信息。

步驟s4：智能設備在拍照取景界面顯示出最佳站位提示標識，用戶根據(jù)提示指導被拍攝者移動位置。若用戶不滿意最佳站位，界面提供切換選項，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整取景位置。

在所述步驟s1中，進入拍照模式后，智能設備獲取當前取景圖像。

在所述步驟s2中，根據(jù)場景分類算法分析出的結果可將圖像歸類為風景、建筑兩個類別，即得到照片所屬場景分類結果。

需要說明的是，現(xiàn)有技術中已經有很多成熟的場景分類算法，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景的分類結果作為輸入，使用卷積神經網絡美學評價模型計算得出人的最佳合影位置信息。卷積神經網絡美學評價模型通過訓練得到，避免了人工規(guī)則模型的主觀性和片面性。

需要說明的是，美學評價模型包括并不限于使用卷積神經網絡，亦可采用其他機器學習方法，例如受限玻爾茲曼機、深度置信網絡。

在所述步驟s4中，智能設備在拍照取景預覽界面顯示出最佳站位提示標識，用戶根據(jù)提示指導被拍攝者移動位置。若用戶不滿意最佳站位，界面提供切換選項，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整取景位置。

具體的，所述智能設備包括并不限于個人電腦、智能手機、平板電腦、智能眼鏡，以及其他具有攝像頭及數(shù)據(jù)處理功能的設備。場景分類結果可以作為卷積神經網絡美學評價模型的輸入參數(shù)，亦可采用針對每一種場景分類單獨建立其相應的卷積神經網絡美學評價模型模型。預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評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評分結果不滿足最低閾值要求。

本發(fā)明實施例能夠實現(xiàn)自動推薦被拍攝人站位，而且預先對取景圖像進行場景分類，提升站位推薦的準確性；采用訓練得到的卷積神經網絡美學評價模型，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，可在智能設備中廣泛適用。

以上所述僅為本發(fā)明的實施例而已，并不用于限制本發(fā)明，對于本領域的技術人員來說，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，所作的任何修改、等同替換、改進等，均應包含在本發(fā)明的權利要求范圍之內。