CN107844765A - 拍照方法、装置、终端及存储介质 - Google Patents
拍照方法、装置、终端及存储介质 Download PDFInfo
- Publication number
- CN107844765A CN107844765A CN201711043150.0A CN201711043150A CN107844765A CN 107844765 A CN107844765 A CN 107844765A CN 201711043150 A CN201711043150 A CN 201711043150A CN 107844765 A CN107844765 A CN 107844765A
- Authority
- CN
- China
- Prior art keywords
- picture
- pedestrian
- shooting
- information
- shooting preview
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Studio Devices (AREA)
Abstract
本申请实施例公开了一种拍照方法、装置、终端及存储介质。该方法包括:获取拍摄预览图片;将所述拍摄预览图片输入行人检测模型,以标记所述拍摄预览图片中的行人信息,其中,所述行人检测模型为根据图片样本集训练的模型;根据所述行人信息滤除所述拍摄预设图片中的行人图像,以形成目标拍摄图片。本申请实施例通过采用上述技术方案,避免了拍摄图片上存在行人图像影响拍照效果的情况,优化了移动终端的拍照功能,能够在拍照过程中直接滤除行人图像,保留干净图片,同时节省了用户后期对图片中的行人进行滤除处理的过程。
Description
技术领域
本申请实施例涉及智能终端技术领域,尤其涉及一种拍照方法、装置、终端及存储介质。
背景技术
随着智能终端的快速发展,手机、平板电脑等智能终端的拍照质量也越来越高。
在日常生活中,大多数用户已经习惯拍照以记录生活中的点点滴滴,尤其出行旅游,更倾向使用移动终端进行拍照留念。记录下美好时刻。但是,当用户拿起移动终端进行拍照时,经常会有行人误入镜头,用户需要招呼行人避让,或者等待行人走出拍摄镜头后再拍摄,浪费用户时间,不然拍摄出来的图片就会存留行人的图像,影响拍照效果。
发明内容
本申请实施例提供一种拍照方法、装置、终端及存储介质,可以优化移动终端的拍照功能。
第一方面,本申请实施例提供了一种拍照方法,该方法包括:
获取拍摄预览图片;
将所述拍摄预览图片输入行人检测模型,以标记所述拍摄预览图片中的行人信息,其中,所述行人检测模型为根据图片样本集训练的模型;
根据所述行人信息滤除所述拍摄预设图片中的行人图像,以形成目标拍摄图片。
第二方面,本申请实施例还提供了一种拍照装置,该装置包括:
图片获取模块,用于获取拍摄预览图片;
行人信息标记模块,用于将所述拍摄预览图片输入行人检测模型,以标记所述拍摄预览图片中的行人信息,其中,所述行人检测模型为根据图片样本集训练的模型;
目标拍摄图片形成模块,用于根据所述行人信息滤除所述拍摄预设图片中的行人图像,以形成目标拍摄图片。
第三方面,本申请实施例还提供了一种终端,包括第一存储器、第一处理器及存储在所述第一存储器上并可在所述第一处理器上运行的计算机程序,所述第一处理器执行所述计算机程序时实现本申请实施例所述的拍照方法。
第四方面,本申请实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如第一方面所述的拍照方法。
本申请实施例中提供的拍照方案,通过将获取的拍摄预览图片输入行人检测模型,以标记出拍摄预览图片中的行人信息,再滤除拍摄预览图片中的行人图像,形成目标拍摄图片,避免了拍摄图片上存在行人图像影响拍照效果的情况,优化了移动终端的拍照功能,能够在拍照过程中直接滤除行人图像,保留干净图片,同时节省了用户后期对图片中的行人进行滤除处理的过程。
附图说明
图1A为本申请实施例提供的一种拍照方法的流程示意图;
图1B为本申请实施例中一种标记预览拍摄图片行人信息方法的示意图;
图2是本申请实施例提供的又一种拍照方法的流程示意图;
图3是本申请实施例提供的又一种拍照方法的流程示意图;
图4是本申请实施例提供的又一种拍照方法的流程示意图;
图5A是本申请实施例提供的又一种拍照方法的流程示意图;
图5B为本申请实施例提供的一种标记有行人信息的拍摄预览图片的示意图;
图5C为本申请实施例提供的一种备用预览图片的示意图;
图6是本申请实施例提供的又一种拍照方法的流程示意图;
图7是本申请实施例提供的一种拍照装置的结构示意图;
图8A是本申请实施例中的一种终端的结构示意图;
图8B是本申请实施例中的又一种终端的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本申请,而非对本申请的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本申请相关的部分而非全部结构。
图1A为本申请实施例提供的一种拍照方法的流程图,本实施例可适用于通过任意拍照的情况,所述方法由拍照装置来执行,所述装置由软件和/或硬件来执行,所述装置配置在诸如手机、平板电脑等终端设备中。如图1A所示,本实施例提供的技术方案具体如下:
步骤110、获取拍摄预览图片。
其中,拍摄预览图片可包括用户在按下拍照按钮前,移动终端界面显示的摄像头所捕捉到的画面。拍摄预览图片的图片内容可以为风景类图片或者人物类图片,本申请实施例对拍摄预览图片的种类不作限定。另外,本申请实施例对拍摄预览图片的张数不作限定,当拍摄预览图片为一张时,则对一张拍摄预览图片的行人信息进行标记,当拍摄预览图片为多张时,则对多张拍摄预览图片的行人信息进行标记。
具体的,终端设备对拍摄预览图片的获取可以由终端设备的系统执行,或者由终端设备中含有拍摄功能的任意应用软件执行,获取拍摄预览图片的操作可以在用户的操作指示下由系统或应用软件执行。例如,用户可直接打开移动终端系统中的相机功能对风景进行拍照,也可使用应用软件的拍照选项对风景进行拍照。需要说明的是,由于用户从打开拍照功能到将移动终端的位置放好时需要间隔几秒甚至更长时间,因此可以在移动终端的位置不变的情况下获取拍摄预览图片,并且可以设定获取间隔时长。例如,如果设定的获取间隔时长为3s,那么每过3秒,移动终端将会获取当前时刻的拍摄预览图片。需要说明的是,获取的拍摄预览图片可以存储至临时存储器保存以等待进一步处理。
步骤120、将所述拍摄预览图片输入行人检测模型,以标记所述拍摄预览图片中的行人信息。
其中,所述行人检测模型为根据图片样本集训练的模型。
其中,行人检测模型可用于在输入拍摄预览图片之后快速标记出拍摄预览图片中行人信息的学习模型。行人检测模型可以是神经网络模型,其中,该神经网络模型可以是卷积神经网络模型,也可以是非卷积神经网络,且本申请实施例中对该神经网络模型的层数、层、不同卷积核和/或权重等网络参数不作限定。例如,本申请实施例中的行人检测模型可以为包含三个卷积层与两个池化层的神经网络模型。
其中,行人信息可包括标记拍摄预览图片是否包含行人的文字信息、行人位置信息、行人轮廓信息以及行人图像信息。例如,若行人信息为判断拍摄预览图片是否包含行人的文字信息,在拍摄预览图片输入行人检测模型后,行人检测模型则可为标记出“未包含行人”、“包含一个行人”或者“包含两个行人”等文字信息。若行人信息为判断拍摄预览图片的行人轮廓信息,在拍摄预览图片输入行人检测模型后,行人检测模型则可直接在拍摄预览图片中突显出行人的轮廓。
其中,图片样本集为包含大量标记有行人信息图片的样本集,可存储于终端设备本地,也可存储于对应的服务器中。图片样本集可以包含已标记行人信息的样本图片,也可包含未标记行人信息的样本图片。例如,若图片样本集包含了未标记行人信息的样本图片,行人检测模型则可根据样本图片的行人特征进行训练。具体的,行人检测模型可根据人物相貌、人物运动状态、人物位于拍摄预览图片的深度信息以及人物位于拍摄预览图片中的中心偏离值等进行训练,以判断判断拍摄预览图片中的人是否为行人。其中,根据人物相貌,可以将除用户以及熟人之外的人定义为行人;根据人物运动状态,可以将不停在运动的人定义为行人;根据人物位于拍摄预览图片的深度信息,可以将行人尺寸特别小的定义为行人;根据人物位于拍摄预览图片中的中心偏离值,可以将偏离镜头中心的人定义为行人。当用户想要拍摄某目标人物时,该目标人物会静止不动的摆好造型,将最好的一面呈现各用户。并且。用户会调整移动终端的摆放位置与拍摄参数,使得目标人物与景物比例协调,目标人物位于拍摄预览图片的位置与尺寸大小均适中。因此,行人检测模型可通过对样本图片中的行人特征进行训练,以判断拍摄预览图片中的人物是否为行人。又例如,若图片样本集包含了已标记行人信息的样本图片,行人检测模型则可根据已标记行人信息的行人图像的特征进行训练。
步骤130、根据所述行人信息滤除所述拍摄预设图片中的行人图像,以形成目标拍摄图片。
其中,目标拍摄图片为不含有行人图像的干净图片。由于用户未按下拍照按钮之前,移动终端可一直获取拍摄预览图片,因此,当检测到用户触发拍照指令后,可将与触发拍照指令的当前时刻最近的拍摄预览图片作为目标拍摄图片。
例如,当行人信息为行人轮廓信息时,移动终端可直接在拍摄预览图片中搜索突出显示行人轮廓的行人图像进行滤除,当行人信息为行人位置信息时,移动终端可根据位置信息,对行人图像进行定位以滤除。具体的,滤除拍摄预览图片中行人信息的操作可以在接收到用户的拍照指令之前,也可以在接收到用户的拍照指令之后。可选的,为了减少获取目标拍摄图片的时间,终端设备可以设定在接收到用户的拍照指令之前进行滤除操作。具体的,滤除拍摄预览图片中的行人信息可包括将拍摄预览图片中的行人图像去除,并显示相对应的背景图像。将滤除行人图像后的拍摄预览图片存储至临时存储器内备用,当接收到用户的拍照指令后,直接将滤除行人图像的拍摄预览图片作为目标拍摄图片。
本申请实施例中提供的拍照方法,通过将获取的拍摄预览图片输入行人检测模型,以标记出拍摄预览图片中的行人信息,再滤除拍摄预览图片中的行人图像,形成目标拍摄图片,避免了拍摄图片上存在行人图像影响拍照效果的情况,优化了移动终端的拍照功能,能够在拍照过程中直接滤除行人图像,保留干净图片,同时节省了用户后期对图片中的行人进行滤除处理的过程。
示例性的,在获取拍摄预览图片之前,还包括:若所述移动终端满足预设拍摄条件,则获取拍摄预览图片;其中,所述预设拍摄条件为所述移动终端在当前位置的停留时长超过预设时长,且所述移动终端接收到用户拍摄语音指令。
由于用户打开移动终端拍摄功能之后,摄像头开启即可捕捉镜前画面,但是用户从打开拍摄功能的动作开启之后至按下拍摄按钮之间存在一段时间,可能间隔几秒,也可能更长。在该段时间内的图像通常不是用户所需要的,因此如果将该段时间内捕捉的所有图像均作为拍摄预览图片进行处理,则浪费移动终端的内存,降低终端的运行效率。
本申请实施例设定预设拍摄条件则可避免获取过多无用画面作为拍摄预览图像,浪费移动终端的运行资源。即当移动终端满足预设拍摄条件时,则可以获取当前摄像头捕捉的画面作为拍摄预览图片;当移动终端不满足预设拍摄条件时,则不获取当前摄像头捕捉的画面作为拍摄预览图片。其中,预设时长可包括移动终端设定的默认值,也可包括根据用户本身特点所定义的动态值。拍摄语音指令可包括含有用户拍照意向的任何语音信息,如“准备好了么”、“看镜头”等语音指令,在接收到拍摄语音指令之后,获取摄像头当前捕捉的画面作为拍摄预览图片。
具体的,用户准备好拍照的特点是移动终端保持平稳,并且告知拍照人即将拍照。因此,移动终端在响应打开拍摄功能的用户指令后,打开摄像头,持续监控移动终端的位置变化。当监控到的移动终端在当前位置的停留时间超过预设时长,则监控是否接收到用户的拍摄语音指令,当接收到拍摄语音指令后,获取拍摄预览图片。或者,移动终端在响应打开拍摄功能的用户指令后,打开摄像头,同时监控移动终端的位置变化与用户的拍摄语音指令。当监控到移动终端在当前位置的停留时间超过预设时长,且接收到用户的拍摄语音指令,同时满足上述两个条件时,获取拍摄预览图片。
需要说明的是,当用户拍摄风景图片时,即不包含人物,则无需接收用户拍摄语音指令。具体的,当移动终端在当前位置停留一段时长后,可以获取当前采集画面,判断当前采集画面是否包含拍摄人物,若不包含与拍摄人物,则无需监控是否接收到用户拍摄语音指令,直接获取当前采集画面作为拍摄预览画面。其中,拍摄人物具有看镜头、摆好拍照姿势、位于采集画面中心位置、尺寸大小适中等其中一项或几项的特点。
本申请实施例通过设定预设拍摄条件作为拍摄预览图片的触发条件,当移动终端满足预设拍摄条件时才获取拍摄预览图片,提高了拍摄预览图片的可利用率,避免了对过多摄像头采集的无用画面进行行人滤除处理的过程,提高移动终端的运行效率。
示例性的,标记所述拍摄预览图片中的行人信息,包括:确定行人在所述拍摄预览图片中的位置区域;基于所述位置区域,突出显示行人的轮廓,以获得所述行人信息。
标记拍摄预览图片中行人信息的方法可包括多种,但是为了方便后期对拍摄预览图片中的行人进行滤除操作,则可以将行人的轮廓标记出来。具体的,确定新人在拍摄预览图片的位置区域,以锁定行人的位置,然后对行人的轮廓进行突出显示。本申请实施例对突出显示的方法不作限定,例如可以是使用带颜色的标记线或者加粗的标记线对行人的轮廓处进行标记,如图1B所示。图1B为本申请实施例中一种标记预览拍摄图片行人信息方法的示意图,包括预览拍摄图片100,行人10与拍摄人物11。其中,行人10可采用黑色加粗的虚线标记行人的轮廓。‘
本申请实施例通过对行人的轮廓进行标记,用于确定行人图像的所在位置,便于后期对行人进行滤除的操作。
图2为本申请实施例提供的另一种拍照方法的流程示意图,该方法包括如下步骤:
步骤210、获取拍摄预览图片。
步骤220、获取网络平台图片库中的网络拍摄图片。
其中,网络平台图片库为包含了大量图片的图片库,同时也包含了各种拍摄图片,因此,可以将网络平台图片库作为图片样本集的素材库,获取网络拍摄图片。需要说明的是,网络平台图片库可以为在可联网移动终端或者可联网固定终端上的任意网络平台上搜索的图片库。需要说明的是,本申请实施例不对网络拍摄图片的数量进行限定。
步骤230、对所述网络拍摄图片中的行人信息进行标记。
行人检测模型的图片样本集可以包括已标记行人信息的样本集合,可以包括未标记行人信息的样本集合。由于已标记行人信息的样本集合更加准确,因此,本申请实施例中的将获取的网络拍摄图片进行行人信息的标记。具体的,移动终端可以自行对网络拍摄图片中的行人信息进行标记,也可以根据用户指示对网络拍摄图片中的行人信息进行标记。需要说明的是,当移动终端对网络拍摄图片中的行人信息进行标记后,可随机显示其中一张或几张标注好行人信息的网络拍摄图片,接收用户的反馈信息。若用户反馈信息为标注的行人信息不正确,则可根据用户的指示进行更正。
步骤240、将标记行人信息的网络拍摄图片作为第一样本图片存储至图片样本集。
其中,第一样本图片可为包含了大量已标记行人信息的网络拍摄图片,并且,本申请实施例不对第一样本图片的图片数量、图片内容以及图片种类来源进行限定。本申请实施例中的行人检测模型可初步使用已标记行人信息的网络拍摄图片作为第一样本图片存储至图片样本集进行训练。
需要说明的是,若网络平台图片库获取的网络拍摄图片中存在行人,则标记行人信息;若网络平台图片库获取的网络拍摄图片中不存在行人,则可标记该网络平台图片中不存在行人信息的文字信息。在将标记行人信息的网络拍摄图片作为第一样本图片的过程中,可以将图片样本集设定包含两个样本子集,其中一个样本子集存储不包含行人信息的网络拍摄图片作为第一样本图片,另一个样本子集存储包含行人信息的网络拍摄图片,两个样本子集整体标记是否含有行人信息的文字,并且含有行人信息的样本集中的所有网络拍摄图片均各自标记行人信息作为第一样本图片。或者,图片样本集直接存储第一样本图片,第一样本图片为标记有行人信息的网络拍摄图片。
步骤250、根据所述图片样本集,基于设定机器学习算法对行人检测模型进行训练。
其中,机器学习主要研究对象是人工智能,可研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。机器学习算法可包括计算机如何实现人工智能或者在经验学习中如何自动改进的一种算法。本申请实施例中的设定的机器学习算法用于训练行人检测模型,可以是神经网络模型。需要说明的是,本申请实施例对机器学习算法的种类不作限定。
通过设定图片样本集与机器学习算法,能够对行人检测模型进行训练以对拍摄预览图片做出正确的判断。
步骤260、将所述拍摄预览图片输入行人检测模型,以标记所述拍摄预览图片中的行人信息。
步骤270、根据所述行人信息滤除所述拍摄预设图片中的行人图像,以形成目标拍摄图片。
本申请实施例获取网络平台图片库中的网络拍摄图片,对所述网络拍摄图片中的行人信息进行标记,将标记行人信息的网络拍摄图片作为第一样本图片存储至图片样本集,通过对网络拍摄图片的行人信息进行标记,为行人检测模型提供了准确的行人信息的样本,并且通过网络平台图片库中的网络拍摄图片作为行人检测模型的初步训练素材,有助于提高行人检测模型的标记的准确性。
图3为本申请实施例提供的另一种拍照方法的流程示意图,该方法包括如下步骤:
步骤310、获取拍摄预览图片。
步骤320、获取移动终端图片库中的用户拍摄图片。
由于从网络平台图片库收集的第一样本图片作为图片样本集并非针对用户本人,缺乏针对性,因此将第一样本图片作为图片样本集训练行人检测模型以标记拍摄预览图片中的行人信息可能会存在误差。例如,行人检测模型通常将预览拍摄图片中尺寸较小的人物确定为行人,但是很多情侣的趣味拍照喜欢让情侣站在与摄像头距离不同的地方,以设定出趣味动作,因此,行人检测模型容易将情侣中较小尺寸的人标记为行人。为了降低图片归类模型的判断误差,本申请实施例可获取移动终端图片库中的用户拍摄图片作为图片样本集的素材。
其中,用户拍摄图片可包含移动终端图片库中存储的拍摄图片。由于用户拍摄图片所拍摄的内容与用户息息相关,包含了与用户接触的家人、朋友或者同事等,因此,可将移动终端图片库中的用户拍摄图片作为图片样本集的素材,提高对行人检测模型对行人判断的准确性。
步骤330、对所述用户拍摄图片进行人脸识别,以确定行人信息。
其中,人脸识别为是基于人的脸部特征信息进行身份识别的一种生物识别技术。移动终端图片库中存储的用户拍摄图片中包含人物图像与非人物图像,对包含人物图像的用户拍摄图片进行人脸识别,以记录用户本人以及与用户相关联的朋友、家人的人脸图像。例如,移动终端可以将含有一个人自拍图片中的人物记录为用户本人,可以将人脸出现次数大于两次的人记录为与用户相关的熟人,将人脸出现单次但与用户有肢体接触的人物也记录为与用户相关的熟人。通过确定用户本人人脸信息以及与用户相关的熟人的人脸信息,可以将非用户本人以及非用户相关的熟人定义为行人。
步骤340、对所述用户拍摄图片中的行人信息进行标记。
移动终端通过对用户拍摄图片进行人脸识别后,将对用户拍摄图片中的行人信息进行标记。需要说明的是,本申请实施例对用户拍摄图片中的行人信息进行标记的方法与对网络拍摄图片中的行人信息进行标记的方法一致,不再赘述。
步骤350、将标记行人信息的用户拍摄图片作为第二样本图片存储至图片样本集。
其中,第二样本图片可为包含了大量已标记行人信息的用户拍摄图片,并且,本申请实施例不对第二样本图片的图片数量、图片内容以及图片种类来源进行限定。具体的,在将移动终端图片库中的用户拍摄图片标记行人信息后,可将该类用户拍摄图片作为第二样本图片存储至图片样本集以供行人检测模型进行训练。第二样本图片的标记方法与第一样本图片的标记方法一致,不再赘述。
步骤360、根据所述图片样本集,基于设定机器学习算法对行人检测模型进行训练。
步骤370、将所述拍摄预览图片输入行人检测模型,以标记所述拍摄预览图片中的行人信息。
步骤380、根据所述行人信息滤除所述拍摄预设图片中的行人图像,以形成目标拍摄图片。
本申请实施例获取移动终端图片库中的用户拍摄图片,对用户本人人脸图像以及熟人人脸图像进行记录,将标记有行人信息的用户拍摄图片作为第二样本图片存储至图片样本集训练行人检测模型,使得行人检测模型熟悉用户的实际情况,进一步提高了行人检测模型对拍摄预览图片中行人判断的准确性。
图4为本申请实施例提供的另一种拍照方法的流程示意图,该方法包括如下步骤:
步骤410、获取拍摄预览图片。
步骤420、将所述拍摄预览图片输入行人检测模型,以标记所述拍摄预览图片中的行人信息。
步骤430、获取备用图片。
其中,备用图片可包括移动终端本身在当前时刻摄像头所采集的图片,也可包括周围其他用户移动终端所公开的与拍摄预览图片中背景相同的图片,或者还可包括网络图片库中与用户的拍摄预览图片中背景相同的网络图片。需要说明的是,备用图片的数量可包括一张或者多张,获取备用图片用于对拍摄预览图片中的行人图像进行滤除。如果采集一张备用图片与滤除行人后的拍摄预览图片进行合成,能够形成无缺陷的完整图片,则可以采集一张备用图片,如果采集一张备用图片与滤除行人的拍摄预览图片进行合成,不能形成无缺陷的完整图片,则可采集一张或多张备用图片。
步骤440、将所述备用图片与所述拍摄预览图片进行合成,根据所述行人信息滤除所述拍摄预览图片中的行人图像,形成目标拍摄图片。
具体的,备用图片与拍摄预览图片进行合成,可以同时滤除备用图片与拍摄预览图片中的行人图像,将滤除后的图片进行合成。图片内重复的背景以及拍摄人物,可以保留拍摄人物状态最好或者背景拍照效果最好的部分作为目标拍摄图片的一部分。或者,基于滤除行人后的拍摄预览图片,使用备用图片对拍摄预览图片中空缺位置进行补图,以合成目标拍摄图片。
本申请实施例通过获取备用图片,将备用图片与拍摄预览图片进行合成,根据行人信息滤除拍摄预设图片中的行人图像,能够形成干净完整的目标拍摄图片,提高了拍摄图片的拍摄质量,节省了用户后期对拍摄图片处理的繁琐过程。
图5A为本申请实施例提供的另一种拍照方法的流程示意图,该方法包括如下步骤:
步骤510、获取拍摄预览图片。
步骤520、将所述拍摄预览图片输入行人检测模型,以标记所述拍摄预览图片中的行人信息。
步骤530、获取移动终端摄像头采集的备用预览图片。
其中,备用预览图片为移动终端摄像头在获取拍摄预览图片之后,获取的又一张预览图片。由于行人可能会在用户拍摄时不断走动,因此可以通过移动终端的摄像头采集备用预览图片以对拍摄预览图片中的行人图像进行替换。
步骤540、在所述备用预览图片中,确定与所述拍摄预览图片的行人信息相对应的第一背景图。
其中,第一背景图可为与拍摄预览图片中行人位置相对应的背景图,确定第一背景图例如可以对第一背景图突出显示。
步骤550、将所述第一背景图替换所述拍摄预览图片中与行人信息相对应的图片,以根据所述行人信息滤除所述拍摄预设图片中的行人图像,形成目标拍摄图片。
通过确定的第一背景图,可以对拍摄预览图片中的行人图像进行替换以形成完整的目标拍摄图片。
例如,图5B为本申请实施例提供的一种标记有行人信息的拍摄预览图片的示意图。如图5B所示,包含拍摄预览图片500,行人50与拍摄人物51,且移动终端在获取拍摄预览图片时,行人走到A位置。但是由于行人是不断走动的,因此当移动终端获取备用预览图片时,行人的位置发生变化,如图5C所示。图5C为本申请实施例提供的一种备用预览图片的示意图,包括备用预览图片501,行人50、拍摄人物51以及A位置处与拍摄预览图片中行人相对应的第一背景图52。由图5B与图5C可知,在获取拍摄预览图片时,行人50走至位置A,在获取备用预览图片时,行人50走至位置B,并且A位置与B位置不重合。因此可以获取图5C中的第一背景图52的图像替换掉图5B中滤除的行人图像,以得到目标拍摄图片。
本申请实施例通过获取移动终端摄像头采集的备用预览图片并确定与拍摄预览图片的行人信息相对应的第一背景图,将第一背景图替换拍摄预览图片中与行人信息相对应的图片,以滤除行人图像,优化了移动终端的拍照功能,能够在拍照过程中直接滤除行人图像,保留干净图片,同时节省了用户后期对图片中的行人进行滤除处理的过程。
图6为本申请实施例提供的另一种拍照方法的流程示意图,该方法包括如下步骤:
步骤610、获取拍摄预览图片。
步骤620、将所述拍摄预览图片输入行人检测模型,以标记所述拍摄预览图片中的行人信息。
步骤630、获取定位信息相同的其他移动终端社交平台内发布的公开图片。
其中,移动终端社交平台包括但不限定于QQ、微博、微信以及博客等社交平台。公开图片可为与拍摄预览图片中拍摄背景角度一致的图片。在日常生活中,用户经常在社交平台中分享自己生活的点点滴滴,如用户可在朋友圈发布旅游拍摄的风景照。用户在拍照时可能会拍摄到一些距离镜头较远又不移动的行人,对于该类行人,即使移动终端获取再多备用预览图片,也不能得到拍摄预览图片中与行人图像相对应的第一图像。因此,针对距离不移动的行人,本申请实施例可以获取与用户移动终端定位相同的其他用户拍摄的图片,因为大多数用户来到景点都会进行拍照。具体例如,可以获取其他用户移动终端社交平台发布的图片,通过社交平台服务器获取其他用户发布的图片,并且确定与用户的拍摄预览图片中拍摄风景角度一致的图片作为公开图片。
步骤640、根据所述公开图片,确定与所述拍摄预览图片的行人信息相对应的第二背景图。
其中,第二背景图可为与拍摄预览图片中行人位置相对应的背景图,确定第二背景图例如可以对第二背景图突出显示。
步骤650、将所述第二背景图替换所述拍摄预览图片中与行人信息相对应的图片,以根据所述行人信息滤除所述拍摄预设图片中的行人图像,形成目标拍摄图片。
由于第二背景图是与拍摄预览图片中与行人信息相对应的图片,因此通过确定的第二背景图,可以对拍摄预览图片中的行人图像进行替换以形成完整的目标拍摄图片。
本申请实施例通过获取定位信息相同的其他移动终端社交平台内发布的公开图片,根据公开图片确定与拍摄预览图片的行人信息相对应的第二背景图,将第二背景图替换拍摄预览图片中与行人信息相对应的图片,以对不移动的行人图像进行替换,优化了移动终端的拍照功能,能够在拍照过程中直接滤除行人图像,保留干净图片,同时节省了用户后期对图片中的行人进行滤除处理的过程。
图7是本申请实施例提供的一种拍照装置的结构框图,本实施例可适用于通过任意拍照的情况,该装置可有软件和/或硬件实现,所述装置配置在诸如手机、平板电脑等终端设备中。如图7所示,该装置可以包括:图片获取模块71、行人信息标记模块72和目标拍摄图片形成模块73。
图片获取模块71,用于获取拍摄预览图片;
行人信息标记模块72,用于将所述拍摄预览图片输入行人检测模型,以标记所述拍摄预览图片中的行人信息,其中,所述行人检测模型为根据图片样本集训练的模型;
目标拍摄图片形成模块73,用于根据所述行人信息滤除所述拍摄预设图片中的行人图像,以形成目标拍摄图片。
本申请实施例中提供的拍照装置,通过将获取的拍摄预览图片输入行人检测模型,以标记出拍摄预览图片中的行人信息,再滤除拍摄预览图片中的行人信息,形成目标拍摄图片,避免了拍摄图片上存在行人图像影响拍照效果的情况,优化了移动终端的拍照功能,能够在拍照过程中直接滤除行人图像,保留干净图片,同时节省了用户后期对图片中的行人进行滤除处理的过程。
可选的,所述装置还包括:第一样本获取模块;
第一样本获取模块,用于在将所述拍摄预览图片输入行人检测模型之前,获取网络平台图片库中的网络拍摄图片;对所述网络拍摄图片中的行人信息进行标记;将标记行人信息的网络拍摄图片作为第一样本图片存储至图片样本集;根据所述图片样本集,基于设定机器学习算法对行人检测模型进行训练。
可选的,所述装置还包括:第二样本获取模块;
第二样本获取模块,用于在将所述拍摄预览图片输入行人检测模型之前,获取移动终端图片库中的用户拍摄图片;对所述用户拍摄图片进行人脸识别,以确定行人信息;对所述用户拍摄图片中的行人信息进行标记;将标记行人信息的用户拍摄图片作为第二样本图片存储至图片样本集;根据所述图片样本集,基于设定机器学习算法对行人检测模型进行训练。
可选的,所述目标拍摄图片形成模块73具体用于:获取备用图片;将所述备用图片与所述拍摄预览图片进行合成,根据所述行人信息滤除所述拍摄预设图片中的行人图像。
可选的,若所述备用图片为移动终端摄像头采集的备用预览图片,则所述目标拍摄图片形成模块73具体还用于:在所述备用预览图片中,确定与所述拍摄预览图片的行人信息相对应的第一背景图;将所述第一背景图替换所述拍摄预览图片中与行人信息相对应的图片,以根据所述行人信息滤除所述拍摄预设图片中的行人图像。
可选的,所述备用图片为其他移动终端发布的公开图片,则所述目标拍摄图片形成模块73具体还用于:获取定位信息相同的其他移动终端社交平台内发布的公开图片;根据所述公开图片,确定与所述拍摄预览图片的行人信息相对应的第二背景图;将所述第二背景图替换所述拍摄预览图片中与行人信息相对应的图片,根据所述行人信息滤除所述拍摄预设图片中的行人图像。
可选的,所述装置还包括:预设拍摄条件判断模块;
预设拍摄条件判断模块,用于在获取拍摄预览图片之前,若所述移动终端满足预设拍摄条件,则获取拍摄预览图片;其中,所述预设拍摄条件为所述移动终端在当前位置的停留时长超过预设时长,且所述移动终端接收到用户拍摄语音指令。
可选的,所述行人信息标记模块72具体用于:
确定行人在所述拍摄预览图片中的位置区域;基于所述位置区域,突出显示行人的轮廓,以获得所述行人信息。
本申请实施例提供了一种终端,该终端中可集成本申请实施例提供的拍照装置,如图8A所示,终端1000包含存储器1001与处理器1002。其中,存储器1001存储待处理图片,处理器1002用于获取拍摄预览图片;将所述拍摄预览图片输入行人检测模型,以标记所述拍摄预览图片中的行人信息,其中,所述行人检测模型为根据图片样本集训练的模型;根据所述行人信息滤除所述拍摄预设图片中的行人图像,以形成目标拍摄图片。
本申请实施例中提供的终端,通过将获取的拍摄预览图片输入行人检测模型,以标记出拍摄预览图片中的行人信息,再滤除拍摄预览图片中的行人信息,形成目标拍摄图片,避免了拍摄图片上存在行人图像影响拍照效果的情况,优化了移动终端的拍照功能,能够在拍照过程中直接滤除行人图像,保留干净图片,同时节省了用户后期对图片中的行人进行滤除处理的过程。
本申请实施例提供了一种终端的结构示意图。如图8B所示,该移动终端可以包括:壳体(图中未示出)、存储器801、中央处理器(Central Processing Unit,CPU)802(又称处理器,以下简称CPU)、电路板(图中未示出)、触控显示屏812和电源电路(图中未示出)。所述触控显示屏812,用于将用户操作转换成电信号输入至所述处理器,并显示可视输出信号;所述触控显示屏包括触摸芯片,所述触摸芯片,用于输出触摸感测控制信号至触控显示屏;所述电路板安置在所述触控显示屏812与所述壳体围成的空间内部;所述CPU802和所述存储器801设置在所述电路板上;所述电源电路,用于为所述移动终端的各个电路或器件供电;所述存储器801,用于存储计算机程序;所述CPU802读取并执行所述存储器801中存储的计算机程序。所述CPU802在执行所述计算机程序时实现以下步骤:获取拍摄预览图片;将所述拍摄预览图片输入行人检测模型,以标记所述拍摄预览图片中的行人信息,其中,所述行人检测模型为根据图片样本集训练的模型;根据所述行人信息滤除所述拍摄预设图片中的行人图像,以形成目标拍摄图片。
所述移动终端还包括:外设接口803、RF(Radio Frequency,射频)电路805、音频电路806、扬声器811、电源管理芯片808、输入/输出(I/O)子系统809、其他输入/控制设备810以及外部端口804,这些部件通过一个或多个通信总线或信号线807来通信。
应该理解的是,图示移动终端800仅仅是移动终端的一个范例,并且移动终端800可以具有比图中所示出的更多的或者更少的部件,可以组合两个或更多的部件,或者可以具有不同的部件配置。图中所示出的各种部件可以在包括一个或多个信号处理和/或专用集成电路在内的硬件、软件、或硬件和软件的组合中实现。
下面就本实施例提供的集成有拍照装置的终端进行详细的描述,该终端以手机为例。
存储器801,所述存储器801可以被CPU802、外设接口803等访问,所述存储器801可以包括高速随机存取存储器,还可以包括非易失性存储器,例如一个或多个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
外设接口803,所述外设接口803可以将设备的输入和输出外设连接到CPU802和存储器801。
I/O子系统809,所述I/O子系统809可以将设备上的输入输出外设,例如触控显示屏812和其他输入/控制设备810,连接到外设接口803。I/O子系统809可以包括显示控制器8091和用于控制其他输入/控制设备810的一个或多个输入控制器8092。其中,一个或多个输入控制器8092从其他输入/控制设备810接收电信号或者向其他输入/控制设备810发送电信号,其他输入/控制设备810可以包括物理按钮(按压按钮、摇臂按钮等)、拨号盘、滑动开关、操纵杆、点击滚轮。值得说明的是,输入控制器8092可以与以下任一个连接:键盘、红外端口、USB接口以及诸如鼠标的指示设备。
触控显示屏812,所述触控显示屏812是用户终端与用户之间的输入接口和输出接口,将可视输出显示给用户,可视输出可以包括图形、文本、图标、视频等。
I/O子系统809中的显示控制器8091从触控显示屏812接收电信号或者向触控显示屏812发送电信号。触控显示屏812检测触控显示屏上的接触,显示控制器8091将检测到的接触转换为与显示在触控显示屏812上的用户界面对象的交互,即实现人机交互,显示在触控显示屏812上的用户界面对象可以是运行游戏的图标、联网到相应网络的图标等。值得说明的是,设备还可以包括光鼠,光鼠是不显示可视输出的触摸敏感表面,或者是由触控显示屏形成的触摸敏感表面的延伸。
RF电路805,主要用于建立手机与无线网络(即网络侧)的通信,实现手机与无线网络的数据接收和发送。例如收发短信息、电子邮件等。具体地,RF电路805接收并发送RF信号,RF信号也称为电磁信号,RF电路805将电信号转换为电磁信号或将电磁信号转换为电信号,并且通过该电磁信号与通信网络以及其他设备进行通信。RF电路805可以包括用于执行这些功能的已知电路,其包括但不限于天线系统、RF收发机、一个或多个放大器、调谐器、一个或多个振荡器、数字信号处理器、CODEC(COder-DECoder,编译码器)芯片组、用户标识模块(Subscriber Identity Module,SIM)等等。
音频电路806,主要用于从外设接口803接收音频数据,将该音频数据转换为电信号,并且将该电信号发送给扬声器811。
扬声器811,用于将手机通过RF电路805从无线网络接收的语音信号,还原为声音并向用户播放该声音。
电源管理芯片808,用于为CPU802、I/O子系统及外设接口所连接的硬件进行供电及电源管理。
本实施例中提供的终端,通过将获取的拍摄预览图片输入行人检测模型,以标记出拍摄预览图片中的行人信息,再滤除拍摄预览图片中的行人信息,形成目标拍摄图片,避免了拍摄图片上存在行人图像影响拍照效果的情况,优化了移动终端的拍照功能,能够在拍照过程中直接滤除行人图像,保留干净图片,同时节省了用户后期对图片中的行人进行滤除处理的过程。
上述装置可执行本申请前述所有实施例所提供的拍照装置、存储介质及移动终端,具备执行上述拍照方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本申请前述所有实施例所提供的拍照方法。
本申请实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请操作的计算机程序代码,程序设计语言包括面向对象的程序设计语言—诸如Java、步骤malltalk、C++,还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
上述装置可执行本申请前述所有实施例所提供的方法,具备执行上述方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本申请前述所有实施例所提供的方法。
注意,上述仅为本申请的较佳实施例及所运用技术原理。本领域技术人员会理解,本申请不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本申请的保护范围。因此,虽然通过以上实施例对本申请进行了较为详细的说明,但是本申请不仅仅限于以上实施例,在不脱离本申请构思的情况下,还可以包括更多其他等效实施例,而本申请的范围由所附的权利要求范围决定。
Claims (11)
1.一种拍照方法,其特征在于,包括:
获取拍摄预览图片;
将所述拍摄预览图片输入行人检测模型,以标记所述拍摄预览图片中的行人信息,其中,所述行人检测模型为根据图片样本集训练的模型;
根据所述行人信息滤除所述拍摄预设图片中的行人图像,以形成目标拍摄图片。
2.根据权利要求1所述的方法,其特征在于,将所述拍摄预览图片输入行人检测模型之前,还包括:
获取网络平台图片库中的网络拍摄图片;
对所述网络拍摄图片中的行人信息进行标记;
将标记行人信息的网络拍摄图片作为第一样本图片存储至图片样本集;
根据所述图片样本集,基于设定机器学习算法对行人检测模型进行训练。
3.根据权利要求1所述的方法,其特征在于,将所述拍摄预览图片输入行人检测模型之前,还包括:
获取移动终端图片库中的用户拍摄图片;
对所述用户拍摄图片进行人脸识别,以确定行人信息;
对所述用户拍摄图片中的行人信息进行标记;
将标记行人信息的用户拍摄图片作为第二样本图片存储至图片样本集;
根据所述图片样本集,基于设定机器学习算法对行人检测模型进行训练。
4.根据权利要求1所述的方法,其特征在于,所述根据所述行人信息滤除所述拍摄预设图片中的行人图像,包括:
获取备用图片;
将所述备用图片与所述拍摄预览图片进行合成,根据所述行人信息滤除所述拍摄预设图片中的行人图像。
5.根据权利要求4所述的方法,其特征在于,若所述备用图片为移动终端摄像头采集的备用预览图片,则将所述备用图片与所述拍摄预览图片进行合成,以根据所述行人信息滤除所述拍摄预设图片中的行人图像,包括:
在所述备用预览图片中,确定与所述拍摄预览图片的行人信息相对应的第一背景图;
将所述第一背景图替换所述拍摄预览图片中与行人信息相对应的图片,以根据所述行人信息滤除所述拍摄预设图片中的行人图像。
6.根据权利要求4所述的方法,其特征在于,若所述备用图片为其他移动终端发布的公开图片,则将所述备用图片与所述拍摄预览图片进行合成,以根据所述行人信息滤除所述拍摄预设图片中的行人图像,包括:
获取定位信息相同的其他移动终端社交平台内发布的公开图片;
根据所述公开图片,确定与所述拍摄预览图片的行人信息相对应的第二背景图;
将所述第二背景图替换所述拍摄预览图片中与行人信息相对应的图片,根据所述行人信息滤除所述拍摄预设图片中的行人图像。
7.根据权利要求1-6中任一所述的方法,其特征在于,在获取拍摄预览图片之前,还包括:
若所述移动终端满足预设拍摄条件,则获取拍摄预览图片;
其中,所述预设拍摄条件为所述移动终端在当前位置的停留时长超过预设时长,且所述移动终端接收到用户拍摄语音指令。
8.根据权利要求1-6中任一所述的方法,其特征在于,标记所述拍摄预览图片中的行人信息,包括:
确定行人在所述拍摄预览图片中的位置区域;
基于所述位置区域,突出显示行人的轮廓,以获得所述行人信息。
9.一种拍照装置,其特征在于,包括:
图片获取模块,用于获取拍摄预览图片;
行人信息标记模块,用于将所述拍摄预览图片输入行人检测模型,以标记所述拍摄预览图片中的行人信息,其中,所述行人检测模型为根据图片样本集训练的模型;
目标拍摄图片形成模块,用于根据所述行人信息滤除所述拍摄预设图片中的行人图像,以形成目标拍摄图片。
10.一种终端,包括第一存储器、第一处理器及存储在所述第一存储器上并可在所述第一处理器上运行的计算机程序,其特征在于,所述第一处理器执行所述计算机程序时实现如权利要求1-8中任一所述的拍照方法。
11.一种存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-8中任一所述的拍照方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711043150.0A CN107844765A (zh) | 2017-10-31 | 2017-10-31 | 拍照方法、装置、终端及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711043150.0A CN107844765A (zh) | 2017-10-31 | 2017-10-31 | 拍照方法、装置、终端及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107844765A true CN107844765A (zh) | 2018-03-27 |
Family
ID=61682065
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711043150.0A Pending CN107844765A (zh) | 2017-10-31 | 2017-10-31 | 拍照方法、装置、终端及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107844765A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109002787A (zh) * | 2018-07-09 | 2018-12-14 | Oppo广东移动通信有限公司 | 图像处理方法和装置、存储介质、电子设备 |
CN109040604A (zh) * | 2018-10-23 | 2018-12-18 | Oppo广东移动通信有限公司 | 拍摄图像的处理方法、装置、存储介质及移动终端 |
CN109697703A (zh) * | 2018-11-22 | 2019-04-30 | 深圳艺达文化传媒有限公司 | 视频的背景叠加方法及相关产品 |
CN112422828A (zh) * | 2020-11-17 | 2021-02-26 | 维沃移动通信有限公司 | 图像处理方法、图像处理装置、电子设备和可读存储介质 |
WO2022206679A1 (zh) * | 2021-03-29 | 2022-10-06 | 影石创新科技股份有限公司 | 图像处理方法、装置、计算机设备和存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101938604A (zh) * | 2009-07-02 | 2011-01-05 | 联想(北京)有限公司 | 一种图像处理方法及照相机 |
CN103617426A (zh) * | 2013-12-04 | 2014-03-05 | 东北大学 | 一种自然环境干扰和有遮挡时的行人目标检测方法 |
CN107077600A (zh) * | 2014-09-19 | 2017-08-18 | 奔德士商用车系统有限责任公司 | 用于3d对象再现的拼接图像的高级混合 |
CN107154046A (zh) * | 2017-04-06 | 2017-09-12 | 南京邮电大学 | 一种视频背景处理和隐私保护的方法 |
-
2017
- 2017-10-31 CN CN201711043150.0A patent/CN107844765A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101938604A (zh) * | 2009-07-02 | 2011-01-05 | 联想(北京)有限公司 | 一种图像处理方法及照相机 |
CN103617426A (zh) * | 2013-12-04 | 2014-03-05 | 东北大学 | 一种自然环境干扰和有遮挡时的行人目标检测方法 |
CN107077600A (zh) * | 2014-09-19 | 2017-08-18 | 奔德士商用车系统有限责任公司 | 用于3d对象再现的拼接图像的高级混合 |
CN107154046A (zh) * | 2017-04-06 | 2017-09-12 | 南京邮电大学 | 一种视频背景处理和隐私保护的方法 |
Non-Patent Citations (1)
Title |
---|
王若辰: "基于深度学习的目标检测与分割算法研究", 《中国优秀硕士论文学位论文全文数据库》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109002787A (zh) * | 2018-07-09 | 2018-12-14 | Oppo广东移动通信有限公司 | 图像处理方法和装置、存储介质、电子设备 |
CN109002787B (zh) * | 2018-07-09 | 2021-02-23 | Oppo广东移动通信有限公司 | 图像处理方法和装置、存储介质、电子设备 |
CN109040604A (zh) * | 2018-10-23 | 2018-12-18 | Oppo广东移动通信有限公司 | 拍摄图像的处理方法、装置、存储介质及移动终端 |
CN109040604B (zh) * | 2018-10-23 | 2020-09-15 | Oppo广东移动通信有限公司 | 拍摄图像的处理方法、装置、存储介质及移动终端 |
CN109697703A (zh) * | 2018-11-22 | 2019-04-30 | 深圳艺达文化传媒有限公司 | 视频的背景叠加方法及相关产品 |
CN112422828A (zh) * | 2020-11-17 | 2021-02-26 | 维沃移动通信有限公司 | 图像处理方法、图像处理装置、电子设备和可读存储介质 |
WO2022206679A1 (zh) * | 2021-03-29 | 2022-10-06 | 影石创新科技股份有限公司 | 图像处理方法、装置、计算机设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107844765A (zh) | 拍照方法、装置、终端及存储介质 | |
CN105025173B (zh) | 移动计算设备上的自知简档切换 | |
CN104902086B (zh) | 闹钟响铃方法及装置 | |
CN107622518B (zh) | 图片合成方法、装置、设备及存储介质 | |
CN104735548B (zh) | 事件提示方法和装置 | |
CN104281847B (zh) | 一种点读方法、装置及设备 | |
CN110286976A (zh) | 界面显示方法、装置、终端及存储介质 | |
CN109348135A (zh) | 拍照方法、装置、存储介质及终端设备 | |
CN107193983A (zh) | 图像搜索方法及装置 | |
CN107909629A (zh) | 贴纸的推荐方法、装置、存储介质及终端设备 | |
CN109660728B (zh) | 一种拍照方法及装置 | |
WO2020207413A1 (zh) | 一种内容推送方法、装置与设备 | |
CN107729946A (zh) | 图片分类方法、装置、终端及存储介质 | |
CN105512220B (zh) | 图像页面输出方法及装置 | |
CN107977928A (zh) | 表情生成方法、装置、终端及存储介质 | |
CN110147467A (zh) | 一种文本描述的生成方法、装置、移动终端及存储介质 | |
CN108334651A (zh) | 收集用户端数据实现预设需求的方法、装置及存储介质 | |
CN108494996B (zh) | 图像处理方法、装置、存储介质及移动终端 | |
CN107133354A (zh) | 图像描述信息的获取方法及装置 | |
US20190377755A1 (en) | Device for Mood Feature Extraction and Method of the Same | |
CN106095465A (zh) | 设置身份图像的方法及装置 | |
WO2019206316A1 (zh) | 一种拍照方法和终端设备 | |
CN108683845B (zh) | 图像处理方法、装置、存储介质及移动终端 | |
CN104239388A (zh) | 媒体文件管理方法及系统 | |
CN110442879A (zh) | 一种内容翻译的方法和终端 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180327 |
|
RJ01 | Rejection of invention patent application after publication |