CN109271899A - 一种提高Ai智慧摄影场景识别准确率的实现方法 - Google Patents
一种提高Ai智慧摄影场景识别准确率的实现方法 Download PDFInfo
- Publication number
- CN109271899A CN109271899A CN201811012070.3A CN201811012070A CN109271899A CN 109271899 A CN109271899 A CN 109271899A CN 201811012070 A CN201811012070 A CN 201811012070A CN 109271899 A CN109271899 A CN 109271899A
- Authority
- CN
- China
- Prior art keywords
- scene
- wisdom
- data
- scene type
- type
- 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.)
- Withdrawn
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/35—Categorising the entire scene, e.g. birthday party or wedding scene
- G06V20/38—Outdoor scenes
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Studio Devices (AREA)
Abstract
本发明公开了一种提高Ai智慧摄影中场景识别准确率的实现方法,能够解决手机在自动场景识别中出现的识别失败和识别失误的技术问题,为手机智慧摄影提供准确的场景信息和影像优化实施目标。本发明的主要用途在于,借助【外围条件】场景数据库,可以对那些通过画面特征分析识别出来的场景进行筛选、鉴定,实时地剔除不符合当前拍摄实际的场景类型,验证自动场景识别的准确性,同时还能在画面特征识别失败时及时提供场景类型候补选项供,通过人机交互,修补场景识别数据库,自我学习提高智慧场景综合识别能力,逐步建立起完整的“画面特征识别+外围条件鉴别”的综合场景识别数据模型,最终实现模拟摄影师一样“看场景、识场景”的Ai智慧拍摄技能。
Description
技术领域
本发明涉及手机AI智慧拍摄领域,特别是涉及一种提高Ai智慧摄影场景识别准确率的实现方法。
背景技术
目前的手机智慧拍照已经进入模拟摄影师经验和构思拍摄的初级阶段,通过分析和比对被摄物体画面的形状、线条、轮廓以及色彩、明暗、反差、虚实等图像特征,实现了智能的场景自动识别,为下一步的Ai场景优化拍摄提供了具体明确的应对模型和应用对象。
但现实拍摄实践中,不同场景存在相近似画面特征的可能,使得这种主要依靠画面特征分析和比对的场景自动识别结果存在较大的失误概率,有时甚至是张冠李戴,识别出和实际取景画面完全无关的场景结果;这样造成的直接后果是,拍摄系统会给取景画面施加错误的影像优化策略,渲染不相适应的画面影调风格,导致最终的拍摄画面效果不为拍摄者所愿,甚至适得其反,造成最终的拍摄失败。
另外,由于受现场光照环境、取景视野以及天气状况等外围因素的影响,同时也受限于目前种类有限的【画面特征】场景数据库,仅仅通过画面特征识别机能还经常会出现场景识别失败,无法确认当前拍摄的是什么场景,也就无法继续实施后续的Ai场景优化。
所以,如何提高手机智慧场景识别能力,提高场景识别的准确率,决定了手机能否深度模拟摄影师拍摄技法、真正实现Ai智慧摄影的前提和关键所在。
发明内容
本发明主要解决的技术问题是提供一种提高Ai智慧摄影场景识别准确率的实现方法,减少甚至杜绝手机在自动场景识别中出现的识别失败和识别失误的问题,为手机智慧摄影提供准确的拍摄场景信息和影像优化实施目标。
为解决上述技术问题,本发明采用的一个技术方案是:一种提高Ai智慧摄影场景识别准确率的实现方法,通过对当前手机拍摄所处的地理位置、日期时间、风俗节日、季节气候、天气状况、温度湿度、海拔气压、拍摄方位、拍摄视角、移动速度、环境声源等外围条件的数据测定,从【外围条件】场景数据库中获取当前拍摄可能存在的场景类型数据,再与通过取景画面特征分析比对所获取的场景类型数据进行匹配运算,筛选出最符合当前拍摄场合和客观现实的场景类型。
本发明的有效效果是:借助【外围条件】场景数据库,可以对那些通过画面特征分析识别出来的场景进行筛选、鉴定,实时地剔除不符合当前拍摄实际的场景类型,验证自动场景识别的准确性,同时还能在画面特征识别失败时及时提供场景类型候补选项,通过人机交互,修补场景识别数据库,自我学习提高智慧场景综合识别能力,逐步建立起完整的“画面特征识别+外围条件鉴别”的综合场景识别数据模型,最终实现模拟摄影师一样“看场景、识场景”的Ai智慧拍摄技能。
附图说明
图1 是本发明一种提高Ai智慧摄影场景识别准确率的实现方法较佳实施例的流程示意图;
图2是本发明一种提高Ai智慧摄影场景识别准确率的实现方法在一个风光拍摄中准确识别场景类型的具体实施例示意图;
图3是一种提高Ai智慧摄影中场景识别准确率的实现方法在遭遇场景识别无效或失误时所采取的应对策略和自我学习完善的流程示意图;
图4是一种提高Ai智慧摄影中场景识别准确率的实现方法中有关实施外围条件数据读取所可能涉及到的项目列表示意图;
具体实施方式
下面结合附图对本发明的较佳实施例进行详细阐述,以使本发明的优点和特征能更易于被本领域技术人员理解,从而对本发明的保护范围做出更为清楚明确的界定。
请参阅图1,本发明实施例包括一种提高Ai智慧摄影中场景识别准确率的实现方法,能够解决手机在自动场景识别中出现的识别失败和识别失误的技术问题,为手机智慧摄影提供准确的场景信息和影像优化实施目标;通过当前手机拍摄所处的地理位置、日期时间、风俗节日、季节气候、天气状况、温度湿度、海拔气压、拍摄方位、拍摄视角、移动速度、环境声源等外围条件的数据测定,从【外围条件】场景数据库中获取当前拍摄可能存在的场景类型数据,再与通过取景画面特征分析比对所获取的场景数据结果进行匹配运算,筛选出最符合当前拍摄场合和客观现实的场景类型。
具体的实施方式如下:
步骤1,在开启Ai智慧场景识别功能后,拍摄系统自动开始对取景视野内的画面特征进行分析比对,获得初步的场景类型识别结果A;
步骤2,在开启Ai智慧场景识别功能后,拍摄系统同时开始对当前实时外围条件数据进行测定读取,通过与【外围条件】场景数据库中对应项目的数据匹配筛选,获得此时此刻此地此景拍摄可能存在的一组场景类型【组1】;
步骤3,判断初步场景识别结果A与可能存在的场景类型组【组1】之间的从属关系,如果A属于【组1】,则可以确定A为当前最终场景识别结果,如果A不属于【组1】,则需要返回步骤1重新进行画面特征分析比对,获取新的场景类型识别结果;
步骤4,如果在步骤1中获取到的是几种场景类型A,B,C…,则从A,B,C…中选择属于【组1】的场景类型,作为最终的场景识别结果,这个场景识别结果可以是一个单一的场景类型,也可以是包含多个场景的、描述更为准确的多重场景类型;
步骤5,如果在步骤1中获得的几种场景类型A,B,C…都不属于【组1】的场景类型,则需要返回步骤1重新进行画面特征分析比对,获取新的场景类型识别结果。
请参阅图2,本发明在一个风光拍摄中准确识别场景类型的具体实施方式:
步骤1,通过画面特征识别,获得当前取景的画面可能是蓝天、沙滩、沙漠、山脉四种场景;
步骤2,通过对实时的地理位置读取,获知当前拍摄所在的地点是甘肃敦煌月牙泉景区,数据库中关于这个景区内拍摄概率最高的场景对象包括蓝天、沙漠、骆驼、柳树、湖水、古建筑等;
步骤3.通过对画面特征识别场景和地理位置识别场景的匹配运算,最终筛选确认当前的拍摄场景类型是【蓝天+沙漠】。
请参阅图3,本发明在Ai智慧场景识别无效、失误时所采取的应对策略和自我学习完善过程,具体实施方式如下:
步骤1,在开启Ai智慧场景识别功能后,拍摄系统自动开始对取景视野内的画面特征进行分析比对,但由于当前画面特征与数据库特征数据未能匹配,初级场景类型识别失败;
步骤2,在开启Ai智慧场景识别功能后,拍摄系统同时开始对当前实时外围条件的数据读取,通过与【外围条件】场景数据库中对应项目的数据匹配筛选,获得此时此刻此地此景的拍摄可能存在的一组场景类型【组1】;
步骤3,由于步骤1中初级场景识别失败,系统自动将【组1】中具体的场景类型A,B,C…推送至拍摄界面;
步骤4,人机互动,从推送的场景类型A,B,C…中筛选最符合当前拍摄画面实际的场景类型作为本次的场景识别结果,这一个结果可以是单一的场景类型,也可以是多重场景类型;
步骤5,同时系统将人工确认的场景识别结果结合当前的画面特征分析数据,组合成一组新的【画面特征】识别数据,添加到【画面特征】场景数据库中;
步骤6,如果在步骤1中识别出的初步场景类型A,被系统判别为不属于当前可能存在的场景类型【组1】,但人工判定场景类型A是当前正确的场景类型,则场景类型A被确认为本次拍摄的最终场景识别结果;
步骤7,系统自动将场景类型A与当前的外围条件综合数据组合成一组新的【外围条件】识别数据,添加到【外围条件】场景数据库中;
步骤8,如果在步骤1中识别出的初步场景类型A,被系统判别为属于当前可能存在的场景类型【组1】,但人工判定场景类型A不是当前正确的场景类型,则人工指定正确的场景类型B作为本次拍摄的最终场景类型;
步骤9,系统自动将场景类型B与当前的画面特征分析数据组合成一组新的【画面特征】识别数据,替换【画面特征】场景数据库中相对应的旧数据;
步骤10,同时系统自动将场景类型B与当前的外围条件综合数据组合成一组新的【外围条件】识别数据,替换【外围条件】场景数据库中相对应的旧数据。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (9)
1.一种提高Ai智慧摄影场景识别准确率的实现方法,其特征在于,包括以下几个主要处理环节:
1.1组建外围条件和具体场景类型相对应的【外围条件】场景数据库;
1.2测定当前手机拍摄所处的外围条件的实时数据;
1.3从【外围条件】场景数据库中获取当前外围条件数据对应的场景类型,作为当前拍摄可能存在的场景类型数据;
1.4与取景画面特征分析比对所获取的场景类型数据进行匹配运算,筛选出最符合当前拍摄场合和客观现实的场景类型;
1.5在【画面特征】场景识别结果失效时,【外围条件】场景识别机能提供候补的人机交互场景类型选项,并将正确的场景类型补充到【画面特征】场景数据库;
1.6在最终场景识别结果出现失误时,系统提供人机交互场景类型选项进行修正确认,并将正确的场景类型数据分别覆盖到【画面特征】场景数据库和【外围条件】场景数据库中对应的失误数据。
2.根据权利要求1所述的一种提高Ai智慧摄影场景识别准确率的实现方法,其特征在于:1.1外围条件包括但不仅限于地理位置、日期时间、风俗节日、季节气候、天气状况、温度湿度、海拔气压、拍摄方位、拍摄视角、移动速度、环境声源等。
3.根据权利要求1所述的一种提高Ai智慧摄影场景识别准确率的实现方法,其特征在于:1.2外围条件的测定和数据读取可以通过手机的定位系统、日期日历和时间系统、实时的天气预报系统、内置或外置的各类方位、声音、温度、湿度等传感器、外挂的智能手环传感等,获得地理位置、日期时间、风俗节日、季节气候、天气状况、温度湿度、海拔气压、拍摄方位、拍摄视角、移动速度、环境声源等各方面的实时数据。
4.根据权利要求1所述的一种提高Ai智慧摄影场景识别准确率的实现方法,其特征在于:1.3由多项外围条件各自对应的场景类型进行匹配运算后确认的当前拍摄可能存在的场景类型可以是一个单一的场景类型,也可以是多个场景类型的组合。
5.根据权利要求1所述的一种提高Ai智慧摄影场景识别准确率的实现方法,其特征在于:1.4与取景画面特征分析比对所获取的场景类型数据进行匹配运算后确定的最终的场景识别结果可以是一个单一的场景类型,也可以是包含多个场景的、描述更为准确的多重场景类型。
6.根据权利要求1所述的一种提高Ai智慧摄影场景识别准确率的实现方法,其特征在于:1.5【外围条件】场景识别机能提供的候补场景类型选项来源于通过【外围条件】场景识别所获得的当前拍摄可能存在的场景类型,在通过人工筛选确认后,作为当前拍摄的最终场景识别结果,同时与当前获得的画面特征数据一起,写入【画面特征】场景数据库。
7.根据权利要求1所述的一种提高Ai智慧摄影场景识别准确率的实现方法,其特征在于:1.6当【画面特征】场景识别正确而【外围条件】场景识别判断它为不正确时,人工介入指定此场景类型作为当前拍摄的最终场景类型,系统将此场景类型汇同当前外围条件数据写入【外围条件】场景数据库。
8.根据权利要求1所述的一种提高Ai智慧摄影场景识别准确率的实现方法,其特征在于:1.6当【画面特征】场景识别不正确而【外围条件】场景识别判断它为正确时,人工介入指定新的正确的场景类型作为当前拍摄的最终场景类型,并将此新的正确的场景类型汇同当前的画面特征数据覆盖到【画面特征】场景数据库中对应的旧数据,同时还将此新的正确的场景类型汇同当前的外围条件数据写入【外围条件】场景数据库。
9.根据权利要求1所述的一种提高Ai智慧摄影场景识别准确率的实现方法,其特征在于:【画面特征】场景数据库和【外围条件】场景数据库可以采用现场识别现场修补的方式进行实时的自我更新,也可以通过人工的数据采集、数据输入进行后台数据库的更新。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811012070.3A CN109271899A (zh) | 2018-08-31 | 2018-08-31 | 一种提高Ai智慧摄影场景识别准确率的实现方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811012070.3A CN109271899A (zh) | 2018-08-31 | 2018-08-31 | 一种提高Ai智慧摄影场景识别准确率的实现方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109271899A true CN109271899A (zh) | 2019-01-25 |
Family
ID=65155134
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811012070.3A Withdrawn CN109271899A (zh) | 2018-08-31 | 2018-08-31 | 一种提高Ai智慧摄影场景识别准确率的实现方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109271899A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111775890A (zh) * | 2020-05-29 | 2020-10-16 | 恒大新能源汽车投资控股集团有限公司 | 车窗玻璃的遮挡检测方法、装置和系统以及存储介质 |
WO2020238775A1 (zh) * | 2019-05-28 | 2020-12-03 | 华为技术有限公司 | 一种场景识别方法、一种场景识别装置及一种电子设备 |
CN112906819A (zh) * | 2021-03-17 | 2021-06-04 | 北京太火红鸟科技有限公司 | 图像识别方法、装置、设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103563351A (zh) * | 2011-05-31 | 2014-02-05 | 富士胶片株式会社 | 拍摄装置及程序 |
CN104679876A (zh) * | 2015-03-11 | 2015-06-03 | 百度在线网络技术(北京)有限公司 | 照片拍摄策略推荐装置及方法 |
CN105354252A (zh) * | 2015-10-19 | 2016-02-24 | 联想(北京)有限公司 | 一种信息处理方法和装置 |
CN107426489A (zh) * | 2017-05-05 | 2017-12-01 | 北京小米移动软件有限公司 | 拍摄图像时的处理方法、装置及终端 |
CN107835364A (zh) * | 2017-10-30 | 2018-03-23 | 维沃移动通信有限公司 | 一种拍照辅助方法及移动终端 |
-
2018
- 2018-08-31 CN CN201811012070.3A patent/CN109271899A/zh not_active Withdrawn
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103563351A (zh) * | 2011-05-31 | 2014-02-05 | 富士胶片株式会社 | 拍摄装置及程序 |
CN104679876A (zh) * | 2015-03-11 | 2015-06-03 | 百度在线网络技术(北京)有限公司 | 照片拍摄策略推荐装置及方法 |
CN105354252A (zh) * | 2015-10-19 | 2016-02-24 | 联想(北京)有限公司 | 一种信息处理方法和装置 |
CN107426489A (zh) * | 2017-05-05 | 2017-12-01 | 北京小米移动软件有限公司 | 拍摄图像时的处理方法、装置及终端 |
CN107835364A (zh) * | 2017-10-30 | 2018-03-23 | 维沃移动通信有限公司 | 一种拍照辅助方法及移动终端 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020238775A1 (zh) * | 2019-05-28 | 2020-12-03 | 华为技术有限公司 | 一种场景识别方法、一种场景识别装置及一种电子设备 |
CN111775890A (zh) * | 2020-05-29 | 2020-10-16 | 恒大新能源汽车投资控股集团有限公司 | 车窗玻璃的遮挡检测方法、装置和系统以及存储介质 |
CN112906819A (zh) * | 2021-03-17 | 2021-06-04 | 北京太火红鸟科技有限公司 | 图像识别方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109214399B (zh) | 一种嵌入SENet结构的改进YOLOV3目标识别方法 | |
CN107239790A (zh) | 一种基于深度学习的服务机器人目标检测与定位方法 | |
CN109271899A (zh) | 一种提高Ai智慧摄影场景识别准确率的实现方法 | |
CN113822247B (zh) | 基于航拍影像的违章建筑识别方法及系统 | |
CN106408527A (zh) | 一种基于视频分析的自动报靶方法 | |
CN109767423A (zh) | 一种沥青路面图像的裂缝检测方法 | |
CN105516654A (zh) | 一种基于场景结构分析的城市监控视频融合方法 | |
CN109614871B (zh) | 一种光伏屋顶及光伏障碍物自动识别方法 | |
CN110493517A (zh) | 图像捕获装置的辅助拍摄方法和图像捕获装置 | |
CN110033499B (zh) | 一种基于Landsat OLI影像水体制图法 | |
CN114331031B (zh) | 一种建筑传统特征识别评价方法和系统 | |
CN105447868A (zh) | 一种微小型无人机航拍数据的自动检查方法 | |
WO2016192552A1 (zh) | 一种基于网络图片的建成环境景观特征识别方法 | |
CN116188703B (zh) | 一种基于bim的建筑工程可视化管理系统 | |
CN113743358B (zh) | 一种全方位采集和智能计算的景观视觉特征识别方法 | |
CN112766417A (zh) | 一种利用现场照片识别目标地块土地利用现状地类的方法及系统 | |
CN115512247A (zh) | 基于图像多参数提取的区域建筑损伤等级评定方法 | |
CN104182972B (zh) | 一种野外用复杂光照下的实弹射击自动报靶系统及方法 | |
CN108932474A (zh) | 一种基于全卷积神经网络复合特征的遥感影像云判方法 | |
CN109523509A (zh) | 小麦抽穗期的检测方法、装置及电子设备 | |
CN113610009A (zh) | 一种洪涝灾害无人机影像信息提取系统 | |
CN116597150B (zh) | 基于深度学习的倾斜摄影模型全要素单体化方法及装置 | |
CN117788790A (zh) | 面向通用场景的物料安装检测方法、系统、设备及介质 | |
CN116309652A (zh) | 一种基于伪装迷彩喷绘图谱的分析评估方法及系统 | |
CN110414792A (zh) | 基于bim和大数据的部品集采管理系统及相关产品 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20190125 |
|
WW01 | Invention patent application withdrawn after publication |