CN109272444A - 一种改善Ai智慧摄影场景优化策略的实现方法 - Google Patents
一种改善Ai智慧摄影场景优化策略的实现方法 Download PDFInfo
- Publication number
- CN109272444A CN109272444A CN201811164877.9A CN201811164877A CN109272444A CN 109272444 A CN109272444 A CN 109272444A CN 201811164877 A CN201811164877 A CN 201811164877A CN 109272444 A CN109272444 A CN 109272444A
- Authority
- CN
- China
- Prior art keywords
- scene
- main body
- optimization
- picture
- wisdom
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000005457 optimization Methods 0.000 claims abstract description 73
- 230000000007 visual effect Effects 0.000 claims abstract description 11
- 230000000694 effects Effects 0.000 claims abstract description 6
- 238000003384 imaging method Methods 0.000 claims description 16
- 239000002131 composite material Substances 0.000 claims description 15
- 238000005286 illumination Methods 0.000 claims description 14
- 238000011835 investigation Methods 0.000 claims description 7
- 238000005259 measurement Methods 0.000 claims description 6
- 230000004927 fusion Effects 0.000 claims description 5
- 230000002708 enhancing effect Effects 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 2
- 230000007246 mechanism Effects 0.000 claims description 2
- 230000002045 lasting effect Effects 0.000 claims 5
- 238000013499 data model Methods 0.000 claims 2
- 239000000203 mixture Substances 0.000 claims 2
- 238000012544 monitoring process Methods 0.000 claims 2
- 238000001228 spectrum Methods 0.000 claims 2
- 235000013399 edible fruits Nutrition 0.000 claims 1
- 230000001815 facial effect Effects 0.000 claims 1
- 230000000630 rising effect Effects 0.000 claims 1
- 230000001052 transient effect Effects 0.000 claims 1
- 230000006872 improvement Effects 0.000 abstract description 5
- 238000012913 prioritisation Methods 0.000 abstract description 4
- 230000009977 dual effect Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000009877 rendering Methods 0.000 description 3
- 238000012805 post-processing Methods 0.000 description 2
- 150000001875 compounds Chemical class 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000002845 discoloration Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000000465 moulding Methods 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000007711 solidification Methods 0.000 description 1
- 230000008023 solidification Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/04—Context-preserving transformations, e.g. by using an importance map
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/70—Circuitry for compensating brightness variation in the scene
- H04N23/73—Circuitry for compensating brightness variation in the scene by influencing the exposure time
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Studio Devices (AREA)
Abstract
本发明公开了一种改善Ai智慧摄影场景优化策略的实现方法，能够最大程度地减少手机在自动场景优化中出现的失误，提高手机拍出好照片的成功率，为手机智慧摄影提供实时准确的拍摄技法和视觉优化方案。本发明的主要用途在于，通过将【主体识别】从【场景识别】中分离出来单独进行主体优化的方式，可以确保被摄主体的拍摄效果和视觉效果不受外围人为的场景优化因素的干扰，突出被摄主体在摄影画面中的独立性和真实性；同时将场景识别由原有的单一模式修正为多个组成部分的多重场景识别模式，可以获得更加准确的取景画面实际场景描述，以便于实施更加精准有效的组合场景优化效果；基于这种主体优化和场景优化的双重策略，最终实现能模拟摄影师一样去运用实拍经验和后期技巧的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，特别是涉及一种改善Ai智慧摄影场景优化策略的实现方法。
背景技术
现在的手机已经开始了Ai智慧摄影的场景优化初始阶段，可以根据从取景画面中识别出来的场景类型，自动施加相对应的画面特效渲染和影像优化策略，使得最终的拍摄画面看起来更迎合我们的期望。
但目前的场景优化基本上还处于一个“单一场景识别+单一优化策略”的模式，只能对整个画面施加一个整体的视觉效果。
而这样一个整体的视觉效果渲染，对于一个具有多重场景类型组合的取景画面来说，就会很容易造成顾此失彼、优化失策的现象，特别是对画面中的主体部分会产生很不利的影响。比如：识别到天空场景，然后整体添加蓝色，结果空中云彩、飞机等等都变蓝了；再如：识别到沙漠场景，就直接给整幅画面增加饱和度和暖色，结果把沙漠中的主体人物也一起渲染变色，肌肤失真了。
但实际上，对于摄影师来说，面对一个非单一场景类型的拍摄画面，都会考虑采用分区隔离的实拍和后期处理手法，在优先考虑画面主体的前提下，再对各主要组成的场景类型施加相匹配的优化方案。
另外，对于摄影师来说，所谓的场景优化并不仅仅只是停留在视觉特效美化的层面，而是涵盖到被摄主体和被摄场景的瞬间凝固、光影造型、影调画质乃至透视校正等前期拍摄和后期修饰的各个方面，所以，调整和改善目前手机的场景优化策略，使得手机能进一步模拟摄影师的拍摄技法和后期处理技巧，才能实现更广泛意义上的Ai智慧摄影。
发明内容
本发明主要解决的技术问题是提供一种改善Ai智慧摄影场景优化策略的实现方法，能够最大程度地减少手机在自动场景优化中出现的失误，提高手机拍出好照片的成功率，为手机智慧摄影提供实时准确的拍摄技法和视觉优化方案。
为解决上述技术问题，本发明采用的一个技术方案是：提供一种改善Ai智慧摄影场景优化策略的实现方法，通过从当前取景画面中优先进行主体识别并获取主体优化参数的同时，进行多重场景识别并获取场景优化参数，然后将主体优化参数和场景优化参数整合为当前取景画面的整体优化方案，实施最后的拍摄操作。
本发明的有效效果是：通过将【主体识别】从【场景识别】中分离出来单独进行主体优化的方式，可以确保被摄主体的拍摄效果和视觉效果不受外围人为的场景优化因素的干扰，突出被摄主体在摄影画面中的独立性和真实性；同时将场景识别由原有的单一模式修正为多个组成部分的多重场景识别模式，可以获得更加准确的取景画面实际场景描述，以便于实施更加精准有效的组合场景优化效果；基于这种主体优化和场景优化的双重策略，最终实现能模拟摄影师一样去运用实拍经验和后期技巧的Ai智慧拍摄技能。
附图说明
图1是本发明一种改善Ai智慧摄影场景优化策略的实现方法一较佳实施例的流程示意图；
图2是本发明一种改善Ai智慧摄影场景优化策略的实现方法所示的在一个T台上拍摄移动模特时进行单一主体优化的具体实施例示意图；
图3是本发明一种改善Ai智慧摄影场景优化策略的实现方法所示的在一个风光画面拍摄中进行多重组合场景优化的具体实施例示意图；
附图中各部件的标记如下：MK_1、单一主体优化模块；MK_2、复合主体优化模块；MK_3、组合场景优化模块；MK_4、单一场景优化模块；5、取景画面整体融合优化模块；ZT_01、初始T台取景识别画面；ZT_02、持续锁定检测主体模特；ZT_03、没有实施移动主体拍摄优化策略的实拍结果；ZT_04、实施移动主体拍摄优化策略的拍摄结果；CJ_01、包含多重场景的风光取景画面；CJ_02、分区域实施场景优化策略；CJ_03、多重组合场景优化的拍摄结果。
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改善Ai智慧摄影场景优化策略的实现方法，能够最大程度地减少手机在自动场景优化中出现的失误，提高手机拍出好照片的成功率，为手机智慧摄影提供实时准确的拍摄技法和视觉优化方案；通过从当前取景画面中优先进行主体识别并获取主体优化参数的同时，进行多重场景识别并获取场景优化参数，然后将主体优化参数和场景优化参数整合为当前取景画面的整体优化方案，实施最后的拍摄操作。
具体的实施方式如下：
步骤1，在开启Ai智慧场景优化功能后，拍摄系统自动开始对取景视野内的画面进行主体识别和场景识别；
步骤2，在主体识别中，如果检测到画面中存在单一的拍摄主体，则启用MK_1单一主体优化模块；
步骤3，在主体识别中，如果检测到画面中存在多重复合的拍摄主体，在可进一步分解为【绝对主角】和【完全配角】时，将【绝对主角】归入MK_1单一主体优化模块流程，同时将【完全配角】归入场景识别流程；
步骤4，在主体识别中，如果检测到画面中存在多重复合的拍摄主体，并且无法再进行复合主体的分解，则启用MK_2复合主体优化模块；
步骤5，在场景识别中，如果检测到画面中存在单一的拍摄场景，则启用MK_4单一场景优化模块；
步骤6，在场景识别中，如果检测到画面中存在多重组合的拍摄场景，则启用MK_3组合场景优化模块；
步骤7，单一主体优化模块或复合主体优化模块的运作结果，结合主体分布区域定位追踪参数，可创建出主体优化的参数模型；
步骤8，单一场景优化模块或组合场景优化模块的运作结果，结合场景分布区域定位追踪参数，可创建出场景优化的参数模型；
步骤9，在主体优化享有参数优先和视效独立的前提下，通过取景画面整体融合优化模块的运作，将主体优化参数模型和场景优化参数模型进行融合协作，创建取景画面整体融合优化参数模型；
步骤10，执行整体画面优化策略拍摄操作；
步骤11，如果在取景画面只有可优化的主体而无可优化的场景，则执行主体优化策略拍摄操作；
步骤12，如果在取景画面中只有可优化的场景而无可优化的主体，则执行场景优化策略拍摄操作；
步骤13，如果在取景画面中检测不到可优化的主体和场景，则执行系统默认的参数状态拍摄操作。
请参阅图2，本发明在一个T台上拍摄移动模特时进行单一主体优化的具体实施例：
步骤1，通过人脸识别，获取了当前取景画面中的多重复合人物主体；
步骤2，通过场景识别，确定当前是舞台、T台拍摄场景；
步骤3，通过对复合人物主体作进一步动静状态和大小差别的相对分析，区分出处于前景中的正在移动的模特为【绝对主角】，处于背景中观众为【完全配角】（本例中不作具体展开）；
步骤4，对【绝对主角】启动单一主体优化模块，根据成像预测，获得模特的曝光参数为(ISO 100，F1.7，1/30s)，但显然1/30s的快门速度不足以凝固此时正在T台上移动的模特（直接拍摄的将是一个模糊的结果）；
步骤5，对正处于移动中的模特执行动静侦查，启用动态伺服机制，持续对焦并锁定移动主体模特；
步骤6，同时实时测量模特的移动速度，匹配出一个合理的安全快门速度1/100s（同时相应地提高感光度）作为拍摄的曝光参数；
步骤7，再根据光照甄别的光效增强参数、成像预测的画质改善参数和人物类型的特效优化参数，结合主体模特在取景画面中的分布区域参数，最终创建一个主体优化参数模型；
步骤8，利用这个主体优化参数模型执行拍摄，在T台的暗光条件下确保成功拍摄记录下移动走秀的模特的瞬间清晰明快的影像。
请参阅图3，本发明在一个风光画面拍摄中进行多重组合场景优化的具体实施例：
步骤1，对取景画面进行识别，获得无明显独立主体的多重组合场景；
步骤2，分析当前多重组合场景，包含的场景类型有：A【逆光】场景，B【蓝天+白云】场景，C【草原+牧羊】场景；
步骤3，启动组合场景优化模块，进行分区域优化操作：通过光照甄别和类型识别，获取A逆光场景的光效增强和特效优化参数；
步骤4，同时在保证有效成像画质的基础上，分别获取B蓝天白云和C草原牧羊场景类别的特效优化参数；
步骤5，将A、B、C优化参数进行组合协调，特别是B和C的分布区域，在组合协调中需要在交界区域实行互为渐变过渡；
步骤6，创建整个场景画面的优化参数模型；
步骤7，执行场景优化策略拍摄操作。
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 (14)
1.一种改善Ai智慧摄影场景优化策略的实现方法，其特征在于，包括以下几个主要处理环节：
1.1对整个取景画面分别进行【主体识别】和【场景识别】；
1.2在判断存在可优化的主体后，还要确定主体是单一主体还是多重复合主体；
1.3对于单一主体启用单一主体优化模块，对于多重复合主体启用复合主体优化模块；
1.4创建主体优化参数模型；
1.5在判断存在可优化的场景后，还要确定场景是单一场景还是多重组合场景；
1.6对于单一场景启用单一场景优化模块，对于多重组合场景启用组合场景优化模块；
1.7创建场景优化参数模型；
1.8将主体优化参数模型和场景优化参数模型融合协作，创建取景画面整体融合优化参数模型；
1.9执行整体画面优化策略，对取景画面进行拍摄操作。
2.根据权利要求1所述的一种改善Ai智慧摄影场景优化策略的实现方法，其特征在于：1.1一个取景画面可以同时包含主体和场景，也可以只有主体或者只有场景；这个场景并不仅仅是指一个取景画面的前景和背景，而是取景画面中除被摄主体区域以外的其它所有区域的画面元素。
3.根据权利要求1所述的一种改善Ai智慧摄影场景优化策略的实现方法，其特征在于：1.2取景画面中的单一主体，可以是一个个体的主体，也可以是具备相同或相似的运动状态、光照条件、成像素质和类别特性的，可以采用相同的优化参数进行优化的多个不同个体的集合体。
4.根据权利要求1所述的一种改善Ai智慧摄影场景优化策略的实现方法，其特征在于：1.2取景画面中的多重复合主体，是指具备不同的运动状态、光照条件、成像素质或类别特性的一系列画面组成元素，它们在画面中都处于被摄主体的角色，但是需要采用不同的优化参数各自进行优化的一组主体元素的复合体。
5.根据权利要求1所述的一种改善Ai智慧摄影场景优化策略的实现方法，其特征在于：1.3单一主体优化模块主要由【动静侦查】【光照甄别】【成像预测】【类型识别】四大机能组成，在开始持续测定当前主体分布区域的同时，【动静侦查】实现对被摄主体的动静预判、持续对焦、追踪对焦、焦点锁定和移动速度检测，并依此计算出相匹配的、足以凝固住移动主体的瞬间、确保主体影像清晰的安全快门速度；【光照甄别】检测主体所处的光照条件和光照特性，通过主动或被动的闪光补光、HDR、结构光等软硬件方式改善和提升主体的光影视效，制定相对应的光效增强参数；【成像预测】是基于曝光控制、色彩还原、焦点虚实、影调质感和噪点遏制这五个基本成像指标的数据监控和实时修正，来确保被摄主体在现有拍摄条件下达到最佳的成像画质；【类型识别】则是基于精准的场景主体类型识别机制，获取当前被摄主体的真实身份，依此调取相对应的特效优化数据模型，进行诸如人物脸部美颜、人像背景虚化、建筑透视校正等主体视觉效果的美化提升；通过以上【动静侦查】【光照甄别】【成像预测】【类型识别】四大机能的运作，结合主体分布区域的持续测定，获取到一组优化当前单一主体的拍摄调整优化参数。
6.根据权利要求1所述的一种改善Ai智慧摄影场景优化策略的实现方法，其特征在于：1.3复合主体优化模块是将复合体中的每一个个体主体视为一个单一的主体，在持续测定取景画面中每一个主体分布区域的过程中，分区域对每一个个体实施单一主体优化模块，然后将获取的各个个体的拍摄调整优化参数进行复合协调，形成一组当前复合主体的拍摄调整优化参数。
7.根据权利要求1所述的一种改善Ai智慧摄影场景优化策略的实现方法，其特征在于：1.4不论是单一主体的拍摄调整优化参数，还是复合主体的拍摄调整优化参数，都会结合系统同步提供的主体分布区域定位追踪参数，创建出主体优化参数模型。
8.根据权利要求1所述的一种改善Ai智慧摄影场景优化策略的实现方法，其特征在于：1.5取景画面中的单一场景，可以是一个相同类型的场景，也可以是具备相同或相似的运动状态、光照条件、成像素质和类别特性的，可以采用相同优化参数进行优化的不同类型的场景的集合体。
9.根据权利要求1所述的一种改善Ai智慧摄影场景优化策略的实现方法，其特征在于：1.5取景画面中的多重组合场景，是指具备不同的运动状态、光照条件、成像素质或类别特性的场景画面元素，需要采用不同的优化参数各自进行优化的一组场景组合体。
10.根据权利要求1所述的一种改善Ai智慧摄影场景优化策略的实现方法，其特征在于：1.6单一场景优化模块主要由【动静侦查】【光照甄别】【成像预测】【类型识别】四大机能组成，在开始持续测定当前场景画面元素分布区域的同时，【动静侦查】实现对场景元素的动静预判、持续对焦、追踪对焦、焦点锁定和移动速度检测，并依此计算出相匹配的、足以凝固住移动场景元素的瞬间、确保场景影像清晰的安全快门速度；【光照甄别】检测场景所处的光照条件和光照特性，通过主动或被动的闪光补光、HDR、结构光等软硬件方式改善和提升场景的光影视效，制定相对应的光效增强参数；【成像预测】是基于曝光控制、色彩还原、焦点虚实、影调质感和噪点遏制这五个基本成像指标的数据监控和实时修正，来确保场景区域在现有拍摄条件下达到最佳的成像画质；【类型识别】则是基于精准的场景类型识别机制，获取当前被摄场景的真实身份，依此调取相对应的特效优化数据模型，进行场景视觉效果的美化提升；通过以上【动静侦查】【光照甄别】【成像预测】【类型识别】四大机能的运作，结合场景分布区域的持续测定，获取到一组优化当前单一场景的拍摄调整优化参数。
11.根据权利要求1所述的一种改善Ai智慧摄影场景优化策略的实现方法，其特征在于：1.6组合场景优化模块是将组合体中的每一个个体场景视为一个单一的场景，在持续测定取景画面中每一个个体场景的分布区域的过程中，分区域对每一个个体场景实施单一场景优化模块，然后将获取的各个个体的拍摄调整优化参数进行组合协调，形成一组当前组合场景的拍摄调整优化参数。
12.根据权利要求1所述的一种改善Ai智慧摄影场景优化策略的实现方法，其特征在于：1.7不论是单一场景的拍摄调整优化参数，还是组合场景的拍摄调整优化参数，都会结合系统同步提供的场景分布区域定位追踪参数，创建出场景优化参数模型。
13.根据权利要求1所述的一种改善Ai智慧摄影场景优化策略的实现方法，其特征在于：1.8在创建取景画面整体融合优化参数模型的过程中，当主体优化参数与场景优化参数发生冲突或无法同时兼顾时，则优先考虑主体优化参数方案的实施，确保主体在动态瞬间、光影特效、成像画质和视觉美化上享有绝对优先权和视觉效果的主导性。
14.根据权利要求1所述的一种改善Ai智慧摄影场景优化策略的实现方法，其特征在于：1.9当取景画面中只有主体可以优化而无场景可以优化时，则按照主体优化的策略执行拍摄操作；当取景画面中只有场景可以优化而无主体可以优化时，则按照场景优化的策略执行拍摄操作。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811164877.9A CN109272444B9 (zh) | 2018-10-07 | 2018-10-07 | 一种改善Ai智慧摄影场景优化策略的实现方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811164877.9A CN109272444B9 (zh) | 2018-10-07 | 2018-10-07 | 一种改善Ai智慧摄影场景优化策略的实现方法 |
Publications (3)
| Publication Number | Publication Date |
|---|---|
| CN109272444A true CN109272444A (zh) | 2019-01-25 |
| CN109272444B CN109272444B (zh) | 2023-05-02 |
| CN109272444B9 CN109272444B9 (zh) | 2023-06-30 |
Family
ID=65196486
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811164877.9A Active CN109272444B9 (zh) | 2018-10-07 | 2018-10-07 | 一种改善Ai智慧摄影场景优化策略的实现方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109272444B9 (zh) |
Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040036899A1 (en) * | 2002-08-26 | 2004-02-26 | Konica Corporation | Image forming method, image processing apparatus, print producing apparatus and memory medium |
| KR100698845B1 (ko) * | 2005-12-28 | 2007-03-22 | 삼성전자주식회사 | 인물 외형 추출 알고리즘을 이용한 영상 편집 방법 및 그장치 |
| CN101330576A (zh) * | 2007-06-19 | 2008-12-24 | 奥林巴斯映像株式会社 | 图像显示装置和方法以及图像拾取装置、图像再现装置 |
| CN103310190A (zh) * | 2012-05-16 | 2013-09-18 | 清华大学 | 基于异构主动视觉网络的人脸图像样本采集优化方法 |
| CN103312941A (zh) * | 2013-06-19 | 2013-09-18 | 清华大学 | 基于凸优化理论的视频联合去噪及超分辨率方法和系统 |
| CN103646420A (zh) * | 2013-12-12 | 2014-03-19 | 浪潮电子信息产业股份有限公司 | 一种基于自学习算法的智能三维场景还原方法 |
| CN104702882A (zh) * | 2015-03-17 | 2015-06-10 | 努比亚技术有限公司 | 基于volte的视频通话装置和方法 |
| CN104767941A (zh) * | 2015-04-15 | 2015-07-08 | 努比亚技术有限公司 | 拍照方法及装置 |
| CN105915815A (zh) * | 2016-05-31 | 2016-08-31 | 北京奇虎科技有限公司 | 一种基于移动设备进行拍摄的方法、装置和移动设备 |
| CN106101536A (zh) * | 2016-06-22 | 2016-11-09 | 维沃移动通信有限公司 | 一种拍照方法及移动终端 |
| CN106528800A (zh) * | 2016-11-11 | 2017-03-22 | 叶火 | 一种基于真实场景的影像生成方法及装置 |
| CN107065881A (zh) * | 2017-05-17 | 2017-08-18 | 清华大学 | 一种基于深度强化学习的机器人全局路径规划方法 |
| CN107547898A (zh) * | 2017-09-05 | 2018-01-05 | 东华大学 | 一种能耗‑精度可控的传感器双参数分配系统 |
| CN107801045A (zh) * | 2016-09-06 | 2018-03-13 | 汤姆逊许可公司 | 当播放增强现实场景时自动变焦的方法、设备和系统 |
| CN108513073A (zh) * | 2018-04-13 | 2018-09-07 | 朱钢 | 一种具备摄影师构图意识的手机拍照机能的实现方法 |
| CN108521546A (zh) * | 2018-04-17 | 2018-09-11 | 朱钢 | 一种模拟摄影师创作思维和情绪影像风格的手机拍照机能的实现方法 |
| CN108596901A (zh) * | 2018-05-03 | 2018-09-28 | 朱钢 | 一种智能测评实拍照片成像画质的实现方法 |
| CN108600630A (zh) * | 2018-05-10 | 2018-09-28 | Oppo广东移动通信有限公司 | 拍照方法、装置及终端设备 |
-
2018
- 2018-10-07 CN CN201811164877.9A patent/CN109272444B9/zh active Active
Patent Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040036899A1 (en) * | 2002-08-26 | 2004-02-26 | Konica Corporation | Image forming method, image processing apparatus, print producing apparatus and memory medium |
| KR100698845B1 (ko) * | 2005-12-28 | 2007-03-22 | 삼성전자주식회사 | 인물 외형 추출 알고리즘을 이용한 영상 편집 방법 및 그장치 |
| CN101330576A (zh) * | 2007-06-19 | 2008-12-24 | 奥林巴斯映像株式会社 | 图像显示装置和方法以及图像拾取装置、图像再现装置 |
| CN103310190A (zh) * | 2012-05-16 | 2013-09-18 | 清华大学 | 基于异构主动视觉网络的人脸图像样本采集优化方法 |
| CN103312941A (zh) * | 2013-06-19 | 2013-09-18 | 清华大学 | 基于凸优化理论的视频联合去噪及超分辨率方法和系统 |
| CN103646420A (zh) * | 2013-12-12 | 2014-03-19 | 浪潮电子信息产业股份有限公司 | 一种基于自学习算法的智能三维场景还原方法 |
| CN104702882A (zh) * | 2015-03-17 | 2015-06-10 | 努比亚技术有限公司 | 基于volte的视频通话装置和方法 |
| CN104767941A (zh) * | 2015-04-15 | 2015-07-08 | 努比亚技术有限公司 | 拍照方法及装置 |
| CN105915815A (zh) * | 2016-05-31 | 2016-08-31 | 北京奇虎科技有限公司 | 一种基于移动设备进行拍摄的方法、装置和移动设备 |
| CN106101536A (zh) * | 2016-06-22 | 2016-11-09 | 维沃移动通信有限公司 | 一种拍照方法及移动终端 |
| CN107801045A (zh) * | 2016-09-06 | 2018-03-13 | 汤姆逊许可公司 | 当播放增强现实场景时自动变焦的方法、设备和系统 |
| CN106528800A (zh) * | 2016-11-11 | 2017-03-22 | 叶火 | 一种基于真实场景的影像生成方法及装置 |
| CN107065881A (zh) * | 2017-05-17 | 2017-08-18 | 清华大学 | 一种基于深度强化学习的机器人全局路径规划方法 |
| CN107547898A (zh) * | 2017-09-05 | 2018-01-05 | 东华大学 | 一种能耗‑精度可控的传感器双参数分配系统 |
| CN108513073A (zh) * | 2018-04-13 | 2018-09-07 | 朱钢 | 一种具备摄影师构图意识的手机拍照机能的实现方法 |
| CN108521546A (zh) * | 2018-04-17 | 2018-09-11 | 朱钢 | 一种模拟摄影师创作思维和情绪影像风格的手机拍照机能的实现方法 |
| CN108596901A (zh) * | 2018-05-03 | 2018-09-28 | 朱钢 | 一种智能测评实拍照片成像画质的实现方法 |
| CN108600630A (zh) * | 2018-05-10 | 2018-09-28 | Oppo广东移动通信有限公司 | 拍照方法、装置及终端设备 |
Non-Patent Citations (2)
| Title |
|---|
| 方颜空: "基于正交法试验的复杂地质条件下爆破参数优化研究" * |
| 范美玲: "面向场景的TD-LTE无线参数优化配置系统设计与实现", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109272444B9 (zh) | 2023-06-30 |
| CN109272444B (zh) | 2023-05-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101237530B (zh) | 照相装置,控制照相装置的方法 | |
| CN1926851B (zh) | 通过深度信息优化捕获装置设置的方法和设备 | |
| JP4236433B2 (ja) | 写真撮影においてフィル・フラッシュをシミュレートするシステム及び方法 | |
| CN103780840B (zh) | 一种高品质成像的双摄像成像装置及其方法 | |
| CN103888644B (zh) | 摄像设备及其控制方法 | |
| CN102377943B (zh) | 摄像装置以及摄像方法 | |
| CN104754203A (zh) | 拍摄方法、装置及终端 | |
| CN106973278A (zh) | 一种参照人脸色彩特征的自动白平衡装置及方法 | |
| CN104113702B (zh) | 闪光控制方法及控制装置、图像采集方法及采集装置 | |
| CN106713755A (zh) | 全景图像的处理方法及装置 | |
| CN106412534B (zh) | 一种图像亮度调节方法及装置 | |
| CN105430267A (zh) | 一种基于人脸图像光照参数的摄像机参数自适应调整方法 | |
| CN107948538A (zh) | 成像方法、装置、移动终端和存储介质 | |
| CN101834996A (zh) | 高清车辆抓拍系统的光通量控制方法 | |
| CN108712608A (zh) | 终端设备拍摄方法和装置 | |
| CN106357987A (zh) | 一种曝光方法和装置 | |
| CN108881701A (zh) | 拍摄方法、摄像头、终端设备及计算机可读存储介质 | |
| CN102129148A (zh) | 相机及照片拍摄与处理方法 | |
| CN107846556A (zh) | 成像方法、装置、移动终端和存储介质 | |
| CN108198152A (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
| CN111064898B (zh) | 图像拍摄方法及装置、设备、存储介质 | |
| CN108024056A (zh) | 基于双摄像头的成像方法和装置 | |
| CN102523386B (zh) | 基于直方图均衡化的自动曝光方法 | |
| CN107358593A (zh) | 成像方法和装置 | |
| CN108322651A (zh) | 拍摄方法和装置、电子设备、计算机可读存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP02 | Change in the address of a patent holder | ||
| CP02 | Change in the address of a patent holder |
Address after: B2, Yueli Bay, No. 8 Tingtao Street, Lingshui Street, High tech Park, Dalian City, Liaoning Province, 116087 Patentee after: Zhu Gang Address before: 116023 b2-1806, Yueli Bay, No. 8, Tingtao street, high tech park, Dalian, Liaoning Patentee before: Zhu Gang |
|
| CI03 | Correction of invention patent | ||
| CI03 | Correction of invention patent |
Correction item: Drawings Correct: Attached drawings 1-3 of the specification submitted on May 20, 2023 False: Attached drawings 1-3 of the specification submitted on the application date Number: 18-01 Page: ?? Volume: 39 |