CN109495686B - 拍摄方法及设备 - Google Patents

Abstract

本申请提供了一种拍摄方法及设备，该方案通过摄像模组获取第一图像，然后根据所述第一图像获取符合构图模式的第二图像，进而确定适用于所述第二图像的拍摄参数，并基于所述拍摄参数拍摄所述第二图像。由此，在各类场景下都可以将第一图像的具体内容作为处理依据，使得用户能够获取到符合构图模式的第二图像，并自动为用户确定合适的拍摄参数进行拍摄，因此可以满足用户在多种拍摄场景下的需求。

Description

拍摄方法及设备

技术领域

本申请涉及信息技术领域，尤其涉及一种拍摄方法及设备。

背景技术

随着具有拍照功能的各类终端设备的普及，人们在日常生活中的各种场景都会有使用这些终端设备进行拍照。但是，由于大部分用户不具备专业的摄影技术，因此常常无法拍摄出让人满意的效果。目前市场上会存在一些对普通用户进行拍摄辅助的技术，但是往往应用场景比较单一，只能提供一些在单一场景下的辅助功能，例如人像拍摄模式，只能在用户拍摄人像时自动帮用户调整部分参数。因此，无法满足用户在多种拍摄场景下的需求。

申请内容

本申请的目的之一是提供一种摄像设备的绑定方法及设备。

为实现上述目的，本申请的一些实施例提供一种拍摄方法，该方法包括：

通过摄像模组获取第一图像；

根据所述第一图像获取符合构图模式的第二图像；

确定适用于所述第二图像的拍摄参数，并基于所述拍摄参数拍摄所述第二图像。

本申请的一些实施例还提供了一种拍摄设备，该设备包括用于存储计算机程序指令的存储器和用于执行计算机程序指令的处理器，其中，当该计算机程序指令被该处理器执行时，触发所述设备执行所述拍摄方法。

此外，本申请的一些实施例还提供了一种计算机可读介质，其上存储有计算机程序指令，所述计算机可读指令可被处理器执行以实现所述的拍摄方法。

本申请的一些实施例提供的方案中，通过摄像模组获取第一图像，然后根据所述第一图像获取符合构图模式的第二图像，进而确定适用于所述第二图像的拍摄参数，并基于所述拍摄参数拍摄所述第二图像。由此，在各类场景下都可以将第一图像的具体内容作为处理依据，使得用户能够获取到符合构图模式的第二图像，并自动为用户确定合适的拍摄参数进行拍摄，因此可以满足用户在多种拍摄场景下的需求。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1为本申请实施例提供的一种拍摄方法的处理流程图；

图2为本申请实施例中一种构图提示信息的显示效果示意图；

图3为本申请实施例提供的另一种拍摄方法的处理流程图；

图4为本申请实施例提供的一种拍摄设备的结构示意图；

附图中相同或相似的附图标记代表相同或相似的部件。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

在本申请一个典型的配置中，终端、服务网络的设备均包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体，可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。

本申请实施例提供了一种拍摄方法，该方案能够在各类场景下将摄像模组获取的第一图像的具体内容作为处理依据，使得用户能够获取到符合构图模式的第二图像，然后自动为用户确定合适的拍摄参数，进行拍摄，以此满足用户在多种拍摄场景下的需求。

在实际场景中，该方法的执行主体可以包括但不限于各类具有包含拍摄功能的各类用户设备，例如摄像头、手机、平板电脑、数码相机等。此外，所述用户设备还可以是具备网络连接能力的设备，通过与服务端设备连接，将部分计算处理交由服务端设备进行，以此利用服务端设备端的计算能力，提高处理的准确性和效率，同时减少用户设备端的处理负载，降低对用户设备处理能力的要求。在此，所述服务端设备包括但不限于如网络主机、单个网络服务器、多个网络服务器集或基于云计算的计算机集合等实现，在此，云由基于云计算(Cloud Computing)的大量主机或网络服务器构成，其中，云计算是分布式计算可以是由一群松散耦合的计算机集组成的一个虚拟计算机。

本申请实施例提供的一种拍摄方法，首先通过摄像模组获取第一图像，在获取第一图像之后，根据所述第一图像获取符合构图模式的第二图像，然后确定适用于所述第二图像的拍摄参数，并基于所述拍摄参数拍摄所述第二图像。

其中，所述摄像模组至少包括镜头、光学传感器以及相应的电路等部件，用于获取景物的图像，以完成拍摄，所述第一图像即为摄像模组当前的取景内容。例如手机、平板电脑等设备的摄像头均属于摄像模组，当用户使用手机进行拍摄时，打开拍摄app(Application，应用程序)以启动摄像头，然后将摄像头对准需要拍摄的景物，此时手机能够通过摄像头获取关于景物的第一图像。

所述第二图像是指在第一图像的基础上调整所获得的符合构图模式的图像，例如可以是调整摄像模组使其当前的取景内容发生变化，有第一图像变化为第二图像，此种方式需要用户对摄像模组进行调整，因此可以通过给出提示信息的方式告知用户如何进行调整。或者，也可以是在第一图像的基础上对第一图像进行处理，例如截取其中的某部分内容或者是对部分图像内容进行变换等，此种方式可以由用户设备的处理模块对第一图像进行处理获得。

图1示出了本申请实施例提供的一种拍摄方法的处理流程，本实施例采用前述第一种方式获得第二图像，包括以下处理步骤：

步骤S101，通过摄像模组获取第一图像，并确定适用于所述第一图像的构图提示信息。所述构图提示信息可以是用于各种用于提示用户如何进行构图的信息，例如可以是各种辅助线条或者是一些文字提示信息等。

步骤S102，在所述第一图像的显示区域中添加所述构图提示信息，以使用户根据所述构图提示信息对所述摄像模组进行调整。所述第一图像的显示区域可以是执行该拍摄方法的用户设备中用于显示摄像模组所获取的第一图像的区域，例如当用户使用手机进行拍摄时，摄像头捕获的景物会在拍摄app的显示区域内进行实时显示，以供用户查看当前的取景内容。通过在所述第一图像的显示区域中添加所述构图提示信息，可以向用户明确提示如何对当前的取景内容进行调整，以达到较好的拍摄效果。

例如，所述构图提示信息可以是横竖各两条辅助线条，将显示区域等分为9份，用以提供用户如何进行对图像九宫格形式的构图，如图2所示，其中201～204为辅助线条，205、206为画面中的景物。当显示区域中显示构图提示信息后，用户可以根据构图提示信息对所述摄像模组进行调整，使其取景内容发生变化，例如可以使得某些特定的景物处于辅助线条所在的位置等，从而达到较好的拍摄效果。此外，也可以在此基础上，增加文字提示信息，例如在显示区域中添加前述的横竖各两条辅助线条的作用，以使摄影初学者也能够熟练使用各种构图提示的辅助线条进行构图创作。

步骤S103，在用户完成调整后，通过所述摄像模组获取第二图像。用户在进行调整过程中，所述摄像模组的取景内容会不断发生变化，当用户根据构图提示信息完成调整之后，此时摄像模组的取景内容会由初始的第一图像变化为第二图像，该第二图像即为用户完成构图之后所要拍摄的图像。

步骤S104，确定适用于所述第二图像的拍摄参数，并基于所述拍摄参数拍摄所述第二图像。所述拍摄参数是指能够影响拍摄效果的相关参数，例如包括快门、光圈等参数，根据所述第二图像所包含的景物内容，自动确定适用于所述第二图像的拍摄参数能够使得最终拍摄得到的图像具有较好的拍摄效果。由此，能够在各类场景下根据摄像模组获取的第一图像的具体内容向用户提供合适的构图提示信息，提示用户如何调整，同时在用户调整完成后自动为用户确定合适的拍摄参数，以此满足用户在多种拍摄场景下的需求。

本申请的一些实施例中，在确定适用于所述第一图像的构图提示信息时，可以先根据所述第一图像确定场景信息和构图模式，其中，所述场景信息是指第一图像中景物、环境所表示的当前拍摄场景，例如当第一图像中大部分内容均为一个人物的特写时，可以认为当前的场景信息为人像场景，此外场景信息还可以是夜景、风景等等。所述构图模式是指拍摄时安排图像中各个景物位置的模式，例如常用的构图模式包括九宫格、黄金分割等。在此，本领域技术人员应能理解本实施例中所列举的场景信息、构图模式仅为举例，其他现有的或今后可能出现的其它场景信息、构图模式如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

在根据所述第一图像确定场景信息和构图模式时，可以基于深度学习的方式，预先收集获取数量足够的样本图像，这些样本图像已标注场景信息和构图模式，然后根据这些样本图像训练识别模型，由此该识别模型可以用于识别第一图像所对应的场景信息和构图模式。因此，在根据所述第一图像确定场景信息和构图模式时，可以根据所述第一图像和识别模型，确定场景信息和构图模式，其中，所述识别模型由已标注场景信息和构图模式的样本图像训练获得。对于所述场景信息和构图模式的识别，可以采用一个识别模型同时识别一个图像的场景信息和构图模式；或者也可以采用两个识别模型分别对场景信息和构图模式进行识别，此时，在识别模型需要采用各自的样本图像集合进行训练。

在实际场景中，模型训练以及识别的处理过程可以在用户设备中完成，也可以在服务端设备中完成；或者其中的模型训练部分在服务端设备中完成，而识别部分则在用户设备中完成，用户设备根据预定的策略从服务端设备中更新最新的识别模型即可。

例如，在本申请的另一实施例中，用户设备在根据所述第一图像确定场景信息和构图模式时，可以向服务端设备发送所述第一图像，使得服务端设备根据所述第一图像和识别模型确定所述第一图像的场景信息和构图模式，并向用户设备发送所确定的场景信息和构图模式。用户设备接收所述服务端设备发送的所述第一图像的场景信息和构图模式，由此获得需要的信息，以进行后续的处理。通过将部分处理部署至服务端设备，可以利用服务端设备端的计算能力，提高处理的准确性和效率，同时减少用户设备端的处理负载，降低对用户设备处理能力的要求。

本实施例中，用户设备与服务端设备之间的数据交互可以利用各类网络，例如wifi网络、移动数据网络、蓝牙网络等，而为了达到较好的显示效果，所述第一图像一般会采用分辨率较高的图像格式。因此，当用户设备利用网络向服务端设备发送第一图像时，往往需要占用较大的带宽资源，尤其是利用移动数据网络时，还会消耗大量的流量。为解决该问题，本申请提供了另一实施例，其中用户设备在向服务端设备发送第一图像时，可以先压缩所述第一图像，然后向服务端设备发送压缩后的第一图像，以使所述服务端设备根据压缩后的第一图像和识别模型确定所述第一图像的场景信息和构图模式。由于压缩后的第一图像依然能够表现图像中所包含的景物，基本不会影响识别的结果，因此在发送之间先对图像进行压缩，可以降低带宽占用、减少流量消耗。

在确定场景信息和构图模式之后，可以根据所述场景信息和构图模式，确定适用于所述第一图像的构图提示信息。例如，当确定的场景信息为夜景，确定的构图模式为九宫格模式时，可以据此确定构图提示信息为特定位置处的辅助线条和相应的文字提示，由此使得用户可以将特定的景物调整至位于画面中的特定位置，如使得画面中的路灯与其中一条辅助线条重合，使其处于画面中三分之一的位置。

在用户基于显示区域中的构图提示信息进行调整的过程中，摄像模组仍然在进行实时地取景，由此在本申请的一些实施例中，该拍摄方法还包括：获取通过摄像模组获取用户调整过程中的实时图像，确定并向用户显示所述实时图像的评分，以辅助用户完成调整。其中，所述实时图像即为用户调整过程中，摄像模组所捕获的、包括由第一图像变化至第二图像的一系列图像，当实时图像的评分较高时，可以认为该实时图像的拍摄效果较好，因此用户可以利用评分辅助调整的过程。

例如，用户在用手机拍摄照片的过程中，已经在屏幕上显示了基于第一图像确定的构图提示信息，如图2所示。基于此，用户会根据图2中的辅助线条201～204，对手机的摄像头进行调整，使其取景内容发生变化，在该过程中变化的取景内容即为实时图像。在实际场景中，为了降低处理的负荷，可以不对所有的实时图像进行处理，而是可以选取其中的几帧进行处理。选取的规则可以预先设定，例如可以基于用户的输入，即当用户点击、或者输入特定的手势时，对当前的实时图像进行评分；或者基于用户所述使用的设备的状态，例如根据手机的陀螺仪信息，判断当手机的移动幅度小于预设值或者静止时，对当前的实时图像进行评分；或者也可以基于预设的时间间隔，例如每个1秒钟，对当前的实时图像进行评分。

所述实时图像的评分可以显示在实时图像的显示区域内，以供用户能够快速获知当前实时图像的评分，从而确定是否需要继续调整，例如显示于显示区域的其中一个角落中。

在确定所述实时图像的评分时，同样可以利用深度学习的方式，即预先收集获取数量足够的样本图像，这些样本图像已通过人工的方式标注好评分，然后根据这些样本图像进行模型训练，获得分数回归模型。该分数回归模型可以用于识别实时图像的评分，即输入实时图像即可获得该实时图像的评分。由此，在确定所述实时图像的评分时，可以根据所述实时图像和分数回归模型，计算所述实时图像的评分，其中，所述分数回归模型由已标注评分的样本图像训练获得。

类似地，分数回归模型的训练以及打分的处理过程可以在用户设备中完成，也可以在服务端设备中完成；或者，其中的模型训练部分在服务端设备中完成，而打分部分则在用户设备中完成，用户设备根据预定的策略从服务端设备中更新最新的分数回归模型即可。例如，服务端设备可以预先收集图像样本训练获得分数回归模型，在用户设备需要对实时图像进行评分时，用户设备可以向服务端设备发送所述实时图像，由服务端设备根据所述实时图像和分数回归模型计算所述实时图像的评分，并返回给用户设备。用户设备接收所述服务端设备发送的所述实时图像的评分，由此确定实时图像的评分将其在显示区域内进行显示。

用户设备在向服务端设备发送实时图像时，可以采用与第一图像类似的方式，即压缩所述实时图像，并向服务端设备发送压缩后的实时图像，以使所述服务端设备根据压缩后的实时图像和分数回归模型计算所述实时图像的评分，以达到降低带宽占用、减少流量消耗的效果。

此外，为了使得对实时图像的评分更加准确，在训练分数归回模型时可以采用更加精细的方式。例如，由关于每个预设区域的样本图像训练获得预设区域对应的分数回归模型，其中所述预设区域是基于地理位置划分的区域，例如可以是各个景区等，而关于预设区域的样本图像可以是在该预设区域内所拍摄的照片，由于每个景区的风景不同，评分的标准也会存在差别，因此通过每个景区的样本图像训练而得的分数回归模型，对于属于该景区的图像的能够给出更加准确的评分。基于此，本申请实施例提供的方法中，还可以根据获取实时图像时所获得的定位信息，确定所属的预设区域，由此，在根据所述实时图像和分数回归模型计算所述实时图像的评分时，可以根据所述实时图像和所述预设区域对应的分数回归模型计算所述实时图像的评分，进而提高评分的准确性，向用户提供更加准确的参考信息。

在本申请的一些实施例中，在用户完成调整，通过所述摄像模组获取第二图像时，可以先判断用户是否完成调整。具体的判断方式可以利用用户设备内置的陀螺仪完成，例如，获取陀螺仪信息，若通过陀螺仪信息判断用户设备在预设时长内未发生移动或者移动的幅度低于预设值，则可以确定已经完成调整，由此根据所述陀螺仪信息判断用户是否完成调整。在确定该用户完成调整之后，进行自动对焦，通过所述摄像模组获取对焦后的第二图像。由此，在本实施例中，所述第二图像为摄像模组获取的已经完成自动对焦后的取景内容。

在确定适用于所述第二图像的拍摄参数时，可以先识别第二图像的对焦区域，确定所述第二图像的对焦区域的亮度和全局区域的亮度，然后根据所述第二图像的对焦区域的亮度和全局区域的亮度，确定适用于所述第二图像的拍摄参数。

其中，在根据所述第二图像的对焦区域的亮度和全局区域的亮度，确定适用于所述第二图像的拍摄参数时，可以利用深度学习的方式，预先获取已标注拍摄参数的样本图像，对样本图像进行对焦区域的识别，确定样本图像的对焦区域，然后统计对焦区域的亮度以及全局区域的亮度，然后通过已确定焦区域亮度、全局区域亮度和拍摄参数的样本图像进行模型训练，获取参数统计模型。在获取参数统计模型之后，即可利用该参数统计模型，以第二图像的对焦区域的亮度、全局区域的亮度作为输入，获得适用于所述第二图像的拍摄参数。

在实际场景中，所述参数统计模型的训练以及拍摄参数的确定可以在用户设备中完成，也可以在服务端设备中完成。或者其中的模型训练部分在服务端设备中完成，而拍摄参数确定部分则在用户设备中完成，用户设备根据预定的策略从服务端设备中更新最新的参数统计模型即可。

在此场景下，服务端设备预先获取已标注拍摄参数的样本图像，对样本图像进行对焦区域的识别，确定样本图像的对焦区域，然后统计对焦区域的亮度以及全局区域的亮度，然后通过已确定焦区域亮度、全局区域亮度和拍摄参数的样本图像进行模型训练，获取参数统计模型。用户设备在需要确定适用于所述第二图像的拍摄参数，可以向先识别出第二图像的对焦区域，并确定对焦区域的亮度和全局区域的亮度，然后向服务端设备发送第二图像的对焦区域的亮度和全局区域的亮度，由服务端设备基于训练获得的参数统计模型确定适用于所述第二图像的拍摄参数后返回给用户设备。

在本申请的另一实施例中，还可以在根据摄像模组当前获取到的第一图像，确定适用于所述第一图像的构图提示信息之前，先获取定位信息，根据所述定位信息判断是否处于预设区域，并在处于预设区域时，向用户展示属于该预设区域的推荐图像。例如，所述预设区域可以是预先设定的各个景区，当定位信息指向某一景区时，可以认为用户当前在该景区内拍摄照片，而所述属于该预设区域的推荐图像可以是关于该景区的照片，可以用于提供给用户为用户拍摄照片提供参考。

在实际场景中，定位以及推荐的处理可以由服务端设备完成，用户设备可以向服务端设备发送位置信息，并从服务端设备获取属于该预设区域的推荐图像，并向用户展示所述推荐图像。其中，服务端设备可以预先收集属于各个预设区域的图像，以便作为推荐图像提供给用户。

本申请实施例还提供了一种采用了前述拍摄方法的拍摄辅助系统，该系统由两部分组成，包括服务端和客户端，所述服务端即为前述的服务端设备，所述客户端即为前述的用户设备。在本申请实施例中，所述服务端用于实现如下功能：

1)服务端用于收集、存储优质拍摄样本，作为模型训练的图像样本。这些图像样本可以包含图像数据、拍摄参数、gps信息、设备型号、拍摄时间等信息。

2)通过人工标注的方式，标注出图像样本的二级属性，包括场景信息、评分、构图模式等。

3)通过现有的深度学习模型，识别出样本图像的对焦区域，并统计对焦区域的亮度和样本图像的全局区域的亮度。

4)通过现有的深度学习模型，训练出用于给出拍摄参数的参数统计模型，可以存储在服务端，用于基于客户端上传的关于亮度的信息确定拍摄参数。

5)通过现有的深度学习模型，训练出用于识别场景信息的识别模型，该识别模型发送至客户端，用于在客户端实现场景信息的识别。

6)通过现有的深度学习模型，训练出分数回归模型，该分数回归模型存储在服务端，用于对客户端上传的图像进行评分。

7)对于不同的景区，可以根据图像样本的gps信息确定是否属于景区，然后通过每个景区的图像样本，额外训练出各个景区对应的分数回归模型。

8)通过现有的深度学习模型，训练出构图模式的识别模型，该识别模型发送至客户端，用于在客户端实现构图模式的识别。

所述客户端用于实现如下功能：

1)景区模式：

a)启动拍摄功能之后，获取当前的gps信息，并将gps信息上报服务端，由服务端根据gps信息确定所属的景区，并给客户端推荐当前位置所在景区的优秀作品(即推荐图像)。

b)用户可以参考推荐的作品自行进行取景，由此通过客户端的摄像模组获得图像，客户端本地通过识别码模型，识别出该图像的识别场景和构图模型，进而给出辅助线条等构图提示信息。

c)用户根据辅助线条调整取景内容，期间产生实时图像，客户端定时向服务器上传缩小的实时图像，使得服务器基于分数回归模型对其进行评分，然后返回给客户端，显示在客户端的屏幕上供用户参考。

d)客户端读取内置的陀螺仪信息，当用户停止移动时，确定已经调整完毕，进行自动对焦。

e)自动对焦停止后，根据服务器的参数统计模型，和当前对焦区域、全局区域的亮度，确定拍摄参数，从而自动设置快门与光圈。

f)完成拍照。

2)非景区模式：

a)用户自行进行取景，由此通过客户端的摄像模组获得图像，客户端本地通过识别码模型，识别出该图像的识别场景和构图模型，进而给出辅助线条等构图提示信息。

b)用户根据辅助线条调整取景内容，期间产生实时图像，客户端定时向服务器上传缩小的实时图像，使得服务器基于分数回归模型对其进行评分，然后返回给客户端，显示在客户端的屏幕上供用户参考。

c)客户端读取内置的陀螺仪信息，当用户停止移动时，确定已经调整完毕，进行自动对焦。

d)自动对焦停止后，根据服务器的参数统计模型，和当前对焦区域、全局区域的亮度，确定拍摄参数，从而自动设置快门与光圈。

e)完成拍照。

图3示出了本申请另一实施例提供的一种拍摄方法，该方法采用前述第二种方式获得第二图像，包括以下处理步骤：

步骤S301，通过摄像模组获取第一图像。

步骤S302，根据所述第一图像，确定适用于所述第一图像的构图模式。其中，在确定所述构图模式时，可以利用前述的识别模型，在用户设备或者服务端设备中完成识别，从而确定适用于所述第一图像的构图模式。

步骤S303，根据所述构图模式，在所述第一图像中确定符合构图模式的第二图像。在本实施例中的第二图像，并非通过用户调整摄像模组获得，而是在第一图像的基础上对其进行图像处理获得。在所述第一图像中确定符合构图模式的第二图像时，可以采用各种图像处理方法，例如对第一图像进行裁剪、拼接等。若本申请实施例中，确定适用于所述第一图像的构图模式为九宫格的构图模式，第一图像中左侧的一部分图像内容并不符合该构图模式，因此在确定第二图像时，可以对第一图像进行裁剪，去掉左侧的该部分图像内容，从而获得确定符合构图模式的第二图像。

步骤S304，确定适用于所述第二图像的拍摄参数，并基于所述拍摄参数拍摄所述第二图像。该步骤的具体处理过程与前述实施例中类似，此处不再赘述。

基于同一发明构思，本申请实施例中还提供了一种拍摄设备，所述拍摄设备在进行拍摄时所采用的方法即为前述实施例中的拍摄方法，并且其解决问题的原理与该方法相似。该拍摄设备包括用于存储计算机程序指令的存储器和用于执行计算机程序指令的处理器，其中，当该计算机程序指令被该处理器执行时，触发所述设备执行前述的拍摄方法。

图4示出了适用于实现本申请实施例中的方法和/或技术方案的一种拍摄设备的结构，该摄像设备400包括中央处理单元(CPU，Central Processing Unit)401，其可以根据存储在只读存储器(ROM，Read Only Memory)402中的程序或者从存储部分408加载到随机访问存储器(RAM，Random Access Memory)403中的程序而执行各种适当的动作和处理。在RAM 403中，还存储有系统操作所需的各种程序和数据。CPU 401、ROM 402以及RAM403通过总线404彼此相连。输入/输出(I/O，Input/Output)接口405也连接至总线404。

以下部件连接至I/O接口405：包括摄像模组等的输入部分406；包括诸如阴极射线管(CRT，Cathode Ray Tube)、液晶显示器(LCD，Liquid Crystal Display)、LED显示器、OLED显示器等以及扬声器等的输出部分407；包括硬盘、光盘、磁盘、半导体存储器等一个或多个计算机可读介质的存储部分408；以及包括诸如LAN(局域网，Local Area Network)卡、调制解调器等的网络接口卡的通信部分409。通信部分409经由诸如因特网的网络执行通信处理。

特别地，本申请实施例中的方法和/或实施例可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在该计算机程序被中央处理单元(CPU)401执行时，执行本申请的方法中限定的上述功能。

需要说明的是，本申请所述的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或者是上述两者的任意组合。计算机可读介质例如可以是——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可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(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。在本申请中，计算机可读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。

而在本申请中，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的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、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)。

附图中的流程图或框图示出了按照本申请各种实施例的设备、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的针对硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个计算机可读指令，所述计算机可读指令可被处理器执行以实现前述本申请的多个实施例的方法和/或技术方案。

综上所述，本申请的一些实施例提供的方案中，通过摄像模组获取第一图像，并确定适用于所述第一图像的构图提示信息，然后在所述第一图像的显示区域中添加所述构图提示信息，以使用户根据所述构图提示信息对所述摄像模组进行调整，在用户完成调整后，通过所述摄像模组获取第二图像，进而确定适用于所述第二图像的拍摄参数，并基于所述拍摄参数拍摄所述第二图像。由此，在各类场景下都可以根据第一图像的具体内容向用户提供合适的构图提示信息，提示用户如何调整，同时在用户调整完成后自动为用户确定合适的拍摄参数，因此可以满足用户在多种拍摄场景下的需求。

需要注意的是，本申请可在软件和/或软件与硬件的组合体中被实施，例如，可采用专用集成电路(ASIC)、通用目的计算机或任何其他类似硬件设备来实现。在一些实施例中，本申请的软件程序可以通过处理器执行以实现上文步骤或功能。同样地，本申请的软件程序(包括相关的数据结构)可以被存储到计算机可读记录介质中，例如，RAM存储器，磁或光驱动器或软磁盘及类似设备。另外，本申请的一些步骤或功能可采用硬件来实现，例如，作为与处理器配合从而执行各个步骤或功能的电路。

对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请的精神或基本特征的情况下，能够以其他的具体形式实现本申请。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本申请的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。装置权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。

Claims (13)

1.一种拍摄方法，其中，该方法包括：

通过摄像模组获取第一图像；

确定适用于所述第一图像的构图提示信息；

在所述第一图像的显示区域中添加所述构图提示信息，以使用户根据所述构图提示信息对所述摄像模组进行调整；

获取通过摄像模组获取用户调整过程中的实时图像，确定并向用户显示所述实时图像的评分，以辅助用户完成调整，其中，所述实时图像为用户调整过程中摄像模组所捕获的、包括由第一图像变化至第二图像的一系列图像；

在用户完成调整后，通过所述摄像模组获取第二图像；

自动确定适用于所述第二图像的拍摄参数，并基于所述拍摄参数拍摄所述第二图像；

其中，确定所述实时图像的评分，包括：

根据获取实时图像时所获得的定位信息，确定所属的预设区域；

根据所述实时图像和所述预设区域对应的分数回归模型计算所述实时图像的评分，其中，所述分数回归模型由已标注评分的、关于所述预设区域的样本图像训练获得；或

向服务端设备发送所述实时图像，并接收所述服务端设备发送的所述实时图像的评分，其中，所述服务端设备根据所述实时图像和所述预设区域对应的分数回归模型计算所述实时图像的评分，所述分数回归模型由已标注评分的、关于所述预设区域的样本图像训练获得。

2.根据权利要求1所述的方法，其中，确定适用于所述第一图像的构图提示信息，包括：

根据所述第一图像确定场景信息和构图模式；

根据所述场景信息和构图模式，确定适用于所述第一图像的构图提示信息。

3.根据权利要求1所述的方法，其中，根据所述第一图像确定场景信息和构图模式，包括：

根据所述第一图像和识别模型，确定场景信息和构图模式，其中，所述识别模型由已标注场景信息和构图模式的样本图像训练获得；或

向服务端设备发送所述第一图像，并接收所述服务端设备发送的所述第一图像的场景信息和构图模式，其中，所述服务端设备根据所述第一图像和识别模型确定所述第一图像的场景信息和构图模式，所述识别模型由已标注场景信息和构图模式的样本图像训练获得。

4.根据权利要求3所述的方法，其中，向服务端设备发送所述第一图像，包括：

压缩所述第一图像，并向服务端设备发送压缩后的第一图像，以使所述服务端设备根据压缩后的第一图像和识别模型确定所述第一图像的场景信息和构图模式。

5.根据权利要求1所述的方法，其中，向服务端设备发送所述实时图像，包括：

压缩所述实时图像，并向服务端设备发送压缩后的实时图像，以使所述服务端设备根据压缩后的实时图像和分数回归模型计算所述实时图像的评分。

6.根据权利要求1所述的方法，其中，在用户完成调整后，通过所述摄像模组获取第二图像，包括：

判断用户是否完成调整；

若完成调整，则进行自动对焦，通过所述摄像模组获取对焦后的第二图像。

7.根据权利要求6所述的方法，其中，判断用户是否完成调整，包括：

获取陀螺仪信息，根据所述陀螺仪信息判断用户是否完成调整。

8.根据权利要求1所述的方法，其中，确定适用于所述第二图像的拍摄参数，包括：

识别所述第二图像的对焦区域；

确定所述第二图像的对焦区域的亮度和全局区域的亮度；

根据所述第二图像的对焦区域的亮度和全局区域的亮度，确定适用于所述第二图像的拍摄参数。

9.根据权利要求8所述的方法，其中，根据所述第二图像的对焦区域的亮度和全局区域的亮度，确定适用于所述第二图像的拍摄参数，包括：

根据所述第二图像的对焦区域的亮度、全局区域的亮度以及参数统计模型，确定适用于所述第二图像的拍摄参数，其中，所述参数统计模型由已标注对焦区域的亮度、全局区域的亮度和拍摄参数的样本图像训练获得；或

向服务端设备发送第二图像的对焦区域的亮度和全局区域的亮度，并接收所述服务端设备发送的、适用于所述第二图像的拍摄参数，其中，所述服务端设备根据所述第二图像的对焦区域的亮度、全局区域的亮度以及参数统计模型，确定适用于所述第二图像的拍摄参数，所述参数统计模型由已标注对焦区域的亮度、全局区域的亮度和拍摄参数的样本图像训练获得。

10.根据权利要求1所述的方法，其中，在根据摄像模组当前获取到的第一图像，还包括：

获取定位信息；

根据所述定位信息判断是否处于预设区域，并在处于预设区域时，向用户展示属于该预设区域的推荐图像。

11.根据权利要求10所述的方法，其中，根据所述定位信息判断是否处于预设区域，并在处于预设区域时，向用户展示属于该预设区域的推荐图像，包括：

向服务端设备发送位置信息，从服务端设备获取属于该预设区域的推荐图像，并向用户展示所述推荐图像。

12.一种拍摄设备，其中，该设备包括用于存储计算机程序指令的存储器和用于执行计算机程序指令的处理器，其中，当该计算机程序指令被该处理器执行时，触发所述设备执行权利要求1至11中任一项所述的方法。

13.一种计算机可读介质，其上存储有计算机程序指令，所述计算机可读指令可被处理器执行以实现如权利要求1至11中任一项所述的方法。

Images