CN109993688A - 机器人及其照片拍摄和处理方法、存储装置 - Google Patents
机器人及其照片拍摄和处理方法、存储装置 Download PDFInfo
- Publication number
- CN109993688A CN109993688A CN201711498352.4A CN201711498352A CN109993688A CN 109993688 A CN109993688 A CN 109993688A CN 201711498352 A CN201711498352 A CN 201711498352A CN 109993688 A CN109993688 A CN 109993688A
- Authority
- CN
- China
- Prior art keywords
- original photo
- objects
- photo
- feature object
- objects interfered
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 22
- 238000000034 method Methods 0.000 claims abstract description 16
- 238000004590 computer program Methods 0.000 claims description 11
- 238000010586 diagram Methods 0.000 description 9
- 241000282472 Canis lupus familiaris Species 0.000 description 6
- 241001465754 Metazoa Species 0.000 description 3
- 230000000903 blocking effect Effects 0.000 description 2
- 241000406668 Loxodonta cyclotis Species 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000006748 scratching Methods 0.000 description 1
- 230000002393 scratching effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Classifications
-
- G06T3/04—
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/80—Camera processing pipelines; Components thereof
Abstract
本申请公开了一种机器人的照片拍摄和处理方法,该方法包括:拍摄原始照片;识别原始照片中的多个特征对象;从多个特征对象中判断出原始照片中的干扰对象;对原始照片的干扰对象进行替换或者模糊处理。本申请还公开了一种机器人和存储装置。通过上述方式,本申请机器人能够自动地对照片中的干扰对象进行处理。
Description
技术领域
本申请涉及机器人摄像技术领域,特别是涉及一种机器人及其照片拍摄和处理方法、存储装置。
背景技术
随着人们生活水平的提高,越来越多的人将旅游作为一种休闲娱乐的方式。很多人在出门游玩时,特别是在一些地标景点处游玩时,会选择拍照留念。然而,热门景点的游人通常很多,少有安静的拍照环境,导致用户在拍照过程中容易将其它不相关的对象拍入照片中,很难得到照片中仅包括用户所希望的对象。
目前,对照片中干扰对象的处理方法只能通过PS软件进行,但是,用户利用PS软件在处理照片的过程中,操作难度大。
发明内容
本申请主要解决的技术问题是提供一种机器人及其照片拍摄和处理方法、存储装置,能够自动地对照片中的干扰对象进行处理。
为解决上述技术问题,本申请采用的一个技术方案是:提供一种机器人的照片拍摄和处理方法,该方法包括:拍摄原始照片;识别原始照片中的多个特征对象;从多个特征对象中判断出原始照片中的干扰对象;对原始照片的干扰对象进行替换或者模糊处理。
为解决上述技术问题,本申请采用的另一个技术方案是:提供一种机器人,该机器人包括处理器和与处理器连接的存储器,存储器用于存储计算机程序,处理器用于调用该计算机程序以执行上述的机器人的照片拍摄和处理方法。
为解决上述技术问题,本申请采用的又一个技术方案是:提供一种存储装置,该存储装置存储有计算机程序,计算机程序能够被执行以实现上述的照片拍摄和处理方法。
本申请的有益效果是:区别于现有技术的情况,本申请机器人的照片拍摄和处理方法包括拍摄原始照片;识别原始照片中的多个特征对象;从多个特征对象中判断出原始照片中的干扰对象;对原始照片的干扰对象进行替换或者模糊处理。通过上述方式,由于机器人能够从多个对象特征中判断出原始照片中的干扰对象,并对原始照片的干扰对象进行替换或者模糊处理,机器人能够自动地对照片中的干扰对象进行处理。
附图说明
图1是本申请第一实施例机器人的照片拍摄和处理方法的流程示意图;
图2是本申请第二实施例机器人的照片拍摄和处理方法的流程示意图;
图3是本申请第二实施例一种应用实例第一原始照片和第二原始照片的示意图;
图4是本申请第三实施例机器人的照片拍摄和处理方法的流程示意图;
图5是本申请实施例机器人硬件结构示意图;
图6为本申请实施例存储装置的示意图。
具体实施方式
请参阅图1,图1是本申请第一实施例机器人的照片拍摄和处理方法的流程示意图。
在本实施例中,机器人的照片拍摄和处理方法可以包括以下步骤:
步骤S11:拍摄原始照片。
在步骤S11中,可以利用机器人的摄像器进行拍摄原始照片。拍摄原始照片可以是拍摄一张原始照片,拍摄原始照片也可以是拍摄两张或者多张原始照片。具体参见下文的描述。
步骤S12:识别原始照片中的多个特征对象。
在步骤S12中,原始照片中的对象可以是原始照片中出现的所有事物。特征对象是原始照片中需要考虑的对象,例如,人、动物、车等。
例如,识别原始照片中的多个特征对象包括:获取原始照片中的对象;获取特征对象的特征模型;将对象中与特征模型相似度超过预设相似度阈值的对象作为特征对象。其中,当原始照片中的对象包括多种类型时,特征模型可以包括对应的多种,例如,需要考虑的特征对象是人和狗,那么特征模型包括人的特征模型和狗的特征模型。
步骤S13:从多个特征对象中判断出原始照片中干扰对象。
在步骤S13中,例如,在原始照片为两张时,通过特征对象的移动距离判断出原始照片中的干扰对象。在原始照片为一张时,通过判断多个特征对象中离原始照片的对称轴的距离判断出原始照片中的干扰对象;或者,在原始照片为一张时,通过多个特征对象中两两之间的间距判断出干扰对象;或者,在原始照片为一张时,通过多个特征对象覆盖原始照片的面积大小判断出干扰对象。
其中,干扰对象为多个特征对象中用户不想在照片图幅中体现的对象,而与之对立的是多个特征对象中用户想要的主体对象。即特征对象包括干扰对象和主体对象,干扰对象和主体对象的数量可以均为多个。
在原始照片为多张时,可以结合上述的多种判断中的至少两种进行判断,在条件同时满足时将特征对象判断为干扰对象。
步骤S14:对原始照片的干扰对象进行替换或者模糊处理。
在步骤S14中,在原始照片为两张时,可以将两张原始照片中的干扰对象均进行抠除,然后将抠除干扰对象之后的两张原始照片进行合成,由于干扰对象在两张原始照片中的位置发生变化,因此可以利用两张照片的背景填充至抠除干扰对象后的区域,即利用背景对干扰对象进行替换。在原始照片为一张时,可以对原始照片中的干扰对象抠除;将原始照片中干扰对象周围预定范围内的周边区域填充至被去除的区域。或者可以对原始照片进行矩形剪裁以去除干扰对象。当然,对干扰对象的处理还可以是模糊处理,例如,对干扰对象进行虚化处理,或者,对所述干扰对象进行过遮挡处理,例如,利用卡通图片将干扰对象进行遮挡。当然,替换和模糊处理还可以为其它的具体操作,本申请在此不一一列举。
请一并参阅图2和图3,图2是本申请第二实施例机器人的照片拍摄和处理方法的流程示意图;图3是本申请第二实施例一种应用实例第一原始照片和第二原始照片的示意图。
在本实施例中,拍摄原始照片的步骤包括:拍摄第一原始照片和第二原始照片。
识别原始照片中的多个特征对象的步骤包括:识别第一原始照片中的多个特征对象和第二原始照片中对应的多个特征对象。
从多个特征对象中判断出原始照片中的干扰对象的步骤包括:根据第一原始照片中多个特征对象的位置和第二原始照片中对应的多个特征对象的位置获取每一特征对象的移动距离;将多个特征对象中移动距离超过预设距离的特征对象判断为干扰对象。
对原始照片的干扰对象进行替换或者模糊处理的步骤包括:将第一原始照片中的干扰对象抠除以获取第一目标照片;将第二原始照片中的干扰对象抠除以获取第二目标照片;将第一目标照片和第二目标照片进行合成。
在本实施例中,机器人的照片拍摄和处理方法包括以下步骤:
步骤S21:拍摄第一原始照片和第二原始照片。
在步骤S21中,第一原始照片101和第二原始照片102可以为连续拍摄的两张照片。可选地,第一原始照片101的拍摄时间和第二原始照片102的拍摄时间可以间隔预设时间值,该预设时间值可以为0.1秒至 10秒之间的任一值,例如,该预设时间值可以为0.1秒、5秒或者10秒。
步骤S22:识别第一原始照片中的多个特征对象和第二原始照片中对应的多个特征对象。
在本实施例中,特征对象可以是原始照片中需要考虑的对象,例如,人、动物、车等。例如,在原始照片中需要考虑的对象为人时,特征对象为原始照片中所有的人。再例如,在原始照片中需要考虑的对象为人和狗时,特征对象为原始照片中所有的人和所有的狗。
识别第一原始照片101中的多个特征对象和第二原始照片102中对应的多个特征对象可以包括:获取第一原始照片和第二原始照片中的对象,获取特征对象的特征模型;将对象与特征模型相似度超过预设相似度阈值的对象作为特征对象。
可选地,机器人在拍摄照片的过程中,在第一原始照片101和第二原始照片102的拍摄时间的时间间隔较短的情况下,第一原始照片101 和第二原始照片102包括相同的多个特征对象A、B、C、D。例如,第一原始照片101中包括特征对象A、B、C以及D,第二原始照片102 中也包括特征对象A、B、C以及D。
步骤S23:根据第一原始照片中多个特征对象的位置和第二原始照片中对应的多个特征对象的位置获取每一特征对象的移动距离。
在步骤S23中,在本实施例中,特征对象的位置为特征对象上离图片坐标系纵轴最近的点的位置。在其它实施例中,特征对象的位置可以为对应的特征对象中的特征点所在的位置,其中,特征点可以为特征对象上离图片坐标系原点最近的点、特征对象上离图片坐标系横轴最近的点、特征对象上离图片坐标系纵轴最近的点或者特征对象颜色为预设颜色的点等等,本申请对具体的特征点不作限定。
可选地,图片坐标系的横轴可以是图幅的横向方向,图片坐标系的纵轴可以是图幅的纵向方向,图片坐标系的原点可以是任意横轴与纵轴之间的交点。例如,在本实施例中,将图幅左下角的位置作为原点。
例如,在本实施例中,特征对象A的位置为图中左边缘上的点均为离纵轴最近的点,将左边缘作为特征对象A的位置,从第一原始照片到第二原始照片,特征对象A的移动距离为a1。类似地,特征对象D的移动距离为a2。特征对象B、C的没有移动,即移动距离为零。
步骤S24:将多个特征对象中移动距离超过预设距离的特征对象判断为干扰对象。
在步骤S24中,干扰对象为多个特征对象中用户不想在照片图幅中体现的对象,而与之对立的是多个特征对象中用户想要的主体对象。特征对象包括干扰对象和主体对象,其中,干扰对象和主体对象的数量可以均为多个。
承前所述,若特征对象A的移动距离a1大于预设距离,则特征对象A为干扰对象,若特征对象D的移动距离a2小于预设距离,则特征对象D为主体对象,特征对象B、C移动距离为零,因此为主体对象。
在其它实施例中,原始照片为三张或者三张以上时,将根据两两原始照片确定某一特征对象的多个移动距离的最大值作为该特征对象的移动距离与预设距离比较,并将特征对象的移动距离超过预设距离的特征对象作为干扰对象。例如,在原始照片的数量为三张时,机器人拍摄第一原始照片、第二原始照片以及第三原始照片,且第一原始照片、第二原始照片以及第三原始照片均包括特征对象F、G。根据特征对象F 分别在第一原始照片和第二原始照片中的位置确定的特征对象F的移动距离为L1;根据特征对象G分别在第一原始照片和第二原始照片中的位置确定的特征对象G的移动距离为L2;根据特征对象F分别在第二原始照片和第三原始照片中的位置确定的特征对象F的移动距离为L3;根据特征对象G分别在第二原始照片和第三原始照片中的位置确定的特征对象G的移动距离为L4;根据特征对象F分别在第一原始照片和第三原始照片中的位置确定的特征对象F的移动距离为L5;根据特征对象G分别在第一原始照片和第三原始照片中的位置确定的特征对象G的移动距离为L6。那么处理器将L1、L3、L5中的最大值作为特征对象F 的移动距离与预设距离比较,若大于预设距离则将特征对象F判断为干扰对象。类似地,处理器将L2、L4、L6中的最大值作为特征对象G的移动距离与预设距离比较,若大于预设距离则将特征对象G判断为干扰对象。
步骤S25:将第一原始照片中的干扰对象抠除以获取第一目标照片,将第二原始照片中的干扰对象抠除以获取第二目标照片。
在步骤S25中,抠除干扰对象可以是抠除干扰对象所覆盖的区域,例如将干扰对象所覆盖的区域中的像素点全部用特定颜色的像素点覆盖,例如特定颜色可以是白色或者黑色。
步骤S26:将第一目标照片和第二目标照片进行合成。
在步骤S26中,将第一目标照片和第二目标照片进行合成可以为:将第二原始照片中的与第一原始照片中干扰对象对应的区域填充至第一原始照片的被抠除的区域中;并将第一原始照片中的与第二原始照片中干扰对象对应的区域填充至第二原始照片的被抠除的区域中。
请参阅图4,图4是本申请第三实施例机器人的照片拍摄和处理方法的流程示意图。
在本实施例中,机器人的照片拍摄和处理方法可以包括以下步骤:
步骤S31:拍摄一张原始照片。
可选地,机器人拍摄一张原始照片,其中,原始照片中包括多个特征对象。
步骤S32:识别原始照片中的多个特征对象。
在步骤S32中,特征对象是原始照片中需要考虑的对象,例如,人、动物、车等。例如,原始照片中需要考虑的对象为人,特征对象为原始照片中所有的人。再例如,在原始照片中需要考虑的对象为人和狗时,特征对象为原始照片中所有的人和所有的狗。具体如何识别特征对象,可以根据与特征对象的特征模型的比对结果判断识别,具体参阅上文的描述。
步骤S33:从多个特征对象中判断出原始照片中的干扰对象。
在步骤S33中,干扰对象为多个特征对象中用户不想在照片图幅中体现的对象,而与之对立的是多个特征对象中用户想要的主体对象。特征对象包括干扰对象和主体对象,其中,干扰对象和主体对象的数量可以均为多个。
在本实施例中,可以将偏离对称轴的距离超过距离阈值的特征对象作为干扰对象,即从多个特征对象中判断出原始照片中的干扰对象的步骤可以包括:获取原始照片的对称轴;获取多个特征对象中每一特征对象与对称轴的多个距离值;根据多个距离值确定距离阈值;将特征对象与对称轴的距离值超过距离阈值的特征对象判断为干扰对象。
需要说明的是,获取原始照片的对称轴可以为获取原始照片垂直于图幅长边的第一对称轴,或者获取原始照片垂直于图幅短边的第二对称轴。
特征对象与对称轴的距离值可以为特征对象的中心点与对称轴的距离值;或者,特征对象的特征点与对称轴之间的距离值。其中,特征点可以为离图片坐标系原点最近的点、离图片坐标系横轴最近的点、离图片坐标系纵轴最近的点或者特征对象颜色为预设颜色的点等等,本申请对具体的特征点不作限定。
可选地,根据多个距离值确定距离阈值可以包括:根据多个距离值求距离平均值;将距离平均值加上预定值后作为距离阈值。
在其它实施例中,可以将偏离对称轴最远的特征对象作为干扰对象,从多个特征对象中判断出原始照片中的干扰对象的步骤可以包括:获取原始照片的对称轴;获取多个特征对象中每一特征对象与对称轴的多个距离值;将特征对象与对称轴的距离值最大的特征对象判断为干扰对象。
在其它实施例中,可以根据特征对象之间的间距值是否大于间距阈值来确定干扰对象,即从多个特征对象中判断出原始照片中的干扰对象的步骤可以包括:获取多个特征对象中沿第一方向两两相邻的特征对象的多个间距值;根据多个间距值确定间距阈值;将多个特征对象中仅与一个特征对象相邻且与相邻的特征对象的间距值超过间距阈值的特征对象作为干扰对象。
例如,根据多个间距值确定间距阈值可以为:去除间距值中最大的一个值,将剩余的值的平均值加上预定值后作为间距阈值。
可选地,第一方向可以为原始照片的横向方向或者纵向方向。第一方向还可以为斜向方向。本申请对第一方向的不作限制。
例如在图3中,特征对象A、B、C、D沿原始照片横向的间距值分别为:A-B之间横向间距13、B-C之间横向间距8、C-D之间横向间距 9。那么可以将间距值13去除,然后对8、9求平均值可以得到间距阈值等于8.5加上预定值,例如预定值为3,间距阈值为11.5,那么A-B 之间的间距值为13超出了11.5,特征对象A和B中有一者为干扰对象,由于A在横向仅与B相邻,B与A和C都相邻,因此,可以确定特征对象A为干扰对象。
在其它实施例中,可以将特征对象之间间距最大的特征对象作为干扰对象,即从多个特征对象中判断出原始照片中的干扰对象的步骤可以包括:获取多个特征对象中沿第一方向两两相邻的特征对象的多个间距值;将多个特征对象中仅与一个特征对象相邻且与相邻的特征对象的间距值最大的特征对象作为干扰对象。
同样以图3为例,例如A-B之间横向间距13、B-C之间横向间距8、 C-D之间横向间距9,那么A-B之间横向间距13最大,特征对象A和B 中有一者为干扰对象,由于A在横向仅与B相邻,B与A和C都相邻,因此,可以确定特征对象A为干扰对象。
值得注意的是,以上距离值的单位为统一的一个标准单位,例如毫米,以上例子只是用来说明本申请实施例的相关问题,并不是代表实际情况。
步骤S34:将干扰对象抠除。
步骤S35:将原始照片中干扰对象周围预定范围内的周边区域填充至被抠除的区域。
在步骤S34和S35中,将干扰对象从原始照片中抠除,抠除干扰对象可以是抠除干扰对象所覆盖的区域,例如将干扰对象所覆盖的区域中的像素点全部用特定颜色的像素点覆盖,例如特定颜色可以是白色或者黑色。
在其它实施例中,也可以以其它的方式对干扰对象进行去除。例如,可以对原始照片进行矩形剪裁以去除干扰对象。以矩形剪裁的方式去除干扰对象,并保留其它的特征对象,在剪裁时可以以保证图幅的最大的方式,或者根据用户需要的具体图幅需要进行裁切,例如图幅的纵横比例等。
在其它实施例中,也可以不是将干扰对象去除,而只是对干扰对象进行模糊处理。例如,对干扰对象进行虚化处理或者对干扰对象进行遮挡处理。例如,利用卡通图片对干扰对象进行遮挡,或者在干扰对象对应的区域打马赛克。
请参阅图5,图5是本申请实施例机器人硬件结构示意图。
在本实施例中,机器人40包括处理器41、存储器42以及摄像器 43。
存储器42、摄像器43均与处理器41连接,存储器42用于存储计算机程序,摄像器43用于拍摄照片,处理器41可以控制摄像器43进行拍摄照片,处理器41用于调用计算机程序以执行上述任意一实施例的机器人的照片拍摄和处理方法。
请参阅图6,图6为本申请实施例存储装置的示意图。
存储装置50存储有计算机程序,该计算机程序能够被执行以实现上述任意一实施例的机器人的照片拍摄和处理方法。
可选地,存储装置50可以为U盘、移动硬盘、只读存储器(ROM, Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟、光盘或者服务器等各种可以存储程序代码的介质。
可选地,该存储装置50还可以为上述实施例中的存储器42。
区别于现有技术的情况,本申请机器人的照片拍摄和处理方法包括拍摄原始照片;识别原始照片中的多个特征对象;从多个特征对象中判断出原始照片中的干扰对象;对原始照片的干扰对象进行替换或者模糊处理。通过上述方式,由于机器人能够从多个对象特征中判断出原始照片中的干扰对象,并对原始照片的干扰对象进行替换或者模糊处理,因此,机器人能够自动地对照片中的干扰对象进行处理。
以上所述仅为本申请的实施方式,并非因此限制本申请的专利范围,凡是利用本申请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它相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (10)
1.一种机器人的照片拍摄和处理方法,其特征在于,所述方法包括:
拍摄原始照片;
识别所述原始照片中的多个特征对象;
从所述多个特征对象中判断出所述原始照片中的干扰对象;
对所述原始照片的干扰对象进行替换或者模糊处理。
2.根据权利要求1所述的方法,其特征在于,
所述拍摄原始照片的步骤包括:
拍摄第一原始照片和第二原始照片;
所述识别所述原始照片中的多个特征对象的步骤包括:
识别所述第一原始照片中的多个特征对象和所述第二原始照片中对应的多个特征对象;
所述从所述多个特征对象中判断出所述原始照片中的干扰对象的步骤包括:
根据所述第一原始照片中多个特征对象的位置和所述第二原始照片中对应的多个特征对象的位置获取每一所述特征对象的移动距离;
将所述多个特征对象中移动距离超过预设距离的特征对象判断为干扰对象。
3.根据权利要求2所述的方法,其特征在于,对所述原始照片的干扰对象进行替换或者模糊处理的步骤包括:
将所述第一原始照片中的所述干扰对象抠除以获取第一目标照片;
将所述第二原始照片中的所述干扰对象抠除以获取第二目标照片;
将所述第一目标照片和所述第二目标照片进行合成。
4.根据权利要求1所述的方法,其特征在于,所述从所述多个特征对象中判断出所述原始照片中的干扰对象的步骤包括:
获取所述原始照片的对称轴;
获取所述多个特征对象中每一特征对象与所述对称轴的多个距离值;
根据所述多个距离值确定距离阈值;
将所述特征对象与所述对称轴的距离超过所述距离阈值的所述特征对象判断为所述干扰对象。
5.根据权利要求1所述的方法,其特征在于,所述从所述多个特征对象中判断出所述原始照片中的干扰对象的步骤包括:
获取所述多个特征对象中沿第一方向两两相邻的特征对象的多个间距值;
根据所述多个间距值确定间距阈值;
将所述多个特征对象中仅与一个特征对象相邻且与相邻的特征对象的间距值超过间距阈值的特征对象作为所述干扰对象。
6.根据权利要求1所述的方法,其特征在于,所述从所述多个特征对象中判断出所述原始照片中的干扰对象的步骤包括:
获取所述多个特征对象中每一特征对象所覆盖区域的面积;
将所述多个特征对象中覆盖区域的面积最小的特征对象作为所述干扰对象。
7.根据权利要求4-6任一项所述的方法,其特征在于,
对所述原始照片的干扰对象进行替换或者模糊处理的步骤包括:
将所述干扰对象抠除;
将所述原始照片中所述干扰对象周围预定范围内的周边区域填充至被抠除的区域;
或者,对所述原始照片的干扰对象进行替换或者模糊处理的步骤包括:
对所述原始照片进行矩形剪裁以去除所述干扰对象。
8.根据权利要求2或4-6任一项所述的方法,其特征在于,
所述对所述原始照片的干扰对象进行替换或者模糊处理的步骤包括:
对所述干扰对象进行虚化处理;
或者,所述对所述原始照片的干扰对象进行替换或者模糊处理的步骤包括:
对所述干扰对象进行过遮挡处理。
9.一种机器人,其特征在于,所述机器人包括处理器和与所述处理器连接的存储器,所述存储器用于存储计算机程序,所述处理器用于调用所述计算机程序以执行权利要求1-8任意一项所述的方法。
10.一种存储装置,其特征在于,所述存储装置存储有计算机程序,所述计算机程序能够被执行以实现权利要求1-8任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711498352.4A CN109993688A (zh) | 2017-12-29 | 2017-12-29 | 机器人及其照片拍摄和处理方法、存储装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711498352.4A CN109993688A (zh) | 2017-12-29 | 2017-12-29 | 机器人及其照片拍摄和处理方法、存储装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109993688A true CN109993688A (zh) | 2019-07-09 |
Family
ID=67111179
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711498352.4A Pending CN109993688A (zh) | 2017-12-29 | 2017-12-29 | 机器人及其照片拍摄和处理方法、存储装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109993688A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111263071A (zh) * | 2020-02-26 | 2020-06-09 | 维沃移动通信有限公司 | 一种拍摄方法及电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107135351A (zh) * | 2017-04-01 | 2017-09-05 | 宇龙计算机通信科技(深圳)有限公司 | 拍照方法及拍照装置 |
CN107343149A (zh) * | 2017-07-31 | 2017-11-10 | 维沃移动通信有限公司 | 一种拍照方法和移动终端 |
CN107343225A (zh) * | 2016-08-19 | 2017-11-10 | 北京市商汤科技开发有限公司 | 在视频图像中展示业务对象的方法、装置和终端设备 |
CN107395982A (zh) * | 2017-08-22 | 2017-11-24 | 北京小米移动软件有限公司 | 拍照方法和装置 |
-
2017
- 2017-12-29 CN CN201711498352.4A patent/CN109993688A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107343225A (zh) * | 2016-08-19 | 2017-11-10 | 北京市商汤科技开发有限公司 | 在视频图像中展示业务对象的方法、装置和终端设备 |
CN107135351A (zh) * | 2017-04-01 | 2017-09-05 | 宇龙计算机通信科技(深圳)有限公司 | 拍照方法及拍照装置 |
CN107343149A (zh) * | 2017-07-31 | 2017-11-10 | 维沃移动通信有限公司 | 一种拍照方法和移动终端 |
CN107395982A (zh) * | 2017-08-22 | 2017-11-24 | 北京小米移动软件有限公司 | 拍照方法和装置 |
Non-Patent Citations (1)
Title |
---|
刘玮等: "《计算机视觉中的目标特征模型和视觉注意模型》", 华中科技大学出版社, pages: 7 - 13 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111263071A (zh) * | 2020-02-26 | 2020-06-09 | 维沃移动通信有限公司 | 一种拍摄方法及电子设备 |
CN111263071B (zh) * | 2020-02-26 | 2021-12-10 | 维沃移动通信有限公司 | 一种拍摄方法及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6871314B2 (ja) | 物体検出方法、装置及び記憶媒体 | |
CN110569699B (zh) | 对图片进行目标采样的方法及装置 | |
US10846867B2 (en) | Apparatus, method and image processing device for smoke detection in image | |
KR100714672B1 (ko) | 스플렛을 이용한 깊이 기반의 영상 렌더링 방법 및 그방법을 채용한 시스템 | |
AU2013237718A1 (en) | Method, apparatus and system for selecting a frame | |
CN108121982B (zh) | 面单图像的获取方法及装置 | |
CN114445769A (zh) | 一种钓鱼行为检测方法、装置及系统 | |
EP2813973A1 (en) | Method and system for processing video image | |
CN111957040A (zh) | 遮挡位置的检测方法、装置、处理器及电子装置 | |
CN111696057B (zh) | 一种深度图像去噪方法及装置 | |
KR102226845B1 (ko) | 지역적 이진화를 이용한 오브젝트 인식 시스템 및 그 방법 | |
CN111357034A (zh) | 点云生成方法、系统和计算机存储介质 | |
CN111553302B (zh) | 关键帧选取方法、装置、设备及计算机可读存储介质 | |
WO2020010620A1 (zh) | 波浪识别方法、装置、计算机可读存储介质和无人飞行器 | |
WO2021056501A1 (zh) | 提取特征点的方法、可移动平台及存储介质 | |
US20200027268A1 (en) | Polygon model generating apparatus, polygon model generation method, and program | |
CN114677394A (zh) | 抠图方法、装置、摄像设备、会议系统、电子设备及介质 | |
CN109993688A (zh) | 机器人及其照片拍摄和处理方法、存储装置 | |
CN110841293A (zh) | 一种自动动态输出游戏贴图合适度的方法和系统 | |
JPWO2021142451A5 (zh) | ||
US20120113094A1 (en) | Image processing apparatus, image processing method, and computer program product thereof | |
CN113128430A (zh) | 人群聚集检测方法、装置、电子设备和存储介质 | |
CN110223219B (zh) | 3d图像的生成方法及装置 | |
US9070015B2 (en) | System and method for iris detection in digital images | |
CN111127614A (zh) | 模型的描边处理方法、装置、存储介质及终端 |
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 |