CN110476405B - 用于提供与拍摄有关的推荐信息的方法和系统 - Google Patents

用于提供与拍摄有关的推荐信息的方法和系统 Download PDF

Info

Publication number
CN110476405B
CN110476405B CN201880019872.9A CN201880019872A CN110476405B CN 110476405 B CN110476405 B CN 110476405B CN 201880019872 A CN201880019872 A CN 201880019872A CN 110476405 B CN110476405 B CN 110476405B
Authority
CN
China
Prior art keywords
composition
preview image
recommended
electronic device
information
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.)
Active
Application number
CN201880019872.9A
Other languages
English (en)
Other versions
CN110476405A (zh
Inventor
郑载澔
成烈卓
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Samsung Electronics Co Ltd
Original Assignee
Samsung Electronics Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Samsung Electronics Co Ltd filed Critical Samsung Electronics Co Ltd
Priority to CN202111265899.6A priority Critical patent/CN114040098A/zh
Priority to CN202110029846.8A priority patent/CN112801269A/zh
Publication of CN110476405A publication Critical patent/CN110476405A/zh
Application granted granted Critical
Publication of CN110476405B publication Critical patent/CN110476405B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/63—Control of cameras or camera modules by using electronic viewfinders
    • H04N23/633—Control of cameras or camera modules by using electronic viewfinders for displaying additional information relating to control or operation of the camera
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/088—Non-supervised learning, e.g. competitive learning
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M1/00—Substation equipment, e.g. for use by subscribers
    • H04M1/72—Mobile telephones; Cordless telephones, i.e. devices for establishing wireless links to base stations without route selection
    • H04M1/724—User interfaces specially adapted for cordless or mobile telephones
    • H04M1/72403—User interfaces specially adapted for cordless or mobile telephones with means for local support of applications that increase the functionality
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
    • H04N1/00127—Connection or combination of a still picture apparatus with another apparatus, e.g. for storage, processing or transmission of still picture signals or of information associated with a still picture
    • H04N1/00204—Connection or combination of a still picture apparatus with another apparatus, e.g. for storage, processing or transmission of still picture signals or of information associated with a still picture with a digital computer or a digital computer system, e.g. an internet server
    • H04N1/00244—Connection or combination of a still picture apparatus with another apparatus, e.g. for storage, processing or transmission of still picture signals or of information associated with a still picture with a digital computer or a digital computer system, e.g. an internet server with a server, e.g. an internet server
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/45—Cameras or camera modules comprising electronic image sensors; Control thereof for generating image signals from two or more image sensors being of different type or operating in different modes, e.g. with a CMOS sensor for moving images in combination with a charge-coupled device [CCD] for still images
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/61—Control of cameras or camera modules based on recognised objects
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/63—Control of cameras or camera modules by using electronic viewfinders
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/63—Control of cameras or camera modules by using electronic viewfinders
    • H04N23/631—Graphical user interfaces [GUI] specially adapted for controlling image capture or setting capture parameters
    • H04N23/632—Graphical user interfaces [GUI] specially adapted for controlling image capture or setting capture parameters for displaying or modifying preview images prior to image capturing, e.g. variety of image resolutions or capturing parameters
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/63—Control of cameras or camera modules by using electronic viewfinders
    • H04N23/633—Control of cameras or camera modules by using electronic viewfinders for displaying additional information relating to control or operation of the camera
    • H04N23/635—Region indicators; Field of view indicators
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/64—Computer-aided capture of images, e.g. transfer from script file into camera, check of taken image quality, advice or proposal for image composition or decision on when to take image
    • 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
    • H04N23/71—Circuitry for evaluating the brightness variation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N2201/00—Indexing scheme relating to scanning, transmission or reproduction of documents or the like, and to details thereof
    • H04N2201/0077—Types of the still picture apparatus
    • H04N2201/0084—Digital still camera

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Biomedical Technology (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Studio Devices (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

提供了一种电子装置、以及电子装置提供与拍摄有关的推荐信息的方法。该方法包括：识别包括在由第一相机识别的预览图像中的被摄体，获取所识别的被摄体的信息，获取与所识别的被摄体周围的光有关的信息，基于所识别的被摄体的信息和与所识别的被摄体周围的光有关的信息来确定推荐的拍摄构图，以及提供关于所确定的推荐的拍摄构图的信息。

Description

用于提供与拍摄有关的推荐信息的方法和系统
技术领域
本公开涉及用于通过使用诸如深度学习的机器学习算法来模拟诸如识别和决策的人脑功能的人工智能(AI)系统、以及AI系统的应用。更具体地，本公开涉及用于通过使用AI系统提供与拍摄有关的推荐信息的方法和装置。
背景技术
与现有的基于规则的智能系统不同，人工智能(AI)系统是一种被配置为通过自学习和自发决策来实现人类水平的智能并且变得更加智能的计算机系统。AI系统使用得越多，其识别率改善得越多以及其理解用户的品味越准确，因此，基于规则的智能系统逐渐被基于深度学习的AI系统所取代。
AI技术包括机器学习(例如，深度学习)和使用机器学习的元素技术。
机器学习是一种自分类和学习输入数据的特性的算法技术，并且元素技术是使用诸如深度学习的机器学习算法来模拟诸如识别和决策的人脑功能的技术，并包括诸如语言理解、视觉理解、推断/预测、知识表示和运动控制的技术领域。
应用AI技术的各个领域如下。语言理解是一种用于识别和应用/处理人类语言/字符的技术，并且包括自然语言处理、机器翻译、对话系统、问题和答案、以及语音识别/合成。视觉理解是一种用于以人类视觉系统的方式识别和处理对象(object)的技术，并且包括对象识别、对象跟踪、图像搜索、人物识别、场景理解、空间理解和图像增强。推断/预测是一种用于判断信息并在逻辑上推断和预测信息的技术，并且包括基于知识/概率的推理、优化预测、基于偏好的规划、以及推荐。知识表示是一种用于将人类体验信息结合到知识数据中的自动化技术，并且包括知识构建(例如，数据生成/分类)和知识管理(例如，数据利用)。运动控制是一种用于控制自主载具(autonomous vehicles)的自动驾驶和机器人的运动的技术，并且包括移动控制(例如，导航、碰撞规避、或驾驶)和操纵控制(例如，行为控制)。
以上信息仅作为背景信息被呈现以帮助理解本公开。关于任何上述内容是否可以适用为关于本公开的现有技术，没有做出确定，也没有做出断言。
发明内容
问题的解决方案
因此，本公开的一个方面是提供用于通过使用被摄体(subject)和被摄体的周围环境信息来提供与拍摄有关的推荐信息(例如，至少一个推荐的拍摄构图(photographingcomposition)、推荐设置值和至少一个推荐的姿势)的方法和系统。
另外的方面将部分地在下面的描述中阐述，并且部分地从描述中将是清楚的，或者可以通过实践所呈现的实施例来学习。
发明的有益效果
根据实施例，系统可以通过使用被摄体和被摄体的周围环境信息来提供与拍摄有关的推荐信息(例如，至少一个推荐的拍摄构图、推荐设置值和至少一个推荐的姿势)。
附图说明
从以下结合附图的描述中，本公开的某些实施例的上述和其他方面、特征和优点将更加清楚，在附图中：
图1是用于描述根据本公开的实施例的拍摄系统的视图；
图2是用于描述根据本公开的实施例的电子装置提供与拍摄有关的推荐信息的方法的流程图；
图3是用于描述根据本公开的实施例的通过深度学习生成推荐模型的操作的图；
图4是用于描述根据本公开的实施例的拍摄构图的视图；
图5是用于描述根据本公开的实施例的检测当前拍摄构图的操作的视图；
图6是用于描述根据本公开的实施例的推荐的拍摄构图的视图；
图7是用于描述根据本公开的实施例的推荐或自动应用拍摄设置值的方法的流程图；
图8是用于描述根据本公开的实施例的拍摄设置值的视图；
图9是用于描述根据本公开的实施例的通过使用具有大于预览图像的视角的图像来提供关于推荐的拍摄构图的信息的方法的流程图；
图10是用于描述根据本公开的实施例的双相机的使用的视图；
图11是用于描述根据本公开的实施例的通过使用最大视角图像引导拍摄的操作的视图；
图12和图13是用于描述根据本公开的各种实施例的在最大视角图像上显示用于引导推荐的拍摄构图的信息的操作的视图；
图14和图15是用于描述根据本公开的各种实施例的电子装置显示关于推荐的拍摄构图的信息的操作的视图；
图16是用于描述根据本公开的实施例的电子装置与服务器互操作以提供关于推荐的拍摄构图的信息的方法的流程图；
图17是用于描述根据本公开的实施例的电子装置执行人工智能(AI)辅助应用的操作的视图；
图18是用于描述根据本公开的实施例的提供关于多个推荐的拍摄构图的信息的方法的流程图；
图19、图20和图21是用于描述根据本公开的各种实施例的电子装置显示关于多个推荐的拍摄构图的信息的操作的视图；
图22是用于描述根据本公开的实施例的提供关于推荐的姿势的信息的方法的流程图；
图23是用于描述根据本公开的实施例的电子装置显示关于推荐的姿势的信息的操作的视图；
图24是用于描述根据本公开的实施例的通过使用被摄体的数量和被摄体的周围环境信息来提供关于推荐的姿势的信息的操作的视图；
图25是用于描述根据本公开的实施例的提供关于多个推荐的姿势的信息的操作的视图；
图26是用于描述根据本公开的实施例的推荐最佳面部构图的操作的视图；
图27和图28是用于描述根据本公开的各种实施例的电子装置的框图；
图29是根据本公开的实施例的处理器的框图；
图30是根据本公开的实施例的数据学习器的框图；
图31是根据实施例的数据识别器的框图；以及
图32是示出根据本公开的实施例的电子装置和服务器互操作以学习和识别数据的示例的视图。
在整个附图中，应注意，相同的附图标记用于描绘相同或相似的元件、特征和结构。
最佳实施方式
根据本公开的一个方面，提供了一种电子装置提供与拍摄有关的推荐信息的方法。该方法包括：识别包括在由第一相机识别的预览图像中的被摄体；获取所识别的被摄体的信息；获取与所识别的被摄体周围的光有关的信息；基于所识别的被摄体的信息和与所识别的被摄体周围的光有关的信息来确定推荐的拍摄构图；以及提供关于推荐的拍摄构图的信息。
根据本公开的另一方面，提供了一种电子装置。该电子装置包括：输出接口，用于显示包括由第一相机识别的被摄体的预览图像；传感器，用于获取与所识别的被摄体周围的光有关的信息；以及至少一个处理器，被配置为识别包括在预览图像中的被摄体，获取所识别的被摄体的信息，基于所识别的被摄体的信息和与所识别的被摄体周围的光有关的信息来确定推荐的拍摄构图，以及提供关于推荐的拍摄构图的信息。
根据本公开的另一方面，提供了一种计算机程序产品。该计算机程序产品包括计算机可读存储介质，其中计算机可读存储介质包括指令，用于：识别包括在由第一相机识别的预览图像中的被摄体；获取所识别的被摄体的信息；获取与所识别的被摄体周围的光有关的信息；基于所识别的被摄体的信息和与所识别的被摄体周围的光有关的信息来确定推荐的拍摄构图；以及提供关于推荐的拍摄构图的信息。
从以下结合附图公开了本公开的各种实施例的详细描述中，本公开的其他方面、优点和显著特征对于本领域技术人员将变得清晰。
具体实施方式
提供参考附图的以下描述以帮助全面理解由权利要求及其等同物限定的本公开的各种实施例。它包括各种具体细节以帮助理解，但这些仅被视为示例性的。因此，本领域普通技术人员将认识到，在不脱离本公开的范围和精神的情况下，可以对本文描述的各种实施例进行各种改变和修改。另外，为了清楚和简明，可以省略对公知功能和构造的描述。
在以下描述和权利要求中使用的术语和词语不限于书面含义，而是仅由发明人使用以使得能够清楚和一致地理解本公开。因此，本领域技术人员应清楚，提供本公开的各种实施例的以下描述仅用于说明目的，而不用于限制由所附权利要求及其等同物限定的本公开的目的。
将理解，除非上下文另有明确规定，否则单数形式“一种(a)”、“一种(an)”和“该”包括复数指示物。因此，例如，对“组件表面”的引用包括对一个或多个这样的表面的引用。
在整个说明书中，当部件“包括”元件时，将理解该部件另外包括其他元件而非排除其他元件，只要不存在特定的相反的叙述。此外，在说明书中使用的诸如“单元”、“模块”等的术语表示处理至少一个功能或动作的单元，并且该单元可以通过硬件或软件、或者通过硬件与软件的组合来实现。
将详细描述本公开的实施例，以便完整传达本公开的范围，并使本领域普通技术人员能够体现和实践本公开。然而，本公开可以以许多不同的形式实施，并且不应被解释为限于这里阐述的实施例。而且，省略了附图中与详细描述无关的部分以确保本公开的清楚。附图中相同的附图标记表示相同的元件。
如这里所使用的，术语“和/或”包括一个或多个相关所列项目的任何和所有组合。在元素列表之后的诸如“……中的至少一个”的表达修饰整个元素列表而不修饰列表的单个元素。
图1是用于描述根据本公开的实施例的拍摄系统的视图。
参考图1，根据实施例的拍摄系统可以包括电子装置1000。根据实施例，除了电子装置1000之外，拍摄系统还可以包括服务器(未示出)。下面将参考图16详细描述拍摄系统包括电子装置1000和服务器的实施例。
根据实施例，电子装置1000可以指用于获取被摄体的至少一个画面(frame)的设备。为了便于说明，被摄体的至少一个画面可以表示为图像或照片。
根据实施例，被摄体(subject)可以指要被拍摄的对象(object)。被摄体可以是运动对象(诸如人、动物、昆虫或载具)、不可动的对象(诸如建筑物、雕像、图片或岩石)、植物(诸如树或花)、景观(诸如海洋、山峰或日落)、或自然现象(诸如月食或日食)。
根据实施例的电子装置1000可以以各种形式中的任何一种来实现。这里描述的电子装置1000的示例可以包括但不限于数码相机、智能电话、膝上型计算机、平板PC、电子书终端、数字广播终端、个人数字助理(PDA)、便携式多媒体播放器(PMP)、导航系统和MP3播放器。这里描述的电子装置1000可以是用户可穿戴的可穿戴设备。可穿戴设备可以是配饰型设备(例如，手表、戒指、手镯、脚镯、项链、眼镜或隐形眼镜)、头戴式设备(HMD)、织物或衣服集成设备(例如，电子衣服)、身体可附接设备(例如，皮肤垫)和生物可植入设备(例如，可植入电路)中的至少一种。在下文中，为了便于描述，将在假设电子装置1000是数码相机或配备有相机的智能电话的情况下描述以下内容。
根据实施例，电子装置1000的用户可以通过使用电子装置1000拍摄被摄体的照片。在这种情况下，电子装置1000的用户可以确定拍摄构图，调整拍摄设置值，或调整被摄体的姿势，以拍摄漂亮的照片。然而，对于不熟悉拍摄的普通用户来说，像专业摄影师那样拍摄漂亮的照片是困难的。
因此，根据实施例，电子装置1000可以提供与拍摄有关的推荐信息，使得普通用户可以拍摄漂亮的照片。例如，电子装置1000可以向用户提供在与拍摄构图有关的推荐信息、与拍摄设置值有关的推荐信息、以及与被摄体的姿势有关的推荐信息(但不限于此)之中的至少一个。
现在将参考图2详细描述电子装置1000通过使用被摄体和被摄体的周围环境信息来提供与拍摄有关的推荐信息(例如，拍摄构图的推荐)的操作。
图2是用于描述根据本公开的实施例的电子装置1000提供与拍摄有关的推荐信息的方法的流程图。
在操作S210中，电子装置1000可以识别包括在通过第一相机识别的预览图像中的被摄体。预览图像可以是用户在拍摄之前可通过取景器或屏幕预览的图像。
根据实施例，电子装置1000可以通过分析预览图像来识别包括在预览图像中的被摄体。在这种情况下，根据实施例，电子装置1000可以通过使用人工智能(AI)系统的学习网络模型来识别包括在预览图像中的被摄体。
根据实施例，电子装置1000可以确定包括在预览图像中的被摄体的类型。例如，电子装置1000可以确定被摄体是人、动物、风景、自然对象、还是食物。
根据实施例，电子装置1000可以确定被摄体的数量。例如，当被摄体是人时，电子装置1000可以确定包括在预览图像中的人是一个人还是群体(group)。此外，当被摄体是群体时，电子装置1000可以确定群体中包括多少人。
根据实施例，电子装置1000可以通过使用焦点信息或关于被摄体占据的空间的比率的信息来确定主要被摄体。例如，当在预览图像中包括场地、人和树时，电子装置1000可以根据预览图像上人和树占据的空间的比率，将人确定为主要被摄体，或者可以将树确定为主要被摄体。此外，电子装置1000可以将包括在预览图像中的人之中的一个被聚焦的人确定为主要被摄体。
根据实施例，电子装置1000可以根据用户输入确定主要被摄体。例如，电子装置1000可以将用户选择为感兴趣对象的被摄体确定为主要被摄体。
根据实施例，电子装置1000可以通过服务器识别包括在预览图像中的被摄体。例如，当将关于预览图像的信息(例如，预览图像或从预览图像提取的特征信息)发送到服务器时，电子装置1000可以请求服务器识别包括在预览图像中的被摄体。在这种情况下，服务器可以通过使用学习网络模型分析关于预览图像的信息来识别包括在预览图像中的被摄体。服务器可以向电子装置1000发送被摄体的识别信息(例如，被摄体的类型、被摄体的数量和主要被摄体)。
在操作S220中，电子装置1000可以获取所识别的被摄体的周围环境信息。
根据实施例，被摄体的周围环境信息可以包括与光有关的信息、与地点有关的信息、与时间有关的信息和与天气有关的信息中的至少一个。
根据实施例，电子装置1000可以获取与被摄体周围的光有关的信息作为被摄体的周围环境信息。例如，与被摄体周围的光有关的信息可以包括但不限于光的类型(例如，自然光、直射光、漫射光、人造光、前光、侧光或背光)、光的散射、光的方向、光的强度、太阳的位置、照度、辅助光(闪光灯)(例如，相机的内部闪光灯、外部闪光灯、环形闪光灯、或者反射板)、位置信息(例如，全球定位系统(GPS)坐标、区域或国家)、位置是室内(例如，一般家庭、办公室、宴会厅、表演厅、或展览)还是户外(例如，森林、海滩、大海、或烟火)、时间(例如，中午、日出和日落、背光、日落之后或深夜)、天气(例如，雨天、雪天、或冬季雪景(雪停之后))、以及季节。
根据实施例，电子装置1000可以通过使用电子装置1000的当前位置和太阳的当前位置来获取与被摄体周围的光有关的信息。例如，电子装置1000可以通过使用位置传感器(例如，GPS)来识别当前位置，并且可以通过使用当前时间信息来识别太阳的位置(例如，方向或海拔)。在这种情况下，太阳的位置可以是太阳的绝对位置，或者可以是与电子装置1000或被摄体的相对位置。例如，电子装置1000可以识别太阳位于距被摄体的东北方向的低海拔处。
根据实施例，电子装置1000可以通过分析预览图像来获取被摄体的周围环境信息(例如，与所识别的被摄体的周围的光有关的信息)。在这种情况下，根据实施例，电子装置1000可以通过使用Al系统的学习网络模型(例如，AI模型)从预览图像中获取被摄体的周围环境信息。例如，电子装置1000可以通过分析包括在预览图像中的光与影、阴影或太阳，确定是白天还是夜晚，或者可以确定光的方向、光的强度或太阳的位置。此外，电子装置1000可以通过分析包括在预览图像中的被摄体，确定季节是春季、夏季、秋季还是冬季，或者可以确定位置是室内还是户外。例如，电子装置1000可以在被摄体穿着短袖衬衫时确定季节是夏季，并且在被摄体站在雪上时可以确定季节是冬季。
根据实施例，电子装置1000可以通过分析预览图像来获取预览图像中的与从被摄体发射的光有关的信息。例如，当在预览图像中包括夜景时，电子装置1000可以识别但不限于：包括在预览图像中的照明设备(例如，路灯或车灯)发射的光、行星(例如，月亮、星星、金星或银河)发射的光、篝火发射的光、或鞭炮发射的光。电子装置1000可以获取关于预览图像中的被摄体发射的光的颜色印象(impression)、强度和照度的信息。
根据实施例，电子装置1000可以通过使用至少一个传感器获取被摄体的周围环境信息(例如，与所识别的被摄体周围的光有关的信息)。例如，电子装置1000可以通过使用位置传感器获取诸如被摄体的当前位置或被摄体是在室内还是在户外的信息。
根据实施例，电子装置1000可以获取被摄体周围的照度值。此外，电子装置1000可以通过使用照度传感器来确定被摄体的周围当前是白天还是夜晚。
根据实施例，电子装置1000可以通过使用温度传感器获取被摄体周围的温度信息，并且可以通过使用湿度传感器获取被摄体周围的湿度信息。
根据实施例，电子装置1000可以通过使用多个图像传感器(或多个相机)获取周围环境信息。例如，电子装置1000可以通过使用与获取预览图像的第一相机不同的第二相机来获取具有比预览图像的视角更大的视角的第一图像(例如，最大视角图像)。电子装置1000可以通过分析所获取的第一图像(例如，最大视角图像)来获取被摄体的周围环境信息(例如，与被摄体周围的光有关的信息)。由于最大视角图像包括比预览图像更多的周围信息，因此通过分析最大视角图像获取的信息可以比通过分析预览图像获取的信息更精确。下面将参考图9详细描述电子装置1000通过使用双相机获取周围环境信息的操作。
在操作S230中，电子装置1000可以通过使用所识别的被摄体的信息和被摄体的周围环境信息来确定推荐的拍摄构图。所识别的被摄体的信息可以包括但不限于被摄体的类型、被摄体的数量、主要被摄体、被摄体的姿势和被摄体的颜色中的至少一个。
根据实施例，推荐的拍摄构图可以指由电子装置1000向电子装置1000的用户推荐的拍摄构图、拍摄区域或拍摄角度。
拍摄构图可以指画面中的被摄体(或背景)的布置。例如，参考图4，拍摄构图可以包括但不限于黄金分割构图/三分法构图401、完美对角线构图402、菱形构图403、棋盘构图404、平行水平构图405、垂直构图406、水平三分之一构图407、水平和垂直构图408、倒三角形构图409、螺旋构图410、圆形构图411、闪电形构图412、U形构图413、中心构图414、C形构图415、S形构图416、扇形构图417、对角线构图418、平行对角线构图419、三角形构图420、水平构图421、十字形构图422、拱形构图423、X形对角线构图424、径向构图425、以及双侧对称构图426。
根据实施例，电子装置1000可以通过使用AI模型来确定推荐的拍摄构图。例如，电子装置1000可以通过使用基于专业人员拍摄的照片训练的学习网络模型(例如，AI模型)来确定推荐的拍摄构图。下面将参考图3详细描述基于专业人员拍摄的照片训练的学习网络模型(例如，AI模型)。
根据实施例，电子装置1000可以根据所识别的被摄体的类型和被摄体的数量来确定推荐的拍摄构图。例如，当被摄体是食物并且放置了若干餐具(dishes)时，电子装置1000可以将适合于其中布置有若干食物的图像的第一拍摄构图确定为推荐的拍摄构图，并且当被摄体是一个人时，电子装置1000可以将第二拍摄构图确定为推荐的拍摄构图。
根据实施例，电子装置1000可以通过使用所识别的被摄体的信息和与被摄体周围的光有关的信息来确定推荐的拍摄构图。
例如，当作为被摄体的食物位于户外时，电子装置可以考虑光的方向将第三拍摄构图确定为推荐的拍摄构图，并且当作为被摄体的食物位于室内时，电子装置1000可以将第四拍摄构图确定为推荐的拍摄构图。
根据实施例，电子装置1000可以考虑太阳的位置将太阳不是背光的构图确定为推荐的拍摄构图。替选地，当太阳是背光时，电子装置1000可以将被摄体看起来最佳的构图确定为推荐的拍摄构图。
此外，电子装置1000可以通过使用被摄体发射的信息或与被摄体周围的对象发射的光有关的信息来确定用于长曝光拍摄的推荐的拍摄构图。例如，考虑到路灯的光的方向、强度和颜色印象，电子装置1000可以确定被摄体位于右侧的S形构图作为用于长曝光拍摄的推荐的拍摄构图。替选地，考虑到月亮或星星的位置和亮度，电子装置1000可以确定在预览图像上陆地占据1/3并且天空占据2/3的曝光作为用于长曝光拍摄的推荐的拍摄构图。
根据实施例，作为通过检查与被摄体周围的光有关的信息而获取的结果，当是夜晚并且位置是户外时，可以通过使用长曝光获取好的照片。因此，电子装置1000可以推荐用于长曝光拍摄的拍摄设置值。下面将参考图7详细描述电子装置1000推荐拍摄设置值的方法。
根据实施例，电子装置1000可以通过使用由专业人员拍摄的照片来确定推荐的拍摄构图。例如，当被摄体是特定建筑物(例如，图11中所示的泰姬陵)并且太阳位于建筑物左侧时，电子装置1000可以基于拍摄建筑物的专业人员拍摄的多张照片中的在太阳位于建筑物左侧时拍摄的照片，将第五拍摄构图确定为推荐的拍摄构图。替选地，当作为通过分析周围环境信息而获取的结果，被摄体是特定山峰(例如，珠穆朗玛峰)并且山峰多雾时，电子装置1000可以基于拍摄山峰的专业人员拍摄的照片中的在有雾的早晨拍摄的照片，将第六拍摄构图确定为推荐的拍摄构图。根据实施例，当作为通过分析周围环境信息而获取的结果，被摄体是特定海滩(例如，威基基海滩)并且存在日落时，电子装置1000可以将很好地表现海滩日落的专业人员的拍摄构图确定为推荐的拍摄构图。
根据实施例，当所识别的被摄体是高层建筑并且作为基于最大视角图像的分析结果在周围不存在特征对象时，电子装置1000可以将垂直模式确定为推荐的拍摄构图。此外，当被摄体是若干人并且作为基于最大视角图像的分析结果人们站在户外宽阔的草坪上时，电子装置1000可以将水平模式确定为推荐的拍摄构图。
根据实施例，当作为通过分析预览图像而获取的结果，主要被摄体是人并且在背景上存在诸如树或柱的投影被摄体时，电子装置1000可以确定树或柱不与人重叠的构图作为推荐的拍摄构图。此外，当作为通过分析预览图像而获取的结果，主要被摄体是人并且海滩是背景时，电子装置1000可以确定海的地平线不通过人的眼睛或颈部的构图作为推荐的拍摄构图。
根据实施例，当主要被摄体是人时，电子装置1000可以考虑人的目光(gaze)来确定推荐的拍摄构图。例如，当作为被摄体的人的目光在右侧时，电子装置1000可以确定右侧存在空间的构图作为推荐的拍摄构图，并且当人的目光在左侧时，电子装置1000可以确定左侧存在空间的构图作为推荐的拍摄构图。
根据实施例，当在户外拍摄人时，电子装置1000可以确定可与背景协调拍摄肖像照片的构图作为推荐的拍摄构图。例如，电子装置1000可以将三分法构图确定为推荐的拍摄构图。三分法构图是指下述构图：其中画面被两条虚拟水平线和两条虚拟垂直线划分，并且被摄体沿虚拟交叉点放置。当以三分法构图拍摄时，可以获取稳定的照片。
根据实施例，电子装置1000可以考虑拍摄区域和拍摄角度来确定推荐的拍摄构图。例如，当预览图像中仅包括人的颈部之上的部分时，电子装置1000可以考虑周围环境信息，确定预览图像中可以包括人的胸部之上的部分的构图作为推荐的拍摄构图。在这种情况下，推荐的拍摄构图可以包括用于从当前放大率减小变焦放大倍率(zoommagnification)(推远(zoom out))并减小相机角度的信息。
根据实施例，电子装置1000可以将关于预览图像的信息或被摄体的周围环境信息发送到服务器，并且可以请求服务器推荐拍摄构图。在这种情况下，服务器可以通过使用关于预览图像的信息或被摄体的周围环境信息来确定推荐的拍摄构图，并且可以将关于所确定的推荐的拍摄构图的信息发送到电子装置1000。下面将参考图16详细描述电子装置1000与服务器互操作以确定推荐的拍摄构图的操作。
在操作S240中，电子装置1000可以提供关于所确定的推荐的拍摄构图的信息。
根据实施例，电子装置1000可以从预览图像确定当前拍摄构图。例如，电子装置1000可以根据被摄体的形状和位置来确定当前拍摄构图。替选地，电子装置1000可以检测预览图像上的线，并且可以通过使用检测到的线来确定当前拍摄构图。
根据实施例，电子装置1000可以比较推荐的拍摄构图与当前拍摄构图。当作为比较的结果，推荐的拍摄构图与当前拍摄构图之间的相似度小于阈值(例如，97％)时，电子装置1000可以提供关于推荐的拍摄构图的信息。根据实施例，当推荐的拍摄构图与当前拍摄构图之间的相似度等于或大于阈值(例如，97％)时，电子装置1000可以不提供关于推荐的拍摄构图的信息。
根据实施例，电子装置1000可以通过输出用于引导推荐的拍摄构图的信息来提供关于推荐的拍摄构图的信息。在这种情况下，电子装置1000可以通过使用但不限于视频信号、音频信号和振动信号中的至少一个来输出用于引导推荐的拍摄构图的信息。例如，电子装置1000可以在预览图像上显示用于引导推荐的拍摄构图的文本或图标。电子装置1000可以输出语音(例如，“向右下轻微移动相机”)以引导推荐的拍摄构图。
根据实施例，电子装置1000可以通过使用被摄体的信息和被摄体的周围环境信息来确定多个推荐的拍摄构图。在这种情况下，电子装置1000可以提供分别与多个推荐的拍摄构图对应的缩略图图像。此外，电子装置1000可以提供分别与多个推荐的拍摄构图对应的预览图像。下面将参考图18详细描述电子装置1000提供关于多个推荐的拍摄构图的信息的操作。
图3是用于描述根据本公开的实施例的通过深度学习生成推荐模型的操作的图。
参考图3，根据实施例，包括在服务器或电子装置1000中的AI处理器可以生成推荐模型300，其通过训练人工神经网络来推荐拍摄构图或导出拍摄设置值。当人工神经网络被“训练好(trained)”时，这可以意味着允许构成人工神经网络的神经元的连接通过基于数据适当地改变权重来做出最佳确定的数学模型被创建。
根据实施例，AI处理器可以获取照片图像301、照片元数据302和周围环境信息303，并且可以通过使用照片图像301、照片元数据302和周围环境信息303来生成推荐模型300。
根据实施例，由AI处理器获取的照片图像301可以是由专业人员拍摄的许多照片图像，并且可以包括关于被摄体的信息和拍摄构图。根据实施例，照片图像301可以是静止图像、或视频中包括的多个画面。
根据实施例，照片元数据302可以包括但不限于相机制造商、相机型号、镜头类型、图像编辑器(软件)、编辑照片的日期/时间、可交换图像文件格式(Exif)版本、拍摄日期/时间、照片的实际尺寸、曝光时间(或快门速度)、曝光程序、镜头焦距、光阑(stop)的F值、是否使用闪光、以及白平衡。根据实施例，照片元数据302可以是ExiF数据。
根据实施例，周围环境信息303可以指与包括在照片图像301中的被摄体的周围环境有关的信息。例如，周围环境信息303可以包括但不限于光的类型(例如，自然光、直射光、漫射光、人造光、前光、侧光或背光)、光的散射、光的方向、光的强度、太阳的位置、照度、辅助光(闪光灯)(例如，相机的内部闪光灯、外部闪光灯、环形闪光灯、或者反射板)、位置信息(例如，GPS坐标、区域或国家)、位置是室内(例如，一般家庭、办公室、宴会厅、表演厅、或展览)还是户外(例如，森林、海滩、大海、或烟火)、时间(例如，中午、日出和日落、背光、日落之后或深夜)、天气(例如，雨天、雪天、或冬季雪景(雪停止之后))、以及季节。
根据实施例，AI处理器可以通过从专业人员的照片图像301识别拍摄构图和被摄体并且将识别的被摄体和识别的拍摄构图与对应的元数据(拍摄设置值)和对应的周围环境信息匹配来对推荐的拍摄构图或推荐拍摄设置值进行建模。根据实施例，随着由AI处理器收集的专业人员的照片图像301、对应的元数据以及对应的周围环境信息增加，可以修改导出最佳拍摄构图和最佳拍摄设置值的推荐模型300。
根据实施例，AI处理器可以获取个性化学习数据304。个性化学习数据304可以是关于个人的拍摄品味的数据。例如，个性化学习数据304可以包括但不限于关于个人优选的拍摄构图(或拍摄设置值)的数据、关于个人未选择的拍摄构图(或拍摄设置值)的数据、关于个人删除的照片的拍摄构图(或拍摄设置值)的数据、关于是否应用推荐的拍摄构图(或拍摄设置值)的数据、以及关于个人最终拍摄的照片的数据。
根据实施例，除了照片图像301、照片元数据302和周围环境信息303之外，AI处理器还可以通过使用个性化学习数据304为每个个体生成推荐模型300。例如，AI处理器可以通过使用个性化学习数据304在同一被摄体的相同周围环境下将第一拍摄构图推荐给第一用户并且将第二拍摄构图推荐给第二用户。
现在将参考图5和图6描述电子装置1000从预览图像检测当前拍摄构图并通过使用推荐模型300提供关于推荐的拍摄构图的信息的实施例。
图5是用于描述根据本公开的实施例的检测当前拍摄构图的操作的视图。
参考图5，电子装置1000可以根据被摄体的形状和位置确定当前拍摄构图(为了便于说明，称为“当前构图”)。例如，电子装置1000可以在预览图像上检测与被摄体相关的点或线。电子装置1000可以通过使用检测到的点或线来确定当前拍摄构图。
参考图5的510，当用户要通过使用电子装置1000拍摄泰姬陵和泰姬陵的周围时，泰姬陵和周围环境可以包括在预览图像中。在这种情况下，电子装置1000可以在预览图像上检测连接位于泰姬陵右侧的柱的线1、连接位于泰姬陵左侧的柱的线2、连接位于泰姬陵的顶点和两个柱的线3、以及地平线4。电子装置1000可以将预览图像上的泰姬陵确定为主要被摄体，并且可以基于连接泰姬陵的顶点和两个柱的线3来确定当前拍摄构图是三角形构图420。
参考图5的520，当确定当前拍摄构图是三角形构图420时，电子装置1000可以确定虚拟中心线500，该虚拟中心线500将连接泰姬陵的顶点和两个柱的三角形二等分。电子装置1000可以将虚拟中心线500位于预览图像的中心的构图确定为推荐的拍摄构图(为了便于说明，称为“推荐构图”)。现在将参考图6详细描述推荐拍摄构图。
图6是用于描述根据本公开的实施例的推荐的拍摄构图的视图。
参考图6的600-1，电子装置1000可以在包括泰姬陵的预览图像600上检测当前拍摄构图。电子装置1000可以识别包括在预览图像600中的被摄体，并且可以基于所识别的被摄体来确定当前拍摄构图。
根据实施例，电子装置1000可以通过使用基于多个照片训练的推荐模型300来确定推荐的拍摄构图。电子装置1000可以考虑被摄体(例如，泰姬陵)的信息和周围环境信息(例如，太阳的高度、季节、天气、或者位置是否在户外)来确定推荐的拍摄构图。例如，由于被摄体是泰姬陵，所以电子装置1000可以将整个构图确定为三角形构图，并且可以将当前拍摄构图的中心轴601移动到预览图像600的中心轴602的构图确定为推荐的拍摄构图。
根据实施例，电子装置1000可以通过在预览图像600上显示指示当前拍摄构图的线610和指示推荐的拍摄构图的线620来提供用于引导推荐的拍摄构图的信息。用户可以比较当前拍摄构图与推荐的拍摄构图，然后可以向左缓慢移动相机以拍摄推荐的拍摄构图的照片。在这种情况下，预览图像600上指示当前构图的线610可以接近指示推荐的拍摄构图的线620。
参考图6的600-2，当用户向左缓慢移动相机并且指示当前拍摄构图的线610和指示推荐的拍摄构图的线620彼此重叠时(例如，如预览图像630中所示)，用户可以选择拍摄按钮。在这种情况下，电子装置1000可以响应于选择拍摄按钮的用户输入，根据推荐的拍摄构图获取泰姬陵的照片图像。
根据实施例，当指示当前拍摄构图的线610和指示推荐的拍摄构图的线620彼此重叠时，电子装置1000可以自动执行拍摄。
尽管在图6中显示了指示当前拍摄构图和推荐的拍摄构图的线，以便电子装置1000引导推荐的拍摄构图，但是本公开不限于此。例如，指示当前拍摄构图和推荐的拍摄构图的指示符可以表示为除线以外的各种形状中的任何一种。此外，电子装置1000可以通过使用语音信号来引导推荐的拍摄构图。
图7是用于描述根据本公开的实施例的推荐或自动应用拍摄设置值的方法的流程图。
在操作S710中，电子装置1000可以识别包括在预览图像中的被摄体。例如，电子装置1000可以通过分析预览图像来识别包括在预览图像中的被摄体。在这种情况下，根据实施例，电子装置1000可以通过使用AI系统的学习网络模型来识别包括在预览图像中的被摄体。操作S710对应于图2的操作S210，因此将不给出其详细说明。
在操作S720中，电子装置1000可以获取被摄体的周围环境信息。
根据实施例，电子装置1000可以通过分析预览图像来获取被摄体的周围环境信息。在这种情况下，根据实施例，电子装置1000可以通过使用AI系统的学习网络模型从预览图像获取被摄体的周围环境信息。
根据实施例，电子装置1000可以通过使用至少一个传感器获取被摄体的周围环境信息。例如，电子装置1000可以通过使用位置传感器获取关于被摄体的当前位置的信息或者被摄体是位于室内还是户外。电子装置1000可以通过使用照度传感器获取被摄体周围的照度值。此外，电子装置1000可以通过使用照度传感器来确定被摄体的周围当前是白天还是夜晚。电子装置1000可以通过使用温度传感器获取被摄体周围的温度信息，并且可以通过使用湿度传感器获取被摄体周围的湿度信息。电子装置1000可以通过使用多个图像传感器(或多个相机)获取周围环境信息。
操作S720对应于图2的操作S220，因此将不给出其详细说明。
在操作S730中，电子装置1000可以基于被摄体的信息和被摄体的周围环境信息来推荐或自动应用拍摄设置值。根据实施例，拍摄设置值可以包括但不限于光阑的F值、快门速度、ISO感光度、白平衡和曝光值。
图8是用于描述根据本公开的实施例的拍摄设置值的视图。
参考图8，光阑810是指光通过的镜头的光圈的大小。在闭合(右)光阑810以增加深度时，输出聚焦近部分和远部分的照片，并且在打开(左)光阑810以减小深度时，输出被摄体和背景彼此分离(称为离焦(out-focusing))的照片。在快门速度820增加(左)时，输出快速移动对象出现冻结的照片，而在快门速度820减小(右)时，输出模糊的照片。在ISO感光度830减小(左)时，输出具有小噪声的照片。在ISO感光度830增加(右)时，噪声增加并且即使在黑暗环境中也可以拍摄无抖动的照片。
在ISO感光度830减小(左)时，对比度增加。相比之下，在ISO感光度830增加时，拍摄通过降低对比度的柔和的照片。ISO感光度830低时的胶片颗粒(film grains)薄(thin)并且导致清晰的照片。ISO感光度830高时的胶片颗粒厚(thick)并且导致粗糙的照片。
根据实施例，电子装置1000可以基于被摄体的信息和被摄体的周围环境信息来确定推荐拍摄设置值。例如，当在白天在阳光明亮地照射的户外拍摄被摄体时，电子装置1000可以将快门速度确定为1/4000秒。当在室内拍摄被摄体时，电子装置1000可以将快门速度确定为1/60秒。当在黑暗的夜晚拍摄星星时，电子装置1000可以将快门速度确定为10秒或更长。根据实施例，当在室内拍摄被摄体时，电子装置1000可以根据被摄体的颜色确定拍摄设置值。例如，当被摄体是黑色设备时，电子装置1000可以将光阑的F值确定为4.0并且可以将快门速度确定为1/30秒。相比之下，当被摄体是白色设备时，电子装置1000可以像黑色设备一样将光阑的F值确定为4.0，并且可以将快门速度确定为1/100秒。
根据实施例，电子装置1000可以基于被摄体的信息和被摄体的周围环境信息来推荐多个拍摄设置值集。例如，电子装置1000可以推荐第一拍摄设置值集(例如，ISO：12800，光阑：1.4，以及快门速度：1)、第二拍摄设置值集(例如，ISO：6400，光阑：2.8，以及快门速度：1/2)、第三拍摄设置值集(例如，ISO：3200，光阑：5.6，以及快门速度：1/4)、第四拍摄设置值集(例如，ISO：1600，光阑：8，以及快门速度：1/8)、以及第五拍摄设置值集(例如，ISO：400，光阑：16，以及快门速度：1/60)。
根据实施例，电子装置1000可以接收从多个拍摄设置值集中选择一个拍摄设置值集的用户输入。电子装置1000可以将用户选择的拍摄设置值集应用于拍摄系统。
根据实施例，电子装置1000可以推荐多个拍摄设置值集，其中光阑810、快门速度820和ISO感光度830的值不同，但光的量通过组合是相同的。例如，电子装置1000可以根据被摄体的信息和被摄体的周围环境信息推荐第六拍摄设置值集(例如，ISO：200，光阑：2.8，以及快门速度：1/2)和第七拍摄设置值集(例如，ISO：400，光阑：8，以及快门速度：1)。第六拍摄设置值集和第七拍摄设置值集理论上具有相同的光的量。然而，由于光阑810、快门速度820和ISO感光度830的值彼此不同，所以第六拍摄设置值集可以更有效地拍摄移动被摄体并且可以具有比第七拍摄设置值集更低的深度。相比之下，第七拍摄设置值集可以具有更多噪声和更高深度，并且可能由于低快门速度而比第六拍摄设置值集更受到手抖的影响。用户可以比较第六拍摄设置值集与第七拍摄设置值集，并且可以根据期望照片的类型选择第六拍摄设置值集和第七拍摄设置值集中的一个。
根据实施例，当通过相机的移动选择拍摄构图时，电子装置1000可以通过应用多个拍摄条件拍摄多个照片并且可以提供多个照片。例如，电子装置1000可以通过应用第一拍摄设置值集(例如，ISO：12800，光阑：1.4，以及快门速度：1)、第二拍摄设置值集(例如，ISO：6400，光阑：2.8，以及快门速度：1/2)、第三拍摄设置值集(例如，ISO：3200，光阑：5.6，以及快门速度：1/4)、第四拍摄设置值集(例如，ISO：1600，光阑：8，以及快门速度：1/8)和第五拍摄设置值集(例如，ISO：400，光阑：16，以及快门速度：1/60)来拍摄多个照片，并且可以提供多个照片给用户。
用户可以选择多个照片中的至少一个，并且可以存储或删除所选择的照片。在这种情况下，电子装置1000的AI处理器(或服务器的AI处理器)可以通过学习对应于与存储的照片的拍摄设置值信息对应的或与删除的照片的拍摄设置值信息对应的拍摄设置值信息来改进(refine)推荐模型300。
图9是用于描述根据本公开的实施例的通过使用具有大于预览图像的视角的图像来提供关于推荐的拍摄构图的信息的方法的流程图。
在操作S910中，电子装置1000可以通过使用第一相机获取预览图像，并且可以通过使用第二相机获取具有大于预览图像的视角的图像。
图10是用于描述根据本公开的实施例的双相机的使用的视图。
根据实施例，电子装置1000可以包括双相机。例如，参考图10的1010，第一相机1001可以是一般相机，第二相机1002可以是远摄相机。在这种情况下，电子装置1000可以通过使用一般相机的标准镜头获取预览图像，并且可以通过推远(zoom out)远摄相机的远摄镜头来获取具有大于预览图像的视角的图像。
标准镜头是再现类似于人的视角的、相机的视角的镜头。基于35mm胶片相机的焦距为50mm的镜头被称为标准镜头。由于标准镜头的视角通常与人的视角相同，因此可以通过使用标准镜头拍摄自然照片。
远摄镜头可以指焦距大于标准镜头的镜头。由于远摄镜头的焦距大于标准镜头的焦距，因此视角可能小于标准镜头的视角。因此，电子装置1000可以通过推远远摄镜头来获取具有大于由标准镜头获取的预览图像的视角的图像。
参考图10的1020，第一相机1001可以是一般相机，第二相机1002可以是广角相机。在这种情况下，电子装置1000可以通过使用一般相机的标准镜头获取预览图像，并且可以通过使用广角相机的广角镜头获取具有大于预览图像的视角的图像。广角镜头可以指焦距小于标准镜头的镜头。由于广角镜头的焦距小于标准镜头的焦距，因此视角可能大于标准镜头的视角。因此，电子装置1000可以通过使用广角镜头获取具有大于由标准镜头获取的预览图像的视角的图像。
参考图10的1030，第一相机1001和第二相机1002可以是一般相机。在这种情况下，电子装置1000可以通过使用第一相机1001的标准镜头获取预览图像，并且可以通过拼合(stitch)由第一相机1001和第二相机1002获取的图像来获取具有大于预览图像的视角的全景图像。
根据实施例，具有大于预览图像的视角的图像可以是可由电子装置1000获取的具有最大视角的图像(在下文中，称为最大视角图像)。为了便于说明，将在假设具有大于预览图像的视角的图像是最大视角图像的情况下描述以下内容。
在操作S920中，电子装置1000可以通过使用具有大于预览图像的视角的图像来获取被摄体的周围环境信息。
根据实施例，电子装置1000可以通过分析最大视角图像来获取被摄体的周围环境信息。在这种情况下，根据实施例，电子装置1000可以通过使用AI系统的学习网络模型从最大视角图像获取被摄体的周围环境信息。
例如，电子装置1000可以通过分析包括在最大视角图像中的光与影、阴影或太阳来确定是白天还是夜晚、光的方向或光的强度、以及太阳的位置。此外，通过分析包括在最大视角图像中的被摄体，电子装置1000可以确定季节是春季、夏季、秋季还是冬季，或者可以确定位置是室内还是户外。例如，电子装置1000可以在被摄体穿着短袖衬衫时确定季节是夏季，并且在被摄体站在雪上时可以确定季节是冬季。电子装置1000可以通过分析最大视角图像来确定整个色温。
在操作S930中，电子装置1000可以通过使用被摄体的信息和周围环境信息来提供关于推荐的拍摄构图的信息。
根据实施例，电子装置1000可以通过使用预览图像来确定当前拍摄构图。电子装置1000可以基于被摄体的信息和被摄体的周围环境信息来确定推荐的拍摄构图。在这种情况下，在当前拍摄构图与推荐的拍摄构图之间的相似度小于阈值时，电子装置1000可以提供关于推荐的拍摄构图的信息。
根据实施例，电子装置1000可以通过输出用于引导推荐的拍摄构图的信息来提供关于推荐的拍摄构图的信息。在这种情况下，电子装置1000可以通过使用但不限于视频信号、音频信号和振动信号中的至少一个来输出用于引导推荐的拍摄构图的信息。例如，电子装置1000可以输出用于引导推荐的拍摄构图的语音。此外，电子装置1000可以在具有大于预览图像的视角的图像(例如，最大视角图像)上显示用于引导推荐的拍摄构图的图形指示符。
操作S930对应于图2的操作S230和S240，因此将不给出其详细说明。现在将参考图11至图13详细描述电子装置1000通过使用最大视角图像提供用于引导推荐的拍摄构图的信息的操作。
图11是用于描述根据本公开的实施例的通过使用最大视角图像引导拍摄的操作的视图。
参考图11，电子装置1000可以通过使用标准镜头获取预览图像。在这种情况下，预览图像中示出的当前拍摄区域1101可以是泰姬陵的右侧区域。
电子装置1000可以通过使用广角镜头、远摄镜头或两个标准镜头来获取最大视角图像1102。最大视角图像1102可以包括当前拍摄区域1101的周围的图像。
电子装置1000可以通过分析最大视角图像1102来确定推荐的拍摄构图。例如，电子装置1000可以基于被摄体(例如，泰姬陵)的信息和周围环境信息(例如，中午和户外)将推荐的拍摄构图确定为三角形构图，并且可以将推荐拍摄区域1103确定为泰姬陵位于中心的区域。在这种情况下，根据实施例，可以将预览图像(例如，关于当前拍摄区域1101的信息)和最大视角图像1102输入到推荐模型300，并且可以从推荐模型300输出最佳拍摄构图(例如，关于推荐拍摄区域1103的信息)。
电子装置1000可以输出用于引导拍摄的信息1104。例如，电子装置1000可以输出语音消息(例如，“向左移动，推远”)以获取与推荐拍摄区域1103而不是当前拍摄区域1101对应的照片。
电子装置1000可以图形地显示用于引导拍摄的信息1104，而不是语音消息。现在将参考图12和图13描述电子装置1000图形地显示用于引导拍摄的信息1104的操作。
图12和图13是用于描述根据本公开的各种实施例的在最大视角图像上显示用于引导推荐的拍摄构图的信息的操作的视图。
参考图12的1200-1，电子装置1000可以显示当前由第一相机拍摄的区域(下文中，称为当前拍摄区域)的预览图像1210。此外，电子装置1000可以通过分析由第二相机获取的最大视角图像来确定推荐拍摄区域。
参考图12的1200-2，电子装置1000可以通过使用最大视角图像来提供关于推荐拍摄区域的信息。例如，电子装置1000可以在屏幕上显示最大视角图像1202。电子装置1000可以在最大视角图像1202上显示指示当前拍摄区域的第一指示符1201和指示推荐拍摄区域的第二指示符1203。根据实施例，可以显示当前拍摄区域的预览图像1210作为缩略图图像1204。
参考图13的1300-1，用户可以在观看电子装置1000的屏幕的同时移动电子装置1000，使得指示当前拍摄区域的第一指示符1201可以接近指示推荐拍摄区域的第二指示符1203，并且可以调整变焦放大倍率。在电子装置1000移动并且调整变焦放大倍率时，可以改变最大视角图像1202上指示当前拍摄区域的第一指示符1201的位置。此外，随着改变当前拍摄区域，也可以改变缩略图图像1204。
参考图13的1300-2，当指示当前拍摄区域的第一指示符1201与指示推荐拍摄区域的第二指示符1203相同时，电子装置1000可以不再显示最大视角图像1202，并且可以在整个屏幕上显示与推荐拍摄区域相同的当前拍摄区域的预览图像1301。用户可以检查预览图像1301并且可以选择拍摄按钮。在这种情况下，电子装置1000可以获取推荐拍摄区域的照片。
根据另一实施例，当指示当前拍摄区域的第一指示符1201与指示推荐拍摄区域的第二指示符1203相同时，电子装置1000可以自动执行拍摄。
尽管在图12和图13中电子装置1000在最大视角图像1202上显示用于引导推荐的拍摄构图的信息，但是本公开不限于此。电子装置1000可以以各种方式中的任何一种显示用于引导推荐的拍摄构图的信息。现在将参考图14和图15描述电子装置1000显示用于引导推荐的拍摄构图的信息的操作。
图14和图15是用于描述根据本公开的各种实施例的电子装置1000显示关于推荐的拍摄构图的信息的操作的视图。
参考图14，电子装置1000可以获取预览图像1401和预览图像1401中包括的被摄体的周围的周围环境信息1402。在这种情况下，电子装置1000可以通过使用推荐模型300来确定推荐的拍摄构图。例如，当被摄体是一对夫妻，拍摄地点在户外，并且拍摄时间在中午时，电子装置1000可以确定该对夫妻的中心1410位于三分法构图的左下交叉点1420的构图作为推荐的拍摄构图。
在这种情况下，电子装置1000可以在预览图像1401上显示用于引导推荐的拍摄构图的图形指示符1403。例如，电子装置1000可以在预览图像1401上与告知摄影师“向右移动”的文本一起显示向右的箭头。
参考图15，当被摄体是人时，电子装置1000可以向摄影师提供用于使摄影师移动的引导，并且可以提供用于移动被摄体的引导。下面将在假设电子装置1000确定该对夫妻的中心1520位于作为三分法构图的左下交叉点的第一交叉点1521的构图作为推荐的拍摄构图的情况下描述以下内容。
参考图15的1500-1，电子装置1000可以通过使用相机图标1501向摄影师提供用于使摄影师与电子装置1000一起向右移动的引导，使得该对夫妻的中心1520(例如，在预览图像1510中示出的)位于第一交叉点1521。例如，电子装置1000可以显示与当前拍摄构图对应的白色相机图标，可以显示与推荐的拍摄构图对应的黑色相机图标，然后可以显示在白色相机图标和黑色相机图标之间的箭头。
参考图15的1500-2，电子装置1000可以通过使用人物图标1502提供用于向左移动被摄体的引导，使得该对夫妻的中心1520位于第一交叉点1521。例如，电子装置1000可以显示对应于当前拍摄构图的白色人物图标，可以显示对应于推荐的拍摄构图的黑色人物图标，然后可以显示在白色人物图标和黑色人物图标之间的箭头。
图16是用于描述根据本公开的实施例的电子装置1000与服务器2000互操作以提供关于推荐的拍摄构图的信息的方法的流程图。
在操作S1610中，电子装置1000可以执行AI辅助应用。AI辅助应用可以理解所有输入方法，例如用户的语音和触摸，以及相机，并且可以提供各种服务。例如，AI辅助应用(例如，三星的Bixby)可以识别输入到相机的对象、图像、文本、条形码等，并且可以提供关于推荐的拍摄构图的信息。
参考图17，电子装置1000可以响应于各种用户输入来执行AI辅助应用。例如，参考图17的1700-1，电子装置1000可以在预览图像1710上显示用于执行AI辅助应用的图像1701。当用户选择(例如，触摸)图像1701时，电子装置1000可以执行AI辅助应用。
参考图17的1700-2，电子装置1000可以接收用户的语音输入(例如，“Bixby！拍摄照片”)1702。在这种情况下，电子装置1000可以根据用户的语音输入1702执行AI辅助应用。
参考图17的1700-3，电子装置1000可以接收选择特定硬件按钮1703以用于请求执行AI辅助应用的输入。当接收到选择特定硬件按钮1703的输入时，电子装置1000可以执行AI辅助应用。
返回参考图16，在操作S1620中，电子装置1000可以通过AI辅助应用获取关于预览图像的信息和被摄体的周围环境信息。
根据实施例，关于预览图像的信息可以是预览图像本身，或者可以是从预览图像获取的特征信息。根据实施例，AI辅助应用可以通过使用学习网络模型从预览图像中提取特征信息。例如，从预览图像获取的特征信息可以包括但不限于预览图像的当前拍摄构图、被摄体的类型和被摄体的位置。
根据实施例，AI辅助应用可以通过分析预览图像来获取被摄体的周围环境信息。在这种情况下，根据实施例，AI辅助应用可以通过使用学习网络模型从预览图像获取被摄体的周围环境信息。
根据实施例，AI辅助应用可以通过使用至少一个传感器来获取被摄体的周围环境信息。例如，AI辅助应用可以通过使用位置传感器获取关于被摄体的当前位置以及被摄体是位于室内还是户外的信息。AI辅助应用可以通过使用照度传感器获取被摄体周围的照度值。此外，AI辅助应用可以通过使用照度传感器来确定被摄体的周围当前是白天还是夜晚。AI辅助应用可以通过使用温度传感器获取被摄体周围的温度信息，并且可以通过使用湿度传感器获取被摄体周围的湿度信息。AI辅助应用可以通过使用多个图像传感器(或多个相机)来获取周围环境信息。
在操作S1630中，电子装置1000可以将关于预览图像的信息和被摄体的周围环境信息发送到服务器2000。例如，AI辅助应用可以通过有线/无线通信将关于预览图像的信息和被摄体的周围环境信息发送到服务器2000。
在操作S1640中，服务器2000可以基于关于预览图像的信息和被摄体的周围环境信息来确定推荐的拍摄构图。根据实施例，服务器2000可以通过使用基于专业人员拍摄的照片训练的学习网络模型(例如，推荐模型300)来确定推荐的拍摄构图。
根据实施例，服务器2000可以根据被摄体的信息(例如，所识别的被摄体的类型和被摄体的数量)和周围环境信息(例如，拍摄地点是室内还是户外、光的方向、光的强度、或色温)来确定推荐的拍摄构图。例如，当作为通过分析被摄体的信息和周围环境信息而获取的结果，被摄体是若干人并且存在户外日落时，服务器2000可以确定存在户外日落时在画面上清楚地显示若干人的构图作为推荐的拍摄构图。
根据实施例，当作为基于最大视角图像的分析结果，识别的被摄体是高层建筑并且在周围不存在特征被摄体时，服务器2000可以将垂直模式确定为推荐的拍摄构图。此外，当作为基于最大视角图像的分析结果，被摄体是几个人并且人们站在户外宽阔的草坪上时，服务器2000可以将水平模式确定为推荐的拍摄构图。
根据实施例，服务器2000可以考虑拍摄区域和拍摄角度来确定推荐的拍摄构图。因此，服务器2000可以确定推荐拍摄区域和推荐拍摄角度。
服务器2000基于被摄体的信息和周围环境信息确定推荐的拍摄构图的方法可以对应于电子装置1000基于被摄体的信息和周围环境信息确定推荐的拍摄构图的方法，因此将不给出其详细说明。
在操作S1650中，服务器2000可以将关于推荐的拍摄构图的信息发送到电子装置1000。例如，服务器2000可以通过有线/无线通信将推荐拍摄区域、推荐拍摄角度和推荐的拍摄构图发送到电子装置1000。根据实施例，电子装置1000可以通过AI辅助应用从服务器2000接收关于推荐的拍摄构图的信息。
在操作S1660中，电子装置1000可以通过AI辅助应用提供关于推荐的拍摄构图的信息。
根据实施例，电子装置1000可以通过使用预览图像来确定当前拍摄构图。在这种情况下，在当前拍摄构图与推荐的拍摄构图之间的相似度小于阈值时，电子装置1000可以提供关于推荐的拍摄构图的信息。
根据实施例，电子装置1000可以通过输出用于引导推荐的拍摄构图的信息来提供关于推荐的拍摄构图的信息。在这种情况下，电子装置1000可以通过使用但不限于视频信号、音频信号和振动信号中的至少一个来输出用于引导推荐的拍摄构图的信息。例如，电子装置1000可以输出用于引导推荐的拍摄构图的语音。此外，电子装置1000可以在具有大于预览图像的视角的图像(例如，最大视角图像)上显示用于引导推荐的拍摄构图的图形指示符。
尽管在图16中服务器2000基于被摄体的信息和被摄体的周围环境信息来确定推荐的拍摄构图，但是本公开不限于此。根据实施例，服务器2000可以基于被摄体的信息和被摄体的周围环境信息来确定推荐拍摄设置值，并且可以将关于推荐拍摄设置值的信息发送到电子装置1000。
可以省略图16的一些操作，例如，电子装置1000可以向服务器2000仅发送关于预览图像的信息，而不发送被摄体的周围环境信息。在这种情况下，服务器2000可以基于关于预览图像的信息直接获取被摄体的周围环境信息。
图18是用于描述根据本公开的实施例的提供关于多个推荐的拍摄构图的信息的方法的流程图。
在操作S1810中，电子装置1000可以识别包括在预览图像中的被摄体。例如，电子装置1000可以通过分析预览图像来识别包括在预览图像中的被摄体。在这种情况下，根据实施例，电子装置1000可以通过使用AI系统的学习网络模型(例如，AI模型)来识别包括在预览图像中的被摄体。操作S1810对应于图2的操作S210，因此将不给出其详细说明。
在操作S1820中，电子装置1000可以获取被摄体的周围环境信息。例如，电子装置1000可以获取与被摄体周围的光有关的信息作为周围环境信息。
根据实施例，电子装置1000可以通过分析预览图像来获取被摄体的周围环境信息。在这种情况下，根据实施例，电子装置1000可以通过使用AI系统的学习网络模型从预览图像获取被摄体的周围环境信息。
根据实施例，电子装置1000可以通过使用至少一个传感器获取被摄体的周围环境信息。例如，电子装置1000可以通过使用位置传感器获取关于被摄体的当前位置以及被摄体是位于室内还是户外的信息。电子装置1000可以通过使用照度传感器获取被摄体周围的照度值。此外，电子装置1000可以通过使用照度传感器来确定被摄体的周围当前是白天还是夜晚。电子装置1000可以通过使用温度传感器获取被摄体周围的温度信息，并且可以通过使用湿度传感器获取被摄体周围的湿度信息。电子装置1000可以通过使用多个图像传感器(或多个相机)来获取周围环境信息。操作S1820对应于图2的操作S220，因此将不给出其详细说明。
在操作S1830中，电子装置1000可以通过使用被摄体的信息和被摄体的周围环境信息来确定多个推荐的拍摄构图。根据实施例，电子装置1000可以通过使用基于专业人员拍摄的照片训练的学习网络模型(例如，推荐模型300)来确定多个推荐的拍摄构图。
根据实施例，服务器2000可以根据被摄体的信息(例如，识别的被摄体的类型和被摄体的数量)和周围环境信息(例如，拍摄地点是户外还是室内、光的方向、光的强度和色温)来确定多个推荐的拍摄构图。
在操作S1840中，电子装置1000可以提供关于多个推荐的拍摄构图的信息。
根据实施例，电子装置1000可以通过输出用于引导多个推荐的拍摄构图的信息来提供关于多个推荐的拍摄构图的信息。在这种情况下，电子装置1000可以通过使用但不限于视频信号、音频信号和振动信号中的至少一个来输出用于引导多个推荐的拍摄构图的信息。例如，电子装置1000可以输出用于引导多个推荐的拍摄构图的语音。此外，电子装置1000可以在预览图像上显示用于引导多个推荐的拍摄构图的多个图形指示符。电子装置1000可以在具有大于预览图像的视角的图像(例如，最大视角图像)上显示用于引导多个推荐的拍摄构图的多个图形指示符(例如，框图像)。
根据实施例，电子装置1000可以在一个屏幕上显示分别与多个推荐的拍摄构图对应的缩略图图像。根据另一实施例，电子装置1000可以在不同页面上显示分别与多个推荐的拍摄构图对应的预览图像。
在操作S1850中，电子装置1000可以接收选择多个推荐的拍摄构图中的一个的用户输入。根据实施例，电子装置1000可以获取与用户选择的推荐的拍摄构图对应的照片图像。
例如，电子装置1000可以接收将对应于当前拍摄构图的第一指示符与对应于多个推荐的拍摄构图中的第二推荐的拍摄构图的第二指示符匹配的输入。在这种情况下，电子装置1000可以开始拍摄并且可以获取与第二推荐的拍摄构图对应的照片图像。
根据实施例，电子装置1000可以获取与用户选择的推荐的拍摄构图对应的照片图像。现在将参考图19至图21描述电子装置1000提供关于多个推荐的拍摄构图的信息的操作。
图19、图20和图21是用于描述根据本公开的各种实施例的电子装置1000显示关于多个推荐的拍摄构图的信息的操作的视图。
参考图19，电子装置1000可以确定多个推荐的拍摄构图，并且可以在预览图像上显示用于引导多个推荐的拍摄构图的图形指示符。
根据实施例，电子装置1000可以在屏幕上显示由第一相机获取的预览图像。在这种情况下，预览图像可以包括作为被摄体的一对夫妻，并且可以包括场地和山峰作为背景。
电子装置1000可以将三分法构图确定为推荐的拍摄构图。具体地，电子装置1000可以考虑被摄体的信息和周围环境信息，从水平/垂直线相交的虚拟点之中确定被摄体的中心1911位于第一点1901的构图作为第一推荐的拍摄构图以及确定被摄体的中心1911位于第二点1902的构图作为第二推荐的拍摄构图。
电子装置1000可以在预览图像上显示用于引导第一推荐的拍摄构图的第一指示符1910和用于引导第二推荐的拍摄构图的第二指示符1920。例如，第一指示符1910可以包括用于引导摄影师向左移动的图标(例如，向左的箭头)。第二指示符1920可以包括用于引导摄影师向右移动的图标(例如，向右的箭头)。
参考图20，电子装置1000可以在屏幕上显示分别与多个拍摄构图对应的缩略图图像。
参考图20的2000-1，电子装置1000可以在由第一相机获取的预览图像2010上显示用于请求推荐的拍摄构图的图标2001。电子装置1000可以接收用户输入，该用户输入选择用于请求推荐的拍摄构图的图标2001。例如，当用户(摄影师)想要获取关于推荐的拍摄构图的信息时，用户可以触摸在预览图像2010上显示的图标2001。
参考图20的2000-2，电子装置1000可以响应于触摸图标2001的输入来确定多个推荐的拍摄构图。在这种情况下，电子装置1000可以显示与多个推荐的拍摄构图对应的缩略图图像。
例如，电子装置1000可以将三分法构图确定为推荐的拍摄构图。具体地，电子装置1000考虑被摄体的信息和周围环境信息，从水平/垂直线相交的虚拟点之中，可以确定被摄体的中心位于第一点1901的构图作为第一推荐的拍摄构图，可以确定被摄体的中心位于第二点的构图作为第二推荐的拍摄构图，并且确定被摄体的中心位于第三点的构图作为第三推荐的拍摄构图。
在这种情况下，电子装置1000可以从由第二相机获取的最大视角图像获取与推荐的拍摄构图对应的缩略图图像。例如，电子装置1000可以从最大视角图像获取对应于第一推荐的拍摄构图的第一缩略图图像2003、对应于第二推荐的拍摄构图的第二缩略图图像2004、以及对应于第三推荐的拍摄构图的第三缩略图图像2005。
电子装置1000可以在屏幕上，与对应于预览图像2010的缩略图图像2002一起，显示对应于第一推荐的拍摄构图的第一缩略图图像2003、对应于第二推荐的拍摄构图的第二缩略图图像2004、以及对应于第三推荐的拍摄构图的第三缩略图图像2005。在这种情况下，由于用户(摄影师)可以预先检查根据多个推荐的拍摄构图的照片图像和根据当前拍摄构图的照片图像，因此用户可以容易地选择期望的拍摄构图。
参考图21，当确定多个推荐的拍摄构图时，电子装置1000可以在由第二相机获取的最大视角图像上获取分别与推荐的拍摄构图对应的预览图像。电子装置1000可以在不同页面上显示分别与多个推荐的拍摄构图对应的预览图像。
参考图21的2100-1，电子装置1000可以在第一页面2110上显示与第一推荐的拍摄构图对应的第一预览图像。在这种情况下，电子装置1000可以显示用于引导第一推荐的拍摄构图的第一指示符2101。例如，第一指示符2101可以包括用于引导摄影师向右移动的箭头。
参考图21的2100-2，电子装置1000可以在第二页面2120上显示与第二推荐的拍摄构图对应的第二预览图像。在这种情况下，电子装置1000可以显示用于引导第二推荐的拍摄构图的第二指示符2102。例如，第二指示符2102可以包括用于引导摄影师向左移动的箭头。
参考图21的2100-3，电子装置1000可以在第三页面2130上显示与第三推荐的拍摄构图对应的第三预览图像。在这种情况下，电子装置1000可以显示用于引导第三推荐的拍摄构图的第三指示符2103。例如，第三指示符2103可以包括用于引导摄影师向下移动电子装置1000并推远的图像。
用户(摄影师)可以预先检查根据多个推荐的拍摄构图的预览图像，并且可以容易地确定期望的拍摄构图。此外，用户(摄影师)可以根据用于引导推荐的拍摄构图的指示符而容易地获取期望拍摄构图的照片。
现在将参考图22至图26详细描述当被摄体是人时电子装置1000推荐姿势的方法。
图22是用于描述根据本公开的实施例的提供关于推荐的姿势的信息的方法的流程图。
在操作S2210中，电子装置1000可以识别包括在预览图像中的被摄体。例如，电子装置1000可以通过分析预览图像来识别包括在预览图像中的被摄体。在这种情况下，根据实施例，电子装置1000可以通过使用AI系统的学习网络模型来识别包括在预览图像中的被摄体。操作S2210对应于图2的操作S210，因此将不给出其详细说明。
在操作S2220中，电子装置1000可以获取被摄体的周围环境信息。
根据实施例，电子装置1000可以通过分析预览图像来获取被摄体的周围环境信息。在这种情况下，根据实施例，电子装置1000可以通过使用AI系统的学习网络模型从预览图像获取被摄体的周围环境信息。
根据实施例，电子装置1000可以通过使用至少一个传感器获取被摄体的周围环境信息。例如，电子装置1000可以通过使用位置传感器获取关于被摄体的当前位置以及被摄体是位于室内还是户外的信息。电子装置1000可以通过使用照度传感器获取被摄体周围的照度值。此外，电子装置1000可以通过使用照度传感器确定被摄体的周围当前是白天还是夜晚。电子装置1000可以通过使用温度传感器获取被摄体周围的温度信息，并且可以通过使用湿度传感器获取被摄体周围的湿度信息。电子装置1000可以通过使用多个图像传感器(或多个相机)获取周围环境信息。操作S2220对应于图2的操作S220，因此将不给出其详细说明。
在操作S2230中，电子装置1000可以通过使用被摄体的信息和被摄体的周围环境信息来确定推荐的姿势。
根据实施例，电子装置1000可以通过使用学习网络模型来确定推荐的姿势。可以使用通过基于用于学习的人的照片，学习人的姿势(识别)、背景和另一个人的存在而获取的数据来生成学习网络模型。推荐的姿势不仅可以包括人的全身姿势，还可以包括面部表情或面部角度。
根据实施例，当通过第一相机识别出人的面部时，电子装置1000可以从预先生成的多个姿势卡中选择适合于被摄体的当前周围环境的姿势卡。电子装置1000可以将包括在所选择的姿势卡中的姿势确定为推荐的姿势。
根据实施例，电子装置1000可以通过进一步考虑用户的个性化学习数据来确定推荐的姿势。例如，当电子装置1000向第一用户推荐坐姿、站姿和卧姿，但是用户在所有照片中采取坐姿时，电子装置1000可以基于坐姿确定推荐的姿势。此外，当删除用户采取卧姿的所有照片时，电子装置1000在确定推荐的姿势时可以不选择卧姿。
根据实施例，电子装置1000可以通过使用被摄体的信息和被摄体的周围环境信息来确定多个推荐的姿势。例如，当多个被摄体站在草坪上时，电子装置1000可以将多个人识别为被摄体信息，并且可以将户外、草坪和中午识别为周围环境信息。在这种情况下，电子装置1000可以从预先生成的多个姿势卡中选择与中午站在草坪上的多个人的照片有关的第一姿势卡、第二姿势卡和第三姿势卡。
在操作S2240中，电子装置1000可以将当前姿势与推荐的姿势进行比较，并且可以确定当前姿势与推荐的姿势之间的相似度是否小于阈值。
根据实施例，电子装置1000可以通过分析预览图像来确定作为被摄体的人的当前姿势。根据实施例，电子装置1000可以通过使用AI系统的学习网络模型来确定作为被摄体的人的当前姿势。
姿势的示例可以包括但不限于：左卧的姿势、右卧的姿势、腿伸展地坐下的姿势、膝盖弯曲地坐下的姿势、腰部弯曲的姿势、手举到腰部的姿势、向前看站立的姿势、向侧面看站立的姿势、靠他/她的背部站立(standing with his/her back)的姿势、以及跳跃的姿势。
根据实施例，姿势的示例还可以包括但不限于：手指的形状(例如，V形、心形、拳头形、或竖大拇指形)、面部表情(例如，没有表情、微笑的表情、哭泣的表情或皱眉的表情)、以及是否佩戴配饰(例如，是否佩戴眼镜、是否佩戴太阳镜、或者是否佩戴帽子)。
根据实施例，电子装置1000可以将当前姿势与推荐的姿势进行比较。如果当前姿势与推荐的姿势之间的相似度等于或大于阈值(例如，97％)，则电子装置1000可以不提供关于推荐的姿势的信息。
在操作S2250中，在当前姿势和推荐的姿势之间的相似度小于阈值时，电子装置1000可以提供关于推荐的姿势的信息。
根据实施例，电子装置1000可以输出用于引导推荐的姿势的信息。例如，电子装置1000可以通过使用但不限于视频信号、音频信号和振动信号中的至少一个来输出用于引导推荐的姿势的信息。
根据实施例，电子装置1000可以显示用于引导被摄体上推荐的姿势的线。根据实施例，电子装置1000可以在预览图像的一部分(例如，右上部分)上显示用于引导推荐的姿势的图形指示符(例如，图标)。
根据实施例，当确定多个推荐姿势时，电子装置1000可以向预定部分提供多个推荐的姿势卡。
现在将参考图23至图26描述电子装置1000提供关于推荐的姿势的信息的操作。
图23是用于描述根据本公开的实施例的电子装置1000显示关于推荐的姿势的信息的操作的视图。
参考图23，电子装置1000可以分析由第一相机获取的预览图像，并且可以识别主要被摄体2301是一个人并且在作为周围环境的电影节(室内)主要被摄体2301获奖。此外，电子装置1000可以识别主要被摄体2301以僵硬的外观(当前姿势)站立。在这种情况下，电子装置1000可以将适合于颁奖典礼大厅(室内)的姿势确定为推荐的姿势。电子装置1000可以在屏幕上显示关于推荐的姿势的信息。
例如，参考图23的2300-1，电子装置1000可以将手举到腰部的姿势确定为推荐的姿势。电子装置1000可以显示用于引导推荐的姿势的线2302，使得线2302与主要被摄体2301的图像重叠。在这种情况下，摄影师可以检查推荐的姿势并且可以请求主要被摄体2301改变姿势。
参考图23的2300-2，电子装置1000可以在特定部分2303上显示与推荐的姿势对应的图标，使得图标不与主要被摄体2301的图像重叠。在这种情况下，摄影师可以检查在特定部分2303上显示的推荐的姿势。
图24是用于描述根据本公开的实施例的通过使用被摄体的数量和被摄体的周围环境信息来提供关于推荐的姿势的信息的操作的视图。
参考图24的2400-1，电子装置1000可以通过分析预览图像2410来获取指示被摄体的数量是3的信息。此外，电子装置1000可以通过分析预览图像或通过使用传感器发现白天在户外当前存在三个被摄体。在这种情况下，电子装置1000可以通过使用推荐模型300来确定白天在户外三个被摄体可以采取的姿势作为推荐的姿势。例如，电子装置1000可以确定三个被摄体举起他们的手并给予欢呼的姿势作为推荐的姿势。电子装置1000可以提供用于引导推荐的姿势的图形指示符。例如，电子装置1000可以在预览图像上显示与推荐的姿势对应的图标图像2401。
参考图24的2400-2，电子装置1000可以通过分析预览图像2420来获取指示被摄体的数量是3的信息。此外，电子装置1000可以通过分析预览图像或通过使用传感器发现室内存在三个被摄体。在这种情况下，电子装置1000可以将站在室内的三个被摄体可以采取的姿势确定为推荐的姿势。例如，电子装置1000可以确定三个被摄体中的中间被摄体坐下并且两侧的另外两个被摄体站起来的姿势作为推荐的姿势。电子装置1000可以提供用于引导推荐的姿势的图形指示符。例如，电子装置1000可以在预览图像上显示与推荐的姿势对应的图标图像2402。
图25是用于描述根据本公开的实施例的提供关于多个推荐的姿势的信息的操作的视图。
参考图25，电子装置1000可以通过分析预览图像来获取指示被摄体的数量是1并且地点是毕业典礼大厅的信息。在这种情况下，电子装置1000可以将毕业典礼大厅中被摄体可以采取的姿势确定为推荐的姿势。例如，电子装置1000可以确定各种姿势，诸如跳跃和投掷毕业帽的姿势、将一只手放在腰部并抬起另一只手的姿势、或者靠在墙上的姿势，作为推荐的姿势。
根据实施例，电子装置1000可以在显示的信息2500的特定部分2501上显示用于引导多个推荐的姿势的信息(例如，2500)。例如，电子装置1000可以在特定部分2501上显示分别与多个推荐的姿势对应的图标图像。
当存在多个推荐的姿势时，电子装置1000可以不在特定部分2501上显示指示多个推荐的姿势的所有图标。在这种情况下，电子装置1000可以通过向特定部分2501提供箭头来指示除了显示在特定部分2501上的姿势之外还存在更多推荐的姿势。用户可以通过触摸箭头或在特定部分2501内向左或向右拖动他/她的手指来检查未在特定部分2501上示出的其他推荐的姿势。例如，当在特定部分2501上显示对应于第一推荐的姿势的第一图标(例如，对应于跳跃的姿势的图标)的状态下接收到拖动输入时，电子装置1000可以在特定部分2501上显示对应于第二推荐的姿势的第二图标(例如，双手在腰部的站立姿势)，而不是第一图标。电子装置1000提供关于多个推荐的姿势的信息的方法不限于图25的方法，并且可以使用各种其他方法中的任何一种。
图26是用于描述根据本公开的实施例的推荐最佳面部构图的操作的视图。将在假设电子装置1000的用户拍摄自拍图像的情况下描述图26。
参考图26，电子装置1000可以获取包括用户的面部图像的预览图像。电子装置1000可以通过分析预览图像或通过使用传感器来获取周围环境信息(例如，光的方向、或光的颜色印象)。在这种情况下，电子装置1000可以将关于用户的面部图像的信息和周围环境信息输入到推荐模型300。在这种情况下，电子装置1000可以从推荐模型300获取关于最佳面部构图2600的信息。
推荐模型300可以是通过使用个性化学习(训练)数据训练的模型。例如，推荐模型300可以是基于通常上传到社交网络服务(SNS)服务器的照片和用户在拍摄后从存储器删除的照片而训练的模型。推荐模型300可以具有指示用户删除面部的左侧高光(highlighted)的照片以及将面部的右侧高光的照片上传到SNS服务器的信息。
因此，当预览图像2601和周围环境信息2602被输入到推荐模型300时，推荐模型300可以通过使用个性化学习数据来确定推荐面部角度。例如，推荐模型300可以确定面部的右脸高光并且目光向下的面部构图作为推荐的面部构图。
由于包括在预览图像中的面部的当前构图是左侧高光的构图，因此电子装置1000可以提供关于推荐面部构图的信息。例如，电子装置1000可以在屏幕上显示与推荐面部构图对应的图标图像2603。此外，电子装置1000可以输出与推荐面部构图对应的语音信号。例如，电子装置1000可以输出语音消息，其表示“你最好将你的脸转动到相反的方向，向下倾斜你的下巴，并向下移动你的目光”。
图27和图28是用于描述根据本公开的各种实施例的电子装置1000的框图。
参考图27，根据实施例的电子装置1000可以包括输出接口1100、传感器1200和处理器1300。然而，图27中示出的所有元件不是必不可少的元件。电子装置1000可以包括比图27中所示的元件更多或更少的元件。
例如，如图28所示，除了输出接口1100、传感器1200和处理器1300之外，根据实施例的电子装置1000还可以包括通信接口1400、A/V输入接口1500、用户输入接口1600和存储器1700。
下面将顺序描述这些元件。
用于输出音频信号、视频信号或振动信号的输出接口1100可以包括显示器1111、声音输出接口1112和振动电机1113。
声音输出接口1112输出从通信接口1400接收的或存储在存储器1700中的音频数据。此外，声音输出接口1112输出与电子装置1000执行的功能有关的声音信号(例如，呼叫信号接收声音、消息接收声音、或通知声音)。声音输出接口1112可以包括扬声器或蜂鸣器。
振动电机1113可以输出振动信号。例如，振动电机1113可以输出与音频数据或视频数据的输出对应的振动信号(例如，呼叫信号接收声音或消息接收声音)。而且，当向触摸屏输入触摸时，振动电机1113可以输出振动信号。当摄影师移动或者被摄体移动时，在当前位置与推荐构图相同时，振动电机1113可以输出振动信号。
输出接口1100可以显示包括由第一相机1511识别的被摄体的预览图像。输出接口1100可以提供与推荐的拍摄构图有关的信息。例如，输出接口1100可以显示用于引导推荐的拍摄构图的图形指示符。
输出接口1100可以提供与多个推荐的拍摄构图有关的信息。例如，输出接口1100可以显示分别与多个推荐的拍摄构图对应的缩略图图像，并且可以在不同页面上提供分别与多个推荐的拍摄构图对应的预览图像。
输出接口1100可以提供推荐拍摄区域、推荐拍摄角度、推荐的姿势和推荐面部构图中的至少一个的信息。
传感器1200可以包括但不限于地磁传感器1211、加速度传感器1212、倾斜传感器1213、红外传感器1214、陀螺仪传感器1215、位置传感器(例如，GPS)1216、温度/湿度传感器1217、接近传感器1218和光传感器1219中的至少一个。传感器的功能可以由本领域普通技术人员从其名称直观地得到，因此将不给出其详细说明。
传感器1200可以获取被摄体的周围环境信息(例如，与被摄体周围的光有关的信息)。例如，光传感器1219(或照度传感器)可以获取被摄体周围的照度值。而且，光传感器1219(或照度传感器)可以确定被摄体的周围当前是白天还是夜晚。温度/湿度传感器1217可以获取被摄体周围的温度信息和被摄体周围的湿度信息。
处理器1300通常控制电子装置1000的整体操作。例如，处理器1300可以通过执行存储在存储器1700中的程序来控制输出接口1100、传感器1200、通信接口1400、A/V输入接口1500、用户输入接口1600和存储器1700的操作。
根据实施例，处理器1300可以包括但不限于用于生成学习网络模型的AI处理器。根据实施例，AI处理器可以实现为与处理器1300分离的芯片。
处理器1300可以识别包括在预览图像中的被摄体，并且可以通过使用所识别的被摄体的信息和被摄体的周围环境信息来确定推荐的拍摄构图。处理器1300可以通过输出接口1100提供与推荐的拍摄构图有关的信息。
根据实施例，处理器1300可以从预览图像确定当前拍摄构图。当推荐的拍摄构图与当前拍摄构图之间的相似度小于阈值时，处理器1300可以提供关于推荐的拍摄构图的信息。当推荐的拍摄构图与当前拍摄构图之间的相似度等于或大于阈值时，处理器1300可以不提供关于推荐的拍摄构图的信息。
处理器1300可以通过使用与第一相机1511不同的第二相机1512来获取具有大于预览图像的视角的第一图像。处理器1300可以通过分析所获取的第一图像来获取被摄体的周围环境信息。处理器1300可以控制输出接口1100在第一图像上显示用于引导推荐的拍摄构图的信息。
处理器1300可以通过使用所识别的被摄体的信息和被摄体的周围环境信息来确定多个推荐的拍摄构图。处理器1300可以控制输出接口1100显示分别与多个推荐的拍摄构图对应的缩略图图像。
处理器1300可以基于所识别的被摄体的信息和被摄体的周围环境信息来推荐或自动应用拍摄设置值。处理器1300可以通过使用所识别的被摄体的信息和被摄体的周围环境信息来确定被摄体的推荐的姿势。处理器1300可以提供关于推荐的姿势的信息。
通信接口1400可以包括能够在电子装置1000和可穿戴设备之间或者在电子装置1000和服务器2000之间进行通信的一个或多个元件。例如，通信接口1400可以包括短程通信接口1411、移动通信接口1412和广播接收器1413。
短程通信接口1411的示例可以包括但不限于蓝牙通信接口、低功耗蓝牙(BLE)通信接口、近场通信接口、WLAN(Wi-Fi)通信接口、Zigbee通信接口、红外数据协会(IrDA)通信接口、Wi-Fi直连(WFD)通信接口、超宽带(UWB)通信接口和Ant+通信接口。
移动通信接口1412经由移动通信网络向/从基站、外部终端和服务器2000中的至少一个发送/接收无线信号。无线信号的示例可以包括语音呼叫信号、视频呼叫信号、以及根据文本/多媒体消息发送/接收的各种数据中的任何一种。
广播接收器1413通过广播信道从外部接收广播信号和/或广播相关信息。广播信道的示例可以包括卫星信道和地面信道。根据实施例，电子装置1000可以不包括广播接收器1413。
根据实施例，通信接口1400可以将关于预览图像的信息和被摄体的周围环境信息发送到连接到电子装置1000的服务器2000。通信接口1400可以从服务器2000接收关于推荐的拍摄构图的信息，该推荐的拍摄构图是通过使用关于预览图像的信息和被摄体的周围环境信息而确定的。通信接口1400可以将照片图像上传到SNS服务器，或者可以从SNS服务器下载照片图像。
用于接收音频信号输入或视频信号输入的A/V输入接口1500可以包括第一相机1511、第二相机1512和麦克风1513。第一相机1511和第二相机1512可以在视频呼叫模式或拍摄模式下通过使用图像传感器获取诸如静止图像或运动图像的图像画面。由图像传感器捕获的图像可以由处理器1300或附加图像处理器(未示出)处理。
由第一相机1511或第二相机1512处理的图像画面可以存储在存储器1700中，或者可以通过通信接口1400发送到外部。
根据实施例，第一相机1511可以是一般相机，第二相机1512可以是但不限于远摄相机、广角相机和一般相机中的至少一种。第一相机1511可以对应于图10的第一相机1001，第二相机1512可以对应于图10的第二相机1002。
麦克风1513接收外部声音信号并将外部声音信号处理成电学语音数据。例如，麦克风1513可以从外部设备或用户接收声音信号。麦克风1513可以使用各种噪声消除算法中的任何一种来消除在接收外部声音信号时发生的噪声。
用户输入接口1600是用户通过其输入用于控制电子装置1000的数据的单元。用户输入接口1600的示例可以包括但不限于键盘、圆顶开关(dome switch)、触摸板(例如，接触型电容法、压力型电阻膜法、红外感测法、表面超声传输法、积分张力测量法或压电效应法)、旋转轮(jog wheel)和轻摇开关。
存储器1700可以存储用于处理和控制处理器1300的程序，并且可以存储输入/输出数据(例如，预览图像、照片图像1712、元数据、周围环境信息、个性化学习数据和推荐的姿势卡)。
存储器1700可以包括闪存型存储器、硬盘型存储器、多媒体卡微型存储器、卡型存储器(例如，安全数字(SD)存储器或极端数字(XD)存储器)、随机存取存储器(RAM)、静态随机存取存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁存储器、磁盘和光盘中的至少一种类型的存储介质。
存储在存储器1700中的程序可以根据存储器1700的功能被分类为多个模块，例如，推荐模型1711。推荐模型1711对应于图3的推荐模型300，因此将不给出其详细说明。现在将参考图29至图32描述生成推荐模型1711的过程。
图29是根据本公开的实施例的处理器1300的框图。
参考图29，根据一些实施例的处理器1300可以包括数据学习器1310和数据识别器1320。
数据学习器1310可以学习用于确定推荐情形(例如，拍摄构图的推荐、拍摄区域的推荐、姿势的推荐或最佳面部角度的推荐)的标准。数据学习器1310可以学习关于将使用哪个数据以确定推荐情形的标准以及如何通过使用该数据来确定情形。数据学习器1310可以通过获取要用于学习(或训练)的数据(例如，图像)并将获取的数据应用于数据识别模型，来学习用于确定推荐情形的标准。
根据实施例，数据学习器1310可以学习在特定环境(例如，室内或户外、一般照度或低照度、白天或夜晚、日落或日出、冬季或夏季、特定建筑物的周围、或特定自然对象的周围)中拍摄被摄体(例如，人、动物、自然对象或自然现象)的构图。根据实施例，数据学习器1310可以根据被摄体的信息(例如，被摄体的类型、被摄体的数量、性别和年龄)或被摄体的周围环境信息(例如，光的量、光的方向、光的强度、位置是室内还是户外、以及是否是特定建筑物的周围)来学习拍摄构图。例如，数据学习器1310可以学习拍摄人的构图、拍摄动物的构图、拍摄山峰的构图、拍摄海洋的构图、在室内拍摄人的构图、在户外拍摄人的构图、在户外拍摄特定建筑物的构图、在室内拍摄食物的构图、拍摄若干人的构图、拍摄一个人的构图、在夜晚拍摄的构图、以及在白天拍摄的构图。
根据实施例，数据学习器1310可以学习个性化数据。例如，数据学习器1310可以学习关于删除的照片的拍摄构图的数据、关于上传到SNS服务器的照片的拍摄构图的数据、关于发送到朋友的设备的照片的拍摄构图的数据、以及关于指定为个人简档图像的照片的拍摄构图的数据。
根据实施例，数据学习器1310可以学习用于推荐拍摄区域的标准。根据实施例，当被摄体是人时，数据学习器1310可以学习用于推荐姿势的标准。数据学习器1310可以学习面部构图。
根据实施例，数据学习器1310可以学习用于推荐拍摄设置值的标准。例如，数据学习器1310可以学习从专业人员拍摄的照片获取的拍摄设置值。
数据识别器1320可以基于数据确定推荐情形。数据识别器1320可以通过使用训练的数据识别模型从检测到的数据识别推荐情形。数据识别器1320可以根据通过学习预设的标准获取图像数据(例如，预览图像)，并且可以通过使用所获取的图像数据作为输入值利用数据识别模型基于图像数据确定推荐情形。此外，通过使用所获取的图像数据作为输入值由数据识别模型输出的结果值可用于改进数据识别模型。
数据学习器1310和数据识别器1320中的至少一个可以被制造为至少一个硬件芯片，并且可以安装在电子装置1000上。例如，数据学习器1310和数据识别器1320中的至少一个可以被制造为用于AI的专用硬件芯片，或者可以被制造为现有通用处理器(例如，中央处理单元(CPU)或应用处理器)或图形处理器(例如，图形处理单元(GPU)))的一部分，并且可以安装在电子装置1000上。
在这种情况下，数据学习器1310和数据识别器1320可以安装在一个电子装置1000上，或者可以分开地安装在电子装置上。例如，数据学习器1310和数据识别器1320中的一个可以包括在电子装置1000中，并且剩余的一个可以包括在服务器2000中。此外，通过有线或无线方式，由数据学习器1310建立的模型信息可以提供给数据识别器1320，以及输入到数据识别器1320的数据可以作为附加学习数据提供给数据学习器1310。
数据学习器1310和数据识别器1320中的至少一个可以实现为软件模块。当数据学习器1310和数据识别器1320中的至少一个实现为软件模块(或包括指令的程序模块)时，软件模块可以存储在非暂时性计算机可读记录介质中。此外，在这种情况下，可以通过操作系统(OS)或预定应用提供至少一个软件模块。替选地，可以通过OS提供至少一个软件模块的一部分，并且可以通过预定应用提供剩余部分。
图30是根据本公开的实施例的数据学习器1310的框图。
参考图30，根据实施例的数据学习器1310(例如，模型评估器)可以包括数据获取器1310-1、预处理器1310-2、学习数据选择器1310-3、模型学习器1310-4和模型评估器1310-5。
数据获取器1310-1可以获取确定推荐情形所需的数据。数据获取器1310-1可以获取学习确定推荐情形所需的数据(例如，照片图像)。根据实施例，模型学习器1310-4可以直接生成确定推荐情形所需的数据，或者可以从外部设备或服务器接收确定推荐情形所需的数据。
根据实施例，确定推荐情形所需的数据可以包括但不限于被摄体的信息、被摄体的周围环境信息和个性化学习数据。
根据实施例，数据获取器1310-1可以获取图像数据、语音数据、文本数据或生物信号数据。例如，数据获取器1310-1可以通过电子装置1000的输入设备(例如，麦克风、相机或传感器)接收数据。替选地，数据获取器1310-1可以通过与电子装置1000通信的外部设备获取数据。
预处理器1310-2可以预处理所获取的数据，使得所获取的数据用于学习以确定推荐情形。预处理器1310-2可以将所获取的数据处理成预设格式，使得下面将描述的模型学习器1310-4可以使用所获取的数据用于学习确定以推荐情形。
例如，预处理器1310-2可以通过基于构成输入视频的至少一部分的多个图像(或画面)中包括的公共区域重叠多个图像的至少一些部分来生成一个合成的图像。在这种情况下，可以从一个视频生成多个合成的图像。公共区域可以是包括多个图像中的相同或相似的共同对象(例如，固体对象、动物/植物、或人)的区域。替选地，公共区域可以是在多个图像中颜色、阴影、RGB值或CMYK值相同或相似的区域。
学习数据选择器1310-3可以从多条预处理数据中选择学习所需的数据。可以将选择的数据提供给模型学习器1310-4。学习数据选择器1310-3可以根据用于确定推荐情形的预设标准从多条预处理数据中选择学习所需的数据。此外，学习数据选择器1310-3可以根据通过下面将描述的模型学习器1310-4学习而预设的标准来选择数据。例如，学习数据选择器1310-3可以选择包括与被摄体的信息和被摄体的周围环境信息有关的拍摄构图的图像数据。
模型学习器1310-4可以基于学习数据学习关于如何确定推荐情形的标准。此外，模型学习器1310-4可以学习关于将使用哪个学习数据以确定推荐情形的标准。
此外，模型学习器1310-4可以通过使用学习数据来训练用于确定推荐情形的数据识别模型。在这种情况下，数据识别模型可以是预先建立的模型。例如，数据识别模型可以是通过接收基本学习数据(例如，采样数据)预先建立的模型。
可以考虑应用识别模型的领域、学习目的或电子装置1000的计算机性能来建立数据识别模型。数据识别模型可以是基于例如神经网络的模型。例如，诸如深度神经网络(DNN)、递归神经网络(RNN)或双向递归深度神经网络(BRDNN)的模型可以用作数据识别模型。
根据各种实施例，当存在预先建立的多个数据识别模型时，模型学习器1310-4可以确定在输入学习数据和基本学习数据之间具有高度关联的数据识别模型作为要训练的数据识别模型。在这种情况下，可以根据数据的类型对基本学习数据进行预分类，并且可以根据数据的类型预先建立数据识别模型。例如，可以根据各种标准(诸如，生成学习数据的区域、生成学习数据的时间、学习数据的大小、学习数据的属类、学习数据的生成器、以及学习数据中的被摄体的类型)对基本学习数据进行预分类。
此外，模型学习器1310-4可以通过使用包括例如误差反向传播或梯度下降的学习算法来训练数据识别模型。
此外，模型学习器1310-4可以通过使用例如学习数据作为输入值通过监督学习来训练数据识别模型。此外，模型学习器1310-4可以通过无监督学习来训练数据识别模型，以找到用于通过在没有监督的情况下自己学习确定情形所需的数据的类型来确定情形的标准。此外，模型学习器1310-4可以使用关于根据学习确定情形的结果是否正确的反馈，通过增强学习来训练数据识别模型。
此外，当训练数据识别模型时，模型学习器1310-4可以存储训练的数据识别模型。在这种情况下，模型学习器1310-4可以将训练的数据识别模型存储在包括数据识别器1320的电子装置1000的存储器1700中。替选地，模型学习器1310-4可以将训练的数据识别模型存储在包括数据识别器1320的电子装置1000的存储器1700中。替选地，模型学习器1310-4可以将训练的数据识别模型存储在通过有线或无线网络连接到电子装置1000的服务器2000的存储器中。
在这种情况下，存储训练的数据识别模型的存储器还可以存储例如与电子装置1000的至少另一个元件有关的命令或数据。此外，存储器可以存储软件和/或程序。程序可以包括例如内核、中间件、应用编程接口(API)、和/或应用程序(或“应用”)。
当模型评估器1310-5将评估数据输入到数据识别模型并且从评估数据输出的识别结果不满足预定标准时，模型评估器1310-5可以使得模型学习器1310-4再次学习。在这种情况下，评估数据可以是用于评估数据识别模型的预设数据。
例如，从评估数据输出的训练的数据识别模型的识别结果中，当不准确的识别结果的数量或比率超过预设阈值时，可以评估不满足预定标准。例如，当2％被定义为预定标准并且从1000条评估数据中的多于20条评估数据输出错误识别结果时，模型评估器1310-5可以评估训练的数据识别模型不合适。
当存在多个训练的数据识别模型时，模型评估器1310-5可以评估每个训练的识别模型是否满足预定标准，并且可以将满足预定标准的模型确定为最终数据识别模型。在这种情况下，当多个模型满足预定标准时，模型评估器1310-5可以确定以评估分数的降序预设的一个或预定数量的模型作为最终数据识别模型。
数据学习器1310中的数据获取器1310-1、预处理器1310-2、学习数据选择器1310-3、模型学习器1310-4和模型评估器1310-5中的至少一个可以被制造为至少一个硬件芯片，并且可以安装在电子装置1000上。例如，数据获取器1310-1、预处理器1310-2、学习数据选择器1310-3、模型学习器1310-4和模型评估器1310-5中的至少一个可以被制造为用于AI的专用硬件芯片，或者可以被制造为现有通用处理器(例如，CPU或应用处理器)或图形处理器(例如，GPU)的一部分，并且可以安装在电子装置1000上。
此外，数据获取器1310-1、预处理器1310-2、学习数据选择器1310-3、模型学习器1310-4和模型评估器1310-5可以安装在一个电子装置1000上，或者可以分别分开地安装在电子装置上。例如，数据获取器1310-1、预处理器1310-2、学习数据选择器1310-3、模型学习器1310-4和模型评估器1310-5中的一些可以包括在电子装置1000中，而剩余的可以包括在服务器2000中。
此外，数据获取器1310-1、预处理器1310-2、学习数据选择器1310-3、模型学习器1310-4和模型评估器1310-5中的至少一个可以实现为软件模块。当数据获取器1310-1、预处理器1310-2、学习数据选择器1310-3、模型学习器1310-4和模型评估器1310-5中的至少一个实现为软件模块(或者包括指令的程序模块)时，软件模块可以存储在非暂时性计算机可读记录介质中。而且，在这种情况下，可以通过OS或预定应用提供至少一个软件模块。替选地，可以通过OS提供至少一个软件模块的一部分，并且可以通过预定应用提供剩余部分。
图31是根据本公开的实施例的数据识别器1320的框图。
参考图31，根据实施例的数据识别器1320可以包括数据获取器1320-1、预处理器1320-2、识别数据选择器1320-3、识别结果提供器1320-4和模型改进器1320-5。
数据获取器1320-1可以获取确定推荐情形所需的数据，并且预处理器1320-2可以预处理所获取的数据，使得使用被获取以确定情形的数据。预处理器1320-2可以将所获取的数据处理成预设格式，使得下面将描述的识别结果提供器1320-4可以使用所获取的数据来确定推荐情形。
识别数据选择器1320-3可以从多条预处理的数据中选择确定推荐情形所需的数据。可以将选择的数据提供给识别结果提供器1320-4。识别数据选择器1320-3可以根据用于确定推荐情形的预设标准来选择一些或所有预处理的数据。此外，识别数据选择器1320-3可以根据通过如下所述的模型学习器1310-4进行学习而预设的标准来选择数据。
识别结果提供器1320-4可以通过将选择的数据应用于数据识别模型来确定情形。识别结果提供器1320-4可以根据数据的识别目的提供识别结果。识别结果提供器1320-4可以通过使用由识别数据选择器1320-3选择的数据作为输入值将选择的数据应用于数据识别模型。此外，识别结果可以通过数据识别模型来确定。
例如，可以提供至少一个图像的识别结果作为文本、语音、视频、图像或指令(例如，应用执行指令或模块功能执行指令)。例如，识别结果提供器1320-4可以提供包括在至少一个图像中的对象的识别结果。识别结果可以包括例如包括在至少一个图像中的对象的姿势信息、对象的周围状态信息、以及包括在视频中的对象的运动改变信息。
模型改进器1320-5可以基于由识别结果提供器1320-4提供的识别结果的评估来改进数据识别模型。例如，模型改进器1320-5可以将识别结果提供器1320-4提供的识别结果提供给模型学习器1310-4，使得模型学习器1340-4改进数据识别模型。
数据识别器1320中的数据获取器1320-1、预处理器1320-2、识别数据选择器1320-3、识别结果提供器1320-4和模型改进器1320-5中的至少一个可以被制造为至少一个硬件芯片，并且可以安装在电子装置1000上。例如，数据获取器1320-1、预处理器1320-2、识别数据选择器1320-3、识别结果提供器1320-4和模型改进器1320-5中的至少一个可以被制造为用于AI的专用硬件芯片，或者可以被制造为现有通用处理器(例如，CPU或应用处理器)或图形处理器(例如，GPU)的一部分，并且可以安装在电子装置1000上。
此外，数据获取器1320-1、预处理器1320-2、识别数据选择器1320-3、识别结果提供器1320-4和模型改进器1320-5可以安装在一个电子装置1000上，或者可以分别分开地安装在电子装置上。例如，数据获取器1320-1、预处理器1320-2、识别数据选择器1320-3、识别结果提供器1320-4和模型改进器1320-5中的一些可以包括在电子装置1000中，剩余的可以包括在服务器2000中。
此外，数据获取器1320-1、预处理器1320-2、识别数据选择器1320-3、识别结果提供器1320-4和模型改进器1320-5中的至少一个可以实现为软件模块。当数据获取器1320-1、预处理器1320-2、识别数据选择器1320-3、识别结果提供器1320-4和模型改进器1320-5中的至少一个实现为软件模块时(或者包括指令的程序模块)时，软件模块可以存储在非暂时性计算机可读记录介质中。而且，在这种情况下，可以通过OS或预定应用提供至少一个软件模块。替选地，至少一个软件模块的一部分可以通过OS提供，而其余部分可以通过预定应用提供。
图32是示出根据本公开的实施例的电子装置1000和服务器2000互操作以学习和识别数据的示例的框图。根据实施例的服务器2000可以包括数据识别器2300。数据识别器2300可以包括数据获取器2310、预处理器2320、学习数据选择器2330、模型学习器2340和模型评估器2350。
参考图32，服务器2000可以学习用于确定推荐情形的标准，并且电子装置1000可以基于服务器2000的学习结果来确定推荐情形。
在这种情况下，服务器2000的模型学习器2340可以执行图29的数据学习器1310的功能。服务器2000的模型学习器2340可以学习关于将使用哪个数据以确定推荐情形的标准以及如何通过使用该数据来确定推荐情形。模型学习器2340可以获取要用于学习的数据，并且可以通过将所获取的数据应用于将在下面描述的数据识别模型来学习用于确定情形的标准。
此外，电子装置1000的识别结果提供器1320-4可以通过将由识别数据选择器1320-3选择的数据应用于由服务器2000生成的数据识别模型来确定情形。例如，识别结果提供器1320-4可以将由识别数据选择器1320-3选择的数据发送到服务器2000，并且服务器2000可以通过将识别数据选择器1320-3选择的数据应用于识别模型来请求确定情形。此外，识别结果提供器1320-4可以从服务器2000接收关于由服务器2000确定的情形的信息。
替选地，电子装置1000的识别结果提供器1320-4可以从服务器2000接收由服务器2000生成的识别模型，并且可以通过使用接收的识别模型来确定推荐情形。在这种情况下，电子装置1000的识别结果提供器1320-4可以通过将由识别数据选择器1320-3选择的数据应用于从服务器2000接收的数据识别模型来确定推荐情形。
根据实施例的方法可以体现为各种计算机装置可执行的程序命令，并且可以记录在计算机可读记录介质上。计算机可读记录介质可以单独地或组合地包括程序命令、数据文件、数据结构等。要记录在计算机可读记录介质上的程序命令可以是专门为本公开的实施例设计和配置的，或者可以是计算机软件领域的普通技术人员所熟知的和可以使用的。计算机可读记录介质的示例包括：诸如硬盘、软盘或磁带的磁介质；诸如光盘只读存储器(CD-ROM)或数字通用盘(DVD)的光学介质；诸如光磁盘的磁光介质；以及专门配置为存储和执行程序命令的硬件设备，诸如ROM、RAM或闪存。程序命令的示例是可由计算机通过使用解释器等执行的高级语言代码、以及由编译器产生的机器语言代码。
一些实施例可以实现为包括诸如计算机可执行程序模块的计算机可读指令的记录介质。计算机可读介质可以是计算机可访问的任意可用介质，并且其示例包括所有易失性和非易失性介质以及可分离和不可分离介质。此外，计算机可读介质的示例可以包括计算机存储介质和通信介质。计算机存储介质的示例包括通过任意方法或技术实现的所有易失性和非易失性介质以及可分离和不可分离介质，用于存储诸如计算机可读指令、数据结构、程序模块或其他数据的信息。通信介质通常包括计算机可读指令、数据结构、程序模块、调制的数据信号的其他数据、或其他传输机制，并且其示例包括任意信息传输介质。而且，一些实施例可以实现为计算机程序或计算机程序产品，包括计算机可执行指令，例如由计算机执行的计算机程序。
虽然已经参考本公开的各种实施例示出和描述了本公开，但是本领域技术人员将理解，在不脱离由所附权利要求及其等同物所限定的本公开的精神和范围的情况下，可以在其中进行形式和细节上的各种改变。

Claims (25)

1.一种用于由包括相机和显示器的电子设备使用推荐的拍摄构图拍摄被摄体的方法，所述方法包括：
随着预览图像由于电子设备的移动而改变，跟踪从相机获取并显示在显示器上的预览图像中的人；
获取在预览图像中被跟踪的人的信息，所获取的信息包括在预览图像中被跟踪的人的位置；
基于所获取的人的信息，提供用于在预览图像中被跟踪的人的位置的第一指示符；
使用人工智能(AI)模型，基于预览图像中人与背景中对象之间的位置关系获取推荐的拍摄构图；
提供用于引导电子设备的用户移动电子设备的第二指示符，使得人处于预览图像中的与推荐的拍摄构图对应的位置处；以及
基于人的位置处于预览图像中的与由第二指示符引导的推荐的拍摄构图对应的位置处，自动拍摄被摄体。
2.如权利要求1所述的方法，其中，进一步基于黄金比例构图信息来获取推荐的拍摄构图。
3.如权利要求1所述的方法，其中，进一步基于居中的构图信息来获取推荐的拍摄构图。
4.如权利要求1所述的方法，其中，所述第二指示符包括与人体的至少一部分的形状对应的形状。
5.如权利要求1所述的方法，还包括：
识别包括在预览图像中的人的数量，
其中，进一步基于所识别的包括在预览图像中的人的数量来获取推荐的拍摄构图。
6.如权利要求5所述的方法，其中，基于人的数量被识别为单数，使用AI模型来获取推荐的拍摄构图。
7.如权利要求1所述的方法，还包括：
根据推荐的拍摄构图呈现用于电子设备的移动的方向指示，
其中，所述方向指示由图形指示、文本指示或语音指示中的至少一个来呈现。
8.如权利要求1所述的方法，其中，使用AI模型跟踪预览图像中的人。
9.如权利要求1所述的方法，其中，通过包括用于推荐拍摄构图的多个构图信息的多个图像训练AI模型。
10.如权利要求1所述的方法，还包括：
随着预览图像由于电子设备的移动而改变，保持预览图像中第二指示符的位置，并且
其中，随着预览图像由于电子设备的移动而改变，预览图像中第二指示符与人之间的距离改变。
11.如权利要求1所述的方法，还包括：
基于人处于预览图像中的与使用AI模型获取的推荐的拍摄构图对应的位置处，中断第二指示符的显示。
12.如权利要求1所述的方法，还包括：
视觉上指示人处于预览图像中的与使用AI模型获取的推荐的拍摄构图对应的位置处。
13.一种用于使用推荐的拍摄构图拍摄被摄体的电子设备，所述电子设备包括：
相机；
显示器；以及
至少一个处理器，被配置为：
随着预览图像由于电子设备的移动而改变，跟踪从相机获取并显示在显示器上的预览图像中的人；
获取在预览图像中被跟踪的人的信息，所获取的信息包括在预览图像中被跟踪的人的位置；
基于所获取的人的信息，提供用于在预览图像中被跟踪的人的位置的第一指示符；
使用人工智能(AI)模型，基于预览图像中人与背景中对象之间的位置关系获取推荐的拍摄构图；
提供用于引导电子设备的用户移动电子设备的第二指示符，使得人处于预览图像中的与推荐的拍摄构图对应的位置处；以及
基于人的位置处于预览图像中的与由第二指示符引导的推荐的拍摄构图对应的位置处，自动拍摄被摄体。
14.如权利要求13所述的电子设备，其中，进一步基于黄金比例构图信息来获取推荐的拍摄构图。
15.如权利要求13所述的电子设备，其中，进一步基于居中的构图信息来获取推荐的拍摄构图。
16.如权利要求13所述的电子设备，其中，所述第二指示符包括与人体的至少一部分的形状对应的形状。
17.如权利要求13所述的电子设备，
其中，所述至少一个处理器还被配置为：
识别包括在预览图像中的人的数量，并且
其中，进一步基于所识别的包括在预览图像中的人的数量来获取推荐的拍摄构图。
18.如权利要求17所述的电子设备，其中，基于人的数量被识别为单数，使用AI模型来获取推荐的拍摄构图。
19.如权利要求13所述的电子设备，
其中，所述至少一个处理器还被配置为：
根据推荐的拍摄构图呈现用于电子设备的移动的方向指示，并且其中，所述方向指示由图形指示、文本指示或语音指示中的至少一个来呈现。
20.如权利要求13所述的电子设备，其中，使用AI模型跟踪预览图像中的人。
21.如权利要求13所述的电子设备，其中，通过包括用于推荐拍摄构图的多个构图信息的多个图像训练AI模型。
22.如权利要求13所述的电子设备，
其中，所述至少一个处理器还被配置为：
随着预览图像由于电子设备的移动而改变，保持预览图像中第二指示符的位置，并且
其中，随着预览图像由于电子设备的移动而改变，预览图像中第二指示符与人之间的距离改变。
23.如权利要求13所述的电子设备，其中，所述至少一个处理器还被配置为：
基于人处于预览图像中的与使用AI模型获取的推荐的拍摄构图对应的位置处，中断第二指示符的显示。
24.如权利要求13所述的电子设备，其中，所述至少一个处理器还被配置为：
视觉上指示人处于预览图像中的与使用AI模型获取的推荐的拍摄构图对应的位置处。
25.一种非暂时性计算机可读记录介质，其上记录有程序，该程序在由包括相机和显示器的电子设备的至少一个处理器执行时，使得至少一个处理器执行用于使用推荐的拍摄构图拍摄被摄体的方法，所述方法包括：
随着预览图像由于电子设备的移动而改变，跟踪从相机获取并显示在显示器上的预览图像中的人；
获取在预览图像中被跟踪的人的信息，所获取的信息包括在预览图像中被跟踪的人的位置；
基于所获取的人的信息，提供用于在预览图像中被跟踪的人的位置的第一指示符；
使用人工智能(AI)模型，基于预览图像中人与背景中对象之间的位置关系获取推荐的拍摄构图；
提供用于引导用户移动电子设备的第二指示符，使得人处于预览图像中的与推荐的拍摄构图对应的位置处；以及
基于人的位置处于预览图像中的与由第二指示符引导的推荐的拍摄构图的对应的位置处，自动拍摄被摄体。
CN201880019872.9A 2017-12-01 2018-10-02 用于提供与拍摄有关的推荐信息的方法和系统 Active CN110476405B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202111265899.6A CN114040098A (zh) 2017-12-01 2018-10-02 用于获得图像的方法和执行该方法的电子设备
CN202110029846.8A CN112801269A (zh) 2017-12-01 2018-10-02 用于获得图像的方法和执行该方法的电子设备

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
KR10-2017-0164328 2017-12-01
KR1020170164328A KR102438201B1 (ko) 2017-12-01 2017-12-01 사진 촬영과 관련된 추천 정보를 제공하는 방법 및 시스템
PCT/KR2018/011670 WO2019107724A1 (en) 2017-12-01 2018-10-02 Method and system for providing recommendation information related to photography

Related Child Applications (2)

Application Number Title Priority Date Filing Date
CN202110029846.8A Division CN112801269A (zh) 2017-12-01 2018-10-02 用于获得图像的方法和执行该方法的电子设备
CN202111265899.6A Division CN114040098A (zh) 2017-12-01 2018-10-02 用于获得图像的方法和执行该方法的电子设备

Publications (2)

Publication Number Publication Date
CN110476405A CN110476405A (zh) 2019-11-19
CN110476405B true CN110476405B (zh) 2021-11-16

Family

ID=66659652

Family Applications (3)

Application Number Title Priority Date Filing Date
CN202110029846.8A Pending CN112801269A (zh) 2017-12-01 2018-10-02 用于获得图像的方法和执行该方法的电子设备
CN201880019872.9A Active CN110476405B (zh) 2017-12-01 2018-10-02 用于提供与拍摄有关的推荐信息的方法和系统
CN202111265899.6A Pending CN114040098A (zh) 2017-12-01 2018-10-02 用于获得图像的方法和执行该方法的电子设备

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN202110029846.8A Pending CN112801269A (zh) 2017-12-01 2018-10-02 用于获得图像的方法和执行该方法的电子设备

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN202111265899.6A Pending CN114040098A (zh) 2017-12-01 2018-10-02 用于获得图像的方法和执行该方法的电子设备

Country Status (5)

Country Link
US (5) US11146724B2 (zh)
EP (3) EP3560179B1 (zh)
KR (4) KR102438201B1 (zh)
CN (3) CN112801269A (zh)
WO (1) WO2019107724A1 (zh)

Families Citing this family (69)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102584187B1 (ko) * 2016-03-30 2023-10-05 삼성전자주식회사 이미지를 처리하기 위한 전자 장치 및 방법
JP6872039B2 (ja) * 2017-07-03 2021-05-19 キヤノン株式会社 カメラを自動設定するための方法及びシステム
KR102438201B1 (ko) 2017-12-01 2022-08-30 삼성전자주식회사 사진 촬영과 관련된 추천 정보를 제공하는 방법 및 시스템
CN108810418B (zh) * 2018-07-16 2020-09-11 Oppo广东移动通信有限公司 图像处理方法、装置、移动终端及计算机可读存储介质
US10965874B2 (en) * 2018-09-18 2021-03-30 Gopro, Inc. Analytic triggers
US11100325B2 (en) * 2018-12-07 2021-08-24 International Business Machines Corporation Photographic results by composition analysis using deep learning neural networks
US11172192B2 (en) * 2018-12-27 2021-11-09 Waymo Llc Identifying defects in optical detector systems based on extent of stray light
CN111586282B (zh) 2019-02-18 2021-08-10 北京小米移动软件有限公司 拍摄方法、装置、终端及可读存储介质
JP2020136899A (ja) * 2019-02-19 2020-08-31 ソニーセミコンダクタソリューションズ株式会社 撮像装置、電子機器、および撮像方法
GB2584986B (en) * 2019-03-19 2023-07-26 Sony Interactive Entertainment Inc System and camera device for capturing images
US10956694B2 (en) * 2019-04-05 2021-03-23 Zebra Technologies Corporation Device and method for data capture aiming assistance
US11599598B2 (en) * 2019-06-19 2023-03-07 Canon Kabushiki Kaisha System and method for recommending challenges
KR102231794B1 (ko) 2019-06-26 2021-03-25 유수연 인공지능을 이용하여 이미지의 객체를 제거하는 방법
CN110191287B (zh) * 2019-06-28 2021-05-11 Oppo广东移动通信有限公司 对焦方法和装置、电子设备、计算机可读存储介质
CN112351185A (zh) * 2019-08-07 2021-02-09 华为技术有限公司 拍照方法和移动终端
CN110493517A (zh) * 2019-08-14 2019-11-22 广州三星通信技术研究有限公司 图像捕获装置的辅助拍摄方法和图像捕获装置
KR102201858B1 (ko) * 2019-08-26 2021-01-12 엘지전자 주식회사 인공지능 기반 영상 편집 방법 및 지능형 디바이스
US11436470B2 (en) * 2019-09-13 2022-09-06 Kyndryl, Inc. Generating simulated image training data
US11386473B2 (en) * 2019-10-24 2022-07-12 Shopify Inc. Systems and methods for providing product image recommendations
US11849264B2 (en) 2019-11-22 2023-12-19 Samsung Electronics Co., Ltd. Apparatus and method for white balance editing
CN110955793A (zh) * 2019-11-26 2020-04-03 维沃移动通信有限公司 一种显示控制方法及电子设备
CN112866557A (zh) * 2019-11-28 2021-05-28 荣耀终端有限公司 构图推荐方法和电子设备
CN112929557A (zh) * 2019-12-05 2021-06-08 北京小米移动软件有限公司 一种拍摄方法、装置、终端及存储介质
WO2021126004A1 (ru) * 2019-12-20 2021-06-24 Общество С Ограниченной Ответственностью "Дина" Способ фото/видео съемки цифровым устройством профессионально скомпанованных кадров
CN113037990B (zh) * 2019-12-24 2022-09-06 Tcl科技集团股份有限公司 辅助拍摄方法、终端设备及计算机可读存储介质
CN111147745B (zh) * 2019-12-30 2021-11-30 维沃移动通信有限公司 拍摄方法、装置、电子设备及存储介质
CN113132618B (zh) * 2019-12-31 2022-09-09 华为技术有限公司 辅助拍照方法、装置、终端设备及存储介质
CN113079311B (zh) 2020-01-06 2023-06-27 北京小米移动软件有限公司 图像获取方法及装置、电子设备、存储介质
CN111277752B (zh) * 2020-01-22 2021-08-31 Oppo广东移动通信有限公司 提示方法、装置、存储介质及电子设备
CA3163137A1 (en) * 2020-01-31 2021-08-05 William Castillo Techniques for enhanced image capture using a computer-vision network
KR20210099983A (ko) 2020-02-05 2021-08-13 천수민 이미지 보정 방법 및 이를 이용하는 장치
CN111277760B (zh) * 2020-02-28 2022-02-01 Oppo广东移动通信有限公司 一种拍摄构图方法及终端、存储介质
WO2021185296A1 (zh) * 2020-03-20 2021-09-23 华为技术有限公司 一种拍摄方法及设备
CN111464743A (zh) * 2020-04-09 2020-07-28 上海城诗信息科技有限公司 一种摄影构图匹配方法及系统
US11388334B2 (en) * 2020-05-22 2022-07-12 Qualcomm Incorporated Automatic camera guidance and settings adjustment
US20210407109A1 (en) * 2020-06-24 2021-12-30 Maui Jim, Inc. Visual product identification
US11431895B2 (en) * 2020-06-24 2022-08-30 International Business Machines Corporation Photography guidance based on crowdsourced photographs
KR102210959B1 (ko) * 2020-06-29 2021-02-01 주식회사 카카오뱅크 신분증 이미지 품질 평가 방법 및 서버
CN113873177A (zh) * 2020-06-30 2021-12-31 北京小米移动软件有限公司 多视角拍摄方法、装置、电子设备及存储介质
JP6793382B1 (ja) * 2020-07-03 2020-12-02 株式会社エクサウィザーズ 撮影装置、情報処理装置、方法およびプログラム
KR20220005239A (ko) * 2020-07-06 2022-01-13 삼성전자주식회사 전자 장치 및 이의 제어 방법
KR102605070B1 (ko) 2020-07-06 2023-11-24 한국전자통신연구원 인식 모델 학습 장치, 촬영본 영상 분석 장치 및 촬영본 검색 서비스 제공 장치
KR102367343B1 (ko) * 2020-07-29 2022-02-25 홍종화 셀프 촬영 관리 서버
KR102565225B1 (ko) * 2020-08-14 2023-08-09 주식회사 엘케이벤쳐스 얼굴 인식 기능을 이용한 촬영 모드 추천 및 선택 시스템, 및 이를 이용한 촬영 장치
EP3968006A1 (en) * 2020-09-14 2022-03-16 Nokia Technologies Oy Imaging an object using projected electromagnetic radiation and a rolling shutter
KR20220037128A (ko) * 2020-09-17 2022-03-24 삼성전자주식회사 사용자의 위치 관련 정보를 결정하는 전자 장치 및 서버
US11297226B1 (en) * 2020-10-01 2022-04-05 Black Sesame Technologies Inc. Photo taking feedback system
CN112437172A (zh) * 2020-10-30 2021-03-02 努比亚技术有限公司 一种拍照方法、终端及计算机可读存储介质
US20230421888A1 (en) * 2020-11-16 2023-12-28 Google Llc Systems, Apparatus, and Methods for Improving Composition of Images
US11645776B2 (en) 2020-12-04 2023-05-09 Shopify Inc. System and method for generating recommendations during image capture of a product
JP2022096292A (ja) * 2020-12-17 2022-06-29 富士フイルム株式会社 撮影システム、サーバ、撮影機器、撮影方法、プログラムおよび記録媒体
CN112613459B (zh) * 2020-12-30 2022-07-15 深圳艾摩米智能科技有限公司 一种人脸敏感区域检测方法
KR20220099789A (ko) * 2021-01-07 2022-07-14 삼성전자주식회사 카메라 모듈을 포함하는 전자 장치 및 그 전자 장치의 동작 방법
CN113038000A (zh) * 2021-02-26 2021-06-25 惠州Tcl移动通信有限公司 基于图像分析的拍摄提示处理方法、装置、设备及介质
CN112685581B (zh) * 2021-03-17 2021-08-31 深圳市火乐科技发展有限公司 投影内容的推荐方法、装置、存储介质及电子设备
JP2022154658A (ja) * 2021-03-30 2022-10-13 キヤノン株式会社 撮像装置、撮像素子、撮像装置の制御方法およびプログラム
CN115150543B (zh) * 2021-03-31 2024-04-16 华为技术有限公司 拍摄方法、装置、电子设备及可读存储介质
CN114466133B (zh) * 2021-04-26 2023-02-10 荣耀终端有限公司 拍照方法及装置
CN113473017A (zh) * 2021-07-01 2021-10-01 北京字跳网络技术有限公司 一种图像处理方法、装置、设备及存储介质
CN113473019A (zh) * 2021-07-01 2021-10-01 北京字跳网络技术有限公司 一种图像处理方法、装置、设备及存储介质
KR20230023498A (ko) * 2021-08-10 2023-02-17 삼성전자주식회사 언더 디스플레이 카메라를 포함하는 전자 장치 및 그 동작 방법
US20220012491A1 (en) * 2021-09-23 2022-01-13 Intel Corporation Contextual usage control of cameras
KR102545218B1 (ko) * 2021-09-23 2023-06-20 (주)플랜아이 상품 분류에 따른 구도 추천 방법 및 이를 이용한 상세 페이지 작성 가이드 방법 및 시스템
US20230283878A1 (en) * 2022-03-07 2023-09-07 Meta Platforms Technologies, Llc Smart Cameras Enabled by Assistant Systems
CN117425057A (zh) * 2022-07-07 2024-01-19 抖音视界(北京)有限公司 用于影像拍摄的方法、装置、设备和存储介质
WO2024030904A1 (en) * 2022-08-02 2024-02-08 Canon U.S.A., Inc. Real-time feedback of objects captured during an image capture process
KR20240051344A (ko) * 2022-10-12 2024-04-22 주식회사 스튜디오랩 전자 장치 및 이의 촬영 방법
KR102619846B1 (ko) * 2023-04-25 2024-01-02 김동환 촬영 구도 제안을 위한 전자 장치, 전자 장치의 촬영 구도 제안 방법
CN116546310B (zh) * 2023-07-05 2023-09-15 北京电子科技学院 基于人工智能的摄影辅助方法、装置、设备和介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104301613A (zh) * 2014-10-16 2015-01-21 深圳市中兴移动通信有限公司 移动终端及其拍摄方法
CN107257438A (zh) * 2017-07-10 2017-10-17 广东欧珀移动通信有限公司 拍照提醒方法、装置、终端和计算机存储介质

Family Cites Families (36)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4904108B2 (ja) * 2006-07-25 2012-03-28 富士フイルム株式会社 撮影装置及び画像表示制御方法
US7805066B2 (en) * 2007-12-24 2010-09-28 Microsoft Corporation System for guided photography based on image capturing device rendered user recommendations according to embodiments
KR101434564B1 (ko) * 2008-02-13 2014-08-29 삼성전자 주식회사 촬영 정보 자동 추출 시스템 및 방법
KR101539043B1 (ko) * 2008-10-31 2015-07-24 삼성전자주식회사 인물 구도 제안 영상 촬영 장치 및 방법
US20100245610A1 (en) * 2009-03-31 2010-09-30 Electronics And Telecommunications Research Institute Method and apparatus for processing digital image
KR101643602B1 (ko) * 2009-06-24 2016-07-29 삼성전자주식회사 구도 가이드 방법 및 장치, 및 디지털 촬영 장치
JP5359762B2 (ja) * 2009-10-15 2013-12-04 ソニー株式会社 情報処理装置、表示制御方法及び表示制御プログラム
KR101630299B1 (ko) 2009-12-24 2016-06-24 삼성전자주식회사 촬영 장치 및 그 제어 방법
JP2013042250A (ja) * 2011-08-12 2013-02-28 Sony Corp 撮像装置および撮像方法
KR101867051B1 (ko) * 2011-12-16 2018-06-14 삼성전자주식회사 촬상장치, 촬상 구도 제공 방법 및 컴퓨터 판독가능 기록매체
JP2013214858A (ja) * 2012-04-02 2013-10-17 Sony Corp 撮像装置、撮像装置の制御方法およびコンピュータプログラム
KR101222928B1 (ko) * 2012-05-04 2013-01-17 (주)비즈텍 구도 설정 촬영장치
US9385324B2 (en) * 2012-05-07 2016-07-05 Samsung Electronics Co., Ltd. Electronic system with augmented reality mechanism and method of operation thereof
JP5753323B2 (ja) * 2012-10-05 2015-07-22 富士フイルム株式会社 撮像装置及び画像表示方法
JP6076168B2 (ja) * 2013-03-27 2017-02-08 オリンパス株式会社 撮像装置、構図アシスト装置、構図アシスト方法、及び構図アシストプログラム
JP5743236B2 (ja) * 2013-09-17 2015-07-01 オリンパス株式会社 撮影機器及び撮影方法
CN105580051B (zh) * 2013-10-30 2019-05-14 英特尔公司 图像捕捉反馈
CN104717413A (zh) * 2013-12-12 2015-06-17 北京三星通信技术研究有限公司 拍照辅助方法及设备
KR20150106719A (ko) 2014-03-12 2015-09-22 삼성전자주식회사 전자 장치의 촬영 위치 안내 방법 및 이를 이용한 전자 장치
US9571727B2 (en) * 2014-05-21 2017-02-14 Google Technology Holdings LLC Enhanced image capture
US9729784B2 (en) * 2014-05-21 2017-08-08 Google Technology Holdings LLC Enhanced image capture
KR101653041B1 (ko) * 2014-05-23 2016-08-31 주식회사 카카오 촬영 구도 추천 방법, 및 장치
KR102157675B1 (ko) * 2014-07-25 2020-09-18 삼성전자주식회사 촬영 장치 및 그 촬영 방법
KR20160029536A (ko) * 2014-09-05 2016-03-15 엘지전자 주식회사 이동 단말기 및 그것의 제어방법
US9407815B2 (en) * 2014-11-17 2016-08-02 International Business Machines Corporation Location aware photograph recommendation notification
KR20160114434A (ko) * 2015-03-24 2016-10-05 삼성전자주식회사 전자 장치 및 전자 장치의 이미지 촬영 방법
US9826149B2 (en) * 2015-03-27 2017-11-21 Intel Corporation Machine learning of real-time image capture parameters
US10165199B2 (en) * 2015-09-01 2018-12-25 Samsung Electronics Co., Ltd. Image capturing apparatus for photographing object according to 3D virtual object
KR20170035237A (ko) * 2015-09-22 2017-03-30 엘지전자 주식회사 이동 단말기 및 그 제어방법
KR20170046005A (ko) * 2015-10-20 2017-04-28 삼성전자주식회사 얼굴 검출 방법 및 이를 지원하는 전자 장치
EP3366004B1 (en) * 2015-10-23 2020-02-19 Telefonaktiebolaget LM Ericsson (PUBL) Providing camera settings from at least one image/video hosting service
KR101699202B1 (ko) * 2016-01-19 2017-01-23 라인 가부시키가이샤 최적 촬영 위치 추천 방법 및 시스템
KR20180018213A (ko) * 2016-08-12 2018-02-21 삼성전자주식회사 전자 장치 및 그 제어 방법
KR102622754B1 (ko) * 2016-09-07 2024-01-10 삼성전자주식회사 이미지 합성 방법 및 이를 지원하는 전자 장치
KR20180116574A (ko) * 2017-04-17 2018-10-25 엘지전자 주식회사 이동 단말기
KR102438201B1 (ko) * 2017-12-01 2022-08-30 삼성전자주식회사 사진 촬영과 관련된 추천 정보를 제공하는 방법 및 시스템

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104301613A (zh) * 2014-10-16 2015-01-21 深圳市中兴移动通信有限公司 移动终端及其拍摄方法
CN107257438A (zh) * 2017-07-10 2017-10-17 广东欧珀移动通信有限公司 拍照提醒方法、装置、终端和计算机存储介质

Also Published As

Publication number Publication date
KR20220124127A (ko) 2022-09-13
EP3560179C0 (en) 2024-01-03
KR102438201B1 (ko) 2022-08-30
US10616478B2 (en) 2020-04-07
EP3560179B1 (en) 2024-01-03
US10951813B2 (en) 2021-03-16
CN112801269A (zh) 2021-05-14
US11678050B2 (en) 2023-06-13
WO2019107724A1 (en) 2019-06-06
KR102481016B1 (ko) 2022-12-23
US20190174056A1 (en) 2019-06-06
US20200177802A1 (en) 2020-06-04
EP3654625B1 (en) 2024-01-03
EP3654625A1 (en) 2020-05-20
US11146724B2 (en) 2021-10-12
US20220030163A1 (en) 2022-01-27
EP3823261A1 (en) 2021-05-19
KR20190064958A (ko) 2019-06-11
EP3560179A4 (en) 2019-12-18
CN114040098A (zh) 2022-02-11
CN110476405A (zh) 2019-11-19
EP3560179A1 (en) 2019-10-30
KR20240015708A (ko) 2024-02-05
EP3823261B1 (en) 2024-04-24
US20190208117A1 (en) 2019-07-04
EP3654625C0 (en) 2024-01-03
KR102631309B1 (ko) 2024-01-30
KR20230006424A (ko) 2023-01-10
US20230283889A1 (en) 2023-09-07

Similar Documents

Publication Publication Date Title
CN110476405B (zh) 用于提供与拍摄有关的推荐信息的方法和系统
US11509817B2 (en) Autonomous media capturing
KR102500760B1 (ko) 이미지 획득 장치 및 그의 제어 방법
KR20220020296A (ko) 디바이스가 이미지를 보정하는 방법 및 그 디바이스
KR20230141688A (ko) 디바이스가 이미지를 보정하는 방법 및 그 디바이스
KR20160143312A (ko) 이미지 운용 방법 및 이를 지원하는 전자 장치
WO2022227393A1 (zh) 图像拍摄方法及装置、电子设备和计算机可读存储介质
US11388334B2 (en) Automatic camera guidance and settings adjustment
WO2015171934A1 (en) Providing pre-edits for photos
KR20200052462A (ko) 전자 장치 및 그 제어 방법
KR20200084428A (ko) 동영상을 제작하는 방법 및 그에 따른 장치
KR102619846B1 (ko) 촬영 구도 제안을 위한 전자 장치, 전자 장치의 촬영 구도 제안 방법
KR20220149803A (ko) 정보를 공유하기 위한 전자 장치 및 그 동작 방법
CN114615421A (zh) 图像处理方法及电子设备

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