CN110493508A - 一种抓拍系统 - Google Patents
一种抓拍系统 Download PDFInfo
- Publication number
- CN110493508A CN110493508A CN201910460454.XA CN201910460454A CN110493508A CN 110493508 A CN110493508 A CN 110493508A CN 201910460454 A CN201910460454 A CN 201910460454A CN 110493508 A CN110493508 A CN 110493508A
- Authority
- CN
- China
- Prior art keywords
- image
- candid photograph
- training
- convolutional neural
- neural networks
- 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
Classifications
-
- 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
- G06N3/045—Combinations of networks
-
- 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
- H04N23/611—Control of cameras or camera modules based on recognised objects where the recognised objects include parts of the human body
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种抓拍系统,所述系统包括:启动模块,用于获取抓拍启动信号;确定模块,用于从展示拍摄区域内的场景,并确定用户所选择的抓拍对象;识别模块,用于采用活体跟踪技术跟踪拍摄区域内的抓拍对象;抓拍模块,用于根据抓拍指令拍摄所述抓拍对象,将抓拍对象所对应的抓拍图像送入设计好的卷积神经网络模型,前向传播获得所述卷积神经网络模型输出的改进图像。应用本发明实施例,解决了现有技术中在接收到拍照指令以后直接进行拍照,无法结合用户当前的实际情况,因此,在提高了与用户互动的同时也提高了用户体验。
Description
技术领域
本发明涉及移动终端的摄像改进技术领域,尤其涉及一种抓拍系统。
背景技术
移动终端或者叫移动通信终端是指可以在移动中使用的计算机设备,广义的讲包括手机、笔记本、POS机甚至包括车载电脑。移动终端很重要的功能之一就是获取文件信息,其中包括图片,例如用户通过摄像头拍摄获取的图片、通过应用程序接收的图片。
现有技术中,接收到的图片可以根据用户的偏好进行设置存储,例如通过设置固定的文件夹存放某一类图片,例如图片的收藏,将收藏后的图片都存放于收藏夹中,便于用户进行查看。但是现有技术中缺少一种有效的抓拍方案。
可见,现有的移动终端中用户抓拍的体验效果较差。
发明内容
本发明的主要目的在于提出一种抓拍系统,解决了现有技术中在接收到拍照指令以后直接进行拍照,无法结合用户当前的实际情况,因此,在提高了与用户互动的同时也提高了用户体验。
为实现上述目的,本发明提出一种抓拍系统,应用于移动终端,包括:
启动模块,用于获取抓拍启动信号;
确定模块,用于从展示拍摄区域内的场景,并确定用户所选择的抓拍对象;
识别模块,用于采用活体跟踪技术跟踪拍摄区域内的抓拍对象;
抓拍模块,用于根据抓拍指令拍摄所述抓拍对象,将抓拍对象所对应的抓拍图像送入设计好的卷积神经网络模型,前向传播获得所述卷积神经网络模型输出的改进图像。
本发明的一种实现方式中,还包括训练模块,用于对卷积神经网络的训练。
本发明的一种实现方式中,所述训练模块包括:
选择单元,用于选择测试集图像以及训练集图像;
训练单元,用于采用所述测试集图像和所述训练图像对所述卷积神经网络进行训练;
输出单元,用于根据训练输出结果,确定卷积神经网络是否训练成功。
本发明的一种实现方式中,所述确定模块包括:
获取单元,用于获取拍摄区域内的场景并展示;
接收单元,用于基于所展示的图像,接收用户的多个选择指令;
确定单元,用于将所述多个选择指令所对应的对象,确定为抓拍对象。
本发明的一种实现方式中,所述确定单元,具体包括:判断所述多个选择指令是否形成封闭区域;如果是,将所述封闭区域内的图像确定为抓拍图像。
本发明的一种实现方式中,所述测试集图像为风格图像。
因此,相较于现有技术,本发明所提出的抓拍系统,启动模块,用于获取抓拍启动信号;确定模块,用于从展示拍摄区域内的场景,并确定用户所选择的抓拍对象;识别模块,用于采用活体跟踪技术跟踪拍摄区域内的抓拍对象;抓拍模块,用于根据抓拍指令拍摄所述抓拍对象,将抓拍对象所对应的抓拍图像送入设计好的卷积神经网络模型,前向传播获得所述卷积神经网络模型输出的改进图像。解决了现有技术中在接收到拍照指令以后直接进行拍照,无法结合用户当前的实际情况,因此,在提高了与用户互动的同时也提高了用户体验。
具体实施方式
为解决现有技术问题,本发明生实施例提供提供一种抓拍系统,应用于移动终端,包括:
启动模块,用于获取抓拍启动信号。
本发明实施例中所说的抓拍启动信号可以是通过用户进行手动下达的的抓拍信号,例如用户通过相机设置抓拍的条件,例如通过时间或者条件,当时间或者条件达到的时候进行抓拍。相机将该设置的抓拍条件发送给移动终端底层处理系统,并通过相机试试的将采集到的图像发送至移动终端底层处理系统,在判断达到抓拍的条件时,作为移动终端获取到抓拍启动信号。
确定模块,用于从展示拍摄区域内的场景,并确定用户所选择的抓拍对象。
需要说明的是,当前取景范围内里有多个人物、动物或者植物的图像,如何确定需要抓拍的对象,以避免取景范围内其他的干扰。
具体实现方式中,确定模块包括:
获取单元,用于获取拍摄区域内的场景并展示;
接收单元,用于基于所展示的图像,接收用户的多个选择指令;
确定单元,用于将多个选择指令所对应的对象,确定为抓拍对象。
具体实现方式中,用户通过手动选择当前的抓拍对象,通过在显示器上采用划封闭区域的方式,从而将封闭区域内的对象那个确定为抓拍对象。
示例性的,当前有三个人在取景范围内,选择其中一个人为抓拍对象,在设置在该用户露出笑脸时进行抓拍,那么可以避免其他两个用户在露出笑脸时的干扰。
本发明的一种实现方式中,确定单元,具体包括:判断多个选择指令是否形成封闭区域;如果是,将封闭区域内的图像确定为抓拍图像。
识别模块,用于采用活体跟踪技术跟踪拍摄区域内的抓拍对象。
为避免当前用户拍摄的是图片或者海报等非活体,而导致抓拍的条件不能实现,所以可以采用活体跟踪技术,避免出现抓拍对象的抓拍条件不能实现的问题。
抓拍模块,用于根据抓拍指令拍摄抓拍对象,将抓拍对象所对应的抓拍图像送入设计好的卷积神经网络模型,前向传播获得卷积神经网络模型输出的改进图像。
本发明实施例中,将抓拍到的图像输入到卷积神经网络中,经由卷积神经网络训练输出用户想要的图片。卷积神经网络(Convolutional Neural Networks,CNN)是一类包含卷积计算且具有深度结构的前馈神经网络(Feedforward Neural Networks),是深度学习(deep learning)的代表算法之一。由于卷积神经网络能够进行平移不变分类(shift-invariant classification),因此也被称为“平移不变人工神经网络(Shift-InvariantArtificial Neural Networks,SIANN)”。
本发明的一种实现方式中,还包括训练模块,用于对卷积神经网络的训练。
本发明的一种实现方式中,训练模块包括:
选择单元,用于选择测试集图像以及训练集图像;
训练单元,用于采用测试集图像和训练图像对卷积神经网络进行训练;
输出单元,用于根据训练输出结果,确定卷积神经网络是否训练成功。
卷积神经网络的训练过程分为两个阶段。第一个阶段是数据由低层次向高层次传播的阶段,即前向传播阶段。另外一个阶段是,当前向传播得出的结果与预期不相符时,将误差从高层次向底层次进行传播训练的阶段,即反向传播阶段,训练过程为:首先选择测试集图像以及训练集图像,采用训练集图像进行训练,并将网络进行权值的初始化;然后在训练阶段将输入的测试集图像经过卷积层、下采样层、全连接层的向前传播得到输出值;求出网络的输出值与目标值之间的误差;当误差大于期望值时,将误差传回网络中,依次求得全连接层,下采样层,卷积层的误差。各层的误差可以理解为对于网络的总误差,网络应承担多少;当误差等于或小于期望值时,结束训练,根据求得误差进行权值更新。
本发明的一种实现方式中,测试集图像为风格图像。通过设置风格图像,能够实现训练卷积神经网络自动对抓拍的图像进行风格处理,实现自动进行图像处理。
Claims (6)
1.一种抓拍系统,应用于移动终端,其特征在于,包括:
启动模块,用于获取抓拍启动信号;
确定模块,用于从展示拍摄区域内的场景,并确定用户所选择的抓拍对象;
识别模块,用于采用活体跟踪技术跟踪拍摄区域内的抓拍对象;
抓拍模块,用于根据抓拍指令拍摄所述抓拍对象,将抓拍对象所对应的抓拍图像送入设计好的卷积神经网络模型,前向传播获得所述卷积神经网络模型输出的改进图像。
2.根据权利要求1所述的抓拍系统,其特征在于,还包括训练模块,用于对卷积神经网络的训练。
3.根据权利要求2所述的抓拍系统,其特征在于,所述训练模块包括:
选择单元,用于选择测试集图像以及训练集图像;
训练单元,用于采用所述测试集图像和所述训练图像对所述卷积神经网络进行训练;
输出单元,用于根据训练输出结果,确定卷积神经网络是否训练成功。
4.根据权利要求1所述的抓拍系统,其特征在于,所述确定模块包括:
获取单元,用于获取拍摄区域内的场景并展示;
接收单元,用于基于所展示的图像,接收用户的多个选择指令;
确定单元,用于将所述多个选择指令所对应的对象,确定为抓拍对象。
5.根据权利要求1所述的抓拍系统,其特征在于,所述确定单元,具体包括:判断所述多个选择指令是否形成封闭区域;如果是,将所述封闭区域内的图像确定为抓拍图像。
6.根据权利要求3所述的抓拍系统,其特征在于,所述测试集图像为风格图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910460454.XA CN110493508A (zh) | 2019-05-30 | 2019-05-30 | 一种抓拍系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910460454.XA CN110493508A (zh) | 2019-05-30 | 2019-05-30 | 一种抓拍系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110493508A true CN110493508A (zh) | 2019-11-22 |
Family
ID=68545880
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910460454.XA Pending CN110493508A (zh) | 2019-05-30 | 2019-05-30 | 一种抓拍系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110493508A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101547344A (zh) * | 2009-04-24 | 2009-09-30 | 清华大学深圳研究生院 | 基于联动摄像机的视频监控装置及其跟踪记录方法 |
CN105120159A (zh) * | 2015-08-26 | 2015-12-02 | 北京奇虎科技有限公司 | 通过远程控制获取图片的方法及服务器 |
CN105825484A (zh) * | 2016-03-23 | 2016-08-03 | 华南理工大学 | 一种基于深度学习的深度图像去噪及增强方法 |
CN109815844A (zh) * | 2018-12-29 | 2019-05-28 | 西安天和防务技术股份有限公司 | 目标检测方法及装置、电子设备和存储介质 |
-
2019
- 2019-05-30 CN CN201910460454.XA patent/CN110493508A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101547344A (zh) * | 2009-04-24 | 2009-09-30 | 清华大学深圳研究生院 | 基于联动摄像机的视频监控装置及其跟踪记录方法 |
CN105120159A (zh) * | 2015-08-26 | 2015-12-02 | 北京奇虎科技有限公司 | 通过远程控制获取图片的方法及服务器 |
CN105825484A (zh) * | 2016-03-23 | 2016-08-03 | 华南理工大学 | 一种基于深度学习的深度图像去噪及增强方法 |
CN109815844A (zh) * | 2018-12-29 | 2019-05-28 | 西安天和防务技术股份有限公司 | 目标检测方法及装置、电子设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021031915A1 (zh) | 一种智能录像方法和装置 | |
CN110035141A (zh) | 一种拍摄方法及设备 | |
US20170163878A1 (en) | Method and electronic device for adjusting shooting parameters of camera | |
CN106416220A (zh) | 将视频自动插入照片故事 | |
CN109525771B (zh) | 影像发布装置、影像发布系统、影像发布方法 | |
CN112702521B (zh) | 图像拍摄方法及装置、电子设备、计算机可读存储介质 | |
WO2022116604A1 (zh) | 拍摄图像处理方法及电子设备 | |
CN106911914A (zh) | 红外热成像动物活动追踪系统 | |
CN105812651A (zh) | 一种视频数据的处理方法及终端设备 | |
CN109712177A (zh) | 图像处理方法、装置、电子设备和计算机可读存储介质 | |
CN107197144A (zh) | 拍摄控制方法及装置、计算机装置和可读存储介质 | |
CN110266954A (zh) | 图像处理方法、装置、存储介质及电子设备 | |
CN105282455B (zh) | 一种拍照方法、装置及移动终端 | |
CN110478862A (zh) | 一种健身指导系统及其指导方法 | |
CN107357500A (zh) | 一种图片调整方法、终端及存储介质 | |
CN108198162A (zh) | 照片处理方法、移动终端、服务器、系统、存储介质 | |
CN105007415B (zh) | 一种图像预览方法和装置 | |
CN106815803A (zh) | 图片的处理方法及装置 | |
CN103780839A (zh) | 一种拍照方法及终端 | |
CN110581950B (zh) | 相机、选择相机设置的系统和方法 | |
CN110059653A (zh) | 一种数据收集方法及装置、电子设备、存储介质 | |
CN113038002B (zh) | 图像处理方法、装置、电子设备及可读存储介质 | |
CN110365911A (zh) | 一种移动终端拍摄照片的方法、移动终端及服务器 | |
CN113989387A (zh) | 相机拍摄参数调整方法、装置及电子设备 | |
CN113556600A (zh) | 基于时序信息的驱动控制方法、装置、电子设备和可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191122 |