CN112752015B - 拍摄角度推荐方法、装置、电子设备及存储介质 - Google Patents

Abstract

本公开关于一种拍摄角度推荐方法、装置、电子设备及存储介质，属于终端技术领域。方法包括：在当前拍摄角度下进行图像采集，对采集到的图像进行特征提取，采集到的图像中包括被拍摄对象；获取由上一个拍摄角度调整至当前拍摄角度拍摄设备的实际移动路径；基于提取到的特征信息和拍摄设备的实际移动路径，输出角度调整提示，角度调整提示中包括推荐的下一个拍摄角度；在由当前拍摄角度调整至一个新的拍摄角度后，再次执行上述拍摄角度推荐过程；以此类推，后续每当调整至一个新的拍摄角度后重复执行一次上述拍摄角度推荐过程，直至输出的角度调整提示指示已到达目标拍摄角度。本公开实施例确保最终的成像效果，而且过程较为简便，省时省力。

Description

拍摄角度推荐方法、装置、电子设备及存储介质

技术领域

本公开涉及终端技术领域，尤其涉及一种拍摄角度推荐方法、装置、电子设备及存储介质。

背景技术

通过拍摄来记录日常工作生活中的美好瞬间已经成为人们时下普遍采取的一种方式。而无论是自拍还是为他人拍摄，拍摄角度的选取对最终的成像效果有着十分重要的影响。比如，采用优质的拍摄角度拍摄出来的照片成像效果好，不但可观性强、内容丰富、极具美感，而且有一定的艺术效果，能够带来良好的视觉体验。

相关技术中，用户在拍摄时一般随意选择拍摄角度，或者，预先从网络或其他途径学习他人的拍摄技巧，在拍摄时基于他人的拍摄技巧选择拍摄角度进行拍摄。

上述第一种方式，通常无法保证拍摄出来的照片的成像效果。比如，不懂拍摄技巧的菜鸟用户因在拍摄时选择不好拍摄角度，是导致其被他人吐槽照片拍的不好的主要原因。上述第二种方式则较为繁琐和复杂，需要用户预先进行学习，耗时耗力。

发明内容

本公开提供一种拍摄角度推荐方法、装置、电子设备及存储介质，以至少解决相关技术中存在的诸如无法保证成像效果，预先学习拍摄技巧较为繁琐和复杂，耗时耗力的问题。

本公开的技术方案如下：

根据本公开实施例的第一方面，提供一种拍摄角度推荐方法，包括：

在当前拍摄角度下进行图像采集，对采集到的图像进行特征提取，所述采集到的图像中包括被拍摄对象；

获取由上一个拍摄角度调整至当前拍摄角度拍摄设备的实际移动路径；

基于提取到的特征信息和所述拍摄设备的实际移动路径，输出角度调整提示，所述角度调整提示中包括推荐的下一个拍摄角度；

在由当前拍摄角度调整至一个新的拍摄角度后，再次执行上述拍摄角度推荐过程；以此类推，后续每当调整至一个新的拍摄角度后重复执行一次上述拍摄角度推荐过程，直至输出的角度调整提示指示已到达目标拍摄角度，所述被拍摄对象在所述目标拍摄角度下的成像效果优于其他拍摄角度。

在一种可能的实现方式中，在输出的角度调整提示指示已到达目标拍摄角度之前，所述方法还包括：

对于所述拍摄设备经过的每个拍摄角度，检测所述拍摄设备在所述拍摄角度下的下一步实际移动路径，与在所述拍摄角度下所述角度调整提示给出的推荐拍摄角度是否匹配；

当连续出现下一步实际移动路径与推荐拍摄角度不匹配且数量达到预设阈值时，输出移动错误提示。

在一种可能的实现方式中，所述对采集到的图像进行特征提取，包括：

将所述采集到的图像输入目标模型包含的卷积神经网络中，基于所述卷积神经网络对所述采集到的图像进行特征提取；

所述基于提取到的特征信息和所述实际移动路径，输出角度调整提示，所述角度调整提示中包括推荐的下一个拍摄角度，包括：

将所述卷积神经网络输出的特征信息和所述实际移动路径输入所述目标模型包含的LSTM(Long Short-Term Memory，长短期记忆)网络，得到所述LSTM网络推荐的下一个拍摄角度；

基于推荐的下一个拍摄角度生成并输出所述角度调整提示。

在一种可能的实现方式中，所述目标模型的训练过程包括：

对于每个拍摄场景，在多个拍摄角度分别进行图像采集，得到针对所述拍摄场景的多个样本图像，所述多个拍摄角度中包括针对所述拍摄场景的目标拍摄角度；

对于每个所述样本图像，获取所述样本图像的标记信息，所述标记信息标记了在相应拍摄角度下的推荐拍摄角度；

获取拍摄设备在所述多个拍摄角度下进行图像采集时的实际移动路径；

基于在各个拍摄场景下采集到的样本图像、所述采集到的样本图像的标记信息和所述拍摄设备在各个拍摄场景下的实际移动路径，进行模型训练得到所述目标模型。

在一种可能的实现方式中，推荐拍摄角度包括多种类别，每种所述类别各自对应所述拍摄设备的一种移动方式。

根据本公开实施例的第二方面，提供一种拍摄角度推荐装置，包括：

采集模块，被配置为在当前拍摄角度下进行图像采集；

特征提取模块，被配置为对采集到的图像进行特征提取，所述采集到的图像中包括被拍摄对象；

获取模块，被配置为获取由上一个拍摄角度调整至当前拍摄角度拍摄设备的实际移动路径；

推荐模块，被配置为基于提取到的特征信息和所述拍摄设备的实际移动路径，输出角度调整提示，所述角度调整提示中包括推荐的下一个拍摄角度；

所述推荐模块，还被配置为在由当前拍摄角度调整至一个新的拍摄角度后，再次执行上述拍摄角度推荐过程；以此类推，后续每当调整至一个新的拍摄角度后重复执行一次上述拍摄角度推荐过程，直至输出的角度调整提示指示已到达目标拍摄角度，所述被拍摄对象在所述目标拍摄角度下的成像效果优于其他拍摄角度。

在一种可能的实现方式中，所述推荐模块，还被配置为对于所述拍摄设备经过的每个拍摄角度，检测所述拍摄设备在所述拍摄角度下的下一步实际移动路径，与在所述拍摄角度下所述角度调整提示给出的推荐拍摄角度是否匹配；当连续出现下一步实际移动路径与推荐拍摄角度不匹配且数量达到预设阈值时，输出移动错误提示。

在一种可能的实现方式中，所述特征提取模块，还被配置为将所述采集到的图像输入目标模型包含的卷积神经网络中，基于所述卷积神经网络对所述采集到的图像进行特征提取；

所述推荐模块，还被配置为将所述卷积神经网络输出的特征信息和所述实际移动路径输入所述目标模型包含的LSTM网络，得到所述LSTM网络推荐的下一个拍摄角度；基于推荐的下一个拍摄角度生成并输出所述角度调整提示。

在一种可能的实现方式中，所述装置还包括：

训练模块，被配置为对于每个拍摄场景，在多个拍摄角度分别进行图像采集，得到针对所述拍摄场景的多个样本图像，所述多个拍摄角度中包括针对所述拍摄场景的目标拍摄角度；对于每个所述样本图像，获取所述样本图像的标记信息，所述标记信息标记了在相应拍摄角度下的推荐拍摄角度；获取拍摄设备在所述多个拍摄角度下进行图像采集时的实际移动路径；基于在各个拍摄场景下采集到的样本图像、所述采集到的样本图像的标记信息和所述拍摄设备在各个拍摄场景下的实际移动路径，进行模型训练得到所述目标模型。

在一种可能的实现方式中，推荐拍摄角度包括多种类别，每种所述类别各自对应所述拍摄设备的一种移动方式。

根据本公开实施例的第三方面，提供一种电子设备，包括：

处理器；

用于存储所述处理器可执行指令的存储器；

其中，所述处理器被配置为执行所述指令，以实现如上述第一方面所述的拍摄角度推荐方法。

根据本公开实施例的第四方面，提供一种存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行上述第一方面所述的拍摄角度推荐方法。

根据本公开实施例的第五方面，提供一种计算机程序产品，所述计算机程序产品中的指令由电子设备的处理器执行时，使得电子设备能够执行上述第一方面所述的拍摄角度推荐方法。

本公开的实施例提供的技术方案至少带来以下有益效果：

在实际拍摄过程中，拍摄设备会在多个拍摄角度下重复执行拍摄角度推荐过程，直至输出的角度调整提示指示已到达目标拍摄角度，而被拍摄对象在目标拍摄角度下的成像效果优于其他拍摄角度。其中，推荐过程为：在当前拍摄角度下进行图像采集，其中，采集到的图像中包括被拍摄对象；之后，对采集到的图像进行特征提取，获取由上一个拍摄角度调整至当前拍摄角度拍摄设备的实际移动路径；进而基于提取到的特征信息和拍摄设备的实际移动路径，输出角度调整提示，该角度调整提示中包括推荐的下一个拍摄角度。

基于以上描述可知，在理解被拍摄对象语义以及考虑到拍摄设备的实际移动路径的基础上，本公开实施例实现了自动向用户进行拍摄角度推荐，而采用拍摄设备自动推荐的最佳拍摄角度进行拍摄，不但能够确保最终的成像效果，而且由于无需用户预先学习拍摄技巧进行拍摄，用户仅需根据推荐进行拍摄即可，所以过程较为简便，省时省力。

另外，本公开实施例提供的拍摄角度推荐方法从起始拍摄角度开始到最佳拍摄角度，能够形成一个闭环，不会出现诸如在某两个角度之间进行循环推荐的问题，大大优化了用户的拍摄体验。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理，并不构成对本公开的不当限定。

图1是根据一示例性实施例示出的一种拍摄角度推荐方法涉及的实施环境示意图。

图2是根据一示例性实施例示出的一种拍摄角度推荐方法的流程图。

图3是根据一示例性实施例示出的一种拍摄角度推荐方法的流程图。

图4是根据一示例性实施例示出的一种模型训练过程的流程图。

图5是根据一示例性实施例示出的一种拍摄角度推荐过程的示意图。

图6是根据一示例性实施例示出的一种拍摄角度推荐过程的示意图。

图7是根据一示例性实施例示出的一种拍摄角度推荐装置的框图。

图8是根据一示例性实施例示出的一种电子设备的框图。

具体实施方式

为了使本领域普通人员更好地理解本公开的技术方案，下面将结合附图，对本公开实施例中的技术方案进行清楚、完整地描述。

需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

本公开所涉及的用户信息可以为经用户授权或者经过各方充分授权的信息。

在对本公开实施例进行详细地解释说明之前，先对本公开实施例涉及的一些名词进行解释说明。

被拍摄对象：指代拍摄设备拍摄的对象。

其中，被拍摄对象包括但不限于景或物。比如，天空、森林、草地等风景可以为被拍摄对象，建筑物、动物或人等也可以为被拍摄对象，本公开实施例对此不进行具体限定。

拍摄角度：指代拍摄被拍摄对象所采用的角度。

目标拍摄角度：指代对被拍摄对象进行拍摄时，能够取得最佳成像效果的角度。换一种表达方式，被拍摄对象在目标拍摄角度下的成像效果优于其他拍摄角度。因此，目标拍摄角度在本文中也称之为最佳拍摄角度。

推荐拍摄角度：在本公开实施例中，推荐拍摄角度指代拍摄设备自行输出的用于向用户进行建议的拍摄角度。

其中，推荐拍摄角度包括多种类别，每种类别各自对应拍摄设备的一种移动方式。

在一种可能的实现方式中，推荐拍摄角度可分为13种类别，分别为：向上平移、向下平移、向左平移、向右平移、左上平移、左下平移、右上平移、右下平移、向上转、向下转、向左转、向右转，以及当前拍摄角度为目标拍摄角度，本公开实施例对此不进行具体限定。

下面对本公开实施例提供的一种拍摄角度推荐方法涉及的实施环境进行介绍。

参见图1，该实施环境包括拍摄设备101和被拍摄对象102。

其中，拍摄设备101在本公开实施例中指代智能移动终端，包括但不限于智能手机、平板电脑、照相机等具有拍摄功能的设备。

众所周知，拍摄角度的选取对最终的成像效果有着十分重要的影响。比如，采用优质的拍摄角度拍摄出来的照片成像效果好，不但可观性强、内容丰富、极具美感，而且有一定的艺术效果，能够带来良好的视觉体验。

基于上述考量，在对被拍摄对象进行拍摄的过程中，本公开实施例提供了一种拍摄角度的自动推荐方法，实现自动为用户推荐最佳拍摄角度，不但无需用户自行学习拍摄技巧来寻找最佳拍摄角度，也避免了因用户随意选择拍摄角度而导致的成像效果不佳的问题。

简言之，本公开实施例在理解被拍摄对象语义的基础上，实现了自动为用户推荐最佳拍摄角度。另外，为了避免拍摄设备101在某两个拍摄角度之间向用户进行循环推荐，致使陷入局部最优，本公开实施例还会考虑到拍摄设备101的实际移动路径，据此来避免出现小的循环路径。其中，局部最优，是指对于一个问题的解在一定范围或区域内最优，或者说解决问题或达成目标的手段在一定范围或限制内最优。

需要说明的第一点是，上述理解被拍摄对象语义即是理解被拍摄对象的内容，即对包括被拍摄对象的图像进行特征提取，得到图像特征。

需要说明的第二点是，在本公开实施例中，最佳拍摄角度通常是通过一系列的拍摄角度调整得到的。比如，拍摄任意一个被拍摄对象均对应有一个最佳拍摄角度，那么从任意一个起始拍摄角度开始，直至调整到最佳拍摄角度，中间可能需要经过若干次的拍摄角度调整。其中，在每次进行拍摄角度调整时，拍摄设备101均会给出用户相应的角度调整提示或角度调整建议。

换一种表达方式，本公开实施例提供的拍摄角度推荐方法是一个反馈的过程。即，用户根据拍摄设备101实时给出的角度调整提示，来进行拍摄角度调整，而在调整到新的拍摄角度(对应一个新的拍摄位置)后，用户会继续收到拍摄设备101给出的新的角度调整提示，直到达到最佳拍摄角度。

需要说明的第三点是，图1中仅是示出了拍摄设备101在对拍摄对象102进行拍摄的过程中，可能的几个拍摄角度，实际过程中可以包括更多或更少的拍摄角度，本公开实施例对此不进行具体限定。

综上所述，本公开实施例提供的拍摄角度推荐方法从起始拍摄角度开始到最佳拍摄角度，能够形成一个闭环，不但实现了自动向用户进行拍摄角度推荐，而且还能够避免出现循环推荐的问题，大大优化了用户的拍摄体验。另外，采用推荐的最佳拍摄角度进行拍摄，还确保了最终的成像效果，且由于无需用户预先学习拍摄技巧进行拍摄，仅需根据推荐进行拍摄即可，所以过程较为简便，省时省力。

下面通过以下实施例对本公开实施例提供的拍摄角度推荐方法进行详细地解释说明。

图2是根据一示例性实施例示出的一种拍摄角度推荐方法的流程图，如图2所示，该拍摄角度推荐方法可以用于拍摄设备中，包括以下步骤。

在步骤201中，在当前拍摄角度下进行图像采集，对采集到的图像进行特征提取，采集到的图像中包括被拍摄对象。

在步骤202中，获取由上一个拍摄角度调整至当前拍摄角度拍摄设备的实际移动路径；基于提取到的特征信息和拍摄设备的实际移动路径，输出角度调整提示，该角度调整提示中包括推荐的下一个拍摄角度。

在步骤203中，在由当前拍摄角度调整至一个新的拍摄角度后，再次执行上述拍摄角度推荐过程；以此类推，后续每当调整至一个新的拍摄角度后重复执行一次上述拍摄角度推荐过程，直至输出的角度调整提示指示已到达目标拍摄角度，被拍摄对象在目标拍摄角度下的成像效果优于其他拍摄角度。

本公开实施例提供的方法，在实际拍摄过程中，拍摄设备会在多个拍摄角度下重复执行拍摄角度推荐过程，直至输出的角度调整提示指示已到达目标拍摄角度，而被拍摄对象在目标拍摄角度下的成像效果优于其他拍摄角度。其中，推荐过程为：在当前拍摄角度下进行图像采集，其中，采集到的图像中包括被拍摄对象；之后，对采集到的图像进行特征提取，获取由上一个拍摄角度调整至当前拍摄角度拍摄设备的实际移动路径；进而基于提取到的特征信息和拍摄设备的实际移动路径，输出角度调整提示，该角度调整提示中包括推荐的下一个拍摄角度。

基于以上描述可知，在理解被拍摄对象语义以及考虑到拍摄设备的实际移动路径的基础上，本公开实施例实现了自动向用户进行拍摄角度推荐，而采用拍摄设备自动推荐的目标拍摄角度进行拍摄，不但能够确保最终的成像效果，而且由于无需用户预先学习拍摄技巧进行拍摄，用户仅需根据推荐进行拍摄即可，所以过程较为简便，省时省力。

另外，本公开实施例提供的拍摄角度推荐方法从起始拍摄角度开始到目标拍摄角度，能够形成一个闭环，不会出现诸如在某两个角度之间进行循环推荐的问题，大大优化了用户的拍摄体验。

在一种可能的实现方式中，在输出的角度调整提示指示已到达目标拍摄角度之前，该方法还包括：

对于所述拍摄设备经过每个拍摄角度，检测所述拍摄设备在所述拍摄角度下的下一步实际移动路径，与在所述拍摄角度下所述角度调整提示给出的推荐拍摄角度是否匹配；

当连续出现下一步实际移动路径与推荐拍摄角度不匹配且数量达到预设阈值时，输出移动错误提示。

在一种可能的实现方式中，所述对采集到的图像进行特征提取，包括：

将所述采集到的图像输入目标模型包含的卷积神经网络中，基于所述卷积神经网络对所述采集到的图像进行特征提取；

所述基于提取到的特征信息和所述实际移动路径，输出角度调整提示，所述角度调整提示中包括推荐的下一个拍摄角度，包括：

将所述卷积神经网络输出的特征信息和所述实际移动路径输入所述目标模型包含的LSTM网络，得到所述LSTM网络推荐的下一个拍摄角度；

基于推荐的下一个拍摄角度生成并输出所述角度调整提示。

在一种可能的实现方式中，所述目标模型的训练过程包括：

对于每个拍摄场景，在多个拍摄角度分别进行图像采集，得到针对所述拍摄场景的多个样本图像，所述多个拍摄角度中包括针对所述拍摄场景的目标拍摄角度；

对于每个所述样本图像，获取所述样本图像的标记信息，所述标记信息标记了在相应拍摄角度下的推荐拍摄角度；

获取拍摄设备在所述多个拍摄角度下进行图像采集时的实际移动路径；

基于在各个拍摄场景下采集到的样本图像、所述采集到的样本图像的标记信息和所述拍摄设备在各个拍摄场景下的实际移动路径，进行模型训练得到所述目标模型。

在一种可能的实现方式中，推荐拍摄角度包括多种类别，每种所述类别各自对应所述拍摄设备的一种移动方式。

上述所有可选技术方案，可以采用任意结合形成本公开的可选实施例，在此不再一一赘述。

图3是根据一示例性实施例示出的一种拍摄角度推荐方法的流程图，如图3所示，该拍摄角度推荐方法可以用于拍摄设备中，包括以下步骤。

在步骤301中，拍摄设备在当前拍摄角度下进行图像采集，并对采集到的图像进行特征提取，其中，采集到的图像中包括被拍摄对象。

本步骤即是对被拍摄对象进行语义理解。如前文所述，由于最佳拍摄角度通常是通过一系列的角度调整得到的，因此在由起始拍摄角度调整至最佳拍摄角度的过程中，可能会涉及到多轮的拍摄角度调整。

换一种表达方式，在由起始拍摄角度调整至最佳拍摄角度的过程中，拍摄设备会可能经过多个拍摄位置点，其中，一个拍摄角度对应一个拍摄位置点；而在每个拍摄角度下即在每个拍摄位置点，拍摄设备均会进行一次图像采集，得到关于被拍摄对象的一帧图像。

其中，起始拍摄角度可以为包括被拍摄对象的场景下的任意一个位置，起始拍摄角度可由用户随意选取，本公开实施例对此不进行具体限定。

在本公开实施例中，当前拍摄角度可对应上述多轮拍摄角度调整中的任意一轮。

其中，在当前拍摄角度下采集到包括被拍摄对象的一帧图像后，拍摄设备会对该帧图像进行特征提取，得到关于该帧图像的图像特征。作为一个示例，可通过预先训练好的卷积神经网络对采集到的图像进行特征提取，本公开实施例对此不进行具体限定。

在步骤302中，拍摄设备获取由上一个拍摄角度调整至当前拍摄角度拍摄设备的实际移动路径。

在本公开实施例中，为了避免出现拍摄设备在某两个拍摄角度之间进行循环推荐，陷入局部最优，拍摄设备还会获取自身的实际移动路径。作为一个示例，拍摄设备可通过内置的传感器来获取自身的实际移动路径，本公开实施例对此不进行具体限定。

另外，由于拍摄设备在每一个拍摄角度下均会采集一帧图像，而拍摄设备在每一个拍摄角度下均会给出一个下一步用户该如何进行移动的提示或建议，且用户会在多个拍摄角度之间实际进行移动，因此，为了便于称谓，可以将拍摄设备给出的提示或建议、拍摄设备的实际移动路径均与在相应拍摄角度下采集到的一帧图像关联。比如，由上一个拍摄角度调整至当前拍摄角度拍摄设备的实际移动路径，便可简称为上一帧的实际移动路径，其表征了用户上一帧的行为选择。

在步骤303中，拍摄设备基于提取到的特征信息和由上一个拍摄角度调整至当前拍摄角度的实际移动路径，输出角度调整提示，该角度调整提示中包括推荐的下一个拍摄角度。

在一种可能的实现方式中，本公开实施例会预先训练一个模型来完成上述对采集到的图像进行特征提取，以及基于提取到的特征信息和用户上一帧的行为选择，来为用户进行拍摄角度推荐。其中，上述训练好的模型在本文中也称之为目标模型。

作为一个示例，该目标模型中包括卷积神经网络和LSTM网络；其中，LSTM网络是一种RNN(Recurrent Neural Networks，循环神经网络)结构。相比于普通的RNN，LSTM通过精心设计的门结构来控制信息的存储、输入和输出，同时可以一定程度上避免普通RNN的梯度消失问题，从而LSTM网络可以有效地对时序信号的长时相关性进行建模。其中，LSTM区别于RNN的地方主要在于：LSTM在算法中加入了一个判断信息有用与否的“处理器”，这个“处理器”作用的结构被称为cell，即LSTM cell。其中，一个LSTM cell中被放置了三个门，分别为输入门、遗忘门和输出门。

在本公开实施例中，卷积神经网络用于对采集到的图像进行特征；即，前述的对采集到的图像进行特征提取可以为：将采集到的图像输入目标模型包含的卷积神经网络中，基于该卷积神经网络对采集到的图像进行特征提取。

其中，LSTM网络用于给出具体的角度调整提示，即LSTM网络负责给出推荐拍摄角度。相应地，基于提取到的特征信息和由上一个拍摄角度调整至当前拍摄角度的实际移动路径，输出角度调整提示，包括：将该卷积神经网络输出的特征信息和由上一个拍摄角度调整至当前拍摄角度的实际移动路径输入目标模型包含的LSTM网络，得到LSTM网络推荐的下一个拍摄角度；进而基于推荐的下一个拍摄角度生成并输出角度调整提示。

在一种可能的实现方式中，角度调整提示可以为语音形式，即拍摄设备输出角度调整提示的方式可以为进行语音播报；或者，角度调整提示还可以为语音加文字形式，即拍摄设备输出角度调整提示的方式可以为进行语音播报并同时在显示屏幕上进行文字显示，本公开实施例对此不进行具体限定。

另外，上述拍摄设备之所以能够基于目标模型进行拍摄角度推荐，实现协助用户将拍摄角度调整至最佳拍摄角度，是因为目标模型按照下述方式进行了训练。参见图4，目标模型的训练过程包括：

在步骤401中，对于每个拍摄场景，在多个拍摄角度分别进行图像采集，得到针对该拍摄场景的多个样本图像。

针对该步骤，在获取训练样本阶段会采集各种场景下的图像，且对于每一个场景，会在多个不同的拍摄角度即在多个不同的拍摄位置点均采集一帧图像，即在一个场景会采集多帧图像，每帧图像对应不同的拍摄角度。

通常来讲，进行图像采集的场景越多，最终训练样本中包括的样本图像也就越多，进而训练出来的目标模型的精准度也就越有保障。

在一种可能的实现方式中，上述进行样本图像采集的多个拍摄角度包括：从任意一个起始拍摄角度开始最终达到最佳拍摄角度拍摄设备所调整的各个拍摄角度。

在步骤402中，对于采集到的每个样本图像，获取该样本图像的标记信息，其中，标记信息标记了在相应拍摄角度下的推荐拍摄角度。

在本公开实施例中，在各个场景下采集到样本图像后，会交由专业的拍摄人员进行标记。其中，专业的拍摄人员在进行标记时，参考上述的13种类别，分别为：向上平移、向下平移、向左平移、向右平移、左上平移、左下平移、右上平移、右下平移、向上转、向下转、向左转、向右转，以及当前拍摄角度为最佳拍摄角度。即，专业的拍摄人员会将采集到的样本图像标记为上述13种类别。

在步骤403中，获取拍摄设备在多个拍摄角度下进行图像采集时的实际移动路径。

针对该步骤，在采集各种场景下的图像时，对于任意一个场景，在该场景下除了在多个拍摄角度均采集一帧图像作为样本图像之外，还会获取在每一个拍摄角度下拍摄设备的下一步实际移动路径。

举例来说，假设一个场景下对应有13个拍摄角度，分别以拍摄角度1至13进行标识，则除了在上述13个拍摄角度分别采集一帧图像得到13个样本图像之外，还会获取拍摄设备在上述13个拍摄角度之间进行调整时，拍摄设备的实际移动路径。即，在拍摄角度1和2之间对应实际移动路径1，在拍摄角度2和3之间对应实际移动路径2，以此类推，在拍摄角度12和13之间对应实际移动路径12。

而之所以将拍摄设备的实际移动路径也加入到训练过程中，是为了避免出现小的循环路径，比如在某两个角度之间循环进行推荐，避免陷入局部最优。

需要说明的是，对于每个拍摄场景，均按照上述步骤401至步骤403进行样本图像采集、标记以及获取拍摄设备的实际移动路径。

在步骤404中，基于在各个拍摄场景下采集到的样本图像、采集到的样本图像的标记信息和拍摄设备在各个拍摄场景下的实际移动路径，进行模型训练得到目标模型。

在一种可能的实现方式中，在训练过程中，将在各个拍摄场景下采集到的样本图像输入初始模型中的卷积神经网络进行特征提取，之后将提取到的特征信息和拍摄设备在各个拍摄场景下的实际移动路径输入初始模型中的LSTM网络中，得到预测拍摄角度；可以构建损失函数来检测输出的预测拍摄角度与采集到的样本图像的标记信息是否匹配；若不匹配，则可以采用诸如随机梯度下降算法等优化初始模型的网络参数直至模型收敛，进而得到目标模型，本公开实施例对此不进行具体限定。

作为一个示例，对于任意一个样本图像，通过初始模型中的卷积神经网络对该样本图像进行特征提取，之后将提取到的特征信息和拍摄设备上一帧的实际移动路径输入初始模型的LSTM网络，得到针对该样本图像的推荐拍摄角度，并将其同该样本图像的标记信息中指示的推荐拍摄角度进行比较。

通常来讲，用于进行目标模型训练的设备与应用过程中的拍摄设备并不是同一设备，即模型训练设备在完成目标模型的训练后，拍摄设备可以通过植入训练好的目标模型，来实现拍摄角度推荐。

在步骤304中，在由当前拍摄角度调整至一个新的拍摄角度后，拍摄设备再次执行上述拍摄角度推荐过程；以此类推，后续每当调整至一个新的拍摄角度后重复执行一次上述拍摄角度推荐过程。

其中，拍摄设备由当前拍摄角度调整至的新的拍摄角度，既可以与推荐的下一个拍摄角度一致，也可以不一致，即拍摄设备在当前拍摄角度下，下一步既可能按照推荐拍摄角度进行移动，也可能不按照推荐拍摄角度进行移动。

在本公开实施例中，拍摄设备可以按照上述步骤301至步骤304所述的方式进行多轮的拍摄角度调整，直至将对被拍摄对象进行拍摄的角度调整至最佳拍摄角度。其中，上述步骤301至步骤304所述的方式可以形象地用图5进行表示。

在一种可能的实现方式中，在将对被拍摄对象进行拍摄的角度调整至最佳拍摄角度之前，还可以包括：

在步骤305中，对于拍摄设备经过的每个拍摄角度，检测拍摄设备在该拍摄角度下的下一步实际移动路径，与在该拍摄角度下拍摄设备输出的角度调整提示给出的推荐拍摄角度是否匹配；当连续出现下一步实际移动路径与推荐拍摄角度不匹配且数量达到预设阈值时，输出移动错误提示。

如图6所示，拍摄设备在各个拍摄角度下给出的推荐拍摄角度，均对应一个用户的预测移动路径，比如推荐拍摄角度为向左平移，那么对用户的相应预测移动路径便是向左移动，而各个拍摄角度还对应有一个用户的实际移动路径，这便形成了实际移动路径与预测移动路径的对应关系。

举例来说，假设在调整至最佳拍摄角度之前，预测移动路径有n个，分别是预测移动路径1至预测移动路径n，那么实际移动路径也有n个，分别是实际移动路径1至实际移动路径n，且每两个移动路径之间都是有关联的。

另外，拍摄设备在每一个拍摄角度下均会给出一个下一步用户该如何进行移动的提示或建议，因此，为了便于称谓，可以将预测移动路径与在相应拍摄角度下采集到的一帧图像关联。作为一个示例，如果连续出现多帧的预测移动路径与拍摄设备的实际移动路径均相反，则可以及时提示用户当前的移动路径错误。一方面能够向用户及时提示移动路径错误，另一方面也能够协助用户以最快的方式到达最佳拍摄位置。

在一种可能的实现方式中，移动错误提示可以为语音形式，即拍摄设备输出移动错误提示的方式可以为进行语音播报；或者，移动错误提示还可以为语音加文字形式，即拍摄设备输出移动错误提示的方式可以为进行语音播报并同时在显示屏幕上进行文字显示，本公开实施例对此不进行具体限定。

在步骤306中，当拍摄设备输出的角度调整提示指示已到达目标拍摄角度时，流程至此结束。

其中，如果拍摄设备输出的角度调整提示指示当前已到达最佳拍摄角度，则由于被拍摄对象在最佳拍摄角度下能够取得良好的成像效果，因此停止继续进行拍摄角度调整，流程至此结束。

本公开实施例提供的方法，至少具有以下有益效果：

在实际拍摄过程中，拍摄设备会在多个拍摄角度下重复执行拍摄角度推荐过程，输出的角度调整提示指示已到达目标拍摄角度，而被拍摄对象在目标拍摄角度下的成像效果优于其他拍摄角度。其中，推荐过程为：在当前拍摄角度下进行图像采集，其中，采集到的图像中包括被拍摄对象；之后，对采集到的图像进行特征提取，获取由上一个拍摄角度调整至当前拍摄角度拍摄设备的实际移动路径；进而基于提取到的特征信息和拍摄设备的实际移动路径，输出角度调整提示，该角度调整提示中包括推荐的下一个拍摄角度。

基于以上描述可知，在理解被拍摄对象语义以及考虑到拍摄设备的实际移动路径的基础上，本公开实施例实现了自动向用户进行拍摄角度推荐，而采用拍摄设备自动推荐的最佳拍摄角度进行拍摄，不但能够确保最终的成像效果，而且由于无需用户预先学习拍摄技巧进行拍摄，用户仅需根据推荐进行拍摄即可，所以过程较为简便，省时省力。

另外，本公开实施例提供的拍摄角度推荐方法从起始拍摄角度开始到最佳拍摄角度，能够形成一个闭环，不会出现诸如在某两个角度之间进行循环推荐的问题，大大优化了用户的拍摄体验。

图7是根据一示例性实施例示出的一种拍摄角度推荐装置框图。参照图7，该装置包括采集模块701、特征提取模块702、获取模块703、推荐模块704。

采集模块701，被配置为在当前拍摄角度下进行图像采集；

特征提取模块702，被配置为对采集到的图像进行特征提取，所述采集到的图像中包括被拍摄对象；

获取模块703，被配置为获取由上一个拍摄角度调整至当前拍摄角度拍摄设备的实际移动路径；

推荐模块704，被配置为基于提取到的特征信息和所述拍摄设备的实际移动路径，输出角度调整提示，所述角度调整提示中包括推荐的下一个拍摄角度；

推荐模块704，还被配置为在由当前拍摄角度调整至一个新的拍摄角度后，再次执行上述拍摄角度推荐过程；以此类推，后续每当调整至一个新的拍摄角度后重复执行一次上述拍摄角度推荐过程，直至输出的角度调整提示指示已到达目标拍摄角度，所述被拍摄对象在所述目标拍摄角度下的成像效果优于其他拍摄角度。

本公开实施例提供的装置，在实际拍摄过程中，拍摄设备会在多个拍摄角度下重复执行拍摄角度推荐过程，直至输出的角度调整提示指示已到达目标拍摄角度，而被拍摄对象在目标拍摄角度下的成像效果优于其他拍摄角度。其中，推荐过程为：在当前拍摄角度下进行图像采集，其中，采集到的图像中包括被拍摄对象；之后，对采集到的图像进行特征提取，获取由上一个拍摄角度调整至当前拍摄角度拍摄设备的实际移动路径；进而基于提取到的特征信息和拍摄设备的实际移动路径，输出角度调整提示，该角度调整提示中包括推荐的下一个拍摄角度。

基于以上描述可知，在理解被拍摄对象语义以及考虑到拍摄设备的实际移动路径的基础上，本公开实施例实现了自动向用户进行拍摄角度推荐，而采用拍摄设备自动推荐的最佳拍摄角度进行拍摄，不但能够确保最终的成像效果，而且由于无需用户预先学习拍摄技巧进行拍摄，用户仅需根据推荐进行拍摄即可，所以过程较为简便，省时省力。

另外，本公开实施例提供的拍摄角度推荐方法从起始拍摄角度开始到最佳拍摄角度，能够形成一个闭环，不会出现诸如在某两个角度之间进行循环推荐的问题，大大优化了用户的拍摄体验。

在一种可能的实现方式中，推荐模块，还被配置为对于所述拍摄设备经过的每个拍摄角度，检测所述拍摄设备在所述拍摄角度下的下一步实际移动路径，与在所述拍摄角度下所述角度调整提示给出的推荐拍摄角度是否匹配；当连续出现下一步实际移动路径与推荐拍摄角度不匹配且数量达到预设阈值时，输出移动错误提示。

在一种可能的实现方式中，特征提取模块，还被配置为将所述采集到的图像输入目标模型包含的卷积神经网络中，基于所述卷积神经网络对所述采集到的图像进行特征提取；

推荐模块，还被配置为将所述卷积神经网络输出的特征信息和所述实际移动路径输入所述目标模型包含的LSTM网络，得到所述LSTM网络推荐的下一个拍摄角度；基于推荐的下一个拍摄角度生成并输出所述角度调整提示。

在一种可能的实现方式中，该装置还包括：

训练模块，被配置为对于每个拍摄场景，在多个拍摄角度分别进行图像采集，得到针对所述拍摄场景的多个样本图像，所述多个拍摄角度中包括针对所述拍摄场景的目标拍摄角度；对于每个所述样本图像，获取所述样本图像的标记信息，所述标记信息标记了在相应拍摄角度下的推荐拍摄角度；获取拍摄设备在所述多个拍摄角度下进行图像采集时的实际移动路径；基于在各个拍摄场景下采集到的样本图像、所述采集到的样本图像的标记信息和所述拍摄设备在各个拍摄场景下的实际移动路径，进行模型训练得到所述目标模型。

在一种可能的实现方式中，推荐拍摄角度包括多种类别，每种所述类别各自对应所述拍摄设备的一种移动方式。

上述所有可选技术方案，可以采用任意结合形成本公开的可选实施例，在此不再一一赘述。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

图8示出了本公开一个示例性实施例提供的电子设备800的结构框图。该设备800可以是移动终端。

通常，设备800包括有：处理器801和存储器802。

处理器801可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器801可以采用DSP(Digital Signal Processing，数字信号处理)、FPGA(Field－Programmable Gate Array，现场可编程门阵列)、PLA(Programmable Logic Array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器801也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU(Central ProcessingUnit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器801可以在集成有GPU(Graphics Processing Unit，图像处理器)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器801还可以包括AI(Artificial Intelligence，人工智能)处理器，该AI处理器用于处理有关机器学习的计算操作。

存储器802可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器802还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器802中的非暂态的计算机可读存储介质用于存储至少一个指令，该至少一个指令用于被处理器801所执行以实现本公开中方法实施例提供的拍摄角度推荐方法。

在一些实施例中，设备800还可选包括有：外围设备接口803和至少一个外围设备。处理器801、存储器802和外围设备接口803之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口803相连。具体地，外围设备包括：射频电路804、触摸显示屏805、摄像头806、音频电路807、定位组件808和电源809中的至少一种。

外围设备接口803可被用于将I/O(Input/Output，输入/输出)相关的至少一个外围设备连接到处理器801和存储器802。在一些实施例中，处理器801、存储器802和外围设备接口803被集成在同一芯片或电路板上；在一些其他实施例中，处理器801、存储器802和外围设备接口803中的任意一个或两个可以在单独的芯片或电路板上实现，本实施例对此不加以限定。

射频电路804用于接收和发射RF(Radio Frequency，射频)信号，也称电磁信号。射频电路804通过电磁信号与通信网络以及其他通信设备进行通信。射频电路804将电信号转换为电磁信号进行发送，或者，将接收到的电磁信号转换为电信号。可选地，射频电路804包括：天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路804可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于：万维网、城域网、内联网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(Wireless Fidelity，无线保真)网络。在一些实施例中，射频电路804还可以包括NFC(Near Field Communication，近距离无线通信)有关的电路，本公开对此不加以限定。

显示屏805用于显示UI(User Interface，用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏805是触摸显示屏时，显示屏805还具有采集在显示屏805的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器801进行处理。此时，显示屏805还可以用于提供虚拟按钮和/或虚拟键盘，也称软按钮和/或软键盘。在一些实施例中，显示屏805可以为一个，设置设备800的前面板；在另一些实施例中，显示屏805可以为至少两个，分别设置在设备800的不同表面或呈折叠设计；在再一些实施例中，显示屏805可以是柔性显示屏，设置在设备800的弯曲表面上或折叠面上。甚至，显示屏805还可以设置成非矩形的不规则图形，也即异形屏。显示屏805可以采用LCD(LiquidCrystal Display，液晶显示屏)、OLED(Organic Light-Emitting Diode,有机发光二极管)等材质制备。

摄像头组件806用于采集图像或视频。可选地，摄像头组件806包括前置摄像头和后置摄像头。通常，前置摄像头设置在终端的前面板，后置摄像头设置在终端的背面。在一些实施例中，后置摄像头为至少两个，分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种，以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及VR(Virtual Reality，虚拟现实)拍摄功能或者其它融合拍摄功能。在一些实施例中，摄像头组件806还可以包括闪光灯。闪光灯可以是单色温闪光灯，也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合，可以用于不同色温下的光线补偿。

音频电路807可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波，并将声波转换为电信号输入至处理器801进行处理，或者输入至射频电路804以实现语音通信。出于立体声采集或降噪的目的，麦克风可以为多个，分别设置在设备800的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器801或射频电路804的电信号转换为声波。扬声器可以是传统的薄膜扬声器，也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时，不仅可以将电信号转换为人类可听见的声波，也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中，音频电路807还可以包括耳机插孔。

定位组件808用于定位设备800的当前地理位置，以实现导航或LBS(LocationBased Service，基于位置的服务)。定位组件808可以是基于美国的GPS(GlobalPositioning System，全球定位系统)、中国的北斗系统或俄罗斯的伽利略系统的定位组件。

电源809用于为设备800中的各个组件进行供电。电源809可以是交流电、直流电、一次性电池或可充电电池。当电源809包括可充电电池时，该可充电电池可以是有线充电电池或无线充电电池。有线充电电池是通过有线线路充电的电池，无线充电电池是通过无线线圈充电的电池。该可充电电池还可以用于支持快充技术。

在一些实施例中，设备800还包括有一个或多个传感器810。该一个或多个传感器810包括但不限于：加速度传感器811、陀螺仪传感器812、压力传感器813、指纹传感器814、光学传感器815以及接近传感器816。

加速度传感器811可以检测以设备800建立的坐标系的三个坐标轴上的加速度大小。比如，加速度传感器811可以用于检测重力加速度在三个坐标轴上的分量。处理器801可以根据加速度传感器811采集的重力加速度信号，控制触摸显示屏805以横向视图或纵向视图进行用户界面的显示。加速度传感器811还可以用于游戏或者用户的运动数据的采集。

陀螺仪传感器812可以检测设备800的机体方向及转动角度，陀螺仪传感器812可以与加速度传感器811协同采集用户对设备800的3D动作。处理器801根据陀螺仪传感器812采集的数据，可以实现如下功能：动作感应(比如根据用户的倾斜操作来改变UI)、拍摄时的图像稳定、游戏控制以及惯性导航。

压力传感器813可以设置在设备800的侧边框和/或触摸显示屏805的下层。当压力传感器813设置在设备800的侧边框时，可以检测用户对设备800的握持信号，由处理器801根据压力传感器813采集的握持信号进行左右手识别或快捷操作。当压力传感器813设置在触摸显示屏805的下层时，由处理器801根据用户对触摸显示屏805的压力操作，实现对UI界面上的可操作性控件进行控制。可操作性控件包括按钮控件、滚动条控件、图标控件、菜单控件中的至少一种。

指纹传感器814用于采集用户的指纹，由处理器801根据指纹传感器814采集到的指纹识别用户的身份，或者，由指纹传感器814根据采集到的指纹识别用户的身份。在识别出用户的身份为可信身份时，由处理器801授权该用户执行相关的敏感操作，该敏感操作包括解锁屏幕、查看加密信息、下载软件、支付及更改设置等。指纹传感器814可以被设置设备800的正面、背面或侧面。当设备800上设置有物理按键或厂商Logo时，指纹传感器814可以与物理按键或厂商Logo集成在一起。

光学传感器815用于采集环境光强度。在一个实施例中，处理器801可以根据光学传感器815采集的环境光强度，控制触摸显示屏805的显示亮度。具体地，当环境光强度较高时，调高触摸显示屏805的显示亮度；当环境光强度较低时，调低触摸显示屏805的显示亮度。在另一个实施例中，处理器801还可以根据光学传感器815采集的环境光强度，动态调整摄像头组件806的拍摄参数。

接近传感器816，也称距离传感器，通常设置在设备800的前面板。接近传感器816用于采集用户与设备800的正面之间的距离。在一个实施例中，当接近传感器816检测到用户与设备800的正面之间的距离逐渐变小时，由处理器801控制触摸显示屏805从亮屏状态切换为息屏状态；当接近传感器816检测到用户与设备800的正面之间的距离逐渐变大时，由处理器801控制触摸显示屏805从息屏状态切换为亮屏状态。

本领域技术人员可以理解，图8中示出的结构并不构成对设备800的限定，可以包括比图示更多或更少的组件，或者组合某些组件，或者采用不同的组件布置。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (10)

1.一种拍摄角度推荐方法，其特征在于，包括：

在当前拍摄角度下进行图像采集，通过目标模型对采集到的图像进行特征提取，所述采集到的图像中包括被拍摄对象；

获取由上一个拍摄角度调整至当前拍摄角度拍摄设备的实际移动路径；

通过所述目标模型，基于提取到的特征信息和所述拍摄设备的实际移动路径，输出角度调整提示，所述角度调整提示中包括推荐的下一个拍摄角度；

在由当前拍摄角度调整至一个新的拍摄角度后，再次执行上述拍摄角度推荐过程；以此类推，后续每当调整至一个新的拍摄角度后重复执行一次上述拍摄角度推荐过程，直至输出的角度调整提示指示已到达目标拍摄角度，所述被拍摄对象在所述目标拍摄角度下的成像效果优于其他拍摄角度；

所述目标模型的训练过程包括：

对于每个拍摄场景，在多个拍摄角度分别进行图像采集，得到针对所述拍摄场景的多个样本图像，所述多个拍摄角度中包括针对所述拍摄场景的目标拍摄角度；

对于每个所述样本图像，获取所述样本图像的标记信息，所述标记信息标记了在相应拍摄角度下的推荐拍摄角度；

获取所述拍摄设备在所述多个拍摄角度下进行图像采集时的实际移动路径；

基于在各个拍摄场景下采集到的样本图像、所述采集到的样本图像的标记信息和所述拍摄设备在各个拍摄场景下的实际移动路径，进行模型训练得到所述目标模型。

2.根据权利要求1所述的拍摄角度推荐方法，其特征在于，在输出的角度调整提示指示已到达目标拍摄角度之前，所述方法还包括：

对于所述拍摄设备经过的每个拍摄角度，检测所述拍摄设备在所述拍摄角度下的下一步实际移动路径，与在所述拍摄角度下所述角度调整提示给出的推荐拍摄角度是否匹配；

当连续出现下一步实际移动路径与推荐拍摄角度不匹配且数量达到预设阈值时，输出移动错误提示。

3.根据权利要求1所述的拍摄角度推荐方法，其特征在于，所述通过目标模型对采集到的图像进行特征提取，包括：

将所述采集到的图像输入所述目标模型包含的卷积神经网络中，基于所述卷积神经网络对所述采集到的图像进行特征提取；

所述通过所述目标模型，基于提取到的特征信息和所述拍摄设备的实际移动路径，输出角度调整提示，所述角度调整提示中包括推荐的下一个拍摄角度，包括：

将所述卷积神经网络输出的特征信息和所述实际移动路径输入所述目标模型包含的长短期记忆LSTM网络，得到所述LSTM网络推荐的下一个拍摄角度；

基于推荐的下一个拍摄角度生成并输出所述角度调整提示。

4.根据权利要求1至3中任一项所述的拍摄角度推荐方法，其特征在于，推荐拍摄角度包括多种类别，每种所述类别各自对应所述拍摄设备的一种移动方式。

5.一种拍摄角度推荐装置，其特征在于，包括：

采集模块，被配置为在当前拍摄角度下进行图像采集；

特征提取模块，被配置为通过目标模型对采集到的图像进行特征提取，所述采集到的图像中包括被拍摄对象；

获取模块，被配置为获取由上一个拍摄角度调整至当前拍摄角度拍摄设备的实际移动路径；

推荐模块，被配置为通过所述目标模型，基于提取到的特征信息和所述拍摄设备的实际移动路径，输出角度调整提示，所述角度调整提示中包括推荐的下一个拍摄角度；

所述推荐模块，还被配置为在由当前拍摄角度调整至一个新的拍摄角度后，再次执行上述拍摄角度推荐过程；以此类推，后续每当调整至一个新的拍摄角度后重复执行一次上述拍摄角度推荐过程，直至输出的角度调整提示指示已到达目标拍摄角度，所述被拍摄对象在所述目标拍摄角度下的成像效果优于其他拍摄角度；

所述装置还包括：

训练模块，被配置为对于每个拍摄场景，在多个拍摄角度分别进行图像采集，得到针对所述拍摄场景的多个样本图像，所述多个拍摄角度中包括针对所述拍摄场景的目标拍摄角度；对于每个所述样本图像，获取所述样本图像的标记信息，所述标记信息标记了在相应拍摄角度下的推荐拍摄角度；获取所述拍摄设备在所述多个拍摄角度下进行图像采集时的实际移动路径；基于在各个拍摄场景下采集到的样本图像、所述采集到的样本图像的标记信息和所述拍摄设备在各个拍摄场景下的实际移动路径，进行模型训练得到所述目标模型。

6.根据权利要求5所述的拍摄角度推荐装置，其特征在于，所述推荐模块，还被配置为对于所述拍摄设备经过的每个拍摄角度，检测所述拍摄设备在所述拍摄角度下的下一步实际移动路径，与在所述拍摄角度下所述角度调整提示给出的推荐拍摄角度是否匹配；当连续出现下一步实际移动路径与推荐拍摄角度不匹配且数量达到预设阈值时，输出移动错误提示。

7.根据权利要求5所述的拍摄角度推荐装置，其特征在于，所述特征提取模块，还被配置为将所述采集到的图像输入所述目标模型包含的卷积神经网络中，基于所述卷积神经网络对所述采集到的图像进行特征提取；

所述推荐模块，还被配置为将所述卷积神经网络输出的特征信息和所述实际移动路径输入所述目标模型包含的长短期记忆LSTM网络，得到所述LSTM网络推荐的下一个拍摄角度；基于推荐的下一个拍摄角度生成并输出所述角度调整提示。

8.根据权利要求5至7中任一项所述的拍摄角度推荐装置，其特征在于，推荐拍摄角度包括多种类别，每种所述类别各自对应所述拍摄设备的一种移动方式。

9.一种电子设备，其特征在于，包括：

处理器；

用于存储所述处理器可执行指令的存储器；

其中，所述处理器被配置为执行所述指令，以实现如权利要求1至4中任一项所述的拍摄角度推荐方法。

10.一种存储介质，其特征在于，当所述存储介质中的指令由电子设备的处理器执行时，使得所述电子设备能够执行如权利要求1至4中任一项所述的拍摄角度推荐方法。

Images