CN112929567B - 拍摄位置的确定方法、电子设备和存储介质 - Google Patents

Abstract

本发明实施例涉及图像拍摄领域，公开了一种拍摄位置的确定方法、电子设备和存储介质。上述拍摄位置的确定方法包括：获取拍摄目标用户的摄像头在若干位置下拍摄的N张图像；其中，若干位置对应有若干属性值；获取预先确定的标准模板图像与N张图像的N个偏差值；根据N个偏差值以及若干属性值，构建映射关系式；在若干位置中选择一个位置作为摄像头的移动初始位置，并根据移动初始位置和预设的步长因子，移动摄像头的位置；其中，步长因子用于表征摄像头每次移动的幅度；根据映射关系式，在摄像头移动的过程中确定摄像头对目标用户的拍摄位置，使得无需依赖人工标记和预训练模型且无需用户手动移动，提高拍摄的便捷性。

Description

拍摄位置的确定方法、电子设备和存储介质

技术领域

本发明实施例涉及图像拍摄领域，特别涉及一种拍摄位置的确定方法、电子设备和存储介质。

背景技术

目前，用户在云k歌的场景下，如果需要拍摄某个目标用户的特写镜头，通常是手动移动目标拍摄区域至目标用户所在的区域，完成对目标用户的拍摄。

然而，发明人发现相关技术中至少存在如下问题：手动移动对用户来说不够方便。

发明内容

本发明实施方式的目的在于提供一种拍摄位置的确定方法、电子设备和存储介质，使得无需用户手动移动，提高拍摄的便捷性。

为解决上述技术问题，本发明的实施方式提供了一种拍摄位置的确定方法，包括：获取拍摄目标用户的摄像头在若干位置下拍摄的N张图像；其中，所述若干位置对应有若干属性值；获取预先确定的标准模板图像与所述N张图像的N个偏差值；根据所述N个偏差值以及所述若干属性值，构建映射关系式；在所述若干位置中选择一个位置作为所述摄像头的移动初始位置，并根据所述移动初始位置和预设的步长因子，移动所述摄像头的位置；其中，所述步长因子用于表征所述摄像头每次移动的幅度；根据所述映射关系式，在所述摄像头移动的过程中确定所述摄像头对所述目标用户的拍摄位置。

本发明的实施方式还提供了一种电子设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的拍摄位置的确定方法。

本发明的实施方式还提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现上述的拍摄位置的确定方法。

本发明实施方式相对于现有技术而言获取拍摄目标用户的摄像头在若干位置下拍摄的N张图像；其中，若干位置对应有若干属性值；获取预先确定的标准模板图像与所述N张图像的N个偏差值；根据N个偏差值以及若干属性值，构建映射关系式；在若干位置中选择一个位置作为摄像头的移动初始位置，并根据移动初始位置和预设的步长因子，移动摄像头的位置；其中，步长因子用于表征摄像头每次移动的幅度；根据映射关系式，在摄像头移动的过程中确定摄像头的拍摄位置。结合N个偏差值以及若干属性值，构建的映射关系式可以反映摄像头在不同位置处拍摄的图像与标准模板图像的偏差程度和摄像头所在位置之间的关系，根据移动初始位置和预设的步长因子，自动移动摄像头的位置，有利于在移动的过程中寻找到较佳的拍摄位置，使得无需用户手动移动，提高拍摄的便捷性。

另外，所述根据所述映射关系式，在所述摄像头移动的过程中确定所述摄像头对所述目标用户的拍摄位置，包括：确定所述摄像头本次移动后所处的位置对应的第一属性值；根据所述映射关系式，确定所述第一属性值对应的第一偏差值和第二属性值对应的第二偏差值；其中，所述第二属性值为所述摄像头上一次移动后所处的位置对应的属性值；根据所述第一偏差值和所述第二偏差值，确定图像相似收益；根据所述图像相似收益值，确定所述摄像头的拍摄位置。在移动摄像头的过程中，结合每次摄像头的移动带来的图像相似收益，方便了合理的确定摄像头的拍摄位置。

另外，若所述第一偏差值等于0，或者，若连续预设次数确定的所述图像相似收益值均小于0，停止移动所述摄像头的位置，将所述摄像头当前所处的位置作为所述摄像头的拍摄位置。若第一偏差值等于0说明，摄像头在本次移动后所处的位置拍摄的图像与标准模板图像的偏差为0，此时停止摄像头的移动，摄像头停在当前位置有利于拍摄得到与标准模板图像基本无偏差的图像。若连续预设次数确定的所述图像相似收益值均小于0，说明连续多次摄像头移动后，理论上拍摄的图像与标准模板图像之间的偏差越来越小，此时停止摄像头的移动，摄像头停在当前位置有利于拍摄得到与标准模板图像偏差较小的图像。

另外，若所述摄像头本次移动后确定的所述图像相似收益值满足dY<0且exp(dY/λ)>random(0,1)，接受所述摄像头的本次移动，若所述摄像头本次移动后确定的所述图像相似收益值满足dY<0且exp(dY/λ)≤random(0,1)，拒绝所述摄像头的本次移动；其中，dY为所述图像相似收益值，λ为所述步长因子，random(0,1)为0到1之间的一个随机数。其中，dY<0且exp(dY/λ)>random(0,1)，接受本次移动，表明即便移动后拍摄的图像与标准模板图像之间的偏差值变大，即相似度下降了，这时候是有一定的几率接受本次移动，有利于避免陷入局部最优解。

另外，所述确定标准模板图像分别与所述N张图像的N个偏差值，包括：提取所述N张图像的纹理特征向量；提取所述N张图像的轮廓特征向量；根据所述N张图像的纹理特征向量和标准模板图像的纹理特征向量，确定所述标准模板图像分别与所述N张图像的纹理相似度；根据所述N张图像的轮廓特征向量和所述标准模板图像的轮廓特征向量，确定所述标准模板图像分别与所述N张图像的轮廓相似度；根据所述纹理相似度和所述轮廓相似度，确定标准模板图像分别与所述N张图像的N个偏差值。结合纹理相似度和轮廓相似度，有利于更加准确的得到标准模板图像分别与N张图像的N个偏差值。

附图说明

一个或多个实施例通过与之对应的附图中的图片进行示例性说明，这些示例性说明并不构成对实施例的限定。

图1是根据本发明第一实施方式中的拍摄位置的确定方法的流程图；

图2是根据本发明第二实施方式中的步骤102的实现过程的流程图；

图3是根据本发明第三实施方式中的电子设备的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的各实施方式进行详细的阐述。然而，本领域的普通技术人员可以理解，在本发明各实施方式中，为了使读者更好地理解本申请而提出了许多技术细节。但是，即使没有这些技术细节和基于以下各实施方式的种种变化和修改，也可以实现本申请所要求保护的技术方案。以下各个实施例的划分是为了描述方便，不应对本发明的具体实现方式构成任何限定，各个实施例在不矛盾的前提下可以相互结合相互引用。

本发明的第一实施方式涉及一种拍摄位置的确定方法，应用于电子设备；其中，电子设备可以为服务器或终端。本实施方式的应用场景可以包括但不限于：多个用户在k歌房中在线k歌，需要对其中某个用户拍摄特写镜头；多个用户在视频聊天的过程中，需要对其中某个用户拍摄特写镜头，摄像头在拍摄的过程中需要对镜头中的某个用户拍摄特写镜头。下面以电子设备为服务器为例，对本实施方式的拍摄位置的确定方法的实现细节进行具体的说明，以下内容仅为方便理解提供的实现细节，并非实施本方案的必须。

本实施方式中的拍摄位置的确定方法摄外流程图可以如图1所示，包括：

步骤101：获取拍摄目标用户的摄像头在若干位置下拍摄的N张图像。

其中，目标用户为待拍摄特写的用户，比如可以是参与在线k歌的多用户中的某个用户，也可以是参与在线视频聊天、在线视频会议中的某个用户、摄像头拍摄的多个用户中的某个用户。

比如，在线k歌的场景下，用户A在用户使用的终端A上的K歌房交互界面的用户列表中选择用户B作为目标用户，与终端A交互的服务器可以确定目标用户为用户B。

在一个例子中，拍摄目标用户的摄像头为：目标用户使用的终端的屏幕下方的摄像头，摄像头在屏幕的下方处于可移动的状态。若干位置对应有若干属性值，即每个位置可以对应有各自的属性值，该属性值可以包括：摄像头所处的位置的坐标、旋转角度、变焦倍数等，在具体实现中，属性值可以为位置向量，即每个位置对应有位置向量。

具体的说，服务器可以向目标用户使用的终端发送图像上报指令，目标用户的终端收到该图像上报指令后，可以控制终端的屏幕下方的摄像头在若干位置下拍摄的N张图像，然后将N张图像上报至服务器。其中，屏幕下方的摄像头为可移动的摄像头，若干位置向量可以表征摄像头在屏幕下方所述的若干位置。假设将屏幕分割成多个方格，摄像头可以遍历位移至每个方格内，摄像头遍历到的方格的位置可以理解为摄像头的位置。位置向量X即属性值X可以表示为X＝[r_i,h_i,θ_i,k_i]，其中i代表摄像头当前所处的方格的id编号，比如t个方格可以依次取值为1,2，……t，r代表摄像头当前所处的方格的横轴坐标，h代表摄像头当前所处的方格的纵轴坐标，θ代表摄像头的旋转角度，k代表变焦倍数，根据实际需要θ和k可以取多个值。终端可以随机初始化摄像头拍摄时的位置向量X，在处于当前位置向量下完成图像拍摄，然后依次在处于其他位置向量下完成图像拍摄，采集获取到N张图像并进行id编码。id编码用于表征采集的图像是摄像头在哪一个位置向量下拍摄的图像。

比如，目标用户为用户B，则用户B的终端B的屏幕下方的摄像头在若干位置下可以拍摄的N张关于用户B的图像。即终端B的摄像头在同一个位置以不同旋转角度，不同变焦倍数拍了很多张图片。比如，将终端B的屏幕划分为16个方格，终端B的屏幕下方的摄像头在16个方格下移动，每个方格下，摄像头均可以预设的不同旋转角度，预设的不同变焦倍数对用户B拍照，得到N张图像。然后，终端B将拍摄得到N张图像发送给服务器，N张图像在下文中也可以称为N张粗选图像。

步骤102：获取预先确定的标准模板图像与N张图像的N个偏差值。

其中，标准模板图像可以根据实际需要预先确定，比如要对目标用户拍摄某种风格的特写，该标准模板图像可以为特写风格对应的标准模板图像。比如，上述示例中，用户A还可以在终端A上选择要对目标用户B要拍摄的特写风格，终端A可以将用户A选择的要对用户B拍摄的特写风格发送给服务器，使得服务器可以确定对目标用户拍摄的特写风格。从而服务器可以在预存的不同特写风格对应的标准模板图像中选择出对目标用户B要拍摄的特写风格对应的标准模板图像(简称目标标准模板图像)，然后再确定标准模板图像1与N张图像的N个偏差值。

具体的说，服务器中可以预先存储不同特写风格对应的标准模板图像，然后将对目标用户拍摄的特写风格对应的目标标准模板图像分别与N张图像进行对比，得到目标模板图像分别与N张图像的N个偏差值。

在一个例子中，服务器可以计算目标模板图像分别与N张图像的相似度，然后根据目标模板图像分别与N张图像的相似度，得到目标模板图像分别与N张图像的N个偏差值。可以理解的是，相似度越高，说明偏差值越小，相似度越低，说明偏差值越大，因此可以通过图像之间的相似度衡量图像之间的偏差值。

步骤103：根据N个偏差值以及若干属性值，构建映射关系式。

也就是说，服务器可以根据N个偏差值以及若干位置向量，构建映射关系式。

在一个例子中，位置向量对应有摄像头在屏幕下的位置，位置向量包括：横轴坐标、纵轴坐标、旋转角度、变焦倍数，映射关系式的表达形式可以如下：

Y_m＝f(X_i)＝α₀+α₁r_i+α₂h_i+α₃θ_i+α₄k_i

其中，Y_m为标准模板图像与第m张图像的偏差值，X_i为拍摄第m张图像时摄像头所在的第i个位置对应的属性值，α₀,α₁,α₂,α₃,α₄为映射关系式的映射系数，r_i为第i个位置的横轴坐标，h_i为第i个位置的纵轴坐标，θ_i为摄像头在第i个位置处的旋转角度，k_i为摄像头在第i个位置处的变焦倍数。m＝1,2,……N，即N张粗选图像中的第m张粗选图像。摄像头的若干位置向量与N个偏差值可以组成映射关系数据集，应用最小二乘法求可以求解得到映射系数α₀,α₁,α₂,α₃,α₄。

在另一个例子中，位置向量包括：横轴坐标、纵轴坐标、旋转角度，映射关系式的表达形式可以如下：

Y_m＝f(X_i)＝α₀+α₁r_i+α₂h_i+α₃θ_i

在一个例子中，位置向量包括：横轴坐标、纵轴坐标、变焦倍数，映射关系式的表达形式可以如下：

Y_m＝f(X_i)＝α₀+α₁r_i+α₂h_i+α₄k_i

步骤104：在若干位置向量中选择一个位置作为摄像头的移动初始位置，并根据移动初始位置和预设的步长因子，移动摄像头的位置。

步骤105：根据映射关系式，在摄像头移动的过程中确定摄像头对目标用户的拍摄位置。

其中，步长因子用于表征摄像头每次移动的幅度。假设，步长因子用λ表示，则λ的取值可以为：-0.2<＝λ<＝0.2。

在一个例子中，初始位置对应有初始属性值即初始位置向量，服务器可以将N个偏差值中最小的一个偏差值Y_min对应的位置向量作为摄像头的移动初始位置向量X₀。引入步长因子后，第i次移动后摄像头的位置向量为X_i，第i+1次移动后摄像头的位置向量为X_i+1＝(1+λ)·X_i。服务器可以在每次确定摄像头移动后的位置向量后，将位置向量发送给目标用户的终端，由目标用户的终端根据接收到的位置向量控制摄像头移动至位置向量对应的位置。在具体实现中，如果执行本实施方式中的拍摄位置的确定方法的电子设备为终端，则终端在每次确定摄像头移动后的位置向量后，可以直接根据位置向量控制摄像头的移动。

可以理解的是，在摄像头拍摄的N张粗选图像中，摄像头在偏差值Y_min对应的位置向量X₀处拍摄的粗选图像与目标模板图像的相似度最大，因此，以X₀为移动初始位置向量，基于步长因子在X₀周围移动，有利于快速得到全局最佳拍摄位置。与全局最佳拍摄位置对应的局部最佳拍摄位置可以理解为Y_min对应的位置向量X₀处。然而，在具体实现中，也可以在若干位置向量中随机选择一个位置向量作为摄像头的移动初始位置向量。

在步骤105中，服务器可以先确定摄像头本次移动后的位置对应的第一属性值，然后，根据映射关系式，确定第一属性值对应的第一偏差值和第二属性值对应的第二偏差值；其中，第二属性值为摄像头上一次移动后所处的位置对应的属性值；根据第一偏差值和第二偏差值，确定图像相似收益，根据图像相似收益值，确定摄像头的拍摄位置。其中，假设本次移动后所处的位置对应的第一位置向量(第一属性值)表示为X_i+1，摄像头上一次移动后所处的位置对应的位置向量即第二位置向量(第二属性值)则可以表示为X_i。第一位置向量对应的第一偏差值可以表示为f(X_i+1)，第二位置向量对应的第二偏差值可以表示为f(X_i)，图像相似收益可以表示为dY＝f(X_i)-f(X_i+1)。

在一个例子中，服务器根据所述图像相似收益值，确定所述摄像头的拍摄位置，包括：若第一偏差值等于0，或者，若连续预设次数确定的图像相似收益值均小于0，停止移动摄像头的位置，将摄像头当前所处的位置作为摄像头的拍摄位置。其中，预设次数可以根据实际需要进行设置，比如设置为30。也就是说，摄像头在移动的过程中，直至移动至X_end位置后，Y_end＝f(X_end)＝0或连续30次移动都得到dY<0，则摄像头停止移动，得到全局近似最优解，即摄像头进行模板特写时的近似最佳拍摄位置。可以认为摄像头停止移动后，处于停止后的当前位置时拍摄的目标用户的图像的图像与目标模板图像的相似度最大，也就是说，本实施方式中，通过目标用户的终端屏幕下的摄像头自适应移动从而实现最佳特写拍摄位置的寻址。在一个例子中，若摄像头本次移动后确定的图像相似收益值满足dY<0且exp(dY/λ)>random(0,1)，接受摄像头的本次移动，若摄像头本次移动后确定的图像相似收益值满足dY<0且exp(dY/λ)≤random(0,1)，拒绝摄像头的本次移动；其中，dY为图像相似收益值，λ为步长因子，random(0,1)为0到1之间的一个随机数。其中，接受本次移动，是指摄像头在局部最优解(偏差值Y_min对应的位置向量X₀)的基础上进行了微调移动，但是拍摄图像与目标模板的相似度下降了，这时候是有一定的几率接受该次移动，避免陷入局部最优解；拒绝本次移动，即摄像头不接受本次移动，则会控制摄像头退回到本次移动之前的位置。

在一个例子中，确定摄像头的拍摄位置的过程中可以包括粗选的过程和细选的过程，下面分别对粗选和细选进行说明：

粗选的过程：比如摄像头遍历16个方格，在每个方格下以不同旋转角度、不同变焦倍数拍摄关于目标用户的粗选图像，假设总共拍摄得到1000张粗选图像。计算1000张粗选图像分别和目标用户拍摄的特写风格对应的标准模板图像的偏差值，将1000个偏差值与位置向量映射起来，得到映射关系式。根据这1000张粗选图像可以得到拍摄位置的局部最优解，即1000张粗选图像中偏差值最小的粗选图像对应的位置向量X₀。也就是说，粗选的过程得到摄像头对目标用户的拍摄位置的局部最优解为X₀。

细选的过程：摄像头以X₀为初始移动位置，引入随机搜索步长因子λ(-0.2<＝λ<＝0.2)，在初始移动位置周围精细的移动，能够得到全局更优解，即摄像头对目标用户拍摄特写风格时的近似最佳拍摄位置。

需要说明的是，本实施方式中的上述各示例均为为方便理解进行的举例说明，并不对本发明的技术方案构成限定。

与现有技术相比，本实施方式，结合N个偏差值以及若干位置分别对应的属性值，构建的映射关系式可以反映摄像头在不同位置处拍摄的图像与标准模板图像的偏差程度与摄像头所在位置之间的关系，根据移动初始位置向量和预设的步长因子，自动移动摄像头的位置，有利于在移动的过程中寻找到对目标用户进行拍摄的较佳的拍摄位置，使得无需依赖人工标记和预训练模型且无需用户手动移动，提高拍摄的便捷性。

本发明的第二实施方式涉及一种拍摄位置的确定方法。本实施方式中主要对确定标准模板图像分别与N张图像的N个偏差值即步骤102的具体实现方式进行展开说明。

本实施方式中步骤102的实现流程图可以参考图2，包括：

步骤201：提取N张图像的纹理特征向量。

具体地说，可以使用LBP(Local Binary Pattern，局部二值模式)算法，提取N张图像的纹理特征向量。LBP是一种用来描述图像局部纹理特征的算子，它具有旋转不变性和灰度不变性等显著的优点。

下面以提取一张图像的纹理特征向量为例进行说明：

首先，将图像划分为M*M个子块，计算每个子块中的每个像素的LBP值。比如，对于每个子块中的中心像素点，将与该中心像素点相邻的15个像素点的灰度值与其进行比较，若周围像素点的像素值大于中心像素点的像素值，则对该周围像素点的位置标记为1,否则为0，每4*4的邻域的15个像素点经比较可产生15位二进制数，即得到该子块的中心像素点的值，即LBP值，该子块的LBP值可以反应该子块的纹理信息。

然后，对每个子块进行直方图统计，得到M*M图像子块的直方图。接着，对所有图像子块的直方图进行归一化处理，得到归一化处理后的子块的直方图。最后，连接所有归一化处理后的子块的直方图，得到整幅图像的纹理特征向量。比如，第m张图像的纹理特征向量可以表示为：

步骤202：提取N张图像的轮廓特征向量。

下面以提取一张图像的轮廓特征向量为例进行说明：对图像进行灰度化处理得到灰度图像，根据灰度图像计算几何矩，根据几何矩计算中心矩，根据中心矩对几何矩进行归一化，根据归一化后的中心矩确定轮廓特征向量。

在一个例子中，几何矩可以通过如下公式计算：

其中，m_ji为几何矩，I(x,y)是像素(x,y)处的像素值，i+j的和表示是几阶矩，比如i+j＝1表示一阶矩，i+j＝2表示二阶矩。

在一个例子中，中心距可以通过如下公式计算：

其中，mu_ji为中心距，为图像质心。

在一个例子中，归一化后的中心矩的计算公式可以如下：

其中，nu_ji为归一化后的中心矩，取(i+j)＝2的二阶矩和(i+j)＝3的三阶矩，得到图像的轮廓特征向量。第m张图像的轮廓特征向量可以表示为

取二阶和三阶对形状特征的表征性更强，但本实施方式不限于取二阶和三阶。

步骤203：根据N张图像的纹理特征向量和标准模板图像的纹理特征向量，确定标准模板图像分别与N张图像的纹理相似度。

在一个例子中，纹理相似度可以通过如下公式计算：

其中，W_m为所述标准模板图像与第m张图像的纹理相似度，D_m为所述第m张图像的纹理特征向量，所述D₀为所述标准模板图像的纹理特征向量，d_mj为D_m中第j个元素，d_0j为D₀中第j个元素，n是所述纹理特征向量中元素的总数。

参考上述示例中

即n＝M*M。

在具体实现中，纹理相似度的取值范围可以为[-1,1]，当两个图像纹理越相似，纹理相似度越接近最大值1，当两个图像纹理完全不同时，纹理相似度取-1。

步骤204：根据N张图像的轮廓特征向量和标准模板图像的轮廓特征向量，确定标准模板图像分别与N张图像的轮廓相似度。

在一个例子中，轮廓相似度可以通过如下公式计算：

其中，L_m为标准模板图像与第m张图像的轮廓相似度，Q_m为第m张图像的轮廓特征向量，Q₀为标准模板图像的轮廓特征向量，S为标准模板图像的轮廓特征向量与第m张图像的轮廓特征向量的协方差矩阵。

在另一个例子中，轮廓相似度可以通过如下公式计算：

其中，q_mj为Q_m中第j个元素，q_oj为Q₀中第j个元素，n是所述轮廓特征向量中元素的总数。参考上述示例中

即n＝M*M。

步骤205：根据纹理相似度和轮廓相似度，确定标准模板图像分别与N张图像的N个偏差值。

在一个例子中，可以通过如下公式计算偏差值：

其中，Y_m为标准模板图像与第m张图像的偏差值，L_m为标准模板图像与第m张图像的轮廓相似度，W_m为标准模板图像与第m张图像的纹理相似度。在具体实现中，Y_m大于0，Y_m值越小，表明第m张图像与标准模板图像越相似。

本实施方式中，结合纹理相似度和轮廓相似度，有利于更加准确的得到标准模板图像分别与N张图像的N个偏差值。提供了纹理相似度和轮廓相似度的具体公式以及偏差值的具体公式，方便了准确的计算出偏差值。

上面各种方法的步骤划分，只是为了描述清楚，实现时可以合并为一个步骤或者对某些步骤进行拆分，分解为多个步骤，只要包括相同的逻辑关系，都在本专利的保护范围内；对算法中或者流程中添加无关紧要的修改或者引入无关紧要的设计，但不改变其算法和流程的核心设计都在该专利的保护范围内。

本发明第三实施方式涉及一种电子设备，如图3所示，包括至少一个处理器301；以及，与至少一个处理器301通信连接的存储器302；其中，存储器302存储有可被至少一个处理器301执行的指令，指令被至少一个处理器301执行，以使至少一个处理器301能够执行第一或第二实施方式中的拍摄位置的确定方法。

其中，存储器302和处理器301采用总线方式连接，总线可以包括任意数量的互联的总线和桥，总线将一个或多个处理器301和存储器302的各种电路连接在一起。总线还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路连接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口在总线和收发机之间提供接口。收发机可以是一个元件，也可以是多个元件，比如多个接收器和发送器，提供用于在传输介质上与各种其他装置通信的单元。经处理器301处理的数据通过天线在无线介质上进行传输，进一步，天线还接收数据并将数据传送给处理器301。

处理器301负责管理总线和通常的处理，还可以提供各种功能，包括定时，外围接口，电压调节、电源管理以及其他控制功能。而存储器302可以被用于存储处理器301在执行操作时所使用的数据。

本发明第四实施方式涉及一种计算机可读存储介质，存储有计算机程序。计算机程序被处理器执行时实现上述方法实施例。

即，本领域技术人员可以理解，实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得一个设备(可以是单片机，芯片等)或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

本领域的普通技术人员可以理解，上述各实施方式是实现本发明的具体实施例，而在实际应用中，可以在形式上和细节上对其作各种改变，而不偏离本发明的精神和范围。

Claims (9)

1.一种拍摄位置的确定方法，其特征在于，包括：

获取拍摄目标用户的摄像头在若干位置下拍摄的N张图像；其中，所述若干位置对应有若干属性值；所述属性值包括：所述摄像头所处的位置的坐标、旋转角度、变焦倍数；

获取预先确定的标准模板图像与所述N张图像的N个偏差值；

根据所述N个偏差值以及所述若干属性值，构建映射关系式；

在所述若干位置中选择一个位置作为所述摄像头的移动初始位置，并根据所述移动初始位置和预设的步长因子，移动所述摄像头的位置；其中，所述步长因子用于表征所述摄像头每次移动的幅度；

根据所述映射关系式，在所述摄像头移动的过程中确定所述摄像头对所述目标用户的拍摄位置；

所述根据所述映射关系式，在所述摄像头移动的过程中确定所述摄像头对所述目标用户的拍摄位置，包括：

确定所述摄像头本次移动后所处的位置对应的第一属性值；

根据所述映射关系式，确定所述第一属性值对应的第一偏差值和第二属性值对应的第二偏差值；其中，所述第二属性值为所述摄像头上一次移动后所处的位置对应的属性值；

根据所述第一偏差值和所述第二偏差值，确定图像相似收益；

根据所述图像相似收益值，确定所述摄像头对所述目标用户的拍摄位置。

2.根据权利要求1所述的拍摄位置的确定方法，其特征在于，所述根据所述图像相似收益值，确定所述摄像头对所述目标用户的拍摄位置，包括：

若所述第一偏差值等于0，或者，若连续预设次数确定的所述图像相似收益值均小于0，停止移动所述摄像头的位置，将所述摄像头当前所处的位置作为所述摄像头对所述目标用户的拍摄位置。

3.根据权利要求2所述的拍摄位置的确定方法，其特征在于，所述方法还包括：若所述摄像头本次移动后确定的所述图像相似收益值满足dY<0且exp(dY/λ)>random(0,1)，接受所述摄像头的本次移动，若所述摄像头本次移动后确定的所述图像相似收益值满足dY<0且exp(dY/λ)≤random(0,1)，拒绝所述摄像头的本次移动；

其中，dY为所述图像相似收益值，λ为所述步长因子，random(0,1)为0到1之间的一个随机数。

4.根据权利要求1所述的拍摄位置的确定方法，其特征在于，所述属性值包括：横轴坐标、纵轴坐标、旋转角度、变焦倍数，所述映射关系式如下：

Y_m＝f(X_i)＝α₀+α₁r_i+α₂h_i+α₃θ_i+α₄k_i

其中，Y_m为所述标准模板图像与第m张图像的偏差值，X_i为拍摄所述第m张图像时所述摄像头所在的第i个位置对应的属性值，α₀,α₁,α₂,α₃,α₄为所述映射关系式的映射系数，r_i为所述第i个位置的横轴坐标，h_i为所述第i个位置的纵轴坐标，θ_i为所述摄像头在所述第i个位置处的旋转角度，k_i为所述摄像头在所述第i个位置处的变焦倍数。

5.根据权利要求1所述的拍摄位置的确定方法，其特征在于，所述获取预先确定的标准模板图像与所述N张图像的N个偏差值，包括：

提取所述N张图像的纹理特征向量；

提取所述N张图像的轮廓特征向量；

根据所述N张图像的纹理特征向量和所述标准模板图像的纹理特征向量，确定所述标准模板图像分别与所述N张图像的纹理相似度；

根据所述N张图像的轮廓特征向量和所述标准模板图像的轮廓特征向量，确定所述标准模板图像分别与所述N张图像的轮廓相似度；

根据所述纹理相似度和所述轮廓相似度，确定所述标准模板图像分别与所述N张图像的N个偏差值。

6.根据权利要求5所述的拍摄位置的确定方法，其特征在于，所述纹理相似度通过如下公式计算：

其中，所述W_m为所述标准模板图像与第m张图像的纹理相似度，D_m为所述第m张图像的纹理特征向量，所述D₀为所述标准模板图像的纹理特征向量，d_mj为D_m中第j个元素，d_0j为D₀中第j个元素，n是所述纹理特征向量中元素的总数；

所述轮廓相似度通过如下公式计算：

其中，L_m为所述标准模板图像与第m张图像的轮廓相似度，Q_m为所述第m张图像的轮廓特征向量，Q₀为所述标准模板图像的轮廓特征向量，S为所述标准模板图像的轮廓特征向量与所述第m张图像的轮廓特征向量的协方差矩阵。

7.根据权利要求1至6任一项所述的拍摄位置的确定方法，其特征在于，所述拍摄目标用户的摄像头为：所述目标用户使用的终端的屏幕下方的摄像头，所述摄像头在所述屏幕的下方处于可移动的状态。

8.一种电子设备，其特征在于，包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至7中任一所述的拍摄位置的确定方法。

9.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的拍摄位置的确定方法。

Images