CN116546310A - 基于人工智能的摄影辅助方法、装置、设备和介质 - Google Patents
基于人工智能的摄影辅助方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN116546310A CN116546310A CN202310815842.1A CN202310815842A CN116546310A CN 116546310 A CN116546310 A CN 116546310A CN 202310815842 A CN202310815842 A CN 202310815842A CN 116546310 A CN116546310 A CN 116546310A
- Authority
- CN
- China
- Prior art keywords
- color
- composition
- illumination
- template
- recommended
- 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.)
- Granted
Links
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000005286 illumination Methods 0.000 claims abstract description 163
- 239000000203 mixture Substances 0.000 claims abstract description 162
- 238000013135 deep learning Methods 0.000 claims description 21
- 238000012549 training Methods 0.000 claims description 13
- 238000000605 extraction Methods 0.000 claims description 9
- 230000006870 function Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 claims description 4
- 238000011478 gradient descent method Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 16
- 230000009286 beneficial effect Effects 0.000 abstract 1
- 238000011156 evaluation Methods 0.000 description 3
- 238000009432 framing Methods 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
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
- H04N23/64—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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Studio Devices (AREA)
Abstract
本发明提供了一种基于人工智能的摄影辅助方法、装置、设备和介质,涉及智能摄影技术领域。该方法包括:获取相机预览界面图像、多个光照模板、多个色彩模板和多个构图模板;提取相机预览界面图像的光照特征、色彩特征、构图特征和美学特征;对光照特征进行打分确定光照分,对色彩特征进行打分确定色彩分,对构图特征进行打分确定构图分,对美学特征进行打分确定美学总分;根据相机预览界面图像确定推荐光照模板、推荐色彩模板推荐构图模板;根据光照分、色彩分、构图分、美学总分、推荐光照模板、推荐色彩模板和推荐构图模板对用户进行拍摄指导。本技术方案的有益效果是:提升了用户摄影的拍摄效果。
Description
技术领域
本发明涉及智能摄影技术领域,具体而言,涉及一种基于人工智能的摄影辅助方法、装置、设备和介质。
背景技术
目前,摄影已经成为人们日常生活的一部分,然而大部分相机用户没有接受过摄影方面的培训,以至于不知道如何通过选择合适的光照、色彩和构图来提升拍照美感。
现有技术中,对于相机用户的拍摄指导大多以单一的取景构图引导为主,技术方案主要集中在将拍摄的景物推荐设置在取景框内特定区域。例如将地平线设置于相机预览界面图像的下三分之一区域等。无法满足用户在拍照时对图片的光照、色彩和构图等总体设计的美学需要,同时无法对用户形成有参考价值的美学指导,也不能定量地展示相机预览界面图像的美学价值分数。导致对用户摄影的指导效果不佳。
发明内容
本发明旨在解决上述技术问题的至少一个方面。
为解决上述问题,本发明提供一种基于人工智能的摄影辅助方法,包括:
获取相机预览界面图像、多个光照模板、多个色彩模板和多个构图模板;
提取所述相机预览界面图像的光照特征、色彩特征、构图特征和美学特征;
对所述光照特征进行打分确定光照分,对所述色彩特征进行打分确定色彩分,对所述构图特征进行打分确定构图分,对所述美学特征进行打分确定美学总分;
根据所述相机预览界面图像确定光照方向,根据所述光照方向确定推荐光照模板;
根据所述相机预览界面图像与多个所述色彩模板的拟合距离,确定推荐色彩模板;
根据所述相机预览界面图像与多个所述构图模板的拟合距离,确定推荐构图模板;
根据所述光照分、所述色彩分、所述构图分、所述美学总分、所述推荐光照模板、所述推荐色彩模板和所述推荐构图模板对用户进行拍摄指导。
本发明所述的基于人工智能的摄影辅助方法,通过对所述光照特征进行打分确定光照分,对所述色彩特征进行打分确定色彩分,对所述构图特征进行打分确定构图分,对所述美学特征进行打分确定美学总分,帮助用户直观的对相机预览界面图像内的景物进行美学价值判断,从而方便用户根据美学分数调整拍摄角度、方向、构图内容等,改善拍摄效果。根据所述相机预览界面图像确定光照方向,根据所述光照方向确定推荐光照模板;根据所述相机预览界面图像与多个所述色彩模板的拟合距离,确定推荐色彩模板;根据所述相机预览界面图像与多个所述构图模板的拟合距离,确定推荐构图模板。通过所述相机预览界面的光照、色彩、构图情况,给出当前最适合的推荐光照模板、推荐色彩模板和推荐构图模板,给予用户图形指导,用户可以依据美学属性模板调整用光、色彩搭配和布局,以改善拍摄效果。根据所述光照分、所述色彩分、所述构图分、所述美学总分、所述推荐光照模板、所述推荐色彩模板和所述推荐构图模板对用户进行拍摄指导。以此可以对当前拍摄景物生成美学语言描述,发现当前拍摄的优点和不足,并结合美学分数和模板推荐对用户进行拍摄指导,提高了用户摄影的拍摄效果。
可选地,所述提取所述相机预览界面图像的光照特征、色彩特征、构图特征和美学特征,包括:
通过EfficientNet-B0深度学习特征提取网络,从所述相机预览界面图像中提取所述光照特征、所述色彩特征、所述构图特征和所述美学特征,并构建损失函数;
利用随机梯度下降法最小化所述损失函数,收敛条件为所述损失函数的数值小于预设数值。
可选地,所述对所述光照特征进行打分确定光照分,对所述色彩特征进行打分确定色彩分,对所述构图特征进行打分确定构图分,对所述美学特征进行打分确定美学总分,包括:
在开源数据集上根据深度学习算法训练光照属性分预测子网络,通过所述光照属性分预测子网络对所述光照特征进行打分,确定所述光照分;
在开源数据集上根据深度学习算法训练色彩属性分预测子网络,通过所述色彩属性分预测子网络对所述色彩特征进行打分,确定所述色彩分;
在开源数据集上根据深度学习算法训练构图属性分预测子网络,通过所述构图属性分预测子网络对所述构图特征进行打分,确定所述构图分;
在开源数据集上根据深度学习算法训练美学总分预测子网络,通过所述美学总分预测子网络对所述美学特征进行打分,确定所述美学总分。
可选地,所述根据所述相机预览界面图像确定光照方向,根据所述光照方向确定推荐光照模板,包括:
获取预设的光源仰角区域和光源方位角区域,其中每块所述光源仰角区域和每块所述光源方位角区域唯一确定光照方向;
分析所述相机预览界面图像,确定太阳位置概率分布;
根据所述太阳位置概率分布中概率最高的位置,确定所述太阳光源的仰角和方位角;
根据所述仰角确定所述仰角落入的目标仰角区域,根据所述方位角确定所述方位角落入的目标方位角区域;
根据所述目标仰角区域和所述目标方位角区域确定所述光照方向;
将与所述光照方向最匹配的所述光照模板作为推荐光照模板。
可选地,所述根据所述相机预览界面图像与多个所述色彩模板的拟合距离,确定推荐色彩模板,包括:
分析所述相机预览界面图像在HSV色彩空间上的色调分布,将其绘制在圆形色环图上,得到色调分布图;
根据所述色调分布图确定8种色彩模板;
计算所述色调分布图中每个色调与每个所述色彩模板阴影区域分布的平均距离,作为所述拟合距离;
确定所述拟合距离最小的所述色彩模板为推荐色彩模板。
可选地,所述根据所述相机预览界面图像与多个所述构图模板的拟合距离,确定推荐构图模板,包括:
对所述相机预览界面图像进行二值化,得到增强图像;
对所述增强图像进行霍夫变换,提取到所述增强图像的显著性区域和边缘线条;
计算所述显著性区域中心点与所述构图模板特征点之间的第一拟合距离;
计算所述边缘线条与所述所述构图模板中的突出线条之间的第二拟合距离;
根据所述第一拟合距离和所述第二拟合距离,确定所述推荐构图模板。
可选地,所述根据所述光照分、所述色彩分、所述构图分、所述美学总分、所述推荐光照模板、所述推荐色彩模板和所述推荐构图模板对用户进行拍摄指导,包括:
语音提示用户所述美学总分大小;
若所述美学总分低于预设阈值时,比较所述光照分、所述色彩分和所述构图分的大小;
若所述光照分最低,语音提示用户改善拍摄时的用光情况并介绍所述推荐光照模板供用户参考;
若所述色彩分最低,语音提示用户改善拍摄时景物的色彩选取并介绍所述推荐色彩模板供用户参考;
若所述构图分最低,语音提示用户改善拍摄时的构图分布并介绍所述推荐构图模板供用户参考。
本发明还提供一种基于人工智能的摄影辅助装置,包括:
获取模块,用于获取相机预览界面图像、多个光照模板、多个色彩模板和多个构图模板;
特征提取模块,用于提取所述相机预览界面图像的光照特征、色彩特征、构图特征和美学特征;
打分模块,用于对所述光照特征进行打分确定光照分,对所述色彩特征进行打分确定色彩分,对所述构图特征进行打分确定构图分,对所述美学特征进行打分确定美学总分;
模板推荐模块,用于根据所述相机预览界面图像确定光照方向,根据所述光照方向确定推荐光照模板;
所述模板推荐模块,还用于根据所述相机预览界面图像与多个所述色彩模板的拟合距离,确定推荐色彩模板;
所述模板推荐模块,还用于根据所述相机预览界面图像与多个所述构图模板的拟合距离,确定推荐构图模板;
指导模块,用于根据所述光照分、所述色彩分、所述构图分、所述美学总分、所述推荐光照模板、所述推荐色彩模板和所述推荐构图模板对用户进行拍摄指导。
本发明所述的基于人工智能的摄影辅助装置与上述基于人工智能的摄影辅助方法相对于现有技术的优势相同,在此不再赘述。
本发明还提供一种计算设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,当所述处理器执行所述程序时,实现上述的基于人工智能的摄影辅助方法。
本发明所述的计算设备与上述基于人工智能的摄影辅助方法相对于现有技术的优势相同,在此不再赘述。
本发明还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时,实现上述的基于人工智能的摄影辅助方法。
本发明所述的计算机可读存储介质与上述基于人工智能的摄影辅助方法相对于现有技术的优势相同,在此不再赘述。
附图说明
图1为本发明实施例提供的基于人工智能的摄影辅助方法的流程示意图一;
图2为本发明实施例提供的基于人工智能的摄影辅助方法的流程示意图二;
图3为本发明实施例提供的基于人工智能的摄影辅助装置的结构示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更为明显易懂,下面结合附图对本发明的具体实施例做详细的说明。
要说明的是,本发明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,以便这里描述的本发明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。
在本说明书的描述中,参考术语“实施例”、“一些实施例”和“可选的实施例”等的描述意指结合该实施例或实施方式描述的具体特征、结构、材料或者特征包含于本发明的至少一个实施例或示实施方式中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或实施方式。而且,描述的具体特征、结构、材料或者特征可以在任何的一个或多个实施例或实施方式以合适的方式结合。
结合图1和图2所示,本发明实施例提供一种基于人工智能的摄影辅助方法,包括步骤:
S1,获取相机预览界面图像、多个光照模板、多个色彩模板和多个构图模板;
所述相机预览界面图像是指相机取景框内的实时图像或者显示于相机显示界面的相机取景的实时图像。所述光照模板是预先设置的根据不同光照条件,为取得更好的拍摄效果包含拍摄建议的相机取景、设置模板。所述色彩模板是预先设置的根据不同的色彩条件,为取得更好的拍摄效果包含拍摄建议的相机取景、设置模板。所述构图模板是预先设置的根据不同的构图特征,为取得更好的拍摄效果包含拍摄建议的相机取景、设置模板。
S2,提取所述相机预览界面图像的光照特征、色彩特征、构图特征和美学特征;
所述光照特征是指所述相机预览界面图像内曝光方向和强度的特征。所述色彩特征是指所述相机预览界面图像内色彩搭配的特征。所述构图特征是指所述相机预览界面图像内景物的构图特征。所述美学特征是指所述相机预览界面图像总体的美学属性特征。
S3,对所述光照特征进行打分确定光照分,对所述色彩特征进行打分确定色彩分,对所述构图特征进行打分确定构图分,对所述美学特征进行打分确定美学总分;
所述光照分是对所述光照特征进行美学评价的打分,分数值介于0-1之间,分数越接近于1,说明所述相机预览界面的光照特征运用越好。
所述色彩分是对所述色彩特征进行美学评价的打分,分数值介于0-1之间,分数越接近于1,说明所述相机预览界面的色彩特征运用越好。
所述构图分是对所述构图特征进行美学评价的打分,分数值介于0-1之间,分数越接近于1,说明所述相机预览界面的构图特征运用越好。
在一些实施例中,所述光照分、所述构图分、所述色彩分和所述美学总分可通过美学分数指导盘显示于所述相机预览界面,供用户参考。
S4,根据所述相机预览界面图像确定光照方向,根据所述光照方向确定推荐光照模板;
所述光照方向是指根据所述相机预览界面图像计算出的光源位置,可由方位角和仰角确定。所述推荐光照模板是指在光照模板中最适合当前相机预览界面图像的光照模板。
S5,根据所述相机预览界面图像与多个所述色彩模板的拟合距离,确定推荐色彩模板;
所述拟合距离是指相似特征点之间的距离,所述推荐色彩模板是指在色彩模板中最适合当前相机预览界面图像的色彩模板。
S6,根据所述相机预览界面图像与多个所述构图模板的拟合距离,确定推荐构图模板;
所述拟合距离是指相似特征点之间的距离,所述推荐构图模板是指在构图模板中最适合当前相机预览界面图像的构图模板。
S7,根据所述光照分、所述色彩分、所述构图分、所述美学总分、所述推荐光照模板、所述推荐色彩模板和所述推荐构图模板对用户进行拍摄指导。
所述拍摄指导可以包括语音指导和文字指导。
本发明所述的基于人工智能的摄影辅助方法,通过对所述光照特征进行打分确定光照分,对所述色彩特征进行打分确定色彩分,对所述构图特征进行打分确定构图分,对所述美学特征进行打分确定美学总分,帮助用户直观的对相机预览界面图像内的景物进行美学价值判断,从而方便用户根据美学分数调整拍摄角度、方向、构图内容等,改善拍摄效果。根据所述相机预览界面图像确定光照方向,根据所述光照方向确定推荐光照模板;根据所述相机预览界面图像与多个所述色彩模板的拟合距离,确定推荐色彩模板;根据所述相机预览界面图像与多个所述构图模板的拟合距离,确定推荐构图模板。通过所述相机预览界面的光照、色彩、构图情况,给出当前最适合的推荐光照模板、推荐色彩模板和推荐构图模板,给予用户图形指导,用户可以依据美学属性模板调整用光、色彩搭配和布局,以改善拍摄效果。根据所述光照分、所述色彩分、所述构图分、所述美学总分、所述推荐光照模板、所述推荐色彩模板和所述推荐构图模板对用户进行拍摄指导。以此可以对当前拍摄景物生成美学语言描述,发现当前拍摄的优点和不足,并结合美学分数和模板推荐对用户进行拍摄指导,提高了用户摄影的拍摄效果。
可选地,所述提取所述相机预览界面图像的光照特征、色彩特征、构图特征和美学特征,包括:
通过EfficientNet-B0深度学习特征提取网络,从所述相机预览界面图像中提取所述光照特征、所述色彩特征、所述构图特征和所述美学特征,并构建损失函数;
利用随机梯度下降法最小化所述损失函数,收敛条件为所述损失函数的数值小于预设数值。
具体地,所述EfficientNet-B0深度学习特征提取网络是指一种卷积神经网络模型,通常是在已知硬件资源的条件下进行训练的。随机梯度下降法是一种无模型优化算法,适用于控制变量较多,受控系统比较复杂,无法建立准确数学模型的最优化控制过程。所述预设数值是根据实际需要人为设定的一个参数值。
在本实施例中,通过EfficientNet-B0深度学习特征提取网络,从所述相机预览界面图像中提取所述光照特征、所述色彩特征、所述构图特征和所述美学特征,保证了所述光照特征、所述色彩特征、所述构图特征和所述美学特征的提取效果。
可选地,所述对所述光照特征进行打分确定光照分,对所述色彩特征进行打分确定色彩分,对所述构图特征进行打分确定构图分,对所述美学特征进行打分确定美学总分,包括:
在开源数据集上根据深度学习算法训练光照属性分预测子网络,通过所述光照属性分预测子网络对所述光照特征进行打分,确定所述光照分;
在开源数据集上根据深度学习算法训练色彩属性分预测子网络,通过所述色彩属性分预测子网络对所述色彩特征进行打分,确定所述色彩分;
在开源数据集上根据深度学习算法训练构图属性分预测子网络,通过所述构图属性分预测子网络对所述构图特征进行打分,确定所述构图分;
在开源数据集上根据深度学习算法训练美学总分预测子网络,通过所述美学总分预测子网络对所述美学特征进行打分,确定所述美学总分。
具体地,在本实施例中,所述开源数据集是指用于训练模型的某一领域的大数据集合。本实施例中优选使用AMD-A数据集。所述光照属性分预测子网络,是指通过深度学习训练的用于对光照特征进行打分的网络。所述色彩属性分预测子网络,是指通过深度学习训练的用于对色彩特征进行打分的网络。所述构图属性分预测子网络,是指通过深度学习训练的用于对构图特征进行打分的网络。所述美学总分预测子网络,是指通过深度学习训练的用于对美学特征进行打分的网络。
在本实施例中,通过确定所述光照分、所述色彩分、所述构图分和所述美学总分,可帮助用户直观地对所述相机预览界面图像内景物的美学价值进行判断,用户可以依据美学分数调整拍摄角度、方向等,通过提高美学分数改善拍摄效果。
可选地,所述根据所述相机预览界面图像确定光照方向,根据所述光照方向确定推荐光照模板,包括:
获取预设的光源仰角区域和光源方位角区域,其中每块所述光源仰角区域和每块所述光源方位角区域唯一确定光照方向;
分析所述相机预览界面图像,确定太阳位置概率分布;
根据所述太阳位置概率分布中概率最高的位置,确定所述太阳光源的仰角和方位角;
根据所述仰角确定所述仰角落入的目标仰角区域,根据所述方位角确定所述方位角落入的目标方位角区域;
根据所述目标仰角区域和所述目标方位角区域确定所述光照方向;
将与所述光照方向最匹配的所述光照模板作为推荐光照模板。
具体地,在本实施例中,所述仰角是指相机镜头到光源之间的垂直夹角。所述方位角是指正北方向到光源之间的水平夹角。所述光源仰角区域是指仰角位于一定区间的区域,所述光源方位角区域是指方位角位于一定区间的区域。所述分析所述相机预览界面图像,确定太阳位置的概率分布,是指通过分析所述相机预览界面图像中的阴影和光线等要素,确定出的太阳位置的概率分布。目标仰角区域是指所述仰角落入的仰角区域即为目标仰角区域,布标方位区域是指所述方位角落入的方位角区域即为目标方位角区域。所述推荐光照模板即是指与所述光照方向最匹配的光照模板。
在本实施例中,通过确定光照方向匹配出推荐光照模板,可以帮助用户根据所述推荐光照模板调整拍摄用光,提升拍摄效果。
可选地,所述根据所述相机预览界面图像与多个所述色彩模板的拟合距离,确定推荐色彩模板,包括:
分析所述相机预览界面图像在HSV色彩空间上的色调分布,将其绘制在圆形色环图上,得到色调分布图;
根据所述色调分布图确定8种色彩模板;
计算所述色调分布图中每个色调与每个所述色彩模板阴影区域分布的平均距离,作为所述拟合距离;
确定所述拟合距离最小的所述色彩模板为推荐色彩模板。
具体地,在本实施例中,所述HSV色彩空间是指根据颜色的直观特性创建的一种颜色空间,也称六角锥体模型。这个模型中颜色的参数分别是:色调(H),饱和度(S),明度(V)。计算所述色调分布图中的每个色调与每个所述色彩模板阴影区域的距离,将所述距离取平均值,即为所述拟合距离。
通过计算所述拟合距离确定所述推荐色彩模板,可以帮助用户根据所述推荐色彩模板调整拍摄色彩搭配,提升拍摄效果。
可选地,所述根据所述相机预览界面图像与多个所述构图模板的拟合距离,确定推荐构图模板,包括:
对所述相机预览界面图像进行二值化,得到增强图像;
对所述增强图像进行霍夫变换,提取到所述增强图像的显著性区域和边缘线条;
计算所述显著性区域中心点与所述构图模板特征点之间的第一拟合距离;
计算所述边缘线条与所述所述构图模板中的突出线条之间的第二拟合距离;
根据所述第一拟合距离和所述第二拟合距离,确定所述推荐构图模板。
具体地,在本实施例中,所述二值化是指将图像上的像素点的灰度值设置为0或255,也就是将整个图像呈现出明显的只有黑和白的视觉效果。所述显著性区域是指在从所述增强图像上识别出最引人注目的对象。所述边缘线条是指通过边缘检测后得到的线条。所述突出线条是指构图模板上的用于拟合的线条。所述显著区域中心点可以指区域形心或者突出的特征点等,在本实施例中不做具体限定。所述构图模板特征点是指在构图模板中选出的特征点用于计算拟合距离。根据所述第一拟合距离和所述第二拟合距离,确定所述推荐构图模板。可以包括计算所述第一拟合距离与所述第二拟合距离的平均值,将所述平均值最小的构图模板作为推荐构图模板。
在本实施例中,通过所述第一拟合距离和所述第二拟合距离确定所述推荐构图模板,通过所述推荐构图模板可以帮助用户调整构图,提升拍摄效果。
可选地,所述根据所述光照分、所述色彩分、所述构图分、所述美学总分、所述推荐光照模板、所述推荐色彩模板和所述推荐构图模板对用户进行拍摄指导,包括:
语音提示用户所述美学总分大小;
若所述美学总分低于预设阈值时,比较所述光照分、所述色彩分和所述构图分的大小;
若所述光照分最低,语音提示用户改善拍摄时的用光情况并介绍所述推荐光照模板供用户参考;
若所述色彩分最低,语音提示用户改善拍摄时景物的色彩选取并介绍所述推荐色彩模板供用户参考;
若所述构图分最低,语音提示用户改善拍摄时的构图分布并介绍所述推荐构图模板供用户参考。
具体地,在本实施例中,所述预设阈值是根据实际需要认为设置的一个阈值。若所述美学总分低于预设阈值时,比较确定出所述光照分、所述色彩分和所述构图分中最小的一个,提示用户进行改进,所述语音提示的内容可根据实际需要进行设置,在本实施例中不进行限定。
在本实施例中,示例性地,所述语音提示用户改善拍摄时的用光情况包括但不限于:“语音提示用户将相机移向光源”、“语音提示用户增加某一方向的光照强度”等改善用户用光情况的语句。
在本实施例中,示例性地,所述语音提示用户改善拍摄时景物的色彩选取包括但不限于:“为照片添加红色”、“为照片添加紫色”、“为照片添加淡红色和暗红色”等改善用户拍摄景物色彩的语句。
在本实施例中,示例性地,所述语音提示用户改善拍摄时的构图分布包括但不限于:“移动相机镜头或移动位置,使照片中心的圆圈更清晰可见”、“将相机镜头向上移动一点或将相机倾斜一点,使照片中心的框架更清晰可见”、“顺时针转动相机镜头一点,使对角线在图像中更明显”、“移动相机镜头使拍摄对象更靠近照片的中心”等改善用户拍摄构图分布的语句。
通过所述光照分、所述色彩分和所述构图分,结合所述推荐光照模板、所述推荐色彩模板和所述推荐构图模板,对用户进行语音指导,可以提升用户的使用体验和拍摄效果。
结合图3所示,本发明实施例还提供一种基于人工智能的摄影辅助装置,包括:
获取模块,用于获取相机预览界面图像、多个光照模板、多个色彩模板和多个构图模板;
特征提取模块,用于提取所述相机预览界面图像的光照特征、色彩特征、构图特征和美学特征;
打分模块,用于对所述光照特征进行打分确定光照分,对所述色彩特征进行打分确定色彩分,对所述构图特征进行打分确定构图分,对所述美学特征进行打分确定美学总分;
模板推荐模块,用于根据所述相机预览界面图像确定光照方向,根据所述光照方向确定推荐光照模板;
所述模板推荐模块,还用于根据所述相机预览界面图像与多个所述色彩模板的拟合距离,确定推荐色彩模板;
所述模板推荐模块,还用于根据所述相机预览界面图像与多个所述构图模板的拟合距离,确定推荐构图模板;
指导模块,用于根据所述光照分、所述色彩分、所述构图分、所述美学总分、所述推荐光照模板、所述推荐色彩模板和所述推荐构图模板对用户进行拍摄指导。
本发明实施例所述的基于人工智能的摄影辅助装置与上述基于人工智能的摄影辅助方法相对于现有技术的优势相同,在此不再赘述。
本发明实施例还提供一种计算设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,当所述处理器执行所述程序时,实现上述的基于人工智能的摄影辅助方法。
本发明实施例所述的计算设备与上述基于人工智能的摄影辅助方法相对于现有技术的优势相同,在此不再赘述。
本发明实施例还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时,实现上述的基于人工智能的摄影辅助方法。
本发明实施例所述的计算机可读存储介质与上述基于人工智能的摄影辅助方法相对于现有技术的优势相同,在此不再赘述。
虽然本发明披露如上,但本发明的保护范围并非仅限于此。本领域技术人员在不脱离本发明的精神和范围的前提下,可进行各种变更与修改,这些变更与修改均将落入本发明的保护范围。
Claims (10)
1.一种基于人工智能的摄影辅助方法,其特征在于,包括:
获取相机预览界面图像、多个光照模板、多个色彩模板和多个构图模板;
提取所述相机预览界面图像的光照特征、色彩特征、构图特征和美学特征;
对所述光照特征进行打分确定光照分,对所述色彩特征进行打分确定色彩分,对所述构图特征进行打分确定构图分,对所述美学特征进行打分确定美学总分;
根据所述相机预览界面图像确定光照方向,根据所述光照方向确定推荐光照模板;
根据所述相机预览界面图像与多个所述色彩模板的拟合距离,确定推荐色彩模板;
根据所述相机预览界面图像与多个所述构图模板的拟合距离,确定推荐构图模板;
根据所述光照分、所述色彩分、所述构图分、所述美学总分、所述推荐光照模板、所述推荐色彩模板和所述推荐构图模板对用户进行拍摄指导。
2.根据权利要求1所述的基于人工智能的摄影辅助方法,其特征在于,所述提取所述相机预览界面图像的光照特征、色彩特征、构图特征和美学特征,包括:
通过EfficientNet-B0深度学习特征提取网络,从所述相机预览界面图像中提取所述光照特征、所述色彩特征、所述构图特征和所述美学特征,并构建损失函数;
利用随机梯度下降法最小化所述损失函数,收敛条件为所述损失函数的数值小于预设数值。
3.根据权利要求1所述的基于人工智能的摄影辅助方法,其特征在于,所述对所述光照特征进行打分确定光照分,对所述色彩特征进行打分确定色彩分,对所述构图特征进行打分确定构图分,对所述美学特征进行打分确定美学总分,包括:
在开源数据集上根据深度学习算法训练光照属性分预测子网络,通过所述光照属性分预测子网络对所述光照特征进行打分,确定所述光照分;
在开源数据集上根据深度学习算法训练色彩属性分预测子网络,通过所述色彩属性分预测子网络对所述色彩特征进行打分,确定所述色彩分;
在开源数据集上根据深度学习算法训练构图属性分预测子网络,通过所述构图属性分预测子网络对所述构图特征进行打分,确定所述构图分;
在开源数据集上根据深度学习算法训练美学总分预测子网络,通过所述美学总分预测子网络对所述美学特征进行打分,确定所述美学总分。
4.根据权利要求1所述的基于人工智能的摄影辅助方法,其特征在于,所述根据所述相机预览界面图像确定光照方向,根据所述光照方向确定推荐光照模板,包括:
获取预设的光源仰角区域和光源方位角区域,其中每块所述光源仰角区域和每块所述光源方位角区域唯一确定光照方向;
分析所述相机预览界面图像,确定太阳位置概率分布;
根据所述太阳位置概率分布中概率最高的位置,确定太阳光源的仰角和方位角;
根据所述仰角确定所述仰角落入的目标仰角区域,根据所述方位角确定所述方位角落入的目标方位角区域;
根据所述目标仰角区域和所述目标方位角区域确定所述光照方向;
将与所述光照方向最匹配的所述光照模板作为推荐光照模板。
5.根据权利要求1所述的基于人工智能的摄影辅助方法,其特征在于,所述根据所述相机预览界面图像与多个所述色彩模板的拟合距离,确定推荐色彩模板,包括:
分析所述相机预览界面图像在HSV色彩空间上的色调分布,将其绘制在圆形色环图上,得到色调分布图;
根据所述色调分布图确定8种色彩模板;
计算所述色调分布图中每个色调与每个所述色彩模板阴影区域分布的平均距离,作为所述拟合距离;
确定所述拟合距离最小的所述色彩模板为推荐色彩模板。
6.根据权利要求1所述的基于人工智能的摄影辅助方法,其特征在于,所述根据所述相机预览界面图像与多个所述构图模板的拟合距离,确定推荐构图模板,包括:
对所述相机预览界面图像进行二值化,得到增强图像;
对所述增强图像进行霍夫变换,提取到所述增强图像的显著性区域和边缘线条;
计算所述显著性区域中心点与所述构图模板特征点之间的第一拟合距离;
计算所述边缘线条与所述构图模板中的突出线条之间的第二拟合距离;
根据所述第一拟合距离和所述第二拟合距离,确定所述推荐构图模板。
7.根据权利要求1所述的基于人工智能的摄影辅助方法,其特征在于,所述根据所述光照分、所述色彩分、所述构图分、所述美学总分、所述推荐光照模板、所述推荐色彩模板和所述推荐构图模板对用户进行拍摄指导,包括:
语音提示用户所述美学总分大小;
若所述美学总分低于预设阈值时,比较所述光照分、所述色彩分和所述构图分的大小;
若所述光照分最低,语音提示用户改善拍摄时的用光情况并介绍所述推荐光照模板供用户参考;
若所述色彩分最低,语音提示用户改善拍摄时景物的色彩选取并介绍所述推荐色彩模板供用户参考;
若所述构图分最低,语音提示用户改善拍摄时的构图分布并介绍所述推荐构图模板供用户参考。
8.一种基于人工智能的摄影辅助装置,其特征在于,包括:
获取模块,用于获取相机预览界面图像、多个光照模板、多个色彩模板和多个构图模板;
特征提取模块,用于提取所述相机预览界面图像的光照特征、色彩特征、构图特征和美学特征;
打分模块,用于对所述光照特征进行打分确定光照分,对所述色彩特征进行打分确定色彩分,对所述构图特征进行打分确定构图分,对所述美学特征进行打分确定美学总分;
模板推荐模块,用于根据所述相机预览界面图像确定光照方向,根据所述光照方向确定推荐光照模板;
所述模板推荐模块,还用于根据所述相机预览界面图像与多个所述色彩模板的拟合距离,确定推荐色彩模板;
所述模板推荐模块,还用于根据所述相机预览界面图像与多个所述构图模板的拟合距离,确定推荐构图模板;
指导模块,用于根据所述光照分、所述色彩分、所述构图分、所述美学总分、所述推荐光照模板、所述推荐色彩模板和所述推荐构图模板对用户进行拍摄指导。
9.一种计算设备,其特征在于,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,当所述处理器执行所述程序时,实现如权利要求1-7中任一项所述的基于人工智能的摄影辅助方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时,实现如权利要求1-7中任一项所述的基于人工智能的摄影辅助方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310815842.1A CN116546310B (zh) | 2023-07-05 | 2023-07-05 | 基于人工智能的摄影辅助方法、装置、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310815842.1A CN116546310B (zh) | 2023-07-05 | 2023-07-05 | 基于人工智能的摄影辅助方法、装置、设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116546310A true CN116546310A (zh) | 2023-08-04 |
CN116546310B CN116546310B (zh) | 2023-09-15 |
Family
ID=87456350
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310815842.1A Active CN116546310B (zh) | 2023-07-05 | 2023-07-05 | 基于人工智能的摄影辅助方法、装置、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116546310B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
US20160098844A1 (en) * | 2014-10-03 | 2016-04-07 | EyeEm Mobile GmbH | Systems, methods, and computer program products for searching and sorting images by aesthetic quality |
CN108900769A (zh) * | 2018-07-16 | 2018-11-27 | 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 |
CN110476405A (zh) * | 2017-12-01 | 2019-11-19 | 三星电子株式会社 | 用于提供与拍摄有关的推荐信息的方法和系统 |
CN113781408A (zh) * | 2021-08-24 | 2021-12-10 | 北京美照算算智能科技有限公司 | 一种图像拍摄智能指导系统及方法 |
WO2022227752A1 (zh) * | 2021-04-26 | 2022-11-03 | 荣耀终端有限公司 | 拍照方法及装置 |
-
2023
- 2023-07-05 CN CN202310815842.1A patent/CN116546310B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
US20160098844A1 (en) * | 2014-10-03 | 2016-04-07 | EyeEm Mobile GmbH | Systems, methods, and computer program products for searching and sorting images by aesthetic quality |
CN110476405A (zh) * | 2017-12-01 | 2019-11-19 | 三星电子株式会社 | 用于提供与拍摄有关的推荐信息的方法和系统 |
CN108900769A (zh) * | 2018-07-16 | 2018-11-27 | 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 |
WO2022227752A1 (zh) * | 2021-04-26 | 2022-11-03 | 荣耀终端有限公司 | 拍照方法及装置 |
CN113781408A (zh) * | 2021-08-24 | 2021-12-10 | 北京美照算算智能科技有限公司 | 一种图像拍摄智能指导系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116546310B (zh) | 2023-09-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI446786B (zh) | 影像處理裝置及方法 | |
DE102018008217A1 (de) | Intelligente Anleitung zum Aufnehmen von Digitalbildern, die mit einem Zielbildmodell in Übereinstimmung gebracht sind | |
CN105608455B (zh) | 一种车牌倾斜校正方法及装置 | |
CN108027248A (zh) | 具有基于特征的定位和导航的工业车辆 | |
US20040114829A1 (en) | Method and system for detecting and correcting defects in a digital image | |
WO2017128605A1 (zh) | 一种教育玩具套件及其基于hsv的魔方颜色识别方法 | |
CN106548455A (zh) | 用于调整图像的亮度的设备和方法 | |
CN106406504B (zh) | 人机交互界面的氛围渲染系统与方法 | |
US11861810B2 (en) | Image dehazing method, apparatus, and device, and computer storage medium | |
CN1738426A (zh) | 一种视频运动目标分割与跟踪方法 | |
CN109886153B (zh) | 一种基于深度卷积神经网络的实时人脸检测方法 | |
CN108133216A (zh) | 基于机器视觉的可实现小数点读取的数码管读数识别方法 | |
CN110163810A (zh) | 一种图像处理方法、装置以及终端 | |
CN112434699A (zh) | 手写汉字或偏旁、笔划的自动提取及智能评分系统 | |
CN109274883A (zh) | 姿态矫正方法、装置、终端及存储介质 | |
CN106203428B (zh) | 基于模糊估计融合的图像显著性检测方法 | |
KR20210000872A (ko) | 인공지능을 이용하여 이미지의 객체를 제거하는 방법 | |
CN104392211A (zh) | 一种基于显著性检测的皮肤识别方法 | |
WO2022218082A1 (zh) | 基于人工智能的图像处理方法、装置、电子设备、计算机可读存储介质及计算机程序产品 | |
CN110390228A (zh) | 基于神经网络的交通标志图片识别方法、装置及存储介质 | |
CN114463197A (zh) | 一种用于电力设备的文本识别方法及设备 | |
CN116546310B (zh) | 基于人工智能的摄影辅助方法、装置、设备和介质 | |
CN113781408A (zh) | 一种图像拍摄智能指导系统及方法 | |
JP4496005B2 (ja) | 画像処理方法および画像処理装置 | |
Smiatacz | Normalization of face illumination using basic knowledge and information extracted from a single image |
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 |