KR101759453B1 - 자동 이미지 크로핑 및 공유 - Google Patents

자동 이미지 크로핑 및 공유 Download PDF

Info

Publication number
KR101759453B1
KR101759453B1 KR1020167003664A KR20167003664A KR101759453B1 KR 101759453 B1 KR101759453 B1 KR 101759453B1 KR 1020167003664 A KR1020167003664 A KR 1020167003664A KR 20167003664 A KR20167003664 A KR 20167003664A KR 101759453 B1 KR101759453 B1 KR 101759453B1
Authority
KR
South Korea
Prior art keywords
subject
image
digital image
imaging device
sub
Prior art date
Application number
KR1020167003664A
Other languages
English (en)
Other versions
KR20160032170A (ko
Inventor
시바니 샤
마르시 메인가스트
Original Assignee
인텔 코포레이션
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 인텔 코포레이션 filed Critical 인텔 코포레이션
Publication of KR20160032170A publication Critical patent/KR20160032170A/ko
Application granted granted Critical
Publication of KR101759453B1 publication Critical patent/KR101759453B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/5854—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using shape and object relationship
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2457—Query processing with adaptation to user needs
    • G06F16/24575—Query processing with adaptation to user needs using context
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/951—Indexing; Web crawling techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/60—Editing figures and text; Combining figures or text
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/30—Scenes; Scene-specific elements in albums, collections or shared content, e.g. social network photos or video
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L65/00—Network arrangements, protocols or services for supporting real-time applications in data packet communication
    • H04L65/60—Network streaming of media packets
    • H04L65/75—Media network packet handling
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/222—Studio circuitry; Studio devices; Studio equipment
    • H04N5/262—Studio circuits, e.g. for mixing, switching-over, change of character of image, other special effects ; Cameras specially adapted for the electronic generation of special effects
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/222—Studio circuitry; Studio devices; Studio equipment
    • H04N5/262—Studio circuits, e.g. for mixing, switching-over, change of character of image, other special effects ; Cameras specially adapted for the electronic generation of special effects
    • H04N5/2628—Alteration of picture size, shape, position or orientation, e.g. zooming, rotation, rolling, perspective, translation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Library & Information Science (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Computational Linguistics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Studio Devices (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

이미지들의 자동 크로핑 및 공유를 위한 기술들은 디지털 이미지를 캡처하고, 이미지 내에 표현된 하나 이상의 피사체를 인식하고, 디지털 이미지의 피사체들과 관련된 소셜 네트워크 그룹들을 결정하고, 디지털 이미지를 크로핑하여 하나 이상의 서브이미지를 생성하도록 구성되는 이미징 장치를 포함한다. 서브이미지들 각각은 특정 소셜 네트워크 그룹과 관련된 피사체들을 포함한다. 서브이미지들 각각은 관련 소셜 네트워크 그룹과 공유될 수 있다. 피사체들은 사람들, 물체들 또는 이벤트들을 포함할 수 있으며, 컴퓨터 비전 기술들을 통해서는 물론, 상황 데이터를 이용하여 인식될 수 있다. 이미징 장치는 하나 이상의 소셜 네트워크 서버로부터 소셜 네트워크 데이터를 수신할 수 있으며, 이는 관련 소셜 네트워크 그룹들을 결정하는 데 사용될 수 있다. 이미징 장치는 또한 하나 이상의 콘텐츠 정책에 기초하여, 크로핑된 서브이미지들로부터 피사체들을 배제할 수 있다. 다른 실시예들이 설명되고 청구된다.

Description

자동 이미지 크로핑 및 공유{AUTOMATED IMAGE CROPPING AND SHARING}
디지털 이미지들 및 미디어는 많은 사람의 삶에서 중요성이 증가하고 있다. 이미지들 및 미디어는 통신을 위해 그리고 자기표현(self-expression)을 위해 대부분의 사람에 의해 사용된다. 디지털 이미지들 및 미디어의 사용을 통해, 사람은 가족, 친구 및 일반 대중을 포함하는 다른 사람과의 감정적 연결을 형성할 수 있다.
많은 사람은 그들의 개인 경험을, 예를 들어, 소셜 네트워킹 웹사이트를 통해 다른 사람과 공유하기 위한 증가하는 소망을 갖는다. 특히, 많은 사람은 그러한 웹사이트 상에서 디지털 이미지들의 공유를 즐긴다. 그러나, 이미지들을 공유하는 동시에 개인 프라이버시를 유지하는 것은 많은 사람의 관심사이다. 통상적으로, 사람은 이미지를 공유하기 전에 특정 연락처들 또는 연락처들의 그룹들을 수동으로 지정해야 한다. 게다가, 사람은 통상적으로 프라이버시의 보증이 필요한 경우에 디지털 이미지들을 공유 전에 수동으로 크로핑 또는 수정해야 한다.
본 명세서에서 설명되는 개념들은 첨부 도면들에서 한정이 아니라 예시적으로 도시된다. 도시의 간명화를 위해, 도면들 내에 도시되는 요소들은 반드시 축척대로 그려지지는 않는다. 적절한 것으로 간주된 경우에, 대응하거나 유사한 요소들을 지시하기 위해 도면들 간에서 참조 부호들이 반복되었다.
도 1은 자동 이미지 크로핑 및 공유를 위한 시스템의 적어도 하나의 실시예의 간이 블록도이다.
도 2는 도 1의 시스템에 의해 설정될 수 있는 다양한 환경들의 적어도 하나의 실시예의 간이 블록도이다.
도 3은 도 1 및 2의 시스템의 이미징 장치에 의해 실행될 수 있는 자동 이미지 크로핑 및 공유를 위한 방법의 적어도 하나의 실시예의 간이 흐름도이다.
도 4는 도 1 및 2의 이미징 장치에 의해 실행될 수 있는 구성 규칙들을 이용하는 이미지 크로핑을 위한 방법의 적어도 하나의 실시예의 간이 흐름도이다.
도 5는 도 1 및 2의 이미징 장치에 의해 캡처될 수 있는 이미지의 예시이다.
도 6a-6c는 도 1 및 2의 이미징 장치에 의해 생성될 수 있는 서브이미지들의 예시들이다.
본 개시 내용의 개념들은 다양한 변경들 및 대안 형태들이 가능하지만, 본 개시 내용의 특정 실시예들이 도면들에 예시적으로 도시되었고 본 명세서에서 상세히 설명될 것이다. 그러나, 본 개시 내용의 개념들을 개시되는 특정 형태들로 한정하는 것을 의도하는 것이 아니라, 본 개시 내용 및 첨부된 청구항들에 따른 모든 변경들, 균등물들 및 대안들을 커버하는 것을 의도한다는 것을 이해해야 한다.
본 명세서에서 "하나의 실시예", "일 실시예", "예시적인 실시예" 등에 대한 참조들은 설명되는 실시예가 특정 특징, 구조 또는 특성을 포함할 수 있지만, 모든 실시예가 그러한 특정 특징, 구조 또는 특성을 포함할 수 있거나 반드시 포함할 필요는 없을 수 있다는 것을 지시한다. 더욱이, 그러한 문구들은 반드시 동일 실시예를 지칭하지는 않는다. 또한, 특정 특징, 구조 또는 특성이 일 실시예와 관련하여 설명될 때, 명확히 설명되는지의 여부에 관계없이 그러한 특징, 구조 또는 특성을 다른 실시예들과 관련하여 실시하는 것은 통상의 기술자의 지식 내에 있다는 것을 주장한다. 게다가, "A, B 및 C 중 적어도 하나"의 형태로 리스트 내에 포함되는 아이템들은 (A); (B); (C); (A 및 B); (A 및 C); (B 및 C); 또는 (A, B 및 C)를 의미할 수 있다는 것을 알아야 한다. 유사하게, "A, B 또는 C 중 적어도 하나"의 형태로 열거되는 아이템들은 (A); (B); (C); (A 및 B); (A 및 C); (B 및 C); 또는 (A, B 및 C)를 의미할 수 있다.
개시되는 실시예들은 일부 예들에서 하드웨어, 펌웨어, 소프트웨어 또는 이들의 임의 조합에서 구현될 수 있다. 개시되는 실시예들은 하나 이상의 프로세서에 의해 판독 및 실행될 수 있는 일시적 또는 비일시적 머신 판독 가능(예로서, 컴퓨터 판독 가능) 저장 매체에 의해 운반되거나 그에 저장되는 명령어들로서 구현될 수도 있다. 머신 판독 가능 저장 매체는 머신에 의해 판독될 수 있는 형태로 정보를 저장 또는 전송하기 위한 임의의 저장 장치, 메커니즘 또는 기타 물리 구조(예로서, 휘발성 또는 비휘발성 메모리, 매체 디스크 또는 다른 매체 장치)로서 구현될 수 있다.
도면들에서, 일부 구조 또는 방법 특징들은 특정 배열들 및/또는 순서들로 도시될 수 있다. 그러나, 그러한 특정 배열들 및/또는 순서들은 필요하지 않을 수 있다는 것을 알아야 한다. 오히려, 일부 실시예들에서, 그러한 특징들은 예시적인 도면에 도시된 것과 다른 방식 및/또는 순서로 배열될 수 있다. 게다가, 특정 도면 내의 구조 또는 방법 특징의 포함은 그러한 특징이 모든 실시예들에서 필요하다는 것을 암시하는 것을 의도하지 않으며, 일부 실시예들에서 그러한 특징은 포함되지 않을 수 있거나, 다른 특징들과 결합될 수 있다.
이제, 도 1을 참조하면, 일 실시예에서, 자동 이미지 크로핑 및 공유를 위한 시스템(100)은 이미징 장치(102) 및 일부 실시예들에서는 하나 이상의 소셜 네트워크 서버(104) 및 이미지 저장 서버(106)를 포함한다. 이미징 장치(102), 소셜 네트워크 서버(104) 및 이미지 저장 서버(106)는 네트워크(108)를 통해 서로 통신할 수 있다. 아래에서 더 상세히 설명되는 바와 같이, 사용시에, 이미징 장치(102)는 디지털 이미지를 캡처하고, 디지털 이미지를 처리하여 이미지 내에 표현된 피사체들을 검출 및 인식한다. 피사체들은 이미지 내에 묘사된 사람들, 물체들 또는 이벤트들을 포함할 수 있다. 이미징 장치(102)는 이미지 내에서 인식된 피사체들을 이미징 장치(102)의 사용자의 관련 소셜 네트워크 그룹들과 관련시킨다. 소셜 네트워크 그룹은 사용자의 소셜 네트워크 데이터로부터 생성된 연락처들(예로서, 소셜 네트워크 사이트 상의 또는 사용자의 연락처 리스트 내의 연락처들)의 집합으로서 구현될 수 있다. 소셜 네트워크 데이터는 이미징 장치(102) 상에 또는 하나 이상의 소셜 네트워크 서버(104) 상에 국지적으로 저장될 수 있다. 소셜 네트워크 그룹들을 관련시킨 후에, 이미징 장치(102)는 각각의 관련 소셜 네트워크 그룹에 대한 서브이미지를 생성하여, 관련된 피사체들을 포함하고 무관한 피사체들을 배제하도록 이미지를 크로핑한다. 이미징 장치(102)는 하나 이상의 구성 규칙을 이용하여, 심미적으로 즐거운 서브이미지들을 자동 방식으로 생성한다. 서브이미지들이 생성된 후, 이미징 장치(102)는 관련 소셜 네트워크 그룹들과 서브이미지들을 공유한다. 예를 들어, 이미징 장치(102)는 서브이미지들을 소셜 네트워크 서버(들)(104) 또는 이미지 저장 서버(106)로 전송하여 서브이미지들을 공유할 수 있다.
따라서, 자동 이미지 크로핑 및 공유는 지루하고 수동적인 크로핑 및 분류 없이 이미지 공유를 가능하게 한다. 따라서, 사용자는 더 많은 이미지를 더 많은 수신자와 공유할 수 있다. 게다가, 사용자들은 이미지들의 공유에 대해 더 자신감을 가질 수 있는데, 그 이유는 자동 이미지 공유가 공유 이미지들을 적당한 시청자들로 한정하여, 특히 불쾌한 콘텐츠의 공유를 방지하고, 따라서 일부 예들에서는 프라이버시를 보호하는 것을 돕기 때문이다.
이미징 장치(102)는 본 명세서에서 설명되는 기능들을 수행할 수 있는 임의 타입의 장치로서 구현될 수 있으며, 이러한 장치는 디지털 카메라, 스마트폰, 셀룰러 전화, 핸드셋, 컴퓨터, 태블릿 컴퓨터, 랩탑 컴퓨터, 노트북 컴퓨터, 메시징 장치, 차량 텔레매틱스 장치, 네트워크 장비, 웹 장비, 분산 컴퓨팅 시스템, 멀티프로세서 시스템, 프로세서 기반 시스템 및/또는 소비자 전자 장치를 포함하지만 이에 한정되지 않는다. 도 1에 도시된 바와 같이, 이미징 장치(102)는 프로세서(120), 입출력 서브시스템(122), 메모리(124), 데이터 저장 장치(126) 및 통신 회로(132)를 포함한다. 물론, 이미징 장치(102)는 다른 실시예들에서 이동 이미징 장치에서 일반적으로 발견되는 것들과 같은 다른 또는 추가적인 컴포넌트들(예로서, 다양한 입출력 장치들)을 포함할 수 있다. 게다가, 일부 실시예들에서, 예시적인 컴포넌트들 중 하나 이상은 다른 컴포넌트 내에 통합되거나, 달리 그의 일부를 형성할 수 있다. 예를 들어, 메모리(124) 또는 그의 부분들은 일부 실시예들에서 프로세서(120) 내에 통합될 수 있다.
프로세서(120)는 본 명세서에서 설명되는 기능들을 수행할 수 있는 임의 타입의 프로세서로서 구현될 수 있다. 예를 들어, 프로세서(120)는 단일 또는 다중 코어 프로세서(들), 디지털 신호 프로세서, 마이크로컨트롤러, 또는 다른 프로세서 또는 처리/제어 회로로서 구현될 수 있다. 유사하게, 메모리(124)는 본 명세서에서 설명되는 기능들을 수행할 수 있는 임의 타입의 휘발성 또는 비휘발성 메모리 또는 데이터 저장소로서 구현될 수 있다. 동작시에, 메모리(124)는 운영 체제, 애플리케이션, 프로그램, 라이브러리 및 드라이버와 같이 이미징 장치(102)의 동작 동안 사용되는 다양한 데이터 및 소프트웨어를 저장할 수 있다. 메모리(124)는 이미징 장치(102)의 프로세서(120), 메모리(124) 및 다른 컴포넌트들과의 입출력 동작들을 촉진하기 위한 회로 및/또는 컴포넌트들로서 구현될 수 있는 I/O 서브시스템(122)을 통해 프로세서(120)에 통신적으로 결합된다. 예를 들어, I/O 서브시스템(122)은 메모리 제어기 허브, 입출력 제어 허브, 펌웨어 장치, 통신 링크(즉, 점대점 링크, 버스 링크, 와이어, 케이블, 광 가이드, 인쇄 회로 보드 트레이스 등) 및/또는 입출력 동작들을 촉진하기 위한 다른 컴포넌트 및 서브시스템으로서 구현되거나 달리 이들을 포함할 수 있다. 일부 실시예들에서, I/O 서브시스템(122)은 시스템-온-칩(SoC)의 일부를 형성하고, 이미징 장치(102)의 프로세서(120), 메모리(124) 및 다른 컴포넌트들과 함께 단일 집적 회로 칩 상에 통합될 수 있다.
데이터 저장 장치(126)는 예를 들어 메모리 장치 및 회로, 메모리 카드, 하드 디스크 드라이브, 반도체 드라이브 또는 다른 데이터 저장 장치와 같이 데이터의 단기 또는 장기 저장을 위해 구성되는 임의 타입의 장치 또는 장치들로서 구현될 수 있다. 데이터 저장 장치(126)는 잠재적으로 불쾌한 콘텐츠를 식별하는 데 사용되는 하나 이상의 콘텐츠 정책(128)은 물론, 자동 이미지 크로핑을 위해 사용되는 하나 이상의 구성 규칙(130)도 저장할 수 있다.
이미징 장치(102)의 통신 회로(132)는 네트워크(108)를 통해 이미징 장치(102), 소셜 네트워크 서버(들)(104), 이미지 저장 서버(106) 및/또는 다른 원격 장치들 간의 통신을 가능하게 할 수 있는 임의의 통신 회로, 장치 또는 이들의 집합으로서 구현될 수 있다. 통신 회로(132)는 임의의 하나 이상의 통신 기술(예로서, 무선 또는 유선 통신) 및 관련 프로토콜(예로서, 이더넷, 블루투스(등록상표), 와이파이(등록상표), WiMAX 등)을 이용하여 그러한 통신을 실행하도록 구성될 수 있다.
예시적인 실시예에서, 이미징 장치(102)는 디스플레이(134), 다수의 상황 센서(들)(136) 및 카메라(140)를 더 포함한다. 이미징 장치(102)의 디스플레이(134)는 액정 디스플레이(LCD), 발광 다이오드(LED), 플라즈마 디스플레이, 음극선관(CRT) 또는 다른 타입의 디스플레이 장치와 같이 디지털 정보를 표시할 수 있는 임의 타입의 디스플레이로서 구현될 수 있다. 일부 실시예들에서, 디스플레이(134)는 이미징 장치(102)와의 사용자 상호작용을 허용하기 위해 터치스크린에 결합될 수 있다.
상황 센서(들)(136)는 이미징 장치(102) 및/또는 이미징 장치(102)의 사용자의 상황을 지시하는 디지털 데이터를 생성할 수 있는 임의 타입의 센서(들)로서 구현될 수 있다. 예를 들어, 예시적인 실시예에서, 상황 센서들(136)은 위치 회로(138)를 포함한다. 위치 회로(138)는 이미징 장치(102)의 정밀 또는 근사 위치를 결정할 수 있는 임의 타입의 센서 또는 회로로서 구현될 수 있다. 예를 들어, 위치 회로(138)는 이미징 장치(102)의 정밀 좌표를 결정할 수 있는 글로벌 포지셔닝 시스템("GPS") 수신기로서 구현될 수 있다. 다른 실시예들에서, 위치 회로(138)는 통신 회로(132)에 의해 제공되는 공지 위치들을 갖는 셀룰러 네트워크 타워들 또는 다른 구조들에 대한 거리들 및/또는 각도들을 이용하여 이미징 장치(102)의 위치를 결정하기 위해 삼변 측량 및/또는 삼각 측량을 이용할 수 있다. 다른 실시예들에서, 위치 회로(138)는 통신 회로(132)를 이용하여 공지 위치들을 갖는 무선 네트워크들 및/또는 액세스 포인트들에 대한 관련성에 기초하여 이미징 장치(102)의 근사 위치를 결정할 수 있다.
카메라(140)는 이미징 장치(102)와 통합되거나 달리 그에 통신적으로 결합되는 디지털 카메라 또는 다른 디지털 이미징 장치로서 구현될 수 있다. 카메라(140)는 능동 픽셀 센서(APS), 예로서 상보형 금속-산화물-반도체(CMOS) 센서 또는 전하 결합 소자(CCD)와 같은 전자 이미지 센서를 포함할 수 있다. 카메라(140)는 정지 이미지들 및/또는 비디오를 캡처할 수 있다. 일부 실시예들에서, 카메라(140)는 예를 들어 깊이 카메라, 입체 카메라, 구조화된 광센서, 거리계, 광 필드 센서, 또는 깊이 정보를 캡처할 수 있는 임의의 다른 센서를 이용하여, 장면을 설명하는 삼차원 깊이 이미징을 캡처할 수 있다.
소셜 네트워크 서버들(104) 각각은 이미징 장치(102)의 사용자의 소셜 네트워크 데이터를 저장하고 그의 검색을 가능하게 하도록 구성된다. 각각의 소셜 네트워크 서버(104)는 본 명세서에서 설명되는 기능들을 수행할 수 있는 임의 타입의 서버 컴퓨팅 장치 또는 장치들의 집합으로서 구현될 수 있다. 따라서, 각각의 소셜 네트워크 서버(104)는 단일 서버 컴퓨팅 장치 또는 서버들과 관련 장치들의 집합으로서 구현될 수 있다. 예를 들어, 일부 실시예들에서, 각각의 소셜 네트워크 서버(104)는 네트워크(108) 전반에 분산되고 공개 또는 비공개 클라우드에서 동작하는 다수의 컴퓨팅 장치로부터 형성되는 "가상 서버"로서 구현될 수 있다. 따라서, 소셜 네트워크 서버(들)(104)는 도 1에 단일 서버 컴퓨팅 장치로서 구현되는 것으로 도시되지만, 각각의 소셜 네트워크 서버(104)는 후술하는 기능을 촉진하도록 함께 협력하는 다수의 장치로서 구현될 수 있다는 것을 알아야 한다. 또한, 각각의 소셜 네트워크 서버(104)는 이미징 장치(102) 및/또는 통상적인 데이터 서버들과 유사한 컴포넌트들 또는 특징들, 예로서 프로세서, I/O 서브시스템, 메모리, 데이터 저장소, 통신 회로 및 다양한 주변 장치들을 포함할 수 있으며, 이들은 본 설명의 명료화를 위해 도 1에 도시되지 않는다.
이미지 저장 서버(106)는 이미징 장치(102)에 의해 생성되는 크로핑된 이미지들을 저장하고 그들의 공유를 가능하게 하도록 구성된다. 이미지 저장 서버(106)는 본 명세서에서 설명되는 기능들을 수행할 수 있는 임의 타입의 서버 컴퓨팅 장치 또는 장치들의 집합으로서 구현될 수 있다. 따라서, 소셜 네트워크 서버들(104)과 유사하게, 이미지 저장 서버(106)는 단일 서버 컴퓨팅 장치 또는 서버들과 관련 장치들의 집합으로서 구현될 수 있다. 예를 들어, 일부 실시예들에서, 이미지 저장 서버(106)는 네트워크(108) 전반에 분산되고 공개 또는 비공개 클라우드에서 동작하는 다수의 컴퓨팅 장치로부터 형성되는 "가상 서버"로서 구현될 수 있다. 따라서, 이미지 저장 서버(106)는 도 1에 단일 서버 컴퓨팅 장치로서 구현되는 것으로 도시되지만, 이미지 저장 서버(106)는 후술하는 기능을 촉진하도록 함께 협력하는 다수의 장치로서 구현될 수 있다는 것을 알아야 한다. 또한, 이미지 저장 서버(106)는 이미징 장치(102) 및/또는 소셜 네트워크 서버(들)(104)과 유사한 컴포넌트들 또는 특징들, 예로서 프로세서, I/O 서브시스템, 메모리, 데이터 저장소, 통신 회로 및 다양한 주변 장치들을 포함할 수 있으며, 이들은 본 설명의 명료화를 위해 도 1에 도시되지 않는다. 추가로 또는 대안으로서, 일부 실시예들에서, 이미지 저장 서버(106) 또는 이미지 저장 서버(106)의 기능은 하나 이상의 소셜 네트워크 서버(들)(104) 내에 통합될 수 있다.
아래에서 더 상세히 설명되는 바와 같이, 이미징 장치(102), 소셜 네트워크 서버(들)(104) 및 이미지 저장 서버(106)는 네트워크(108)를 통해 서로 그리고/또는 시스템(100)의 다른 장치들과 데이터를 송신 및 수신하도록 구성될 수 있다. 네트워크(108)는 임의 수의 다양한 유선 및/또는 무선 네트워크로서 구현될 수 있다. 예를 들어, 네트워크(108)는 유선 또는 무선 근거리 네트워크(LAN), 유선 또는 무선 광역 네트워크(WAN), 셀룰러 네트워크 및/또는 공개적으로 액세스 가능한 글로벌 네트워크, 예로서 인터넷으로서 구현되거나 달리 이들을 포함할 수 있다. 따라서, 네트워크(108)는 시스템(100)의 장치들 간의 통신을 촉진하기 위한 추가적인 컴퓨터, 라우터 및 스위치와 같은 임의 수의 추가 장치를 포함할 수 있다.
이제, 도 2를 참조하면, 예시적인 실시예에서, 이미징 장치(102)는 동작 동안 환경(200)을 설정한다. 예시적인 환경(200)은 이미지 캡처 모듈(202), 피사체 인식 모듈(204), 소셜 네트워크 모듈(210), 이미지 크롭 모듈(212) 및 이미지 공유 모듈(214)을 포함한다. 환경(200)은 콘텐츠 정책들(216), 구성 규칙들(218) 및 일부 실시예들에서는 소셜 네트워크 데이터(220)를 더 포함한다. 환경(200)의 다양한 모듈들은 하드웨어, 펌웨어, 소프트웨어 또는 이들의 조합으로서 구현될 수 있다.
이미지 캡처 모듈(202)은 사용자의 방향에서 디지털 이미지들을 캡처하도록 구성된다. 이미지 캡처 모듈(202)은 카메라(140)와 같은 이미지 캡처 하드웨어를 이용하여 이미지들을 직접 캡처할 수 있다. 추가로 또는 대안으로서, 이미지 캡처 모듈(202)은 개별 전용 디지털 카메라, 네트워크 파일 서버 또는 다른 이미지 소스와 같은 외부 장치로부터 이미지들을 수신함으로써 이미지들을 캡처할 수 있다. 그러한 실시예들에서, 이미지 캡처 모듈(202)은 예를 들어 디스플레이(134) 상에 표시되는 사용자 인터페이스를 이용하여 캡처를 위한 이미지의 선택을 가능하게 할 수 있다.
피사체 인식 모듈(204)은 디지털 이미지 데이터 내에 표현되는 사람, 물체 또는 이벤트와 같은 피사체들을 검출 및 인식하도록 구성된다. 피사체들은 아래에서 더 설명되는 바와 같이 얼굴 인식 알고리즘 또는 물체 인식 및 분류 알고리즘과 같은 컴퓨터 비전 기술들을 이용하여 인식될 수 있다. 일부 실시예들에서, 그러한 기능들은 서브모듈들에 의해, 예로서 얼굴 검출 및 인식 모듈(206) 또는 물체/이벤트 검출 및 인식 모듈(208)에 의해 수행될 수 있다.
소셜 네트워크 모듈(210)은 소셜 네트워크 그룹들을 디지털 이미지 내에서 인식된 피사체들과 관련시키도록 구성된다. 예를 들어, 소셜 네트워크 모듈(210)은 인식된 사람들을 그들이 멤버로 있는 소셜 네트워크 그룹들과 관련시킬 수 있다. 소셜 네트워크 모듈(210)은 또한 물체들 또는 이벤트들을 그 물체/이벤트 또는 물체/이벤트의 클래스와 관련된 그룹들과 관련시킬 수 있다. 소셜 네트워크 그룹들은 후술하는 바와 같이 소셜 네트워크 데이터(220) 내에 정의될 수 있다.
이미지 크롭 모듈(212)은 아래에서 더 상세히 설명되는 바와 같이 관련 소셜 네트워크 그룹들에 대한 캡처된 디지털 이미지에 기초하여 서브이미지들을 생성하도록 구성된다. 예를 들어, 각각의 관련 소셜 네트워크 그룹에 대해, 이미지 크롭 모듈(212)은 대응하는 서브이미지로부터 각각 포함하고 배제할 피사체들을 열거하는 크롭 포함 타겟들 및 크롭 배제 타겟들을 생성한다. 이미지 크롭 모듈(212)은 서브이미지로부터 배제할 피사체들을 식별하기 위해, 예로서 각각의 소셜 네트워크 그룹에 대한 잠재적으로 불쾌한 또는 모욕적인 물체들 또는 이벤트들을 식별하기 위해 콘텐츠 정책들(216)을 참조할 수 있다. 서브이미지들을 생성할 때, 이미지 크롭 모듈(212)은 하나 이상의 구성 규칙들(218)을 적용하여, 생성되는 서브이미지의 외관을 제어한다.
소셜 네트워크 데이터(220)는 이미징 장치(102)의 사용자의 소셜 연락처들을 설명 또는 분류하는 임의의 데이터를 포함할 수 있다. 소셜 네트워크 데이터(220)는 사용자의 연락처들을 소셜 네트워크 그룹들의 집합으로서 체계화한다. 소셜 네트워크 그룹들은 사용자에 의해, 예를 들어 연락처들을 친구, 가족, 동료 또는 다른 그룹과 같은 그룹들로 그룹핑함으로써 정의될 수 있다. 일부 실시예들에서, 소셜 네트워크 그룹들은 소셜 네트워크 데이터(220) 내에 저장된 연락처들 간의 관계들에 기초하여 결정될 수 있다. 게다가, 소셜 네트워크 데이터(220)는 소셜 네트워크 그룹들과 다양한 물체들 또는 이벤트들 간의 관련성을 정의할 수 있다. 예를 들어, 소셜 네트워크 그룹은 스포츠 팬, 자동차 애호가, 극장 고객 및 다른 유사한 관련성과 같은 특정 물체 또는 이벤트에 대한 친화성을 갖는 연락처들을 포함할 수 있다. 일부 실시예들에서, 소셜 네트워크 데이터(220)는 특정 연락처들, 물체들, 이벤트들 또는 소셜 네트워크 그룹들을 나타내는 노드들 및 노드들 간의 관계들을 나타내는 에지들을 갖는 방향성 그래프로서 구현될 수 있다. 추가로 또는 대안으로서, 소셜 네트워크 데이터(220)는 연락처 리스트, 주소록 또는 유사한 데이터 구조와 같은 연락처 정보의 데이터베이스 또는 플랫 리스트로서 구현될 수 있다. 소셜 네트워크 데이터(220)는 이미징 장치(102)에 의해 국지적으로 저장될 수 있거나, 하나 이상의 원격 소셜 네트워크 서버(104) 상에 저장될 수 있다.
콘텐츠 정책들(216)은 관련 소셜 네트워크 그룹들에 기초하여, 크로핑된 서브이미지들로부터 인식된 피사체들을 포함할지 또는 배제할지를 정의하는 규칙들의 세트를 포함한다. 예를 들어, 콘텐츠 정책들(216)은 각각의 소셜 네트워크 그룹에 대한 불쾌한, 모욕적인, 무관한 또는 달리 바람직하지 않은 물체들 또는 이벤트들 세트를 포함할 수 있다. 따라서, 이미지 크롭 모듈(212)은 서브이미지의 시청자에 기초하여 서브이미지들로부터 부적합한 콘텐츠를 자동으로 필터링할 수 있다. 콘텐츠 정책들(216)은 이미징 장치(102)의 사용자에 의해 구성될 수 있고/있거나, 학습되거나 달리 시간 경과에 따라 갱신될 수 있다.
구성 규칙들(218)은 심미적으로 즐거운 이미지 구성들을 설명하는 규칙들 또는 정책들의 세트로서 구현될 수 있다. 각각의 구성 규칙(218)은 생성되는 서브이미지 내의 피사체들의 적절한 배치, 적절한 이미지 해상도 및 종횡비, 서브이미지 내의 피사체들의 적절한 크기 및 수 및/또는 생성되는 서브이미지들의 구성의 다른 양태들을 설명하는 규칙들 또는 정책들을 포함할 수 있다. 아래에서 더 상세히 설명되는 바와 같이, 이미지 크롭 모듈(212)은 구성 규칙들(218)을 조회하여 구성 규칙들(218) 중 어느 것이 특정 디지털 이미지에 적용될 때 허용 서브이미지를 성공적으로 생성할지 여부를 결정할 수 있다. 구성 규칙들(218)은 미리 결정된 우선 순위로 또는 이미징 장치(102)의 사용자에 의해 지정되는 바와 같이 적용될 수 있다. 구성 규칙들(218)은 예를 들어 삼등분 규칙 및 초상화 구성 규칙을 포함하는 전통적인 사진 기술들에 기초할 수 있다. 구성 규칙들(218)은 다른 구성 규칙들(218)이 허용 서브이미지를 생성하지 못할 때 대비 규칙도 포함할 수 있다.
도 2를 계속 참조하면, 이미징 장치(102)는 하나 이상의 소셜 네트워크 서버(104)와 통신할 수 있으며, 이들 각각은 동작 동안 환경(240)을 설정할 수 있다. 예시적인 환경(240)은 소셜 네트워크 데이터(220)를 포함하며, 크로핑된 이미지 데이터(242)를 포함할 수 있다. 소셜 네트워크 데이터(220)는 전술한 것들과 동일한 기능들을 수행하도록 구성된다. 크로핑된 이미지 데이터(242)는 이미징 장치(102)에 의해 생성되고 그로부터 수신되는 크로핑된 서브이미지들을 저장하도록 구성된다. 크로핑된 이미지 데이터(242)는 서브이미지들에 대한 액세스를 적절한 소셜 네트워크 그룹들의 멤버들로 제한한다. 환경(240)의 다양한 모듈들은 하드웨어, 펌웨어, 소프트웨어 또는 이들의 조합으로서 구현될 수 있다.
게다가, 이미징 장치(102)는 동작 동안 환경(260)을 설정할 수 있는 이미지 저장 서버(106)와 통신할 수 있다. 예시적인 환경(260)은 전술한 것과 동일한 기능들을 수행하도록 구성되는 크로핑된 이미지 데이터(242)를 포함한다. 환경(260)의 다양한 모듈들은 하드웨어, 펌웨어, 소프트웨어 또는 이들의 조합으로서 구현될 수 있다.
이제, 도 3을 참조하면, 사용시에, 이미징 장치(102)는 자동 이미지 크로핑 및 공유를 위한 방법(300)을 실행할 수 있다. 방법(300)은 블록 302에서 시작되며, 여기서 이미징 장치(102)는 디지털 이미지를 캡처한다. 이미징 장치(102)는 카메라(140)를 이용하여 새로운 이미지를 캡처할 수 있거나, 이미징 장치(102)는 기존 이미지를 선택할 수 있다. 기존 이미지는 이미징 장치(102)에 의해 카메라(140)를 이용하여 이전에 캡처되었을 수 있거나, 개별 디지털 카메라들과 같은 다른 장치로부터 수신되었을 수 있다.
블록 304에서, 이미징 장치(102)는 디지털 이미지를 처리한다. 예를 들어, 블록 306에서, 이미징 장치(102)는 디지털 이미지를 처리하여, 디지털 이미지 내에 표현된 피사체들을 검출한다. 검출된 피사체들은 디지털 이미지에 의해 표현되는 임의의 특징을 포함할 수 있으며, 이는 사람 얼굴, 사람, 물체 또는 이벤트와 같이 체계화 또는 공유를 위한 기초를 제공할 수 있다. 피사체들의 검출은 디지털 이미지 내의 피사체의 존재의 결정은 물론, 디지털 이미지 내의 피사체의 상대 위치의 결정도 포함한다. 피사체의 위치는 검출된 피사체를 포함하는 디지털 이미지의 최소 직사각 영역인 경계 박스에 의해 설명될 수 있다. 블록 308에서, 이미징 장치(102)는 디지털 이미지를 처리하여, 검출된 피사체들을 인식한다. 피사체들은 식별 정보를 특정 피사체와 관련시킴으로써 인식될 수 있다. 예를 들어, 검출된 사람들은 이름 또는 소셜 네트워크 프로필과 같은 식별 정보를 결정함으로써 인식될 수 있다. 검출된 물체들 또는 이벤트들은 검출된 피사체를 분류하거나 라벨링하거나 달리 시맨틱 정보(예로서, 물체의 형상)와 관련시킴으로써 인식될 수 있다. 이미징 장치(102)는 임의의 공지 알고리즘을 수행하여 디지털 이미지 내의 피사체들을 검출 및/또는 인식할 수 있다. 일부 실시예들에서, 이미징 장치(102)는 디지털 이미지 데이터 외의 추가 데이터를 이용하여 피사체들을 검출 및/또는 인식할 수 있다. 예를 들어, 이미징 장치(102)는 상황 센서(들)(136)로부터 수신되는 상황 데이터 또는 깊이 카메라로부터 수신되는 삼차원 깊이 데이터를 이용할 수 있다.
블록 310에서, 일부 실시예들에서, 이미징 장치(102)는 얼굴 검출 및 인식을 수행하여, 디지털 이미지에 표현된 피사체들을 검출 및 인식할 수 있다. 얼굴 검출 및 인식을 위한 임의의 공지된 머신 학습 기술, 예로서 간단한 특징들의 부스팅된 캐스케이드로부터의 고속 검출이 이용될 수 있다. 예시적인 얼굴 검출 및 인식 알고리즘들이 Paul Viola & Michael J. Jones, Robust Real-Time Face Detection, 57 Int'l J. Comp. Vision 137 (2004); Andrew Wagner et al., Towards a Practical Face Recognition System: Robust Alignment and Illumination by Sparse Representation, 34 IEEE Transactions on Pattern Analysis & Machine Intelligence 372 (2012)에 설명되어 있다. 인식된 얼굴들은 소셜 네트워크 데이터(220) 내에서 설명되는 특정 사람들 또는 프로필들과 관련될 수 있다.
블록 312에서, 일부 실시예들에서, 이미징 장치(102)는 물체 및/또는 이벤트 인식 및/또는 검출을 수행할 수 있다. 물체들 및 이벤트들을 검출, 분류 또는 식별하기 위한 임의의 공지된 머신 학습 기술이 이용될 수 있다. 예를 들어, 물체들 및 이벤트들은 예를 들어 Gabriella Csurka et al., Visual Categorization with Bags of Keypoints, Proc. of ECCV Int'l Workshop on Statistical Learning in Computer Vision (2004); Li Fei-Fei & Pietro Perona, A Bayesian Hierarchial Model for Learning Natural Scene Categories, Proc. of IEEE Computer Vision & Pattern Recognition 524 (2005)에서 설명되는 바와 같은 특징 계층구조에 대한 나이브 베이즈, 잠재 디리클레 할당 및 부스팅을 포함하는 특징 단어 주머니 및 통계 기술들에 기초하는 알고리즘들을 이용하여 검출 및 인식될 수 있다. 이미징 장치(102)는 상황 센서들(136)에 의해 또는 이미징 장치(102)의 애플리케이션들에 의해 생성되는 추가적인 상황 데이터를 이용하여, 이미지 내에 묘사된 물체들 또는 이벤트들을 인식할 수도 있다. 예를 들어, 이미지가 필드, 스타디움, 베이스볼 플레이어 등과 같은 "스포츠" 또는 "베이스볼"과 관련된 것으로서 인식되는 물체들을 묘사하는 것을 고려한다. 이미징 장치(102)는 위치 회로(138)에 의해 생성되는 위치 정보를 이용하여, 이미지 내에 표현되는 특정 스타디움의 아이덴티티를 결정할 수 있다. 이미징 장치(102)는 티켓팅, 지불 또는 스케줄링 정보를 이용하여, 이미지 내에 표현되는 특정 스포팅 이벤트 또는 스포팅 팀들을 결정할 수 있다. 그러한 상황 정보는 이미징 장치(102) 상에서 실행되는 애플리케이션, 예로서 캘린더 애플리케이션, 티켓팅 애플리케이션 또는 모바일 지불 애플리케이션에 의해 생성될 수 있다.
이제, 도 5를 참조하면, 여러 개의 인식된 피사체를 포함하는 예시적인 디지털 이미지(500)가 도시된다. 이미지(500)는 3개의 인식된 얼굴(502, 504, 506)을 포함한다. 얼굴(502)은 사용자의 친구로서 인식되었고, 얼굴(504)은 사용자로서 인식되었고, 얼굴(506)은 사용자의 아버지로서 인식되었다. 이미지(500)는 2개의 인식된 물체 및/또는 이벤트(508, 510)도 포함한다. 물체(508)는 베이스볼 플레이어로서 인식되었다. 이벤트(510)는 베이스볼 게임으로서 인식되었다. 물론, 베이스볼 플레이어(508)도 사람이며, 일부 실시예들에서 베이스볼 플레이어(508)의 얼굴도 인식된 피사체일 수 있다.
도 3을 다시 참조하면, 블록 314에서, 이미징 장치(102)는 인식된 피사체들에 기초하여 관련 소셜 네트워크 그룹들을 디지털 이미지와 관련시킨다. 전술한 바와 같이, 소셜 네트워크 데이터(220)는 사용자에게 알려진 사람들 간의 관계들을 설명한다. 그러한 관계들은 사람들의 그룹핑들, 예로서 사용자의 가족 및 친구를 포함할 수 있다. 소셜 네트워크 데이터(220)는 사람들 또는 사람들의 그룹들의 속성들 또는 관심들도 설명할 수 있다. 이미징 장치(102)는 이미지 내에서 인식되는 피사체들에 기초하여 관련 소셜 네트워크 그룹들을 결정한다. 전술한 바와 같이, 이미징 장치(102)는 하나 이상의 소셜 네트워크 서버(104)로부터 소셜 네트워크 데이터(220)를 수신할 수 있다.
블록 316에서, 일부 실시예들에서, 이미징 장치(102)는 이미지 내에서 인식되는 얼굴들을 소셜 네트워크 그룹들과 관련시킨다. 이미징 장치(102)는 각각의 인식된 얼굴과 관련된 소셜 네트워크 프로필을 결정하고, 이어서 그러한 소셜 네트워크 프로필에 대한 모든 소셜 네트워크 그룹들을 인식되는 얼굴과 관련시킬 수 있다. 그러한 그룹핑들은 사용자에 의해 미리 정의될 수 있거나, 소셜 네트워크 데이터(220)에 기초화여 이미징 장치(102)에 의해 결정될 수 있다. 예를 들어, 이미징 장치(102)는 소셜 네트워크 데이터(220) 내에서 설명되는 관계들에 기초하여, 디지털 이미지 내에 표현되는 각각의 피사체에 대한 직접적인 관계를 갖는 사람들의 그룹을 결정할 수 있다. 즉, 이미징 장치(102)는 디지털 이미지의 피사체와 관계를 갖는 사용자의 소셜 네트워크 내의 모든 사람들을 결정할 수 있다. 예를 들어, 도 5를 다시 참조하면, 이미징 장치(102)는 인식된 친구(502) 및 사용자(504)를 소셜 네트워크 데이터(220)의 "친구" 소셜 네트워크 그룹과 관련시킬 수 있다. 이미징 장치(102)는 또한 인식된 사용자(504) 및 아버지(506)를 소셜 네트워크 데이터(220)의 "가족" 소셜 네트워크 그룹과 관련시킬 수 있다.
도 3을 다시 참조하면, 블록 318에서, 일부 실시예들에서 이미징 장치(102)는 인식된 물체들 및/또는 이벤트들을 소셜 네트워크 그룹들과 관련시킬 수 있다. 전술한 바와 같이, 소셜 네트워크 데이터(220)는 물체, 관심, 위치 또는 다른 시맨틱 정보를 소셜 네트워크 그룹들과 관련시킬 수 있다. 예를 들어, 도 5를 참조하면, 이미징 장치(102)는 베이스볼 플레이어(508) 및 베이스볼 게임(510)을 베이스볼과 관련된 하나 이상의 소셜 네트워크 그룹과 관련시킬 수 있다. 일부 실시예들에서, 이미징 장치(102)는 물체들 및 이벤트들(508, 510)을 상이한 특수성 레벨들의 여러 소셜 네트워크 그룹, 예로서 일반 스포츠 그룹, 더 구체적인 베이스볼 그룹 및 베이스볼 게임(510)의 특정 팀에 대한 매우 구체적인 팬 그룹과 관련시킬 수 있다.
도 3을 다시 참조하면, 블록 320에서, 이미징 장치(102)는 이미지와 관련된 것으로서 식별되는 각각의 소셜 네트워크 그룹에 대한 크롭 포함 타겟들 및 크롭 배제 타겟들을 결정한다. 크롭 포함 및 배제 타겟들은 관련 소셜 네트워크 그룹에 기초하여 각각의 서브이미지 내에 포함되거나 그로부터 배제될, 이미지 내에 표현된 특정 피사체들을 정의한다. 블록 322에서, 일부 실시예들에서, 이미징 장치(102)는 소셜 네트워크 데이터(220)에 기초하여 피사체들을 포함 또는 배제한다. 예를 들어, 이미징 장치(102)는 동일 소셜 네트워크 그룹으로부터 인식된 사람들을 포함하고, 동일 소셜 네트워크 그룹 내에 없는 사람들을 배제할 수 있다. 추가로 또는 대안으로서, 이미징 장치(102)는 특정 소셜 네트워크 그룹과 관련된 물체들 또는 이벤트들을 포함하고, 이미지 내의 모든 두드러진 얼굴들을 배제할 수 있다.
이제, 도 6a를 참조하면, 이미지(500)의 예시적인 생성된 서브이미지(602)가 도시된다. 서브이미지(602)는 전술한 친구 소셜 네트워크 그룹과 관련된다. 따라서, 크롭 포함 타겟들은 예를 들어 친구(502) 및 사용자(504)를 포함하고, 크롭 배제 타겟들은 아버지(506)를 포함한다. 물체들 또는 이벤트들(508, 510)은 크롭 배제 타겟들 내에 포함될 수 있거나 포함되지 않을 수 있다. 이제, 도 6b를 참조하면, 다른 예시적인 생성된 서브이미지(604)가 전술한 바와 같은 스포츠 소셜 네트워크 그룹과 관련된다. 따라서, 서브이미지(604)에 대한 크롭 포함 타겟들은 예를 들어 베이스볼 플레이어(508) 및 베이스볼 게임(510)을 포함하고, 크롭 배제 타겟들은 모든 얼굴들(502, 504, 506)을 포함한다. 이제, 도 6c를 참조하면, 예시적인 생성된 서브이미지(606)가 전술한 가족 소셜 네트워크 그룹과 관련된다. 따라서, 서브이미지(606)에 대한 크롭 포함 타겟들은 예를 들어 사용자(504) 및 아버지(506)를 포함하고, 크롭 배제 타겟들은 친구(502)를 포함한다. 물체들 또는 이벤트들(508, 510)은 크롭 포함 타겟들 내에 포함될 수 있거나 포함되지 않을 수 있다.
도 3을 다시 참조하면, 일부 실시예들에서, 블록 324에서, 이미징 장치(102)는 각각의 소셜 네트워크 그룹과 관련된 콘텐츠 정책들(216)에 기초하여 물체들을 포함 및 배제할 수 있다. 콘텐츠 정책들(216)은 각각의 소셜 네트워크 그룹에 대해 사용자가 그러한 소셜 네트워크 그룹과 공유하기를 원하지 않는 불쾌한 콘텐츠, 무관한 콘텐츠 또는 기타 물체들을 정의할 수 있다. 예를 들어, 콘텐츠 정책들(216)은 맥주 병과 같은 알콜 관련 물체들이 가족 소셜 네트워크 그룹과 공유되지 않아야 한다는 것을 정의할 수 있다. 그러한 예에서, 이미징 장치(102)는 검출된 맥주 병들을 가족 소셜 네트워크 그룹과 관련된 서브이미지들에 대한 크롭 배제 타겟들에 추가할 수 있다.
블록 326에서, 이미징 장치(102)는 크롭 타겟들에 기초하여 관련 소셜 네트워크 그룹들에 대한 서브이미지들을 생성하기 위해 디지털 이미지를 크로핑한다. 블록 328에서, 이미징 장치(102)는 서브이미지들을 생성하는 동안 하나 이상의 구성 규칙(218)을 적용한다. 구성 규칙들(218)은 이미징 장치(102)가 각각의 서브이미지에 포함되고/되거나 그로부터 배제될 특정 피사체들에 기초하여 심미적으로 즐거운 서브이미지들을 자동으로 생성하는 것을 가능하게 한다. 구성 규칙들(218)을 적용하기 위한 방법의 일 실시예가 도 4와 관련하여 아래에서 더 설명된다.
일부 실시예들에서, 블록 330에서, 이미징 장치(102)는 상호작용 이미지 크롭 선택을 제공할 수 있다. 이미징 장치(102)는 생성될 서브이미지의 하나 이상의 미리보기 표현을 생성하고, 디스플레이(134)를 이용하여 미리보기(들)를 표시할 수 있다. 미리보기 서브이미지들은 하나 이상의 구성 규칙(218)을 이용하여 생성될 수 있다. 사용자는 제안된 크로핑된 서브이미지를 이미징 장치(102)의 사용자 인터페이스를 이용하여 수락, 거절 또는 수정할 수 있다. 일부 실시예들에서, 블록 332에서, 이미징 장치(102)는 생성된 서브이미지들에 주석들을 추가할 수 있다. 예를 들어, 이미징 장치(102)는 인식된 피사체들에 기초하여 생성된 서브이미지에 텍스트 또는 이미지 라벨들을 추가할 수 있다. 일부 실시예들에서, 이미지에는 유머 효과를 위해, 예를 들어 카툰 캐릭터, 이색적인 설명 등을 추가함으로써 주석이 첨부될 수 있다.
블록 334에서, 이미징 장치(102)는 생성된 서브이미지들을 공유한다. 생성된 서브이미지들의 공유는 서브이미지들이 특정 사람 세트 또는 특정 소셜 네트워크 그룹에 의해 이용될 수 있게 한다. 서브이미지들을 공유하기 위해, 이미징 장치(102)는 서브이미지들을 하나 이상의 소셜 네트워크 서버(104)로 또는 이미지 저장 서버(106)로 전송할 수 있다. 생성된 서브이미지들은 서버들(104, 106) 상에 크로핑된 이미지들(242)로서 저장될 수 있다. 대안으로서 또는 추가로, 생성된 서브이미지들은 이미징 장치(102)에 의해 최종 사용자에게 직접 전송될 수 있다. 예를 들어, 이미징 장치(102)는 생성된 서브이미지들을 이메일, 인스턴트 메시지, 텍스트 메시지, 직접 파일 전송 또는 유사한 기술에 의해 수신자들과 관련된 하나 이상의 컴퓨팅 장치로 전송할 수 있다. 일부 실시예들에서, 블록 336에서, 이미징 장치(102)는 각각의 생성된 서브이미지를 관련 소셜 네트워크 그룹과 공유할 수 있다. 예를 들어, 이미징 장치(102)는 생성된 서브이미지를 서브이미지 내에서 인식된 사람들의 소셜 네트워크 그룹과 공유할 수 있다. 다른 예로서, 이미징 장치(102)는 생성된 서브이미지를 서브이미지 내에서 인식된 물체들 및/또는 이벤트들과 관련된 소셜 네트워크 그룹과 공유할 수 있다. 일부 실시예들에서, 블록 338에서, 이미징 장치(102)는 생성된 서브이미지들을 수신자들의 사용자 정의 그룹과 공유할 수 있다. 예를 들어, 사용자는 특정 서브이미지를 공유할 연락처들의 임의 그룹을 선택할 수 있다. 서브이미지들을 공유한 후, 방법(300)은 블록 302로 복귀하여 추가 이미지들을 캡처한다.
이제, 도 4를 참조하면, 이미징 장치(102)는 하나 이상의 구성 규칙(218)을 이용하여 서브이미지들을 생성하기 위한 방법(400)을 실행할 수 있다. 전술한 바와 같이, 이미징 장치(102)는 디지털 이미지와 관련된 각각의 소셜 네트워크 그룹에 대한 크롭 포함 타겟들의 세트 및 크롭 배제 타겟들의 세트를 생성할 수 있다. 방법(400)은 블록 402에서 시작되며, 여기서 이미징 장치(102)는 크롭 배제 타겟들로부터 서브이미지에 대한 다음 배제 피사체를 검색한다. 전술한 바와 같이, 배제 피사체들은 특정 소셜 네트워크 그룹과 관련되지 않은 인식된 사람들, 물체 또는 이벤트 상에 포커싱하는 서브이미지로부터 배제될 두드러진 얼굴들 또는 콘텐츠 정책들(216)에 기초하여 배제될 물체들을 포함할 수 있다.
블록 404에서, 이미징 장치(102)는 배제 피사체를 크로핑할 경계 박스를 줄인다. 경계 박스는 생성될 서브이미지에 대응하는 디지털 이미지의 직사각형 또는 다른 기하 형상의 영역이다. 경계 박스는 처음에 전체 디지털 이미지로서 설정되며, 따라서 모든 크롭 포함 타겟들은 물론, 크롭 배제 타겟들도 포함한다. 경계 박스는 배제 피사체를 배제하면서 모든 크롭 포함 타겟들을 여전히 포함하도록 크기가 감소된다. 일부 실시예들에서, 경계 박스에서 배제 피사체를 배제하면서 모든 크롭 포함 타겟들을 여전히 포함하는 것이 가능하지 않을 수 있는데, 예를 들어 배제될 사람이 서브이미지 내에 포함될 사람들에 의해 둘러싸일 수 있다. 그러한 실시예들에서, 이미징 장치(102)는 경계 박스가 존재하지 않는 것으로 결정할 수 있다. 게다가, 일부 실시예들에서, 이미징 장치(102)는 선택된 이미지 블러링과 같은 배제 피사체를 크로핑 또는 제거하기 위해 다른 방법들을 이용할 수 있다.
블록 406에서, 이미징 장치(102)는 배제될 추가 피사체들이 크롭 배제 타겟들 내에 남았는지 여부를 결정한다. 추가 피사체들이 남은 경우, 방법(400)은 블록 402로 복귀하여 경계 박스를 계속 조정한다. 추가 피사체가 남지 않은 경우, 방법(400)은 블록 408로 진행한다. 순차적으로 발생하는 것으로 설명되고 도시되지만, 일부 실시예들에서 배제 리스트는 병렬로 처리될 수 있다.
블록 408에서, 이미징 장치(102)는 경계 박스 및 포함된 피사체들에 기초하여 삼등분 규칙 구성 규칙(218)이 서브이미지와 매칭되는지, 즉 삼등분 규칙 구성 규칙(218)이 허용 서브이미지를 생성하는지 여부를 결정한다. 소위 "삼등분 규칙"은 심미적으로 즐거운 이미지들을 구성하기 위한 공지 가이드라인이다. 삼등분 규칙에 따르면, 이미지 치수를 따라 대략 1/3의 거리에 배치된 피사체 또는 피사체들을 갖는 이미지들이 심미적으로 즐거운 경향이 있다. 예를 들어, 도 6c를 참조하면, 예시적인 서브이미지(606)는 삼등분 규칙에 따라 구성된다. 피사체들(504, 506)은 서브이미지(606)의 폭(608)을 따라 대략 1/3의 거리에 배치된다. 도 4를 다시 참조하면, 이미징 장치(102)는 삼등분 규칙 구성 규칙(218)이 충족될 때까지 경계 박스의 크기를 임시로 줄이고, 이어서 생성된 서브이미지가 충분한 해상도를 갖는지, 크롭 포함 리스트의 모든 피사체들을 포함하는지 또는 다른 이미지 기준들을 결정함으로써 삼등분 규칙 구성 규칙(218)이 허용 서브이미지를 생성하는지 여부를 결정할 수 있다. 전술한 바와 같이, 경계 박스가 존재하지 않는 경우, 이미징 장치(102)는 삼등분 규칙 구성 정책이 서브이미지와 매칭되지 않는 것으로 결정할 수 있다. 일부 실시예들에서, 이미징 장치(102)는 예를 들어 디스플레이(134)를 이용하여 임시 서브이미지를 사용자에게 제공하여, 사용자가 삼등분 규칙 구성 규칙(218)이 허용 서브이미지를 생성하는지 여부를 결정하는 것을 가능하게 할 수 있다. 삼등분 규칙 구성 규칙(218)이 매칭되는 경우, 방법(400)은 블록 410으로 분기되며, 여기서 이미징 장치(102)는 삼등분 규칙 구성 규칙(218)에 따라 경계 박스를 조정한다. 경계 박스를 조정한 후, 방법(400)은 후술하는 블록 418로 진행한다. 블록 408을 다시 참조하면, 삼등분 규칙 구성 규칙(218)이 매칭되지 않는 경우, 방법(400)은 블록 412로 진행한다.
블록 412에서, 이미징 장치(102)는 경계 박스 및 포함된 피사체들에 기초하여 초상화 구성 규칙(218)이 서브이미지와 매칭되는지, 즉 초상화 구성 규칙(218)이 허용 서브이미지를 생성하는지 여부를 결정한다. 초상화 구성 규칙(218)은 피사체들이 생성되는 서브이미지 내에 대략적으로 중심에 배치되어야 한다는 것을 지정한다. 예를 들어, 도 6a 및 6b를 참조하면, 예시적인 서브이미지들(602, 604)은 초상화 구성 규칙(218)에 따라 구성된다. 서브이미지(602)에서, 얼굴들(502, 504)은 서브이미지(602)의 중심(610) 주위에 중심 배치된다. 서브이미지(604)에서, 베이스볼 게임(510)은 서브이미지(604)의 중심(610) 주위에 배치된다. 도 4를 다시 참조하면, 이미징 장치(102)는 초상화 구성 규칙(218)이 충족될 때까지 경계 박스의 크기를 임시로 줄이고, 이어서 생성된 서브이미지가 충분한 해상도를 갖는지, 허용 이미지 종횡비를 갖는지, 사람 얼굴들인 다수의 피사체를 포함하는지 또는 다른 이미지 기준들을 결정함으로써 초상화 구성 규칙(218)이 허용 서브이미지를 생성하는지 여부를 결정할 수 있다. 전술한 바와 같이, 경계 박스가 존재하지 않는 경우, 이미징 장치(102)는 초상화 구성 정책이 서브이미지와 매칭되지 않는 것으로 결정할 수 있다. 일부 실시예들에서, 이미징 장치(102)는 예를 들어 디스플레이(134)를 이용하여 임시 서브이미지를 사용자에게 제공하여, 사용자가 초상화 구성 규칙(218)이 허용 서브이미지를 생성하는지 여부를 결정하는 것을 가능하게 할 수 있다. 초상화 구성 규칙(218)이 매칭되는 경우, 방법(400)은 블록 414로 분기되며, 여기서 이미징 장치(102)는 초상화 구성 규칙(218)에 따라 경계 박스를 조정한다. 경계 박스를 조정한 후, 방법(400)은 후술하는 블록 418로 진행한다. 블록 412를 다시 참조하면, 초상화 구성 규칙(218)이 매칭되지 않는 경우, 방법(400)은 블록 416으로 진행한다.
블록 416에서, 이미징 장치(102)는 크롭 포함 리스트의 모든 피사체들을 포함하는 최소 경계 박스를 포함하도록 경계 박스를 설정하며, 경계 박스 내의 임의의 배제 피사체들을 흐릿하게 한다. 이미징 장치(102)는 배제 피사체들을 블러링함으로써 또는 배제 피사체들 위에 검정 막대, 카툰 캐릭터, 이색적인 이미지 또는 유사한 이미지와 같은 이미지들을 그림으로써 배제 피사체들을 흐릿하게 할 수 있다. 다른 실시예들에서, 이미징 장치(102)는 어떠한 다른 구성 규칙(218)도 허용 서브이미지를 생성하지 못할 때 허용 서브이미지를 생성하기 위해 임의의 다른 대비 동작을 수행할 수 있다.
블록 418에서, 일부 실시예들에서, 이미징 장치(102)는 이미지를 서브이미지 내에 포함된 하나 이상의 피사체에 대응하는 깊이 층으로 리포커싱할 수 있다. 예를 들어, 광 필드 카메라(140) 또는 유사한 카메라 어레이가 이미지를 특정 깊이에 리포커싱할 수 있어, 이미지의 다른 부분들을 포커스를 벗어나게 렌더링하는 동안 포함된 피사체들이 선명하게 렌더링되는 것을 가능하게 할 수 있다. 일부 실시예들에서, 이미징 장치(102)는 깊이 카메라(140)에 의해 결정된 깊이 정보에 기초하여 이미지의 부분들을 알고리즘에 의해 블러링하거나 선명화할 수 있다.
블록 420에서, 이미징 장치(102)는 경계 박스에 기초하여 디지털 이미지를 크로핑하여 서브이미지를 생성한다. 이미징 장치(102)는 서브이미지에 대한 새로운 이미지 파일을 렌더링할 수 있거나, 서브이미지를 렌더링하는 데 필요한 경계 박스 및 기타 파라미터들을 기록할 수 있다. 소셜 네트워크 그룹에 대한 서브이미지를 생성한 후, 방법(400)이 완료된다. 방법(400)은 다른 소셜 네트워크 그룹들에 대해 여러 번 호출될 수 있다.
예시적인 방법(400)은 미리 결정된 우선 순위로 평가되는 3개의 구성 규칙(218) - 삼등분 규칙, 초상화 규칙 및 대비 규칙 - 을 포함한다. 다른 실시예들에서, 이미징 장치(102)는 추가 구성 규칙들(218)을 평가할 수 있다. 예를 들어, 이미징 장치(102)는 절반-절반 구성 규칙(218)을 평가하여, 전경 피사체들에 전용화된 서브이미지의 절반 및 배경 피사체들에 전용화된 서브이미지의 절반을 갖는 서브이미지를 생성할 수 있다. 추가로 또는 대안으로서, 일부 실시예들에서, 구성 규칙들(218)의 우선순위 또는 적용 가능성은 서브이미지 및/또는 서브이미지의 특정 피사체들의 소셜 네트워크 그룹에 의존할 수 있다. 예를 들어, 스포츠에 대한 친화성에 기초하는 소셜 네트워크 그룹에 대해, 이미징 장치(102)는 스포츠 이미지를 포함하는 서브이미지들에 대해 초상화 구성 규칙(218)을 선호할 수 있다. 다른 예로서, 동일 소셜 네트워크 그룹(예로서, 그룹 초상화) 내의 다수의 사람을 포함하는 서브이미지에 대해, 이미징 장치(102)는 초상화 구성 규칙(218)을 선호할 수 있다.
예들
본 명세서에서 개시되는 기술들의 예시적인 사례들이 아래에 제공된다. 기술들의 일 실시예는 후술하는 예들 중 어느 하나 이상 및 임의의 조합을 포함할 수 있다.
예 1은 자동 이미지 크로핑을 위한 이미징 장치로서, 디지털 이미지를 캡처하기 위한 이미지 캡처 모듈; 상기 디지털 이미지 내에 표현된 제1 피사체를 인식하기 위한 피사체 인식 모듈; 상기 제1 피사체와 관련된 제1 소셜 네트워크 그룹을 결정하기 위한 소셜 네트워크 모듈; 및 콘텐츠 규칙 정책에 기초하여, 상기 디지털 이미지를 크로핑하여 상기 제1 피사체를 포함하는 서브이미지를 생성하기 위한 이미지 크롭 모듈을 포함하고, 구성 규칙 정책은 인식된 상기 제1 피사체에 기초하여 상기 서브이미지의 구성을 정의하는 규칙들의 세트를 포함하는 이미징 장치를 포함한다.
예 2는 예 1의 발명대상을 포함하고, 상기 서브이미지를 상기 제1 소셜 네트워크 그룹과 공유하기 위한 이미지 공유 모듈을 더 포함한다.
예 3은 예 1 또는 예 2의 발명대상을 포함하고, 여기서, 상기 제1 피사체를 인식하는 것은 상기 디지털 이미지 내에 표현된 사람 얼굴의 위치 및 특성들을 검출하거나; 상기 디지털 이미지 내에 표현된 물체의 위치 및 아이덴티티를 검출하거나; 상기 디지털 이미지 내에 표현된 이벤트를 검출하는 것을 포함한다.
예 4는 예 1-3 중 어느 한 예의 발명대상을 포함하고, 여기서, 상기 제1 피사체를 인식하는 것은 상기 이미징 장치의 상황 센서로부터 수신된 상황 데이터에 기초하여 상기 디지털 이미지 내에 표현된 이벤트를 인식하는 것을 포함한다.
예 5는 예 1-4 중 어느 한 예의 발명대상을 포함하고, 여기서, 상기 이벤트를 인식하는 것은 상기 디지털 이미지의 캡처 위치 또는 상기 디지털 이미지의 캡처 날짜에 기초하여 이벤트를 인식하는 것을 포함한다.
예 6은 예 1-5 중 어느 한 예의 발명대상을 포함하고, 여기서, 상기 제1 피사체를 인식하는 것은 상기 이미징 장치의 애플리케이션에 의해 생성된 상황 데이터에 기초하여 상기 디지털 이미지 내에 표현된 이벤트를 인식하는 것을 포함한다.
예 7은 예 1-6 중 어느 한 예의 발명대상을 포함하고, 여기서, 상기 상황 데이터에 기초하여 상기 이벤트를 인식하는 것은 상기 이미징 장치의 상기 애플리케이션에 의해 생성된 티켓팅 데이터, 모바일 지불 데이터 또는 캘린더 데이터에 기초하여 상기 이벤트를 인식하는 것을 포함한다.
예 8은 예 1-7 중 어느 한 예의 발명대상을 포함하고, 여기서, 상기 소셜 네트워크 모듈은 또한 소셜 네트워크 서버로부터 소셜 네트워크 데이터를 수신하고, 상기 소셜 네트워크 데이터는 상기 제1 피사체와 상기 제1 소셜 네트워크 그룹을 관련시키며; 여기서, 상기 제1 소셜 네트워크 그룹을 결정하는 것은 상기 소셜 네트워크 데이터에 기초하여 상기 제1 소셜 네트워크 그룹을 결정하는 것을 포함한다.
예 9는 예 1-8 중 어느 한 예의 발명대상을 포함하고, 여기서, 상기 피사체 인식 모듈은 또한 상기 디지털 이미지 내에 표현된 제2 피사체를 인식하고; 상기 제2 피사체가 상기 제1 소셜 네트워크 그룹과 관련되지 않은 것으로 결정하며; 상기 디지털 이미지를 크로핑하는 것은 상기 서브이미지로부터 상기 제2 피사체를 배제하는 것을 더 포함한다.
예 10은 예 1-9 중 어느 한 예의 발명대상을 포함하고, 여기서, 상기 소셜 네트워크 모듈은 또한 상기 제2 피사체와 관련된 제2 소셜 네트워크 그룹을 결정하고, 상기 제1 피사체는 상기 제2 소셜 네트워크 그룹과 관련되지 않으며; 상기 이미지 크롭 모듈은 또한 구성 규칙 정책에 기초하여, 상기 디지털 이미지를 크로핑하여, 상기 제2 피사체를 포함하고 상기 제1 피사체를 배제하는 제2 서브이미지를 생성하고, 상기 구성 규칙 정책은 인식된 상기 제2 피사체에 기초하여 상기 제2 서브이미지의 구성을 정의하는 규칙들의 세트를 포함하고; 상기 이미징 장치는 (i) 상기 서브이미지를 상기 제1 소셜 네트워크 그룹과 공유하고, (ii) 상기 제2 서브이미지를 상기 제2 소셜 네트워크 그룹과 공유하기 위한 이미지 공유 모듈을 더 포함한다.
예 11은 예 1-10 중 어느 한 예의 발명대상을 포함하고, 여기서, 상기 피사체 인식 모듈은 또한 상기 디지털 이미지 내에 표현된 제2 피사체를 인식하고, 상기 디지털 이미지를 크로핑하는 것은 상기 이미징 장치 상에 저장된 콘텐츠 정책의 함수로서 상기 서브이미지로부터 상기 제2 피사체를 배제하는 것을 더 포함하고, 상기 콘텐츠 정책은 상기 제1 소셜 네트워크 그룹에 기초하여 상기 제2 피사체를 포함할지 또는 배제할지를 정의하기 위한 규칙들의 세트를 포함한다.
예 12는 예 1-11 중 어느 한 예의 발명대상을 포함하고, 여기서, 상기 제2 피사체를 인식하는 것은 상기 디지털 이미지 내에 표현된 물체를 인식하는 것을 포함한다.
예 13은 예 1-12 중 어느 한 예의 발명대상을 포함하고, 여기서, 상기 구성 규칙 정책은 삼등분 규칙 구성 규칙 정책을 포함하고; 상기 콘텐츠 규칙 정책에 기초하여 상기 디지털 이미지를 크로핑하는 것은 상기 서브이미지의 치수를 따라 1/3의 위치에 상기 제1 피사체를 배치하도록 상기 서브이미지의 크기를 조절하는 것을 포함한다.
예 14는 예 1-13 중 어느 한 예의 발명대상을 포함하고, 여기서, 상기 구성 규칙 정책은 초상화 구성 규칙 정책을 포함하고; 상기 구성 규칙 정책에 기초하여 상기 디지털 이미지를 크로핑하는 것은 상기 서브이미지의 중심에 상기 제1 피사체를 배치하도록 상기 서브이미지의 크기를 조절하는 것을 포함한다.
예 15는 예 1-14 중 어느 한 예의 발명대상을 포함하고, 여기서, 상기 피사체 인식 모듈은 또한 상기 디지털 이미지 내에 표현된 제2 피사체를 인식하고; 상기 소셜 네트워크 모듈은 또한 상기 제2 피사체가 상기 제1 소셜 네트워크 그룹과 관련 없는 것으로 결정하고; 상기 구성 규칙 정책에 기초하여 상기 디지털 이미지를 크로핑하는 것은 삼등분 규칙 구성 규칙 정책이 상기 제1 피사체를 포함하고 상기 제2 피사체를 배제하는 허용 서브이미지를 생성하는지 여부를 결정하고; 초상화 구성 규칙 정책이 상기 제1 피사체를 포함하고 상기 제2 피사체를 배제하는 허용 서브이미지를 생성하는지 여부를 결정하고; 상기 삼등분 규칙 구성 규칙 정책이 허용 서브이미지를 생성하지 않는다는 결정 및 상기 초상화 구성 규칙 정책이 허용 서브이미지를 생성하지 않는다는 결정에 응답하여 대비 구성 규칙 정책을 적용하는 것을 포함하고, 상기 대비 구성 규칙 정책을 적용하는 것은 상기 제1 피사체를 포함하는 최소 경계 박스에 기초하여 상기 디지털 이미지를 크로핑하여 상기 서브이미지를 생성하고; 상기 서브이미지 내의 상기 제2 피사체를 흐릿하게 하는 것을 포함한다.
예 16은 예 1-15 중 어느 한 예의 발명대상을 포함하고, 여기서, 상기 제2 피사체를 흐릿하게 하는 것은 상기 제2 피사체를 블러링하거나 상기 제2 피사체 위에 이미지를 그리는 것을 포함한다.
예 17은 예 1-16 중 어느 한 예의 발명대상을 포함하고, 깊이 카메라를 더 포함하며, 여기서, 상기 디지털 이미지를 캡처하는 것은 상기 깊이 카메라를 이용하여 상기 디지털 이미지와 관련된 깊이 데이터를 캡처하는 것을 포함하고; 상기 제1 피사체를 인식하는 것은 상기 디지털 이미지와 관련된 상기 깊이 데이터를 이용하여 상기 제1 피사체를 인식하는 것을 포함한다.
예 18은 예 1-17 중 어느 한 예의 발명대상을 포함하고, 여기서, 상기 디지털 이미지를 크로핑하는 것은 상기 제1 피사체 상에 포커싱하기 위해 상기 디지털 이미지를 리포커싱하는 것을 더 포함한다.
예 19는 자동 이미지 크로핑을 위한 방법으로서, 이미징 장치에 의해, 디지털 이미지를 캡처하는 단계; 상기 이미징 장치에 의해, 상기 디지털 이미지 내에 표현된 제1 피사체를 인식하는 단계; 상기 이미징 장치에 의해, 상기 제1 피사체와 관련된 제1 소셜 네트워크 그룹을 결정하는 단계; 및 상기 이미징 장치에 의해 그리고 콘텐츠 규칙 정책에 기초하여, 상기 디지털 이미지를 크로핑하여 상기 제1 피사체를 포함하는 서브이미지를 생성하는 단계를 포함하고, 구성 규칙 정책은 인식된 상기 제1 피사체에 기초하여 상기 서브이미지의 구성을 정의하는 규칙들의 세트를 포함하는 방법을 포함한다.
예 20은 예 19의 발명대상을 포함하고, 상기 이미징 장치에 의해, 상기 서브이미지를 상기 제1 소셜 네트워크 그룹과 공유하는 단계를 더 포함한다.
예 21은 예 19 또는 예 20의 발명대상을 포함하고, 여기서, 상기 제1 피사체를 인식하는 단계는 상기 디지털 이미지 내에 표현된 사람 얼굴의 위치 및 특성들을 검출하는 단계; 상기 디지털 이미지 내에 표현된 물체의 위치 및 아이덴티티를 검출하는 단계; 또는 상기 디지털 이미지 내에 표현된 이벤트를 검출하는 단계를 포함한다.
예 22는 예 19-21 중 어느 한 예의 발명대상을 포함하고, 여기서, 상기 제1 피사체를 인식하는 단계는 상기 이미징 장치의 상황 센서로부터 수신된 상황 데이터에 기초하여 상기 디지털 이미지 내에 표현된 이벤트를 인식하는 단계를 포함한다.
예 23은 예 19-22 중 어느 한 예의 발명대상을 포함하고, 여기서, 상기 이벤트를 인식하는 단계는 상기 디지털 이미지의 캡처 위치 또는 상기 디지털 이미지의 캡처 날짜에 기초하여 이벤트를 인식하는 단계를 포함한다.
예 24는 예 19-23 중 어느 한 예의 발명대상을 포함하고, 여기서, 상기 제1 피사체를 인식하는 단계는 상기 이미징 장치의 애플리케이션에 의해 생성된 상황 데이터에 기초하여 상기 디지털 이미지 내에 표현된 이벤트를 인식하는 단계를 포함한다.
예 25는 예 19-24 중 어느 한 예의 발명대상을 포함하고, 여기서, 상기 상황 데이터에 기초하여 상기 이벤트를 인식하는 단계는 상기 이미징 장치의 상기 애플리케이션에 의해 생성된 티켓팅 데이터, 모바일 지불 데이터 또는 캘린더 데이터에 기초하여 상기 이벤트를 인식하는 단계를 포함한다.
예 26은 예 19-25 중 어느 한 예의 발명대상을 포함하고, 상기 이미징 장치에 의해, 소셜 네트워크 서버로부터 소셜 네트워크 데이터를 수신하는 단계를 더 포함하고, 상기 소셜 네트워크 데이터는 상기 제1 피사체와 상기 제1 소셜 네트워크 그룹을 관련시키며; 여기서, 상기 제1 소셜 네트워크 그룹을 결정하는 단계는 상기 소셜 네트워크 데이터에 기초하여 상기 제1 소셜 네트워크 그룹을 결정하는 단계를 포함한다.
예 27은 예 19-26 중 어느 한 예의 발명대상을 포함하고, 상기 이미징 장치에 의해, 상기 디지털 이미지 내에 표현된 제2 피사체를 인식하는 단계; 및 상기 이미징 장치에 의해, 상기 제2 피사체가 상기 제1 소셜 네트워크 그룹과 관련되지 않은 것으로 결정하는 단계를 더 포함하며; 여기서, 상기 디지털 이미지를 크로핑하는 단계는 상기 서브이미지로부터 상기 제2 피사체를 배제하는 단계를 더 포함한다.
예 28은 예 19-27 중 어느 한 예의 발명대상을 포함하고, 상기 이미징 장치에 의해, 상기 제2 피사체와 관련된 제2 소셜 네트워크 그룹을 결정하는 단계 - 상기 제1 피사체는 상기 제2 소셜 네트워크 그룹과 관련되지 않음 -; 상기 이미징 장치에 의해 그리고 구성 규칙 정책에 기초하여, 상기 디지털 이미지를 크로핑하여, 상기 제2 피사체를 포함하고 상기 제1 피사체를 배제하는 제2 서브이미지를 생성하는 단계 - 상기 구성 규칙 정책은 인식된 상기 제2 피사체에 기초하여 상기 제2 서브이미지의 구성을 정의하는 규칙들의 세트를 포함함 -; 상기 이미징 장치에 의해, 상기 서브이미지를 상기 제1 소셜 네트워크 그룹과 공유하는 단계; 및 상기 이미징 장치에 의해, 상기 제2 서브이미지를 상기 제2 소셜 네트워크 그룹과 공유하는 단계를 더 포함한다.
예 29는 예 19-28 중 어느 한 예의 발명대상을 포함하고, 상기 이미징 장치에 의해, 상기 디지털 이미지 내에 표현된 제2 피사체를 인식하는 단계를 더 포함하고; 여기서, 상기 디지털 이미지를 크로핑하는 단계는 상기 이미징 장치 상에 저장된 콘텐츠 정책의 함수로서 상기 서브이미지로부터 상기 제2 피사체를 배제하는 단계를 더 포함하고, 상기 콘텐츠 정책은 상기 제1 소셜 네트워크 그룹에 기초하여 상기 제2 피사체를 포함할지 또는 배제할지를 정의하기 위한 규칙들의 세트를 포함한다.
예 30은 예 19-29 중 어느 한 예의 발명대상을 포함하고, 여기서, 상기 제2 피사체를 인식하는 단계는 상기 디지털 이미지 내에 표현된 물체를 인식하는 단계를 포함한다.
예 31은 예 19-30 중 어느 한 예의 발명대상을 포함하고, 여기서, 상기 구성 규칙 정책에 기초하여 상기 디지털 이미지를 크로핑하는 단계는 삼등분 규칙 구성 규칙 정책을 적용하는 단계를 포함하고, 상기 삼등분 규칙 구성 규칙 정책을 적용하는 단계는 상기 서브이미지의 치수를 따라 1/3의 위치에 상기 제1 피사체를 배치하도록 상기 서브이미지의 크기를 조절하는 단계를 포함한다.
예 32는 예 19-31 중 어느 한 예의 발명대상을 포함하고, 여기서, 상기 구성 규칙 정책에 기초하여 상기 디지털 이미지를 크로핑하는 단계는 초상화 구성 규칙을 적용하는 단계를 포함하고; 상기 초상화 구성 규칙 정책을 적용하는 단계는 상기 서브이미지의 중심에 상기 제1 피사체를 배치하도록 상기 서브이미지의 크기를 조절하는 단계를 포함한다.
예 33은 예 19-32 중 어느 한 예의 발명대상을 포함하고, 상기 이미징 장치에 의해, 상기 디지털 이미지 내에 표현된 제2 피사체를 인식하는 단계; 및 상기 이미징 장치에 의해, 상기 제2 피사체가 상기 제1 소셜 네트워크 그룹과 관련 없는 것으로 결정하는 단계를 더 포함하고; 여기서, 상기 구성 규칙 정책에 기초하여 상기 디지털 이미지를 크로핑하는 단계는 삼등분 규칙 구성 규칙 정책이 상기 제1 피사체를 포함하고 상기 제2 피사체를 배제하는 허용 서브이미지를 생성하는지 여부를 결정하는 단계; 초상화 구성 규칙 정책이 상기 제1 피사체를 포함하고 상기 제2 피사체를 배제하는 허용 서브이미지를 생성하는지 여부를 결정하는 단계; 및 상기 삼등분 규칙 구성 규칙 정책이 허용 서브이미지를 생성하지 않는다는 결정 및 상기 초상화 구성 규칙 정책이 허용 서브이미지를 생성하지 않는다는 결정에 응답하여 대비 구성 규칙 정책을 적용하는 단계를 포함하고, 상기 대비 구성 규칙 정책을 적용하는 단계는 상기 제1 피사체를 포함하는 최소 경계 박스에 기초하여 상기 디지털 이미지를 크로핑하여 상기 서브이미지를 생성하는 단계; 및 상기 서브이미지 내의 상기 제2 피사체를 흐릿하게 하는 단계를 포함한다.
예 34는 예 19-33 중 어느 한 예의 발명대상을 포함하고, 여기서, 상기 제2 피사체를 흐릿하게 하는 단계는 상기 제2 피사체를 블러링하거나 상기 제2 피사체 위에 이미지를 그리는 단계를 포함한다.
예 35는 예 18-34 중 어느 한 예의 발명대상을 포함하고, 여기서, 상기 디지털 이미지를 캡처하는 단계는 상기 이미징 장치의 깊이 카메라를 이용하여 상기 디지털 이미지와 관련된 깊이 데이터를 캡처하는 단계를 포함하고; 상기 제1 피사체를 인식하는 단계는 상기 디지털 이미지와 관련된 상기 깊이 데이터를 이용하여 상기 제1 피사체를 인식하는 단계를 포함한다.
예 36은 예 19-35 중 어느 한 예의 발명대상을 포함하고, 여기서, 상기 디지털 이미지를 크로핑하는 단계는 상기 제1 피사체 상에 포커싱하기 위해 상기 디지털 이미지를 리포커싱하는 단계를 더 포함한다.
예 37은 프로세서; 및 상기 프로세서에 의해 실행될 때 상기 컴퓨팅 장치로 하여금 예 19-36 중 어느 한 예의 방법을 수행하게 하는 복수의 명령어를 저장한 메모리를 포함하는 컴퓨팅 장치를 포함한다.
예 38은 실행되는 것에 응답하여 컴퓨팅 장치로 하여금 예 19-36 중 어느 한 예의 방법을 수행하게 하는 저장된 복수의 명령어를 포함하는 하나 이상의 머신 판독 가능 저장 매체를 포함한다.
예 39는 예 19-36 중 어느 한 예의 방법을 수행하기 위한 수단을 포함하는 컴퓨팅 장치를 포함한다.

Claims (25)

  1. 자동 이미지 크로핑(automated image cropping)을 위한 이미징 장치로서,
    디지털 이미지를 캡처하기 위한 이미지 캡처 모듈;
    상기 디지털 이미지 내에 표현된 제1 피사체 및 제2 피사체를 인식하기 위한 피사체 인식 모듈;
    (i) 상기 제1 피사체와 관련된 제1 소셜 네트워크 그룹을 결정하고 (ii) 상기 제2 피사체와 관련된 제2 소셜 네트워크 그룹을 결정하기 위한 소셜 네트워크 모듈 - 상기 제1 피사체는 상기 제2 소셜 네트워크 그룹과 관련되지 않음 - ;
    구성 규칙 정책(composition rule policy)에 기초하여, 상기 디지털 이미지를 크로핑하여 (i) 상기 제1 피사체를 포함하고 상기 제2 피사체를 배제하는 제1 서브이미지(sub-image)를 생성하고 (ii) 상기 제2 피사체를 포함하고 상기 제1 피사체를 배제하는 제2 서브이미지를 생성하기 위한 이미지 크롭 모듈(image crop module); 및
    (i) 상기 제1 서브이미지를 상기 제1 소셜 네트워크 그룹과 공유하고 (ii) 상기 제2 서브이미지를 상기 제2 소셜 네트워크 그룹과 공유하기 위한 이미지 공유 모듈을
    을 포함하고,
    상기 구성 규칙 정책은 인식된 상기 제1 피사체에 기초하여 상기 제1 서브이미지의 구성을 정의하는 규칙들의 세트를 포함하고, 상기 구성 규칙 정책은 인식된 상기 제2 피사체에 기초하여 상기 제2 서브이미지의 구성을 정의하는 규칙들의 세트를 포함하는, 이미징 장치.
  2. 삭제
  3. 제1항에 있어서,
    상기 제1 피사체를 인식하는 것은
    상기 디지털 이미지 내에 표현된 사람 얼굴의 위치 및 특성들을 검출하거나;
    상기 디지털 이미지 내에 표현된 물체의 위치 및 아이덴티티(identity)를 검출하거나; 또는
    상기 디지털 이미지 내에 표현된 이벤트를 검출하는 것
    을 포함하는 이미징 장치.
  4. 제1항에 있어서,
    상기 제1 피사체를 인식하는 것은 상기 이미징 장치의 상황 센서(contextual sensor)로부터 수신된 상황 데이터에 기초하여 상기 디지털 이미지 내에 표현된 이벤트를 인식하는 것을 포함하는 이미징 장치.
  5. 제4항에 있어서,
    상기 이벤트를 인식하는 것은 상기 디지털 이미지의 캡처 위치 또는 상기 디지털 이미지의 캡처 날짜에 기초하여 이벤트를 인식하는 것을 포함하는 이미징 장치.
  6. 제1항에 있어서,
    상기 제1 피사체를 인식하는 것은 상기 이미징 장치의 애플리케이션에 의해 생성된 상황 데이터에 기초하여 상기 디지털 이미지 내에 표현된 이벤트를 인식하는 것을 포함하는 이미징 장치.
  7. 제6항에 있어서,
    상기 상황 데이터에 기초하여 상기 이벤트를 인식하는 것은 상기 이미징 장치의 상기 애플리케이션에 의해 생성된 티켓팅 데이터, 모바일 지불 데이터(mobile payment data) 또는 캘린더 데이터에 기초하여 상기 이벤트를 인식하는 것을 포함하는 이미징 장치.
  8. 제1항에 있어서,
    상기 소셜 네트워크 모듈은 또한 소셜 네트워크 서버로부터 소셜 네트워크 데이터를 수신하고, 상기 소셜 네트워크 데이터는 상기 제1 피사체와 상기 제1 소셜 네트워크 그룹을 관련시키며,
    상기 제1 소셜 네트워크 그룹을 결정하는 것은 상기 소셜 네트워크 데이터에 기초하여 상기 제1 소셜 네트워크 그룹을 결정하는 것을 포함하는 이미징 장치.
  9. 삭제
  10. 삭제
  11. 제1항 및 제3항 내지 제8항 중 어느 한 항에 있어서,
    상기 디지털 이미지를 크로핑하는 것은 상기 이미징 장치상에 저장된 콘텐츠 정책의 함수로서 상기 제1 서브이미지로부터 상기 제2 피사체를 배제하는 것을 더 포함하고, 상기 콘텐츠 정책은 상기 제1 소셜 네트워크 그룹에 기초하여 상기 제2 피사체를 포함할지 또는 배제할지를 정의하기 위한 규칙들의 세트를 포함하는, 이미징 장치.
  12. 제1항 및 제3항 내지 제8항 중 어느 한 항에 있어서,
    상기 구성 규칙 정책에 기초하여 상기 디지털 이미지를 크로핑하는 것은
    삼등분 규칙 구성 규칙 정책(rule of thirds composition rule policy)이 상기 제1 피사체를 포함하고 상기 제2 피사체를 배제하는 허용 제1 서브이미지(acceptable first sub-image)를 생성하는지 여부를 결정하고;
    초상화 구성 규칙 정책(portrait composition rule policy)이 상기 제1 피사체를 포함하고 상기 제2 피사체를 배제하는 허용 제1 서브이미지를 생성하는지 여부를 결정하고;
    상기 삼등분 규칙 구성 규칙 정책이 허용 제1 서브이미지를 생성하지 않는다는 결정 및 상기 초상화 구성 규칙 정책이 허용 제1 서브이미지를 생성하지 않는다는 결정에 응답하여 대비 구성 규칙 정책(fallback composition rule policy)을 적용하는 것을 포함하고,
    상기 대비 구성 규칙 정책을 적용하는 것은
    상기 제1 피사체를 포함하는 최소 경계 박스(smallest bounding box)에 기초하여 상기 디지털 이미지를 크로핑하여 상기 제1 서브이미지를 생성하고;
    상기 제1 서브이미지 내의 상기 제2 피사체를 흐릿(obscure)하게 하는 것을 포함하는, 이미징 장치.
  13. 제1항 및 제3항 내지 제8항 중 어느 한 항에 있어서,
    깊이 카메라(depth camera)를 더 포함하고,
    상기 디지털 이미지를 캡처하는 것은 상기 깊이 카메라를 이용하여 상기 디지털 이미지와 관련된 깊이 데이터를 캡처하는 것을 포함하고;
    상기 제1 피사체를 인식하는 것은 상기 디지털 이미지와 관련된 상기 깊이 데이터를 이용하여 상기 제1 피사체를 인식하는 것을 포함하고;
    상기 디지털 이미지를 크로핑하는 것은 상기 제1 피사체 상에 포커싱하기 위해 상기 디지털 이미지를 리포커싱하는 것을 더 포함하는 이미징 장치.
  14. 자동 이미지 크로핑을 위한 방법으로서,
    이미징 장치에 의해, 디지털 이미지를 캡처하는 단계;
    상기 이미징 장치에 의해, 상기 디지털 이미지 내에 표현된 제1 피사체 및 제2 피사체를 인식하는 단계;
    상기 이미징 장치에 의해, 상기 제1 피사체와 관련된 제1 소셜 네트워크 그룹을 결정하는 단계;
    상기 이미징 장치에 의해, 상기 제2 피사체와 관련된 제2 소셜 네트워크 그룹을 결정하는 단계 - 상기 제1 피사체는 상기 제2 소셜 네트워크 그룹과 관련되지 않음 - ;
    상기 이미징 장치에 의해 그리고 구성 규칙 정책에 기초하여, 상기 디지털 이미지를 크로핑하여 (i) 상기 제1 피사체를 포함하고 상기 제2 피사체를 배제하는 제1 서브이미지를 생성하고 (ii) 상기 제2 피사체를 포함하고 상기 제1 피사체를 배제하는 제2 서브이미지를 생성하는 단계; 및
    상기 이미징 장치에 의해 상기 제1 서브이미지를 상기 제1 소셜 네트워크 그룹과 공유하고 상기 제2 서브이미지를 상기 제2 소셜 네트워크 그룹과 공유하는 단계
    를 포함하고,
    상기 구성 규칙 정책은 인식된 상기 제1 피사체에 기초하여 상기 제1 서브이미지의 구성을 정의하는 규칙들의 세트를 포함하고, 상기 구성 규칙 정책은 인식된 상기 제2 피사체에 기초하여 상기 제2 서브이미지의 구성을 정의하는 규칙들의 세트를 포함하는, 방법.
  15. 삭제
  16. 제14항에 있어서,
    상기 제1 피사체를 인식하는 단계는
    상기 디지털 이미지 내에 표현된 사람 얼굴의 위치 및 특성들을 검출하는 단계;
    상기 디지털 이미지 내에 표현된 물체의 위치 및 아이덴티티를 검출하는 단계; 또는
    상기 디지털 이미지 내에 표현된 이벤트를 검출하는 단계
    를 포함하는 방법.
  17. 제14항에 있어서,
    상기 제1 피사체를 인식하는 단계는 상기 이미징 장치의 애플리케이션에 의해 생성된 상황 데이터에 기초하여 상기 디지털 이미지 내에 표현된 이벤트를 인식하는 단계를 포함하는 방법.
  18. 삭제
  19. 삭제
  20. 제14항에 있어서,
    상기 디지털 이미지를 크로핑하는 단계는 상기 이미징 장치상에 저장된 콘텐츠 정책의 함수로서 상기 제1 서브이미지로부터 상기 제2 피사체를 배제하는 단계를 더 포함하고, 상기 콘텐츠 정책은 상기 제1 소셜 네트워크 그룹에 기초하여 상기 제2 피사체를 포함할지 또는 배제할지를 정의하기 위한 규칙들의 세트를 포함하는, 방법.
  21. 제14항에 있어서,
    상기 구성 규칙 정책에 기초하여 상기 디지털 이미지를 크로핑하는 단계는
    삼등분 규칙 구성 규칙 정책을 적용하는 단계 - 상기 삼등분 규칙 구성 규칙 정책을 적용하는 단계는 상기 제1 서브이미지의 치수를 따라 1/3의 위치에 상기 제1 피사체를 배치하도록 상기 제1 서브이미지의 크기를 조절하는 단계를 포함함 -; 또는
    초상화 구성 규칙을 적용하는 단계 - 상기 초상화 구성 규칙 정책을 적용하는 단계는 상기 제1 서브이미지의 중심에 상기 제1 피사체를 배치하도록 상기 제1 서브이미지의 크기를 조절하는 단계를 포함함 -
    를 포함하는 방법.
  22. 제14항에 있어서,
    상기 구성 규칙 정책에 기초하여 상기 디지털 이미지를 크로핑하는 단계는
    삼등분 규칙 구성 규칙 정책이 상기 제1 피사체를 포함하고 상기 제2 피사체를 배제하는 허용 제1 서브이미지를 생성하는지 여부를 결정하는 단계;
    초상화 구성 규칙 정책이 상기 제1 피사체를 포함하고 상기 제2 피사체를 배제하는 허용 제1 서브이미지를 생성하는지 여부를 결정하는 단계; 및
    상기 삼등분 규칙 구성 규칙 정책이 허용 제1 서브이미지를 생성하지 않는다는 결정 및 상기 초상화 구성 규칙 정책이 허용 제1 서브이미지를 생성하지 않는다는 결정에 응답하여 대비 구성 규칙 정책을 적용하는 단계
    를 포함하고,
    상기 대비 구성 규칙 정책을 적용하는 단계는
    상기 제1 피사체를 포함하는 최소 경계 박스에 기초하여 상기 디지털 이미지를 크로핑하여 상기 제1 서브이미지를 생성하는 단계; 및
    상기 제1 서브이미지 내의 상기 제2 피사체를 흐릿하게 하는 단계
    를 포함하는 방법.
  23. 컴퓨팅 장치로서,
    프로세서; 및
    상기 프로세서에 의해 실행될 때 상기 컴퓨팅 장치로 하여금 제14항, 제16항, 제17항 및 제20항 내지 제22항 중 어느 한 항의 방법을 수행하게 하는 복수의 명령어를 저장한 메모리
    를 포함하는 컴퓨팅 장치.
  24. 실행되는 것에 응답하여 컴퓨팅 장치로 하여금 제14항, 제16항, 제17항 및 제20항 내지 제22항 중 어느 한 항의 방법을 수행하게 하는 저장된 복수의 명령어를 포함하는 하나 이상의 머신 판독 가능 저장 매체.
  25. 제14항, 제16항, 제17항 및 제20항 내지 제22항 중 어느 한 항의 방법을 수행하기 위한 수단을 포함하는 컴퓨팅 장치.
KR1020167003664A 2013-09-18 2013-09-18 자동 이미지 크로핑 및 공유 KR101759453B1 (ko)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/US2013/060340 WO2015041641A1 (en) 2013-09-18 2013-09-18 Automated image cropping and sharing

Publications (2)

Publication Number Publication Date
KR20160032170A KR20160032170A (ko) 2016-03-23
KR101759453B1 true KR101759453B1 (ko) 2017-07-18

Family

ID=52689181

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020167003664A KR101759453B1 (ko) 2013-09-18 2013-09-18 자동 이미지 크로핑 및 공유

Country Status (5)

Country Link
US (2) US9633046B2 (ko)
EP (2) EP3413263A1 (ko)
KR (1) KR101759453B1 (ko)
CN (1) CN105659286B (ko)
WO (1) WO2015041641A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11627257B2 (en) 2020-11-26 2023-04-11 Samsung Electronics Co., Ltd. Electronic device including image sensor having multi-crop function

Families Citing this family (30)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150106195A1 (en) 2013-10-10 2015-04-16 Elwha Llc Methods, systems, and devices for handling inserted data into captured images
US20150104004A1 (en) 2013-10-10 2015-04-16 Elwha Llc Methods, systems, and devices for delivering image data from captured images to devices
US10346624B2 (en) * 2013-10-10 2019-07-09 Elwha Llc Methods, systems, and devices for obscuring entities depicted in captured images
US10013564B2 (en) 2013-10-10 2018-07-03 Elwha Llc Methods, systems, and devices for handling image capture devices and captured images
US10185841B2 (en) 2013-10-10 2019-01-22 Elwha Llc Devices, methods, and systems for managing representations of entities through use of privacy beacons
US9799036B2 (en) 2013-10-10 2017-10-24 Elwha Llc Devices, methods, and systems for managing representations of entities through use of privacy indicators
EP3151535A1 (en) * 2015-09-29 2017-04-05 Thomson Licensing Plenoptic camera having an array of sensors for generating digital images and method of capturing an image using a plenoptic camera
CN105528786B (zh) * 2015-12-04 2019-10-01 小米科技有限责任公司 图像处理方法及装置
CN105872193A (zh) * 2015-12-08 2016-08-17 乐视移动智能信息技术（北京）有限公司 分享壁纸图片的方法、装置及移动终端
US9886651B2 (en) 2016-05-13 2018-02-06 Microsoft Technology Licensing, Llc Cold start machine learning algorithm
CN106447862B (zh) * 2016-10-13 2018-08-24 凌美芯（北京）科技有限责任公司 一种基于计算机视觉技术的智能闸机验票方法
CN106875433A (zh) * 2017-03-09 2017-06-20 广东欧珀移动通信有限公司 裁剪构图的控制方法、控制装置及电子装置
US10318794B2 (en) * 2017-04-28 2019-06-11 Microsoft Technology Licensing, Llc Intelligent auto cropping of digital images
CN107317962B (zh) * 2017-05-12 2019-11-08 广东网金控股股份有限公司 一种智能拍照裁剪构图系统及使用方法
US10165495B1 (en) 2017-06-22 2018-12-25 Microsoft Technology Licensing, Llc Connectivity using a geographic phone number
KR101972331B1 (ko) * 2017-08-29 2019-04-25 키튼플래닛 주식회사 영상 얼라인먼트 방법 및 그 장치
US10642867B2 (en) * 2017-09-15 2020-05-05 Adobe Inc. Clustering based on a directed graph
US10623694B2 (en) * 2018-03-16 2020-04-14 Lenovo (Singapore) Pte Ltd Appropriate modification of video call images
CN108566512A (zh) * 2018-03-21 2018-09-21 珠海市魅族科技有限公司 一种智能拍摄方法、装置、计算机设备及可读存储介质
US10979669B2 (en) 2018-04-10 2021-04-13 Facebook, Inc. Automated cinematic decisions based on descriptive models
EP3794432A1 (en) * 2018-05-18 2021-03-24 Re Mago Ltd Method, apparatus, and computer-readable medium for propagating cropped images over a web socket connection in a networked collaboration workspace
CN111010590B (zh) * 2018-10-08 2022-05-17 阿里巴巴（中国）有限公司 一种视频裁剪方法及装置
US20200151453A1 (en) * 2018-11-08 2020-05-14 International Business Machines Corporation Reducing overlap among a collection of photographs
CN109919156B (zh) * 2019-03-13 2022-07-19 网易传媒科技（北京）有限公司 图像裁剪预测模型的训练方法、介质、装置及计算设备
US10834465B1 (en) * 2019-06-28 2020-11-10 Netflix, Inc. Automated video cropping
CN110611768B (zh) * 2019-09-27 2021-06-29 北京小米移动软件有限公司 多重曝光摄影方法及装置
CN112057872A (zh) * 2020-09-10 2020-12-11 重庆五诶科技有限公司 一种隐私信息保护系统及方法
CN116088740B (zh) * 2022-05-30 2023-10-31 荣耀终端有限公司 界面处理方法和装置
WO2023249195A1 (en) * 2022-06-20 2023-12-28 Samsung Electronics Co., Ltd. Method and system for context-aware crop in camera preview
CN116543004B (zh) * 2023-07-05 2024-04-19 荣耀终端有限公司 图像裁切方法、装置、终端设备及计算机可读存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004520735A (ja) * 2000-12-22 2004-07-08 ヒューレット・パッカード・カンパニー 電子画像の自動クロッピング方法および装置
JP2013088906A (ja) * 2011-10-14 2013-05-13 Cyber Ai Entertainment Inc 画像認識システムを備えた知識情報処理サーバシステム

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB0116877D0 (en) * 2001-07-10 2001-09-05 Hewlett Packard Co Intelligent feature selection and pan zoom control
US7171058B2 (en) * 2003-07-31 2007-01-30 Eastman Kodak Company Method and computer program product for producing an image of a desired aspect ratio
US20060072847A1 (en) * 2004-10-01 2006-04-06 Microsoft Corporation System for automatic image cropping based on image saliency
KR100601997B1 (ko) 2004-10-12 2006-07-18 삼성전자주식회사 인물기반 디지털 사진 클러스터링 방법 및 장치와 이를이용한 인물기반 디지털 사진 앨버밍 방법 및 장치
US7529390B2 (en) * 2005-10-03 2009-05-05 Microsoft Corporation Automatically cropping an image
US20080077595A1 (en) * 2006-09-14 2008-03-27 Eric Leebow System and method for facilitating online social networking
CN102016882B (zh) * 2007-12-31 2015-05-27 应用识别公司 利用脸部签名来标识和共享数字图像的方法、系统和计算机程序
KR101456488B1 (ko) 2008-03-12 2014-10-31 삼성전자주식회사 이미지 파일의 공개 형식 설정방법 및 이를 채용한 장치
US8340452B2 (en) * 2008-03-17 2012-12-25 Xerox Corporation Automatic generation of a photo guide
US20100214445A1 (en) * 2009-02-20 2010-08-26 Sony Ericsson Mobile Communications Ab Image capturing method, image capturing apparatus, and computer program
US8121358B2 (en) * 2009-03-06 2012-02-21 Cyberlink Corp. Method of grouping images by face
US8907984B2 (en) * 2009-07-08 2014-12-09 Apple Inc. Generating slideshows using facial detection information
KR20110042612A (ko) 2009-10-19 2011-04-27 주식회사 슈프리마 사진인화 서비스 제공방법 및 그 장치
US9070182B1 (en) * 2010-07-13 2015-06-30 Google Inc. Method and system for automatically cropping images
US8270684B2 (en) * 2010-07-27 2012-09-18 Google Inc. Automatic media sharing via shutter click
KR20120140404A (ko) 2011-06-21 2012-12-31 노치훈 사진 자동인식, 분류 및 전송 방법 및 상기 방법을 수행하는 모바일 단말기
US9342817B2 (en) * 2011-07-07 2016-05-17 Sony Interactive Entertainment LLC Auto-creating groups for sharing photos
US10089327B2 (en) * 2011-08-18 2018-10-02 Qualcomm Incorporated Smart camera for sharing pictures automatically
CN106661436B (zh) * 2014-07-07 2018-10-26 大金工业株式会社 含有全氟(聚)醚改性酰胺硅烷化合物的组合物

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004520735A (ja) * 2000-12-22 2004-07-08 ヒューレット・パッカード・カンパニー 電子画像の自動クロッピング方法および装置
JP2013088906A (ja) * 2011-10-14 2013-05-13 Cyber Ai Entertainment Inc 画像認識システムを備えた知識情報処理サーバシステム

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11627257B2 (en) 2020-11-26 2023-04-11 Samsung Electronics Co., Ltd. Electronic device including image sensor having multi-crop function

Also Published As

Publication number Publication date
EP3413263A1 (en) 2018-12-12
US20160188635A1 (en) 2016-06-30
US20180075065A1 (en) 2018-03-15
EP3063730A4 (en) 2017-05-31
WO2015041641A1 (en) 2015-03-26
EP3063730A1 (en) 2016-09-07
EP3063730B1 (en) 2018-10-24
CN105659286A (zh) 2016-06-08
CN105659286B (zh) 2021-09-28
KR20160032170A (ko) 2016-03-23
US9633046B2 (en) 2017-04-25

Similar Documents

Publication Publication Date Title
KR101759453B1 (ko) 자동 이미지 크로핑 및 공유
US10896478B2 (en) Image grid with selectively prominent images
US10834355B2 (en) Barrage message processing
US10628680B2 (en) Event-based image classification and scoring
EP3125135B1 (en) Picture processing method and device
CN109064390B (zh) 一种图像处理方法、图像处理装置及移动终端
KR102173123B1 (ko) 전자장치에서 이미지 내의 특정 객체를 인식하기 위한 방법 및 장치
CN108961157B (zh) 图片处理方法、图片处理装置及终端设备
CN112954450B (zh) 视频处理方法、装置、电子设备和存储介质
US20130120602A1 (en) Taking Photos With Multiple Cameras
US10191920B1 (en) Graphical image retrieval based on emotional state of a user of a computing device
US9137461B2 (en) Real-time camera view through drawn region for image capture
CN105430269B (zh) 一种应用于移动终端的拍照方法及装置
KR20190120106A (ko) 동영상의 대표 이미지를 결정하는 방법 및 그 방법을 처리하는 전자 장치
CN110929063A (zh) 相册生成方法、终端设备及计算机可读存储介质
CN108932703B (zh) 图片处理方法、图片处理装置及终端设备
KR20160016574A (ko) 영상 제공 방법 및 이를 위한 장치
CN113194256B (zh) 拍摄方法、装置、电子设备和存储介质
CN113866782A (zh) 图像处理方法、装置及电子设备
US20110304644A1 (en) Electronic apparatus and image display method
KR20200127928A (ko) 전자장치에서 이미지 내의 특정 객체를 인식하기 위한 방법 및 장치
US20070206231A1 (en) Methods, systems, and computer program products for associating an image with a communication characteristic
CN113312949A (zh) 视频数据处理方法、视频数据处理装置和电子设备
JP2012181328A (ja) 広告配信システム、広告配信装置、広告配信方法、及びプログラム
US11682210B1 (en) Methods and device for video data analysis

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant