CN109274885B - 一种拍照微调方法 - Google Patents

Abstract

本发明公开了一种拍照微调方法，通过摄像头在原始位置拍摄待拍摄物体，将所拍摄得到的第一图片发送至已训练好的CNN网络中，输出评价分数，然后将摄像头按照预设的运动轨迹移动并进行拍摄得到第二图片，将第二图片发送至已训练好的CNN网络中，最后根据第一评价分数与第二评价分数，微调摄像头的位置，达到最优拍摄位置。通过自动调整摄像头的位置，代替了人工繁琐的调整摄像头，本发明技术方案能够更快速的找到最优拍摄位置，从而有效的提高获取高质量图片的效率。另外，采用深度学习的目标检测技术，快速的对所拍摄的图片进行评分，更进一步的提高了获取高质量图片的效率。

Description

一种拍照微调方法

技术领域

本发明涉及机器视觉领域，尤其涉及一种拍照微调方法。

背景技术

现代社会，拍照是一种很常见的行为，想要记录某些信息便可以通过拍照的方式，来达到目的。而拍照的过程中，则需要不停的调整拍摄位置，以此来让得到的图片质量更高，从而使图片所记录的信息更加全面。

而现有的拍照微调方法是基于拍摄人员的视觉反馈，通过手动调整摄像头，来达到自认为最优的拍摄位置，存在不小的偏差，无法精准的调整摄像头到最优拍摄位置，并且快速的得到高质量图片。

发明内容

本发明实施例的目的是提供一种拍照微调方法，通过自动调整摄像头的位置，代替了人工繁琐的调整摄像头能够快速的找到最优拍摄位置，从而有效的提高获取高质量图片的效率。

为实现上述目的，本发明实施例提供了一种拍照微调方法，包括：

通过摄像头在原始位置拍摄待拍摄物体，获得第一图片；

提取所述第一图片的第一图片信息，并将所述第一图片信息发送至已训练好的CNN网络中，输出第一评价分数；其中，所述第一图片信息包括所述第一图片的类别、时间、地点和像素；

根据预设的移动轨迹控制所述摄像头移动到第二位置，拍摄所述待拍摄物体，获得第二图片；

提取所述第二图片的第二图片信息，并将所述第二图片信息发送至所述已训练好的CNN网络中，输出第二评价分数；

如果所述第一评价分数大于所述第二评价分数，则将所述摄像头移动到所述原始位置，并按照所述移动轨迹的反方向移动所述摄像头到第三位置，重新拍摄所述待拍摄物体；

如果所述第一评价分数小于所述第二评价分数，则按照所述移动轨迹的正方向移动所述摄像头到第四位置，重新拍摄所述待拍摄物体。

进一步的，所述拍照微调方法，还包括：

当所述摄像头移动到所述第三位置，拍摄所述待拍摄物体，获得第三图片；

提取所述第三图片的第三图片信息，并将所述第三图片信息发送至所述已训练好的CNN网络中，输出第三评价分数；

如果所述第一评价分数大于所述第三评价分数，则将所述原始位置作为最优拍摄位置；

如果所述第一评价分数小于所述第三评价分数，则按照所述移动轨迹的反方向移动所述摄像头到第五位置，重新拍摄所述待拍摄物体。

进一步的，所述拍照微调方法，还包括：

当所述摄像头移动到所述第四位置，拍摄所述待拍摄物体，获得第四图片；

提取所述第四图片的第四图片信息，并将所述第四图片信息发送至所述已训练好的CNN网络中，输出第四评价分数；

如果所述第二评价分数大于所述第四评价分数，则将所述第二位置作为最优拍摄位置；

如果所述第二评价分数小于所述第四评价分数，则按照所述移动轨迹的正方向移动所述摄像头到第六位置，重新拍摄所述待拍摄物体。

进一步的，所述预设的移动轨迹，具体为：

以所述待拍摄物体的正面作为拍摄对象，以所述摄像头与所述待拍摄物体的2米内的范围作为拍摄距离，将所述摄像头以从左到右方向移动，以此作为所述预设的移动轨迹。

进一步的，所述已训练好的CNN网络是根据以下步骤得到的：

获取多个网络图片，并提取所述多个网络图片的图片信息；其中，所述多个网络图片的图片信息包括所述多个网络图片的点赞量、转发量、评论量、类别、时间、地点和像素；

根据所述多个网络图片的图片信息、预设的总平均点赞数和各图片对应的预设类平均点赞数，分别计算得到所述多个网络图片的评价分数；其中，所述评价分数与所述多个网络图片的图片质量成正比；

以所述多个网络图片的类别、时间、地点和像素为训练集输入，以所述多个网络图片的评价分数为所述训练集输出，构建所述已训练好的CNN网络。

进一步的，所述类别包括：人物类、物件类以及风景类。

进一步的，所述类平均点赞数包括人物类平均点赞数、物件类平均点赞数以及风景类平均点赞数；

所述人物类平均点赞数，为所述多个图片中属于人物类的图片的总点赞量与所述若干个用户的总粉丝量的比值；

所述物件类平均点赞数，为所述多个图片中属于物件类的图片的总点赞量与所述若干个用户的总粉丝量的比值；

所述风景类平均点赞数，为所述多个图片中属于风景类的图片的总点赞量与所述若干个用户的总粉丝量的比值。

进一步的，所述根据所述多个网络图片的图片信息、预设的总平均点赞数和各图片对应的预设类平均点赞数，分别计算得到所述多个网络图片的评价分数，具体为：

将所述总平均点赞数作为第一参数；

将所述多个网络图片的点赞量分别除以所述总平均点赞数，得到多个第二参数；

将所述多个网络图片的点赞量分别除以所述各图片对应的预设类平均点赞数，得到多个第三参数；

将所述多个网络图片的转发量分别除以所述总平均点赞数，得到多个第四参数；

将所述多个网络图片的转发量分别除以所述各图片对应的预设类平均点赞数，得到多个第五参数；

将所述多个网络图片的评论量分别除以所述总平均点赞数，得到多个第六参数；

将所述多个网络图片的评论量分别除以所述各图片对应的预设类平均点赞数，得到多个第七参数；

根据所述第一参数、所述多个第二参数、所述多个第三参数、所述多个第四参数、所述多个第五参数、所述多个第六参数、所述多个第七参数和预设的权重，得到所述多个网络图片的评价分数。

实施本发明实施例，具有如下有益效果：

与现有技术相比，本发明实施例提供的拍照微调方法，通过摄像头在原始位置拍摄待拍摄物体，将所拍摄得到的第一图片发送至已训练好的CNN网络中，输出评价分数，然后将摄像头按照预设的运动轨迹移动并进行拍摄得到第二图片，将第二图片发送至已训练好的CNN网络中，最后根据第一评价分数与第二评价分数，微调摄像头的位置，达到最优拍摄位置。通过自动调整摄像头的位置，代替了人工繁琐的调整摄像头，本发明技术方案能够更快速的找到最优拍摄位置，从而有效的提高获取高质量图片的效率。另外，采用深度学习的目标检测技术，快速的对所拍摄的图片进行评分，更进一步的提高了获取高质量图片的效率。

附图说明

图1是本发明提供的拍照微调方法的一个实施例的流程示意图；

图2是本发明提供的拍照微调方法的另一种实施例的流程示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

参见图1，图1是本发明提供的拍照微调方法的一个实施例的流程示意图；本发明实施例提供一种作业现场人员安全着装的检查方法，包括步骤S1至S5；

S1，通过摄像头在原始位置拍摄待拍摄物体，获得第一图片；

S2，提取第一图片的第一图片信息，将第一图片信息发送至已训练好的CNN网络中，输出第一评价分数；

需要说明的是，第一图片信息包括第一图片的类别、时间、地点和像素；其中，类别包括：人物类、物件类以及风景类；时间为拍摄第一图片的时间；地点为拍摄第一图片的地点；像素为第一图片的像素值。

S3，根据预设的移动轨迹控制摄像头移动到第二位置，拍摄待拍摄物体，获得第二图片；

需要说明的是，预设的移动轨迹为：以所述待拍摄物体的正面作为拍摄对象，以所述摄像头与所述待拍摄物体的2米内的范围作为拍摄距离，将所述摄像头以从左到右方向移动，以此作为所述预设的移动轨迹；其中，移动摄像头的距离为预设的，为0-1cm的距离，并且可以通过预设的移动距离，得到更加精准的拍摄位置，从而获得更加高质量的图片。

在本实施例中，无论如何移动摄像头，摄像头的镜头都是对准待拍摄物体的正面。

S4，提取第二图片的第二图片信息，将第二图片信息发送至已训练好的CNN网络中，输出第二评价分数；

S5，如果第一评价分数大于第二评价分数，则将摄像头移动到原始位置，并按照移动轨迹的反方向移动摄像头到第三位置，重新拍摄待拍摄物体；如果第一评价分数小于第二评价分数，则按照移动轨迹的正方向移动摄像头到第四位置，重新拍摄待拍摄物体；

作为本发明的另一种实施例，参见图2，图2是本发明提供的拍照微调方法的另一种实施例的流程示意图，图1与图2的区别在于，在执行步骤S5后，还包括步骤S6至S11。

S6，当摄像头移动到第三位置，拍摄待拍摄物体，获得第三图片；提取第三图片的第三图片信息，并将第三图片信息发送至已训练好的CNN网络中，输出第三评价分数；

S7，如果第一评价分数大于第三评价分数，则将摄像头移动到原始位置，并将原始位置作为最优拍摄位置；

S8，如果第一评价分数小于第三评价分数，则按照移动轨迹的反方向移动摄像头到第五位置，重新拍摄待拍摄物体；

需要说明的是，如果下一个位置的评价分数仍然比前一个位置的评价分数高时，则继续按照移动轨迹的反方向移动，移动到下一个位置，直到评价分数不再递增。

S9,当摄像头移动到第四位置，拍摄待拍摄物体，获得第四图片；提取第四图片的第四图片信息，并将第四图片信息发送至已训练好的CNN网络中，输出第四评价分数；

S10，如果第二评价分数大于第四评价分数，则将摄像头移动到第二位置，并将第二位置作为最优拍摄位置；

S11，如果第二评价分数小于第四评价分数，则按照移动轨迹的正方向移动摄像头到第六位置，重新拍摄待拍摄物体；

需要说明的是，如果下一个位置的评价分数仍然比前一个位置的评价分数高时，则继续按照移动轨迹的正方向移动，移动到下一个位置，直到评价分数不再递增。

作为本发明实施例的进一步改进方案，已训练好的CNN网络是根据以下步骤得到的：

获取多个网络图片，并提取多个网络图片的图片信息；其中，多个网络图片的图片信息包括多个网络图片的点赞量、转发量、评论量、类别、时间、地点和像素；

根据多个网络图片的图片信息、预设的总平均点赞数和各图片对应的预设类平均点赞数，分别计算得到多个网络图片的评价分数；其中，评价分数与多个网络图片的图片质量成正比；

需要说明的是，通过以多个网络图片的类别、时间、地点和像素为训练集输入，以多个网络图片的评价分数为训练集输出，构建已训练好的CNN网络。

在本实施例中，类平均点赞数包括人物类平均点赞数、物件类平均点赞数以及风景类平均点赞数；人物类平均点赞数，为多个图片中属于人物类的图片的总点赞量与若干个用户的总粉丝量的比值；物件类平均点赞数，为多个图片中属于物件类的图片的总点赞量与若干个用户的总粉丝量的比值；风景类平均点赞数，为多个图片中属于风景类的图片的总点赞量与若干个用户的总粉丝量的比值。

需要说明的是，通过将类平均点赞数进行分类，可以使最终的评价分数更加精准，更进一步的提高了拍摄位置的精准度，从而获得更高质量的图片。

在本实施例中，将总平均点赞数作为第一参数；将多个网络图片的点赞量分别除以总平均点赞数，得到多个第二参数；将多个网络图片的点赞量分别除以各图片对应的预设类平均点赞数，得到多个第三参数；将多个网络图片的转发量分别除以总平均点赞数，得到多个第四参数；将多个网络图片的转发量分别除以各图片对应的预设类平均点赞数，得到多个第五参数；将多个网络图片的评论量分别除以总平均点赞数，得到多个第六参数；将多个网络图片的评论量分别除以各图片对应的预设类平均点赞数，得到多个第七参数；根据第一参数、多个第二参数、多个第三参数、多个第四参数、多个第五参数、多个第六参数、多个第七参数和预设的权重，得到多个网络图片的评价分数。其中，评价分数与多个网络图片的图片质量成正比。

为了更好的说明本发明的工作原理，以下为本发明的拍照微调方法的流程步骤。首先，通过摄像头在原始位置拍摄待拍摄物体，得到第一图片；将第一图片发送至已训练好的CNN网络中，输出第一评价分数；然后以待拍摄物体的正面作为拍摄对象，以摄像头与待拍摄物体的2米内的范围作为拍摄距离，将摄像头以从左到右方向移动0.5cm；并在当前位置进行拍照，得到第二图片；将第二图片发送至已训练好的CNN网络中，输出第二评价分数；比较第一评价分数与第二评价分数，出现两种情况1、2：

1、如果第一评价分数大于第二评价分数，则将摄像头移动到原始位置，并按照移动轨迹的反方向移动摄像头到第三位置，重新拍摄待拍摄物体，获得第三图片；将第三图片信息发送至已训练好的CNN网络中，输出第三评价分数；比较第一评价分数与第三评价分数，出现两种情况1.1、1.2：

1.1、如果第一评价分数大于第三评价分数，则将摄像头移动到原始位置，并将原始位置作为最优拍摄位置。

1.2、如果第一评价分数小于第三评价分数，则按照移动轨迹的反方向移动摄像头到第五位置，重新拍摄待拍摄物体；如果下一个位置的评价分数仍然比前一个位置的评价分数高时，则继续按照移动轨迹的反方向移动，移动到下一个位置，直到评价分数不再递增。譬如：第一个评价分数为80分，第二个评价分数为70分，第三个评价分数为90分，则继续往反方向移动，得到第四个评价分数为89分，取第三个评价分数对应的位置为最优拍摄位置。

2、如果第一评价分数小于第二评价分数，则按照移动轨迹的正方向移动摄像头到第四位置，重新拍摄待拍摄物体，获得第四图片；将第四图片信息发送至已训练好的CNN网络中，输出第四评价分数；比较第二评价分数与第四评价分数，出现两种情况2.1、2.2：

2.1、如果第二评价分数大于第四评价分数，则将摄像头移动到第二位置，并将第二位置作为最优拍摄位置；

2.2、如果第二评价分数小于第四评价分数，则按照移动轨迹的正方向移动摄像头到第六位置，重新拍摄待拍摄物体；如果下一个位置的评价分数仍然比前一个位置的评价分数高时，则继续按照移动轨迹的正方向移动，移动到下一个位置，直到评价分数不再递增。譬如：第一个评价分数为80分，第二个评价分数为85分，第三个评价分数为90分，则继续往正方向移动，得到第四个评价分数为89分，取第三个评价分数对应的位置为最优拍摄位置。

需要说明的是，在得到最优拍摄位置时，再通过摄像头对待拍摄物体进行拍照，得到的图片为用户所需要的高质量图片。

本发明实施例提供的拍照微调方法，通过摄像头在原始位置拍摄待拍摄物体，将所拍摄得到的第一图片发送至已训练好的CNN网络中，输出评价分数，然后将摄像头按照预设的运动轨迹移动并进行拍摄得到第二图片，将第二图片发送至已训练好的CNN网络中，最后根据第一评价分数与第二评价分数，微调摄像头的位置，达到最优拍摄位置。通过自动调整摄像头的位置，代替了人工繁琐的调整摄像头，本发明技术方案能够更快速的找到最优拍摄位置，从而有效的提高获取高质量图片的效率。另外，采用深度学习的目标检测技术，快速的对所拍摄的图片进行评分，更进一步的提高了获取高质量图片的效率。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random AccessMemory，RAM)等。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (7)

1.一种拍照微调方法，其特征在于，包括：

通过摄像头在原始位置拍摄待拍摄物体，获得第一图片；

提取所述第一图片的第一图片信息，并将所述第一图片信息发送至已训练好的CNN网络中，输出第一评价分数；其中，所述第一图片信息包括所述第一图片的类别、时间、地点和像素；

根据预设的移动轨迹控制所述摄像头移动到第二位置，拍摄所述待拍摄物体，获得第二图片；

提取所述第二图片的第二图片信息，并将所述第二图片信息发送至所述已训练好的CNN网络中，输出第二评价分数；

如果所述第一评价分数大于所述第二评价分数，则将所述摄像头移动到所述原始位置，并按照所述移动轨迹的反方向移动所述摄像头到第三位置，重新拍摄所述待拍摄物体；

如果所述第一评价分数小于所述第二评价分数，则按照所述移动轨迹的正方向移动所述摄像头到第四位置，重新拍摄所述待拍摄物体；

其中，所述已训练好的CNN网络是根据以下步骤得到的：

获取多个网络图片，并提取所述多个网络图片的图片信息；其中，所述多个网络图片的图片信息包括所述多个网络图片的点赞量、转发量、评论量、类别、时间、地点和像素；

根据所述多个网络图片的图片信息、预设的总平均点赞数和各图片对应的预设类平均点赞数，分别计算得到所述多个网络图片的评价分数；其中，所述评价分数与所述多个网络图片的图片质量成正比；

以所述多个网络图片的类别、时间、地点和像素为训练集输入，以所述多个网络图片的评价分数为所述训练集输出，构建所述已训练好的CNN网络。

2.如权利要求1所述的拍照微调方法，其特征在于，还包括：

当所述摄像头移动到所述第三位置，拍摄所述待拍摄物体，获得第三图片；

提取所述第三图片的第三图片信息，并将所述第三图片信息发送至所述已训练好的CNN网络中，输出第三评价分数；

如果所述第一评价分数大于所述第三评价分数，则将所述原始位置作为最优拍摄位置；

如果所述第一评价分数小于所述第三评价分数，则按照所述移动轨迹的反方向移动所述摄像头到第五位置，重新拍摄所述待拍摄物体。

3.如权利要求1所述的拍照微调方法，其特征在于，还包括：

当所述摄像头移动到所述第四位置，拍摄所述待拍摄物体，获得第四图片；

提取所述第四图片的第四图片信息，并将所述第四图片信息发送至所述已训练好的CNN网络中，输出第四评价分数；

如果所述第二评价分数大于所述第四评价分数，则将所述第二位置作为最优拍摄位置；

如果所述第二评价分数小于所述第四评价分数，则按照所述移动轨迹的正方向移动所述摄像头到第六位置，重新拍摄所述待拍摄物体。

4.如权利要求1所述的拍照微调方法，其特征在于，所述预设的移动轨迹，具体为：

以所述待拍摄物体的正面作为拍摄对象，以所述摄像头与所述待拍摄物体的2米内的范围作为拍摄距离，将所述摄像头以从左到右方向移动，以此作为所述预设的移动轨迹。

5.如权利要求4所述的拍照微调方法，其特征在于，所述类别包括：人物类、物件类以及风景类。

6.如权利要求5所述的拍照微调方法，其特征在于，所述类平均点赞数包括人物类平均点赞数、物件类平均点赞数以及风景类平均点赞数；

所述人物类平均点赞数，为所述多个图片中属于人物类的图片的总点赞量与若干个用户的总粉丝量的比值；

所述物件类平均点赞数，为所述多个图片中属于物件类的图片的总点赞量与若干个用户的总粉丝量的比值；

所述风景类平均点赞数，为所述多个图片中属于风景类的图片的总点赞量与若干个用户的总粉丝量的比值。

7.如权利要求5所述的拍照微调方法，其特征在于，所述根据所述多个网络图片的图片信息、预设的总平均点赞数和各图片对应的预设类平均点赞数，分别计算得到所述多个网络图片的评价分数，具体为：

将所述总平均点赞数作为第一参数；

将所述多个网络图片的点赞量分别除以所述总平均点赞数，得到多个第二参数；

将所述多个网络图片的点赞量分别除以所述各图片对应的预设类平均点赞数，得到多个第三参数；

将所述多个网络图片的转发量分别除以所述总平均点赞数，得到多个第四参数；

将所述多个网络图片的转发量分别除以所述各图片对应的预设类平均点赞数，得到多个第五参数；

将所述多个网络图片的评论量分别除以所述总平均点赞数，得到多个第六参数；

将所述多个网络图片的评论量分别除以所述各图片对应的预设类平均点赞数，得到多个第七参数；

根据所述第一参数、所述多个第二参数、所述多个第三参数、所述多个第四参数、所述多个第五参数、所述多个第六参数、所述多个第七参数和预设的权重，得到所述多个网络图片的评价分数。

Images