[发明专利]一种基于深度学习的拍摄构图方法和系统

权利要求书

1.一种基于深度学习的拍摄构图方法，包括以下步骤：

对拍摄镜头中的目标对象进行实时感知；

建立构图训练集，利用该构图训练集训练深度神经网络，以包含完整目标对象的图片为输入，以最优构图方案为学习目标；

将感知到的当前的目标对象输入深度神经网络中，基于该深度神经网络输出当前最优的构图方案，得到包含目标对象的二维平面位置信息和放缩信息。

2.根据权利要求1所述的基于深度学习的拍摄构图方法，其特征在于，所述建立构图训练集具体为：

计算当前画面的放缩倍数z，将目标对象进行放缩z倍处理；

根据构图原则，设定若干条相互交叉的参考线，将所有参考线的所有交点集合定义为V_p＝{v_p}；

对目标对象建立完整的骨架模型，标记骨架模型上所有节点v_o的集为V_o＝{v_o}，节点的坐标(x,y)以拍摄的图像的左上角(0,0)为参考点，骨架模型上的相邻节点之间形成的线段e_o的集合标记为E_o＝{e_o}，骨架模型上的各节点设定相应的权重w_o，该权重集为W_o＝{w_o}；

标记骨架模型上某一节点v_o到相邻最近的参考线交点的距离为标记骨架模型上某一对相邻节点所形成的线段e_o与水平方向的夹角为θ_∥(e_o)、以及与垂直方向的夹角为θ_⊥(e_o)，并且该线段e_o的参考偏移角度被定义为Θ(e_o)＝min{θ_∥(e_o),θ_⊥(e_o)}；

在当前拍摄画面中，当目标对象的完整骨架模型节点距参考线交点越近，相邻节点形成的线段与水平方向或垂直方向的角度偏移越小时，构图评分越高，构图方案越优，直到得到最优构图方案。

3.根据权利要求2所述的基于深度学习的拍摄构图方法，其特征在于，所述最优的构图方案具体为，在目标对象经过z倍放缩满足成像大小的前提下，寻找获取目标对象的平面位置信息(x,y)，使得

最小，其中cost＝f(·)为关于自变量的正相关函数，当cost值最小时目标对象所在的平面位置信息(x,y)为最优位置，构图水平的评分rate＝g(cost)，其中rate＝g(·)为关于自变量的负相关函数。

4.根据权利要求3所述的基于深度学习的拍摄构图方法，其特征在于，所述放缩倍数z，以目标对象的眉心到锁骨中心的连线为放缩参考依据。

5.根据权利要求4所述的基于深度学习的拍摄构图方法，其特征在于，所述对目标对象放缩z倍处理时，目标对象在画面中成半身像或全身像状态。

6.根据权利要求5所述的基于深度学习的拍摄构图方法，其特征在于，所述构图原则为三分线构图法和中心线构图法，或者对角线构图法和三角构图法，或者九宫构图方法和三角构图法。

7.一种基于深度学习的拍摄构图系统，其特征在于，所述系统包括感知单元，用于实时感知拍摄画面当中的目标对象；

构建单元，用于建立构图训练集，并且用该构图训练集对深度神经网络进行训练；

输出单元，利用训练后的深度神经网络针对当前画面，输出最优构图方案。

8.根据权利要求7所述的基于深度学习的拍摄构图系统，其特征在于，所述系统还包括

计算单元，用于计算当前画面的放缩倍数z；

寻找获取单元，用于寻找使得

最小时的目标对象所在的平面位置信息(x,y)，其中cost＝f(·)为关于自变量的正相关函数。