[发明专利]构图评价方法、摄影方法、装置、电子设备、存储介质

权利要求书

1.一种摄影构图评价方法，其特征在于，包括：

提取构图框的框内图像的特征信息，所述构图框包含有拍摄目标；

基于所述特征信息对所述构图框进行评价，得到所述构图框的第一次评价；

基于深度学习方法的构图评价模型对所述构图框进行评价，得到所述构图框的第二次评价；

根据所述第一次评价和所述第二次评价，得到所述构图框的综合评价。

2.根据权利要求1所述的摄影构图评价方法，其特征在于，所述基于深度学习方法的构图评价模型对所述构图框进行评价之前包括：

获取若干添加了构图框的图像、以及每个构图框的标签，得到构图数据集；

用所述构图数据集训练深度学习网络，所述深度学习网络的深层特征用于构图评价；

当所述深度学习网络收敛时，得到构图评价模型。

3.根据权利要求2所述的摄影构图评价方法，其特征在于，所述的所述深度学习网络的深层特征用于构图评价还包括：

所述深度学习网络的深层特征和至少一个浅层特征相结合用于构图评价。

4.根据权利要求1所述的摄影构图评价方法，其特征在于，所述基于所述特征信息对所述构图框进行评价包括：

基于所述特征信息的随机森林分类模型对所述构图框进行评价。

5.根据权利要求1所述的摄影构图评价方法，其特征在于，所述提取构图框的框内图像的特征信息包括：

根据拍摄目标的中心与构图框中九宫格的四个交叉点的距离信息，得到几何构图特征因子；和/或，

当拍摄目标为单人时，根据所述拍摄目标的人脸朝向得到视觉均衡特征因子；以及，当拍摄目标为多人时，根据所述拍摄目标的人物重心得到视觉均衡特征因子；和/或，

当拍摄目标为人物时，根据所述拍摄目标的人体关键节点在构图框中的完整度，得到人体关键点的完整性特征因子；和/或，

当拍摄目标为人物时，根据所述拍摄目标的表情，得到表情特征因子；和/或，

当拍摄目标为人物时，根据构图框的背景像素的直方图统计，得到背景颜色简洁性特征因子。

6.一种摄影构图评价方法，其特征在于，包括：

提取构图框的框内图像的特征信息，所述构图框包含有拍摄目标；

基于所述特征信息对所述构图框进行评价，得到所述构图框的第一次评价；

判断所述第一次评价是否满足预设条件；

当所述第一次评价不满足预设条件时，根据所述第一次评价得到所述构图框的综合评价；

当所述第一次评价满足预设条件时，采用基于深度学习方法的构图评价模型对所述构图框进行评价，得到所述构图框的第二次评价；以及，根据所述第一次评价和所述第二次评价，得到所述构图框的综合评价。

7.一种自动摄影方法，其特征在于，包括：

生成包含有拍摄目标的构图框；

根据权利要求1-6任一项所述的摄影构图评价方法对所述构图框进行评价，得到综合评价；

根据所述综合评价控制所述构图框的输出；

当摄影部件收到所述构图框时，按照所述构图框进行摄影。

8.一种摄影构图评价装置，其特征在于，包括：

特征提取模块，用于提取构图框的框内图像的特征信息，所述构图框包含有拍摄目标；

第一评价模块，用于基于所述特征信息对所述构图框进行评价，得到所述构图框的第一次评价；

第二评价模块，用于基于深度学习方法的构图评价模型对所述构图框进行评价，得到所述构图框的第二次评价；

综合评价模块，用于根据所述第一次评价和所述第二次评价，得到所述构图框的综合评价。

9.根据权利要求8所述的摄影构图评价装置，其特征在于，还包括：

模型构建模块，用于获取若干添加了构图框的图像、以及每个构图框的标签，得到构图数据集；以及，用所述构图数据集训练深度学习网络，所述深度学习网络的深层特征用于构图评价；当所述深度学习网络收敛时，得到构图评价模型。