[发明专利]构图评价方法、摄影方法、装置、电子设备、存储介质

说明书

本发明提供了构图评价方法、摄影方法、装置、电子设备、存储介质，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。本发明从图像的浅层特征和深层特征对摄影构图做了全面的评价，从而输出符合人类审美要求的照片。

技术领域

本发明涉及自动摄影技术领域，尤指构图评价方法、摄影方法、装置、电子设备、存储介质。

背景技术

生产生活实践中，人们采用诸如相机等摄影装置通过光学成像原理，以获取图像、影像，并记录图像、影像。一般而言，需要诸如摄影师通过人力操作摄影装置，从而获取预设拍摄目标的图像、影像。通常而言，摄影的基础在于构图，也即是选择拍摄目标及将拍摄目标以一定大小、比例置于相应的构图框中，并最终在画幅中得以展现，进而得到相应的可承载拍摄目标相关信息的材质上。

良好的构图能使照片清楚地表达意境和现场环境氛围，然而如何评价构图的好坏是一个十分困难而复杂的事情，构图评价本身是一个十分主观的问题。传统的构图评价方法，多是结合摄影师的经验，从底层视觉信息对构图做审美评价。如何从量化的角度更全面地评价构图的好坏，是一个值得进一步探索的问题。

发明内容

本发明的目的之一是为了克服现有技术中存在的至少部分不足，提供构图评价方法、摄影方法、装置、电子设备、存储介质，从图像的浅层特征和深层特征对摄影构图做全面的评价，从而输出符合人类审美要求的照片。

本发明提供的技术方案如下：

一种摄影构图评价方法，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。

进一步优选的，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。

进一步优选的，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。

进一步优选的，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。

进一步优选的，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；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。

本发明还提供一种摄影构图评价方法，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。