[发明专利]电子装置、电子装置的控制方法和计算机可读介质

说明书

提供了电子装置。该电子装置包括：相机、处理器和存储器，该存储器被配置为存储网络模型，该网络模型被训练为确定输入图像帧和预定的特征信息之间的匹配度，其中该处理器被配置为：当通过相机捕获多个图像帧时，基于通过将从多个图像帧当中选择的图像帧应用于经训练的网络模型而获得的匹配度来识别代表性图像帧，基于通过将包括所识别的代表性图像帧的特定部分内的图像帧应用于经训练的网络模型而获得的匹配度来从多个图像帧当中识别最佳图像帧，并提供所识别的最佳图像帧。

技术领域

本公开涉及电子装置，并且更特别地，涉及用于提供用户拍摄的视频中在最合适(用户期望的)时刻拍摄的最佳图像的电子装置。

本公开还涉及用于优化根据使用机器训练算法及其应用来模拟人脑的功能(诸如认知、确定等)的人工智能(artificial intelligence，AI)系统在多个图像中选择最佳图像的计算过程的电子装置及其控制方法。

背景技术

对于普通用户来说，通常很难拍摄捕获期望时刻的照片，诸如棒球运动员的球棒碰到球的时刻和屏幕上的人物微笑的时刻。原因是在按下快门的时刻和执行实际图像捕获的时刻之间存在延迟，但是最重要的是，不容易预测期望的时刻何时出现。

为了解决这种不便，在相关技术中已经提出了各种技术。

作为示例，已经提供了电子装置，该电子装置在特定时间连续拍摄图像，并且允许用户在拍摄的图像当中选择最期望的图片。然而，这种方法的结果是，作为拍摄的结果，大量不必要的图像保留在存储器中，并且用户必须在图像中直接选择一个图像。

此外，已经提供了被实现为在图像中的一个或多个对象匹配预定构图(composition)的时刻(例如，棒球运动员的球棒位于特定线上与球相遇的时刻)拍摄照片的拍摄装置。然而，这种方法存在这样的缺点，即使用范围非常局限于给定的构图，并且需要安装三脚架来保持构图。

人工智能(AI)系统是实现人类级智能的计算机系统，并且是机器自己执行学习和判断并变得智能的系统，这不同于现有的基于规则的智能系统。随着人工智能系统变得更加普遍，识别率得到提高，并且可以更准确地理解用户的偏好。因此，现有的基于规则的智能系统已经逐渐被基于深度学习的人工智能系统所取代。

人工智能技术包括机器学习(深度学习)和使用机器学习的元素技术(elementtechnology)。

机器学习是一种自行对输入数据的特征进行分类和学习的算法技术。此外，元素技术是使用诸如深度学习等机器学习算法来模仿人脑的功能(诸如识别、判断等)的技术，并且包括诸如语言理解、视觉理解、推理/预测、知识表示、运动控制等的技术领域。

人工智能技术应用的各个领域如下。语言理解是识别和应用/处理人类语言/字符的技术，并且包括自然语言处理、机器翻译、对话系统、问答、语音识别/合成等。视觉理解是像人类视觉一样识别和处理事物的技术，并且包括对象识别、对象跟踪、图像搜索、人类识别、场景理解、空间理解、图像改进等。推断/预测是判断和逻辑推断和预测信息的技术，并且包括基于知识/概率的推断、优化预测、基于偏好的规划、推荐等。知识表示是自动将人类经验信息作为知识数据和处理人类经验信息作为知识数据的技术，并且包括知识构建(数据生成/分类)、知识管理(数据利用)等。运动控制是控制车辆的自主驾驶、机器人的运动等的技术，并且包括运动控制(导航、碰撞、驾驶)、操作控制(行为控制)等。

例如，基于通过各种图像来学习的人工智能模型，可以确定输入图像是否包括特定元素和/或输入图像与预定特征或图像的匹配度。

发明内容

技术问题

一个或多个实施例提供了电子装置，其中即使用户在拍摄视频时没有按下快门，该电子装置也能从包括在相应视频中的多个图像帧当中识别并提供最合适的最佳图像帧。