[发明专利]智能人像构图方法及装置

说明书

本发明公开了一种智能人像构图方法及装置，所述方法包括：收集构图样本，构建高质量构图库；获取预拍摄人像；通过计算所述预拍摄人像与每一所述构图样本的特征相似度，以构建topK图像集；通过计算预拍摄人像与topK图像集中每一topK构图的特征相似度，重排序后精筛出最相似构图样本；使用所述最匹配构图样本的人体构图点位信息进行实时引导拍摄，以得到优质的人像构图图片。本发明给出了神经网络对图像预测的解释，并确保准确评估神经网络的预测水平。本发明综合考虑了人体姿势、人体占比、图片场景信息以及纹理信息、形状信息等多方面因素对人像拍摄构图的影响，使得用户在一开始拍摄时就可以拍出更好的图片，减少了后期加工处理。

技术领域

本发明涉及摄影技术领域，尤其涉及一种智能人像构图方法及装置。

背景技术

随着目前经济与技术的发展，使用智能手机进行拍摄照片用于分享或记录生活已经是生活中必不可少的一部分。技术的飞速进步使手机拍摄性能大大提高，但是个人的拍摄能力仍停留原地。人们渴望能拍摄出专业的高质量的图片，但需要花费时间去不断学习摄影、美学等相关知识。如何不需要专业背景知识就能快速便捷的拍出好的照片也逐渐成为了AI智能领域的研究热点问题之一。

高质量的照片尤其是人像照，前提必须有一个好的构图。构图不光是让画面好看也讲究内容表达层次，能够让人一眼明白照片背后的意义，从而形成统一和谐的整体。常见的构图方法包括：中心线构图、三分线构图、九宫格构图、三角形构图等。以人像构图为例，除考虑简单的结构信息外，其与人体姿势、所处场景以及人体占比是息息相关的。

目前现有的人像构图技术大多是对拍摄完成的图片进行后期加工处理，如使用不同算法裁切后得到多个子图，通过评分系统获取分数较高的子图作为最终的构图效果。也有部分是拍摄时直接进行构图引导，其中主要涉及的技术手段有：使用神经网络获取多个特征区域块进行光影合理度、清晰度方面评分、或使用骨骼点确定人体框，通过调整框在图片位置和大小进行构图评分、或使用深度学习方法获取对象和背景的类别信息，再通过逻辑回归模型确定使用的基本构图法、或使用深度学习方法检测人体关键点，并获取人脸在图像中面积占比通过占比确定景别，之后得到人体在图像的宽高占比来调整拍摄的焦距等方法。

以上这些技术，无论是拍摄时构图还是拍摄后对原图裁切构图，都是单独的分离了姿势、背景等因素，而一个好的人像构图是与上述因素息息相关。并且在拍摄过程中进行实时引导时也不希望被拍摄者会做出较大的动作调整，因此人体在图像中的占比也是需要考虑的。多种因素综合考虑才能智能的引导被拍摄者拍摄出高质量的人像图片。

发明内容

针对上述问题，本发明综合考虑了人体姿势、、人体占比、图片所处场景以及整体的颜色、形状、纹理信息多方面因素对人像拍摄构图的影响，公开了一种智能人像构图方法及装置，使用深度学习方法提取相关特征，并使用不同的距离度量方法计算出与高质量构图库的距离向量，通过向量加权粗筛出最相似的topK张图片，后使用图像特征提取方法提取出相关内容特征，分别计算与topK张图片的相似性排序，对多次排序进行加权融合后精筛出最匹配的top1图片，最后根据图片获取人体的构图点位信息用于实时引导用户进行调整从而实现智能构图。

本发明的技术方案包括：

一种智能人像构图方法，其步骤包括：

收集构图样本，构建高质量构图库；

获取一预拍摄人像；

通过计算所述预拍摄人像与每一所述构图样本的特征相似度，在所述高质量构图库中粗筛出K个构图，以构建topK图像集，其中所述特征相似度包括：人体姿势特征相似度、场景特征相似度和人体占比特征相似度；

通过计算预拍摄人像与topK图像集中每一topK构图的特征相似度，重排序后精筛出一最相似构图样本，其中所属特征相似度包括：颜色特征相似度、形状特征相似度和纹理特征相似度；