【技术实现步骤摘要】
本申请涉及具体的图像处理，尤其涉及基于机器学习模型的拍摄方法、装置、设备、介质及产品。
技术介绍
1、随着智能手机的普及，智能手机已成为人们记录和分享生活的重要工具。并且随着智能手机相机硬件性能的不断提升，如更高的像素，更强的传感器和多镜头系统等，用户可以拍摄出更加高质量的照片。但是由于大多数用户并没有经过专业的摄影培训，因此会导致用户采用智能手机拍摄的照片质量差，比如用户拍摄的照片可能存在构图不佳，角度不合适等问题。因此如何辅助用户拍摄出高质量的照片成为目前急需解决的问题。
2、上述内容仅用于辅助理解本申请的技术方案，并不代表承认上述内容是现有技术。
技术实现思路
1、本申请的主要目的在于提供一种基于机器学习模型的拍摄方法、装置、设备、介质及产品，旨在解决如何辅助用户拍摄出高质量的照片的技术问题。
2、为实现上述目的，本申请提出一种基于机器学习模型的拍摄方法，所述的方法包括：
3、获取当前拍摄场景的实时场景图像，并依据预设的机器学习模型对所述实时场景图像进行场景分析，得到所述实时场景图像的场景关键信息；
4、将所述场景关键信息与预设的构图模板库中的构图模板进行匹配，得到匹配构图模板，依据所述匹配构图模板输出包含构图方式的构图建议；
5、若所述实时场景图像包括人物图像，则确定预设的场景图像库中与所述实时场景图像匹配的历史场景图像，并依据所述历史场景图像输出包含拍摄姿势的姿态建议；
6、确定用户依据所述构图建议和
7、在一实施例中，依据所述历史场景图像输出包含拍摄姿势的姿态建议的步骤，包括：
8、若存在至少两幅历史场景图像，则依据所述历史场景图像中的历史人物姿态特征构建姿态模板，其中，所述姿态模板包括拍摄姿势；
9、确定所述人物图像在所述实时场景图像中的人物姿态特征，并确定所述人物姿态特征与所述姿态模板之间的相似度；
10、在大于预设相似度阈值的相似度对应的姿态模板中，选择一个姿态模板作为匹配姿态模板，并根据所述匹配姿态模板生成包含拍摄姿势的姿态建议，输出所述姿态建议。
11、在一实施例中，场景关键信息包括场景类型、主体位置和光线条件中的至少一项，
12、所述将所述场景关键信息与预设的构图模板库中的构图模板进行匹配，得到匹配构图模板的步骤，包括：
13、将预设的构图模板库中的构图模板与所述场景类型进行匹配，得到匹配的第一构图模板；
14、将预设的构图模板库中的构图模板与所述主体位置进行匹配，得到匹配的第二构图模板；
15、将预设的构图模板库中的构图模板与所述光线条件进行匹配，得到匹配的第三构图模板；
16、依据预设的用户偏好，在所述第一构图模板、所述第二构图模板和/或所述第三构图模板中选择一个构图模板作为匹配构图模板。
17、在一实施例中，基于机器学习模型的拍摄方法，还包括：
18、获取用户针对输出的所述构图建议和所述姿态建议进行反馈的反馈数据；
19、依据所述反馈数据对所述机器学习模型进行优化，得到优化后的机器学习模型。
20、在一实施例中，基于机器学习模型的拍摄方法，还包括：
21、获取训练数据集，其中，所述训练数据集包括多条训练数据，每条训练数据包括训练场景图像和所述训练场景图像对应的图像标签；
22、将所述训练场景图像输入至待训练的机器学习模型进行预测，得到第一预测结果，其中，所述第一预测结果包括预测的场景关键信息；
23、依据所述图像标签和所述预测的场景关键信息，计算得到损失函数值；
24、依据所述损失函数值对所述待训练的机器学习模型进行优化，直至满足预设训练结束条件，得到预设的机器学习模型。
25、在一实施例中，机器学习模型包括适配器和模型本体，
26、所述依据所述损失函数值对所述待训练的机器学习模型进行优化的步骤，包括：
27、冻结所述模型本体的模型参数，并依据所述损失函数值对所述适配器进行模型参数优化。
28、此外，为实现上述目的，本申请还提出一种基于机器学习模型的拍摄装置，包括：
29、获取模块，用于获取当前拍摄场景的实时场景图像，并依据预设的机器学习模型对所述实时场景图像进行场景分析，得到所述实时场景图像的场景关键信息；
30、构图建议模块，用于将所述场景关键信息与预设的构图模板库中的构图模板进行匹配，得到匹配构图模板，依据所述匹配构图模板输出包含构图方式的构图建议；
31、姿态建议模块，用于若所述实时场景图像包括人物图像，则确定预设的场景图像库中与所述实时场景图像匹配的历史场景图像，并依据所述历史场景图像输出包含拍摄姿势的姿态建议；
32、输出模块，用于确定用户依据所述构图建议和/或所述姿态建议进行调整的拍摄图像参数，依据调整后的拍摄图像参数输出拍摄图像。
33、此外，为实现上述目的，本申请还提出一种基于机器学习模型的拍摄设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序配置为实现如上文所述的基于机器学习模型的拍摄方法的步骤。
34、此外，为实现上述目的，本申请还提出一种介质，所述介质为计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上文所述的基于机器学习模型的拍摄方法的步骤。
35、此外，为实现上述目的，本申请还提供一种产品，产品为计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现如上文所述的基于机器学习模型的拍摄方法的步骤。
36、本申请中，通过获取当前拍摄场景的实时场景图像，并根据机器学习模型对实时场景图像进行场景分析，得到实时场景图像的场景关键信息，并确定构图模板库中与场景关键信息匹配的匹配构图模板，依据匹配构图模板输出包含构图方式的构图建议。并且若实时场景图像包括人物图像，则确定场景图像库中与实时场景图像匹配的历史场景图像，依据历史场景图像输出包含拍摄姿势的姿态建议，确定用户依据构图建议和/或姿态建议进行调整的拍摄图像参数，并依据调整后的拍摄图像参数输出拍摄图像。进而可以实现为用户提供专业级别的摄影指导，以提升用户的拍摄水平和摄影技巧。并且在用户采用拍摄设备进行拍摄的过程中，用户可以获取得到构图建议和姿态建议，可以构图建议和/或姿态建议进行拍摄图像参数调整，进而使得拍摄出的拍摄图像更加专业，也更加美观。也就是拍摄设备可以利用机器学习模型根据实际的拍摄场景辅助用户进行拍摄图像参数调整，使得用户能利用拍摄设备拍摄出更加高质量的照片。
本文档来自技高网...【技术保护点】
1.一种基于机器学习模型的拍摄方法，其特征在于，所述方法包括：
2.如权利要求1所述的基于机器学习模型的拍摄方法，其特征在于，所述依据所述历史场景图像输出包含拍摄姿势的姿态建议的步骤，包括：
3.如权利要求1所述的基于机器学习模型的拍摄方法，其特征在于，所述场景关键信息包括场景类型、主体位置和光线条件中的至少一项，
4.如权利要求1所述的基于机器学习模型的拍摄方法，其特征在于，所述方法，还包括：
5.如权利要求1-4任一项所述的基于机器学习模型的拍摄方法，其特征在于，所述方法，还包括：
6.如权利要求5所述的基于机器学习模型的拍摄方法，其特征在于，所述机器学习模型包括适配器和模型本体，
7.一种基于机器学习模型的拍摄装置，其特征在于，所述基于机器学习模型的拍摄装置包括：
8.一种基于机器学习模型的拍摄设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序配置为实现如权利要求1至6中任一项所述的基于机器学习模型的拍摄方法的步骤。
<...【技术特征摘要】
1.一种基于机器学习模型的拍摄方法，其特征在于，所述方法包括：
2.如权利要求1所述的基于机器学习模型的拍摄方法，其特征在于，所述依据所述历史场景图像输出包含拍摄姿势的姿态建议的步骤，包括：
3.如权利要求1所述的基于机器学习模型的拍摄方法，其特征在于，所述场景关键信息包括场景类型、主体位置和光线条件中的至少一项，
4.如权利要求1所述的基于机器学习模型的拍摄方法，其特征在于，所述方法，还包括：
5.如权利要求1-4任一项所述的基于机器学习模型的拍摄方法，其特征在于，所述方法，还包括：
6.如权利要求5所述的基于机器学习模型的拍摄方法，其特征在于，所述机器学习模型包括适配器和模型本体，
7.一种基于机器学习模型的拍摄...
【专利技术属性】
技术研发人员：连荣忠，
申请(专利权)人：深圳前海微众银行股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。