照片质量的评价方法及装置、电子设备、可读存储介质制造方法及图纸

本发明专利技术提供了照片质量的评价方法及装置、电子设备、可读存储介质，包括：获取待评价的照片；从以下至少两种维度组合判断所述照片是否合格：整体成像质量、拍摄目标区域的成像质量、拍摄目标的构图质量；当所述照片合格时，根据摄影美学评价指标对所述照片进行一类量化评价，获得一类量化评价结果；根据所述一类量化评价结果，得到所述照片的综合评价。本发明专利技术从更全面的维度评价照片质量，从而让设备挑选出的好照片更接近摄影师挑选出的好照片。

Evaluation method and device of photo quality, electronic equipment and readable storage medium

【技术实现步骤摘要】
照片质量的评价方法及装置、电子设备、可读存储介质
本专利技术涉及人工智能摄影
，尤指一种照片质量的评价方法及装置、电子设备、可读存储介质。
技术介绍
随着相机，尤其是拍照能力越来越强大的手机的普及，日常中人们会用相机或者手机拍摄许多照片，但限于成像环境和成像时刻条件影响，产生的照片存在水平参差不齐的问题。如果人工来挑选出好的照片，整体过程繁琐、无趣，重复操作的体验也非常不好。而相对于照片这种数据，手机这类移动设备存储空间也很有限，能减少不必要的数据存储本身对于其整体性能保持也非常有益。因此人们让诸如摄影设备或相片管理设备使用图像分析的办法对照片进行评价，留下或优先给出较好的照片，删除或者置后不太好的照片，这样能改善上述提到的问题。但是通常使用的照片评价方法是基于一些简单的规则，例如是否人物有笑脸，拍摄目标(即主体)是否居于经验的美学位置(三分位、居中位等)，主体是否大小合适等。这种照片评价方法距离一个摄影师的水平还是有较大差距，从而导致挑选出来的照片也差强人意。
技术实现思路
本专利技术的目的之一是为了克服现有技术中存在的至少部分不足，提供一种照片质量的评价方法及装置、电子设备、可读存储介质，使评价维度更全面、评价效率更高，从而让设备挑选出的好照片更接近摄影师挑选出的好照片。本专利技术提供的技术方案如下：一种照片质量的评价方法，包括：获取待评价的照片；从以下至少两种维度组合判断所述照片是否合格：整体成像质量、拍摄目标区域的成像质量、拍摄目标的构图质量；当所述照片合格时，根据摄影美学评价指标对所述照片进行一类量化评价，获得一类量化评价结果；根据所述一类量化评价结果，得到所述照片的综合评价。进一步的，所述的从以下至少两种维度组合判断所述照片是否合格，之后还包括：当所述照片合格时，根据所述照片与好照片数据库的最大相似度进行二类量化评价，获得二类量化评价结果；所述根据所述一类量化评价结果，得到所述照片的综合评价包括：根据所述一类量化评价结果和所述二类量化评价结果，得到所述照片的综合评价。进一步的，所述得到所述照片的综合评价之后包括：根据所述综合评价，判断所述照片是否为好照片；当所述照片为好照片时，将所述好照片加入所述好照片数据库。进一步的，所述根据所述综合评价，判断所述照片是否为好照片，包括：根据所述综合评价和摄影师的评价，判断所述照片是否为好照片。进一步的，所述从以下至少两种维度组合判断所述照片是否合格包括：判断所述照片的整体成像质量是否合格；当所述照片的整体成像质量为合格时，提取所述照片的拍摄目标区域；判断所述拍摄目标区域的成像质量是否合格；当所述拍摄目标区域的成像质量为合格时，判断所述拍摄目标的构图质量是否合格；当所述拍摄目标的构图质量为合格时，所述照片合格。进一步的，所述提取所述照片的拍摄目标区域包括：识别所述照片的照片类型；根据所述照片类型选择对应的目标检测及分割算法，检测所述照片的拍摄目标，并提取对应的拍摄目标区域。进一步的，所述识别所述照片的照片类型，包括：根据卷积神经网络提取的所述照片的整体抽象特征，识别所述照片的照片类型；所述根据所述照片类型选择对应的目标检测及分割算法包括：当所述照片类型为风景照时，使用图像显著性区域检测算法；当所述照片类型为人物照时，使用人体检测和分割算法。进一步的，所述判断所述拍摄目标的构图质量是否合格包括：判断所述拍摄目标的构图是否符合预设构图规则，评价所述预设构图规则的因素包括拍摄目标的尺寸、位置、可变化状态。进一步的，所述根据所述照片与好照片数据库的最大相似度进行二类量化评价，获得二类量化评价结果包括：根据基于深度神经网络的相似度评估模型，计算所述照片与好照片数据库中每张照片之间的相似度；根据所述相似度计算结果，获得所述照片的最大相似度；根据所述最大相似度，获得所述照片的二类量化评价结果。进一步的，所述计算所述照片与好照片数据库中每张照片之间的相似度，包括：基于深度神经网络分别提取所述照片和对比照片的特征向量，所述对比照片为好照片数据库中的照片；根据所述照片的特征向量和所述对比照片的特征向量，计算所述两个特征向量间的欧式距离；根据所述两个特征向量间的欧式距离，获得所述两张照片间的相似度。进一步的，所述根据所述一类量化评价结果和所述二类量化评价结果，得到所述照片的综合评价，包括：对所述一类量化评价结果和所述二类量化评价结果进行加权求和，将所述加权求和后的结果作为所述照片的综合评价；其中，所述二类量化评价结果的权值随好照片数据库中的好照片数的增加而动态变大，直至达到最大预设权值。进一步的，所述二类量化评价结果的权值随好照片数据库中的好照片数的增加而动态变大，直至达到最大预设权值，包括：当好照片数据库中的好照片数小于等于第一阈值时，所述二类量化评价结果的权值为预设初始值；当所述好照片数据库中的好照片数大于等于第二阈值时，所述二类量化评价结果的权值为最大预设权值；当好照片数据库中的好照片数介于第一阈值与第二阈值之间时，所述二类量化评价结果的权值随好照片数的增加而动态变大。本专利技术还提供一种照片质量的评价装置，包括：照片获取模块，用于获取待评价的照片；合格判断模块，用于从以下至少两种维度组合判断所述照片是否合格：整体成像质量、拍摄目标区域的成像质量、拍摄目标的构图质量；一类评价模块，用于当所述照片合格时，根据摄影美学评价指标对所述照片进行一类量化评价，获得一类量化评价结果；综合评价模块，用于根据所述一类量化评价结果，得到所述照片的综合评价。进一步的，还包括：二类评价模块，用于当所述照片合格时，根据所述照片与好照片数据库的最大相似度进行二类量化评价，获得二类量化评价结果；所述综合评价模块，进一步用于根据所述一类量化评价结果和所述二类量化评价结果，得到所述照片的综合评价。进一步的，还包括：数据库更新模块，用于根据所述综合评价，判断所述照片是否为好照片；以及，当所述照片为好照片时，将所述好照片加入所述好照片数据库。进一步的，所述数据库更新模块，进一步用于根据所述综合评价和摄影师的评价，判断所述照片是否为好照片。进一步的，所述合格判断模块包括：整体成像判断单元，用于判断所述照片的整体成像质量是否合格；目标区域提取单元，用于当所述照片的整体成像质量为合格时，提取所述照片的拍摄目标区域；局部成像判断单元，用于判断所述拍摄目标区域的成像质量是否合格；构图质量判断单元，用于当所述拍摄目标区域的成像质量为合格时，判断所述拍摄目标的构图质量是否合格；所述合格判断模块，进一步用于当所述拍摄目标的构图质量为合格时，所述照片合格。进一步的，所述目标区域提取单元，进一步用于识别所述照片的照片类型；根据所述照片类型选择对应的目标检测及分割算法，检测所述照片的拍摄目标，并提取对应的拍摄目标区域。进一步的，所述目标区域提取单元，进一步用于根据卷积神经网络提取的所述照片的整体抽象特征，识别所述照片的照片类型；以及，当所述照片类型为风景照时，使用图像显著性区域检测算法；当所述照片类本文档来自技高网...

【技术保护点】
1.一种照片质量的评价方法，其特征在于，包括：/n获取待评价的照片；/n从以下至少两种维度组合判断所述照片是否合格：整体成像质量、拍摄目标区域的成像质量、拍摄目标的构图质量；/n当所述照片合格时，根据摄影美学评价指标对所述照片进行一类量化评价，获得一类量化评价结果；/n根据所述一类量化评价结果，得到所述照片的综合评价。/n

【技术特征摘要】
1.一种照片质量的评价方法，其特征在于，包括：
获取待评价的照片；
从以下至少两种维度组合判断所述照片是否合格：整体成像质量、拍摄目标区域的成像质量、拍摄目标的构图质量；
当所述照片合格时，根据摄影美学评价指标对所述照片进行一类量化评价，获得一类量化评价结果；
根据所述一类量化评价结果，得到所述照片的综合评价。


2.根据权利要求1所述的照片质量的评价方法，其特征在于，所述的从以下至少两种维度组合判断所述照片是否合格，之后还包括：
当所述照片合格时，根据所述照片与好照片数据库的最大相似度进行二类量化评价，获得二类量化评价结果；
所述根据所述一类量化评价结果，得到所述照片的综合评价包括：
根据所述一类量化评价结果和所述二类量化评价结果，得到所述照片的综合评价。


3.根据权利要求1或2所述的照片质量的评价方法，其特征在于，所述得到所述照片的综合评价之后包括：
根据所述综合评价，判断所述照片是否为好照片；
当所述照片为好照片时，将所述好照片加入所述好照片数据库。


4.根据权利要求3所述的照片质量的评价方法，其特征在于，所述根据所述综合评价，判断所述照片是否为好照片，包括：
根据所述综合评价和摄影师的评价，判断所述照片是否为好照片。


5.根据权利要求1所述的照片质量的评价方法，其特征在于，所述从以下至少两种维度组合判断所述照片是否合格包括：
判断所述照片的整体成像质量是否合格；
当所述照片的整体成像质量为合格时，提取所述照片的拍摄目标区域；
判断所述拍摄目标区域的成像质量是否合格；
当所述拍摄目标区域的成像质量为合格时，判断所述拍摄目标的构图质量是否合格；
当所述拍摄目标的构图质量为合格时，所述照片合格。


6.根据权利要求5所述的照片质量的评价方法，其特征在于，所述提取所述照片的拍摄目标区域包括：
识别所述照片的照片类型；
根据所述照片类型选择对应的目标检测及分割算法，检测所述照片的拍摄目标，并提取对应的拍摄目标区域。


7.根据权利要求6所述的照片质量的评价方法，其特征在于：
所述识别所述照片的照片类型，包括：
根据卷积神经网络提取的所述照片的整体抽象特征，识别所述照片的照片类型；
所述根据所述照片类型选择对应的目标检测及分割算法包括：
当所述照片类型为风景照时，使用图像显著性区域检测算法；
当所述照片类型为人物照时，使用人体检测和分割算法。


8.根据权利要求5所述的照片质量的评价方法，其特征在于，所述判断所述拍摄目标的构图质量是否合格包括：
判断所述拍摄目标的构图是否符合预设构图规则，评价所述预设构图规则的因素包括拍摄目标的尺寸、位置、可变化状态。


9.根据权利要求2所述的照片质量的评价方法，其特征在于，所述根据所述照片与好照片数据库的最大相似度进行二类量化评价，获得二类量化评价结果包括：
根据基于深度神经网络的相似度评估模型，计算所述照片与好照片数据库中每张照片之间的相似度；
根据所述相似度计算结果，获得所述照片的最大相似度；
根据所述最大相似度，获得所述照片的二类量化评价结果。


10.根据权利要求9所述的照片质量的评价方法，其特征在于，所述计算所述照片与好照片数据库中每张照片之间的相似度，包括：
基于深度神经网络分别提取所述照片和对比照片的特征向量，所述对比照片为好照片数据库中的照片；
根据所述照片的特征向量和所述对比照片的特征向量，计算所述两个特征向量间的欧式距离；
根据所述两个特征向量间的欧式距离，获得所述两张照片间的相似度。


11.根据权利要求2所述的照片质量的评价方法，其特征在于，所述根据所述一类量化评价结果和所述二类量化评价结果，得到所述照片的综合评价，包括：
对所述一类量化评价结果和所述二类量化评价结果进行加权求和，将所述加权求和后的结果作为所述照片的综合评价；
其中，所述二类量化评价结果的权值随好照片数据库中的好照片数的增加而动态变大，直至达到最大预设权值。


12.根据权利要求11所述的照片质量的评价方法，其特征在于，所述二类量化评价结果的权值随好照片数据库中的好照片数的增加而动态变大，直至达到最大预设...

【专利技术属性】
技术研发人员：汤峰峰，
申请(专利权)人：幻想动力上海文化传播有限公司，
类型：发明
国别省市：上海;31