【技术实现步骤摘要】
一种照片书的照片图像自动填充方法及系统
本专利技术涉及照片书领域，具体涉及一种照片书的照片图像自动填充方法及系统。
技术介绍
在照片书自动生成过程中，输入的照片图像会自动填充到照片书模板的相框中。在无人工干预的情况下，如果只根据照片图像尺寸与照片书模板相框的尺寸进行匹配，通常会遮挡部分照片图像的关键信息(显著信息)，比如人脸。照片书是一种个性化影像产品，即使同一风格的照片书往往也会有很多种不同照片书模板。照片书模板中的相框并不仅仅是简单的长方形、正方形等规则相框，也可能是圆形、心形、扇形、星形等形状各异的异形框，这些异形相框更容易引起照片图像关键信息的遮挡。传统的照片书的照片图像填充方法需要将照片图像一张一张地填充到照片书模板相框中，对于关键信息被遮挡的照片图像，需要手动调节照片图像的大小，这样会花费很多时间。而且，将照片图像一张一张地填充到照片书模板相框中，需要重复进行照片拖拽操作，填充效率低。随着科技的发展，出现了借助人工智能的方法实现照片书的照片图像自动填充，使得在无需人工干预的情况下，可将一系...
【技术保护点】
1.一种照片书的照片图像自动填充方法，其特征在于，包括步骤：/n将待填充照片图像输入到预先训练好的显著特征提取卷积神经网络中进行卷积计算，得到包含待填充照片图像显著信息区域的特征图，记为卷积特征图；所述显著特征提取卷积神经网络，是能够提取照片图像的显著信息区域并且能够提取预先设定类型的照片图像的显著信息区域的卷积神经网络；所述预先设定类型的照片图像的类型种类至少为两种；/n扫描所得到的卷积特征图，获取卷积特征图上所有显著信息区域的最小外接矩形，记为第一外接矩形；/n获取用于填充待填充图像的照片书模板相框的外接矩形，记为第二外接矩形；/n将第一外接矩形与第二外接矩形进行比较，...
【技术特征摘要】
1.一种照片书的照片图像自动填充方法，其特征在于，包括步骤：
将待填充照片图像输入到预先训练好的显著特征提取卷积神经网络中进行卷积计算，得到包含待填充照片图像显著信息区域的特征图，记为卷积特征图；所述显著特征提取卷积神经网络，是能够提取照片图像的显著信息区域并且能够提取预先设定类型的照片图像的显著信息区域的卷积神经网络；所述预先设定类型的照片图像的类型种类至少为两种；
扫描所得到的卷积特征图，获取卷积特征图上所有显著信息区域的最小外接矩形，记为第一外接矩形；
获取用于填充待填充图像的照片书模板相框的外接矩形，记为第二外接矩形；
将第一外接矩形与第二外接矩形进行比较，根据比较结果对待填充照片图像进行调整与填充，使待填充照片图像的显著信息区域显示在所述照片书模板相框中。
2.根据权利要求1所述的照片书的照片图像自动填充方法，其特征在于，所述将第一外接矩形与第二外接矩形进行比较，根据比较结果对待填充照片图像进行调整与填充，使待填充照片图像的显著信息区域显示在所述照片书模板相框中，具体实现方法包括：
判断第一外接矩形是否能够被第二外接矩形完全覆盖：
若是，则将所述待填充照片图像填充在所述照片书模板相框中；
若否，则对待填充照片图像进行等比例缩小与填充，并使待填充照片图像上的显著信息区域填充在所述照片书模板相框中。
3.根据权利要求1所述的照片书的照片图像自动填充方法，其特征在于，训练所述显著特征提取卷积神经网络的方法包括：
预先自定义上述预先设定类型的照片图像的显著信息区域；
根据预先自定义的照片图像的显著信息区域，对训练集中的照片图像进行显著信息区域标注；所述训练集，包含上述预先设定类型中的各种类型的照片图像；
采集所标注的各显著信息区域构建显著区域标注数据集；
创建基于深度学习的卷积神经网络模型；
采用构建的显著区域标注数据集，训练所创建的卷积神经网络模型，得到初步训练好的显著特征提取卷积神经网络；
采用预先设定好的验证集，对初步训练好的显著特征提取卷积神经网络进行测试调整，得到训练好的显著特征提取卷积神经网络。
4.根据权利要求1-3中任一项所述的照片书的照片图像自动填充方法，其特征在于，所述预先设定类型的照片图像，包括人物照片、美食照片、宠物照片和风景照片中的至少两种，并且均包含实际应用场景。
5.一种照片书的照片图像自动填充系统，其特征在于，包括：
卷积特征图获取单元，用于将待填充照片图像输入到预先训练好的显著特征提取卷积神经网络中进行卷积计算，...
【专利技术属性】
技术研发人员：郭志强，魏延文，
申请(专利权)人：山东晨熙智能科技有限公司，
类型：发明
国别省市：山东;37
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。