拍摄方法与装置、摄影设备及计算机可读存储介质制造方法及图纸

本申请公开了一种拍摄方法、拍摄装置、摄影设备及非易失性计算机可读存储介质。拍摄方法包括：获取参考图像；将参考图像输入训练好的深度学习模型以获取参考图像对应的工作环境；根据工作环境设置摄影设备的工作模式；及根据设置的工作模式进行拍摄。本申请实施方式的拍摄方法、拍摄装置、摄影设备及非易失性计算机可读存储介质能够利用深度学习模型根据参考图像识别参考图像对应的工作环境，以判断出摄影设备当前处在的工作环境，以能够根据工作环境设置摄影设备的工作模式，使摄影设备的工作模式能够准确地适配摄影设备的实施拍摄画面。画面。画面。

【技术实现步骤摘要】
拍摄方法与装置、摄影设备及计算机可读存储介质


[0001]本申请涉及摄影
，特别涉及一种摄影设备的拍摄方法、拍摄装置、摄影设备及非易失性计算机可读存储介质。

技术介绍

[0002]一些摄影设备采用光敏传感器确定当前工作环境的亮度信息，以便于对应调整调整摄影设备的工作模式、摄影相关的参数等。一些摄影设备采用软件模拟光敏传感器的效果判断当前工作环境的亮度信息，然而采用软件模拟光敏传感器需要采集的大量参数参与亮度判断，例如曝光量，曝光时间，红外光线强度，白平衡参数等等，通过拟合的方式确定这些参数与亮度之间的关系，判断亮度的准确度有限。并且，若摄影设备的镜头不同，则需要配置的参数也不同，需要重新进行调试，导致软件模拟的光敏传感器难以广泛适用于各种摄影设备。

技术实现思路

[0003]本申请实施方式提供了一种拍摄方法、拍摄装置、摄影设备及非易失性计算机可读存储介质。
[0004]本申请实施方式的拍摄方法包括：获取参考图像；将所述参考图像输入训练好的深度学习模型以获取所述参考图像对应的工作环境；根据所述工作环境设置摄影设备的工作模式；及根据设置的所述工作模式进行拍摄。
[0005]本申请实施方式的拍摄装置包括获取模块、深度学习模块、模式切换模块及拍摄模块。所述获取模块用于获取参考图像。所述深度学习模块用于将所述参考图像输入训练好的深度学习模型以获取工作环境。所述模式切换模块用于根据所述工作环境设置摄影设备的工作模式。所述拍摄模块用于根据设置的所述工作模式进行拍摄。
[0006]本申请实施方式的摄影设备包括设备本体、一个或多个处理器、存储器及一个或多个程序，其中，一个或多个所述程序被存储在所述存储器中，并且被一个或多个所述处理器执行，所述程序包括用于执行拍摄方法的指令。所述处理器用于执行本申请实施方式所述的拍摄方法。拍摄方法包括：获取参考图像；将所述参考图像输入训练好的深度学习模型以获取所述参考图像对应的工作环境；根据所述工作环境设置摄影设备的工作模式；及根据设置的所述工作模式进行拍摄。
[0007]本申请实施方式的一种包含计算机程序的非易失性计算机可读存储介质，当所述计算机程序被一个或多个处理器执行时，使得所述处理器实现本申请实施方式所述的拍摄方法。拍摄方法包括：获取参考图像；将所述参考图像输入训练好的深度学习模型以获取所述参考图像对应的工作环境；根据所述工作环境设置摄影设备的工作模式；及根据设置的所述工作模式进行拍摄。
[0008]本申请实施方式的拍摄方法、拍摄装置、摄影设备及非易失性计算机可读存储介质能够能够
[0009]本申请实施方式的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
[0010]本申请的上述和/或附加的方面和优点可以从结合下面附图对实施方式的描述中将变得明显和容易理解，其中：
[0011]图1是本申请某些实施方式的拍摄方法的流程示意图；
[0012]图2是本申请某些实施方式的摄影设备的结构示意图；
[0013]图3是本申请某些实施方式的拍摄装置的结构示意图；
[0014]图4是本申请某些实施方式的拍摄方法的流程示意图；
[0015]图5是本申请某些实施方式的拍摄方法的流程示意图；
[0016]图6是本申请某些实施方式的拍摄方法的流程示意图；
[0017]图7是本申请某些实施方式的拍摄方法的流程示意图；
[0018]图8是本申请某些实施方式的计算机可读存储介质与处理器的连接关系示意图。
具体实施方式
[0019]下面详细描述本申请的实施方式，所述实施方式的示例在附图中示出，其中，相同或类似的标号自始至终表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本申请的实施方式，而不能理解为对本申请的实施方式的限制。
[0020]一些摄影设备采用光敏传感器确定当前工作环境的亮度信息，以便于对应调整调整摄影设备的工作模式、摄影相关的参数等。然而，光敏传感器容易受外界环境影响，例如在强光、高温、低温环境下光敏传感器的准确度会受到影响，在背光或多光源的场景下，光敏传感器的准确度也会受到影响。一旦光敏传感器出现误判，会导致摄影设备误切换工作模式/误调整摄影参数，影响最终的成像质量。一些摄影设备采用软件模拟光敏传感器的效果判断当前工作环境的亮度信息，然而采用软件模拟光敏传感器需要采集的大量参数参与亮度判断，例如曝光量，曝光时间，红外光线强度，白平衡参数等等，通过拟合的方式确定这些参数与亮度之间的关系，判断亮度的准确度有限。并且，若摄影设备的镜头不同，则需要配置的参数也不同，需要重新进行调试，导致软件模拟的光敏传感器难以广泛适用于各种摄影设备。
[0021]本申请实施方式提供一种拍摄方法，通过卷积神经网络算法实现光敏的功能，自动识别摄影设备当前的工作环境中的亮度信息，以使摄影设备能够根据当前的工作环境选择合适的工作模式，获取高质量的图像。
[0022]请参阅图1，本申请实施方式的拍摄方法包括：
[0023]01：获取参考图像；
[0024]02：将参考图像输入训练好的深度学习模型以获取参考图像对应的工作环境；
[0025]03：根据工作环境设置摄影设备100的工作模式；及
[0026]04：根据设置的工作模式进行拍摄。
[0027]请结合图2，本申请实施方式还提供一种摄影设备100，摄影设备100包括设备本体
40、一个或多个处理器30、存储器20；及一个或多个程序，其中，一个或多个程序被存储在存储器20中，并且被一个或多个处理器30执行，程序包括用于执行01至04任意一项的拍摄方法的指令。处理器30用于执行方法01、02、03及04，即处理器30用于获取参考图像；将参考图像输入训练好的深度学习模型以获取参考图像对应的工作环境；根据工作环境设置摄影设备100的工作模式；及根据设置的工作模式进行拍摄。
[0028]请结合图3，本申请实施方式还提供一种拍摄装置10，拍摄装置10可应用于摄影设备100。拍摄装置10包括获取模块11、深度学习模块12、模式切换模块13及拍摄模块14。获取模块11用于实现方法01。深度学习模块12用于实现方法02。模式切换模块13用于实现方法03。拍摄模块14用于实现方法04。即，获取模块11用于获取参考图像。深度学习模块12用于将参考图像输入训练好的深度学习模型以获取参考图像对应的工作环境。模式切换模块13用于根据工作环境设置摄影设备100的工作模式。拍摄模块14用于根据设置的工作模式进行拍摄。
[0029]其中，摄影设备100可以是手机、照相机、摄像机、平板电脑、显示设备、笔记本电脑、智能手表、头显设备、监控设备、游戏机、可移动平台等设备，在此不一一列举。如图2所示，本申请实施方式以摄影设备100是摄像机为例进行说明，可以理解，摄影设备100的具体形式并不限于摄像机。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种摄影设备的拍摄方法，其特征在于，所述拍摄方法包括：获取参考图像；将所述参考图像输入训练好的深度学习模型以获取所述参考图像对应的工作环境；根据所述工作环境设置摄影设备的工作模式；及根据设置的所述工作模式进行拍摄。2.根据权利要求1所述的拍摄方法，其特征在于，所述深度学习模型是经过以下训练步骤形成：构建所述深度学习模型；获取训练图像；对所述训练图像进行标注以获取标注图像；将所述标注图像划分为训练集和验证集；及将所述训练集输入所述深度学习模型，用梯度下降法更新卷积神经网络的权值以训练所述深度学习模型，并通过所述验证集进行验证。3.根据权利要求2所述的拍摄方法，其特征在于，所述构建所述深度学习模型，包括：构建特征提取模块，所述特征提取模块包括卷积层和池化层；构建识别分类模块，所述识别分类模块包括池化层和全连接层；及将所述特征提取模块和识别分类模块连接组成所述深度学习模型。4.根据权利要求1所述的拍摄方法，其特征在于，所述工作环境包括高亮场景和低亮场景，所述工作模式包括红外拍摄模式，所述根据所述工作环境设置摄影设备的工作模式，包括：在所述高亮场景退出所述红外拍摄模式；及在所述低亮场景进入所述红外拍摄模式。5.根据权利要求1所述的拍摄方法，其特征在于，所述拍摄方法还包括：获取所述拍摄设备...

【专利技术属性】
技术研发人员：陈庆接，柴彦冲，甘豪，姚培勇，
申请(专利权)人：深圳市睿联技术股份有限公司，
类型：发明
国别省市：