拍摄参数预测模型的生成方法、预测方法及拍摄设备技术

本发明专利技术提供了一种拍摄参数预测模型的生成方法、预测方法及拍摄设备，能够获取多个变视角视频，并进行逐帧分解，得到多个帧图像作为数据集；将数据集分成训练集和测试集；采用训练集训练依次连接的卷积神经网络、长短期记忆网络和两个全连接层，得到训练好的拍摄参数预测网络；将测试集输入训练好的拍摄参数预测网络，得到对应的多个预测拍摄参数，当预测拍摄参数满足预设条件时，将当前的拍摄参数预测网络作为最终的拍摄参数预测模型。本发明专利技术通过一个拍摄设备完成从路径参数到实际视频的模拟，使网络模型效果可视化，并根据效果视频的反馈完成对拍摄参数预测模型的优化，使得最终拍摄出的视频效果更合理。拍摄出的视频效果更合理。拍摄出的视频效果更合理。

Generation method, prediction method and shooting equipment of shooting parameter prediction model

【技术实现步骤摘要】
拍摄参数预测模型的生成方法、预测方法及拍摄设备


[0001]本专利技术涉及模型训练
，特别是涉及一种拍摄参数预测模型的生成方法、预测方法及拍摄设备。

技术介绍

[0002]近年来，随着图片数据采集的广泛应用和图像模式识别技术的发展，针对照片中相机参数的研究不断深入。过去20年里，深度学习改变了计算机视觉领域。深度卷积网络成功地应用于学习不同的视觉任务，如图像分类、图像分割、目标检测等。通过将深度模型学到的知识转移到大型通用数据集上，研究人员进一步能够为其他更具体的任务创建微调模型。
[0003]根据已有的运动视频获取对应的相机位置是深度学习与图形学结合的一个新的研究方向，然而传统人工智能方法获取到的相机位置数据存在不够准确的问题。
[0004]综上，现有技术中存在获取到的相机位置数据不够准确等问题。

技术实现思路

[0005]鉴于以上现有技术的缺点，本专利技术的目的在于提供一种拍摄参数预测模型的生成方法、预测方法及拍摄设备，以改善现有技术中的获取到的相机位置数据不够准确等技术问题。
[0006]为实现上述目的及其他相关目的，本专利技术提供一种拍摄参数预测模型的生成方法，包括：
[0007]获取多个变视角视频，并对其进行逐帧分解，得到多个帧图像作为数据集；
[0008]将所述数据集随机分成训练集和测试集；
[0009]采用训练集训练拍摄参数预测网络，得到训练好的拍摄参数预测网络；
[0010]将所述测试集输入训练好的拍摄参数预测网络，得到所述测试集对应的多个预测拍摄参数，当所述预测拍摄参数满足预设条件时，将当前的拍摄参数预测网络作为最终的拍摄参数预测模型。
[0011]在一种较优的实施例中，每个所述帧图像包括对应的帧编号、时间值和相机位姿参数。
[0012]在一种较优的实施例中，所述拍摄参数预测网络包括依次连接的卷积神经网络、长短期记忆网络和两个全连接层。
[0013]在一种较优的实施例中，所述卷积神经网络包括九个卷积层、一个关联层、一个最大池化层和一个全连接层。
[0014]在一种较优的实施例中，所述将所述测试集输入训练好的卷积神经网络、长短期记忆网络和两个全连接层，得到所述测试集对应的多个预测拍摄参数，当所述预测拍摄参数满足预设条件时，将当前的卷积神经网络、长短期记忆网络和两个全连接层作为拍摄参数预测模型的步骤包括：
[0015]将间隔预设帧数值的帧图像进行随机配对，获得多个图像对；
[0016]将所述图像对输入训练好的卷积神经网络，得到所述图像对对应的特征信息；
[0017]将所述特征信息依次输入训练好的长短期记忆网络和两个全连接层，得到对应的预测拍摄参数；
[0018]将多个所述预测拍摄参数依次连接，得到预测拍摄路径及对应的预测拍摄角度；
[0019]当所述预测拍摄路径及预测拍摄角度与预设拍摄路径及预设拍摄角度的重合率达到预设阈值时，将当前的拍摄参数预测模型作为最终的拍摄参数预测模型。
[0020]在一种较优的实施例中，所述将多个所述预测拍摄参数依次连接，得到预测拍摄路径及对应的预测拍摄角度的步骤包括：
[0021]按照所述图像对中较靠前的时间值，将所有图像对对应的预测拍摄参数进行排序；
[0022]将排序后的预测拍摄参数依次连接，得到所述预测拍摄路径及对应的预测拍摄角度。
[0023]本专利技术还公开了一种拍摄参数预测模型的生成系统，包括：
[0024]分解模块，用于获取多个变视角视频，并对其进行逐帧分解，得到多个帧图像作为数据集；
[0025]划分模块，用于将所述数据集随机分成训练集和测试集；
[0026]训练模块，采用训练集训练拍摄参数预测网络，得到训练好的拍摄参数预测网络；
[0027]模型生成模块，用于将所述测试集输入训练好的拍摄参数预测网络，得到所述测试集对应的多个预测拍摄参数，当所述预测拍摄参数满足预设条件时，将当前的拍摄参数预测网络作为最终的拍摄参数预测模型。
[0028]本专利技术还公开了一种相机拍摄路径的预测方法，采用上述拍摄参数预测模型的生成方法生成的拍摄参数预测模型，所述相机拍摄路径预测方法包括：
[0029]将目标变视角视频进行逐帧分解，得到多个目标帧图像；
[0030]将间隔预设帧数值的所述目标帧图像进行随机配对，获得目标图像对；
[0031]将所述目标图像对输入所述拍摄参数预测模型，得到多个目标预测拍摄参数；
[0032]按照所述目标图像对中较靠前的时间值，将所有目标图像对对应的目标预测拍摄参数进行排序；
[0033]根据排序后的目标预测拍摄参数，得到所述预测拍摄路径及对应的预测拍摄角度。
[0034]本专利技术还公开了一种拍摄装置，所述拍摄装置包括相机载具、驱动装置、拍摄装置和控制器；
[0035]所述驱动装置固定设置在所述相机载具的上平面，用于驱动所述相机载具移动；
[0036]拍摄装置，固定设置在所述相机载具的上平面并与所述驱动装置相邻设置；
[0037]控制器，固定设置在所述相机载具的上平面并与所述驱动装置、所述拍摄装置相连接，用于采用上述相机拍摄路径的预测方法得到预测拍摄路径及对应的预测拍摄方向，并按照所述预测拍摄路径及对应的预测拍摄方向控制所述驱动装置驱动所述相机载具、控制所述拍摄装置进行拍摄；其中，所述控制器还用于依据拍摄得到的视频进行效果反馈，并根据接收到的控制指令优化相机位置、相机速度和相机角度。
[0038]在一种较优的实施例中，当所述相机载具位于所述预测拍摄路径的起点时，所述控制器控制所述拍摄装置开始拍摄；
[0039]当所述相机载具位于所述预测拍摄路径的终点时，所述控制器控制所述拍摄装置停止拍摄。
[0040]本专利技术提供的一种拍摄参数预测模型的生成方法、预测方法及拍摄设备，能够采用大量包含目标物的帧图像训练卷积神经网络和长短期记忆网络得到拍摄参数预测模型，该拍摄参数预测模型输出的预测拍摄路径包含了预测相机空间位置坐标和预测方向参数，使得根据该预测拍摄路径拍摄出的视频效果更合理。
附图说明
[0041]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0042]图1显示为本专利技术的拍摄参数预测模型于一实施例中的结构示意图。
[0043]图2显示为本专利技术的拍摄参数预测模型的生成方法于一实施例中的流程示意图。
[0044]图3显示为本专利技术的拍摄参数预测模型的生成系统于一实施例中的结构示意图。
[0045]图4显示为本专利技术的相机拍摄路径的预测方法于一实施例中的流程示意图。
[0046]图5显示为本专利技术的拍摄装置于一实施例中的结构示意图。
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种拍摄参数预测模型的生成方法，其特征在于，包括：获取多个变视角视频，并对其进行逐帧分解，得到多个帧图像作为数据集；将所述数据集随机分成训练集和测试集；采用训练集训练拍摄参数预测网络，得到训练好的拍摄参数预测网络；将所述测试集输入训练好的拍摄参数预测网络，得到所述测试集对应的多个预测拍摄参数，当所述预测拍摄参数满足预设条件时，将当前的拍摄参数预测网络作为最终的拍摄参数预测模型。2.根据权利要求1所述的生成方法，其特征在于，每个所述帧图像包括对应的帧编号、时间值和相机位姿参数。3.根据权利要求1所述的生成方法，其特征在于，所述拍摄参数预测网络包括依次连接的卷积神经网络、长短期记忆网络和两个全连接层。4.根据权利要求3述的生成方法，其特征在于，所述卷积神经网络包括两个卷积层、一个关联层、一个最大池化层和一个全连接层。5.根据权利要求4所述的生成方法，其特征在于，所述将所述测试集输入训练好的卷积神经网络、长短期记忆网络和两个全连接层，得到所述测试集对应的多个预测拍摄参数，当所述预测拍摄参数满足预设条件时，将当前的卷积神经网络、长短期记忆网络和两个全连接层作为拍摄参数预测模型的步骤包括：将间隔预设帧数值的帧图像进行随机配对，获得多个图像对；将所述图像对输入训练好的卷积神经网络，得到所述图像对对应的特征信息；将所述特征信息依次输入训练好的长短期记忆网络和两个全连接层，得到对应的预测拍摄参数；将多个所述预测拍摄参数依次连接，得到预测拍摄路径及对应的预测拍摄角度；当所述预测拍摄路径及预测拍摄角度与预设拍摄路径及预设拍摄角度的重合率达到预设阈值时，将当前的拍摄参数预测模型作为最终的拍摄参数预测模型。6.根据权利要求5所述的生成方法，其特征在于，所述将多个所述预测拍摄参数依次连接，得到预测拍摄路径及对应的预测拍摄角度的步骤包括：按照所述图像对中较靠前的时间值，将所有图像对对应的预测拍摄参数进行排序；将排序后的预测拍摄参数依次连接，得到所述预测拍摄路径及对应的预测拍摄角度。7.一种拍摄参数预测模型的生成系统，其特征在于，包括：...

【专利技术属性】
技术研发人员：曹力，吴晨，吴苗苗，刘晓平，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：