一种基于智能测光的自拍方法、自拍系统及拍摄终端的制作方法
【技术领域】
[0001]本发明涉及图像处理技术领域,特别是一种基于智能测光的自拍方法及其应用该方法的系统、拍摄终端。
【背景技术】
[0002]使用手机自拍是手机用户常用的功能之一。手机的主摄像头通常比前置摄像头配置高,用户倾向于用主摄像头进行自拍,但无论是采用前置摄像头还是采用主摄像头进行自拍,都需要对拍摄角度进行选择和调整,才能得到效果较好的自拍照。一方面,人脸从不同的观看角度可能得到的两种完全不同的效果,同一个人从某个角度拍摄可能是女神或者男神,从另一个角度拍摄也可能是渣女或者渣男;另一方面,环境光在不同的拍摄角度中对拍摄效果的影响是不同的,若能较好的掌握布光技巧,渣女或者渣男也可能变成女神或者男神。可见拍照角度的选择和调整对拍摄效果的重要性。
【发明内容】
[0003]本发明为解决上述问题,提供了一种基于智能测光的自拍方法、自拍系统及拍摄终端,其通过对人脸和非人脸区域进行智能测光来提示用户如何选择拍摄角度,使得拍摄效果更好。
[0004]为实现上述目的,本发明采用的技术方案为:
[0005]首先,本发明提供一种基于智能测光的自拍方法,其包括以下步骤:
[0006]10.获取摄像头预览数据并进行人脸检测,得到人脸区域;
[0007]20.对所述的人脸区域和非人脸区域进行智能测光,分别得到所述的人脸区域的亮度信息和所述的非人脸区域的亮度信息;
[0008]30.通过对比分析所述的人脸区域的亮度信息和所述的非人脸区域的亮度信息进行判断当前拍摄环境的环境光类型;
[0009]40.根据所述的环境光类型提示用户进行调整拍摄终端的拍摄环境或者驱动拍摄终端自动调整曝光时间和曝光强度。
[0010]优选的,所述的的步骤20中对所述的人脸区域和非人脸区域进行智能测光,分别得到所述的人脸区域的亮度信息和所述的非人脸区域的亮度信息,是指测量所述的人脸区域和非人脸区域的所有像素点的亮度值,并对该所有像素点的亮度值取平均值,以该平均值作为所述的人脸区域和非人脸区域的亮度信息。
[0011]优选的,所述的步骤30中通过对比分析所述的人脸区域的亮度信息和所述的非人脸区域的亮度信息进行判断当前拍摄环境的环境光类型,所述的非人脸区域进一步包括左侧非人脸区域和右侧非人脸区域,通过将所述的人脸区域、左侧非人脸区域、右侧非人脸区域的亮度信息进行对比分析,并与各个环境光类型的参考亮度信息进行匹配,得到当前拍摄环境所对应的环境光类型。
[0012]优选的,所述的环境光类型包括:正常光环境和非正常光环境,所述的非正常光环境进一步包括:强光环境、弱光环境、逆光环境、复杂光环境,当环境光类型的判断结果为逆光环境或复杂光环境,则提示用户进行调整拍摄终端的拍摄环境;当环境光类型的判断结果为强光环境或弱光环境,则驱动拍摄终端自动调整曝光时间和曝光强度。
[0013]优选的,还包括对所述的人脸区域进行颜色分析来判断是否属于复杂光环境,通过获取所述的人脸区域的主要颜色的种类来判断当前拍摄环境的光线的复杂情况。
[0014]其次,本发明还提供了一种基于智能测光的自拍系统,其包括:
[0015]人脸检测模块,用于获取摄像头预览数据并进行人脸检测,得到人脸区域;
[0016]智能测光模块,用于对所述的人脸区域和非人脸区域进行智能测光,分别得到所述的人脸区域的亮度信息和所述的非人脸区域的亮度信息;
[0017]分析判断模块,用于通过对比分析所述的人脸区域的亮度信息和所述的非人脸区域的亮度信息进行判断当前拍摄环境的环境光类型;
[0018]提示调整模块,其根据所述的环境光类型提示用户进行调整拍摄终端的拍摄环境;
[0019]自动调整模块,其根据所述的环境光类型驱动拍摄终端自动调整曝光时间和曝光强度。
[0020]另外,本发明还提供了一种拍摄终端,其包括如上所述的基于智能测光的自拍系统。
[0021]优选的,所述拍摄终端包括:手机、数码相机或平板电脑。
[0022]本发明的有益效果是:
[0023]本发明的一种基于智能测光的自拍方法、自拍系统及拍摄终端,其通过通过获取摄像头预览数据并进行人脸检测,得到人脸区域,并对所述的人脸区域和非人脸区域进行智能测光,分别得到所述的人脸区域的亮度信息和所述的非人脸区域的亮度信息,然后通过对比分析所述的人脸区域的亮度信息和所述的非人脸区域的亮度信息进行判断当前拍摄环境的环境光类型,并根据所述的环境光类型提示用户进行调整拍摄终端的拍摄环境或者驱动拍摄终端自动调整曝光时间和曝光强度,从而使得用户能够获得效果更好的自拍照,不仅适用于前置摄像头的自拍,更适用于采用主摄像头进行自拍时的引导,用户体验更好。
【附图说明】
[0024]此处所说明的附图用来提供对本发明的进一步理解,构成本发明的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
[0025]图1为本发明基于智能测光的自拍方法的流程简图;
[0026]图2为本发明基于智能测光的自拍系统的结构示意图;
[0027]图3为本发明拍摄终端的结构示意图。
【具体实施方式】
[0028]为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
[0029]如图1所示,本发明的一种基于智能测光的自拍方法,其包括以下步骤:
[0030]10.获取摄像头预览数据并进行人脸检测,得到人脸区域;
[0031]20.对所述的人脸区域和非人脸区域进行智能测光,分别得到所述的人脸区域的亮度信息和所述的非人脸区域的亮度信息;
[0032]30.通过对比分析所述的人脸区域的亮度信息和所述的非人脸区域的亮度信息进行判断当前拍摄环境的环境光类型;
[0033]40.根据所述的环境光类型提示用户进行调整拍摄终端的拍摄环境或者驱动拍摄终端自动调整曝光时间和曝光强度。
[0034]所述的步骤10中的人脸检测方法,可采用以下算法:
[0035]1.基于模板匹配的方法:模板分为二维模板和三维模板,核心思想:利用人的脸部特征规律建立一个立体可调的模型框架,在定位出人的脸部位置后用模型框架定位和调整人的脸部特征部位,解决人脸识别过程中的观察角度、遮挡和表情变化等因素影响。
[0036]2.基于奇异值特征方法:人脸图像矩阵的奇异值特征反映了图像的本质属性,可以利用它来进行分类识别。
[0037]3.子空间分析法:因其具有描述性强、计算代价小、易实现及可分性好等特点,被广泛地应用于人脸特征提取,成为了当前人脸识别的主流方法之一。
[0038]4.局部保持投影(Locality Preserving Project1ns,LPP)是一种新的子空间分析方法,它是非线性方法Laplacian Eigen map的线性近似,既解决了 PCA等传统线性方法难以保持原始数据非线性流形的缺点,又解决了非线性方法难以获得新样本点低维投影的缺点。
[0039]5.主成分分析(PCA):PCA模式识别领域一种重要的方法,已被广泛地应用于人脸识别算法中,基于PCA人脸识别系统在应用中面临着一个重要障碍:增量学习问题。增量PCA算法由新增样本重构最为重要PCS,但该方法随着样本的增加,需要不断舍弃一些不重要PC,以维持子空间维数不变,因而该方法精度稍差。
[0040]6.其他方法:弹性匹配方法、特征脸法(基于KL变换)、人工神经网络法、支持向量机法、基于积分图像特征法(adaboost学习)、基于概率模型法。
[0041]所述的的步骤20中对所述的人脸区域和非人脸区域进行智能测光,分别得到所述的人脸区域的亮度信息和所述的非人脸区域的亮度信息,是指测量所述的人脸区域和非人脸区域的所有像素点的亮度值,并对该所有像素点的亮度值取平均值,以该平均值作为所述的人脸区域和非人脸区域的亮度信息。
[0042]所述的步骤30中通过对比分析所述的人脸区域的亮度