拍摄过程中的对焦方法及装置与流程

本申请涉及终端技术，尤其涉及一种拍摄过程中的对焦方法及装置。

背景技术：

随着智能设备的高速发展，越来越多的智能设备集成了摄像功能，例如手机、平板电脑、穿戴设备等，也便于用户携带。拍摄一幅好的照片、一段好的视频，对焦是一个非常关键的环节。其中，对焦也叫对光、聚焦，即通过照相机对焦机构变动物距和相距的位置，使被拍物成像清晰的过程。

目前智能设备中的对焦技术还比较简单，主要是将待拍摄画面的中心取为焦点，或者通过人像识别将人脸设为焦点。

随着拍摄场景越来越多，采用现有技术不能很好地满足用户的对焦需求。

技术实现要素：

本申请提供一种拍摄过程中的对焦方法及装置，用于更好地实现对焦。

本申请第一方面提供一种拍摄过程中的对焦方法，包括：

根据焦点训练模型，在待拍摄图像中确定最终焦点事物，所述焦点训练模型包括：焦点的优先信息、以及对应的焦点特征信息；

将拍摄焦点设置为所述最终焦点事物。

一种可能的实现方式中，所述方法还包括：

获取多个训练图片；

确定所述训练图片的焦点事物，以及所述焦点事物的焦点特征信息；

根据所述焦点事物的焦点特征信息，训练获取所述焦点训练模型。

一种可能的实现方式中，所述焦点特征信息包括下述一项或多项：焦点事物的位置信息、焦点事物所属事务类型、焦点事物的标识信息。

一种可能的实现方式中，所述根据所述焦点事物的焦点特征信息，训练获取所述焦点训练模型，包括：

根据所述焦点事物的焦点特征信息，以及所述多个训练图片中同一焦点事物的出现频率，训练获取所述焦点训练模型。

一种可能的实现方式中，所述将拍摄焦点设置为所述最终焦点事物之后，还包括：

控制摄像设备追踪所述最终焦点事物。

本申请第二方面提供一种拍摄过程中的对焦装置，包括：

确定模块，用于根据焦点训练模型，在待拍摄图像中确定最终焦点事物，所述焦点训练模型包括：焦点的优先信息、以及对应的焦点特征信息；

对焦模块，用于将拍摄焦点设置为所述最终焦点事物。

一种可能的实现方式中，该装置还包括：

获取模块，用于获取多个训练图片；

分析模块，用于确定所述训练图片的焦点事物，以及所述焦点事物的焦点特征信息；

训练模块，用于根据所述焦点事物的焦点特征信息，训练获取所述焦点训练模型。

一种可能的实现方式中，所述焦点特征信息包括下述一项或多项：焦点事物的位置信息、焦点事物所属事务类型、焦点事物的标识信息。

一种可能的实现方式中，所述训练模块，具体用于根据所述焦点事物的焦点特征信息，以及所述多个训练图片中同一焦点事物的出现频率，训练获取所述焦点训练模型。

一种可能的实现方式中，该装置还包括：

控制模块，用于控制摄像设备追踪所述最终焦点事物。

本申请第三方面还提供一种终端，包括处理器和存储器；

存储器用于存储程序，处理器调用存储器存储的程序执行下述方法：

根据焦点训练模型，在待拍摄图像中确定最终焦点事物，所述焦点训练模型包括：焦点的优先信息、以及对应的焦点特征信息；

将拍摄焦点设置为所述最终焦点事物。

一种可能的实现方式中，处理器获取多个训练图片；确定所述训练图片的焦点事物，以及所述焦点事物的焦点特征信息；根据所述焦点事物的焦点特征信息，训练获取所述焦点训练模型。

一种可能的实现方式中，所述焦点特征信息包括下述一项或多项：焦点事物的位置信息、焦点事物所属事务类型、焦点事物的标识信息。

一种可能的实现方式中，处理器具体用于根据所述焦点事物的焦点特征信息，以及所述多个训练图片中同一焦点事物的出现频率，训练获取所述焦点训练模型。

一种可能的实现方式中，处理器还用于将拍摄焦点设置为所述最终焦点事物之后，控制摄像设备追踪所述最终焦点事物。

本申请第四方面还提供一种计算机存储介质，该计算机存储介质用于存储程序，该程序用于执行上述第一方面中的任意一种方法。

本申请中，根据焦点训练模型，在上述待拍摄图像中确定最终焦点事物，将拍摄焦点设置为最终焦点事物。实现了可以根据预设焦点训练模型选择最终焦点事物，辅助用户更好更准确的确定焦点。

附图说明

图1为本申请一实施例提供的拍摄过程中的对焦方法流程示意图；

图2为本申请另一实施例提供的拍摄过程中的对焦方法流程示意图；

图3为本申请一实施例提供的拍摄过程中的对焦装置的结构示意图；

图4为本申请另一实施例提供的拍摄过程中的对焦装置的结构示意图；

图5为本申请又一实施例提供的拍摄过程中的对焦装置的结构示意图；

图6为本申请一实施例提供的终端结构示意图。

具体实施方式

随着智能终端的普及，为了可以使用智能终端拍摄到效果更好的照片、视频等，本申请提供一种更好地对焦方法。

图1为本申请一实施例提供的拍摄过程中的对焦方法流程示意图，该方法的执行主体可以是具备摄像功能的终端，例如手机、平板电脑、穿戴设备等，在此不作限制。

如图1所示，该方法包括：

s101、根据焦点训练模型，在待拍摄图像中确定最终焦点事物。

一般地，用户在拍摄照片过视频的过程中，会先通过相机功能取景，即获取待拍摄图像。

待拍摄图像中会包含一个或多个事物，即包含一个或多个客观存在的物体，例如人、动物、花、草、树、桌子、椅子等。不同用户的拍摄喜好不同，待拍摄图像中出现的每个事物都可能是用户想要锁定的焦点事物，但是最终成像时会有其中一个事物成为最终的焦点事物。

该焦点训练模型包括：焦点的优先信息、以及对应的焦点特征信息。

焦点训练模型可以是根据大量已经完成的拍摄图像训练获得的，具体可以对这些已完成的拍摄图像中焦点事物进行统计、并进行训练，以得到焦点训练模型，通过焦点训练模型可以反映各种焦点事物的优先信息、焦点特征信息等。其中，焦点事物的优先信息即事物作为焦点的优先级。

这样选择的最终焦点事物一般是大多数用户常用的焦点事物，可以更好地符合用户喜好。

s102、将拍摄焦点设置为最终焦点事物。

即把根据焦点训练模型选出的最终焦点事物作为实际的焦点进行拍摄，获取拍摄的图像。

本实施例中，根据焦点训练模型，在上述待拍摄图像中确定最终焦点事物，将拍摄焦点设置为最终焦点事物。实现了可以根据预设焦点训练模型选择最终焦点事物，辅助用户更好更准确的确定焦点。

图2为本申请另一实施例提供的拍摄过程中的对焦方法流程示意图。在上述实施例的基础上，本申请提供的方法还包括训练获取上述焦点训练模型。

如图2所示，训练获取上述焦点训练模型包括：

s201、获取多个训练图片。

这些训练图片是已经拍摄完成的图片，即焦点确定的图片。

具体实现时，可以输入大量历史摄影作品，也可以输入从网上爬去的图片，例如新闻图片、社交网站图片等，本申请不做限制。

s202、确定所述训练图片的焦点事物，以及所述焦点事物的焦点特征信息。

识别训练图片的焦点事物并记录，进而确定焦点事物的焦点特征信息。

焦点事物的焦点特征信息可以包括下述一种或多种：焦点事物的位置信息、焦点事物所属事务类型、焦点事物的标识信息。

焦点事物的位置信息可以指焦点事物在图像上的坐标信息，本申请中，坐标信息可以指二维坐标、也可以指三维坐标；具体地，三维坐标可以标识事物的深度信息。

焦点事物所属事务类型可以指焦点事物所属分类：花、草、树、动物、人物、家居等。

焦点事物的标识信息可以指焦点事物的名称，例如人物面部、玫瑰花、电视机等。

s203、根据焦点事物的焦点特征信息，训练获取所述焦点训练模型。

大量统计焦点事物的焦点特征信息，可以获知图片中的常用焦点事物，例如有人物的图片中，人物面部作为焦点的概率较高，可以提高人物面部作为焦点的优先级。有植物的图片中，花朵作为焦点的概率较高，可以提高花朵作为焦点的优先级。

结合焦点事物的位置信息，可以获取图片中哪个位置的事物作为焦点的优先级较高。

在经过大量训练统计后，生成焦点训练模型。

一种实施方式中，根据焦点事物的焦点特征信息，训练获取所述焦点训练模型，可以是：根据所述焦点事物的焦点特征信息，以及所述多个训练图片中同一焦点事物的出现频率，训练获取所述焦点训练模型。

焦点训练模型记录：焦点的优先信息、以及对应的焦点特征信息。即可以建立焦点特征信息与焦点的优先信息之间的关联关系。

具体拍摄时，可以是根据焦点的优先信息，在待拍摄图像中选择优先级高的事物作为最终焦点事物。

当然，具体实现过程中，如果用户不满意最终焦点事物，还可以手动进行调整，例如通过方向按键移动焦点，或者在触屏上点击需要的焦点等，本申请不做限制。

可选地，本实施例中的终端可以采用三维(3d)摄像头进行拍摄，可以更好地获取图像中待选焦点事物的深度信息，从而更好地辅助终端确定最终焦点事物。

需要说明的是，终端利用3d摄像头进行取景成像时，3d摄像头成像原理可以有如下几种：

1)结构光技术：基于光学三角法测量原理，具体地，光学投射器(structuredlightprojector)将光结构体(点、线、面)投射到物体表面，形成由被测物体表面形状所调制的三维图像。该三维图像由处于另一固定位置的摄像机(camera)探测，通过后台算法，计算得到物体的深度信息。

2)双目立体视觉(binocularstereovision)：基于视差原理，利用两个成像设备从不同的位置获取被测物体的两幅图像，通过计算图像的位置偏差，来获取物体三维几何信息。

即融合“两只眼睛”获得的图像来观察目标之间的差别从而获得明显的深度信息。

3)飞行时间(timeofflight，tof)技术：传感器发出经调制的近红外光，遇物体后反射，传感器通过计算光线发射和反射的时间差或相位差，来换算被拍摄景物的距离，以产生深度信息。

上述深度信息可以指三维空间中，事物的x、y、z坐标信息。

上述焦点特征信息包括焦点事物的深度信息时，终端通过3d摄像头可以根据优先级最高的深度信息快速对焦。即根据焦点训练模型，将优先级最高的深度信息所对应位置的事物确定为最终焦点事物。

具体实现过程中，终端的处理器可以将位置信息转换成电流值，驱动摄像头进行对焦。

或者，上述焦点特征信息包括焦点事物所属事务类型、焦点事物的标识信息时，可以先在待拍摄图像中识别一个或多个待选焦点事物，识别待选焦点事物的特征信息，进而在焦点训练模型中进行匹配，匹配到一样或近似度高于预设阈值的焦点特征信息后，确定待选焦点事物的优先级，选择优先级高的作为最终焦点事物。

例如在待拍摄图像中识别到：小狗和花朵，通过焦点训练模型确定小狗的优先级比花朵高，那么将小狗作为最终焦点事物。

当然，为了更好地优化拍摄，还可以不断根据用户的拍摄更新焦点训练模型，以更好地提升用户体验。

一种实施方式是，不断重复图2提供的方法，即不断输入新的图片进行训练。

另一种方式是，获取用户的历史拍摄照片，确定这些历史拍摄照片的焦点事物，根据上述历史拍摄照片的焦点事物，更新所述焦点训练模型。

这一方式中，可以针对不同用户进行更新训练，例如以一个终端标识为用户标识，或者以用户在网络注册的账户为用户标识，获取用户拍摄的历史拍摄照片，并确定这些历史拍摄照片的焦点事物，通过上述训练方法，可以更新焦点训练模型。例如，获取该用户的历史拍摄照片中，出现频率较高的焦点事物的特征信息，提升这些焦点事物的优先级。

进一步地，在将拍摄焦点设置为所述最终焦点事物之后，终端还可以控制摄像设备追踪所述最终焦点事物。

即终端可以设置焦点追踪功能，在确定了最终焦点事物之后，通过电流驱动摄像头追踪最终焦点事物，例如最终焦点事物的位置发生变化时，通过驱动摄像头角度调整等，追踪最终焦点事物进行对焦并拍摄。另外还记录最终焦点事物的位置变化信息，以更新焦点训练模型。

或者，追踪最终焦点事物的形态变化并拍摄，例如拍摄一朵花的开放过程，可能需要实时进行对焦的调整，以完成一系列拍摄等。也可以记录拍摄过程中最终焦点事物的位置变化信息，以更新焦点训练模型。

具体地，控制摄像设备追踪所述最终焦点事物，可以控制摄像设备转动或者伸缩等，本申请不作限制。

图3为本申请一实施例提供的拍摄过程中的对焦装置的结构示意图，该装置可以为终端或者终端的芯片等，在此不作限制。

如图3所示，该装置包括：确定模块301和对焦模块302，其中：

确定模块301，用于根据焦点训练模型，在待拍摄图像中确定最终焦点事物，所述焦点训练模型包括：焦点的优先信息、以及对应的焦点特征信息。

对焦模块302，用于将拍摄焦点设置为所述最终焦点事物。

图4为本申请另一实施例提供的拍摄过程中的对焦装置的结构示意图，如图4所示，该装置还可以包括：获取模块401、分析模块402以及训练模块403，其中：

获取模块401，用于获取多个训练图片。

分析模块402，用于确定所述训练图片的焦点事物，以及所述焦点事物的焦点特征信息。

训练模块403，用于根据所述焦点事物的焦点特征信息，训练获取所述焦点训练模型。

可选地，所述焦点特征信息包括下述一项或多项：焦点事物的位置信息、焦点事物所属事务类型、焦点事物的标识信息。

进一步地，所述训练模块403，具体用于根据所述焦点事物的焦点特征信息，以及所述多个训练图片中同一焦点事物的出现频率，训练获取所述焦点训练模型。

图5为本申请又一实施例提供的拍摄过程中的对焦装置的结构示意图，在图3的基础上，该装置还可以包括：控制模块501，用于控制摄像设备追踪所述最终焦点事物。

该装置用于执行前述方法实施例，其实现原理和技术效果类似，在此不再赘述。

需要说明的是，应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分，实际实现时可以全部或部分集成到一个物理实体上，也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现；也可以全部以硬件的形式实现；还可以部分模块通过处理元件调用软件的形式实现，部分模块通过硬件的形式实现。例如，确定模块可以为单独设立的处理元件，也可以集成在上述装置的某一个芯片中实现，此外，也可以以程序代码的形式存储于上述装置的存储器中，由上述装置的某一个处理元件调用并执行以上确定模块的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起，也可以独立实现。这里所述的处理元件可以是一种集成电路，具有信号的处理能力。在实现过程中，上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。

例如，以上这些模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路(applicationspecificintegratedcircuit，asic)，或，一个或多个微处理器(digitalsignalprocessor，dsp)，或，一个或者多个现场可编程门阵列(fieldprogrammablegatearray，fpga)等。再如，当以上某个模块通过处理元件调度程序代码的形式实现时，该处理元件可以是通用处理器，例如中央处理器(centralprocessingunit，cpu)或其它可以调用程序代码的处理器。再如，这些模块可以集成在一起，以片上系统(system-on-a-chip，soc)的形式实现。

图6为本申请一实施例提供的终端结构示意图，如图6所示，该终端可以包括：存储器601和处理器602。

存储器601可以是独立的物理单元，与处理器602可以通过总线连接。存储器601、处理器602也可以集成在一起，通过硬件实现等。

存储器601用于存储实现以上方法实施例，处理器602调用该程序，执行下述方法：

根据焦点训练模型，在待拍摄图像中确定最终焦点事物，所述焦点训练模型包括：焦点的优先信息、以及对应的焦点特征信息；

将拍摄焦点设置为所述最终焦点事物。

进一步地，处理器还用于执行：

获取多个训练图片；

确定所述训练图片的焦点事物，以及所述焦点事物的焦点特征信息；

根据所述焦点事物的焦点特征信息，训练获取所述焦点训练模型。

可选地，所述焦点特征信息包括下述一项或多项：焦点事物的位置信息、焦点事物所属事务类型、焦点事物的标识信息。

一实施例中，处理器具体用于根据所述焦点事物的焦点特征信息，以及所述多个训练图片中同一焦点事物的出现频率，训练获取所述焦点训练模型。

进一步地，处理器还可以用于在将拍摄焦点设置为所述最终焦点事物之后，控制摄像设备追踪所述最终焦点事物。

本实施例中，根据焦点训练模型，在上述待拍摄图像中确定最终焦点事物，将拍摄焦点设置为最终焦点事物。实现了可以根据预设焦点训练模型选择最终焦点事物，辅助用户更好更准确的确定焦点。

需要说明的是处理器可以是中央处理器(centralprocessingunit，cpu)，网络处理器(networkprocessor，np)或者cpu和np的组合。

处理器还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路(application-specificintegratedcircuit，asic)，可编程逻辑器件(programmablelogicdevice，pld)或其组合。上述pld可以是复杂可编程逻辑器件(complexprogrammablelogicdevice，cpld)，现场可编程逻辑门阵列(field-programmablegatearray，fpga)，通用阵列逻辑(genericarraylogic,gal)或其任意组合。

存储器可以包括易失性存储器(volatilememory)，例如随机存取存储器(random-accessmemory，ram)；存储器也可以包括非易失性存储器(non-volatilememory)，例如快闪存储器(flashmemory)，硬盘(harddiskdrive，hdd)或固态硬盘(solid-statedrive，ssd)；存储器还可以包括上述种类的存储器的组合。

本申请还提供计算机存储介质，该计算机存储介质用于存储程序，该程序用于执行上述任意一种方法。