改善抓拍效果的自学习方法及装置的制造方法
【专利摘要】本发明提供一种改善抓拍效果的自学习方法，其包括以下步骤：打开智能机器人的拍摄功能；基于预设的拍摄条件参数执行拍摄操作；获取针对构图的偏好数据和图片评价参数；对针对图片资料所做出的图片评价参数和偏好数据进行机器学习，并基于学习过程修改预设的拍摄条件参数，以得到机器人自学习的最优拍摄条件参数；将最优拍摄条件参数作为预设的拍摄条件参数的替换进行保存，以用于下一次的拍摄操作。根据本发明的方法可以节约存储空间并不需要耗费人力专门删除不理想照片。此外，智能机器人还可以在被动拍摄场景下自动对使用者已拍摄得不理想的图片进行删除或者修改拍摄参数。
【专利说明】
改善抓拍效果的自学习方法及装置
技术领域
[0001]本发明涉及信息技术处理领域，具体地说，涉及一种改善抓拍效果的自学习方法及装置。
【背景技术】
[0002]无论是为娱乐设计，还是为了安防监控，如果机器能够进行自动抓拍，那么摄影师繁重的工作将会被取代，并且有些重要瞬间来不及拍摄的情况也会得以避免。目前，已有所开发出的智能机器人有的具有自动抓拍功能，可以部分地解决上述问题。具有自动抓拍功能的机器人在拍摄模式下，会自动跟踪目标物的移动以使其保持在拍摄画面的标记框范围，并根据拍摄触发条件例如特定的面部特征、面部情绪、动作或者特殊的声音等来触发拍摄操作。
[0003]然而，现有技术中机器人仅基于上述拍摄触发条件自动启动拍摄，而对图片质量或拍摄效果并不进行筛选，从而造成无选择地拍摄。这样拍出的大量图片用户对于图片的效果可能并不满意。这些不满意的图片不仅占用内存，而且还会耗费用户删除它们的时间。
[0004]因此，在面向机器人的自动抓拍的场景下，需要一种能够改善抓拍效果的自学习方法及其装置。
【发明内容】
[0005]本发明的目的在于解决现有技术的上述自拍照的照片效果不佳问题，以及自拍照场景下出现大量效果不好的图片占用存储空间以及费时的问题，提供了一种面向机器人的改善抓拍效果的自学习方法，所述方法包括以下步骤:
[0006]打开智能机器人的拍摄功能；
[0007]基于预设的拍摄条件参数执行拍摄操作；
[0008]获取针对构图的偏好数据和图片评价参数；
[0009]对针对所述图片资料所做出的图片评价参数和偏好数据进行机器学习，并基于学习过程修改所述预设的拍摄条件参数，以得到机器人自学习的最优拍摄条件参数；
[0010]将所述最优拍摄条件参数作为预设的拍摄条件参数的替换进行保存，以用于下一次的拍摄操作。
[0011]根据本发明的一个实施例的改善抓拍效果的自学习方法所述图片评价参数包括来自用户的正向评价和负向评价，在对所述预设拍摄条件参数进行修改的步骤中，对获得正向评价的图片资料进行图像数据分析得到第一修正值集合，对获得负向评价的图片资料进行图像数据分析得到第二修正值集合，其中，将第一修正值集合和第二修正值集合作为评价数据，通过机器学习使拍摄条件参数趋近于更满足用户标准的拍摄条件参数。
[0012]根据本发明的一个实施例的改善抓拍效果的自学习方法，所述智能机器人在拍摄触发命令下，打开智能机器人的拍摄功能，自动执行抓拍操作，拍摄触发命令基于设定的拍摄条件产生。
[0013]根据本发明的一个实施例的改善抓拍效果的自学习方法，在打开智能机器人的拍摄功能的步骤后，所述智能机器人根据用户指令被动执行抓拍功能。
[0014]根据本发明的一个实施例的改善抓拍效果的自学习方法，在机器人被动开启抓拍功能的情况下，机器人针对所拍出的照片基于最优拍摄条件参数进行自动筛选，删除不符合所述最优拍摄条件参数的图片资料，保存符合所述最优拍摄条件参数的图片资料。/这是其中的一种实现方式，包含在以上技术方案范围内，并不局限和唯一/
[0015]根据本发明的另一个方面，还提供了一种改善抓拍效果的自学习装置，所述装置包括:
[0016]拍摄功能打开单元，其用以打开智能机器人的拍摄功能；
[0017]拍摄操作执行单元，其基于预设的拍摄条件参数执行拍摄操作；
[0018]参数获取单元，其用于获取针对构图的偏好数据和图片评价参数；
[0019]拍摄条件参数修改单元，其用以对针对所述图片资料所做出的图片评价参数和偏好数据进行机器学习，并基于学习过程修改所述预设的拍摄条件参数，以得到机器人自学习的最优拍摄条件参数；
[0020]参数保存单元，将所述最优拍摄条件参数进行保存，以用于下一次的拍摄操作。
[0021]在根据本发明的改善抓拍效果的自学习装置中，所述图片评价参数包括来自用户的正向评价和负向评价，在所述拍摄条件参数修改单元中，对获得正向评价的图片资料进行图像数据分析得到第一修正值集合，对获得负向评价的图片资料进行图像数据分析得到第二修正值集合，其中，将第一修正值集合和第二修正值集合作为评价数据，通过机器学习使拍摄条件参数趋近于更满足用户标准的拍摄条件参数。
[0022]根据本发明的改善抓拍效果的自学习装置还包括自动抓拍单元，其用以使得所述智能机器人在拍摄触发命令下，打开智能机器人的拍摄功能，自动执行抓拍操作，拍摄触发命令基于设定的拍摄条件产生。
[0023]根据本发明的改善抓拍效果的自学习装置还包括被动抓拍单元，所述智能机器人根据用户指令被动开启抓拍功能。
[0024]根据本发明的改善抓拍效果的自学习装置还包括自动筛选单元，其用以使得机器人针对所拍出的照片基于最优拍摄条件参数进行自动筛选，删除不符合所述最优拍摄条件参数的图片资料，保存符合所述最优拍摄条件参数的图片资料。
[0025]本发明所带来的有益效果是:通过使用本发明的改善抓拍效果的自学习方法，智能机器人可以根据以往的用户对图片的评价资料参数以及对构图的偏好进行分析得出自动拍摄时所需的最优拍摄条件参数，在最优拍摄条件参数下的自动抓拍的图片资料的效果是令人满意的，因而节约了存储空间并不需要耗费人力专门删除不理想照片。此外，根据本发明的方法，智能机器人还可以在被动拍摄场景下自动对使用者已拍摄得不理想的图片进行删除或者修改拍摄参数。
[0026]本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
【附图说明】
[0027]附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例共同用于解释本发明，并不构成对本发明的限制。在附图中:
[0028]图1为现有技术的智能机器人自动抓拍的方法流程图；
[0029]图2为根据本发明的用于改善智能机器人自动抓拍效果的自学习方法流程图；
[0030]图3为根据本发明的一个实施例用于改善智能机器人自动抓拍效果的自学习方法流程图；以及
[0031]图4为根据本发明的一个实施例的改善抓拍效果的自学习装置的结构框图。
【具体实施方式】
[0032]为使本发明的目的、技术方案和优点更加清楚，以下结合附图对本发明实施例作进一步地详细说明。
[0033]如图1所示，其中显示了现有技术中智能机器人如何进行自动抓拍操作的方法流程图。在该方法流程中，还详细展示了智能机器人的听觉检测功能与视觉检测功能的自动转换。
[0034]为了进行自动抓拍，首先打开智能机器人的视觉检测功能，并对目标物进行检测定位。现有技术中，检测定位目标物的步骤大致上包括:通过视觉检测确定目标物在拍摄范围内；若确定目标物处于拍摄范围之外，则检测目标物发出的声音，利用声音检测定位目标物;若确定目标物处于拍摄范围之外且检测到目标物未发出声音，则利用视觉检测来扫描定位目标物。
[0035]具体地说，可以在步骤SlOll中，首先启动视觉检测。之后判断拍摄画面内是否有目标物的存在，如步骤S1012。如果有目标物的存在，则自动转向如图1所示的跟踪目标步骤。
[0036]但是，如果没有目标物的存在，则机器人启动听觉检测功能，如步骤S1013。根据听觉检测功能(步骤S1014)，如果机器人检测到目标物的声音，则根据该声音的来源来定位目标物的位置(步骤S1016)，随后机器人自动转动身体，使摄像头对准目标物方位(步骤S1017)。对准之后机器人再次开启视觉检测功能并进行后续的视觉跟踪(S102)。
[0037]如果在步骤S1013中，机器人并未检测到声音的来源，则再次启动视觉检测功能进行扫描以寻找目标，步骤S1015。在该步骤中，机器人转动身体的必要部件，使得机器人能够在平面360度和垂直面360度的范围内扫描目标物。在扫描过程中，如果能找到目标，则启动视觉跟踪功能，进行视觉跟踪S102。如果在扫描过程中不能找到目标，则重复执行步骤S1013，从而再次回到听觉检测过程，启动听觉检测功能进行声音检测定位或者声纹识别。
[0038]然而，根据现有技术这种只要目标物在拍摄范围内，并且触发了拍摄条件，比如特定的动作或者声音就自动进行拍照，会有大量的拍摄效果并不符合用户要求的照片存在，因为在这种技术里，并未对拍摄时所需要的拍摄参数进行设置，或者按照预设的拍摄参数效果比较单一。例如，针对静止物体和针对运动物体的拍照参数显然是不一样的。而且，不同的人对构图的要求也不同。此外，机器人的拥有者对图片资料的偏好数据都有各异性。因此，在机器人进行抓拍(无论是自动抓拍还是被动抓拍)时，还需要它能够根据用户以往对图片资料的操作处理来不断生成学习数据，从而优化自动抓拍或者被动抓拍下的拍摄条件参数。
[0039]如图2所示，其中显示了根据本发明的一个实施例的用于改善上述智能机器人自动抓拍出的图片效果的自学习方法流程图。
[0040]在图2中，方法开始于步骤S201，在此步骤中，首先打开智能机器人的拍摄功能。智能机器人的拍摄功能可以是在响应于拍摄触发条件下自动打开的，也可以是根据用户的指令被动打开的。当机器人处于拍摄模式下，其就会不断通过视觉或声音检测系统来跟踪目标物，并转动自身，使目标物始终处于拍摄范围框内，如图1中所示的方法。
[0041]接下来，在步骤S202中，当预设的拍摄条件参数满足之后就执行拍摄操作。例如将出现触发拍照的特定动作的目标物的瞬间抓拍下来，或者进行视频录像操作。预设的拍摄条件参数仅仅是最基本的拍摄参数，在拍摄触发条件的指令下，这样的拍摄参数只能满足基本的拍摄需求。
[0042]因此，为了使抓拍出的图片资料或者视频资料令人满意，机器人操作系统还需要获取用户针对构图的偏好数据和图片评价参数进行学习，参见步骤S203。在初始使用机器人的自动抓拍功能时，用户可以通过删除某些照片或者视频短片来放弃那些不理想的抓拍，或者通过保存某些照片或者视频短片来保留那些理想的抓拍。对于保留下来的抓拍视频短片或者图片，用户可以进一步进行用Photoshop之类的美图工具进行编辑和裁剪据。此夕卜，用户还可以对抓拍照片进行上传与好友分享，从而表明用户对该抓拍图片的正向评价。其它用户对所分享的评价对于图片评价参数的构成也是比较关键的。例如，通过获取好友们的点赞操作或者赞美的评价或者进一步的图片转发操作来获知正向评价的图片评价参数。这些操作细节，机器人操作系统在此步骤中均需要获取，从而知道用户对构图的偏好数据和图片评价参数。
[0043]接下来，在步骤S204中，对针对所述图片资料所做出的图片评价参数和偏好数据进行机器学习，并基于学习过程修改上述预设的拍摄条件参数，以得到机器人自学习的最优拍摄条件参数。
[0044]机器学习这些数据包括机器能够对大量数据学习加工、得出最优参数值，并不断循环这个过程。具体说来，就是机器人对用户的构图偏好数据和图片评价参数进行分析和学习。
[0045]构图偏好数据包括与构图相关的人或物的个数、人或物在图像中的位置、人或物的大小、人或物与镜头的距离、人脸的角度、人脸的大小、光线明暗度、事件、人脸情绪、情绪类型、情绪程度、人体动作、人脸动作、物体种类、物体和人的位置、年龄、性别、颜值等等。上述数据可以采用现有的视觉识别技术来获得。视觉识别技术能够分析图片中的光线明暗度、人/物体在图像中的位置。
[0046]此外，还通过采用语音识别技术、语义分析技术来分析用户对照片的评论是正向还是负向，从而得到用户的图片评价参数。例如，通过对用户对抓拍照片的处理进行语音识别和语义分析。如果用户向她的好友或者在网上发布该照片或视频短片，则可得出该图片或视频短片对应的正向评价参数。而如果用户在浏览了照片或视频短片之后，进行删除的操作，则可以得到对应于该资料的负向评价参数。其他用户对照片的评价也可以做为图片评价参数以供机器人学习。例如，用户的好友对所发布的图片进行了点赞操作或者正向评论，或者进一步转发，则可以得到正向评价参数。而如果该好友踩、负向评论了该图片资料，则得到的是负向评价参数。
[0047]综上可知，根据本发明的图片评价参数包括来自用户的正向评价和负向评价，在对预设拍摄条件参数进行修改的步骤中，对获得正向评价的图片资料进行图像数据分析得到第一修正值集合，对获得负向评价的图片资料进行图像数据分析得到第二修正值集合，其中，在原始的预设拍摄条件参数中叠加第一修正值集合，而在所述拍摄条件参数中减去所述第二修正值集合，从而将预设的拍摄条件参数修改为最优的拍摄条件参数。
[0048]最后，在步骤S205中，将最优拍摄条件参数作为预设的拍摄条件参数的替换进行保存，以用于下一次的拍摄操作。换句话说，机器人系统中所保存的最优拍摄条件参数是动态变化的，一旦用户对图片资料进行操作处理，机器便会进行学习，提取其中跟构图或者图片评价参数相关的数据。通过这样的机器学习，智能机器人系统中存储的最优拍摄条件参数能够保证一直是最佳的条件参数。
[0049]如图3所示，其中更为详细地显示了根据本发明的一个实施例的机器人自学习改善自动抓拍效果的方法流程图。
[0050]在图3中，首先给定了一套用于触发自动抓拍的预设参数和参数初始值。机器人的相关设备例如视觉检测系统或者声音检测系统跟踪监控实际中的这些参数是否发生变化，从而判断是否触发了自动抓拍的条件。如果是则进行自动抓拍操作。如果并未触发，则继续保持跟踪目标物，并进行参数监控。
[0051]在自动抓拍操作完成以后，将拍摄的图片或者视频发送给用户，例如远程通信发送到用户的手机、平板电脑等终端设备上。当然，这里也可以本地保存，用户通过显示器进行浏览。当用户浏览所拍摄的照片时，对他们所采取的处理进行关注。判断用户对图片的处理结果是正向还是负向。无论是正向还是负向评价，机器人均对对应的图片进行图像分析，从而对用户处理的照片对应的参数进行机器学习。具体说，机器通过挖掘，分析出构图偏好数据、光线强度、曝光时间、人物大小比例等等，并将它们分别形成为第一修正值集合(对应于正向评价)和第二修正值集合(对应于负向评价)，以便对预设的拍摄条件参数进行修改。
[0052]修改参数包括在预设拍摄条件参数中叠加第一修正值集合，而在预设拍摄条件参数中减去第二修正值集合，从而得到新的参数以及参数值，机器将其作为最优拍摄条件参数保存以便于下一次拍摄。
[0053]需要特别说明的是，本发明的方法描述的是在计算机系统中实现的。该计算机系统例如可以设置在机器人的控制核心处理器中。例如，本文所述的方法可以实现为能以控制逻辑来执行的软件，其由机器人控制系统中的CHJ来执行。本文所述的功能可以实现为存储在非暂时性有形计算机可读介质中的程序指令集合。当以这种方式实现时，该计算机程序包括一组指令，当该组指令由计算机运行时其促使计算机执行能实施上述功能的方法。可编程逻辑可以暂时或永久地安装在非暂时性有形计算机可读介质中，例如只读存储器芯片、计算机存储器、磁盘或其他存储介质。除了以软件来实现之外，本文所述的逻辑可利用分立部件、集成电路、与可编程逻辑设备(诸如，现场可编程门阵列(FPGA)或微处理器)结合使用的可编程逻辑，或者包括它们任意组合的任何其他设备来体现。所有此类实施例旨在落入本发明的范围之内。
[0054]如图4所示，其中显示了根据本发明的实施例的改善抓拍效果的自学习装置400。
[0055]根据本发明的另一个方面，还提供了一种改善抓拍效果的自学习装置400，所述装置400包括:
[0056]拍摄功能打开单元401，其用以打开智能机器人的拍摄功能；
[0057]拍摄操作执行单元402，其基于预设的拍摄条件参数执行拍摄操作；
[0058]参数获取单元403，其用于获取针对构图的偏好数据和图片评价参数；
[0059]拍摄条件参数修改单元404，其用以对针对所述图片资料所做出的图片评价参数和偏好数据进行机器学习，并基于学习过程修改所述预设的拍摄条件参数，以得到机器人自学习的最优拍摄条件参数；
[0060]参数保存单元405，将所述最优拍摄条件参数进行保存，以用于下一次的拍摄操作。
[0061]在根据本发明的改善抓拍效果的自学习装置400中，所述图片评价参数包括来自用户的正向评价和负向评价，在所述拍摄条件参数修改单元中，对获得正向评价的图片资料进行图像数据分析得到第一修正值集合，对获得负向评价的图片资料进行图像数据分析得到第二修正值集合，其中，将第一修正值集合和第二修正值集合作为评价数据，通过机器学习使拍摄条件参数趋近于更满足用户标准的拍摄条件参数。
[0062]根据本发明的改善抓拍效果的自学习装置还包括自动抓拍单元406，其用以使得所述智能机器人在拍摄触发命令下，打开智能机器人的拍摄功能，自动执行抓拍操作，拍摄触发命令基于设定的拍摄条件产生。
[0063]根据本发明的改善抓拍效果的自学习装置400还包括被动抓拍单元407，所述智能机器人根据用户指令被动开启抓拍功能。
[0064]根据本发明的改善抓拍效果的自学习装置还包括自动筛选单元408，其用以使得机器人针对所拍出的照片基于最优拍摄条件参数进行自动筛选，删除不符合所述最优拍摄条件参数的图片资料，保存符合所述最优拍摄条件参数的图片资料。
[0065]由于，判断出要抓拍的那个精彩时刻，几乎所有人都是以感性判断的，比如感觉很美，很好玩……。但即使是专业的摄影师，也很难把所有的要点量化出来。机器抓拍恰恰需要n个可量化的参数才可以排除人们满意的照片。通过根据本发明的机器学习，机器人自身可以持续改进这些参数的量化数据，从而让机器抓拍出来的照片越来越好。
[0066]应该理解的是，本发明所公开的实施例不限于这里所公开的特定结构、处理步骤或材料，而应当延伸到相关领域的普通技术人员所理解的这些特征的等同替代。还应当理解的是，在此使用的术语仅用于描述特定实施例的目的，而并不意味着限制。
[0067]说明书中提到的“一个实施例”或“实施例”意指结合实施例描述的特定特征、结构或特性包括在本发明的至少一个实施例中。因此，说明书通篇各个地方出现的短语“一个实施例”或“实施例”并不一定均指同一个实施例。
[0068]虽然本发明所公开的实施方式如上，但所述的内容只是为了便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属技术领域内的技术人员，在不脱离本发明所公开的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本发明的专利保护范围，仍须以所附的权利要求书所界定的范围为准。
【主权项】
1.一种改善抓拍效果的自学习方法，其特征在于，所述方法包括以下步骤: 打开智能机器人的拍摄功能； 基于预设的拍摄条件参数执行拍摄操作； 获取针对构图的偏好数据和图片评价参数； 对针对所述图片资料所做出的图片评价参数和偏好数据进行机器学习，并基于学习过程修改所述预设的拍摄条件参数，以得到机器人自学习的最优拍摄条件参数； 将所述最优拍摄条件参数作为预设的拍摄条件参数的替换进行保存，以用于下一次的拍摄操作。2.如权利要求1所述的改善抓拍效果的自学习方法，其特征在于，所述图片评价参数包括: 来自用户的正向评价和负向评价，在对所述预设拍摄条件参数进行修改的步骤中，对获得正向评价的图片资料进行图像数据分析得到第一修正值集合，对获得负向评价的图片资料进行图像数据分析得到第二修正值集合，其中，将第一修正值集合和第二修正值集合作为评价数据，通过机器学习使拍摄条件参数趋近于更满足用户标准的拍摄条件参数。3.如权利要求2所述的改善抓拍效果的自学习方法，其特征在于，所述智能机器人在拍摄触发命令下，打开智能机器人的拍摄功能，自动执行抓拍操作，拍摄触发命令基于设定的拍摄条件产生。4.如权利要求3所述的改善抓拍效果的自学习方法，其特征在于，在打开智能机器人的拍摄功能的步骤后，所述智能机器人根据用户指令被动执行抓拍操作。5.如权利要求4中任一项所述的改善抓拍效果的自学习方法，其特征在于，在机器人被动开启抓拍功能的情况下，机器人针对所拍出的照片基于最优拍摄条件参数进行自动筛选，删除不符合所述最优拍摄条件参数的图片资料，保存符合所述最优拍摄条件参数的图片资料。6.一种改善抓拍效果的自学习装置，其特征在于，所述装置包括: 拍摄功能打开单元，其用以打开智能机器人的拍摄功能； 拍摄操作执行单元，其基于预设的拍摄条件参数执行拍摄操作； 参数获取单元，其用于获取针对构图的偏好数据和图片评价参数； 拍摄条件参数修改单元，其用以对针对所述图片资料所做出的图片评价参数和偏好数据进行机器学习，并基于学习过程修改所述预设的拍摄条件参数，以得到机器人自学习的最优拍摄条件参数； 参数保存单元，将所述最优拍摄条件参数进行保存，以用于下一次的拍摄操作。7.如权利要求6所述的改善抓拍效果的自学习装置，其特征在于，所述图片评价参数包括来自用户的正向评价和负向评价，在所述拍摄条件参数修改单元中，对获得正向评价的图片资料进行图像数据分析得到第一修正值集合，对获得负向评价的图片资料进行图像数据分析得到第二修正值集合，其中，将第一修正值集合和第二修正值集合作为评价数据，通过机器学习使拍摄条件参数趋近于更满足用户标准的拍摄条件参数。8.如权利要求7所述的改善抓拍效果的自学习装置，其特征在于，所述装置还包括自动抓拍单元，其用以使得所述智能机器人在拍摄触发命令下，打开智能机器人的拍摄功能，自动执行抓拍操作，拍摄触发命令基于设定的拍摄条件产生。9.如权利要求8所述的改善抓拍效果的自学习装置，其特征在于，所述装置还包括被动抓拍单元，所述智能机器人根据用户指令被动开启抓拍功能。10.如权利要求9所述的改善抓拍效果的自学习装置，其特征在于，所述装置还包括自动筛选单元，其用以使得机器人针对所拍出的照片基于最优拍摄条件参数进行自动筛选，删除不符合所述最优拍摄条件参数的图片资料，保存符合所述最优拍摄条件参数的图片资料。
【文档编号】H04N5/232GK105915801SQ201610407762
【公开日】2016年8月31日
【申请日】2016年6月12日
【发明人】郭家, 俞志晨
【申请人】北京光年无限科技有限公司