CN108769513B - 相机拍照方法及装置 - Google Patents

Abstract

本公开是关于一种相机拍照方法及装置，该方法包括：接收到用户的拍照指示，所述拍照指示中包括指定图片类型；确定所述指定图片类型对应的拍照参数；根据所述指定图片类型对应的拍照参数进行拍照，得到所述指定图片类型对应的图片。因此，本公开可以满足用户的拍照需求，还可以提高相机拍照质量。

Description

相机拍照方法及装置

技术领域

本公开涉及通信技术领域，尤其涉及一种相机拍照方法及装置。

背景技术

随着通信技术的不断发展，智能手机的应用也越来越广泛。

相关技术中，智能手机的类型很多，利用不同类型的智能手机的相机对同一目标进行拍照，其得到的拍照风格是不同的，有的可能偏鲜艳、有的可能偏冷等。

但是，同一类型的智能手机的相机的拍照风格比较单一，不能更好地满足用户的需求。

发明内容

为克服相关技术中存在的问题，本公开实施例提供一种相机拍照方法及装置。

根据本公开实施例的第一方面，提供一种相机拍照方法，所述方法包括：

接收到用户的拍照指示，所述拍照指示中包括指定图片类型；

确定所述指定图片类型对应的拍照参数；

根据所述指定图片类型对应的拍照参数进行拍照，得到所述指定图片类型对应的图片。

可选地，所述指定图片类型是终端能够提供的多种图片类型中的一种；

所述确定所述指定图片类型对应的拍照参数，包括：

获取各种所述图片类型对应的拍照参数；

从各种所述图片类型对应的拍照参数中，确定所述指定图片类型对应的拍照参数。

可选地，所述方法还包括：

通过机器学习得到各种所述图片类型对应的拍照参数；

将各种所述图片类型对应的拍照参数保存至指定位置。

可选地，所述通过机器学习得到各种所述图片类型对应的拍照参数，包括：

建立图片类型识别模型，所述图片类型识别模型用于根据输入图片识别出所述输入图片的图片类型；

针对待学习的图片类型，调整相机参数，并利用调整后的相机参数进行拍照，以及将拍照后的第一图片输入到所述图片类型识别模型中；

当识别出所述第一图片的图片类型为所述待学习的图片类型时，则根据拍照所述第一图片的相机参数确定所述待学习的图片类型对应的拍照参数。

可选地，所述建立图片类型识别模型，包括：

采集训练数据，所述训练数据包括各种所述图片类型的图片，且每张图片均带有所属图片类型的标签；

对所述训练数据进行机器学习，得到所述图片类型识别模型。

可选地，所述根据拍照所述第一图片的相机参数确定所述待学习的图片类型对应的拍照参数，包括：

将拍照所述第一图片的相机参数确定为所述待学习的图片类型对应的拍照参数。

可选地，所述根据拍照所述第一图片的相机参数确定所述待学习的图片类型对应的拍照参数，包括：

将所述第一图片作为优化数据，并对所述图片类型识别模型进行优化，得到优化后的图片类型识别模型；

继续调整相机参数，并利用继续调整后的相机参数进行拍照，以及将拍照后的第二图片输入到所述优化后的图片类型识别模型中；

当识别出所述第二图片的图片类型为所述待学习的图片类型时，则将拍照所述第二图片的相机参数确定为所述待学习的图片类型对应的拍照参数。

可选地，所述各种所述图片类型包括不同相机拍照风格对应的图片类型。

根据本公开实施例的第二方面，提供一种相机拍照装置，所述装置包括：

接收模块，被配置为接收到用户的拍照指示，所述拍照指示中包括指定图片类型；

确定模块，被配置为确定所述指定图片类型对应的拍照参数；

拍照模块，被配置为根据所述指定图片类型对应的拍照参数进行拍照，得到所述指定图片类型对应的图片。

可选地，所述指定图片类型是终端能够提供的多种图片类型中的一种；

所述确定模块包括：

获取子模块，被配置为获取各种所述图片类型对应的拍照参数；

第一确定子模块，被配置为从各种所述图片类型对应的拍照参数中，确定所述指定图片类型对应的拍照参数。

可选地，所述装置还包括：

学习模块，被配置为通过机器学习得到各种所述图片类型对应的拍照参数；

保存模块，被配置为将各种所述图片类型对应的拍照参数保存至指定位置。

可选地，所述学习模块包括：

建立子模块，被配置为建立图片类型识别模型，所述图片类型识别模型用于根据输入图片识别出所述输入图片的图片类型；

第一调整子模块，被配置为针对待学习的图片类型，调整相机参数，并利用调整后的相机参数进行拍照，以及将拍照后的第一图片输入到所述图片类型识别模型中；

第二确定子模块，被配置为当识别出所述第一图片的图片类型为所述待学习的图片类型时，则根据拍照所述第一图片的相机参数确定所述待学习的图片类型对应的拍照参数。

可选地，所述建立子模块包括：

采集子模块，被配置为采集训练数据，所述训练数据包括各种所述图片类型的图片，且每张图片均带有所属图片类型的标签；

学习子模块，被配置为对所述训练数据进行机器学习，得到所述图片类型识别模型。

可选地，所述第二确定子模块包括：

第三确定子模块，被配置为将拍照所述第一图片的相机参数确定为所述待学习的图片类型对应的拍照参数。

可选地，所述第二确定子模块包括：

优化子模块，被配置为将所述第一图片作为优化数据，并对所述图片类型识别模型进行优化，得到优化后的图片类型识别模型；

第二调整子模块，被配置为继续调整相机参数，并利用继续调整后的相机参数进行拍照，以及将拍照后的第二图片输入到所述优化后的图片类型识别模型中；

第四确定子模块，被配置为当识别出所述第二图片的图片类型为所述待学习的图片类型时，则将拍照所述第二图片的相机参数确定为所述待学习的图片类型对应的拍照参数。

可选地，所述各种所述图片类型包括不同相机拍照风格对应的图片类型。根据本公开实施例的第三方面，提供一种相机拍照装置，所述装置包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

接收到用户的拍照指示，所述拍照指示中包括指定图片类型；

确定所述指定图片类型对应的拍照参数；

根据所述指定图片类型对应的拍照参数进行拍照，得到所述指定图片类型对应的图片。

本公开的实施例提供的技术方案可以包括以下有益效果：

本公开中终端在接收到用户的拍照指示，该拍照指示中包括指定图片类型，可以先确定该指定图片类型对应的拍照参数，再根据该指定图片类型对应的拍照参数进行拍照，得到该指定图片类型对应的图片，从而满足了用户的拍照需求，还提高了相机拍照质量。

本公开中终端还可以先获取各种图片类型对应的拍照参数，再从各种图片类型对应的拍照参数中，确定用户指示的指定图片类型对应的拍照参数，从而提高了确定拍照参数的准确性。

本公开中终端还可以先通过机器学习得到各种图片类型对应的拍照参数，再将各种图片类型对应的拍照参数保存至指定位置，这样便于拍照时从这指定位置快速获取这些图片类型对应的拍照参数，从而提高了相机拍照速度。

本公开中终端还可以在通过机器学习得到各种图片类型对应的拍照参数时，可以建立图片类型识别模型，该图片类型识别模型用于根据输入图片识别出该输入图片的图片类型；再针对待学习的图片类型，调整相机参数，并利用调整后的相机参数进行拍照，以及将拍照后的第一图片输入到图片类型识别模型中，当识别出第一图片的图片类型为待学习的图片类型时，可以根据拍照第一图片的相机参数确定待学习的图片类型对应的拍照参数，从而实现了通过机器学习得到各种图片类型对应的拍照参数这一功能，还提高了确定各种图片类型对应的拍照参数的可靠性。

本公开中终端在根据拍照第一图片的相机参数确定待学习的图片类型对应的拍照参数时，可以先将第一图片作为优化数据，并对图片类型识别模型进行优化，得到优化后的图片类型识别模型，继续调整相机参数，并利用继续调整后的相机参数进行拍照，以及将拍照后的第二图片输入到优化后的图片类型识别模型中，当识别出第二图片的图片类型为待学习的图片类型时，则将拍照第二图片的相机参数确定为待学习的图片类型对应的拍照参数，从而提高了待学习的图片类型对应的拍照参数的准确性。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

图1是本公开根据一示例性实施例示出的一种相机拍照方法的流程图；

图2是本公开根据一示例性实施例示出的一种相机拍照方法的应用场景示意图；

图3是本公开根据一示例性实施例示出的另一种相机拍照方法的流程图；

图4是本公开根据一示例性实施例示出的另一种相机拍照方法的流程图；

图5是本公开根据一示例性实施例示出的另一种相机拍照方法的流程图；

图6是本公开根据一示例性实施例示出的一种相机拍照装置的流程图；

图7是本公开根据一示例性实施例示出的一种相机拍照装置的框图；

图8是本公开根据一示例性实施例示出的另一种相机拍照装置的框图；

图9是本公开根据一示例性实施例示出的另一种相机拍照装置的框图；

图10是本公开根据一示例性实施例示出的另一种相机拍照装置的框图；

图11是本公开根据一示例性实施例示出的另一种相机拍照装置的框图；

图12是本公开根据一示例性实施例示出的另一种相机拍照装置的框图；

图13是本公开根据一示例性实施例示出的另一种相机拍照装置的框图；

图14是本公开根据一示例性实施例示出的一种适用于相机拍照装置的结构示意图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

在本公开使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本公开。在本公开和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本公开可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本公开范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。

图1是根据一示例性实施例示出的一种相机拍照方法的流程图，图2是根据一示例性实施例示出的相机拍照方法的应用场景示意图；该相机拍照方法可以用于提供拍照服务的终端(例如：智能手机、平板电脑等)上，如图1所示，该相机拍照方法包括以下步骤110-130：

在步骤110中，接收到用户的拍照指示，该拍照指示中包括指定图片类型。

本公开实施例中，当用户需求拍照时，会向终端发送拍照指示，且会拍照指示中指示需要拍摄哪种图片类型的图片。

在一实施例中，指定图片类型可以是终端能够提供的多种图片类型中的一种，且这些种类图片类型可以为不同相机拍照风格对应的图片类型。比如：小米手机拍照风格对应的图片类型、或华为手机拍照风格对应的图片类型等。

在步骤120中，确定该指定图片类型对应的拍照参数。

本公开实施例中，在拍照之前，终端需要先确定用户指示的指定图片类型的拍照参数，再根据该指定图片类型的拍照参数进行拍照，这样就可以拍摄出满足用户需求的图片。

在一实施例中，用户指示的指定图片类型可以是终端能够提供的多种图片类型中的一种；在执行步骤120时，可以先获取各种图片类型对应的拍照参数；再从各种图片类型对应的拍照参数中，确定用户指示的指定图片类型对应的拍照参数，其具体实现过程可参见图3所示实施例。

在一实施例中，各种图片类型可以包括不同相机拍照风格对应的图片类型。比如：各种图片类型可以包括小米手机拍照风格对应的图片类型，还可以包括华为手机拍照风格对应的图片类型。

在步骤130中，根据该指定图片类型对应的拍照参数进行拍照，得到该指定图片类型对应的图片。

在一示例性场景中，如图2所示，用户和小米终端。用户需要拍照时，会向小米终端发出拍照指示，且拍照指示中会指示该用户需要拍摄指定图片类型的图片，比如：指定图片类型为华为手机拍照风格对应的图片类型；终端接收到用户的拍照指示后，会确定该指定图片类型对应的拍照参数，以及根据确定指定图片类型的拍照参数进行拍照，最后得到满足用户需求的图片。

由上述实施例可见，在接收到用户的拍照指示，该拍照指示中包括指定图片类型，可以先确定该指定图片类型对应的拍照参数，再根据该指定图片类型对应的拍照参数进行拍照，得到该指定图片类型对应的图片，从而满足了用户的拍照需求，还提高了相机拍照质量。

下面以具体实施例来说明本公开实施例提供的技术方案。

图3是本公开根据一示例性实施例示出的另一种相机拍照方法的流程图。该相机拍照方法可以用于提供拍照服务的终端(例如：智能手机、平板电脑等)上，并建立在图1所示方法的基础上，用户指示的指定图片类型可以是终端能够提供的多种图片类型中的一种；在执行步骤120时，如图3所示，可以包括以下步骤310-320：

在步骤310中，获取各种图片类型对应的拍照参数。

本公开实施例中，各种图片类型对应的拍照参数可以是提前设置的固定参数，也可以是通过机器学习得到的优化参数。并且，各种图片类型对应的拍照参数可以不同。

在一实施例中，各种图片类型可以包括不同相机拍照风格对应的图片类型。比如：各种图片类型可以包括小米手机拍照风格对应的图片类型，还可以包括华为手机拍照风格对应的图片类型。

在步骤320中，从各种图片类型对应的拍照参数中，确定用户指示的指定图片类型对应的拍照参数。

由上述实施例可见，可以先获取各种图片类型对应的拍照参数，再从各种图片类型对应的拍照参数中，确定用户指示的指定图片类型对应的拍照参数，从而提高了确定拍照参数的准确性。

图4是本公开根据一示例性实施例示出的另一种相机拍照方法的流程图。该相机拍照方法可以用于提供拍照服务的终端(例如：智能手机、平板电脑等)上，并建立在图3所示方法的基础上，如图4所示，该相机拍照方法还可以包括以下步骤410-420：

在步骤410中，通过机器学习得到各种图片类型对应的拍照参数。其具体实现过程可参见图5所示实施例。

本公开实施例中，机器学习(Machine Learning，ML)的输入是各个图片类型，输出为对应的拍照参数，需要学习其中的映射关系，其具体实现过程可参见图5所示实施例。

在步骤420中，将各种图片类型对应的拍照参数保存至指定位置。

本公开实施例中，指定位置可以是本地缓存中，也可以保存在云服务器的。

由上述实施例可见，可以先通过机器学习得到各种图片类型对应的拍照参数，再将各种图片类型对应的拍照参数保存至指定位置，这样便于拍照时从这指定位置快速获取这些图片类型对应的拍照参数，从而提高了相机拍照速度。

图5是本公开根据一示例性实施例示出的另一种相机拍照方法的流程图。该相机拍照方法可以用于提供拍照服务的终端(例如：智能手机、平板电脑等)上，并建立在图4所示方法的基础上，如图5所示，在执行步骤410时，可以包括以下步骤510-530：

在步骤510中，建立图片类型识别模型，该图片类型识别模型用于根据输入图片识别出该输入图片的图片类型。

本公开实施例中，图片类型识别模型可以是提前设置的固定模型，也可以是通过机器学习得到的学习模型。其中，该图片类型识别模型可以为CNN(Convolutional NeuralNetwork，卷积神经网络)训练模型。

在一实施例中，在建立图片类型识别模型时，可以采用但不限于以下方式来实现：

(1)采集训练数据，该训练数据包括各种图片类型的图片，且每张图片均带有所属图片类型的标签。

(2)对训练数据进行机器学习，得到图片类型识别模型。

在步骤520中，针对待学习的图片类型，调整相机参数，并利用调整后的相机参数进行拍照，以及将拍照后的第一图片输入到图片类型识别模型中。

本公开实施例中，待学习的图片类型可以指的是终端能够提供的多种图片类型中的任一种，也就是说终端能够提供的每种图片类型都可以通过机器学习来确定其对应的拍照参数。

在一实施例中，由于相机参数有很多，比如：1000个。在调整相机参数时，可以采用不同的方式进行调整。比如：采用随机穷举的方式调整相机参数。

在步骤530中，当识别出第一图片的图片类型为待学习的图片类型时，则根据拍照第一图片的相机参数确定待学习的图片类型对应的拍照参数。

本公开实施例中，当识别出第一图片的图片类型为待学习的图片类型后，终端可以根据实际情况确定是否将根据拍照第一图片的相机参数确定为待学习的图片类型对应的拍照参数。

在一实施例中，在根据拍照第一图片的相机参数确定待学习的图片类型对应的拍照参数时，可以直接将拍照第一图片的相机参数确定为该待学习的图片类型对应的拍照参数。

在一实施例中，在根据拍照第一图片的相机参数确定待学习的图片类型对应的拍照参数时，还可以继续进行机器学习，并根据优化后的图片类型识别模型确定该待学习的图片类型对应的拍照参数，其具体实现过程可参见图6所示实施例。

由上述实施例可见，在通过机器学习得到各种图片类型对应的拍照参数时，可以建立图片类型识别模型，该图片类型识别模型用于根据输入图片识别出该输入图片的图片类型；再针对待学习的图片类型，调整相机参数，并利用调整后的相机参数进行拍照，以及将拍照后的第一图片输入到图片类型识别模型中，当识别出第一图片的图片类型为待学习的图片类型时，可以根据拍照第一图片的相机参数确定待学习的图片类型对应的拍照参数，从而实现了通过机器学习得到各种图片类型对应的拍照参数这一功能，还提高了确定各种图片类型对应的拍照参数的可靠性。

图6是本公开根据一示例性实施例示出的另一种相机拍照方法的流程图。该相机拍照方法可以用于提供拍照服务的终端(例如：智能手机、平板电脑等)上，并建立在图5所示方法的基础上，如图6所示，在执行步骤530时，可以包括以下步骤610-630：

在步骤610中，将第一图片作为优化数据，并对图片类型识别模型进行优化，得到优化后的图片类型识别模型。

在步骤620中，继续调整相机参数，并利用继续调整后的相机参数进行拍照，以及将拍照后的第二图片输入到优化后的图片类型识别模型中。

在步骤630中，当识别出第二图片的图片类型为待学习的图片类型时，则将拍照第二图片的相机参数确定为待学习的图片类型对应的拍照参数。

由上述实施例可见，在根据拍照第一图片的相机参数确定待学习的图片类型对应的拍照参数时，可以先将第一图片作为优化数据，并对图片类型识别模型进行优化，得到优化后的图片类型识别模型，继续调整相机参数，并利用继续调整后的相机参数进行拍照，以及将拍照后的第二图片输入到优化后的图片类型识别模型中，当识别出第二图片的图片类型为待学习的图片类型时，则将拍照第二图片的相机参数确定为待学习的图片类型对应的拍照参数，从而提高了待学习的图片类型对应的拍照参数的准确性。

与前述相机拍照方法实施例相对应，本公开还提供了相机拍照装置的实施例。

如图7所示，图7是本公开根据一示例性实施例示出的一种相机拍照装置的框图，所述装置可以用于提供拍照服务的终端(例如：智能手机、平板电脑等)上，并用于执行图1所示的相机拍照方法，如图7所示，该相机拍照装置可以包括：

接收模块71，被配置为接收到用户的拍照指示，所述拍照指示中包括指定图片类型；

确定模块72，被配置为确定所述指定图片类型对应的拍照参数；

拍照模块73，被配置为根据所述指定图片类型对应的拍照参数进行拍照，得到所述指定图片类型对应的图片。

由上述实施例可见，在接收到用户的拍照指示，该拍照指示中包括指定图片类型，可以先确定该指定图片类型对应的拍照参数，再根据该指定图片类型对应的拍照参数进行拍照，得到该指定图片类型对应的图片，从而提高了相机拍照效率，更好地满足了用户的拍照需求。

如图8所示，图8是本公开根据一示例性实施例示出的另一种相机拍照装置的框图，该实施例建立在前述图7所示实施例的基础上，所述指定图片类型是终端能够提供的多种图片类型中的一种；如图8所示，所述确定模块72可以包括：

获取子模块81，被配置为获取各种所述图片类型对应的拍照参数；

第一确定子模块82，被配置为从各种所述图片类型对应的拍照参数中，确定所述指定图片类型对应的拍照参数。

由上述实施例可见，可以先获取各种图片类型对应的拍照参数，再从各种图片类型对应的拍照参数中，确定用户指示的指定图片类型对应的拍照参数，从而提高了确定拍照参数的准确性。

如图9所示，图9是本公开根据一示例性实施例示出的另一种相机拍照装置的框图，该实施例建立在前述图8所示实施例的基础上，如图9所示，所述装置还可以包括：

学习模块91，被配置为通过机器学习得到各种所述图片类型对应的拍照参数；

保存模块92，被配置为将各种所述图片类型对应的拍照参数保存至指定位置。

由上述实施例可见，可以先通过机器学习得到各种图片类型对应的拍照参数，再将各种图片类型对应的拍照参数保存至指定位置，这样便于拍照时从这指定位置快速获取这些图片类型对应的拍照参数，从而提高了相机拍照速度。

如图10所示，图10是本公开根据一示例性实施例示出的另一种相机拍照装置的框图，该实施例建立在前述图9所示实施例的基础上，如图10所示，所述学习模块91可以包括：

建立子模块101，被配置为建立图片类型识别模型，所述图片类型识别模型用于根据输入图片识别出所述输入图片的图片类型；

第一调整子模块102，被配置为针对待学习的图片类型，调整相机参数，并利用调整后的相机参数进行拍照，以及将拍照后的第一图片输入到所述图片类型识别模型中；

第二确定子模块103，被配置为当识别出所述第一图片的图片类型为所述待学习的图片类型时，则根据拍照所述第一图片的相机参数确定所述待学习的图片类型对应的拍照参数。

由上述实施例可见，在通过机器学习得到各种图片类型对应的拍照参数时，可以建立图片类型识别模型，该图片类型识别模型用于根据输入图片识别出该输入图片的图片类型；再针对待学习的图片类型，调整相机参数，并利用调整后的相机参数进行拍照，以及将拍照后的第一图片输入到图片类型识别模型中，当识别出第一图片的图片类型为待学习的图片类型时，可以根据拍照第一图片的相机参数确定待学习的图片类型对应的拍照参数，从而实现了通过机器学习得到各种图片类型对应的拍照参数这一功能，还提高了确定各种图片类型对应的拍照参数的可靠性。

如图11所示，图11是本公开根据一示例性实施例示出的另一种相机拍照装置的框图，该实施例建立在前述图10所示实施例的基础上，如图11所示，所述建立子模块101可以包括：

采集子模块111，被配置为采集训练数据，所述训练数据包括各种所述图片类型的图片，且每张图片均带有所属图片类型的标签；

学习子模块112，被配置为对所述训练数据进行机器学习，得到所述图片类型识别模型。

如图12所示，图12是本公开根据一示例性实施例示出的另一种相机拍照装置的框图，该实施例建立在前述图10所示实施例的基础上，如图12所示，所述第二确定子模块103可以包括：

第三确定子模块121，被配置为将拍照所述第一图片的相机参数确定为所述待学习的图片类型对应的拍照参数。

如图13所示，图13是本公开根据一示例性实施例示出的另一种相机拍照装置的框图，该实施例建立在前述图10所示实施例的基础上，如图13所示，所述第二确定子模块103可以包括：

优化子模块131，被配置为将所述第一图片作为优化数据，并对所述图片类型识别模型进行优化，得到优化后的图片类型识别模型；

第二调整子模块132，被配置为继续调整相机参数，并利用继续调整后的相机参数进行拍照，以及将拍照后的第二图片输入到所述优化后的图片类型识别模型中；

第四确定子模块132，被配置为当识别出所述第二图片的图片类型为所述待学习的图片类型时，则将拍照所述第二图片的相机参数确定为所述待学习的图片类型对应的拍照参数。

由上述实施例可见，在根据拍照第一图片的相机参数确定待学习的图片类型对应的拍照参数时，可以先将第一图片作为优化数据，并对图片类型识别模型进行优化，得到优化后的图片类型识别模型，继续调整相机参数，并利用继续调整后的相机参数进行拍照，以及将拍照后的第二图片输入到优化后的图片类型识别模型中，当识别出第二图片的图片类型为待学习的图片类型时，则将拍照第二图片的相机参数确定为待学习的图片类型对应的拍照参数，从而提高了待学习的图片类型对应的拍照参数的准确性。

在一实施例中，建立在前述图8至图13任一所示实施例的基础上，所述各种所述图片类型包括不同相机拍照风格对应的图片类型。

上述装置中各个单元的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程，在此不再赘述。

对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本公开方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

如图14所示，图14是本公开根据一示例性实施例示出的一种适用于相机拍照装置1400的结构示意图。例如，装置1400可以是具有路由功能的移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。

参照图14，装置1400可以包括以下一个或多个组件：处理组件1402，存储器1404，电源组件1406，多媒体组件1408，音频组件1410，输入/输出(I/O)的接口1412，传感器组件1414，以及通信组件1416。

处理组件1402通常控制装置1400的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件1402可以包括一个或多个处理器1420来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件1402可以包括一个或多个模块，便于处理组件1402和其他组件之间的交互。例如，处理组件1402可以包括多媒体模块，以方便多媒体组件1408和处理组件1402之间的交互。

存储器1404被配置为存储各种类型的数据以支持在装置1400的操作。这些数据的示例包括用于在装置1400上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器1404可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电源组件1406为装置1400的各种组件提供电力。电源组件1406可以包括电源管理系统，一个或多个电源，及其他与为装置1400生成、管理和分配电力相关联的组件。

多媒体组件1408包括在所述装置1400和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件1408包括一个前置摄像头和/或后置摄像头。当装置1400处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件1410被配置为输出和/或输入音频信号。例如，音频组件1410包括一个麦克风(MIC)，当装置1400处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器1404或经由通信组件1416发送。在一些实施例中，音频组件1410还包括一个扬声器，用于输出音频信号。

I/O接口1412为处理组件1402和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件1414包括一个或多个传感器，用于为装置1400提供各个方面的状态评估。例如，传感器组件1414可以检测到装置1400的打开/关闭状态，组件的相对定位，例如所述组件为装置1400的显示器和小键盘，传感器组件1414还可以检测装置1400或装置1400一个组件的位置改变，用户与装置1400接触的存在或不存在，装置1400方位或加速/减速和装置1400的温度变化。传感器组件1414可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件1414还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件1414还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器，微波传感器或温度传感器。

通信组件1416被配置为便于装置1400和其他设备之间有线或无线方式的通信。装置1400可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件1416经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件1416还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，装置1400可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述相机拍照方法。

在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器1404，上述指令可由装置1400的处理器1420执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (13)

1.一种相机拍照方法，其特征在于，所述方法包括：

接收到用户的拍照指示，所述拍照指示中包括指定图片类型；

确定所述指定图片类型对应的拍照参数；

根据所述指定图片类型对应的拍照参数进行拍照，得到所述指定图片类型对应的图片；

确定所述指定图片类型对应的拍照参数，包括：

建立图片类型识别模型，所述图片类型识别模型用于根据输入图片识别出所述输入图片的图片类型；

针对待学习的图片类型，调整相机参数，并利用调整后的相机参数进行拍照，以及将拍照后的第一图片输入到所述图片类型识别模型中；

当识别出所述第一图片的图片类型为所述待学习的图片类型时，则根据拍照所述第一图片的相机参数确定所述待学习的图片类型对应的拍照参数；

所述根据拍照所述第一图片的相机参数确定所述待学习的图片类型对应的拍照参数，包括：

将所述第一图片作为优化数据，并对所述图片类型识别模型进行优化，得到优化后的图片类型识别模型；

继续调整相机参数，并利用继续调整后的相机参数进行拍照，以及将拍照后的第二图片输入到所述优化后的图片类型识别模型中；

当识别出所述第二图片的图片类型为所述待学习的图片类型时，则将拍照所述第二图片的相机参数确定为所述待学习的图片类型对应的拍照参数。

2.根据权利要求1所述的方法，其特征在于，所述指定图片类型是终端能够提供的多种图片类型中的一种；

所述确定所述指定图片类型对应的拍照参数，包括：

获取各种所述图片类型对应的拍照参数；

从各种所述图片类型对应的拍照参数中，确定所述指定图片类型对应的拍照参数。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

通过机器学习得到各种所述图片类型对应的拍照参数；

将各种所述图片类型对应的拍照参数保存至指定位置。

4.根据权利要求1所述的方法，其特征在于，所述建立图片类型识别模型，包括：

采集训练数据，所述训练数据包括各种所述图片类型的图片，且每张图片均带有所属图片类型的标签；

对所述训练数据进行机器学习，得到所述图片类型识别模型。

5.根据权利要求1所述的方法，其特征在于，所述根据拍照所述第一图片的相机参数确定所述待学习的图片类型对应的拍照参数，包括：

将拍照所述第一图片的相机参数确定为所述待学习的图片类型对应的拍照参数。

6.根据权利要求2至4任一项所述的方法，其特征在于，所述各种所述图片类型包括不同相机拍照风格对应的图片类型。

7.一种相机拍照装置，其特征在于，所述装置包括：

接收模块，被配置为接收到用户的拍照指示，所述拍照指示中包括指定图片类型；

确定模块，被配置为确定所述指定图片类型对应的拍照参数；

拍照模块，被配置为根据所述指定图片类型对应的拍照参数进行拍照，得到所述指定图片类型对应的图片；

所述确定模型，具体被配置为：

建立图片类型识别模型，所述图片类型识别模型用于根据输入图片识别出所述输入图片的图片类型；

针对待学习的图片类型，调整相机参数，并利用调整后的相机参数进行拍照，以及将拍照后的第一图片输入到所述图片类型识别模型中；

当识别出所述第一图片的图片类型为所述待学习的图片类型时，则根据拍照所述第一图片的相机参数确定所述待学习的图片类型对应的拍照参数；

所述根据拍照所述第一图片的相机参数确定所述待学习的图片类型对应的拍照参数，包括：

将所述第一图片作为优化数据，并对所述图片类型识别模型进行优化，得到优化后的图片类型识别模型；

继续调整相机参数，并利用继续调整后的相机参数进行拍照，以及将拍照后的第二图片输入到所述优化后的图片类型识别模型中；

当识别出所述第二图片的图片类型为所述待学习的图片类型时，则将拍照所述第二图片的相机参数确定为所述待学习的图片类型对应的拍照参数。

8.根据权利要求7所述的装置，其特征在于，所述指定图片类型是终端能够提供的多种图片类型中的一种；

所述确定模块包括：

获取子模块，被配置为获取各种所述图片类型对应的拍照参数；

第一确定子模块，被配置为从各种所述图片类型对应的拍照参数中，确定所述指定图片类型对应的拍照参数。

9.根据权利要求8所述的装置，其特征在于，所述装置还包括：

学习模块，被配置为通过机器学习得到各种所述图片类型对应的拍照参数；

保存模块，被配置为将各种所述图片类型对应的拍照参数保存至指定位置。

10.根据权利要求7所述的装置，其特征在于，所述建立子模块包括：

采集子模块，被配置为采集训练数据，所述训练数据包括各种所述图片类型的图片，且每张图片均带有所属图片类型的标签；

学习子模块，被配置为对所述训练数据进行机器学习，得到所述图片类型识别模型。

11.根据权利要求7所述的装置，其特征在于，所述装置还包括：第二确定子模块；所述第二确定子模块包括：

第三确定子模块，被配置为将拍照所述第一图片的相机参数确定为所述待学习的图片类型对应的拍照参数。

12.根据权利要求8至10任一项所述的装置，其特征在于，所述各种所述图片类型包括不同相机拍照风格对应的图片类型。

13.一种相机拍照装置，其特征在于，所述装置包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

接收到用户的拍照指示，所述拍照指示中包括指定图片类型；

确定所述指定图片类型对应的拍照参数；

根据所述指定图片类型对应的拍照参数进行拍照，得到所述指定图片类型对应的图片；

确定所述指定图片类型对应的拍照参数，包括：

建立图片类型识别模型，所述图片类型识别模型用于根据输入图片识别出所述输入图片的图片类型；

针对待学习的图片类型，调整相机参数，并利用调整后的相机参数进行拍照，以及将拍照后的第一图片输入到所述图片类型识别模型中；

当识别出所述第一图片的图片类型为所述待学习的图片类型时，则根据拍照所述第一图片的相机参数确定所述待学习的图片类型对应的拍照参数；

所述根据拍照所述第一图片的相机参数确定所述待学习的图片类型对应的拍照参数，包括：

将所述第一图片作为优化数据，并对所述图片类型识别模型进行优化，得到优化后的图片类型识别模型；

继续调整相机参数，并利用继续调整后的相机参数进行拍照，以及将拍照后的第二图片输入到所述优化后的图片类型识别模型中；

当识别出所述第二图片的图片类型为所述待学习的图片类型时，则将拍照所述第二图片的相机参数确定为所述待学习的图片类型对应的拍照参数。

Images