[發明專利]拍照處理方法、裝置、移動終端以及存儲介質

有效

• 申請號: 201910204840.2
• 申請日: 2019-03-18
• 公開（公告）號: CN109951635B
• 公開（公告）日: 2021-01-12
• 發明（設計）人: 李亞乾;劉耀勇;陳巖
• 申請（專利權）人: OPPO廣東移動通信有限公司
• 主分類號: H04N5/232
• 分類號: H04N5/232;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 深圳市智圈知識產權代理事務所(普通合伙) 44351
• 代理人: 呂靜

1.一種拍照處理方法，其特征在于，所述方法包括：

獲取存在遮擋物的多個遮擋圖像和注明所述遮擋圖像有遮擋物的多個第一標簽信息，其中，所述多個遮擋圖像和所述多個第一標簽信息一一對應；

獲取不存在遮擋物的多個非遮擋圖像和注明所述非遮擋圖像沒有遮擋物的多個第二標簽信息，其中，所述多個非遮擋圖像和所述多個第二標簽信息一一對應；

基于所述多個遮擋圖像和所述多個第一標簽信息，以及所述多個非遮擋圖像和所述多個第二標簽信息對第一預設神經網絡進行訓練，獲得已訓練的圖像分類模型；

獲取存在遮擋物的多個遮擋圖像和不存在遮擋物的多個非遮擋圖像，其中，所述多個遮擋圖像和所述多個非遮擋圖像一一對應，且相對應的遮擋圖像和非遮擋圖像除所述遮擋物之外的圖像內容相同；

基于所述多個遮擋圖像和所述多個非遮擋圖像對第二預設神經網絡進行訓練，獲得已訓練的圖像生成模型；

采集預覽圖像，將所述預覽圖像輸入所述已訓練的圖像分類模型；

獲取所述已訓練的圖像分類模型輸出的信息；

當讀取到所述信息包括所述預覽圖像中有遮擋物時，將所述預覽圖像輸入已訓練的圖像生成模型；

獲取所述已訓練的圖像生成模型輸出的目標圖像，其中，所述目標圖像為所述已訓練的圖像生成模型對所述預覽圖像進行修復后獲得的不包括所述遮擋物的圖像。

2.根據權利要求1所述的方法，其特征在于，所述已訓練的圖像分類模型用于檢測所述預覽圖像中是否有遮擋物，以及根據檢測結果輸出用于表征所述預覽圖像有遮擋物的第一標簽信息或輸出用于表征所述預覽圖像沒有遮擋物的第二標簽信息。

3.根據權利要求1所述的方法，其特征在于，所述當讀取到所述信息包括所述預覽圖像中有遮擋物時，將所述預覽圖像輸入已訓練的圖像生成模型，包括：

當讀取到所述信息包括所述預覽圖像中有遮擋物時，將所述預覽圖像輸入已訓練的目標檢測模型，所述目標檢測模型用于在檢測到所述預覽圖像中有遮擋物時，輸出所述遮擋物在所述預覽圖像中的遮擋區域；

獲取所述遮擋區域，并判斷所述遮擋區域是否小于預設區域；

當所述遮擋區域小于所述預設區域時，將所述預覽圖像輸入所述已訓練的圖像生成模型。

4.根據權利要求3所述的方法，其特征在于，所述判斷所述遮擋區域是否小于預設區域，包括：

獲取所述遮擋區域的面積和所述預覽圖像的面積，并計算所述遮擋區域的面積和所述預覽圖像的面積的面積比；

判斷所述面積比是否小于預設面積比。

5.一種拍照處理裝置，其特征在于，所述裝置包括：

第一標簽獲取模塊，用于獲取存在遮擋物的多個遮擋圖像和注明所述遮擋圖像有遮擋物的多個第一標簽信息，其中，所述多個遮擋圖像和所述多個第一標簽信息一一對應；

第二標簽獲取模塊，用于獲取不存在遮擋物的多個非遮擋圖像和注明所述非遮擋圖像沒有遮擋物的多個第二標簽信息，其中，所述多個非遮擋圖像和所述多個第二標簽信息一一對應；

第一網絡訓練模塊，用于基于所述多個遮擋圖像和所述多個第一標簽信息，以及所述多個非遮擋圖像和所述多個第二標簽信息對第一預設神經網絡進行訓練，獲得已訓練的圖像分類模型；

遮擋圖像獲取模塊，用于獲取存在遮擋物的多個遮擋圖像和不存在遮擋物的多個非遮擋圖像，其中，所述多個遮擋圖像和所述多個非遮擋圖像一一對應，且相對應的遮擋圖像和非遮擋圖像除所述遮擋物之外的圖像內容相同；

第三網絡訓練模塊，用于基于所述多個遮擋圖像和所述多個非遮擋圖像對第二預設神經網絡進行訓練，獲得已訓練的圖像生成模型；

圖像采集模塊，用于采集預覽圖像，將所述預覽圖像輸入已訓練的圖像分類模型；

信息獲取模塊，用于獲取所述已訓練的圖像分類模型輸出的信息；

圖像輸入模塊，用于當讀取到所述信息包括所述預覽圖像中有遮擋物時，將所述預覽圖像輸入已訓練的圖像生成模型；

圖像修復模塊，用于獲取所述已訓練的圖像生成模型輸出的目標圖像，其中，所述目標圖像為所述已訓練的圖像生成模型對所述預覽圖像進行修復后獲得的不包括所述遮擋物的圖像。