[發明專利]一種圖像拍攝方法、裝置、設備以及存儲介質

有效

• 申請號: 201910506435.6
• 申請日: 2019-06-12
• 公開（公告）號: CN110072064B
• 公開（公告）日: 2020-07-03
• 發明（設計）人: 張明;董健
• 申請（專利權）人: 睿魔智能科技（深圳）有限公司;東莞松山湖國際機器人研究院有限公司
• 主分類號: H04N5/232
• 分類號: H04N5/232
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆

1.一種圖像拍攝方法，其特征在于，包括：

獲取待拍攝圖像內鏡頭跟蹤目標的邊界框；

利用預先訓練好的參考模型預測所述待拍攝圖像的第一參考位置；

根據所述邊界框內每個像素位置和所述第一參考位置確定鏡頭移動偏移量；

所述根據所述邊界框內每個像素位置和所述第一參考位置確定鏡頭移動偏移量包括：根據所述第一參考位置計算得到所述邊界框內每個像素的位置偏移量，所述位置偏移量為對應第一參考位置時邊界框內像素的位置與邊界框內像素的初始位置的坐標差值；根據所述邊界框內每個像素的位置偏移量計算得到鏡頭移動偏移量。

2.根據權利要求1所述的方法，其特征在于，所述預先訓練好的參考模型的訓練過程包括：

A、從預先設定的圖像數據集中獲取訓練圖像和對應的標記數據，所述標記數據包括目標的邊界框信息和關鍵點信息；

B、根據目標的邊界框信息和關鍵點信息獲取邊界框中心點的參考位置；

C、基于所述邊界框中心點的參考位置獲取所述訓練圖像對應的參考位置圖像；

D、利用深度卷積神經網絡預測所述訓練圖像的第二參考位置以得到預測結果圖像；

E、根據所述參考位置圖像和所述預測結果圖像計算第一損失值，并根據所述第一損失值對所述深度卷積神經網絡的參數進行調節；

F、對數據集中的每張訓練圖像不斷重復步驟A-E，直到步驟E中的第一損失值不再下降時，結束對深度卷積神經網絡的訓練，得到參考模型。

3.根據權利要求2所述的方法，其特征在于，所述根據目標的邊界框信息和關鍵點信息獲取邊界框中心點的參考位置包括：

基于所述訓練圖像生成一幅網格表將所述訓練圖像劃分為W*H個網格，W、H為大于1的自然數；

獲取將邊界框中心放置于不同的網格中心時的第二損失值；

選取所述第二損失值最小的網格的中心位置作為所述邊界框中心點的參考位置。

4.根據權利要求2所述的方法，其特征在于，所述基于所述邊界框中心點的參考位置獲取所述訓練圖像對應的參考位置圖像包括：根據每個目標的邊界框中心點的參考位置、邊界框中心點和目標數量獲取所述訓練圖像對應的參考位置圖像。

5.根據權利要求1所述的方法，其特征在于，所述根據所述第一參考位置計算得到所述邊界框內每個像素的位置偏移量包括：根據所述第一參考位置利用公式計算得到所述邊界框內每個像素的位置偏移量；

其中，DX(x,y)為所述邊界框內每個像素的水平偏移量，XT(x,y)為對應第一參考位置時所述邊界框內每個像素的水平位置，DY(x,y)為所述邊界框內每個像素的垂直偏移量，YT(x,y)為對應第一參考位置時所述邊界框內每個像素的垂直位置，x為所述邊界框內每個像素的水平位置，y為所述邊界框內每個像素的垂直位置；

所述根據所述邊界框內每個像素的位置偏移量計算得到鏡頭移動偏移量包括：根據所述邊界框內每個像素的位置偏移量利用公式計算得到鏡頭移動偏移量d；

其中，d＝(d_x，d_y)，d_x為鏡頭的水平移動偏移量，d_y為鏡頭的垂直移動偏移量，(x，y)∈Θ表示點(x，y)屬于邊界框Θ內，∑_(x，y)∈Θ1表示的是邊界框Θ內包含的點數之和。