[發明專利]一種基于深度學習的智能無人攝影方法和系統

在審

• 申請號: 202211227416.8
• 申請日: 2022-10-09
• 公開（公告）號: CN115767248A
• 公開（公告）日: 2023-03-07
• 發明（設計）人: 席瑋佑
• 申請（專利權）人: 席瑋佑
• 主分類號: H04N23/61
• 分類號: H04N23/61;H04N5/268;G06V40/10;G06V10/74;G06V10/764;G06V10/82;G06N3/0464;G06N3/08;H04N23/60
• 代理公司: 北京翔石知識產權代理事務所(普通合伙) 11816
• 代理人: 劉翔

本發明涉及攝影領域，尤其涉及一種基于深度學習的智能無人攝影方法和系統，該方法包括：攝影機采集的視頻信息；將視頻信息轉化為圖像信息；將圖像信息輸入至深度學習的圖像分類模型中，據以獲得圖像信息中若干圖像的類別；根據圖像的類別判斷圖像中是否有目標對象，若判斷結果為無，對圖像中沒有目標對象的圖像進行刪除，將同一攝影機標識的圖像中的目標對象進行匹配和分組；將目標圖像組中的目標圖像進行排序，將排序后的目標圖像進行分析；根據分析結果將相同類別的目標圖像合成視頻。通過將視頻信息進行轉化成圖像信息，將圖像信息進行分類、篩選、排序和分析，將相同類別的目標圖像進行合成得到完整視頻，提高視頻的利用價值。

技術領域

本發明涉及攝影領域，尤其涉及一種基于深度學習的智能無人攝影方法和系統。

背景技術

隨著新媒體的不斷發展，無人攝影技術也應用到各個領域，節省人力，同時隨著人們對攝影及圖像的要求越來越高，因此智能控制攝影機和智能調整圖像非常重要。

申請號為201711098877.9的專利文獻公開的一種基于深度學習的智能無人攝影方法包括：將攝影機架設在控制云臺上對目標對象進行視頻拍攝；對目標對象進行感知，獲取目標對象的特征要素；利用目標對象的特征要素基于智能構圖深度神經網絡，完成當前畫面的構圖；根據構圖情況，向云臺和攝影機發送控制指令，使云臺運動至指定方向，以及使攝影機自動變焦，使得目標對象始終位于拍攝畫面中的合適位置。

現有技術通過根據目標對象的特征要素基于智能構圖深度神經網絡，完成當前畫面的構圖，進而控制云臺調整方向，但只是調整了云臺方向和讓攝影機自動變焦，但不能保證拍攝的視頻是不是需要的，視頻利用價值低。

發明內容

為此，本發明提供一種基于深度學習的智能無人攝影方法和系統，可以解決視頻利用價值低的問題。

為實現上述目的，本發明一方面提供一種基于深度學習的智能無人攝影方法，該方法包括：

獲取攝影機采集的視頻信息；

將所述視頻信息轉化為圖像信息，所述圖像信息包括若干圖像、圖像時間和攝影機標識；

將所述圖像信息輸入至深度學習的圖像分類模型中，據以獲得圖像信息中若干圖像的類別；

根據所述圖像的類別判斷圖像中是否有目標對象，若判斷結果為無，對圖像中沒有目標對象的圖像進行刪除，將同一攝影機標識的圖像中的目標對象進行匹配和分組，得到若干目標圖像組；

根據所述圖像時間將所述目標圖像組中的目標圖像進行排序，將排序后的目標圖像進行分析，得出分析結果；

根據分析結果將相同類別的目標圖像進行合成，得到目標視頻。

進一步地，在判斷圖像中是否有目標對象時，所述圖像的類別可以為空，當圖像類別為空時，則對圖像中目標對象的判斷結果為無，將該圖像進行刪除，當圖像類別不為空時，則將圖像中的目標對象進行輪廓描點，將同一攝像機標識的圖像的描點輪廓進行同等比例縮放和旋轉，并進行匹配，當匹配成功時，將匹配成功的圖像劃分為一組，得到若干目標圖像組。

進一步地，在對所述目標圖像進行排序時，統計目標圖像組中任意目標圖像中進行輪廓描點的目標對象的個數W，將相同目標圖像組中的目標圖像按照所述圖像時間順序進行排序，將圖像時間和所述攝影機標識標記在對應目標圖像上。

進一步地，在對排序后的目標圖像進行分析時，當目標圖像組中相鄰兩個目標圖像中每個目標圖像的目標對象的個數W＝1時，計算所述目標圖像組中相鄰兩個目標圖像的圖像時間差△t，其中，△t＝t1－t2，t1為相鄰兩個目標圖像中的后一個圖像的圖像時間，t2為相鄰兩個圖像中的前一個圖像的圖像時間，將圖像時間差△t與預設圖像時間差△t0進行比較，

若△t＞△t0，則初次判定該相鄰兩個目標圖像中的目標對象不同；