拍摄画面的显示方法及装置的制造方法
【专利摘要】本发明公开了一种拍摄画面的显示装置，所述拍摄画面的显示装置包括：第一获取模块，用于在摄像头拍摄功能启动后，获取所述摄像头实时捕获的画面信息；拍摄特征信息提取模块，用于根据预置的第一图像识别算法从所述画面信息中提取拍摄对象的特征信息；第一显示模块，用于根据所述特征信息和拍摄习惯模型显示画面，所述拍摄习惯模型是通过机器学习训练得到的。本发明实现了在拍摄时自动显示符合用户拍摄习惯的拍摄画面的目的。
【专利说明】
拍摄画面的显示方法及装置
技术领域
[0001]本发明涉及移动终端技术领域，尤其涉及拍摄画面的显示方法及装置。
【背景技术】
[0002]随着移动设备的普及和移动技术的发展，很多移动终端如手机、平板等都安装了摄像头，使用户可以进行拍照或摄像。然而当用户进行拍照或摄像时，通常只能对待拍摄画面进行自动对焦并显示，而无法对待拍摄画面的画面大小、画面比例等其他拍摄参数进行自动调整并显示，使得用户在拍摄调整时往往需要调整多种拍摄参数才能显示符合用户需求的拍摄画面，拍摄过程较为繁琐，影响用户体验。
【发明内容】
[0003]本发明的主要目的在于提供一种拍摄画面的显示方法及装置，旨在实现在拍摄时自动显示符合用户拍摄习惯的拍摄画面的目的。
[0004]为实现上述目的，本发明提供一种拍摄画面的显示装置，所述装置包括:
[0005]第一获取模块，用于在摄像头拍摄功能启动后，获取所述摄像头实时捕获的画面信息；
[0006]拍摄特征信息提取模块，用于根据预置的第一图像识别算法从所述画面信息中提取拍摄对象的特征信息；
[0007]第一显示模块，用于根据所述特征信息和拍摄习惯模型显示画面，所述拍摄习惯模型是通过机器学习训练得到的。
[0008]可选地，所述第一显示模块包括:
[0009]匹配判断单元，用于将所述特征信息与所述拍摄习惯模型进行匹配，判断所述特征信息是否符合第一拍摄习惯，所述第一拍摄习惯是所述拍摄习惯模型中与所述特征信息对应的拍摄习惯；
[0010]显示单元，用于当所述特征信息符合所述第一拍摄习惯时，显示所述摄像头实时捕获的画面信息；
[0011]调整触发单元，用于当所述特征信息不符合所述第一拍摄习惯时，根据所述第一拍摄习惯调整所述摄像头的拍摄参数，基于调整后的所述拍摄参数触发所述第一获取模块获取所述摄像头实时捕获的画面信息。
[0012]可选地，所述装置还包括:
[0013]第二显示模块，用于若接收到手动调整指令，则根据所述手动调整指令调整所述摄像头的拍摄参数，显示调整后所述摄像头获取的画面信息。
[0014]可选地，所述装置还包括:
[0015]第二获取模块，用于获取预置的存储区中的照片和/或视频文件；
[0016]样本特征信息提取模块，用于根据预置的第二图像识别算法从所述照片和/或视频文件中依次提取样本特征信息；
[0017]机器学习模块，用于确认所述样本特征信息为机器学习的训练样本，将所述训练样本通过预置的机器学习算法进行训练，并得到所述拍摄习惯模型。
[0018]可选地，所述装置还包括:
[0019]第三获取模块，用于在所述存储区中的照片和/或视频文件有更新后，获取更新的照片和/或视频文件；
[0020]更新特征信息提取模块，用于根据预置的第三图像识别算法从更新后的所述照片和/或视频文件中依次提取更新特征信息；
[0021]添加模块，用于将所述更新特征信息添加至所述训练样本中，使所述训练样本得到更新，以便再次利用所述训练样本进行训练得到更新后的拍摄习惯模型。
[0022]本发明进一步提供一种拍摄画面的显示方法，所述方法包括步骤:
[0023]在摄像头拍摄功能启动后，获取所述摄像头实时捕获的画面信息；
[0024]根据预置的第一图像识别算法从所述画面信息中提取拍摄对象的特征信息；
[0025]根据所述特征信息和拍摄习惯模型显示画面，所述拍摄习惯模型是通过机器学习训练得到的。
[0026]可选地，所述根据所述特征信息和拍摄习惯模型显示画面包括:
[0027]将所述特征信息与所述拍摄习惯模型进行匹配，判断所述特征信息是否符合第一拍摄习惯，所述第一拍摄习惯是所述拍摄习惯模型中与所述特征信息对应的拍摄习惯；
[0028]若是，则显示所述摄像头实时捕获的画面信息；
[0029]若否，则根据所述第一拍摄习惯调整所述摄像头的拍摄参数，基于调整后的所述拍摄参数执行所述获取所述摄像头实时捕获的画面信息的步骤。
[0030]可选地，所述方法还包括:
[0031]若接收到手动调整指令，则根据所述手动调整指令调整所述摄像头的拍摄参数，显示调整后所述摄像头获取的画面信息。
[0032]可选地，所述方法还包括:
[0033]获取预置的存储区中的照片和/或视频文件；
[0034]根据预置的第二图像识别算法从所述照片和/或视频文件中依次提取样本特征信息;
[0035]确认所述样本特征信息为机器学习的训练样本，将所述训练样本通过预置的机器学习算法进行训练，并得到所述拍摄习惯模型。
[0036]可选地，所述方法还包括:
[0037]在所述存储区中的照片和/或视频文件有更新后，获取更新的照片和/或视频文件；
[0038]根据预置的第三图像识别算法从更新后的所述照片和/或视频文件中依次提取更新特征信息；
[0039]将所述更新特征信息添加至所述训练样本中，使所述训练样本得到更新，以便再次利用所述训练样本进行训练得到更新后的拍摄习惯模型。
[0040]本发明提出的拍摄画面的显示方法及装置，在摄像头拍摄功能启动后，获取所述摄像头实时捕获的画面信息;根据预置的第一图像识别算法从所述画面信息中提取拍摄对象的特征信息;根据所述特征信息和拍摄习惯模型显示画面，所述拍摄习惯模型是通过机器学习训练得到的。通过获取摄像头实时捕获的画面信息，并从该画面信息中提取拍摄对象的特征信息，再根据该特征信息与拍摄习惯模型来显示摄像头实时获取到的画面信息，使得在拍摄时无需对摄像头获取的画面信息进行各种手动调节，就能自动根据的拍摄习惯显示摄像头获取到的画面信息。
【附图说明】
[0041 ]图1为实现本发明各个实施例的一个移动终端的硬件结构示意图；
[0042]图2为如图1所示的移动终端的无线通信系统示意图；
[0043]图3为本发明拍摄画面的显示装置第一实施例的模块示意图；
[0044]图4为本发明图3所示实施例中第一显示模块的模块示意图；
[0045]图5为本发明图4所示实施例中摄像头拍摄参数调整前取景显示的示例图；
[0046]图6为本发明图4所示实施例中摄像头拍摄参数调整后取景显示的示例图；
[0047]图7为图3所示实施例中追加的模块示意图；
[0048]图8为图7所示实施例中追加的模块示意图；
[0049]图9为图8所示实施例中追加的模块示意图；
[0050]图10为本发明拍摄画面的显示方法第一实施例的流程示意图；
[0051]图11为图10所示实施例中根据所述特征信息和拍摄习惯模型显示画面的细化步骤流程示意图。
[0052]本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
【具体实施方式】
[0053]应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0054]现在将参考附图描述实现本发明各个实施例的移动终端。在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明，其本身并没有特定的意义。因此，"模块"与"部件"可以混合地使用。
[0055]移动终端可以以各种形式来实施。例如，本发明中描述的终端可以包括诸如移动电话、智能电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、导航装置等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。下面，假设终端是移动终端。然而，本领域技术人员将理解的是，除了特别用于移动目的的元件之外，根据本发明的实施方式的构造也能够应用于固定类型的终端。
[0056]图1为实现本发明各个实施例一个可选的移动终端的硬件结构示意。
[0057]移动终端100可以包括无线通信单元110、A/V(音频/视频)输入单元120、用户输入单元130、感测单元140、输出单元150、存储器160、接口单元170、控制器180和电源单元190等等。图1示出了具有各种组件的移动终端，但是应理解的是，并不要求实施所有示出的组件。可以替代地实施更多或更少的组件。将在下面详细描述移动终端的元件。
[0058]无线通信单元110通常包括一个或多个组件，其允许移动终端100与无线通信系统或网络之间的无线电通信。例如，无线通信单元可以包括移动通信模块111和无线互联网模块112中的至少一个。
[0059]移动通信模块111将无线电信号发送到基站(例如，接入点、节点B等等)、外部终端以及服务器中的至少一个和/或从其接收无线电信号。这样的无线电信号可以包括语音通话信号、视频通话信号、或者根据文本和/或多媒体消息发送和/或接收的各种类型的数据。
[0060]无线互联网模块112支持移动终端的无线互联网接入。该模块可以内部或外部地耦接到终端。该模块所涉及的无线互联网接入技术可以包括WLAN(无线LAN)(W1-Fi)、Wibro(无线宽带)、Wimax(全球微波互联接入)、HSDPA(高速下行链路分组接入)等等。
[0061]A/V输入单元120用于接收音频或视频信号。A/V输入单元120可以包括相机121和麦克风122，相机121对在视频捕获模式或图像捕获模式中由图像捕获装置获得的静态图片或视频的图像数据进行处理。处理后的图像帧可以显示在显示单元151上。经相机121处理后的图像帧可以存储在存储器160(或其它存储介质)中或者经由无线通信单元110进行发送，可以根据移动终端的构造提供两个或更多相机121。麦克风122可以在电话通话模式、记录模式、语音识别模式等等运行模式中经由麦克风接收声音(音频数据)，并且能够将这样的声音处理为音频数据。处理后的音频(语音)数据可以在电话通话模式的情况下转换为可经由移动通信模块111发送到移动通信基站的格式输出。麦克风122可以实施各种类型的噪声消除(或抑制)算法以消除(或抑制)在接收和发送音频信号的过程中产生的噪声或者干扰。
[0062]用户输入单元130可以根据用户输入的命令生成键输入数据以控制移动终端的各种操作。用户输入单元130允许用户输入各种类型的信息，并且可以包括键盘、锅仔片、触摸板(例如，检测由于被接触而导致的电阻、压力、电容等等的变化的触敏组件)、滚轮、摇杆等等。特别地，当触摸板以层的形式叠加在显示单元151上时，可以形成触摸屏。
[0063]感测单元140检测移动终端100的当前状态，(例如，移动终端100的打开或关闭状态)、移动终端100的位置、用户对于移动终端100的接触(S卩，触摸输入)的有无、移动终端100的取向、移动终端100的加速或减速移动和方向等等，并且生成用于控制移动终端100的操作的命令或信号。例如，当移动终端100实施为滑动型移动电话时，感测单元140可以感测该滑动型电话是打开还是关闭。另外，感测单元140能够检测电源单元190是否提供电力或者接口单元170是否与外部装置耦接。
[0064]接口单元170用作至少一个外部装置与移动终端100连接可以通过的接口。例如，外部装置可以包括有线或无线头戴式耳机端口、外部电源(或电池充电器)端口、有线或无线数据端口、存储卡端口、用于连接具有识别模块的装置的端口、音频输入/输出(I/O)端口、视频I/O端口、耳机端口等等。识别模块可以是存储用于验证用户使用移动终端100的各种信息并且可以包括用户识别模块(UIM)、客户识别模块(SIM)、通用客户识别模块(USM)等等。另外，具有识别模块的装置(下面称为"识别装置")可以采取智能卡的形式，因此，识别装置可以经由端口或其它连接装置与移动终端100连接。接口单元170可以用于接收来自外部装置的输入(例如，数据信息、电力等等)并且将接收到的输入传输到移动终端100内的一个或多个元件或者可以用于在移动终端和外部装置之间传输数据。
[0065]另外，当移动终端100与外部底座连接时，接口单元170可以用作允许通过其将电力从底座提供到移动终端100的路径或者可以用作允许从底座输入的各种命令信号通过其传输到移动终端的路径。从底座输入的各种命令信号或电力可以用作用于识别移动终端是否准确地安装在底座上的信号。输出单元150被构造为以视觉、音频和/或触觉方式提供输出信号(例如，音频信号、视频信号、警报信号、振动信号等等)。输出单元150可以包括显示单元151、音频输出模块152、警报单元153等等。
[0066]显示单元151可以显示在移动终端100中处理的信息。例如，当移动终端100处于电话通话模式时，显示单元151可以显示与通话或其它通信(例如，文本消息收发、多媒体文件下载等等)相关的用户界面(UI)或图形用户界面(GUI)。当移动终端100处于视频通话模式或者图像捕获模式时，显示单元151可以显示捕获的图像和/或接收的图像、示出视频或图像以及相关功能的UI或GUI等等。
[0067]同时，当显示单元151和触摸板以层的形式彼此叠加以形成触摸屏时，显示单元151可以用作输入装置和输出装置。显示单元151可以包括液晶显示器(LCD)、薄膜晶体管IXD(TFT-1XD)、有机发光二极管(OLED)显示器、柔性显示器、三维(3D)显示器等等中的至少一种。这些显示器中的一些可以被构造为透明状以允许用户从外部观看，这可以称为透明显示器，典型的透明显示器可以例如为TOLED(透明有机发光二极管)显示器等等。根据特定想要的实施方式，移动终端100可以包括两个或更多显示单元(或其它显示装置)，例如，移动终端可以包括外部显示单元(未示出)和内部显示单元(未示出)。触摸屏可用于检测触摸输入压力以及触摸输入位置和触摸输入面积。
[0068]音频输出模块152可以在移动终端处于呼叫信号接收模式、通话模式、记录模式、语音识别模式、广播接收模式等等模式下时，将无线通信单元110接收的或者在存储器160中存储的音频数据转换音频信号并且输出为声音。而且，音频输出模块152可以提供与移动终端100执行的特定功能相关的音频输出(例如，呼叫信号接收声音、消息接收声音等等)。音频输出模块152可以包括扬声器、蜂鸣器等等。
[0069]警报单元153可以提供输出以将事件的发生通知给移动终端100。典型的事件可以包括呼叫接收、消息接收、键信号输入、触摸输入等等。除了音频或视频输出之外，警报单元153可以以不同的方式提供输出以通知事件的发生。例如，警报单元153可以以振动的形式提供输出，当接收到呼叫、消息或一些其它进入通信(incoming communicat1n)时，警报单元153可以提供触觉输出(S卩，振动)以将其通知给用户。通过提供这样的触觉输出，即使在用户的移动电话处于用户的口袋中时，用户也能够识别出各种事件的发生。警报单元153也可以经由显示单元151或音频输出模块152提供通知事件的发生的输出。
[0070]存储器160可以存储由控制器180执行的处理和控制操作的软件程序等等，或者可以暂时地存储己经输出或将要输出的数据(例如，电话簿、消息、静态图像、视频等等)。而且，存储器160可以存储关于当触摸施加到触摸屏时输出的各种方式的振动和音频信号的数据。
[0071]存储器160可以包括至少一种类型的存储介质，所述存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(R0M)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等等。而且，移动终端100可以与通过网络连接执行存储器160的存储功能的网络存储装置协作。
[0072]控制器180通常控制移动终端的总体操作。例如，控制器180执行与语音通话、数据通信、视频通话等等相关的控制和处理。另外，控制器180可以包括用于再现(或回放)多媒体数据的多媒体模块181，多媒体模块181可以构造在控制器180内，或者可以构造为与控制器180分离。控制器180可以执行模式识别处理，以将在触摸屏上执行的手写输入或者图片绘制输入识别为字符或图像。
[0073]电源单元190在控制器180的控制下接收外部电力或内部电力并且提供操作各元件和组件所需的适当的电力。
[0074]这里描述的各种实施方式可以以使用例如计算机软件、硬件或其任何组合的计算机可读介质来实施。对于硬件实施，这里描述的实施方式可以通过使用特定用途集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理装置(DSPD)、可编程逻辑装置(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器、被设计为执行这里描述的功能的电子单元中的至少一种来实施，在一些情况下，这样的实施方式可以在控制器180中实施。对于软件实施，诸如过程或功能的实施方式可以与允许执行至少一种功能或操作的单独的软件模块来实施。软件代码可以由以任何适当的编程语言编写的软件应用程序(或程序)来实施，软件代码可以存储在存储器160中并且由控制器180执行。
[0075]至此，己经按照其功能描述了移动终端。下面，为了简要起见，将描述诸如折叠型、直板型、摆动型、滑动型移动终端等等的各种类型的移动终端中的滑动型移动终端作为示例。因此，本发明能够应用于任何类型的移动终端，并且不限于滑动型移动终端。
[0076]如图1中所示的移动终端100可以被构造为利用经由帧或分组发送数据的诸如有线和无线通信系统以及基于卫星的通信系统来操作。
[0077]现在将参考图2描述其中根据本发明的移动终端能够操作的通信系统。
[0078]这样的通信系统可以使用不同的空中接口和/或物理层。例如，由通信系统使用的空中接口包括例如频分多址(FDMA)、时分多址(TDMA)、码分多址(CDMA)和通用移动通信系统(UMTS)(特别地，长期演进(LTE))、全球移动通信系统(GSM)等等。作为非限制性示例，下面的描述涉及CDMA通信系统，但是这样的教导同样适用于其它类型的系统。
[0079]参考图2，⑶MA无线通信系统可以包括多个移动终端100、多个基站(BS)270、基站控制器(BSC)275和移动交换中心(MSCUSOJSCSSO被构造为与公共电话交换网络(PSTN)290形成接口。MSC280还被构造为与可以经由回程线路耦接到基站270的BSC275形成接口。回程线路可以根据若干己知的接口中的任一种来构造，所述接口包括例如E1/T1、ATM，IP、PPP、帧中继、HDSL、ADSL或xDSL。将理解的是，如图2中所示的系统可以包括多个BSC2750。
[0080]每个BS270可以服务一个或多个分区(或区域)，由多向天线或指向特定方向的天线覆盖的每个分区放射状地远离BS270。或者，每个分区可以由用于分集接收的两个或更多天线覆盖。每个BS270可以被构造为支持多个频率分配，并且每个频率分配具有特定频谱(例如，1.25MHz，5MHz 等等)。
[0081]分区与频率分配的交叉可以被称为CDMA信道。BS270也可以被称为基站收发器子系统(BTS)或者其它等效术语。在这样的情况下，术语"基站"可以用于笼统地表示单个BSC275和至少一个BS270。基站也可以被称为〃蜂窝站〃。或者，特定BS270的各分区可以被称为多个蜂窝站。
[0082]如图2中所示，广播发射器(BT)295将广播信号发送给在系统内操作的移动终端100。如图1中所示的广播接收模块111被设置在移动终端100处以接收由BT295发送的广播信号。在图2中，示出了几个全球定位系统(GPS)卫星300。卫星300帮助定位多个移动终端100中的至少一个。
[0083]在图2中，描绘了多个卫星300，但是理解的是，可以利用任何数目的卫星获得有用的定位信息。如图1中所示的GPS模块115通常被构造为与卫星300配合以获得想要的定位信息。替代GPS跟踪技术或者在GPS跟踪技术之外，可以使用可以跟踪移动终端的位置的其它技术。另外，至少一个GPS卫星300可以选择性地或者额外地处理卫星DMB传输。
[0084]作为无线通信系统的一个典型操作，BS270接收来自各种移动终端100的反向链路信号。移动终端100通常参与通话、消息收发和其它类型的通信。特定基站270接收的每个反向链路信号被在特定BS270内进行处理。获得的数据被转发给相关的BSC275 ASC提供通话资源分配和包括BS270之间的软切换过程的协调的移动管理功能。BSC275还将接收到的数据路由到MSC280，其提供用于与PSTN290形成接口的额外的路由服务。类似地，PSTN290与MSC280形成接口，MSC与BSC275形成接口，并且BSC275相应地控制BS270以将正向链路信号发送到移动终端100。
[0085]基于上述移动终端硬件结构以及通信系统，提出本发明拍摄画面的显示装置各个实施例。
[0086]参照图3，提出了本发明拍摄画面的显示装置的第一实施例，该实施例中，拍摄画面的显示装置包括:
[0087]第一获取模块10，用于在摄像头拍摄功能启动后，获取所述摄像头实时捕获的画面信息；
[0088]拍摄特征信息提取模块20，用于根据预置的第一图像识别算法从所述画面信息中提取拍摄对象的特征信息；
[0089]第一显示模块30，用于根据所述特征信息和拍摄习惯模型显示画面，所述拍摄习惯模型是通过机器学习训练得到的。
[0090]本发明提供的拍摄画面的显示装置主要应用在带摄像头的终端设备进行拍照片或者拍视频时显示摄像头获取到的画面信息。拍摄画面是指通过摄像头取景获取到的画面。
[0091]上述启动摄像头拍摄功能的方式有很多，通常在带有摄像头的终端设备上会设置物理按键或者应用程序启动按键使终端设备启动摄像头拍摄功能使摄像头进入拍摄状态，在拍摄状态下，终端设备的摄像头会开启，当摄像头开启后会实时获取景。
[0092]在摄像头拍摄功能启动后，第一获取模块10获取摄像头实时捕获的画面信息。即在摄像头打开状态下，摄像头会持续采集图像信息。
[0093]在获取到摄像头实时捕获的画面信息后，拍摄特征信息提取模块20根据预置的第一图像识别算法提取第一画面信息中的拍摄对象的特征信息，第一画面信息是摄像头实时获取到的画面。上述拍摄对象可以为摄像头获取到的画面信息中的人物或建筑物，也可以是人物与景物等拍摄对象，具体选择哪些拍摄对象进行特征提取可以根据需要预先进行设定。上述特征信息是指摄像头获取到的画面信息中包括的代表拍摄对象特征的信息，例如人物数量、人物大小、建筑物大小等特征信息，具体需要获取哪些特征信息可以根据需要进行选择。上述第一图像识别算法是用于识别分析图像中的拍摄特征信息所采用的算法。常用的图像识别算法有很多，可以根据需要进行选择。在实现时，首先确定要获取第一画面信息中的哪些特征信息，然后选择合适的图像识别算法来识别第一画面信息中的特征信息。
[0094]上述预置的拍摄习惯模型包含代表用户拍摄习惯的取景特征信息，例如用户拍摄时人物在图像中的大小，人物在图像中X轴的坐标位置等。该拍摄习惯模型是通过机器学习的训练得到的。
[0095]机器学习(Machine Learning,ML)是人工智能领域的一门学科，机器学习的目的是使计算机模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构。机器学习可以分为有监督学习和无监督学习两种。
[0096]通常在进行机器学习之前，需要获取大量的数据建立训练集，训练集中的数据称为样本数据，再将训练集通过机器学习的算法进行训练，输出经过训练优化的参数，得到包含优化参数的模型。具体的，训练就是通过样本数据来优化模型中的参数，使模型得到的结果更符合目标需求。将训练集通过机器学习的算法进行运算的过程就是训练的过程。常见的机器学习算法有贝叶斯算法、人工神经网络算法、聚类算法、集成算法等。
[0097]可以理解的是，对于某一个终端设备，可以设置根据不同的用户采用不同的拍摄习惯模型，具体是获取用户的标识，根据用户标识选择对应的拍摄习惯模型。
[0098]当从画面信息提取拍摄特征信息后，第一显示模块30根据拍摄特征信息和预置的拍摄习惯模型显示画面，以使用户在终端显示界面看到摄像头将要拍摄的画面，当此时接收到照片生成或视频开始录制的指令时，会根据当前画面信息生成照片或录制视频。
[0099]本发明提出的拍摄画面的显示方法及装置，在摄像头拍摄功能启动后，获取所述摄像头实时捕获的画面信息;根据预置的第一图像识别算法从所述画面信息中提取拍摄对象的特征信息;根据所述特征信息和拍摄习惯模型显示画面，所述拍摄习惯模型是通过机器学习训练得到的。通过获取摄像头实时捕获的画面信息，并从该画面信息中提取拍摄对象的特征信息，再根据该特征信息与拍摄习惯模型来显示摄像头实时获取到的画面信息，使得在拍摄时无需对摄像头获取的画面信息进行各种手动调节，就能自动根据的拍摄习惯显示摄像头获取到的画面信息。
[0100]参照图4，基于拍摄画面的显示装置的第一实施例提出本发明拍摄画面的显示装置的第二实施例，本实施例与拍摄画面的显示装置的第一实施例的区别在于，在显示时根据拍摄特征信息是否符合拍摄习惯模型中与拍摄特征信息对应的拍摄习惯来显示摄像头获取到的画面，在本实施例中，上述第一显示模块30包括:
[0101]匹配判断单元31，用于将所述特征信息与所述拍摄习惯模型进行匹配，判断所述特征信息是否符合第一拍摄习惯，所述第一拍摄习惯是所述拍摄习惯模型中与所述特征信息对应的拍摄习惯；
[0102]显示单元32，用于当所述拍摄特征信息符合所述第一拍摄习惯时，显示所述摄像头实时捕获的画面信息；
[0103]调整触发单元33，用于当所述拍摄特征信息不符合所述第一拍摄习惯时，根据所述第一拍摄习惯调整所述摄像头的拍摄参数，基于调整后的所述拍摄参数触发所述第一获取模块获取所述摄像头实时捕获的画面信息。
[0104]在本发明实施例中将特征信息与习惯模型进行匹配是为了判断当前获取到的第一画面信息中的拍摄特征是否符合用户的拍摄习惯，匹配判断单元31判断特征信息是否符合第一拍摄习惯，上述第一拍摄习惯是拍摄习惯模型中与特征信息对应的拍摄习惯，其中第一拍摄习惯是通过特征信息体现的，即实现时可以将体现用户习惯的特征信息与表示当前取景画面的特征信息相匹配。同时，可以判断是否完全百分百符合，也可以在一定误差范围内符合，具体可以根据需要设定。
[0105]当特征信息符合第一拍摄习惯时，显示摄像头实施捕获的画面信息，具体是将摄像头实时获取到的画面信息显示在终端的显示界面，使用户可以根据当前的画面信息进行拍照或录制视频。
[0106]当拍摄特征信息不符合第一拍摄习惯时，则根据第一拍摄习惯调整摄像头的拍摄参数，并且基于调整后的拍摄参数触发第一获取模块再次获取摄像头实时捕获的画面信息。
[0107]例如，接收到开始摄像头的指令时，摄像头返回的图像数据为Da t a A r r a y，将DataArray通过预置的第一图像识别算法进行图像识别分析，假设获取到图像高度为height，宽度为width，多个人物方位做标数组为{ {Pupl、Pbottoml、Pleftl、Prightl }…{ PupiNPbottom1、Plef t1、Prighti }}，其中，Pupi为第i个人最高点的坐标，Pbottomi为第i个人底部的坐标，Plefti为第i个人左侧坐标，Prighti为第i个人最右侧位置的坐标。则第i个人的身高为(Pupi —Pbotf)，其胖瘦为(Prlghtl-Pleftl)。再根据预置的拍摄习惯模型，得到用户倾向于在拍摄时使人物占画面的I/η的位置。则此时调整相机的拍摄参数中的画面进行放大或缩小，然后重新获取画面，直到将最高或最核心的人物高度调整到height/n。
[0108]在这里，进行一次调整以后再次获取摄像头获取的画面信息并提取拍摄特征信息进行匹配的原因是当第一次调整后可能并没有完全调整到位，因此可以进行多次微调直至获取到的画面信息最符合用户的拍摄习惯。同时，也可以根据需要直接设置调整的次数，例如设置仅调整一次或仅调整两次，又或者是在4次以内进行多次调整，当超过4次时不再进行调整。
[0109]例如，将拍摄对象的特征信息与样本特征信息进行比较时，得到拍摄对象的特征信息中建筑物的高度为画面的2/3，若此时画面显示在终端的显示界面则如图5所示，而拍摄习惯模型中包含的用户拍摄时建筑物高度为画面的5/6，则此时调整摄像头的拍摄参数，使摄像头取景时，人物的高度为画面的5/6，然后基于调整后的拍摄参数再次获取摄像头实时获取的画面信息，从该画面信息中提取拍摄特征信息，再将此时拍摄特征信息与拍摄习惯模型进行匹配，得到此时人物的高度为画面的5/6，则可以直接将摄像头获取到的画面信息显示在终端，显示效果如图6所示，可以根据此时摄像头获取的画面信息进行照相或录制视频。
[0110]同时，也可以在调整后保存调整后的拍摄参数，当再次接收到打开摄像头的指令时，可以根据已保存的拍摄参数，直接获取画面信息，则此时获取的画面信息是根据用户的拍摄习惯获取到的画面信息，使得用户在拍摄时无需再多次调整，就可以直接进行拍摄。
[0111]在本发明实施例中通过将拍摄对象的特征信息与拍摄习惯模型进行匹配并判断拍摄对象的特征信息是否符合第一拍摄习惯，当符合时，直接显示摄像头实施捕获的画面信息，当不符合时，根据第一习惯调整摄像头的拍摄参数，基于调整后的拍摄参数，再次获取摄像头实时捕获的画面信息，此时画面信息为摄像头根据调整后的拍摄参数捕获到的画面信息，然后再获取画面信息若符合用户的拍摄习惯则直接显示在终端的显示界面。通过获取摄像头拍摄到的画面信息并根据拍摄习惯模型进行调整使得拍摄显示的画面始终符合的拍摄习惯。
[0112]参照图7，基于拍摄画面的显示装置的第一实施例提出本发明拍摄画面的显示装置的第三实施例，本实施例与拍摄画面的显示装置的第一实施例的区别在于本实施例中当接收到其他调整命令时，可以根据接收到的其他调整命令进行调整，在本实施例中，本发明提出的拍摄画面的显示装置还包括:
[0113]第二显示模块40，用于若接收到手动调整指令，则根据所述手动调整指令调整所述摄像头的拍摄参数，显示调整后所述摄像头获取的画面信息。
[0114]在本发明实施例中上述手动调整指令是用户触发的对摄像头的拍摄参数进行调整的指令。当接收到手动调整指令后第二显示模块40根据手动调整指令对摄像头实时获取到的画面信息进行调整，调整的方法是根据手动调整指令调整摄像头的拍摄参数，然后根据摄像头调整后的拍摄参数获取并显示画面信息。
[0115]可以理解的是也可以设置其他调整指令及优先级，使在调整摄像头的拍摄参数时根据调整指令的优先级选择优先的拍摄参数进行调整。
[0116]在本发明实施例中当在根据拍摄习惯模型对画面信息进行调整后再次获取到手动调整指令时，根据手动调整指令调整摄像头实时获取的画面信息，使得摄像头获取的画面信息始终符合用户的拍摄习惯。
[0117]参照图8，基于上述实施例提出本发明拍摄画面的显示装置的第四实施例，本实施例与拍摄画面的显示装置上述实施例的区别在于，本实施例通过机器学习的方法建立拍摄习惯模型，在本实施例中，本发明提出的拍摄画面的显示装置还包括:
[0118]第二获取模块50，用于获取预置的存储区中的照片和/或视频文件；
[0119]样本特征信息提取模块60，用于根据预置的第二图像识别算法从所述照片和/或视频文件中依次提取样本特征信息；
[0120]机器学习模块70，用于确认所述样本特征信息为机器学习的训练样本，将所述训练样本通过预置的机器学习算法进行训练，并得到所述拍摄习惯模型。
[0121]在本发明实施例中的模块用于根据机器学习的方式创建拍摄习惯模型。
[0122]在本发明实施例中第二获取模块50获取预置的存储区中的照片和/或视频文件，预置的存储区可以根据需要进行选择，例如可以是用户终端保存的照片和/或视频的存储区，也可以是网络存储地址保存的照片和/或视频等。
[0123]上述第二图像识别算法是为了识别分析照片和/或视频文件从而依次提取照片和/或视频文件中的样本特征信息，上述第二图像识别算法可以根据需要进行选择，可以与第一图像识别算法一致也可以不一致，具体可以根据需要进行选择。在选择图像算法时也可以根据照片和/或视频文件的不同类型选择不同的图像识别算法进行识别。上述样本特征信息根据机器学习的目的进行选择，要选取哪些特征信息进行机器学习就选择哪些特征信息，样本特征信息的特征可以包括拍摄特征信息的特征但不限于拍摄特征信息的特征。例如样本特征信息可以包括人物个数、人物在图片中的位置、人物与景物的关系、建筑区、动物等的个数及在图片中的位置、比例等信息。
[0124]当样本特征信息提取模块60提取样本特征信息后机器学习模块70确认样本特征信息为机器学习的训练样本，将训练样本通过预置的机器学习算法进行训练，在经过训练后会输出代表用户拍摄习惯的模型，确认这个模型为拍摄习惯模型。可以根据需要选择合适的机器学习算法进行训练。
[0125]例如，通过采集大量样本，提取样本信息中人物数量、建筑物数量、人物与建筑物的比例大小信息，通过机器学习得到的拍摄习惯模型中当人物个数为I个，建筑物数量为I个时，人物与建筑物的大小比例为1: 2。在当实际拍摄时，或获取到摄像头实时捕获到的中人物个数为I个，建筑物数量为I个时，将摄像头取景参数调整到人物与建筑物的大小比例为1:2的设置。
[0126]上述提取的样本特征信息可以全部作为训练集，也可以选取其中一部分作为训练集，另一部分作为测试集。
[0127]在本发明实施例中通过获取预置的存储区中的照片和/或视频文件，并从获取到的照片和/或视频文件依次提取样本特征信息，将提取到的样本特征信息作为机器学习的训练样本，对训练样本进行训练，得到拍摄习惯模型，使得再次通过摄像头拍摄时，可以将从摄像头捕获到的画面信息提取的拍摄特征信息与拍摄习惯模型进行匹配，从而调整摄像头的拍摄参数调整摄像头捕获的画面信息使摄像头拍摄到的画面符合用户拍摄习惯，并且采用对照片和/或视频文件进行机器学习的方式建立拍摄习惯模型的使得模型的建立更加合理和精确。
[0128]参照图9，基于拍摄画面的显示装置的第四实施例提出本发明拍摄画面的显示装置的第五实施例，本实施例与拍摄画面的显示装置的第四实施例的区别在于，本实施例将训练集不断更新从而使拍摄习惯模型能不断修正，在本实施例中，本发明提出的拍摄画面的显示装置还包括:
[0129]第三获取模块80，用于在所述存储区中的照片和/或视频文件有更新后，获取更新的照片和/或视频文件；
[0130]更新特征信息提取模块90，用于根据预置的第三图像识别算法从更新后的所述照片和/或视频文件中依次提取更新特征信息；
[0131]添加模块100，用于将所述更新特征信息添加至所述训练样本中，使所述训练样本得到更新，以便再次利用所述训练样本进行训练得到更新后的拍摄习惯模型。
[0132]在本发明实施例中当存储区中的照片和/或视频文件有更新后，第三获取模块80获取更新的照片和/或视频文件。当存储区中的照片和/或视频文件有更新表明用户新拍摄了照片或录制了视频或者修改了原拍摄照片和/或视频的图像信息，则更新特征信息提取模块90根据预置的第三图像识别算法从更新的照片和/或视频文件依次提取更新特征信息。上述第三图像识别算法可以与第二图像识别算法一致也可以不一致，具体可以根据需要进行选择。
[0133]当提取更新特征信息后，添加模块100将更新特征信息添加至原训练样本中，使训练样本不断更新，当训练样本更新后，可以继续对训练样本进行训练得到新的拍摄习惯模型，从而使拍摄习惯模型不断进行更新，使每次摄像头取景时能更符合用户的拍摄习惯。
[0134]可以理解的是，再次获取预置的存储区中更新的照片和/或视频的时间可以根据需要进行设定，可以定时获取预置的存储区中的更新的照片和/或视频，也可以每次当用户拍摄了新的照片和/或视频后都进行获取，具体在何种条件下获取更新的照片和/或视频并提取更新特征信息添加至训练集中可以根据需要进行设定，训练集中的训练样本越大，对训练输出的模型越精确。
[0135]在本发明实施例中当在存储区保存的照片和/或视频文件有更新的情况下，获取更新的照片和/或视频文件，从更新的照片和/或视频文件依次提取更新特征信息，并将更新特征信息加入用于进行机器学习建立拍摄习惯模型的训练集，使得拍摄习惯模型的训练集的数据更多，从而使拍摄习惯模型更精确，也能达到拍摄习惯模型随着用户的习惯的变化而随之变化的目的。
[0136]参照图10，提出了本发明拍摄画面的显示方法的第一实施例，本实施例是本发明拍摄画面的显示装置第一实施例对应的方法项实施例，在本实施例中，本发明提出的拍摄画面的显示方法包括步骤:
[0137]步骤S10，在摄像头拍摄功能启动后，获取所述摄像头实时捕获的画面信息；
[0138]步骤S20，根据预置的第一图像识别算法从所述画面信息中提取拍摄对象的特征信息；
[0139]步骤S30，根据所述特征信息和拍摄习惯模型显示画面，所述拍摄习惯模型是通过机器学习训练得到的。
[0140]本发明提供的拍摄画面的显示方法主要应用在带摄像头的终端设备进行拍照片或者拍视频时显示摄像头获取到的画面信息。拍摄画面是指通过摄像头取景获取到的画面。
[0141]上述启动摄像头拍摄功能的方式有很多，通常在带有摄像头的终端设备上会设置物理按键或者应用程序启动按键使终端设备启动摄像头拍摄功能使摄像头进入拍摄状态，在拍摄状态下，终端设备的摄像头会开启，当摄像头开启后会实时获取景。
[0142]在摄像头拍摄功能启动后，获取摄像头实时捕获的画面信息。即在摄像头打开状态下，摄像头会持续采集图像信息。
[0143]在获取到摄像头实时捕获的画面信息后，根据预置的第一图像识别算法提取第一画面信息中的拍摄对象的特征信息，第一画面信息是摄像头实时获取到的画面信息。上述拍摄对象可以为摄像头获取到的画面信息中的人物或建筑物，也可以是人物与景物等拍摄对象，具体选择哪些拍摄对象进行特征提取可以根据需要预先进行设定。上述特征信息是指摄像头获取到的画面信息中包括的代表拍摄对象特征的信息，例如人物数量、人物大小、建筑物大小等特征信息，具体需要获取哪些特征信息可以根据需要进行选择。上述第一图像识别算法是用于识别分析图像中的拍摄特征信息所采用的算法。常用的图像识别算法有很多，可以根据需要进行选择。在实现时，首先确定要获取第一画面信息中的哪些特征信息，然后选择合适的图像识别算法来识别第一画面信息中的特征信息。
[0144]上述预置的拍摄习惯模型包含代表用户拍摄习惯的取景特征信息，例如用户拍摄时人物在图像中的大小，人物在图像中X轴的坐标位置等。该拍摄习惯模型是通过机器学习的训练得到的。
[OH5] 机器学习(Machine Learning,ML)是人工智能领域的一门学科，机器学习的目的是使计算机模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构。机器学习可以分为有监督学习和无监督学习两种。
[0146]通常在进行机器学习之前，需要获取大量的数据建立训练集，训练集中的数据称为样本数据，再将训练集通过机器学习的算法进行训练，输出经过训练优化的参数，得到包含优化参数的模型。具体的，训练就是通过样本数据来优化模型中的参数，使模型得到的结果更符合目标需求。将训练集通过机器学习的算法进行运算的过程就是训练的过程。常见的机器学习算法有贝叶斯算法、人工神经网络算法、聚类算法、集成算法等。
[0147]可以理解的是，对于某一个终端设备，可以设置根据不同的用户采用不同的拍摄习惯模型，具体是获取用户的标识，根据用户标识选择对应的拍摄习惯模型。
[0148]当从画面信息提取拍摄特征信息后，根据拍摄特征信息和预置的拍摄习惯模型显示画面，以使用户在终端显示界面看到摄像头将要拍摄的画面，当此时接收到照片生成或视频开始录制的指令时，会根据当前画面信息生成照片或录制视频。
[0149]本发明提出的拍摄画面的显示方法及装置，在摄像头拍摄功能启动后，获取所述摄像头实时捕获的画面信息;根据预置的第一图像识别算法从所述画面信息中提取拍摄对象的特征信息;根据所述特征信息和拍摄习惯模型显示画面，所述拍摄习惯模型是通过机器学习训练得到的。通过获取摄像头实时捕获的画面信息，并从该画面信息中提取拍摄对象的特征信息，再根据该特征信息与拍摄习惯模型来显示摄像头实时获取到的画面信息，使得在拍摄时无需对摄像头获取的画面信息进行各种手动调节，就能自动根据的拍摄习惯显示摄像头获取到的画面信息。
[0150]参照图11，基于本发明拍摄画面的显示方法的第一实施例提出了本发明拍摄画面的显示方法的第二实施例，本实施例与拍摄画面的显示方法的第一实施例的区别在于，本实施例是本发明拍摄画面的显示装置第二实施例对应的方法项实施例，在本实施例中，上述根据所述特征信息和拍摄习惯模型显示画面的细化步骤包括:
[0151]步骤S31，将所述特征信息与所述拍摄习惯模型进行匹配，判断所述特征信息是否符合第一拍摄习惯，所述第一拍摄习惯是所述拍摄习惯模型中与所述特征信息对应的拍摄习惯;若是，执行步骤S32;若否，执行步骤S33;
[0152]步骤S32，显示所述摄像头实时捕获的画面信息；
[0153]步骤S33，根据所述第一拍摄习惯调整所述摄像头的拍摄参数，基于调整后的所述拍摄参数执行所述获取所述摄像头实时捕获的画面信息的步骤。
[0154]在本发明实施例中将特征信息与拍摄习惯模型进行匹配是为了判断当前获取到的第一画面信息中的拍摄特征是否符合用户的拍摄习惯。具体是判断特征信息是否符合第一拍摄习惯，上述第一拍摄习惯是拍摄习惯模型中与特征信息对应的拍摄习惯，其中第一拍摄习惯是通过特征信息体现的，即实现时可以将体现用户习惯的特征信息与表示当前取景画面的特征信息相匹配。同时，可以判断是否完全百分百符合，也可以在一定误差范围内符合，具体可以根据需要设定。
[0155]当特征信息符合第一拍摄习惯时，显示摄像头实施捕获的画面信息，具体是将摄像头实时获取到的画面信息显示在终端的显示界面，使用户可以根据当前的画面信息进行拍照或录制视频。
[0156]当拍摄特征信息不符合第一拍摄习惯时，则根据第一拍摄习惯调整摄像头的拍摄参数，并且基于调整后的拍摄参数再次获取摄像头实时捕获的画面信息。
[0157]例如，接收到开始摄像头的指令时，摄像头返回的图像数据为Da t a A r r a y，将DataArray通过预置的第一图像识别算法进行图像识别分析，假设获取到图像高度为height，宽度为width，多个人物方位做标数组为{ {Pupl、Pbottoml、Pleftl、Prightl }…{ PupiNPbottom1、Plef t1、Prighti }}，其中，Pupi为第i个人最高点的坐标，Pbottomi为第i个人底部的坐标，Plefti为第i个人左侧坐标，Prighti为第i个人最右侧位置的坐标。则第i个人的身高为(Pupi —Pbotf)，其胖瘦为(Prlghtl-Pleftl)。再根据预置的拍摄习惯模型，得到用户倾向于在拍摄时使人物占画面的I/η的位置。则此时调整相机的拍摄参数中的画面进行放大或缩小，然后重新获取画面，直到将最高或最核心的人物高度调整到height/n。
[0158]在这里，进行一次调整以后再次获取摄像头获取的画面信息并提取拍摄特征信息进行匹配的原因是当第一次调整后可能并没有完全调整到位，因此可以进行多次微调直至获取到的画面信息最符合用户的拍摄习惯。同时，也可以根据需要直接设置调整的次数，例如设置仅调整一次或仅调整两次，又或者是在4次以内进行多次调整，当超过4次时不再进行调整。
[0159]例如，将拍摄对象的特征信息与样本特征信息进行比较时，得到拍摄对象的特征信息中建筑物的高度为画面的2/3，若此时画面显示在终端的显示界面则如图5所示，而拍摄习惯模型中包含的用户拍摄时建筑物高度为画面的5/6，则此时调整摄像头的拍摄参数，使摄像头取景时，人物的高度为画面的5/6，然后基于调整后的拍摄参数再次获取摄像头实时获取的画面信息，从该画面信息中提取拍摄特征信息，再将此时拍摄特征信息与拍摄习惯模型进行匹配，得到此时人物的高度为画面的5/6，则可以直接将摄像头获取到的画面信息显示在终端，显示效果如图6所示，可以根据此时摄像头获取的画面信息进行照相或录制视频。
[0160]同时，也可以在调整后保存调整后的拍摄参数，当再次接收到打开摄像头的指令时，可以根据已保存的拍摄参数，直接获取画面信息，则此时获取的画面信息是根据用户的拍摄习惯获取到的画面信息，使得用户在拍摄时无需再多次调整，就可以直接进行拍摄。
[0161]在本发明实施例中通过将拍摄对象的特征信息与拍摄习惯模型进行匹配并判断拍摄对象的特征信息是否符合第一拍摄习惯，当符合时，直接显示摄像头实施捕获的画面信息，当不符合时，根据第一习惯调整摄像头的拍摄参数，基于调整后的拍摄参数，再次获取摄像头实时捕获的画面信息，此时画面信息为摄像头根据调整后的拍摄参数捕获到的画面信息，然后再获取画面信息若符合用户的拍摄习惯则直接显示在终端的显示界面。通过获取摄像头拍摄到的画面信息并根据拍摄习惯模型进行调整使得拍摄显示的画面始终符合的拍摄习惯。
[0162]基于本发明拍摄画面的显示方法的第一实施例提出了本发明拍摄画面的显示方法的第三实施例，本实施例与拍摄画面的显示方法的第一实施例的区别在于，本实施例是本发明拍摄画面的显示装置的第三实施例对应的方法项实施例，在本实施例中，本发明提出的拍摄画面的显示方法还包括:
[0163]若接收到手动调整指令，则根据所述手动调整指令调整所述摄像头的拍摄参数，显示调整后所述摄像头获取的画面信息。
[0164]在本发明实施例中上述手动调整指令是用户触发的对摄像头的拍摄参数进行调整的指令。当接收到手动调整指令后根据手动调整指令对摄像头实时获取到的画面信息进行调整，调整的方法是根据手动调整指令调整摄像头的拍摄参数，然后根据摄像头调整后的拍摄参数获取并显示画面信息。
[0165]可以理解的是也可以设置其他调整指令及优先级，使在调整摄像头的拍摄参数时根据调整指令的优先级选择优先的拍摄参数进行调整。
[0166]在本发明实施例中当在根据拍摄习惯模型对画面信息进行调整后再次获取到手动调整指令时，根据手动调整指令调整摄像头实时获取的画面信息，使得摄像头获取的画面信息始终符合用户的拍摄习惯。
[0167]基于本发明拍摄画面的显示方法上述实施例提出了本发明拍摄画面的显示方法的第四实施例，本实施例与拍摄画面的显示方法上述实施例的区别在于，本实施例是本发明拍摄画面的显示装置的第四实施例对应的方法项实施例，在本实施例中，本发明提出的拍摄画面的显示方法还包括:
[0168]获取预置的存储区中的照片和/或视频文件；
[0169]根据预置的第二图像识别算法从所述照片和/或视频文件中依次提取样本特征信息;
[0170]确认所述样本特征信息为机器学习的训练样本，将所述训练样本通过预置的机器学习算法进行训练，并得到所述拍摄习惯模型。
[0171]在本发明实施例中描述的步骤是在根据机器学习的方式创建拍摄习惯模型的过程。
[0172]在本发明实施例中首先获取预置的存储区中的照片和/或视频文件，预置的存储区可以根据需要进行选择，例如可以是用户终端保存的照片和/或视频的存储区，也可以是网络存储地址保存的照片和/或视频等。
[0173]上述第二图像识别算法是为了识别分析照片和/或视频文件从而依次提取照片和/或视频文件中的样本特征信息，上述第二图像识别算法可以根据需要进行选择，可以与第一图像识别算法一致也可以不一致，具体可以根据需要进行选择。在选择图像算法时也可以根据照片和/或视频文件的不同类型选择不同的图像识别算法进行识别。上述样本特征信息根据机器学习的目的进行选择，要选取哪些特征信息进行机器学习就选择哪些特征信息，样本特征信息的特征可以包括拍摄特征信息的特征但不限于拍摄特征信息的特征。例如样本特征信息可以包括人物个数、人物在图片中的位置、人物与景物的关系、建筑区、动物等的个数及在图片中的位置、比例等信息。
[0174]当提取样本特征信息后确认样本特征信息为机器学习的训练样本，将训练样本通过预置的机器学习算法进行训练，在经过训练后会输出代表用户拍摄习惯的模型，确认这个模型为拍摄习惯模型。可以根据需要选择合适的机器学习算法进行训练。
[0175]例如，通过采集大量样本，提取样本信息中人物数量、建筑物数量、人物与建筑物的比例大小信息，通过机器学习得到的拍摄习惯模型中当人物个数为I个，建筑物数量为I个时，人物与建筑物的大小比例为1: 2。在当实际拍摄时，或获取到摄像头实时捕获到的中人物个数为I个，建筑物数量为I个时，将摄像头取景参数调整到人物与建筑物的大小比例为1:2的设置。
[0176]上述提取的样本特征信息可以全部作为训练集，也可以选取其中一部分作为训练集，另一部分作为测试集。
[0177]在本发明实施例中通过获取预置的存储区中的照片和/或视频文件，并从获取到的照片和/或视频文件依次提取样本特征信息，将提取到的样本特征信息作为机器学习的训练样本，对训练样本进行训练，得到拍摄习惯模型，使得再次通过摄像头拍摄时，可以将从摄像头捕获到的画面信息提取的拍摄特征信息与拍摄习惯模型进行匹配，从而调整摄像头的拍摄参数调整摄像头捕获的画面信息使摄像头拍摄到的画面符合用户拍摄习惯，并且采用对照片和/或视频文件进行机器学习的方式建立拍摄习惯模型的使得模型的建立更加合理和精确。
[0178]基于本发明拍摄画面的显示方法的第四实施例提出了本发明拍摄画面的显示方法的第五实施例，本实施例与拍摄画面的显示方法的第一实施例的区别在于，本实施例是本发明拍摄画面的显示装置的第五实施例对应的方法项实施例，在实施例中，本发明提出的拍摄画面的显示方法还包括:
[0179]在所述存储区中的照片和/或视频文件有更新后，获取更新的照片和/或视频文件；
[0180]根据预置的第三图像识别算法从更新后的所述照片和/或视频文件中依次提取更新特征信息；
[0181]将所述更新特征信息添加至所述训练样本中，使所述训练样本得到更新，以便再次利用所述训练样本进行训练得到更新后的拍摄习惯模型。
[0182]在本发明实施例中当存储区中的照片和/或视频文件有更新后，获取更新的照片和/或视频文件。当存储区中的照片和/或视频文件有更新表明用户新拍摄了照片或录制了视频或者修改了原拍摄照片和/或视频的图像信息，则可以根据预置的第三图像识别算法从更新的照片和/或视频文件依次提取更新特征信息。上述第三图像识别算法可以与第二图像识别算法一致也可以不一致，具体可以根据需要进行选择。
[0183]当提取更新特征信息后，将更新特征信息添加至原训练样本中，使训练样本不断更新，当训练样本更新后，可以继续对训练样本进行训练得到新的拍摄习惯模型，从而使拍摄习惯模型不断进行更新，使每次摄像头取景时能更符合用户的拍摄习惯。
[0184]可以理解的是，再次获取预置的存储区中更新的照片和/或视频的时间可以根据需要进行设定，可以定时获取预置的存储区中的更新的照片和/或视频，也可以每次当用户拍摄了新的照片和/或视频后都进行获取，具体在何种条件下获取更新的照片和/或视频并提取更新特征信息添加至训练集中可以根据需要进行设定，训练集中的训练样本越大，对训练输出的模型越精确。
[0185]在本发明实施例中当在存储区保存的照片和/或视频文件有更新的情况下，获取更新的照片和/或视频文件，从更新的照片和/或视频文件依次提取更新特征信息，并将更新特征信息加入用于进行机器学习建立拍摄习惯模型的训练集，使得拍摄习惯模型的训练集的数据更多，从而使拍摄习惯模型更精确，也能达到拍摄习惯模型随着用户的习惯的变化而随之变化的目的。
[0186]以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
【主权项】
1.一种拍摄画面的显示装置，其特征在于，所述装置包括: 第一获取模块，用于在摄像头拍摄功能启动后，获取所述摄像头实时捕获的画面信息； 拍摄特征信息提取模块，用于根据预置的第一图像识别算法从所述画面信息中提取拍摄对象的特征信息； 第一显示模块，用于根据所述特征信息和拍摄习惯模型显示画面，所述拍摄习惯模型是通过机器学习训练得到的。2.如权利要求1所述的装置，其特征在于，所述第一显示模块包括: 匹配判断单元，用于将所述特征信息与所述拍摄习惯模型进行匹配，判断所述特征信息是否符合第一拍摄习惯，所述第一拍摄习惯是所述拍摄习惯模型中与所述特征信息对应的拍摄习惯； 显示单元，用于当所述特征信息符合所述第一拍摄习惯时，显示所述摄像头实时捕获的画面信息； 调整触发单元，用于当所述特征信息不符合所述第一拍摄习惯时，根据所述第一拍摄习惯调整所述摄像头的拍摄参数，基于调整后的所述拍摄参数触发所述第一获取模块获取所述摄像头实时捕获的画面信息。3.如权利要求1所述的装置，其特征在于，所述装置还包括: 第二显示模块，用于若接收到手动调整指令，则根据所述手动调整指令调整所述摄像头的拍摄参数，显示调整后所述摄像头获取的画面信息。4.如权利要求1至3任一项所述的装置，其特征在于，所述装置还包括: 第二获取模块，用于获取预置的存储区中的照片和/或视频文件； 样本特征信息提取模块，用于根据预置的第二图像识别算法从所述照片和/或视频文件中依次提取样本特征信息； 机器学习模块，用于确认所述样本特征信息为机器学习的训练样本，将所述训练样本通过预置的机器学习算法进行训练，并得到所述拍摄习惯模型。5.如权利要求4所述的显示装置，其特征在于，所述装置还包括: 第三获取模块，用于在所述存储区中的照片和/或视频文件有更新后，获取更新的照片和/或视频文件； 更新特征信息提取模块，用于根据预置的第三图像识别算法从更新后的所述照片和/或视频文件中依次提取更新特征信息； 添加模块，用于将所述更新特征信息添加至所述训练样本中，使所述训练样本得到更新，以便再次利用所述训练样本进行训练得到更新后的拍摄习惯模型。6.—种拍摄画面的显示方法，其特征在于，所述方法包括以下步骤: 在摄像头拍摄功能启动后，获取所述摄像头实时捕获的画面信息； 根据预置的第一图像识别算法从所述画面信息中提取拍摄对象的特征信息； 根据所述特征信息和拍摄习惯模型显示画面，所述拍摄习惯模型是通过机器学习训练得到的。7.如权利要求6所述的方法，其特征在于，所述根据所述特征信息和拍摄习惯模型显示画面包括: 将所述特征信息与所述拍摄习惯模型进行匹配，判断所述特征信息是否符合第一拍摄习惯，所述第一拍摄习惯是所述拍摄习惯模型中与所述特征信息对应的拍摄习惯； 若是，则显示所述摄像头实时捕获的画面信息； 若否，则根据所述第一拍摄习惯调整所述摄像头的拍摄参数，基于调整后的所述拍摄参数执行所述获取所述摄像头实时捕获的画面信息的步骤。8.如权利要求6所述的方法，其特征在于，所述方法还包括: 若接收到手动调整指令，则根据所述手动调整指令调整所述摄像头的拍摄参数，显示调整后所述摄像头获取的画面信息。9.如权利要求6至8任一项所述的方法，其特征在于，所述方法还包括: 获取预置的存储区中的照片和/或视频文件； 根据预置的第二图像识别算法从所述照片和/或视频文件中依次提取样本特征信息；确认所述样本特征信息为机器学习的训练样本，将所述训练样本通过预置的机器学习算法进行训练，并得到所述拍摄习惯模型。10.如权利要求9所述的方法，其特征在于，所述方法还包括: 在所述存储区中的照片和/或视频文件有更新后，获取更新的照片和/或视频文件； 根据预置的第三图像识别算法从更新后的所述照片和/或视频文件中依次提取更新特征信息； 将所述更新特征信息添加至所述训练样本中，使所述训练样本得到更新，以便再次利用所述训练样本进行训练得到更新后的拍摄习惯模型。
【文档编号】H04M1/725GK105933529SQ201610365261
【公开日】2016年9月7日
【申请日】2016年5月26日
【发明人】孙垚
【申请人】努比亚技术有限公司