技术摘要：
本发明提出了一种基于用户偏好多维度驱动的智能拍照方法，该方法首先获取相机的预览图像，分析预览图像的所属场景。若场景数据库中有该场景，则继续查询该场景类别下的专业人像风景照数据集；然后根据图片场景相似度进行匹配，以找到背景相似度最高的一组图片。最后通  全部
背景技术：
随着各种移动智能设备的高速发展，移动设备(平板电脑和智能手机)已经成为我 们日常生活中不可或缺的工具。此外，移动端的摄像头像素越来越高，数码相机相对笨重且 价格高昂，所以大多数用户更愿意使用手机拍照，而不是数码相机。 但拍摄高质量的照片，还需要用户自身具备一定的摄影构图技巧。显然，大多数用 户并不具备构图技巧。虽然已经有人提出人像拍摄构图方法，但大多数是简单分析人体在 图像中的位置，并用三分法等构图法则指导用户站位。虽然可以大致确定用户拍摄位置，但 没有考虑人与场景的关系，以及相同场景类别内的差异性。因此用户不知道在某一类场景 中如何摆出好看的姿势才能使拍摄效果更佳。 此外，除了考虑寻找相似场景的图片，还需要考虑用户的审美偏好。因为不同用户 对同一图像有不同的美感感受，而同一用户在多张推荐的拍摄图像选择中，往往带有自己 稳定的美学偏好。所以在推荐用户拍照构图时，需要单独考虑每一个用户的审美偏好。而移 动端的拍照场景下，对指导拍照系统的模型准确性和实际可行性都要有很高的要求。考虑 到模型的准确度和复杂度，还需要快速地对每个用户建立个人偏好学习模型。
技术实现要素：
为了克服上述现有技术的不足，本发明提供一种基于用户偏好多维度驱动的智能 拍照方法，能实现终端与摄影者的智能交互，帮助普通摄影爱好者提升摄影的质量，且能极 大降低后期处理图片的复杂度。 本发明为解决上述技术问题采用以下技术方案： 本发明提供一种基于用户偏好多维度驱动的智能拍照方法，包括以下具体步骤： 步骤1，拍照场景初定位，利用预训练的轻量级网络识别拍照场景类别； 步骤2，提取预览图像与该场景下的专业人像照片的特征向量，并根据相似度进行 匹配，选出最相似的前M张图片； 步骤3，基准模型初始化，对该系统已有用户选择的图像及评分作为训练样本构建 基准模型，以产生通用评分标准； 步骤4，建立基于改进的支持向量机回归方法的用户偏好学习模型，对用户偏好的 图像进行细筛选； 步骤5，结束推荐过程，用户选择其中一张照片以指导其拍照。 作为本发明的进一步优化方案，步骤1中的场景识别的卷积神经网络选择便于移 植到移动端的高效率模型；场景类型可以包括但不限于山、海滩、树林、建筑或街道； 作为本发明的进一步优化方案，步骤2中的专业人像风景照数据集是根据不同场 5 CN 111614897 A 说　明　书 2/4 页 景分为不同数据子集，拍照姿势包括站、蹲、坐或躺等多种姿势； 作为本发明的进一步优化方案，步骤3中用户的基准模型指的是初始化时，系统收 集所有用户的评分过的样本并将其转换成美学变量，输入到模型中通过用户的评分训练得 到系统的评分预测值； 作为本发明的进一步优化方案，步骤4中基于改进的支持向量机回归方法的用户 偏好学习模型是对支持向量机回归方法进行改进，然后通过对每个用户前W次的评分做训 练，得到每个用户的偏好模型，以对根据场景相似性选取的一组图片进行细筛选，找到用户 最喜欢的一张或几张图片； 作为本发明的进一步优化方案，步骤5中指导信息可以包括拍摄主体位置调整、相 机拍摄角度调整以及两者同时调整。 本发明与现有技术相比，具有如下优点和有益效果： (1)本发明采用专业人像风景照，并根据不同场景为用户匹配拍照姿势丰富多样 的参考图片，这极大提高了用户拍照的兴趣及满意度。 (2)将用户偏好引入拍照中，且采用基于改进的支持向量机回归的评分方法来量 化用户偏好，而支持向量机回归方法适合小样本学习且泛化能力强，使得预测用户对图像 的评分更为有效。 附图说明 图1为本发明提供的一种基于用户偏好多维度驱动的智能拍照方法流程图。