拍摄方法、拍摄参数训练方法、电子设备及存储介质与流程

1.本技术实施例涉及计算机技术领域，尤其涉及一种拍摄方法、拍摄参数训练方法、电子设备及存储介质。


背景技术：

2.随着终端软硬件性能的不断提升，终端的拍照功能也日益强大。手机作为日常生活中常用的终端类型，用户对手机拍照的需求越来越高。其中，决定高质量拍摄效果的参数包括相机的多种设置参数和照片参数，例如光圈大小、快门速度、感光度(iso)、对焦方式、焦距、白平衡、曝光补偿等等。在日常拍摄的过程中，无论是自动拍照模式还是专业拍照模型，快速准确地设置相机拍摄参数，才能拍出用户满意的照片。
3.目前常用的拍摄模式包括自动模式及专业模式，其中，自动拍照模式大多采用测光的方式，并套用少量风格类型，来调节拍摄参数。由于用户所处的环境和场景千差万别，这种以光线强弱为主要参数设置依据的方式使得在不同场景下对色彩还原度有较大的差异，拍出来的照片质量往往无法满足用户的要求。
4.此外，为了达到一定程度的拍摄效果，满足用户的需求，一些设备支持专业拍照模式，在该模式下，依据光线强弱仅仅对相机iso和快门速度提供自动调节，对于白平衡、曝光补偿、饱和度、对比度等多种其他设置参数没有初始化的推荐值，需要用户反复手动调节和组合，甚至有些参数可调范围很大，整个过程繁琐、耗时长、准确度差，降低了用户体验。专业模型门槛过高，大多数用户拍摄水平和专业知识有限，很难拍摄满意的照片。


技术实现要素：

5.本技术实施例提供了一种拍摄方法、拍摄参数训练方法、电子设备及存储介质，以提供一种拍摄的方式，由此可以提高拍摄质量。
6.第一方面，本技术实施例提供了一种拍摄方法，应用于第一设备，包括：
7.获取预览照片及环境信息；其中，预览照片可以是第一设备通过摄像头采集的显示在预览界面中的照片。
8.基于预览照片及环境信息获得拍摄参数；使用拍摄参数进行拍摄。
9.本技术实施例中，通过预览照片及环境信息等实时信息确定拍摄参数，并使用该拍摄参数进行拍摄，可以提高拍摄质量。
10.其中一种可能的实现方式中，基于预览照片及环境信息获得拍摄参数包括：
11.基于预览照片及环境信息，确定拍摄场景类别；
12.将预览照片输入与拍摄场景类别对应的预设参数决策模型，得到拍摄参数。
13.本技术实施例中，通过第一设备自身计算获得拍摄参数，可以提高拍摄参数的获取效率。
14.其中一种可能的实现方式中，基于预览照片及环境信息获得拍摄参数包括：
15.将预览照片及环境信息发送给第二设备；其中，预览照片及环境信息用于第二设
备确定拍摄参数；其中，第二设备可以是服务器。
16.接收第二设备发送的拍摄参数。
17.本技术实施例中，由第二设备计算获得拍摄参数，可以减轻第一设备的计算负担，且第二设备具有强大的计算能力，由此也可以提高拍摄参数的准确度。
18.其中一种可能的实现方式中，环境信息包括位置信息、时间信息、气象信息及光线信息中的一种或多种。
19.其中一种可能的实现方式中，拍摄参数包括光圈大小、快门速度、感光度iso、对焦方式、焦距、白平衡及曝光补偿中的一个或多个。
20.其中一种可能的实现方式中，第一设备包括手机或平板。
21.本技术实施例还提供了一种拍摄参数训练方法，包括：
22.获取训练数据集；其中，训练数据集包括多个拍摄场景类别的训练数据子集，每个训练数据子集包括多个训练数据，每个训练数据包括与拍摄场景类别对应的预览照片及拍摄场景类别对应的预设拍摄参数；
23.使用训练数据集对预设参数决策模型进行训练，其中，预设参数决策模型用于输入预览照片，输出预测拍摄参数。
24.其中一种可能的实现方式中，拍摄场景类别由样本数据集中的拍摄照片确定，样本数据集包括多个样本数据，每个样本数据包括拍摄照片、预览照片及预设拍摄参数。
25.其中一种可能的实现方式中，样本数据集还包括与拍摄照片对应的环境信息，拍摄场景类别由样本数据集中的拍摄照片确定包括：
26.对拍摄照片进行识别，得到内容特征；
27.基于内容特征确定拍摄场景；
28.若拍摄场景为室内，则基于内容特征确定与每张拍摄照片对应的拍摄场景类别；或
29.若拍摄场景为室外，则基于环境特征及内容特征确定与每张拍摄照片对应的拍摄场景类别；其中，环境特征由环境信息获得。
30.其中一种可能的实现方式中，预设参数决策模型包括多个模型，每个模型与拍摄场景类别对应。
31.第二方面，本技术实施例提供一种拍摄装置，应用于第一设备，包括：
32.获取模块，用于获取预览照片及环境信息；
33.计算模块，用于基于预览照片及环境信息获得拍摄参数；
34.拍摄模块，用于使用拍摄参数进行拍摄。
35.其中一种可能的实现方式中，上述计算模块还用于基于预览照片及环境信息，确定拍摄场景类别；将预览照片输入与拍摄场景类别对应的预设参数决策模型，得到拍摄参数。
36.其中一种可能的实现方式中，上述计算模块还用于将预览照片及环境信息发送给第二设备；其中，预览照片及环境信息用于第二设备确定拍摄参数；
37.接收第二设备发送的拍摄参数。
38.其中一种可能的实现方式中，环境信息包括位置信息、时间信息、气象信息及光线信息中的一种或多种。
39.其中一种可能的实现方式中，拍摄参数包括光圈大小、快门速度、感光度iso、对焦方式、焦距、白平衡及曝光补偿中的一个或多个。
40.其中一种可能的实现方式中，第一设备包括手机或平板。
41.本技术实施例还提供一种拍摄参数训练装置，包括：
42.获取模块，用于获取训练数据集；其中，训练数据集包括多个拍摄场景类别的训练数据子集，每个训练数据子集包括多个训练数据，每个训练数据包括与拍摄场景类别对应的预览照片及拍摄场景类别对应的预设拍摄参数；
43.训练模块，用于使用训练数据集对预设参数决策模型进行训练，其中，预设参数决策模型用于输入预览照片，输出预测拍摄参数。
44.其中一种可能的实现方式中，拍摄场景类别由样本数据集中的拍摄照片确定，样本数据集包括多个样本数据，每个样本数据包括拍摄照片、预览照片及预设拍摄参数。
45.其中一种可能的实现方式中，样本数据集还包括与拍摄照片对应的环境信息，上述获取模块还用于对拍摄照片进行识别，得到内容特征；基于内容特征确定拍摄场景；若拍摄场景为室内，则基于内容特征确定与每张拍摄照片对应的拍摄场景类别；或
46.若拍摄场景为室外，则基于环境特征及内容特征确定与每张拍摄照片对应的拍摄场景类别；其中，环境特征由环境信息获得。
47.其中一种可能的实现方式中，预设参数决策模型包括多个模型，每个模型与拍摄场景类别对应。
48.第三方面，本技术实施例提供一种第一设备，包括：
49.存储器，上述存储器用于存储计算机程序代码，上述计算机程序代码包括指令，当上述第一设备从上述存储器中读取上述指令，以使得上述第一设备执行以下步骤：
50.获取预览照片及环境信息；
51.基于预览照片及环境信息获得拍摄参数；
52.使用拍摄参数进行拍摄。
53.其中一种可能的实现方式中，上述指令被上述第一设备执行时，使得上述第一设备执行基于预览照片及环境信息获得拍摄参数的步骤包括：
54.基于所述预览照片及所述环境信息，确定拍摄场景类别；
55.将预览照片输入与拍摄场景类别对应的预设参数决策模型，得到拍摄参数。
56.其中一种可能的实现方式中，上述指令被上述第一设备执行时，使得上述第一设备执行基于预览照片及环境信息获得拍摄参数的步骤包括：
57.将预览照片及环境信息发送给第二设备；其中，预览照片及环境信息用于第二设备确定拍摄参数；
58.接收第二设备发送的拍摄参数。
59.其中一种可能的实现方式中，环境信息包括位置信息、时间信息、气象信息及光线信息中的一种或多种。
60.其中一种可能的实现方式中，拍摄参数包括光圈大小、快门速度、感光度iso、对焦方式、焦距、白平衡及曝光补偿中的一个或多个。
61.其中一种可能的实现方式中，第一设备包括手机或平板。
62.本技术实施例还提供一种第三设备，包括：
63.存储器，上述存储器用于存储计算机程序代码，上述计算机程序代码包括指令，当上述第三设备从上述存储器中读取上述指令，以使得上述第三设备执行以下步骤：
64.获取训练数据集；其中，训练数据集包括多个拍摄场景类别的训练数据子集，每个训练数据子集包括多个训练数据，每个训练数据包括与拍摄场景类别对应的预览照片及拍摄场景类别对应的预设拍摄参数；
65.使用训练数据集对预设参数决策模型进行训练，其中，预设参数决策模型用于输入预览照片，输出预测拍摄参数。
66.其中一种可能的实现方式中，拍摄场景类别由样本数据集中的拍摄照片确定，样本数据集包括多个样本数据，每个样本数据包括拍摄照片、预览照片及预设拍摄参数。
67.其中一种可能的实现方式中，样本数据集还包括与拍摄照片对应的环境信息，上述指令被上述第三设备执行时，使得上述第三设备执行拍摄场景类别由样本数据集中的拍摄照片确定的步骤包括：
68.对拍摄照片进行识别，得到内容特征；
69.基于内容特征确定拍摄场景；
70.若拍摄场景为室内，则基于内容特征确定与每张拍摄照片对应的拍摄场景类别；或
71.若拍摄场景为室外，则基于环境特征及内容特征确定与每张拍摄照片对应的拍摄场景类别；其中，环境特征由环境信息获得。
72.其中一种可能的实现方式中，预设参数决策模型包括多个模型，每个模型与拍摄场景类别对应。
73.第四方面，本技术实施例提供一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，当其在计算机上运行时，使得计算机执行如第一方面所述的方法。
74.第五方面，本技术实施例提供一种计算机程序，当上述计算机程序被计算机执行时，用于执行第一方面所述的方法。
75.在一种可能的设计中，第五方面中的程序可以全部或者部分存储在与处理器封装在一起的存储介质上，也可以部分或者全部存储在不与处理器封装在一起的存储器上。
附图说明
76.图1为本技术提供的电子设备一个实施例的硬件结构示意图；
77.图2为本技术实施例提供应用场景示意图；
78.图3为本技术提供的拍摄方法的一个实施例的流程示意图；
79.图4为本技术实施例提供的光线示意图；
80.图5为本技术实施例提供的拍摄场景分类方法的流程示意图；
81.图6为本技术提供的拍摄方法的另一个实施例的流程示意图；
82.图7为本技术提供的拍摄参数训练方法的一个实施例的流程示意图；
83.图8为本技术实施例提供的拍摄场景分类示意图；
84.图9为本技术实施例提供的拍摄参数训练架构示意图；
85.图10为本技术提供的电子设备另一个实施例的硬件结构示意图；
86.图11为本技术实施例提供的拍摄装置的结构示意图；
87.图12为本技术实施例提供的拍摄参数训练装置的结构示意图。
具体实施方式
88.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行描述。其中，在本技术实施例的描述中，除非另有说明，“/”表示或的意思，例如，a/b可以表示a或b；本文中的“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。
89.以下，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本技术实施例的描述中，除非另有说明，“多个”的含义是两个或两个以上。
90.随着终端软硬件性能的不断提升，终端的拍照功能也日益强大。手机作为日常生活中常用的终端类型，用户对手机拍照的需求越来越高。其中，决定高质量拍摄效果的参数包括相机的多种设置参数和照片参数，例如光圈大小、快门速度、感光度(iso)、对焦方式、焦距、白平衡、曝光补偿等等。在日常拍摄的过程中，无论是自动拍照模式还是专业拍照模型，快速准确地设置相机拍摄参数，才能拍出用户满意的照片。
91.目前常用的拍摄模式包括自动模式及专业模式，其中，自动拍照模式大多采用测光的方式，并套用少量风格类型，来调节拍摄参数。由于用户所处的环境和场景千差万别，这种以光线强弱为主要参数设置依据的方式使得在不同场景下对色彩还原度有较大的差异，拍出来的照片质量往往无法满足用户的要求。
92.此外，为了达到一定程度的拍摄效果，满足用户的需求，一些设备支持专业拍照模式，在该模式下，依据光线强弱仅仅对相机iso和快门速度提供自动调节，对于白平衡、曝光补偿、饱和度、对比度等多种其他设置参数没有初始化的推荐值，需要用户反复手动调节和组合，甚至有些参数可调范围很大，整个过程繁琐、耗时长、准确度差，降低了用户体验。专业模型门槛过高，大多数用户拍摄水平和专业知识有限，很难拍摄满意的照片。
93.基于上述问题，本技术实施例提出了一种拍摄方法，可以提高拍摄质量。
94.现结合图1-图6对本技术实施例提供的拍摄方法进行说明，上述拍摄方法应用于第一设备10，上述第一设备10可以是具有摄像头的智能设备，第一设备10也可以称为移动终端、终端设备、用户设备(user equipment，ue)、接入终端、用户单元、用户站、移动站、移动台、远方站、远程终端、移动设备、用户终端、终端、无线通信设备、用户代理或用户装置。第一设备10可以是蜂窝电话、无绳电话、个人数字处理(personal digital assistant，pda)设备、具有无线通信功能的手持设备、计算设备或连接到无线调制解调器的其它处理设备、电脑、膝上型计算机、手持式通信设备、手持式计算设备、卫星无线设备、用户驻地设备(customer premise equipment，cpe)和/或用于在无线系统上进行通信的其它设备以及下一代通信系统，例如，5g网络中的移动终端或者未来演进的公共陆地移动网络(public land mobile network，plmn)网络中的移动终端等。本技术实施例对上述第一设备10的形式不做特殊限定。
95.下面结合图1首先介绍本技术以下实施例中提供的示例性电子设备。图1示出了电子设备100的结构示意图，该电子设备100可以是上述第一设备10。
96.电子设备100可以包括处理器110，外部存储器接口120，内部存储器121，通用串行总线(universal serial bus，usb)接口130，充电管理模块140，电源管理模块141，电池142，天线1，天线2，移动通信模块150，无线通信模块160，音频模块170，扬声器170a，受话器170b，麦克风170c，耳机接口170d，传感器模块180，按键190，马达191，指示器192，摄像头193，显示屏194，以及用户标识模块(subscriber identification module，sim)卡接口195等。其中传感器模块180可以包括压力传感器180a，陀螺仪传感器180b，气压传感器180c，磁传感器180d，加速度传感器180e，距离传感器180f，接近光传感器180g，指纹传感器180h，温度传感器180j，触摸传感器180k，环境光传感器180l，骨传导传感器180m等。
97.可以理解的是，本发明实施例示意的结构并不构成对电子设备100的具体限定。在本技术另一些实施例中，电子设备100可以包括比图示更多或更少的部件，或者组合某些部件，或者拆分某些部件，或者不同的部件布置。图示的部件可以以硬件，软件或软件和硬件的组合实现。
98.处理器110可以包括一个或多个处理单元，例如：处理器110可以包括应用处理器(application processor，ap)，调制解调处理器，图形处理器(graphics processing unit，gpu)，图像信号处理器(image signal processor，isp)，控制器，视频编解码器，数字信号处理器(digital signal processor，dsp)，基带处理器，和/或神经网络处理器(neural-network processing unit，npu)等。其中，不同的处理单元可以是独立的器件，也可以集成在一个或多个处理器中。
99.控制器可以根据指令操作码和时序信号，产生操作控制信号，完成取指令和执行指令的控制。
100.处理器110中还可以设置存储器，用于存储指令和数据。在一些实施例中，处理器110中的存储器为高速缓冲存储器。该存储器可以保存处理器110刚用过或循环使用的指令或数据。如果处理器110需要再次使用该指令或数据，可从所述存储器中直接调用。避免了重复存取，减少了处理器110的等待时间，因而提高了系统的效率。
101.在一些实施例中，处理器110可以包括一个或多个接口。接口可以包括集成电路(inter-integrated circuit，i2c)接口，集成电路内置音频(inter-integrated circuit sound，i2s)接口，脉冲编码调制(pulse code modulation，pcm)接口，通用异步收发传输器(universal asynchronous receiver/transmitter，uart)接口，移动产业处理器接口(mobile industry processor interface，mipi)，通用输入输出(general-purpose input/output，gpio)接口，用户标识模块(subscriber identity module，sim)接口，和/或通用串行总线(universal serial bus，usb)接口等。
102.i2c接口是一种双向同步串行总线，包括一根串行数据线(serial data line，sda)和一根串行时钟线(derail clock line，scl)。在一些实施例中，处理器110可以包含多组i2c总线。处理器110可以通过不同的i2c总线接口分别耦合触摸传感器180k，充电器，闪光灯，摄像头193等。例如：处理器110可以通过i2c接口耦合触摸传感器180k，使处理器110与触摸传感器180k通过i2c总线接口通信，实现电子设备100的触摸功能。
103.i2s接口可以用于音频通信。在一些实施例中，处理器110可以包含多组i2s总线。处理器110可以通过i2s总线与音频模块170耦合，实现处理器110与音频模块170之间的通信。在一些实施例中，音频模块170可以通过i2s接口向无线通信模块160传递音频信号，实
现通过蓝牙耳机接听电话的功能。
104.pcm接口也可以用于音频通信，将模拟信号抽样，量化和编码。在一些实施例中，音频模块170与无线通信模块160可以通过pcm总线接口耦合。在一些实施例中，音频模块170也可以通过pcm接口向无线通信模块160传递音频信号，实现通过蓝牙耳机接听电话的功能。所述i2s接口和所述pcm接口都可以用于音频通信。
105.uart接口是一种通用串行数据总线，用于异步通信。该总线可以为双向通信总线。它将要传输的数据在串行通信与并行通信之间转换。在一些实施例中，uart接口通常被用于连接处理器110与无线通信模块160。例如：处理器110通过uart接口与无线通信模块160中的蓝牙模块通信，实现蓝牙功能。在一些实施例中，音频模块170可以通过uart接口向无线通信模块160传递音频信号，实现通过蓝牙耳机播放音乐的功能。
106.mipi接口可以被用于连接处理器110与显示屏194，摄像头193等外围器件。mipi接口包括摄像头串行接口(camera serial interface，csi)，显示屏串行接口(display serial interface，dsi)等。在一些实施例中，处理器110和摄像头193通过csi接口通信，实现电子设备100的拍摄功能。处理器110和显示屏194通过dsi接口通信，实现电子设备100的显示功能。
107.gpio接口可以通过软件配置。gpio接口可以被配置为控制信号，也可被配置为数据信号。在一些实施例中，gpio接口可以用于连接处理器110与摄像头193，显示屏194，无线通信模块160，音频模块170，传感器模块180等。gpio接口还可以被配置为i2c接口，i2s接口，uart接口，mipi接口等。
108.usb接口130是符合usb标准规范的接口，具体可以是mini usb接口，micro usb接口，usb type c接口等。usb接口130可以用于连接充电器为电子设备100充电，也可以用于电子设备100与外围设备之间传输数据。也可以用于连接耳机，通过耳机播放音频。该接口还可以用于连接其他电子设备，例如ar设备等。
109.可以理解的是，本发明实施例示意的各模块间的接口连接关系，只是示意性说明，并不构成对电子设备100的结构限定。在本技术另一些实施例中，电子设备100也可以采用上述实施例中不同的接口连接方式，或多种接口连接方式的组合。
110.充电管理模块140用于从充电器接收充电输入。其中，充电器可以是无线充电器，也可以是有线充电器。在一些有线充电的实施例中，充电管理模块140可以通过usb接口130接收有线充电器的充电输入。在一些无线充电的实施例中，充电管理模块140可以通过电子设备100的无线充电线圈接收无线充电输入。充电管理模块140为电池142充电的同时，还可以通过电源管理模块141为电子设备供电。
111.电源管理模块141用于连接电池142，充电管理模块140与处理器110。电源管理模块141接收电池142和/或充电管理模块140的输入，为处理器110，内部存储器121，显示屏194，摄像头193，和无线通信模块160等供电。电源管理模块141还可以用于监测电池容量，电池循环次数，电池健康状态(漏电，阻抗)等参数。在其他一些实施例中，电源管理模块141也可以设置于处理器110中。在另一些实施例中，电源管理模块141和充电管理模块140也可以设置于同一个器件中。
112.电子设备100的无线通信功能可以通过天线1，天线2，移动通信模块150，无线通信模块160，调制解调处理器以及基带处理器等实现。
113.天线1和天线2用于发射和接收电磁波信号。电子设备100中的每个天线可用于覆盖单个或多个通信频带。不同的天线还可以复用，以提高天线的利用率。例如：可以将天线1复用为无线局域网的分集天线。在另外一些实施例中，天线可以和调谐开关结合使用。
114.移动通信模块150可以提供应用在电子设备100上的包括2g/3g/4g/5g等无线通信的解决方案。移动通信模块150可以包括至少一个滤波器，开关，功率放大器，低噪声放大器(low noise amplifier，lna)等。移动通信模块150可以由天线1接收电磁波，并对接收的电磁波进行滤波，放大等处理，传送至调制解调处理器进行解调。移动通信模块150还可以对经调制解调处理器调制后的信号放大，经天线1转为电磁波辐射出去。在一些实施例中，移动通信模块150的至少部分功能模块可以被设置于处理器110中。在一些实施例中，移动通信模块150的至少部分功能模块可以与处理器110的至少部分模块被设置在同一个器件中。
115.调制解调处理器可以包括调制器和解调器。其中，调制器用于将待发送的低频基带信号调制成中高频信号。解调器用于将接收的电磁波信号解调为低频基带信号。随后解调器将解调得到的低频基带信号传送至基带处理器处理。低频基带信号经基带处理器处理后，被传递给应用处理器。应用处理器通过音频设备(不限于扬声器170a，受话器170b等)输出声音信号，或通过显示屏194显示图像或视频。在一些实施例中，调制解调处理器可以是独立的器件。在另一些实施例中，调制解调处理器可以独立于处理器110，与移动通信模块150或其他功能模块设置在同一个器件中。
116.无线通信模块160可以提供应用在电子设备100上的包括无线局域网(wirelesslocal area networks，wlan)(如无线保真(wireless fidelity，wi-fi)网络)，蓝牙(bluetooth，bt)，全球导航卫星系统(global navigation satellite system，gnss)，调频(frequency modulation，fm)，近距离无线通信技术(near field communication，nfc)，红外技术(infrared，ir)等无线通信的解决方案。无线通信模块160可以是集成至少一个通信处理模块的一个或多个器件。无线通信模块160经由天线2接收电磁波，将电磁波信号调频以及滤波处理，将处理后的信号发送到处理器110。无线通信模块160还可以从处理器110接收待发送的信号，对其进行调频，放大，经天线2转为电磁波辐射出去。
117.在一些实施例中，电子设备100的天线1和移动通信模块150耦合，天线2和无线通信模块160耦合，使得电子设备100可以通过无线通信技术与网络以及其他设备通信。所述无线通信技术可以包括全球移动通讯系统(global system for mobile communications，gsm)，通用分组无线服务(general packet radio service，gprs)，码分多址接入(code division multiple access，cdma)，宽带码分多址(wideband code division multiple access，wcdma)，时分码分多址(time-division code division multiple access，td-scdma)，长期演进(long term evolution，lte)，bt，gnss，wlan，nfc，fm，和/或ir技术等。所述gnss可以包括全球卫星定位系统(global positioning system，gps)，全球导航卫星系统(global navigation satellite system，glonass)，北斗卫星导航系统(beidou navigation satellite system，bds)，准天顶卫星系统(quasi-zenith satellite system，qzss)和/或星基增强系统(satellite based augmentation systems，sbas)。
118.电子设备100通过gpu，显示屏194，以及应用处理器等实现显示功能。gpu为图像处理的微处理器，连接显示屏194和应用处理器。gpu用于执行数学和几何计算，用于图形渲染。处理器110可包括一个或多个gpu，其执行程序指令以生成或改变显示信息。
119.显示屏194用于显示图像，视频等。显示屏194包括显示面板。显示面板可以采用液晶显示屏(liquid crystal display，lcd)，有机发光二极管(organic light-emitting diode，oled)，有源矩阵有机发光二极体或主动矩阵有机发光二极体(active-matrix organic light emitting diode的，amoled)，柔性发光二极管(flexlight-emitting diode，fled)，miniled，microled，micro-oled，量子点发光二极管(quantum dot light emitting diodes，qled)等。在一些实施例中，电子设备100可以包括1个或n个显示屏194，n为大于1的正整数。
120.电子设备100可以通过isp，摄像头193，视频编解码器，gpu，显示屏194以及应用处理器等实现拍摄功能。
121.isp用于处理摄像头193反馈的数据。例如，拍照时，打开快门，光线通过镜头被传递到摄像头感光元件上，光信号转换为电信号，摄像头感光元件将所述电信号传递给isp处理，转化为肉眼可见的图像。isp还可以对图像的噪点，亮度，肤色进行算法优化。isp还可以对拍摄场景的曝光，色温等参数优化。在一些实施例中，isp可以设置在摄像头193中。
122.摄像头193用于捕获静态图像或视频。物体通过镜头生成光学图像投射到感光元件。感光元件可以是电荷耦合器件(charge coupled device，ccd)或互补金属氧化物半导体(complementary metal-oxide-semiconductor，cmos)光电晶体管。感光元件把光信号转换成电信号，之后将电信号传递给isp转换成数字图像信号。isp将数字图像信号输出到dsp加工处理。dsp将数字图像信号转换成标准的rgb，yuv等格式的图像信号。在一些实施例中，电子设备100可以包括1个或n个摄像头193，n为大于1的正整数。
123.数字信号处理器用于处理数字信号，除了可以处理数字图像信号，还可以处理其他数字信号。例如，当电子设备100在频点选择时，数字信号处理器用于对频点能量进行傅里叶变换等。
124.视频编解码器用于对数字视频压缩或解压缩。电子设备100可以支持一种或多种视频编解码器。这样，电子设备100可以播放或录制多种编码格式的视频，例如：动态图像专家组(moving picture experts group，mpeg)1，mpeg2，mpeg3，mpeg4等。
125.npu为神经网络(neural-network，nn)计算处理器，通过借鉴生物神经网络结构，例如借鉴人脑神经元之间传递模式，对输入信息快速处理，还可以不断的自学习。通过npu可以实现电子设备100的智能认知等应用，例如：图像识别，人脸识别，语音识别，文本理解等。
126.外部存储器接口120可以用于连接外部存储卡，例如micro sd卡，实现扩展电子设备100的存储能力。外部存储卡通过外部存储器接口120与处理器110通信，实现数据存储功能。例如将音乐，视频等文件保存在外部存储卡中。
127.内部存储器121可以用于存储计算机可执行程序代码，所述可执行程序代码包括指令。内部存储器121可以包括存储程序区和存储数据区。其中，存储程序区可存储操作系统，至少一个功能所需的应用程序(比如声音播放功能，图像播放功能等)等。存储数据区可存储电子设备100使用过程中所创建的数据(比如音频数据，电话本等)等。此外，内部存储器121可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件，闪存器件，通用闪存存储器(universal flash storage，ufs)等。处理器110通过运行存储在内部存储器121的指令，和/或存储在设置于处理器中的存储器的指令，执行电子设
备100的各种功能应用以及数据处理。
128.电子设备100可以通过音频模块170，扬声器170a，受话器170b，麦克风170c，耳机接口170d，以及应用处理器等实现音频功能。例如音乐播放，录音等。
129.音频模块170用于将数字音频信息转换成模拟音频信号输出，也用于将模拟音频输入转换为数字音频信号。音频模块170还可以用于对音频信号编码和解码。在一些实施例中，音频模块170可以设置于处理器110中，或将音频模块170的部分功能模块设置于处理器110中。
130.扬声器170a，也称“喇叭”，用于将音频电信号转换为声音信号。电子设备100可以通过扬声器170a收听音乐，或收听免提通话。
131.受话器170b，也称“听筒”，用于将音频电信号转换成声音信号。当电子设备100接听电话或语音信息时，可以通过将受话器170b靠近人耳接听语音。
132.麦克风170c，也称“话筒”，“传声器”，用于将声音信号转换为电信号。当拨打电话或发送语音信息时，用户可以通过人嘴靠近麦克风170c发声，将声音信号输入到麦克风170c。电子设备100可以设置至少一个麦克风170c。在另一些实施例中，电子设备100可以设置两个麦克风170c，除了采集声音信号，还可以实现降噪功能。在另一些实施例中，电子设备100还可以设置三个，四个或更多麦克风170c，实现采集声音信号，降噪，还可以识别声音来源，实现定向录音功能等。
133.耳机接口170d用于连接有线耳机。耳机接口170d可以是usb接口130，也可以是3.5mm的开放移动电子设备平台(open mobile terminal platform，omtp)标准接口，美国蜂窝电信工业协会(cellular telecommunications industry association of the usa，ctia)标准接口。
134.压力传感器180a用于感受压力信号，可以将压力信号转换成电信号。在一些实施例中，压力传感器180a可以设置于显示屏194。压力传感器180a
135.的种类很多，如电阻式压力传感器，电感式压力传感器，电容式压力传感器等。电容式压力传感器可以是包括至少两个具有导电材料的平行板。当有力作用于压力传感器180a，电极之间的电容改变。电子设备100根据电容的变化确定压力的强度。当有触摸操作作用于显示屏194，电子设备100根据压力传感器180a检测所述触摸操作强度。电子设备100也可以根据压力传感器180a的检测信号计算触摸的位置。在一些实施例中，作用于相同触摸位置，但不同触摸操作强度的触摸操作，可以对应不同的操作指令。例如：当有触摸操作强度小于第一压力阈值的触摸操作作用于短消息应用图标时，执行查看短消息的指令。当有触摸操作强度大于或等于第一压力阈值的触摸操作作用于短消息应用图标时，执行新建短消息的指令。
136.陀螺仪传感器180b可以用于确定电子设备100的运动姿态。在一些实施例中，可以通过陀螺仪传感器180b确定电子设备100围绕三个轴(即，x，y和z轴)的角速度。陀螺仪传感器180b可以用于拍摄防抖。示例性的，当按下快门，陀螺仪传感器180b检测电子设备100抖动的角度，根据角度计算出镜头模组需要补偿的距离，让镜头通过反向运动抵消电子设备100的抖动，实现防抖。陀螺仪传感器180b还可以用于导航，体感游戏场景。
137.气压传感器180c用于测量气压。在一些实施例中，电子设备100通过气压传感器180c测得的气压值计算海拔高度，辅助定位和导航。
138.磁传感器180d包括霍尔传感器。电子设备100可以利用磁传感器180d检测翻盖皮套的开合。在一些实施例中，当电子设备100是翻盖机时，电子设备100可以根据磁传感器180d检测翻盖的开合。进而根据检测到的皮套的开合状态或翻盖的开合状态，设置翻盖自动解锁等特性。
139.加速度传感器180e可检测电子设备100在各个方向上(一般为三轴)加速度的大小。当电子设备100静止时可检测出重力的大小及方向。还可以用于识别电子设备姿态，应用于横竖屏切换，计步器等应用。
140.距离传感器180f，用于测量距离。电子设备100可以通过红外或激光测量距离。在一些实施例中，拍摄场景，电子设备100可以利用距离传感器180f测距以实现快速对焦。
141.接近光传感器180g可以包括例如发光二极管(led)和光检测器，例如光电二极管。发光二极管可以是红外发光二极管。电子设备100通过发光二极管向外发射红外光。电子设备100使用光电二极管检测来自附近物体的红外反射光。当检测到充分的反射光时，可以确定电子设备100附近有物体。当检测到不充分的反射光时，电子设备100可以确定电子设备100附近没有物体。电子设备100可以利用接近光传感器180g检测用户手持电子设备100贴近耳朵通话，以便自动熄灭屏幕达到省电的目的。接近光传感器180g也可用于皮套模式，口袋模式自动解锁与锁屏。
142.环境光传感器180l用于感知环境光亮度。电子设备100可以根据感知的环境光亮度自适应调节显示屏194亮度。环境光传感器180l也可用于拍照时自动调节白平衡。环境光传感器180l还可以与接近光传感器180g配合，检测电子设备100是否在口袋里，以防误触。
143.指纹传感器180h用于采集指纹。电子设备100可以利用采集的指纹特性实现指纹解锁，访问应用锁，指纹拍照，指纹接听来电等。
144.温度传感器180j用于检测温度。在一些实施例中，电子设备100利用温度传感器180j检测的温度，执行温度处理策略。例如，当温度传感器180j上报的温度超过阈值，电子设备100执行降低位于温度传感器180j附近的处理器的性能，以便降低功耗实施热保护。在另一些实施例中，当温度低于另一阈值时，电子设备100对电池142加热，以避免低温导致电子设备100异常关机。在其他一些实施例中，当温度低于又一阈值时，电子设备100对电池142的输出电压执行升压，以避免低温导致的异常关机。
145.触摸传感器180k，也称“触控器件”。触摸传感器180k可以设置于显示屏194，由触摸传感器180k与显示屏194组成触摸屏，也称“触控屏”。触摸传感器180k用于检测作用于其上或附近的触摸操作。触摸传感器可以将检测到的触摸操作传递给应用处理器，以确定触摸事件类型。可以通过显示屏194提供与触摸操作相关的视觉输出。在另一些实施例中，触摸传感器180k也可以设置于电子设备100的表面，与显示屏194所处的位置不同。
146.骨传导传感器180m可以获取振动信号。在一些实施例中，骨传导传感器180m可以获取人体声部振动骨块的振动信号。骨传导传感器180m也可以接触人体脉搏，接收血压跳动信号。在一些实施例中，骨传导传感器180m也可以设置于耳机中，结合成骨传导耳机。音频模块170可以基于所述骨传导传感器180m获取的声部振动骨块的振动信号，解析出语音信号，实现语音功能。应用处理器可以基于所述骨传导传感器180m获取的血压跳动信号解析心率信息，实现心率检测功能。
147.按键190包括开机键，音量键等。按键190可以是机械按键。也可以是触摸式按键。
电子设备100可以接收按键输入，产生与电子设备100的用户设置以及功能控制有关的键信号输入。
148.马达191可以产生振动提示。马达191可以用于来电振动提示，也可以用于触摸振动反馈。例如，作用于不同应用(例如拍照，音频播放等)的触摸操作，可以对应不同的振动反馈效果。作用于显示屏194不同区域的触摸操作，马达191也可对应不同的振动反馈效果。不同的应用场景(例如：时间提醒，接收信息，闹钟，游戏等)也可以对应不同的振动反馈效果。触摸振动反馈效果还可以支持自定义。
149.指示器192可以是指示灯，可以用于指示充电状态，电量变化，也可以用于指示消息，未接来电，通知等。
150.sim卡接口195用于连接sim卡。sim卡可以通过插入sim卡接口195，或从sim卡接口195拔出，实现和电子设备100的接触和分离。电子设备100可以支持1个或n个sim卡接口，n为大于1的正整数。sim卡接口195可以支持nano sim卡，micro sim卡，sim卡等。同一个sim卡接口195可以同时插入多张卡。所述多张卡的类型可以相同，也可以不同。sim卡接口195也可以兼容不同类型的sim卡。sim卡接口195也可以兼容外部存储卡。电子设备100通过sim卡和网络交互，实现通话以及数据通信等功能。在一些实施例中，电子设备100采用esim，即：嵌入式sim卡。esim卡可以嵌在电子设备100中，不能和电子设备100分离。
151.图2为本技术实施例的应用场景示意图，如图2所示，上述应用场景包括第一设备10及第二设备20，其中，该第二设备20可以为云端的服务器。该第二设备20可以用于向第一设备10提供当前拍摄的参数。
152.如图3所示为本技术提供的拍摄方法一个实施例的流程示意图，包括：
153.步骤301，第一设备10获取预览照片及环境信息。
154.具体地，用户可以打开第一设备10的摄像头，使得第一设备10进入拍摄模式。示例性的，用户可以在第一设备10的桌面点击相机应用程序，以打开摄像头，也可以在第三方应用软件(例如，社交软件)中调用摄像头。本技术实施例对上述打开摄像头的方式不做特殊限定。
155.响应于用户打开摄像头的操作，第一设备10获取预览画面，其中，该预览画面可以是当前的摄像头采集的当前环境的画面。接着，第一设备10可以进一步获取当前的预览照片。可以理解的是，上述预览照片是与当前的预览画面对应的照片。
156.进一步地，第一设备10还可以获取当前的环境信息，其中，该环境信息可以包括：位置、时间、气象及光线等信息。可以理解的是，上述环境信息仅是示例性说明，并不构成对本技术实施例的限定，在一些实施例中，还可以包括更多的环境信息。在具体实现时，上述位置信息可以通过第一设备10中的全球定位系统(global positioning system，gps)获得。上述时间信息可以通过第一设备10的系统时间获得。当获取到上述位置信息和时间信息后，可以通过第一设备10中的天气应用得到气象信息(例如，晴天，阴天，或雨天等)。接着，可以进一步获取朝向信息，其中，上述朝向信息可以通过第一设备10中的磁传感器180d和陀螺仪传感器180b获得，上述朝向信息可以用于表征第一设备10的朝向。进一步地，可以通过上述气象信息获得具体的光线数据，其中，该光线数据可以包括光照强度和自然光线相对摄像头的方向(例如，顺光、侧光、逆光等，其中，侧光又可分为前侧光、后侧光、左侧光、右侧光等)。
157.示例性的，上述拍摄环境的光照强度(单位：lux)可以通过第一设备10的环境光传感器180l获取。如果气象信息是晴天，则可以进一步计算自然光线相对摄像头的方向，计算方法是，首先通过地理位置和时间信息得到太阳方位；再根据摄像头193在第一设备10中的安装位置(例如，正面或者背面)和上述获取的第一设备10的朝向，得到摄像头193的方向；最后得到太阳方位和摄像头方向的相对位置，如图4所示，由此可以得到太阳光的自然光线相对摄像头193的方向类别，其中，该方向类别可以是顺光、侧光、逆光等。
158.步骤302，第一设备10将上述预览照片及环境信息发送给第二设备20。
159.具体地，当第一设备10获得上述预览照片及环境信息后，可以将该预览照片及环境信息发送给第二设备20。其中，上述第一设备10可以通过移动通信网络(例如，4g，5g等网络)或本地无线网络(例如，wifi)与第二设备20连接，由此可以使得第一设备10可以使用上述移动通信网络或本地无线网络将上述预览照片及环境信息发送给第二设备20。可以理解的是，本技术实施例对第一设备10向第二设备20发送上述预览照片及环境信息的方式不做特殊限定。
160.步骤303，第二设备20基于预览照片及环境信息生成拍摄参数。
161.具体地，当第二设备20接收到第一设备10发送的预览照片及环境信息后，可以基于上述预览照片及环境信息生成拍摄参数，其中，该拍摄参数可以是摄像头中用于执行拍摄的对应参数，例如，光圈大小、快门速度、iso、对焦方式、焦距、白平衡、曝光补偿等参数，可以理解的是，上述参数示例仅是示例性说明，并不构成对本技术实施例的限定，在一些实施例中，可以包括更多或更少的参数。
162.上述生成拍摄参数的具体过程如图5所示，可以包括如下子步骤：
163.步骤3031，第二设备20基于上述预览照片及环境信息，提取实际拍摄场景的特征。
164.具体地，第二设备20可以使用预设的图像识别模型，对上述预览照片进行识别，由此可以得到与上述预览照片对应的实际拍摄场景的特征，其中，该实际拍摄场景的特征可以包括内容特征及环境特征。
165.在具体实现时，可以将上述预览照片输入预设的图像识别模型。其中，该预设的图像识别模型可以是使用深度图像分割神经网络的模型，可选地，上述图像识别模型也可以使用其他图像识别功能的卷积神经网络，本技术实施例对上述图像识别模型的具体类型不做特殊限定。
166.通过上述图像识别模型对上述预览照片的计算，可以识别出上述预览照片中的内容特征，示例性的，该内容特征可以包括人像、建筑物、雪景、动物、植物等主体特征。此外，上述内容特征还可以包括上述主体与摄像头之间的距离。接着，通过上述图像识别模型还可以判断出上述预览照片对应的拍摄场景是在室内还是室外。
167.若上述预览照片对应的拍摄场景为室外环境，则第二设备20可以从上述环境信息中提取例如气象、光线等环境特征。
168.步骤3032，第二设备20基于获取的实际拍摄场景的特征，确定拍摄场景类别。
169.在具体实现时，上述拍摄场景类别可以预设，该预设的拍摄场景可以包括多个类别，例如，上述拍摄场景类别可以包括类别1(建筑物-远景-室外-晴天-光线亮度强)，类别2(人像-近景-室外-晴天-逆光)，类别3(海洋馆-动物-室内-光线亮度暗)等。其中，在确定上述拍摄场景类别时，可以使用预设的场景分类模型，例如贝叶斯网络模型。示例性的，以贝
叶斯网络模型为例，可以将上述已获取的实际拍摄场景的特征作为已出现的事件，得到实际拍摄场景属于每个预设拍摄场景类别的联合概率。基于贝叶斯理论：支持某项属性的事件发生得愈多，则该属性成立的可能性就愈大。最后选择最大概率的拍摄场景类别作为当前拍摄场景的类别。需要说明的是，除了上述贝叶斯网络模型之外，也可以使用其他类型的概率图形网络模型作为场景分类模型，本技术对上述场景分类模型的具体形式不做特殊限定。
170.若上述预览照片对应的拍摄场景为室内环境，则第二设备20可以直接根据拍摄场景的特征(例如，该拍摄场景的特征可以是上述预览照片中的内容特征和环境特征)确定拍摄场景类别。在具体实现时，可以将上述预览照片中的内容特征及环境特征输入预设的场景分类模型，如贝叶斯网络模型，由此可以得到对应的拍摄场景类别。
171.步骤3033，第二设备20基于上述拍摄场景类别，加载与该拍摄场景类别对应的参数决策模型，将上述预览照片作为输入，计算获得拍摄参数。
172.具体地，当第二设备20确定上述拍摄场景类别后，可以加载与上述拍摄场景类别对应的参数决策模型。接着，可以将上述预览照片输入上述参数决策模型中，运行模型，并由此计算获得与上述预览照片对应的拍摄参数。其中，该参数决策模型可以通过深度学习预先训练获得。具体训练的方式可以在下文中的拍摄参数训练方法中进行描述，在此不再赘述。
173.步骤304，第二设备20将上述拍摄参数发送给第一设备10。
174.步骤305，第一设备10使用上述拍摄参数进行拍摄。
175.具体地，第一设备10接收到上述第二设备20发送的拍摄参数后，将摄像头的拍摄配置参数初始化为上述拍摄参数，并可以使用上述初始化后的拍摄参数进行拍摄。用户亦可对上述初始化后的拍摄参数做手动调节。由此可以得到实际的拍摄照片。
176.可以理解的是，上面实施例中，步骤301-步骤305均为可选步骤，本技术只提供一种可行的实施例，还可以包括比步骤301-步骤305更多或更少的步骤，本技术对此不做限定。
177.需要说明的是，在一种可选的实施例中，上述如图3所示的应用场景中可以不包含第二设备20，也就是说，上述步骤301-步骤305都可以在第一设备10上执行。在上述只有第一设备10的场景中，上述第一设备10中可以包含预设的图像识别模型、场景分类模型及参数决策模型。
178.图6为本技术提供的拍摄方法另一个实施例的流程示意图，包括：
179.步骤601，第一设备10获取预览照片及环境信息。
180.具体地，用户可以打开第一设备10的摄像头，使得第一设备10进入拍摄模式。示例性的，用户可以在第一设备10的桌面点击相机应用程序，以打开摄像头，也可以在第三方应用软件(例如，社交软件)中调用摄像头。本技术实施例对上述打开摄像头的方式不做特殊限定。
181.响应于用户打开摄像头的操作，第一设备10获取预览画面，其中，该预览画面可以是当前的摄像头采集的当前环境的画面。接着，第一设备10可以进一步获取当前的预览照片。可以理解的是，上述预览照片是与当前的预览画面对应的照片。
182.进一步地，第一设备10还可以获取当前的环境信息，其中，该环境信息可以包括：
位置、时间、气象及光线等信息。可以理解的是，上述环境信息仅是示例性说明，并不构成对本技术实施例的限定，在一些实施例中，还可以包括更多的环境信息。在具体实现时，上述位置信息可以通过第一设备10中的全球定位系统(global positioning system，gps)获得。上述时间信息可以通过第一设备10的系统时间获得。当获取到上述位置信息和时间信息后，可以通过第一设备10中的天气应用得到气象信息(例如，晴天，阴天，或雨天等)。接着，可以进一步获取朝向信息，其中，上述朝向信息也可以通过第一设备10中的磁传感器180d和陀螺仪180b传感器获得，上述朝向信息可以用于表征第一设备10的朝向。进一步地，可以通过上述气象信息获得具体的光线数据，其中，该光线数据可以包括光照强度和自然光线相对摄像头的方向(例如，顺光、侧光、逆光等，其中侧光又可分为前侧光、后侧光、左侧光、右侧光等)。
183.步骤602，第一设备10基于预览照片及环境信息生成拍摄参数。
184.具体地，当第一设备10获得上述预览照片及环境信息后，可以基于上述预览照片及环境信息生成拍摄参数，其中，该拍摄参数可以是摄像头中用于执行拍摄的对应参数，例如，光圈大小、快门速度、iso、对焦方式、焦距、白平衡、曝光补偿等参数，可以理解的是，上述参数示例仅是示例性说明，并不构成对本技术实施例的限定，在一些实施例中，可以包括更多或更少的参数。
185.上述生成拍摄参数的具体过程可以包括如下子步骤：
186.步骤6021，第一设备10基于上述预览照片及环境信息，提取实际拍摄场景的特征。
187.具体地，第一设备10可以使用预设的图像识别模型，对上述预览照片进行识别，由此可以得到与上述预览照片对应的实际拍摄场景的特征，其中，该实际拍摄场景的特征可以包括内容特征及环境特征。
188.在具体实现时，可以将上述预览照片输入预设的图像识别模型。其中，该预设的图像识别模型可以是使用深度图像分割神经网络的模型，可选地，上述图像识别模型也可以使用其他图像识别功能的卷积神经网络，本技术实施例对上述图像识别模型的具体类型不做特殊限定。
189.通过上述图像识别模型对上述预览照片的计算，可以识别出上述预览照片中的内容特征，示例性的，该内容特征可以包括人像、建筑物、雪景、动物、植物等主体特征。此外，上述内容特征还可以包括上述主体与摄像头之间的距离。接着，通过上述图像识别模型还可以判断出上述预览照片对应的拍摄场景是在室内还是室外。
190.若上述预览照片对应的拍摄场景为室外环境，则第一设备10可以从上述环境信息中提取例如气象、光线等环境特征。
191.步骤6022，第一设备10基于获取的实际拍摄场景的特征，确定拍摄场景类别。
192.在具体实现时，上述拍摄场景类别可以预设，该预设的拍摄场景可以包括多个类别，例如，上述拍摄场景类别可以包括类别1(建筑物-远景-室外-晴天-光线亮度强)，类别2(人像-近景-室外-晴天-逆光)，类别3(海洋馆-动物-室内-光线亮度暗)等。其中，在确定上述拍摄场景类别时，可以使用预设的场景分类模型，例如贝叶斯网络模型。示例性的，以贝叶斯网络模型为例，可以将上述已获取的实际拍摄场景的特征作为已出现的事件，得到实际拍摄场景属于每个预设拍摄场景类别的联合概率。基于贝叶斯理论：支持某项属性的事件发生得愈多，则该属性成立的可能性就愈大。最后选择最大概率的拍摄场景类别作为当
前拍摄场景的类别。需要说明的是，除了上述贝叶斯网络模型之外，也可以使用其他类型的概率图形网络模型作为场景分类模型。本技术对上述场景分类模型的具体形式不做特殊限定。
193.若上述预览照片对应的拍摄场景为室内环境，则第一设备10可以直接根据拍摄场景的特征(例如，该拍摄场景的特征可以是上述预览照片中的内容特征和环境特征)确定拍摄场景类别。在具体实现时，可以将上述预览照片中的内容特征及环境特征输入预设的场景分类模型，如贝叶斯网络模型，由此可以得到对应的拍摄场景类别。
194.步骤6023，第一设备10基于上述拍摄场景类别，加载与该拍摄场景类别对应的参数决策模型，将上述预览照片作为输入，计算获得拍摄参数。
195.具体地，当第一设备10确定上述拍摄场景类别后，可以加载与上述拍摄场景类别对应的参数决策模型。接着，可以将上述预览照片输入上述参数决策模型中，运行模型，并由此计算获得与上述预览照片对应的拍摄参数。其中，该参数决策模型可以通过深度学习预先训练获得。具体训练的方式可以在下文中的拍摄参数训练方法中进行描述，在此不再赘述。
196.步骤603，第一设备10使用上述拍摄参数进行拍摄。
197.具体地，第一设备10确定上述拍摄参数后，将摄像头的拍摄配置参数初始化为上述拍摄参数，可以使用上述初始化后的拍摄参数进行拍摄。用户亦可对这些基于推荐的初始化拍摄参数做手动调节。由此可以得到实际的拍摄照片。
198.可以理解的是，上面实施例中，步骤601-步骤603均为可选步骤，本技术只提供一种可行的实施例，还可以包括比步骤601-步骤603更多或更少的步骤，本技术对此不做限定。
199.接着，下文对上述参数决策模型的训练过程进行详细说明。
200.本技术实施例还提供了一种拍摄参数训练方法，应用于第三设备30，该第三设备30可以是以计算机的形式体现，示例性的，该第三设备30可以是云端服务器(例如，上述第二设备20)，但并不限定于第二设备20，在一些实施例中，该第三设备30也可以是本地的台式计算机。可选地，该第三设备30页可以是终端设备(例如，上述第一设备10)。下文以第三设备30为计算机为例，并结合图7-图9-对上述拍摄参数训练方法进行说明。图7为本技术提供的拍摄参数训练方法一个实施例的流程示意图，包括：
201.步骤701，获取样本数据集。
202.具体地，上述样本数据集可以包括多份样本数据，其中，每份样本数据可以包括一张预览照片、一组专业模式参数、一张拍摄照片及与拍摄照片对应的环境信息。其中，该预览照片可以是摄像头采集的预览画面中的照片，该专业模式参数可以是在专业模式下用户设置的参数，该拍摄照片可以是摄像头使用上述专业模式参数拍摄获得的照片，该环境信息可以包括位置、时间、气象及光线等信息。上述环境信息的具体描述可参考步骤301，在此不再赘述。
203.可选地，上述拍摄照片还可以通过人工和/或机器筛选，示例性的，还可以使用图像美学工具和图像质量评价工具对上述拍摄照片进行筛选，由此可以筛选出高质量的拍摄照片。
204.表1示例性的示出了上述样本数据集。
205.表1
[0206][0207]
如表1所示，上述样本数据集包括n个样本数据，每个样本数据包括预览照片、专业模式参数、拍摄照片及环境信息等。
[0208]
步骤702，将上述样本数据集中的每张拍摄照片输入预设的图像识别模型中进行识别，获得内容特征。
[0209]
具体地，该预设的图像识别模型可以是使用深度图像分割神经网络的模型，可选地，上述图像识别模型也可以使用其他图像识别功能的卷积神经网络，本技术实施例对上述图像识别模型的具体类型不做特殊限定。
[0210]
当通过上述预设的图像识别模型对上述拍摄照片进行识别后，可以得到与上述拍摄照片对应的内容特征，其中，该内容特征可以包括例如人像、建筑物、雪景、动物、植物等主体特征。
[0211]
此外，上述内容特征还可以包括上述主体与摄像头之间的距离。接着，通过上述图像识别模型还可以判断出上述拍摄照片对应的拍摄场景是在室内还是室外。
[0212]
步骤703，基于内容特征进行拍摄场景的分类，得到拍摄场景类别。
[0213]
具体地，当确定上述拍摄环境(例如，室内或室外)后，可以基于上述内容特征对上述样本数据集中每张拍摄照片进行拍摄场景分类，由此可以得到每张拍摄照片的拍摄场景类别。
[0214]
图8为上述拍摄场景分类的流程示意图，如图8所示，
[0215]
若上述拍摄照片对应的拍摄场景为室外环境，则可以基于环境特征及内容特征对上述拍摄照片的拍摄场景进行分类，由此可以得到拍摄场景类别，其中，上述环境特征可以通过上述环境信息获得。在具体实现时，上述拍摄场景类别可以包括多个类别，例如，类别1(建筑物-远景-室外-晴天-光线亮度强)，类别2(人像-近景-室外-晴天-逆光)，类别3(海洋馆-动物-室内-光线亮度暗)等。
[0216]
若上述预览照片对应的拍摄场景为室内环境，则可以直接根据内容特征确定拍摄场景类别。
[0217]
步骤704，构建训练数据集
[0218]
具体地，当获取到每张拍摄照片的拍摄场景类别后，可以将样本数据集中的所有拍摄照片进行分组，分组的方式可以按照拍摄场景的类别进行，例如，可以将相同类别的拍摄场景的拍摄照片分为一组。当对上述拍摄照片进行分组后，可以根据拍摄照片找到对应的预览照片及专业模式参数，示例性的，以表1为例，可以通过拍摄照片1找到对应的预览照片1及专业模式参数1，由此可以得到多组训练数据，该多组训练数据构成了训练数据集，其中，每组训练数据包括同一个拍摄场景类别下的多个训练数据，每个训练数据包括所属该拍摄场景类别下的预览照片及专业模式参数。
[0219]
表2示例性的示出了上述训练数据集。
[0220][0221]
如表2所示，上述训练数据集包括m个拍摄场景类别，每个拍摄场景类别下可以包括多个训练数据，每个训练数据可以包括所属于该拍摄场景类别下的预览照片及专业模式参数。
[0222]
步骤705，基于上述训练数据集，对预设参数决策模型进行训练。
[0223]
具体地，可以将上述训练数据集分为训练集及验证集。其中，训练集与验证集的分配比例可以预先设定，本技术实施例对此不做特殊限定。接着，可以将上述训练集输入预设的参数决策模型中进行训练。
[0224]
需要说明的是，由于拍摄场景类别有多个，而每个拍摄场景类别可以对应一个参数决策模型，因此，可以分别多个参数决策模型进行训练。
[0225]
在具体实现时，可以将上述训练集中的预览照片输入上述预设的参数决策模型中进行计算，由此可以得到预测的拍摄参数，可以理解的是，上述输入的预览照片可以是yuv格式的数据，也可以是rgb格式，本技术实施例对此不做特殊限定。其中，上述预测的拍摄参数可以包括例如光圈大小、快门速度、iso、对焦方式、焦距、白平衡、曝光补偿等参数。
[0226]
图9为参数决策模型的训练架构示意图。如图9所示，当对任一个特定拍摄场景类别的参数决策模型进行训练时，预览照片为输入数据，输出数据为预测的拍摄参数。
[0227]
可以理解的是，上述训练集中的专业模式参数可以作为标签数据。也就是说，上述训练集中的训练数据可以包括特征数据及标签数据。其中，特征数据可以用于输入，并进行计算，例如，该特征数据可以包括预览照片等。标签数据可以用于在训练过程中与输出进行比对，以便通过训练将模型的损失进行收敛，该标签数据可以是预先标识的专业模式参数。此外，在对任一个参数决策模型的训练过程中，目标函数可以为预测拍摄参数与专业模式参数的均方差，也就是预测数据与标签数据的均方差。接着，通过上述训练数据的训练，重复迭代直到该参数决策模型收敛为止。
[0228]
同样地，对其他所有参数决策模型的训练，可以获得与拍摄场景类别对应的参数决策模型。
[0229]
进一步地，当对上述不同拍摄场景类别的参数决策模型训练完成后，还可以通过上述验证集进行验证，若验证后达到预设要求，则训练完成，若验证后未达到预设要求，则可以进行进一步训练，例如，重新获取样本数据集，重复步骤701-步骤705进行再次训练。
[0230]
通过区分不同的拍摄场景类别，可以提高神经网络对特定场景下环境特征的提取，能够加速模型的收敛过程，避免出现过拟合或无法收敛等异常情况的发生，进而可以提高模型对场景的适应性。
[0231]
通过上述拍摄参数训练方法，可以获得上述参数决策模型，由此可以使得第二设备20可以基于上述参数决策模型对第一设备10发送的预览照片及环境信息进行计算，得到对应的拍摄参数，进而可以减轻第一设备10的计算量，并可以提高拍摄质量。
[0232]
下面结合图10进一步介绍本技术以下实施例中提供的示例性电子设备。图10示出了电子设备1000的结构示意图，该电子设备1000可以是上述第三设备30。
[0233]
上述电子设备1000可以包括：至少一个处理器；以及与上述处理器通信连接的至少一个存储器，其中：上述存储器存储有可被上述处理器执行的程序指令，处理器调用上述程序指令能够执行本技术图7-图9所示实施例提供的方法。
[0234]
图10示出了适用于实现本技术实施方式的示例性电子设备1000的框图。图10显示的电子设备1000仅仅是一个示例，不应对本技术实施例的功能和使用范围带来任何限制。
[0235]
如图10所示，电子设备1000以通用计算设备的形式表现。电子设备1000的组件可以包括但不限于：一个或者多个处理器1010，存储器1020，连接不同系统组件(包括存储器1020和处理器1010)的通信总线1040以及通信接口1030。
[0236]
通信总线1040表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(industry standard architecture；以下简称：isa)总线，微通道体系结构(micro channel architecture；以下简称：mac)总线，增强型isa总线、视频电子标准协会(video electronics standards association；以下简称：vesa)局域总线以及外围组件互连(peripheral component interconnection；以下简称：pci)总线。
[0237]
电子设备1000典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
[0238]
存储器1020可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(random access memory；以下简称：ram)和/或高速缓存存储器。电子设备可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。尽管图10中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如：光盘只读存储器(compact disc read only memory；以下简称：cd-rom)、数字多功能只读光盘(digital video disc read only memory；以下简称：dvd-rom)或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与通信总线1040相连。存储器1020可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本技术各实施例的功能。
[0239]
具有一组(至少一个)程序模块的程序/实用工具，可以存储在存储器1020中，这样的程序模块包括——但不限于——操作系统、一个或者多个应用程序、其它程序模块以及
程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块通常执行本技术所描述的实施例中的功能和/或方法。
[0240]
电子设备1000也可以与一个或多个外部设备(例如键盘、指向设备、显示器等)通信，还可与一个或者多个使得用户能与该电子设备交互的设备通信，和/或与使得该电子设备能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过通信接口1030进行。并且，电子设备1000还可以通过网络适配器(图10中未示出)与一个或者多个网络(例如局域网(local area network；以下简称：lan)，广域网(wide area network；以下简称：wan)和/或公共网络，例如因特网)通信，上述网络适配器可以通过通信总线1040与电子设备的其它模块通信。应当明白，尽管图10中未示出，可以结合电子设备1000使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、磁盘阵列(redundant arrays of independent drives；以下简称：raid)系统、磁带驱动器以及数据备份存储系统等。
[0241]
处理器1010通过运行存储在存储器1020中的程序，从而执行各种功能应用以及数据处理，例如实现本技术实施例提供的拍摄参数训练方法。
[0242]
图11为本技术拍摄装置一个实施例的结构示意图，如图11所示，上述拍摄装置1100应用于第一设备10，可以包括：获取模块1110、计算模块1120及拍摄模块1130；其中，
[0243]
获取模块1110，用于获取预览照片及环境信息；
[0244]
计算模块1120，用于基于预览照片及环境信息获得拍摄参数；
[0245]
拍摄模块1130，用于使用拍摄参数进行拍摄。
[0246]
其中一种可能的实现方式中，上述计算模块1120还用于基于预览照片及环境信息，确定拍摄场景类别；将预览照片输入与拍摄场景类别对应的预设参数决策模型，得到拍摄参数。
[0247]
其中一种可能的实现方式中，上述计算模块1120还用于将预览照片及环境信息发送给第二设备；其中，预览照片及环境信息用于第二设备确定拍摄参数；
[0248]
接收第二设备发送的拍摄参数。
[0249]
其中一种可能的实现方式中，环境信息包括位置信息、时间信息、气象信息及光线信息中的一种或多种。
[0250]
其中一种可能的实现方式中，拍摄参数包括光圈大小、快门速度、感光度iso、对焦方式、焦距、白平衡及曝光补偿中的一个或多个。
[0251]
其中一种可能的实现方式中，第一设备包括手机或平板。
[0252]
图12为本技术拍摄参数训练装置一个实施例的结构示意图，如图12所示，上述拍摄参数训练装置1200可以包括：获取模块1210及训练模块1220；其中，
[0253]
获取模块1210，用于获取训练数据集；其中，训练数据集包括多个拍摄场景类别的训练数据子集，每个训练数据子集包括多个训练数据，每个训练数据包括与拍摄场景类别对应的预览照片及拍摄场景类别对应的预设拍摄参数；
[0254]
训练模块1220，用于使用训练数据集对预设参数决策模型进行训练，其中，预设参数决策模型用于输入预览照片，输出预测拍摄参数。
[0255]
其中一种可能的实现方式中，拍摄场景类别由样本数据集中的拍摄照片确定，样本数据集包括多个样本数据，每个样本数据包括拍摄照片、预览照片及预设拍摄参数。
[0256]
其中一种可能的实现方式中，样本数据集还包括与拍摄照片对应的环境信息，上述获取模块1210还用于对拍摄照片进行识别，得到内容特征；基于内容特征确定拍摄场景；若拍摄场景为室内，则基于内容特征确定与每张拍摄照片对应的拍摄场景类别；或
[0257]
若拍摄场景为室外，则基于环境特征及内容特征确定与每张拍摄照片对应的拍摄场景类别；其中，环境特征由环境信息获得。
[0258]
其中一种可能的实现方式中，预设参数决策模型包括多个模型，每个模型与拍摄场景类别对应。
[0259]
图11所示实施例提供的拍摄装置1100和图12所示实施例提供的拍摄参数训练装置1200可用于分别执行本技术图1-图6及图7-图9所示方法实施例的技术方案，其实现原理和技术效果可以进一步参考方法实施例中的相关描述。
[0260]
应理解，以上图11所示的拍摄装置和图12所示的拍摄参数训练装置的各个模块的划分仅仅是一种逻辑功能的划分，实际实现时可以全部或部分集成到一个物理实体上，也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现；也可以全部以硬件的形式实现；还可以部分模块以软件通过处理元件调用的形式实现，部分模块通过硬件的形式实现。例如，检测模块可以为单独设立的处理元件，也可以集成在电子设备的某一个芯片中实现。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起，也可以独立实现。在实现过程中，上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
[0261]
例如，以上这些模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路(application specific integrated circuit；以下简称：asic)，或，一个或多个微处理器(digital signal processor；以下简称：dsp)，或，一个或者多个现场可编程门阵列(field programmable gate array；以下简称：fpga)等。再如，这些模块可以集成在一起，以片上系统(system-on-a-chip；以下简称：soc)的形式实现。
[0262]
可以理解的是，本技术实施例示意的各模块间的接口连接关系，只是示意性说明，并不构成对电子设备的结构限定。在本技术另一些实施例中，电子设备也可以采用上述实施例中不同的接口连接方式，或多种接口连接方式的组合。
[0263]
可以理解的是，上述电子设备等为了实现上述功能，其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，本技术实施例能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本技术实施例的范围。
[0264]
本技术实施例可以根据上述方法示例对上述电子设备等进行功能模块的划分，例如，可以对应各个功能划分各个功能模块，也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。需要说明的是，本技术实施例中对模块的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
[0265]
通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上
述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0266]
在本技术实施例各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0267]
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：快闪存储器、移动硬盘、只读存储器、随机存取存储器、磁碟或者光盘等各种可以存储程序代码的介质。
[0268]
以上所述，仅为本技术的具体实施方式，但本技术的保护范围并不局限于此，任何在本技术揭露的技术范围内的变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应以所述权利要求的保护范围为准。