摄影棚照明场景识别

技术领域

本发明涉及摄像画面监控领域，更具体地，涉及一种摄影棚照明场景识别平台。

背景技术

摄影棚是供拍摄影片用的特殊建筑物，在电影史上，最早出现的摄影棚，是利用日光照明采用金属和木料结构的框架和玻璃顶棚。摄影棚内使用面积一般为500~5000平方米。摄影棚是电影制片厂中拍摄内景的最主要的生产场所。早期的摄影棚只是一个仅有顶棚和棚架、四面漏空的“大棚子”。

通常，摄影棚的顶棚为搭景、照明、电力分配和吊装等工作提供条件，是摄影棚重要的构成部分。最原始的摄影棚仅于屋架下弦临时需要的位置加装木方，以备悬挂灯板、固定布景、吊装道具之用。由于操作人员高空作业，很不安全。其后逐渐在屋架内或屋架下设置天桥。天桥有纵向设置、横向设置及纵横双向设置几种，并设有防护栏杆，以求安全。但天桥与天桥之间仍有空档，工作时仍有不便之处。后来又发展为格栅式顶棚，使整个顶棚内成为到处可以进行各项工作的工作台，从而使搭景、照明等工作更为灵活、有效、迅速、安全。天桥和栅顶可为木制，结构轻巧、成本较低。也可承重，最主要的是它可以非常迅速而有效地用简单的方法将布景固定在木质支架上，但防火性能较差。他亦可为钢制或钢筋混凝土制，坚固、耐火，承重较大，但自重较大，无法用钉固定布景，使用金属连接件既费事又不灵活。天桥上起重一般使用可沿轨道移动的电动吊车；栅顶则用轻便电动绞车，但不能沿着轨道移动。

在实际使用中，摄影棚可能是开放式的或者半开放式的，此时，摄影棚内的摄像机位的附近的照明设施类型不一定能真实反应摄像机摄像画面的照明场景类型，原因在于摄影棚照明设施的复杂性和综合作用，例如，所述摄影棚内可能包括太阳光以及各种照明设施的照明光源，因此，为了对摄像机的摄像画面进行参数控制和质量把控，需要及时确定摄影棚内的摄像机位的真实照明场景类型。

发明内容

为了解决相关领域的技术问题，本发明提供了一种摄影棚照明场景识别平台，能够基于摄影棚的摄像机位的附近的分时检测的色温数值变化率采用训练后的双向循环神经网络对摄影棚内的摄像机位的真实照明场景类型进行识别，从而使得摄像机拍摄画面的色彩满足拍摄方的预定要求。

为此，本发明需要具备以下几处重要的发明点：

（1）对摄影棚的摄像机位的附近的分时检测的色温数值变化率进行分析，基于分析结果采用人工智能模式对摄像机位附近采用的真实照明类型进行现场鉴定，从而便于在复杂的照明环境下对拍摄参数乃至拍摄质量进行有效掌控；

（2）基于即时色温数据、前次色温数据以及后次色温数据计算所述即时色温数据的变化率，其中，将所述前次色温数据与所述即时色温数据之差的绝对值作为第一绝对值，将所述后次色温数据与所述即时色温数据之差的绝对值作为第二绝对值，对所述第一绝对值和所述第二绝对值进行均值计算以获得参考均值，将所述参考均值除以所述即时色温数据以获得所述即时色温数据的变化率。

根据本发明的一方面，提供了一种摄影棚照明场景识别平台，所述平台包括：

实时计时机构，设置在被监控的摄影棚内，用于每隔相同时间发送一次数据采集指令；

色温采集机构，设置在摄影棚内的摄像机位的附近，与所述实时计时机构连接，用于在每一次接收所述数据采集指令时，执行一次其所在位置的色温数据采集，以获得对应的即时色温数据，所述摄影棚内包括太阳光以及各种照明设施的照明光源；

变化检测设备，与所述色温采集机构连接，用于对接收到的预设时间长度内的多次即时色温数据中除了最早时刻和最晚时刻对应的两种即时色温数据之外的每一次即时色温数据执行以下变化检测动作：将所述即时色温数据之前的即时色温数据作为前次色温数据，将所述即时色温数据之后的即时色温数据作为后次色温数据，基于所述即时色温数据、所述前次色温数据以及所述后次色温数据计算所述即时色温数据的变化率；

数据整理设备，与所述变化检测设备连接，用于获得所述接收到的预设时间长度内的多次即时色温数据中除了最早时刻和最晚时刻对应的两种即时色温数据之外的每一次即时色温数据对应的变化率以获得各个变化率，将所述各个变化率作为双向循环神经网络的输入数据发送给双向循环神经网络；

场景识别设备，与所述数据整理设备连接，用于运行训练后的双向循环神经网络以获得训练后的双向循环神经网络的输出数据即当前照明类型，所述当前照明类型为摄影棚内的摄像机位附近的照明场景参数；

其中，训练后的双向循环神经网络的输出数据即当前照明类型包括日光照明类型和灯光照明类型两种类型；

其中，基于所述即时色温数据、所述前次色温数据以及所述后次色温数据计算所述即时色温数据的变化率包括：将所述前次色温数据与所述即时色温数据之差的绝对值作为第一绝对值，将所述后次色温数据与所述即时色温数据之差的绝对值作为第二绝对值，对所述第一绝对值和所述第二绝对值进行均值计算以获得参考均值，将所述参考均值除以所述即时色温数据以获得所述即时色温数据的变化率；

其中，所述场景识别设备包括参数存储单元、网络训练单元、网络执行单元和数据接收单元。

根据本发明的另一方面，还提供了一种摄影棚照明场景识别方法，所述方法包括使用一种如上述的摄影棚照明场景识别平台，用于根据摄像棚摄像机位附近分时测量的色温数据的变化率识别复杂照明环境下摄像棚中摄像机位的真实照明场景从而为摄像画面的控制提供参考数据。

本发明的摄影棚照明场景识别平台结构定制、识别智能。由于能够在定制的色温变化率检测的基础上，采用人工智能模式对摄影棚的摄像机位的真实照明类型进行现场鉴定，从而便于在复杂的照明环境下对拍摄参数乃至拍摄质量进行有效掌控。

具体实施方式

下面将对本发明的摄影棚照明场景识别平台的实施方案进行详细说明。

在电影摄影照明中，灯板和灯板架在广泛使用，吊杆灯和悬吊管架式吊灯使用较少。灯板是放置灯具的平台，而灯板架是悬挂灯板的器具。灯板以木制的居多，可用几块木板拼搭，也可用整块成型灯板，其四角由灯板架悬挂在天桥或栅顶上。灯板架可用刚性金属条或木条，也可用柔性的绳索、钢丝索、铁链等。刚性灯板架易于固定，可减少晃动；柔性的则易于调整位置。随着科学技术的发展，照明器材的重量在减轻，新的光源也开始使用，但操作方式通常依旧是人工。因为可遥控的能转动、俯仰、升降、移动的伸缩吊杆系统往往难以调整到所需要的准确位置和角度上，而且造价昂贵、维护复杂，很不实用。

照明所用电力配置系统大部分设在天桥或栅顶上，目的是尽可能的减少场地的拥挤。灯光的开启和关闭等可以适当地使用遥控设备。

在实际使用中，摄影棚可能是开放式的或者半开放式的，此时，摄影棚内的摄像机位的附近的照明设施类型不一定能真实反应摄像机摄像画面的照明场景类型，原因在于摄影棚照明设施的复杂性和综合作用，例如，所述摄影棚内可能包括太阳光以及各种照明设施的照明光源，因此，为了对摄像机的摄像画面进行参数控制和质量把控，需要及时确定摄影棚内的摄像机位的真实照明场景类型。

为了克服上述不足，本发明搭建了一种摄影棚照明场景识别平台，能够有效解决相应的技术问题。

根据本发明实施方案示出的摄影棚照明场景识别平台包括：

实时计时机构，设置在被监控的摄影棚内，用于每隔相同时间发送一次数据采集指令；

色温采集机构，设置在摄影棚内的摄像机位的附近，与所述实时计时机构连接，用于在每一次接收所述数据采集指令时，执行一次其所在位置的色温数据采集，以获得对应的即时色温数据，所述摄影棚内包括太阳光以及各种照明设施的照明光源；

变化检测设备，与所述色温采集机构连接，用于对接收到的预设时间长度内的多次即时色温数据中除了最早时刻和最晚时刻对应的两种即时色温数据之外的每一次即时色温数据执行以下变化检测动作：将所述即时色温数据之前的即时色温数据作为前次色温数据，将所述即时色温数据之后的即时色温数据作为后次色温数据，基于所述即时色温数据、所述前次色温数据以及所述后次色温数据计算所述即时色温数据的变化率；

数据整理设备，与所述变化检测设备连接，用于获得所述接收到的预设时间长度内的多次即时色温数据中除了最早时刻和最晚时刻对应的两种即时色温数据之外的每一次即时色温数据对应的变化率以获得各个变化率，将所述各个变化率作为双向循环神经网络的输入数据发送给双向循环神经网络；

场景识别设备，与所述数据整理设备连接，用于运行训练后的双向循环神经网络以获得训练后的双向循环神经网络的输出数据即当前照明类型，所述当前照明类型为摄影棚内的摄像机位附近的照明场景参数；

其中，训练后的双向循环神经网络的输出数据即当前照明类型包括日光照明类型和灯光照明类型两种类型；

其中，基于所述即时色温数据、所述前次色温数据以及所述后次色温数据计算所述即时色温数据的变化率包括：将所述前次色温数据与所述即时色温数据之差的绝对值作为第一绝对值，将所述后次色温数据与所述即时色温数据之差的绝对值作为第二绝对值，对所述第一绝对值和所述第二绝对值进行均值计算以获得参考均值，将所述参考均值除以所述即时色温数据以获得所述即时色温数据的变化率；

其中，所述场景识别设备包括参数存储单元、网络训练单元、网络执行单元和数据接收单元。

接着，继续对本发明的摄影棚照明场景识别平台的具体结构进行进一步的说明。

所述摄影棚照明场景识别平台中：

所述网络训练单元用于对双向循环神经网络进行训练包括：将所述接收到的预设时间长度内的多次即时色温数据中除了最早时刻和最晚时刻对应的两种即时色温数据之外的各次即时色温数据的数量作为预设输入数量，将在摄影棚内的摄像机位的附近的照明场景为日光照明场景时，将通过所述色温采集机构、所述变化检测设备和所述数据整理设备获取的与所述预设输入数量相同数量的变化率作为所述双向循环神经网络的输入数据，将日光照明类型作为所述双向循环神经网络的输出数据，对所述双向循环神经网络进行训练；

其中，所述网络训练单元用于对双向循环神经网络进行训练还包括：在完成日光照明类型对应的训练之后，将所述接收到的预设时间长度内的多次即时色温数据中除了最早时刻和最晚时刻对应的两种即时色温数据之外的各次即时色温数据的数量作为预设输入数量，将在摄影棚内的摄像机位的附近的照明场景为灯光照明场景时，将通过所述色温采集机构、所述变化检测设备和所述数据整理设备获取的与所述预设输入数量相同数量的变化率作为所述双向循环神经网络的输入数据，将灯光照明类型作为所述双向循环神经网络的输出数据，对所述双向循环神经网络进行训练；

其中，所述网络训练单元将完成灯光照明类型对应的训练之后的双向循环神经网络发送给所述网络执行单元。

所述摄影棚照明场景识别平台中：

在所述场景识别设备中，所述参数存储单元与所述网络训练单元连接，用于存储被所述网络训练单元训练后的双向循环神经网络的各个参数。

所述摄影棚照明场景识别平台中：

在所述场景识别设备中，所述数据接收单元与所述数据整理设备连接，用于接收所述各个变化率。

所述摄影棚照明场景识别平台中：

在所述场景识别设备中，所述网络训练单元用于对双向循环神经网络进行训练。

所述摄影棚照明场景识别平台中：

在所述场景识别设备中，所述网络执行单元分别与所述网络训练单元和所述数据接收单元连接，用于运行训练后的双向循环神经网络以获得训练后的双向循环神经网络的输出数据即当前照明类型。

所述摄影棚照明场景识别平台中：

所述双向循环神经网络包括依次连接的输入层、前向层、后向层和输出层，所述输入层用于接收输入数据，所述输出层用于输出输出数据。

所述摄影棚照明场景识别平台中还可以包括：

同步控制机构，分别与所述参数存储单元、所述网络训练单元、所述网络执行单元和所述数据接收单元连接。

所述摄影棚照明场景识别平台中：

所述同步控制机构用于实现所述参数存储单元、所述网络训练单元、所述网络执行单元和所述数据接收单元的动作同步。

同时，为了克服上述不足，本发明还搭建了一种摄影棚照明场景识别方法，所述方法包括使用一种如上述的摄影棚照明场景识别平台，用于根据摄像棚摄像机位附近分时测量的色温数据的变化率识别复杂照明环境下摄像棚中摄像机位的真实照明场景从而为摄像画面的控制提供参考数据。

另外，在所述摄影棚照明场景识别平台中，所述色温采集机构采集的色温是表示光线中包含颜色成分的一个计量单位。从理论上说，黑体温度指绝对黑体从绝对零度（－273℃）开始加温后所呈现的颜色。黑体在受热后，逐渐由黑变红，转黄，发白，最后发出蓝色光。当加热到一定的温度，黑体发出的光所含的光谱成分，就称为这一温度下的色温，计量单位为“K”（开尔文）。

如果某一光源发出的光，与某一温度下黑体发出的光所含的光谱成分相同，就称为某K色温。如100W灯泡发出的光的颜色，与绝对黑体在2527℃时的颜色相同，那么这只灯泡发出的光的色温就是：（2527+273）K=2800K。

色温是一种温度衡量方法，通常用在物理和天文学领域，这个概念基于一个虚构黑色物体，在被加热到不同的温度时会发出不同颜色的光，其物体呈现为不同颜色。就像加热铁块时，铁块先变成红色，然后是黄色，最后会变成白色。

使用这种方法标定的色温与普通大众所认为的“暖”和“冷”正好相反，例如，通常人们会感觉红色．橙色和黄色较暖，白色和蓝色较冷，而实际上红色的色温最低，然后逐步增加的是橙色、黄色、白色和蓝色，蓝色是最高的色温。

利用自然光拍摄时，由于不同时间段光线的色温并不相同，因此拍摄出来的照片色彩也并不相同。例如，在晴朗的蓝天下拍摄时，由于光线的色温较高，因此照片偏冷色调；而如果在黄昏时拍摄时，由于光线的色温较低，因此照片偏暖色调。利用人工光线进行拍摄时，也会出现光源类型不同，拍摄出来的照片色调不同的情况。

了解光线与色温之间的关系有助于摄影师在不同的光线下进行拍摄，预先算计出将会拍摄出什么色调的照片，并进一步考虑是要强化这种色调还是减弱这种色调，在实际拍摄时应该利用相机的哪一种功能来强化或弱化这种色调。

光源色温不同，带来的感觉也不相同。高色温光源照射下．如亮度不高就会给人们一种阴冷的感觉；低色温光源照射下，亮度过高则会给人们一种闷热的感觉。色温越低，色调越暖（偏红）；色温越高，色调越冷（偏蓝）。

色温（colour temperature）是可见光在摄影、录像、出版等领域具有重要应用的特征。光源的色温是通过对比它的色彩和理论的热黑体辐射体来确定的。热黑体辐射体与光源的色彩相匹配时的开尔文温度就是那个光源的色温，它直接和普朗克黑体辐射定律相联系。

不应该认为本发明只限于上述具体实例，而是应该认为本发明包括如所附权利要求书中明确提出的本发明的所有方面。在阅读本说明书之后，本发明所属领域的技术人员将很容易明白适用于本发明的各种修改、等同方案以及多种结构。权利要求书旨在包括这些修改和设计。