一种照片获取方法及装置与流程

本申请涉及图像处理领域，尤其涉及一种照片的获取方法及装置。

背景技术：

随着现代科技的不断发展，人脸识别技术作为数字信息发展中的一项新兴生物特征识别技术，在许多领域得到了广泛应用，例如，在学校、机场、法院等重点安防单位，可以通过人脸识别技术实现门禁或进行安全监控；在互联网应用中，可以通过人脸识别技术建立自己的生物特征标识，用于支付等对安全性要求较高的在线业务；在娱乐游戏中，可以通过人脸识别技术建立自己的3D模型，从而提高在娱乐游戏用户的体验。

在人脸识别技术的各种应用场景中，人脸图像往往通过对用户进行拍照的方式获取，而用户在拍照时常常会下意识的做出一些动作、表情导致人脸图像不规范，例如，斜上方45°角拍摄、侧脸收下巴、刘海遮挡额头等，这些不规范的动作、表情将会严重影响对人脸图像的识别效果。尤其在娱乐游戏中，若用户的照片不符合标准，则无法依据用户的人脸照片重建出用户的3D模型。因此，如何获取用户能够重建3D模型的标准照片成为了亟待解决的问题。

技术实现要素：

为了解决上述问题，本申请提供了一种照片获取方法及装置，旨在为用户获取到符合指定标准的照片，为重建3D模型奠定基础。

本申请实施例提供一种照片获取方法，包括：

获取用户的初始图像；

依据所述初始图像，获取用户的人脸模型，所述人脸模型包括用户的人脸特征点；

对所述人脸模型进行检测；

依据检测的结果，按照评分标准对所述初始图像进行评分；其中，所述评分标准表征所述检测的结果与评分分值的对应关系；

依据所述初始图像的评分结果，输出所述照片。

可选地，本申请实施例提供的照片获取方法中，在对所述人脸模型进行检测之后，还包括：

依据所述检测的结果和/或初始图像的评分结果，提示用户调整姿态。

本申请实施例还提供了一种照片获取装置，包括：

获取模块，用于获取用户的初始图像；

建模模块，用于依据所述初始图像，获取用户的人脸模型，所述人脸模型包括用户的人脸特征点；

检测模块，用于对所述人脸模型进行检测；

评分模块，用于依据检测的结果，按照评分标准对所述初始图像进行评分；其中，所述评分标准表征所述检测的结果与评分分值的对应关系；

输出模块，用于依据所述初始图像的评分结果，输出所述照片。

本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：

(1)本申请先获取用户的初始图像，对依据初始图像建立的人脸模型进行检测和评分，对用户的初始图像按照评分标准进行量化评价，再依据评分结果评估成像质量，进而输出符合指定标准的照片。这就保证了获取到的照片能够符合指定标准，满足3D模型重建的需要，从而能够依据这些照片重建用户的3D模型。

(2)本申请在对获取到的用户的初始图像进行检测的基础上，还可以依据检测和/或评分的结果，在用户出现了不符合指定标准的动作和/或表情时，可以提醒用户调整姿态至符合标准的动作和/或表情，再重新获取用户调整姿态之后的初始图像，对该初始图像做进一步的检测、评分等处理。采用这种方式，能够帮助和指导用户对自己的动作和/或表情进行调整，从而获得符合指定标准的照片。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本申请实施例中一种照片获取方法的流程示意图；

图2为本申请实施例中第二种照片获取方法的流程示意图；

图3为本申请实施例中一种照片获取装置的结构示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

以下结合附图，详细说明本申请各实施例提供的技术方案。

本申请实施例提供了一种照片获取方法，参见图1所示，包括：

S101：获取用户的初始图像；

S102：依据初始图像，获取用户的人脸模型，人脸模型包括用户的人脸特征点；

S103：对人脸模型进行检测；

S104：依据检测的结果，按照评分标准对初始图像进行评分；其中，评分标准表征检测的结果与评分分值的对应关系；

S105：依据初始图像的评分结果，输出照片。

上述实施例中的各步骤有多种可组合的执行顺序和执行方式，例如：

(1)各步骤可以依次顺序执行。例如，可以执行步骤S101获取了一帧初始图像后，依据这一帧初始图像获取用户的人脸模型，接下来对这一人脸模型进行检测、评分，再依据评分结果输出与该人脸模型对应的照片。

(2)各步骤中某一步骤或者多个步骤可以根据需要循环执行后再执行下一步骤。例如，在执行步骤S101获取初始图像时，可以循环执行多次从而获取多幅初始图像。在执行步骤S102～步骤104时，可以对多幅初始图像分别处理获取多个人脸模型后，再对各人脸模型进行检测和评分。在进行检测和评分时，可以每检测完一个项目就依据该项目的检测结果进行评分，也可以检测完全部项目后再对各项目分别进行评分。

(3)对于获取的每一幅初始图像，都可参照图1所示实施例进行处理，在满足一定条件时，也可以结束对某幅初始图像的处理流程，而跳转回步骤S101重新获取一幅初始图像或者对下一幅初始图像进行人脸模型的识别、检测和/或评分。例如，当对初始图像的评分结果未达到预设要求时，可以输出照片并告知用户该照片的得分，供用户取舍，也可以直接跳转回步骤S101重新获取一幅初始图像。

在具体实现上述各步骤时，可以采用单线程依次进行(各步骤依次顺序执行或某步骤循环执行均可)，也可以采用多线程同时执行多个相同或不同的步骤(例如，可以使用多线程同时对多幅初始图像进行处理，获取人脸模型，也可以使用多线程分别用于获取人脸模型和对人脸模型的检测和/或评分)，从而能够同步完成多项任务，提高了资源使用效率从而能够提高系统的效率。

在上述实施例中，执行步骤S101获取的初始图像上，包括用户的人脸信息和拍照背景信息，初始图像可以采用摄像头、照相机等能够获取图像的方式获取。在获取初始图像时，可以由采用本实施例的系统或装置自动获取(例如，可预设每隔1秒或1帧获取一幅初始图像)，也可以由用户通过按钮、开关等各种方式向采用本实施例的系统或装置发出指令后获取。

在初始图像的基础上，可以采用各种人脸识别算法对初始图像进行处理，获取用户的人脸模型。具体地，可以通过人脸检测器从初始图像中检测出人脸所在区域，在人脸所在区域使用基于随机森林的算法定位人脸特征点的位置，从而实现了依据初始图像确定用户的人脸模型。在选取人脸特征点时，可以根据实施需要确定人脸特征点的数量和位置，例如，可以在人脸模型上定位并选取68个特征点或77个特征点，也可以进一步从中选取相对稳定、不随用户表情变化的特征点。

作为一种可选的实施方式，在获取了用户的人脸模型后，还可以依据人脸特征点所在区域，采用基于卷积神经网络(Convolution Neural Networks，简称CNN)的人脸验证方法判断先后获取到的初始图像和/或人脸模型是不是来自同一个用户：如果是，则继续执行后续的步骤对获取到的人脸模型进行检测、评分；如果不是，则返回步骤S101重新获取用户的初始图像。

在上述实施例中，执行步骤S103对人脸模型进行检测，可以包括对人脸模型上的遮挡物、亮度、眼睛所在区域、嘴唇所在区域、人脸模型的运动状态和/或清晰程度进行检测，每一项检测内容都针对人脸模型上的某一特点进行。例如，对人脸模型上的遮挡物进行检测，可以考查用户的人脸信息是否已全部体现在人脸模型中，是否存在头发、帽檐、围巾等可能影响人脸信息完整性的遮挡物；对人脸模型的亮度进行检测，可以考查用户在拍照时光照是否充足，是否均匀，是否会影响人脸信息的提取；对人脸模型上眼睛所在区域的检测，可以考查用户在拍照时是否闭眼；对嘴唇所在区域的检测，可以考查用户在拍照时是否张口；对人脸模型的运动状态进行检测，可以考查用户是否在安静状态下拍照，能否形成稳定的成像效果；对人脸模型的清晰程度进行检测，可以考查初始图像是否模糊，是否能清晰反映出用户的面部信息。以上诸项检测内容各有侧重，因此，在按照本实施例进行检测时，可以任选诸项检测内容中的一项或多项，检测内容的数量和检测时的顺序均不影响；还可以对某项内容进行多次检测，将多次检测的结果进行数据处理后的结果作为该项内容的检测结果。

在本申请的实施例中，对人脸模型进行检测后，依据检测的结果对初始图像进行评分。在评分时，可以按照一定的评分标准对初始图像进行评分，其中，评分标准表征检测的结果与评分分值的对应关系。在对某一初始图像进行评分时，既可以依据不同检测项目的检测结果依次对总体的评分结果进行调整，也可以对每一检测项目分别进行评分得到多个子评分结果，再汇总多项检测项目的子评分结果后得到该初始图像的总体的评分结果。在汇总时，可以进一步对不同的检测项目分配不同的权重，以体现不同检测项目对图像质量的影响程度和对3D模型重建的影响程度，例如，可以将遮挡物检测的子评分结果的权重设定得大于亮度检测的子评分结果，从而遮挡物检测的子评分结果对总体的评分结果的贡献更大。

以下将逐项举例说明对各项检测内容的具体检测过程和评分过程。

在执行步骤S103时，可以对人脸模型上的遮挡物进行检测，具体可包括：

计算人脸模型整体的第一平均颜色值；计算人脸模型上待测区域的第二平均颜色值；

计算第一平均颜色值与第二平均颜色值的差值，作为对待测区域是否有遮挡物的检测的结果。

在采用上述方法对人脸模型上的遮挡物进行检测时，可以先选取容易被遮挡的一个或者多个面部区域作为待测区域，例如，容易被头发或帽檐遮挡的额头，容易被围巾遮挡的下巴，容易被口罩遮挡的鼻子嘴巴，容易被眼罩遮挡的眼睛等等。然后针对人脸模型的整体区域计算出第一平均颜色值，针对待测区域计算出第二平均颜色值，则第一平均颜色值与第二平均颜色值的差值，就能反映出待测区域是否被遮挡——若待测区域未被遮挡，则人脸模型上颜色应基本均匀，不会出现过大的色差。因此，在依据这一项检测结果进行评分时，可以预先设定一个差值阈值，若计算出的第一平均颜色值与第二平均颜色值的差值大于该预设的差值阈值，则认为人脸模型上有遮挡物。由于面部遮挡物将降低用户照片的质量，对3D模型的重建构成负面影响，因此，若系统假定评分分值越高表示照片质量越好，则检测到人脸模型上有遮挡物时应进行扣分以降低评分分值；反之，若系统假定评分分值越低表示照片质量越好，则检测到人脸模型上有遮挡物时应加分以增加评分分值。例如，可以在评分标准中规定，若检测到人脸模型上有遮挡物，在评分分值中直接扣除10分以降低评分的分值。

更具体地，以将额头作为待测区域为例，在计算第二平均颜色值时，可以计算算数平均值，也可以按照预设颜色权重计算加权平均颜色值，作为所述第二平均颜色值；其中，考虑到额头所在区域的两侧部位(即眉毛正上方)出现遮挡物(例如刘海)的可能性比额头所在区域的中间部分(即眉心正上方)出现遮挡物的可能性大，因此，可以将额头所在区域的两侧部分的预设颜色权重设定得高于额头所在区域的中间部分的预设颜色权重。

在执行步骤S103时，可以对人脸模型上的亮度进行检测，具体可包括对以下一项或多项的检测：

对人脸模型上的亮度是否均匀进行检测；

对人脸模型整体和/或关键区域与初始图像上除人脸模型以外的部分的亮度是否均匀进行检测。

更具体地，对人脸模型上的亮度是否均匀进行检测，通过计算人脸模型两侧的亮度值之差，可以反映人脸上亮度是否均匀，即是否出现“阴阳脸”现象。具体计算过程可以包括：

以人脸模型的中轴线为中心线，在中轴线的两边对称地提取预设对像素点的亮度值；

计算相对于中轴线对称的各对像素点的亮度值之差，作为对人脸模型上的亮度是否均匀进行检测的检测结果。

若人脸上亮度均匀，则相对于中轴线对称的各对像素点的亮度值之差不应过大，因此，可以预先设定亮度差阈值，通过统计亮度值之差达到预设亮度差阈值的像素点的数量即可判断人脸上亮度是否均匀，从而进行评分。上述数量越大，表示对称的像素点中亮度值之差较大的点越多，人脸上亮度越不均匀，对成像质量的负面影响越大。因此，若系统假定评分分值越高表示照片质量越好，则亮度值之差达到预设亮度差阈值的像素点的数量越大，加分的分值应越低，或者扣分的分值应越高；反之亦然。例如，可以在评分标准中规定，若亮度值之差达到预设亮度差阈值的像素点的数量大于20，则认为存在明显的“阴阳脸”现象，从评分分值中扣除25分以降低评分分值；若亮度值之差达到预设亮度差阈值的像素点的数量小于20且大于10，则认为存在微弱的“阴阳脸”现象，从评分分值中扣除10分以降低评分分值。

除了采用以上统计亮度值之差达到预设亮度差阈值的像素点的数量进行评分的方式之外，还可以采用计算各对像素点的亮度值之差的平均值的方式进行评分，其中，平均值可包括算数平均值和/或加权平均值。上述平均值能够反映人脸模型上相对于中轴线对称的各对像素点的亮度值差距的平均水平，上述平均值越大，表示对称的像素点中亮度值之差整体越大，人脸上亮度越不均匀，对成像质量的负面影响越大。因此，若系统假定评分分值越低表示照片质量越好，则亮度值之差的平均值越大，加分的分值应越高，或者扣分的分值应越低；反之亦然。上述平均值可以是算数平均值，也可以是加权平均值，在确定权重时，可以从出现亮度差的可能性和/或对成像质量的影响等角度考虑，例如，可以将出现亮度差可能性较大的面部区域的像素点的权重加大，也可以将对成像质量影响较大的面部区域的像素点的权重加大。

更具体地，在对人脸模型上的亮度进行检测时，也可以对人脸模型整体和/或关键区域与初始图像上除人脸模型以外的部分的亮度是否均匀进行检测。通过考查人脸模型的亮度值与图像背景的亮度值的差距，可以判断整幅初始图像的亮度是否均匀，人脸模型部分是否光照不足。具体可采用以下方式实现：

计算人脸模型整体和/或关键区域的第一亮度平均值；

计算初始图像上除人脸模型以外的部分的第二亮度平均值；

计算第一亮度平均值与第二亮度平均值之差，作为对人脸模型整体和/或关键区域与初始图像上除人脸模型以外的部分的亮度是否均匀进行检测的检测结果。

若人脸模型与初始图像上除人脸模型以外的部分(即图像背景)的亮度均匀，则上述第一亮度平均值与第二亮度平均值的差不应过大，因此，若系统假定评分分值越高表示照片质量越好，则上述第一亮度平均值与第二亮度平均值的差越大，加分的分值应越低，或者扣分的分值应越高；反之亦然。

在执行步骤S103时，可以对人脸模型上眼睛所在区域进行检测，包括：

依据人脸特征点的位置，确定人脸模型上眼睛所在区域；

提取人脸模型上眼睛所在区域的二值图像；

在二值图像上定位眼睛的上眼皮和下眼皮；

计算上眼皮与下眼皮之间的距离，作为检测的结果。

在提取眼睛所在区域的二值图像前，可以先对眼睛所在区域进行阈值处理，将眼睛内部眼球部分的信息筛除。提取眼睛所在区域的二值图像，可以提取眼睛所在区域的轮廓信息，从而定位眼睛的上眼皮和下眼皮，并将上眼皮与下眼皮之间的距离作为检测的结果和评分的依据。具体地，可以预先设定一距离阈值，若上眼皮与下眼皮之间的距离小于该预设距离阈值，则认为用户在拍照时闭眼，此时获取的初始图像成像质量不符合要求，对3D模型的重建形成负面影响。因此，若系统假定评分分值越高表示照片质量越好，则检测到人脸模型上闭眼时应进行扣分以降低评分分值；反之，若系统假定评分分值越低表示照片质量越好，则检测到人脸模型上闭眼时应加分以增加评分分值。例如，可以在评分标准中规定，若检测到人脸模型闭眼，在评分分值中直接扣除8分以降低评分的分值。

在执行步骤S103时，可以对人脸模型上嘴唇所在区域进行检测，包括：

依据人脸特征点的位置，确定人脸模型上嘴唇的上嘴唇内边缘、下嘴唇内边缘、上嘴唇外边缘和下嘴唇外边缘；

计算上嘴唇内边缘与下嘴唇内边缘之间的第一距离与上嘴唇外边缘与下嘴唇外边缘之间的第二距离的比值，作为检测的结果。

具体地，可以在嘴唇所在区域选取20个左右特征点，确定上下嘴唇的内边缘和外边缘，通过计算上述上嘴唇内边缘与下嘴唇内边缘之间的第一距离与上嘴唇外边缘与下嘴唇外边缘之间的第二距离的比值，判断用户在拍照时是否开口。在实施时，可以预先设定一嘴唇比值阈值，若第一距离与第二距离的比值大于预设嘴唇比值阈值，则可认为用户在拍照时开口。由于用户的开口表情会对3D模型的重建造成负面影响，因此，若系统假定评分分值越高表示照片质量越好，则检测到人脸模型上开口时应进行扣分以降低评分分值；反之，若系统假定评分分值越低表示照片质量越好，则检测到人脸模型上开口时应加分以增加评分分值。例如，可以在评分标准中规定，若检测到人脸模型开口，则在评分分值中直接扣除8分以降低评分的分值。

在执行步骤S103时，可以对人脸模型的运动状态进行检测，包括：

计算人脸模型所在的间隔预设帧数的初始图像的帧间差分值；

判断帧间差分值是否小于第十预设值，将判断的结果作为检测的结果。

具体地，可以提取间隔预设帧数的两幅初始图像的每个像素点的颜色值、亮度值或者帧间变化量，计算两幅图像的差值，即帧间差分值。间隔的预设帧数可以取为1帧、5帧、10帧等，此处无需限定。若用户在拍照时未处于运动状态，则帧间差分值不应过大，因此可以预设一帧间差分阈值(相当于上述第十预设值)作为衡量标准，若帧间差分值小于上述帧间差分阈值，则表示间隔预设帧数的两幅初始图像的区别足够小，可以认为用户所对应的人脸模型未处于运动状态；反之，若帧间差分值大于或等于上述帧间差分阈值，则表示间隔预设帧数的两幅初始图像的区别较大，可以认为用户所对应的人脸模型处于运动状态。由于用户处于运动状态时获取的人脸模型会对3D模型的重建造成负面影响，因此，若系统假定评分分值越高表示照片质量越好，则检测到人脸模型处于运动状态时应进行扣分以降低评分分值；反之，若系统假定评分分值越低表示照片质量越好，则检测到人脸模型处于运动状态时应加分以增加评分分值。例如，可以在评分标准中规定，若检测到人脸模型处于运动状态，则在评分分值中直接扣除15分以降低评分的分值。

在执行步骤S103时，可以对人脸模型的清晰程度进行检测，包括：

计算人脸模型所在初始图像的方差；

判断方差是否达到第十一预设值，将判断的结果作为检测的结果。

具体地，通过计算初始图像的方差来判断人脸模型的清晰程度。对于相同的图像内容而言，图像的方差越大，表示图像越清晰，因此，可以预先设定一方差阈值(相当于上述第十一预设值)作为衡量标准，若方差大于或等于该方差阈值，则表示图像足够清晰，达到指定标准；若方差小于该方差阈值，则表示图像不够清晰，会对3D模型的重建造成负面影响。因此，若系统假定评分分值越高表示照片质量越好，则检测到人脸模型不够清晰时应进行扣分以降低评分分值；反之，若系统假定评分分值越低表示照片质量越好，则检测到人脸模型不够清晰时应加分以增加评分分值。例如，可以在评分标准中规定，若检测到人脸模型不够清晰，则在评分分值中直接扣除20分以降低评分的分值。

以上对人脸模型上的遮挡物、亮度、眼睛所在区域、嘴唇所在区域、人脸模型的运动状态和/或清晰程度的检测，既可以针对平面的人脸模型进行，也可以先依据人脸模型上的人脸特征点，建立人脸模型的3D模型，然后再针对该3D模型进行检测。尤其是，可以依据3D模型，检测3D模型的头部部位在三维方向上的偏转，尤其包括头部部位相对于摄像头/照相机等成像装置关于X轴、Y轴和Z轴的旋转角度。在具体实施时，可采用以下方式：

依据3D模型，确定人脸特征点中的稳定点所在位置；稳定点为仅随着用户的头部姿态变化的特征点；

将预设头部3D模型与稳定点所在位置进行匹配；

当预设头部3D模型与稳定点所在位置相匹配时，提取预设头部3D模型在三维方向上的偏转角度，作为3D模型的头部部位在三维方向上的偏转角度。

若用户在拍照时没有正面面对摄像头、照相机等成像装置，则依据获取到的初始图像建立的人脸3D模型将在X轴、Y轴和/或Z轴有偏转角度，会对3D模型的重建造成负面影响，而且偏转角度越大，成像质量越差。因此，若系统假定评分分值越高表示照片质量越好，则偏转角度越大，加分的分值应越低，或者扣分的分值应越高；若系统假定评分分值越低表示照片质量越好，则偏转角度越大，加分的分值应越高，或者扣分的分值应越低。例如，可以在评分标准中规定，若偏转角度在0～3°时，在评分分值中扣除0～5分；偏转角度在3°～10°时，在评分分值中扣除5～20分；偏转角度大于10°时，在评分分值中扣除偏转角度的3倍分值。对不同方向上的偏转也可以在评分标准中规定不同的扣分或加分分值。

在上述各实施例中，对人脸模型进行一项或多项检测后，可以依据检测结果继续进行评分，也可以依据检测的结果提示用户调整姿态，例如，若检测到用户闭眼，则提示用户睁开眼睛；若检测到用户头部向右偏转30°，则提示用户向左偏转30°等。在依据检测结果进行评分后，也可以依据评分结果提示用户调整姿态，例如，若用户因开口被扣分，则可提示用户闭上嘴巴；若检测到用户因额头被遮挡而被扣分，则可提示用户露出额头；若检测到用户的评分分值未达到规定的标准，可以提示用户调整姿态。提示用户调整姿态的方式有很多，可以择一或组合的应用语音、文字、动画等多种方式指导用户调整到符合标准、能够取得更优检测结果或者能够得到更优评分分值的姿态。在提示用户调整姿态之后，可返回步骤S101重新获取用户间隔预设帧数后的初始图像。此处所称的预设帧数，可以是根据实际需要的任意预设数值。

在上述各实施例中，依据检测的结果进行评分的评分标准，可以是参照检测的结果对3D模型重建的影响建立的检测的结果与评分分值的对应关系。在此基础上，还可以依据拍照持续时间和/或对初始图像的评分结果，对评分标准进行调整和/或对评分结果进行调整。在调整评分标准时，可以减少依据检测的结果对评分分值的降低程度，或者增加依据检测的结果对评分分值的升高程度。在调整评分结果时，可以将评分结果乘以大于1的系数，进行一定程度的放大，作为调整后的评分结果；或者可以将评分结果乘以小于1的系数，进行一定程度的缩小，作为调整后的评分结果。

更具体地，可以依据拍照持续时间，判断拍照持续时间是否达到预先设定的时间(可记为第一预设时间)，若达到该时间，可以认为用户已经花费了足够长的时间(即第一预设时间)进行拍照准备，在当前情况下难以获得更符合指定标准的图像，从而可以放宽标准，调整评分标准使得得分更高或扣分更少、和/或通过对评分结果直接放大处理的方式提高对初始图像的评分分值(此时系统假定评分分值越高表示照片质量越好)，使得初始图像的评分分值更可能达到指定标准。

更具体地，也可以依据对初始图像的评分结果，判断初始图像的评分结果是否未达到预先设定的数值(记为第一预设值)，若未达到该第一预设值，表示用户的初始图像的评分分值还不够高，可以认为还未获取到符合标准的初始图像(此时系统假定评分分值越高表示照片质量越好)，此时，可以返回步骤S101重新获取初始图像，也可以在某些情况下，例如用户主观上认可该图像时，或者客观上用户已经进行了足够长时间的拍照准备时，可以主动调整评分标准使得得分更高或扣分更少、和/或通过对评分结果直接放大处理的方式提高对初始图像的评分分值，使得该图像的评分分值更接近第一预设值，更可能符合指定标准。

更具体地，也可以依据对初始图像的评分结果，判断初始图像的评分结果的变化值是否小于预先设定的数值(记为第二预设值)，若评分结果的变化值小于上述第二预设值，表示用户获取的多幅初始图像变化不大，改善不明显，可以认为用户已经无法获取到评分分值更高、能够符合标准的初始图像(此时系统假定评分分值越高表示照片质量越好)，此时，可以主动调整评分标准使得得分更高或扣分更少、和/或通过对评分结果直接放大处理的方式提高对初始图像的评分分值，使得初始图像的评分分值更可能达到指定标准。

除通过考查评分结果的变化值是否过小外，还可以通过考查评分结果的统计量来判断用户的初始图像的评分分值变化情况。例如，可以判断预设数量(记为第一预设数量)的初始图像的评分结果的平均值是否达到第三预设值，也可以判断预设数量的(记为第二预设数量)的初始图像的评分结果的标准差是否达到第四预设值，若未达到，可以认为用户已经无法获取到评分分值更高、能够符合标准的初始图像(此时系统假定评分分值越高表示照片质量越好)，此时，可以主动调整评分标准使得得分更高或扣分更少、和/或通过对评分结果直接放大处理的方式提高对初始图像的评分分值，使得初始图像的评分分值更可能达到指定标准。

与以上各种对评分标准和/或评分结果的调整方式相对地，也可以对上述判断的基准值进行调整，例如，降低上述第一预设值，使得初始图像的评分分值更接近该第一预设值，更可能符合指定标准。

在本申请的实施例中，参照图2所示，在执行步骤S104依据检测的结果，按照评分标准对初始图像进行评分之后，在执行步骤S105依据初始图像的评分结果，输出照片之前，本申请的照片获取方法还包括：

S106：判断初始图像的评分结果是否达到第五预设值；

S107：若是，则缓存初始图像及其评分结果；

若否，则返回重新执行步骤S101，获取用户的初始图像。

在对初始图像进行评分后，可以通过判断初始图像的评分结果(又可称为评分分值)是否达到预先设定的评分分值(记为第五预设值，也可认为是预设缓存值)来判断该初始图像是否符合图像缓存的指定标准。若评分分值达到第五预设值，可以认为该初始图像符合缓存标准，因此可将该符合缓存标准的图像进行缓存，供用户选择输出；若评分分值未达到第五预设值，可以认为该初始图像未达到指定缓存标准，可以放弃该初始图像，返回步骤S101重新获取用户的初始图像。系统在缓存初始图像时，可以将图像与其评分分值相对应的存储，也可以将图像、图像的检测结果与评分分值三者相对应的存储。需要说明的是，也可以设定一预设的阈值(记为第六预设值)用于判断是否输出照片，具体地，判断初始图像的评分结果是否达到第六预设值，若达到则输出照片。上述第五预设值与第六预设值的数值可以相同也可以不同，即当评分结果满足一定条件时(该条件表示获取的初始图像的质量已达到指定标准)，则可以将满足条件的图像直接输出，也可以先进行缓存，待获取更多满足条件的图像后择优输出。

当满足一定条件时，还可以依据拍照持续时间和/或对初始图像的评分结果，对第五预设值和/或第六预设值进行调整。具体地，可以依据预设数量的初始图像的评分结果的数值、变化值、平均值和/或标准差，对第五预设值和/或第六预设值进行降低或升高。例如，当拍照持续时间达到预设时间、初始图像的评分结果未达到预设值、评分结果的变化值小于预设值、预设数量的初始图像的评分结果的平均值未达到预设值、和/或预设数量的初始图像的评分结果的标准差未达到预设值时，可以降低上述第五预设值，通过降低缓存的标准实现对更多初始图像的缓存，也可以降低上述第六预设值，通过降低输出照片的分值标准的方式由用户对输出的照片进行取舍。若降低了第五预设值或者第六预设值后，用户能够获取到评分值更高的初始图像，则也可以将上述预设值恢复至原有水平，以获得质量更好的照片。除此之外，若连续多幅初始图像的评分结果都达到了第五预设值或者第六预设值，系统也可以提高缓存或输出的标准，升高第五预设值或者第六预设值，从而获取到质量更好的图像。对上述预设值(第五预设值和/或第六预设值)进行升高或降低的调整时，可以采用乘以系数的方式，也可以采用增减一定幅度的方式进行，例如，需降低上述第五预设值时，可以将第五预设值乘以小于1的系数，作为调整后的第五预设值。

更进一步地，在执行步骤S104依据检测的结果，按照评分标准对所述初始图像进行评分之后，在执行步骤S105依据初始图像的评分结果，输出照片之前，还可以在满足一定条件时，提示用户保持拍照，按照预设规则获取用户的初始图像。要求满足的条件可以是以下条件中的一个或多个：

获取的初始图像的数量已达到第五预设数量；

初始图像的评分结果的平均值达到第七预设值；

初始图像的评分结果的标准差达到第八预设值；

初始图像的评分结果的最低分值达到第九预设值。

上述提示用户保持拍照的步骤，可以在执行步骤S107缓存初始图像之后对缓存的初始图像的数量和评分结果进行考量，也可以不经过S107的缓存步骤对完成评分的初始图像直接进行考量，以判断是否可以提示用户保持拍照。

在以上列出的诸项条件中，第五预设数量表示系统预先设定的初始图像的数量的上限值，可以是缓存中存储的图像数量，也可以是系统累计获取的初始图像的数量。获取的初始图像的数量已达到第五预设数量，可以认为系统已经获取了足够多满足一定标准的图像。第七预设值用来考查评分结果的平均值是否达到预先设定的数值，第八预设值用来考查评分结果的标准差是否达到预设限定的数值，第九预设值用来考查评分结果的最低分值是否达到预设限定的数值，任一条件或多项条件的满足，表示系统获取的初始图像的评分结果已经达到了一定的标准(平均值达到第七预设值、标准差达到第八预设值、和/或最低分值达到第九预设值)，表示系统获取的初始图像的质量已经满足了一定的要求。在这种情况下，既可以直接将图像输出供用户选择，也可以提示用户保持拍照，按照预设规则获取用户的初始图像。可以认为，用户在获取到满足一定要求的初始图像的情况下，接收到保持拍照的提示后将会更好的维持姿态，从而获取到更好的图像。

在提示用户保持拍照之后，按照预设规则获取用户的初始图像可具体包括：按照预设间隔帧数、预设间隔时间、预设图像数量和/或预设获取时间获取用户的初始图像。其中，预设图像数量表示在提示用户保持拍照后获取的图像的总数量，预设获取时间表示在提示用户保持拍照后持续的拍照时间，预设间隔帧数表示在提示用户保持拍照后获取的相邻两幅图像间间隔的帧数，预设间隔时间表示在提示用户保持拍照后获取的相邻两幅图像间间隔的时间。例如，可以将规则预设为每间隔1秒钟(预设间隔时间)获取一幅初始图像，共获取10幅(预设图像数量)初始图像，也可以将规则预设为在5分钟(预设获取时间)内每间隔5帧(预设间隔帧数)获取一幅初始图像。

对于在上述提示保持拍照后获得的初始图像，可以进行检测和评分，对于达到一定标准的图像可以直接输出供用户取舍，可以进行缓存，也可以不进行缓存而直接放弃(例如，对图像的检测和评分用于监测保持拍照阶段的用户姿态是否稳定、是否发生变化时，无需对图像进行缓存)。在确定是否输出或缓存时，可以采用前述的判断标准对评分结果进行考查，也可以采用不同的判断标准。在缓存初始图像时，可以直接存储该图像，也可以将原缓存中评分结果最低的初始图像删除后再存储提示用户保持拍照后获取的初始图像。

在提示用户保持拍照之后，还可以依据提示用户保持拍照之后获取的初始图像的检测结果和/或评分结果，确定是否继续按照预设规则获取用户的初始图像。通过对初始图像的检测结果和/或评分结果的监控判断，确定用户在收到保持拍照的提示后是否始终保持了足够满足要求的姿态。例如，若获取的连续多幅初始图像未达到输出或缓存的要求，可以认为用户已不满足保持拍照的条件，因此应不再继续按照预设规则获取图像，而转入执行步骤S101获取初始图像。再例如，检测到用户头部偏转或闭眼、用户的姿态已不满足预设的标准时，此时应不再继续按照预设规则获取图像，而转入执行步骤S101获取初始图像。采用这种方式，对提示用户保持拍照之后的用户图像进行监测(以预设间隔帧数和/或预设间隔时间为周期进行监测)，有利于确保提示用户保持拍照后获取到的用户的初始图像的图像质量。

对用户进行保持拍照的提示，可以采用语音、文字、图像、动画等任一或多种方式的结合进行提示。可以认为用户得到该提示后会更加注意保持姿态，在这一阶段获取的初始图像应该质量更好，评分理应更高(系统假定评分分值越高表示照片质量越好)，因此，对于提示用户保持拍照之后获取到的用户的初始图像，可以对该初始图像的评分结果进行调整，将调整后的评分结果作为该初始图像的评分结果。具体地，可以将评分结果乘以大于1或者小于1的系数，作为调整后的评分结果。

在本申请中，输出照片时，可以依据初始图像的评分结果，按照一定顺序将所有缓存的照片向用户输出，也可以实时输出达到一定评分分值或满足其他条件的照片，还可以按照以下方式进行：

依据检测的结果，对初始图像进行筛选；

依据筛选出的初始图像的评分结果，输出评分结果最高的预设数量的照片。

在依据检测的结果对初始图像进行筛选时，可以采用多种不同的方式。例如，可以先按照严格的条件进行筛选，例如要求头部检测的结果中人脸偏转角度不能大于3°，不能出现闭眼或开口现象等，将筛选出符合要求的图像按照评分结果排序，最终输出评分结果最高的预设数量的照片；若按照严格条件进行筛选时所有照片都无法满足要求，则可以放宽条件进行筛选，例如将头部偏转角度不大于3°调整为不大于10°，然后再按照评分结果进行排序输出供用户选择。相对应地，也可以按照先宽松后严格的筛选方式逐步加严要求，筛选出符合标准的照片。在依据检测的结果对初始图像进行筛选时，还可以依据不同检测项目对图像质量影响程度的不同，优先考虑对图像质量影响更大的检测项目的检测结果，将存在严重缺陷的初始图像直接筛除(即使评分结果更高也同样筛除)。例如，用户面部的遮挡物对图像质量影响很大，因此，可以首先筛选出遮挡物检测的结果为无遮挡物的初始图像，然后在依据其他检测项目进行筛选。在输出评分结果最高的照片时，评分结果可以是初始图像的整体评分结果，也可以是某项检测项目的评分结果，可以依据对照片的不同要求选定，在此不作限定。用户得到符合标准的照片后，可以在此照片的基础上重建3D模型，满足应用需求。例如，图像1的总体评分为88分，遮挡物检测达到95分，亮度检测达到80分；图像2的总体评分为90分，遮挡物检测达到91分，亮度检测达到88分。对于重建3D模型来说，有无遮挡物比亮度的影响更大，因此，在输出时，会更优先提供图像1供用户选择。

需要说明的是，上述各实施例中，各预设时间、预设数量、预设值、预设阈值、预设帧、预设帧数、预设缓存值等量的具体数值可以相同，也可以不同。例如，第一预设值、第五预设值和第六预设值可以取得相同，也可以不同。

本申请还提供了一种照片获取装置，参见图3所示，包括：

获取模块101，用于获取用户的初始图像；

建模模块102，用于依据初始图像，获取用户的人脸模型，人脸模型包括用户的人脸特征点；

检测模块103，用于对人脸模型进行检测；

评分模块104，用于依据检测的结果，按照评分标准对初始图像进行评分；其中，所述评分标准表征所述检测的结果与评分分值的对应关系；

输出模块105，用于依据初始图像的评分结果，输出照片。

上述装置还可进一步包括：

姿态调整提示模块，用于依据检测的结果和/或初始图像的评分结果，提示用户调整姿态；

缓存模块，用于当初始图像的评分结果达到预设缓存值时，缓存初始图像及其评分结果；

提示拍照模块，用于当满足预设条件时，提示用户保持拍照。

上述照片获取装置与前述的照片获取方法的流程描述相对应，不足之处参考上述方法流程的叙述，不再一一赘述。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。