用于拍照的方法和装置与流程

本公开的实施例涉及计算机技术领域，具体涉及用于拍照的方法和装置。

背景技术：

随着科技的发展，带摄像头的智能设备已成为当前时代的主流终端设备，并且已成为拍照的主要工具。在多人同时拍照时，经常会因为某些人被遮挡，或面部表情和视线不能达到拍照者满意的效果，或者对肢体动作不能达到拍照者满意的效果，从而导致多次重拍，影响拍照效率，降低了用户的体验。

技术实现要素：

本公开的实施例提出了用于拍照的方法和装置。

第一方面，本公开的实施例提供了一种用于拍照的方法，包括：获取包括至少一个人物的照片；对照片进行边缘检测，得到至少一个人物的轮廓特征；基于至少一个人物的轮廓特征进行人脸识别，得到至少一个人物的脸部区域；将至少一个人物的轮廓特征和脸部区域输入预先训练的神经网络模型，得到位置调整信息；输出位置调整信息。

在一些实施例中，该方法还包括：基于至少一个人物的脸部区域进行关键点识别，得到至少一个人物的关键点特征；将至少一个人物的轮廓特征、脸部区域、关键点特征输入神经网络模型，得到位置调整信息和/或表情调整信息；输出位置调整信息和/或表情调整信息。

在一些实施例中，该方法还包括：基于至少一个人物的脸部区域进行关键点识别，得到至少一个人物的关键点特征；将至少一个人物的轮廓特征、脸部区域、关键点特征输入神经网络模型，得到位置调整信息和/或视线调整信息；输出位置调整信息和/或视线调整信息。

在一些实施例中，视线调整信息包括待调整的人物在照片中的顺序位置和头部旋转的方向和角度。

在一些实施例中，位置调整信息包括待调整的人物在照片中的顺序位置和待移动的方向和距离。

第二方面，本公开的实施例提供了一种用于拍照的装置，包括：获取单元，被配置成获取包括至少一个人物的照片；第一检测单元，被配置成对照片进行边缘检测，得到至少一个人物的轮廓特征；第二检测单元，被配置成基于至少一个人物的轮廓特征进行人脸识别，得到至少一个人物的脸部区域；调整单元，被配置成将至少一个人物的轮廓特征和脸部区域输入预先训练的神经网络模型，得到位置调整信息；输出单元，被配置成输出位置调整信息。

在一些实施例中，该装置还包括第三检测单元，被配置成：基于至少一个人物的脸部区域进行关键点识别，得到至少一个人物的关键点特征；以及调整单元进一步被配置成将至少一个人物的轮廓特征、脸部区域、关键点特征输入神经网络模型，得到位置调整信息和/或表情调整信息；以及输出单元进一步被配置成输出位置调整信息和/或表情调整信息。

在一些实施例中，该装置还包括第四检测单元，被配置成：基于至少一个人物的脸部区域进行关键点识别，得到至少一个人物的关键点特征；以及调整单元进一步被配置成将至少一个人物的轮廓特征、脸部区域、关键点特征输入神经网络模型，得到位置调整信息和/或视线调整信息；输出位置调整信息和/或视线调整信息。

在一些实施例中，视线调整信息包括待调整的人物在照片中的顺序位置和头部旋转的方向和角度。

在一些实施例中，位置调整信息包括待调整的人物在照片中的顺序位置和待移动的方向和距离。

第三方面，本公开的实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一的方法。

第四方面，本公开的实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现如第一方面中任一的方法。

本公开的实施例提供的用于拍照的方法和装置，根据已训练好的神经网络模型，在多人拍照时，以人物脸部区域(表情、视线)为主特征，站立位置、姿态等目标特征为辅助特征，进行预分析，根据分析结果以语音的方式提示被拍摄者对影响拍摄效果的脸部区域、站立位置、姿态等进行调整，从而达到缩短拍摄时间、提高拍摄质量的目的。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它特征、目的和优点将会变得更明显：

图1是本公开的一个实施例可以应用于其中的示例性系统架构图；

图2是根据本公开的用于拍照的方法的一个实施例的流程图；

图3a-3e是根据本公开的用于拍照的方法的一个应用场景的示意图；

图4是根据本公开的用于拍照的方法的另一个实施例的流程图；

图5是根据本公开的用于拍照的装置的一个实施例的结构示意图；

图6是适于用来实现本公开的实施例的电子设备的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。

图1示出了可以应用本公开的用于拍照的方法或用于拍照的装置的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如拍照类应用、网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。

终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有摄像头的各种电子设备，包括但不限于相机、智能手机、平板电脑、电子书阅读器、mp3播放器(movingpictureexpertsgroupaudiolayeriii，动态影像专家压缩标准音频层面3)、mp4(movingpictureexpertsgroupaudiolayeriv，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上拍摄的照片提供支持的后台调整服务器。后台调整服务器可以对接收到的照片等数据进行分析等处理，并将处理结果(例如提醒调整人体位置或表情的信息)反馈给终端设备，再由终端设备以语音或文字形式输出。

需要说明的是，服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。

需要说明的是，本公开的实施例所提供的用于拍照的方法可以由终端设备101、102、103执行，也可以由服务器105执行。相应地，用于拍照的装置可以设置于终端设备101、102、103中，也可以设置于服务器105中。在此不做具体限定。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，示出了根据本公开的用于拍照的方法的一个实施例的流程200。该用于拍照的方法，包括以下步骤：

步骤201，获取包括至少一个人物的照片。

在本实施例中，用于拍照的方法的执行主体(例如图1所示的服务器或终端设备)可以通过有线连接方式或者无线连接方式从用户利用其进行拍照的终端接收包括至少一个人物的照片。一个人物也会出现被其它物品遮挡的情况。多个人物的集体照更容易出现被其它人遮挡的情况。

步骤202，对照片进行边缘检测，得到至少一个人物的轮廓特征。

在本实施例中，通过边缘检测算法，将人物与背景分离，并提取出人物的位置、姿态等特征信息，得到每个人物的轮廓特征。可采用现有技术中的边缘检测算法，例如，基于小波变换的多尺度边缘检测算法等。如图3a所示，进行边缘检测后，可确定出照片中每个人物的轮廓。

步骤203，基于至少一个人物的轮廓特征进行人脸识别，得到至少一个人物的脸部区域。

在本实施例中，基于步骤202确定出的轮廓特征进一步进行人脸识别，得到每个人物的脸部区域。先确定轮廓，可以缩小识别的区域，从而提高人脸识别速度。可采用现有的人脸识别技术识别出人脸区域。不需要进行身份核验，因此可采用速度高但粒度粗的神经网络模型用于人脸识别。

步骤204，将至少一个人物的轮廓特征和脸部区域输入预先训练的神经网络模型，得到位置调整信息。

在本实施例中，具体实施如图3b所示。如果检测的目标仅是不遮挡，则可不需要提取关键点特征，只需要轮廓特征和脸部区域即可。可将标注了轮廓特征、脸部区域、位置调整信息的包括至少一个人物的照片作为训练样本来有监督地训练神经网络模型。神经网络模型的输入为照片中人物的轮廓特征、脸部区域，预期输出为位置调整信息。通过不断调整神经网络模型的参数，使得神经网络模型的输出达到预期输出的效果。基本原理是识别出哪个人的脸部区域不完整，即被遮挡，然后计算出向哪个方向移动多少才能不被遮挡。神经网络模型的输出结果可以是让被遮挡的人移动，也可以是让挡住别人的人移动，最终实现所有的人都不被遮挡。可选地，可计算出两种移动方式的移动幅度，选择让移动幅度小的人移动。例如，a被b遮挡，如果让a移动，则需要移动10cm，才能既不会被b或其它人遮挡也不会遮挡别人，但如果让b移动，则需要移动5cm，才能既不会遮挡a或别人，也不会被其它人遮挡。则最终可以将让b移动的方案作为最优的调整方案。可选地，也可将两种方案都告知被拍者，由被拍者自己选择让谁移动。可选地，也可只输出谁被遮挡，以及哪个部位被遮挡，不计算移动距离，通知被拍者后由被拍者自己移动。

步骤205，输出位置调整信息。

在本实施例中，可通过语音或文字输出位置调整信息。如图3c所示为以语音的形式反馈给被拍照都。如果本公开的执行主体为终端设备，则可直接通过语音或文字输出位置调整信息。如果本公开的执行主体为服务器，则需要将位置调整信息发送到终端设备上，由终端设备输出位置调整信息。

继续参见图3d，图3d是根据本实施例的用于拍照的方法的应用场景的一个示意图。在图3d的应用场景中，多人拍照时，被拍摄者脸部有部分遮挡。具体过程如下所示：

步骤s01：相机启动，进入拍照模式

步骤s02：通过边缘检测算法，将人物与背景分离，并提取出人物的位置、姿态等特征信息。

步骤s03：通过面部识别算法，识别出各个被拍摄者的脸部区域。

步骤s04：针对人物的位置、姿态、脸部区域，输入已训练好的神经网络

步骤s05：神经网络对特征信息进行分析，如图3d，通过脸部区域及关键特征点信息可获知有被拍摄者的脸部区域被遮挡，并结合步骤s02中所获取的人物位置信息，得知从右边数第3位被拍摄者的脸部被遮蔽，并结合步骤s02中所获取的人物与背景信息，则可得出调整信息，如“右边数第3位被拍摄者的脸部被遮蔽，请往右稍微移动一下”。

步骤s06：调整信息以语音的形式反馈给被拍照者。

步骤s07：重复步骤s02～步骤s06，当所有调整满足要求时，完成拍照。

本公开的上述实施例提供的方法通过检测出被拍照者的轮廓和脸部区域，来判断出人脸是否被遮挡，如果被遮挡则提醒被拍照者改变位置。从而达到缩短拍摄时间，提高拍摄质量的目的。

进一步参考图4，其示出了用于拍照的方法的又一个实施例的流程400。该用于拍照的方法的流程400，包括以下步骤：

步骤401，获取包括至少一个人物的照片；。

步骤402，对照片进行边缘检测，得到至少一个人物的轮廓特征。

步骤403，基于至少一个人物的轮廓特征进行人脸识别，得到至少一个人物的脸部区域。

步骤401-403与步骤201-203基本相同，因此不再赘述。

步骤404，基于至少一个人物的脸部区域进行关键点识别，得到至少一个人物的关键点特征。

在本实施例中，通过面部特征点检测技术，根据上一部识别出脸部区域，自动定位出面部关键特征点，如眼睛、鼻尖、嘴角点等人脸各部件的轮廓点。

步骤405，将至少一个人物的轮廓特征、脸部区域、关键点特征输入神经网络模型，得到位置调整信息和/或表情调整信息和/或视线调整信息。

在本实施例中，该模型的输入除了轮廓特征、脸部区域之外还包括了关键点特征。这样使得该模型不仅能判断出人脸是否被遮挡还能判断出表情是否不到位(例如，通过嘴角等关键点判断出被拍照者没有笑)，被拍照者的视线是否看向相机等。从而生成调整信息，调整信息包括以下至少一项：位置调整信息、表情调整信息、视线调整信息。调整信息中包括待调整人的位置，例如，第二排左侧第三个，还包括要调整的内容。位置调整信息包括待调整的人物在照片中的顺序位置和待移动的方向和距离。视线调整信息包括待调整的人物在照片中的顺序位置和头部旋转的方向和角度。表情调整信息包括待调整的人物在照片中的顺序位置和调整目标，例如笑一下、别皱眉等。

步骤406，输出位置调整信息和/或表情调整信息和/或视线调整信息。

在本实施例中，如果有必要进行调整，则输出以下至少一项调整信息：位置调整信息、表情调整信息、视线调整信息。

图3e为多人拍照时，被拍摄者视线需要调整的应用场景。具体过程如下所示：

步骤s01：相机启动，进入拍照模式。

步骤s02：通过边缘检测算法，将人物与背景分离，并提取出人物的位置、姿态等特征信息。

步骤s03：通过面部识别算法，识别出各个被拍摄者的脸部区域。

步骤s04：通过面部特征点检测技术，根据上一部识别出脸部区域，自动定位出面部关键特征点，如眼睛、鼻尖、嘴角点等人脸各部件的轮廓点，通过双眼特征点的位置分布信息，进行视线判断。

步骤s05：针对人物的位置、姿态、面部特征及关键特征点信息，输入已训练好的神经网络。

步骤s06：神经网络对特征信息进行分析，如图3e，通过面部特征及关键特征点信息可获知有被拍摄者的视线需要调整，并结合步骤2中所获取的人物位置信息，得知从右边数第3位被拍摄者的视线需要调整，则可得出调整信息，如“右边数第3位被拍摄者请看这里”。

步骤s07：调整信息以语音的形式反馈给被拍照者

步骤s08：重复步骤s02～步骤s07，当所有调整满足要求时，完成拍照。

从图4中可以看出，与图2对应的实施例相比，本实施例中的用于拍照的方法的流程400体现了对表现、视线进行检测的步骤。由此，本实施例描述的方案可以进一步地帮助拍出高质量的照片。

进一步参考图5，作为对上述各图所示方法的实现，本公开提供了一种用于拍照的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图5所示，本实施例的用于拍照的装置500包括：获取单元501、第一检测单元502、第二检测单元503和输出单元505。获取单元501，被配置成获取包括至少一个人物的照片；第一检测单元502，被配置成对照片进行边缘检测，得到至少一个人物的轮廓特征；第二检测单元503，被配置成基于至少一个人物的轮廓特征进行人脸识别，得到至少一个人物的脸部区域；调整单元504，被配置成将至少一个人物的轮廓特征和脸部区域输入预先训练的神经网络模型，得到位置调整信息；输出单元505，被配置成输出位置调整信息。

在本实施例中，用于拍照的装置500的获取单元501、第一检测单元502、第二检测单元503和输出单元505的具体处理可以参考图2对应实施例中的步骤201、步骤202、步骤203、步骤204和步骤205。

在本实施例的一些可选的实现方式中，装置500还包括第三检测单元(附图中未示出)，被配置成：基于至少一个人物的脸部区域进行关键点识别，得到至少一个人物的关键点特征；以及调整单元进一步被配置成将至少一个人物的轮廓特征、脸部区域、关键点特征输入神经网络模型，得到位置调整信息和/或表情调整信息；以及输出单元进一步被配置成输出位置调整信息和/或表情调整信息。

在本实施例的一些可选的实现方式中，装置500还包括第四检测单元(附图中未示出)，被配置成：基于至少一个人物的脸部区域进行关键点识别，得到至少一个人物的关键点特征；以及调整单元进一步被配置成将至少一个人物的轮廓特征、脸部区域、关键点特征输入神经网络模型，得到位置调整信息和/或视线调整信息；输出位置调整信息和/或视线调整信息。

在本实施例的一些可选的实现方式中，视线调整信息包括待调整的人物在照片中的顺序位置和头部旋转的方向和角度。

在本实施例的一些可选的实现方式中，位置调整信息包括待调整的人物在照片中的顺序位置和待移动的方向和距离。

下面参考图6，其示出了适于用来实现本公开的实施例的电子设备(例如图1中的服务器或终端设备)600的结构示意图。本公开的实施例中的终端设备可以包括但不限于诸如相机、移动电话、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)、车载终端(例如车载导航终端)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。图6示出的终端设备/服务器仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。

如图6所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(rom)602中的程序或者从存储装置608加载到随机访问存储器(ram)603中的程序而执行各种适当的动作和处理。在ram603中，还存储有电子设备600操作所需的各种程序和数据。处理装置601、rom602以及ram603通过总线604彼此相连。输入/输出(i/o)接口605也连接至总线604。

通常，以下装置可以连接至i/o接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(lcd)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从rom602被安装。在该计算机程序被处理装置601执行时，执行本公开的实施例的方法中限定的上述功能。需要说明的是，本公开的实施例所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、rf(射频)等等，或者上述的任意合适的组合。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取包括至少一个人物的照片；对照片进行边缘检测，得到至少一个人物的轮廓特征；基于至少一个人物的轮廓特征进行人脸识别，得到至少一个人物的脸部区域；将至少一个人物的轮廓特征和脸部区域输入预先训练的神经网络模型，得到位置调整信息；输出位置调整信息。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c++，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开的实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、第一检测单元、第二检测单元、调整单元和输出单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取包括至少一个人物的照片的单元”。

以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离所述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。