图像拍摄方法、装置、存储介质及电子设备与流程

本发明涉及电子设备技术领域，尤其涉及一种图像拍摄方法、装置、存储介质及电子设备。

背景技术：

现有的电子设备一般具有拍照、摄影功能。随着智能电子设备和计算机视觉技术的高速发展，用户对于智能电子设备的摄像头的需求不仅仅局限在简单的拍照、摄影，而更多倾向于图像处理功能，如智能美颜、风格迁移等技术被越来越多的智能电子设备所普及。

技术实现要素：

本发明实施例提供一种图像拍摄方法、装置、存储介质及电子设备，可以智能拍摄图像，降低电子设备功耗。

第一方面，本发明实施例提供一种图像拍摄方法，应用于电子设备，包括：

识别画面中的人脸图像；

基于所述人脸图像获取对应的拍摄算法模型，所述拍摄算法模型通过对历史拍摄参数进行学习而得到；

获取当前画面中人脸图像的姿态信息；

根据所述拍摄算法模型和所述姿态信息对当前画面进行拍摄，以得到目标图像。

第二方面，本发明实施例提供了一种图像拍摄装置，应用于电子设备，包括：

识别模块，包括：识别画面中的人脸图像；

模型获取模块，用于基于所述人脸图像获取对应的拍摄算法模型，所述拍摄算法模型通过对历史拍摄参数进行学习而得到；

姿态获取模块，用于获取当前画面中人脸图像的姿态信息；

拍摄模块，用于根据所述拍摄算法模型和所述姿态信息对当前画面进行拍摄，以得到目标图像。

第三方面，本发明实施例还提供了一种存储介质，所述存储介质中存储有多条指令，所述指令适于由处理器加载以执行上述的图像拍摄方法。

第四方面，本发明实施例还提供了一种电子设备，包括处理器、存储器，所述处理器与所述存储器电性连接，所述存储器用于存储指令和数据；处理器用于执行上述的图像拍摄方法。

本发明实施例公开了一种图像拍摄方法、装置、存储介质及电子设备。该图像拍摄方法，通过识别画面中的人脸图像；基于人脸图像获取对应的拍摄算法模型，该拍摄算法模型通过对历史拍摄参数进行学习而得到；获取当前画面中人脸图像的姿态信息；根据拍摄算法模型和姿态信息对当前画面进行拍摄，以得到目标图像。该方案可智能地拍摄较佳图像画面，无需用户手动按下快门，提升了所拍摄图像的质量，同时还缩短了拍摄时间，降低了电子设备功耗。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的电子设备实现深度学习的场景构架示意图。

图2是本发明实施例提供的图像拍摄方法的一种流程示意图。

图3是本发明实施例提供的图像拍摄方法的一种应用场景图。

图4是本发明实施例提供的图像拍摄方法的另一种应用场景图。

图5是本发明实施例提供的图像拍摄装置的另一种流程示意图。

图6是本发明实施例提供的图像拍摄装置的一种结构示意图。

图7是本发明实施例提供的图像拍摄装置的另一种结构示意图。

图8是本发明实施例提供的图像拍摄装置的又一种结构示意图。

图9是本发明实施例提供的图像拍摄装置的再一种结构示意图。

图10是本发明实施例提供的电子设备的一种结构示意图。

图11是本发明实施例提供的电子设备的另一种结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例提供一种图像拍摄方法、装置、存储介质及电子设备。以下将分别进行详细说明。

请参阅图1，图1为本发明实施例提供的电子设备实现深度学习的场景示意图。

当用户通过电子设备中的图像拍摄功能对图像进行处理时，电子设备可记录处理过程中的输入输出数据。其中，电子设备中可以包括数据采集统计系统与带回馈调整的预测系统。电子设备可通过数据采集系统获取用户大量的图像分类结果数据，并作出相应的统计，并提取图像的图像特征，基于机器深度学习对所提取到的图像特征进行分析处理。在输入图像时，电子设备通过预测系统预测图像的分类结果。在用户做出最终选择行为后，所述预测系统根据用户行为的最终结果，反向回馈调整各权重项的权值。经过多次的迭代更正以后，使得所述预测系统的各个权重项的权值最终收敛，形成学习得到的数据库。

电子设备可以为移动终端，如手机、平板电脑等，也可以为传统的PC(Personal Computer，个人电脑)等，本发明实施例对此不进行限定。

在一实施例中，提供一种图像拍摄方法，如图2所示，流程可以如下：

101、识别画面中的人脸图像。

在一些实施例中，该画面具体可以为电子设备通过摄像头采集的画面。该摄像头可以为数字摄像头，也可为模拟摄像头。数字摄像头可以将图像采集设备产生的模拟图像信号转换成数字信号，进而将其储存在计算机里。模拟摄像头捕捉到的图像信号必须经过特定的图像捕捉卡将模拟信号转换成数字模式，并加以压缩后才可以转换到计算机上运用。数字摄像头可以直接捕捉影像，然后通过串、并口或者USB接口传到计算机里。本申请实施例中，电子设备一般采用数字摄像头，以实时将所采集的画面转换成数据在电子设备的显示界面(即相机的预览框)上实时显示。

本申请实施例所提供的图像拍摄方法，主要应用于图像拍摄过程中实现自动拍摄的场景。尤其是自拍时，以手机为例，一般为单手操作，在按压快门按钮的时候会导致手机发生轻微抖动，使得所捕捉到的画面变得模糊，若是摄像头可以自动捕捉画面无需手动按压快门键，则可以获取清晰可观的图像。

其中，该画面中包括有一个或多个人物图像，且至少存在一个可识别到的人脸图像。另外，该画面中还可进一步包括景物图像，如建筑物、动植物等。

一般来说，人脸识别过程可以包括四个部分：图像摄取、人脸定位、图像预处理、以及人脸识别(身份确认或者身份查找)。在此过程在，可采用的人脸识别算法可以有多种，比如，基于人脸特征点的识别算法(Feature-based recognition algorithms)、基于整幅人脸图像的识别算法(Appearance-based recognition algorithms)、基于模板的识别算法(Template-based recognition algorithms)、利用神经网络进行识别的算法(Recognition algorithms using neural network)等等。另外，还有基于光照估计模型理论，其提出了基于Gamma灰度矫正的光照预处理方法，并且在光照估计模型的基础上，进行相应的光照补偿和光照平衡策略；优化的形变统计校正理论，其为基于统计形变的校正理论，优化人脸姿态；独创的实时特征识别理论，该理论侧重于人脸实时数据的中间值处理，从而可以在识别速率和识别效能之间，达到最佳的匹配效果。

102、基于人脸图像获取对应的拍摄算法模型，该拍摄算法模型通过对历史拍摄参数进行学习而得到。

在本申请实施例中，可针对不同的拍摄对象训练生成不同的拍摄算法模型，针对画面中不同的人脸获取对应的拍摄算法模型并执行以实现智能拍摄。

实际应用中，在通过电子设备的摄像头拍摄照片时可记录拍摄参数得设置，其中，拍摄参数具体可以包括但不限于焦距、焦点、曝光值、亮度、对比度、饱和度等等一系列参数值。从所拍摄到的大量照片中筛选出较佳(指用户认为拍的好的，主观性较强)的照片并进行标记，获取较佳照片对应的目标拍摄参数，电子设备目标拍摄参数进行深度学习，生成相应的拍摄算法模型。

在一些实施例中，还可将所筛选出的较佳照片作为样本图像进行分析，提取图像特征(包括人物表情、神态，人物的轮廓角度：如正脸、侧脸或背影等，画面中背景与人物的位置关系，画面的清晰程度等等)。再对所提取的图像特征以及拍摄参数进行深度学习，分析得出图像特征与拍摄参数之间的对应的关系，以便在人物展现出不同的姿势或状态时，电子设备可采用对应的拍摄参数对当前画面进行拍摄。

需要说明的是，当检测到画面中有两个及以上的人脸图像时，可分别获取不同人脸各自对应的拍摄算法模型，并同步执行以下步骤的操作。

103、获取当前画面中人脸图像的姿态信息。

其中，姿态信息可以包括人脸的姿势、角度。

本申请实施例中，需实时对画面进行跟踪分析，基于图像识别技术识别出其中的人脸图像，并对该人脸图像中的关键点进行检测，以确定人脸的姿态。也即，在一些实施例中，步骤“取当前画面中的人脸姿态信息”可以包括以下流程：

确定画面中人脸图像的面部特征点；

根据面部特征点生成面部特征向量；

获取面部特征向量与预设面部特征向量之间的差异值；

根据差异值获取人脸图像的姿态信息。

其中，面部特征点具体可以是根据人脸图像中的“两只眼睛+嘴巴”，或者“两只眼睛+鼻子”而得到的特征点。而预设面部特征向量可以为人脸姿态为正面时的特征向量。姿态信息可以是相对于该正面而言的姿态。比如参考图3，A为眉毛、眼睛B1(左)和眼睛B2(右)、鼻子C、嘴巴D、耳朵E以及脸蛋F，其中将两只眼睛B1、B2以及鼻子C作为特征部，进一步的从特征部中选取特征点，以作为面部特征点。将特征点相互之间的位置关系所构成的向量作为特征向量。

如图3所选取的特征点为眼睛B1的内眼角、眼睛B2的内眼角以及鼻子C的鼻尖(由于眼球是会转动的，因此可以选择位置固定不变的标识点)作为面部特征点，并形成构成三角区域的三个向量，图中这三个向量即可以作为预设面部特征向量。实际应用中，人脸一旦发生姿态改变，则该三个向量的大小和/或方向也会发生变化，因此可所检测到实时人脸的面部特征向量，将其与预设面部特征向量进行比较，便可以根据所计算两者间的差异值来确定当前人脸图像的姿态信息，如偏左、偏右、偏上、偏下、偏右上、偏左下等等。

在一些实施例中，姿态信息还可以包括人脸的表情。具体实施时，可以提取人脸图像中的颜色特征、纹理特征、形状特征、空间关系特征，从而根据所提取的图像特征识别出人脸的五官，诸如眼睛、嘴巴、鼻子、眉毛、耳朵。而若要提高识别精度，则可基于机器的深度学习技术，对该电子设备进行训练得到一高精确度的算法模型，基于该算法模型对五官进行识别并分析出人脸表情，如微笑、大笑、忧伤、愤怒等等，可参考图4所示出的不同面部表情的示意图。

其中，颜色特征是一种全局特征，描述了图像或图像区域所对应的景物的表面性质。纹理特征也是一种全局特征，也描述了图像或图像区域所对应景物的表面性质。形状特征是一种局部特征，有两类表示方法，一类是轮廓特征，主要针对物体的外边界；另一类是区域特征，其关系到整个形状区域。空间关系特征，指图像中分割出来的多个目标之间的相互的空间位置或相对方向关系，这些关系也可分为连接/邻接关系、交叠/重叠关系和包含/包容关系等。

具体实施过程中，可利用傅立叶变换法、窗口傅立叶变换法、小波变换法、最小二乘法、边界方向直方图法、基于Tamura纹理特征的纹理特征提取等，提取人脸图像的图像特征。

104、根据拍摄算法模型和姿态信息对当前画面进行拍摄，以得到目标图像。

在一些实施例中，步骤“根据拍摄算法模型和所述姿态信息对当前画面进行拍摄”可以包括以下流程：

判断姿态信息是否满足预设条件；

若是，则基于该拍摄算法模型对当前画面进行拍摄。

其中，该预设条件可以为是否执行图像拍摄的条件，电子设备可以通过自身学习而得的算法模型，对该姿态信息是否满足预设条件进行判定，当姿态信息满足该条件时，电子设备则可执行图像拍摄操作。同样地，当电子设备不满足该预设条件时，则不执行拍摄操作而继续对画面中人脸的姿态信息进行跟踪判定。

在一些实施例中，姿态信息可以包括偏转角度和表情特征，则步骤“判断姿态信息是否满足预设条件”可以包括以下流程：

判断偏转角度是否处于预设偏转角度范围内；

若是，则将表情特征与样本表情特征是否匹配；

若表情特征与样本表情特征匹配，则判定该姿态信息满足预设条件。

具体地，可利用相关算法，预先提取历史图像中的每一较佳图像中人脸的偏转角度和表情特征，并将该偏转角度以及对应的表情特征关联后添加至数据库中，进行保存。以人脸正面为零偏转角，则可计算出所保存的较佳图像中人脸的偏转角度。将当前画面中人脸的偏转角度与数据库中所保存较佳历史图像中人脸的偏转角度进行比较，鉴于匹配过程中允许存在一定误差，则可设定两者间的差异值处于一定范围内，则可判定偏转角度匹配(即姿势匹配)，也即，当前画面中人脸的偏转角度处于预设偏转角度范围内时，可判定姿势匹配。

在偏转角度满足条件的前提下，还需进一步判定画面中的人脸表情是否满足条件。也即判断当前画面中的人脸表情特征是否与数据库中与该偏转角度关联的表情特征相匹配。实际上，只需识别当前表情，判断当前表示是否与该关联的表情特征所对应的表情为同一表情即可，如是否都为微笑或哭泣。

当偏转角度和表情特征都满足条件，则可判定该姿态信息满足预设条件，从而执行图像拍摄；否则判定为不满足预设条件，从而不执行图像拍摄。

在执行拍摄时，可将该表情特征和偏转角度作为该拍摄算法模型的输入信息，根据该拍摄算法模型获对应的拍摄参数，并基于所获取的拍摄参数对当前画面进行拍摄，以得到目标图像。

由上可知，本发明实施例提供了一种图像拍摄方法，通过识别画面中的人脸图像；基于人脸图像获取对应的拍摄算法模型，该拍摄算法模型通过对历史拍摄参数进行学习而得到；获取当前画面中人脸图像的姿态信息；根据拍摄算法模型和姿态信息对当前画面进行拍摄，以得到目标图像。该方案可智能地拍摄较佳图像画面，无需用户手动按下快门，提升了所拍摄图像的质量，同时还缩短了拍摄时间，降低了电子设备功耗。

在一实施例中，还提供另一种图像拍摄方法，如图5所示，流程可以如下：

201、构建人脸图像数据库。

在本申请实施例中，需要预先构建人脸图像集合。需要说明的是，人脸图像数据库中包括有不同人物的多个不同姿态的样本人脸图像，且该样本图像可为为带表情的图像，即面部表现出有喜怒哀乐的脸部图像。

需要说明的是，该人脸图像数据中的图像都为用户从大量历史图像中所选取的较佳图像，也即图像中的人物表情、姿势、动作、角度、光线等都符合用户审美的图像。

在构建预设人脸图像集合时，首先是采集同一人物的多张不同姿态的照片，具体可以使获取不同角度、不同表情的照片。在通过电子设备摄像头拍摄图像的同时可记录拍摄参数。获取到一定数量照片后，用户从所拍摄到的照片中筛选出较佳(指用户认为拍的好的，主观性较强)的照片进行标记，并存储，以得到人脸图像数据库。

进一步地，还可对所筛选出的较佳照片进行分析，识别出各较佳照片中人脸的表情和姿势。在一些实施例中，可通过相机的拍摄角度或者镜头与被拍摄者之间的位置关系，分析出人脸相对于摄像头镜头所在平面的偏转角度。最后，将所采集到的较佳图像作为样本人脸图像、对应的偏转角度作为样本偏转角度，并建立样本人脸图像与样本偏转角度之间的映射关系；另外，还可通过人脸表情识别算法从较佳图像中提取人脸的表情特征作为样本表情特征，并建立样本表情特征与样本人脸图像之间的映射关系；将样本人脸图像、样本偏转角度、样本表情特征以及两组映射关系添加到数据库中，以完成人脸图像数据库的构建。

202、获取人脸图像数据库中人脸图像被拍摄时对应的目标拍摄参数，并根据目标拍摄参数生成训练样本。

具体地，可对从所拍摄到的大量照片中筛选出较佳的照片并进行标记，以区分于其他照片。然后从所记录的拍摄参数中提取被标记的照片对应的拍摄参数，以得到人脸图像数据库中人脸图像被拍摄时对应的目标拍摄参数。其中，拍摄参数具体可以包括但不限于焦距、焦点、曝光值、亮度、对比度、饱和度等等一系列参数值，并基于该目标拍摄参数生成训练样本。

203、基于该训练样本对预设算法模型进行训练，得到拍摄算法模型。

具体地，将生成的训练样本作为预设算法模型的输入信息，对预设算法模型进行训练，以生成相应的拍摄算法模型。实际应用中，可针对不同的拍摄对象(即不同的人脸图像)训练生成不同的拍摄算法模型。

204、识别画面中的人脸图像，并基于人脸图像获取对应的拍摄算法模型。

其中，该画面中包括有一个或多个人物图像，且至少存在一个可识别到的人脸图像。另外，该画面中还可进一步包括景物图像，如建筑物、动植物等。

本申请实施例所提供的图像拍摄方法，主要应用于图像拍摄过程中实现自动拍摄的场景。尤其是自拍时，以手机为例，一般为单手操作，在按压快门按钮的时候会导致手机发生轻微抖动，使得所捕捉到的画面变得模糊，若是摄像头可以自动捕捉画面无需手动按压快门键，则可以获取清晰可观的图像。

具体地，人脸识别过程可以包括四个部分：图像摄取、人脸定位、图像预处理、以及人脸识别(身份确认或者身份查找)。在此过程在，可采用的人脸识别算法可以有多种，比如，基于人脸特征点的识别算法、基于整幅人脸图像的识别算法、基于模板的识别算法、利用神经网络进行识别的算法等，以执行人脸识别操作。

由于在本申请实施例中，可针对不同的拍摄对象训练生成不同的拍摄算法模型，针对画面中不同的人脸获取对应的拍摄算法模型并执行以实现智能拍摄。因此，可在正确识别人脸后，根据人脸图像与算法模型之间的关联，为所识别到的人脸匹配到对应的拍摄算法模型。

205、获取当前画面中人脸图像的姿态信息。

在一些实施例中，姿态信息可以包括人脸的姿势、角度。

本申请实施例中，需实时对画面进行跟踪分析，基于图像识别技术识别出其中的人脸图像，并对该人脸图像中的关键点进行检测，以确定人脸的姿态。也即，在一些实施例中，步骤“取当前画面中的人脸姿态信息”可以包括以下流程：

确定画面中人脸图像的面部特征点；

根据面部特征点生成面部特征向量；

获取面部特征向量与预设面部特征向量之间的差异值；

根据差异值获取人脸图像的姿态信息。

其中，面部特征点具体可以是根据人脸图像中的“两只眼睛+嘴巴”，或者“两只眼睛+鼻子”而得到的特征点。而预设面部特征向量可以为人脸姿态为正面时的特征向量。姿态信息可以是相对于该正面而言的姿态。在一些实施例中，可以人脸五官作为特征部，进一步的从特征部中选取特征点，以作为面部特征点。将特征点相互之间的位置关系所构成的向量作为特征向量。

实际应用中，人脸一旦发生姿态改变，特征向量的大小和/或方向也会发生变化，因此可将所检测到实时人脸的面部特征向量，与预设面部特征向量进行比较，便可以根据所计算两者间的差异值来确定当前人脸图像的姿态信息，如偏左、偏右、偏上、偏下、偏右上、偏左下等等。

在一些实施例中，姿态信息还可以包括人脸的表情。具体实施时，可以提取人脸图像中的颜色特征、纹理特征、形状特征、空间关系特征，从而根据所提取的图像特征识别出人脸的五官，诸如眼睛、嘴巴、鼻子、眉毛、耳朵。而若要提高识别精度，则可基于机器的深度学习技术，对该电子设备进行训练得到一高精确度的算法模型，基于该算法模型对五官进行识别并分析出人脸表情，如微笑、大笑、忧伤、愤怒等等。

206、判断姿态信息是否满足预设条件；若是，执行步骤207，若否，则继续执行步骤205。

其中，该预设条件可以为是否执行图像拍摄的条件，电子设备可以通过自身学习而得的算法模型，对该姿态信息是否满足预设条件进行判定。

在一些实施例中，提取表情特征，具体可以为提取人脸图像中的颜色特征、纹理特征、形状特征、空间关系特征，从而根据所提取的图像特征识别出人脸的五官，诸如眼睛、嘴巴、鼻子、眉毛、耳朵。而若要提高识别精度，则可基于机器的深度学习技术，对该电子设备进行训练得到一高精确度的算法模型，对表情特征进行分析处理，从而得到精确的表情特征参数。

在一些实施例中，姿态信息可以包括偏转角度和表情特征，则步骤“判断姿态信息是否满足预设条件”可以包括以下流程：

判断偏转角度是否处于预设偏转角度范围内；

若是，则将表情特征与样本表情特征是否匹配；

若表情特征与样本表情特征匹配，则判定该姿态信息满足预设条件。

具体地，可利用相关算法，预先提取历史图像中的每一较佳图像中人脸的偏转角度和表情特征，并将该偏转角度以及对应的表情特征关联后添加至数据库中，进行保存。以人脸正面为零偏转角，则可计算出所保存的较佳图像中人脸的偏转角度。将当前画面中人脸的偏转角度与数据库中所保存较佳历史图像中人脸的偏转角度进行比较，鉴于匹配过程中允许存在一定误差，则可设定两者间的差异值处于一定范围内，则可判定偏转角度匹配(即姿势匹配)，也即，当前画面中人脸的偏转角度处于预设偏转角度范围内时，可判定姿势匹配。

在偏转角度满足条件的前提下，还需进一步判定画面中的人脸表情是否满足条件。也即判断当前画面中的人脸表情特征是否与数据库中与该偏转角度关联的表情特征相匹配。实际上，只需识别当前表情，判断当前表示是否与该关联的表情特征所对应的表情为同一表情即可，如是否都为微笑或哭泣。

当偏转角度和表情特征都满足条件，则可判定该姿态信息满足预设条件，否则判定为不满足预设条件。

207、基于该拍摄算法模型对当前画面进行拍摄。

具体地，在执行图像拍摄时，可将上述姿态信息作为该拍摄算法模型的输入信息，根据该拍摄算法模型获对应的拍摄参数，并基于所获取的拍摄参数对当前画面进行拍摄，以得到目标图像。

由上可知，本发明实施例提供的图像拍摄方法，通过预先构建人脸图像数据库对预设算法模型进行训练，针对不同人物训练出不同的算法模型；在拍摄时，识别画面中的人脸图像，基于人脸图像获取对应的拍摄算法模型，并获取当前画面中人脸图像的姿态信息；当姿态信息满足条件时，基于该拍摄算法模型对当前画面进行拍摄，以得到目标图像。该方案可智能地拍摄到较佳图像画面，无需用户手动按下快门，提升了所拍摄图像的质量，同时还缩短了拍摄时间，降低了电子设备功耗。

在本发明又一实施例中，还提供一种图像拍摄装置，该图像拍摄装置可以软件或硬件的形式集成在电子设备中，该电子设备具体可以包括手机、平板电脑、笔记本电脑等设备。如图6所示，该图像拍摄装置30可以包括识别模块31、模型获取模块32、姿态获取模块33、以及拍摄模块34，其中：

识别模块31，包括：识别画面中的人脸图像；

模型获取模块32，用于基于所述人脸图像获取对应的拍摄算法模型，该拍摄算法模型通过对历史拍摄参数进行学习而得到；

姿态获取模块33，用于获取当前画面中人脸图像的姿态信息；

拍摄模块34，用于根据该拍摄算法模型和该姿态信息对当前画面进行拍摄，以得到目标图像。

在一些实施例中，参考图7，该姿态获取模块33可以包括：

确定子模块331，用于确定画面中人脸图像的面部特征点；

生成子模块332，用于根据该面部特征点生成面部特征向量；

第一获取子模块333，用于获取该面部特征向量与预设面部特征向量之间的差异值；

第二获取子模块334，用于根据该差异值获取该人脸图像的姿态信息。

在一些实施例中，参考图8，该拍摄模块34可以包括：

判断子模块341，用于判断该姿态信息是否满足预设条件；

拍摄子模块342，用于若判断自模块判定为是，则基于该拍摄算法模型对当前画面进行拍摄。

在一些实施例中，该姿态信息包括偏转角度和表情特征；该判断子模块341用于：

判断该偏转角度是否处于预设偏转角度范围内；

若是，则将该表情特征与样本表情特征是否匹配；

若该表情特征与样本表情特征匹配，则判定该姿态信息满足预设条件。

在一些实施例中，参考图9，该图像拍摄装置30还可以包括:

参数获取模块35，用于在识别画面中的人脸图像之前，从历史拍摄参数中获取目标拍摄参数，该目标拍摄参数为被标记的图像被拍摄时所对应的拍摄参数；

生成模块36，用于根据该目标拍摄参数生成训练样本；

训练模块37，用于基于该训练样本对预设算法模型进行训练，得到拍摄算法模型。

由上可知，本发明实施例提供的图像拍摄装置，通过识别画面中的人脸图像；基于人脸图像获取对应的拍摄算法模型，该拍摄算法模型通过对历史拍摄参数进行学习而得到；获取当前画面中人脸图像的姿态信息；根据拍摄算法模型和姿态信息对当前画面进行拍摄，以得到目标图像。该方案可智能地拍摄较佳图像画面，无需用户手动按下快门，提升了所拍摄图像的质量，同时还缩短了拍摄时间，降低了电子设备功耗。

在本发明又一实施例中还提供一种电子设备，该电子设备可以是智能手机、平板电脑等设备。如图10所示，电子设备400包括处理器401、存储器402。其中，处理器401与存储器402电性连接。

处理器401是电子设备400的控制中心，利用各种接口和线路连接整个电子设备的各个部分，通过运行或加载存储在存储器402内的应用程序，以及调用存储在存储器402内的数据，执行电子设备的各种功能和处理数据，从而对电子设备进行整体监控。

在本实施例中，电子设备400中的处理器401会按照如下的步骤，将一个或一个以上的应用程序的进程对应的指令加载到存储器402中，并由处理器401来运行存储在存储器402中的应用程序，从而实现各种功能：

识别画面中的人脸图像；

基于该人脸图像获取对应的拍摄算法模型，该拍摄算法模型通过对历史拍摄参数进行学习而得到；

获取当前画面中人脸图像的姿态信息；

根据该拍摄算法模型和该姿态信息对当前画面进行拍摄，以得到目标图像。

在一些实施例中，处理器401还用于执行以下步骤：

确定画面中人脸图像的面部特征点；

根据该面部特征点生成面部特征向量；

获取该面部特征向量与预设面部特征向量之间的差异值；

根据该差异值获取该人脸图像的姿态信息。

在一些实施例中，处理器401还用于执行以下步骤：

判断该姿态信息是否满足预设条件；

若是，则基于该拍摄算法模型对当前画面进行拍摄。

在一些实施例中，该姿态信息包括偏转角度和表情特征，处理器401还用于执行以下步骤：

判断该偏转角度是否处于预设偏转角度范围内；

若是，则将该表情特征与样本表情特征是否匹配；

若该表情特征与样本表情特征匹配，则判定该姿态信息满足预设条件。

在一些实施例中，在识别画面中的人脸图像之前，处理器401还可用于执行以下步骤：

从历史拍摄参数中获取目标拍摄参数，该目标拍摄参数为被标记的图像被拍摄时所对应的拍摄参数；

根据该目标拍摄参数生成训练样本；

基于该训练样本对预设算法模型进行训练，得到拍摄算法模型。

存储器402可用于存储应用程序和数据。存储器402存储的应用程序中包含有可在处理器中执行的指令。应用程序可以组成各种功能模块。处理器401通过运行存储在存储器402的应用程序，从而执行各种功能应用以及数据处理。

在一些实施例中，如图11所示，电子设备400还包括：显示屏403、控制电路404、射频电路405、输入单元406、音频电路407、传感器408以及电源409。其中，处理器401分别与显示屏403、控制电路404、射频电路405、输入单元406、音频电路407、传感器408以及电源409电性连接。

显示屏403可用于显示由用户输入的信息或提供给用户的信息以及电子设备的各种图形用户接口，这些图形用户接口可以由图像、文本、图标、视频和其任意组合来构成。其中，该显示屏403可以作为本发明实施例中的屏幕，用于显示信息。

控制电路404与显示屏403电性连接，用于控制显示屏403显示信息。

射频电路405用于收发射频信号，以通过无线通信与网络设备或其他电子设备建立无线通讯，与网络设备或其他电子设备之间收发信号。

输入单元406可用于接收输入的数字、字符信息或用户特征信息(例如指纹)，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。其中，输入单元406可以包括指纹识别模组。

音频电路407可通过扬声器、传声器提供用户与电子设备之间的音频接口。

传感器408用于采集外部环境信息。传感器408可以包括环境亮度传感器、加速度传感器、光传感器、运动传感器、以及其他传感器。

电源409用于给电子设备400的各个部件供电。在一些实施例中，电源409可以通过电源管理系统与处理器401逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。

摄像头410用于采集外界画面，可以使数字摄像头，也可以为模拟摄像头。在一些实施例中，摄像头410可将采集到的外界画面转换成数据发送给处理器401以执行图像拍摄操作。

尽管图11中未示出，电子设备400还可以包括蓝牙模块等，在此不再赘述。

由上可知，本发明实施例提供的电子设备，通过识别画面中的人脸图像；基于人脸图像获取对应的拍摄算法模型，该拍摄算法模型通过对历史拍摄参数进行学习而得到；获取当前画面中人脸图像的姿态信息；根据拍摄算法模型和姿态信息对当前画面进行拍摄，以得到目标图像。该方案可智能地拍摄较佳图像画面，无需用户手动按下快门，提升了所拍摄图像的质量，同时还缩短了拍摄时间，降低了电子设备功耗。

本发明又一实施例中还提供一种存储介质，该存储介质中存储有多条指令，该指令适于由处理器加载以执行上述任一图像拍摄方法的步骤。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取记忆体(RAM，Random Access Memory)、磁盘或光盘等。

在描述本发明的概念的过程中使用了术语“一”和“所述”以及类似的词语(尤其是在所附的权利要求书中)，应该将这些术语解释为既涵盖单数又涵盖复数。此外，除非本文中另有说明，否则在本文中叙述数值范围时仅仅是通过快捷方法来指代属于相关范围的每个独立的值，而每个独立的值都并入本说明书中，就像这些值在本文中单独进行了陈述一样。另外，除非本文中另有指明或上下文有明确的相反提示，否则本文中所述的所有方法的步骤都可以按任何适当次序加以执行。本发明的改变并不限于描述的步骤顺序。除非另外主张，否则使用本文中所提供的任何以及所有实例或示例性语言(例如，“例如”)都仅仅为了更好地说明本发明的概念，而并非对本发明的概念的范围加以限制。在不脱离精神和范围的情况下，所属领域的技术人员将易于明白多种修改和适应。

以上对本发明实施例所提供的一种图像拍摄方法、装置、存储介质及电子设备进行了详细介绍，本文中应用程序了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的技术人员，依据本发明的思想，在具体实施方式及应用程序范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。