用于智能群体肖像的方法和系统与流程

本公开大体上涉及图像处理，且更具体地说，涉及用于摄影的面部检测。

背景技术：

当使用相机俘获一群多人的图像时，尤其对于包含儿童的群组，俘获群体中的全部参与者正展现期望的面部特征(例如，面对相机、眼睛睁开、微笑)的单一图像可以是具有挑战性的。

一些解决方案尝试通过拍摄群体的多个图像以在后处理中产生群体的较佳图像，来解决这一问题。举例来说，可以从多个图像识别对应于每个群体参与者的最佳图像，其可组合以形成单一图像。

然而，这种解决方案可能是耗时且对用户不友好的，且可能需要用户手动劳动。此外，由于需要俘获和存储多个图像，因此这种解决方案可能消耗大量存储空间。此外，如果未俘获群体中的一或多个参与者的可使用图像，那么可能不始终能够构造可接受图像。

技术实现要素：

本公开的系统、方法和装置各自具有若干创新方面，其中没有单个方面单独负责本文中所公开的合乎需要的属性。

在一个实施例中，提供用于俘获场景中的一群个人的图像的方法。方法可包括执行面部检测以识别群体中的一或多个个人。方法可以进一步包括对于每个所识别的个人，监控个人的一或多个特征。方法可以进一步包括基于个人的一或多个特征确定个人的图像质量得分，图像质量得分指示个人在群体的所俘获图像中看起来将如何。方法可以进一步包括确定个人的图像质量得分是否满足一或多个图像质量阈值。方法可以进一步包括，响应于确定个人的图像质量得分满足一或多个阈值，俘获个人的子图像。方法可以进一步包括组合所识别的个人中的一或多个的所俘获子图像，以形成群体的单一复合图像。

在一个实施例中，提供用于俘获场景中的一群个人的图像的图像俘获系统。图像俘获系统可包括经配置以存储图像数据的存储器。图像俘获系统可以进一步包括至少一个处理器。所述至少一个处理器可经配置以执行面部检测以识别群体中的一或多个个人。所述至少一个处理器可进一步经配置以对于每个所识别的个人，监控个人的一或多个特征。所述至少一个处理器可能进一步经配置以基于个人的一或多个特征确定个人的图像质量得分，图像质量得分指示个人在群体的所俘获图像中看起来将如何。所述至少一个处理器可以进一步经配置以确定个人的图像质量得分是否满足一或多个图像质量阈值。所述至少一个处理器可能进一步经配置以响应于确定个人的图像质量得分满足一或多个阈值，俘获个人的子图像。所述至少一个处理器可能进一步经配置以组合所识别的个人中的一或多个的所俘获子图像，以形成群体的单一复合图像。

附图说明

根据在结合图式进行的下文中阐述的详细描述，各种特征、本质和优点可变得显而易见，在图式中，相同的参考标号贯穿全文相应地进行识别。

图1根据本公开的方面说明包含可记录场景图像的成像系统的设备(例如，移动通信装置)的实例。

图2描绘说明根据本公开的成像装置的实例的框图。

图3描绘可用于检测个人面部和确定所检测到的个人的视点的图像处理器管线的实例实施例。

图4a到4d根据一些实施例说明俘获一群个人的图像的实例。

图5根据一些实施例说明使用面部检测和监控俘获一群个人的图像的过程的流程图。

图6根据一些实施例说明用于监控和俘获个人的子图像的过程的流程图。

具体实施方式

以下详细描述涉及本发明的某些特定实施例。然而，本发明可以众多不同方式实施。应当显而易见的是，本文中的方面可以广泛多种形式体现，并且本文中公开的任何具体结构、功能或两者仅为代表性的。基于本文中的教示，所属领域的技术人员应了解，本文中所揭示的方面可以独立于任何其它方面而实施，且可以各种方式组合这些方面中的两个或多于两个方面。举例来说，可使用本文中所阐述的任何数目个方面来实施设备或实践方法。另外，通过使用除了在本文中所阐述的方面中的一或多个之外或不同于在本文中所阐述的方面中的一或多个的其它结构、功能性或结构和功能性，可以实施此设备或可以实践此方法。

另外，本文中描述的系统和方法可实施于代管相机的多种不同计算装置上。这些包含手机、平板计算机、专用相机、便携式计算机、照相亭或一体机、个人数字助理、超移动个人计算机、移动互联网装置、安全相机、动作相机、无人机相机、汽车相机、身体相机、头戴式相机等。它们可使用通用或专用计算机系统环境或配置。可适合与所描述的技术一起使用的运算系统、环境和/或配置的实例包含但不限于个人计算机(personalcomputer；pc)、服务器计算机、手持式装置或膝上型装置、多处理器系统、基于微处理器的系统、可编程消费型电子装置、网络pc、微型计算机、大型计算机，包含上述系统或装置中的任一个的分布式运算环境等。

相机系统

图1根据本公开的方面说明包含可记录场景图像的成像系统的设备(例如，移动通信装置)的实例。设备100包含显示器120。设备100还可在设备的相反侧上包含未示出的相机。显示器120可显示在相机的视野130内所俘获的图像。图1示出视野130内的可由相机捕捉的对象150(例如，人)。设备100内的处理器可执行关于成像装置的各种功能，其可包含图像俘获功能(例如，自动聚焦)、图像处理功能(例如，面部检测、俘获子图像等等)等。设备100可包括成像装置或组件作为芯片上系统(system-on-chip；soc)的部分。soc可包含使用至少一个risc指令集的中央处理单元(centralprocessingunit；cpu)，且单一soc可包含多个cpu核心、图形处理单元(graphicsprocessingunit；gpu)、无线调制解调器和其它软硬件以支持手机的全球定位系统(globalpositioningsystem；gps)、相机、手势识别和视频。

图2描绘说明根据本公开的成像装置的实例的框图。成像装置200，本文中还可互换地称为相机，可包含处理器205，其可操作地连接到图像传感器214、可选面部检测集成电路(integratedcircuit；ic)216、透镜210、致动器212、存储器230、可选存储装置275、可选显示器280、可选输入装置290和可选闪光灯295。在此实例中说明的存储器230可存储指令以配置处理器205来执行关于成像装置200的功能，例如执行面部检测、俘获图像或子图像，等等。

在说明性实施例中，光进入透镜210，且聚焦在图像传感器214上。在一些实施例中，透镜210为一个系统的部分，其可包含多个透镜和可调整光学元件，且可能可由处理器205控制。在一个方面，图像传感器214利用电荷耦合装置(chargecoupleddevice；ccd)。在另一方面，图像传感器214利用互补金属氧化物半导体(complementarymetal-oxidesemiconductor；cmos)或ccd传感器。透镜210联接到致动器212，且可通过致动器212相对于图像传感器214移动。透镜210相对于图像传感器214的移动可用于聚焦所俘获图像。举例来说，致动器212可经配置以在一系列一或多个透镜移动中移动透镜210以调整透镜位置，从而改变图像的聚焦。

显示器280可经配置以显示经由透镜210和图像传感器214俘获的图像，且也可用来实施成像装置200的配置功能。在一个实施方案中，显示器280可经配置以显示由用户经由成像装置200的输入装置290选择的所俘获图像的一或多个区。在一些实施例中，成像装置200可能不包含显示器280。

输入装置290可取决于实施方案而呈现许多形式。在一些实施方案中，输入装置290可与显示器280集成，以便形成触摸屏显示器。在其它实施方案中，输入装置290可包含在成像装置200上的单独按键或按钮。这些按键或按钮可提供输入以用于导览在显示器280上显示的菜单。在其它实施方案中，输入装置290可为输入端口。举例来说，输入装置290可提供另一装置到成像装置200的操作性联接。成像装置200接着可经由输入装置290从附接的键盘或鼠标接收输入。在再其它实施例中，输入装置290可远离成像装置200且经由例如无线网络的通信网络与所述成像装置通信。

在一些实施例中，面部检测ic216可用于对所俘获图像(例如，由图像传感器214俘获)执行面部检测。面部检测可用于检测相机的视场内的个人、测量检测到的个人的一或多个面部特征，等等。举例来说，面部检测ic216可用于检测经拍照的一群个人的每个成员，且监控其面部特征以便确定俘获图像的最佳时间。在一些实施例中，可以由处理器205代替面部检测ic216，或由面部检测ic216和处理器205的组合，来执行面部检测。

存储器230可由处理器205用以存储在成像装置200的操作期间动态创建的数据。在一些实例中，存储器230可包含其中存储动态创建的数据的分离的工作存储器。举例来说，存储于存储器230中的指令在被处理器205执行时可存储于工作存储器中。工作存储器也可存储动态运行时间数据，例如由在处理器205上执行的程序利用的堆或栈数据。存储器275可被利用来存储由成像装置200创建的数据。举例来说，经由图像传感器214所俘获的图像可存储于存储装置275上。如同输入装置290，存储装置275还可以是远程定位，即，不与成像装置200成一体，且可以借助通信网络接收所俘获图像。

存储器230可被视为计算机可读媒体，且存储用于指挥处理器205和/或面部检测ic216来执行本公开的各种功能的指令。举例来说，在一些方面中，存储器230可经配置以存储导致处理器205和/或面部检测ic216执行各种方法，例如如下文所描述和图5到6中所说明的那些方法的指令。

图3描绘可用于检测个人面部和确定所检测到的个人的视点的图像处理器管线302的实例实施例。图像处理器管线302可实施为面部检测ic216和/或处理器205的部分。在一些实施例中，图像处理器管线302包含肤色检测电路304、面部检测电路306、眼睛检测电路308、响应于肤色和面部检测电路的视点检测器310，和面部位置历史电路312。

在特定实施例中，肤色检测电路304可经配置以接收对应于图像的图像数据321，且可经配置以比较图像数据的色度值，以确定图像数据的每个特定像素是否对应于肤色或非肤色区域。在特定实施例中，肤色检测电路304包含色度蓝(chrominanceblue；cb)阈值333和色度红(chrominancered；cr)阈值335。举例来说，肤色检测电路304可能比较特定像素的色度红值与一或多个色度红阈值335，例如较高和较低色度红阈值，指示非皮肤区。此外，肤色检测电路304可确定图像数据的像素的色度蓝值，且比较色度蓝值与指示皮肤区与非皮肤区之间边界的一或多个色度蓝阈值333。在特定实施例中，可识别具有在肤色范围内的色度值的像素，例如满足肤色检测电路304的色度蓝阈值333和色度红阈值335。肤色检测电路304可经配置以产生输出，其包含具有在肤色范围内的色度，指示肤色区的像素。

在特定实施例中，面部检测电路306经配置以从肤色检测电路304接收肤色区输出，且检测图像数据内的面部区的位置。在特定实施例中，面部检测电路306包含动态阈值343、行面部检测电路系统345、列面部检测电路系统347，和色度差电路系统349。

在特定实施例中，面部检测电路306经配置以从肤色检测电路304接收包含具有肤色范围内的色度值的像素的输出。在特定实施例中，行面部检测电路系统345可经配置以识别一行图像数据，且列面部检测电路系统347可经配置以识别一列图像数据。举例来说，行面部检测电路系统345可经配置以根据基于色度均值和色度差异值的第一一维搜索识别一行图像数据，且列面部检测电路系统347可经配置以根据基于色度均值和色度差异值的第二一维搜索识别一列图像数据。在特定实施例中，色度差值电路系统349可经配置以比较所识别的像素的色度值与色度均值，且响应于满足差值阈值的比较结果选择所识别的像素。差值阈值可基于色度差异值。在特定实施例中，当扫描候选区内的更多像素且在像素处满足差值阈值时，可能增加对应于图像数据内的一行所选像素的色度均值的第一像素数量或概率，并且，当扫描候选区内的更多像素且在像素处满足差值阈值时，可能增加对应于图像数据内的一列所选像素的色度均值的第二像素数量或概率。在特定实施例中，可定位具有最大数量像素或满足差值阈值概率的色度均值的列区段，并且可定位具有最大数量像素或满足差值阈值概率的色度均值的行区段。列区段峰值和行区段峰值的位置可用于确定面部区的估计中心像素位置。

在特定实施例中，眼睛检测电路308经配置以从面部检测电路306接收面部位置数据，且检测图像数据内的人眼。眼睛检测电路308可用于进一步优化面部位置数据，以及确认面部区内面部的位置。

在一些实施例中，电路(例如，眼睛检测电路308)可用于评估检测到的面部的眼睛睁开的量。在一些实施例中，可在所检测到的眼睛上利用一或多个弯曲函数(例如，双侧弯曲函数)以确定眼睛睁开程度。在一些实施例中，可检测眼睛瞳孔，且将其相对于环比较。举例来说，如果所检测到的瞳孔形状接近环形状，那么可能推断眼睛基本睁开，且反之亦然。

在一些实施例中，其它电路可经配置以从面部检测电路306接收面部位置数据，以及检测与人员相关的其它面部特征(例如，嘴、鼻、耳等等)。在一些实施例中，可分析和评估检测到的面部特征。举例来说，所检测到的人员眼睛可用于确定人员面对方向，所检测到的人员嘴可用于确定微笑程度(例如，基于嘴弯曲)，等等。

在一些实施例中，通过使用对象分类器可对于所俘获帧执行微笑面部检测(例如，使用面部检测ic216)，所述分类器经训练以区别微笑面部和帧中全部不是微笑面部的对象。在一些实施例中，用于第一帧的检测到的微笑面部清单可用作用于后续帧的输入微笑面部清单。在一些实施例中，对于第一讯框之后的每个帧，可产生用于帧的经跟踪微笑面部的清单，其从帧的输入微笑清单中跟踪帧中的微笑面部。进一步，可通过合并帧的新微笑面部的清单与帧的所跟踪微笑清单，产生用于帧的新微笑面部清单。

在一些实施例中，当检测到帧中分组在一起的若干面部时，可推断出场景既定是群像，且图像内可能存在其它尚未被检测到的面部。作为响应，可更新一或多个参数以改善对场景中可能存在的任何其余面部的检测。举例来说，可更新面部检测算法的一或多个阈值，以用于后续帧中的搜索。

用于面部检测的其它实例系统和方法在2010年4月22日递交的美国专利案第8,315,443号，标题为“基于肤色区和面部区的视点检测器”，和2012年3月16日递交的美国专利案第8,965,046号，标题为“用于微笑面部检测的方法、设备和产品”中公开，其通过引用以其全文结合在此。

群体面部检测

在一些实施例中，面部检测可用于俘获个人群组的较好图像(例如，对一群人的照相)。在一些实施例中，面部检测可用于检测群体中的每个个人。了解群体个人的存在和位置可用于允许相机自动聚焦群体中的每个个人(例如，使用致动器212以定位透镜210位置)，或执行其它图像俘获或处理功能。

当拍摄个人或群组的个人的图像时，通常需要被所俘获图像的个人呈现特定面部特征(例如，眼睛睁开、面对相机、微笑)。在一些实施例中，可监控所检测个人的一或多个特征(例如，面部特征，如嘴弯曲、眼睛内部眼角与外眼角相对位置，等等)以确定个人是否呈现需要的面部特征，或确定个人微笑程度，其中如果个人微笑程度满足阈值量，那么个人被视为呈现需要的面部特征。

然而，当俘获一群人的图像时，并非所有群体中的个人可同时展现期望的面部特征。举例来说，图4a到4d根据一些实施例说明俘获一群个人的图像的实例。相机402可用于俘获包含一群人406a到e的场景404的图像。在指定时间内，群体中的不同人406a到e可能展现不同的面部特征。举例来说，如图4a中所说明，人员406a面对相机、微笑且眼睛睁开。另一方面，人员406b面对相机且微笑，但眼睛闭合；人员406b面对相机，眼睛睁开，但未微笑；人员406d未面对相机；以及人员406e面对相机且微笑，眼睛睁开，但部分地被人员406e阻挡。

因而，由相机402采集的场景404的图像可能不示出了展现需要的面部特征的群体全部人员406a到e。举例来说，如图4a中所说明，仅人员406a正展现所需面部特征，而其它人都未展现所需面部特征(例如，人406b、c、和d)或其面部至少部分地从视点被阻挡(例如，人员406e)。

如图4b中所说明，面部检测可用于识别群体中的每个人406a到e的面部408a到e。在一些实施例中，与相机相关的处理器或面部检测模块(例如，处理器205和/或面部检测ic216)可分析由相机402俘获的图像，以识别一或多个面部特征(例如，头、眼睛、鼻)以检测场景404中存在的个人。在一些实施例中，可使用例如肤色检测、边界检测、深度映射产生的技术、上文识别的任何技术，等等，或其任何组合。在一些实施例中，面部检测可用于识别个人，即使个人的面部未直接面对相机(例如，人员406d)，或个人面部的一部分被遮挡(例如，人员406e)。在一些实施例中，面部检测可至少部分地基于一或多个用户输入。举例来说，用户可使用触摸屏或其它输入装置指示场景中的群体中的每个个人的位置。

相机402可监控场景404中的每个人406a到e的面部。举例来说，可分析每个人406a到e的面部特征，以确定他们是否满足特定准则(例如，面对相机、眼睛睁开、微笑)。在一些实施例中，分析可包括计算每个监控个人的一或多个得分，其指示个人是否正展现期望的面部特征。举例来说，可对于每个人确定指示微笑程度的得分，其中如果微笑程度超过阈值，那么人员被视为展现需要的面部特征。其它得分可能指示个人的面部定向(例如，基于如图3中所描述的视点检测)、个人的眼睛是否睁开，等等。如果面部特征不满足准则(例如，微笑程度不满足阈值)，那么相机402可能继续监控人员。另一方面，如果确定人员面部特征满足准则，那么相机402可俘获人员的子图像。

举例来说，如图4c中所说明，人员406a正展现满足准则的面部特征。因而，相机402俘获场景404的子图像410a，子图像410a包含至少人员406a的面部。尽管图4c说明子图像410a为基本矩形，且大小设定为基于人员406a面部的大小，但在一些实施例中，子图像可具有不同形状且覆盖场景404的更大部分。

在一些实施例中，当相机俘获群体中的特定人员的子图像时，可告知用户(例如，摄影师)。举例来说，在一些实施例中，相机402可包含显示器(例如，显示器280)，其可向用户显示视觉指示符，其指示俘获群体中的人员(例如，人员406a)的子图像，例如对应于所俘获子图像的人员周围轮廓，或一些其它视觉效应。

随着群体中的人员406a到e的面部特征随时间推移而改变，相机402可能监控群体中的其余人(例如，人406b到e)的面部特征。举例来说，如图4d中所说明，人员406b和406d的面部特征已改变，以满足准则。因而相机402可俘获对应于人员406b和406d的额外子图像410b和410d。此外，相机可持续监控人员406c和406e，这是因为尚未俘获他们的子图像。

另一方面，由于已俘获人员406a的子图像，因此可以不再监控人员406a。在一些实施例中，可持续监控人员406a，其中如果检测到人员406a呈现相较于俘获人员406a子图像时更合乎期望的面部特征，那么可俘获人员406a的额外子图像，所述特征由一或多个经计算得分指示(例如，展现大于采集人员第一子图像时微笑程度的微笑程度)。在一些实施例中，可存储初始子图像和额外子图像两者，允许用户选择使用哪个子图像。在其它实施例中，额外子图像可能自动代替初始子图像。

在一些实施例中，当俘获群体中的全部人员的子图像时，子图像可被组合以形成完整图像，其中群体的每个成员示出为展现合乎期望的面部特征(例如，微笑程度大于阈值)。

图5根据一些实施例说明使用面部检测和监控俘获一群个人的图像的过程的流程图。在框502，将相机指向包含一群个人的场景。在框504，使用面部检测识别群体中的个人。在一些实施例中，面部检测可能基于检测群体中的每个个人的一或多个面部特征。面部检测还可以是基于边界检测、深度映射产生、一或多个用户输入等等。

在框506，监控所识别个人中的每一个的面部特征。在一些实施例中，每个所识别个人的监控的面部特征被用于计算一或多个得分，其指示关于对个人照相的个人的一或多个方面(例如，面部定向/视点、面部表情，如微笑程度，等等)。可对照一或多个准则比较得分，其可能对应于通常考虑为在对个人照相时合乎期望的面部特征。在一些实施例中，准则可涉及个人的特定面部特征的形状和相对位置(例如，嘴角、嘴弯曲、眼睛内角相对位置、眼睛外角，等等)。

举例来说，可对于监控的个人计算微笑程度，其指示个人微笑的量。当微笑程度超过阈值时，个人可以认为是展现合乎期望的面部特征。在一些实施例中，合乎期望的面部特征可能对应于微笑程度处于第一较低阈值与第二较高阈值之间。

对于每个所监控的个人，在框508，作出监控的个人的面部特征是否满足准则的确定(例如，个人微笑程度满足所述阈值)。如果不满足准则，那么在框506可能继续监控个人。

另一方面，如果确定所监控个人的面部特征满足准则，那么在框510，可俘获对应于个人的子图像。如上文所论述，子图像可能对应于包含所监控个人的至少面部的场景部分。

在一些实施例中，个人的每个子图像可能基本符合个人轮廓。举例来说，分段方法和/或跟踪个人移动可用于确定个人轮廓。在一些实施例中，边缘检测方法可用于确定个人的轮廓。在一些实施例中，子图像可包含帧的一或多个背景部分，其可借助与背景图像的比较在稍后移除。

在一些实施例中，可俘获一或多个图像，以便确定图像背景。随着个人在帧之间移动，可使用由移动显露的场景的残余未覆盖部分更新背景。在一些实施例中，当形成个人子图像时，子图像的部分可从其它个人的子图像移除。

在一些实施例中，如果一或多个个人之间存在重叠(例如，第一个人站在第二个人前面，部分遮挡第二个人)，那么子图像边界可被定义为接近个人的轮廓。可稍后从其它子图像采集个人的另外部分，以完成个人的缺失部分(例如，被遮挡部分)。在一些实施例中，可共同俘获一对重叠个人的子图像，其中基于满足准则的两个个人的面部特征俘获子图像。

在框512，产生是否存在尚未俘获其子图像的群体中其余所识别个人的确定。如果确定存在尚未俘获其子图像的群体中其余所识别个人，那么过程可返回到块506，其中可继续监控其余个人的面部特征。

另一方面，如果确定不存在尚未俘获其子图像的群体中其余所识别个人，那么在框514，可组合所俘获子图像以形成群体的单一复合图像。在一些实施例中，可以自动执行对所俘获子图像的组合，而无需用户(例如，摄影师)的输入。在一些实施例中，一或多个子图像可能与一或多个背景图像(对应于未与群体中的个人的面部结合的场景一或多个部分)组合，以形成单一复合图像。在一些实施例中，可分析每个子图像以识别其它所俘获子图像和/或背景图像的一或多个边界。在一些实施例中，一或多个所俘获子图像的边界可能被混合，以便使用所俘获子图像形成单一复合图像。

通过监控群体中的每个个人的面部特征，系统能够确定俘获个人的子图像的最佳时间。举例来说，当确定个人的所监控特征满足特定准则(例如，眼睛睁开、面对相机、微笑)时，可俘获经检测个人的子图像。因而，可对于群体中的每个个人自动俘获子图像，其可随后被组合以形成群体的单一复合图像，而不需要用户输入或后处理。此外，通过俘获群体中的个人的子图像，而不是整个群体的多个图像，可减小所使用的存储器的量。

俘获不顺从的群体成员的图像

当俘获一群个人的图像时，通常期望能够在合理的时间段内俘获图像。举例来说，可能需要能够在1到10秒范围内俘获一群人的图像。然而，有时，群体中的一些个人可能不在指定时间段内展现所需面部特征(例如，哭泣的儿童、排斥微笑的人)。因此，相机可能不能在指定时间段内俘获一或多个个人的恰当的子图像。

在一些实施例中，如果相机不能俘获群体中的一或多个所监控个人的合适的子图像，那么可能告知用户。在一些实施例中，相机显示器(例如，显示器280)可显示一或多个可视指示符，其指示不能对于一或多个所监控个人俘获合适的子图像(以下也被称作“不顺从个人”)。举例来说，显示器可在不顺从个人面部周围显示红轮廓。这可允许用户告知不顺从个人改变其面部表情和/或面部位置(例如，通过告诉个人移动)。此外，可提示用户审定俘获不顺从个人的合适的子图像的另外时间。

在一些实施例中，一或多个规则可用于确定个人面部特征有多紧密地满足准则。举例来说，在一些实施例中，完全面对相机但不微笑的个人可被认为相比于微笑但面部一半转离相机的个人更合乎期望。在一些实施例中，相机可俘获和存储个人的最合适的子图像(例如，对应于个人面部特征最紧密地满足准则的时间)。如果个人的面部特征稍后改善(例如，较紧密地满足准则)，那么可俘获新的子图像。因而，可保持个人的“到目前为止最佳”子图像，即使他们并不展现满足准则的所需面部特征。在一些实施例中，如果不能在指定时间段内俘获个人的子图像，那么可替代地向用户显示“到目前为止最佳”子图像。

在一些实施例中，如果相机不能在指定时间段俘获一或多个不顺从个人的合适子图像，那么系统可能放宽准则以用于俘获子图像，且继续监控一或多个个人(例如，通过调整一或多个得分阈值)。举例来说，当检测到的微笑程度在第一阈值与第二阈值之间被视为满足准则时，第一阈值可被降低和/或升高第二阈值，这种更宽范围的微笑将被视为满足准则，增加能够俘获不顺从个人的子图像的机会。

图6根据一些实施例说明用于监控和俘获个人的子图像的过程的流程图。在框602，识别群体中的个人。在一些实施例中，可使用面部检测技术识别个人。

在框604，监控所识别个人的面部特征。举例来说，在一些实施例中，可分析个人的一或多个面部特征(例如，嘴、眼睛)以确定个人是否正展现特定所需面部特征(例如，面对相机、眼睛睁开、微笑)。在一些实施例中，个人的所检测到的面部特征可用于确定一或多个得分(例如，微笑程度，其指示个人微笑程度)。

在框606，作出个人的所监控特征是否满足一或多个准则的确定。举例来说，在一些实施例中，准则可包括一或多个得分的阈值，其指示个人的方面，例如个人面对相机的程度、个人的眼睛看起来睁开的程度、个人微笑程度，等等。在一些实施例中，所述确定可包括对照一或多个阈值比较个人的所确定微笑程度。

如果个人的面部特征被视为满足准则(例如，一或多个得分满足其对应阈值)，那么在框608，可俘获个人的子图像。另一方面，如果个人的所监控面部特征不满足准则，那么过程可继续进行到框610，其中进行关于指定时间段是否已流逝的确定。如果指定时间段尚未流逝，那么可继续监控个人(框604)。

在一些实施例中，如果指定时间段已流逝，那么在框612，可调整用于个人的准则。在一些实施例中，准则可调整为较容易满足。举例来说，如果当个人微笑程度处于第一较低阈值与第二较高阈值之间时确定满足微笑程度准则，那么可降低第一较低阈值和/或升高第二较高阈值，以使得更宽范围微笑程度可被视为满足准则。在一些实施例中，可移除一或多个准则。举例来说，可移除微笑程度准则，以使得只要满足其它准则(例如，面对相机、眼睛睁开)就可俘获个人的子图像，而无论个人微笑程度如何。可随后基于调整后的准则继续监控个人(在框604)。

在一些实施例中，代替调整准则，在第二指定时间段期间，可俘获个人的最接近子图像。举例来说，在确定指定时间段已流逝之后，系统可在第二指定时间段内监控个人，其中可对应于在第二指定时间段期间个人的所确定得分最紧密地满足准则的时间，保持个人的子图像。

在一些实施例中，用户还可以被告知未在指定时间段内俘获个人的子图像(例如，由于个人未展现满足准则的面部特征)。这可允许用户告知个人调整其面部位置或表情。此外，用户可被提示允许更多时间以用于俘获所述个人的子图像、批准对准则的一或多个调整，等等。

其它考虑因素

图式中所说明的组件、步骤、特征和/或功能中的一或多者可以重新布置和/或组合成单个组件、步骤、特征或功能或在若干组件、步骤或功能中实施。在不脱离本文中所公开的新颖特征的情况下，还可添加额外元件、组件、步骤和/或功能。图式中所说明的设备、装置和/或组件可以经配置以执行图式中描述的方法、特征或步骤中的一或多者。本文中所描述的新颖算法还可有效地实施于软件中和/或嵌入于硬件中。

而且，应注意，实施例可描述为描绘为流程图、结构图或框图的过程。尽管流程图可将操作描述为连续过程，但许多操作可并行或同时执行。另外，可以重新安排操作的顺序。当过程的操作完成时，所述过程终止。过程可与方法、函数、规程、子例程、子程序等相对应。当过程与函数相对应时，其终止与所述函数返回到调用函数或主函数相对应。

此外，存储媒体可表示用于存储数据的一或多个装置，包含只读存储器(read-onlymemory；rom)、随机存取存储器(randomaccessmemory；ram)、磁盘存储媒体、光学存储媒体、快闪存储器装置和/或其它机器可读媒体、处理器可读媒体，和/或用于存储信息的计算机可读媒体。术语“机器可读媒体”、“计算机可读媒体”及/或“处理器可读媒体”可包含但不限于非暂时性媒体(例如，便携式或固定存储装置)、光学存储装置及能够存储、含有或携载指令及/或数据的各种其它媒体。因此，本文所述的各种方法可完全或部分地由可存储在“机器可读媒体”、“计算机可读媒体”和/或“处理器可读媒体”中且由一个或多个处理器、机器和/或装置执行的指令和/或数据来实施。

此外，可由硬件、软件、固件、中间件、微码或其任何组合来实施实施例。当以软件、固件、中间件或微码实施时，用以执行必要任务的程序代码或代码段可存储在机器可读媒体中，例如，存储媒体或其它存储装置。处理器可以执行必要任务。代码段可以表示步骤、函数、子程序、程序、例程、子例程、模块、软件包、类，或指令、数据结构或程序语句的任何组合。代码段可以通过传递及/或接收信息、数据、自变量、参数或存储器内容而耦合到另一代码段或硬件电路。信息、自变量、参数、数据等可经由包含存储器共享、消息传递、权标传递、网络传输等任何合适的手段传递、转发或传输。

结合本文中所公开的实例描述的各种说明性逻辑块、模块、电路、元件和/或组件可使用通用处理器、数字信号处理器(digitalsignalprocessor；dsp)、专用集成电路(applicationspecificintegratedcircuit；asic)、现场可编程门阵列(fieldprogrammablegatearray；fpga)或其它可编程逻辑组件、离散门或晶体管逻辑、离散硬件组件或其经设计以执行本文中所描述的功能的任何组合来实施或执行。通用处理器可为微处理器，但在替代方案中，处理器可为任何常规的处理器、控制器、微控制器或状态机。处理器还可以实施为计算组件的组合，例如dsp与微处理器的组合、多个微处理器的组合、一或多个微处理器与dsp核心的联合，或任何其它此类配置。

结合本文中所公开的实例描述的方法或算法可以处理单元、编程指令或其它方向的形式直接体现在硬件、可由处理器执行的软件模块或两者的组合中，且可包含于单个装置中或跨越多个装置而分布。软件模块可以驻留在ram存储器、快闪存储器、rom存储器、eprom存储器、eeprom存储器、寄存器、硬盘、可移动磁盘、cd-rom，或所属领域中已知的任何其它形式的存储媒体中。存储媒体可联接到处理器，使得处理器可从存储媒体读取信息及将信息写入到存储媒体。在替代方案中，存储媒体可与处理器成整体。

所属领域的技术人员将理解结合本文中所公开的实施例描述的各种说明性逻辑块、模块、电路和算法步骤可以实施为电子硬件、计算机软件或两者的组合。为清晰地说明硬件与软件的此可互换性，上文已大体就其功能性描述了各种说明性组件、块、模块、电路和步骤。此类功能性是实施为硬件还是软件取决于特定应用及强加于整个系统的设计约束。

本文所描述的本发明的各种特征可在不脱离本发明的情况下实施于不同系统中。应注意，前述实施例仅为实例，且不应解释为限制本发明。实施例的描述意图为说明性的，且不限制权利要求书的范畴。因而，本发明的教示可易于应用于其它类型的设备，且许多替代方案、修改和变化对于所属领域的技术人员将显而易见。