CN102831430A - 拍照时间点的预测方法及采用所述拍照时间点的预测方法的装置 - Google Patents

Abstract

本发明公开了一种拍照时间点的预测方法及采用所述方法的装置。所述方法先进行侦测步骤，接着进行脸部判断步骤，随后再进行脸部分类步骤，若脸部为非正面脸部，则再进行差异值产生步骤以算出差异值，接着再进行差异值计算步骤，并利用计算单元对依序相邻的差异值进行计算，藉以计算出依序相邻的差异值的大小是不变、增加还是减少，据此，可预测拍照时间点，再通知快门拍照。采用所述方法的装置包括脸部判断单元、计算单元、训练资料库以及快门。本发明可预测非正面脸部转动改变为正面脸部的时间点，提高了成功拍摄正面脸部的机率，且不易误判非正面脸部为正面脸部。

Description

拍照时间点的预测方法及采用所述拍照时间点的预测方法的装置

技术领域

本发明涉及一种拍照时间点的预测方法及采用所述拍照时间点的预测方法的装置，具体地说，是涉及一种预测了非正面脸部转动改变为正面脸部的时间点而提高成功拍摄正面脸部机率的拍照时间点的预测方法以及采用所述拍照时间点的预测方法的装置。

背景技术

目前有关预测人脸拍照时间点的方法多以人体正面脸部出现与否再进一步决定通知快门拍照与否。具体来说，先以不需事前训练或需事前训练的方法来判断人脸出现与否，若判断人脸已经出现，那么再接着同理地以不需事前训练或需事前训练的方法，判断人脸是否为正面脸部，若判断正面脸部已经出现，则再进一步通知快门拍照。前述不需事前训练的方法如边缘分析、色彩分析、特征分析等。而前述需事前训练的方法如类神经网路或模板比对等。

然而，若前述判断正面脸部没有出现，但人脸却在判断后才自然转动改变为正面脸部，此正面脸部就无法准确地被拍摄到，如此即降低了成功拍摄正面脸部的机率。

此外，若以需事前训练的方法，如以建立正脸模板资料库的方式，来判断人脸是否为正面脸部，则常会误判非正面脸部为正面脸部，并再进一步通知快门拍照，同样产生了无法准确拍摄到正面脸部的情形。

发明内容

本发明的目的在于提供一种拍照时间点的预测方法以及采用所述拍照时间点的预测方法的装置，所述方法以及采用所述方法的装置提高了成功拍摄正面脸部的机率，不易误判非正面脸部为正面脸部。

为了实现上述目的，本发明采用了以下技术方案：

一种拍照时间点的预测方法，其特征在于：包括如下步骤：

进行一侦测步骤，开始影像侦测；

进行一脸部判断步骤，针对所侦测到的多个影像，判断一脸部是否出现在所述多个影像中；以及

当判断有所述脸部出现，进行一脸部分类步骤，以一训练资料库将所述脸部以一角度分类为一正面脸部或一非正面脸部，其中：

若所述脸部为所述正面脸部，则进行一通知步骤，通知快门拍照；

若所述脸部为所述非正面脸部，则进行一差异值产生步骤，计算出所述非正面脸部的角度与所述正面脸部的角度的一差异值，其中：

若从所述多个影像中计算出多个差异值时，则进行一差异值计算步骤，一计算单元对依序相邻的差异值进行计算，以判断依序相邻的差异值的大小为不变、增加还是减少；若依序相邻的差异值的大小为不变或增加，则重复进行所述侦测步骤、所述脸部判断步骤以及所述脸部分类步骤；若依序相邻的差异值的大小为减少，则依据所述差异值的减少程度预测一拍照时间点；

进行一等待步骤，等待至所述拍照时间点；以及进行所述通知步骤，通知快门拍照。

较佳地，所述脸部判断步骤包括以不需事前训练或需事前训练的方法来进行判断，所述不需事前训练的方法为边缘分析、色彩分析或特征分析中的任一种。

较佳地，所述需事前训练的方法为类神经网路或模板比对。

较佳地，是以脸部特征定义所述角度，所述脸部特征为五官特征。

较佳地，所述角度为0度至15度时，所述脸部被定义为正面脸部；所述角度超过15度时，所述脸部被定义为所述非正面脸部。

一种采用拍照时间点的预测方法的装置，其特征在于：包括一脸部判断单元、一计算单元、一训练资料库以及一快门，所述脸部判断单元针对多个影像判断一脸部是否出现在所述多个影像中，所述训练资料库用以将所述脸部以一角度分类为一正面脸部或一非正面脸部，所述计算单元对依序相邻的所述非正面脸部的多个差异值做计算，若依序相邻的所述差异值的大小为减少，则通知所述快门拍照。

较佳地，所述脸部判断单元以不需事前训练或需事前训练的方法来进行判断，所述不需事前训练的方法为边缘分析、色彩分析或特征分析中的任一种。

较佳地，所述需事前训练的方法为类神经网路或模板比对。

较佳地，所述训练资料库是以脸部特征定义所述角度，所述脸部特征为五官特征。

较佳地，所述角度为0度至15度时，所述脸部被定义为正面脸部；所述角度超过15度时，所述脸部被定义为非正面脸部。

本发明的优点是：

1.提高了成功拍摄正面脸部的机率：

本发明拍照时间点的预测方法以训练资料库将脸部分类为正面脸部或非正面脸部，并计算出非正面脸部的角度与正面脸部的角度的差异值，再将此差异值传送至计算单元，计算单元对依序相邻的差异值进行计算，以判断出依序相邻的差异值的大小是不变、增加还是减少，据此来预测拍照时间点，再通知快门拍照。如此预测了非正面脸部转动改变为正面脸部的时间点，提高了成功拍摄正面脸部的机率。

2.不易误判非正面脸部为正面脸部：

本发明拍照时间点的预测方法以训练资料库将脸部分类为正面脸部或非正面脸部。而训练资料库的产生过程为，先以脸部特征对脸部定义出角度。若角度为0度至15度，则脸部被定义为正面脸部；若角度超过15度，则脸部被定义为非正面脸部。再将大量的正面脸部及非正面脸部资料以演算方法产生得出所述训练资料库。可以看出，本发明利用具备了正脸模板及非正脸模板的训练资料库，因此，不易误判非正面脸部为正面脸部，提高了成功拍摄正面脸部的机率。

附图说明

图1是本发明拍照时间点的预测方法的较佳实施例的流程示意图；

图2是本发明拍照时间点的预测方法的较佳实施例的角度定义示意图；

图3是本发明采用拍照时间点的预测方法的装置的方块示意图。

具体实施方式

请先参照图1，其是绘示本发明拍照时间点的预测方法的较佳实施例的流程示意图。本发明拍照时间点的预测方法的流程为：首先，进行侦测步骤A1，开始影像侦测。完成侦测步骤A1后，再进行脸部判断步骤A2，针对所侦测到的多个影像，脸部判断步骤A2包括以一不需事前训练或一需事前训练的方法来判断一脸部，例如一个人脸是否出现在这些影像中，不需事前训练的方法例如为边缘分析、色彩分析或特征分析等。而需事前训练的方法例如为类神经网路或模板比对等。

完成脸部判断步骤A2后，当判断有脸部出现，再进行脸部分类步骤A3，以一训练资料库将脸部分类为正面脸部或非正面脸部。具体来说，产生训练资料库的过程为，先以脸部特征，例如五官特征，对脸部定义出角度。若角度为0度至15度，则脸部被定义为正面脸部；若角度超过15度，则脸部被定义为非正面脸部。再将大量的正面脸部及非正面脸部资料以演算方法产生而得出所述训练资料库。

完成脸部分类步骤A3后，若脸部为正面脸部，则进行通知步骤A4，通知快门拍照。完成脸部分类步骤A3后，若脸部，例如人脸为非正面脸部，则进行差异值产生步骤A5，计算出非正面脸部的角度与正面脸部的角度的差异值。若从那些影像中计算出多个差异值时，则进行差异值计算步骤A6，计算单元对依序相邻的差异值进行计算，以判断出依序相邻的差异值的大小为不变、增加还是减少。完成差异值计算步骤A6后，若依序相邻的差异值的大小为不变或增加，则重复进行侦测步骤A1、脸部判断步骤A2以及脸部分类步骤A3。完成差异值计算步骤A6后，若依序相邻的差异值的大小为减少，则进行预测步骤A7，根据这些差异值的减少程度预测一拍照时间点。完成预测步骤A7后，再进行等待步骤A8，等待至拍照时间点。完成等待步骤A8后，再进行通知步骤A4，通知快门拍照。

请再一并参照图2，例如以人脸1的眼睛11及嘴巴12的连线定义出一平面B，并定义出所述平面B的法线B1与观测面C的法线C1的角度D。若角度D为0度至15度，则人脸1被定义为正面脸部；若角度D超过15度，则人脸1被定义为非正面脸部。角度D的定义方式仅为举例，但不以此为限。

请再参照图3，其是绘示本发明采用拍照时间点的预测方法的装置的方块示意图。本发明拍照时间点的预测方法可被装置2，例如相机所采用，此相机至少包括脸部判断单元21、计算单元22、训练资料库23以及快门24。脸部判断单元21针对多个影像判断一脸部是否出现在所述多个影像中，且脸部判断单元21是以不需事前训练或需事前训练的方法来进行判断。不需事前训练的方法为边缘分析、色彩分析或特征分析。需事前训练的方法为类神经网路或模板比对。训练资料库23用以将脸部以角度分类为正面脸部或非正面脸部。训练资料库23是以脸部特征定义角度，脸部特征为五官特征。角度为0度至15度时，脸部被定义为正面脸部；角度超过15度时，脸部被定义为非正面脸部。计算单元22针对依序相邻的非正面脸部的差异值做计算，若依序相邻的差异值的大小为减少，则通知快门24拍照。需特别说明，本发明是以人脸为例，但其它物种的脸部也可适用于本发明，例如狗的脸部或羊的脸部等，人脸仅为举例，但不以此为限。

综上所述，本发明拍照时间点的预测方法至少具有下述的优点：

1.提高了成功拍摄正面脸部的机率：

本发明拍照时间点的预测方法以训练资料库将脸部分类为正面脸部或非正面脸部，并计算出非正面脸部的角度与正面脸部的角度的差异值，再将此差异值传送至计算单元，计算单元对依序相邻的差异值进行计算，以判断出依序相邻的差异值的大小是不变、增加还是减少，据此来预测拍照时间点，再通知快门拍照。如此预测了非正面脸部转动改变为正面脸部的时间点，提高了成功拍摄正面脸部的机率。

2.不易误判非正面脸部为正面脸部：

本发明拍照时间点的预测方法以训练资料库将脸部分类为正面脸部或非正面脸部。而训练资料库的产生过程为，先以脸部特征对脸部定义出角度。若角度为0度至15度，则脸部被定义为正面脸部；若角度超过15度，则脸部被定义为非正面脸部。再将大量的正面脸部及非正面脸部资料以演算方法产生得出所述训练资料库。可以看出，本发明利用具备了正脸模板及非正脸模板的训练资料库，因此，不易误判非正面脸部为正面脸部，提高了成功拍摄正面脸部的机率。

以上所述是本发明的较佳实施例及其所运用的技术原理，对于本领域的技术人员来说，在不背离本发明的精神和范围的情况下，任何基于本发明技术方案基础上的等效变换、简单替换等显而易见的改变，均属于本发明保护范围之内。

Claims (10)

1.一种拍照时间点的预测方法，其特征在于：包括如下步骤：

进行一侦测步骤，开始影像侦测；

进行一脸部判断步骤，针对所侦测到的多个影像，判断一脸部是否出现在所述多个影像中；以及

当判断有所述脸部出现，进行一脸部分类步骤，以一训练资料库将所述脸部以一角度分类为一正面脸部或一非正面脸部，其中：

若所述脸部为所述正面脸部，则进行一通知步骤，通知快门拍照；

若所述脸部为所述非正面脸部，则进行一差异值产生步骤，计算出所述非正面脸部的角度与所述正面脸部的角度的一差异值，其中：

若从所述多个影像中计算出多个差异值时，则进行一差异值计算步骤，一计算单元对依序相邻的差异值进行计算，以判断依序相邻的差异值的大小为不变、增加还是减少；若依序相邻的差异值的大小为不变或增加，则重复进行所述侦测步骤、所述脸部判断步骤以及所述脸部分类步骤；若依序相邻的差异值的大小为减少，则依据所述差异值的减少程度预测一拍照时间点；

进行一等待步骤，等待至所述拍照时间点；以及进行所述通知步骤，通知快门拍照。

2.如权利要求1所述的拍照时间点的预测方法，其特征在于：所述脸部判断步骤包括以一不需事前训练或一需事前训练的方法来进行判断，所述不需事前训练的方法为边缘分析、色彩分析或特征分析中的任一种。

3.如权利要求2所述的拍照时间点的预测方法，其特征在于：所述需事前训练的方法为类神经网路或模板比对。

4.如权利要求1所述的拍照时间点的预测方法，其特征在于：是以一脸部特征定义所述角度，所述脸部特征为五官特征。

5.如权利要求4所述的拍照时间点的预测方法，其特征在于：所述角度为0度至15度时，所述脸部被定义为所述正面脸部；所述角度超过15度时，所述脸部被定义为所述非正面脸部。

6.一种采用权利要求1所述的拍照时间点的预测方法的装置，其特征在于：包括一脸部判断单元、一计算单元、一训练资料库以及一快门，所述脸部判断单元针对多个影像判断一脸部是否出现在所述多个影像中，所述训练资料库用以将所述脸部以一角度分类为一正面脸部或一非正面脸部，所述计算单元对依序相邻的所述非正面脸部的多个差异值做计算，若依序相邻的所述差异值的大小为减少，则通知所述快门拍照。

7.如权利要求6所述的装置，其特征在于：所述脸部判断单元以一不需事前训练或一需事前训练的方法来进行判断，所述不需事前训练的方法为边缘分析、色彩分析或特征分析中的任一种。

8.如权利要求7所述的装置，其特征在于：所述需事前训练的方法为类神经网路或模板比对。

9.如权利要求6所述的装置，其特征在于：所述训练资料库是以一脸部特征定义所述角度，所述脸部特征为五官特征。

10.如权利要求9所述的装置，其特征在于：所述角度为0度至15度时，所述脸部被定义为所述正面脸部；所述角度超过15度时，所述脸部被定义为所述非正面脸部。

Images