CN107370942A - 拍照方法、装置、存储介质及终端 - Google Patents
拍照方法、装置、存储介质及终端 Download PDFInfo
- Publication number
- CN107370942A CN107370942A CN201710527817.8A CN201710527817A CN107370942A CN 107370942 A CN107370942 A CN 107370942A CN 201710527817 A CN201710527817 A CN 201710527817A CN 107370942 A CN107370942 A CN 107370942A
- Authority
- CN
- China
- Prior art keywords
- characteristic information
- reference object
- terminal
- character features
- threshold value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/61—Control of cameras or camera modules based on recognised objects
- H04N23/611—Control of cameras or camera modules based on recognised objects where the recognised objects include parts of the human body
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Studio Devices (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例提供一种拍照方法、装置、存储介质及终端,该方法获取多幅图像中的人物特征信息;基于预设机器学习算法,对获取到的多个该人物特征信息进行训练,以生成人物特征模型;实时采集拍摄对象的特征信息;当该特征信息与该人物特征模型的匹配度达到预设阈值时,自动对该拍摄对象进行拍照。该方案中,终端采集到的特征信息与人物特征模型之间的匹配度达到预设阈值后,终端即自动对拍摄对象进行拍照。从而,当拍摄对象中的人物出现特定姿势或者特定表情后,无需用户手动触发拍照操作,终端即可自行对拍摄对象进行拍照,能够提升终端的便利性。
Description
技术领域
本发明涉及终端技术领域,特别涉及一种拍照方法、装置、存储介质及终端。
背景技术
随着终端技术的发展,诸如智能手机等终端的功能越来越多。其中,拍照功能作为终端上的必备功能之一,深受用户的喜爱。
目前通过终端进行拍照时,用户需要按压终端上的物理按键,或者触摸终端上的虚拟按键,以触发终端的拍照操作。随着用户拍照需求的提高,用户希望随时随地都可以抓拍到精彩瞬间。然而,目前的拍照方法无法满足用户需求。
发明内容
本发明实施例提供一种拍照方法、装置、存储介质及终端,可以提高终端的便利性。
本发明实施例提供一种拍照方法,包括:
获取多幅图像中的人物特征信息,所述人物特征信息包括人体姿势和面部表情中的至少一种;
基于预设机器学习算法,对获取到的多个所述人物特征信息进行训练,以生成人物特征模型;
实时采集拍摄对象的特征信息,所述拍摄对象包括人物,所述特征信息包括人体姿势和面部表情中的至少一种;
当所述特征信息与所述人物特征模型的匹配度达到预设阈值时,自动对所述拍摄对象进行拍照。
本发明实施例还提供一种拍照装置,包括:
第一获取模块,用于获取多幅图像中的人物特征信息,所述人物特征信息包括人体姿势和面部表情中的至少一种;
训练模块,用于基于预设机器学习算法,对获取到的多个所述人物特征信息进行训练,以生成人物特征模型;
采集模块,用于实时采集拍摄对象的特征信息,所述拍摄对象包括人物,所述特征信息包括人体姿势和面部表情中的至少一种;
拍照模块,用于当所述特征信息与所述人物特征模型的匹配度达到预设阈值时,自动对所述拍摄对象进行拍照。
本发明实施例还提供一种存储介质,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拍照方法。
本发明实施例还提供一种终端,包括处理器和存储器,该存储器中存储有多条指令,该处理器加载该指令以执行上述拍照方法。
本发明实施例提供的拍照方法,获取多幅图像中的人物特征信息;基于预设机器学习算法,对获取到的多个该人物特征信息进行训练,以生成人物特征模型;实时采集拍摄对象的特征信息;当该特征信息与该人物特征模型的匹配度达到预设阈值时,自动对该拍摄对象进行拍照。该方案中,终端采集到的特征信息与人物特征模型之间的匹配度达到预设阈值后,终端即自动对拍摄对象进行拍照。从而,当拍摄对象中的人物出现特定姿势或者特定表情后,无需用户手动触发拍照操作,终端即可自行对拍摄对象进行拍照,能够提升终端的便利性。
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是终端拍照时的取景示意图。
图2是本发明实施例提供的拍照方法的流程示意图。
图3是本发明实施例提供的拍照方法的另一流程示意图。
图4是本发明实施例提供的拍照方法的又一流程示意图。
图5是本发明实施例提供的拍照方法的再一流程示意图。
图6是本发明实施例提供的拍照方法的应用场景示意图。
图7是本发明实施例提供的拍照方法的另一应用场景示意图。
图8是本发明实施例提供的拍照方法的又一应用场景示意图。
图9是本发明实施例提供的拍照装置的结构示意图。
图10是本发明实施例提供的拍照装置的另一结构示意图。
图11是本发明实施例提供的拍照装置的又一结构示意图。
图12是本发明实施例提供的拍照装置的再一结构示意图。
图13是本发明实施例提供的终端的结构示意图。
图14是本发明实施例提供的终端的另一结构示意图。
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付出创造性劳动前提下所获得的所有其他实施例,都属于本发明的保护范围。
本发明的说明书和权利要求书以及上述附图中的术语“第一”、“第二”、“第三”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应当理解,这样描述的对象在适当情况下可以互换。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含。例如,包含了一系列步骤的过程、方法或包含了一系列模块或单元的装置、终端、系统不必限于清楚地列出的那些步骤或模块或单元,还可以包括没有清楚地列出的步骤或模块或单元,也可以包括对于这些过程、方法、装置、终端或系统固有的其它步骤或模块或单元。
参考图1,图1为终端拍照时的取景示意图。其中,终端中具有摄像头。可以理解的,该摄像头可以为后置摄像头,也可以为前置摄像头。该摄像头的数量可以为一个,也可以为多个。终端开启摄像头时,终端的显示屏可以作为取景框。用户可以通过取景框观察拍摄对象的情况。例如,拍摄对象中可以包括人物、风景、建筑物等多种元素。
本发明实施例提供一种拍照方法,该方法可以应用于终端中。该终端可以是智能手机、平板电脑等设备。如图2所示,该拍照方法,可以包括以下步骤:
S110,获取多幅图像中的人物特征信息,该人物特征信息包括人体姿势和面部表情中的至少一种。
其中,该多幅图像可以包括BMP(Bitmap)、JPEG(Joint Photographic ExpertsGroup)、TIFF(Tag Image File Format)、PNG(Portable Network Graphics)等多种格式的图像。终端可以获取多幅图像中的人物特征信息。该人物特征信息包括人体姿势和面部表情中的至少一种。例如,终端可以从该多幅图像中的每幅图像获取人体姿势。
S120,基于预设机器学习算法,对获取到的多个该人物特征信息进行训练,以生成人物特征模型。
其中,该预设机器学习算法可以包括但不限于协同过滤(CF,CollaborativeFiltering)算法、奇异值分解(SVD,Singular Value Decomposition)算法、神经网络算法(Neural network algorithm)等。终端根据该预设机器学习算法对获取到的多个该人物特征信息进行训练,以生成人物特征模型。该人物特征模型可以包括不同体型人物的姿势、动作、面部表情等多种信息。可以理解的,训练过程中,终端可以不断对获取到的人物特征信息进行学习,以不断对生成的人物特征模型进行完善。
S130,实时采集拍摄对象的特征信息,该拍摄对象包括人物,该特征信息包括人体姿势和面部表情中的至少一种。
终端中的摄像头处于开启状态时,终端可以通过摄像头实时采集拍摄对象的特征信息。其中,该拍摄对象可以是终端的取景框中所展示的对象。拍摄对象可以包括人物、风景、建筑物等多种元素。终端采集的特征信息中可以包括人体姿势和人物的面部表情中的至少一种。例如,终端实时采集拍摄对象中的人物的人体姿势和面部表情。
S140,当该特征信息与该人物特征模型的匹配度达到预设阈值时,自动对该拍摄对象进行拍照。
其中,终端采集到拍摄对象的特征信息后,可以将该特征信息与上述人物特征模型进行匹配,以获取该特征信息与该人物特征模型之间的匹配度。可以理解的,该匹配度表示该特征信息与该人物特征模型之间的相似程度。
当该匹配度达到预设阈值时,自动对拍摄对象进行拍照。其中,该预设阈值可以是预先存储在终端中的一个数值。例如,该预设阈值可以是80%、0.6等数值。
参考图6,终端将获取到的人体姿势与人物特征模型进行匹配。当匹配度达到预设阈值时,终端即可自动触发拍照操作。
参考图7,终端将获取到的人物面部表情与人物特征模型进行匹配。匹配度未达到预设阈值时,终端不能触发拍照操作。
终端采集到的特征信息与人物特征模型之间的匹配度达到预设阈值后,终端即自动对拍摄对象进行拍照。从而,当拍摄对象中的人物出现特定姿势或者特定表情后,无需用户手动触发拍照操作,终端即可自行对拍摄对象进行拍照,能够提升终端的便利性。
在一些实施例中,如图3所示,步骤S110、获取多幅图像中的人物特征信息,包括以下步骤:
S111,依次获取相册中的每幅图像;
S112,判断该图像中是否包括人物;
S113,若该图像中包括人物,则获取该人物的人物特征信息。
其中,终端具有相册。该相册中可以存储多幅图像。例如,相册中可以存储100幅图像。可以理解的,相册中的图像可以是用户在使用终端的过程中所拍摄的照片。相册中的图像也可以是用户从网络上下载并保存到终端中的图像。
终端可以依次获取相册中的每幅图像,并对获取到的图像进行检测,以判断该图像中是否包括人物。例如,终端可以通过人脸识别对获取到的图像进行检测,以判断该图像中是否包括人物。当图像中包括人物时,终端可以获取该人物的人物特征信息。例如,终端可以获取该人物的人体姿势和面部表情。当图像中不包括人物时,终端继续获取下一幅图像,并进行处理。
在一些实施例中,如图3所示,步骤S140、当该特征信息与该人物特征模型的匹配度达到预设阈值时,自动对该拍摄对象进行拍照之前,该拍照方法还包括以下步骤:
S151,获取终端与拍摄对象之间的距离;
S152,根据该距离获取预设阈值。
其中,终端可以获取自身与拍摄对象之间的距离。可以理解的,该距离可以为终端中的摄像头与拍摄对象中的人物之间的直线距离。
在一些实施例中,终端中可以包括景深摄像头。景深摄像头可以采集拍摄对象的景深图像。其中,景深指的是摄像头根据取得的清晰图像来测定的拍摄对象中各个元素(人物、风景、建筑物等)的前后距离范围。终端可以根据采集到的景深图像来获取终端与拍摄对象之间的距离。
获取到终端与拍摄对象之间的距离后,终端可以根据该距离获取预设阈值。其中,该预设阈值可以是预先存储在终端中的数值。例如,该预设阈值可以是80%、0.6等数值。
在一些实施例中,如图4所示,步骤S152、根据该距离获取预设阈值可以包括以下步骤:
S1521,根据该距离以及预设映射关系获取预设阈值,该预设映射关系为距离与预设阈值之间的对应关系。
其中,终端中可以预先设置预设映射关系。该预设映射关系为距离与预设阈值之间的对应关系。该预设映射关系可以是根据用户输入的多个距离与多个阈值之间的对应关系来生成的。终端根据获取到的距离以及该预设映射关系获取预设阈值。例如,该预设映射关系可以是如表1所示的对应关系。
距离(m) | 预设阈值 |
1 | 95% |
…… | …… |
5 | 90% |
…… | …… |
10 | 85% |
…… | …… |
20 | 80% |
表1
其中,预设阈值可以随着距离的增大而逐渐减小。
在一些实施例中,如图3所示,步骤S140、当该特征信息与该人物特征模型的匹配度达到预设阈值时,自动对该拍摄对象进行拍照,包括以下步骤:
S141,将该特征信息与该人物特征模型进行匹配,以获取该特征信息与该人物特征模型之间的匹配度;
S142,判断该匹配度是否大于预设阈值;
S143,若该匹配度大于该预设阈值,则自动对该拍摄对象进行拍照。
其中,终端采集到拍摄对象的特征信息后,将该特征信息与人物特征模型进行匹配,以获取该特征信息与该人物特征模型之间的匹配度。
在一些实施例中,如图8所示,可以对采集到的特征信息以及人物特征模型分别建立直角坐标系。随后,逐一将该特征信息与该人物特征模型中坐标点相同的像素点的像素值分别进行对比,以获取该特征信息与该人物特征模型之间的匹配度。
终端获取到特征信息与人物特征模型之间的匹配度后,将该匹配度与预设阈值进行比较,以判断该匹配度是否大于该预设阈值。若该匹配度大于该预设阈值,则自动对该拍摄对象进行拍照。若该匹配度小于或等于该预设阈值,则不对拍摄对象进行拍照。
在一些实施例中,如图4所示,步骤S141、将该特征信息与该人物特征模型进行匹配,以获取该特征信息与该人物特征模型之间的匹配度,包括以下步骤:
S1411,获取该特征信息的第一尺寸以及该人物特征模型的第二尺寸;
S1412,根据该第一尺寸以及该第二尺寸计算缩放比例;
S1413,基于该缩放比例对该特征信息进行缩放,以得到缩放后的特征信息;
S1414,将该缩放后的特征信息与该人物特征模型进行匹配,以得到该缩放后的特征信息与该人物特征模型之间的匹配度。
其中,由于拍摄对象与终端之间存在一定距离,不同距离时,终端采集到的特征信息的尺寸是不同的。从而,需要对采集到的特征信息进行缩放。
终端采集到拍摄对象的特征信息后,可以获取该特征信息的第一尺寸。其中,第一尺寸可以是该特征信息的横向尺寸、纵向尺寸、面积等尺寸信息。例如,特征信息包括人体姿势时,终端可以获取该人体姿势的高度;特征信息包括人物的面部表情时,终端可以获取该面部表情的面积。
同时,终端可以获取人物特征模型的第二尺寸。该第二尺寸可以是该人物特征模型的横向尺寸、纵向尺寸、面积等尺寸信息。其中,第二尺寸的类型与该第一尺寸的类型相同。
终端获取到第一尺寸和第二尺寸后,根据该第一尺寸和该第二尺寸计算缩放比例。该缩放比例用于对该特征信息进行缩放。在一些实施例中,终端可以计算该第二尺寸与该第一尺寸的比值,并将该比值确定为缩放比例。例如,该缩放比例可以为2。
终端计算出缩放比例后,基于该缩放比例对该特征信息进行缩放,以得到缩放后的特征信息。其中,进行缩放时,终端对该特征信息的整体进行缩放,而不限于对获取到的第一尺寸进行缩放。例如,缩放比例为2时,终端将该特征信息放大2倍。
随后,终端将缩放后的特征信息与该人物特征模型进行匹配,以得到该缩放后的特征信息与该人物特征模型之间的匹配度。
在一些实施例中,拍摄对象中包括的人物为多个。例如,拍摄对象中包括2个人物。如图5所示,步骤S130、实时采集拍摄对象的特征信息,包括以下步骤:
S131,依次采集每个人物的人体姿势和面部表情;
步骤S140、当该特征信息与该人物特征模型的匹配度达到预设阈值时,自动对该拍摄对象进行拍照,包括以下步骤:
S144,依次将采集到的每个人物的人体姿势和面部表情与该人物特征模型进行匹配,以获取每个人物的人体姿势和面部表情与该人物特征模型之间的匹配度;
S145,当获取到的多个该匹配度中至少有一个匹配度达到预设阈值时,自动对该拍摄对象进行拍照。
其中,上述拍摄对象中包括的人物数量为多个。终端可以依次采集每个人物的特征信息。该特征信息包括人体姿势和面部表情。随后,终端依次将采集到的每个人物的人体姿势和面部表情与该人物特征模型进行匹配,以获取每个人物的人体姿势和面部表情与该人物特征模型之间的匹配度。可以理解的,终端可以分别将每个人物的特征信息中的人体姿势和面部表情与人物特征模型进行匹配。当多个人物的人体姿势和面部表情中至少有一个与人物特征模型之间的匹配度达到预设阈值时,即可认为该人物的特征信息与人物特征模型之间的匹配度达到预设阈值。此时,终端自动对该拍摄对象进行拍照。
具体实施时,本发明不受所描述的各个步骤的执行顺序的限制,在不产生冲突的情况下,某些步骤还可以采用其它顺序进行或者同时进行。
由上可知,本发明实施例提供的拍照方法,获取多幅图像中的人物特征信息;基于预设机器学习算法,对获取到的多个该人物特征信息进行训练,以生成人物特征模型;实时采集拍摄对象的特征信息;当该特征信息与该人物特征模型的匹配度达到预设阈值时,自动对该拍摄对象进行拍照。该方案中,终端采集到的特征信息与人物特征模型之间的匹配度达到预设阈值后,终端即自动对拍摄对象进行拍照。从而,当拍摄对象中的人物出现特定姿势或者特定表情后,无需用户手动触发拍照操作,终端即可自行对拍摄对象进行拍照,能够提升终端的便利性。
本发明实施例还提供一种拍照装置,该装置可以集成在终端中,该终端可以是智能手机、平板电脑等设备。
如图9所示,拍照装置200可以包括:第一获取模块201、训练模块202、采集模块203以及拍照模块204。
第一获取模块201,用于获取多幅图像中的人物特征信息,该人物特征信息包括人体姿势和面部表情中的至少一种。
其中,该多幅图像可以包括BMP(Bitmap)、JPEG(Joint Photographic ExpertsGroup)、TIFF(Tag Image File Format)、PNG(Portable Network Graphics)等多种格式的图像。第一获取模块201可以获取多幅图像中的人物特征信息。该人物特征信息包括人体姿势和面部表情中的至少一种。例如,第一获取模块201可以从该多幅图像中的每幅图像获取人体姿势。
训练模块202,用于基于预设机器学习算法,对获取到的多个该人物特征信息进行训练,以生成人物特征模型。
其中,该预设机器学习算法可以包括但不限于协同过滤(CF,CollaborativeFiltering)算法、奇异值分解(SVD,Singular Value Decomposition)算法、神经网络算法(Neural network algorithm)等。训练模块202根据该预设机器学习算法对获取到的多个该人物特征信息进行训练,以生成人物特征模型。该人物特征模型可以包括不同体型人物的姿势、动作、面部表情等多种信息。可以理解的,训练过程中,训练模块202可以不断对获取到的人物特征信息进行学习,以不断对生成的人物特征模型进行完善。
采集模块203,用于实时采集拍摄对象的特征信息,该拍摄对象包括人物,该特征信息包括人体姿势和面部表情中的至少一种。
终端中的摄像头处于开启状态时,采集模块203可以通过摄像头实时采集拍摄对象的特征信息。其中,该拍摄对象可以是终端的取景框中所展示的对象。拍摄对象可以包括人物、风景、建筑物等多种元素。采集模块203采集的特征信息中可以包括人体姿势和人物的面部表情中的至少一种。例如,采集模块203实时采集拍摄对象中的人物的人体姿势和面部表情。
拍照模块204,用于当该特征信息与该人物特征模型的匹配度达到预设阈值时,自动对该拍摄对象进行拍照。
其中,采集模块203采集到拍摄对象的特征信息后,拍照模块204可以将该特征信息与上述人物特征模型进行匹配,以获取该特征信息与该人物特征模型之间的匹配度。可以理解的,该匹配度表示该特征信息与该人物特征模型之间的相似程度。
当该匹配度达到预设阈值时,拍照模块204自动对拍摄对象进行拍照。其中,该预设阈值可以是预先存储在终端中的一个数值。例如,该预设阈值可以是80%、0.6等数值。
采集模块203采集到的特征信息与人物特征模型之间的匹配度达到预设阈值后,拍照模块204即自动对拍摄对象进行拍照。从而,当拍摄对象中的人物出现特定姿势或者特定表情后,无需用户手动触发拍照操作,终端即可自行对拍摄对象进行拍照,能够提升终端的便利性。
在一些实施例中,如图10所示,第一获取模块201包括:第一获取子模块2011、第一判断子模块2012、第二获取子模块2013。
第一获取子模块2011,用于依次获取相册中的每幅图像;
第一判断子模块2012,用于判断该图像中是否包括人物;
第二获取子模块2013,用于在该图像中包括人物时,获取该人物的人物特征信息。
其中,终端具有相册。该相册中可以存储多幅图像。例如,相册中可以存储100幅图像。可以理解的,相册中的图像可以是用户在使用终端的过程中所拍摄的照片。相册中的图像也可以是用户从网络上下载并保存到终端中的图像。
第一获取子模块2011可以依次获取相册中的每幅图像,并由第一判断子模块2012对获取到的图像进行检测,以判断该图像中是否包括人物。例如,第一判断子模块2012可以通过人脸识别对获取到的图像进行检测,以判断该图像中是否包括人物。当图像中包括人物时,第二获取子模块2013可以获取该人物的人物特征信息。例如,第二获取子模块2013可以获取该人物的人体姿势和面部表情。当图像中不包括人物时,第一获取子模块2011继续获取下一幅图像,并进行处理。
在一些实施例中,如图11所示,拍照装置200还包括:第二获取模块205、第三获取模块206。
第二获取模块205,用于获取终端与拍摄对象之间的距离;
第三获取模块206,用于根据该距离获取预设阈值。
其中,第二获取模块205可以获取自身与拍摄对象之间的距离。可以理解的,该距离可以为终端中的摄像头与拍摄对象中的人物之间的直线距离。
在一些实施例中,终端中可以包括景深摄像头。景深摄像头可以采集拍摄对象的景深图像。其中,景深指的是摄像头根据取得的清晰图像来测定的拍摄对象中各个元素(人物、风景、建筑物等)的前后距离范围。第二获取模块205可以根据采集到的景深图像来获取终端与拍摄对象之间的距离。
第二获取模块205获取到终端与拍摄对象之间的距离后,第三获取模块206可以根据该距离获取预设阈值。其中,该预设阈值可以是预先存储在终端中的数值。例如,该预设阈值可以是80%、0.6等数值。
在一些实施例中,第三获取模块206用于执行以下步骤:
根据该距离以及预设映射关系获取预设阈值,该预设映射关系为距离与预设阈值之间的对应关系。
其中,终端中可以预先设置预设映射关系。该预设映射关系为距离与预设阈值之间的对应关系。该预设映射关系可以是根据用户输入的多个距离与多个阈值之间的对应关系来生成的。第三获取模块206根据第二获取模块205获取到的距离以及该预设映射关系获取预设阈值。例如,该预设映射关系可以是如表2所示的对应关系。
距离(m) | 预设阈值 |
1 | 95% |
…… | …… |
5 | 90% |
…… | …… |
10 | 85% |
…… | …… |
20 | 80% |
表2
其中,预设阈值可以随着距离的增大而逐渐减小。
在一些实施例中,如图12所示,拍照模块204包括:匹配子模块2041、判断子模块2042、拍照子模块2043。
匹配子模块2041,用于将该特征信息与该人物特征模型进行匹配,以获取该特征信息与该人物特征模型之间的匹配度;
判断子模块2042,用于判断该匹配度是否大于预设阈值;
拍照子模块2043,用于在该匹配度大于该预设阈值时,自动对该拍摄对象进行拍照。
其中,采集模块203采集到拍摄对象的特征信息后,匹配子模块2041将该特征信息与人物特征模型进行匹配,以获取该特征信息与该人物特征模型之间的匹配度。
匹配子模块2041获取到特征信息与人物特征模型之间的匹配度后,判断子模块2042将该匹配度与预设阈值进行比较,以判断该匹配度是否大于该预设阈值。若该匹配度大于该预设阈值,则拍照子模块2043自动对该拍摄对象进行拍照。若该匹配度小于或等于该预设阈值,则不对拍摄对象进行拍照。
在一些实施例中,匹配子模块2041用于执行以下步骤:
获取该特征信息的第一尺寸以及该人物特征模型的第二尺寸;
根据该第一尺寸以及该第二尺寸计算缩放比例;
基于该缩放比例对该特征信息进行缩放,以得到缩放后的特征信息;
将该缩放后的特征信息与该人物特征模型进行匹配,以得到该缩放后的特征信息与该人物特征模型之间的匹配度。
其中,由于拍摄对象与终端之间存在一定距离,不同距离时,采集模块203采集到的特征信息的尺寸是不同的。从而,需要对采集到的特征信息进行缩放。
采集模块203采集到拍摄对象的特征信息后,匹配子模块2041可以获取该特征信息的第一尺寸。其中,第一尺寸可以是该特征信息的横向尺寸、纵向尺寸、面积等尺寸信息。例如,特征信息包括人体姿势时,匹配子模块2041可以获取该人体姿势的高度;特征信息包括人物的面部表情时,匹配子模块2041可以获取该面部表情的面积。
同时,匹配子模块2041可以获取人物特征模型的第二尺寸。该第二尺寸可以是该人物特征模型的横向尺寸、纵向尺寸、面积等尺寸信息。其中,第二尺寸的类型与该第一尺寸的类型相同。
匹配子模块2041获取到第一尺寸和第二尺寸后,根据该第一尺寸和该第二尺寸计算缩放比例。该缩放比例用于对该特征信息进行缩放。在一些实施例中,匹配子模块2041可以计算该第二尺寸与该第一尺寸的比值,并将该比值确定为缩放比例。例如,该缩放比例可以为2。
匹配子模块2041计算出缩放比例后,基于该缩放比例对该特征信息进行缩放,以得到缩放后的特征信息。其中,进行缩放时,终端对该特征信息的整体进行缩放,而不限于对获取到的第一尺寸进行缩放。例如,缩放比例为2时,终端将该特征信息放大2倍。
随后,匹配子模块2041将缩放后的特征信息与该人物特征模型进行匹配,以得到该缩放后的特征信息与该人物特征模型之间的匹配度。
在一些实施例中,拍摄对象中包括的人物为多个。例如,拍摄对象中包括2个人物。采集模块203用于执行以下步骤:
依次采集每个人物的人体姿势和面部表情;
拍照模块204用于执行以下步骤:
依次将采集到的每个人物的人体姿势和面部表情与该人物特征模型进行匹配,以获取每个人物的人体姿势和面部表情与该人物特征模型之间的匹配度;
当获取到的多个该匹配度中至少有一个匹配度达到预设阈值时,自动对该拍摄对象进行拍照。
其中,上述拍摄对象中包括的人物数量为多个。采集模块203可以依次采集每个人物的特征信息。该特征信息包括人体姿势和面部表情。随后,拍照模块204依次将采集到的每个人物的人体姿势和面部表情与该人物特征模型进行匹配,以获取每个人物的人体姿势和面部表情与该人物特征模型之间的匹配度。可以理解的,拍照模块204可以分别将每个人物的特征信息中的人体姿势和面部表情与人物特征模型进行匹配。当多个人物的人体姿势和面部表情中至少有一个与人物特征模型之间的匹配度达到预设阈值时,即可认为该人物的特征信息与人物特征模型之间的匹配度达到预设阈值。此时,拍照模块204自动对该拍摄对象进行拍照。
具体实施时,以上各个模块可以作为独立的实体来实现,也可以进行任意组合,作为同一或若干个实体来实现。
由上可知,本发明实施例提供的拍照装置200,通过第一获取模块201获取多幅图像中的人物特征信息;训练模块202基于预设机器学习算法,对获取到的多个该人物特征信息进行训练,以生成人物特征模型;采集模块203实时采集拍摄对象的特征信息;当该特征信息与该人物特征模型的匹配度达到预设阈值时,拍照模块204自动对该拍摄对象进行拍照。该方案中,终端采集到的特征信息与人物特征模型之间的匹配度达到预设阈值后,终端即自动对拍摄对象进行拍照。从而,当拍摄对象中的人物出现特定姿势或者特定表情后,无需用户手动触发拍照操作,终端即可自行对拍摄对象进行拍照,能够提升终端的便利性。
本发明实施例还提供一种终端。该终端可以是智能手机、平板电脑等设备。如图13所示,终端300包括处理器301和存储器302。其中,处理器301与存储器302电性连接。
处理器301是终端300的控制中心,利用各种接口和线路连接整个终端的各个部分,通过运行或加载存储在存储器302内的应用程序,以及调用存储在存储器302内的数据,执行终端的各种功能和处理数据,从而对终端进行整体监控。
在本实施例中,终端300中的处理器301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302中,并由处理器301来运行存储在存储器302中的应用程序,从而实现各种功能:
获取多幅图像中的人物特征信息,所述人物特征信息包括人体姿势和面部表情中的至少一种;
基于预设机器学习算法,对获取到的多个所述人物特征信息进行训练,以生成人物特征模型;
实时采集拍摄对象的特征信息,所述拍摄对象包括人物,所述特征信息包括人体姿势和面部表情中的至少一种;
当所述特征信息与所述人物特征模型的匹配度达到预设阈值时,自动对所述拍摄对象进行拍照。
在一些实施例中,当所述特征信息与所述人物特征模型的匹配度达到预设阈值时,自动对所述拍摄对象进行拍照时,处理器301执行以下步骤:获取终端与所述拍摄对象之间的距离;根据所述距离获取预设阈值。
在一些实施例中,根据所述距离获取预设阈值时,处理器301执行以下步骤:根据所述距离以及预设映射关系获取预设阈值,所述预设映射关系为距离与预设阈值之间的对应关系。
在一些实施例中,当所述特征信息与所述人物特征模型的匹配度达到预设阈值时,自动对所述拍摄对象进行拍照时,处理器301执行以下步骤:将所述特征信息与所述人物特征模型进行匹配,以获取所述特征信息与所述人物特征模型之间的匹配度;判断所述匹配度是否大于预设阈值;若所述匹配度大于所述预设阈值,则自动对所述拍摄对象进行拍照。
在一些实施例中,将所述特征信息与所述人物特征模型进行匹配时,处理器301执行以下步骤:获取所述特征信息的第一尺寸以及所述人物特征模型的第二尺寸;根据所述第一尺寸以及所述第二尺寸计算缩放比例;基于所述缩放比例对所述特征信息进行缩放,以得到缩放后的特征信息;将所述缩放后的特征信息与所述人物特征模型进行匹配。
在一些实施例中,拍摄对象包括的人物数量为多个,实时采集拍摄对象的特征信息时,处理器301执行以下步骤:依次采集每个人物的人体姿势和面部表情;当所述特征信息与所述人物特征模型的匹配度达到预设阈值时,自动对所述拍摄对象进行拍照时,处理器301执行以下步骤:依次将采集到的每个人物的人体姿势和面部表情与所述人物特征模型进行匹配,以获取每个人物的人体姿势和面部表情与所述人物特征模型之间的匹配度;当获取到的多个所述匹配度中至少有一个匹配度达到预设阈值时,自动对所述拍摄对象进行拍照。
在一些实施例中,获取多幅图像中的人物特征信息时,处理器301执行以下步骤:依次获取相册中的每幅图像;判断所述图像中是否包括人物;若所述图像中包括人物,则获取所述人物的人物特征信息。
存储器302可用于存储应用程序和数据。存储器302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301通过运行存储在存储器302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14所示,终端300还包括:摄像头303、显示屏304、控制电路305、输入单元306、传感器307以及电源308。其中,处理器301分别与摄像头303、显示屏304、控制电路305、输入单元306、传感器307以及电源308电性连接。
摄像头303可用于采集拍摄对象的图像以及用于拍照。在一些实施例中,摄像头303为景深摄像头。摄像头303可以采集景深图像。
显示屏304可用于显示由用户输入的信息或提供给用户的信息以及终端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。
控制电路305与显示屏304电性连接,用于控制显示屏304显示信息。
输入单元306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。
传感器307用于采集外部环境信息。传感器307可以包括环境亮度传感器、加速度传感器、陀螺仪等传感器中的一种或多种。
电源308用于给终端300的各个部件供电。在一些实施例中,电源308可以通过电源管理系统与处理器301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。
尽管图14中未示出,终端300还可以包括射频模块、蓝牙模块等,在此不再赘述。
由上可知,本发明实施例提供了一种终端,该终端获取多幅图像中的人物特征信息;基于预设机器学习算法,对获取到的多个该人物特征信息进行训练,以生成人物特征模型;实时采集拍摄对象的特征信息;当该特征信息与该人物特征模型的匹配度达到预设阈值时,自动对该拍摄对象进行拍照。该方案中,终端采集到的特征信息与人物特征模型之间的匹配度达到预设阈值后,终端即自动对拍摄对象进行拍照。从而,当拍摄对象中的人物出现特定姿势或者特定表情后,无需用户手动触发拍照操作,终端即可自行对拍摄对象进行拍照,能够提升终端的便利性。
本发明实施例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实施例所述的拍照方法。
需要说明的是,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,该程序可以存储于计算机可读存储介质中,该存储介质可以包括但不限于:只读存储器(ROM,Read Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁盘或光盘等。
以上对本发明实施例所提供的拍照方法、装置、存储介质及终端进行了详细介绍,本文中应用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。
Claims (10)
1.一种拍照方法,其特征在于,包括:
获取多幅图像中的人物特征信息,所述人物特征信息包括人体姿势和面部表情中的至少一种;
基于预设机器学习算法,对获取到的多个所述人物特征信息进行训练,以生成人物特征模型;
实时采集拍摄对象的特征信息,所述拍摄对象包括人物,所述特征信息包括人体姿势和面部表情中的至少一种;
当所述特征信息与所述人物特征模型的匹配度达到预设阈值时,自动对所述拍摄对象进行拍照。
2.根据权利要求1所述的拍照方法,其特征在于,所述当所述特征信息与所述人物特征模型的匹配度达到预设阈值时,自动对所述拍摄对象进行拍照的步骤前,所述拍照方法还包括:
获取终端与所述拍摄对象之间的距离;
根据所述距离获取预设阈值。
3.根据权利要求2所述的拍照方法,其特征在于,所述根据所述距离获取预设阈值的步骤包括:
根据所述距离以及预设映射关系获取预设阈值,所述预设映射关系为距离与预设阈值之间的对应关系。
4.根据权利要求1所述的拍照方法,其特征在于,所述当所述特征信息与所述人物特征模型的匹配度达到预设阈值时,自动对所述拍摄对象进行拍照,包括:
将所述特征信息与所述人物特征模型进行匹配,以获取所述特征信息与所述人物特征模型之间的匹配度;
判断所述匹配度是否大于预设阈值;
若所述匹配度大于所述预设阈值,则自动对所述拍摄对象进行拍照。
5.根据权利要求4所述的拍照方法,其特征在于,所述将所述特征信息与所述人物特征模型进行匹配的步骤包括:
获取所述特征信息的第一尺寸以及所述人物特征模型的第二尺寸;
根据所述第一尺寸以及所述第二尺寸计算缩放比例;
基于所述缩放比例对所述特征信息进行缩放,以得到缩放后的特征信息;
将所述缩放后的特征信息与所述人物特征模型进行匹配。
6.根据权利要求1所述的拍照方法,其特征在于,所述拍摄对象包括的人物数量为多个,所述实时采集拍摄对象的特征信息的步骤包括:
依次采集每个人物的人体姿势和面部表情;
所述当所述特征信息与所述人物特征模型的匹配度达到预设阈值时,自动对所述拍摄对象进行拍照,包括:
依次将采集到的每个人物的人体姿势和面部表情与所述人物特征模型进行匹配,以获取每个人物的人体姿势和面部表情与所述人物特征模型之间的匹配度;
当获取到的多个所述匹配度中至少有一个匹配度达到预设阈值时,自动对所述拍摄对象进行拍照。
7.根据权利要求1至6任一项所述的拍照方法,其特征在于,所述获取多幅图像中的人物特征信息的步骤包括:
依次获取相册中的每幅图像;
判断所述图像中是否包括人物;
若所述图像中包括人物,则获取所述人物的人物特征信息。
8.一种拍照装置,其特征在于,包括:
第一获取模块,用于获取多幅图像中的人物特征信息,所述人物特征信息包括人体姿势和面部表情中的至少一种;
训练模块,用于基于预设机器学习算法,对获取到的多个所述人物特征信息进行训练,以生成人物特征模型;
采集模块,用于实时采集拍摄对象的特征信息,所述拍摄对象包括人物,所述特征信息包括人体姿势和面部表情中的至少一种;
拍照模块,用于当所述特征信息与所述人物特征模型的匹配度达到预设阈值时,自动对所述拍摄对象进行拍照。
9.一种存储介质,其特征在于,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权利要求1至7任一项所述的拍照方法。
10.一种终端,其特征在于,包括处理器和存储器,所述存储器中存储有多条指令,所述处理器加载所述指令以执行权利要求1至7任一项所述的拍照方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710527817.8A CN107370942B (zh) | 2017-06-30 | 2017-06-30 | 拍照方法、装置、存储介质及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710527817.8A CN107370942B (zh) | 2017-06-30 | 2017-06-30 | 拍照方法、装置、存储介质及终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107370942A true CN107370942A (zh) | 2017-11-21 |
CN107370942B CN107370942B (zh) | 2020-01-14 |
Family
ID=60306297
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710527817.8A Active CN107370942B (zh) | 2017-06-30 | 2017-06-30 | 拍照方法、装置、存储介质及终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107370942B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108052545A (zh) * | 2017-11-24 | 2018-05-18 | 广东小天才科技有限公司 | 拍照搜题的题目输入方法、装置、移动终端及存储介质 |
CN108229369A (zh) * | 2017-12-28 | 2018-06-29 | 广东欧珀移动通信有限公司 | 图像拍摄方法、装置、存储介质及电子设备 |
CN108307116A (zh) * | 2018-02-07 | 2018-07-20 | 腾讯科技(深圳)有限公司 | 图像拍摄方法、装置、计算机设备和存储介质 |
CN108668061A (zh) * | 2018-05-18 | 2018-10-16 | 北京京东尚科信息技术有限公司 | 智能照相机 |
CN108718386A (zh) * | 2018-08-06 | 2018-10-30 | 光锐恒宇(北京)科技有限公司 | 自动拍摄的实现方法和装置 |
CN108833766A (zh) * | 2018-03-21 | 2018-11-16 | 北京猎户星空科技有限公司 | 智能设备的控制方法、装置、智能设备及存储介质 |
CN109005336A (zh) * | 2018-07-04 | 2018-12-14 | 维沃移动通信有限公司 | 一种图像拍摄方法及终端设备 |
CN109194879A (zh) * | 2018-11-19 | 2019-01-11 | Oppo广东移动通信有限公司 | 拍照方法、装置、存储介质及移动终端 |
CN109451234A (zh) * | 2018-10-23 | 2019-03-08 | 长沙创恒机械设备有限公司 | 优化拍照功能的方法、设备及存储介质 |
CN109922266A (zh) * | 2019-03-29 | 2019-06-21 | 睿魔智能科技(深圳)有限公司 | 应用于视频拍摄的抓拍方法及系统、摄像机及存储介质 |
CN110162204A (zh) * | 2018-10-09 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 触发设备功能的方法、装置以及控制进行图像捕获的方法 |
CN111787215A (zh) * | 2019-04-03 | 2020-10-16 | 阿里巴巴集团控股有限公司 | 拍摄方法及装置、电子设备和存储介质 |
CN112188108A (zh) * | 2020-10-26 | 2021-01-05 | 咪咕文化科技有限公司 | 拍摄方法、终端和计算机可读存储介质 |
CN113014800A (zh) * | 2021-01-29 | 2021-06-22 | 中通服咨询设计研究院有限公司 | 一种用于通讯行业查勘作业的智能拍照方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003092699A (ja) * | 2001-09-17 | 2003-03-28 | Ricoh Co Ltd | デジタルカメラ撮像装置 |
CN103020650A (zh) * | 2012-11-23 | 2013-04-03 | Tcl集团股份有限公司 | 一种台标识别方法及装置 |
CN104125396A (zh) * | 2014-06-24 | 2014-10-29 | 小米科技有限责任公司 | 图像拍摄方法和装置 |
CN104349021A (zh) * | 2013-07-24 | 2015-02-11 | 腾讯科技(深圳)有限公司 | 图像采集方法、装置及终端 |
CN105205462A (zh) * | 2015-09-18 | 2015-12-30 | 北京百度网讯科技有限公司 | 一种拍照提示方法及装置 |
CN106210526A (zh) * | 2016-07-29 | 2016-12-07 | 维沃移动通信有限公司 | 一种拍摄方法及移动终端 |
-
2017
- 2017-06-30 CN CN201710527817.8A patent/CN107370942B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003092699A (ja) * | 2001-09-17 | 2003-03-28 | Ricoh Co Ltd | デジタルカメラ撮像装置 |
CN103020650A (zh) * | 2012-11-23 | 2013-04-03 | Tcl集团股份有限公司 | 一种台标识别方法及装置 |
CN104349021A (zh) * | 2013-07-24 | 2015-02-11 | 腾讯科技(深圳)有限公司 | 图像采集方法、装置及终端 |
US20150302275A1 (en) * | 2013-07-24 | 2015-10-22 | Tencent Technology (Shenzhen) Company Limited | Devices, Terminals and Methods for Image Acquisition |
CN104125396A (zh) * | 2014-06-24 | 2014-10-29 | 小米科技有限责任公司 | 图像拍摄方法和装置 |
CN105205462A (zh) * | 2015-09-18 | 2015-12-30 | 北京百度网讯科技有限公司 | 一种拍照提示方法及装置 |
CN106210526A (zh) * | 2016-07-29 | 2016-12-07 | 维沃移动通信有限公司 | 一种拍摄方法及移动终端 |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108052545A (zh) * | 2017-11-24 | 2018-05-18 | 广东小天才科技有限公司 | 拍照搜题的题目输入方法、装置、移动终端及存储介质 |
CN108229369A (zh) * | 2017-12-28 | 2018-06-29 | 广东欧珀移动通信有限公司 | 图像拍摄方法、装置、存储介质及电子设备 |
CN108229369B (zh) * | 2017-12-28 | 2020-06-02 | Oppo广东移动通信有限公司 | 图像拍摄方法、装置、存储介质及电子设备 |
CN108307116A (zh) * | 2018-02-07 | 2018-07-20 | 腾讯科技(深圳)有限公司 | 图像拍摄方法、装置、计算机设备和存储介质 |
CN108307116B (zh) * | 2018-02-07 | 2022-03-29 | 腾讯科技(深圳)有限公司 | 图像拍摄方法、装置、计算机设备和存储介质 |
CN108833766A (zh) * | 2018-03-21 | 2018-11-16 | 北京猎户星空科技有限公司 | 智能设备的控制方法、装置、智能设备及存储介质 |
CN108668061A (zh) * | 2018-05-18 | 2018-10-16 | 北京京东尚科信息技术有限公司 | 智能照相机 |
CN109005336A (zh) * | 2018-07-04 | 2018-12-14 | 维沃移动通信有限公司 | 一种图像拍摄方法及终端设备 |
CN109005336B (zh) * | 2018-07-04 | 2021-03-02 | 维沃移动通信有限公司 | 一种图像拍摄方法及终端设备 |
CN108718386A (zh) * | 2018-08-06 | 2018-10-30 | 光锐恒宇(北京)科技有限公司 | 自动拍摄的实现方法和装置 |
CN110162204A (zh) * | 2018-10-09 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 触发设备功能的方法、装置以及控制进行图像捕获的方法 |
CN110162204B (zh) * | 2018-10-09 | 2022-08-12 | 腾讯科技(深圳)有限公司 | 触发设备功能的方法、装置以及控制进行图像捕获的方法 |
CN109451234A (zh) * | 2018-10-23 | 2019-03-08 | 长沙创恒机械设备有限公司 | 优化拍照功能的方法、设备及存储介质 |
CN109194879B (zh) * | 2018-11-19 | 2021-09-07 | Oppo广东移动通信有限公司 | 拍照方法、装置、存储介质及移动终端 |
CN109194879A (zh) * | 2018-11-19 | 2019-01-11 | Oppo广东移动通信有限公司 | 拍照方法、装置、存储介质及移动终端 |
CN109922266A (zh) * | 2019-03-29 | 2019-06-21 | 睿魔智能科技(深圳)有限公司 | 应用于视频拍摄的抓拍方法及系统、摄像机及存储介质 |
CN109922266B (zh) * | 2019-03-29 | 2021-04-06 | 睿魔智能科技(深圳)有限公司 | 应用于视频拍摄的抓拍方法及系统、摄像机及存储介质 |
CN111787215A (zh) * | 2019-04-03 | 2020-10-16 | 阿里巴巴集团控股有限公司 | 拍摄方法及装置、电子设备和存储介质 |
CN112188108A (zh) * | 2020-10-26 | 2021-01-05 | 咪咕文化科技有限公司 | 拍摄方法、终端和计算机可读存储介质 |
CN113014800A (zh) * | 2021-01-29 | 2021-06-22 | 中通服咨询设计研究院有限公司 | 一种用于通讯行业查勘作业的智能拍照方法 |
CN113014800B (zh) * | 2021-01-29 | 2022-09-13 | 中通服咨询设计研究院有限公司 | 一种用于通讯行业查勘作业的智能拍照方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107370942B (zh) | 2020-01-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107370942A (zh) | 拍照方法、装置、存储介质及终端 | |
TWI754887B (zh) | 活體檢測方法和裝置、電子設備及儲存介質 | |
CN108229369A (zh) | 图像拍摄方法、装置、存储介质及电子设备 | |
CN110555481A (zh) | 一种人像风格识别方法、装置和计算机可读存储介质 | |
CN109684980B (zh) | 自动阅卷方法及装置 | |
CN112036331B (zh) | 活体检测模型的训练方法、装置、设备及存储介质 | |
CN107347138A (zh) | 图像处理方法、装置、存储介质及终端 | |
CN109726659A (zh) | 人体骨骼关键点的检测方法、装置、电子设备和可读介质 | |
CN102096805B (zh) | 注册用于脸部识别的多个脸部图像的装置和方法 | |
CN111597884A (zh) | 面部动作单元识别方法、装置、电子设备及存储介质 | |
CN107437067A (zh) | 人脸活体检测方法及相关产品 | |
CN110570460B (zh) | 目标跟踪方法、装置、计算机设备及计算机可读存储介质 | |
CN111753643B (zh) | 人物姿态识别方法、装置、计算机设备和存储介质 | |
CN108198130A (zh) | 图像处理方法、装置、存储介质及电子设备 | |
JP7036401B2 (ja) | 学習用サーバ、不足学習用画像収集支援システム、及び不足学習用画像推定プログラム | |
CN102479322A (zh) | 以具有角度的脸部影像分析脸部缺陷的系统、装置及方法 | |
CN112434546A (zh) | 人脸活体检测方法及装置、设备、存储介质 | |
CN109598301B (zh) | 检测区域去除方法、装置、终端和存储介质 | |
CN110765924A (zh) | 一种活体检测方法、装置以及计算机可读存储介质 | |
CN103020655A (zh) | 一种基于单训练样本人脸识别的远程身份认证方法 | |
CN111797849B (zh) | 用户活动识别方法、装置、存储介质及电子设备 | |
CN112818733B (zh) | 信息处理方法、装置、存储介质及终端 | |
CN115410240A (zh) | 智能人脸的痘痘和色斑分析方法、装置及存储介质 | |
KR20140053504A (ko) | 얼굴 인식 방법 및 기계로 읽을 수 있는 저장 매체 및 얼굴 인식 장치 | |
CN112149517A (zh) | 一种人脸考勤方法、系统、计算机设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information |
Address after: Changan town in Guangdong province Dongguan 523860 usha Beach Road No. 18 Applicant after: OPPO Guangdong Mobile Communications Co., Ltd. Address before: Changan town in Guangdong province Dongguan 523860 usha Beach Road No. 18 Applicant before: Guangdong Opel Mobile Communications Co., Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |