CN107635095A - 拍摄照片的方法、装置、存储介质及拍摄设备 - Google Patents

Abstract

本申请实施例公开了一种拍摄照片的方法、装置、存储介质及拍摄设备。该方法包括：当检测到拍摄设备进入拍摄预览界面时，通过摄像头获取预览图像信息；利用预先训练的机器学习模型对所述预览图像信息进行可拍摄条件识别；当识别到所述预览图像信息具备可拍摄条件时，向用户发出满足可拍摄条件提示，并按照预设的照片拍摄方式，采集所述预览图像信息作为照片。本发明所提供的技术方案，可以实现提高拍摄照片的满意度的效果。

Description

拍摄照片的方法、装置、存储介质及拍摄设备

技术领域

本申请实施例涉及基于人工智能技术的图像拍摄技术领域，尤其涉及一种拍摄照片的方法、装置、存储介质及拍摄设备。

背景技术

目前，拍摄设备的功能日趋丰富，也越来越智能，利用拍摄设备进行自拍已经成为广大用户的广泛爱好之一。

目前，用户在使用拍摄设备进行拍照时，往往是自行判断当前预览图像的拍照效果的好坏，但是由于每个人的拍照习惯以及拍照水平均不相同，导致拍摄出来的照片效果相差较大，尤其是在他人帮助拍摄时，更是很难拍摄出让用户满意的照片。因此，目前的拍摄照片方式造成了极差的用户体验，需要改进。

发明内容

本申请实施例提供一种拍摄照片的方法、装置、存储介质及拍摄设备，可以优化拍摄设备的拍摄照片的方式。

第一方面，本申请实施例提供了一种拍摄照片的方法，该方法包括：

当检测到拍摄设备进入拍摄预览界面时，通过摄像头获取预览图像信息；

利用预先训练的机器学习模型对所述预览图像信息进行可拍摄条件识别；

当识别到所述预览图像信息具备可拍摄条件时，向用户发出满足可拍摄条件提示，并按照预设的照片拍摄方式，采集所述预览图像信息作为照片。

第二方面，本申请实施例提供了一种拍摄照片的装置，该装置包括：

预览图像信息获取模块，用于当检测到拍摄设备进入拍摄预览界面时，通过摄像头获取预览图像信息；

可拍摄条件识别模块，用于利用预先训练的机器学习模型对所述预览图像信息进行可拍摄条件识别；

拍摄模块，用于当识别到所述预览图像信息具备可拍摄条件时，向用户发出满足可拍摄条件提示，并按照预设的照片拍摄方式，采集所述预览图像信息作为照片。

第三方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请实施例所述的拍摄照片的方法。

第四方面，本申请实施例提供了一种拍摄设备，包括存储器，处理器及存储在存储器上并可在处理器运行的计算机程序，所述处理器执行所述计算机程序时实现如本申请实施例所述的拍摄照片的方法。

本申请实施例所提供的技术方案，通过在使用拍摄设备进行拍照时，利用预先训练的机器学习模型对其进行可拍摄条件的识别，并在具备可拍摄条件时，向用户发出满足可拍摄条件提示，并按照预设的照片拍摄方式，采集所述预览图像信息作为照片，能够辅助用户确定自动拍摄的时机，拍摄出效果更佳或更符合特定要求的照片，可以实现提高拍摄照片的满意度的效果。

附图说明

图1为本申请实施例提供的一种拍摄照片的方法的流程示意图；

图2为本申请实施例提供的一种满足可拍摄条件提示示意图；

图3为本申请实施例提供的另一种满足可拍摄条件提示示意图；

图4为本申请实施例提供的另一种满足可拍摄条件提示示意图；

图5为本申请实施例提供的另一种拍摄照片的方法的流程示意图；

图6为本申请实施例提供的另一种拍摄照片的方法的流程示意图；

图7为本申请实施例提供的一种拍摄照片的装置的结构框图；

图8为本申请实施例提供的一种拍摄设备的结构示意图。

具体实施方式

下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理，但是其中的许多步骤可以被并行地、并发地或者同时实施。此外，各步骤的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。

图1为本申请实施例提供的一种拍摄照片的方法的流程示意图，该方法可以由拍摄照片的装置执行，其中该装置可由软件和/或硬件实现，一般可集成在具备拍摄能力的拍摄设备中。如图1所示，该方法包括：

S101、当检测到拍摄设备进入拍摄预览界面时，通过摄像头获取预览图像信息。

其中，拍摄设备可以是具有拍摄照片功能的移动终端，如智能手机、平板电脑、个人数字助理以及相机等，也可以是其他具有拍摄功能的设备。检测拍摄设备进入拍摄预览界面的方式可以是通过获取用户的操作指令的方式，如检测用户打开照相机时，或者在某美颜相机等软件点按自拍按键时，拍摄设备都会进入到拍摄预览界面。另外，还可以是在打开照相机或者照相软件时，通过检测系统进程或者获取广播等方式，对拍摄设备是否进入拍摄预览界面进行检测。

当检测到拍摄设备进入拍摄预览界面时，通过摄像头获取预览图像信息。其中摄像头包括拍摄设备的前置摄像头、后置摄像头以及外接摄像头等。预览图像信息可以是在拍摄照片前拍摄设备通过摄像头获取到的图像。预览图像信息包括拍摄对象，如人物、场景等，还包括拍摄参数，如亮度、焦距大小等。

S102、利用预先训练的机器学习模型对所述预览图像信息进行可拍摄条件识别。

其中，预先训练的机器学习模型可以是对已经选取的一定数量的照片进行机器学习模型的训练，如自动或者人工选取200张相册中的相片，或者利用网络爬虫工具获取到的网络分享相片。除此之外，还可以是通过服务器获取到的整体拍摄效果比较好的照片作为机器学习模型的训练样本。

对所述预览图像信息进行可拍摄条件识别，包括对其中是否含有设定的图像元素的识别，或者对预览图像信息是否满足一定的图像参数要求的识别。示例性的，如在用户进行拍照的这段时间内，“比心手势”在网络上非常受欢迎，在很多网络分享图片中，如微信、微博分享的图片中，大多数都会含有“比心手势”。则可以通过获取网络分享图片作为机器学习模型的样本，通过机器学习手段，得到摆出“比心手势”是模型的一个输出结果，进一步的，可以通过识别当前预览图像信息中是否含有“比心手势”作为一种可拍摄条件的识别过程。又如，在用户使用的拍摄设备中选取一定数量的照片作为学习样本，利用机器学习手段得到逆光拍摄照片是一种输出结果，则可以通过识别当前预览图像信息中是否为逆光图像作为一种可拍摄条件的识别过程。

值得说明的是，训练机器学习模型得到的输出结果并不唯一，可以同时得到多个图像元素或者图像参数，可以根据每种图像元素或者图像参数的权重对于当前预览图像信息是否具备可拍摄条件进行识别。另外，在本申请实施例中，也不仅仅限定图像元素和图像参数两种输出结果，仅以此两种输出结果作为示例。

S103、当识别到所述预览图像信息具备可拍摄条件时，向用户发出满足可拍摄条件提示，并按照预设的照片拍摄方式，采集所述预览图像信息作为照片。

当识别到所述预览图像信息具备可拍摄条件时，向用户发出满足可拍摄条件提示。其中向用户发出的提示可以是声音提示，还可以是发出震动提示，在本申请实施例中，优选的，是在拍摄界面向用户发出提示信息。根据用户的拍摄照片习惯，往往在选择取景位置和角度时，用户往往是注视着拍摄设备的拍摄界面的。这样设置的好处是，可以保证用户在使用拍摄设备进行拍摄照片时，能够准确无疏漏的接收到提示。

示例性的，图2为本申请实施例提供的一种满足可拍摄条件提示示意图。如图2所示，可以在预览界面的某一预设区域21，并在该预设区域21中显示“满足可拍摄条件”的字样。相应的，该字样可以是以半透明的字样来显示。还可以将该预设区域21以半透明的底色，如半透明的浅绿色显示，并在该预设区域21上面显示提示字样。这样设置可以避免显示该字样影响用户观看当前预览图像。以提示用户当前预览图像信息具备可拍摄条件，适宜拍照。值得说明的是，在本实施例中，并非限定通过拍摄设备进行拍照时，只有具备可拍摄条件才可以拍摄，可以在拍摄设备接收到拍照指令时进行拍摄，本申请实施例所提供的方案是对于现有的拍摄照片的方式进行优化。

示例性的，图3为本申请实施例提供的另一种满足可拍摄条件提示示意图。如图3所示，可以在预览界面的某一预设区域31，并在该预设区域31中显示“对号”。相应的，该字样可以是以半透明的“对号”图像来显示。还可以将该预设区域31以半透明的底色，如半透明的浅绿色显示，并在该预设区域31上面显示“对号”。这样设置可以避免显示该字样影响用户观看当前预览图像。

示例性的，图4为本申请实施例提供的另一种满足可拍摄条件提示示意图。如图4所示，可以将预设区域41设置在临近拍摄设备显示屏的边框处设置，如宽度为2毫米的矩形框。并且可以将预设区域41设置成绿色且为半透明状。并且在不满足可拍摄条件时，可以将该预设区域41设置为红色且为半透明装。这样设置的好处在于可以给用户的以鲜明的对比，为用户使用拍摄设备进行照片拍摄提供辅助判断，提高照片的拍摄效果。

当用户得到提示信息后，可以根据预先设置的照片拍摄方式进行拍照。其中，照片拍摄方式可以是自动拍摄，也可以是手动拍摄，还可以是其它拍摄方式。在拍摄设备接收到拍摄指令或者自动拍摄时，采集所述预览图像信息作为照片。

本申请实施例所提供的技术方案，通过在使用拍摄设备进行拍照时，利用预先训练的机器学习模型对其进行可拍摄条件的识别，并在具备可拍摄条件时，向用户发出满足可拍摄条件提示，并按照预设的照片拍摄方式，采集所述预览图像信息作为照片，能够辅助用户确定自动拍摄的时机，拍摄出效果更佳或更符合特定要求的照片，可以实现提高拍摄照片的满意度的效果。

在上述技术方案的基础上，可选的，所述按照预设的照片拍摄方式，采集所述预览图像信息作为照片，包括：获取用户输入语音指令或动作指令；其中，所述动作指令包括手动拍照指令或者目光输入拍照指令；当获取用户输入的所述语音指令或动作指令时，启动拍摄，采集所述预览图像信息作为照片。

其中，语音指令可以是根据预先设置的语音指令进行拍照，如用户将拍摄照片的语音指令设置为“拍照”，当用户接收到满足可拍摄条件的提示时，可以发出语音“拍照”，拍摄设备根据检测到当前的声音信息并判断其为拍照指令，则执行拍照操作。手动拍照指令可以是点按拍摄设备显示屏上面的拍照按键或者其他预设拍照按键时，如“音量-”键等。目光输入拍照指令可以是用户预先设置的，如用户眨一下眼睛，或者用户将目光对准拍摄设备的摄像头处或者某一位置持续一定时长，如对准摄像头或者拍摄设备屏幕上半区域持续2秒时，则可以通过图像识别技术确定当前目光输入拍照指令，并进行拍照操作。

在上述技术方案的基础上，本技术方案提供了在用户接收到满足可拍摄条件的提示后，按照设定的操作指令使拍摄设备执行拍照操作的具体实施方式。本技术方案可以实现丰富用户的拍摄照片的指令的效果，进而提高用户在使用拍摄设备进行拍照时的体验效果。

在上述技术方案的基础上，可选的，所述按照预设的照片拍摄方式，采集所述预览图像信息作为照片，还包括：每隔预设时长，将具备可拍摄条件的所述预览图像信息自动进行拍摄和存储。

其中，预设时长可以在拍摄设备出厂时设定好，也可以由用户手动设置，如可以为3秒，也可以设置为5秒。在当前预览图像信息具备可拍摄条件时，可以每个预设时长，将预览图像信息自动进行拍摄，并可以将拍摄好的照片存储至拍摄设备的预先设置的文件夹中，如可以是备选文件夹。本技术方案在上述技术方案的基础上，提供了一种在当前预览图像信息具备可拍摄条件时，进行自动拍照的技术方案，这样设置的好处是在利用机器学习模型辅助确定的效果较好或者较符合用户喜好时，自动进行拍摄，为用户捕捉到手动没有拍摄到的照片，并将其存储在某一设定存储位置，提高了用户的拍摄照片的体验，也实现了提高用户的拍照质量的效果。另外，用户可以根据自己的需要以及考虑到拍摄设备的内存使用情况做出适量调整，如果当前剩余内存空间足够大，或者用户比较喜欢拍照，可以将预设时长调节的短一点，如果当前剩余内存空间不是很大，而且用户对拍照的兴趣一般，则可以将预设时长调节的长一点，以迎合不同类型的用户对于拍摄设备的拍照需求。

图5为本申请实施例提供的另一种拍摄照片的方法的流程示意图，如图5所示，该方法包括：

S501、获取作为训练样本的图像信息。

获取作为训练样本的图像信息可以是拍摄设备内的照片，也可以是网络分享的照片，可以设定预设数目，如分别为100张照片作为训练样本。在本申请实施例中，拍摄设备内如果照片的数目有限，且小于设定预设数目时，可以以拍摄设备的当前图片库中照片数量为准。而获取网络分享的照片的方式可以根据拍摄设备当前所在的位置信息进行搜索，搜集用户位置信息一定范围内的预设数目的照片。这样设置的好处是网络分享照片与用户当前拍照需求的关联性更大，作为训练样本的照片更加符合用户当前的拍照需求。

在本申请实施例中，可选的，所述获取作为训练样本的图像信息包括：获取所述拍摄设备的相册内的照片，作为所述训练样本；或获取网络分享照片，作为所述训练样本。

获取拍摄设备的相册内的照片作为训练样本的图像信息，可以利用机器学习手段确定用户个人喜好的拍照方式。如可以在拍摄设备的相册中，利用人脸识别技术确定每个用户在拍照时候比较喜好的动作、喜好的表情、喜好的拍摄角度以及亮度等。

获取网络分享照片作为训练样本的图像信息，可以提高数据参考量，分析当前网络环境中比较热门的拍照动作及拍照表情。或者如用户在某景点游玩，可以获取网络分享照片中，在该景点的拍照的背景、姿势等。

S502、确定预设目标图像或预设目标参数作为训练结果。

其中，预设目标图像以及预设目标参数可以是一个或者多个。例如，预设目标图像可以是“吐舌头表情”、“比心手势”、以及“剪刀手”等等，多个预设目标图像可以相互独立，也可以存在相关联或者互斥关系。

预设目标图像或预设目标参数作为训练结果可以是模型训练之前的标的结果，在进行机器学习模型训练过程中，可以根据训练样本的情况对训练结果进行更改和扩充，以达到根据机器学习模型识别当前的预览图像信息是否具备可拍摄条件的效果。

在本申请实施例中，可选的，所述确定预设目标图像或预设目标参数作为训练结果包括：将所述作为训练样本的图像信息按照预设分类规则进行分类；利用图像识别技术，对于每一类训练样本进行统计，确定所述每一类训练样本的共性信息，所述共性信息包括共性图像信息或共性参数信息；将所述共性图像信息作为预设目标图像，或将所述共性参数信息作为预设目标参数；并确定预设目标图像或预设目标参数作为训练结果。

其中，预设分类规则可以是从拍摄角度进行划分，如近景、远景、侧光以及逆光等，也可以从训练样本的照片内容进行划分，如景色类、人物类等，进一步的可以将人物类按照人脸识别结果进行进一步的划分。还可以包含其他的划分方式，几种划分方式可以作为不同的维度，分别作为机器学习模型的训练样本。由于训练样本的选择可以是无需增加任何限定的，所以在获取到训练样本之后对其进行分类之后，可以优化机器学习模型的训练过程，使得到的训练过程中参数的确定更加准确。

其中，利用图像识别技术，对于每一类训练样本进行统计，确定所述每一类训练样本的共性信息，所述共性信息包括共性图像信息或共性参数信息。确定共性信息。将所述共性图像信息作为预设目标图像，或将所述共性参数信息作为预设目标参数；并确定预设目标图像或预设目标参数作为训练结果。对于每个分类的训练样本进行统计，可以提高得到的共性信息的准确性，以及每个训练样本与共性信息之间的关联程度。共性信息包括共性图像信息，如表情、姿势、手势等，还包括共性参数信息，如明暗度、对比度、色彩亮度等。将得到的共性信息作为训练结果，可以明确机器学习模型的目标，相应的，可以采用监督式学习确定机器学习中各函数的参数，在用户使用拍摄设备进行拍照时，可以通过预览图像信息确定与之对应的机器学习结果，并且确定预览图像信息与机器学习结果的关联关系，进而确定当前是否具备可拍摄条件。

S503、通过卷积神经网络基于所述训练样本和训练结果进行训练，以形成所述机器学习模型。

卷积神经网络(Convolutional Neural Network，CNN)是一种前馈神经网络，一般地，CNN的基本结构包括两层，其一为特征提取层，每个神经元的输入与前一层的局部接受域相连，并提取该局部的特征。一旦该局部特征被提取后，它与其它特征间的位置关系也随之确定下来；其二是特征映射层，网络的每个计算层由多个特征映射组成，每个特征映射是一个平面，平面上所有神经元的权值相等。特征映射结构采用影响函数核小的sigmoid函数作为卷积网络的激活函数，使得特征映射具有位移不变性。此外，由于一个映射面上的神经元共享权值，因而减少了网络自由参数的个数。卷积神经网络中的每一个卷积层都紧跟着一个用来求局部平均与二次提取的计算层，这种特有的两次特征提取结构减小了特征分辨率。利用卷积神经网络进行训练的好处是在于卷积神经网络对于图像处理领域效果较好，可以提高机器学习模型训练的效果。

S504、当检测到拍摄设备进入拍摄预览界面时，通过摄像头获取预览图像信息。

S505、利用预先训练的机器学习模型对所述预览图像信息进行可拍摄条件识别。

S506、当识别到所述预览图像信息具备可拍摄条件时，向用户发出满足可拍摄条件提示，并按照预设的照片拍摄方式，采集所述预览图像信息作为照片。

本技术方案在上述各技术方案的基础上，提供了一种预先训练的机器学习模型的训练方法，具体的，根据训练样本和训练结果利用卷积神经网络进行训练的方法，提高了机器学习模型的准确性，为通过机器学习模型判断当前预览图像信息是否具备可拍摄条件提供了稳定的基础。

图6为本申请实施例提供的另一种拍摄照片的方法的流程示意图，如图6所示，该方法包括：

S601、当检测到拍摄设备进入拍摄预览界面时，通过摄像头获取预览图像信息。

S602、利用图像识别技术，识别所述预览图像信息中的至少一个关键信息作为输入信息；并执行S603或执行S604。

其中，关键信息可以是环境信息，如夕阳、朝霞等，还可以是用户的人物特征，如用户的人脸信息、身材信息等，并将该关键信息作为输入信息输入到机器学习模型当中。

S603、将所述输入信息输入所述机器学习模型，得到至少一个输出信息；识别所述预览图像信息中，是否包含所述至少一个输出信息,以确定所述可拍摄条件。

其中，一个输入信息可以对应一个或者多个输出信息。如当识别到当前预览图像信息中的是用户张某时，则可以将该用户的人脸识别结果作为输入信息，得到的输出信息可以是包括动作、表情以及姿势等多方面输出信息。

识别所述预览图像信息中，是否包含所述至少一个输出信息,以确定所述可拍摄条件。如当前预览图像信息中，包含了与张某的一个输出信息相对应的剪刀手姿势，则可以确定当前预览图像信息具备可拍摄条件。

S604、将所述输入信息输入所述机器学习模型，得到至少一个输出信息以及所述至少一个输出信息对应的权重值；判断所述预览图像信息中，是否包含所述至少一个输出信息；若包含，则计算包含所述至少一个输出信息对应的权重值之和，识别所述权重值之和是否超过设定权重值,以确定所述可拍摄条件。

其中，每个输出信息对应的权重值可以是根据训练样本中，出现某个动作或者参数的次数多少来确定。针对拍摄设备相册中存储的图片来说，这个权重值可以表现出用户喜好的拍照习惯。针对网络分享图片来说，这个权重值可以表现出当前网络流行的拍照习惯。

判断所述预览图像信息中，是否包含所述至少一个输出信息；若不包含，则可以返回权重值之和为0；若包含，则计算包含所述至少一个输出信息对应的权重值之和，识别所述权重值之和是否超过设定权重值,以确定所述可拍摄条件。其中，当前预览图像信息中，所包含的输出结果越高，越符合用户的拍照习惯或者当前网络流行的拍照习惯。

S605、当识别到所述预览图像信息具备可拍摄条件时，向用户发出满足可拍摄条件提示，并按照预设的照片拍摄方式，采集所述预览图像信息作为照片。

本技术方案在上述各技术方案的基础上，提供了识别当前预览图像信息是否具备可拍摄条件的具体方法，这样设置的好处是可以提高用户拍摄照片的效果，及用户对得到的拍摄照片的满意度。

图7为本申请实施例提供的一种拍摄照片的装置的结构框图，该装置可由软件和/或硬件实现，一般集成在拍摄设备中，可通过执行拍摄照片的方法来进行拍照。如图7所示，该装置包括：

预览图像信息获取模块701，用于当检测到拍摄设备进入拍摄预览界面时，通过摄像头获取预览图像信息；

可拍摄条件识别模块702，用于利用预先训练的机器学习模型对所述预览图像信息进行可拍摄条件识别；

拍摄模块703，用于当识别到所述预览图像信息具备可拍摄条件时，向用户发出满足可拍摄条件提示，并按照预设的照片拍摄方式，采集所述预览图像信息作为照片。

本申请实施例所提供的技术方案，通过在使用拍摄设备进行拍照时，利用预先训练的机器学习模型对其进行可拍摄条件的识别，并在具备可拍摄条件时，向用户发出满足可拍摄条件提示，并按照预设的照片拍摄方式，采集所述预览图像信息作为照片，能够辅助用户确定自动拍摄的时机，拍摄出效果更佳或更符合特定要求的照片，可以实现提高拍摄照片的满意度的效果。

在上述技术方案的基础上，可选的，所述装置还包括：

训练样本获取模块，用于获取作为训练样本的图像信息；

训练结果确定模块，用于确定预设目标图像或预设目标参数作为训练结果；

机器学习模块形成模块，用于通过卷积神经网络基于所述训练样本和训练结果进行训练，以形成所述机器学习模型。

在上述技术方案的基础上，可选的，所述训练样本获取模块包括：

第一训练样本获取单元，用于获取所述拍摄设备的相册内的照片，作为所述训练样本；或

第二训练样本获取单元，用于获取网络分享照片，作为所述训练样本。

在上述技术方案的基础上，可选的，所述训练结果确定模块包括：

训练样本分类单元，用于将所述作为训练样本的图像信息按照预设分类规则进行分类；

共性信息确定单元，用于利用图像识别技术，对于每一类训练样本进行统计，确定所述每一类训练样本的共性信息，所述共性信息包括共性图像信息或共性参数信息；

训练结果确定单元，用于将所述共性图像信息作为预设目标图像，或将所述共性参数信息作为预设目标参数；并确定预设目标图像或预设目标参数作为训练结果。

在上述技术方案的基础上，可选的，所述可拍摄条件识别模块702包括：

关键信息输入单元，用于利用图像识别技术，识别所述预览图像信息中的至少一个关键信息作为输入信息；

可拍摄条件确定单元，

用于将所述输入信息输入所述机器学习模型，得到至少一个输出信息；识别所述预览图像信息中，是否包含所述至少一个输出信息,以确定所述可拍摄条件；或

用于将所述输入信息输入所述机器学习模型，得到至少一个输出信息以及所述至少一个输出信息对应的权重值；判断所述预览图像信息中，是否包含所述至少一个输出信息；若包含，则计算包含所述至少一个输出信息对应的权重值之和，识别所述权重值之和是否超过设定权重值,以确定所述可拍摄条件。

在上述技术方案的基础上，可选的，所述拍摄模块703包括：

指令获取单元，用于获取用户输入语音指令或动作指令；其中，所述动作指令包括手动拍照指令或者目光输入拍照指令；

指令执行单元，用于当获取用户输入的所述语音指令或动作指令时，启动拍摄，采集所述预览图像信息作为照片。

在上述技术方案的基础上，可选的，所述拍摄模块703还包括：

自动拍摄单元，用于每隔预设时长，将具备可拍摄条件的所述预览图像信息自动进行拍摄和存储。

本申请实施例还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种拍摄照片的方法，该方法包括：

当检测到拍摄设备进入拍摄预览界面时，通过摄像头获取预览图像信息；

利用预先训练的机器学习模型对所述预览图像信息进行可拍摄条件识别；

当识别到所述预览图像信息具备可拍摄条件时，向用户发出满足可拍摄条件提示，并按照预设的照片拍摄方式，采集所述预览图像信息作为照片。

存储介质——任何的各种类型的存储器设备或存储设备。术语“存储介质”旨在包括：安装介质，例如CD-ROM、软盘或磁带装置；计算机系统存储器或随机存取存储器，诸如DRAM、DDR RAM、SRAM、EDO RAM，兰巴斯(Rambus)RAM等；非易失性存储器，诸如闪存、磁介质(例如硬盘或光存储)；寄存器或其它相似类型的存储器元件等。存储介质可以还包括其它类型的存储器或其组合。另外，存储介质可以位于程序在其中被执行的计算机系统中，或者可以位于不同的第二计算机系统中，第二计算机系统通过网络(诸如因特网)连接到计算机系统。第二计算机系统可以提供程序指令给计算机用于执行。术语“存储介质”可以包括可以驻留在不同位置中(例如在通过网络连接的不同计算机系统中)的两个或更多存储介质。存储介质可以存储可由一个或多个处理器执行的程序指令(例如具体实现为计算机程序)。

当然，本申请实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的拍摄照片的操作，还可以执行本发明任意实施例所提供的拍摄照片的方法中的相关操作。

本申请实施例提供了一种拍摄设备，该拍摄设备中可集成本申请实施例提供的拍摄照片的装置。图8为本申请实施例提供的一种拍摄设备的结构示意图。如图8所示，该拍摄设备可以包括：存储器801、中央处理器(Central Processing Unit，CPU)802(又称处理器，以下简称CPU)、电路板(图中未示出)和电源电路(图中未示出)。所述电路板安置在所述壳体围成的空间内部；所述CPU802和所述存储器801设置在所述电路板上；所述电源电路，用于为所述拍摄设备的各个电路或器件供电；所述存储器801，用于存储可执行程序代码；所述CPU802通过读取所述存储器801中存储的可执行程序代码来运行与所述可执行程序代码对应的计算机程序，以实现以下步骤：

当检测到拍摄设备进入拍摄预览界面时，通过摄像头获取预览图像信息；

利用预先训练的机器学习模型对所述预览图像信息进行可拍摄条件识别；

当识别到所述预览图像信息具备可拍摄条件时，向用户发出满足可拍摄条件提示，并按照预设的照片拍摄方式，采集所述预览图像信息作为照片。

所述拍摄设备还包括：外设接口803、RF(Radio Frequency，射频)电路805、音频电路806、扬声器811、电源管理芯片808、输入/输出(I/O)子系统809、触摸屏812、其他输入/控制设备810以及外部端口804，这些部件通过一个或多个通信总线或信号线807来通信。

应该理解的是，图示拍摄设备800仅仅是拍摄设备的一个范例，并且拍摄设备800可以具有比图中所示出的更多的或者更少的部件，可以组合两个或更多的部件，或者可以具有不同的部件配置。图中所示出的各种部件可以在包括一个或多个信号处理和/或专用集成电路在内的硬件、软件、或硬件和软件的组合中实现。

下面就本实施例提供的用于拍摄照片的拍摄设备进行详细的描述，该拍摄设备以手机为例。

存储器801，所述存储器801可以被CPU802、外设接口803等访问，所述存储器801可以包括高速随机存取存储器，还可以包括非易失性存储器，例如一个或多个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

外设接口803，所述外设接口803可以将设备的输入和输出外设连接到CPU802和存储器801。

I/O子系统809，所述I/O子系统809可以将设备上的输入输出外设，例如触摸屏812和其他输入/控制设备810，连接到外设接口803。I/O子系统809可以包括显示控制器8091和用于控制其他输入/控制设备810的一个或多个输入控制器8092。其中，一个或多个输入控制器8092从其他输入/控制设备810接收电信号或者向其他输入/控制设备810发送电信号，其他输入/控制设备810可以包括物理按钮(按压按钮、摇臂按钮等)、拨号盘、滑动开关、操纵杆、点击滚轮。值得说明的是，输入控制器8092可以与以下任一个连接：键盘、红外端口、USB接口以及诸如鼠标的指示设备。

触摸屏812，所述触摸屏812是用户拍摄设备与用户之间的输入接口和输出接口，将可视输出显示给用户，可视输出可以包括图形、文本、图标、视频等。

I/O子系统809中的显示控制器8091从触摸屏812接收电信号或者向触摸屏812发送电信号。触摸屏812检测触摸屏上的接触，显示控制器8091将检测到的接触转换为与显示在触摸屏812上的用户界面对象的交互，即实现人机交互，显示在触摸屏812上的用户界面对象可以是运行游戏的图标、联网到相应网络的图标等。值得说明的是，设备还可以包括光鼠，光鼠是不显示可视输出的触摸敏感表面，或者是由触摸屏形成的触摸敏感表面的延伸。

RF电路805，主要用于建立手机与无线网络(即网络侧)的通信，实现手机与无线网络的数据接收和发送。例如收发短信息、电子邮件等。具体地，RF电路805接收并发送RF信号，RF信号也称为电磁信号，RF电路805将电信号转换为电磁信号或将电磁信号转换为电信号，并且通过该电磁信号与通信网络以及其他设备进行通信。RF电路805可以包括用于执行这些功能的已知电路，其包括但不限于天线系统、RF收发机、一个或多个放大器、调谐器、一个或多个振荡器、数字信号处理器、CODEC(Coder–DE Coder，编译码器)芯片组、用户标识模块(Subscriber Identity Module，SIM)等等。

音频电路806，主要用于从外设接口803接收音频数据，将该音频数据转换为电信号，并且将该电信号发送给扬声器811。

扬声器811，用于将手机通过RF电路805从无线网络接收的语音信号，还原为声音并向用户播放该声音。

电源管理芯片808，用于为CPU802、I/O子系统及外设接口所连接的硬件进行供电及电源管理。

本申请实施例提供的拍摄设备，可以实现提高拍摄照片的满意度的效果。

上述实施例中提供的拍摄照片的装置、存储介质及拍摄设备可执行本发明任意实施例所提供的拍摄照片的方法，具备执行该方法相应的功能模块和有益效果。未在上述实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的拍摄照片的方法。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种拍摄照片的方法，其特征在于，包括：

当检测到拍摄设备进入拍摄预览界面时，通过摄像头获取预览图像信息；

利用预先训练的机器学习模型对所述预览图像信息进行可拍摄条件识别；

当识别到所述预览图像信息具备可拍摄条件时，向用户发出满足可拍摄条件提示，并按照预设的照片拍摄方式，采集所述预览图像信息作为照片。

2.根据权利要求1所述的拍摄照片的方法，其特征在于，利用预先训练的机器学习模型对所述预览图像信息进行可拍摄条件识别之前，还包括：

获取作为训练样本的图像信息；

确定预设目标图像或预设目标参数作为训练结果；

通过卷积神经网络基于所述训练样本和训练结果进行训练，以形成所述机器学习模型。

3.根据权利要求2所述的拍摄照片的方法，其特征在于，所述获取作为训练样本的图像信息包括：

获取所述拍摄设备的相册内的照片，作为所述训练样本；或

获取网络分享照片，作为所述训练样本。

4.根据权利要求2所述的拍摄照片的方法，其特征在于，所述确定预设目标图像或预设目标参数作为训练结果包括：

将所述作为训练样本的图像信息按照预设分类规则进行分类；

利用图像识别技术，对于每一类训练样本进行统计，确定所述每一类训练样本的共性信息，所述共性信息包括共性图像信息或共性参数信息；

将所述共性图像信息作为预设目标图像，或将所述共性参数信息作为预设目标参数；并确定预设目标图像或预设目标参数作为训练结果。

5.根据权利要求1所述的拍摄照片的方法，其特征在于，所述利用预先训练的机器学习模型对所述预览图像信息进行可拍摄条件识别包括：

利用图像识别技术，识别所述预览图像信息中的至少一个关键信息作为输入信息；

将所述输入信息输入所述机器学习模型，得到至少一个输出信息；识别所述预览图像信息中，是否包含所述至少一个输出信息,以确定所述可拍摄条件；或

将所述输入信息输入所述机器学习模型，得到至少一个输出信息以及所述至少一个输出信息对应的权重值；判断所述预览图像信息中，是否包含所述至少一个输出信息；若包含，则计算包含所述至少一个输出信息对应的权重值之和，识别所述权重值之和是否超过设定权重值,以确定所述可拍摄条件。

6.根据权利要求1所述的拍摄照片的方法，其特征在于，所述按照预设的照片拍摄方式，采集所述预览图像信息作为照片，包括：

获取用户输入语音指令或动作指令；其中，所述动作指令包括手动拍照指令或者目光输入拍照指令；

当获取用户输入的所述语音指令或动作指令时，启动拍摄，采集所述预览图像信息作为照片。

7.根据权利要求1所述的拍摄照片的方法，其特征在于，所述按照预设的照片拍摄方式，采集所述预览图像信息作为照片，还包括：

每隔预设时长，将具备可拍摄条件的所述预览图像信息自动进行拍摄和存储。

8.一种拍摄照片的装置，其特征在于，包括：

预览图像信息获取模块，用于当检测到拍摄设备进入拍摄预览界面时，通过摄像头获取预览图像信息；

可拍摄条件识别模块，用于利用预先训练的机器学习模型对所述预览图像信息进行可拍摄条件识别；

拍摄模块，用于当识别到所述预览图像信息具备可拍摄条件时，向用户发出满足可拍摄条件提示，并按照预设的照片拍摄方式，采集所述预览图像信息作为照片。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的拍摄照片的方法。

10.一种拍摄设备，包括存储器，处理器及存储在存储器上并可在处理器运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-7中任一所述的拍摄照片的方法。