CN108200337B - 拍照处理的方法、装置、终端及存储介质 - Google Patents

Abstract

本申请公开了一种拍照处理的方法、装置、终端及存储介质，属于图像处理领域。所述方法包括：获取包含有面部图像的目标图像，将所述目标图像发送至服务器；接收所述服务器发送的目标拍摄信息；根据所述目标拍摄信息，发出提示信号。本申请终端将包含有面部图像的目标图像发送至服务器，由服务器确定出该面部图像所对应的目标脸型，并将目标脸型对应的目标拍摄信息反馈给终端，由终端提示用户，由于终端会提示用户拍摄角度信息，避免用户无方向性地手动调整自拍角度，因此提高了用户的自拍效率。

Description

拍照处理的方法、装置、终端及存储介质

技术领域

本申请实施例涉及图像处理技术领域，特别涉及一种拍照处理的方法、装置、终端及存储介质。

背景技术

随着手机、平板电脑等具有摄像头的终端迅速普及，自拍已经成为一件极其生活化的事情。

由于人脸从不同的观看角度会得到不同的效果，因此自拍角度不正确易导致用户的脸部在照片中看起来较为肥胖，为了使自拍的照片更加好看，用户在自拍的过程中需要不断调整自拍角度。

显然，这种不断调整自拍角度的方式降低了用户的自拍效率。

发明内容

本申请实施例提供了一种拍照处理的方法、装置、终端及存储介质，可以用于解决用户的自拍效率低下的问题。所述技术方案如下：

第一方面，提供了一种拍照处理的方法，应用于服务器，所述方法包括：

接收终端发送的包含有面部图像的目标图像；

将所述目标图像输入到预先训练的脸型分类模型中，得到所述目标图像包含的面部图像所对应的目标脸型；

根据预先存储的脸型与拍摄角度信息的对应关系，确定所述目标脸型对应的目标拍摄信息；

将所述目标拍摄信息发送至所述终端。

第二方面，提供了一种拍照处理的方法，应用于终端，所述方法包括：

获取包含有面部图像的目标图像，将所述目标图像发送至服务器；

接收所述服务器发送的目标拍摄信息，所述目标拍摄信息是所述服务器将所述目标图像输入到预先训练的脸型分类模型中，得到所述目标图像包含的面部图像所对应的目标脸型后，根据所述目标脸型以及预先存储的脸型与拍摄角度信息的对应关系确定得到的；

根据所述目标拍摄信息，发出提示信号。

第三方面，提供了一种拍照处理的装置，应用于服务器，所述装置包括：

接收模块，用于接收终端发送的包含有面部图像的目标图像；

输入模块，用于将所述目标图像输入到预先训练的脸型分类模型中，得到所述目标图像包含的面部图像所对应的目标脸型；

确定模块，用于根据预先存储的脸型与拍摄角度信息的对应关系，确定所述目标脸型对应的目标拍摄信息；

发送模块，用于将所述目标拍摄信息发送至所述终端。

第四方面，提供了一种拍照处理的装置，应用于终端，所述装置包括：

获取模块，用于获取包含有面部图像的目标图像，将所述目标图像发送至服务器；

接收模块，用于接收所述服务器发送的目标拍摄信息，所述目标拍摄信息是所述服务器将所述目标图像输入到预先训练的脸型分类模型中，得到所述目标图像包含的面部图像所对应的目标脸型后，根据所述目标脸型以及预先存储的脸型与拍摄角度信息的对应关系确定得到的；

发送模块，用于根据所述目标拍摄信息，发出提示信号。

第五方面，提供了一种服务器，所述服务器包括处理器、存储器，所述存储器中存储有至少一条指令，所述指令由所述处理器加载并执行以实现如第一方面所述的拍照处理的方法。

第六方面，提供了一种终端，所述终端包括处理器、存储器，所述存储器中存储有至少一条指令，所述指令由所述处理器加载并执行以实现如第二方面所述的拍照处理的方法。

第七方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令，所述指令由处理器加载并执行以实现如第一方面所述的拍照处理的方法。

第八方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令，所述指令由处理器加载并执行以实现如第二方面所述的拍照处理的方法。

本申请实施例提供的技术方案带来的有益效果是：

终端将包含有面部图像的目标图像发送至服务器，由服务器确定出该面部图像所对应的目标脸型，并将目标脸型对应的目标拍摄信息反馈给终端，由终端提示用户，由于终端会提示用户拍摄角度信息，避免用户无方向性地手动调整自拍角度，因此提高了用户的自拍效率。

附图说明

为了更清楚地说明本申请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申请的一些实施例，对于本领域普通技术人员来讲，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是本申请一个示例性实施例提供的应用场景的示意图；

图2A是本申请一个示例性实施例提供的拍照处理的方法的流程图；

图2B是本申请一个实施例提供的图像处理方法涉及的界面示意图；

图2C是本申请另一个实施例提供的图像处理方法涉及的界面示意图；

图2D是本申请一个实施例提供的图像处理方法涉及的原理示意图；

图2E是本申请另一个实施例提供的图像处理方法涉及的原理示意图；

图3是本申请一个示例性实施例提供的脸型分类模型的训练过程的流程图；

图4是本申请一个示例性实施例提供的预存脸型与拍摄角度信息的对应关系的流程图；

图5是本申请一个示例性实施例提供的拍照处理的装置的结构示意图；

图6是本申请一个示例性实施例提供的拍照处理的装置的结构示意图；

图7是本申请一个示例性实施例提供的终端700的结构框图；

图8是本申请一个实施例提供的服务器800的结构示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。

下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。

在本发明的描述中，需要理解的是，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。此外，在本发明的描述中，除非另有说明，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。

首先，对本申请涉及到的名词进行介绍。

脸型分类模型：是一种用于根据输入的数据确定图像的质量评分的数学模型。

可选的，图像评分模型包括但不限于：卷积神经网络(Convolutional NeuralNetwork，CNN)模型、深度神经网络(Deep Neural Network，DNN)模型、循环神经网络(RecurrentNeural Networks，RNN)模型、嵌入(embedding)模型、梯度提升决策树(Gradient Boosting Decision Tree，GBDT)模型、逻辑回归(Logistic Regression，LR)模型中的至少一种。

DNN模型是一种深度学习框架。DNN模型包括输入层、至少一层隐层(或称，中间层)和输出层。可选的，输入层、至少一层隐层(或称，中间层)和输出层均包括至少一个神经元，神经元用于对接收到的数据进行处理。可选的，不同层之间的神经元的数量可以相同；或者，也可以不同。

RNN模型是一种具有反馈结构的神经网络。在RNN模型中，神经元的输出可以在下一个时间戳直接作用到自身，即，第i层神经元在m时刻的输入，除了(i-1)层神经元在该时刻的输出外，还包括其自身在(m-1)时刻的输出。

embedding模型是基于实体和关系分布式向量表示，将每个三元组实例中的关系看作从实体头到实体尾的翻译。其中，三元组实例包括主体、关系、客体，三元组实例可以表示成(主体，关系，客体)；主体为实体头，客体为实体尾。比如：小张的爸爸是大张，则通过三元组实例表示为(小张，爸爸，大张)。

GBDT模型是一种迭代的决策树算法，该算法由多棵决策树组成，所有树的结果累加起来作为最终结果。决策树的每个节点都会得到一个预测值，以年龄为例，预测值为属于年龄对应的节点的所有人年龄的平均值。

LR模型是指在线性回归的基础上，套用一个逻辑函数建立的模型。

在实际场景中，由于人脸从不同的观看角度会得到不同的效果，因此自拍角度不正确易导致用户的脸部在照片中看起来较为肥胖，为了使自拍的照片更加好看，用户在自拍的过程中需要不断调整自拍角度。显然，这种不断调整自拍角度的方式降低了用户的自拍效率。

为此，本申请提供了一种拍照处理的方法、装置、终端及存储介质，以解决上述相关技术中存在的问题。本申请提供的技术方案中，通过终端将包含有面部图像的目标图像发送至服务器，由服务器确定出该面部图像所对应的目标脸型，并将目标脸型对应的目标拍摄信息反馈给终端，由终端提示用户，由于终端会提示用户拍摄角度信息，避免用户无方向性地手动调整自拍角度，因此提高了用户的自拍效率，下面采用示意性的实施例进行说明。

请参考图1，其示出了本申请一个示例性实施例示出的应用场景的示意图。该应用场景包括：终端110与服务器120。

终端110配备有摄像头，具有拍摄功能。终端110可以是手机、平板电脑、电子书阅读器、多媒体播放设备、可穿戴设备等电子设备。

服务器120与终端110之间存在信息交互。服务器120可以是一台服务器，也可以是由若干台服务器组成的服务器集群，或者是一个云计算服务中心。

服务器120与终端110之间具有通信连接，该通信连接可以是无线网络连接。

请参考图2A，其示出了本申请一个示例性实施例提供的拍照处理的方法的流程图。本实施例以该拍照处理的方法应用于图1所示出的实施环境来举例说明。该拍照处理的方法包括：

步骤201，终端获取包含有面部图像的目标图像，将目标图像发送至服务器。

对应的，服务器接收终端发送的包含有面部图像的目标图像。

可选的，终端按照预设周期，通过摄像头采集图像，基于预先训练的图像分类器检测采集到的图像中是否包含面部图像，当检测到包含有面部图像的目标图像时，将目标图像发送至服务器。

需要说明的是，当终端接收到拍照指令时进行拍照处理，终端按照预设周期，通过摄像头采集图像的过程并非终端进行拍照处理的过程。

示意性的，图2B是本申请一个实施例提供的图像处理方法涉及的界面示意图，如图2B所示，终端110显示拍摄界面20。拍摄界面20中包括拍摄控件21和取景框22。当终端显示拍摄界面20时，获取取景框22中包含有面部图像的目标图像，将目标图像发送至服务器，当用户点击拍摄控件21触发拍照指令时，终端进行拍照处理。

用户可以通过拍摄界面中的拍摄控件触发拍照指令，也可以通过点击物理按键组合来触发拍照指令，还可以通过语音控制来触发拍照指令。对于触发拍照指令的方式，本申请实施例不做限定。

可选的，终端显示存储在本地的至少一个图像，当接收到对包含有面部图像的目标图像的选择指令时，将目标图像发送至服务器。

示意性的，图2C是本申请另一个实施例提供的图像处理方法涉及的界面示意图，终端110显示拍摄界面20(如图2C(1)所示)，并在拍摄界面中显示图片上传界面23，图片上传界面23中包括确认控件24，当用户点击确认控件24触发图片上传指令时，终端显示存储在本地的至少一个图像(如图2C(2)所示)，当用户点击“图像C”25触发对图像C的选择指令时，终端将“图像C”25发送至服务器。

步骤202，服务器将目标图像输入到预先训练的脸型分类模型中，得到目标图像包含的面部图像所对应的目标脸型。

脸型分类模型是采用包含有面部图像的样本图像和样本图像中面部图像对应的样本脸型对CNN进行训练得到的模型，用于识别目标图像包含的面部图像所对应的目标脸型。

可选的，服务器中存储有脸型分类模型，该脸型分类模型是根据至少一个训练样本训练得到的，每个训练样本包括：包含有面部图像的样本图像和该样本图像中面部图像对应的样本脸型。

训练脸型分类模型的样本脸型的种类包括但不限于瓜子脸、鹅蛋脸、国字脸、圆脸。

其中，脸型分类模型的训练过程可参考下面的实施例中的相关描述，在此先不介绍。

步骤203，服务器根据预先存储的脸型与拍摄角度信息的对应关系，确定目标脸型对应的目标拍摄信息。

其中，目标拍摄信息包括人脸旋转角度、终端的拍摄高度和终端与人脸之间的拍摄距离。需要说明的是，人脸旋转角度为人脸由朝向终端的摄像头的方向开始旋转所需要的旋转角度。

脸型与拍摄角度信息的对应关系如表一所示。在表一中，脸型为“瓜子脸”时，对应的拍摄角度信息为“人脸旋转角度左转30°，拍摄高度1米，拍摄距离0.5米”；脸型为“鹅蛋脸”时，对应的拍摄角度信息为“人脸旋转角度右转45°，拍摄高度1.5米，拍摄距离0.8米”；脸型为“国字脸”时，对应的拍摄角度信息为“人脸旋转角度50°，拍摄高度1.7米，拍摄距离1.1米”；脸型为“圆脸脸”时，对应的拍摄角度信息为“人脸旋转角度65°，拍摄高度1.2米，拍摄距离0.8米”。

表一

比如，终端确定目标图像包含的面部图像所对应的目标脸型为“鹅蛋脸”，则确定“鹅蛋脸”对应的拍摄信息，将人脸旋转角度“右转45°”确定为目标人脸旋转角度，将拍摄高度“1.5米”确定为目标拍摄高度，将拍摄距离“0.8米”确定为目标拍摄距离，从而得到目标脸型为“鹅蛋脸”的目标拍摄信息。

步骤204，服务器将目标拍摄信息发送至终端。

对应的，终端接收服务器发送的目标拍摄信息。

步骤205，终端根据目标拍摄信息，发出提示信号。

其中，该提示信号用于提示对终端的实时拍摄参数进行调整。

可选的，在终端显示拍摄界面后，获取终端的实时拍摄参数，该实时拍摄参数包括人脸旋转角度、终端的拍摄高度和终端与人脸之间的拍摄距离中的至少一种。终端根据终端的实时拍摄参数和目标拍摄信息，计算得到相对值，该相对值用于指示实时拍摄参数与目标拍摄信息之间的误差。终端根据相对值生成并发出提示信号，该提示信号包括该相对值。

在一个示意性的例子中，图2D是本申请一个实施例提供的图像处理方法涉及的原理示意图，如图2D所示，假设终端110接收服务器120发送的目标拍摄信息为“目标人脸旋转角度右转45°、目标拍摄高度1.7米和目标拍摄距离0.8米”时，当终端的实时拍摄参数为“人脸旋转角度左转30°、拍摄高度1.2米和拍摄距离1米”时，终端110计算得到的相对值包括人脸旋转角度对应的相对值“15°”、拍摄高度对应的相对值“0.5米”和拍摄距离“-0.2米”，上述目标拍摄信息、实时拍摄参数和相对值之间的对应关系如表二所示。基于2D提供的相对值，请参考图2E，图2E是本申请另一个实施例提供的图像处理方法涉及的原理示意图，终端根据该相对值生成提示信号26，在界面中显示该提示信号“请将面部右转75°，将手机向上提高0.2米，并将手机远离自己0.2米”。

表二

	目标拍摄信息	实时拍摄参数	相对值
				人脸旋转角度	右转45°	左转30°	右转75°
拍摄高度	1.7米	1.2米	0.5米
				拍摄距离	0.8米	1米	-0.2米

综上所述，本申请实施例通过终端将包含有面部图像的目标图像发送至服务器，由服务器确定出该面部图像所对应的目标脸型，并将目标脸型对应的目标拍摄信息反馈给终端，由终端提示用户，由于终端会提示用户拍摄角度信息，避免用户无方向性地手动调整自拍角度，因此提高了用户的自拍效率。

在一种可能实现的方式中，在步骤205之后，还包括：当终端的拍摄参数符合目标拍摄信息时，进行拍照处理。

可选的，当终端显示提示信号时，用户根据提示信号对终端的拍摄参数进行调整，在终端的拍摄参数被调整之后，当终端的拍摄参数符合目标图像的目标拍摄信息时，进行拍照处理，包括但不限于以下几种可能的实现方式。

在第一种可能的实现方式中，当终端的拍摄高度与目标拍摄高度的差值绝对值小于第一预设阈值时，进行拍照处理。

可选的，终端判断当前的拍摄高度与目标拍摄高度的差值绝对值是否小于第一预设阈值，若小于第一预设阈值，则进行拍照处理。

在第二种可能的实现方式中，当当前的人脸旋转角度与目标人脸旋转角度的差值绝对值小于第二预设阈值时，进行拍照处理。

可选的，终端判断当前的拍摄方向与目标人脸旋转角度的差值绝对值是否小于第二预设阈值，若小于第二预设阈值，则进行拍照处理。

在第三种可能的实现方式中，当终端的拍摄距离与目标拍摄距离的差值绝对值小于第三预设阈值时，进行拍照处理。

可选的，终端判断终端的拍摄距离与目标拍摄距离的差值绝对值是否小于第三预设阈值，若小于第三预设阈值，则进行拍照处理。

需要说明的一点是，上述前三种可能的实现方式中的任意两种可以两两结合实施或者全部三种结合实施，此乃本领域技术人员根据上述各个实现方式所易于思及的，本发明实施例不对这几种显示方式结合实施的方式一一重复赘述。

需要说明的另一点是，上述预设阈值(包括第一预设阈值、第二预设阈值和第三预设阈值)为终端默认设置，或者用户自定义设置的数值，本实施例对预设阈值的具体数值不加以限定。

可选的，终端进行拍照处理包括但不限于以下几种可能的实现方式。

在第一种可能的实现方式中，终端显示提示信息，该提示信息用于提示终端目标拍摄信息。当终端接收到拍摄指令时，根据拍摄指令进行拍照处理。

可选的，终端在判断出拍摄参数符合目标图像的目标拍摄信息时，显示提示信息，当终端检测到对应于拍摄确认按键的预设触发操作时，确定接收到拍摄指令，根据拍摄指令进行拍照处理。

其中，拍摄确认按键是触发进行拍照处理的可操作控件，预设触发操作包括点击操作、滑动操作、按压操作、长按操作中的任意一种或多种的组合。

在第二种可能的实现方式中，终端自动进行拍照处理。

可选的，终端在判断出拍摄参数符合目标图像的目标拍摄信息时，无需用户确认，终端自动进行拍照处理。

需要说明的是，在步骤201之前，服务器需要对图像进行训练得到脸型分类模型。

请参考图3，其示出了本申请一个示例性实施例提供的脸型分类模型的训练过程的流程图。可选的，脸型分类模型的训练过程包括但不限于以下几个步骤：

步骤301，当接收到拍照指令时，终端获取通过摄像头拍摄的图像，基于预先训练的图像分类器检测采集到的图像中是否包含面部图像。

由于终端获取通过摄像头拍摄的图像的图像类别有人脸、动物、静物和风景等，而服务器训练脸型分类模型只需要图像类别为人脸的图像，因此，当终端获取通过摄像头拍摄的图像，需基于预先训练的图像分类器识别出包含面部图像的图像。

步骤302，如果检测到图像包含有面部图像，终端则将图像作为样本图像发送至服务器。

步骤303，服务器获取多个训练样本。

其中，每个训练样本包括包含有面部图像的样本图像和样本图像中面部图像对应的样本脸型。

可选的，样本图像可从终端获取或者从其他服务器获取，样本图像中面部图像对应的样本脸型由技术人员确定，本实施例中以样本图像从终端获取为例。

步骤304，服务器将样本图像作为训练输入，样本脸型作为输出参考值，对初始分类模型进行训练，得到训练后的脸型分类模型。

对于至少一个训练样本中的样本图像和样本图像中面部图像对应的样本脸型，从样本图像中提取样本图像特征，将样本图像特征输入初始分类模型，得到训练结果。

可选的，服务器根据预设图像处理算法，从样本图像中提取样本图像特征。其中，预设图像处理算法为感知哈希算法(Perceptual hash algorithm，pHash算法)。服务器通过pHash算法计算样本图像对应的感知哈希值，将计算得到的感知哈希值确定为样本图像特征。

可选的，初始分类模型是根据神经网络模型建立的，比如：初始分类模型是根据CNN模型、DNN模型和RNN模型中的一种建立的。

示意性的，对于每个训练样本，终端创建该训练样本对应的输入输出对，输入输出对的输入参数为该训练样本中样本图像对应的样本图像特征，输出参数为该训练样本中的样本图像中面部图像对应的样本脸型；服务器将输入输出对输入初始分类模型，得到训练结果。

比如，样本图像特征为“样本图像特征1”，样本图像中面部图像对应的样本脸型为“样本图像中面部图像对应的样本脸型1”，终端创建的输入输出对为：(样本图像特征1)->(样本图像中面部图像对应的样本脸型1)；其中，(样本图像特征1)为输入参数，(样本图像中面部图像对应的样本脸型1)为输出参数。

可选的，输入输出对通过特征向量表示。

需要说明的是，在步骤201之前，服务器需要预存脸型与拍摄角度信息的对应关系。

请参考图4，其示出了本申请一个示例性实施例提供的预存脸型与拍摄角度信息的对应关系的流程图。可选的，预存脸型与拍摄角度信息的对应关系包括但不限于以下几个步骤：

步骤401，当接收到拍照指令时，终端获取通过摄像头拍摄的图像，基于预先训练的图像分类器检测采集到的图像中是否包含面部图像。

步骤402，如果检测到图像包含有面部图像，终端则将图像作为样本图像发送至服务器。

步骤403，服务器将多个样本图像分别输入预先训练的图像评分模型，得到每个样本图像对应的评分。

图像评分模型是采用样本图像和和样本图像评分对CNN进行训练得到的模型，用于计算图像的质量评分。

可选的，服务器中存储有图像评分模型，该图像评分模型是根据至少一个训练样本训练得到的，每个训练样本包括：样本图像和样本图像评分。

其中，图像评分模型的训练过程可参考下面的实施例中的相关描述，在此先不介绍。

每个图像帧对应的评分用于指示该图像的图像质量，图像质量包括图像逼真度和图像可懂度。其中，图像逼真度为提取的图像和实际图像之间的偏离程度，图像可懂度为人或机器从图像中抽取到特征信息的程度。

可选的，质量评分用于指示图像的图像质量，即用于指示图像的构图比例、色彩对比度、色彩饱和度和明暗对比度。比如，图像的质量评分越高，则表示该图像的图像质量越好，即图像的构图比例、色彩对比度、色彩饱和度和明暗对比度所对应的效果越好。

步骤404，服务器获取多个样本图像中评分大于预设阈值的样本图像，识别每个评分达到预设阈值的样本图像对应的拍摄角度信息。

由于质量评分用于指示图像的图像质量，评分达到预设阈值的样本图像即为图像质量达到标准的图像，也就是说，评分达到预设阈值的样本图像对应的拍摄角度信息，为符合样本图像中面部图像对应的样本脸型的拍摄角度信息。

步骤405，在评分达到预设阈值的样本图像中，服务器将每个样本图像对应的样本脸型与拍摄角度信息，对应的添加到脸型与拍摄角度信息的对应关系中。

由于同一脸型可对应不同的拍摄角度信息，因此在步骤203中，当服务器根据预先存储的脸型与拍摄角度信息的对应关系，确定目标脸型对应的多个目标拍摄信息时，可将目标脸型对应的多个目标拍摄信息均发送至终端，由用户根据需要在终端选择符合自身需求的目标拍摄信息。

需要说明的是，本实施例中步骤401至步骤402与步骤301至步骤302类似，步骤401至步骤402具体描述可参考步骤301至步骤302，在此不再赘述。

下述为本申请装置实施例，可以用于执行本申请方法实施例。对于本申请装置实施例中未披露的细节，请参照本申请方法实施例。

请参考图5，其示出了本申请一个示例性实施例提供的拍照处理的装置的结构示意图。该拍照处理的装置可以通过专用硬件电路，或者，软硬件的结合实现成为图1中的终端的全部或一部分，该拍照处理的装置包括：获取模块501、接收模块502和发送模块503。

第一获取模块501，用于获取包含有面部图像的目标图像，将目标图像发送至服务器；

接收模块502，用于接收服务器发送的目标拍摄信息，目标拍摄信息是服务器将目标图像输入到预先训练的脸型分类模型中，得到目标图像包含的面部图像所对应的目标脸型后，根据目标脸型以及预先存储的脸型与拍摄角度信息的对应关系确定得到的；

第一发送模块503，用于根据目标拍摄信息，发出提示信号。

在基于图5所示实施例提供的一个可选实施例中，该第一获取模块501，包括：

第一发送单元，用于按照预设周期，通过摄像头采集图像，基于预先训练的图像分类器检测采集到的图像中是否包含面部图像；当检测到包含有面部图像的目标图像时，将目标图像发送至服务器；

第二发送单元，用于显示存储在本地的至少一个图像，当接收到对包含有面部图像的目标图像的选择指令时，将目标图像发送至服务器。

在基于图5所示实施例提供的一个可选实施例中，该装置还包括：

第二获取模块，用于当接收到拍照指令时，获取通过摄像头拍摄的图像，基于预先训练的图像分类器检测采集到的图像中是否包含面部图像；

第二发送模块，用于如果检测到图像包含有面部图像，则将图像作为样本图像发送至服务器。

在基于图5所示实施例提供的一个可选实施例中，该目标拍摄信息包括人脸旋转角度、终端的拍摄高度和终端与人脸之间的拍摄距离，其中，人脸旋转角度为人脸由朝向终端的摄像头的方向开始旋转所需要的旋转角度。

相关细节可结合参考图2A至图4所示的方法实施例。其中，获取模块501还用于实现上述方法实施例中其他任意隐含或公开的与接收步骤相关的功能；接收模块502还用于实现上述方法实施例中其他任意隐含或公开的与监测步骤相关的功能；发送模块503还用于实现上述方法实施例中其他任意隐含或公开的与监测步骤相关的功能。

请参考图6，其示出了本申请一个示例性实施例提供的拍照处理的装置的结构示意图。该拍照处理的装置可以通过专用硬件电路，或者，软硬件的结合实现成为图1中的服务器的全部或一部分，该拍照处理的装置包括：接收模块601、第一输入模块602、确定模块603和发送模块604。

接收模块601，用于接收终端发送的包含有面部图像的目标图像；

第一输入模块602，用于将目标图像输入到预先训练的脸型分类模型中，得到目标图像包含的面部图像所对应的目标脸型；

确定模块603，用于根据预先存储的脸型与拍摄角度信息的对应关系，确定目标脸型对应的目标拍摄信息；

发送模块604，用于将目标拍摄信息发送至终端。

在基于图6所示实施例提供的一个可选实施例中，该装置还包括：

获取模块，用于获取多个训练样本，其中，每个训练样本包括包含有面部图像的样本图像和样本图像中面部图像对应的样本脸型；

训练模块，用于将样本图像作为训练输入，样本脸型作为输出参考值，对初始分类模型进行训练，得到训练后的脸型分类模型。

在基于图6所示实施例提供的一个可选实施例中，该装置还包括：

第二输入模块，用于将多个样本图像分别输入预先训练的图像评分模型，得到每个样本图像对应的评分；

识别模块，用于获取多个样本图像中评分大于预设阈值的样本图像，识别每个评分达到预设阈值的样本图像对应的拍摄角度信息；

添加模块，用于在评分达到预设阈值的样本图像中，将每个样本图像对应的样本脸型与拍摄角度信息，对应的添加到脸型与拍摄角度信息的对应关系中。

在基于图6所示实施例提供的一个可选实施例中，该目标拍摄信息包括人脸旋转角度、终端的拍摄高度和终端与人脸之间的拍摄距离，其中，人脸旋转角度为人脸由朝向终端的摄像头的方向开始旋转所需要的旋转角度。

相关细节可结合参考图2A至图4所示的方法实施例。其中，接收模块601、还用于实现上述方法实施例中其他任意隐含或公开的与接收步骤相关的功能；第一输入模块602还用于实现上述方法实施例中其他任意隐含或公开的与监测步骤相关的功能；确定模块603还用于实现上述方法实施例中其他任意隐含或公开的与监测步骤相关的功能；和发送模块604还用于实现上述方法实施例中其他任意隐含或公开的与监测步骤相关的功能。

需要说明的是，上述实施例提供的装置，在实现其功能时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的装置与方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。

图7示出了本申请一个示例性实施例提供的终端700的结构框图。终端700可以是手机、平板电脑、电子书阅读器、多媒体播放设备、可穿戴设备等电子设备。

通常，终端700包括有：处理器701、存储器702、射频电路704和摄像头组件706。

处理器701可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器701可以采用DSP(Digital Signal Processing，数字信号处理)、FPGA(Field－Programmable Gate Array，现场可编程门阵列)、PLA(Programmable Logic Array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器701也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU(Central ProcessingUnit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器701可以在集成有GPU(Graphics Processing Unit，图像处理器)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器701还可以包括AI(Artificial Intelligence，人工智能)处理器，该AI处理器用于处理有关机器学习的计算操作。

可选地，处理器701执行存储器702中的程序指令时实现下上述各个方法实施例提供的终端侧的拍照处理的方法。

存储器702可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器702还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器702中的非暂态的计算机可读存储介质用于存储至少一个指令，该至少一个指令用于被处理器701所执行以实现本申请中方法实施例提供的拍照处理的方法。

射频电路704用于接收和发射RF(Radio Frequency，射频)信号，也称电磁信号。射频电路704通过电磁信号与通信网络以及其他通信设备进行通信。射频电路704将电信号转换为电磁信号进行发送，或者，将接收到的电磁信号转换为电信号。可选地，射频电路704包括：天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路704可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于：万维网、城域网、内联网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(Wireless Fidelity，无线保真)网络。在一些实施例中，射频电路704还可以包括NFC(Near FieldCommunication，近距离无线通信)有关的电路，本申请对此不加以限定。

摄像头组件706用于采集图像或视频。可选地，摄像头组件706包括前置摄像头和后置摄像头。通常，前置摄像头设置在终端的前面板，后置摄像头设置在终端的背面。在一些实施例中，后置摄像头为至少两个，分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种，以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及VR(Virtual Reality，虚拟现实)拍摄功能或者其它融合拍摄功能。在一些实施例中，摄像头组件706还可以包括闪光灯。闪光灯可以是单色温闪光灯，也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合，可以用于不同色温下的光线补偿。

在一些实施例中，终端700还可选包括有：外围设备接口703。射频电路704和摄像头组件706作为外围设备可以通过总线、信号线或电路板与外围设备接口703相连。处理器701、存储器702和外围设备接口703之间可以通过总线或信号线相连。

外围设备接口703可被用于将I/O(Input/Output，输入/输出)相关的至少一个外围设备连接到处理器701和存储器702。在一些实施例中，处理器701、存储器702和外围设备接口703被集成在同一芯片或电路板上；在一些其他实施例中，处理器701、存储器702和外围设备接口703中的任意一个或两个可以在单独的芯片或电路板上实现，本实施例对此不加以限定。

在一些实施例中，终端700还可选包括有：至少一个外围设备。各个外围设备可以通过总线、信号线或电路板与外围设备接口703相连。具体地，外围设备包括显示屏705和电源709中的至少一种。

显示屏705用于显示UI(User Interface，用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏705是触摸显示屏时，显示屏705还具有采集在显示屏705的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器701进行处理。此时，显示屏705还可以用于提供虚拟按钮和/或虚拟键盘，也称软按钮和/或软键盘。在一些实施例中，显示屏705可以为一个，设置终端700的前面板；在另一些实施例中，显示屏705可以为至少两个，分别设置在终端700的不同表面或呈折叠设计；在再一些实施例中，显示屏705可以是柔性显示屏，设置在终端700的弯曲表面上或折叠面上。甚至，显示屏705还可以设置成非矩形的不规则图形，也即异形屏。显示屏705可以采用LCD(LiquidCrystal Display，液晶显示屏)、OLED(OrganicLight-Emitting Diode,有机发光二极管)等材质制备。

电源709用于为终端700中的各个组件进行供电。电源709可以是交流电、直流电、一次性电池或可充电电池。当电源709包括可充电电池时，该可充电电池可以是有线充电电池或无线充电电池。有线充电电池是通过有线线路充电的电池，无线充电电池是通过无线线圈充电的电池。该可充电电池还可以用于支持快充技术。

本领域技术人员可以理解，图7中示出的结构并不构成对终端700的限定，可以包括比图示更多或更少的组件，或者组合某些组件，或者采用不同的组件布置。

请参考图8，其示出了本申请一个实施例提供的服务器800的结构示意图。该服务器用于实施上述实施例中服务器侧的拍照处理的方法。具体来讲：

所述服务器800包括中央处理单元(CPU)801、包括随机存取存储器(RAM)802和只读存储器(ROM)803的系统存储器804，以及连接系统存储器804和中央处理单元801的系统总线805。所述服务器800还包括帮助计算机内的各个器件之间传输信息的基本输入/输出系统(I/O系统)806，和用于存储操作系统813、应用程序814和其他程序模块815的大容量存储设备807。

所述基本输入/输出系统809包括有用于显示信息的显示器808和用于用户输入信息的诸如鼠标、键盘之类的输入设备809。其中所述显示器808和输入设备809都通过连接到系统总线805的输入输出控制器810连接到中央处理单元801。所述基本输入/输出系统806还可以包括输入输出控制器810以用于接收和处理来自键盘、鼠标、或电子触控笔等多个其他设备的输入。类似地，输入输出控制器810还提供输出到显示屏、打印机或其他类型的输出设备。

所述大容量存储设备807通过连接到系统总线805的大容量存储控制器(未示出)连接到中央处理单元801。所述大容量存储设备807及其相关联的计算机可读介质为服务器800提供非易失性存储。也就是说，所述大容量存储设备807可以包括诸如硬盘或者CD-ROM驱动器之类的计算机可读介质(未示出)。

不失一般性，所述计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括RAM、ROM、EPROM、EEPROM、闪存或其他固态存储其技术，CD-ROM、DVD或其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。当然，本领域技术人员可知所述计算机存储介质不局限于上述几种。上述的系统存储器804和大容量存储设备807可以统称为存储器。

根据本申请的各种实施例，所述服务器800还可以通过诸如因特网等网络连接到网络上的远程计算机运行。也即服务器800可以通过连接在所述系统总线805上的网络接口单元811连接到网络812，或者说，也可以使用网络接口单元811来连接到其他类型的网络或远程计算机系统(未示出)。

所述存储器还包括一个或者一个以上的程序，所述一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行。上述一个或者一个以上程序包含用于执行上述服务器侧的拍照处理的方法的指令。

在示例性实施例中，还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一条指令，所述至少一条指令由终端的处理器加载并执行以实现上述方法实施例中的终端侧的拍照处理的方法。

在示例性实施例中，还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一条指令，所述至少一条指令由服务器的处理器加载并执行以实现上述方法实施例中的服务器侧的拍照处理的方法。

可选地，上述计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

本申请还提供一种计算机可读介质，其上存储有程序指令，该程序指令被处理器执行时实现上述各个方法实施例提供的拍照处理的方法。

本申请还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述各个方法实施例所述的拍照处理的方法。

上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。

本领域普通技术人员可以理解实现上述实施例的文件处理方法中全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。以上所述仅为本申请的较佳实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (12)

1.一种拍照处理的方法，其特征在于，应用于服务器，所述方法包括：

接收终端发送的包含有面部图像的目标图像；

将所述目标图像输入到预先训练的脸型分类模型中，得到所述目标图像包含的面部图像所对应的目标脸型；

根据预先存储的脸型与拍摄角度信息的对应关系，确定所述目标脸型对应的目标拍摄信息，所述目标拍摄信息包括人脸旋转角度、所述终端的拍摄高度和所述终端与所述人脸之间的拍摄距离，其中，所述人脸旋转角度为人脸由朝向所述终端的摄像头的方向开始旋转所需要的旋转角度；

将所述目标拍摄信息发送至所述终端。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取多个训练样本，其中，每个训练样本包括包含有面部图像的样本图像和所述样本图像中面部图像对应的样本脸型；

将所述样本图像作为训练输入，所述样本脸型作为输出参考值，对初始分类模型进行训练，得到训练后的所述脸型分类模型。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

将所述多个样本图像分别输入预先训练的图像评分模型，得到每个样本图像对应的评分；

获取所述多个样本图像中评分大于预设阈值的样本图像，识别每个评分达到预设阈值的样本图像对应的拍摄角度信息；

在评分达到预设阈值的样本图像中，将每个样本图像对应的样本脸型与拍摄角度信息，对应的添加到所述脸型与拍摄角度信息的对应关系中。

4.一种拍照处理的方法，其特征在于，应用于终端，所述方法包括：

获取包含有面部图像的目标图像，将所述目标图像发送至服务器；

接收所述服务器发送的目标拍摄信息，所述目标拍摄信息是所述服务器将所述目标图像输入到预先训练的脸型分类模型中，得到所述目标图像包含的面部图像所对应的目标脸型后，根据所述目标脸型以及预先存储的脸型与拍摄角度信息的对应关系确定得到的；所述目标拍摄信息包括人脸旋转角度、所述终端的拍摄高度和所述终端与所述人脸之间的拍摄距离，其中，所述人脸旋转角度为人脸由朝向所述终端的摄像头的方向开始旋转所需要的旋转角度；

根据所述目标拍摄信息，发出提示信号。

5.根据权利要求4所述的方法，其特征在于，所述获取包含有面部图像的目标图像，将所述目标图像发送至服务器，包括：

按照预设周期，通过摄像头采集图像，基于预先训练的图像分类器检测采集到的图像中是否包含面部图像；当检测到包含有面部图像的目标图像时，将所述目标图像发送至服务器；或者，

显示存储在本地的至少一个图像，当接收到对包含有面部图像的目标图像的选择指令时，将所述目标图像发送至服务器。

6.根据权利要求4所述的方法，其特征在于，所述方法还包括：

当接收到拍照指令时，获取通过摄像头拍摄的图像，基于预先训练的图像分类器检测采集到的图像中是否包含面部图像；

如果检测到所述图像包含有面部图像，则将所述图像作为样本图像发送至所述服务器。

7.一种拍照处理的装置，其特征在于，应用于服务器，所述装置包括：

接收模块，用于接收终端发送的包含有面部图像的目标图像；

第一输入模块，用于将所述目标图像输入到预先训练的脸型分类模型中，得到所述目标图像包含的面部图像所对应的目标脸型；

确定模块，用于根据预先存储的脸型与拍摄角度信息的对应关系，确定所述目标脸型对应的目标拍摄信息，所述目标拍摄信息包括人脸旋转角度、所述终端的拍摄高度和所述终端与所述人脸之间的拍摄距离，其中，所述人脸旋转角度为人脸由朝向所述终端的摄像头的方向开始旋转所需要的旋转角度；

发送模块，用于将所述目标拍摄信息发送至所述终端。

8.一种拍照处理的装置，其特征在于，应用于终端，所述装置包括：

第一获取模块，用于获取包含有面部图像的目标图像，将所述目标图像发送至服务器；

接收模块，用于接收所述服务器发送的目标拍摄信息，所述目标拍摄信息是所述服务器将所述目标图像输入到预先训练的脸型分类模型中，得到所述目标图像包含的面部图像所对应的目标脸型后，根据所述目标脸型以及预先存储的脸型与拍摄角度信息的对应关系确定得到的；所述目标拍摄信息包括人脸旋转角度、所述终端的拍摄高度和所述终端与所述人脸之间的拍摄距离，其中，所述人脸旋转角度为人脸由朝向所述终端的摄像头的方向开始旋转所需要的旋转角度；

第一发送模块，用于根据所述目标拍摄信息，发出提示信号。

9.一种服务器，其特征在于，所述服务器包括处理器、存储器和折叠显示屏，所述存储器中存储有至少一条指令，所述指令由所述处理器加载并执行以实现如权利要求1至3任一所述的拍照处理的方法。

10.一种终端，其特征在于，所述终端包括处理器、存储器和折叠显示屏，所述存储器中存储有至少一条指令，所述指令由所述处理器加载并执行以实现如权利要求4至6任一所述的拍照处理的方法。

11.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令，所述指令由处理器加载并执行以实现如权利要求1至3任一所述的拍照处理的方法。

12.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令，所述指令由处理器加载并执行以实现如权利要求4至6任一所述的拍照处理的方法。

Images