CN110113523A - 智能拍照方法、装置、计算机设备及存储介质 - Google Patents

Abstract

本发明提出一种智能拍照方法，所述方法包括：获取预先设定的目标姿态，提取所述目标姿态的第一关键点，依据所述第一关键点构建基准姿态模型；采集取景图像中的拍照对象姿态，提取所述拍照对象姿态的第二关键点，依据所述第二关键点构建拍照对象姿态模型；计算所述基准姿态模型与所述拍照对象姿态模型的匹配度，当所述匹配度高于预设阈值时，触发拍照指令。本发明可以提高姿态匹配的准确度，灵活处理匹配结果，根据匹配结果输出姿态调整建议，可以让被拍照者及时发现自身姿势的不足，从而进行主动调整，能够增强使用者的拍照体验，减少拍摄废片率，增加智能拍照的方式，提升核心竞争力。

Description

智能拍照方法、装置、计算机设备及存储介质

技术领域

本发明涉及健身设备技术领域，尤其涉及一种智能拍照方法、装置、计算机设备及存储介质。

背景技术

智能手机拍照成为现在社会记录生活的一种主要方式，不借助他人帮助自己拍出个性化的照片成为主要的趋势，因此手机拍照趋向智能化。现有技术中，通过检测到笑脸自动按快门、语音识别到“拍照”或“茄子”等会按快门以及延时拍摄等等。

然而，现有技术中至少存在以下缺陷：

其一、自动检测笑脸或者语音识别的拍照方式已经趋于成熟，但是还未有能够针对用户想要的姿势自动拍照的策略，如：现在一般跳跃的照片都靠延时拍摄+连续按动快门，再从中挑相对满意的照片，没有办法直接有效一次拍摄。

其二、在拍照过程中，被拍照者一般可根据被拍照者平时积累的经验调整姿势，或者，摄影师根据平时积累的经验给出调整姿势提示。但是，摄影师根据平时积累的经验给出的调整姿势提示不一定准确；被拍照者无法实时观测当前姿势完成度，调整后姿势可能不符合预期效果。

发明内容

本发明提供一种智能拍照方法及相应的装置，其主要实现了提高姿态匹配的准确度，灵活处理匹配结果，根据匹配结果输出姿态调整建议，可以让被拍照者及时发现自身姿势的不足，从而进行主动调整，能够增强使用者的拍照体验。

本发明还提供一种用于执行本发明的智能拍照方法的计算机设备及可读存储介质。

为解决上述问题，本发明采用如下各方面的技术方案：

第一方面，本发明提供一种智能拍照方法，所述方法包括：

获取预先设定的目标姿态，提取所述目标姿态的第一关键点，依据所述第一关键点构建基准姿态模型；

采集取景图像中的拍照对象姿态，提取所述拍照对象姿态的第二关键点，依据所述第二关键点构建拍照对象姿态模型；

计算所述基准姿态模型与所述拍照对象姿态模型的匹配度，当所述匹配度高于预设阈值时，触发拍照指令。

具体的，所述计算所述基准姿态模型与所述拍照对象姿态模型的匹配度，当所述匹配度高于预设阈值时，触发拍照指令，包括：

当所述基准模型基准姿态模型与所述当前姿态模型的匹配度高于预设阈值时，检测取景图像是否符合预设条件，若取景图像符合预设条件，则触发拍照指令。

具体的，还包括：

在检测到取景图像符合所述预设条件时，发出第一提示信息，在拍摄成功后，发出第二提示信息。

具体的，所述计算所述基准姿态模型与所述拍照对象姿态模型的匹配度，包括：

对所述基准姿态模型以及所述拍照对象姿态模型进行模型分割；

将所述基准姿态模型分割后的子模型与所述拍照对象姿态模型分割后的对应的子模型进行比对，采用预设算法计算匹配度；

依据各个子模型的匹配度确定整个模型的匹配度。

优选的，所述第一关键点包括所述目标姿态的各个关节点，所述第二关键点包括所述拍照对象的各个关节点，所述获取预先设定的目标姿态，提取所述目标姿态的第一关键点，依据所述第一关键点构建基准姿态模型，包括：

提取所述目标姿态的各个关节点；

连接提取的目标姿态的各个关节点构成所述基准姿态模型；

所述采集取景图像中的拍照对象姿态，提取所述拍照对象姿态的第二关键点，依据所述第二关键点构建拍照对象姿态模型，包括：

提取所述拍照对象的各个关节点；

连接提取的各个关键点构成所述拍照对象姿态模型。

具体的，还包括：

当所述拍照对象姿态模型与所述基准姿态模型的匹配度低于预设阈值时，或者，当所述拍照对象姿态模型的子模型与所述基准姿态模型的对应的子模型的匹配度低于预设阈值时，发送第三提示信息。

具体的，还包括：

计算所述拍照对象姿态模型相对于所述基准姿态模型的偏移量，依据所述偏移量生成所述第三提示信息并输出。

第二方面，本发明提供一种智能拍照装置，所述方法包括：

获取模块，用于获取预先设定的目标姿态，提取所述目标姿态的第一关键点，依据所述第一关键点构建基准姿态模型；

采集模块，用于采集取景图像中的拍照对象姿态，提取所述拍照对象姿态的第二关键点，依据所述第二关键点构建拍照对象姿态模型；

计算模块，用于计算所述基准姿态模型与所述拍照对象姿态模型的匹配度，当所述匹配度高于预设阈值时，触发拍照指令。

第三方面，本发明提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现第一方面中中任一项所述智能拍照方法的步骤。

第四方面，本发明提供一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行如第一方面中任一项权利要求所述智能拍照方法的步骤。

相对于现有技术，本发明的技术方案至少具备如下优点：

1、本发明提供一种智能拍照方法，通过获取预先设定的目标姿态，提取所述目标姿态的第一关键点，依据所述第一关键点构建基准姿态模型；采集取景图像中的拍照对象姿态，提取所述拍照对象姿态的第二关键点，依据所述第二关键点构建拍照对象姿态模型；计算所述基准姿态模型与所述拍照对象姿态模型的匹配度，当所述匹配度高于预设阈值时，触发拍照指令。本发明可以提高姿态匹配的准确度，灵活处理匹配结果，根据匹配结果输出姿态调整建议，可以让被拍照者及时发现自身姿势的不足，从而进行主动调整，能够增强使用者的拍照体验，减少拍摄废片率，增加智能拍照的方式，提升核心竞争力。

2、本发明可以对所述基准姿态模型以及所述拍照对象姿态模型进行模型分割；将所述基准姿态模型分割后的子模型与所述拍照对象姿态模型分割后的对应的子模型进行比对，采用预设算法计算匹配度；依据各个子模型的匹配度确定整个模型的匹配度。本发明基于对姿态模型进行分割处理，对分割后的子模型进行匹配，计算各个子模型的匹配度，进而计算整个模型的匹配度，提高匹配度的计算精准度，提高匹配结果的准确度。

3、本发明可以当所述拍照对象姿态模型与所述基准姿态模型的匹配度低于预设阈值时，或者，当所述拍照对象姿态模型的子模型与所述基准姿态模型的对应的子模型的匹配度低于预设阈值时，发送第三提示信息。并且，本发明可以计算所述拍照对象姿态模型相对于所述基准姿态模型的偏移量，依据所述偏移量生成所述第三提示信息并输出，其中，所述第三提示信息的内容可以包括仅提示用户调整当前姿势，或者所述第三提示信息的内容为提示用户如何调整当前姿势，所述第三提示信息的提示方式包括以下任意一种或多种：语音提示信息、文字提示信息以及图像提示信息。本发明不仅实现了精准的姿态匹配，并且实现了计算用户姿态与标准姿态的偏移量，并将所述偏移量以提示信息的形式告知用户，以便用户知道如何调整当前的姿态，提升用户体验，提升灵活性。

附图说明

图1为一个实施例中智能拍照方法流程图；

图2为另一个实施例中智能拍照方法流程图；

图3为一个实施例中智能拍照装置结构框图；

图4为另一个实施例中智能拍照装置结构框图；

图5为一个实施例中计算机设备的内部结构框图。

本发明目的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，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。

在本发明的说明书和权利要求书及上述附图中的描述的一些流程中，包含了按照特定顺序出现的多个操作，但是应该清楚了解，这些操作可以不按照其在本文中出现的顺序来执行或并行执行，操作的序号如S11、S12等，仅仅是用于区分开各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流程可以包括更多或更少的操作，并且这些操作可以按顺序执行或并行执行。需要说明的是，本文中的“第一”、“第二”等描述，是用于区分不同的消息、设备、模块等，不代表先后顺序，也不限定“第一”和“第二”是不同的类型。

本领域普通技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。

本领域普通技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样被特定定义，否则不会用理想化或过于正式的含义来解释。

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，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。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作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1，本发明实施例提供一种智能拍照方法，如图1所示，所述方法包括以下步骤：

S11、获取预先设定的目标姿态，提取所述目标姿态的第一关键点，依据所述第一关键点构建基准姿态模型。

本发明实施例中，所述目标姿态为用户想要拍摄的姿态，其可以是用户上传的一张人物图像中的姿态，也可以是用户通过拍摄装置提前设置的姿态。具体而言，本发明获取预先设定的目标姿态包括如下可能的实现方式。

其一，本发明可以预先构建一个基准图片库，所述基准图片库中包含多张基准图片，每张基准图片中包含各种不同的姿态。所述基准图片库中的基准图片可以是用户上传的也可以是拍摄装置预先存储的。

本发明可以在接收到用户点击选取其中一张基准图片的指令后，获取对应的基准图片中的姿态作为所述目标姿态。

另一种实施例中，本发明可以在采集到取景图像中的拍照对象姿态后，从所述基准图片库中自动匹配出与拍照对象姿态最相似的基准图片，提取该基准图片中的姿态作为所述目标姿态。

其二，接收姿态设置指令，将姿态设置指令设置的姿态作为预设目标姿态。

用户可以在拍摄装置中设置目标姿态。相应的，拍摄装置可以接收用户设置目标姿态的姿态设置指令，将姿态设置指令设置的姿态作为预设目标姿态。

可选的，作为一种可能的实现方式，拍摄装置可以显示姿态设置界面，姿态设置界面中包含三维人像模型。拍摄装置接收用户触发的用于设置三维人像模型的姿态的设置指令，将设置指令设置的姿态确定为预设目标姿态。其中，用户可以通过上下左右滑动来更改三维人像模型的姿态，也即拍摄装置可以根据接收到的上下左右的滑动指令来更改三维人像模型的姿态以生成所述目标姿态。

一种可能的应用场景中，以拍摄装置为手机为例，当用户想要拍摄一张起跳的照片时，用户可以在手机显示的三维人像模型中作用于人像模型的膝盖一起手臂的移动指令。手机接收到所述移动指令之后，将三维人像模型调整为起跳的姿态。在三维人像模型旋转到自己满意的姿态之后，用户可以停止移动，并点击姿态设置界面中的确认选项，手机接收到点击指令之后，将三维人像模型当前的姿态确定为预设目标姿态。

其三，从智能终端中获取预设目标姿态，所述目标姿态为在智能终端中预先设置的姿态。

拍摄装置可以建立与智能终端之间的无线连接，通过该无线连接从智能终端中获取所述目标姿态。比如，以拍摄装置为运动相机，智能终端为手机为例，运动相机可以建立与手机之间的WiFi连接或者蓝牙连接，从手机中获取所述目标姿态。

进一步的，所述第一关键点包括所述目标姿态的各个关节点，所述获取预先设定的目标姿态，提取所述目标姿态的第一关键点，依据所述第一关键点构建基准姿态模型，具体包括：提取所述目标姿态的各个关节点；连接提取的目标姿态的各个关节点构成所述基准姿态模型。

具体而言，本发明实施例中，所述第一关键点包括但不限于左右手掌、左右手肘、左右脚掌、左右膝盖、胯骨、躯干、头等。本发明提取所述第一关键点之后将所述第一关键点连成线即得到所述目标姿态的基准姿态模型。例如，Michael Jackson的45度倾斜的经典动作，对该动作进行第一关键点提取并构建模型图，可以得到两条线：

其一、头、躯干、胯骨、膝盖、脚掌形成的直线；

其二、左/右手掌、左/右手肘、躯干形成的直线。

本发明使用这两条线构成所述目标姿态的模型图，即可得到了Michael经典动作的模型图。

S12、采集取景图像中的拍照对象姿态，提取所述拍照对象姿态的第二关键点，依据所述第二关键点构建拍照对象姿态模型。

本发明实施例中，所述第二关键点包括所述拍照对象的各个关节点，所述采集取景图像中的拍照对象姿态，提取所述拍照对象姿态的第二关键点，依据所述第二关键点构建拍照对象姿态模型，具体包括：提取所述拍照对象的各个关节点；连接提取的各个关键点构成所述拍照对象姿态模型。

具体而言，本发明实施例中，可以通过拍摄装置实时采集并检测取景图像中的拍照对象姿态，并提取所述第二关键点，连接各个第二关键点构建所述当前姿态模型。同样的，所述第二关键点包括但不限于左右手掌、左右手肘、左右脚掌、左右膝盖、胯骨、躯干、头等。

S13、计算所述基准姿态模型与所述拍照对象姿态模型的匹配度，当所述匹配度高于预设阈值时，触发拍照指令。

一种可能的设计中，本发明优选以下方案计算所述基准姿态模型与所述拍照对象姿态模型的匹配度：

对所述基准姿态模型以及所述拍照对象姿态模型进行模型分割；将所述基准姿态模型分割后的子模型与所述拍照对象姿态模型分割后的对应的子模型进行比对，采用预设算法计算匹配度；依据各个子模型的匹配度确定整个模型的匹配度。

具体的，匹配所述基准姿态模型与所述当前姿态模型时，可以将所述基准姿态模型与所述当前姿态模型进行分解，分解成两两连线构成的子模型，再计算各个子模型的匹配度。在计算各个子模型的匹配度时具体可以采用如下可能实现方案：

将所述基准姿态模型与所述当前姿态模型放入同一三维坐标系中，将各个子模型进行比对，具体可以通过计算余弦相识度或者欧式距离等算法计算各个子模型的匹配度。在运用余弦相识度计算子模型的匹配度时，可以将子模型进一步分解为两向量，再计算对应的向量之间的夹角的余弦只，当两个向量相同时，则夹角的余弦值为1，夹角的余弦值越大，两个向量的匹配度越高，以此类推，计算各个子模型的匹配度，以最终结合各个子模型的匹配度计算所述基准姿态模型与所述当前姿态模型的整体匹配度。

本发明实施例中，当所述基准姿态模型与所述拍照对象姿态模型的匹配度高于预设阈值时，检测取景图像是否符合预设条件，若取景图像符合预设条件，则触发拍照指令。在检测到取景图像符合所述预设条件时，发出第一提示信息，在拍摄成功后，发出第二提示信息。

本发明实施例中，所述预设条件包括拍照对象在取景图像中所占的比例达到预设比例，和/或拍照对象在取景图像中所占据的区域为预设区域。

若预设条件包括拍照对象在取景图像中所占的比例达到预设比例，则在拍摄装置检测得到基准姿态模型与所述当前姿态模型匹配时，拍摄装置可以确定拍照对象在取景图像中所占的比例。

若预设条件包括拍照对象在取景图像中所占据的区域为预设区域，则在拍摄设备检测到所述基准姿态模型与所述当前姿态模型匹配时，拍摄装置可以确定拍照对象在取景图像中所占的区域。本发明实施例中，所述预设条件还可以包括其他条件，本实施例对此并不做限定。

优选的，本发明还可以在拍摄成功后发出拍摄提示信息。具体的，在拍摄装置检测到取景图像符合预设条件时，拍摄装置可以发出第一提示信息，在拍摄成功后，拍摄装置发出第二提示信息。比如，发出‘叮咚’的声音。用户听到所述第一提示信息之后，即可获知姿态准确，此时用户可以保持当前的姿势不动。当用户接收到第二提示信息，例如，亮指示灯时即可获知拍摄完成，进入放松状态。

请参考图2，本发明的另一种实施例中还包括一个步骤：

S14、当所述拍照对象姿态模型与所述基准姿态模型的匹配度低于预设阈值时，或者，当所述拍照对象姿态模型的子模型与所述基准姿态模型的对应的子模型的匹配度低于预设阈值时，发送第三提示信息。

本发明实施例中，所述第三提示信息包括以下任意一种或多种：语音提示信息、文字提示信息以及图像提示信息。

进一步的，本发明还可以在检测到所述拍照对象姿态模型与所述基准姿态模型的匹配度低于预设阈值时，或者，当所述拍照对象姿态模型的子模型与所述基准姿态模型的对应的子模型的匹配度低于预设阈值时，计算所述拍照对象姿态模型相对于所述基准姿态模型的偏移量，依据所述偏移量生成所述第三提示信息并输出。

具体而言，本发明可以计算所述当前姿态模型中各个子模型相对于所述基准模型中对应的子模型的偏移量，当所述偏移量大于预设阈值时，输出所述语音提示信息。

例如，选取所述基准模型中的左手臂以及左手掌构成的一个子模型A，选取所述当前姿态模型中的左手臂以及左手掌构成的子模型A1，对比A与A1的匹配度，当所述匹配度低于预设阈值，则计算A1相对与A的偏移量，例如A1的弯曲角度相对于A的弯曲角度多了N度的偏移量，则输出“请将弯曲角度减少N度”的提示信息。

再例如，当检测到拍照对象的身体相对于所述目标姿态向右偏移了M度，则输出“请向左侧移M度”的提示信息，当检测到拍照对象的姿态与所述目标姿态差别较大时，即输出“请调整姿态”的语音播报信息。

另一种实施例中，本发明可以将所述目标姿态进行分割，如取所述目标姿态中人物上半身或全身等进行匹配；计算所述基准模型以及所述当前姿态模型的模型参数，例如质心等参数；根据所述模型参数对所述基准模型进行缩放，做半透明处理；将处理后的基准模型放置到所述当前姿态模型区域，确保所述基准模型的中心点与所述当前姿态模型的中心点重合，并通过计算所述当前姿态模型中四肢和头部与所述基准模型中对应部位的偏移量，依据所述偏移量生成所述第三提示信息。

请参考图3，在另一种实施例中，本发明提供了一种智能拍照装置，包括：

获取模块11，用于获取预先设定的目标姿态，提取所述目标姿态的第一关键点，依据所述第一关键点构建基准姿态模型。

本发明实施例中，所述目标姿态为用户想要拍摄的姿态，其可以是用户上传的一张人物图像中的姿态，也可以是用户通过拍摄装置提前设置的姿态。具体而言，本发明获取预先设定的目标姿态包括如下可能的实现方式。

其一，本发明可以预先构建一个基准图片库，所述基准图片库中包含多张基准图片，每张基准图片中包含各种不同的姿态。所述基准图片库中的基准图片可以是用户上传的也可以是拍摄装置预先存储的。

本发明可以在接收到用户点击选取其中一张基准图片的指令后，获取对应的基准图片中的姿态作为所述目标姿态。

另一种实施例中，本发明可以在采集到取景图像中的拍照对象姿态后，从所述基准图片库中自动匹配出与拍照对象姿态最相似的基准图片，提取该基准图片中的姿态作为所述目标姿态。

其二，接收姿态设置指令，将姿态设置指令设置的姿态作为预设目标姿态。

用户可以在拍摄装置中设置目标姿态。相应的，拍摄装置可以接收用户设置目标姿态的姿态设置指令，将姿态设置指令设置的姿态作为预设目标姿态。

可选的，作为一种可能的实现方式，拍摄装置可以显示姿态设置界面，姿态设置界面中包含三维人像模型。拍摄装置接收用户触发的用于设置三维人像模型的姿态的设置指令，将设置指令设置的姿态确定为预设目标姿态。其中，用户可以通过上下左右滑动来更改三维人像模型的姿态，也即拍摄装置可以根据接收到的上下左右的滑动指令来更改三维人像模型的姿态以生成所述目标姿态。

一种可能的应用场景中，以拍摄装置为手机为例，当用户想要拍摄一张起跳的照片时，用户可以在手机显示的三维人像模型中作用于人像模型的膝盖一起手臂的移动指令。手机接收到所述移动指令之后，将三维人像模型调整为起跳的姿态。在三维人像模型旋转到自己满意的姿态之后，用户可以停止移动，并点击姿态设置界面中的确认选项，手机接收到点击指令之后，将三维人像模型当前的姿态确定为预设目标姿态。

其三，从智能终端中获取预设目标姿态，所述目标姿态为在智能终端中预先设置的姿态。

拍摄装置可以建立与智能终端之间的无线连接，通过该无线连接从智能终端中获取所述目标姿态。比如，以拍摄装置为运动相机，智能终端为手机为例，运动相机可以建立与手机之间的WiFi连接或者蓝牙连接，从手机中获取所述目标姿态。

进一步的，所述第一关键点包括所述目标姿态的各个关节点，所述获取预先设定的目标姿态，提取所述目标姿态的第一关键点，依据所述第一关键点构建基准姿态模型，具体包括：提取所述目标姿态的各个关节点；连接提取的目标姿态的各个关节点构成所述基准姿态模型。

具体而言，本发明实施例中，所述第一关键点包括但不限于左右手掌、左右手肘、左右脚掌、左右膝盖、胯骨、躯干、头等。本发明提取所述第一关键点之后将所述第一关键点连成线即得到所述目标姿态的基准姿态模型。例如，Michael Jackson的45度倾斜的经典动作，对该动作进行第一关键点提取并构建模型图，可以得到两条线：

其一、头、躯干、胯骨、膝盖、脚掌形成的直线；

其二、左/右手掌、左/右手肘、躯干形成的直线。

本发明使用这两条线构成所述目标姿态的模型图，即可得到了Michael经典动作的模型图。

采集模块12，用于采集取景图像中的拍照对象姿态，提取所述拍照对象姿态的第二关键点，依据所述第二关键点构建拍照对象姿态模型。

本发明实施例中，所述第二关键点包括所述拍照对象的各个关节点，所述采集取景图像中的拍照对象姿态，提取所述拍照对象姿态的第二关键点，依据所述第二关键点构建拍照对象姿态模型，具体包括：提取所述拍照对象的各个关节点；连接提取的各个关键点构成所述拍照对象姿态模型。

具体而言，本发明实施例中，可以通过拍摄装置实时采集并检测取景图像中的拍照对象姿态，并提取所述第二关键点，连接各个第二关键点构建所述当前姿态模型。同样的，所述第二关键点包括但不限于左右手掌、左右手肘、左右脚掌、左右膝盖、胯骨、躯干、头等。

计算模块13，用于计算所述基准姿态模型与所述拍照对象姿态模型的匹配度，当所述匹配度高于预设阈值时，触发拍照指令。

一种可能的设计中，本发明优选以下方案计算所述基准姿态模型与所述拍照对象姿态模型的匹配度：

对所述基准姿态模型以及所述拍照对象姿态模型进行模型分割；将所述基准姿态模型分割后的子模型与所述拍照对象姿态模型分割后的对应的子模型进行比对，采用预设算法计算匹配度；依据各个子模型的匹配度确定整个模型的匹配度。

具体的，匹配所述基准姿态模型与所述当前姿态模型时，可以将所述基准姿态模型与所述当前姿态模型进行分解，分解成两两连线构成的子模型，再计算各个子模型的匹配度。在计算各个子模型的匹配度时具体可以采用如下可能实现方案：

将所述基准姿态模型与所述当前姿态模型放入同一三维坐标系中，将各个子模型进行比对，具体可以通过计算余弦相识度或者欧式距离等算法计算各个子模型的匹配度。在运用余弦相识度计算子模型的匹配度时，可以将子模型进一步分解为两向量，再计算对应的向量之间的夹角的余弦只，当两个向量相同时，则夹角的余弦值为1，夹角的余弦值越大，两个向量的匹配度越高，以此类推，计算各个子模型的匹配度，以最终结合各个子模型的匹配度计算所述基准姿态模型与所述当前姿态模型的整体匹配度。

本发明实施例中，当所述基准姿态模型与所述拍照对象姿态模型的匹配度高于预设阈值时，检测取景图像是否符合预设条件，若取景图像符合预设条件，则触发拍照指令。在检测到取景图像符合所述预设条件时，发出第一提示信息，在拍摄成功后，发出第二提示信息。

本发明实施例中，所述预设条件包括拍照对象在取景图像中所占的比例达到预设比例，和/或拍照对象在取景图像中所占据的区域为预设区域。

若预设条件包括拍照对象在取景图像中所占的比例达到预设比例，则在拍摄装置检测得到基准姿态模型与所述当前姿态模型匹配时，拍摄装置可以确定拍照对象在取景图像中所占的比例。

若预设条件包括拍照对象在取景图像中所占据的区域为预设区域，则在拍摄设备检测到所述基准姿态模型与所述当前姿态模型匹配时，拍摄装置可以确定拍照对象在取景图像中所占的区域。本发明实施例中，所述预设条件还可以包括其他条件，本实施例对此并不做限定。

优选的，本发明还可以在拍摄成功后发出拍摄提示信息。具体的，在拍摄装置检测到取景图像符合预设条件时，拍摄装置可以发出第一提示信息，在拍摄成功后，拍摄装置发出第二提示信息。比如，发出‘叮咚’的声音。用户听到所述第一提示信息之后，即可获知姿态准确，此时用户可以保持当前的姿势不动。当用户接收到第二提示信息，例如，亮指示灯时即可获知拍摄完成，进入放松状态。

请参考图4，本发明的另一种实施例中还包括一个提示模块：

提示模块14，用于当所述拍照对象姿态模型与所述基准姿态模型的匹配度低于预设阈值时，或者，当所述拍照对象姿态模型的子模型与所述基准姿态模型的对应的子模型的匹配度低于预设阈值时，发送第三提示信息。

本发明实施例中，所述第三提示信息包括以下任意一种或多种：语音提示信息、文字提示信息以及图像提示信息。

进一步的，本发明还可以在检测到所述拍照对象姿态模型与所述基准姿态模型的匹配度低于预设阈值时，或者，当所述拍照对象姿态模型的子模型与所述基准姿态模型的对应的子模型的匹配度低于预设阈值时，计算所述拍照对象姿态模型相对于所述基准姿态模型的偏移量，依据所述偏移量生成所述第三提示信息并输出。

具体而言，本发明可以计算所述当前姿态模型中各个子模型相对于所述基准模型中对应的子模型的偏移量，当所述偏移量大于预设阈值时，输出所述语音提示信息。

例如，选取所述基准模型中的左手臂以及左手掌构成的一个子模型A，选取所述当前姿态模型中的左手臂以及左手掌构成的子模型A1，对比A与A1的匹配度，当所述匹配度低于预设阈值，则计算A1相对与A的偏移量，例如A1的弯曲角度相对于A的弯曲角度多了N度的偏移量，则输出“请将弯曲角度减少N度”的提示信息。

再例如，当检测到拍照对象的身体相对于所述目标姿态向右偏移了M度，则输出“请向左侧移M度”的提示信息，当检测到拍照对象的姿态与所述目标姿态差别较大时，即输出“请调整姿态”的语音播报信息。

另一种实施例中，本发明可以将所述目标姿态进行分割，如取所述目标姿态中人物上半身或全身等进行匹配；计算所述基准模型以及所述当前姿态模型的模型参数，例如质心等参数；根据所述模型参数对所述基准模型进行缩放，做半透明处理；将处理后的基准模型放置到所述当前姿态模型区域，确保所述基准模型的中心点与所述当前姿态模型的中心点重合，并通过计算所述当前姿态模型中四肢和头部与所述基准模型中对应部位的偏移量，依据所述偏移量生成所述第三提示信息。

在另一种实施例中，本发明实施例提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，该程序被处理器执行时实现任一项技术方案所述的智能拍照方法。其中，所述计算机可读存储介质包括但不限于任何类型的盘(包括软盘、硬盘、光盘、CD-ROM、和磁光盘)、ROM(Read-Only Memory，只读存储器)、RAM(Random AcceSSMemory，随即存储器)、EPROM(EraSable Programmable Read-Only Memory，可擦写可编程只读存储器)、EEPROM(Electrically EraSable Programmable Read-Only Memory，电可擦可编程只读存储器)、闪存、磁性卡片或光线卡片。也就是，存储设备包括由设备(例如，计算机、手机)以能够读的形式存储或传输信息的任何介质，可以是只读存储器，磁盘或光盘等。

本发明实施例提供的一种计算机可读存储介质，可实现获取预先设定的目标姿态，提取所述目标姿态的第一关键点，依据所述第一关键点构建基准姿态模型；采集取景图像中的拍照对象姿态，提取所述拍照对象姿态的第二关键点，依据所述第二关键点构建拍照对象姿态模型；计算所述基准姿态模型与所述拍照对象姿态模型的匹配度，当所述匹配度高于预设阈值时，触发拍照指令。本发明可以提高姿态匹配的准确度，灵活处理匹配结果，根据匹配结果输出姿态调整建议，可以让被拍照者及时发现自身姿势的不足，从而进行主动调整，能够增强使用者的拍照体验，减少拍摄废片率，增加智能拍照的方式，提升核心竞争力。

此外，在又一种实施例中，本发明提供了一种计算机设备，如图5所示，所述计算机设备包括处理器303、存储器305、输入单元307以及显示单元309等器件。本领域技术人员可以理解，图5示出的结构器件并不构成对所有计算机设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件。存储器305可用于存储应用程序301以及各功能模块，处理器303运行存储在存储器305的应用程序301，从而执行设备的各种功能应用以及数据处理。存储器305可以是内存储器或外存储器，或者包括内存储器和外存储器两者。内存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦写可编程ROM(EEPROM)、快闪存储器、或者随机存储器。外存储器可以包括硬盘、软盘、ZIP盘、U盘、磁带等。本发明所公开的存储器包括但不限于这些类型的存储器。本发明所公开的存储器305只作为例子而非作为限定。

输入单元307用于接收信号的输入，以及接收用户输入的关键字。输入单元307可包括触控面板以及其它输入设备。触控面板可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板上或在触控面板附近的操作)，并根据预先设定的程序驱动相应的连接装置；其它输入设备可以包括但不限于物理键盘、功能键(比如播放控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。显示单元309可用于显示用户输入的信息或提供给用户的信息以及计算机设备的各种菜单。显示单元309可采用液晶显示器、有机发光二极管等形式。处理器303是计算机设备的控制中心，利用各种接口和线路连接整个电脑的各个部分，通过运行或执行存储在存储器303内的软件程序和/或模块，以及调用存储在存储器内的数据，执行各种功能和处理数据。图5中所示的一个或多个处理器303能够执行、实现图3中所示的获取模块11、采集模块12以及计算模块13的功能。

在一种实施方式中，所述计算机设备包括存储器305和处理器303，所述存储器305中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器303执行以上实施例所述的一种智能拍照方法的步骤。

本发明实施例提供的一种计算机设备，可实现获取预先设定的目标姿态，提取所述目标姿态的第一关键点，依据所述第一关键点构建基准姿态模型；采集取景图像中的拍照对象姿态，提取所述拍照对象姿态的第二关键点，依据所述第二关键点构建拍照对象姿态模型；计算所述基准姿态模型与所述拍照对象姿态模型的匹配度，当所述匹配度高于预设阈值时，触发拍照指令。本发明可以提高姿态匹配的准确度，灵活处理匹配结果，根据匹配结果输出姿态调整建议，可以让被拍照者及时发现自身姿势的不足，从而进行主动调整，能够增强使用者的拍照体验，减少拍摄废片率，增加智能拍照的方式，提升核心竞争力。

本发明实施例提供的计算机可读存储介质可以实现上述智能拍照方法的实施例，具体功能实现请参见方法实施例中的说明，在此不再赘述。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，该计算机程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)等非易失性存储介质，或随机存储记忆体(Random Access Memory，RAM)等。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种智能拍照方法，其特征在于，所述方法包括：

获取预先设定的目标姿态，提取所述目标姿态的第一关键点，依据所述第一关键点构建基准姿态模型；

采集取景图像中的拍照对象姿态，提取所述拍照对象姿态的第二关键点，依据所述第二关键点构建拍照对象姿态模型；

计算所述基准姿态模型与所述拍照对象姿态模型的匹配度，当所述匹配度高于预设阈值时，触发拍照指令。

2.根据权利要求1所述的智能拍照方法，其特征在于，所述计算所述基准姿态模型与所述拍照对象姿态模型的匹配度，当所述匹配度高于预设阈值时，触发拍照指令，包括：

当所述基准姿态模型与所述当前姿态模型的匹配度高于预设阈值时，检测取景图像是否符合预设条件，若取景图像符合预设条件，则触发拍照指令。

3.根据权利要求2所述的智能拍照方法，其特征在于，还包括：

在检测到取景图像符合所述预设条件时，发出第一提示信息，在拍摄成功后，发出第二提示信息。

4.根据权利要求1所述的智能拍照方法，其特征在于，所述计算所述基准姿态模型与所述拍照对象姿态模型的匹配度，包括：

对所述基准姿态模型以及所述拍照对象姿态模型进行模型分割；

将所述基准姿态模型分割后的子模型与所述拍照对象姿态模型分割后的对应的子模型进行比对，采用预设算法计算匹配度；

依据各个子模型的匹配度确定整个模型的匹配度。

5.根据权利要求1所述的智能拍照方法，其特征在于，所述第一关键点包括所述目标姿态的各个关节点，所述第二关键点包括所述拍照对象的各个关节点，所述获取预先设定的目标姿态，提取所述目标姿态的第一关键点，依据所述第一关键点构建基准姿态模型，包括：

提取所述目标姿态的各个关节点；

连接提取的目标姿态的各个关节点构成所述基准姿态模型；

所述采集取景图像中的拍照对象姿态，提取所述拍照对象姿态的第二关键点，依据所述第二关键点构建拍照对象姿态模型，包括：

提取所述拍照对象的各个关节点；

连接提取的各个关键点构成所述拍照对象姿态模型。

6.根据权利要求1所述的智能拍照方法，其特征在于，还包括：

当所述拍照对象姿态模型与所述基准姿态模型的匹配度低于预设阈值时，或者，当所述拍照对象姿态模型的子模型与所述基准姿态模型的对应的子模型的匹配度低于预设阈值时，发送第三提示信息。

7.根据权利要求6所述的智能拍照方法，其特征在于，还包括：

计算所述拍照对象姿态模型相对于所述基准姿态模型的偏移量，依据所述偏移量生成所述第三提示信息并输出。

8.一种智能拍照装置，其特征在于，所述方法包括：

获取模块，用于获取预先设定的目标姿态，提取所述目标姿态的第一关键点，依据所述第一关键点构建基准姿态模型；

采集模块，用于采集取景图像中的拍照对象姿态，提取所述拍照对象姿态的第二关键点，依据所述第二关键点构建拍照对象姿态模型；

计算模块，用于计算所述基准姿态模型与所述拍照对象姿态模型的匹配度，当所述匹配度高于预设阈值时，触发拍照指令。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现权利要求1至7中任一项所述智能拍照方法的步骤。

10.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行如权利要求1至7中任一项权利要求所述智能拍照方法的步骤。