CN110210406A - 用于拍摄图像的方法和装置 - Google Patents

Abstract

本公开的实施例公开了用于拍摄图像的方法和装置。该方法的一具体实施方式包括：获取目标动物的当前图像，以及执行如下拍摄步骤：对当前图像进行识别，以从预先确定的位姿类别信息集合中，确定用于指示当前图像中的动物对象的位姿类别的位姿类别信息；响应于确定所确定出的位姿类别信息指示目标位姿类别，对目标动物进行拍摄，其中，目标位姿类别为预先从位姿类别信息集合中确定出的位姿类别信息指示的位姿类别。该实施方式可以拍摄得到具有目标位姿类别指示的位姿的动物对象的图像，有助于提高拍摄效率。

Description

用于拍摄图像的方法和装置

技术领域

本公开的实施例涉及计算机技术领域，具体涉及用于拍摄图像的方法和装置。

背景技术

现有技术中，在对动物(例如宠物)进行拍摄的过程中，往往存在由于动物不配合等因素导致的图像拍摄效果差的问题。例如，当想拍摄动物的脸部时，动物脸部未能朝向镜头。

可见，现有技术中存在使得拍摄得到的动物图像中的动物对象符合用户预期的位姿的需求。

发明内容

本公开提出了用于拍摄图像的方法和装置。

第一方面，本公开的实施例提供了一种用于拍摄图像的方法，该方法包括：获取目标动物的当前图像，以及执行如下拍摄步骤：对当前图像进行识别，以从预先确定的位姿类别信息集合中，确定用于指示当前图像中的动物对象的位姿类别的位姿类别信息；响应于确定所确定出的位姿类别信息指示目标位姿类别，对目标动物进行拍摄，其中，目标位姿类别为预先从位姿类别信息集合中确定出的位姿类别信息指示的位姿类别。

在一些实施例中，对当前图像进行识别，以从预先确定的位姿类别信息集合中，确定用于指示当前图像中的动物对象的位姿类别的位姿类别信息，包括：将当前图像输入至预先训练的位姿识别模型，得到用于指示当前图像中的动物对象的位姿类别的位姿类别信息，其中，位姿识别模型用于从预先确定的位姿类别信息集合中，确定输入的图像中的动物对象的位姿类别信息。

在一些实施例中，位姿类别信息集合中的位姿类别信息用于指示以下任一项：当前图像中的动物对象的位姿为眨眼；当前图像中的动物对象的位姿为张嘴；当前图像中的动物对象的位姿为伸舌头；当前图像中的动物对象的面部朝向拍摄当前图像的图像采集装置；或者，当前图像中的动物对象指示的动物位于目标范围内。

在一些实施例中，在将当前图像输入至预先训练的位姿识别模型之前，该方法还包括：确定当前图像中的动物对象的物种；以及位姿识别模型是针对物种预先训练的。

在一些实施例中，物种为猫或者狗。

在一些实施例中，目标位姿类别是通过如下步骤确定的：呈现预先确定的位姿类别信息集合；获取用户从位姿类别信息集合中选择的位姿类别信息；将所选择的位姿类别信息指示的位姿类别确定为目标位姿类别。

在一些实施例中，该方法还包括：响应于确定所确定出的位姿类别信息并非指示目标位姿类别，获取目标动物的当前图像，以及基于最近一次获取到的当前图像执行拍摄步骤。

第二方面，本公开的实施例提供了一种用于拍摄图像的装置，该装置包括：第一获取单元，被配置成获取目标动物的当前图像，以及执行如下拍摄步骤：对当前图像进行识别，以从预先确定的位姿类别信息集合中，确定用于指示当前图像中的动物对象的位姿类别的位姿类别信息；响应于确定所确定出的位姿类别信息指示目标位姿类别，对目标动物进行拍摄，其中，目标位姿类别为预先从位姿类别信息集合中确定出的位姿类别信息指示的位姿类别。

在一些实施例中，第一获取单元包括：输入模块，被配置成将当前图像输入至预先训练的位姿识别模型，得到用于指示当前图像中的动物对象的位姿类别的位姿类别信息，其中，位姿识别模型用于从预先确定的位姿类别信息集合中，确定输入的图像中的动物对象的位姿类别信息。

在一些实施例中，位姿类别信息集合中的位姿类别信息用于指示以下任一项：当前图像中的动物对象的位姿为眨眼；当前图像中的动物对象的位姿为张嘴；当前图像中的动物对象的位姿为伸舌头；当前图像中的动物对象的面部朝向拍摄当前图像的图像采集装置；或者，当前图像中的动物对象指示的动物位于目标范围内。

在一些实施例中，该装置还包括：确定单元，被配置成确定当前图像中的动物对象的物种；以及位姿识别模型是针对物种预先训练的。

在一些实施例中，物种为猫或者狗。

在一些实施例中，目标位姿类别是通过如下步骤确定的：呈现预先确定的位姿类别信息集合；获取用户从位姿类别信息集合中选择的位姿类别信息；将所选择的位姿类别信息指示的位姿类别确定为目标位姿类别。

在一些实施例中，该装置还包括：第二获取单元，被配置成响应于确定所确定出的位姿类别信息并非指示目标位姿类别，获取目标动物的当前图像，以及基于最近一次获取到的当前图像执行拍摄步骤。

第三方面，本公开的实施例提供了一种用于拍摄图像的电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行，使得该一个或多个处理器实现如上述用于拍摄图像的方法中任一实施例的方法。

第四方面，本公开的实施例提供了一种用于拍摄图像的计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如上述用于拍摄图像的方法中任一实施例的方法。

本公开的实施例提供的用于拍摄图像的方法和装置，通过获取目标动物的当前图像，以及执行如下拍摄步骤：对当前图像进行识别，以从预先确定的位姿类别信息集合中，确定用于指示当前图像中的动物对象的位姿类别的位姿类别信息；响应于确定所确定出的位姿类别信息指示目标位姿类别，对目标动物进行拍摄，其中，目标位姿类别为预先从位姿类别信息集合中确定出的位姿类别信息指示的位姿类别，由此，可以拍摄得到具有目标位姿类别指示的位姿的动物对象的图像，有助于提高拍摄效率，有助于节省拍摄得到的图像对存储空间的占用。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它特征、目的和优点将会变得更明显：

图1是本公开的一个实施例可以应用于其中的示例性系统架构图；

图2是根据本公开的用于拍摄图像的方法的一个实施例的流程图；

图3A和图3B是根据本公开的用于拍摄图像的方法的一个应用场景的示意图；

图4是根据本公开的用于拍摄图像的方法的又一个实施例的流程图；

图5是根据本公开的用于拍摄图像的装置的一个实施例的结构示意图；

图6是适于用来实现本公开的实施例的电子设备的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。

图1示出了可以应用本公开的实施例的用于拍摄图像的方法或用于拍摄图像的装置的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送数据(例如目标动物的当前图像)等。终端设备101、102、103上可以安装有各种客户端应用，例如视频播放软件、新闻资讯类应用、图像处理类应用、网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。

终端设备101、102、103可以是硬件，也可以是软件。作为示例,当终端设备101、102、103为硬件时，可以是具有图像采集装置(例如摄像头)的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture Experts Group AudioLayer III，动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts GroupAudio Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103发送的目标动物的当前图像进行处理的后台服务器。后台服务器可以对接收到的目标动物的当前图像进行识别等处理，获得用于指示当前图像中的动物对象的位姿类别的位姿类别信息。可选的，后台服务器还可以将处理结果(例如用于指示当前图像中的动物对象的位姿类别的位姿类别信息)反馈给终端设备。作为示例，服务器105可以是云端服务器，也可以是物理服务器。

需要说明的是，服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。

还需要说明的是，本公开的实施例所提供的用于拍摄图像的方法可以由服务器执行，也可以由终端设备执行，还可以由服务器和终端设备彼此配合执行。相应地，用于拍摄图像的装置包括的各个部分(例如各个单元、子单元、模块、子模块)可以全部设置于服务器中，也可以全部设置于终端设备中，还可以分别设置于服务器和终端设备中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。当用于拍摄图像的方法运行于其上的电子设备在执行该方法的过程中，不需要与其他电子设备进行数据传输时，该系统架构可以仅包括用于拍摄图像的方法运行于其上的电子设备(例如服务器或终端设备)。

继续参考图2，示出了根据本公开的用于拍摄图像的方法的一个实施例的流程200。该用于拍摄图像的方法，包括以下步骤：

步骤201，获取目标动物的当前图像。之后，继续执行拍摄步骤202。

在本实施例中，用于拍摄图像的方法的执行主体(例如图1所示的终端设备)可以通过有线连接方式或者无线连接方式从其他电子设备或者本地获取目标动物的当前图像。

其中，上述目标动物可以是各种动物。作为示例，目标动物可以包括但不限于以下至少一项：猫、狗、狮子、老虎、孔雀等等。

目标动物的当前图像可以是在执行该步骤201时，所获取到的包含动物对象的图像。动物对象可以是图像中的目标动物的影像。

可以理解，由于目标动物为动态的，其位姿(位置和/或姿态)往往会随着时间的变化而变化，因而，目标动物的当前图像也可以随时间的变化而变化。例如，首次获取目标动物的当前图像，与再次获取目标动物的当前图像，所获得的两张当前图像通常是不同的。

在本实施例中，上述拍摄步骤202包括如下步骤2021和步骤2022。

步骤2021，对当前图像进行识别，以从预先确定的位姿类别信息集合中，确定用于指示当前图像中的动物对象的位姿类别的位姿类别信息。

在本实施例中，上述执行主体可以对步骤201中所获取到的当前图像进行识别，以从预先确定的位姿类别信息集合中，确定用于指示步骤201中所获取到的当前图像中的动物对象的位姿类别的位姿类别信息。

其中，上述位姿类别信息集合中的位姿类别信息可以用于指示动物的位姿类别。位姿类别可以包括但不限于以下任一项：张嘴、眨眼、奔跑、开屏(当动物为孔雀时)。

在本实施例的一些可选的实现方式中，上述执行主体可以采用如下子步骤，来执行上述步骤2021：

将当前图像输入至预先训练的位姿识别模型，得到用于指示当前图像中的动物对象的位姿类别的位姿类别信息。其中，位姿识别模型用于从预先确定的位姿类别信息集合中，确定输入的图像中的动物对象的位姿类别信息。

在这里，上述位姿识别模型可以是关联存储有动物图像以及用于指示动物图像中的动物对象的位姿类别的位姿类别信息的二维表或数据库；也可以是采用机器学习算法训练得到的卷积神经网络模型。

可以理解，当上述位姿识别模型是关联存储有动物图像以及用于指示动物图像中的动物对象的位姿类别的位姿类别信息的二维表或数据库时，所存储的各个不同的位姿类别信息的集合即为上述预先确定的位姿类别信息集合。由此，上述执行主体可以在所存储的动物图像中，确定与上述步骤201中所获取到的当前图像的相似度最高的动物图像，以及将与该动物图像关联存储的位姿类别信息确定为上述步骤2021中所确定的位姿类别信息。其中，上述计算图像相似度的方法可以包括但不限于感知哈希算法、尺度不变特征变换(Scale-invariant feature transform，SIFT)算法等等。

此外，当上述位姿识别模型是采用机器学习算法训练得到的卷积神经网络模型时，卷积神经网络可以对动物图像的特征数据进行归一化指数运算，从而得到该动物图像属于上述预先确定的位姿类别信息集合中的各个位姿类别信息指示的位姿类别的概率。由此，上述执行主体可以将所得到的概率中最大的概率对应的位姿类别信息确定为上述步骤2021中所确定的位姿类别信息。

可以理解，采用位姿识别模型，可以提高确定步骤201中所获取到的当前图像中的动物对象的位姿类别的位姿类别信息的准确性。

在本实施例的一些可选的实现方式中，在执行上述子步骤之前，上述执行主体可以确定当前图像中的动物对象的物种。在此情况下，上述位姿识别模型是针对上述物种预先训练的。

其中，上述物种可以包括但不限于以下至少一项：猫、狗、狮子、老虎、孔雀、大象等等。

作为示例，当上述物种为猫时，上述执行主体可以采用如下方式，来得到针对该物种(即猫)的位姿识别模型：

方式一，将关联存储有猫的图像和用于指示猫的图像中的猫对象的位姿类别的位姿类别信息，关联存储于数据库中，以及将该数据库确定为位姿识别模型。

方式二，采用机器学习算法，基于包括猫的图像和用于指示猫的图像中的猫对象的位姿类别的位姿类别信息的训练样本，训练得到卷积神经网络模型，以及将训练得到的卷积神经网络模型确定为位姿识别模型。

可以理解，可以采用与上述示例类似的方式，得到针对狗、狮子、老虎、孔雀、大象，或者其他动物的位姿识别模型。

应该理解，采用针对每种物种预先训练的位姿识别模型进行对应物种的位姿识别，可以提高位姿识别模型识别动物的位姿类别的准确度。

在本实施例的一些可选的实现方式中，位姿类别信息集合中的位姿类别信息用于指示以下任一项：当前图像中的动物对象的位姿为眨眼；当前图像中的动物对象的位姿为张嘴；当前图像中的动物对象的位姿为伸舌头；当前图像中的动物对象的面部朝向拍摄当前图像的图像采集装置；或者，当前图像中的动物对象指示的动物位于目标范围内。其中，上述目标范围可以是预先确定的地理范围，也可以是用户选择的地理范围。

在这里，上述图像采集装置可以安装于上述执行主体上，也可以安装于与上述执行主体通信连接的电子设备上。作为示例，上述图像采集装置可以是摄像头。

步骤2022，响应于确定所确定出的位姿类别信息指示目标位姿类别，对目标动物进行拍摄。

在本实施例中，在确定步骤2021所确定出的位姿类别信息指示目标位姿类别的情况下，上述执行主体可以对目标动物进行拍摄。其中，目标位姿类别为预先从位姿类别信息集合中确定出的位姿类别信息指示的位姿类别。

在本实施例的一些可选的实现方式中，物种为猫或者狗。

可以理解，由于猫、狗通常作为宠物而被饲养，因而，本可选的实现方式可以通过确定宠物的位姿类别是否为目标位姿类别，来确定是否拍摄宠物的当前图像，从而有助于拍摄得到具有目标位姿类别指示的位姿(例如张嘴、眨眼等位姿)的宠物的宠物图像。由此，丰富了图像的拍摄方式，有助于提高拍摄得到具有目标位姿类别指示的位姿(例如张嘴、眨眼等位姿)的宠物的宠物图像的效率。

在本实施例的一些可选的实现方式中，目标位姿类别是通过如下步骤确定的：

步骤一，呈现预先确定的位姿类别信息集合。

步骤二，获取用户从位姿类别信息集合中选择的位姿类别信息。

步骤三，将所选择的位姿类别信息指示的位姿类别确定为目标位姿类别。

可以理解，在本可选的实现方式中，上述执行主体可以为终端设备，由此，该步骤一、步骤二和步骤三可以由终端设备来执行。此外，上述步骤一、步骤二和步骤三也可以由具有呈现功能的服务器来执行，此时，上述执行主体也可以是服务器。

应该理解，本可选的实现方式可以由用户来自行设定目标位姿类别信息。由此，本可选的实现方式可以根据不同用户的不同需求，来确定目标动物的拍摄时机，进而可以自动拍摄得到符合不同用户需求的、具有不同位姿的动物的图像。

需要说明的是，通常，在具有图像采集装置(例如摄像头)的电子设备(例如上述执行主体)对物体进行拍摄的过程中，首先，其可以呈现获取到的待拍摄物体的图像，当用户认为所呈现的图像符合自身要求时，用户可以通过控制上述电子设备对待拍摄物体进行拍摄。然而，通常情况下，由于上述电子设备呈现图像与其获取到图像之间存在一定的时间，并且，用户控制上述电子设备进行拍摄以及上述电子设备完成拍摄之间也存在一定的时间，因而，最终拍摄得到的图像可能与用户认为符合自身要求的图像不完全相同。但在一些情况下，最终拍摄得到的图像也可以与用户认为符合自身要求的图像相同。例如，上述执行主体可以首先对每次获取到的当前图像进行存储，然后，针对每张存储的图像进行识别，之后，删除动物对象的位姿类别并非目标位姿类别的图像，以及将删除后剩余的、动物对象的位姿类别为目标位姿类别的图像确定为拍摄得到的图像。上述方案应属于等同方案，因此，上述方案均应属于本公开的实施例所请求保护的范围之内。

继续参见图3A和图3B，图3A和图3B是根据本实施例的用于拍摄图像的方法的一个应用场景的示意图。在图3A的应用场景中，手机301首先获取目标动物的当前图像3011，然后，对当前图像3011进行识别，以从预先确定的位姿类别信息集合中，确定用于指示当前图像3011中的动物对象的位姿类别的位姿类别信息3012(图3A中，手机301确定出位姿类别信息“眨眼”)。最后，手机301确定位姿类别信息3012指示目标位姿类别。接下来，手机301对目标动物进行拍摄。在这里，目标位姿类别为预先从位姿类别信息集合中确定出的位姿类别信息指示的位姿类别，在上述场景中，目标位姿类别为“眨眼”。作为示例，请参考图3B，手机301拍摄得到了目标动物的图像3013。

本公开的上述实施例提供的方法，通过获取目标动物的当前图像，以及执行如下拍摄步骤：对当前图像进行识别，以从预先确定的位姿类别信息集合中，确定用于指示当前图像中的动物对象的位姿类别的位姿类别信息；响应于确定所确定出的位姿类别信息指示目标位姿类别，对目标动物进行拍摄，其中，目标位姿类别为预先从位姿类别信息集合中确定出的位姿类别信息指示的位姿类别，由此，可以拍摄得到具有目标位姿类别指示的位姿的动物对象的图像，有助于提高拍摄效率，有助于节省拍摄得到的图像对存储空间的占用。

进一步参考图4，其示出了用于拍摄图像的方法的又一个实施例的流程400。该用于拍摄图像的方法的流程400，包括以下步骤：

步骤401，获取目标动物的当前图像。之后，继续执行拍摄步骤，即步骤402。其中，步骤402包括步骤4021-步骤4023。

在本实施例中，步骤401与图2对应实施例中的步骤201基本一致，这里不再赘述。

步骤4021，对当前图像进行识别，以从预先确定的位姿类别信息集合中，确定用于指示当前图像中的动物对象的位姿类别的位姿类别信息。之后，继续执行步骤4022。

在本实施例中，步骤4021与图2对应实施例中的步骤2021基本一致，这里不再赘述。

步骤4022，确定所确定出的位姿类别信息是否指示目标位姿类别。之后，若是，则继续执行步骤4023；若否，则继续执行步骤401。

在本实施例中，上述执行主体可以确定步骤4021中所确定出的位姿类别信息是否指示目标位姿类别。

步骤4023，对目标动物进行拍摄。

在本实施例中，上述执行主体可以对目标动物进行拍摄。

需要说明的是，除上面所记载的内容外，本实施例还可以包括与图2对应的实施例相同或类似的特征、效果，在此不再赘述。

从图4中可以看出，与图2对应的实施例相比，本实施例中的用于拍摄图像的方法的流程400突出了在位姿类别信息并非指示目标位姿类别的情况下，再次获取目标动物的当前图像，以及基于最近一次获取到的当前图像执行拍摄步骤(即上述步骤402，包括上述步骤4021、步骤4022和步骤4023)。由此，本实施例描述的方案可以自动检测以及识别目标动物的当前位姿，当检测到目标动物的当前位姿类别为目标位姿类别的情况下，对该目标动物进行自动拍摄，无需用户介入，由此，可以拍摄得到具有目标位姿类别指示的位姿的动物对象的图像。

进一步参考图5，作为对上述图2所示方法的实现，本公开提供了一种用于拍摄图像的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，除下面所记载的特征外，该装置实施例还可以包括与图2所示的方法实施例相同或相应的特征，以及产生与图2所示的方法实施例相同或相应的效果。该装置具体可以应用于各种电子设备中。

如图5所示，本实施例的用于拍摄图像的装置500包括：第一获取单元501。其中，第一获取单元501被配置成获取目标动物的当前图像，以及执行如下拍摄步骤：对当前图像进行识别，以从预先确定的位姿类别信息集合中，确定用于指示当前图像中的动物对象的位姿类别的位姿类别信息；响应于确定所确定出的位姿类别信息指示目标位姿类别，对目标动物进行拍摄，其中，目标位姿类别为预先从位姿类别信息集合中确定出的位姿类别信息指示的位姿类别。

在本实施例中，用于拍摄图像的装置500的第一获取单元501可以获取目标动物的当前图像，以及执行如下拍摄步骤(包括步骤一和步骤二)：

步骤一，对当前图像进行识别，以从预先确定的位姿类别信息集合中，确定用于指示当前图像中的动物对象的位姿类别的位姿类别信息。

步骤二，响应于确定所确定出的位姿类别信息指示目标位姿类别，对目标动物进行拍摄，其中，目标位姿类别为预先从位姿类别信息集合中确定出的位姿类别信息指示的位姿类别。

在本实施例的一些可选的实现方式中，第一获取单元701包括：输入模块(图中未示出)被配置成将当前图像输入至预先训练的位姿识别模型，得到用于指示当前图像中的动物对象的位姿类别的位姿类别信息，其中，位姿识别模型用于从预先确定的位姿类别信息集合中，确定输入的图像中的动物对象的位姿类别信息。

在本实施例的一些可选的实现方式中，位姿类别信息集合中的位姿类别信息用于指示以下任一项：当前图像中的动物对象的位姿为眨眼；当前图像中的动物对象的位姿为张嘴；当前图像中的动物对象的位姿为伸舌头；当前图像中的动物对象的面部朝向拍摄当前图像的图像采集装置；或者，当前图像中的动物对象指示的动物位于目标范围内。

在本实施例的一些可选的实现方式中，该装置500还包括：确定单元(图中未示出)被配置成确定当前图像中的动物对象的物种；以及位姿识别模型是针对物种预先训练的。

在本实施例的一些可选的实现方式中，物种为猫或者狗。

在本实施例的一些可选的实现方式中，目标位姿类别是通过如下步骤(包括步骤一、步骤二和步骤三)确定的：

步骤一，呈现预先确定的位姿类别信息集合。

步骤二，获取用户从位姿类别信息集合中选择的位姿类别信息。

步骤三，将所选择的位姿类别信息指示的位姿类别确定为目标位姿类别。

在本可选的实现方式中，上述装置500可以是终端设备，由此，上述步骤一和步骤二可以由终端设备来执行。

在本实施例的一些可选的实现方式中，该装置500还包括：第二获取单元(图中未示出)被配置成响应于确定所确定出的位姿类别信息并非指示目标位姿类别，获取目标动物的当前图像，以及基于最近一次获取到的当前图像执行拍摄步骤。

本公开的上述实施例提供的用于拍摄图像的装置，通过第一获取单元501获取目标动物的当前图像，以及执行如下拍摄步骤：对当前图像进行识别，以从预先确定的位姿类别信息集合中，确定用于指示当前图像中的动物对象的位姿类别的位姿类别信息；响应于确定所确定出的位姿类别信息指示目标位姿类别，对目标动物进行拍摄，其中，目标位姿类别为预先从位姿类别信息集合中确定出的位姿类别信息指示的位姿类别，由此，可以拍摄得到具有目标位姿类别指示的位姿的动物对象的图像，有助于提高拍摄效率，有助于节省拍摄得到的图像对存储空间的占用。

下面参考图6，其示出了适于用来实现本公开的实施例的电子设备(例如图1中的服务器或终端设备)600的结构示意图。本公开的实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图6示出的终端设备/服务器仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。

如图6所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

通常，以下装置可以连接至I/O接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM 602被安装。在该计算机程序被处理装置601执行时，执行本公开的实施例的方法中限定的上述功能。

需要说明的是，本公开的实施例所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取目标动物的当前图像，以及执行如下拍摄步骤：对当前图像进行识别，以从预先确定的位姿类别信息集合中，确定用于指示当前图像中的动物对象的位姿类别的位姿类别信息；响应于确定所确定出的位姿类别信息指示目标位姿类别，对目标动物进行拍摄，其中，目标位姿类别为预先从位姿类别信息集合中确定出的位姿类别信息指示的位姿类别。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开的实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括第一生成单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，第一获取单元还可以被描述为“获取目标动物的当前图像的单元”。

以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (16)

1.一种用于拍摄图像的方法，包括：

获取目标动物的当前图像，以及执行如下拍摄步骤：

对当前图像进行识别，以从预先确定的位姿类别信息集合中，确定用于指示当前图像中的动物对象的位姿类别的位姿类别信息；

响应于确定所确定出的位姿类别信息指示目标位姿类别，对所述目标动物进行拍摄，其中，所述目标位姿类别为预先从所述位姿类别信息集合中确定出的位姿类别信息指示的位姿类别。

2.根据权利要求1所述的方法，其中，所述对当前图像进行识别，以从预先确定的位姿类别信息集合中，确定用于指示当前图像中的动物对象的位姿类别的位姿类别信息，包括：

将当前图像输入至预先训练的位姿识别模型，得到用于指示当前图像中的动物对象的位姿类别的位姿类别信息，其中，所述位姿识别模型用于从预先确定的位姿类别信息集合中，确定输入的图像中的动物对象的位姿类别信息。

3.根据权利要求2所述的方法，其中，所述位姿类别信息集合中的位姿类别信息用于指示以下任一项：

当前图像中的动物对象的位姿为眨眼；

当前图像中的动物对象的位姿为张嘴；

当前图像中的动物对象的位姿为伸舌头；

当前图像中的动物对象的面部朝向拍摄当前图像的图像采集装置；或者

当前图像中的动物对象指示的动物位于目标范围内。

4.根据权利要求2所述的方法，其中，在所述将当前图像输入至预先训练的位姿识别模型之前，所述方法还包括：

确定当前图像中的动物对象的物种；以及

所述位姿识别模型是针对所述物种预先训练的。

5.根据权利要求4所述的方法，其中，所述物种为猫或者狗。

6.根据权利要求1-5之一所述的方法，其中，所述目标位姿类别是通过如下步骤确定的：

呈现预先确定的位姿类别信息集合；

获取用户从所述位姿类别信息集合中选择的位姿类别信息；

将所选择的位姿类别信息指示的位姿类别确定为目标位姿类别。

7.根据权利要求1-5之一所述的方法，其中，所述方法还包括：

响应于确定所确定出的位姿类别信息并非指示所述目标位姿类别，获取所述目标动物的当前图像，以及基于最近一次获取到的当前图像执行所述拍摄步骤。

8.一种用于拍摄图像的装置，包括：

第一获取单元，被配置成获取目标动物的当前图像，以及执行如下拍摄步骤：

对当前图像进行识别，以从预先确定的位姿类别信息集合中，确定用于指示当前图像中的动物对象的位姿类别的位姿类别信息；

响应于确定所确定出的位姿类别信息指示目标位姿类别，对所述目标动物进行拍摄，其中，所述目标位姿类别为预先从所述位姿类别信息集合中确定出的位姿类别信息指示的位姿类别。

9.根据权利要求8所述的装置，其中，所述第一获取单元包括：

输入模块，被配置成将当前图像输入至预先训练的位姿识别模型，得到用于指示当前图像中的动物对象的位姿类别的位姿类别信息，其中，所述位姿识别模型用于从预先确定的位姿类别信息集合中，确定输入的图像中的动物对象的位姿类别信息。

10.根据权利要求9所述的装置，其中，所述位姿类别信息集合中的位姿类别信息用于指示以下任一项：

当前图像中的动物对象的位姿为眨眼；

当前图像中的动物对象的位姿为张嘴；

当前图像中的动物对象的位姿为伸舌头；

当前图像中的动物对象的面部朝向拍摄当前图像的图像采集装置；或者

当前图像中的动物对象指示的动物位于目标范围内。

11.根据权利要求9所述的装置，其中，所述装置还包括：

确定单元，被配置成确定当前图像中的动物对象的物种；以及

所述位姿识别模型是针对所述物种预先训练的。

12.根据权利要求11所述的装置，其中，所述物种为猫或者狗。

13.根据权利要求8-12之一所述的装置，其中，所述目标位姿类别是通过如下步骤确定的：

呈现预先确定的位姿类别信息集合；

获取用户从所述位姿类别信息集合中选择的位姿类别信息；

将所选择的位姿类别信息指示的位姿类别确定为目标位姿类别。

14.根据权利要求8-12之一所述的装置，其中，所述装置还包括：

第二获取单元，被配置成响应于确定所确定出的位姿类别信息并非指示所述目标位姿类别，获取所述目标动物的当前图像，以及基于最近一次获取到的当前图像执行所述拍摄步骤。

15.一种电子设备，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。

16.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。