CN110475069A - 图像的拍摄方法及装置 - Google Patents

Abstract

本发明提供了一种图像的拍摄方法及装置；方法包括：响应于指示进行图像拍摄的语音控制指令，确定进行所述图像拍摄的拍摄模式；基于所述拍摄模式，进行图像采集；获取采集的图像中目标对象的至少一个维度的对象信息，及所述目标对象关联的场景信息；基于所述至少一个维度的对象信息、以及所述场景信息，确定对应所述拍摄模式的目标拍摄模板，所述目标拍摄模板用于对所述目标对象的拍摄姿势进行引导；基于所述目标拍摄模板，进行包括所述目标对象的图像拍摄。通过本发明，能够准确快速地确定目标拍摄模板，提升用户的体验感。

Description

图像的拍摄方法及装置

技术领域

本发明涉及图像处理技术，尤其涉及一种图像的拍摄方法及装置。

背景技术

在进行图像拍摄时，为使用户得到更好的拍摄效果，会为用户提供拍摄模板，以使用户能够参考拍摄模板中的拍摄姿势。相关技术中，通常是将拍摄模板进行分组，以在拍摄界面中按照分组显示各拍摄模板。由于用户需要根据自己的需要，在对应的分类中挑选合适的拍摄模板，选择过程复杂，用户体验感差。

发明内容

本发明实施例提供一种图像的拍摄方法及装置，能够准确快速地确定目标拍摄模板，提升用户的体验感。

本发明实施例的技术方案是这样实现的：

本发明实施例提供一种图像的拍摄方法，包括：

响应于指示进行图像拍摄的语音控制指令，确定进行所述图像拍摄的拍摄模式；

基于所述拍摄模式，进行图像采集；

获取采集的图像中目标对象的至少一个维度的对象信息，及所述目标对象关联的场景信息；

基于所述至少一个维度的对象信息、以及所述场景信息，确定对应所述拍摄模式的目标拍摄模板，所述目标拍摄模板用于对所述目标对象的拍摄姿势进行引导；

基于所述目标拍摄模板，进行包括所述目标对象的图像拍摄。

本发明实施例提供一种图像的拍摄装置，包括：

模式确定单元，用于响应于指示进行图像拍摄的语音控制指令，确定进行所述图像拍摄的拍摄模式；

图像采集单元，用于基于所述拍摄模式，进行图像采集；

信息获取单元，用于获取采集的图像中目标对象的至少一个维度的对象信息，及所述目标对象关联的场景信息；

模板确定单元，用于基于所述至少一个维度的对象信息、以及所述场景信息，确定对应所述拍摄模式的目标拍摄模板，所述目标拍摄模板用于对所述目标对象的拍摄姿势进行引导；

图像拍摄单元，用于基于所述目标拍摄模板，进行包括所述目标对象的图像拍摄。

上述方案中，所述模式确定单元，还用于响应于指示所述图像拍摄的语音控制指令，获取所述语音控制指令包含的关键词；

将所述关键词与拍摄模式的标签进行匹配，以确定进行所述图像拍摄的拍摄模式。

上述方案中，所述模板确定单元，还用于基于所述至少一个维度的对象信息、以及所述场景信息，分别确定采集的所述图像与每个拍摄模板的相似度；

基于所述相似度的高低，对所述多个拍摄模板进行优先级排序。

上述方案中，所述模板确定单元，还用于根据所述多个拍摄模板的优先级顺序，显示预设数量的拍摄模板；

接收到用于选择拍摄模板的语音选择指令；

确定所述语音选择指令所指示的拍摄模板为所述目标拍摄模板。

上述方案中，所述模板确定单元，还用于根据所述多个拍摄模板的优先级顺序，显示第一预设数量的拍摄模板；

接收到指示进行拍摄模板显示切换的语音切换指令；

根据所述多个拍摄模板的优先级顺序，显示第二预设数量的拍摄模板，所述第一预设数量的拍摄模板不同于所述第二预设数量的拍摄模板。

上述方案中，所述装置还包括：

信息提示单元，用于获取所述图像中所述目标对象的姿态信息；

将目标对象的姿态信息与所述目标拍摄模板对应的对象姿态信息进行匹配，得到匹配结果；

当所述匹配结果表征所述目标对象的拍摄姿势与所述目标拍摄模板中对象的拍摄姿势不匹配时，输出第一语音提示信息，所述第一语音提示信息用于指示所述目标对象进行姿势调整。

上述方案中，所述装置还包括：

信息提示单元，识别所述图像中所述目标对象的生物状态；

确定所述生物状态不满足拍摄条件时，输出第二语音提示信息，所述第二语音提示信息用于指示所述目标对象进行生物状态调整。

上述方案中，所述图像拍摄单元，还用于接收到指示进行图像拍摄的语音拍摄指令，所述语音拍摄指令携带有拍摄时间；

基于所述语音拍摄指令，获取进行图像拍摄的所述拍摄时间；

监测到所述拍摄时间到达时，进行包括所述目标对象的图像拍摄。

本发明实施例提供一种电子设备，包括：

存储器，用于存储可执行指令；

处理器，用于执行所述存储器中存储的可执行指令时，实现本发明实施例提供的方法。

本发明实施例提供一种存储介质，存储有可执行指令，用于引起处理器执行时，实现本发明实施例提供的方法。

本发明实施例具有以下有益效果：

1)通过响应于指示进行图像拍摄的语音控制指令，确定进行图像拍摄的拍摄模式；如此，能够直接基于用户的语音控制指令，确定符合用户需求的拍摄模式，而不需要用户手动选择，减少了用户选择操作。

2)基于至少一个维度的对象信息、以及场景信息，确定对应拍摄模式的目标拍摄模板，由于先确定了用户需要的拍摄模式，再基于多个维度的信息确定的对应拍摄模式的目标拍摄模板，如此，能够更加准确地确定出符合用户需求的目标拍摄模板，进而提升用户的体验感。

附图说明

图1是相关技术提供的图像的拍摄界面示意图；

图2是本发明实施例提供的图像的拍摄系统的一个可选的架构示意图；

图3是本发明实施例提供的终端的结构示意图；

图4是本发明实施例提供的图像的拍摄方法的流程示意图；

图5是本发明实施例提供的语音识别的流程示意图；

图6A是本发明实施例提供的图像的拍摄界面示意图；

图6B是本发明实施例提供的图像的拍摄界面示意图；

图7是本发明实施例提供的图像的拍摄界面示意图；

图8是本发明实施例提供的图像的拍摄界面示意图；

图9是本发明实施例提供的图像的拍摄方法的流程示意图；

图10是本发明实施例提供的图像的拍摄方法的流程示意图；

图11是本发明实施例提供的图像的拍摄装置的组成结构示意图。

具体实施方式

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，所描述的实施例不应视为对本发明的限制，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

在以下的描述中，涉及到“一些实施例”，其描述了所有可能实施例的子集，但是可以理解,“一些实施例”可以是所有可能实施例的相同子集或不同子集，并且可以在不冲突的情况下相互结合。

在以下的描述中，所涉及的术语“第一\第二”仅仅是是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一\第二”在允许的情况下可以互换特定的顺序或先后次序，以使这里描述的本发明实施例能够以除了在这里图示或描述的以外的顺序实施。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本发明实施例的目的，不是旨在限制本发明。

对本发明实施例进行进一步详细说明之前，对本发明实施例中涉及的名词和术语进行说明，本发明实施例中涉及的名词和术语适用于如下的解释。

1)响应于，用于表示所执行的操作所依赖的条件或者状态，当满足所依赖的条件或状态时，所执行的一个或多个操作可以是实时的，也可以具有设定的延迟；在没有特别说明的情况下，所执行的多个操作不存在执行先后顺序的限制；

2)软件开发工具包，指一些软件工程师为特定的软件包、软件框架、硬件平台、操作系统等建立应用软件时的开发工具的集合。

为使用户得到更好的拍摄效果，通常会为用户提供拍摄模板，以使用户能够参考拍摄模板中的拍摄姿势。相关技术中，通过获取图片，根据图片生成对应的拍摄模板，再对拍摄模板进行分组，在拍摄界面中按照分组显示各拍摄模板。图1为相关技术提供的图像拍摄的界面示意图，参见图1，各拍摄模板被分组显示在拍摄界面的下方，包括闺蜜、街景、网红店、冬日、海边等分组，用户需要根据自己所处的环境，如街景，在界面中选择对应的分组，然后再在分组中选择需要的拍摄模板。由于用户需要根据分类手动挑选模板，使得用户体验不佳。

基于此，本发明提供一种图像的拍摄方法，通过响应于指示进行图像拍摄的语音控制指令，确定进行图像拍摄的拍摄模式；再基于采集的图像中的至少一个维度的对象信息、以及场景信息，确定对应拍摄模式的目标拍摄模板，从而实现了准确确定目标拍摄模板，而不需要用户手动选择，提升用户的体验感。

参见图2，图2是本发明实施例提供的图像的拍摄系统的一个可选的架构示意图，为实现支撑一个示例性应用，终端400(示例性示出了终端400-1和终端400-2)通过网络300连接服务器200，网络300可以是广域网或者局域网，又或者是二者的组合。

终端400(如终端400-1)，用于响应于指示进行图像拍摄的语音控制指令，确定进行图像拍摄的拍摄模式；基于所述拍摄模式，进行图像采集；

服务器200，用于对图像进行识别，确定图像中目标对象的至少一个维度的对象信息，及目标对象关联的场景信息，并将至少一个维度的对象信息及场景信息返回给终端；

终端400，还用于基于至少一个维度的对象信息、以及场景信息，确定对应拍摄模式的目标拍摄模板；基于目标拍摄模板，进行包括目标对象的图像拍摄。

在实际应用中，服务器200既可以为单独配置的支持各种业务的一个服务器，亦可以配置为一个服务器集群；终端可以为智能手机、平板电脑、笔记本电脑等各种类型的用户终端，还可以为可穿戴计算设备、个人数字助理(PDA)、台式计算机、蜂窝电话、媒体播放器、导航设备、游戏机、电视机、或者这些数据处理设备或其他数据处理设备中任意两个或多个的组合。

下面对实施本发明实施例实施图像的拍摄方法的电子设备进行说明。在一些实施例中，电子设备可以以各种形式来实施，如：由智能手机、平板电脑和台式机等终端或服务器单独实施，或者由终端、服务器协同实施。本发明实施例以电子设备为终端为例，对终端的硬件结构做详细说明。

参见图3，图3是本发明实施例提供的终端的结构示意图，可以理解，图3仅仅示出了终端的示例性结构而非全部结构，根据需要可以实施图3示出的部分结构或全部结构。参见图3，本发明实施例提供的终端包括：至少一个处理器301、存储器302、用户接口303和至少一个网络接口304。终端中的各个组件通过总线系统305耦合在一起。可以理解，总线系统305用于实现这些组件之间的连接通信。总线系统305除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图3中将各种总线都标为总线系统305。

其中，用户接口303可以包括显示器、键盘、鼠标、轨迹球、点击轮、按键、按钮、触感板或者触摸屏等。

可以理解，存储器302可以是易失性存储器或非易失性存储器，也可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(RO M，Read OnlyMemory)、可编程只读存储器(PROM，Programmable Read-O nly Memory)、可擦除可编程只读存储器(EPROM，Erasable Programmable R ead-Only Memory)、闪存(Flash Memory)等。易失性存储器可以是随机存取存储器(RAM，Random Access Memory)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(SRA M，Static Random Access Memory)、同步静态随机存取存储器(SSRAM，Sy nchronous StaticRandom Access Memory)。本发明实施例描述的存储器302旨在包括这些和任意其它适合类型的存储器。

本发明实施例中的存储器302用于存储各种类型的数据以支持终端的操作。这些数据的示例包括：用于在终端上操作的任何可执行指令，如可执行指令，实现本发明实施例的图像的拍摄方法的程序可以包含在可执行指令中。

作为本发明实施例提供的终端采用软硬件结合实施的示例，本发明实施例所提供的终端可以直接体现为由处理器301执行的软件模块组合，软件模块可以位于存储介质中，存储介质位于存储器302，处理器301读取存储器302中软件模块包括的可执行指令，结合必要的硬件(例如，包括处理器301以及连接到总线305的其他组件)完成本发明实施例提供的图像的拍摄方法。

作为示例，处理器301可以是一种集成电路芯片，具有信号的处理能力，例如通用处理器、数字信号处理器(DSP，Digital Signal Processor)，或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，其中，通用处理器可以是微处理器或者任何常规的处理器等。

作为本发明实施例提供的终端采用硬件实施的示例，本发明实施例所提供的图像的拍摄方法可以直接采用硬件译码处理器形式的处理器301来执行完成，例如，被一个或多个应用专用集成电路(ASIC，Application Specific Integrate d Circuit)、DSP、可编程逻辑器件(PLD，Programmable Logic Device)、复杂可编程逻辑器件(CPLD，ComplexProgrammable Logic Device)、现场可编程门阵列(FPGA，Field-Programmable GateArray)或其他电子元件执行实现本发明实施例提供的图像的拍摄方法。

本发明实施例揭示的图像的拍摄方法可以由处理器301实现。处理器301可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，图像的拍摄方法的各步骤可以通过处理器301中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器301可以是通用处理器、数字信号处理器(DSP，Digit al Signal Processor)，或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。处理器301可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本发明实施例所公开的图像的拍摄方法的步骤，可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于存储介质中，该存储介质位于存储器302，处理器301读取存储器302中的信息，结合其硬件完成本发明实施例提供的图像的拍摄方法的步骤。

将结合本发明实施例提供的终端的示例性应用和实施，说明本发明实施例提供的图像的拍摄方法。参见图4，图4为本发明实施例提供的图像的拍摄方法的流程示意图，将结合图4示出的步骤进行说明。

步骤401：终端响应于指示进行图像拍摄的语音控制指令，确定进行所述图像拍摄的拍摄模式。

这里，终端上设置有声音传感器，如麦克风，终端可以通过声音传感器获取用户输入的语音控制指令。当获取到用户的语音控制指令后，终端对用户的语音控制指令进行语音识别，以获取语音控制指令中所包含的文字内容，进而获取到的文字内容，确定与语音控制指令相对应的拍摄模式。

图5为本发明实施例提供的语音识别的流程示意图，在一些实施例中，终端可以通过如图5所示的步骤实现对用户的语音控制指令进行语音识别。如图5所示，终端首先对用户输入的语音控制指令进行前端处理，即将用户输入的语音控制指令转成pcm或者wav格式的语音，检测格式转换后的语音中的有效语音，以提高解码速率和识别率。然后对有效语音进行声学特征提取。最后对提取到的特征数据进行解码，在解码过程中利用发音字典，声学模型，语言模型等信息构建带权有限状态转换器(WFST，Weighted Finite-stateTransduer)搜索空间，在搜索空间内寻找匹配概率最大的最优路径，便得到最优的识别结果。

本发明实施例通过终端响应于指示进行图像拍摄的语音控制指令，确定进行图像拍摄的拍摄模式，如此，用户可以通过语音对图像拍摄进行控制，而不需要在显示界面上执行点击操作，简化了用户的选择操作，提高了用户的体验感。例如，当用户需要选择全家福拍摄模式时，用户可以直接说“我想拍摄全家福”，而不需要进入拍摄模式的选择界面，再通过点击全家福模式进行选择。

在一些实施例中，终端可以通过以下方式确定进行图像拍摄的拍摄模式：响应于指示图像拍摄的语音控制指令，获取语音控制指令包含的关键词；将关键词与拍摄模式的标签进行匹配，以确定进行图像拍摄的拍摄模式。

在实际实施时，终端对语音控制指令进行语音识别，得到语音控制指令所包含的文本内容后，从文本内容会提取出与拍摄模式的关键词，如“我想拍摄全家福”，提取“全家福”作为关键词，然后将提取出的关键词与拍摄模式的标签进行匹配，以基于匹配结果，确定对应的拍摄模式。这里，拍摄模式的标签为拍摄模式所对应的文本描述，如全家福模式、自拍模式、情侣模式、闺蜜模式等，例如，通过将“全家福”与预设的拍摄模式的标签进行匹配，得到与关键词相匹配的拍摄模式为全家福模式。

步骤402：终端基于拍摄模式，进行图像采集。

这里，终端上设置有图像传感器，如摄像头，终端通过控制图像传感器进行图像采集。

步骤403：终端获取采集的图像中目标对象的至少一个维度的对象信息，及目标对象关联的场景信息。

需要说明的是，这里目标对象为图像中的人物，即被拍摄的用户，对象信息可以为用户信息，如用户的衣着、性别、年龄、体型(高矮胖瘦)等，场景信息为用户所处的环境，如建筑、山水、森林等。终端对采集的图像进行图像识别，以获取至少一个维度的对象信息，及目标对象关联的场景信息；或者，终端可以将采集的图像发送给服务器，由服务器对采集的图像进行图像识别，终端从服务器获取至少一个维度的对象信息，及目标对象关联的场景信息。

在实际实施时，将一款功能全面的人工智能(AI，Artificial Intelligence)人像识别软件开发工具包(SDK，Software Development Kit)接入终端的拍摄应用或者独立作为一个功能APP内置于系统。这里，AI人像识别功能包含人脸、场景、活体检测等。如此，终端能够通过AI人像识别功能实现对采集的图像进行图像识别。

步骤404：终端基于至少一个维度的对象信息、以及场景信息，确定对应拍摄模式的目标拍摄模板，目标拍摄模板用于对目标对象的拍摄姿势进行引导。

在一些实施例中，终端可以通过以下方式确定对应拍摄模式的目标拍摄模板：获取对应拍摄模式的多个拍摄模板；根据至少一个维度的对象信息、以及场景信息，对多个拍摄模板进行优先级排序；根据多个拍摄模板的优先级顺序，确定对应拍摄模式的目标拍摄模板。

这里，终端通过根据至少一个维度的对象信息、以及场景信息，对多个拍摄模板进行优先级排序，以确定出最符合当前拍摄对象的，如此，能够为用户提供与用户需求最接近的目标拍摄模板，提高用户体验。

在一些实施例中，语音控制指令还携带有用户信息，这里，用户信息可以为用户的数量、性别等。例如，语音控制指令为“我想拍摄全家福，有五个人”，用户信息为用户的数量，即五个人。终端可以根据语音控制指令中携带的用户信息，对对应拍摄模式的多个拍摄模板进行筛选，例如，终端可以从全家福对应的拍摄模板中筛选出用于五个人的拍摄模板。然后，终端基于筛选后的多个模板进行优先级排序。

在一些实施例中，终端可以基于以下方式对多个拍摄模板进行优先级排序：基于至少一个维度的对象信息、以及场景信息，分别确定采集的图像与每个拍摄模板的相似度；基于相似度的高低，对多个拍摄模板进行优先级排序。

在实际实施时，针对每一个拍摄模板，可以通过以下方式确定采集的图像与拍摄模板的相似度，分别计算采集的图像的至少一个维度的对象信息、以及场景信息，与拍摄模板对应的至少一个维度的对象信息、以及场景信息的相似度，将各个信息的相似度的平均值作为确定采集的图像与拍摄模板的相似度。

例如，终端可以计算采集的图像中的人物的着装与拍摄模板中人物的着装的第一相似度、及采集的图像的场景信息与拍摄模板对应的场景信息的第二相似度，将第一相似度与第二相似度的平均值作为采集的图像与拍摄模板的相似度。

这里，相似度越高，说明该相似度所对应的拍摄模板越适合当前的图像拍摄，因此该拍摄模板对应的优先级越高。

在一些实施例中，终端可以通过以下方式确定目标拍摄模板：根据多个拍摄模板的优先级顺序，显示预设数量的拍摄模板；接收到用于选择拍摄模板的语音选择指令；确定语音选择指令所指示的拍摄模板为目标拍摄模板。

在实际实施时，终端根据优先级顺序，显示多个拍摄模板，使得用户能够根据显示的拍摄模板选择需要的拍摄模板作为目标拍摄。这里，终端可以默认选择优先级最高的拍摄模板作为目标拍摄模板，在接收到用户的语音选择指令后，将与用户语音选择指令对应的拍摄模板作为目标拍摄模板。在确定目标拍摄模板后，终端可以在图像拍摄界面中呈现对应目标拍摄模板的剪影，以对目标对象的拍摄姿势进行引导。

例如，图6A-6B为本发明实施例提供的图像的拍摄界面示意图，如图6A所示，终端将优先级最高(优先级顺序为1-3)的三个拍摄模板显示在图像拍摄界面下方，并默认将优先级最高(优先级顺序为1)的拍摄模板作为目标拍摄模板，在拍摄界面中呈现该拍摄模板对应的剪影。若用户不满意默认的拍摄模板，可以根据显示的拍摄模板输入对应的语音选择指令，如“选择第三个”，如图6B所示，终端根据接收到的语音选择指令，将第三个拍摄模板作为目标拍摄模板，并在拍摄界面中呈现第三个拍摄模板对应的剪影。

在一些实施例中，终端可以通过以下方式显示预设数量的拍摄模板：根据多个拍摄模板的优先级顺序，显示第一预设数量的拍摄模板；接收到指示进行拍摄模板显示切换的语音切换指令；根据多个拍摄模板的优先级顺序，显示第二预设数量的拍摄模板，第一预设数量的拍摄模板不同于第二预设数量的拍摄模板。

在实际实施时，终端根据多个拍摄模板的优先级顺序，优先显示优先级顺序最高的几个拍摄模板；当显示的拍摄模板中没有用户满意的拍摄模板时，用户输入的语音切换指令，如“换一组”，终端响应于语音切换指令，根据优先级顺序从未显示过的拍摄模板中，选择优先级最高的几个拍摄模板，需要说明的是，每一次显示的拍摄模板的数量可以相同，也可以不同。

例如，对应拍摄模式的拍摄模板共有15个，根据优先级顺序，终端先显示优先级顺序为1-5的五个拍摄模板，当接收到语音切换指令后，终端显示优先级顺序为6-10的五个拍摄模板。

步骤405：终端基于目标拍摄模板，进行包括目标对象的图像拍摄。

在一些实施例中，进行包括目标对象的图像拍摄之前，终端获取图像中目标对象的姿态信息；将目标对象的姿态信息与目标拍摄模板对应的对象姿态信息进行匹配，得到匹配结果；匹配结果表征目标对象的拍摄姿势与目标拍摄模板中对象的拍摄姿势不匹配时，输出第一语音提示信息，第一语音提示信息用于指示目标对象进行姿势调整。

这里，姿态信息可以用k各人体关节点的位置来表示，以描述人物的姿势。在实际实施时，终端通过图像识别的方式获取图像中目标对象的姿态信息，终端可以计算图像中目标对象的姿态信息、与目标拍摄模板对应的对象姿态信息的相似度，判断相似度的值是否达到预设相似度阈值，若达到，则表示匹配结果表征目标对象的拍摄姿势与目标拍摄模板中对象的拍摄姿势相匹配；否则，表示不匹配。

在一些实施例中，终端还会获取图像中目标对象的数量，当获取的目标对象的数量与目标拍摄模板对应的对象数量不相同时，表征有人未被拍摄到，这时终端可以输出语音提示信息，如“有人出镜了哟”，以提醒用户进入拍摄范围。这里，终端可以通过人脸识别获取图像中人脸的数量，将人脸的数量作为目标对象的数量。

例如，图7为本发明实施例提供的图像的拍摄界面示意图，如图7所示，目标拍摄模板是一个双人模板，但图像中人脸的数量为1，表示有一个人未被拍摄到，这时，终端会输出语音提示信息“有人出镜了哟”，以提醒用户入镜。

在一些实施例中，终端先目标对象的数量与目标拍摄模板对应的对象数量是否相同，在确定相同时，再获取图像中目标对象的姿态信息，将目标对象的姿态信息与目标拍摄模板对应的对象姿态信息进行匹配。

需要说明的是，当终端确定目标对象的拍摄姿势与目标拍摄模板中对象的拍摄姿势不匹配时，输出语音提示信息，以使用户根据语音提示信息进行姿势调整。这里，在用户调整拍摄姿势后，终端判断调整后的拍摄姿势与目标拍摄模板中对象的拍摄姿势是否匹配，若不匹配，会再次输出语音提示信息，直至用户的拍摄姿势与目标拍摄模板中对象的拍摄姿势相匹配，进行图像拍摄。

在一些实施例中，进行包括目标对象的图像拍摄之前，终端还识别图像中目标对象的生物状态；确定生物状态不满足拍摄条件时，输出第二语音提示信息，第二语音提示信息用于指示目标对象进行生物状态调整。

这里，生物状态可以为人物面部五官的状态，如眼睛的状态(睁眼、闭眼)、嘴唇的状态(嘴角上扬、嘴角下垂)等。

例如，图8为本发明实施例提供的图像的拍摄界面示意图，如图8所示，图像中目标对象的眼睛的状态为闭眼，不满足拍摄条件，输出语音提示信息，如“有人闭眼了”，以提示用户睁眼；又如当嘴唇的状态为嘴角下垂，不满足拍摄条件，输出语音提示信息，如“微笑”，以提示用户微笑。

在一些实施例中，终端接收到指示进行图像拍摄的语音拍摄指令，语音拍摄指令携带有拍摄时间；基于语音拍摄指令，获取进行图像拍摄的拍摄时间；监测到拍摄时间到达时，进行包括目标对象的图像拍摄。

这里，终端能够基于携带拍摄时间的语音拍摄指令，实现定时拍摄的功能。例如，用户通过语音输入“三秒后拍照”，终端接收到“三秒后拍照”后，等待三秒后，进行图像拍摄，并保存拍摄到的图像。

在一些实施例中，终端接收到指示进行图像拍摄的语音拍摄指令，语音拍摄指令未携带拍摄时间，则直接进行包括目标对象的图像拍摄，并保存拍摄到的图像。例如，用户通过语音输入“茄子”，其中，“茄子”为预设的语音拍摄指令，当终端接收到“茄子”时，激进型图像拍摄，并保存拍摄到的图像。

本发明实施例通过响应于指示进行图像拍摄的语音控制指令，确定进行图像拍摄的拍摄模式；如此，能够直接基于用户的语音控制指令，确定符合用户需求的拍摄模式，而不需要用户手动选择，减少了用户选择操作。并且，基于至少一个维度的对象信息、以及场景信息，确定对应拍摄模式的目标拍摄模板，由于先确定了用户需要的拍摄模式，再基于多个维度的信息确定的对应拍摄模式的目标拍摄模板，如此，能够更加准确地确定出符合用户需求的目标拍摄模板，进而提升用户的体验感。

在一些实施例中，本发明实施例的图像的拍摄方法还可由终端、服务器协同实施，如通过图2中的终端400-1及服务器200实施，终端上设置有用于图像拍摄的客户端，图9是本发明实施例提供的图像的拍摄方法的流程示意图，参见图9，本发明实施例提供的图像的拍摄方法包括：

步骤901：客户端接收用户输入的语音控制指令。

这里，语音控制指令为用户通过设置在终端上的麦克风输入的，例如，用户输入“我想拍摄全家福”。

步骤902：对语音控制指令进行语音识别，获取语音控制指令所包含的关键词。

这里，关键词为与拍摄相关的词，例如，“我想拍摄全家福”中“全家福”为关键词。

步骤903：客户端将关键词与拍摄模式的标签进行匹配，以确定进行图像拍摄的拍摄模式。

步骤904：客户端将通过摄像头采集到的图像发送给服务器。

步骤905：服务器对采集到的图像进行图像识别，得到采集的图像中人物的衣着、性别、年龄、体型，以及人物所处的环境。

步骤906：将人物的衣着、性别、年龄、体型，以及人物所处的环境返回给客户端。

步骤907：客户端获取对应拍摄模式的多个拍摄模板。

步骤908：客户端根据人物的衣着、性别、年龄、体型，以及人物所处的环境对多个拍摄模板进行优先级排序。

步骤909：客户端根据多个拍摄模板的优先级顺序，显示优先级顺序为1-5的五个拍摄模板。

步骤910：客户端接收到用户指示进行拍摄模板显示切换的语音切换指令，显示优先级顺序为6-10的五个拍摄模板。

步骤911：客户端接收到用于选择拍摄模板的语音选择指令，确定语音选择指令所指示的拍摄模板为目标拍摄模板，并呈现目标拍摄模板对应的剪影。

步骤912：客户端获取图像中人物的姿态信息，将人物的姿态信息与目标拍摄模板对应的姿态信息进行匹配，若不匹配，输出第一语音提示信息。

这里，第一语音提示信息用于指示用户对拍摄姿势进行调整。

步骤913：客户端识别图像中人物的眼睛的状态，确定存在眼睛的状态为闭眼时，输出第二语音提示信息。

这里，第二语音提示信息用于指示用户睁开眼睛。

步骤914：客户端接收用户输入的指示进行图像拍摄的语音拍摄指令，进行图像拍摄，并保存拍摄得到的图像。

这里，语音拍摄指令可以为“茄子”或其他预设的提示语，当接收到语音拍摄指令时，进行图像拍摄，并保存拍摄得到的图像。

下面，继续对本发明实施例提供的图像的拍摄方法进行说明，图10为本发明实施例提供的图像的拍摄方法的流程示意图。

参见图10，在实际实施时，首先，终端接收用户的语音控制指令，如，语音输入“我想拍摄全家福，有五个人”。这里，当终端为只能电视时，通过语音助手接收到语音控制指令，对语音控制指令进行解析，得到语音控制指令中所包括的关键词“全家福”，以根据关键词，将拍摄模式切换为全家福模式。

需要说明的是，语音助手支持远场语音，使得用户能够直接通过说话输入各种语音指令，不需要使用遥控器操作。

然后，终端获取摄像头拍摄到的图像，对图像进行识别，解析图像中的关键内容，包括人物的衣着、人像以及人物所处场景。根据人物的衣着、人像以及人物所处场景，确定拍摄模式所对应的目标拍摄模板。

这里，集成一款功能较为全面的AI人像识别SDK，并将该功能接入带有摄像头的电视端的视频应用或者独立作为一个功能APP内置于系统。AI人像识别功能包含人脸、场景、活体检测等。语音助手与AI人像识别SDK对接，使得该功能支持语音调起以及语音操作。

在实际实施时，终端根据人物的衣着、人像以及人物所处场景，对拍摄模式所对应的多个拍摄模板进行优先级排序，默认确定优先级最高的拍摄模板为目标拍摄模板，在拍摄画面中展示目标拍摄模板的剪影。

在一些实施例中，终端会根据优先级顺序展示预设数量的拍摄模板，以使用户能够根据展示的多个拍摄模板输入语音选择指令，终端根据语音选择指令，确定语音选择指令所指示的拍摄模板为目标拍摄模板。

接着，终端判断用户是否输入语音切换指令，若是，则根据优先级顺序展示预设数量的拍摄模板。这里，接收到语音切换指令后展示的拍摄模板与接收到语音切换指令前展示的拍摄模板不同。若没有接收到语音切换指令，则加载目标拍摄模板，并进行图像采集。

采集到图像后，终端会对采集到的图像进行图像识别，以判断是否有人脸部被挡、或者识别到闭眼、或者与目标拍摄模板的姿势不匹配，若是，终端输出语音提示信息，以提示用户进行相应的调整。

例如，人脸部被挡等未能识别五人，语音助手会温馨提示“有人出镜了哟”等，或者识别到闭眼了，也会有提示。需要说明的是，虽然会输出语音提示信息，但不会影响到拍摄，即使有人脸部被挡、或者识别到闭眼、或者与目标拍摄模板的姿势不匹配，依然能够完成图像的拍摄。

最后，接收到用户输入的语音拍摄指令，根据用户输入的育婴拍摄指令，进行图像拍摄。例如，用户语音输入“茄子”或其他预设的提示语，则会自动拍照并保存。这里，若语音拍摄指令携带有拍摄时间，则在检测到拍摄时间到达时，进行图像拍摄。例如，用户语音输入“三秒后拍照”等则语音会倒计时提示“3、2、1拍照”。

接下来对本发明实施例提供的图像的拍摄装置进行说明，在一些实施例中，图像的拍摄装置可采用软件模块的方式实现，图11为本发明实施例提供的图像的拍摄装置的组成结构示意图，参见图11，图像的拍摄装置包括：

模式确定单元111，用于响应于指示进行图像拍摄的语音控制指令，确定进行图像拍摄的拍摄模式；

图像采集单元112，用于基于拍摄模式，进行图像采集；

信息获取单元113，用于获取采集的图像中目标对象的至少一个维度的对象信息，及目标对象关联的场景信息；

模板确定单元114，用于基于至少一个维度的对象信息、以及场景信息，确定对应拍摄模式的目标拍摄模板，目标拍摄模板用于对目标对象的拍摄姿势进行引导；

图像拍摄单元115，用于基于目标拍摄模板，进行包括目标对象的图像拍摄。

本发明实施例还提供一种电子设备，包括：

存储器，用于存储可执行指令；

处理器，用于执行所述存储器中存储的可执行指令时，实现本发明实施例提供的图像的拍摄方法。

本发明实施例还提供一种存储介质，存储有可执行指令，用于引起处理器执行时，实现本发明实施例提供的图像的拍摄方法。

在一些实施例中，存储介质可以是FRAM、ROM、PROM、EPROM、EE PROM、闪存、磁表面存储器、光盘、或CD-ROM等存储器；也可以是包括上述存储器之一或任意组合的各种设备。

在一些实施例中，可执行指令可以采用程序、软件、软件模块、脚本或代码的形式，按任意形式的编程语言(包括编译或解释语言，或者声明性或过程性语言)来编写，并且其可按任意形式部署，包括被部署为独立的程序或者被部署为模块、组件、子例程或者适合在计算环境中使用的其它单元。

作为示例，可执行指令可以但不一定对应于文件系统中的文件，可以可被存储在保存其它程序或数据的文件的一部分，例如，存储在超文本标记语言(H TML，Hyper TextMarkup Language)文档中的一个或多个脚本中，存储在专用于所讨论的程序的单个文件中，或者，存储在多个协同文件(例如，存储一个或多个模块、子程序或代码部分的文件)中。

作为示例，可执行指令可被部署为在一个计算设备上执行，或者在位于一个地点的多个计算设备上执行，又或者，在分布在多个地点且通过通信网络互连的多个计算设备上执行。

以上所述，仅为本发明的实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和范围之内所作的任何修改、等同替换和改进等，均包含在本发明的保护范围之内。

Claims (10)

1.一种图像的拍摄方法，其特征在于，所述方法包括：

响应于指示进行图像拍摄的语音控制指令，确定进行所述图像拍摄的拍摄模式；

基于所述拍摄模式，进行图像采集；

获取采集的图像中目标对象的至少一个维度的对象信息，及所述目标对象关联的场景信息；

基于所述至少一个维度的对象信息、以及所述场景信息，确定对应所述拍摄模式的目标拍摄模板，所述目标拍摄模板用于对所述目标对象的拍摄姿势进行引导；

基于所述目标拍摄模板，进行包括所述目标对象的图像拍摄。

2.如权利要求1所述的方法，其特征在于，所述响应于指示进行图像拍摄的语音控制指令，确定进行所述图像拍摄的拍摄模式，包括：

响应于指示所述图像拍摄的语音控制指令，获取所述语音控制指令包含的关键词；

将所述关键词与拍摄模式的标签进行匹配，以确定进行所述图像拍摄的拍摄模式。

3.如权利要求1所述的方法，其特征在于，所述基于所述至少一个维度的对象信息、以及所述场景信息，确定对应所述拍摄模式的目标拍摄模板，包括：

获取对应所述拍摄模式的多个拍摄模板；

根据所述至少一个维度的对象信息、以及所述场景信息，对所述多个拍摄模板进行优先级排序；

根据所述多个拍摄模板的优先级顺序，确定对应所述拍摄模式的目标拍摄模板。

4.如权利要求3所述的方法，其特征在于，所述根据所述至少一个维度的对象信息、以及所述场景信息，对所述多个拍摄模板进行优先级排序，包括：

基于所述至少一个维度的对象信息、以及所述场景信息，分别确定采集的所述图像与每个拍摄模板的相似度；

基于所述相似度的高低，对所述多个拍摄模板进行优先级排序。

5.如权利要求3所述的方法，其特征在于，所述根据所述多个拍摄模板的优先级顺序，确定对应所述拍摄模式的目标拍摄模板，包括：

根据所述多个拍摄模板的优先级顺序，显示预设数量的拍摄模板；

接收到用于选择拍摄模板的语音选择指令；

确定所述语音选择指令所指示的拍摄模板为所述目标拍摄模板。

6.如权利要求5所述的方法，其特征在于，所述根据所述多个拍摄模板的优先级顺序，显示预设数量的拍摄模板，包括：

根据所述多个拍摄模板的优先级顺序，显示第一预设数量的拍摄模板；

接收到指示进行拍摄模板显示切换的语音切换指令；

根据所述多个拍摄模板的优先级顺序，显示第二预设数量的拍摄模板，所述第一预设数量的拍摄模板不同于所述第二预设数量的拍摄模板。

7.如权利要求1所述的方法，其特征在于，所述进行包括所述目标对象的图像拍摄之前，还包括：

获取所述图像中所述目标对象的姿态信息；

将目标对象的姿态信息与所述目标拍摄模板对应的对象姿态信息进行匹配，得到匹配结果；

当所述匹配结果表征所述目标对象的拍摄姿势与所述目标拍摄模板中对象的拍摄姿势不匹配时，输出第一语音提示信息，所述第一语音提示信息用于指示所述目标对象进行姿势调整。

8.如权利要求1所述的方法，其特征在于，所述进行包括所述目标对象的图像拍摄之前，还包括：

识别所述图像中所述目标对象的生物状态；

确定所述生物状态不满足拍摄条件时，输出第二语音提示信息，所述第二语音提示信息用于指示所述目标对象进行生物状态调整。

9.如权利要求1所述的方法，其特征在于，所述基于所述目标拍摄模板，进行包括所述目标对象的图像拍摄，包括：

接收到指示进行图像拍摄的语音拍摄指令，所述语音拍摄指令携带有拍摄时间；

基于所述语音拍摄指令，获取进行图像拍摄的所述拍摄时间；

监测到所述拍摄时间到达时，进行包括所述目标对象的图像拍摄。

10.一种图像的拍摄装置，其特征在于，所述装置包括：

模式确定单元，用于响应于指示进行图像拍摄的语音控制指令，确定进行所述图像拍摄的拍摄模式；

图像采集单元，用于基于所述拍摄模式，进行图像采集；

信息获取单元，用于获取采集的图像中目标对象的至少一个维度的对象信息，及所述目标对象关联的场景信息；

模板确定单元，用于基于所述至少一个维度的对象信息、以及所述场景信息，确定对应所述拍摄模式的目标拍摄模板，所述目标拍摄模板用于对所述目标对象的拍摄姿势进行引导；

图像拍摄单元，用于基于所述目标拍摄模板，进行包括所述目标对象的图像拍摄。