CN110545386B - 用于拍摄图像的方法和设备 - Google Patents

Abstract

本公开的实施例公开了用于拍摄图像的方法和设备。该用于拍摄图像的方法应用于电子设备，该用于拍摄图像的方法包括：获取被拍摄者的相貌信息；从预先确定的相貌图像模板集合中，确定与相貌信息相匹配的相貌图像模板，作为目标相貌图像模板；基于目标相貌图像模板，生成被拍摄者的最终拍摄图像。该实施方式通过为被拍摄者匹配出目标相貌图像模板，从而基于目标相貌图像模板生成被拍摄者的最终拍摄图像，由此，既提高了最终拍摄图像符合被拍摄者的自身需求的概率，又可以在提高上述概率的前提下进一步提高拍摄效率，丰富了图像的拍摄方式。

Description

用于拍摄图像的方法和设备

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设备。

背景技术

目前，越来越多的场景下，人们需要通过图像来记录自己的生活、传达情感等等。然而，真实图像往往无法满足上述人群的需求。例如,如果用户体态偏胖，其真实图像中呈现的用户体态也将偏胖，而在该用户想要通过更完美的图像来呈现自己的情况下，往往会对真实图像进行调整(例如瘦脸)，然后采用调整后获得的图像来记录自己的生活、传达情感。也即，在采用图像处理应用对真实图像进行自动或人为的调整之后，才能满足其需求。

现有的自动化的图像处理应用，通常是对各真实图像进行基本类似的处理，例如：美白、瘦脸等等。

发明内容

本公开提出了用于拍摄图像的方法和设备。

第一方面，本公开实施例提供了一种用于拍摄图像的方法，应用于电子设备，该用于拍摄图像的方法包括：获取被拍摄者的相貌信息；从预先确定的相貌图像模板集合中，确定与相貌信息相匹配的相貌图像模板，作为目标相貌图像模板；基于目标相貌图像模板，生成被拍摄者的最终拍摄图像。

在一些实施例中，相貌图像模板集合中的相貌图像模板包括人体对象；以及，基于目标相貌图像模板，生成被拍摄者的最终拍摄图像，包括：执行如下拍摄步骤：获取被拍摄者的人体图像；计算被拍摄者的人体图像中的人体对象的位姿与目标相貌图像模板中的人体对象的位姿之间的位姿相似度；响应于位姿相似度大于或等于预设位姿相似度阈值，基于被拍摄者的人体图像，生成被拍摄者的最终拍摄图像。

在一些实施例中，该方法还包括：响应于位姿相似度小于预设位姿相似度阈值，生成用于指示位姿调整的信息，以及继续执行拍摄步骤。

在一些实施例中，生成用于指示位姿调整的信息，包括：从预先确定的动作指令信息集合中，确定至少一个目标动作指令信息，作为用于指示位姿调整的信息，其中，在被拍摄者执行至少一个目标动作指令指示的动作的过程中，以预设的时间间隔呈现目标相貌图像模板。

在一些实施例中，获取被拍摄者的相貌信息，包括：获取用户输入的被拍摄者的身高信息和体重信息，作为被拍摄者的相貌信息。

在一些实施例中，获取被拍摄者的相貌信息，包括：获取被拍摄者的全身图像；对被拍摄者的全身图像进行图像识别，得到被拍摄者的身高信息和体重信息；将被拍摄者的身高信息和体重信息作为被拍摄者的相貌信息。

在一些实施例中，对被拍摄者的全身图像进行图像识别，得到被拍摄者的身高信息和体重信息，包括：将被拍摄者的全身图像输入至预先训练的图像识别模型，获得被拍摄者的身高信息和体重信息，其中，图像识别模型用于确定输入的全身图像对应的人体的身高和体重。

在一些实施例中，相貌信息包括面部图像，相貌图像模板集合中的相貌图像模板包括具有妆容的面部图像；以及，基于目标相貌图像模板，生成被拍摄者的最终拍摄图像，包括：将面部图像和目标相貌图像模板输入预先训练的上妆模型，获得面部具有目标相貌图像模板指示的妆容的被拍摄者的图像，作为被拍摄者的最终拍摄图像，其中，上妆模型用于生成面部具有相貌图像模板指示的妆容的被拍摄者的图像。

在一些实施例中，相貌信息包括身高信息和体重信息，相貌图像模板集合中的相貌图像模板包括具有妆容的面部图像；以及，获取被拍摄者的人体图像，包括：获取被拍摄者的全身图像；以及，计算全身图像中的人体对象的位姿与目标相貌图像模板中的人体对象的位姿之间的位姿相似度，包括：计算包括被拍摄者的面部的人体图像中的人体对象的位姿与目标相貌图像模板中的人体对象的位姿之间的位姿相似度；以及，响应于位姿相似度大于或等于预设位姿相似度阈值，基于被拍摄者的人体图像，生成被拍摄者的最终拍摄图像，包括：响应于位姿相似度大于或等于预设位姿相似度阈值，将全身图像和目标相貌图像模板输入预先训练的上妆模型，获得面部具有目标相貌图像模板指示的妆容的被拍摄者的图像，作为被拍摄者的最终拍摄图像，其中，上妆模型用于生成面部具有相貌图像模板指示的妆容的被拍摄者的图像。

在一些实施例中，从预先确定的相貌图像模板集合中，确定与相貌信息相匹配的相貌图像模板，包括：从预先确定的相貌图像模板集合中，确定与相貌信息表征的相貌的相貌相似度大于或等于预设相貌相似度阈值的候选相貌图像模板；从所确定的候选相貌图像模板中，确定出与相貌信息相匹配的相貌图像模板。

在一些实施例中，从所确定的候选相貌图像模板中，确定出与相貌信息相匹配的相貌图像模板，包括：基于用户的选择，从所确定的候选相貌图像模板中，确定出与相貌信息相匹配的相貌图像模板。

在一些实施例中，相貌图像模板集合中的相貌图像模板为用户上传的图像。

第二方面，本公开实施例提供了一种用于拍摄图像的装置，设置于电子设备，该装置包括：获取单元，被配置成获取被拍摄者的相貌信息；第一确定单元，被配置成从预先确定的相貌图像模板集合中，确定与相貌信息相匹配的相貌图像模板，作为目标相貌图像模板；拍摄单元，被配置成基于目标相貌图像模板，生成被拍摄者的最终拍摄图像。

在一些实施例中，相貌图像模板集合中的相貌图像模板包括人体对象；以及，拍摄单元进一步被配置成执行如下拍摄步骤：获取被拍摄者的人体图像；计算被拍摄者的人体图像中的人体对象的位姿与目标相貌图像模板中的人体对象的位姿之间的位姿相似度；响应于位姿相似度大于或等于预设位姿相似度阈值，基于被拍摄者的人体图像，生成被拍摄者的最终拍摄图像。

在一些实施例中，该装置还包括：生成单元，被配置成响应于位姿相似度小于预设位姿相似度阈值，生成用于指示位姿调整的信息，以及继续执行拍摄步骤。

在一些实施例中，第二确定单元，被配置成进一步被配置成：从预先确定的动作指令信息集合中，确定至少一个目标动作指令信息，作为用于指示位姿调整的信息，其中，在被拍摄者执行至少一个目标动作指令指示的动作的过程中，以预设的时间间隔呈现目标相貌图像模板。

在一些实施例中，获取单元，进一步被配置成获取用户输入的被拍摄者的身高信息和体重信息，作为被拍摄者的相貌信息。

在一些实施例中，获取单元，进一步被配置成获取被拍摄者的全身图像；对被拍摄者的全身图像进行图像识别，得到被拍摄者的身高信息和体重信息；将被拍摄者的身高信息和体重信息作为被拍摄者的相貌信息。

在一些实施例中，对被拍摄者的全身图像进行图像识别，得到被拍摄者的身高信息和体重信息，包括：将被拍摄者的全身图像输入至预先训练的图像识别模型，获得被拍摄者的身高信息和体重信息，其中，图像识别模型用于确定输入的全身图像对应的人体的身高和体重。

在一些实施例中，相貌信息包括面部图像，相貌图像模板集合中的相貌图像模板包括具有妆容的面部图像；以及，拍摄单元，进一步被配置成：生成被拍摄者的最终拍摄图像，获得包括被拍摄者的面部的图像；将面部图像和目标相貌图像模板输入预先训练的上妆模型，获得面部具有目标相貌图像模板指示的妆容的被拍摄者的图像，作为被拍摄者的最终拍摄图像，其中，上妆模型用于生成面部具有相貌图像模板指示的妆容的被拍摄者的图像。

在一些实施例中，相貌信息包括身高信息和体重信息，相貌图像模板集合中的相貌图像模板包括具有妆容的面部图像；以及，拍摄单元，进一步被配置成：获取被拍摄者的全身图像；以及，计算被拍摄者的人体图像中的人体对象的位姿与目标相貌图像模板中的人体对象的位姿之间的位姿相似度，包括：计算全身图像中的人体对象的位姿与目标相貌图像模板中的人体对象的位姿之间的位姿相似度；以及，响应于位姿相似度大于或等于预设位姿相似度阈值，基于被拍摄者的人体图像，生成被拍摄者的最终拍摄图像，包括：响应于位姿相似度大于或等于预设位姿相似度阈值，将全身图像和目标相貌图像模板输入预先训练的上妆模型，获得面部具有目标相貌图像模板指示的妆容的被拍摄者的图像，作为被拍摄者的最终拍摄图像，其中，上妆模型用于生成面部具有相貌图像模板指示的妆容的被拍摄者的图像。

在一些实施例中，第一确定单元，进一步被配置成：从预先确定的相貌图像模板集合中，确定与相貌信息表征的相貌的相貌相似度大于或等于预设相貌相似度阈值的候选相貌图像模板；从所确定的候选相貌图像模板中，确定出与相貌信息相匹配的相貌图像模板。

在一些实施例中，从所确定的候选相貌图像模板中，确定出与相貌信息相匹配的相貌图像模板，包括：基于用户的选择，从所确定的候选相貌图像模板中，确定出与相貌信息相匹配的相貌图像模板。

在一些实施例中，相貌图像模板集合中的相貌图像模板为用户上传的图像。

第三方面，本公开实施例提供了一种电子设备，该电子设备包括：一个或多个处理器；存储装置，其上存储有一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。

第四方面，本公开实施例提供了一种计算机可读介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。

本公开的实施例提供的用于拍摄图像的方法和设备，通过获取被拍摄者的相貌信息，然后，从预先确定的相貌图像模板集合中，确定与相貌信息相匹配的相貌图像模板，作为目标相貌图像模板，最后，基于目标相貌图像模板，生成被拍摄者的最终拍摄图像，由此，针对不同的相貌信息可以匹配出不同的目标相貌图像模板，进而采用不同的目标相貌图像模板，来生成最终拍摄图像，由此，丰富了图像的拍摄方式，提高了最终拍摄图像符合被拍摄者的自身需求的概率，又可以在提高上述概率的前提下进一步提高拍摄效率。

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-图3C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方法的再一个实施例的流程图；

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，网络102和服务器103。网络102用以在终端设备101和服务器103之间提供通信链路的介质。网络102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通过网络102与服务器103交互，以接收或发送数据(例如终端设备101可以获取被拍摄者的相貌信息，然后将所获取到的相貌信息发送至服务器103)等。终端设备101上可以安装有各种客户端应用，例如图像处理类应用、美颜相机、新闻资讯类应用、视频播放软件、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可以是硬件，也可以是软件。当终端设备101为硬件时，可以是具有显示屏并且支持图像拍摄的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101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103可以是提供各种服务的服务器，例如服务器103可以从终端设备101获取被拍摄者的相貌信息，然后，从预先确定的相貌图像模板集合中，确定与相貌信息相匹配的目标相貌图像模板，进而，基于目标相貌图像模板，生成被拍摄者的最终拍摄图像。作为示例，服务器103可以是云端服务器。

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终端设备执行，相应的，在此情况下，用于拍摄图像的方法应用于的电子设备为终端设备。此外，本公开的实施例所提供的用于拍摄图像的方法也可以由服务器来执行，相应的，在此情况下，用于拍摄图像的方法应用于的电子设备为服务器。另外，本公开的实施例所提供的用于拍摄图像的方法还可以由终端设备和服务器彼此配合执行，相应的，在此情况下，用于拍摄图像的方法应用于的电子设备包括终端设备和服务器。

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应用于电子设备。该用于拍摄图像的方法，包括以下步骤：

步骤201，获取被拍摄者的相貌信息。

在本实施例中，用于拍摄图像的方法的执行主体(例如图1所示的终端设备或服务器)可以获取被拍摄者的相貌信息。

其中，上述被拍摄者可以是待对其进行图像拍摄的人。当该步骤201的执行主体为终端设备时，被拍摄者可以是该终端设备的使用者，也可以是设置于该终端设备的图像拍摄装置(例如摄像头)所拍摄到的人；当该步骤201的执行主体为服务器时，被拍摄者可以是与该服务器通信连接的终端设备的使用者，也可以是设置于与该服务器通信连接的终端设备的图像拍摄装置(例如摄像头)所拍摄到的人。

上述相貌信息可以用于指示被拍摄者的相貌。作为示例，相貌信息可以包括但不限于以下至少一项：五官位置信息、身高信息、体重信息、肤色信息等等。

在本实施例的一些可选的实现方式中，用于拍摄图像的方法的执行主体可以采用如下方式执行该步骤201：

获取用户输入的被拍摄者的身高信息和体重信息，作为被拍摄者的相貌信息。

在这里，当该步骤201的执行主体为终端设备时，其可以直接获取用户输入的被拍摄者的身高信息和体重信息，以及将获取到的身高信息和体重信息作为被拍摄者的相貌信息；当该步骤201的执行主体为服务器时，其可以从与其通信连接的终端设备获取用户输入的被拍摄者的身高信息和体重信息，以及将获取到的身高信息和体重信息作为被拍摄者的相貌信息。

可以理解，本可选的实现方式可以用户手动输入被拍摄者的身高信息和体重信息，由此，提高了获得的身高信和体重信息准确性和速度。

在本实施例的一些可选的实现方式中，用于拍摄图像的方法的执行主体也可以采用如下方式执行该步骤201：

步骤一，获取被拍摄者的全身图像。

在这里，当步骤一的执行主体为终端设备时，其可以通过图像获取装置(例如摄像头)对被拍摄者进行拍摄，从而获取到被拍摄者的全身图像；当步骤一的执行主体为服务器时，其可以在终端设备通过图像获取装置(例如摄像头)对被拍摄者进行拍摄之后，从该终端设备获取到被拍摄者的全身图像。其中，全身图像可以是包括被拍摄者整体的图像。

步骤二，对被拍摄者的全身图像进行图像识别，得到被拍摄者的身高信息和体重信息。

在本实施例的一些可选的实现方式中，可以采用如下步骤来执行上述步骤二：

将被拍摄者的全身图像输入至预先训练的图像识别模型，获得被拍摄者的身高信息和体重信息。其中，图像识别模型用于确定输入的全身图像对应的人体的身高和体重。

示例性的，上述图像识别模型可以是关联存储有被拍摄者的全身图像、身高信息和体重信息的二维表或数据库。由此，可以将二维表或数据库中与被拍摄者的全身图像关联存储的身高信息和体重信息，分别作为该被拍摄者的身高信息和体重信息。

作为又一示例，上述图像识别模型也可以是采用机器学习算法基于预先确定的训练样本集合训练得到的卷积神经网络模型。其中，上述训练样本集合中的训练样本可以包括输入数据和与输入数据相对应的期望输出数据。输入数据包括被拍摄者的全身图像。与输入数据相对应的期望输出数据包括被拍摄者的身高信息和体重信息。

可以理解，本可选的实现方式可以通过图像识别模型来识别被拍摄者的身高信息和体重信息，无需用户手动输入，一定程度上避免了用户的误操作导致的身高信息和体重信息错误输入。

可选的，也可以基于被拍摄者的全身图像中的人体对象包括的像素的数量与全身图像包括的所有像素的数量的比值，以及被拍摄者与图像采集装置之间的距离，来确定被拍摄者的身高信息和体重信息。例如，可以将经过大量的统计分析，从而制定出表征全身图像中的人体对象包括的像素的数量与全身图像包括的所有像素的数量的比值、被拍摄者与图像采集装置之间的距离、被拍摄者的身高信息和体重信息之间的对应关系的二维表或数据库，从而通过在二维表或数据库进行检索，得到被拍摄者的身高信息和体重信息。

步骤三，将被拍摄者的身高信息和体重信息作为被拍摄者的相貌信息。

可以理解，本可选的实现方式可以通过获取被拍摄者的全身图像，从而自动识别出被拍摄者的相貌信息，无需用户手动输入，由此简化了用户的操作步骤，提高了用户的使用体验，并且可以通过后续步骤自动匹配出相貌图像模板，由此，有助于最终得到适合于被拍摄者的身高和体重的最终拍摄图像。

步骤202，从预先确定的相貌图像模板集合中，确定与相貌信息相匹配的相貌图像模板，作为目标相貌图像模板。

在本实施例中，上述执行主体可以从预先确定的相貌图像模板集合中，确定与步骤201获取到的相貌信息相匹配的相貌图像模板，作为目标相貌图像模板。

其中，相貌图像模板集合中的相貌图像模板可以包含人体关键点(例如五官、四肢等等)的位置信息。作为示例，相貌图像模板可以是人体的各个关键点的位置信息的集合，也可以是包含人体轮廓的图像。

在一些情况下，相貌图像模板集合中的相貌图像模板也可以包含图像中的各个元素的位置信息，角度信息等等。

在本实施例的一些可选的实现方式中，相貌图像模板集合中的相貌图像模板为用户上传的图像。

作为示例，用户可以将对真实图像进行调整后得到的图像进行上传，由此，上述执行主体可以将用户上传的图像作为相貌图像模板。

可以理解，本可选的实现方式通过将用户上传的图像作为相貌图像模板，可以得到更具个性化的相貌图像模板集合，从而满足不同用户的拍摄需求。

可选的，也可以将用户上传的人体图像中的人体对象的轮廓，作为相貌图像模板。其中，人体对象可以包括人体的四肢对象和躯干对象。人体对象可以是人体图像中呈现的人体的影像。四肢对象可以是人体图像中呈现的人体四肢的影像。躯干对象可以是人体图像中呈现的人体躯干的影像。

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步骤来执行该步骤202：

第一步骤，从预先确定的相貌图像模板集合中，确定与相貌信息表征的相貌的相貌相似度大于或等于预设相貌相似度阈值的候选相貌图像模板。其中，相貌相似度表征相貌图像模板表征的相貌与相貌信息表征的相貌之间的相似程度。

在这里，上述执行主体可以采用各种计算相似度的方法来计算相貌图像模板集合中的各个相貌图像模板与相貌信息表征的相貌的相貌相似度，从而将相貌相似度大于或等于预设相貌相似度阈值的相貌图像模板作为候选相貌图像模板。

作为示例，上述执行主体可以将相貌图像模板和相貌信息输入至预先训练的第一相似度计算模型中，从而得到该相貌图像模板和该相貌信息表征的相貌之间的相貌相似度。其中，上述第一相似度计算模型可以用于计算相貌图像模板和相貌信息表征的相貌之间的相貌相似度。

这里，上述第一相似度计算模型可以是通过大量的统计分析而预先设置的存储有相貌图像模板、相貌信息，以及相貌图像模板和相貌信息表征的相貌之间的相貌相似度的二维表或数据库。

可选的，上述第一相似度计算模型也可以是采用机器学习方法基于预先确定的训练样本集合训练得到的卷积神经网络模型。其中，上述训练样本集合中的训练样本可以包括输入数据和与输入数据相对应的期望输出数据。输入数据包括相貌图像模板和相貌信息，期望输出数据包括输入数据包括的相貌图像模板和相貌信息表征的相貌之间的相貌相似度。

第二步骤，从所确定的候选相貌图像模板中，确定出与相貌信息相匹配的相貌图像模板。

作为示例，当所确定的候选相貌图像模板的数量为1时，上述执行主体可以将该候选相貌图像模板作为与相貌信息相匹配的相貌图像模板；当所确定的候选相貌图像模板的数量大于或等于2时，上述执行主体可以基于用户的选择，从所确定的候选相貌图像模板中，确定出与相貌信息相匹配的相貌图像模板。

可以理解，当基于用户的选择从所确定的候选相貌图像模板中确定目标相貌图像模板时，可以首先为用户从相貌图像模板中，筛选出多个候选相貌图像模板，以节省用户最终选出目标相貌图像模板的时间。

步骤203，基于目标相貌图像模板，生成被拍摄者的最终拍摄图像。

在本实施例中，上述执行主体可以基于目标相貌图像模板，生成被拍摄者的最终拍摄图像。

在本实施例的一些可选的实现方式中，相貌图像模板集合中的相貌图像模板包括人体对象。由此，上述执行主体可以通过执行如下拍摄步骤(包括第一步骤、第二步骤和第三步骤)，来实现该步骤203：

第一步骤，获取被拍摄者的人体图像。

第二步骤，计算被拍摄者的人体图像中的人体对象的位姿与目标相貌图像模板中的人体对象的位姿之间的位姿相似度。其中，位姿相似度可以用于表征被拍摄者的人体图像中的人体对象的位姿与目标相貌图像模板中的人体对象的位姿之间的相似程度。

在这里，上述执行主体可以采用各种计算相似度的方法来计算被拍摄者的人体图像中的人体对象的位姿与目标相貌图像模板中的人体对象的位姿之间的位姿相似度。

作为示例，当上述执行主体可以将被拍摄者的人体图像和目标相貌图像模板输入至预先训练的第二相似度计算模型中，从而得到被拍摄者的人体图像中的人体对象的位姿与目标相貌图像模板中的人体对象的位姿之间的相似度。其中，上述第二相似度计算模型可以用于计算被拍摄者的人体图像中的人体对象的位姿与相貌图像模板中的人体对象的位姿之间的位姿相似度。

这里，上述第二相似度计算模型可以是通过大量的统计分析而预先设置的存储有被拍摄者的人体图像、相貌图像模板，以及被拍摄者的人体图像中的人体对象的位姿与相貌图像模板中的人体对象的位姿之间的位姿相似度的二维表或数据库。

可选的，上述第二相似度计算模型也可以是采用机器学习方法基于预先确定的训练样本集合训练得到的卷积神经网络模型。其中，上述训练样本集合中的训练样本可以包括输入数据和与输入数据相对应的期望输出数据。输入数据包括人体图像和相貌图像模板，期望输出数据包括输入数据包括的人体图像中的人体对象的位姿与该输入数据包括的相貌图像模板中的人体对象的位姿之间的位姿相似度。

第三步骤，响应于上述第二步骤中得到的位姿相似度大于或等于预设位姿相似度阈值，基于被拍摄者的人体图像，生成被拍摄者的最终拍摄图像。

具体地，上述执行主体可以将被拍摄者的人体图像中的人体对象的位姿，调整为目标相貌图像模板包括的人体对象的位姿，从而得到被拍摄者的最终拍摄图像。

可选的，上述执行主体也可以采用如下方式基于目标相貌图像模板，生成被拍摄者的最终拍摄图像：

获取当前被拍摄者的人体图像，将该人体图像中的人体对象的位姿，调整为目标相貌图像模板包括的人体对象的位姿，从而得到被拍摄者的最终拍摄图像。

在本实施例的一些可选的实现方式中，上述执行主体还可以执行如下步骤：

响应于位姿相似度小于预设位姿相似度阈值，生成用于指示位姿调整的信息，以及继续执行拍摄步骤。

作为示例，上述用于指示位姿调整的信息可以是预先确定的信息。例如，该用于指示位姿调整的信息可以是“请重新调整您的位姿”。

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方式生成用于指示位姿调整的信息：

从预先确定的动作指令信息集合中，确定至少一个目标动作指令信息，作为用于指示位姿调整的信息。其中，在被拍摄者执行至少一个目标动作指令指示的动作的过程中，以预设的时间间隔呈现目标相貌图像模板。

在这里，上述动作指令信息集合中的动作指令信息可以用于指示被拍摄者进行人体部分(例如头部、手部、臂部、脚部、腿部等等)的位姿调整。由此，上述执行主体可以针对每个人体部分，分别确定人体图像中的该人体部分的位姿是否与目标相貌图像模板中的该人体部分的位姿的相似度是否小于预设阈值，如果小于，则将该人体部分对应的动作指令信息作为目标动作指令信息。

由此，可以将各个目标动作指令信息作为用于指示位姿调整的信息。

可以理解，本可选的实现方式可以在被拍摄者执行至少一个目标动作指令指示的动作的过程中，以预设的时间间隔向用户呈现目标相貌图像模板，从而方便用户将目标相貌图像模板与当前被拍摄者的位姿进行比对，由此可以辅助被拍摄者进行图像拍摄，进一步丰富了图像的拍摄方式，并且有助于进一步提高拍摄效率。

继续参见图3A-图3C，图3A-图3C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，终端设备31首先获取被拍摄者的相貌信息301(示例性的，如图3A所示，相貌信息为“身高：175cm体重：70kg”)，然后，请参考图3B，终端设备31从预先确定的相貌图像模板集合302(示例性的，如图3A所示，相貌图像模板集合302包括相貌图像模板3021和相貌图像模板3022)中，确定与相貌信息301相匹配的相貌图像模板3022，作为目标相貌图像模板，最后，请参考图3C，终端设备31基于目标相貌图像模板(图示中为相貌图像模板3022)，生成被拍摄者303的最终拍摄图像304。

本公开的上述实施例提供的方法，通过获取被拍摄者的相貌信息，然后，从预先确定的相貌图像模板集合中，确定与相貌信息相匹配的相貌图像模板，作为目标相貌图像模板，最后，基于目标相貌图像模板，生成被拍摄者的最终拍摄图像，由此，针对不同的相貌信息可以匹配出不同的目标相貌图像模板，进而采用不同的目标相貌图像模板，来生成最终拍摄图像，由此，丰富了图像的拍摄方式，提高了最终拍摄图像符合被拍摄者的自身需求的概率，又可以在提高上述概率的前提下进一步提高拍摄效率。

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应用于电子设备。该用于拍摄图像的方法，包括以下步骤：

步骤401，获取被拍摄者的相貌信息。

在本实施例中，用于拍摄图像的方法的执行主体(例如图1所示的终端设备或服务器)可以获取被拍摄者的相貌信息。其中，相貌信息包括面部图像。

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402，从预先确定的相貌图像模板集合中，确定与相貌信息相匹配的相貌图像模板，作为目标相貌图像模板。

在本实施例中，上述执行主体可以从预先确定的相貌图像模板集合中，确定与相貌信息相匹配的相貌图像模板，作为目标相貌图像模板。其中，相貌图像模板集合中的相貌图像模板包括具有妆容的面部图像。

在这里，上述执行主体可以将步骤401中获取到的相貌信息输入至预先训练的模板匹配模型，得到与所输入的相貌信息相匹配的相貌图像模板。其中，模板匹配模型可以从上述相貌图像模板集合中，确定与输入的相貌信息相匹配的相貌图像模板。

作为示例，上述模板匹配模型可以是采用机器学习算法基于预先确定的训练样本集合训练得到的卷积神经网络模型。其中，上述训练样本集合中的训练样本包括输入数据和与输入数据相对应的期望输出数据。输入数据为相貌信息，与输入数据相对应的期望输出数据为相貌图像模板集合中与相貌信息相匹配的相貌图像模板。

可选的，上述执行主体还可以对相貌信息进行人脸关键点特征(例如鼻子、嘴巴、眉毛、颧骨等等)提取，得到与相貌信息相对应的特征数据。其中，人脸关键点特征可以表征人脸关键点的位置。然后，对相貌图像模板集合中的每个相貌图像模板进行人脸关键点特征提取，获得与相貌图像模板相对应的特征数据。之后，分别计算与相貌信息相对应的特征数据和每个与相貌图像模板相对应的特征数据之间的相似度，从而将大于或等于预设数值的相似度对应的相貌图像模板作为与该相貌信息相匹配的相貌图像模板。

在本实施例中，步骤402与图2对应实施例中的步骤202基本一致，这里不再赘述。

步骤403，将面部图像和目标相貌图像模板输入预先训练的上妆模型，获得面部具有目标相貌图像模板指示的妆容的图像，作为被拍摄者的最终拍摄图像。

在本实施例中，上述执行主体可以将面部图像和目标相貌图像模板输入预先训练的上妆模型，获得面部具有目标相貌图像模板指示的妆容的图像，以及将面部具有目标相貌图像模板指示的妆容的图像作为被拍摄者的最终拍摄图像。其中，上妆模型用于生成面部具有相貌图像模板指示的妆容的被拍摄者的图像。

作为示例，上妆模型可以是采用机器学习算法基于预先确定的训练样本集合训练得到的卷积神经网络。其中，上述训练样本集合中的训练样本可以包括输入数据和与输入数据相对应的期望输出数据。输入数据包括面部图像和相貌图像模板。与输入数据相对应的期望输出数据包括面部具有相貌图像模板指示的妆容的图像。

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，本实施例中的用于拍摄图像的方法的流程400可以基于相貌图像，采用上妆模型为被拍摄者的面部图像进行个性化的上妆，从而提高了最终得到的被拍摄者的最终拍摄图像符合被拍摄者的自身上妆需求的概率，又可以在提高上述概率的前提下进一步提高拍摄效率。

请继续参考图5，其示出了用于拍摄图像的方法的再一个实施例的流程500。该用于拍摄图像的方法应用于电子设备。该用于拍摄图像的方法，包括以下步骤：

步骤501获取被拍摄者的相貌信息。之后，执行步骤502。

在本实施例中，用于拍摄图像的方法的执行主体(例如图1所示的终端设备或服务器)可以获取被拍摄者的相貌信息。其中，相貌信息包括身高信息和体重信息。

在本实施例中，步骤501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502，从预先确定的相貌图像模板集合中，确定与相貌信息相匹配的相貌图像模板，作为目标相貌图像模板。之后，执行步骤503。

在本实施例中，上述执行主体可以从预先确定的相貌图像模板集合中，确定与相貌信息相匹配的相貌图像模板，作为目标相貌图像模板。其中，相貌图像模板集合中的相貌图像模板包括人体对象和具有妆容的面部图像。人体对象可以是图像中呈现的人体的影像。人体对象可以包括人体的四肢对象和躯干对象。四肢对象可以是人体图像中呈现的人体四肢的影像。躯干对象可以是人体图像中呈现的人体躯干的影像。

在本实施例中，步骤502可以与图2对应实施例中的步骤202基本一致，或者，也可以与图4对应实施例中的步骤402基本一致，这里不再赘述。

步骤503，获取被拍摄者的全身图像。之后，执行步骤504。

在本实施例中，上述执行主体可以获取被拍摄者的全身图像。

其中，全身图像可以是包括被拍摄者整体的图像。作为示例，全身图像可以是包括面部对象、躯干对象、四肢对象的图像。面部对象可以是图像中呈现的人的面部的影像。躯干对象可以是图像中呈现的人的躯干的影像。四肢对象可以是图像中呈现的人的四肢的影像。

步骤504，计算全身图像中的人体对象的位姿与目标相貌图像模板中的人体对象的位姿之间的位姿相似度。之后，执行步骤505。

在本实施例中，上述执行主体可以计算全身图像中的人体对象的位姿与目标相貌图像模板中的人体对象的位姿之间的位姿相似度。其中，位姿相似度表征相貌图像模板表征的位姿与全身图像中的人体对象的位姿之间的相似程度。

在这里，上述执行主体可以采用各种计算相似度的方法来计算相貌图像模板集合中的各个相貌图像模板表征的位姿与全身图像中的人体对象的位姿之间的位姿相似度。

作为示例，上述执行主体可以将相貌图像模板和全身图像输入至预先训练的第三相似度计算模型中，从而得到该相貌图像模板表征的位姿和该全身图像中的人体对象的位姿之间的位姿相似度。其中，上述第三相似度计算模型可以用于计算相貌图像模板表征的位姿和全身图像中的人体对象的位姿之间的位姿相似度。

这里，上述第三相似度计算模型可以是通过大量的统计分析而预先设置的存储有相貌图像模板、全身图像，以及相貌图像模板表征的位姿和全身图像中的人体对象的位姿之间的位姿相似度的二维表或数据库。

可选的，上述第三相似度计算模型也可以是采用机器学习方法基于预先确定的训练样本集合训练得到的卷积神经网络模型。其中，上述训练样本集合中的训练样本可以包括输入数据和期望输出数据。输入数据包括相貌图像模板和全身图像，期望输出数据包括与输入数据相对应的相貌图像模板表征的位姿和全身图像中的人体对象的位姿之间的位姿相似度。

步骤505，确定计算得到的位姿相似度是否大于或等于预设位姿相似度阈值。之后，若是，则执行步骤506。

在本实施例中，上述执行主体可以确定计算得到的位姿相似度是否大于或等于预设位姿相似度阈值。

步骤506，将全身图像和目标相貌图像模板输入预先训练的上妆模型，获得面部具有目标相貌图像模板指示的妆容的被拍摄者的图像，作为被拍摄者的最终拍摄图像。

在本实施例中，在步骤505中计算得到的位姿相似度大于或等于预设位姿相似度阈值的情况下，上述执行主体还可以将全身图像和目标相貌图像模板输入预先训练的上妆模型，获得面部具有目标相貌图像模板指示的妆容的被拍摄者的图像，以及将面部具有目标相貌图像模板指示的妆容的被拍摄者的图像，作为被拍摄者的最终拍摄图像。其中，上妆模型可以用于生成面部具有相貌图像模板指示的妆容的被拍摄者的图像。

在本示例中，上妆模型可以是采用机器学习算法基于预先确定的训练样本集合训练得到的卷积神经网络。其中，上述训练样本集合中的训练样本可以包括输入数据和与输入数据相对应的期望输出数据。输入数据包括全身图像和相貌图像模板。与输入数据相对应的期望输出数据包括面部具有相貌图像模板指示的妆容的图像。

在本实施例的一些可选的实现方式中，若步骤505中计算得到的位姿相似度小于上述预设位姿相似度阈值，那么上述执行主体可以继续执行步骤503。

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或图4对应的实施例相同或类似的特征、效果，在此不再赘述。

从图5中可以看出，本实施例中的用于拍摄图像的方法的流程500可以基于被拍摄者的身高信息和体重信息，采用上妆模型为被拍摄者的全身图像中的面部图像进行个性化的上妆，从而提高了最终得到的被拍摄者的最终拍摄图像符合被拍摄者的自身上妆需求和位姿需求的概率，又可以在提高上述概率的前提下进一步提高拍摄效率。

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中的终端设备或服务器)600的结构示意图。图6示出的电子设备仅仅是一个示例，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：获取被拍摄者的相貌信息；从预先确定的相貌图像模板集合中，确定与相貌信息相匹配的相貌图像模板，作为目标相貌图像模板；基于目标相貌图像模板，生成被拍摄者的最终拍摄图像。

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。

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 (12)

1.一种用于拍摄图像的方法，应用于电子设备，包括：

获取被拍摄者的相貌信息，所述相貌信息用于表征所述被拍摄者的相貌；

从预先确定的相貌图像模板集合中，确定与所述相貌信息相匹配的相貌图像模板，作为目标相貌图像模板，其中，所述相貌图像模板集合中的相貌图像模板包括人体对象，所述相貌图像模板集合中的相貌图像模板为用户上传的图像；基于所述目标相貌图像模板，生成所述被拍摄者的最终拍摄图像，包括：执行如下拍摄步骤：

获取所述被拍摄者的人体图像；

计算所述被拍摄者的人体图像中的人体对象的位姿与所述目标相貌图像模板中的人体对象的位姿之间的位姿相似度；

响应于所述位姿相似度大于或等于预设位姿相似度阈值，基于所述被拍摄者的人体图像，生成所述被拍摄者的最终拍摄图像；

所述获取所述被拍摄者的人体图像，包括：

获取所述被拍摄者的全身图像；以及

所述计算所述被拍摄者的人体图像中的人体对象的位姿与所述目标相貌图像模板中的人体对象的位姿之间的位姿相似度，包括：

计算所述全身图像中的人体对象的位姿与所述目标相貌图像模板中的人体对象的位姿之间的位姿相似度；以及

所述响应于所述位姿相似度大于或等于预设位姿相似度阈值，基于所述被拍摄者的人体图像，生成所述被拍摄者的最终拍摄图像，包括：

响应于所述位姿相似度大于或等于预设位姿相似度阈值，将所述全身图像和所述目标相貌图像模板输入预先训练的上妆模型，获得面部具有所述目标相貌图像模板指示的妆容的被拍摄者的图像，作为所述被拍摄者的最终拍摄图像，其中，所述上妆模型用于生成面部具有相貌图像模板指示的妆容的被拍摄者的图像。

2.根据权利要求1所述的方法，其中，所述方法还包括：

响应于所述位姿相似度小于所述预设位姿相似度阈值，生成用于指示位姿调整的信息，以及继续执行所述拍摄步骤。

3.根据权利要求2所述的方法，其中，所述生成用于指示位姿调整的信息，包括：

从预先确定的动作指令信息集合中，确定至少一个目标动作指令信息，作为用于指示位姿调整的信息，其中，在所述被拍摄者执行所述至少一个目标动作指令指示的动作的过程中，以预设的时间间隔呈现所述目标相貌图像模板。

4.根据权利要求1-3之一所述的方法，其中，所述获取被拍摄者的相貌信息，包括：

获取用户输入的被拍摄者的身高信息和体重信息，作为所述被拍摄者的相貌信息。

5.根据权利要求1-3之一所述的方法，其中，所述获取被拍摄者的相貌信息，包括：

获取被拍摄者的全身图像；

对所述被拍摄者的全身图像进行图像识别，得到所述被拍摄者的身高信息和体重信息；

将所述被拍摄者的身高信息和体重信息作为所述被拍摄者的相貌信息。

6.根据权利要求5所述的方法，其中，所述对所述被拍摄者的全身图像进行图像识别，得到所述被拍摄者的身高信息和体重信息，包括：

将所述被拍摄者的全身图像输入至预先训练的图像识别模型，获得所述被拍摄者的身高信息和体重信息，其中，所述图像识别模型用于确定输入的全身图像对应的人体的身高和体重。

7.根据权利要求1所述的方法，其中，所述相貌信息包括面部图像，所述相貌图像模板集合中的相貌图像模板包括具有妆容的面部图像；以及

所述基于所述目标相貌图像模板，生成所述被拍摄者的最终拍摄图像，包括：将所述面部图像和所述目标相貌图像模板输入预先训练的上妆模型，获得面部具有所述目标相貌图像模板指示的妆容的图像，作为所述被拍摄者的最终拍摄图像，其中，所述上妆模型用于生成面部具有相貌图像模板指示的妆容的被拍摄者的图像。

8.根据权利要求1-3之一所述的方法，其中，所述相貌信息包括身高信息和体重信息，所述相貌图像模板集合中的相貌图像模板包括具有妆容的面部图像。

9.根据权利要求1-3之一所述的方法，其中，所述从预先确定的相貌图像模板集合中，确定与所述相貌信息相匹配的相貌图像模板，包括：

从预先确定的相貌图像模板集合中，确定与所述相貌信息表征的相貌的相貌相似度大于或等于预设相貌相似度阈值的候选相貌图像模板；

从所确定的候选相貌图像模板中，确定出与所述相貌信息相匹配的相貌图像模板。

10.根据权利要求9所述的方法，其中，从所确定的候选相貌图像模板中，确定出与所述相貌信息相匹配的相貌图像模板，包括：

基于用户的选择，从所确定的候选相貌图像模板中，确定出与所述相貌信息相匹配的相貌图像模板。

11.一种电子设备，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1-10中任一所述的方法。

12.一种计算机可读介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1-10中任一所述的方法。

Images