CN113395452B - 一种自动拍摄方法 - Google Patents

Abstract

本发明提供了一种自动拍摄方法，其步骤包括：S1识别取景区内当前帧的人体姿态特征点与预设人体姿态关键点的匹配度；S2当步骤S1匹配度达标时，进行人脸宏观分析，以获取第一人脸参照；S3当取景区内人体姿态关键点匹配度达标，并满足第一人脸参照时，触发拍摄。从而避免造成漏拍事故，并且相对于人工，能够更好的稳定作品质量，同时减少了不必要的照片及废片，此外理论上可以替代人工，实现自动化拍摄，以降低拍摄成本。

Description

一种自动拍摄方法

技术领域

本发明涉及人工智能领域，尤其涉及采用人工智能技术识别人物优选拍摄姿态并自动抓拍的方法。

背景技术

在专业的模特摄影行业中，模特每分钟需要摆上上百个姿势来满足拍摄方的需求，加上需要换装化妆等设计，每天的拍摄工作量是巨大的，然而由于技术上的限制，该领域目前仍然采用人工拍摄方式进行抓拍，并辅以后期修图加工或筛选方式来挑选出合格的照片，然而一个问题在于，这种采用人工手段进行抓拍的方式难免会因为没有跟上模特节奏等情况，造成漏拍或姿态还未摆完全就按下快门，造成未成型的废片的问题存在。

为此本领域亟待一种技术能够识别被摄者的体貌姿态的完成度，并自动进行抓拍的方案。

发明内容

本发明的主要目的在于提供一种自动拍摄方法，以识别被摄者的体貌姿态的完成度，并自动进行抓拍。

为了实现上述目的，根据本发明的一个方面，提供了一种自动拍摄方法，其步骤包括：

S1识别取景区内当前帧的人体姿态特征点与预设人体姿态关键点的匹配度；

S2当步骤S1匹配度达标时，进行人脸宏观分析，以获取第一人脸参照；

S3当取景区内人体姿态关键点匹配度达标，并满足第一人脸参照时，触发拍摄。

在可能的优选实施方式中，步骤S1中预设人体姿态关键点，由被摄者上一次拍摄的对应姿态照片中选取以作为基准，经过转换后取得。

在可能的优选实施方式中，步骤S1中人体姿态特征点与预设人体姿态关键点的匹配过程包括：设定所要匹配的关键点数量；比对关键点与特征点之间的偏离距离；各特征点符合偏离距离阈值的则符合匹配。

在可能的优选实施方式中，人脸宏观分析步骤包括：获取步骤S1匹配度达标的帧数据，以供识别性别、年龄、情绪面部属性，并赋分值和权重，其中各面部属性权重设定为，男性：颜值＞情绪＞年龄，女性：年龄＞颜值＞情绪，以建立第一人脸参照。

为了实现上述目的，根据本发明的另一个方面，还提供了一种自动拍摄方法，其步骤包括：

S1识别取景区内人体姿态特征点与预设人体姿态关键点的匹配度；

S2当步骤S1匹配度达标时，识别当前取景区内人脸，调取对应的第一人脸参照模板；

S3当取景区内人体姿态关键点匹配度达标，并满足第一人脸参照模板时，触发拍摄。

为了实现上述目的，根据本发明的另一个方面，还提供了一种自动拍摄方法，其步骤包括：

S1记录取景区内人体姿态特征点变化帧，筛选出姿态间过渡段关键帧；

S2在关键帧中根据姿态变化幅度阈值，筛选出第一姿态组；

S3 在第一姿态组中，根据第一方案，选出基准帧进行人脸宏观分析，以获取第一人脸参照；

S4根据第一人脸参照为基准，在第一姿态组中，筛选出最优帧并记录。

在可能的优选实施方式中，关键帧包括：pose成型的关键时刻中的尾帧，其中所述尾帧代表一个pose被完成后，即将要转变为下个pose的起点；及尾帧之前的数帧关键帧。

在可能的优选实施方式中，步骤S2的筛选步骤包括：以尾帧为参照，获取其人体姿态关键点；识别各关键帧中人体姿态特征点，以比对与尾帧中的人体姿态关键点之间偏差范围；当关键帧中的人体姿态特征点符合偏差范围时记录，以筛选出第一姿态组。

在可能的优选实施方式中，所述第一方案包括：随机选择第一姿态组中的一帧作为基准帧，或选择其中尾帧作为基准帧，中的任一一种方式。

为了实现上述目的，根据本发明的另一个方面，还提供了一种自动拍摄方法，其步骤包括：

S1记录取景区内人体姿态特征点变化帧，识别姿态间过渡段尾帧，所述尾帧包括pose被完成后即将要转变下个pose的起点帧；设置阈值获取尾帧之前的数帧；

S2在关键帧中根据姿态变化幅度阈值，筛选出第一姿态组，步骤包括：以尾帧为参照，获取其人体姿态关键点；识别各关键帧中人体姿态特征点，以比对与尾帧中的人体姿态关键点之间偏差范围；当关键帧中的人体姿态特征点符合偏差范围时记录，以筛选出第一姿态组；

S3 在第一姿态组中，根据第一方案，选出一帧作为基准，并进行人脸宏观分析，以获取第一人脸参照；其中该第一方案包括：随机选择该第一姿态组中一帧作为基准，以对该帧进行人脸宏观分析，步骤包括：识别该帧的性别、年龄、情绪，以及妆容、颜值、眼镜等面部属性，并赋予各面部属性的分值和权重，以建立第一人脸参照；

S4根据第一人脸参照为基准，在第一姿态组中，筛选出最优帧并记录。

通过本发明提供的该自动拍摄方法，有益效果在于，能够识别被摄者的体貌姿态的完成度，并自动进行抓拍，从而避免造成漏拍事故，并且相对于人工，能够更好的稳定作品质量，同时减少了不必要的照片及废片，此外理论上可以替代人工，实现自动化拍摄，以降低拍摄成本。

附图说明

构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据本发明第一实施例的姿态特征点与姿态关键点对比示意图；

图2是根据本发明第一实施例的步骤流程示意图；

图3是根据本发明第二实施例的步骤流程示意图。

具体实施方式

下面对本发明的具体实施方式进行详细地说明。以下示例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对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。

需要说明的是，在不冲突的情况下，本申请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发明。

为了使本领域的技术人员更好的理解本发明方案，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，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，在本领域普通技术人员没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明的保护范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。而术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含。此外本发明的实施例中该拍摄含义包括摄影、摄像之意，而该拍摄所获取图像/照片所使用的形式，并不限于照相机快门触发获得图像，亦可为摄像过程中截取帧的方式获得图像。

（一）

请参阅图1至图2所示，为了能够实现通过识别被摄者的体貌姿态的完成度，来自动进行抓拍。本发明提供了一种自动拍摄方法，该步骤主要包括：

S1识别取景区内人体姿态特征点与预设人体姿态关键点的匹配度；

在优选实施方式中，该人体姿态特征点的获取方式包括：通过实时获取取景区内模特影像帧，如通过相机预览回调接口可以实时获得预览数据，输入到body_analysis (百度AI算法API)，即可获取到人体姿态特征点。如包括：头顶，左肩，右肩，左手肘，右手肘，左手腕，右手腕，左髋部，右髋部，左膝，右膝，左脚踝，右脚踝这些位置点。

而本实施例中，该人体姿态关键点可以模板形式存在，而该些姿态可以是模特拍摄过程中常用pose的姿态关键点模板，从而用于匹配人体姿态特征点，即可知晓该当前模特姿态与模板姿态的匹配度。

而在另一优选实施方式下，该人体姿态关键点也可以是从模特自身上一次拍摄的照片或自选的最佳照片中进行选取，并输入到body_analysis，来获取该参照模板的人体姿态关键点，因此通过该实施例，可以更好的统一同一模特的多次拍摄效果，从而稳定该模特的总体拍摄出图质量。

S2当匹配度达标时，进行人脸宏观分析，以获取第一人脸参照；

在优选实施方式中，当步骤S1的人体姿态特征点与预设人体姿态关键点的匹配过程中，可通过设置合理阈值方式提高匹配灵活性，从而当两者匹配达标时，再进行人脸宏观分析。其中该合理阈值的设置可包括：设定所要匹配的关键点/特征点数量，和/或关键点与特征点之间的偏离距离。

此外本实施例下，由于每个人的五官位置各不相同，因此不同人的情绪，颜值的表现也各有不同，为了能更好的记录模特最佳的表情，该人脸宏观分析主要用于针对模特本人的脸部特征进行分析处理，从而以上一次拍摄的模特人脸为参照，籍此用于比对后续的照片必须优于或至少等于该参照的效果时，才允许通过，籍此能够更好的匹配模特本身，从而提高最终照片质量。

因此本实施例中，该人脸宏观分析步骤，包括：获取步骤S1匹配度达标的模特影像帧数据，通过macro_facial_analysis(百度AI算法API)来识别性别、年龄、情绪，以及妆容、颜值、眼镜等面部属性。其次赋予各面部属性的分值和或权重，如：1代表男性，0代表女性、性别（1代表男性，0代表女性）、年龄（一个非负整数，标识估计的年龄）、颜值（数值0-100）、情绪（0代表伤心，1代表平静，2代表微笑，3代表大笑，4代表惊讶，5代表恐惧，6代表愤怒，7代表厌恶）；而这些面部属性的权重对比优先级可以设定为，男性：颜值＞情绪＞年龄，女性：年龄＞颜值＞情绪，从而根据这些参数建立第一人脸参照，其中上述面部属性的分值设置或权重的设置，可参考现有技术，本案并不进行限制。

其中在另一优选实施方式下，该第一人脸参照也可以是从模特自选的最佳照片中进行选取，并输入到输入到macro_facial_analysis，来获取该照片的面部属性的分值并设定权重，因此通过该实施例，可以更好的统一同一模特的多次拍摄效果，从而稳定该模特的总体拍摄出图质量。

S3当取景区内人体姿态关键点匹配度达标，并满足第一人脸参照时，说明此时模特所摆pose的体貌姿态的完成度很高，此时便可自动触发拍摄。籍此便可在第一时间，自动记录下该模特当前pose下的最优照片，从而避免错过模特优美姿态的瞬间。

此外本实施例下，此外在某些场景下，由于模特会进行更替拍摄，且即便同一人在上妆后的容貌也会有所变化，因此不同人或素颜、上妆后的情绪，颜值的表现也各有不同，为了能更好的记录模特最佳的表情，而此时即便人体姿态匹配达标，但第一人脸参照可能并不适于当前模特的匹配，因此在优选实施方式下，该步骤S2还包括：识别当前取景区内人脸，调取对应的第一人脸参照模板。

具体来说，当更换模特、或模特上妆后，当判断该模特当前未建档获取过第一人脸参照时，则先进行人脸识别进行建档，然后再进行人脸宏观分析，以获取其对应的第一人脸参照；而当识别出已经建档过的模特时，则直接调取调取对应的第一人脸参照即可，从而适用于不同模特混合拍摄，或模特上妆后的拍摄。

（二）

请参阅图3所示，为了能够实现通过识别被摄者的体貌姿态的完成度，来自动进行抓拍。本发明提供了一种自动拍摄方法，其中该方法并非实时采用传统相机按下快门方式记录最佳照片，而是通过记录拍摄过程，并从中筛选出最佳帧的方式来获取等同于抓拍效果的照片，其中该步骤主要包括：

S1记录取景区内人体姿态特征点变化帧，如记录下从pose1转变到poseN这个过中所有的帧，之后通过姿态分析及姿态模板匹配等现有技术，如模特在做出pose之间切换时，会有一个极短停顿的过程，而该过程实质是pose成型的关键时刻，而该时刻即为本实施例中提出的姿态间过渡段关键帧中的尾帧，而尾帧有时并不一定是最优的形态，只是代表一个pose被完成后即将要转变下个pose的起点，因此为了筛选出更多可能的最优帧，则可通过设置阈值方式设定该尾帧之前的数帧也属于该关键帧；另一方面由于该关键帧根据每个模特的停顿习惯的不同，姿态切换的速度不同，pose的关键帧可以设定不同数量。

而另一优选实施方式中，通过实时获取取景区内模特影像帧，并通过相机预览回调接口可以实时获得预览数据，输入到body_analysis (百度AI算法API)，即可获取到每一帧的人体姿态特征点，并与各个预设的pose所对应的人体姿态关键点模板进行比对，通过设定匹配度阈值，如关键点与特征点之间的偏离距离，也可筛选出姿态间过渡段关键帧。

其中该人体姿态关键点以模板形式存在，而该些姿态可以是模特拍摄过程中常用pose的姿态关键点模板，从而用于匹配人体姿态特征点，即可知晓该当前模特姿态与模板姿态的匹配度。

而在另一优选实施方式下，该人体姿态关键点模板也可以是从模特自身上一次拍摄的照片或自选的最佳照片中进行选取，并输入到输入到body_analysis，来获取该参照模板的人体姿态关键点，因此通过该实施例，可以更好的统一同一模特的多次拍摄效果，从而稳定该模特的总体拍摄出图质量。

S2当获取到姿态间过渡段关键帧后，为了进一步筛选出基本成形的pose，在关键帧中根据姿态变化幅度阈值，筛选出第一姿态组；具体来说，该姿态变化幅度阈值，实质上可以通过以尾帧为参照，通过识别各关键帧中人体姿态特征点，相对于尾帧中的人体姿态特征点之间偏差范围阈值，籍此筛选出接近当前pose姿态成形状态的关键帧，而本实施例下，本领域技术人员可以根据实际情况通过合理设定阈值，一般优选选取出一组多张关键帧来进行后续的进一步筛选，以提高容错率。

S3 之后在第一姿态组中，根据第一方案，选出一帧作为基准，并进行人脸宏观分析，以获取第一人脸参照；其中该第一方案包括：随机选择该第一姿态组中一帧作为基准，或选择其中尾帧作为基准，以对该帧进行人脸宏观分析，步骤包括：通过macro_facial_analysis(百度AI算法API)来识别该帧的性别、年龄、情绪，以及妆容、颜值、眼镜等面部属性。其次赋予各面部属性的分值和或权重，如：1代表男性，0代表女性、性别（1代表男性，0代表女性）、年龄（一个非负整数，标识估计的年龄）、颜值（数值0-100）、情绪（0代表伤心，1代表平静，2代表微笑，3代表大笑，4代表惊讶，5代表恐惧，6代表愤怒，7代表厌恶）；而这些面部属性的权重对比优先级可以设定为，男性：颜值＞情绪＞年龄，女性：年龄＞颜值＞情绪，从而根据这些参数建立第一人脸参照，其中上述面部属性的分值设置或权重的设置，可参考现有技术，本案并不进行限制。

S4而后根据第一人脸参照为基准，在第一姿态组中，筛选出最优帧并记录。此时所筛选出的帧则既在表情颜值上处于优势，同时所摆pose的体貌姿态的完成度很高，此时便可自动触发拍摄/记录。籍此便可自动记录下该模特当前pose下的最优照片，从而避免错过模特优美姿态的瞬间。

由此可见，上述本发明提供的该自动拍摄方法，能够有效识别被摄者的体貌姿态的完成度，并自动进行抓拍，从而避免造成漏拍事故，并且相对于人工，能够更好的稳定作品质量，同时减少了不必要的照片及废片，此外理论上可以替代人工，实现自动化拍摄，以降低拍摄成本。

以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

本领域技术人员可以理解，除了以纯计算机可读程序代码方式实现本发明提供的系统、装置及其各个模块以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统、装置及其各个模块以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同程序。所以，本发明提供的系统、装置及其各个模块可以被认为是一种硬件部件，而对其内包括的用于实现各种程序的模块也可以视为硬件部件内的结构；也可以将用于实现各种功能的模块视为既可以是实现方法的软件程序又可以是硬件部件内的结构。

此外实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得单片机、芯片或处理器（processor）执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，RandomAccess Memory）、磁碟或者光盘等各种可以存储程序代码的介质。

此外，本发明实施例的各种不同的实施方式之间也可以进行任意组合，只要其不违背本发明实施例的思想，其同样应当视为本发明实施例所公开的内容。

Claims (2)

1.一种自动拍摄方法，其特征在于步骤包括：

S1记录取景区内人体姿态特征点变化帧，筛选出姿态间过渡段关键帧，其中所述关键帧包括：pose成型的关键时刻中的尾帧，其中所述尾帧代表一个pose被完成后，即将要转变为下个pose的起点；及尾帧之前的数帧；

S2在关键帧中根据姿态变化幅度阈值，筛选出第一姿态组；

S3 在第一姿态组中，根据第一方案随机选择第一姿态组中的一帧作为基准帧，或选择其中尾帧作为基准帧，选出基准帧进行人脸宏观分析，以识别该帧的面部属性，并赋予各面部属性分值和权重，以获取第一人脸参照；

S4根据第一人脸参照为基准，在第一姿态组中，筛选出最优帧并记录。

2.根据权利要求1所述的自动拍摄方法，其特征在于，步骤S2的筛选步骤包括：以尾帧为参照，获取其人体姿态关键点；识别各关键帧中人体姿态特征点，以比对与尾帧中的人体姿态关键点之间偏差范围；当关键帧中的人体姿态特征点符合偏差范围时记录，以筛选出第一姿态组。

Images