CN104156695A - 一种人脸图像的校正方法及装置 - Google Patents
一种人脸图像的校正方法及装置 Download PDFInfo
- Publication number
- CN104156695A CN104156695A CN201410344633.4A CN201410344633A CN104156695A CN 104156695 A CN104156695 A CN 104156695A CN 201410344633 A CN201410344633 A CN 201410344633A CN 104156695 A CN104156695 A CN 104156695A
- Authority
- CN
- China
- Prior art keywords
- facial image
- corrected
- image
- angle
- attitude
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本公开是关于一种人脸图像的校正方法及装置,该方法包括:获取待校正人脸图像;以待校正人脸图像中的人脸的预判角度作为成像参数之一,按照成像参数对预先保存的立体人脸模型进行投影生成平面人脸图像;当待校正人脸图像与平面人脸图像的图像相似度符合预设条件时,将待校正人脸图像映射到处于预判角度的立体人脸模型上生成待校正人脸模型,在待校正人脸模型的正面进行投影生成正面人脸图像。本公开提供的方案可以将带有角度的待校正人脸图像调整为正面人脸图像,从而为后续的人脸识别操作提供正面人脸图像。
Description
技术领域
本发明涉及图像技术领域,更具体的说,涉及人脸图像的校正方法及装置。
背景技术
目前,人脸图像识别技术指的是对正面的人脸图像进行识别,如果人脸图像不是正面的,而是带有一定角度的,那么就很难采用人脸图像识别技术对人脸图像进行识别。例如,人脸图像为水平向左摆动30度,那么就无法采用人脸图像识别技术对该人脸图像进行精确的识别。
通常情况下,相关的图像处理技术主要为仿射变换。由于仿射变换仅可以对图片进行平移、缩放、旋转、翻转和错切等处理,所以无法将带有角度的人脸图像调整为正面的人脸图像,从而无法为后续的人脸识别操作提供正面的人脸图像。
因此,如何将带有角度的人脸图像调整为正面的人脸图像,成为目前最需要解决的问题。
发明内容
为克服相关技术中存在的问题,本公开提供一种人脸图像的校正方法及装置,以实现将带有角度的人脸图像调整为正面的人脸图像,从而为后续的人脸识别操作提供正面的人脸图像。
根据本公开实施例的第一方面,提供一种人脸图像的校正方法,包括:
获取待校正人脸图像;
以所述待校正人脸图像中的人脸的预判角度作为成像参数之一,按照所述成像参数对预先保存的立体人脸模型进行投影生成平面人脸图像;
当所述待校正人脸图像与所述平面人脸图像的图像相似度符合预设条件时,将所述待校正人脸图像映射到处于所述预判角度的所述立体人脸模型上生成待校正人脸模型,在所述待校正人脸模型的正面进行投影生成正面人脸图像。
可选的,所述预先保存的立体人脸模型为利用主成分分析PCA方法对多个立体人脸图像进行训练生成的。
可选的,所述获取待校正人脸图像之后,在所述以所述待校正人脸图像中的人脸的预判角度作为成像参数之一,按照所述成像参数对预先保存的立体人脸模型进行投影生成平面人脸图像之前,所述方法还包括:
根据预先生成的姿态判定模型确定所述待校正人脸图像的姿态角度范围;
在所述姿态角度范围中获取姿态角度作为预判角度。
可选的,所述姿态判定模型为利用支持向量机SVM方法对多个姿态人脸图像进行训练生成的。
可选的,所述方法还包括:
当所述待校正人脸图像与所述平面人脸图像的图像相似度不符合预设条件时,在所述姿态角度范围中获取下一个姿态角度作为预判角度,并调用以所述待校正人脸图像中的人脸的预判角度作为成像参数之一,按照所述成像参数对预先保存的立体人脸模型进行投影生成平面人脸图像的步骤。
根据本公开实施例的第二方面,提供一种人脸图像的校正装置,包括:
图像获取模块,用于获取待校正人脸图像;
投影模块,用于以所述待校正人脸图像中的人脸的预判角度作为成像参数之一,按照所述成像参数对预先保存的立体人脸模型进行投影生成平面人脸图像;
校正模块,用于在所述待校正人脸图像与所述平面人脸图像的图像相似度符合预设条件时,将所述待校正人脸图像映射到处于所述预判角度的所述立体人脸模型上生成待校正人脸模型,在所述待校正人脸模型的正面进行投影生成正面人脸图像。
可选的,所述预先保存的立体人脸模型为利用主成分分析PCA方法对多个立体人脸图像进行训练生成的。
可选的,所述装置还包括:
确定模块,用于根据预先生成的姿态判定模型确定所述待校正人脸图像的姿态角度范围;
角度获取模块,用于在所述姿态角度范围中获取姿态角度作为预判角度。
可选的,所述姿态判定模型为利用支持向量机SVM方法对多个姿态人脸图像进行训练生成的。
可选的,所述装置还包括:
调整模块,用于在所述待校正人脸图像与所述平面人脸图像的图像相似度不符合预设条件时,在所述姿态角度范围中获取下一个姿态角度作为预判角度,并调用所述投影模块。
根据本公开实施例的第三方面,提供一种人脸图像的校正装置,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:
获取待校正人脸图像;
以所述待校正人脸图像中的人脸的预判角度作为成像参数之一,按照所述成像参数对预先保存的立体人脸模型进行投影生成平面人脸图像;
当所述待校正人脸图像与所述平面人脸图像的图像相似度符合预设条件时,将所述待校正人脸图像映射到处于所述预判角度的所述立体人脸模型上生成待校正人脸模型,在所述待校正人脸模型的正面进行投影生成正面人脸图像。
本公开的实施例提供的技术方案可以包括以下有益效果:在待校正人脸图像与平面人脸图像的图像相似度符合预设条件时,说明预判角度为待校正人脸图像的投影角度,那么将待校正人脸图像映射到处于预判角度的立体人脸模型上生成待校正人脸模型,待校正人脸模型即为与待校正人脸图像对应的立体模型,再将待校正人脸模型的正面进行投影,以生成与待校正人脸图像对应的正面人脸图像。因此,本公开提供的方案可以实现将带有角度的待校正人脸图像调整为正面人脸图像,从而为后续的人脸识别操作提供正面人脸图像。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
图1是根据一示例性实施例示出的一种人脸图像的校正方法的流程图。
图2是根据一示例性实施例示出的一种带有旋转角度的待校正人脸图像的示意图。
图3是根据一示例性实施例示出的一种正面人脸图像的示意图。
图4是根据一示例性实施例示出的一种平面人脸图像的示意图。
图5是根据一示例性实施例示出的另一种人脸图像的校正方法的流程图。
图6是根据一示例性实施例示出的一种人脸图像的校正装置的示意图。
图7是根据一示例性实施例示出的一种人脸图像的校正装置的框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
实施例一
图1是根据一示例性实施例示出的一种人脸图像的校正方法的流程图,如图1所示,图1所示的人脸图像的校正方法可以用于终端中。本公开提供的人脸图像的校正方法可以将带有角度的人脸图像调整为正面的人脸图像,从而为后续的人脸识别操作提供正面的人脸图像。该方法包括以下步骤。
在步骤S11中,获取待校正人脸图像。
其中,本公开的设计目的为根据带有旋转角度的待校正人脸图像生成该待校正人脸图像对应的正面人脸图像。例如,请参见图2和图3所示,图2所示的为带有旋转角度的待校正人脸图像,图3所示的为图2中的待校正人脸图像对应的正面人脸图像。另外,待校正人脸图像为平面人脸图像,而且在待校正人脸图像中的人脸的一部分区域未显示出来。图2所示的待校正人脸图像为向左旋转一定角度的平面人脸图像,而且在该待校正人脸图像中该人脸的左侧脸的部分区域未显示出来。
在步骤S12中,以待校正人脸图像中的人脸的预判角度作为成像参数之一,按照成像参数对预先保存的立体人脸模型进行投影生成平面人脸图像。
其中,预先保存的立体人脸模型可以通过多种方式生成,例如,立体人脸模型可以为利用PCA(Principal Component Analysis,主成分分析)方法对多个立体人脸图像进行训练生成的。
而且,可以通过姿态判定模型来确定待校正人脸图像中的人脸的预判角度,例如,姿态判定模型可以为利用SVM(Support Vector Machine,支持向量机)方法对多个姿态人脸图像进行训练生成的。
在通过姿态判定模型确定出待校正人脸图像中的人脸的预判角度,且通过PCA方法得到立体人脸模型以后,那么便可以将预判角度作为相机的成像参数之一,按照该成像参数对立体人脸模型进行投影并生成平面人脸图像。例如,请参见图4所示,图4所示的即为按照成像参数对立体人脸模型进行投影并生成的平面人脸图像。
其中,相机的成像参数包括很多个参数,预判角度仅为成像参数中的一个参数,其他的成像参数还包括相机的焦距、视角和距离等。由于本公开重点涉及预判角度这个成像参数,所以其他成像参数设置为默认即可,当然,其他成像参数也可以由用户自行设定。
在步骤S13中,当待校正人脸图像与平面人脸图像的图像相似度符合预设条件时,将待校正人脸图像映射到处于预判角度的立体人脸模型上生成待校正人脸模型,在待校正人脸模型的正面进行投影生成正面人脸图像。
其中,预设条件可以为符合图像相似度的某个百分比,例如,预设条件可以为待校正人脸图像与平面人脸图像的图像相似度至少为90%。也就是说,在待校正人脸图像与平面人脸图像的图像相似度符合预设条件时,则认为待校正人脸图像与平面人脸图像的投影角度是相同的,那么便可以将待校正人脸图像映射到处于预判角度的立体人脸模型上,相当于将处于预判角度的待校正人脸图像粘贴到处于预判角度的立体人脸模型上,即在立体人脸模型上粘贴了一层待校正人脸图像,从而生成了待校正人脸图像对应的待校正人脸模型,并且在将待校正人脸模型的正面进行投影,便可以生成待校正人脸图像对应的正面人脸图像,图2所示的即为此处所说的待校正人脸图像,图3所示的即为此处所说的待校正人脸图像对应的正面人脸图像。
另外,在计算待校正人脸图像与平面人脸图像的图像相似度时候,为了保证计算得到的数据更加准确,可以分别在待校正人脸图像和平面人脸图像上设置人脸特征点,并且利用人脸特征点分别在待校正人脸图像和平面人脸图像上进行三角剖分,以使得在待校正人脸图像和平面人脸图像上分别生成若干个小三角形,最后便可以利用待校正人脸图像的三角形与平面人脸图像的三角形进行对比,从而计算出待校正人脸图像与平面人脸图像的图像相似度。其中,上述提到的三角形即为按照一定的条件将三个人脸特征点相互连接而形成的。
在图1所示的实施例中,在待校正人脸图像与平面人脸图像的图像相似度符合预设条件时,说明预判角度为待校正人脸图像的投影角度,那么将待校正人脸图像映射到处于预判角度的立体人脸模型上生成待校正人脸模型,待校正人脸模型即为与待校正人脸图像对应的立体模型,再将待校正人脸模型的正面进行投影,以生成与待校正人脸图像对应的正面人脸图像。因此,本公开提供的方案可以实现将带有角度的待校正人脸图像调整为正面人脸图像,从而为后续的人脸识别操作提供正面人脸图像。
实施例二
图5是根据一示例性实施例示出的另一种人脸图像的校正方法的流程图,如图5所示,图5所示的人脸图像的校正方法可以用于终端中。其中,本实施例是在实施例一的基础上进行的改进,所以本实施例中与实施例一的相同之处请参见实施例一即可。本公开提供的人脸图像的校正方法可以将带有角度的人脸图像调整为正面的人脸图像,从而为后续的人脸识别操作提供正面的人脸图像。该方法包括以下步骤。
在步骤S21中,获取待校正人脸图像。
在步骤S22中,根据预先生成的姿态判定模型确定待校正人脸图像的姿态角度范围。
其中,利用姿态判定模型确定待校正人脸图像的姿态角度可能会存在一定的误差,为了使姿态判定模型确定出的待校正人脸图像的姿态角度更加准确,可以利用姿态判定模型确定出待校正人脸图像的所有可能的姿态角度,并将这些所有可能的姿态角度组成姿态角度范围,每次在姿态角度范围中取出一个姿态角度作为预判角度。
在步骤S23中,在姿态角度范围中获取姿态角度作为预判角度。
在步骤S24中,以待校正人脸图像中的人脸的预判角度作为成像参数之一,按照成像参数对预先保存的立体人脸模型进行投影生成平面人脸图像。
在步骤S25中,当待校正人脸图像与平面人脸图像的图像相似度符合预设条件时,将待校正人脸图像映射到处于预判角度的立体人脸模型上生成待校正人脸模型,在待校正人脸模型的正面进行投影生成正面人脸图像。
在步骤S26中,当待校正人脸图像与平面人脸图像的图像相似度不符合预设条件时,在姿态角度范围中获取下一个姿态角度作为预判角度,并调用步骤S24。
其中,在待校正人脸图像与平面人脸图像的图像相似度不符合预设条件时,说明在步骤S23中获取的姿态角度与真实的待校正人脸图像的姿态角度存在一定的差异,所以需要在姿态角度范围中获取下一个姿态角度作为预判角度,以便于在姿态角度范围中获取的预判角度更加接近与真实的待校正人脸图像的姿态角度,直到待校正人脸图像与平面人脸图像的图像相似度符合预设条件,说明在姿态角度范围中获取的预判角度与真实的待校正人脸图像的姿态角度基本相同。
实施例三
图6是根据一示例性实施例示出的一种人脸图像的校正装置的示意图。本公开提供的人脸图像的校正装置可以将带有角度的人脸图像调整为正面的人脸图像,从而为后续的人脸识别操作提供正面的人脸图像。参照图6,该装置包括图像获取模块11、投影模块12和校正模块13。其中:
图像获取模块11,用于获取待校正人脸图像;
投影模块12,用于以待校正人脸图像中的人脸的预判角度作为成像参数之一,按照成像参数对预先保存的立体人脸模型进行投影生成平面人脸图像;
校正模块13,用于在待校正人脸图像与平面人脸图像的图像相似度符合预设条件时,将待校正人脸图像映射到处于预判角度的立体人脸模型上生成待校正人脸模型,在待校正人脸模型的正面进行投影生成正面人脸图像。
可选的,本公开提供的装置还可以包括以下模块:确定模块,用于根据预先生成的姿态判定模型确定待校正人脸图像的姿态角度范围;角度获取模块,用于在姿态角度范围中获取姿态角度作为预判角度。
可选的,本公开提供的装置还可以包括以下模块:调整模块,用于在待校正人脸图像与平面人脸图像的图像相似度不符合预设条件时,在姿态角度范围中获取下一个姿态角度作为预判角度,并调用以投影模块12。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
实施例四
图7是根据一示例性实施例示出的一种人脸图像的校正装置800的框图。例如,装置800可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等。
参照图7,装置800可以包括以下一个或多个组件:处理组件802,存储器804,电源组件806,多媒体组件808,音频组件810,输入/输出(I/O)的接口812,传感器组件814,以及通信组件816。
处理组件802通常控制装置800的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件802可以包括一个或多个模块,便于处理组件802和其他组件之间的交互。例如,处理组件802可以包括多媒体模块,以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在装置800的操作。这些数据的示例包括用于在装置800上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件806为装置800的各种组件提供电力。电源组件806可以包括电源管理系统,一个或多个电源,及其他与为装置800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述装置800和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件808包括一个前置摄像头和/或后置摄像头。当装置800处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如,音频组件810包括一个麦克风(MIC),当装置800处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中,音频组件810还包括一个扬声器,用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器,用于为装置800提供各个方面的状态评估。例如,传感器组件814可以检测到装置800的打开/关闭状态,组件的相对定位,例如所述组件为装置800的显示器和小键盘,传感器组件814还可以检测装置800或装置800一个组件的位置改变,用户与装置800接触的存在或不存在,装置800方位或加速/减速和装置800的温度变化。传感器组件814可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件814还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件816还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,装置800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器804,上述指令可由装置800的处理器820执行以完成上述方法。例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
一种非临时性计算机可读存储介质,当所述存储介质中的指令由移动终端的处理器执行时,使得移动终端能够执行一种人脸图像的校正方法,所述方法包括:获取待校正人脸图像;以待校正人脸图像中的人脸的预判角度作为成像参数之一,按照成像参数对预先保存的立体人脸模型进行投影生成平面人脸图像;当待校正人脸图像与平面人脸图像的图像相似度符合预设条件时,将待校正人脸图像映射到处于预判角度的立体人脸模型上生成待校正人脸模型,在待校正人脸模型的正面进行投影生成正面人脸图像。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明的真正范围和精神由下面的权利要求指出。
应当理解的是,本发明并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
Claims (11)
1.一种人脸图像的校正方法,其特征在于,包括:
获取待校正人脸图像;
以所述待校正人脸图像中的人脸的预判角度作为成像参数之一,按照所述成像参数对预先保存的立体人脸模型进行投影生成平面人脸图像;
当所述待校正人脸图像与所述平面人脸图像的图像相似度符合预设条件时,将所述待校正人脸图像映射到处于所述预判角度的所述立体人脸模型上生成待校正人脸模型,在所述待校正人脸模型的正面进行投影生成正面人脸图像。
2.根据权利要求1所述的人脸图像的校正方法,其特征在于,所述预先保存的立体人脸模型为利用主成分分析PCA方法对多个立体人脸图像进行训练生成的。
3.根据权利要求1所述的人脸图像的校正方法,其特征在于,所述获取待校正人脸图像之后,在所述以所述待校正人脸图像中的人脸的预判角度作为成像参数之一,按照所述成像参数对预先保存的立体人脸模型进行投影生成平面人脸图像之前,所述方法还包括:
根据预先生成的姿态判定模型确定所述待校正人脸图像的姿态角度范围;
在所述姿态角度范围中获取姿态角度作为预判角度。
4.根据权利要求3所述的人脸图像的校正方法,其特征在于,所述姿态判定模型为利用支持向量机SVM方法对多个姿态人脸图像进行训练生成的。
5.根据权利要求4所述的人脸图像的校正方法,其特征在于,所述方法还包括:
当所述待校正人脸图像与所述平面人脸图像的图像相似度不符合预设条件时,在所述姿态角度范围中获取下一个姿态角度作为预判角度,并调用以所述待校正人脸图像中的人脸的预判角度作为成像参数之一,按照所述成像参数对预先保存的立体人脸模型进行投影生成平面人脸图像的步骤。
6.一种人脸图像的校正装置,其特征在于,包括:
图像获取模块,用于获取待校正人脸图像;
投影模块,用于以所述待校正人脸图像中的人脸的预判角度作为成像参数之一,按照所述成像参数对预先保存的立体人脸模型进行投影生成平面人脸图像;
校正模块,用于在所述待校正人脸图像与所述平面人脸图像的图像相似度符合预设条件时,将所述待校正人脸图像映射到处于所述预判角度的所述立体人脸模型上生成待校正人脸模型,在所述待校正人脸模型的正面进行投影生成正面人脸图像。
7.根据权利要求6所述的人脸图像的校正装置,其特征在于,所述预先保存的立体人脸模型为利用主成分分析PCA方法对多个立体人脸图像进行训练生成的。
8.根据权利要求6所述的人脸图像的校正装置,其特征在于,所述装置还包括:
确定模块,用于根据预先生成的姿态判定模型确定所述待校正人脸图像的姿态角度范围;
角度获取模块,用于在所述姿态角度范围中获取姿态角度作为预判角度。
9.根据权利要求8所述的人脸图像的校正装置,其特征在于,所述姿态判定模型为利用支持向量机SVM方法对多个姿态人脸图像进行训练生成的。
10.根据权利要求9所述的人脸图像的校正装置,其特征在于,所述装置还包括:
调整模块,用于在所述待校正人脸图像与所述平面人脸图像的图像相似度不符合预设条件时,在所述姿态角度范围中获取下一个姿态角度作为预判角度,并调用所述投影模块。
11.一种人脸图像的校正装置,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:
获取待校正人脸图像;
以所述待校正人脸图像中的人脸的预判角度作为成像参数之一,按照所述成像参数对预先保存的立体人脸模型进行投影生成平面人脸图像;
当所述待校正人脸图像与所述平面人脸图像的图像相似度符合预设条件时,将所述待校正人脸图像映射到处于所述预判角度的所述立体人脸模型上生成待校正人脸模型,在所述待校正人脸模型的正面进行投影生成正面人脸图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410344633.4A CN104156695A (zh) | 2014-07-18 | 2014-07-18 | 一种人脸图像的校正方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410344633.4A CN104156695A (zh) | 2014-07-18 | 2014-07-18 | 一种人脸图像的校正方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104156695A true CN104156695A (zh) | 2014-11-19 |
Family
ID=51882192
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410344633.4A Pending CN104156695A (zh) | 2014-07-18 | 2014-07-18 | 一种人脸图像的校正方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104156695A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105404854A (zh) * | 2015-10-29 | 2016-03-16 | 深圳怡化电脑股份有限公司 | 一种获取人脸正面图像的方法及装置 |
CN105550637A (zh) * | 2015-12-04 | 2016-05-04 | 小米科技有限责任公司 | 轮廓点定位方法及装置 |
CN107729872A (zh) * | 2017-11-02 | 2018-02-23 | 北方工业大学 | 基于深度学习的人脸表情识别方法及装置 |
CN108229313A (zh) * | 2017-11-28 | 2018-06-29 | 北京市商汤科技开发有限公司 | 人脸识别方法和装置、电子设备和计算机程序及存储介质 |
CN109145866A (zh) * | 2018-09-07 | 2019-01-04 | 北京相貌空间科技有限公司 | 确定侧脸倾斜角度的方法及装置 |
CN110084163A (zh) * | 2019-04-18 | 2019-08-02 | 南京信息工程大学 | 基于多视图局部线性表示保留鉴别嵌入的人脸识别方法 |
CN110245679A (zh) * | 2019-05-08 | 2019-09-17 | 北京旷视科技有限公司 | 图像聚类方法、装置、电子设备及计算机可读存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101159015A (zh) * | 2007-11-08 | 2008-04-09 | 清华大学 | 一种二维人脸图像的识别方法 |
-
2014
- 2014-07-18 CN CN201410344633.4A patent/CN104156695A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101159015A (zh) * | 2007-11-08 | 2008-04-09 | 清华大学 | 一种二维人脸图像的识别方法 |
Non-Patent Citations (1)
Title |
---|
AKSHAY ASTHANA.ETC: "Fully Automatic Pose-Invariant Face Recognition via 3D Pose Normalization", 《IEEE INTERNATIONAL CONFERENCE ON COMPUTER VISION 》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105404854A (zh) * | 2015-10-29 | 2016-03-16 | 深圳怡化电脑股份有限公司 | 一种获取人脸正面图像的方法及装置 |
CN105550637A (zh) * | 2015-12-04 | 2016-05-04 | 小米科技有限责任公司 | 轮廓点定位方法及装置 |
CN105550637B (zh) * | 2015-12-04 | 2019-03-08 | 小米科技有限责任公司 | 轮廓点定位方法及装置 |
CN107729872A (zh) * | 2017-11-02 | 2018-02-23 | 北方工业大学 | 基于深度学习的人脸表情识别方法及装置 |
CN108229313A (zh) * | 2017-11-28 | 2018-06-29 | 北京市商汤科技开发有限公司 | 人脸识别方法和装置、电子设备和计算机程序及存储介质 |
CN108229313B (zh) * | 2017-11-28 | 2021-04-16 | 北京市商汤科技开发有限公司 | 人脸识别方法和装置、电子设备和计算机程序及存储介质 |
CN109145866A (zh) * | 2018-09-07 | 2019-01-04 | 北京相貌空间科技有限公司 | 确定侧脸倾斜角度的方法及装置 |
CN110084163A (zh) * | 2019-04-18 | 2019-08-02 | 南京信息工程大学 | 基于多视图局部线性表示保留鉴别嵌入的人脸识别方法 |
CN110084163B (zh) * | 2019-04-18 | 2020-06-30 | 南京信息工程大学 | 基于多视图局部线性表示保留鉴别嵌入的人脸识别方法 |
CN110245679A (zh) * | 2019-05-08 | 2019-09-17 | 北京旷视科技有限公司 | 图像聚类方法、装置、电子设备及计算机可读存储介质 |
CN110245679B (zh) * | 2019-05-08 | 2021-12-28 | 北京旷视科技有限公司 | 图像聚类方法、装置、电子设备及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104156695A (zh) | 一种人脸图像的校正方法及装置 | |
CN104105064B (zh) | 定位设备的方法及装置 | |
CN105205479A (zh) | 人脸颜值评估方法、装置及终端设备 | |
CN104469167B (zh) | 自动对焦方法及装置 | |
CN105550637A (zh) | 轮廓点定位方法及装置 | |
CN104484858B (zh) | 人物图像处理方法及装置 | |
CN105405427A (zh) | 设备亮度调节方法及装置 | |
CN105469056A (zh) | 人脸图像处理方法及装置 | |
CN105260732A (zh) | 图片处理方法及装置 | |
CN104077585B (zh) | 图像校正方法、装置及终端 | |
CN104244045B (zh) | 控制视频画面呈现的方法及装置 | |
CN103970500A (zh) | 一种图片显示的方法及装置 | |
CN105469356A (zh) | 人脸图像处理方法及装置 | |
CN105279499A (zh) | 年龄识别方法及装置 | |
CN104034309A (zh) | 角度测量方法、装置及终端 | |
CN105069083A (zh) | 关联用户的确定方法及装置 | |
CN104503888A (zh) | 告警提示的方法及装置 | |
CN103995666A (zh) | 一种设置工作模式的方法和装置 | |
CN105069426A (zh) | 相似图片判断方法以及装置 | |
CN104156993A (zh) | 一种切换图片中人脸图像的方法及装置 | |
CN105354560A (zh) | 指纹识别方法及装置 | |
CN104866140A (zh) | 屏幕校准方法及装置 | |
CN104933419A (zh) | 获取虹膜图像的方法、装置及红膜识别设备 | |
CN104537132A (zh) | 运动数据记录方法及装置 | |
CN104537380A (zh) | 聚类方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20141119 |
|
RJ01 | Rejection of invention patent application after publication |