CN104915634B - 基于人脸识别技术的图像生成方法和装置 - Google Patents

Abstract

本申请公开了一种基于人脸识别技术的图像生成方法和装置。该方法的一具体实施方式包括：对源图像进行人脸识别，提取多个人脸特征点；将所述人脸特征点和图像素材特征点进行比对，筛选与所述人脸特征点匹配的图像素材，其中所述图像素材特征点提取自所述图像素材；根据所述筛选出的图像素材，拼接人脸图像。按照本申请的方案，能为用户减少浏览和操作的过程，完成真实人脸图像到卡通图像的转化。

Description

基于人脸识别技术的图像生成方法和装置

技术领域

本申请涉及互联网通信技术领域，具体涉及图像识别与生成技术，尤其涉及一种基于人脸识别技术的图像生成方法和装置。

背景技术

人脸识别技术是基于人的脸部特征，对输入的人脸图象或者视频流给出每个脸的位置、大小和各个主要面部器官的位置信息。并依据这些信息，进一步提取每个人脸中所蕴涵的特征，并将其与已知的图像进行对比，从而识别人脸与已知图像的区别。在一些软件应用中，用户希望上传个性化的肖像图片作为个人账户头像，常规做法是用户比对自己人脸或照片，通过素材库选择形态不同的脸型、鼻子、眼睛、眉毛和嘴巴等素材以拼接出一副肖像图片。但对于用户来说，拼接一个和真实人脸或照片高度相似的肖像图片需要对素材大量的浏览、比较和选择。随着版本的迭代，本地素材库中的素材会越来越多，对于用户而言，要拼接一个和真实人脸或照片高度相似的卡通图像，是非常困难的任务。

发明内容

本申请提供了一种基于人脸识别技术的图像生成方法和装置。

第一方面，本申请提供了一种基于人脸识别技术的图像生成方法，该方法包括：对源图像进行人脸识别，提取多个人脸特征点；将人脸特征点和图像素材特征点进行比对，筛选与人脸特征点匹配的图像素材，其中图像素材特征点提取自图像素材；根据筛选出的图像素材，拼接人脸图像。

在一些可选的实现方式中，将人脸特征点和图像素材特征点进行比对，筛选与人脸特征点匹配的图像素材之前，还包括：加载图像素材特征点至素材集合，其中素材集合为二维数组，第一维表示图像素材的类别，类别包括脸型、鼻子、眼睛、眉毛和嘴巴；第二维表示图像素材在类别中的编号。

在一些可选的实现方式中，将人脸特征点和图像素材特征点进行比对，筛选与人脸特征点匹配的图像素材，包括：根据人脸特征点构造人脸属性数据结构，其中将人脸特征点划分为多个人脸特征集合，人脸特征集合包括脸型集合、鼻子集合、眼睛集合、眉毛集合和嘴巴集合；将每个人脸特征集合与素材集合中相应类别的图像素材特征点比对。

在一些可选的实现方式中，将每个人脸特征集合与素材集合中相应类别的图像素材特征点比对，包括：基于人脸特征点，比对每个图像素材的图像素材特征点与人脸特征点的相对距离，并且计算差值；记录差值最小的图像素材在素材集合中编号。

在一些可选的实现方式中，循环将每个图像素材的图像素材特征点与人脸特征点的相对距离进行比对，并计算每个图像素材的差值；其中，比较差值与差值纪录的大小，差值纪录用于记录比对过程中产生的差值；若差值比差值纪录小，则将差值赋予差值纪录，并且记录差值的图像素材的编号；若差值比差值纪录大，则无赋予与记录。

在一些可选的实现方式中，根据筛选出的图像素材，拼接人脸图像，包括：根据编号，获取图像素材在素材库的识别信息；根据识别信息，从素材库获取图像素材，并且拼接人脸图像。

在一些可选的实现方式中，方法还包括：对源图像进行性别识别，根据识别结果，加载单一性别的图像素材特征点。

第二方面，本申请提供了一种基于人脸识别技术的图像生成装置，该装置包括：人脸识别单元，用于对源图像进行人脸识别，提取多个人脸特征点；比对筛选单元，用于将人脸特征点和图像素材特征点进行比对，筛选与人脸特征点匹配的图像素材，其中图像素材特征点提取自图像素材；人脸拼接单元，用于根据筛选出的图像素材，拼接人脸图像。

在一些可选的实现方式中，比对筛选单元还包括：用于加载图像素材特征点至素材集合，其中素材集合为二维数组，第一维表示图像素材的类别，类别包括脸型、鼻子、眼睛、眉毛和嘴巴；第二维表示图像素材在类别中的编号。

在一些可选的实现方式中，比对筛选单元包括：数据结构模块，用于根据人脸特征点构造人脸属性数据结构，其中将人脸特征点划分为多个人脸特征集合，人脸特征集合包括脸型集合、鼻子集合、眼睛集合、眉毛集合和嘴巴集合；集合比对模块，用于将每个人脸特征集合与素材资源集合中相对应类别的图像素材特征点比对。

本申请提供的基于人脸识别技术的图像生成方法和装置，通过对源图像进行人脸识别，提取多个人脸特征点；将人脸特征点和图像素材特征点进行比对，筛选与人脸特征点匹配的图像素材，其中图像素材特征点提取自图像素材；根据筛选出的图像素材，拼接人脸图像，避免了复杂的人工浏览、比较和选择过程，减少了用户操作的流程和时间，完成真实人脸图像到卡通图像的转化。

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，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请提供的基于人脸识别技术的图像生成方法的一个实施例的流程图；

图2是本申请提供的基于人脸识别技术的图像生成方法的另一个实施例的流程图；

图3是本申请提供的将每个人脸特征集合与素材集合中相应类别的图像素材特征点比对的一个实施例的流程图；

图4a是本申请提供的将每个人脸特征集合与素材集合中相应类别的图像素材特征点比对的一个实施例的效果图；

图4b是本申请提供的将每个人脸特征集合与素材集合中相应类别的图像素材特征点比对的另一个实施例的效果图；

图5是本申请提供的基于人脸识别技术的图像生成装置的一个实施例的结构示意图。

具体实施方式

下面结合附图和实施例对本申请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申请。

请参考图1，其示出了根据本申请一个实施例的基于人脸识别技术的图像生成方法的示例性流程100。

如图1所示，在步骤101中，对源图像进行人脸识别，提取多个人脸特征点。

在本实施例中，具有拍摄功能或存储功能的终端可以对源图像进行人脸识别，提取多个人脸特征点。该终端可以包括智能手机、平板电脑、电子书阅读器、MP3(MovingPicture Experts Group Audio Layer III，动态影像专家压缩标准音频层面3)播放器、MP4(Moving Picture Experts Group Audio 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。

该源图像可以是终端通过拍摄得到的人脸图像，也可以是本地图片集的人脸图像，也可以是通过扫描二维码或者其他条码转换生成的人脸图像。对源图像进行人脸识别可以是：通过人脸识别技术对源图像进行人脸识别。例如，人脸识别技术可以是通过交互式数据语言(Interactive Data Language)设计的人脸识别技术。

该人脸特征点(Landmark)可以是对人脸的基本特征，如眼睛、鼻子、脸型、嘴巴等特征进行定位的点，这些点可以反应出一张脸的几何特征、五官位置以及相对距离。提取多个人脸特征点可以是：通过人脸识别技术对人脸进行识别，得到多个人脸特征点，例如通过交互式数据语言设计的人脸识别技术，得到72个人脸特征点，其中反映脸型的特征点可以是13个点，这13个点分别取自左右太阳穴各1个，下巴处1个，以及左右脸对称的各5个，当然，此处的72个点仅是示例性说明，选择的点数不限于具体个数。

接着，在步骤102中，将人脸特征点和图像素材特征点进行比对，筛选与人脸特征点匹配的图像素材。

在本实施例中，图像素材特征点提取自图像素材。

该图像素材可以是反映人脸特征的图像素材，例如刻画脸型、鼻子、眼睛、眉毛和嘴巴的图像素材，其中，以脸型素材为例，图像素材可以包括方脸、椭圆形脸、圆脸、倒三角形脸等；以眉毛为例，图像素材可以包括柳叶眉、拱形眉、上挑眉、平直眉等。这些图像素材可以是卡通动漫类的、富有色彩的图像素材，也可以是黑白写实的图像素材等等。

该图像素材特征点可以是：由对源图像进行识别的相同人脸识别技术，得到的反映图像素材特征的特征点，例如，通过相同交互式数据语言设计的人脸识别技术，对于方脸、椭圆形脸、圆脸、倒三角形等脸型的图像素材提取的图像素材特征点。

将人脸特征点和图像素材特征点进行比对，筛选与人脸特征点匹配的图像素材，可以是将人脸特征点和图像素材特征点一一进行比对，从而得到与人脸特征点最相近的图像素材。

继而，在步骤103中，根据筛选出的图像素材，拼接人脸图像。

在本实施例中，根据筛选出的图像素材，拼接人脸图像是指：通过步骤102获得的与源图像的人脸特征相似的图像素材，终端可以根据人脸特征点的相对位置关系，将这些素材拼接在一起，从而生成出一副肖像。

对于本申请的上述实施例，应用的场景可以为：用户可以通过手机移动设备进行拍照，或者选择本地一张照片，便可由终端直接完成真实人脸图像到卡通图像的转化过程。

本申请上述实施例提供的方法，通过对源图像进行人脸识别，提取多个人脸特征点；然后将人脸特征点和图像素材特征点进行比对，筛选与人脸特征点匹配的图像素材，其中图像素材特征点提取自图像素材；最后根据筛选出的图像素材，拼接人脸图像，避免了复杂的人工浏览、比较和选择过程，减少了用户操作的流程和时间，完成真实人脸图像到卡通图像的转化。

进一步参考图2，其示出了根据本申请另一实施例的基于人脸识别技术的图像生成方法的示例性流程200。

如图2所示，在步骤201中，对源图像进行人脸识别，提取多个人脸特征点。

在本实施例中，对源图像进行人脸识别可以是：通过人脸识别技术对源图像进行人脸识别。提取多个人脸特征点可以是：通过人脸识别技术对人脸的识别，得到多个人脸特征点。

接着，可选地，在步骤202中，加载图像素材特征点至素材集合。

在本实施例中，加载图像素材特征点至素材集合，其中素材集合为二维数组，第一维表示图像素材的类别，类别包括脸型、鼻子、眼睛、眉毛和嘴巴；第二维表示图像素材在类别中的编号。

在一些可选实现方式中，终端可以从素材库加载图像素材的图像素材特征点。素材库是用于储存图像素材以及图像素材特征点的数据库，可以是终端本地的数据库，也可以是云服务器的数据库。例如，以本地数据库为例，每个素材类型，以脸型为例，可以包括3000个不同脸型；其中1-3000中包括3个大类，按照轮廓基本分别为圆脸类、方脸类、以及特别节日脸型类，每一大类包括1000个脸型。其中，在每一大类中，包括3小类，其中包括男性脸型250个以及相应的图像素材特征点、女性脸型250个以及相应图像素材特征点以及通用脸型500个以及相应图像素材特征点。

数据库如此分类的原因在于为后期新图像素材的添加预留足够位置的编号，使得对图像素材进行有效管理和维护。本领域技术人员可以理解的是，在某些时刻，有些编号下尚未储存有图像素材以及相应的图像素材特征点，因此，可用的图像素材的编号并不连续。而素材集合是一个位于终端存储设备上的一个集合，可以位于内存，终端具有快速直接对其访问的权限。在一些可选实现方式中，加载图像素材特征点至素材集合可以是：将那些编号下有图像素材的相应的图像素材特征点从素材库加载至素材集合中。例如可以将45个脸型图像素材的图像素材特征点加载至素材集合，其中，每个脸型图像素材有13个图像素材特征点，这13个图像素材特征点在图像素材的提取位置与步骤101中的人脸特征点在人脸上的提取位置相同。

其中素材集合为二维数组，第一维表示图像素材的类别，类别包括脸型、鼻子、眼睛、眉毛和嘴巴；第二维表示图像素材在类别中的编号。例如，将素材集合定义为Resource[i][j]，其中i表示第一维，i∈[1，5]，分别代表脸型、鼻子、眼睛、眉毛和嘴巴5个图像素材类型；j代表每个类型中的某一个图像素材，例如对于脸型图像素材，由于从图像素材库加载了45个脸型图像素材，所以j的取值范围是j∈[1，45]，对于不同的图像素材类型，j的取值是根据从素材库加载至素材集合的图像素材数目而定。

在一些可选实现方式中，加载图像素材特征点至素材集合可以包括：对源图像进行性别识别，根据性别识别结果，从素材库加载单一性别的图像素材特征点。例如通过交互式数据语言设计的人脸识别技术，根据人脸五官的相对位置以及大小比例，判断男性还是女性。本领域技术人员可以理解，通过性别识别，根据源图像判断是男士人脸还是女士人脸，从素材库加载单一性别的图像素材，可以缩小比对范围，提高比对效率。

继而，在步骤203中，将人脸特征点和图像素材特征点进行比对，筛选与人脸特征点匹配的图像素材。

在本实施例中，将人脸特征点和图像素材特征点进行比对，筛选与人脸特征点匹配的图像素材可以包括：步骤2031，根据人脸特征点构造人脸属性数据结构；步骤2032，将每个人脸特征集合与素材集合中相应类别的图像素材特征点比对。

在一些可选实现方式中，步骤2031，根据人脸特征点构造人脸属性数据(FaceAttributeInfo)结构，其中将人脸特征点划分为多个人脸特征集合(Face_comp)，人脸特征集合包括脸型集合、鼻子集合、眼睛集合、眉毛集合和嘴巴集合，例如，与上述实施例中将素材集合定义为Resource[i][j]相对应，人脸特征集合包括脸型集合、鼻子集合、眼睛集合、眉毛集合和嘴巴集合可以分别用Face_comp[i]表示，其中i∈[1，5]，即i可以取1至5之间的整数。

然后，步骤2032，将每个人脸特征集合与素材集合中相应类别的图像素材特征点比对。

在本实施例中，将Face_comp[i]与Resource[i][j]进行比对，例如，将人脸特征集合中的脸型集合，与素材集合中所有的脸型图像素材进行比对，更具体地，将13个划分在脸型集合中的人脸特征点，与每个脸型图像素材的相应13个点进行比对。

在一些可选实现方式中，将每个人脸特征集合与素材集合中相应类别的图像素材特征点比对，包括：基于人脸特征点，比对每个图像素材的图像素材特征点与人脸特征点的相对距离，并且计算差值；记录差值最小的图像素材在素材集合中编号。

在一些可选实现方式中，可以通过两组遍历算法进行每个图像素材的图像素材特征点与人脸特征点的相对距离的比对。请参考图3，其示出了将每个人脸特征集合与素材集合中相应类别的图像素材特征点比对的一个实施例的流程图，具体步骤如下：如301所示，终端对i赋初值，例如i＝1，然后如302所示，获取人脸特征集合Face_comp[i]，然后如303所示对j赋初值，例如j＝1，并且终端对差值纪录(score)赋初始值，差值纪录用于记录比对过程中产生的差值，例如赋为10e¹⁰，即差值纪录score＝10e¹⁰，然后如304所示，获取素材集合Resouce[i][j],然后如305所示，对Face_comp[i]与Resource[i][j]进行评估，得到差值(tempScore)。该评估过程可以由评估函数E完成。例如，评估函数E可以是计算Face_comp[i]与Resource[i][j]欧拉距离和的函数，所得到差值tempScore可以是13个脸型的人脸特征点与一个脸型图像素材的13个图像素材特征点的欧拉距离之和。然后如306所示，比较差值tempScore与差值纪录score，如果差值tempScore小于差值纪录score，则将差值tempScore赋予差值纪录score，并记录当前图像素材在素材集合中的编号Res_index[i]＝j，其中Res_index是一个用于记录图像素材编号的数组。如果差值tempScore大于差值纪录score，则不进行对差值纪录score或Res_index的任何赋值。然后如307所示，判断j取值是否已满，如果否，则如308所示，将j赋值为j+1，进行Face_comp[i]与下一个脸型素材图像的比对，即Face_comp[i]与Resource[i][j+1]的比对，如此重复上述比对过程，直到j完成了所有的取值，那么此时Res_index[i]记录的值便是与脸型的人脸特征点最接近的脸型图像素材的编号。如309所示，终端将i赋值为i+1，进行下一个人脸特征集合(例如鼻子集合)与对应类别的图像素材特征点(例如鼻子图像素材)的比对，然后得到Res_index[i+1]的编号。如此重复，最终得到5个图像素材的编号，它们分别代表了与脸型、鼻子、眼睛、眉毛和嘴巴最匹配的图像素材。

如图4a所示，其示出了将每个人脸特征集合与素材集合中相应类别的图像素材特征点比对的一个实施例的效果图，如图4b所示，其示出了将每个人脸特征集合与素材集合中相应类别的图像素材特征点比对的另一个实施例的效果图。其中图4a表示脸型集合与某一个脸型图像素材的比对，图4b表示脸型集合与另外一个脸型图像素材的比对。如图4a所示，圆形点401表示人脸特征集合中的人脸特征点，三角形点402表示某一脸型图像素材的图像素材特征点，可以看出402与401的相对距离比较大，因此得到的欧拉距离也比较大，13个三角形表示的图像素材特征点的欧拉距离之和因此也比较大。相反，如图4b所示，五角形点403与圆形点401的欧拉距离比较小，与圆形点401基本重合，13个五角形表示的图像素材特征点的欧拉距离之和也比较小，因此如果图4a表示的比对中j＝1,图4b表示的比对中j＝2，则终端会将差值纪录记录为五角形表示的图像素材特征点的欧拉距离之和，并且Res_index[i]记录五角形表示的图像素材的编号j＝2。

接着，在步骤204中，根据筛选出的图像素材，拼接人脸图像。

在本实施例中，根据筛选出的图像素材，拼接人脸图像，可以包括：根据编号，获取图像素材在素材库的识别信息；根据识别信息，从素材库获取图像素材，并且拼接人脸图像。

在一些可选实现方式中，图像素材的名称即为图像素材在素材库中的识别信息，例如，男性椭圆形脸在素材库中的名称便是‘201’。在加载图像素材特征点时，终端同时也获取了该图像素材的名称。根据该名称，终端可以从素材库中获取图像素材，根据原有人脸特征点间的相对位置关系，从而拼接出人脸图像。

进一步参考图5，其示出了基于人脸识别技术的图像生成装置的一个实施例的结构示意图。

如图5所示，本实施例的基于人脸识别技术的图像生成装置500包括：人脸识别单元501，比对筛选单元502和人脸拼接单元503。其中，人脸识别单元501，用于对源图像进行人脸识别，提取多个人脸特征点；比对筛选单元502，用于将人脸特征点和图像素材特征点进行比对，筛选与人脸特征点匹配的图像素材，其中图像素材特征点提取自图像素材；人脸拼接单元503，用于根据筛选出的图像素材，拼接人脸图像。

在一些可选实现方式中，比对筛选单元502进一步用于加载图像素材特征点至素材集合，其中素材集合为二维数组，第一维表示图像素材的类别，类别包括脸型、鼻子、眼睛、眉毛和嘴巴；第二维表示图像素材在类别中的编号。

在一些可选实现方式中，比对筛选单元502包括：数据结构模块5021，用于根据人脸特征点构造人脸属性数据结构，其中将人脸特征点划分为多个人脸特征集合，人脸特征集合包括脸型集合、鼻子集合、眼睛集合、眉毛集合和嘴巴集合；集合比对模块5022，用于将每个人脸特征集合与素材资源集合中相对应类别的图像素材特征点比对。

应当理解，装置500中记载的诸单元与参考图1-3描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作和特征同样适用于装置500中包含的单元，在此不再赘述。

描述于本申请实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括识别单元、筛选单元和拼接单元。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，拼接单元还可以被描述为“用于根据筛选出的图像素材，拼接人脸图像的单元”。

作为另一方面，本申请还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中装置中所包含的计算机可读存储介质；也可以是单独存在，未装配入终端中的计算机可读存储介质。计算机可读存储介质存储有一个或者一个以上程序，程序被一个或者一个以上的处理器用来执行描述于本申请的基于人脸识别技术的图像生成方法。

以上描述仅为本申请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，本申请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。例如上述特征与本申请中公开的(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 (5)

1.一种基于人脸识别技术的图像生成方法，其特征在于，所述方法包括：

对源图像进行人脸识别，提取多个人脸特征点；

加载所述图像素材特征点至素材集合，其中所述素材集合为二维数组，第一维表示所述图像素材的类别，所述类别包括脸型、鼻子、眼睛、眉毛和嘴巴，第二维表示所述图像素材在所述类别中的编号；

根据所述人脸特征点构造人脸属性数据结构，其中将所述人脸特征点划分为多个人脸特征集合，所述人脸特征集合包括脸型集合、鼻子集合、眼睛集合、眉毛集合和嘴巴集合，将每个所述人脸特征集合与所述素材集合中相应类别的图像素材特征点比对，筛选与所述人脸特征点匹配的图像素材，其中所述图像素材特征点提取自所述图像素材，其中，所述将每个所述人脸特征集合与所述素材集合中相应类别的图像素材特征点比对，包括：基于所述人脸特征点，比对每个图像素材的图像素材特征点与所述人脸特征点的相对距离，并且计算差值，记录所述差值最小的图像素材在所述素材集合中编号；

根据所述筛选出的图像素材，拼接人脸图像。

2.根据权利要求1所述的方法，其特征在于：

循环将每个图像素材的图像素材特征点与所述人脸特征点的相对距离进行比对，并计算每个所述图像素材的差值；

其中，比较所述差值与差值纪录的大小，所述差值纪录用于记录所述比对过程中产生的差值；

若所述差值比所述差值纪录小，则将所述差值赋予所述差值纪录，并且记录所述差值的图像素材的编号；若所述差值比所述差值纪录大，则无所述赋予与记录。

3.根据权利要求1-2之一所述的方法，其特征在于，根据所述筛选出的图像素材，拼接人脸图像，包括：

根据所述编号，获取所述图像素材在素材库的识别信息；

根据所述识别信息，从素材库获取图像素材，并且拼接所述人脸图像。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

对所述源图像进行性别识别，根据识别结果，加载单一性别的图像素材特征点。

5.一种基于人脸识别技术的图像生成装置，其特征在于，所述装置包括：

人脸识别单元，用于对源图像进行人脸识别，提取多个人脸特征点；

比对筛选单元，用于加载所述图像素材特征点至素材集合，其中所述素材集合为二维数组，第一维表示所述图像素材的类别，所述类别包括脸型、鼻子、眼睛、眉毛和嘴巴，第二维表示所述图像素材在所述类别中的编号，所述比对筛选单元包括数据结构模块和集合比对模块，其中，所述数据结构模块用于根据所述人脸特征点构造人脸属性数据结构，其中将所述人脸特征点划分为多个人脸特征集合，所述人脸特征集合包括脸型集合、鼻子集合、眼睛集合、眉毛集合和嘴巴集合，所述集合比对模块用于将每个所述人脸特征集合与所述素材资源集合中相对应类别的图像素材特征点比对，筛选与所述人脸特征点匹配的图像素材，其中所述图像素材特征点提取自所述图像素材，其中，所述将每个所述人脸特征集合与所述素材资源集合中相对应类别的图像素材特征点比对，包括：基于所述人脸特征点，比对每个图像素材的图像素材特征点与所述人脸特征点的相对距离，并且计算差值；记录所述差值最小的图像素材在所述素材集合中编号；

人脸拼接单元，用于根据所述筛选出的图像素材，拼接人脸图像。