CN105303149A - 人物图像的展示方法和装置 - Google Patents
人物图像的展示方法和装置 Download PDFInfo
- Publication number
- CN105303149A CN105303149A CN201410233954.7A CN201410233954A CN105303149A CN 105303149 A CN105303149 A CN 105303149A CN 201410233954 A CN201410233954 A CN 201410233954A CN 105303149 A CN105303149 A CN 105303149A
- Authority
- CN
- China
- Prior art keywords
- face
- features
- feature
- image
- gabor
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 104
- 238000012545 processing Methods 0.000 claims abstract description 24
- 230000001815 facial effect Effects 0.000 claims description 132
- 230000009467 reduction Effects 0.000 claims description 123
- 210000000697 sensory organ Anatomy 0.000 claims description 76
- 238000002372 labelling Methods 0.000 claims description 38
- 238000000605 extraction Methods 0.000 claims description 12
- 238000005457 optimization Methods 0.000 claims description 11
- 238000005516 engineering process Methods 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 16
- 238000004364 calculation method Methods 0.000 description 12
- 239000011159 matrix material Substances 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 230000001419 dependent effect Effects 0.000 description 8
- 238000010606 normalization Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000005286 illumination Methods 0.000 description 4
- 210000000056 organ Anatomy 0.000 description 4
- 238000012847 principal component analysis method Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 244000144730 Amygdalus persica Species 0.000 description 2
- MYMOFIZGZYHOMD-UHFFFAOYSA-N Dioxygen Chemical compound O=O MYMOFIZGZYHOMD-UHFFFAOYSA-N 0.000 description 2
- 235000006040 Prunus persica var persica Nutrition 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 230000003796 beauty Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 230000005236 sound signal Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 241000287196 Asthenes Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000010079 rubber tapping Methods 0.000 description 1
- 210000004999 sex organ Anatomy 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000010897 surface acoustic wave method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种人物图像的展示方法和装置，属于图像处理技术领域。所述方法包括：获取待展示的人物图像，并确定待展示的人物图像的人脸区域；对人脸区域进行特征识别，得到识别出的人脸特征；根据识别出的人脸特征对待展示的人物图像添加对应的特征标签，并将待展示的人物图像及特征标签展示出来。本发明通过确定待展示的人物图像的人脸区域，进而对人脸区域进行特征识别，并在根据识别出的人脸特征对待展示的人物图像添加特征标签之后，将待展示的人物图像及特征标签展示出来，从而丰富了人物图像的展示形式及内容。
Description
技术领域
本发明涉及图像处理技术领域，特别涉及一种人物图像的展示方法和装置。
背景技术
随着图像处理技术的发展，越来越多具有照相功能的智能终端逐渐走入人们的视野中。人们在使用智能终端拍摄人物图像时，希望智能终端能够将拍摄的人物图像展示出来，为了满足用户的需求，如何展示拍摄的人物图像，成为影响智能终端发展的关键。
相关技术在展示人物图像时，首先获取待展示的人物图像，然后将获取到的待展示的人物图像直接展示出来。
在实现本发明的过程中，发明人发现相关技术至少存在以下问题：
相关技术在展示人物图像时，由于将获取到的待展示的人物图像直接展示出来，导致展示的人物图像的形式较为单一，且展示的人物图像的内容不够丰富。
发明内容
为了解决相关技术的问题，本发明实施例提供了一种人物图像的展示方法和装置。所述技术方案如下：
一方面，提供了一种人物图像的展示方法，所述方法包括：
获取待展示的人物图像，并确定所述待展示的人物图像的人脸区域；
对所述人脸区域进行特征识别，得到识别出的人脸特征；
根据所述识别出的人脸特征对所述待展示的人物图像添加对应的特征标签，并将所述待展示的人物图像及特征标签展示出来。
另一方面，提供了一种人物图像的展示装置，所述装置包括：
第一获取模块，用于获取待展示的人物图像；
第一确定模块，用于确定所述待展示的人物图像的人脸区域；
识别模块，用于对所述人脸区域进行特征识别，得到识别出的人脸特征；
添加模块，用于根据所述识别出的人脸特征对所述待展示的人物图像添加对应的特征标签；
展示模块，用于将所述待展示的人物图像及特征标签展示出来。
本发明实施例提供的技术方案带来的有益效果是：
通过确定待展示的人物图像的人脸区域，进而对人脸区域进行特征识别，并在根据识别出的人脸特征对待展示的人物图像添加特征标签之后，将待展示的人物图像及特征标签展示出来，从而丰富了人物图像展示形式及内容。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一个实施例提供的人物图像的展示方法流程图；
图2是本发明另一个实施例提供的人物图像的展示方法流程图；
图3是本发明另一个实施例提供的人脸区域的初始形状的示意图；
图4是本发明另一个实施例提供的人脸关键点示意图；
图5是本发明另一个实施例提供的展示的人物图像及特征标签的示意图；
图6是本发明另一个实施例提供的人物图像的展示装置结构示意图；
图7是本发明另一个实施例提提供的一种终端的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。
为了满足用户的需求，丰富展示的人物图像的形式和内容，本发明实施例提供了一种人物图像的展示方法，参见图1，本发明实施例提供的方法流程包括：
101：获取待展示的人物图像，并确定待展示的人物图像的人脸区域。
作为一种可选的实施例，确定待展示的人物图像的人脸区域，包括：
提取待展示的人物图像的哈尔特征；
根据预先建立的人脸特征模型判断提取的待展示的人物图像的哈尔特征是否为人脸对应的哈尔特征；
若提取的待展示的人物图像的哈尔特征为人脸对应的哈尔特征，则将待展示的人物图像的哈尔特征所在位置的人物图像区域确定为待展示的人物图像的人脸区域。
作为一种可选的实施例，根据预先建立的人脸特征模型判断提取的待展示的人物图像的哈尔特征是否为人脸对应的哈尔特征之前，还包括：
获取第一预设数量的人脸图像，并提取第一预设数量的人脸图像的哈尔特征；
根据提取的人脸图像的哈尔特征建立人脸特征模型。
102：对人脸区域进行特征识别，得到识别出的人脸特征。
103：根据识别出的人脸特征对待展示的人物图像添加对应的特征标签，并将待展示的人物图像及特征标签展示出来。
作为一种可选的实施例，对人脸区域进行特征识别，得到识别出的人脸特征，包括：
对人脸区域的性别特征、年龄特征、五官特征中的至少一种特征进行识别，得到识别出的人脸特征；
根据识别出的人脸特征对待展示的人物图像添加对应的特征标签，包括：
根据识别出的人脸特征从对应的人脸特征标签数据库中获取特征标签，并将获取到的特征标签添加到待展示的人物图像中。
作为一种可选的实施例，对人脸区域的性别特征进行识别，得到识别出的人脸特征，包括：
提取人脸区域的伽柏特征；
将提取的伽柏特征进行降维处理，得到降维后的伽柏特征；
将降维后的伽柏特征输入预先建立的人脸性别模型中，并将输出结果作为识别出的人脸性别特征。
作为一种可选的实施例，将降维后的伽柏特征输入预先建立的人脸性别模型之前，还包括：
获取第二预设数量不同性别的人脸图像；
对第二预设数量不同性别的人脸图像标注性别特征；
提取第二预设数量标注性别特征的人脸图像的伽柏特征；
将第二预设数量标注性别特征的人脸图像的伽柏特征进行降维处理，得到降维后的伽柏特征；
根据降维后的伽柏特征建立人脸性别模型。
作为一种可选的实施例，对人脸区域的年龄特征进行识别，得到识别出的人脸特征，包括：
提取人脸区域的伽柏特征；
将提取的伽柏特征进行降维处理，得到降维后的伽柏特征；
将降维后的伽柏特征输入到预先建立的人脸年龄特征模型中，并将输出结果作为识别出的人脸年龄特征。
作为一种可选的实施例，将降维后的伽柏特征输入到预先建立的人脸年龄特征模型中之前，还包括：
获取第三预设数量的不同年龄段的人脸图像；
对第三预设数量的人脸图像标注年龄特征；
提取第三预设数量标注年龄特征的人脸图像的伽柏特征；
将第三预设数量标注年龄特征的人脸图像的伽柏特征进行降维处理，得到降维后的伽柏特征；
根据降维后的伽柏特征建立人脸年龄模型。
作为一种可选的实施例，对人脸区域的五官特征进行识别，得到识别出的人脸特征，包括：
根据预先建立的主动形状模型确定人脸区域的初始形状；
对人脸区域的初始形状进行迭代优化，得到优化的人脸关键点位置；
根据优化的人脸关键点位置及预先聚类得到的人脸五官关键点位置确定人脸的五官特征。
作为一种可选的实施例，根据预先建立的主动形状模型确定人脸区域的初始形状之前，还包括：
获取第四预设数量的人脸图像；
对第四预设数量的人脸图像的五官进行关键点标注；
根据第四预设数量标注关键点的人脸图像的五官确定人脸的平均形状；
根据第四预设数量标注关键点的人脸图像的五官建立纹理特征模型；
根据人脸的平均形状及纹理特征模型确定人脸主动形状模型。
作为一种可选的实施例，对第四预设数量的人脸图像的五官进行关键点标注之后，还包括：
对第四预设数量标注关键点的人脸图像中的五官进行聚类，得到聚类后的人脸五官关键点；
根据优化的人脸关键点位置及预先聚类得到的人脸五官关键点位置确定人脸的五官特征，包括：
计算优化后的人脸中任一五官的关键点位置与预先聚类得到的对应的人脸五官关键点位置之间的距离；
将优化后的人脸中任一五官的关键点位置与预先聚类得到的对应的人脸五官关键点位置之间的距离最大的五官作为人脸的五官特征。
本发明实施例提供的方法，通过确定待展示的人物图像的人脸区域，进而对人脸区域进行特征识别，并在根据识别出的人脸特征对待展示的人物图像添加特征标签之后，将待展示的人物图像及特征标签展示出来，从而丰富了人物图像展示形式及内容。
结合上述实施例的内容，本发明实施例提供了一种人物图像的展示方法，参见图2，本实施例提供的方法流程包括：
201：获取待展示的人物图像。
其中，获取待展示的人物图像的方式，本实施例不作具体限定。具体实施时，可通过摄像头获取包含人物图像的图像数据，并将获取的包含人物图像的图像数据进行编码得到编码后的图像，将编码后的图像作为待展示的人物图像。
202：确定待展示的人物图像的人脸区域。
由于本实施例提供的人物图像的展示方法在展示更为丰富的图像内容时，主要是根据待展示的人物图像的人脸区域的人脸特征对待展示的人脸添加对应的特征标签实现的，因此，为了丰富展示的人物图像的内容，本实施例提供的方法需要确定待展示的人物图像的人脸区域。具体地，确定待展示的人物图像的人脸区域的方式，包括但不限于如下步骤：
第一步，提取待展示的人物图像的哈尔特征；
其中，哈尔特征为一种图像特征。由于同种物体具有相同的哈尔特征，不同种物体具有不同的哈尔特征，例如，人脸图像具有相同的哈尔特征，人脸图像和非人脸图像具有不同的哈尔特征，因此，可利用哈尔特征进行物体识别。关于提取待展示的人物图像的哈尔特征的方式，包括但不限于将待展示的人物图像沿水平或竖直方向划分为不同大小的矩形小块，然后计算每个矩形小块的像素值的和，并确定组成该待展示的人物图像的矩形特征，进而将相邻的两个或者三个矩形小块的像素值的和相减作为该矩形特征的特征值，该矩形特征的特征值即为待展示的人物图形的哈尔特征。
进一步地，为了提高确定的待展示的人物图像的人脸区域的准确性，本实施例提供的方法在提取待展示的人物图像的哈尔特征时，可采用不同大小、不同位置的窗口为搜索窗口对待展示的人物图像进行搜索，并提取每个搜索窗口内的哈尔特征。
第二步，根据预先建立的人脸特征模型判断提取的待展示的人物图像的哈尔特征是否为人脸对应的哈尔特征，若提取的待展示的人物图像的哈尔特征为人脸对应的哈尔特征，则将待展示的人物图像的哈尔特征所在位置的人物图像区域确定为待展示的人物图像的人脸区域。
由于不同的物体具有不同的哈尔特征，当根据预先建立的人脸特征模型判断得出待展示的人物图像的哈尔特征为人脸对应的哈尔特征，说明该待展示的人物图像的哈尔特征所在位置的人物图像区域为待展示的人物图像的人脸区域，此时可将待展示的人物图像的哈尔特征所在位置的人物图像区域确定为待展示的人物图像的人脸区域。
需要说明的是，由于在采用不同大小、不同位置的搜索窗口对待展示的人物图像进行搜索时，对于人脸图像中的同一位置区域可能被不同的搜索窗口搜索到，且每个搜索窗口内都会提取到一个哈尔特征，因此，对于人脸图像中的同一位置区域可以提取到多个伽柏特征。为了提高确定的待展示的人物图像的人脸区域的准确性，在根据预先建立的人脸特征模型判断提取的待展示的人物图像的哈尔特征是否为人脸对应的哈尔特征时，需要根据每个搜索窗口内的搜索结果进行判断。例如，对于人脸图像中的位置A，搜索到A的搜索窗口有10个，若A在10个窗口内的伽柏特征都为人脸对应的哈尔特征，则判断人脸图像中的位置A对应的哈尔特征为人脸对应的哈尔特征。
进一步地，由于预先建立的人脸特征模型是判断提取的待展示的人物图像的哈尔特征是否为人脸对应的哈尔特征的关键，因此，本实施例提供的方法在根据预先建立的人脸特征模型判断提取的待展示的人物图像的哈尔特征是否为人脸对应的哈尔特征之前，需要建立人脸特征模型。关于建立人脸特征模型的方法，包括但不限于如下过程：
首先，获取第一预设数量的人脸图像，并提取第一预设数量的人脸图像的哈尔特征；
其中，第一预设数量可以是100个、200个、1000个等，本实施例不对第一预设数量作具体的限定。关于获取第一预设数量的人脸图像的方式，包括但不限于通过网络收集第一预设数量的人脸图像，进而将获取到的第一预设数量的人脸图像作为获取到的第一预设数量的人脸图像。关于提取第一预设数量的人脸图像的哈尔特征的方式，可参见上述提取待展示的人物图像的哈尔特征的方式，此处不再赘述。
其次，根据提取的人脸图像的哈尔特征建立人脸特征模型。
203：对人脸区域进行特征识别，得到识别出的人脸特征。
其中，人脸特征包括但不限于性别特征、年龄特征、五官特征等，本实施例不对人脸特征作具体的限定。针对于上述人脸特征，在对人脸区域进行特征识别，得到识别出的人脸特征时，包括但不限于：
对人脸区域的性别特征、年龄特征、五官特征中的至少一种特征进行识别，得到识别出的人脸特征。
为了直观地展示对人脸区域的不同人脸特征进行识别的过程，下面将针对人脸特征中的性别特征、年龄特征、五官特征分别进行介绍。
针对人脸区域的性别特征，在对人脸区域的性别特征进行识别，得到识别出的人脸特征时，包括但不限于如下方式：
第一步，提取人脸区域的伽柏特征；
具体地，在提取人脸区域的伽柏特征时，首先对人脸区域进行尺度归一化和光照归一化处理，得到归一化的人脸区域。然后将归一化的人脸区域与伽柏滤波器作卷积计算，从而得到伽柏特征。其中，在将人脸区域进行尺度化和光照归一化处理时，可将人脸区域的宽和高归一化为80*80像素，像素值均值归一化为0，像素值方差归一化为1。关于将归一化的人脸区域与伽柏滤波器作卷积计算的方法，包括但不限于将归一化的人脸区域与5个尺度8个方向的伽柏滤波器作卷积计算。通过上述归一化及卷积计算可得到80*80*5*8维的伽柏特征。
第二步，将提取的伽柏特征进行降维处理，得到降维后的伽柏特征；
由于提取的人脸区域的伽柏特征的维数较高，在对高维度的伽柏特征进行分析的计算量较大，因此，为了降低对提取的伽柏特征进行分析的计算量，可将提取的伽柏特征进行降维处理，得到降维后的伽柏特征。关于将提取的伽柏特征进行降维处理的方式，包括但不限于采用主成分分析方法对提取的伽柏特征进行降维处理。其中，主成分分析方法也称主量分析法，是一种降维的统计方法。该方法借助于一个正交变换，将其分量相关的原随机向量转化成其分量不相关的新随机向量，这在代数上表现为将原随机向量的协方差阵变换成对角形阵，在几何上表现为将原坐标系变换成新的正交坐标系，使之指向样本点散布最开的p个正交方向，然后对多维变量系统进行降维处理，使之能以一个较高的精度转换成低维变量系统，再通过构造适当的价值函数，进一步把低维系统转化成一维系统。
第三步，将降维后的伽柏特征输入预先建立的人脸性别模型中，并将输出结果作为识别出的人脸性别特征。
在得到降维后的伽柏特征之后，将降维后的伽柏特征作为自变量输入到预先建立的人脸性别模型中，预先建立的人脸性别模型根据输入的自变量将对应的因变量值输出，该因变量值即为识别出的人脸性别特征。例如，将得到的降维后的伽柏特征输入到预先建立的人脸性别模型中，若预先建立的人脸性别模型根据输入的自变量输出对应的因变量值为男性，则男性即为识别出的人脸性别特征。
进一步地，由于预先建立的人脸性别模型是对人脸区域的性别特征进行识别的关键，因此，本实施例提供的方法在将降维后的伽柏特征输入预先建立的人脸性别模型之前，需要建立人脸性别模型。关于建立人脸性别模型的方法，本实施例不作具体的限定。具体实施时，可采用如下方式：
第一步，获取第二预设数量不同性别的人脸图像；
其中，第二预设数量可以是1000个、2000个、3000个等，本实施例不对第二预设数量作具体的限定。关于获取第二预设数量不同性别的人脸图像的方式，包括但不限于通过网络收集第二预设数量的人脸图像，进而将获取到的第二预设数量不同性别的人脸图像作为获取到的第二预设数量不同性别的人脸图像。
第二步，对第二预设数量不同性别的人脸图像标注性别特征；
关于对第二预设数量不同性别的人脸图像标注性别特征的方法，包括但不限于提供人脸图像的性别特征标注选项，获取用户在性别特征标注选项中标注的人脸图像的性别特征，并据此对第二预设数量的不同性别的人脸图像标注性别特征。
第三步，提取第二预设数量标注性别特征的人脸图像的伽柏特征；
在提取第二预设数量标注性别特征的人脸图像的伽柏特征时，以第二预设数量标注性别特征的人脸图像中任一个标注性别特征的人脸图像为例，首先对标注性别特征的人脸图像进行尺度归一化和光照归一化处理，得到归一化的人脸图像，然后将归一化的人脸图像与伽柏滤波器作卷积计算，从而得到伽柏特征。其中，在将标注性别特征的人脸图像进尺度化和光照归一化处理时，可将标注性别的人脸图像的宽和高归一化为80*80像素，像素值均值归一化为0，像素值方差归一化为1。关于将归一化的人脸图像与伽柏滤波器作卷积计算的方法，包括但不限于将归一化的人脸图像与5个尺度8个方向的伽柏滤波器作卷积计算。通过上述归一化及卷积计算可得到80*80*5*8维的伽柏特征。
第四步，将第二预设数量标注性别特征的人脸图像的伽柏特征进行降维处理，得到降维后的伽柏特征；
由于提取的第二预设数量标注性别特征的人脸图像的伽柏特征的维数较高，在对高维度的伽柏特征进行分析的计算量较大，因此，为了降低对提取的伽柏特征进行分析的计算量，可将第二预设数量标注性别特征的人脸图像的伽柏特征进行降维处理，得到降维后的伽柏特征。关于将第二预设数量标注性别特征的人脸图像的伽柏特征进行降维处理的方式，包括但不限于采用主成分分析方法对第二预设数量标注性别特征的人脸图像的伽柏特征进行降维处理。
第五步，根据降维后的性别伽柏特征建立人脸性别模型。
由于降维后的伽柏特征都标注着性别特征，即每个降维后的伽柏特征都对应着一个性别特征，因此，在以降维后的伽柏特征为自变量、降维后的伽柏特征标注的性别特征作为因变量的函数中，通过将每个降维后的伽柏特征作为自变量输入、将每个降维后的伽柏特征标注的性别特征作为因变量输出的过程中，可得到降维后的伽柏特征与性别特征的对应关系。通过将每个降维后的伽柏特征与对应的性别特征进行回归拟合，可以得到一个模型，该模型即为人脸性别模型。
针对人脸区域的年龄特征，对人脸区域的年龄特征进行识别，得到识别出的人脸特征时，包括但不限于采用如下方式：
第一步，提取人脸区域的伽柏特征；
关于提取人脸区域的伽柏特征的方式，可参见上述针对人脸区域的性别特征进行识别时提取人脸区域的伽柏特征的方式，此处不再赘述。
第二步，将提取的伽柏特征进行降维处理，得到降维后的伽柏特征；
关于将提取的伽柏特征进行降维的方式，可参见上述针对人脸区域的性别特征进行识别时将提取的伽柏特征进行降维的方式，此处不再赘述。
第三步，将降维后的伽柏特征输入到预先建立的人脸年龄特征模型中，并将输出结果作为识别出的人脸年龄特征。
在得到降维后的伽柏特征之后，将降维后的伽柏特征作为自变量输入到预先建立的人脸年龄模型中，预先建立的人脸年龄模型根据输入的自变量将对应的因变量值输出，该变量值即为识别出的人脸年龄特征。例如，将得到的降维后的伽柏特征输入到预先建立的人脸性别模型中，若预先建立的人脸性别模型根据输入的自变量输出对应的因变量值为15，则可将15作为识别出的人脸年龄特征。
需要说明的是，虽然上述对人脸区域进行年龄特征和性别特征识别时都提取了人脸区域的伽柏特征，且都对提取的伽柏特征作降维处理，但由于每个伽柏特征都可对应着人脸区域的多个人脸特征，因此，通过标注不同人脸特征的伽柏特征可建立不同的人脸特征模型。如，根据标注性别特征的伽柏特征可建立人脸性别模型，根据标注年龄特征的伽柏特征可建立人脸年龄模型，且当同一伽柏特征输入到不同的人脸特征模型中可得到人脸的不同特征。
进一步地，由于预先建立的人脸年龄特征模型是对人脸区域年龄特征进行识别的关键，因此，在将降维后的伽柏特征输入到预先建立的人脸年龄特征模型中之前，需要建立人脸年龄模型。关于建立人脸年龄模型的方法，本实施不作具体的限定。具体实施时，可采用如下方式：
第一步，获取第三预设数量的不同年龄段的人脸图像；
其中，第三预设数量可以是200个、400个、600个等，本实施例不对第三预设数量作具体的限定。关于获取第三预设数量不同年龄段的人脸图像的方式，包括但不限于通过网络收集第三预设数量不同年龄段的人脸图像，进而将获取到的第三预设数量不同年龄段的人脸图像作为获取到的第三预设数量不同年龄段的人脸图像。
第二步，对第三预设数量不同年龄段的人脸图像标注年龄特征；
关于对第三预设数量不同性别的人脸图像标注性别特征的方法，包括但不限于提供人脸图像的性别特征标注选项，获取用户在性别特征标注选项中标注的人脸图像的性别特征，并据此对第二预设数量的不同性别的人脸图像标注性别特征。
第三步，提取第三预设数量标注年龄特征的人脸图像的伽柏特征；
关于提取第三预设数量标注年龄特征的人脸图像的伽柏特征的方式，可参见上述针对人脸区域的性别特征进行识别时提取人脸区域的伽柏特征的方式，此处不再赘述。
第四步，将第三预设数量标注年龄特征的人脸图像的伽柏特征进行降维处理，得到降维后的伽柏特征；
关于将第三预设数量标注年龄特征的人脸图像的伽柏特征进行降维处理的方式，可参见上述针对人脸区域的性别特征进行识别时将提取的伽柏特征进行降维的方式，此处不再赘述。
第五步，根据降维后的伽柏特征建立人脸年龄模型。
由于降维后的伽柏特征都标注着年龄特征，即每个降维后的伽柏特征都对应着一个年龄特征，因此，在以降维后的伽柏特征为自变量、降维后的伽柏特征标注的年龄特征作为因变量的函数中，通过将每个降维后的伽柏特征作为自变量输入、将每个降维后的伽柏特征标注的年龄特征作为因变量输出的过程中，可得到降维后的伽柏特征与年龄特征的对应关系。通过将每个降维后的伽柏特征与对应的年龄特征进行回归拟合，可以得到一个模型，该模型即为人脸年龄模型。
针对人脸区域的五官特征，对人脸区域的五官特征进行识别，得到识别出的人脸特征时，包括但不限于采用如下方式：
第一步，根据预先建立的主动形状模型确定人脸区域的初始形状；
将预先建立的主动形状模型中的人脸平均形状进行调整，如缩放、旋转、平移等，使得调整后的人脸平均形状中的五官与人脸区域中五官的匹配程度最高，该调整后的人脸平均形状即为人脸区域的初始形状。其中，人脸平均形状中标注着人脸五官的关键点。
第二步，对人脸区域的初始形状进行迭代优化，得到优化的人脸关键点位置；
以图3为例，对图3中人脸区域的初始形状进行迭代优化的具体过程如下：
(1)对图3中的人脸区域的初始形状中选取任一点P，以P点为中心，在指定方向上逐点采集15个点，并将采集得到的15个点连成线段。其中，指定方向的确定方式包括但不限于将人脸平均形状中关键点顺次进行连接，得到一条折线，进而根据初始形状中的每个点在折线中的位置确定指定方向。具体地，若P点位于折线的首尾两点，则指定方向为过P点与邻近方向垂直的方向；若P点位于折线的非首尾两点，则指定方向为与P点邻近的两条折线形成的角平分线的方向。
(2)对于线段上的任一个点r，在线段的方向上提取以r为中心的7个像素点，将7个像素点连成的子线段，并将子线段上的7个像素点的灰度值作为点r的纹理特征vr。
(3)按照公式计算点r与关键点P对应的训练模型 之间的距离。对于上述15个点中的每一点均采用上述方法计算与关键点P对应训练模型之间的距离，进而在上述15个点中选取与关键点P对应的训练模型之间的距离最小的点，并将该距离最小的点所在的位置作为新的P点位置。其中，为主动形状模型中的P点的纹理特征均值，M为P点的协方差矩阵的逆矩阵。
对于人脸平均形状中的每一个点均采用上述方法进行更新，通过更新可得到更新后的人脸关键点位置，根据更新后的人脸关键点位置可以得到新的人脸形状s*。
(4)获取人脸平均形状的协方差矩阵的特征值矩阵U中的每一个特征向量ui及该特征向量对应的特征值λi，计算s*与ui之间的内积，并将s*与ui之间的内积作为投影系数ωi。将投影系数ωi限定在之内，即当ωi小于时直接设置为当ωi大于时直接设置为然后按照公式进行重建得到形状st+1。
(5)对st+1重复进行上述迭代优化直至st+1的变化小于预设阈值，最后将st+1中的关键点位置作为优化的人脸关键点位置。其中，预设阈值可以为0.5、1等，本实施例不对预设阈值作具体的限定。
第三步，根据优化的人脸关键点位置及预先聚类得到的人脸五官关键点位置确定人脸的五官特征。
具体地，根据优化的人脸关键点位置及预先聚类得到的人脸五官关键点位置确定人脸的五官特征，包括但不限于采用如下方式：
首先，计算优化后的人脸中任一五官的关键点位置与预先聚类得到的对应的人脸五官关键点位置之间的距离；
根据优化后的人脸关键点位置提取五官对应的关键点，并计算任一五官对应的关键点与预先聚类得到对应的关键点之间的欧氏距离，进而将得到的欧氏距离与关键点的点数作比，得到优化后的人脸中任一五官的关键点位置与预先聚类得到的对应的人脸五官关键点位置之间的距离，该距离即为优化后的人脸中任一五官的关键点位置与预先聚类得到的对应的关键点之间误差。若优化后的人脸中任一五官的关键点位置与预先聚类得到的对应的关键点之间的误差越大，则说明该五官相对于人脸越突出。
其次，将优化后的人脸中任一五官的关键点位置与预先聚类得到的对应的人脸五官关键点位置之间的距离最大的五官作为人脸的五官特征。
对人脸图像中五官均按上述过程进行计算，得到优化后的人脸中的五官的关键点位置与预先聚类得到的对应的人脸五官关键点位置之间的距离，进而将优化后的人脸中的任一五官的关键点位置与预先聚类得到的对应的人脸关键点位置之间距离最大的五官的作为人脸的五官特征。
当然，为了提高后续步骤中根据人脸的五官特征对人脸图像添加特征标签的准确性，本实施例提供的方法还可将优化后的人脸中的任一五官的关键点位置与预先聚类得到的对应的人脸关键点位置之间距离相对较大的三个五官作为人脸的五官特征。
进一步地，由于预先建立的主动形状模型是对人脸区域的五官特征进行识别的关键，因此，在根据预先建立的主动形状模型确定人脸区域的初始形状之前，需要建立主动形状模型。关于建立主动形状模型的方法，本实施例不作具体的限定。具体实施时，可采用如下方式：
第一步，获取第四预设数量的人脸图像；
其中，第四预设数量可以是200个、400个、600个等，本实施例不对第四预设数量作具体的限定。
第二步，对第四预设数量的人脸图像的五官进行关键点标注；
关于对第四预设数量的人脸图像的五官进行关键点标注的方式，包括但不限于获取用户对第四预设数量的人脸图像的五官标注的关键点，并将获取到的用户对第四预设数量的人脸图像的五官标注的关键点作为对第四预设数量的人脸图像的五官标注的关键点。其中，标注的关键点的数量可以是80个、100个等，本实施例不对标注的关键点的数量作具体的限定。以对第四预设数量的任一人脸图像标注88个关键点为例，标注的关键点可参见图4。
第三步，根据第四预设数量标注关键点的人脸图像的五官确定人脸的平均形状；
关于根据标注关键点的第四预设数量的人脸图像进行建模的方式，本实施例不作具体的限定。具体实施时，可采用PCA(PrincipalComponentAnalysis，主成分分析)对标注关键点的第四预设数量的人脸图像进行建模。通过建模可以得到人脸的平均形状，并计算人脸平均形状的协方差矩阵的特征值及特征向量。
第四步，根据第四预设数量标注关键点的人脸图像的五官建立纹理特征模型；
根据第四预设数量标注关键点的人脸图像的五官建立纹理特征模型时，以第四预设数量的人脸图像中的一个关键点Q为例，具体建立纹理模型的过程如下：
首先，在指定方向上提取以Q点为中心的7个像素点，将采集得到的7个像素点连成线段；
其次，获取线段上7个像素点的灰度值，并将线段上的7个像素点的灰度值作为Q点的纹理特征值；
再次，将第四预设数量中每一个人脸图像中的关键点Q均按照上述过程进行计算，并计算第四预设数量的中每一个人脸图像中的关键点Q的纹理特征值的平均值v，然后计算Q点协方差矩阵的逆矩阵M，进而将关键点Q的纹理特征值的平均值v及协方差矩阵的逆矩阵M作为Q点的纹理特征模型。
对于人脸图像中的每一个关键点均采用上述方法进行计算，最终可得到人脸图像中每个关键点的纹理特征模型。
第五步，根据人脸的平均形状及纹理特征模型确定人脸主动形状模型。
进一步地，对第四预设数量的人脸图像的五官进行关键点标注之后，本实施例提供的方法还将对第四预设数量标注关键点的人脸图像中的五官进行聚类，得到聚类后的人脸五官关键点。关于将第四预设数量标注关键点的人脸图像中的五官进行聚类的方法，包括但不限于采用K均值聚类方法进行聚类。
204：根据识别出的人脸特征对待展示的人物图像添加对应的特征标签。
由于上述步骤203中已经识别出人脸特征，因此，本步骤在上述步骤203的基础上将根据识别出的人脸特征对待展示的人物图像添加对应的特征标签。其中，特征标签包括但不限于主印象标签、性格标签、五官标签和长相标签等，本实施例不对特征标签作具体的限定。具体地，根据识别出的人脸特征对待展示的人物图像添加对应的特征标签，包括但不限于：
根据识别出的人脸特征从对应的人脸特征标签数据库中获取特征标签，并将获取到的特征标签添加到待展示的人物图像中。其中，人脸特征标签数据库包但不限于主印象标签数据库及五官数据库等，本实施例不对人脸特征标签数据库作具体的限定。
具体地，根据识别出的人脸特征从对应的人脸特征标签数据库中获取特征标签时，可先根据识别出的人脸特征中的性别、年龄及五官特征确定人脸特征对应的主标签，进而根据确定的主印象标签从主标签数据库中获取主印象标签对应的代号，进而将该代号对应的主印象标签添加到人物图像中。进一步地，由于本实施例提供的方法中每个主印象标签都对应着多个性格标签及长相标签，因此，在确定了人脸图像的主印象标签之后，可随机地从每个主印象标签对应的性格标签及长相标签中选取一个性格标签及长相标签。
进一步地，由于主印象标签数据库为对待展示的人物图像添加特征标签的关键，因此，在根据识别出的人脸特征对待展示的人物图像添加对应的主印象标签之前，需要预先存储主印象标签数据库。关于存储主印象标签数据库的方式，包括但不限于将主印象标签数据库存储到对应的存储介质中。关于存储主印象标签数据库的形式，包括但不限于采用表格的形式存储主标签数据库。
对于以表格形式存储的主印象标签数据库的方式，具体可参见表1。
表1
进一步地，在确定了人脸图像对应的主印象标签、性格标签及长相标签之后，可根据识别出的五官特征从五官数据库中获取五官标签数据库。
进一步地，由于五官标签数据库为对待展示的人物图像添加特征标签的关键，因此，在根据识别出的人脸特征对待展示的人物图像添加对应的五官签之前，需要预先存储五官标签数据库。关于存储五官标签数据库的方式，包括但不限于将五官标签数据库存储到对应的存储介质中。关于存储五官标签数据库的形式，包括但不限于采用表格的形式存储五官标签数据库。
对于以表格形式存储的五官标签数据的方式，具体可参见表2。
表2
对于上述根据识别出的人脸特征对待展示的人物图像添加对应的特征标签的过程，为了便于理解下面将以一个具体的例子进行详细地解释说明。
例如，结合上述表1和表2，对待展示的人物图像进行特征识别时，若识别出的人脸特征为：年龄3岁，性别女性，五官特征为眼睛突出，则可根据识别出的人脸特征从主标签库中获取一个主印象标签“喵星人”，进而从主印象标签对应的性格标签及长相标签中随机获取一个性格标签及长相标签，如随机获取一个性格标签“活泼可爱”、长相标签“卖萌神器”。最后可根据五官特征从五官数据库中随机获取一个五官标签，如“含情目”等。
205：将待展示的人物图像及特征标签展示出来。
为了丰富显示的人物图像，在根据识别出的人脸特征对待展示的人物图像添加相应的特征标签之后，本实施例提供的方法还将执行将待展示的人物图像及特征标签展示出来的步骤。具体地，在将待展示的人物图像及特征标签展示出来时，以图5为例，其中，图5所示的图片为待展示的图像的示意图，本实施中不对待展示的图片的具体形象进行限定，通过本实施例中提供的方法在对待展示的图像进行特征识别时，若根据识别出的人脸特征对待展示的人物图像添加的主印象标签为“氧气美女”、性格标签为“古灵精怪”、五官标签为“皓齿明桃花面”、长相标签为“小脸蛋掐出水了”，则将待展示的人物图像展示的同时，可将待展示的人物图像的主印象标签“氧气美女”、性格标签“古灵精怪”、五官标签“皓齿明桃花面”及长相标签“小脸蛋掐出水了”展示出来，具体的展示结果参见图5。
需要说明的是，上述人物图像的展示方法仅以待展示的人物图像中的人物为一个为例进行介绍的，当待展示的人物图像中的人物为多个时，在展示人物图像时，可根据识别出的人物图像中的人脸区域从大到小依次进行人脸特征识别，进而根据识别出的每个人物的人脸特征为每个人物添加对应的主印象标签。例如，待展示的人物图像中的有三个人物，分别为A、B和C，若识别出A、B和C人脸区域从大到小的顺序依次为A、B和C，根据A识别出的人脸特征为A添加的主印象标签为“贵妇”，根据B识别出的人脸特征为B添加的主印象标签为“喵星人”，根据C识别出的人脸特征为C添加的主印象标签为“天生丽质”，则将待展示的人物图像展示的同时，将每个人物对应的主印象标签展示出来。
本发明实施例提供的方法，通过确定待展示的人物图像的人脸区域，进而对人脸区域进行特征识别，并在根据识别出的人脸特征对待展示的人物图像添加特征标签之后，将待展示的人物图像及特征标签展示出来，从而丰富了人物图像展示形式及内容。
参见图6，本发明实施例提供了一种人物图像的展示装置，该装置包括：
第一获取模块601，用于获取待展示的人物图像；
第一确定模块602，用于确定待展示的人物图像的人脸区域；
识别模块603，用于对人脸区域进行特征识别，得到识别出的人脸特征；
添加模块604，用于根据识别出的人脸特征对待展示的人物图像添加对应的特征标签；
展示模块605，用于将待展示的人物图像及特征标签展示出来。
作为一种可选的实施例，第一确定模块602，包括：
提取单元，用于提取待展示的人物图像的哈尔特征；
判断单元，用于根据预先建立的人脸特征模型判断提取的待展示的人物图像的哈尔特征是否为人脸对应的哈尔特征；
确定单元，用于当提取的待展示的人物图像的哈尔特征为人脸对应的哈尔特征时，将待展示的人物图像的哈尔特征所在位置的人物图像区域确定为待展示的人物图像的人脸区域。
作为一种可选的实施例，该装置，还包括：
第二获取模块，用于获取第一预设数量的人脸图像；
第一提取模块，用于提取第一预设数量的人脸图像的哈尔特征；
第一建立模块，用于根据提取的人脸图像的哈尔特征建立人脸特征模型。
作为一种可选的实施例，识别模块603，用于对人脸区域的性别特征、年龄特征、五官特征中的至少一种特征进行识别，得到识别出的人脸特征；
添加模块604，包括：
获取单元，用于根据识别出的人脸特征从对应的人脸特征标签数据库中获取特征标签；
添加单元，用于将获取到的特征标签添加到待展示的人物图像中。
作为一种可选的实施例，识别模块603，包括：
提取单元，用于提取人脸区域的伽柏特征；
降维单元，用于将提取的伽柏特征进行降维处理，得到降维后的伽柏特征；
第一输入单元，用于将降维后的伽柏特征输入预先建立的人脸性别模型中，并将输出结果作为识别出的人脸性别特征。
作为一种可选的实施例，该装置，还包括：
第三获取模块，用于获取第二预设数量不同性别的人脸图像；
第一标注模块，用于对第二预设数量不同性别的人脸图像标注性别特征；
第二提取模块，用于提取第二预设数量标注性别特征的人脸图像的伽柏特征；
第一降维模块，用于将第二预设数量标注性别特征的人脸图像的伽柏特征进行降维处理，得到降维后的伽柏特征；
第二建立模块，用于根据降维后的伽柏特征建立人脸性别模型。
作为一种可选的实施例，识别模块603，包括：
提取单元，用于提取人脸区域的伽柏特征；
降维单元，用于将提取的伽柏特征进行降维处理，得到降维后的伽柏特征；
第二输入单元，用于将降维后的伽柏特征输入到预先建立的人脸年龄特征模型中，并将输出结果作为识别出的人脸年龄特征。
作为一种可选的实施例，该装置，还包括：
第四获取模块，用于获取第三预设数量的不同年龄段的人脸图像；
第二标注模块，用于对第三预设数量的人脸图像标注年龄特征；
第三提取模块，用于提取第三预设数量标注年龄特征的人脸图像的伽柏特征；
第二降维模块，用于将第三预设数量标注年龄特征的人脸图像的伽柏特征进行降维处理，得到降维后的伽柏特征；
第三建立模块，用于根据降维后的伽柏特征建立人脸年龄模型。
作为一种可选的实施例，识别模块603，包括：
第一确定单元，用于根据预先建立的主动形状模型确定人脸区域的初始形状；
优化模块，用于对人脸区域的初始形状进行迭代优化，得到优化的人脸关键点位置；
第二确定单元，用于根据优化的人脸关键点位置及预先聚类得到的人脸五官关键点位置确定人脸的五官特征。
作为一种可选的实施例，该装置，还包括：
第五获取模块，用于获取第四预设数量的人脸图像；
第三标注模块，用于对第四预设数量的人脸图像的五官进行关键点标注；
第二确定模块，用于根据第四预设数量标注关键点的人脸图像的五官确定人脸的平均形状；
第四建立模块，用于根据第四预设数量标注关键点的人脸图像的五官建立纹理特征模型；
第三确定模块，用于根据人脸的平均形状及纹理特征模型确定人脸主动形状模型。
作为一种可选的实施例，该装置，还包括：
聚类模块，用于对第四预设数量标注关键点的人脸图像中的五官进行聚类，得到聚类后的人脸五官关键点；
第二确定单元，用于计算优化后的人脸中任一五官的关键点位置与预先聚类得到的对应的人脸五官关键点位置之间的距离；将优化后的人脸中任一五官的关键点位置与预先聚类得到的对应的人脸五官关键点位置之间的距离最大的五官作为人脸的五官特征。
综上所述，本发明实施例提供的装置，通过确定待展示的人物图像的人脸区域，进而对人脸区域进行特征识别，并在根据识别出的人脸特征对待展示的人物图像添加特征标签之后，将待展示的人物图像及特征标签展示出来，从而丰富了人物图像展示形式及内容。
参见图7，其示出了本发明实施例所涉及的终端的结构示意图，该终端可以用于实施上述实施例中提供的人物图像的展示方法。具体来讲：
终端700可以包括RF(RadioFrequency，射频)电路110、包括有一个或一个以上计算机可读存储介质的存储器120、输入单元130、显示单元140、传感器150、音频电路160、WiFi(WirelessFidelity，无线保真)模块170、包括有一个或者一个以上处理核心的处理器180、以及电源190等部件。本领域技术人员可以理解，图7中示出的终端结构并不构成对终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：
RF电路110可用于收发信息或通话过程中，信号的接收和发送，特别地，将基站的下行信息接收后，交由一个或者一个以上处理器180处理；另外，将涉及上行的数据发送给基站。通常，RF电路110包括但不限于天线、至少一个放大器、调谐器、一个或多个振荡器、用户身份模块(SIM)卡、收发信机、耦合器、LNA(LowNoiseAmplifier，低噪声放大器)、双工器等。此外，RF电路110还可以通过无线通信与网络和其他设备通信。所述无线通信可以使用任一通信标准或协议，包括但不限于GSM(GlobalSystemofMobilecommunication，全球移动通讯系统)、GPRS(GeneralPacketRadioService，通用分组无线服务)、CDMA(CodeDivisionMultipleAccess，码分多址)、WCDMA(WidebandCodeDivisionMultipleAccess,宽带码分多址)、LTE(LongTermEvolution,长期演进)、电子邮件、SMS(ShortMessagingService，短消息服务)等。
存储器120可用于存储软件程序以及模块，处理器180通过运行存储在存储器120的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器120可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据终端700的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器120可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器120还可以包括存储器控制器，以提供处理器180和输入单元130对存储器120的访问。
输入单元130可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。具体地，输入单元130可包括触敏表面131以及其他输入设备132。触敏表面131，也称为触摸显示屏或者触控板，可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触敏表面131上或在触敏表面131附近的操作)，并根据预先设定的程式驱动相应的连接装置。可选的，触敏表面131可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给处理器180，并能接收处理器180发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触敏表面131。除了触敏表面131，输入单元130还可以包括其他输入设备132。具体地，其他输入设备132可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
显示单元140可用于显示由用户输入的信息或提供给用户的信息以及终端700的各种图形用户接口，这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。显示单元140可包括显示面板141，可选的，可以采用LCD(LiquidCrystalDisplay，液晶显示器)、OLED(OrganicLight-EmittingDiode,有机发光二极管)等形式来配置显示面板141。进一步的，触敏表面131可覆盖显示面板141，当触敏表面131检测到在其上或附近的触摸操作后，传送给处理器180以确定触摸事件的类型，随后处理器180根据触摸事件的类型在显示面板141上提供相应的视觉输出。虽然在图7中，触敏表面131与显示面板141是作为两个独立的部件来实现输入和输入功能，但是在某些实施例中，可以将触敏表面131与显示面板141集成而实现输入和输出功能。
终端700还可包括至少一种传感器150，比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示面板141的亮度，接近传感器可在终端700移动到耳边时，关闭显示面板141和/或背光。作为运动传感器的一种，重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别手机姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；至于终端700还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。
音频电路160、扬声器161，传声器162可提供用户与终端700之间的音频接口。音频电路160可将接收到的音频数据转换后的电信号，传输到扬声器161，由扬声器161转换为声音信号输出；另一方面，传声器162将收集的声音信号转换为电信号，由音频电路160接收后转换为音频数据，再将音频数据输出处理器180处理后，经RF电路110以发送给比如另一终端，或者将音频数据输出至存储器120以便进一步处理。音频电路160还可能包括耳塞插孔，以提供外设耳机与终端700的通信。
WiFi属于短距离无线传输技术，终端700通过WiFi模块170可以帮助用户收发电子邮件、浏览网页和访问流式媒体等，它为用户提供了无线的宽带互联网访问。虽然图7示出了WiFi模块170，但是可以理解的是，其并不属于终端700的必须构成，完全可以根据需要在不改变发明的本质的范围内而省略。
处理器180是终端700的控制中心，利用各种接口和线路连接整个手机的各个部分，通过运行或执行存储在存储器120内的软件程序和/或模块，以及调用存储在存储器120内的数据，执行终端700的各种功能和处理数据，从而对手机进行整体监控。可选的，处理器180可包括一个或多个处理核心；可选的，处理器180可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器180中。
终端700还包括给各个部件供电的电源190(比如电池)，优选的，电源可以通过电源管理系统与处理器180逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源190还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
尽管未示出，终端700还可以包括摄像头、蓝牙模块等，在此不再赘述。具体在本实施例中，终端700的显示单元是触摸屏显示器，终端700还包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行。所述一个或者一个以上程序包含用于执行以下操作的指令：
获取待展示的人物图像，并确定待展示的人物图像的人脸区域；
对人脸区域进行特征识别，得到识别出的人脸特征；
根据识别出的人脸特征对待展示的人物图像添加对应的特征标签，并将待展示的人物图像及特征标签展示出来。
假设上述为第一种可能的实施方式，则在第一种可能的实施方式作为基础而提供的第二种可能的实施方式中，终端的存储器中，还包含用于执行以下操作的指令：确定待展示的人物图像的人脸区域，包括：
提取待展示的人物图像的哈尔特征；
根据预先建立的人脸特征模型判断提取的待展示的人物图像的哈尔特征是否为人脸对应的哈尔特征；
若提取的待展示的人物图像的哈尔特征为人脸对应的哈尔特征，则将待展示的人物图像的哈尔特征所在位置的人物图像区域确定为待展示的人物图像的人脸区域。
则在第一种可能的实施方式或第二种可能的实施方式作为基础而提供的第三种可能的实施方式中，终端的存储器中，还包含用于执行以下操作的指令：
根据预先建立的人脸特征模型判断提取的待展示的人物图像的哈尔特征是否为人脸对应的哈尔特征之前，还包括：
获取第一预设数量的人脸图像，并提取第一预设数量的人脸图像的哈尔特征；
根据提取的人脸图像的哈尔特征建立人脸特征模型。
则在第一种至第三种可能的实施方式作为基础而提供的第四种可能的实施方式中，终端的存储器中，还包含用于执行以下操作的指令：对人脸区域进行特征识别，得到识别出的人脸特征，包括：
对人脸区域的性别特征、年龄特征、五官特征中的至少一种特征进行识别，得到识别出的人脸特征；
根据识别出的人脸特征对待展示的人物图像添加对应的特征标签，包括：
根据识别出的人脸特征从对应的人脸特征标签数据库中获取特征标签，并将获取到的特征标签添加到待展示的人物图像中。
则在第一种至第四种可能的实施方式作为基础而提供的第五种可能的实施方式中，终端的存储器中，还包含用于执行以下操作的指令：对人脸区域的性别特征进行识别，得到识别出的人脸特征，包括：
提取人脸区域的伽柏特征；
将提取的伽柏特征进行降维处理，得到降维后的伽柏特征；
将降维后的伽柏特征输入预先建立的人脸性别模型中，并将输出结果作为识别出的人脸性别特征。
则在第一种至第五种可能的实现方式作为基础而提供的第六种可能的实施方式中，终端的存储器中，还包含用于执行以下操作的指令：将降维后的伽柏特征输入预先建立的人脸性别模型之前，还包括：
获取第二预设数量不同性别的人脸图像；
对第二预设数量不同性别的人脸图像标注性别特征；
提取第二预设数量标注性别特征的人脸图像的伽柏特征；
将第二预设数量标注性别特征的人脸图像的伽柏特征进行降维处理，得到降维后的伽柏特征；
根据降维后的伽柏特征建立人脸性别模型。
则在第一种至第六种可能的实现方式作为基础而提供的第七种可能的实施方式中，终端的存储器中，还包含用于执行以下操作的指令：对人脸区域的年龄特征进行识别，得到识别出的人脸特征，包括：
提取人脸区域的伽柏特征；
将提取的伽柏特征进行降维处理，得到降维后的伽柏特征；
将降维后的伽柏特征输入到预先建立的人脸年龄特征模型中，并将输出结果作为识别出的人脸年龄特征。
则在第一种至第七种可能的实现方式作为基础而提供的第八种可能的实施方式中，终端的存储器中，还包含用于执行以下操作的指令：将降维后的伽柏特征输入到预先建立的人脸年龄特征模型中之前，还包括：
获取第三预设数量的不同年龄段的人脸图像；
对第三预设数量的人脸图像标注年龄特征；
提取第三预设数量标注年龄特征的人脸图像的伽柏特征；
将第三预设数量标注年龄特征的人脸图像的伽柏特征进行降维处理，得到降维后的伽柏特征；
根据降维后的伽柏特征建立人脸年龄模型。
则在第一种至第八种可能的实现方式作为基础而提供的第九种可能的实施方式中，终端的存储器中，还包含用于执行以下操作的指令：对人脸区域的五官特征进行识别，得到识别出的人脸特征，包括：
根据预先建立的主动形状模型确定人脸区域的初始形状；
对人脸区域的初始形状进行迭代优化，得到优化的人脸关键点位置；
根据优化的人脸关键点位置及预先聚类得到的人脸五官关键点位置确定人脸的五官特征。
则在第一种至第九种可能的实现方式作为基础而提供的第十种可能的实施方式中，终端的存储器中，还包含用于执行以下操作的指令：根据预先建立的主动形状模型确定人脸区域的初始形状之前，还包括：
获取第四预设数量的人脸图像；
对第四预设数量的人脸图像的五官进行关键点标注；
根据第四预设数量标注关键点的人脸图像的五官确定人脸的平均形状；
根据第四预设数量标注关键点的人脸图像的五官建立纹理特征模型；
根据人脸的平均形状及纹理特征模型确定人脸主动形状模型。
则在第一种至第十种可能的实现方式作为基础而提供的第十一种可能的实施方式中，终端的存储器中，还包含用于执行以下操作的指令：对第四预设数量的人脸图像的五官进行关键点标注之后，还包括：
对第四预设数量标注关键点的人脸图像中的五官进行聚类，得到聚类后的人脸五官关键点；
根据优化的人脸关键点位置及预先聚类得到的人脸五官关键点位置确定人脸的五官特征，包括：
计算优化后的人脸中任一五官的关键点位置与预先聚类得到的对应的人脸五官关键点位置之间的距离；
将优化后的人脸中任一五官的关键点位置与预先聚类得到的对应的人脸五官关键点位置之间的距离最大的五官作为人脸的五官特征。
本发明实施例提供的终端，通过确定待展示的人物图像的人脸区域，进而对人脸区域进行特征识别，并在根据识别出的人脸特征对待展示的人物图像添加特征标签之后，将待展示的人物图像及特征标签展示出来，从而丰富了人物图像展示形式及内容。
本发明实施例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的存储器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。该计算机可读存储介质存储有一个或者一个以上程序，该一个或者一个以上程序被一个或者一个以上的处理器用来执行人物图像的展示方法，该方法包括：
获取待展示的人物图像，并确定待展示的人物图像的人脸区域；
对人脸区域进行特征识别，得到识别出的人脸特征；
根据识别出的人脸特征对待展示的人物图像添加对应的特征标签，并将待展示的人物图像及特征标签展示出来。
假设上述为第一种可能的实施方式，则在第一种可能的实施方式作为基础而提供的第二种可能的实施方式中，终端的存储器中，还包含用于执行以下操作的指令：确定待展示的人物图像的人脸区域，包括：
提取待展示的人物图像的哈尔特征；
根据预先建立的人脸特征模型判断提取的待展示的人物图像的哈尔特征是否为人脸对应的哈尔特征；
若提取的待展示的人物图像的哈尔特征为人脸对应的哈尔特征，则将待展示的人物图像的哈尔特征所在位置的人物图像区域确定为待展示的人物图像的人脸区域。
则在第一种可能的实施方式或第二种可能的实施方式作为基础而提供的第三种可能的实施方式中，终端的存储器中，还包含用于执行以下操作的指令：
根据预先建立的人脸特征模型判断提取的待展示的人物图像的哈尔特征是否为人脸对应的哈尔特征之前，还包括：
获取第一预设数量的人脸图像，并提取第一预设数量的人脸图像的哈尔特征；
根据提取的人脸图像的哈尔特征建立人脸特征模型。
则在第一种至第三种可能的实施方式作为基础而提供的第四种可能的实施方式中，终端的存储器中，还包含用于执行以下操作的指令：对人脸区域进行特征识别，得到识别出的人脸特征，包括：
对人脸区域的性别特征、年龄特征、五官特征中的至少一种特征进行识别，得到识别出的人脸特征；
根据识别出的人脸特征对待展示的人物图像添加对应的特征标签，包括：
根据识别出的人脸特征从对应的人脸特征标签数据库中获取特征标签，并将获取到的特征标签添加到待展示的人物图像中。
则在第一种至第四种可能的实施方式作为基础而提供的第五种可能的实施方式中，终端的存储器中，还包含用于执行以下操作的指令：对人脸区域的性别特征进行识别，得到识别出的人脸特征，包括：
提取人脸区域的伽柏特征；
将提取的伽柏特征进行降维处理，得到降维后的伽柏特征；
将降维后的伽柏特征输入预先建立的人脸性别模型中，并将输出结果作为识别出的人脸性别特征。
则在第一种至第五种可能的实现方式作为基础而提供的第六种可能的实施方式中，终端的存储器中，还包含用于执行以下操作的指令：将降维后的伽柏特征输入预先建立的人脸性别模型之前，还包括：
获取第二预设数量不同性别的人脸图像；
对第二预设数量不同性别的人脸图像标注性别特征；
提取第二预设数量标注性别特征的人脸图像的伽柏特征；
将第二预设数量标注性别特征的人脸图像的伽柏特征进行降维处理，得到降维后的伽柏特征；
根据降维后的伽柏特征建立人脸性别模型。
则在第一种至第六种可能的实现方式作为基础而提供的第七种可能的实施方式中，终端的存储器中，还包含用于执行以下操作的指令：对人脸区域的年龄特征进行识别，得到识别出的人脸特征，包括：
提取人脸区域的伽柏特征；
将提取的伽柏特征进行降维处理，得到降维后的伽柏特征；
将降维后的伽柏特征输入到预先建立的人脸年龄特征模型中，并将输出结果作为识别出的人脸年龄特征。
则在第一种至第七种可能的实现方式作为基础而提供的第八种可能的实施方式中，终端的存储器中，还包含用于执行以下操作的指令：将降维后的伽柏特征输入到预先建立的人脸年龄特征模型中之前，还包括：
获取第三预设数量的不同年龄段的人脸图像；
对第三预设数量的人脸图像标注年龄特征；
提取第三预设数量标注年龄特征的人脸图像的伽柏特征；
将第三预设数量标注年龄特征的人脸图像的伽柏特征进行降维处理，得到降维后的伽柏特征；
根据降维后的伽柏特征建立人脸年龄模型。
则在第一种至第八种可能的实现方式作为基础而提供的第九种可能的实施方式中，终端的存储器中，还包含用于执行以下操作的指令：对人脸区域的五官特征进行识别，得到识别出的人脸特征，包括：
根据预先建立的主动形状模型确定人脸区域的初始形状；
对人脸区域的初始形状进行迭代优化，得到优化的人脸关键点位置；
根据优化的人脸关键点位置及预先聚类得到的人脸五官关键点位置确定人脸的五官特征。
则在第一种至第九种可能的实现方式作为基础而提供的第十种可能的实施方式中，终端的存储器中，还包含用于执行以下操作的指令：根据预先建立的主动形状模型确定人脸区域的初始形状之前，还包括：
获取第四预设数量的人脸图像；
对第四预设数量的人脸图像的五官进行关键点标注；
根据第四预设数量标注关键点的人脸图像的五官确定人脸的平均形状；
根据第四预设数量标注关键点的人脸图像的五官建立纹理特征模型；
根据人脸的平均形状及纹理特征模型确定人脸主动形状模型。
则在第一种至第十种可能的实现方式作为基础而提供的第十一种可能的实施方式中，终端的存储器中，还包含用于执行以下操作的指令：对第四预设数量的人脸图像的五官进行关键点标注之后，还包括：
对第四预设数量标注关键点的人脸图像中的五官进行聚类，得到聚类后的人脸五官关键点；
根据优化的人脸关键点位置及预先聚类得到的人脸五官关键点位置确定人脸的五官特征，包括：
计算优化后的人脸中任一五官的关键点位置与预先聚类得到的对应的人脸五官关键点位置之间的距离；
将优化后的人脸中任一五官的关键点位置与预先聚类得到的对应的人脸五官关键点位置之间的距离最大的五官作为人脸的五官特征。
本发明实施例提供的计算机可读存储介质，通过确定待展示的人物图像的人脸区域，进而对人脸区域进行特征识别，并在根据识别出的人脸特征对待展示的人物图像添加特征标签之后，将待展示的人物图像及特征标签展示出来，从而丰富了人物图像展示形式及内容。
本发明实施例中提供了一种图形用户接口，该图形用户接口用在人物图像的展示终端上，该执行操作的确认终端包括触摸屏显示器、存储器和用于执行一个或者一个以上的程序的一个或者一个以上的处理器；该图形用户接口包括：
获取待展示的人物图像，并确定待展示的人物图像的人脸区域；
对人脸区域进行特征识别，得到识别出的人脸特征；
根据识别出的人脸特征对待展示的人物图像添加对应的特征标签，并将待展示的人物图像及特征标签展示出来。
综上所述，本发明实施例提供的图形用户接口，通过确定待展示的人物图像的人脸区域，进而对人脸区域进行特征识别，并在根据识别出的人脸特征对待展示的人物图像添加特征标签之后，将待展示的人物图像及特征标签展示出来，从而丰富了人物图像展示形式及内容。
需要说明的是：上述实施例提供的人物图像的展示装置在展示人物图像时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将展示人物图像的装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的展示人物图像的装置与展示人物图像的方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，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。
Claims (22)
1.一种人物图像的展示方法，其特征在于，所述方法包括：
获取待展示的人物图像，并确定所述待展示的人物图像的人脸区域；
对所述人脸区域进行特征识别，得到识别出的人脸特征；
根据所述识别出的人脸特征对所述待展示的人物图像添加对应的特征标签，并将所述待展示的人物图像及特征标签展示出来。
2.根据权利要求1所述的方法，其特征在于，所述确定所述待展示的人物图像的人脸区域，包括：
提取所述待展示的人物图像的哈尔特征；
根据预先建立的人脸特征模型判断提取的所述待展示的人物图像的哈尔特征是否为人脸对应的哈尔特征；
若提取的所述待展示的人物图像的哈尔特征为人脸对应的哈尔特征，则将所述待展示的人物图像的哈尔特征所在位置的人物图像区域确定为所述待展示的人物图像的人脸区域。
3.根据权利要求2所述的方法，其特征在于，所述根据预先建立的人脸特征模型判断提取的所述待展示的人物图像的哈尔特征是否为人脸对应的哈尔特征之前，还包括：
获取第一预设数量的人脸图像，并提取第一预设数量的人脸图像的哈尔特征；
根据提取的人脸图像的哈尔特征建立人脸特征模型。
4.根据权利要求1至3中任一权利要求所述的方法，其特征在于，所述对所述人脸区域进行特征识别，得到识别出的人脸特征，包括：
对所述人脸区域的性别特征、年龄特征、五官特征中的至少一种特征进行识别，得到识别出的人脸特征；
所述根据所述识别出的人脸特征对所述待展示的人物图像添加对应的特征标签，包括：
根据识别出的人脸特征从对应的人脸特征标签数据库中获取特征标签，并将获取到的特征标签添加到所述待展示的人物图像中。
5.根据权利要求4所述的方法，其特征在于，对所述人脸区域的性别特征进行识别，得到识别出的人脸特征，包括：
提取所述人脸区域的伽柏特征；
将提取的伽柏特征进行降维处理，得到降维后的伽柏特征；
将所述降维后的伽柏特征输入预先建立的人脸性别模型中，并将输出结果作为识别出的人脸性别特征。
6.根据权利要求5所述的方法，其特征在于，所述将所述降维后的伽柏特征输入预先建立的人脸性别模型之前，还包括：
获取第二预设数量不同性别的人脸图像；
对所述第二预设数量不同性别的人脸图像标注性别特征；
提取第二预设数量标注性别特征的人脸图像的伽柏特征；
将所述第二预设数量标注性别特征的人脸图像的伽柏特征进行降维处理，得到降维后的伽柏特征；
根据降维后的伽柏特征建立人脸性别模型。
7.根据权利要求4所述的方法，其特征在于，对所述人脸区域的年龄特征进行识别，得到识别出的人脸特征，包括：
提取所述人脸区域的伽柏特征；
将提取的伽柏特征进行降维处理，得到降维后的伽柏特征；
将所述降维后的伽柏特征输入到预先建立的人脸年龄特征模型中，并将输出结果作为识别出的人脸年龄特征。
8.根据权利要求7所述的方法，其特征在于，所述将所述降维后的伽柏特征输入到预先建立的人脸年龄特征模型中之前，还包括：
获取第三预设数量的不同年龄段的人脸图像；
对所述第三预设数量的人脸图像标注年龄特征；
提取第三预设数量标注年龄特征的人脸图像的伽柏特征；
将所述第三预设数量标注年龄特征的人脸图像的伽柏特征进行降维处理，得到降维后的伽柏特征；
根据降维后的伽柏特征建立人脸年龄模型。
9.根据权利要求4所述的方法，其特征在于，对所述人脸区域的五官特征进行识别，得到识别出的人脸特征，包括：
根据预先建立的主动形状模型确定所述人脸区域的初始形状；
对所述人脸区域的初始形状进行迭代优化，得到优化的人脸关键点位置；
根据优化的人脸关键点位置及预先聚类得到的人脸五官关键点位置确定人脸的五官特征。
10.根据权利要求9所述的方法，其特征在于，所述根据预先建立的主动形状模型确定人脸区域的初始形状之前，还包括：
获取第四预设数量的人脸图像；
对所述第四预设数量的人脸图像的五官进行关键点标注；
根据第四预设数量标注关键点的人脸图像的五官确定人脸的平均形状；
根据所述第四预设数量标注关键点的人脸图像的五官建立纹理特征模型；
根据所述人脸的平均形状及纹理特征模型确定人脸主动形状模型。
11.根据权利要求10所述的方法，其特征在于，所述对所述第四预设数量的人脸图像的五官进行关键点标注之后，还包括：
对第四预设数量标注关键点的人脸图像中的五官进行聚类，得到聚类后的人脸五官关键点；
所述根据优化的人脸关键点位置及预先聚类得到的人脸五官关键点位置确定人脸的五官特征，包括：
计算优化后的人脸中任一五官的关键点位置与预先聚类得到的对应的人脸五官关键点位置之间的距离；
将优化后的人脸中任一五官的关键点位置与预先聚类得到的对应的人脸五官关键点位置之间的距离最大的五官作为人脸的五官特征。
12.一种人物图像的展示装置，其特征在于，所述装置包括：
第一获取模块，用于获取待展示的人物图像；
第一确定模块，用于确定所述待展示的人物图像的人脸区域；
识别模块，用于对所述人脸区域进行特征识别，得到识别出的人脸特征；
添加模块，用于根据所述识别出的人脸特征对所述待展示的人物图像添加对应的特征标签；
展示模块，用于将所述待展示的人物图像及特征标签展示出来。
13.根据权利要求12所述的装置，其特征在于，所述第一确定模块，包括：
提取单元，用于提取所述待展示的人物图像的哈尔特征；
判断单元，用于根据预先建立的人脸特征模型判断提取的所述待展示的人物图像的哈尔特征是否为人脸对应的哈尔特征；
确定单元，用于当提取的所述待展示的人物图像的哈尔特征为人脸对应的哈尔特征时，将所述待展示的人物图像的哈尔特征所在位置的人物图像区域确定为所述待展示的人物图像的人脸区域。
14.根据权利要求13所述的装置，其特征在于，所述装置，还包括：
第二获取模块，用于获取第一预设数量的人脸图像；
第一提取模块，用于提取第一预设数量的人脸图像的哈尔特征；
第一建立模块，用于根据提取的人脸图像的哈尔特征建立人脸特征模型。
15.根据权利要求12至14中任一权利要求所述的装置，其特征在于，所述识别模块，用于对所述人脸区域的性别特征、年龄特征、五官特征中的至少一种特征进行识别，得到识别出的人脸特征；
所述添加模块，包括：
获取单元，用于根据识别出的人脸特征从对应的人脸特征标签数据库中获取特征标签；
添加单元，用于将获取到的特征标签添加到所述待展示的人物图像中。
16.根据权利要求15所述的装置，其特征在于，所述识别模块，包括：
提取单元，用于提取所述人脸区域的伽柏特征；
降维单元，用于将提取的伽柏特征进行降维处理，得到降维后的伽柏特征；
第一输入单元，用于将所述降维后的伽柏特征输入预先建立的人脸性别模型中，并将输出结果作为识别出的人脸性别特征。
17.根据权利要求16所述的装置，其特征在于，所述装置，还包括：
第三获取模块，用于获取第二预设数量不同性别的人脸图像；
第一标注模块，用于对所述第二预设数量不同性别的人脸图像标注性别特征；
第二提取模块，用于提取第二预设数量标注性别特征的人脸图像的伽柏特征；
第一降维模块，用于将所述第二预设数量标注性别特征的人脸图像的伽柏特征进行降维处理，得到降维后的伽柏特征；
第二建立模块，用于根据降维后的伽柏特征建立人脸性别模型。
18.根据权利要求15所述的方法，其特征在于，所述识别模块，包括：
所述提取单元，用于提取所述人脸区域的伽柏特征；
所述降维单元，用于将提取的伽柏特征进行降维处理，得到降维后的伽柏特征；
第二输入单元，用于将所述降维后的伽柏特征输入到预先建立的人脸年龄特征模型中，并将输出结果作为识别出的人脸年龄特征。
19.根据权利要求18所述的装置，其特征在于，所述装置，还包括：
第四获取模块，用于获取第三预设数量的不同年龄段的人脸图像；
第二标注模块，用于对所述第三预设数量的人脸图像标注年龄特征；
第三提取模块，用于提取第三预设数量标注年龄特征的人脸图像的伽柏特征；
第二降维模块，用于将所述第三预设数量标注年龄特征的人脸图像的伽柏特征进行降维处理，得到降维后的伽柏特征；
第三建立模块，用于根据降维后的伽柏特征建立人脸年龄模型。
20.根据权利要求15所述的装置，其特征在于，所述识别模块，包括：
第一确定单元，用于根据预先建立的主动形状模型确定所述人脸区域的初始形状；
优化模块，用于对所述人脸区域的初始形状进行迭代优化，得到优化的人脸关键点位置；
第二确定单元，用于根据优化的人脸关键点位置及预先聚类得到的人脸五官关键点位置确定人脸的五官特征。
21.根据权利要求20所述的装置，其特征在于，所述装置，还包括：
第五获取模块，用于获取第四预设数量的人脸图像；
第三标注模块，用于对所述第四预设数量的人脸图像的五官进行关键点标注；
第二确定模块，用于根据第四预设数量标注关键点的人脸图像的五官确定人脸的平均形状；
第四建立模块，用于根据所述第四预设数量标注关键点的人脸图像的五官建立纹理特征模型；
第三确定模块，用于根据所述人脸的平均形状及纹理特征模型确定人脸主动形状模型。
22.根据权利要求21所述的装置，其特征在于，所述装置，还包括：
聚类模块，用于对第四预设数量标注关键点的人脸图像中的五官进行聚类，得到聚类后的人脸五官关键点；
所述第二确定单元，用于计算优化后的人脸中任一五官的关键点位置与预先聚类得到的对应的人脸五官关键点位置之间的距离；将优化后的人脸中任一五官的关键点位置与预先聚类得到的对应的人脸五官关键点位置之间的距离最大的五官作为人脸的五官特征。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410233954.7A CN105303149B (zh) | 2014-05-29 | 2014-05-29 | 人物图像的展示方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410233954.7A CN105303149B (zh) | 2014-05-29 | 2014-05-29 | 人物图像的展示方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105303149A true CN105303149A (zh) | 2016-02-03 |
| CN105303149B CN105303149B (zh) | 2019-11-05 |
Family
ID=55200400
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410233954.7A Active CN105303149B (zh) | 2014-05-29 | 2014-05-29 | 人物图像的展示方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105303149B (zh) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106096540A (zh) * | 2016-06-08 | 2016-11-09 | 联想(北京)有限公司 | 一种信息处理方法和电子设备 |
| CN107194817A (zh) * | 2017-03-29 | 2017-09-22 | 腾讯科技（深圳）有限公司 | 用户社交信息的展示方法、装置和计算机设备 |
| CN108171166A (zh) * | 2017-12-28 | 2018-06-15 | 百度在线网络技术（北京）有限公司 | 用于处理图像的方法和装置 |
| CN108596094A (zh) * | 2018-04-24 | 2018-09-28 | 杭州数为科技有限公司 | 人物风格检测系统、方法、终端及介质 |
| CN108960005A (zh) * | 2017-05-19 | 2018-12-07 | 内蒙古大学 | 一种智能视觉物联网中对象视觉标签的建立及显示方法、系统 |
| CN109274926A (zh) * | 2017-07-18 | 2019-01-25 | 杭州海康威视系统技术有限公司 | 一种图像处理方法、设备及系统 |
| CN109460485A (zh) * | 2018-10-12 | 2019-03-12 | 咪咕文化科技有限公司 | 一种图像库建立方法、装置和存储介质 |
| WO2019085338A1 (zh) * | 2017-11-01 | 2019-05-09 | 平安科技（深圳）有限公司 | 电子装置、基于图像的年龄分类方法、系统及存储介质 |
| CN111062435A (zh) * | 2019-12-13 | 2020-04-24 | 北京奇艺世纪科技有限公司 | 图像分析方法、装置及电子设备 |
| CN111278520A (zh) * | 2017-10-24 | 2020-06-12 | Vr考斯特有限及两合公司 | 用于生成和显示虚拟现实的vr装置 |
| CN115424383A (zh) * | 2022-10-10 | 2022-12-02 | 广州睿泰智能设备科技股份有限公司 | 一种智能门禁管理系统及方法 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1967562A (zh) * | 2005-11-15 | 2007-05-23 | 中华电信股份有限公司 | 以人脸五官辨识为基础之人脸辨识方法 |
| CN101393599A (zh) * | 2007-09-19 | 2009-03-25 | 中国科学院自动化研究所 | 一种基于人脸表情的游戏角色控制方法 |
| CN101419671A (zh) * | 2008-11-10 | 2009-04-29 | 北方工业大学 | 基于模糊支持向量机的人脸性别识别方法 |
| CN101751551A (zh) * | 2008-12-05 | 2010-06-23 | 比亚迪股份有限公司 | 一种基于图像的人脸识别方法、装置、系统及设备 |
| CN101872424A (zh) * | 2010-07-01 | 2010-10-27 | 重庆大学 | 基于Gabor变换最优通道模糊融合的人脸表情识别方法 |
| CN102831447A (zh) * | 2012-08-30 | 2012-12-19 | 北京理工大学 | 多类别面部表情高精度识别方法 |
| CN102930454A (zh) * | 2012-10-07 | 2013-02-13 | 乐配(天津)科技有限公司 | 基于多感知技术的智能3d广告推荐方法 |
| CN103413270A (zh) * | 2013-08-15 | 2013-11-27 | 北京小米科技有限责任公司 | 一种图像的处理方法、装置和终端设备 |
| CN103810490A (zh) * | 2014-02-14 | 2014-05-21 | 海信集团有限公司 | 一种确定人脸图像的属性的方法和设备 |
-
2014
- 2014-05-29 CN CN201410233954.7A patent/CN105303149B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1967562A (zh) * | 2005-11-15 | 2007-05-23 | 中华电信股份有限公司 | 以人脸五官辨识为基础之人脸辨识方法 |
| CN101393599A (zh) * | 2007-09-19 | 2009-03-25 | 中国科学院自动化研究所 | 一种基于人脸表情的游戏角色控制方法 |
| CN101419671A (zh) * | 2008-11-10 | 2009-04-29 | 北方工业大学 | 基于模糊支持向量机的人脸性别识别方法 |
| CN101751551A (zh) * | 2008-12-05 | 2010-06-23 | 比亚迪股份有限公司 | 一种基于图像的人脸识别方法、装置、系统及设备 |
| CN101872424A (zh) * | 2010-07-01 | 2010-10-27 | 重庆大学 | 基于Gabor变换最优通道模糊融合的人脸表情识别方法 |
| CN102831447A (zh) * | 2012-08-30 | 2012-12-19 | 北京理工大学 | 多类别面部表情高精度识别方法 |
| CN102930454A (zh) * | 2012-10-07 | 2013-02-13 | 乐配(天津)科技有限公司 | 基于多感知技术的智能3d广告推荐方法 |
| CN103413270A (zh) * | 2013-08-15 | 2013-11-27 | 北京小米科技有限责任公司 | 一种图像的处理方法、装置和终端设备 |
| CN103810490A (zh) * | 2014-02-14 | 2014-05-21 | 海信集团有限公司 | 一种确定人脸图像的属性的方法和设备 |
Non-Patent Citations (1)
| Title |
|---|
| 张淑军等: "《基于AAM提取几何特征的人脸识别算法》", 《系统仿真学报》 * |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106096540B (zh) * | 2016-06-08 | 2020-07-24 | 联想(北京)有限公司 | 一种信息处理方法和电子设备 |
| CN106096540A (zh) * | 2016-06-08 | 2016-11-09 | 联想(北京)有限公司 | 一种信息处理方法和电子设备 |
| CN107194817A (zh) * | 2017-03-29 | 2017-09-22 | 腾讯科技（深圳）有限公司 | 用户社交信息的展示方法、装置和计算机设备 |
| CN108960005A (zh) * | 2017-05-19 | 2018-12-07 | 内蒙古大学 | 一种智能视觉物联网中对象视觉标签的建立及显示方法、系统 |
| CN108960005B (zh) * | 2017-05-19 | 2022-01-04 | 内蒙古大学 | 一种智能视觉物联网中对象视觉标签的建立及显示方法、系统 |
| CN109274926A (zh) * | 2017-07-18 | 2019-01-25 | 杭州海康威视系统技术有限公司 | 一种图像处理方法、设备及系统 |
| CN109274926B (zh) * | 2017-07-18 | 2020-10-27 | 杭州海康威视系统技术有限公司 | 一种图像处理方法、设备及系统 |
| CN111278520A (zh) * | 2017-10-24 | 2020-06-12 | Vr考斯特有限及两合公司 | 用于生成和显示虚拟现实的vr装置 |
| WO2019085338A1 (zh) * | 2017-11-01 | 2019-05-09 | 平安科技（深圳）有限公司 | 电子装置、基于图像的年龄分类方法、系统及存储介质 |
| CN108171166A (zh) * | 2017-12-28 | 2018-06-15 | 百度在线网络技术（北京）有限公司 | 用于处理图像的方法和装置 |
| CN108596094A (zh) * | 2018-04-24 | 2018-09-28 | 杭州数为科技有限公司 | 人物风格检测系统、方法、终端及介质 |
| CN109460485A (zh) * | 2018-10-12 | 2019-03-12 | 咪咕文化科技有限公司 | 一种图像库建立方法、装置和存储介质 |
| CN111062435A (zh) * | 2019-12-13 | 2020-04-24 | 北京奇艺世纪科技有限公司 | 图像分析方法、装置及电子设备 |
| CN115424383A (zh) * | 2022-10-10 | 2022-12-02 | 广州睿泰智能设备科技股份有限公司 | 一种智能门禁管理系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105303149B (zh) | 2019-11-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105303149B (zh) | 人物图像的展示方法和装置 | |
| US10169639B2 (en) | Method for fingerprint template update and terminal device | |
| CN108494947B (zh) | 一种图像分享方法及移动终端 | |
| CN111985265A (zh) | 图像处理方法和装置 | |
| US20190266385A1 (en) | Evaluation method and evaluation device for facial key point positioning result | |
| CN108846274B (zh) | 一种安全验证方法、装置及终端 | |
| CN111260665A (zh) | 图像分割模型训练方法和装置 | |
| US10599913B2 (en) | Face model matrix training method and apparatus, and storage medium | |
| CN111209423B (zh) | 一种基于电子相册的图像管理方法、装置以及存储介质 | |
| CN108460817B (zh) | 一种拼图方法及移动终端 | |
| CN111009031B (zh) | 一种人脸模型生成的方法、模型生成的方法及装置 | |
| CN110544287B (zh) | 一种配图处理方法及电子设备 | |
| CN110147742B (zh) | 一种关键点定位方法、装置及终端 | |
| CN111080747B (zh) | 一种人脸图像处理方法及电子设备 | |
| CN113190646A (zh) | 一种用户名样本的标注方法、装置、电子设备及存储介质 | |
| CN113822427A (zh) | 一种模型训练的方法、图像匹配的方法、装置及存储介质 | |
| CN111738100A (zh) | 一种基于口型的语音识别方法及终端设备 | |
| WO2024022149A1 (zh) | 数据增强方法、装置及电子设备 | |
| CN117593493A (zh) | 三维脸部拟合方法、装置、电子设备及存储介质 | |
| CN117292384A (zh) | 文字识别方法、相关装置及存储介质 | |
| CN116958715A (zh) | 一种手部关键点的检测方法、装置以及存储介质 | |
| CN109492451B (zh) | 一种编码图像识别方法及移动终端 | |
| CN110119383A (zh) | 一种文件管理方法及终端设备 | |
| CN111144427B (zh) | 图像特征提取方法、装置、设备及可读存储介质 | |
| CN111104823A (zh) | 人脸识别方法、装置及存储介质、终端设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20210916 Address after: 518057 Tencent Building, No. 1 High-tech Zone, Nanshan District, Shenzhen City, Guangdong Province, 35 floors Patentee after: TENCENT TECHNOLOGY (SHENZHEN) Co.,Ltd. Patentee after: TENCENT CLOUD COMPUTING (BEIJING) Co.,Ltd. Address before: 2, 518000, East 403 room, SEG science and Technology Park, Zhenxing Road, Shenzhen, Guangdong, Futian District Patentee before: TENCENT TECHNOLOGY (SHENZHEN) Co.,Ltd. |
|
| TR01 | Transfer of patent right |