CN105405104B - 一种人脸图像校正的方法及装置 - Google Patents
一种人脸图像校正的方法及装置 Download PDFInfo
- Publication number
- CN105405104B CN105405104B CN201510617567.8A CN201510617567A CN105405104B CN 105405104 B CN105405104 B CN 105405104B CN 201510617567 A CN201510617567 A CN 201510617567A CN 105405104 B CN105405104 B CN 105405104B
- Authority
- CN
- China
- Prior art keywords
- face
- plane
- vertical interval
- target
- correction function
- 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.)
- Active
Links
Abstract
本发明实施例公开了一种人脸图像校正的方法及装置,所述方法包括:通过预先建立的人脸模型和所述几何信息集合得到距离信息集合,然后根据所述距离信息集合计算得到校正系数集合,并利用所述校正系数集合构造二维校正函数,实现高精度的识别透视畸变的程度,从而能够利用该二维校正函数准确的校正人脸图像,有效还原人脸的真实比率,提高用户体验,且适用于各类人群。
Description
技术领域
本发明涉及图像技术领域,尤其涉及一种人脸图像校正的方法及装置。
背景技术
目前使用手机自拍、视屏通话等已广泛使用,用户在使用手机前置摄像头进行人脸自拍或进行视频通话时,拍摄距离较近,且由于光学成像将空间三维物体投影到二维的成像面上的限制,导致拍摄的照片中人脸出现透视畸变,具体表现在人脸比实际显得肥大,特别是鼻子与人脸的比例失去协调,拍摄质量较差,以及降低用户体验。
现有技术中主要有以下两种方式校正透视畸变:
一、通过从无穷远至最近的焦距调节,对被摄物拍摄,采集多幅原始图像,通过计算这些原始图像的深度信息或者成像视差,得到被摄物的深度信息,然后通过该深度信息对原始图像进行透视畸变校正处理。但该种方式需要通过双摄像头或移动摄像头或单摄像头多次拍摄,且需要用户多次变换拍摄角度,对用户的拍摄水平要求较高,并不适用所有用户。
二、首先通过相机模块获取原始图像,接着追踪并检测图像中人脸区域的面部特征,其中面部特征包括人中参数、脸颊参数、下巴参数以及面部角度参数的集合。一开始,输入图像检测到的面部特征位置被设为参考特征位置,由于面部特征位置随时间而变化,当目前面部特征位置超出给定阈值时,用当前面部特征位置更新参考特征位置,即当检测到的脸超出容忍区域时,畸变掩膜随之调整。接着,根据输出的特征位置参数构造畸变掩膜,畸变掩膜主要通过人脸特征位置参数控制,畸变掩膜覆盖的是人中及脸颊部以下的区域,然后依据畸变掩膜调整目前图像中的面部区域尺寸,在一定程度上实现瘦脸,但并非还原人脸的实际比率,且由于没考虑人脸与相机之间的距离,从而无法准确地降低人脸的畸变率。
通过以上两种方案,均不能有效、精确地降低人脸畸变的问题。
发明内容
本发明提供一种人脸图像校正的方法及装置,能够解决现有技术中降低人脸畸变的精确度较低的问题。
本发明第一方面提供一种人脸图像校正的方法,所述方法包括:
获取拍摄装置所拍摄的初始人脸图像的几何信息集合;
根据人脸模型和所述几何信息集合得到距离信息集合,所述距离信息集合包括所述几何信息集合对应的实际人脸模型中每个平面与所述拍摄装置之间的距离信息;
根据所述距离信息集合计算得到校正系数集合;
根据所述校正系数集合构造二维校正函数;
利用所述二维校正函数对所述初始人脸图像进行校正,得到目标人脸图像,并将所述目标人脸图像输出和显示。
结合第一方面,本发明第一方面的第一种实现方式中,所述人脸模型根据以下步骤得到:
获取多个人脸图像的三维几何特征数据的集合;
对所述三维几何特征数据的集合中的每个三维几何特征数据进行统计处理,得到每个所述三维几何特征数据对应的统计值;
根据所述每个所述三维几何特征数据对应的统计值建立所述人脸模型。
结合第一方面的第一种实现方式,本发明第一方面的第二种实现方式中,所述获取多个人脸图像的三维几何特征数据的集合,包括:
分别将每个所述人脸图像分为鼻尖平面、鼻子平面、脸颊平面及耳朵平面;
并获取如下三维几何特征数据:鼻子高度、鼻子长度、鼻子宽度、所述鼻子平面与所述脸颊平面之间的第一垂直间距、所述脸颊平面与所述耳朵平面之间的第二垂直间距、脸颊长度、脸颊宽度、所述耳朵平面上人脸的长度及所述耳朵平面上所述人脸的宽度。
结合第一方面或第一方面的第一或第二种实现方式,本发明第一方面的第三种实现方式中,所述获取拍摄装置所拍摄的初始人脸图像的几何信息集合,包括:
利用人脸检测算法得到所述初始人脸图像的人脸图像数据,所述人脸图像数据包括人脸中心在所述初始人脸图像的坐标信息,所述初始人脸图像中人脸的人脸长度、人脸宽度,以及以所述人脸中心为中心点的覆盖所述初始人脸图像中人脸的最小椭圆的长轴和短轴;
根据所述人脸长度和所述人脸宽度,计算得到所述人脸长度所占的第一像元数,和所述人脸宽度所占的第二像元数;
根据像元的大小、所述第一像元数和所述第二像元数得到所述人脸的大小。
结合第一方面或第一方面的第一至第三种实现方式中的任一种,本发明第一方面的第四种实现方式中,所述几何信息集合包括目标耳朵平面、目标鼻尖平面、目标鼻子平面及目标脸颊平面,所述根据人脸模型和所述几何信息集合得到距离信息集合,包括:
根据焦距,成像相似关系及所述人脸模型中的人脸长度、人脸宽度,计算得到所述目标耳朵平面与所述拍摄装置之间的第三垂直间距;
根据所述第三垂直间距,所述人脸模型中的所述鼻子高度、所述第一垂直间距及所述第二垂直间距,分别计算得到所述目标脸颊平面与所述拍摄装置之间的第四垂直间距、所述目标鼻子平面与所述拍摄装置之间的第五垂直间距、所述目标鼻尖平面与所述拍摄装置之间的第六垂直间距。
结合第一方面的第四种实现方式,本发明第一方面的第五种实现方式中,所述根据所述距离信息集合计算得到校正系数集合,包括:
根据预设公式计算得到目标垂直间距对应的校正系数k,所述预设公式为:k=L/L’,其中所述L为目标垂直间距,L’为所述第三垂直间距;
所述目标垂直间距包括所述第三垂直间距、所述第四垂直间距、所述第五垂直间距或第六垂直间距,所述目标垂直间距与校正系数一一对应。
结合第一方面的第五种实现方式,本发明第一方面的第六种实现方式中,所述人脸图像数据还包括人脸平面与成像平面之间的夹角,所述二维校正函数为分段连续的函数;
所述根据所述校正系数集合构造二维校正函数,包括:
根据所述夹角、所述坐标信息、所述人脸的大小、所述第三垂直间距、所述第四垂直间距、所述第五垂直间距及所述第六垂直间距,构造所述二位校正函数。
结合第一方面的第六种实现方式,本发明第一方面的第七种实现方式中,所述根据所述夹角、所述坐标信息、所述人脸的大小、第三垂直间距、第四垂直间距、第五垂直间距及第六垂直间距,构造所述二位校正函数,包括:
利用所述夹角、所述坐标信息、所述人脸的大小、所述第五垂直间距对应的校正系数,和所述第六垂直间距对应的校正系数得到第一段校正函数;
利用所述夹角、所述坐标信息、所述人脸的大小、所述第四垂直间距对应的校正系数,和所述第五垂直间距对应的校正系数得到第二段校正函数;
利用所述夹角、所述坐标信息、所述人脸的大小、所述第四垂直间距对应的校正系数,和所述第三垂直间距对应的校正系数得到第三段校正函数;
根据所述第一段校正函数、所述第二段校正函数及所述第三段校正函数构造所述二维校正函数。
结合第一方面或第一方面的第一至第七种实现方式中的任一种,本发明第一方面的第八种实现方式中,所述利用所述二维校正函数对所述初始人脸图像进行校正,得到目标人脸图像,包括:
将所述二维校正函数的坐标原点移至所述人脸图像中的人脸中心;
将所述二维校正函数分别与所述初始人脸图像中的每个坐标信息对应相乘,得到校正后的坐标信息的集合;
对所述校正后的坐标信息进行坐标转换与插值,得到所述目标人脸图像。
本发明第二方面提供一种人脸图像校正的装置,所述装置包括:
获取模块,用于获取拍摄装置所拍摄的初始人脸图像的几何信息集合;
处理模块,用于根据人脸模型和所述获取模块获取到的所述几何信息集合得到距离信息集合,所述距离信息集合包括所述几何信息集合对应的实际人脸模型中每个平面与所述拍摄装置之间的距离信息;
根据所述距离信息集合计算得到校正系数集合;
根据所述校正系数集合构造二维校正函数;
利用所述二维校正函数对所述初始人脸图像进行校正,得到目标人脸图像;
显示模块,用于将所述处理模块得到的所述目标人脸图像输出和显示。
结合第二方面,本发明第二方面的第一种实现方式中,所述处理模块执行以下步骤得到所述人脸模型:
通过所述获取模块获取多个人脸图像的三维几何特征数据的集合;
对所述三维几何特征数据的集合中的每个三维几何特征数据进行统计处理,得到每个所述三维几何特征数据对应的统计值;
根据所述每个所述三维几何特征数据对应的统计值建立所述人脸模型。
结合第二方面的第一种实现方式,本发明第二方面的第二种实现方式中,所述处理模块具体用于:
分别将每个所述人脸图像分为鼻尖平面、鼻子平面、脸颊平面及耳朵平面;
并通过所述获取模块获取如下三维几何特征数据:鼻子高度、鼻子长度、鼻子宽度、所述鼻子平面与所述脸颊平面之间的第一垂直间距、所述脸颊平面与所述耳朵平面之间的第二垂直间距、脸颊长度、脸颊宽度、所述耳朵平面上人脸的长度及所述耳朵平面上所述人脸的宽度。
结合第二方面或第二方面的第一种或第二种实现方式,本发明第二方面的第三种实现方式中,所述处理模块具体用于:
利用人脸检测算法得到所述初始人脸图像的人脸图像数据,所述人脸图像数据包括人脸中心在所述初始人脸图像的坐标信息,所述初始人脸图像中人脸的人脸长度、人脸宽度,以及以所述人脸中心为中心点的覆盖所述初始人脸图像中人脸的最小椭圆的长轴和短轴;
根据所述人脸长度和所述人脸宽度,计算得到所述人脸长度所占的第一像元数,和所述人脸宽度所占的第二像元数;
根据像元的大小、所述第一像元数和所述第二像元数得到所述人脸的大小。
结合第二方面或第二方面的第一种至第三种实现方式中的任一种,本发明第二方面的第四种实现方式中,所述几何信息集合包括目标耳朵平面、目标鼻尖平面、目标鼻子平面及目标脸颊平面,所述处理模块具体用于:
根据焦距,成像相似关系及所述人脸模型中的人脸长度、人脸宽度,计算得到所述目标耳朵平面与所述拍摄装置之间的第三垂直间距;
根据所述第三垂直间距,所述人脸模型中的所述鼻子高度、所述第一垂直间距及所述第二垂直间距,分别计算得到所述目标脸颊平面与所述拍摄装置之间的第四垂直间距、所述目标鼻子平面与所述拍摄装置之间的第五垂直间距、所述目标鼻尖平面与所述拍摄装置之间的第六垂直间距。
结合第二方面的第四种实现方式,本发明第二方面的第五种实现方式中,所述处理模块具体用于:
根据预设公式计算得到目标垂直间距对应的校正系数k,所述预设公式为:k=L/L’,其中所述L为目标垂直间距,L’为所述第三垂直间距;
所述目标垂直间距包括所述第三垂直间距、所述第四垂直间距、所述第五垂直间距或第六垂直间距,所述目标垂直间距与校正系数一一对应。
结合第二方面的第五种实现方式,本发明第二方面的第六种实现方式中,所述人脸图像数据还包括人脸平面与成像平面之间的夹角,所述二维校正函数为分段连续的函数;
所述处理模块具体用于:
根据所述夹角、所述坐标信息、所述人脸的大小、所述第三垂直间距、所述第四垂直间距、所述第五垂直间距及所述第六垂直间距,构造所述二位校正函数。
结合第二方面的第五种实现方式,本发明第二方面的第七种实现方式中,所述处理模块具体用于:
利用所述夹角、所述坐标信息、所述人脸的大小、所述第五垂直间距对应的校正系数,和所述第六垂直间距对应的校正系数得到第一段校正函数;
利用所述夹角、所述坐标信息、所述人脸的大小、所述第四垂直间距对应的校正系数,和所述第五垂直间距对应的校正系数得到第二段校正函数;
利用所述夹角、所述坐标信息、所述人脸的大小、所述第四垂直间距对应的校正系数,和所述第三垂直间距对应的校正系数得到第三段校正函数;
根据所述第一段校正函数、所述第二段校正函数及所述第三段校正函数构造所述二维校正函数。
结合第二方面或第二方面的第一种至第七种实现方式中的任一种,本发明第二方面的第八种实现方式中,所述处理模块具体用于:
将所述二维校正函数的坐标原点移至所述人脸图像中的人脸中心;
将所述二维校正函数分别与所述初始人脸图像中的每个坐标信息对应相乘,得到校正后的坐标信息的集合;
对所述校正后的坐标信息进行坐标转换与插值,得到所述目标人脸图像。
从以上技术方案可以看出,本发明中,通过预先建立的人脸模型和所述几何信息集合得到距离信息集合,然后根据所述距离信息集合计算得到校正系数集合,并利用所述校正系数集合构造二维校正函数,实现高精度的识别透视畸变的程度,从而能够利用该二维校正函数准确的校正人脸图像,有效还原人脸的真实比率,提高用户体验,且适用于各类人群。
附图说明
图1为本实施例中一种人脸图像校正的方法的流程示意图;
图1-1为本实施例中一种人脸模型的示意图;
图1-2为本实施例中一种二维高斯校正函数的曲线图;
图2为本实施例中一种人脸图像校正的装置的结构示意图;
图3为本实施例中另一种人脸图像校正的装置的结构示意图。
具体实施方式
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实施例,而不是全部的实施例,基于本发明中的实施例,本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
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,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,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,例如,包含了一系列步骤或模块的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或模块,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块,本文中所出现的模块的划分,仅仅是一种逻辑上的划分,实际应用中实现时可以有另外的划分方式,例如多个模块可以结合成或集成在另一个系统中,或一些特征可以忽略,或不执行,另外,所显示的或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,模块之间的间接耦合或通信连接可以是电性或其他类似的形式,本文中均不作限定。并且,作为分离部件说明的模块或子模块可以是也可以不是物理上的分离,可以是也可以不是物理模块,或者可以分不到多个电路模块中,可以根据实际的需要选择其中的部分或全部模块来实现本发明实施例方案的目的。
本发明实施例提供了一种人脸图像校正的方法及装置,用于图像技术领域,能够解决现有技术中降低人脸畸变的精确度较低的问题。执行该人脸图像校正的方法的装置可以是智能手机、拍摄设备(数码相机、单反相机等)内嵌在终端内的软件(例如游戏、美化软件),或模拟应用等,具体的应用场景本文中均不作限定。
请参照图1,下面从终端的角度对本发明实施例中一种人脸图像校正的方法进行描述,本发明实施例包括:
101、获取拍摄装置所拍摄的初始人脸图像的几何信息集合;
102、根据人脸模型和所述几何信息集合得到距离信息集合;
所述距离信息集合包括所述几何信息集合对应的实际人脸模型中每个平面与所述拍摄装置之间的距离信息;
其中,上述人脸模型为预先建立的且配置在终端内,该人脸模型需要通过大量的实验数据进行建模得到(可参考图1-1中的人脸模型的三维集合建模平面示意图),上述人脸模型根据以下步骤得到:
获取多个人脸图像的三维几何特征数据的集合;
对所述三维几何特征数据的集合中的每个三维几何特征数据进行统计处理,得到每个所述三维几何特征数据对应的统计值;
根据所述每个所述三维几何特征数据对应的统计值建立所述人脸模型。
其中,所述获取多个人脸图像的三维几何特征数据的集合,包括:
分别将每个所述人脸图像分为鼻尖平面、鼻子平面、脸颊平面及耳朵平面;
并获取如下三维几何特征数据:鼻子高度Hnose、鼻子长度Lnose、鼻子宽度Wnose、所述鼻子平面与所述脸颊平面之间的第一垂直间距Lnc、所述脸颊平面与所述耳朵平面之间的第二垂直间距Lce、脸颊长度Lcheek、脸颊宽度Wcheek、所述耳朵平面上人脸的长度Lear及所述耳朵平面上所述人脸的宽度Wear。
需要说明的是,每个所述统计值用于表示人脸图像中对应的三维几何特征,所述统计值包括均值或中值或加权值。
103、根据所述距离信息集合计算得到校正系数集合;
由于该距离信息集合可以包含实际人脸上任一点或平面到拍摄装置的垂直间距,故为校正透视畸变,会选择引起透视畸变的相关的点或平面作为校正的目标点或平面,且每个点或平面都有唯一对应的校正系数,这些校正技术构成校正系数集合,具体的选点或选平面可以根据实际透视畸变的严重程度或系统实际处理性能而定,具体不作限定。
104、根据所述校正系数集合构造二维校正函数;
105、利用所述二维校正函数对所述初始人脸图像进行校正,得到目标人脸图像,并将所述目标人脸图像输出和显示。
本发明实施例中,通过预先建立的人脸模型和所述几何信息集合得到距离信息集合,然后根据所述距离信息集合计算得到校正系数集合,并利用所述校正系数集合构造二维校正函数,实现高精度的识别透视畸变的程度,从而能够利用该二维校正函数准确的校正人脸图像,有效还原人脸的真实比率,特别是使得人脸得到一定程度上的收缩,有效减少鼻子肥大的现象,且本方法为拍照后全自动的校正,不需要人工设置相关参数(傻瓜式),有效减少时延和提高用户体验,适用于各类人群。
可选的,在上述图1所对应的实施例的基础上,本发明实施例的第一个可选实施例中,所述获取拍摄装置所拍摄的初始人脸图像的几何信息集合,包括:
利用人脸检测算法得到所述初始人脸图像的人脸图像数据,所述人脸图像数据包括人脸中心在所述初始人脸图像的坐标信息,所述初始人脸图像中人脸的人脸长度、人脸宽度,以及以所述人脸中心为中心点的覆盖所述初始人脸图像中人脸的最小椭圆的长轴和短轴;
根据所述人脸长度和所述人脸宽度,计算得到所述人脸长度所占的第一像元数,和所述人脸宽度所占的第二像元数;
根据像元的大小、所述第一像元数和所述第二像元数得到所述人脸的大小。
可选的,在上述图1所对应的实施例或上述第一个可选实施例的基础上,本发明实施例的第二个可选实施例中,可参考图1-1中人脸模型的三维集合建模平面示意图,所述方法还包括:
所述几何信息集合包括目标耳朵平面、目标鼻尖平面、目标鼻子平面及目标脸颊平面,所述根据人脸模型和所述几何信息集合得到距离信息集合,包括:
根据焦距,成像相似关系及所述人脸模型中的人脸长度、人脸宽度,计算得到所述目标耳朵平面与所述拍摄装置之间的第三垂直间距;
根据所述第三垂直间距,所述人脸模型中的所述鼻子高度Hnose、所述第一垂直间距及所述第二垂直间距,分别计算得到所述目标脸颊平面与所述拍摄装置之间的第四垂直间距、所述目标鼻子平面与所述拍摄装置之间的第五垂直间距、所述目标鼻尖平面与所述拍摄装置之间的第六垂直间距。
具体的计算过程如下:
根据所述第二垂直间距和所述第三垂直间距计算得到所述目标脸颊平面与所述拍摄装置之间的第四垂直间距,根据所述第一垂直间距和所述第四垂直间距计算得到所述目标鼻子平面与所述拍摄装置之间的第五垂直间距,根据所述第五垂直间距和所述人脸模型中的所述鼻子高度Hnose计算得到所述所述目标鼻尖平面与所述拍摄装置之间的第六垂直间距。
当然也可以通过其他参考平面计算上述第三至第六垂直间距,各种计算方式可能会存在误差,通过本可选实施例的计算方式,可将误差降至最低,
保证数据的准确度。
可选的,在上述第二个可选实施例的基础上,本发明实施例的第三个可选实施例中,所述根据所述距离信息集合计算得到校正系数集合,包括:
根据预设公式计算得到目标垂直间距对应的校正系数k,所述预设公式为:k=L/L’,其中所述L为目标垂直间距,L’为所述第三垂直间距;
所述目标垂直间距包括所述第三垂直间距、所述第四垂直间距、所述第五垂直间距或第六垂直间距,所述目标垂直间距与校正系数一一对应。
上述L代表人脸上任意一点到所述拍摄装置之间的垂直间距,L’为人脸距离所述拍摄装置的垂直间距最大的间距,即上述第三垂直间距(L’)对应的校正系数k1=1。
则上述第四垂直间距(L’-Lce)对应的校正系数k2=(L’-Lce)/L’;
上述第五垂直间距(L’-Lce-Lnc)对应的校正系数k3=(L’-Lce-Lnc)/L’;
上述第六垂直间距(L’-Lce-Lnc-Hnose)对应的校正系数k4=(L’-Lce-Lnc-Hnose)/L’。
可选的,在上述第三个可选实施例中的基础上,本发明实施例的第四个可选实施例中,所述人脸图像数据还包括人脸平面与成像平面之间的夹角,所述二维校正函数为分段连续的函数;
所述根据所述校正系数集合构造二维校正函数,包括:
根据所述夹角、所述坐标信息、所述人脸的大小、所述第三垂直间距、所述第四垂直间距、所述第五垂直间距及所述第六垂直间距,构造所述二位校正函数。
可选的,在上述第四个可选实施例中的基础上,本发明实施例的第五个可选实施例中,所述根据所述夹角、所述坐标信息、所述人脸的大小、第三垂直间距、第四垂直间距、第五垂直间距及第六垂直间距,构造所述二位校正函数,包括:
利用所述夹角、所述坐标信息、所述人脸的大小、所述第五垂直间距对应的校正系数,和所述第六垂直间距对应的校正系数得到第一段校正函数;
利用所述夹角、所述坐标信息、所述人脸的大小、所述第四垂直间距对应的校正系数,和所述第五垂直间距对应的校正系数得到第二段校正函数;
利用所述夹角、所述坐标信息、所述人脸的大小、所述第四垂直间距对应的校正系数,和所述第三垂直间距对应的校正系数得到第三段校正函数;
根据所述第一段校正函数、所述第二段校正函数及所述第三段校正函数构造所述二维校正函数。
其中,每段校正函数可以是高斯函数(如图1-2所示的二维高斯校正函数),也可以是其他函数,只要可以模拟出人脸鼻子区域沿光轴方向变化剧烈,而脸颊变化平缓一致的效果的连续光滑函数,都在本发明保护范围之内,具体体现形式本发明不做限定。
另外,该二维校正函数不限于仅仅包含上述三段校正函数,具体根据实际透视畸变的程度来设定,以提高绘制该二维校正函数的精度。
举例来说,先计算人脸平面与成像平面之间的夹角,若大于预设阈值,则表明上述人脸为侧脸,在利用上述二维校正函数校正人脸之前需要将人脸偏转,或者可以将二维校正函数偏转。具体的校正过程为:可以将上述相应的校正系数作为边界条件,计算出每一段高斯函数的均值和方差,例如目标鼻尖平面到目标鼻子平面的高斯函数采用系数k3和k4作为边界条件计算出该高斯函数的均值和方差,然后将该分段函数以原点为中心偏转,以适应人脸与成像平面不平行的情况。
可选的,在上述图1所对应的实施例或上述第一至第五个可选实施例中任一个的基础上,本发明实施例的第六个可选实施例中,所述利用所述二维校正函数对所述初始人脸图像进行校正,得到目标人脸图像,包括:
将所述二维校正函数的坐标原点移至所述人脸图像中的人脸中心;
将所述二维校正函数分别与所述初始人脸图像中的每个坐标信息对应相乘,得到校正后的坐标信息的集合;
对所述校正后的坐标信息进行坐标转换与插值,得到所述目标人脸图像。
插值为一种计算像素时增加有效像素的成像方式,用于填充图像变换时像素之间的空隙。举例来说,由于人脸经过校正,某些像素的位置会发生改变,如鼻子周围的像素向内移动就会在原位置出现像素缺失,可以采取插值方式进行填充,以增加像素总量和密度。其中所填充的像素可以通过周围离散像素的取值估算该点的近似值(如取与原像素临近的各像素的平均值替补空出的像素)。
参阅图2,上面对本发明中的一种人脸图像校正的方法进行详细描述,以下对本发明中一种人脸图像校正的装置进行说明,所述装置20包括:
获取模块201,用于获取拍摄装置所拍摄的初始人脸图像的几何信息集合;
处理模块202,用于根据人脸模型和所述获取模块201获取到的所述几何信息集合得到距离信息集合,所述距离信息集合包括所述几何信息集合对应的实际人脸模型中每个平面与所述拍摄装置之间的距离信息;
根据所述距离信息集合计算得到校正系数集合;
根据所述校正系数集合构造二维校正函数;
利用所述二维校正函数对所述初始人脸图像进行校正,得到目标人脸图像;
显示模块203,用于将所述处理模块202得到的所述目标人脸图像输出和显示。
本发明实施例中,处理模块202通过预先建立的人脸模型和所述几何信息集合得到距离信息集合,然后根据所述距离信息集合计算得到校正系数集合,并利用所述校正系数集合构造二维校正函数,实现高精度的识别透视畸变的程度,从而能够利用该二维校正函数准确的校正人脸图像,有效还原人脸的真实比率,特别是使得人脸得到一定程度上的收缩,有效减少鼻子肥大的现象,且本方法为拍照后全自动的校正,不需要人工设置相关参数(傻瓜式),有效减少时延和提高用户体验,适用于各类人群。
可选的,在一些发明实施例中,所述处理模块202执行以下步骤得到所述人脸模型:
通过所述获取模块201获取多个人脸图像的三维几何特征数据的集合;
对所述三维几何特征数据的集合中的每个三维几何特征数据进行统计处理,得到每个所述三维几何特征数据对应的统计值;
根据所述每个所述三维几何特征数据对应的统计值建立所述人脸模型。
可选的,在一些发明实施例中,所述处理模块具体用于:
分别将每个所述人脸图像分为鼻尖平面、鼻子平面、脸颊平面及耳朵平面;
并通过所述获取模块201获取如下三维几何特征数据:鼻子高度、鼻子长度、鼻子宽度、所述鼻子平面与所述脸颊平面之间的第一垂直间距、所述脸颊平面与所述耳朵平面之间的第二垂直间距、脸颊长度、脸颊宽度、所述耳朵平面上人脸的长度及所述耳朵平面上所述人脸的宽度。
可选的,在一些发明实施例中,所述处理模块202具体用于:
利用人脸检测算法得到所述初始人脸图像的人脸图像数据,所述人脸图像数据包括人脸中心在所述初始人脸图像的坐标信息,所述初始人脸图像中人脸的人脸长度、人脸宽度,以及以所述人脸中心为中心点的覆盖所述初始人脸图像中人脸的最小椭圆的长轴和短轴;
根据所述人脸长度和所述人脸宽度,计算得到所述人脸长度所占的第一像元数,和所述人脸宽度所占的第二像元数;
根据像元的大小、所述第一像元数和所述第二像元数得到所述人脸的大小。
可选的,在一些发明实施例中,所述几何信息集合包括目标耳朵平面、目标鼻尖平面、目标鼻子平面及目标脸颊平面,所述处理模块202具体用于:
根据焦距,成像相似关系及所述人脸模型中的人脸长度、人脸宽度,计算得到所述目标耳朵平面与所述拍摄装置之间的第三垂直间距;
根据所述第三垂直间距,所述人脸模型中的所述鼻子高度、所述第一垂直间距及所述第二垂直间距,分别计算得到所述目标脸颊平面与所述拍摄装置之间的第四垂直间距、所述目标鼻子平面与所述拍摄装置之间的第五垂直间距、所述目标鼻尖平面与所述拍摄装置之间的第六垂直间距。
可选的,在一些发明实施例中,所述处理模块202具体用于:
根据预设公式计算得到目标垂直间距对应的校正系数k,所述预设公式为:k=L/L’,其中所述L为目标垂直间距,L’为所述第三垂直间距;
所述目标垂直间距包括所述第三垂直间距、所述第四垂直间距、所述第五垂直间距或第六垂直间距,所述目标垂直间距与校正系数一一对应。
可选的,在一些发明实施例中,所述人脸图像数据还包括人脸平面与成像平面之间的夹角,所述二维校正函数为分段连续的函数;
所述处理模块202具体用于:
根据所述夹角、所述坐标信息、所述人脸的大小、所述第三垂直间距、所述第四垂直间距、所述第五垂直间距及所述第六垂直间距,构造所述二位校正函数。
可选的,在一些发明实施例中,所述处理模块202具体用于:
利用所述夹角、所述坐标信息、所述人脸的大小、所述第五垂直间距对应的校正系数,和所述第六垂直间距对应的校正系数得到第一段校正函数;
利用所述夹角、所述坐标信息、所述人脸的大小、所述第四垂直间距对应的校正系数,和所述第五垂直间距对应的校正系数得到第二段校正函数;
利用所述夹角、所述坐标信息、所述人脸的大小、所述第四垂直间距对应的校正系数,和所述第三垂直间距对应的校正系数得到第三段校正函数;
根据所述第一段校正函数、所述第二段校正函数及所述第三段校正函数构造所述二维校正函数。
可选的,在一些发明实施例中,所述处理模块202具体用于:
将所述二维校正函数的坐标原点移至所述人脸图像中的人脸中心;
将所述二维校正函数分别与所述初始人脸图像中的每个坐标信息对应相乘,得到校正后的坐标信息的集合;
对所述校正后的坐标信息进行坐标转换与插值,得到所述目标人脸图像。
本发明还提供一种计算机存储介质,该介质存储有程序,该程序执行时包括上述人脸图像校正的装置执行一种人脸图像校正的方法中的部分或者全部步骤。
图3是本发明实施例人脸图像校正的装置30的另一结构示意图。人脸图像校正的装置30可包括至少一个网络接口或者其它通信接口、至少一个接收器301、至少一个发射器302、至少一个处理器303和存储器304,以实现这些装置之间的连接通信,通过至少一个网络接口(可以是有线或者无线)实现该系统网关与至少一个其它网元之间的通信连接,可以使用互联网,广域网,本地网,城域网等。
输入单元301用于将拍摄装置所拍摄的初始人脸图像的初始图像数据输入终端的处理器303;
存储器304可以包括只读存储器和随机存取存储器,并向处理器303提供指令和数据,存储器304的一部分还可以包括可能包含高速随机存取存储器(RAM,Random AccessMemory),也可能还包括非不稳定的存储器(non-volatile memory)。
存储器304用于存储人脸模型,同时也存储如下的元素,可执行模块或者数据结构,或者它们的子集,或者它们的扩展集:
操作指令:包括各种操作指令,用于实现各种操作。
操作系统:包括各种系统程序,用于实现各种基础业务以及处理基于硬件的任务。
显示单元302用于显示将处理器303校正后的目标图像。
RF电路305,主要用于建立终端与无线网络(即网络侧)的通信,实现终端与无线网络的数据接收和发送。例如收发短信息、电子邮件等。具体地,RF电路1405接收并发送RF信号,RF信号也称为电磁信号,RF电路305将电信号转换为电磁信号或将电磁信号转换为电信号,并且通过该电磁信号与通信网络以及其他设备进行通信。RF电路305可以包括用于执行这些功能的已知电路,其包括但不限于天线系统、RF收发机、一个或多个放大器、调谐器、一个或多个振荡器、数字信号处理器、CODEC芯片组、用户标识模块(Subscriber IdentityModule,SIM)等等。
在本发明实施例中,处理器303通过调用存储器304存储的操作指令(该操作指令可存储在操作系统中),执行如下操作:
通过上述输入单元301获取拍摄装置所拍摄的初始人脸图像的几何信息集合;
根据人脸模型和所述获取模块获取到的所述几何信息集合得到距离信息集合,所述距离信息集合包括所述几何信息集合对应的实际人脸模型中每个平面与所述拍摄装置之间的距离信息;
根据所述距离信息集合计算得到校正系数集合;
根据所述校正系数集合构造二维校正函数;
利用所述二维校正函数对所述初始人脸图像进行校正,得到目标人脸图像;
并通过显示单元302将所述目标人脸图像输出和显示。
在一些实施方式中,上述处理器303还可以执行以下步骤得到所述人脸模型:
通过所述获取模块获取多个人脸图像的三维几何特征数据的集合;
对所述三维几何特征数据的集合中的每个三维几何特征数据进行统计处理,得到每个所述三维几何特征数据对应的统计值;
根据所述每个所述三维几何特征数据对应的统计值建立所述人脸模型。
在一些实施方式中,上述处理器303还可以执行以下步骤:
分别将每个所述人脸图像分为鼻尖平面、鼻子平面、脸颊平面及耳朵平面;
并通过所述输入单元301获取如下三维几何特征数据:鼻子高度、鼻子长度、鼻子宽度、所述鼻子平面与所述脸颊平面之间的第一垂直间距、所述脸颊平面与所述耳朵平面之间的第二垂直间距、脸颊长度、脸颊宽度、所述耳朵平面上人脸的长度及所述耳朵平面上所述人脸的宽度。
在一些实施方式中,上述处理器303还可以执行以下步骤:
利用人脸检测算法得到所述初始人脸图像的人脸图像数据,所述人脸图像数据包括人脸中心在所述初始人脸图像的坐标信息,所述初始人脸图像中人脸的人脸长度、人脸宽度,以及以所述人脸中心为中心点的覆盖所述初始人脸图像中人脸的最小椭圆的长轴和短轴;
根据所述人脸长度和所述人脸宽度,计算得到所述人脸长度所占的第一像元数,和所述人脸宽度所占的第二像元数;
根据像元的大小、所述第一像元数和所述第二像元数得到所述人脸的大小。
在一些实施方式中,所述几何信息集合包括目标耳朵平面、目标鼻尖平面、目标鼻子平面及目标脸颊平面,上述处理器303还可以执行以下步骤:
根据焦距,成像相似关系及所述人脸模型中的人脸长度、人脸宽度,计算得到所述目标耳朵平面与所述拍摄装置之间的第三垂直间距;
根据所述第三垂直间距,所述人脸模型中的所述鼻子高度、所述第一垂直间距及所述第二垂直间距,分别计算得到所述目标脸颊平面与所述拍摄装置之间的第四垂直间距、所述目标鼻子平面与所述拍摄装置之间的第五垂直间距、所述目标鼻尖平面与所述拍摄装置之间的第六垂直间距。
在一些实施方式中,上述处理器303还可以执行以下步骤:
根据预设公式计算得到目标垂直间距对应的校正系数k,所述预设公式为:k=L/L’,其中所述L为目标垂直间距,L’为所述第三垂直间距;
所述目标垂直间距包括所述第三垂直间距、所述第四垂直间距、所述第五垂直间距或第六垂直间距,所述目标垂直间距与校正系数一一对应。
在一些实施方式中,所述人脸图像数据还包括人脸平面与成像平面之间的夹角,所述二维校正函数为分段连续的函数,上述处理器303还可以执行以下步骤:
根据所述夹角、所述坐标信息、所述人脸的大小、所述第三垂直间距、所述第四垂直间距、所述第五垂直间距及所述第六垂直间距,构造所述二位校正函数。
在一些实施方式中,上述处理器303还可以执行以下步骤:
利用所述夹角、所述坐标信息、所述人脸的大小、所述第五垂直间距对应的校正系数,和所述第六垂直间距对应的校正系数得到第一段校正函数;
利用所述夹角、所述坐标信息、所述人脸的大小、所述第四垂直间距对应的校正系数,和所述第五垂直间距对应的校正系数得到第二段校正函数;
利用所述夹角、所述坐标信息、所述人脸的大小、所述第四垂直间距对应的校正系数,和所述第三垂直间距对应的校正系数得到第三段校正函数;
根据所述第一段校正函数、所述第二段校正函数及所述第三段校正函数构造所述二维校正函数。
在一些实施方式中,上述处理器303还可以执行以下步骤:
将所述二维校正函数的坐标原点移至所述人脸图像中的人脸中心;
将所述二维校正函数分别与所述初始人脸图像中的每个坐标信息对应相乘,得到校正后的坐标信息的集合;
对所述校正后的坐标信息进行坐标转换与插值,得到所述目标人脸图像。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明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-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上对本发明所提供的一种人脸图像校正的方法及装置进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (18)
1.一种人脸图像校正的方法,其特征在于,所述方法包括:
获取拍摄装置所拍摄的初始人脸图像的几何信息集合;
根据人脸模型和所述几何信息集合得到距离信息集合,所述距离信息集合包括所述几何信息集合对应的实际人脸模型中每个平面与所述拍摄装置之间的距离信息;
根据所述距离信息集合计算得到校正系数集合;
根据所述校正系数集合构造二维校正函数;
利用所述二维校正函数对所述初始人脸图像进行校正,得到目标人脸图像,并将所述目标人脸图像输出和显示。
2.根据权利要求1所述的方法,其特征在于,所述人脸模型根据以下步骤得到:
获取多个人脸图像的三维几何特征数据的集合;
对所述三维几何特征数据的集合中的每个三维几何特征数据进行统计处理,得到每个所述三维几何特征数据对应的统计值;
根据所述每个所述三维几何特征数据对应的统计值建立所述人脸模型。
3.根据权利要求2所述的方法,其特征在于,所述获取多个人脸图像的三维几何特征数据的集合,包括:
分别将每个所述人脸图像分为鼻尖平面、鼻子平面、脸颊平面及耳朵平面;
并获取如下三维几何特征数据:鼻子高度、鼻子长度、鼻子宽度、所述鼻子平面与所述脸颊平面之间的第一垂直间距、所述脸颊平面与所述耳朵平面之间的第二垂直间距、脸颊长度、脸颊宽度、所述耳朵平面上人脸的长度及所述耳朵平面上所述人脸的宽度。
4.根据权利要求3所述的方法,其特征在于,所述获取拍摄装置所拍摄的初始人脸图像的几何信息集合,包括:
利用人脸检测算法得到所述初始人脸图像的人脸图像数据,所述人脸图像数据包括人脸中心在所述初始人脸图像的坐标信息,所述初始人脸图像中人脸的人脸长度、人脸宽度,以及以所述人脸中心为中心点的覆盖所述初始人脸图像中人脸的最小椭圆的长轴和短轴;
根据所述人脸长度和所述人脸宽度,计算得到所述人脸长度所占的第一像元数,和所述人脸宽度所占的第二像元数;
根据像元的大小、所述第一像元数和所述第二像元数得到所述人脸的大小。
5.根据权利要求4所述的方法,其特征在于,所述几何信息集合包括目标耳朵平面、目标鼻尖平面、目标鼻子平面及目标脸颊平面,所述根据人脸模型和所述几何信息集合得到距离信息集合,包括:
根据焦距,成像相似关系及所述人脸模型中的人脸长度、人脸宽度,计算得到所述目标耳朵平面与所述拍摄装置之间的第三垂直间距;
根据所述第三垂直间距,所述人脸模型中的所述鼻子高度、所述第一垂直间距及所述第二垂直间距,分别计算得到所述目标脸颊平面与所述拍摄装置之间的第四垂直间距、所述目标鼻子平面与所述拍摄装置之间的第五垂直间距、所述目标鼻尖平面与所述拍摄装置之间的第六垂直间距。
6.根据权利要求5所述的方法,其特征在于,所述根据所述距离信息集合计算得到校正系数集合,包括:
根据预设公式计算得到目标垂直间距对应的校正系数k,所述预设公式为:k=L/L’,其中所述L为目标垂直间距,L’为所述第三垂直间距;
所述目标垂直间距包括所述第三垂直间距、所述第四垂直间距、所述第五垂直间距或第六垂直间距,所述目标垂直间距与校正系数一一对应。
7.根据权利要求6所述的方法,其特征在于,所述人脸图像数据还包括人脸平面与成像平面之间的夹角,所述二维校正函数为分段连续的函数;
所述根据所述校正系数集合构造二维校正函数,包括:
根据所述夹角、所述坐标信息、所述人脸的大小、所述第三垂直间距、所述第四垂直间距、所述第五垂直间距及所述第六垂直间距,构造所述二维校正函数。
8.根据权利要求7所述的方法,其特征在于,所述根据所述夹角、所述坐标信息、所述人脸的大小、第三垂直间距、第四垂直间距、第五垂直间距及第六垂直间距,构造所述二维校正函数,包括:
利用所述夹角、所述坐标信息、所述人脸的大小、所述第五垂直间距对应的校正系数,和所述第六垂直间距对应的校正系数得到第一段校正函数;
利用所述夹角、所述坐标信息、所述人脸的大小、所述第四垂直间距对应的校正系数,和所述第五垂直间距对应的校正系数得到第二段校正函数;
利用所述夹角、所述坐标信息、所述人脸的大小、所述第四垂直间距对应的校正系数,和所述第三垂直间距对应的校正系数得到第三段校正函数;
根据所述第一段校正函数、所述第二段校正函数及所述第三段校正函数构造所述二维校正函数。
9.根据权利要求8所述的方法,其特征在于,所述利用所述二维校正函数对所述初始人脸图像进行校正,得到目标人脸图像,包括:
将所述二维校正函数的坐标原点移至所述人脸图像中的人脸中心;
将所述二维校正函数分别与所述初始人脸图像中的每个坐标信息对应相乘,得到校正后的坐标信息的集合;
对所述校正后的坐标信息进行坐标转换与插值,得到所述目标人脸图像。
10.一种人脸图像校正的装置,其特征在于,所述装置包括:
获取模块,用于获取拍摄装置所拍摄的初始人脸图像的几何信息集合;
处理模块,用于根据人脸模型和所述获取模块获取到的所述几何信息集合得到距离信息集合,所述距离信息集合包括所述几何信息集合对应的实际人脸模型中每个平面与所述拍摄装置之间的距离信息;
根据所述距离信息集合计算得到校正系数集合;
根据所述校正系数集合构造二维校正函数;
利用所述二维校正函数对所述初始人脸图像进行校正,得到目标人脸图像;
显示模块,用于将所述处理模块得到的所述目标人脸图像输出和显示。
11.根据权利要求10所述的装置,其特征在于,所述处理模块执行以下步骤得到所述人脸模型:
通过所述获取模块获取多个人脸图像的三维几何特征数据的集合;
对所述三维几何特征数据的集合中的每个三维几何特征数据进行统计处理,得到每个所述三维几何特征数据对应的统计值;
根据所述每个所述三维几何特征数据对应的统计值建立所述人脸模型。
12.根据权利要求11所述的装置,其特征在于,所述处理模块具体用于:
分别将每个所述人脸图像分为鼻尖平面、鼻子平面、脸颊平面及耳朵平面;
并通过所述获取模块获取如下三维几何特征数据:鼻子高度、鼻子长度、鼻子宽度、所述鼻子平面与所述脸颊平面之间的第一垂直间距、所述脸颊平面与所述耳朵平面之间的第二垂直间距、脸颊长度、脸颊宽度、所述耳朵平面上人脸的长度及所述耳朵平面上所述人脸的宽度。
13.根据权利要求12所述的装置,其特征在于,所述处理模块具体用于:
利用人脸检测算法得到所述初始人脸图像的人脸图像数据,所述人脸图像数据包括人脸中心在所述初始人脸图像的坐标信息,所述初始人脸图像中人脸的人脸长度、人脸宽度,以及以所述人脸中心为中心点的覆盖所述初始人脸图像中人脸的最小椭圆的长轴和短轴;
根据所述人脸长度和所述人脸宽度,计算得到所述人脸长度所占的第一像元数,和所述人脸宽度所占的第二像元数;
根据像元的大小、所述第一像元数和所述第二像元数得到所述人脸的大小。
14.根据权利要求13所述的装置,其特征在于,所述几何信息集合包括目标耳朵平面、目标鼻尖平面、目标鼻子平面及目标脸颊平面,所述处理模块具体用于:
根据焦距,成像相似关系及所述人脸模型中的人脸长度、人脸宽度,计算得到所述目标耳朵平面与所述拍摄装置之间的第三垂直间距;
根据所述第三垂直间距,所述人脸模型中的所述鼻子高度、所述第一垂直间距及所述第二垂直间距,分别计算得到所述目标脸颊平面与所述拍摄装置之间的第四垂直间距、所述目标鼻子平面与所述拍摄装置之间的第五垂直间距、所述目标鼻尖平面与所述拍摄装置之间的第六垂直间距。
15.根据权利要求14所述的装置,其特征在于,所述处理模块具体用于:
根据预设公式计算得到目标垂直间距对应的校正系数k,所述预设公式为:k=L/L’,其中所述L为目标垂直间距,L’为所述第三垂直间距;
所述目标垂直间距包括所述第三垂直间距、所述第四垂直间距、所述第五垂直间距或第六垂直间距,所述目标垂直间距与校正系数一一对应。
16.根据权利要求15所述的装置,其特征在于,所述人脸图像数据还包括人脸平面与成像平面之间的夹角,所述二维校正函数为分段连续的函数;
所述处理模块具体用于:
根据所述夹角、所述坐标信息、所述人脸的大小、所述第三垂直间距、所述第四垂直间距、所述第五垂直间距及所述第六垂直间距,构造所述二维校正函数。
17.根据权利要求16所述的装置,其特征在于,所述处理模块具体用于:
利用所述夹角、所述坐标信息、所述人脸的大小、所述第五垂直间距对应的校正系数,和所述第六垂直间距对应的校正系数得到第一段校正函数;
利用所述夹角、所述坐标信息、所述人脸的大小、所述第四垂直间距对应的校正系数,和所述第五垂直间距对应的校正系数得到第二段校正函数;
利用所述夹角、所述坐标信息、所述人脸的大小、所述第四垂直间距对应的校正系数,和所述第三垂直间距对应的校正系数得到第三段校正函数;
根据所述第一段校正函数、所述第二段校正函数及所述第三段校正函数构造所述二维校正函数。
18.根据权利要求17所述的装置,其特征在于,所述处理模块具体用于:
将所述二维校正函数的坐标原点移至所述人脸图像中的人脸中心;
将所述二维校正函数分别与所述初始人脸图像中的每个坐标信息对应相乘,得到校正后的坐标信息的集合;
对所述校正后的坐标信息进行坐标转换与插值,得到所述目标人脸图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510617567.8A CN105405104B (zh) | 2015-09-24 | 2015-09-24 | 一种人脸图像校正的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510617567.8A CN105405104B (zh) | 2015-09-24 | 2015-09-24 | 一种人脸图像校正的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105405104A CN105405104A (zh) | 2016-03-16 |
CN105405104B true CN105405104B (zh) | 2018-05-29 |
Family
ID=55470571
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510617567.8A Active CN105405104B (zh) | 2015-09-24 | 2015-09-24 | 一种人脸图像校正的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105405104B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108470328A (zh) * | 2018-03-28 | 2018-08-31 | 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 |
CN110852943A (zh) * | 2018-08-21 | 2020-02-28 | 北京市商汤科技开发有限公司 | 图像处理方法及装置、图像处理设备及存储介质 |
CN110533777B (zh) * | 2019-08-01 | 2020-09-15 | 北京达佳互联信息技术有限公司 | 三维人脸图像修正方法、装置、电子设备和存储介质 |
CN111091507A (zh) * | 2019-12-09 | 2020-05-01 | Oppo广东移动通信有限公司 | 图像处理方法、装置、电子设备以及存储介质 |
CN111325691B (zh) * | 2020-02-20 | 2023-11-10 | Oppo广东移动通信有限公司 | 图像校正方法、装置、电子设备和计算机可读存储介质 |
CN113850726A (zh) * | 2020-06-28 | 2021-12-28 | 华为技术有限公司 | 图像变换方法和装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1500660A (zh) * | 2002-11-13 | 2004-06-02 | 深圳市泛友科技有限公司 | 三维数码摄影技术用于个性化娃娃的制作方法 |
CN101933040A (zh) * | 2007-06-06 | 2010-12-29 | 索尼株式会社 | 图像处理装置、图像处理方法以及图像处理程序 |
CN102917232A (zh) * | 2012-10-23 | 2013-02-06 | 深圳创维-Rgb电子有限公司 | 基于人脸识别的3d显示自适应调节方法和装置 |
CN103593870A (zh) * | 2013-11-12 | 2014-02-19 | 杭州摩图科技有限公司 | 一种基于人脸的图像处理装置及其方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101679290B1 (ko) * | 2009-11-17 | 2016-11-24 | 삼성전자 주식회사 | 영상 처리 방법 및 장치 |
-
2015
- 2015-09-24 CN CN201510617567.8A patent/CN105405104B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1500660A (zh) * | 2002-11-13 | 2004-06-02 | 深圳市泛友科技有限公司 | 三维数码摄影技术用于个性化娃娃的制作方法 |
CN101933040A (zh) * | 2007-06-06 | 2010-12-29 | 索尼株式会社 | 图像处理装置、图像处理方法以及图像处理程序 |
CN102917232A (zh) * | 2012-10-23 | 2013-02-06 | 深圳创维-Rgb电子有限公司 | 基于人脸识别的3d显示自适应调节方法和装置 |
CN103593870A (zh) * | 2013-11-12 | 2014-02-19 | 杭州摩图科技有限公司 | 一种基于人脸的图像处理装置及其方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105405104A (zh) | 2016-03-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105405104B (zh) | 一种人脸图像校正的方法及装置 | |
CN107509031B (zh) | 图像处理方法、装置、移动终端及计算机可读存储介质 | |
CN111402170B (zh) | 图像增强方法、装置、终端及计算机可读存储介质 | |
CN108986197B (zh) | 3d骨架线构建方法及装置 | |
CN102761768A (zh) | 一种实现立体成像的方法及装置 | |
US9519956B2 (en) | Processing stereo images | |
CN107690673A (zh) | 图像处理方法、装置及服务器 | |
CN111127303A (zh) | 背景虚化方法、装置、终端设备及计算机可读存储介质 | |
CN109493373B (zh) | 一种基于双目立体视觉的立体匹配方法 | |
WO2021008205A1 (zh) | 图像处理 | |
CN106952247A (zh) | 一种双摄像头终端及其图像处理方法和系统 | |
CN112686824A (zh) | 图像校正方法、装置、电子设备和计算机可读介质 | |
CN112085031A (zh) | 目标检测方法及系统 | |
CN104469161B (zh) | 图像处理方法以及电子设备 | |
CN114693760A (zh) | 图像校正方法、装置及系统、电子设备 | |
CN115457176A (zh) | 一种图像生成方法、装置、电子设备及存储介质 | |
CN112446254A (zh) | 人脸追踪的方法及相关装置 | |
CN108053376A (zh) | 一种语义分割信息指导深度学习鱼眼图像校正方法 | |
CN108263074A (zh) | 丝印网版的定位方法、装置、终端设备及可读存储介质 | |
CN105138979A (zh) | 基于立体视觉的运动人体头部检测方法 | |
WO2018036241A1 (zh) | 一种年龄群体分类的方法及装置 | |
CN112529006A (zh) | 全景图片的检测方法、装置、终端及存储介质 | |
CN117058183A (zh) | 一种基于双摄像头的图像处理方法、装置、电子设备及存储介质 | |
CN111524075B (zh) | 深度图像滤波方法、图像合成方法、装置、设备及介质 | |
CN113724141B (zh) | 一种图像校正方法、装置及电子设备 |
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 |