CN105550637B - 轮廓点定位方法及装置 - Google Patents

轮廓点定位方法及装置 Download PDF

Info

Publication number
CN105550637B
CN105550637B CN201510886411.XA CN201510886411A CN105550637B CN 105550637 B CN105550637 B CN 105550637B CN 201510886411 A CN201510886411 A CN 201510886411A CN 105550637 B CN105550637 B CN 105550637B
Authority
CN
China
Prior art keywords
facial image
image
original
deflection angle
dimensional
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
Application number
CN201510886411.XA
Other languages
English (en)
Other versions
CN105550637A (zh
Inventor
张涛
侯文迪
张旭华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xiaomi Inc
Original Assignee
Xiaomi Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xiaomi Inc filed Critical Xiaomi Inc
Priority to CN201510886411.XA priority Critical patent/CN105550637B/zh
Publication of CN105550637A publication Critical patent/CN105550637A/zh
Application granted granted Critical
Publication of CN105550637B publication Critical patent/CN105550637B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/64—Three-dimensional objects
    • G06V20/653—Three-dimensional objects by matching three-dimensional models, e.g. conformal mapping of Riemann surfaces

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本公开是关于一种轮廓点定位方法及装置，属于图像处理领域。所述方法包括：根据已训练的通用三维人脸模型和待检测的原始人脸图像，获取与原始人脸图像对应的指定三维人脸模型，并确定原始人脸图像的姿态偏转角度，姿态偏转角度是指原始人脸图像的姿态与正面姿态之间的角度；如果姿态偏转角度大于预设角度，则根据指定三维人脸模型，获取与原始人脸图像对应的正面人脸图像；对正面人脸图像进行轮廓点定位，得到多个正面轮廓点；根据姿态偏转角度，将得到的多个正面轮廓点映射至原始人脸图像上，得到多个轮廓点。本公开避免了由于原始人脸图像的姿态不是正面姿态而造成的定位不准确的问题，提高了定位精确度。

Description

轮廓点定位方法及装置
技术领域
本公开是关于图像处理领域，具体来说是关于一种轮廓点定位方法及装置。
背景技术
随着人脸识别技术的不断发展，人们对人脸识别精确度的需求越来越高，而提高轮廓点定位的精确度是提高人脸识别精确度的基础，如何精确地对人脸的轮廓点进行定位已成为一个热门的研究课题。
在对人脸图像进行轮廓点定位时，无论该人脸图像的姿态为正面姿态还是其他姿态，均可以采用SDM(Supervised Descent Method，监督下降算法)、ASM(PointDistribution Model，点分布模型)或者AAM(Active Appearance Model，主动外观模型)等算法，对该人脸图像进行轮廓点定位，得到人脸图像中的轮廓点。
发明内容
为了解决相关技术中存在的问题，本公开提供了一种轮廓点定位方法及装置。所述技术方案如下：
根据本公开实施例的第一方面，提供了一种轮廓点定位方法，所述方法包括：
根据已训练的通用三维人脸模型和待检测的原始人脸图像，获取与所述原始人脸图像对应的指定三维人脸模型，并确定所述原始人脸图像的姿态偏转角度，所述姿态偏转角度是指所述原始人脸图像的姿态与正面姿态之间的角度；
如果所述姿态偏转角度大于预设角度，则根据所述指定三维人脸模型，获取与所述原始人脸图像对应的正面人脸图像；
对所述正面人脸图像进行轮廓点定位，得到多个正面轮廓点；
根据所述姿态偏转角度，将得到的多个正面轮廓点映射至所述原始人脸图像上，得到多个轮廓点。
在另一实施例中，所述根据所述指定三维人脸模型，获取与所述原始人脸图像对应的正面人脸图像，包括：
将所述指定三维人脸模型投影至正面方向，得到与所述原始人脸图像对应的正面人脸图像。
在另一实施例中，所述根据已训练的通用三维人脸模型和待检测的原始人脸图像，获取与所述原始人脸图像对应的指定三维人脸模型，并确定所述原始人脸图像的姿态偏转角度，包括：
对所述通用三维人脸模型的至少一个变换参数进行初始化，所述至少一个变换参数包括偏转角度参数；
根据当前的至少一个变换参数，对所述通用三维人脸模型进行变换，得到变换后的三维人脸模型；
根据当前的偏转角度参数，对所述变换后的三维人脸模型进行投影，得到与当前的偏转角度参数对应的测试人脸图像；
如果当前得到的测试人脸图像与所述原始人脸图像不满足预设条件，则对所述至少一个变换参数进行调整，基于调整后的至少一个变换参数继续获取测试人脸图像，直至获取到的测试人脸图像与所述原始人脸图像满足所述预设条件时，将当前变换得到的三维人脸模型确定为所述指定三维人脸模型，并将当前的偏转角度参数确定为所述原始人脸图像的姿态偏转角度。
在另一实施例中，所述预设条件为所述测试人脸图像与所述原始人脸图像之间的误差小于预设阈值；
所述如果当前得到的测试人脸图像与所述原始人脸图像不满足预设条件，则对所述至少一个变换参数进行调整，基于调整后的至少一个变换参数继续获取测试人脸，直至获取到的测试人脸图像与所述原始人脸图像满足预设条件，包括：
获取所述测试人脸图像与所述原始人脸图像之间的误差；
如果所述误差不小于所述预设阈值，则根据所述误差，对所述至少一个变换参数进行调整，基于调整后的至少一个变换参数继续获取测试人脸图像，获取当前得到的测试人脸图像与所述原始人脸图像之间的误差，直至获取到的误差小于所述预设阈值。
在另一实施例中，所述获取所述测试人脸图像与所述原始人脸图像之间的误差，包括：
获取所述原始人脸图像中的多个图像特征点，并在所述测试人脸图像中的相同位置，获取多个测试特征点；
根据所述多个图像特征点和所述多个测试特征点，计算所述测试人脸图像与所述原始人脸图像之间的纹理误差。
在另一实施例中，所述根据所述多个图像特征点和所述多个测试特征点，计算所述测试人脸图像与所述原始人脸图像之间的纹理误差，包括：
根据所述多个图像特征点，将所述原始人脸图像划分为多个第一图像区域；
根据所述多个测试特征点，将所述测试人脸图像划分为多个第二图像区域；
计算每个第二图像区域与对应的第一图像区域之间的纹理误差。
根据本公开实施例的第二方面，提供了一种轮廓点定位装置，所述装置包括：
模型处理模块，用于根据已训练的通用三维人脸模型和待检测的原始人脸图像，获取与所述原始人脸图像对应的指定三维人脸模型，并确定所述原始人脸图像的姿态偏转角度，所述姿态偏转角度是指所述原始人脸图像的姿态与正面姿态之间的角度；
校正模块，用于如果所述姿态偏转角度大于预设角度，则根据所述指定三维人脸模型，获取与所述原始人脸图像对应的正面人脸图像；
定位模块，用于对所述正面人脸图像进行轮廓点定位，得到多个正面轮廓点；
映射模块，用于根据所述姿态偏转角度，将得到的多个正面轮廓点映射至所述原始人脸图像上，得到多个轮廓点。
在另一实施例中，所述校正模块还用于将所述指定三维人脸模型投影至正面方向，得到与所述原始人脸图像对应的正面人脸图像。
在另一实施例中，所述模型处理模块还用于对所述通用三维人脸模型的至少一个变换参数进行初始化，所述至少一个变换参数包括偏转角度参数；根据当前的至少一个变换参数，对所述通用三维人脸模型进行变换，得到变换后的三维人脸模型；根据当前的偏转角度参数，对所述变换后的三维人脸模型进行投影，得到与当前的偏转角度参数对应的测试人脸图像；如果当前得到的测试人脸图像与所述原始人脸图像不满足预设条件，则对所述至少一个变换参数进行调整，基于调整后的至少一个变换参数继续获取测试人脸图像，直至获取到的测试人脸图像与所述原始人脸图像满足所述预设条件时，将当前变换得到的三维人脸模型确定为所述指定三维人脸模型，并将当前的偏转角度参数确定为所述原始人脸图像的姿态偏转角度。
在另一实施例中，所述预设条件为所述测试人脸图像与所述原始人脸图像之间的误差小于预设阈值；
所述模型处理模块还用于获取所述测试人脸图像与所述原始人脸图像之间的误差；如果所述误差不小于所述预设阈值，则根据所述误差，对所述至少一个变换参数进行调整，基于调整后的至少一个变换参数继续获取测试人脸图像，获取当前得到的测试人脸图像与所述原始人脸图像之间的误差，直至获取到的误差小于所述预设阈值。
在另一实施例中，所述模型处理模块还用于获取所述原始人脸图像中的多个图像特征点，并在所述测试人脸图像中的相同位置，获取多个测试特征点；根据所述多个图像特征点和所述多个测试特征点，计算所述测试人脸图像与所述原始人脸图像之间的纹理误差。
在另一实施例中，所述模型处理模块还用于根据所述多个图像特征点，将所述原始人脸图像划分为多个第一图像区域；根据所述多个测试特征点，将所述测试人脸图像划分为多个第二图像区域；计算每个第二图像区域与对应的第一图像区域之间的纹理误差。
根据本公开实施例的第三方面，提供了一种轮廓点定位装置，所述装置包括：
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：
根据已训练的通用三维人脸模型和待检测的原始人脸图像，获取与所述原始人脸图像对应的指定三维人脸模型，并确定所述原始人脸图像的姿态偏转角度，所述姿态偏转角度是指所述原始人脸图像的姿态与正面姿态之间的角度；
如果所述姿态偏转角度大于预设角度，则根据所述指定三维人脸模型，获取与所述原始人脸图像对应的正面人脸图像；
对所述正面人脸图像进行轮廓点定位，得到多个正面轮廓点；
根据所述姿态偏转角度，将得到的多个正面轮廓点映射至所述原始人脸图像上，得到多个轮廓点。
本公开的实施例提供的技术方案可以包括以下有益效果：
本实施例提供的方法及装置，在对原始人脸图像进行轮廓点定位时，不会直接对原始人脸图像进行轮廓点定位，而是先根据已训练的通用三维人脸模型获取到与原始人脸图像对应的指定三维人脸模型，并确定原始人脸图像的姿态偏转角度，如果姿态偏转角度大于预设角度，再根据指定三维人脸模型获取原始人脸图像对应的正面人脸图像，对正面人脸图像进行轮廓点定位后，将定位到的正面轮廓点映射到原始人脸图像上，避免了由于原始人脸图像的姿态不是正面姿态而造成的定位不准确的问题，提高了定位精确度。
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，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
图1是根据一示例性实施例示出的一种轮廓点定位方法的流程图；
图2A是根据一示例性实施例示出的一种轮廓点定位方法的流程图；
图2B是根据一示例性实施例示出的原始人脸图像示意图；
图2C是根据一示例性实施例示出的正面人脸图像示意图；
图3是根据一示例性实施例示出的一种轮廓点定位装置的框图；
图4是根据一示例性实施例示出的一种轮廓点定位装置的框图；
图5是根据一示例性实施例示出的一种轮廓点定位装置的框图。
具体实施方式
为使本公开的目的、技术方案和优点更加清楚明白，下面结合实施方式和附图，对本公开做进一步详细说明。在此，本公开的示意性实施方式及其说明用于解释本公开，但并不作为对本公开的限定。
本公开实施例提供一种轮廓点定位方法及装置，以下结合附图对本公开进行详细说明。
图1是根据一示例性实施例示出的一种轮廓点定位方法的流程图，如图1所示，轮廓点定位方法用于图像处理装置中，包括以下步骤：
在步骤101中，根据已训练的通用三维人脸模型和待检测的原始人脸图像，获取与该原始人脸图像对应的指定三维人脸模型，并确定该原始人脸图像的姿态偏转角度，该姿态偏转角度是指该原始人脸图像的姿态与正面姿态之间的角度。
在步骤102中，如果该姿态偏转角度大于预设角度，则根据该指定三维人脸模型，获取与该原始人脸图像对应的正面人脸图像。
在步骤103中，对该正面人脸图像进行轮廓点定位，得到多个正面轮廓点。
在步骤104中，根据该姿态偏转角度，将得到的多个正面轮廓点映射到该原始人脸图像上，得到多个轮廓点。
本实施例提供的方法，在对原始人脸图像进行轮廓点定位时，不会直接对原始人脸图像进行轮廓点定位，而是先根据已训练的通用三维人脸模型获取到与原始人脸图像对应的指定三维人脸模型，并确定原始人脸图像的姿态偏转角度，如果姿态偏转角度大于预设角度，再根据指定三维人脸模型获取原始人脸图像对应的正面人脸图像，对正面人脸图像进行轮廓点定位后，将定位到的正面轮廓点映射到原始人脸图像上，避免了由于原始人脸图像的姿态不是正面姿态而造成的定位不准确的问题，提高了定位精确度。
在另一实施例中，该根据该指定三维人脸模型，获取与该原始人脸图像对应的正面人脸图像，包括：
将该指定三维人脸模型投影至正面方向，得到与该原始人脸图像对应的正面人脸图像。
在另一实施例中，该根据已训练的通用三维人脸模型和待检测的原始人脸图像，获取与该原始人脸图像对应的指定三维人脸模型，并确定该原始人脸图像的姿态偏转角度，包括：
对该通用三维人脸模型的至少一个变换参数进行初始化，该至少一个变换参数包括偏转角度参数；
根据当前的至少一个变换参数，对该通用三维人脸模型进行变换，得到变换后的三维人脸模型；
根据当前的偏转角度参数，对该变换后的三维人脸模型进行投影，得到与当前的偏转角度参数对应的测试人脸图像；
获取当前得到的测试人脸图像与该原始人脸图像之间的误差；
如果当前得到的测试人脸图像与该原始人脸图像不满足预设条件，则对该至少一个变换参数进行调整，基于调整后的至少一个变换参数继续获取测试人脸图像，直至获取到的测试人脸图像与该原始人脸图像满足该预设条件时，将当前变换得到的三维人脸模型确定为该指定三维人脸模型，并将当前的偏转角度参数确定为该原始人脸图像的姿态偏转角度。
在另一实施例中，该预设条件为该测试人脸图像与该原始人脸图像之间的误差小于预设阈值；
该如果当前得到的测试人脸图像与该原始人脸图像不满足预设条件，则对该至少一个变换参数进行调整，基于调整后的至少一个变换参数继续获取测试人脸，直至获取到的测试人脸图像与该原始人脸图像满足预设条件，包括：
获取该测试人脸图像与该原始人脸图像之间的误差；
如果该误差不小于该预设阈值，则根据该误差，对该至少一个变换参数进行调整，基于调整后的至少一个变换参数继续获取测试人脸图像，获取当前得到的测试人脸图像与该原始人脸图像之间的误差，直至获取到的误差小于该预设阈值。
在另一实施例中，获取该测试人脸图像与该原始人脸图像之间的误差，包括：
获取该原始人脸图像中的多个图像特征点，并在该测试人脸图像中的相同位置，获取多个测试特征点；
根据该多个图像特征点和该多个测试特征点，计算该测试人脸图像与该原始人脸图像之间的纹理误差。
在另一实施例中，该根据该多个图像特征点和该多个测试特征点，计算该测试人脸图像与该原始人脸图像之间的纹理误差，包括：
根据该多个图像特征点，将该原始人脸图像划分为多个第一图像区域；
根据该多个测试特征点，将该测试人脸图像划分为多个第二图像区域；
计算每个第二图像区域与对应的第一图像区域之间的纹理误差。
上述所有可选技术方案，可以采用任意结合形成本公开的可选实施例，在此不再一一赘述。
图2A是根据一示例性实施例示出的一种轮廓点定位方法的流程图，如图2A所示，轮廓点定位方法用于图像处理装置中，包括以下步骤：
在步骤201中，图像处理装置获取待检测的原始人脸图像。
其中，该图像处理装置用于对人脸图像进行轮廓点定位，可以为计算机、服务器等设备，本实施例对此不做限定。
该图像处理装置可以通过摄像头采集包含人脸的画面，生成该原始人脸图像，或者对当前播放的视频画面进行截图，得到该原始人脸图像，或者获取其他设备发送的原始人脸图像等，本实施例对此也不做限定。
在步骤202中，图像处理装置根据已训练的通用三维人脸模型和该原始人脸图像，获取与该原始人脸图像对应的指定三维人脸模型，并确定该原始人脸图像的姿态偏转角度。
其中，该姿态偏转角度是指该原始人脸图像的姿态与正面姿态之间的角度，可以包括该原始人脸图像的姿态与正面姿态在水平方向上的角度，或者也可以包括该原始人脸图像的姿态与正面姿态在竖直方向上的角度。
根据原始人脸图像的姿态的不同，该姿态偏转角度可以在预设数值范围内变化，该预设数值范围可以为[0°，360°]或者为[-180°，180°]，本实施例对该预设数值范围不做限定。
例如，该预设数值范围为[0°，360°]，若原始人脸图像中的人脸向左偏转30°，姿态偏转角度即为水平30°，若人脸向右偏转30°，姿态偏转角度即为水平330°。另外，若原始人脸图像中的人脸向上偏转30°，姿态偏转角度即为竖直30°，若人脸向下偏转30°，姿态偏转角度即为竖直330°。
本实施例中，该通用三维人脸模型可以表示一般人脸的五官分布情况，且该通用三维人脸模型中包括各个角度下的人脸数据，任一人脸图像对应的三维人脸模型均可以由该通用三维人脸模型变换得到。
该通用三维人脸模型通过训练得到，即在步骤202之前，该方法还包括以下步骤200：
200、图像处理装置根据多个三维人脸数据，训练出通用三维人脸模型。
每个三维人脸数据中可以包括多个坐标数据以及每个坐标数据对应的颜色、光照等数据，本实施例对此不做限定。
图像处理装置可以获取不同人脸对应的三维人脸数据，并对多个三维人脸数据进行规整化处理，得到多个标准化三维人脸数据，使得每个标准化三维人脸数据的尺寸相同，且不同标准化三维人脸数据所指示的五官均位于相同的坐标点，再将多个标准化三维人脸数据作为训练样本，根据多个标准化三维人脸数据进行训练，得到该通用三维人脸模型。其中，训练通用三维人脸模型时所采用的训练算法可以为PCA(Principal ComponentsAnalysis，主成分分析)算法或者其他训练算法，本实施例对此不做限定。
另外，步骤200不仅可以由图像处理装置执行，还可以由其他设备执行，如其他设备训练出该通用三维人脸模型后，可以将该通用三维人脸模型发送给该图像处理装置，本实施例对训练该通用三维人脸模型的设备不做限定。
实际应用中，如果原始人脸图像的姿态偏转角度过大，在对原始人脸图像进行轮廓点定位时会导致定位不准确。而本实施例中，为了提高定位精确度，图像处理装置不会直接对原始人脸图像进行轮廓点定位，而是先根据已训练的通用三维人脸模型，获取与该原始人脸图像对应的指定三维人脸模型，以便后续能够根据该指定三维人脸模型获取原始人脸图像对应的正面人脸图像，根据正面人脸图像进行轮廓点定位。
该图像处理装置可以在通用三维模型的基础上，根据至少一个变换参数对通用三维人脸模型进行变换，得到该指定三维人脸模型。也即是，步骤202可以包括以下步骤2021至2024：
2021、对该通用三维人脸模型的至少一个变换参数进行初始化。
该至少一个变换参数包括偏转角度参数，该偏转角度参数是指该原始人脸图像的姿态与正面姿态之间的估计角度。当然，该至少一个变换参数还可以包括其他变换参数，如颜色变换参数、光照变换参数、五官坐标变换参数等，本实施例对此不做限定。
在对至少一个变换参数进行初始化时，图像处理装置可以随机确定每个变换参数的值。或者，对于该偏转角度参数，为了减小计算量，图像处理装置还可以对该原始人脸图像的姿态进行估计，确定姿态偏转角度可能所属的数值范围，从确定的数值范围内随机选取一个值，作为初始化的偏转角度参数。
例如，该图像处理装置可以根据预设姿态判定模型，对该原始人脸图像的姿态进行估计，得到该原始人脸图像的姿态偏转角度可能所属的数值范围。其中，该预设姿态判定模型可以通过采用预设训练算法对多个姿态偏转角度下的样本人脸进行训练得到。该预设训练算法可以为SVM(Support Vector Machine，支持向量机)算法或者其他算法，本实施例对此不做限定。
2022、根据当前的至少一个变换参数，对该通用三维人脸模型进行变换，得到变换后的三维人脸模型，根据当前的偏转角度参数，对该变换后的三维人脸模型进行投影，得到与当前的偏转角度参数对应的测试人脸图像。
确定至少一个变换参数之后，该图像处理装置即可根据该至少一个变换参数，对该通用三维人脸模型进行变换，得到变换后的三维人脸模型，变换后的三维人脸模型中包括各个偏转角度下的人脸数据，根据每个偏转角度，对该三维人脸模型进行投影，均可获取到对应的人脸图像。该图像处理装置可以根据当前的偏转角度参数，对该变换后的三维人脸模型进行投影，得到与当前的偏转角度参数对应的测试人脸图像。
例如，该通用三维人脸模型为G(x1，x2…xn-1，y)，该至少一个变换参数为[a1，a2…an-1，b]，b为偏转角度参数。其中n为该通用三维人脸模型的维度数目，前n个维度分别对应于除偏转角度参数以外的n个变换参数，第n个维度对应于偏转角度参数维度，则该图像处理装置根据该至少一个变换参数，对该通用三维模型进行变换，变换后的三维人脸模型为G(a1x1，a2x2，…an-1xn-1，by)，即为偏转角度参数为b时的三维人脸模型，对该三维人脸模型进行投影，可以得到测试人脸图像。而且，另偏转角度参数为任意值c时，也可以得到对应的三维人脸模型G(a1x1，a2x2，…an-1xn-1，cy)，进行投影也可以得到偏转角度参数c对应的测试人脸图像。
2023、如果当前得到的测试人脸图像与该原始人脸图像不满足预设条件，则对该至少一个变换参数进行调整，基于调整后的至少一个变换参数继续执行上述步骤2022，获取测试人脸图像，直至获取到的测试人脸图像与该原始人脸图像满足该预设条件时，将当前变换得到的三维人脸模型确定为该指定三维人脸模型，并将当前的偏转角度参数确定为该原始人脸图像的姿态偏转角度。
实际应用中，如果当前变换得到的三维人脸模型为该原始人脸图像对应的三维人脸模型，则根据当前的偏转角度参数对该三维人脸模型进行投影后得到的人脸图像应当与该原始人脸图像相同。
为此，该图像处理装置可以设定测试人脸图像与该原始人脸图像应当满足的预设条件，在得到测试人脸图像时，判断该测试人脸图像与该原始人脸图像是否满足该预设条件。
如果满足该预设条件，即可确定当前变换得到的三维人脸模型即为该原始人脸图像对应的三维人脸模型，当前的偏转角度参数即为该原始人脸图像的姿态偏转角度，则将该三维人脸模型作为指定三维人脸模型，将该偏转角度参数作为原始人脸图像姿态偏转角度。
而如果不满足该预设条件，可以确定当前变换得到的三维人脸模型不是该原始人脸图像对应的三维人脸模型，则该图像处理装置可以对该至少一个变换参数进行调整，基于调整后的至少一个变换参数，继续执行上述步骤2022，获取测试人脸图像，判断该测试人脸图像与该原始人脸图像是否满足预设条件，直至获取到的测试人脸图像与该原始人脸图像满足该预设条件时为止，将当前变换得到的三维人脸模型作为指定三维人脸模型，将当前的偏转角度参数作为原始人脸图像姿态偏转角度。
本实施例中，该预设条件可以为该测试人脸图像与该原始人脸图像之间的误差小于预设阈值，该预设阈值可以根据对指定三维人脸模型的精确度需求确定。
相应地，该步骤2023可以包括以下步骤3A：
3A、图像处理装置获取该测试人脸图像与该原始人脸图像之间的误差，判断该误差是否小于该预设阈值。如果该误差小于该预设阈值，则根据该误差对该至少一个变换参数进行调整，基于调整后的至少一个变换参数继续获取当前得到的测试人脸图像与该原始人脸图像之间的误差，直至获取到的误差小于该预设阈值时，将当前变换得到的三维人脸模型确定为该指定三维人脸模型，并将当前的偏转角度参数确定为该原始人脸图像的姿态偏转角度。
其中，获取该测试人脸图像与该原始人脸图像之间的误差可以包括：获取该原始人脸图像中的多个图像特征点，并在该测试人脸图像中的相同位置，获取多个测试特征点，根据该多个图像特征点和该多个测试特征点，计算该测试人脸图像与该原始人脸图像之间的纹理误差。
例如，该图像处理装置可以对该原始人脸图像进行特征点定位，得到多个图像特征点，并在测试人脸图像中，与该多个图像特征点的位置相同的位置处，获取多个测试特征点，根据该多个图像特征点，将该原始人脸图像划分为多个第一图像区域，并根据该多个测试特征点，将该测试人脸图像划分为多个第二图像区域，分别计算每个第一图像区域与对应的第二图像区域之间的纹理误差，得到多个纹理误差，判断每个纹理误差是否小于预设阈值。
在划分图像区域时，该图像处理装置可以根据多个特征点中相邻的三个特征点将原始人脸图像和测试人脸图像划分为多个三角形区域，或者根据多个特征点中相邻的四个特征点，将原始人脸图像和测试人脸图像划分为多个四边形区域，本实施例对划分的图像区域的形状不做限定。
且，图像处理装置可以仅在多个纹理误差中的每个纹理误差均小于该预设阈值时确定该测试人脸图像与该原始人脸图像满足预设条件，也可以在多个纹理误差中的任一纹理误差小于该预设阈值时确定该测试人脸图像与该原始人脸图像满足预设条件，本实施例对此不做限定。
另外，该预设条件也可以为该测试人脸图像与该原始人脸图像的相似度大于预设相似度，该预设相似度可以根据对指定三维人脸模型的精确度需求确定。该图像处理装置可以获取该测试人脸图像与该原始人脸图像的相似度，判断该相似度是否大于该预设相似度，从而确定该测试人脸图像与该原始人脸图像是否满足预设条件，以便获取指定三维人脸模型和原始人脸图像的姿态偏转角度，具体过程与步骤3A类似，在此不再赘述。
本实施例中，该图像处理装置还可以根据该通用三维人脸模型，采用梯度下降算法或者其他算法，对至少一个变换参数进行调整训练，以确定该指定三维人脸模型和该原始人脸图像的姿态偏转角度，本实施例对所采用的训练算法不做限定。
在步骤203中，如果该姿态偏转角度大于预设角度，则图像处理装置根据该指定三维人脸模型，获取与该原始人脸图像对应的正面人脸图像。
其中，该预设角度可以根据对轮廓点定位的精确度需求确定，可以为0°、30°或者其他数值，本实施例对此不做限定。
图像处理装置确定该原始人脸图像的姿态偏转角度后，判断该姿态偏转角度是否大于预设角度。其中，当姿态偏转角度所属的预设数值范围为[0°，360°]时，姿态偏转角度大于预设角度是指姿态偏转角度本身大于该预设角度，而当姿态偏转角度所属的预设数值范围为[-180°，180°]时，姿态偏转角度大于预设角度是指姿态偏转角度的绝对值大于该预设角度。
如果该姿态偏转角度大于该预设角度，表示原始人脸图像的姿态过大，直接进行轮廓点定位会导致定位不准确，则该图像处理装置根据该指定三维人脸模型，将该指定三维人脸模型投影至正面方向，得到与该原始人脸图像对应的正面人脸图像。也即是，将该指定三维人脸模型的偏转角度参数设置为0°，得到处于正面姿态的指定三维人脸模型，再对处于正面姿态的指定三维人脸模型进行投影，得到正面人脸图像。
在步骤204中，图像处理装置对该正面人脸图像进行轮廓点定位，得到多个正面轮廓点，根据该姿态偏转角度，将得到的多个正面轮廓点映射到该原始人脸图像上，得到多个轮廓点。
图像处理装置可以采用预设定位算法，对该正面人脸图像进行轮廓点定位，得到多个正面轮廓点。该预设定位算法可以为SDM、ASM或者AAM算法等，本实施例对此不做限定。
之后，图像处理装置可以根据多个正面轮廓点的坐标数据以及该原始人脸图像的姿态偏转角度，将每个正面轮廓点映射到该姿态偏转角度所对应的方向，即映射到该原始人脸图像上，即可确定该原始人脸图像中的多个轮廓点，实现轮廓点定位。
在本实施例提供的另一实施例中，上述步骤203-204可以由以下步骤代替：如果该姿态偏转角度不大于该预设角度，该图像处理装置直接对该原始人脸图像进行定位，得到多个轮廓点。
该姿态偏转角度不大于该预设角度时，表示原始人脸图像的姿态不大，直接进行轮廓点定位不会影响定位准确度，则该图像处理装置可以直接对该原始人脸图像进行定位，得到多个轮廓点。
例如，参见图2B，图像处理装置获取到右转90°姿态下的原始人脸图像，直接对原始人脸图像进行轮廓点定位可能会不准确，则该图像处理装置获取原始人脸图像对应的指定三维人脸模型，将该指定三维人脸模型投影至正面方向，得到如图2C所示的正面人脸图像，对正面人脸图像进行轮廓点定位后，得到图2C所示的轮廓点，将这些轮廓点映射至原始人脸图像中，可以得到图2B所示的轮廓点。
需要说明的是，本实施例仅以对一个原始人脸图像进行轮廓点定位为例进行说明，而在实际应用中，可以采用本实施例提供的方法，对多个人脸图像进行轮廓点定位。尤其是，可以对视频中的每一帧人脸图像的轮廓点进行跟踪定位，避免了人脸姿态过大而导致的定位失败的问题。
相关技术中通常采用仿射变换对图像进行处理，该仿射变换主要针对于二维图像，可以包括对图像进行平移、缩放、旋转、分割等处理方式。但仿射变换无法将未处于正面姿态的人脸图像调整为正面人脸图像，因此也无法进行后续的轮廓点定位或人脸识别等操作。而本实施例中，利用预先训练的通用三维人脸模型，获取与原始人脸图像对应的指定三维人脸模型和原始人脸图像的姿态偏转角度，从而能够根据指定三维人脸模型获取正面人脸图像，根据该正面人脸图像可以进行轮廓点定位，可以大大提高精确度，为后续的美图过程或者人脸识别过程提供了良好的技术支撑。
本实施例提供的方法，在对原始人脸图像进行轮廓点定位时，不会直接对原始人脸图像进行轮廓点定位，而是先根据已训练的通用三维人脸模型获取到与原始人脸图像对应的指定三维人脸模型，并确定原始人脸图像的姿态偏转角度，如果姿态偏转角度大于预设角度，再根据指定三维人脸模型获取原始人脸图像对应的正面人脸图像，对正面人脸图像进行轮廓点定位后，将定位到的正面轮廓点映射到原始人脸图像上，避免了由于原始人脸图像的姿态不是正面姿态而造成的定位不准确的问题，提高了定位精确度，为后续的美图过程或者人脸识别过程提供了良好的技术支撑。
图3是根据一示例性实施例示出的一种轮廓点定位装置的框图。参见图3，该装置包括模型处理模块301，校正模块302，定位模块303和映射模块304。
模型处理模块301被配置为用于根据已训练的通用三维人脸模型和待检测的原始人脸图像，获取与该原始人脸图像对应的指定三维人脸模型，并确定该原始人脸图像的姿态偏转角度，该姿态偏转角度是指该原始人脸图像的姿态与正面姿态之间的角度；
校正模块302被配置为用于如果该姿态偏转角度大于预设角度，则根据该指定三维人脸模型，获取与该原始人脸图像对应的正面人脸图像；
定位模块303被配置为用于对该正面人脸图像进行轮廓点定位，得到多个正面轮廓点；
映射模块304被配置为用于根据该姿态偏转角度，将得到的多个正面轮廓点映射至该原始人脸图像上，得到多个轮廓点。
本实施例提供的装置，在对原始人脸图像进行轮廓点定位时，不会直接对原始人脸图像进行轮廓点定位，而是先根据已训练的通用三维人脸模型获取到与原始人脸图像对应的指定三维人脸模型，并确定原始人脸图像的姿态偏转角度，如果姿态偏转角度大于预设角度，再根据指定三维人脸模型获取原始人脸图像对应的正面人脸图像，对正面人脸图像进行轮廓点定位后，将定位到的正面轮廓点映射到原始人脸图像上，避免了由于原始人脸图像的姿态不是正面姿态而造成的定位不准确的问题，提高了定位精确度。
在另一实施例中，该校正模块302还被配置为用于将该指定三维人脸模型投影至正面方向，得到与该原始人脸图像对应的正面人脸图像。
在另一实施例中，该模型处理模块301还被配置为用于对该通用三维人脸模型的至少一个变换参数进行初始化，该至少一个变换参数包括偏转角度参数；根据当前的至少一个变换参数，对该通用三维人脸模型进行变换，得到变换后的三维人脸模型；根据当前的偏转角度参数，对该变换后的三维人脸模型进行投影，得到与当前的偏转角度参数对应的测试人脸图像；如果当前得到的测试人脸图像与该原始人脸图像不满足预设条件，则对该至少一个变换参数进行调整，基于调整后的至少一个变换参数继续获取测试人脸图像，直至获取到的测试人脸图像与该原始人脸图像满足该预设条件时，将当前变换得到的三维人脸模型确定为该指定三维人脸模型，并将当前的偏转角度参数确定为该原始人脸图像的姿态偏转角度。
在另一实施例中，该预设条件为该测试人脸图像与该原始人脸图像之间的误差小于预设阈值；
该模型处理模块301还被配置为用于获取该测试人脸图像与该原始人脸图像之间的误差；如果该误差不小于该预设阈值，则根据该误差，对该至少一个变换参数进行调整，基于调整后的至少一个变换参数继续获取测试人脸图像，获取当前得到的测试人脸图像与该原始人脸图像之间的误差，直至获取到的误差小于该预设阈值。
在另一实施例中，该模型处理模块301还被配置为用于获取该原始人脸图像中的多个图像特征点，并在该测试人脸图像中的相同位置，获取多个测试特征点；根据该多个图像特征点和该多个测试特征点，计算该测试人脸图像与该原始人脸图像之间的纹理误差。
在另一实施例中，该模型处理模块301还被配置为用于根据该多个图像特征点，将该原始人脸图像划分为多个第一图像区域；根据该多个测试特征点，将该测试人脸图像划分为多个第二图像区域；计算每个第二图像区域与对应的第一图像区域之间的纹理误差。
上述所有可选技术方案，可以采用任意结合形成本公开的可选实施例，在此不再一一赘述。
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。
需要说明的是：上述实施例提供的轮廓点定位装置在定位轮廓点时，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，即将图像处理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，上述实施例提供的轮廓点定位装置与轮廓点定位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。
图4是根据一示例性实施例示出的一种轮廓点定位装置400的框图。例如，装置400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4，装置400可以包括以下一个或多个组件：处理组件402，存储器404，电源组件406，多媒体组件408，音频组件410，输入/输出(I/O)的接口412，传感器组件414，以及通信组件416。
处理组件402通常控制装置400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402可以包括一个或多个处理器420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402可以包括一个或多个模块，便于处理组件402和其他组件之间的交互。例如，处理组件402可以包括多媒体模块，以方便多媒体组件408和处理组件402之间的交互。
存储器404被配置为存储各种类型的数据以支持在装置400的操作。这些数据的示例包括用于在装置400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404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406为装置400的各种组件提供电力。电源组件406可以包括电源管理系统，一个或多个电源，及其他与为装置400生成、管理和分配电力相关联的组件。
多媒体组件408包括在所述装置400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408包括一个前置摄像头和/或后置摄像头。当装置400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410被配置为输出和/或输入音频信号。例如，音频组件410包括一个麦克风(MIC)，当装置400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404或经由通信组件416发送。在一些实施例中，音频组件410还包括一个扬声器，用于输出音频信号。
I/O接口412为处理组件402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414包括一个或多个传感器，用于为装置400提供各个方面的状态评估。例如，传感器组件414可以检测到装置400的打开/关闭状态，组件的相对定位，例如所述组件为装置400的显示器和小键盘，传感器组件414还可以检测装置400或装置400一个组件的位置改变，用户与装置400接触的存在或不存在，装置400方位或加速/减速和装置400的温度变化。传感器组件414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414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414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416被配置为便于装置400和其他设备之间有线或无线方式的通信。装置400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416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416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400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，用于执行上述轮廓点定位方法。
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404，上述指令可由装置400的处理器420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上述轮廓点定位方法。
图5是根据一示例性实施例示出的一种轮廓点定位装置500的框图。例如，装置500可以被提供为一服务器。参照图5，装置500包括处理组件522，其进一步包括一个或多个处理器，以及由存储器532所代表的存储器资源，用于存储可由处理组件522的执行的指令，例如应用程序。存储器532中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件522被配置为执行指令，以执行上述轮廓点定位方法。
装置500还可以包括一个电源组件526被配置为执行装置500的电源管理，一个有线或无线网络接口550被配置为将装置500连接到网络，和一个输入输出(I/O)接口558。装置500可以操作基于存储在存储器532的操作系统，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM或类似。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、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公开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，本公开的真正范围和精神由下面的权利要求指出。
应当理解的是，本公开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。本公开的范围仅由所附的权利要求来限制。

Claims (12)

1.一种轮廓点定位方法，其特征在于，所述方法包括：
根据已训练的通用三维人脸模型和待检测的原始人脸图像，获取与所述原始人脸图像对应的指定三维人脸模型，并确定所述原始人脸图像的姿态偏转角度，所述姿态偏转角度是指所述原始人脸图像的姿态与正面姿态之间的角度；
如果所述姿态偏转角度大于预设角度，则根据所述指定三维人脸模型，获取与所述原始人脸图像对应的正面人脸图像；
对所述正面人脸图像进行轮廓点定位，得到多个正面轮廓点；
根据所述姿态偏转角度，将得到的多个正面轮廓点映射至所述原始人脸图像上，得到多个轮廓点；
所述根据已训练的通用三维人脸模型和待检测的原始人脸图像，获取与所述原始人脸图像对应的指定三维人脸模型，并确定所述原始人脸图像的姿态偏转角度，包括：
对所述通用三维人脸模型的至少一个变换参数进行初始化，所述至少一个变换参数包括偏转角度参数；
根据当前的至少一个变换参数，对所述通用三维人脸模型进行变换，得到变换后的三维人脸模型，所述变换后的三维人脸模型中包括各个偏转角度下的人脸数据；
根据当前的偏转角度参数，对所述变换后的三维人脸模型进行投影，得到与当前的偏转角度参数对应的测试人脸图像；
如果当前得到的测试人脸图像与所述原始人脸图像不满足预设条件，则对所述至少一个变换参数进行调整，基于调整后的至少一个变换参数继续获取测试人脸图像，直至获取到的测试人脸图像与所述原始人脸图像满足所述预设条件时，将当前变换得到的三维人脸模型确定为所述指定三维人脸模型，并将当前的偏转角度参数确定为所述原始人脸图像的姿态偏转角度。
2.根据权利要求1所述的方法，其特征在于，所述根据所述指定三维人脸模型，获取与所述原始人脸图像对应的正面人脸图像，包括：
将所述指定三维人脸模型投影至正面方向，得到与所述原始人脸图像对应的正面人脸图像。
3.根据权利要求1所述的方法，其特征在于，所述预设条件为所述测试人脸图像与所述原始人脸图像之间的误差小于预设阈值；
所述如果当前得到的测试人脸图像与所述原始人脸图像不满足预设条件，则对所述至少一个变换参数进行调整，基于调整后的至少一个变换参数继续获取测试人脸，直至获取到的测试人脸图像与所述原始人脸图像满足预设条件，包括：
获取所述测试人脸图像与所述原始人脸图像之间的误差；
如果所述误差不小于所述预设阈值，则根据所述误差，对所述至少一个变换参数进行调整，基于调整后的至少一个变换参数继续获取测试人脸图像，获取当前得到的测试人脸图像与所述原始人脸图像之间的误差，直至获取到的误差小于所述预设阈值。
4.根据权利要求3所述的方法，其特征在于，所述获取所述测试人脸图像与所述原始人脸图像之间的误差，包括：
获取所述原始人脸图像中的多个图像特征点，并在所述测试人脸图像中的相同位置，获取多个测试特征点；
根据所述多个图像特征点和所述多个测试特征点，计算所述测试人脸图像与所述原始人脸图像之间的纹理误差。
5.根据权利要求4所述的方法，其特征在于，所述根据所述多个图像特征点和所述多个测试特征点，计算所述测试人脸图像与所述原始人脸图像之间的纹理误差，包括：
根据所述多个图像特征点，将所述原始人脸图像划分为多个第一图像区域；
根据所述多个测试特征点，将所述测试人脸图像划分为多个第二图像区域；
计算每个第二图像区域与对应的第一图像区域之间的纹理误差。
6.一种轮廓点定位装置，其特征在于，所述装置包括：
模型处理模块，用于根据已训练的通用三维人脸模型和待检测的原始人脸图像，获取与所述原始人脸图像对应的指定三维人脸模型，并确定所述原始人脸图像的姿态偏转角度，所述姿态偏转角度是指所述原始人脸图像的姿态与正面姿态之间的角度；
校正模块，用于如果所述姿态偏转角度大于预设角度，则根据所述指定三维人脸模型，获取与所述原始人脸图像对应的正面人脸图像；
定位模块，用于对所述正面人脸图像进行轮廓点定位，得到多个正面轮廓点；
映射模块，用于根据所述姿态偏转角度，将得到的多个正面轮廓点映射至所述原始人脸图像上，得到多个轮廓点；
所述模型处理模块还用于对所述通用三维人脸模型的至少一个变换参数进行初始化，所述至少一个变换参数包括偏转角度参数；根据当前的至少一个变换参数，对所述通用三维人脸模型进行变换，得到变换后的三维人脸模型；根据当前的偏转角度参数，对所述变换后的三维人脸模型进行投影，得到与当前的偏转角度参数对应的测试人脸图像；如果当前得到的测试人脸图像与所述原始人脸图像不满足预设条件，则对所述至少一个变换参数进行调整，基于调整后的至少一个变换参数继续获取测试人脸图像，直至获取到的测试人脸图像与所述原始人脸图像满足所述预设条件时，将当前变换得到的三维人脸模型确定为所述指定三维人脸模型，并将当前的偏转角度参数确定为所述原始人脸图像的姿态偏转角度。
7.根据权利要求6所述的装置，其特征在于，所述校正模块还用于将所述指定三维人脸模型投影至正面方向，得到与所述原始人脸图像对应的正面人脸图像。
8.根据权利要求6所述的装置，其特征在于，所述预设条件为所述测试人脸图像与所述原始人脸图像之间的误差小于预设阈值；
所述模型处理模块还用于获取所述测试人脸图像与所述原始人脸图像之间的误差；如果所述误差不小于所述预设阈值，则根据所述误差，对所述至少一个变换参数进行调整，基于调整后的至少一个变换参数继续获取测试人脸图像，获取当前得到的测试人脸图像与所述原始人脸图像之间的误差，直至获取到的误差小于所述预设阈值。
9.根据权利要求8所述的装置，其特征在于，所述模型处理模块还用于获取所述原始人脸图像中的多个图像特征点，并在所述测试人脸图像中的相同位置，获取多个测试特征点；根据所述多个图像特征点和所述多个测试特征点，计算所述测试人脸图像与所述原始人脸图像之间的纹理误差。
10.根据权利要求9所述的装置，其特征在于，所述模型处理模块还用于根据所述多个图像特征点，将所述原始人脸图像划分为多个第一图像区域；根据所述多个测试特征点，将所述测试人脸图像划分为多个第二图像区域；计算每个第二图像区域与对应的第一图像区域之间的纹理误差。
11.一种轮廓点定位装置，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：
根据已训练的通用三维人脸模型和待检测的原始人脸图像，获取与所述原始人脸图像对应的指定三维人脸模型，并确定所述原始人脸图像的姿态偏转角度，所述姿态偏转角度是指所述原始人脸图像的姿态与正面姿态之间的角度；
如果所述姿态偏转角度大于预设角度，则根据所述指定三维人脸模型，获取与所述原始人脸图像对应的正面人脸图像；
对所述正面人脸图像进行轮廓点定位，得到多个正面轮廓点；
根据所述姿态偏转角度，将得到的多个正面轮廓点映射至所述原始人脸图像上，得到多个轮廓点；
所述根据已训练的通用三维人脸模型和待检测的原始人脸图像，获取与所述原始人脸图像对应的指定三维人脸模型，并确定所述原始人脸图像的姿态偏转角度，包括：
对所述通用三维人脸模型的至少一个变换参数进行初始化，所述至少一个变换参数包括偏转角度参数；
根据当前的至少一个变换参数，对所述通用三维人脸模型进行变换，得到变换后的三维人脸模型，所述变换后的三维人脸模型中包括各个偏转角度下的人脸数据；
根据当前的偏转角度参数，对所述变换后的三维人脸模型进行投影，得到与当前的偏转角度参数对应的测试人脸图像；
如果当前得到的测试人脸图像与所述原始人脸图像不满足预设条件，则对所述至少一个变换参数进行调整，基于调整后的至少一个变换参数继续获取测试人脸图像，直至获取到的测试人脸图像与所述原始人脸图像满足所述预设条件时，将当前变换得到的三维人脸模型确定为所述指定三维人脸模型，并将当前的偏转角度参数确定为所述原始人脸图像的姿态偏转角度。
12.一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，其特征在于，所述指令被处理器执行时实现权利要求1-5任一项所述的方法的步骤。
CN201510886411.XA 2015-12-04 2015-12-04 轮廓点定位方法及装置 Active CN105550637B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510886411.XA CN105550637B (zh) 2015-12-04 2015-12-04 轮廓点定位方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510886411.XA CN105550637B (zh) 2015-12-04 2015-12-04 轮廓点定位方法及装置

Publications (2)

Publication Number Publication Date
CN105550637A CN105550637A (zh) 2016-05-04
CN105550637B true CN105550637B (zh) 2019-03-08

Family

ID=55829820

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510886411.XA Active CN105550637B (zh) 2015-12-04 2015-12-04 轮廓点定位方法及装置

Country Status (1)

Country Link
CN (1) CN105550637B (zh)

Families Citing this family (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106204665B (zh) * 2016-06-27 2019-04-30 深圳市金立通信设备有限公司 一种图片处理方法及终端
CN106203400A (zh) * 2016-07-29 2016-12-07 广州国信达计算机网络通讯有限公司 一种人脸识别方法及装置
CN106372578A (zh) * 2016-08-25 2017-02-01 广州御银科技股份有限公司 一种基于3d人脸模型的人脸反塑装置
CN106503682B (zh) * 2016-10-31 2020-02-04 北京小米移动软件有限公司 视频数据中的关键点定位方法及装置
CN108305312B (zh) * 2017-01-23 2021-08-17 腾讯科技（深圳）有限公司 3d虚拟形象的生成方法和装置
CN109215131B (zh) * 2017-06-30 2021-06-01 Tcl科技集团股份有限公司 虚拟人脸的驱动方法及装置
CN107704861B (zh) * 2017-10-23 2021-07-27 九竹物联技术有限公司 用于计算机视觉系统的图像轮廓数据结构的转换模版的构造方法
CN108090470B (zh) 2018-01-10 2020-06-23 浙江大华技术股份有限公司 一种人脸对齐方法及装置
CN109034013B (zh) * 2018-07-10 2023-06-13 腾讯科技（深圳）有限公司 一种人脸图像识别方法、装置及存储介质
WO2020037678A1 (zh) * 2018-08-24 2020-02-27 太平洋未来科技（深圳）有限公司 基于遮挡图像生成三维人脸图像方法、装置及电子设备
CN109598737B (zh) * 2018-12-04 2021-01-12 广东智媒云图科技股份有限公司 一种图像边缘识别方法及系统
CN111274856A (zh) * 2018-12-05 2020-06-12 北京猎户星空科技有限公司 一种人脸识别方法、装置、计算设备及存储介质
CN109977764A (zh) * 2019-02-12 2019-07-05 平安科技（深圳）有限公司 基于平面检测的活体识别方法、装置、终端及存储介质
CN109961055A (zh) * 2019-03-29 2019-07-02 广州市百果园信息技术有限公司 人脸关键点检测方法、装置、设备及存储介质
CN111053556A (zh) * 2019-12-26 2020-04-24 北京华睿博视医学影像技术有限公司 基于监督下降法的电阻抗成像方法与装置
CN112101216A (zh) * 2020-09-15 2020-12-18 百度在线网络技术（北京）有限公司 人脸识别方法、装置、设备及存储介质
CN112132764A (zh) * 2020-09-27 2020-12-25 广州虎牙科技有限公司 脸型处理方法、装置、用户终端和计算机可读存储介质
CN113538481B (zh) * 2021-06-18 2023-06-23 深圳技术大学 肺轮廓特征点的确定方法及装置、电子设备和存储介质
CN113961746B (zh) * 2021-09-29 2023-11-21 北京百度网讯科技有限公司 视频生成方法、装置、电子设备及可读存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102262727A (zh) * 2011-06-24 2011-11-30 常州锐驰电子科技有限公司 客户采集终端人脸图像质量实时监控方法
CN103605965A (zh) * 2013-11-25 2014-02-26 苏州大学 一种多姿态人脸识别方法和装置
CN104156695A (zh) * 2014-07-18 2014-11-19 小米科技有限责任公司 一种人脸图像的校正方法及装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4946730B2 (ja) * 2007-08-27 2012-06-06 ソニー株式会社 顔画像処理装置及び顔画像処理方法、並びにコンピュータ・プログラム

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102262727A (zh) * 2011-06-24 2011-11-30 常州锐驰电子科技有限公司 客户采集终端人脸图像质量实时监控方法
CN103605965A (zh) * 2013-11-25 2014-02-26 苏州大学 一种多姿态人脸识别方法和装置
CN104156695A (zh) * 2014-07-18 2014-11-19 小米科技有限责任公司 一种人脸图像的校正方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于机器视觉的驾驶人疲劳状态识别关键问题研究;张伟;《中国博士学位论文全文数据库 工程科技Ⅱ辑》;20140415(第04期);第C034-13页

Also Published As

Publication number Publication date
CN105550637A (zh) 2016-05-04

Similar Documents

Publication Publication Date Title
CN105550637B (zh) 轮廓点定位方法及装置
US11678734B2 (en) Method for processing images and electronic device
CN106295566B (zh) 人脸表情识别方法及装置
CN105447462B (zh) 人脸姿态估计方法及装置
CN108712603B (zh) 一种图像处理方法及移动终端
CN107368810A (zh) 人脸检测方法及装置
CN105528078B (zh) 控制电子设备的方法及装置
CN104484858B (zh) 人物图像处理方法及装置
JP2016531362A (ja) 肌色調整方法、肌色調整装置、プログラム及び記録媒体
CN105224924A (zh) 活体人脸识别方法和装置
CN108346175B (zh) 一种人脸图像修复方法、装置及存储介质
CN103970500A (zh) 一种图片显示的方法及装置
CN104077585B (zh) 图像校正方法、装置及终端
CN107958439A (zh) 图像处理方法及装置
CN109672830A (zh) 图像处理方法、装置、电子设备及存储介质
CN109410276A (zh) 关键点位置确定方法、装置及电子设备
CN109840939A (zh) 三维重建方法、装置、电子设备及存储介质
CN107958223A (zh) 人脸识别方法及装置、移动设备、计算机可读存储介质
CN106295530A (zh) 人脸识别方法及装置
CN107944367A (zh) 人脸关键点检测方法及装置
CN108154466A (zh) 图像处理方法及装置
CN108319363A (zh) 基于vr的产品展示方法、装置及电子设备
CN110827195A (zh) 虚拟物品添加方法、装置、电子设备及存储介质
CN110796083A (zh) 图像显示方法、装置、终端及存储介质
CN106503682A (zh) 视频数据中的关键点定位方法及装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant