CN106971164A - 脸型匹配方法及装置 - Google Patents
脸型匹配方法及装置 Download PDFInfo
- Publication number
- CN106971164A CN106971164A CN201710193740.5A CN201710193740A CN106971164A CN 106971164 A CN106971164 A CN 106971164A CN 201710193740 A CN201710193740 A CN 201710193740A CN 106971164 A CN106971164 A CN 106971164A
- Authority
- CN
- China
- Prior art keywords
- face
- shape
- datum mark
- module
- spatial relation
- 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
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- 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
- G06V40/168—Feature extraction; Face representation
Abstract
本公开是关于一种脸型匹配方法及装置。该方法包括:对用户输入的图片进行人脸特征点定位;在所述图片的人脸区域,确定至少一个基准点;建立每个基准点与所述人脸特征点之间的空间位置关系,作为待匹配脸型的特征值;从预先保存的脸型中匹配出近似脸型,所述近似脸型的特征值与所述待匹配脸型的特征值之间的相似度最大。如此方案,可实现基于脸型的人脸检索。另外,基于人脸特征点进行脸型匹配,还有助于降低图片亮度、清晰度等因素对匹配结果造成的影响,使本公开的脸型匹配效果鲁棒性更强。
Description
技术领域
本公开涉及数据处理技术,尤其涉及一种脸型匹配方法及装置。
背景技术
在日常生活中,存在一些需要进行脸型匹配的场景。
例如,用户在网上购买眼镜、假发等饰物时,不清楚某个饰物是否适合自己的脸型,大多是根据个人经验尝试购买,如果实际佩戴效果不理想,再进行退换货处理,用户体验较差。
再例如,用户进行图片处理时,不清楚哪个卡通头像更适合自己的脸型,大多是根据个人喜好选择头像进行图片合成,如果实际显示效果不理想,则需要选择其他头像进行重复处理,亦会影响用户体验。
上述示例中,若能自动匹配出与用户相近的脸型,进行佩戴效果展示或者图片合成,可有助于提高用户体验,因此,如何进行脸型匹配是目前需要解决的一项技术问题。
发明内容
为克服相关技术中存在的问题,本公开提供一种脸型匹配方法及装置,实现基于脸型的人脸检索。
根据本公开实施例的第一方面,提供一种脸型匹配方法,包括:
对用户输入的图片进行人脸特征点定位;
在所述图片的人脸区域,确定至少一个基准点;
建立每个基准点与所述人脸特征点之间的空间位置关系,作为待匹配脸型的特征值;
从预先保存的脸型中匹配出近似脸型,所述近似脸型的特征值与所述待匹配脸型的特征值之间的相似度最大。
可选地,所述基准点为眼睛的中心、鼻子的中心、嘴角中的至少一个。
可选地,如果所述基准点的数目为1,所述建立每个基准点与所述人脸特征点之间的空间位置关系,包括:
利用以所述基准点为圆心的至少两个同心圆,将所述人脸区域划分为N个扇形区域,其中,所述人脸特征点全部落入半径最大的同心圆内,N=a*b,a为同心圆的数目,b为同心圆的分割份数,2≤a≤4,4≤b≤8;
统计落入各个扇形区域的人脸特征点的个数,得到维度为N的直方图,用以表示所述空间位置关系。
可选地,所述同心圆的半径不大于2d,d为两个眼睛中心的距离。
可选地,如果所述基准点的数目为M,且M不小于2,在所述得到维度为N的直方图之后,所述方法还包括:
将所有基准点对应的直方图进行向量连接,得到M*N维的特征向量;
对所述特征向量进行降维处理,通过降维处理后的特征向量表示所述空间位置关系。
可选地,建立所述空间位置关系之前,所述方法还包括:
对所述人脸特征点做归一化处理,使两个眼睛中心的连线处于水平方向,且所述两个眼睛中心的距离为预设长度。
根据本公开实施例的第二方面,提供一种脸型匹配装置,包括:
特征点定位模块,被配置为对用户输入的图片进行人脸特征点定位;
基准点确定模块,被配置为在所述图片的人脸区域,确定至少一个基准点;
空间位置关系建立模块,被配置为建立每个基准点与所述人脸特征点之间的空间位置关系,作为待匹配脸型的特征值;
脸型匹配模块,被配置为从预先保存的脸型中匹配出近似脸型,所述近似脸型的特征值与所述待匹配脸型的特征值之间的相似度最大。
可选地,如果所述基准点的数目为1,所述空间位置关系建立模块包括:
扇形区域划分模块,被配置为利用以所述基准点为圆心的至少两个同心圆,将所述人脸区域划分为N个扇形区域,其中,所述人脸特征点全部落入半径最大的同心圆内,N=a*b,a为同心圆的数目,b为同心圆的分割份数,2≤a≤4,4≤b≤8;
统计模块,被配置为统计落入各个扇形区域的人脸特征点的个数,得到维度为N的直方图,用以表示所述空间位置关系。
可选地,如果所述基准点的数目为M,且M不小于2,所述空间位置关系建立模块还包括:
向量连接模块,被配置为在所述统计模块得到维度为N的直方图之后,将所有基准点对应的直方图进行向量连接,得到M*N维的特征向量;
降维处理模块,被配置为对所述特征向量进行降维处理,通过降维处理后的特征向量表示所述空间位置关系。
可选地,所述装置还包括:
归一化处理模块,被配置为在所述空间位置关系建立模块建立所述空间位置关系之前,对所述人脸特征点做归一化处理,使两个眼睛中心的连线处于水平方向,且所述两个眼睛中心的距离为预设长度。
根据本公开实施例的第三方面,提供一种非临时性计算机可读存储介质,当所述存储介质中的指令由移动终端的处理器执行时,使得移动终端能够执行一种脸型匹配方法,所述方法包括:
对用户输入的图片进行人脸特征点定位;
在所述图片的人脸区域,确定至少一个基准点;
建立每个基准点与所述人脸特征点之间的空间位置关系,作为待匹配脸型的特征值;
从预先保存的脸型中匹配出近似脸型,所述近似脸型的特征值与所述待匹配脸型的特征值之间的相似度最大。
本公开的实施例提供的技术方案可以包括以下有益效果:获得用户输入的图片后,可以先在人脸区域进行特征点提取,定位出能够反映人脸差异的特征点信息;然后再基于人脸区域中确定的基准点,建立基准点与特征点之间的空间位置关系,以此作为待匹配脸型的特征值,与数据库中保存的脸型进行特征值比对,并将其中相似度最大的脸型确定为近似脸型,实现基于脸型的人脸检索。其中,基于人脸特征点进行脸型匹配,有助于降低图片亮度、清晰度等因素对匹配结果造成的影响,使本公开方案的脸型匹配效果鲁棒性更强。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,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脸型匹配方法的流程图。
图2是根据一示例性实施例示出的人脸特征点的示意图。
图3是根据一示例性实施例示出的建立空间位置关系的方法的流程图。
图4是根据一示例性实施例示出的划分扇形区域的示意图。
图5是根据另一示例性实施例示出的建立空间位置关系的方法的流程图。
图6是根据一示例性实施例示出的一种脸型匹配装置的框图。
图7是根据一示例性实施例示出的一种脸型匹配装置的结构框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
图1是根据一示例性实施例示出的一种脸型匹配方法的流程图,如图1所示,脸型匹配方法用于终端中,包括以下步骤。
在步骤S11中,对用户输入的图片进行人脸特征点定位。
本公开的脸型匹配方案,可以理解为通过计算两个脸型之间的相似度,实现基于脸型的人脸检索。结合实际应用需求,可以用来实现人脸图像之间的匹配,也可以用来实现人脸图像与卡通头像之间的匹配,对此可参见下文所做举例说明,此处暂不详述。
本公开方案中,在用户输入图片以后,可被触发进行脸型匹配。作为一种示例,本公开方法可以集成在其他软件上,例如,在拍照软件、图片处理软件中集成脸型匹配功能,如此,可以通过所集成软件获得用户输入的图片。或者,本公开方法也可以体现为单独的软件,该软件可以通过相机拍摄照片的方式获得用户输入的图片,也可以通过访问相册的方式获得用户输入的图片。本公开方案对此可不做限定。
作为一种示例,获得用户输入的图片后,可以先进行人脸区域检测,确定出人脸区域在图片中的位置;再从人脸区域中进行人脸特征点定位。举例来说,可以通过LBP(英文:Local binary patterns,中文:局部二值模式)特征与Adaboost分类器的方法进行人脸区域检测,也可以基于深度学习的faster-rcnn或R-FCN(英文:Region-based FullyConvolutional Networks,中文:基于局部区域的全卷积网络)的方法进行人脸区域检测,本公开方案对此可不做限定。
作为一种示例,经过检测,如果判定用户输入的图片中不包含人脸区域,可以停止脸型匹配过程,向用户告警。
确定出人脸区域后,可以对该人脸进行特征点定位,得到多个特征点所在的位置。参见图2所示示意图,通过特征点定位可以确定出眉毛、眼睛、鼻子、嘴巴、脸周轮廓等人脸特征,基于这些人脸特征,可以对不同脸型加以区分。举例来说,可以通过AAM(英文:ActiveAppearance Model,中文:主动外观模型)、SDM(英文:supervised descent method,中文:有监督的梯度下降方法)等方法进行人脸特征点定位,本公开方案对此可不做限定。
可以理解地,进行特征点定位时,可以如图2所示从人脸区域提取95个人脸特征点;或者,也可以结合实际应用需求提取其他数目的人脸特征点,例如85个、68个等,本公开方案对此可不做限定。通常,所提取人脸特征点的数目越多,脸型比对结果越精确,效果提升越明显。
在步骤S12中,在所述图片的人脸区域,确定至少一个基准点。
在步骤S13中,建立每个基准点与所述人脸特征点之间的空间位置关系,作为待匹配脸型的特征值。
本公开方案中,可以将基准点与人脸特征点之间的空间位置关系,作为脸型特征值,并基于该脸型特征值实现人脸检索。作为一种示例,本公开方案可以基于一个基准点,得到待匹配脸型的特征值;或者,也可以基于至少两个基准点,得到待匹配脸型的特征值。通常,基准点的数目越多,所反映出的脸型特征就越精细,比对结果就越准确,本公开方案对基准点的数目可不做限定。举例来说,基准点可以体现为眼睛的中心、鼻子的中心、嘴角中的至少一个。
具体地,本公开提供了两种建立空间位置关系的实现方式,可参见下文图3、图5处所做介绍,此处暂不详述。
在步骤S14中,从预先保存的脸型中匹配出近似脸型,所述近似脸型的特征值与所述待匹配脸型的特征值之间的相似度最大。
本公开方案,可以预先在数据库中保存一定数量的脸型以及这些脸型各自的特征值,用以与待匹配脸型进行比对,从中确定出相似度最大的近似脸型,实现基于脸型的人脸检索。可以理解地,为了准确完成脸型匹配,对于数据库中保存的脸型、待匹配脸型来说,二者采用相同的方式获得脸型特征值。
作为一种示例,可以通过L1范式、L2范式、余弦距离等方式,计算待匹配脸型与数据库中保存的脸型之间的相似度,进而从数据库中确定出近似脸型。
作为一种示例,本公开方案还可以在建立空间位置关系之前,对人脸特征点做归一化处理。具体地,可以先对人脸区域进行整体旋转,使两个眼睛中心的连线处于水平方向,然后通过等比例缩放,使两个眼睛中心的距离调整为预设长度。如此,可在不改变脸型特征的前提下,将脸型统一为标准尺寸,有助于提高脸型匹配的准确性。
下面对本公开方案中建立空间位置关系的实现方式进行解释说明。
图3是根据一示例性实施例示出的建立空间位置关系的方法的流程图,该方法可应用于基准点数目为1的情况,包括以下步骤。
在步骤S31中,利用以所述基准点为圆心的至少两个同心圆,将所述人脸区域划分为N个扇形区域,其中,所述人脸特征点全部落入半径最大的同心圆内,N=a*b,a为同心圆的数目,b为同心圆的分割份数,2≤a≤4,4≤b≤8。
在步骤S32中,统计落入各个扇形区域的人脸特征点的个数,得到维度为N的直方图,用以表示所述空间位置关系。
以基准点为鼻子中心为例,如果a=3,b=8,也就是说,以鼻子中心为圆点O,在人脸区域设置了三个同心圆,且使半径最大的圆能够包含所有的人脸特征点,防止统计过程中丢失人脸特征点;然后将每个同心圆进行8等分,如此,便可将人脸区域划分为24个扇形区域,具体可参见图4所示示意图。
结合实际应用,同心圆的半径通常不大于2d,d为两个眼睛中心的距离。作为一种示例,图4所示示例中,同心圆的半径可分别为0.5d、d、2d,本公开方案对此可不做限定。
图4所示示例中,分割得到24个扇形区域之后,可以统计每个扇形区域包含的人脸特征点的数目,得到一个维度为24的直方图,这个直方图就可以表示基准点与人脸特征点之间的空间位置关系。
可以理解地,设置至少两个不同半径的同心圆,可以反映出基准点与人脸特征点之间的距离关系;对每个同心圆进行分割处理,可以反映出基准点与人脸特征点之间的角度关系。也即,空间位置关系至少可以体现为距离关系和角度关系。
图5是根据另一示例性实施例示出的建立空间位置关系的方法的流程图,该方法可应用于基准点数目为M(M不小于2)的情况,包括以下步骤。
在步骤S51中,统计得到每个基准点对应的N维直方图。
得到各个基准点对应的N维直方图的实现过程,可参见上文图3处所做介绍,此处不再赘述。
在步骤S52中,将所有基准点对应的直方图进行向量连接,得到M*N维的特征向量。
为了更精细的反映脸型特征,可以利用多个基准点建立空间位置关系。作为一种示例,可以将两个眼睛的中心、鼻子的中心、两个嘴角,作为基准点,即M=5。结合上文图4所示示例,将5个24维的直方图进行向量连接,可以得到120维的特征向量,该特征向量相对图3所示实施例中24维的特征向量,能够更多、更细致的反映人脸的脸型特征,可以加大脸型特征之间的区分度。
在步骤S53中,对所述特征向量进行降维处理,通过降维处理后的特征向量表示所述空间位置关系。
得到M*N维的特征向量后,可以通过降维处理,将脸型特征重新做一次映射,有助于进一步加大脸型特征之间的区分度。此外,基于降维处理后的脸型特征进行人脸检索,还有助于提高检索效率。
作为一种示例,可以通过PCA(英文:Principal Component Analysis,中文:主成分分析)对120维的特征向量进行降维处理,得到64维的特征向量,来表示空间位置关系。可以理解地,降维处理后的特征向量的维度,可以根据实际应用需求而定,本公开方案对此可不做限定。
由上文所做介绍可知,通过本公开方案可以实现基于脸型的人脸检索,下面对本公开方案的应用场景做举例说明。
以用户在网上购买假发为例,可以实时拍摄一张照片或者从相册中选取一张照片,触发设备按照上文所做介绍获得待匹配脸型的特征值,并从数据库中匹配出近似脸型,实现人脸图像之间的匹配。如此之后,便可根据用户选择,基于近似脸型向用户展示假发的佩戴效果图,使用户在购买前,对假发的实际佩戴效果有一定程度的了解,有助于提高用户体验。可以理解地,假发的佩戴效果图,可以在用户选择后实时生成;或者,也可以预先保存在数据库中,本公开方案对此可不做限定。
以用户进行图片处理为例,如果数据库中保存有卡通头像、卡通头像的脸型特征值,则在用户输入图片后,设备可被触发按照本公开方案从数据库中匹配出一张卡通头像作为近似脸型,实现人脸图像与卡通头像之间的匹配。如此之后,便可基于该匹配度最高的卡通头像进行图片合成,有助于提高图片合成效果,进而提高用户体验。
图6是根据一示例性实施例示出的一种脸型匹配装置60框图。参照图6,该装置包括特征点定位模块61,基准点确定模块62,空间位置关系建立模块63和脸型匹配模块64。
该特征点定位模块61,被配置为对用户输入的图片进行人脸特征点定位;
该基准点确定模块62,被配置为在所述图片的人脸区域,确定至少一个基准点;
该空间位置关系建立模块63,被配置为建立每个基准点与所述人脸特征点之间的空间位置关系,作为待匹配脸型的特征值;
该脸型匹配模块64,被配置为从预先保存的脸型中匹配出近似脸型,所述近似脸型的特征值与所述待匹配脸型的特征值之间的相似度最大。
本公开脸型匹配装置,在获得用户输入的图片后,可以触发特征点定位模块61在人脸区域进行特征点提取,定位出能够反映人脸差异的特征点信息;同时,还会触发基准点确定模块62在人脸区域中确定出至少一个基准点。如此,空间位置关系建立模块63便可建立基准点与特征点之间的空间位置关系,并以此作为待匹配脸型的特征值,由脸型匹配模块64基于待匹配脸型的特征值,与数据库中保存的脸型进行特征值比对,将其中相似度最大的脸型确定为近似脸型,实现基于脸型的人脸检索。
本公开方案中,基于人脸特征点进行脸型匹配,有助于降低图片亮度、清晰度等因素对匹配结果造成的影响,使本公开方案的脸型匹配效果鲁棒性更强。
可选地,基准点确定模块62确定出的基准点可以为眼睛的中心、鼻子的中心、嘴角中的至少一个。
可选地,如果所述基准点的数目为1,所述空间位置关系建立模块63包括:
扇形区域划分模块,被配置为利用以所述基准点为圆心的至少两个同心圆,将所述人脸区域划分为N个扇形区域,其中,所述人脸特征点全部落入半径最大的同心圆内,N=a*b,a为同心圆的数目,b为同心圆的分割份数,2≤a≤4,4≤b≤8;
统计模块,被配置为统计落入各个扇形区域的人脸特征点的个数,得到维度为N的直方图,用以表示所述空间位置关系。
可选地,所述同心圆的半径不大于2d,d为两个眼睛中心的距离。
可选地,如果所述基准点的数目为M,且M不小于2,所述空间位置关系建立模块63还包括:
向量连接模块,被配置为在所述统计模块得到维度为N的直方图之后,将所有基准点对应的直方图进行向量连接,得到M*N维的特征向量;
降维处理模块,被配置为对所述特征向量进行降维处理,通过降维处理后的特征向量表示所述空间位置关系。
可选地,所述装置还包括:
归一化处理模块,被配置为在所述空间位置关系建立模块建立所述空间位置关系之前,对所述人脸特征点做归一化处理,使两个眼睛中心的连线处于水平方向,且所述两个眼睛中心的距离为预设长度。
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。
图7是根据一示例性实施例示出的一种脸型匹配装置700的框图。例如,装置700可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等。
参照图7,装置700可以包括以下一个或多个组件:处理组件702,存储器704,电力组件706,多媒体组件708,音频组件710,输入/输出(I/O)的接口712,传感器组件714,以及通信组件716。
处理组件702通常控制装置700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702可以包括一个或多个处理器720来执行指令,以完成上述的脸型匹配方法的全部或部分步骤。此外,处理组件702可以包括一个或多个模块,便于处理组件702和其他组件之间的交互。例如,处理组件702可以包括多媒体模块,以方便多媒体组件708和处理组件702之间的交互。
存储器704被配置为存储各种类型的数据以支持在装置700的操作。这些数据的示例包括用于在装置700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704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。
电力组件706为装置700的各种组件提供电力。电力组件706可以包括电源管理系统,一个或多个电源,及其他与为装置700生成、管理和分配电力相关联的组件。
多媒体组件708包括在所述装置700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708包括一个前置摄像头和/或后置摄像头。当装置700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710被配置为输出和/或输入音频信号。例如,音频组件710包括一个麦克风(MIC),当装置700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704或经由通信组件716发送。在一些实施例中,音频组件710还包括一个扬声器,用于输出音频信号。
I/O接口712为处理组件702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714包括一个或多个传感器,用于为装置700提供各个方面的状态评估。例如,传感器组件714可以检测到装置700的打开/关闭状态,组件的相对定位,例如所述组件为装置700的显示器和小键盘,传感器组件714还可以检测装置700或装置700一个组件的位置改变,用户与装置700接触的存在或不存在,装置700方位或加速/减速和装置700的温度变化。传感器组件714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714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714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716被配置为便于装置700和其他设备之间有线或无线方式的通信。装置700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716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716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700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,用于执行上述脸型匹配方法。
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704,上述指令可由装置700的处理器720执行以完成上述脸型匹配方法。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。
本领域技术人员在考虑说明书及实践本公开后,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 (10)
1.一种脸型匹配方法,其特征在于,包括:
对用户输入的图片进行人脸特征点定位;
在所述图片的人脸区域,确定至少一个基准点;
建立每个基准点与所述人脸特征点之间的空间位置关系,作为待匹配脸型的特征值;
从预先保存的脸型中匹配出近似脸型,所述近似脸型的特征值与所述待匹配脸型的特征值之间的相似度最大。
2.根据权利要求1所述的脸型匹配方法,其特征在于,如果所述基准点的数目为1,所述建立每个基准点与所述人脸特征点之间的空间位置关系,包括:
利用以所述基准点为圆心的至少两个同心圆,将所述人脸区域划分为N个扇形区域,其中,所述人脸特征点全部落入半径最大的同心圆内,N=a*b,a为同心圆的数目,b为同心圆的分割份数,2≤a≤4,4≤b≤8;
统计落入各个扇形区域的人脸特征点的个数,得到维度为N的直方图,用以表示所述空间位置关系。
3.根据权利要求2所述的脸型匹配方法,其特征在于,所述同心圆的半径不大于2d,d为两个眼睛中心的距离。
4.根据权利要求2所述的脸型匹配方法,其特征在于,如果所述基准点的数目为M,且M不小于2,在所述得到维度为N的直方图之后,所述方法还包括:
将所有基准点对应的直方图进行向量连接,得到M*N维的特征向量;
对所述特征向量进行降维处理,通过降维处理后的特征向量表示所述空间位置关系。
5.根据权利要求1至4任一项所述的脸型匹配方法,其特征在于,建立所述空间位置关系之前,所述方法还包括:
对所述人脸特征点做归一化处理,使两个眼睛中心的连线处于水平方向,且所述两个眼睛中心的距离为预设长度。
6.一种脸型匹配装置,其特征在于,包括:
特征点定位模块,被配置为对用户输入的图片进行人脸特征点定位;
基准点确定模块,被配置为在所述图片的人脸区域,确定至少一个基准点;
空间位置关系建立模块,被配置为建立每个基准点与所述人脸特征点之间的空间位置关系,作为待匹配脸型的特征值;
脸型匹配模块,被配置为从预先保存的脸型中匹配出近似脸型,所述近似脸型的特征值与所述待匹配脸型的特征值之间的相似度最大。
7.根据权利要求6所述的脸型匹配装置,其特征在于,如果所述基准点的数目为1,所述空间位置关系建立模块包括:
扇形区域划分模块,被配置为利用以所述基准点为圆心的至少两个同心圆,将所述人脸区域划分为N个扇形区域,其中,所述人脸特征点全部落入半径最大的同心圆内,N=a*b,a为同心圆的数目,b为同心圆的分割份数,2≤a≤4,4≤b≤8;
统计模块,被配置为统计落入各个扇形区域的人脸特征点的个数,得到维度为N的直方图,用以表示所述空间位置关系。
8.根据权利要求7所述的脸型匹配装置,其特征在于,如果所述基准点的数目为M,且M不小于2,所述空间位置关系建立模块还包括:
向量连接模块,被配置为在所述统计模块得到维度为N的直方图之后,将所有基准点对应的直方图进行向量连接,得到M*N维的特征向量;
降维处理模块,被配置为对所述特征向量进行降维处理,通过降维处理后的特征向量表示所述空间位置关系。
9.根据权利要求6至8任一项所述的脸型匹配装置,其特征在于,所述装置还包括:
归一化处理模块,被配置为在所述空间位置关系建立模块建立所述空间位置关系之前,对所述人脸特征点做归一化处理,使两个眼睛中心的连线处于水平方向,且所述两个眼睛中心的距离为预设长度。
10.一种脸型匹配装置,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:
对用户输入的图片进行人脸特征点定位;
在所述图片的人脸区域,确定至少一个基准点;
建立每个基准点与所述人脸特征点之间的空间位置关系,作为待匹配脸型的特征值;
从预先保存的脸型中匹配出近似脸型,所述近似脸型的特征值与所述待匹配脸型的特征值之间的相似度最大。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710193740.5A CN106971164B (zh) | 2017-03-28 | 2017-03-28 | 脸型匹配方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710193740.5A CN106971164B (zh) | 2017-03-28 | 2017-03-28 | 脸型匹配方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106971164A true CN106971164A (zh) | 2017-07-21 |
CN106971164B CN106971164B (zh) | 2020-02-04 |
Family
ID=59336438
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710193740.5A Active CN106971164B (zh) | 2017-03-28 | 2017-03-28 | 脸型匹配方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106971164B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107705248A (zh) * | 2017-10-31 | 2018-02-16 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、电子设备和计算机可读存储介质 |
CN107909104A (zh) * | 2017-11-13 | 2018-04-13 | 腾讯数码(天津)有限公司 | 一种图片的人脸聚类方法、装置及存储介质 |
CN108062787A (zh) * | 2017-12-13 | 2018-05-22 | 北京小米移动软件有限公司 | 三维人脸建模方法及装置 |
CN108200337A (zh) * | 2017-12-29 | 2018-06-22 | 广东欧珀移动通信有限公司 | 拍照处理的方法、装置、终端及存储介质 |
CN108701216A (zh) * | 2017-11-13 | 2018-10-23 | 深圳和而泰智能控制股份有限公司 | 一种人脸脸型识别方法、装置和智能终端 |
CN109977867A (zh) * | 2019-03-26 | 2019-07-05 | 厦门瑞为信息技术有限公司 | 一种基于机器学习多特征融合的红外活体检测方法 |
CN110032959A (zh) * | 2019-03-29 | 2019-07-19 | 北京迈格威科技有限公司 | 一种人脸脸型判断方法及装置 |
CN110348286A (zh) * | 2019-05-24 | 2019-10-18 | 广东工业大学 | 一种基于最小二乘法的脸型拟合与匹配方法 |
CN111460910A (zh) * | 2020-03-11 | 2020-07-28 | 深圳市新镜介网络有限公司 | 人脸脸型的分类方法、装置、终端设备及存储介质 |
CN112102623A (zh) * | 2020-08-24 | 2020-12-18 | 深圳云天励飞技术股份有限公司 | 交通违章识别方法和装置、智能可穿戴设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1502303A (zh) * | 2002-11-26 | 2004-06-09 | 中国科学院计算技术研究所 | 基于辐射模板的旋转人脸检测方法 |
CN102622613A (zh) * | 2011-12-16 | 2012-08-01 | 彭强 | 一种基于双眼定位和脸型识别的发型设计方法 |
CN102663087A (zh) * | 2012-04-09 | 2012-09-12 | 北京邮电大学 | 基于拓扑和视觉特征的三维模型检索方法 |
CN104915634A (zh) * | 2015-02-16 | 2015-09-16 | 百度在线网络技术(北京)有限公司 | 基于人脸识别技术的图像生成方法和装置 |
CN105354558A (zh) * | 2015-11-23 | 2016-02-24 | 河北工业大学 | 人脸图像匹配方法 |
-
2017
- 2017-03-28 CN CN201710193740.5A patent/CN106971164B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1502303A (zh) * | 2002-11-26 | 2004-06-09 | 中国科学院计算技术研究所 | 基于辐射模板的旋转人脸检测方法 |
CN102622613A (zh) * | 2011-12-16 | 2012-08-01 | 彭强 | 一种基于双眼定位和脸型识别的发型设计方法 |
CN102663087A (zh) * | 2012-04-09 | 2012-09-12 | 北京邮电大学 | 基于拓扑和视觉特征的三维模型检索方法 |
CN104915634A (zh) * | 2015-02-16 | 2015-09-16 | 百度在线网络技术(北京)有限公司 | 基于人脸识别技术的图像生成方法和装置 |
CN105354558A (zh) * | 2015-11-23 | 2016-02-24 | 河北工业大学 | 人脸图像匹配方法 |
Non-Patent Citations (1)
Title |
---|
曾峦 等: "一种基于扇形区域分割的SIFT特征描述符", 《自动化学报》 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107705248A (zh) * | 2017-10-31 | 2018-02-16 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、电子设备和计算机可读存储介质 |
CN107909104A (zh) * | 2017-11-13 | 2018-04-13 | 腾讯数码(天津)有限公司 | 一种图片的人脸聚类方法、装置及存储介质 |
CN107909104B (zh) * | 2017-11-13 | 2023-07-18 | 腾讯数码(天津)有限公司 | 一种图片的人脸聚类方法、装置及存储介质 |
CN108701216A (zh) * | 2017-11-13 | 2018-10-23 | 深圳和而泰智能控制股份有限公司 | 一种人脸脸型识别方法、装置和智能终端 |
WO2019090769A1 (zh) * | 2017-11-13 | 2019-05-16 | 深圳和而泰智能控制股份有限公司 | 一种人脸脸型识别方法、装置和智能终端 |
CN108701216B (zh) * | 2017-11-13 | 2021-12-03 | 深圳和而泰智能控制股份有限公司 | 一种人脸脸型识别方法、装置和智能终端 |
CN108062787A (zh) * | 2017-12-13 | 2018-05-22 | 北京小米移动软件有限公司 | 三维人脸建模方法及装置 |
CN108062787B (zh) * | 2017-12-13 | 2022-02-11 | 北京小米移动软件有限公司 | 三维人脸建模方法及装置 |
CN108200337B (zh) * | 2017-12-29 | 2020-04-21 | Oppo广东移动通信有限公司 | 拍照处理的方法、装置、终端及存储介质 |
CN108200337A (zh) * | 2017-12-29 | 2018-06-22 | 广东欧珀移动通信有限公司 | 拍照处理的方法、装置、终端及存储介质 |
CN109977867A (zh) * | 2019-03-26 | 2019-07-05 | 厦门瑞为信息技术有限公司 | 一种基于机器学习多特征融合的红外活体检测方法 |
CN110032959A (zh) * | 2019-03-29 | 2019-07-19 | 北京迈格威科技有限公司 | 一种人脸脸型判断方法及装置 |
CN110348286A (zh) * | 2019-05-24 | 2019-10-18 | 广东工业大学 | 一种基于最小二乘法的脸型拟合与匹配方法 |
CN111460910A (zh) * | 2020-03-11 | 2020-07-28 | 深圳市新镜介网络有限公司 | 人脸脸型的分类方法、装置、终端设备及存储介质 |
CN112102623A (zh) * | 2020-08-24 | 2020-12-18 | 深圳云天励飞技术股份有限公司 | 交通违章识别方法和装置、智能可穿戴设备 |
Also Published As
Publication number | Publication date |
---|---|
CN106971164B (zh) | 2020-02-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106971164A (zh) | 脸型匹配方法及装置 | |
CN106295566B (zh) | 人脸表情识别方法及装置 | |
CN104408426B (zh) | 人脸图像眼镜去除方法及装置 | |
CN104408402B (zh) | 人脸识别方法及装置 | |
CN104850828B (zh) | 人物识别方法及装置 | |
CN106295511B (zh) | 人脸跟踪方法及装置 | |
CN105426867B (zh) | 人脸识别验证方法及装置 | |
CN106295515B (zh) | 确定图像中的人脸区域的方法及装置 | |
US10007841B2 (en) | Human face recognition method, apparatus and terminal | |
CN105608425B (zh) | 对照片进行分类存储的方法及装置 | |
CN105357425B (zh) | 图像拍摄方法及装置 | |
CN105469356B (zh) | 人脸图像处理方法及装置 | |
CN106980840A (zh) | 脸型匹配方法、装置及存储介质 | |
CN104077563B (zh) | 人脸识别方法和装置 | |
CN105224924A (zh) | 活体人脸识别方法和装置 | |
CN104063865B (zh) | 分类模型创建方法、图像分割方法及相关装置 | |
CN105528078B (zh) | 控制电子设备的方法及装置 | |
CN104077597B (zh) | 图像分类方法及装置 | |
CN109360197A (zh) | 图像的处理方法、装置、电子设备及存储介质 | |
CN107992811A (zh) | 人脸识别方法及装置 | |
CN104408404A (zh) | 人脸识别方法及装置 | |
CN104867112B (zh) | 照片处理方法及装置 | |
CN107944367A (zh) | 人脸关键点检测方法及装置 | |
CN107958223A (zh) | 人脸识别方法及装置、移动设备、计算机可读存储介质 | |
CN108197585A (zh) | 脸部识别方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |