CN106980840A - 脸型匹配方法、装置及存储介质 - Google Patents
脸型匹配方法、装置及存储介质 Download PDFInfo
- Publication number
- CN106980840A CN106980840A CN201710209933.5A CN201710209933A CN106980840A CN 106980840 A CN106980840 A CN 106980840A CN 201710209933 A CN201710209933 A CN 201710209933A CN 106980840 A CN106980840 A CN 106980840A
- Authority
- CN
- China
- Prior art keywords
- face
- image
- shape
- key point
- matched
- 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.)
- Pending
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
Abstract
本公开提供一种脸型匹配方法、装置及存储介质,所述方法包括:从待匹配图像中确定人脸关键点的目标位置;将预设人脸图像中已标定的人脸关键点的标准位置与所述目标位置进行匹配,根据匹配结果确定所述待匹配图像的人脸脸型是否与所述预设人脸图像的脸型相匹配。本公开实施例的脸型匹配方案的准确性较高,能有效地提升脸型匹配的准确度和鲁棒性。
Description
技术领域
本公开涉及图像处理技术领域,尤其涉及脸型匹配方法、装置及存储介质。
背景技术
在人脸识别、人脸检索、人脸动画处理等应用领域中,常常涉及对人脸图像进行脸型匹配的处理。脸型匹配技术可广泛应用于考勤系统、摄像监视系统、门禁系统、网络应用、摄像设备或智能手机等,因此人脸脸型匹配结果的精确性具有重要的应用价值。相关技术中,通常是在人脸图像中识别出人脸轮廓,利用人脸轮廓进行人脸脸型的匹配。
发明内容
为克服相关技术中存在的问题,本公开提供了脸型匹配方法、装置及存储介质。
根据本公开实施例的第一方面,提供一种脸型匹配方法,所述方法包括:
从待匹配图像中确定人脸关键点的目标位置;
将预设人脸图像中已标定的人脸关键点的标准位置与所述目标位置进行匹配,根据匹配结果确定所述待匹配图像的人脸脸型是否与所述预设人脸图像的脸型相匹配。
可选的,所述从待匹配图像中确定人脸关键点的目标位置,包括:
对待匹配图像进行人脸关键点检测,获得人脸关键点的初始位置;
根据所述预设人脸图像的人脸关键点的标准位置,对所述待匹配图像中人脸关键点的初始位置进行归一化处理,获得各人脸关键点的目标位置。
可选的,所述对所述待匹配图像中人脸关键点的初始位置进行归一化处理,获得各人脸关键点的目标位置,包括:
将人脸关键点的初始位置进行减均值处理,控制人脸关键点中两个人眼部位的中心连线处于水平位置,并通过缩放处理,使两个人眼部位的中心距离为预设距离后,获得各人脸关键点的目标位置。
可选的,所述将预设人脸图像中已标定的人脸关键点的标准位置与所述目标位置进行匹配,根据匹配结果确定所述待匹配图像的人脸脸型是否与所述预设人脸图像的脸型相匹配,包括:
计算所述标准位置与所述目标位置的相似度,根据相似度的高低确定所述待匹配图像的人脸脸型是否与所述预设人脸图像的脸型相匹配。
可选的,所述计算所述标准位置与所述目标位置的相似度,根据相似度的高低确定所述待匹配图像的人脸脸型是否与所述预设人脸图像的脸型相匹配,包括:
计算待匹配图像中各人脸关键点的目标位置所构成的向量,与预设人脸图像中各人脸关键点的标准位置所构成的向量的豪斯多夫距离,所述豪斯多夫距离的大小指示所述相似度的高低;
在豪斯多夫距离低于预设距离阈值的情况下,确定所述待匹配图像的人脸脸型与所述预设人脸图像的脸型相匹配。
根据本公开实施例的第二方面,提供一种脸型匹配装置,所述装置包括:
目标位置确定模块,被配置为:从待匹配图像中确定人脸关键点的目标位置;
脸型匹配模块,被配置为:将预设人脸图像中已标定的人脸关键点的标准位置与所述目标位置确定模块所确定的目标位置进行匹配,根据匹配结果确定所述待匹配图像的人脸脸型是否与所述预设人脸图像的脸型相匹配。
可选的,所述目标位置确定模块,包括:
人脸关键点检测子模块,被配置为:对待匹配图像进行人脸关键点检测,获得人脸关键点的初始位置;
归一化处理子模块,被配置为:根据所述人脸关键点检测子模块所检测的预设人脸图像的人脸关键点的标准位置,对所述待匹配图像中人脸关键点的初始位置进行归一化处理,获得各人脸关键点的目标位置。
可选的,所述归一化处理子模块,包括:
处理子模块,被配置为:将人脸关键点的初始位置进行减均值处理,控制人脸关键点中两个人眼部位的中心连线处于水平位置,并通过缩放处理,使两个人眼部位的中心距离为预设距离后,获得各人脸关键点的目标位置。
可选的,所述脸型匹配模块,包括:
相似度计算子模块,被配置为:计算所述标准位置与所述目标位置的相似度,根据相似度的高低确定所述待匹配图像的人脸脸型是否与所述预设人脸图像的脸型相匹配。
可选的,所述相似度计算子模块,包括:
豪斯多夫距离计算子模块,被配置为:待匹配图像中各人脸关键点的目标位置所构成的向量,与预设人脸图像中各人脸关键点的标准位置所构成的向量的豪斯多夫距离,所述豪斯多夫距离的大小指示所述相似度的高低;
匹配确定子模块,被配置为:在所述豪斯多夫距离计算子模块所计算的豪斯多夫距离低于预设距离阈值的情况下,确定所述待匹配图像的人脸脸型与所述预设人脸图像的脸型相匹配。
根据本公开实施例的第三方面,提供一种脸型匹配装置,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:
从待匹配图像中确定人脸关键点的目标位置;
将预设人脸图像中已标定的人脸关键点的标准位置与所述目标位置进行匹配,根据匹配结果确定所述待匹配图像的人脸脸型是否与所述预设人脸图像的脸型相匹配。
根据本公开实施例的第四方面,提供一种计算机可读存储介质,其上存储有计算机指令,该指令被处理器执行时实现以下步骤:
从待匹配图像中确定人脸关键点的目标位置;
将预设人脸图像中已标定的人脸关键点的标准位置与所述目标位置进行匹配,根据匹配结果确定所述待匹配图像的人脸脸型是否与所述预设人脸图像的脸型相匹配。
本公开的实施例提供的技术方案可以包括以下有益效果:
本公开中,将人脸脸型的匹配转化为人脸关键点的匹配,由于人脸关键点涵盖有人脸关键部位的较多信息,根据待匹配图像的人脸关键点与其他图像的人脸关键点的匹配程度,能获得准确性较高的脸型匹配结果。相较于人脸轮廓曲线的匹配方法,本公开实施例的脸型匹配方案准确性更高,有效的提升了脸型匹配的准确度和鲁棒性。
本公开中,通过归一化处理,可以在通过人脸关键点进行脸型匹配处理时,能降低脸型匹配的复杂度,提高脸型匹配的处理速度。
本公开中,归一化处理具体可以包括减均值、水平处理和缩放处理,使待匹配图像的人脸关键点与预设人脸图像的人脸关键点具有统一的标准,以提高脸型匹配的处理速度。
本公开中,通过计算所述标准位置与所述目标位置的相似度,利用相似度可以确定所述待匹配图像的人脸脸型是否与所述预设人脸图像的脸型相匹配,该方式易于实现,且准确度较高。
本公开中,利用豪斯多夫距离能精确地表征本实施例的标准位置与所述目标位置的相似度,且计算过程快速简单。
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是本公开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是本公开根据一示例性实施例示出的一种脸型匹配装置的框图。
图3是本公开根据一示例性实施例示出的另一种脸型匹配装置的框图。
图4是本公开根据一示例性实施例示出的另一种脸型匹配装置的框图。
图5是本公开根据一示例性实施例示出的另一种脸型匹配装置的框图。
图6是本公开根据一示例性实施例示出的另一种脸型匹配装置的框图。
图7是本公开根据一示例性实施例示出的用于一种脸型匹配装置的框图。
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。
在本公开使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本公开。在本公开和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本公开可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本公开范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
相关技术在进行人脸脸型匹配处理时,通常是从人脸图像中提取人脸轮廓曲线,利用所提取的人脸轮廓曲线与其他人脸图像的人脸轮廓曲线的对比,确定图像之间的人脸脸型的匹配度。由于人脸轮廓曲线的提取复杂度较大,且人脸轮廓无法指示较多人脸的关键信息,因此利用人脸轮廓进行脸型匹配的方案的精确度较低。
本公开实施例所提供的脸型匹配方法,将人脸脸型的匹配转化为人脸关键点的匹配,由于人脸关键点涵盖有人脸关键部位的较多信息,根据待匹配图像的人脸关键点与其他图像的人脸关键点的匹配程度,能获得准确性较高的脸型匹配结果。相较于人脸轮廓曲线的匹配方法,本公开实施例方案的准确性更高,有效地提升了脸型匹配的准确度和鲁棒性。接下来对本公开实施例进行详细说明。
如图1所示,图1是本公开根据一示例性实施例示出的一种脸型匹配方法的流程图,包括以下步骤101至102:
在步骤101中,从待匹配图像中确定人脸关键点的目标位置。
在步骤102中,将预设人脸图像中已标定的人脸关键点的标准位置与所述目标位置进行匹配,根据匹配结果确定所述待匹配图像的人脸脸型是否与所述预设人脸图像的脸型相匹配。
本公开实施例所提供的方案,可应用于个人计算机、计算设备、服务器、智能手机、平板电脑或拍摄设备等。
其中,人脸关键点即人脸关键特征点,可以包括眉毛、眼睛、鼻子、嘴巴或脸部轮廓等。在实际应用中,可以根据需要预先设定需定位的人脸关键点,例如设定鼻子或嘴巴等。各人脸关键点在图像中的具体位置,即表示人脸关键点在图像中的具体坐标。
在进行定位前,可以对待匹配图像进行人脸检测,获得人脸区域,以用于后续进行人脸关键点定位时,在已框定的人脸区域中进行计算。具体的,可以采用局部二值模式(Local binary patterns,LBP)与AdaBoost(Adaptive Boosting,迭代算法)相结合的方式进行人脸检测,从而检测出待定匹配图像中的人脸区域。
简单说明,局部二值模式是机器视觉领域中用于分类的一种特征,其处理过程为:将检测窗口切分为区块。对区块中的每个像素,与它的八个邻域像素进行比较。对于中心像素大于某个邻域的,设置为1;否则,设置为0;获得一个8位的二进制数,作为该位置的特征。对每一个区块计算直方图。将直方图归一化。串联所有区块的直方图,得到当前检测窗口的特征向量。
Adaboost是一种迭代算法,其核心思想是针对同一个训练集训练不同的分类器(弱分类器),然后把这些弱分类器集合起来,构成一个更强的最终分类器(强分类器)。其算法本身是通过改变数据分布来实现的,它根据每次训练集之中每个预设的分类是否正确,以及上次的总体分类的准确率,来确定每个预设的权值。将修改过权值的新数据集送给下层分类器进行训练,最后将每次训练得到的分类器最后融合起来,作为最后的决策分类器。使用adaboost分类器可以排除一些不必要的训练数据特征,并放在关键的训练数据上面。具体的详细处理过程可参考相关技术,本实施例不再赘述。
在获取到人脸区域后,可以在人脸区域中进行人脸关键点检测。在实际应用中,人脸关键点检测可以采用AAM(Active Appreance Model)或SDM等方法。
以AAM方法为例,其人脸关键点检测的过程可以简单描述为:针对具体的情况选择合适的人脸图像训练预设集,对所选择的人脸预设图像进行关键点标记,所标记的特征点需充分反映预设的特征属性,标记的关键点位置需涵盖眉毛、眼睛、鼻子、嘴巴、下巴和脸部轮廓等人脸关键点;完成人脸关键点标记后,再对标记好关键点的人脸图像进行训练,构造参数化的人脸AAM模型。在人脸关键点拟合过程中,当输入一幅人脸图像或者包含人脸的视频序列中的一帧图像时,通过有效的拟合算法变化模型参数,控制形状控制点的运动,生成人脸AAM模型实例,找到使得参数化的AAM,模型实例与输入的人脸图像间的差异最小的那组参数,从而实现人脸AAM模型实例与该输入人脸图像的拟合,拟合完成时的形状控制点的位置就描述了当前对象的关键点位置。
本实施例中,待匹配图像的人脸关键点的位置,具体是指各个人脸关键点在图像中的坐标。在获得待匹配图像的人脸关键点的位置后,即表示从待匹配图像中标定了眉毛、眼睛、鼻子、嘴巴、下巴和脸部轮廓等重要部位的位置。本实施例中,考虑到若两张人脸图像的人脸脸型较为匹配,则两张人脸图像中各人脸关键点的位置差别较小;若两张人脸图像的人脸脸型不匹配,则两张人脸图像中各人脸关键点的位置差别较大。因此,本公开采用人脸关键点的位置进行脸型匹配。
在人脸识别、人脸检索、人脸动画处理等需要涉及脸型匹配技术的应用领域中,通常是预设有图像库,图像库中预置有很多张人脸图像,本公开为了示例清楚,称为预设人脸图像,预设人脸图像中已标定有人脸关键点的标准位置。本公开实施例在进行脸型匹配时,具体是将标准位置与所述目标位置进行匹配,根据匹配结果可确定所述待匹配图像的人脸脸型是否与所述预设人脸图像的脸型相匹配。
在上述图像库中,预设人脸图像通常都经过归一化处理,使各张预设人脸图像都具有统一标准的格式、大小或图像内容等,图像归一化处理是为了后续在通过人脸关键点进行脸型匹配处理时,能降低脸型匹配的复杂度,提高脸型匹配的处理速度。因此,针对归一化处理的预设人脸图像,本公开实施例可以按照预设人脸图像的归一化标准,对待匹配图像的人脸关键点也进行归一化处理,所述从待匹配图像中确定人脸关键点的目标位置,可以包括:
对待匹配图像进行人脸关键点检测,获得人脸关键点的初始位置。
根据所述预设人脸图像的人脸关键点的标准位置,对所述待匹配图像中人脸关键点的初始位置进行归一化处理,获得各人脸关键点的目标位置。
在一个可选的实现方式中,为进一步提高处理速度,所述对所述待匹配图像中人脸关键点的初始位置进行归一化处理,获得各人脸关键点的目标位置,可以包括:
将人脸关键点的初始位置进行减均值处理,控制人脸关键点中两个人眼部位的中心连线处于水平位置,并通过缩放处理,使两个人眼部位的中心距离为预设距离后,获得各人脸关键点的目标位置。
本公开实施例中,均值反应图像的平均明暗程度,通过将人脸关键点的初始位置进行减均值处理后,能消除图像像素点之间的明暗影响,使各人脸关键点的坐标值处于同一数量级。在减均值处理后,从人脸关键点中确定指示人眼部位的人脸关键点,根据两个人眼部位,将各人脸关键点进行旋转处理,使两个人眼部位的中心连线处于水平位置,使得所有人脸关键点处于标准位置;最后通过缩放处理,使两个人眼部位的中心距离为预设距离,该预设距离根据前述的预设人脸图像的归一化处理过程而确定,使处理后待匹配图像的整个人脸具有与预设人脸图像的整个人脸相同的尺寸。
本公开实施例中,若两张人脸图像的人脸脸型较为匹配,则两张人脸图像中各人脸关键点的位置差别较小,因此,在将预设人脸图像中已标定的人脸关键点的标准位置与所述目标位置进行匹配,根据匹配结果确定所述待匹配图像的人脸脸型是否与所述预设人脸图像的脸型相匹配,可以是:
计算所述标准位置与所述目标位置的相似度,根据相似度的高低确定所述待匹配图像的人脸脸型是否与所述预设人脸图像的脸型相匹配。
本实施例通过计算所述标准位置与所述目标位置的相似度,利用相似度可以确定所述待匹配图像的人脸脸型是否与所述预设人脸图像的脸型相匹配。待匹配图像中各人脸关键点的目标位置与预设人脸图像中各人脸关键点的标准位置的相似度越高,则待匹配图像与预设人脸图像的脸型越匹配。在实际应用中,可以预设一指示两张图像的人脸脸型相匹配的相似度阈值,例如85%、90%等数值,在所计算的相似度高于相似度阈值的情况下,可以确定待匹配图像与预设人脸图像的脸型相匹配。
由于图像中人脸关键点通常有很多个,计算所述标准位置与所述目标位置的相似度,可以采用多种方式计算,例如采用欧式距离或豪斯多夫距离等方式。在一个可选的实现方式中,计算所述标准位置与所述目标位置的相似度,根据相似度的高低确定所述待匹配图像的人脸脸型是否与所述预设人脸图像的脸型相匹配时,可以包括:
计算待匹配图像中各人脸关键点的目标位置所构成的向量,与预设人脸图像中各人脸关键点的标准位置所构成的向量的豪斯多夫距离,所述豪斯多夫距离的大小指示所述相似度的高低。
在豪斯多夫距离低于预设距离阈值的情况下,确定所述待匹配图像的人脸脸型与所述预设人脸图像的脸型相匹配。
本公开实施例中,豪斯多夫距离(Hausdorff distance)用于量度度量空间中真子集之间的距离,利用豪斯多夫距离能精确地表征本实施例的标准位置与所述目标位置的相似度,豪斯多夫距离越小,则相似度越高,该计算过程快速简单,具体可以是如下公式:
其中,P1,P2分别为待匹配图像中各人脸关键点的目标位置所构成的向量,以及预设人脸图像中各人脸关键点的标准位置所构成的向量;例如,P1=(x1,y1,x2,y2,...,xn,yn),也即是各人脸关键点的坐标按照一定顺序排列而构成的向量。(x1,y1)表示第一个人脸关键点,依次类推。
d(P1,P2)即豪斯多夫距离。sup表示上界,inf表示下界,d(p1,p2)表示点p1和点p2之间的欧式距离;p1表示P1中的任一人脸关键点,p2表示P2中的任一人脸关键点。
与前述脸型匹配方法的实施例相对应,本公开还提供了脸型匹配装置及其所应用的设备的实施例。
如图2所示,图2是本公开根据一示例性实施例示出的一种脸型匹配装置的框图,所述装置包括:目标位置确定模块21和脸型匹配模块22。
目标位置确定模块21,被配置为:从待匹配图像中确定人脸关键点的目标位置。
脸型匹配模块22,被配置为:将预设人脸图像中已标定的人脸关键点的标准位置与所述目标位置确定模块21所确定的目标位置进行匹配,根据匹配结果确定所述待匹配图像的人脸脸型是否与所述预设人脸图像的脸型相匹配。
由上述实施例可见,将人脸脸型的匹配转化为人脸关键点的匹配,由于人脸关键点涵盖有人脸关键部位的较多信息,根据待匹配图像的人脸关键点与其他图像的人脸关键点的匹配程度,能获得准确性较高的脸型匹配结果。相较于人脸轮廓曲线的匹配方法,本公开实施例的方案准确性更高,有效的提升了脸型匹配的准确度和鲁棒性。
如图3所示,图3是本公开根据一示例性实施例示出的另一种脸型匹配装置的框图,该实施例在前述图2所示实施例的基础上,所述目标位置确定模块21,包括:人脸关键点检测子模块211和归一化处理子模块212。
人脸关键点检测子模块211,被配置为:对待匹配图像进行人脸关键点检测,获得人脸关键点的初始位置。
归一化处理子模块212,被配置为:根据所述人脸关键点检测子模块211所检测的预设人脸图像的人脸关键点的标准位置,对所述待匹配图像中人脸关键点的初始位置进行归一化处理,获得各人脸关键点的目标位置。
由上述实施例可见,通过归一化处理,可以在通过人脸关键点进行脸型匹配处理时,能降低脸型匹配的复杂度,提高脸型匹配的处理速度。
如图4所示,图4是本公开根据一示例性实施例示出的另一种脸型匹配装置的框图,该实施例在前述图3所示实施例的基础上,所述归一化处理子模块212,包括:处理子模块2121。
处理子模块2121,被配置为:将人脸关键点的初始位置进行减均值处理,控制人脸关键点中两个人眼部位的中心连线处于水平位置,并通过缩放处理,使两个人眼部位的中心距离为预设距离后,获得各人脸关键点的目标位置。
由上述实施例可见,归一化处理具体可以包括减均值、水平处理和缩放处理,使待匹配图像的人脸关键点与预设人脸图像的人脸关键点具有统一的标准,以提高脸型匹配的处理速度。
如图5所示,图5是本公开根据一示例性实施例示出的另一种脸型匹配装置的框图,该实施例在前述图2所示实施例的基础上,所述脸型匹配模块22,包括:相似度计算子模块221。
相似度计算子模块221,被配置为:计算所述标准位置与所述目标位置的相似度,根据相似度的高低确定所述待匹配图像的人脸脸型是否与所述预设人脸图像的脸型相匹配。
由上述实施例可见,通过计算所述标准位置与所述目标位置的相似度,利用相似度可以确定所述待匹配图像的人脸脸型是否与所述预设人脸图像的脸型相匹配,该方式易于实现,且准确度较高。
如图6所示,图6是本公开根据一示例性实施例示出的另一种脸型匹配装置的框图,该实施例在前述图5所示实施例的基础上,所述相似度计算子模块221,包括:豪斯多夫距离计算子模块2211和匹配确定子模块2212。
豪斯多夫距离计算子模块2211,被配置为:待匹配图像中各人脸关键点的目标位置所构成的向量,与预设人脸图像中各人脸关键点的标准位置所构成的向量的豪斯多夫距离,所述豪斯多夫距离的大小指示所述相似度的高低。
匹配确定子模块2212,被配置为:在所述豪斯多夫距离计算子模块2211所计算的豪斯多夫距离低于预设距离阈值的情况下,确定所述待匹配图像的人脸脸型与所述预设人脸图像的脸型相匹配。
由上述实施例可见,利用豪斯多夫距离能精确地表征本实施例的标准位置与所述目标位置的相似度,且计算过程快速简单。
相应的,本公开还提供一种脸型匹配装置,所述装置包括有处理器;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:
从待匹配图像中确定人脸关键点的目标位置。
将预设人脸图像中已标定的人脸关键点的标准位置与所述目标位置进行匹配,根据匹配结果确定所述待匹配图像的人脸脸型是否与所述预设人脸图像的脸型相匹配。
上述装置中各个模块的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程,在此不再赘述。
对于装置实施例而言,由于其基本对应于方法实施例,所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本公开方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
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示意图。
如图7所示,根据一示例性实施例示出的一种脸型匹配装置700,该装置700可以是计算机,移动电话,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,个人数字助理等终端。
参照图7,装置700可以包括以下一个或多个组件:处理组件701,存储器702,电源组件703,多媒体组件704,音频组件705,输入/输出(I/O)的接口706,传感器组件707,以及通信组件708。
处理组件701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701可以包括一个或多个处理器709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701可以包括一个或多个模块,便于处理组件701和其它组件之间的交互。例如,处理部件701可以包括多媒体模块,以方便多媒体组件704和处理组件701之间的交互。
存储器702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702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703为装置700的各种组件提供电力。电源组件703可以包括电源管理系统,一个或多个电源,及其它与为装置700生成、管理和分配电力相关联的组件。
多媒体组件704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704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705被配置为输出和/或输入音频信号。例如,音频组件705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702或经由通信组件708发送。在一些实施例中,音频组件705还包括一个扬声器,用于输出音频信号。
I/O接口702为处理组件701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707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707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707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707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707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707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708被配置为便于装置700和其它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708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708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)技术和其它技术来实现。
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、微处理器或其它电子元件实现,用于执行上述方法。
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702,上述指令可由装置700的处理器709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。
其中,当所述存储介质中的指令由所述处理器执行时,使得装置700能够执行一种脸型匹配方法,包括:
从待匹配图像中确定人脸关键点的目标位置。
将预设人脸图像中已标定的人脸关键点的标准位置与所述目标位置进行匹配,根据匹配结果确定所述待匹配图像的人脸脸型是否与所述预设人脸图像的脸型相匹配。
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。本公开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。
以上所述仅为本公开的较佳实施例而已,并不用以限制本公开,凡在本公开的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本公开保护的范围之内。
Claims (12)
1.一种脸型匹配方法,其特征在于,所述方法包括:
从待匹配图像中确定人脸关键点的目标位置;
将预设人脸图像中已标定的人脸关键点的标准位置与所述目标位置进行匹配,根据匹配结果确定所述待匹配图像的人脸脸型是否与所述预设人脸图像的脸型相匹配。
2.根据权利要求1所述的方法,其特征在于,所述从待匹配图像中确定人脸关键点的目标位置,包括:
对待匹配图像进行人脸关键点检测,获得人脸关键点的初始位置;
根据所述预设人脸图像的人脸关键点的标准位置,对所述待匹配图像中人脸关键点的初始位置进行归一化处理,获得各人脸关键点的目标位置。
3.根据权利要求2所述的方法,其特征在于,所述对所述待匹配图像中人脸关键点的初始位置进行归一化处理,获得各人脸关键点的目标位置,包括:
将人脸关键点的初始位置进行减均值处理,控制人脸关键点中两个人眼部位的中心连线处于水平位置,并通过缩放处理,使两个人眼部位的中心距离为预设距离后,获得各人脸关键点的目标位置。
4.根据权利要求1所述的方法,其特征在于,所述将预设人脸图像中已标定的人脸关键点的标准位置与所述目标位置进行匹配,根据匹配结果确定所述待匹配图像的人脸脸型是否与所述预设人脸图像的脸型相匹配,包括:
计算所述标准位置与所述目标位置的相似度,根据相似度的高低确定所述待匹配图像的人脸脸型是否与所述预设人脸图像的脸型相匹配。
5.根据权利要求4所述的方法,其特征在于,所述计算所述标准位置与所述目标位置的相似度,根据相似度的高低确定所述待匹配图像的人脸脸型是否与所述预设人脸图像的脸型相匹配,包括:
计算待匹配图像中各人脸关键点的目标位置所构成的向量,与预设人脸图像中各人脸关键点的标准位置所构成的向量的豪斯多夫距离,所述豪斯多夫距离的大小指示所述相似度的高低;
在豪斯多夫距离低于预设距离阈值的情况下,确定所述待匹配图像的人脸脸型与所述预设人脸图像的脸型相匹配。
6.一种脸型匹配装置,其特征在于,所述装置包括:
目标位置确定模块,被配置为:从待匹配图像中确定人脸关键点的目标位置;
脸型匹配模块,被配置为:将预设人脸图像中已标定的人脸关键点的标准位置与所述目标位置确定模块所确定的目标位置进行匹配,根据匹配结果确定所述待匹配图像的人脸脸型是否与所述预设人脸图像的脸型相匹配。
7.根据权利要求6所述的装置,其特征在于,所述目标位置确定模块,包括:
人脸关键点检测子模块,被配置为:对待匹配图像进行人脸关键点检测,获得人脸关键点的初始位置;
归一化处理子模块,被配置为:根据所述人脸关键点检测子模块所检测的预设人脸图像的人脸关键点的标准位置,对所述待匹配图像中人脸关键点的初始位置进行归一化处理,获得各人脸关键点的目标位置。
8.根据权利要求7所述的装置,其特征在于,所述归一化处理子模块,包括:
处理子模块,被配置为:将人脸关键点的初始位置进行减均值处理,控制人脸关键点中两个人眼部位的中心连线处于水平位置,并通过缩放处理,使两个人眼部位的中心距离为预设距离后,获得各人脸关键点的目标位置。
9.根据权利要求6所述的装置,其特征在于,所述脸型匹配模块,包括:
相似度计算子模块,被配置为:计算所述标准位置与所述目标位置的相似度,根据相似度的高低确定所述待匹配图像的人脸脸型是否与所述预设人脸图像的脸型相匹配。
10.根据权利要求9所述的装置,其特征在于,所述相似度计算子模块,包括:
豪斯多夫距离计算子模块,被配置为:待匹配图像中各人脸关键点的目标位置所构成的向量,与预设人脸图像中各人脸关键点的标准位置所构成的向量的豪斯多夫距离,所述豪斯多夫距离的大小指示所述相似度的高低;
匹配确定子模块,被配置为:在所述豪斯多夫距离计算子模块所计算的豪斯多夫距离低于预设距离阈值的情况下,确定所述待匹配图像的人脸脸型与所述预设人脸图像的脸型相匹配。
11.一种脸型匹配装置,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:
从待匹配图像中确定人脸关键点的目标位置;
将预设人脸图像中已标定的人脸关键点的标准位置与所述目标位置进行匹配,根据匹配结果确定所述待匹配图像的人脸脸型是否与所述预设人脸图像的脸型相匹配。
12.一种计算机可读存储介质,其上存储有计算机指令,其特征在于,该指令被处理器执行时实现以下步骤:
从待匹配图像中确定人脸关键点的目标位置;
将预设人脸图像中已标定的人脸关键点的标准位置与所述目标位置进行匹配,根据匹配结果确定所述待匹配图像的人脸脸型是否与所述预设人脸图像的脸型相匹配。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710209933.5A CN106980840A (zh) | 2017-03-31 | 2017-03-31 | 脸型匹配方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710209933.5A CN106980840A (zh) | 2017-03-31 | 2017-03-31 | 脸型匹配方法、装置及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106980840A true CN106980840A (zh) | 2017-07-25 |
Family
ID=59343562
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710209933.5A Pending CN106980840A (zh) | 2017-03-31 | 2017-03-31 | 脸型匹配方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106980840A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107563336A (zh) * | 2017-09-07 | 2018-01-09 | 廖海斌 | 用于名人匹配游戏的人脸相似度分析方法、装置和系统 |
CN108022274A (zh) * | 2017-11-29 | 2018-05-11 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、计算机设备和计算机可读存储介质 |
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 |
CN108764135A (zh) * | 2018-05-28 | 2018-11-06 | 北京微播视界科技有限公司 | 图像生成方法、装置,及电子设备 |
CN108875605A (zh) * | 2018-05-31 | 2018-11-23 | 深圳和而泰数据资源与云技术有限公司 | 脸型确定方法及装置 |
CN109005336A (zh) * | 2018-07-04 | 2018-12-14 | 维沃移动通信有限公司 | 一种图像拍摄方法及终端设备 |
CN109558837A (zh) * | 2018-11-28 | 2019-04-02 | 北京达佳互联信息技术有限公司 | 人脸关键点检测方法、装置及存储介质 |
CN109584177A (zh) * | 2018-11-26 | 2019-04-05 | 北京旷视科技有限公司 | 人脸修饰方法、装置、电子设备及计算机可读存储介质 |
CN111430260A (zh) * | 2020-05-15 | 2020-07-17 | 长江存储科技有限责任公司 | 一种晶圆检测方法及装置 |
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 |
CN112101127A (zh) * | 2020-08-21 | 2020-12-18 | 深圳数联天下智能科技有限公司 | 人脸脸型的识别方法、装置、计算设备及计算机存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101393608A (zh) * | 2008-11-04 | 2009-03-25 | 清华大学 | 一种基于流形距离分析的视觉对象识别方法和装置 |
CN101510257A (zh) * | 2009-03-31 | 2009-08-19 | 华为技术有限公司 | 一种人脸相似度匹配方法及装置 |
CN102902959A (zh) * | 2012-04-28 | 2013-01-30 | 王浩 | 基于二代身份证存储证件照的人脸识别方法及系统 |
US20150007295A1 (en) * | 2012-03-19 | 2015-01-01 | Tencent Technology (Shenzhen) Company Limited | Biometric-based authentication method, apparatus and system |
-
2017
- 2017-03-31 CN CN201710209933.5A patent/CN106980840A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101393608A (zh) * | 2008-11-04 | 2009-03-25 | 清华大学 | 一种基于流形距离分析的视觉对象识别方法和装置 |
CN101510257A (zh) * | 2009-03-31 | 2009-08-19 | 华为技术有限公司 | 一种人脸相似度匹配方法及装置 |
US20150007295A1 (en) * | 2012-03-19 | 2015-01-01 | Tencent Technology (Shenzhen) Company Limited | Biometric-based authentication method, apparatus and system |
CN102902959A (zh) * | 2012-04-28 | 2013-01-30 | 王浩 | 基于二代身份证存储证件照的人脸识别方法及系统 |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107563336A (zh) * | 2017-09-07 | 2018-01-09 | 廖海斌 | 用于名人匹配游戏的人脸相似度分析方法、装置和系统 |
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 |
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 |
CN108022274A (zh) * | 2017-11-29 | 2018-05-11 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、计算机设备和计算机可读存储介质 |
CN108764135A (zh) * | 2018-05-28 | 2018-11-06 | 北京微播视界科技有限公司 | 图像生成方法、装置,及电子设备 |
CN108875605A (zh) * | 2018-05-31 | 2018-11-23 | 深圳和而泰数据资源与云技术有限公司 | 脸型确定方法及装置 |
CN109005336B (zh) * | 2018-07-04 | 2021-03-02 | 维沃移动通信有限公司 | 一种图像拍摄方法及终端设备 |
CN109005336A (zh) * | 2018-07-04 | 2018-12-14 | 维沃移动通信有限公司 | 一种图像拍摄方法及终端设备 |
CN109584177A (zh) * | 2018-11-26 | 2019-04-05 | 北京旷视科技有限公司 | 人脸修饰方法、装置、电子设备及计算机可读存储介质 |
CN109558837A (zh) * | 2018-11-28 | 2019-04-02 | 北京达佳互联信息技术有限公司 | 人脸关键点检测方法、装置及存储介质 |
CN109558837B (zh) * | 2018-11-28 | 2024-03-22 | 北京达佳互联信息技术有限公司 | 人脸关键点检测方法、装置及存储介质 |
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 |
CN111430260A (zh) * | 2020-05-15 | 2020-07-17 | 长江存储科技有限责任公司 | 一种晶圆检测方法及装置 |
CN112101127A (zh) * | 2020-08-21 | 2020-12-18 | 深圳数联天下智能科技有限公司 | 人脸脸型的识别方法、装置、计算设备及计算机存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106980840A (zh) | 脸型匹配方法、装置及存储介质 | |
CN106295566B (zh) | 人脸表情识别方法及装置 | |
US10007841B2 (en) | Human face recognition method, apparatus and terminal | |
CN104850828B (zh) | 人物识别方法及装置 | |
CN104408402B (zh) | 人脸识别方法及装置 | |
CN104408426B (zh) | 人脸图像眼镜去除方法及装置 | |
CN106295515B (zh) | 确定图像中的人脸区域的方法及装置 | |
CN106295511B (zh) | 人脸跟踪方法及装置 | |
CN105469356B (zh) | 人脸图像处理方法及装置 | |
CN106548145A (zh) | 图像识别方法及装置 | |
CN104408404B (zh) | 人脸识别方法及装置 | |
CN106845377A (zh) | 人脸关键点定位方法及装置 | |
CN106228556B (zh) | 图像质量分析方法和装置 | |
CN105357425B (zh) | 图像拍摄方法及装置 | |
CN106971164A (zh) | 脸型匹配方法及装置 | |
CN106682736A (zh) | 图像识别方法及装置 | |
CN108985176A (zh) | 图像生成方法及装置 | |
CN107392166A (zh) | 肤色检测方法、装置及计算机可读存储介质 | |
CN104867112B (zh) | 照片处理方法及装置 | |
CN106295499A (zh) | 年龄估计方法及装置 | |
CN105354793A (zh) | 人脸图像处理方法及装置 | |
CN107798654A (zh) | 图像磨皮方法及装置、存储介质 | |
CN107729880A (zh) | 人脸检测方法及装置 | |
CN107247936A (zh) | 图像识别方法及装置 | |
CN107992813A (zh) | 一种唇部状态检测方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170725 |
|
RJ01 | Rejection of invention patent application after publication |