CN107085822A - 人脸图像处理方法及装置 - Google Patents

Abstract

本公开是关于一种人脸图像处理方法及装置，属于电子技术应用领域。所述方法包括：接收用于指示对人脸图像进行处理的处理指令；根据所述处理指令，确定所述人脸图像对应的至少一个待处理人脸特征；分别采用所述至少一个待处理人脸特征中的每个待处理人脸特征对应的人脸图像处理算法，对所述人脸图像上相应的待处理人脸特征进行处理。本公开提高了对人脸特征进行处理时的处理精度，改善了人脸图像处理的处理效果，解决了相关技术中人脸图像处理效果较差的问题。本公开用于人脸图像处理。

Description

人脸图像处理方法及装置

技术领域

本公开涉及电子技术应用领域，特别涉及一种人脸图像处理方法及装置。

背景技术

随着科技水平的不断提高，各种不同功能的人脸图像处理应用程序层出不穷。安装有人脸图像处理应用程序的终端能够自动或者根据用户的需求，对人脸图像进行处理，达到美化人脸图像的效果。

相关技术中，安装有人脸图像处理应用程序的终端中一般存储有多种不同的人脸图像处理算法，终端在对人脸图像进行处理时，可以根据用户选择的指定的人脸图像处理算法对人脸图像进行处理。

发明内容

本公开提供了一种人脸图像处理方法及装置。所述技术方案如下：

根据本公开的第一方面，提供一种人脸图像处理方法，所述方法包括：

接收用于指示对人脸图像进行处理的处理指令；

根据所述处理指令，确定所述人脸图像对应的至少一个待处理人脸特征；

分别采用所述至少一个待处理人脸特征中的每个待处理人脸特征对应的人像处理算法，对所述人脸图像上相应的待处理人脸特征进行处理。

可选的，所述根据所述处理指令，确定所述人脸图像对应的至少一个待处理人脸特征，包括：

采用人脸识别技术对所述人脸图像进行人脸识别，得到所述人脸图像中的人脸特征；

计算所述人脸特征的特征值，所述特征值用于表征人脸特征需要处理的程度；

将所述人脸图像中的人脸特征中特征值小于预设特征值阈值的人脸特征确定为所述待处理人脸特征，所述特征值的大小与所述需要处理的程度负相关；

或者，将所述人脸图像中的人脸特征中特征值大于预设特征值阈值的人脸特征确定为所述待处理人脸特征，所述特征值的大小与所述需要处理的程度正相关。

可选的，所述分别采用所述至少一个待处理人脸特征中的每个待处理人脸特征对应的人脸图像处理算法，对所述人脸图像上相应的待处理人脸特征进行处理，包括：

根据预设的特征值与处理程度的对应关系，确定所述每个待处理人脸特征的特征值所对应的处理程度，所述特征值用于表征待处理人脸特征需要处理的程度；

对所述人脸图像上的每个所述待处理人脸特征，采用所述待处理人脸特征对应的人脸图像处理算法进行相应处理程度的处理。

可选的，所述根据预设的特征值与处理程度的对应关系，确定所述每个待处理人脸特征的特征值所对应的处理程度，包括：

判断所述特征值与处理程度的对应关系中是否记录有所述每个待处理人脸特征的特征值；

当所述特征值与处理程度的对应关系中未记录某一待处理人脸特征的特征值时，采用所述某一待处理人脸特征对应的人脸图像处理算法对所述某一待处理人脸特征进行不同处理程度的处理，得到至少两种处理后的人脸特征；

分别确定所述至少两种处理后的人脸特征的特征值；

将特征值最高的处理后的人脸特征所对应的处理程度确定为所述某一待处理人脸特征的结构框图特征值对应的目标处理程度。

可选的，所述方法还包括：

将所述某一待处理人脸特征的特征值与所述目标处理程度的对应关系记录至所述特征值与处理程度的对应关系中。

可选的，所述待处理人脸特征包括：脸型、眼睛、鼻梁、皮肤光滑度、肤色、嘴唇、嘴巴和五官分布位置中的至少一种。

根据本公开的第二方面，提供一种人脸图像处理装置，所述装置包括：

接收模块，被配置为接收用于指示对人脸图像进行处理的处理指令；

确定模块，被配置为根据所述处理指令，确定所述人脸图像对应的至少一个待处理人脸特征；

处理模块，被配置为分别采用所述至少一个待处理人脸特征中的每个待处理人脸特征对应的人脸图像处理算法，对所述人脸图像上相应的待处理人脸特征进行处理。

可选的，所述确定模块，被配置为：

采用人脸识别技术对所述人脸图像进行人脸识别，得到所述人脸图像中的人脸特征；

计算所述人脸特征的特征值，所述特征值用于表征人脸特征需要处理的程度；

将所述人脸图像中的人脸特征中特征值小于预设特征值阈值的人脸特征确定为所述待处理人脸特征，所述特征值的大小与所述需要处理的程度负相关；

或者，将所述人脸图像中的人脸特征中特征值大于预设特征值阈值的人脸特征确定为所述待处理人脸特征，所述特征值的大小与所述需要处理的程度正相关。

可选的，所述处理模块，包括：

确定子模块，被配置为根据预设的特征值与处理程度的对应关系，确定所述每个待处理人脸特征的特征值所对应的处理程度，所述特征值用于表征待处理人脸特征需要处理的程度；

处理子模块，被配置为对所述人脸图像上的每个所述待处理人脸特征，采用所述待处理人脸特征对应的人脸图像处理算法进行相应处理程度的处理。

可选的，所述确定子模块，被配置为：

判断所述特征值与处理程度的对应关系中是否记录有所述每个待处理人脸特征的特征值；

当所述特征值与处理程度的对应关系中未记录某一待处理人脸特征的特征值时，采用所述某一待处理人脸特征对应的人脸图像处理算法对所述某一待处理人脸特征进行不同处理程度的处理，得到至少两种处理后的人脸特征；

分别确定所述至少两种处理后的人脸特征的特征值；

将特征值最高的处理后的人脸特征所对应的处理程度确定为所述某一待处理人脸特征的结构框图特征值对应的目标处理程度。

可选的，所述装置还包括：

记录模块，被配置为将所述某一待处理人脸特征的特征值与所述目标处理程度的对应关系记录至所述特征值与处理程度的对应关系中。

可选的，所述待处理人脸特征包括：脸型、眼睛、鼻梁、皮肤光滑度、肤色、嘴唇、嘴巴和五官分布位置中的至少一种。

根据本公开的第三方面，提供一种人脸图像处理装置，所述人脸图像处理装置包括：

处理器；

用于存储所述处理器的可执行指令的存储器；

其中，所述处理器被配置为：

接收用于指示对人脸图像进行处理的处理指令；

根据所述处理指令，确定所述人脸图像对应的至少一个待处理人脸特征；

分别采用所述至少一个待处理人脸特征中的每个待处理人脸特征对应的人脸图像处理算法，对所述人脸图像上相应的待处理人脸特征进行处理。

本公开的实施例提供的技术方案可以包括以下有益效果：

本公开实施例提供了一种人脸图像处理方法及装置，该方法在接收到用于指示对人脸图像进行处理的处理指令之后，可以根据该处理指令，确定该人脸图像对应的至少一个待处理人脸特征，并分别采用该至少一个待处理人脸特征中的每个待处理人脸特征对应的人脸图像处理算法，对该人脸图像上相应的待处理人脸特征进行处理，因此提高了对每个人脸特征进行处理时的处理精度，进而改善了人脸图像处理的处理效果。

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

为了更清楚地说明本公开的实施例，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公开的一些实施例，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是根据一示例性实施例示出的一种人脸图像处理方法的流程图；

图2-1是根据一示例性实施例示出的另一种人脸图像处理方法的流程图；

图2-2是根据一示例性实施例示出的一种终端确定每个待处理人脸特征的特征值所对应的处理程度的方法流程图；

图2-3是根据一示例性实施例示出的一种人脸图像处理的示意图；

图3-1是根据一示例性实施例示出的一种人脸图像处理装置的结构框图；

图3-2是根据一示例性实施例示出的另一种人脸图像处理装置的结构框图；

图3-3是根据一示例性实施例示出的一种处理模块的结构框图；

图4是根据一示例性实施例示出的又一种人脸图像处理装置的结构框图。

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。

具体实施方式

为了使本公开的目的、技术方案和优点更加清楚，下面将结合附图对本公开作进一步地详细描述，显然，所描述的实施例仅仅是本公开一部份实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本公开保护的范围。

图1是根据一示例性实施例示出的一种人脸图像处理方法的流程图，该人脸图像处理方法可以包括：

步骤101、接收用于指示对人脸图像进行处理的处理指令。

步骤102、根据该处理指令，确定该人脸图像对应的至少一个待处理人脸特征。

步骤103、分别采用该至少一个待处理人脸特征中的每个待处理人脸特征对应的人脸图像处理算法，对该人脸图像上相应的待处理人脸特征进行处理。

综上所述，本公开实施例提供的一种人脸图像处理方法中，可以根据接收到的处理指令，确定人脸图像对应的至少一个待处理人脸特征，并分别采用该至少一个待处理人脸特征中的每个待处理人脸特征对应的人脸图像处理算法，对该人脸图像上相应的待处理人脸特征进行处理，因此提高了对人脸特征进行处理时的处理精度，进而改善了人脸图像处理的处理效果。

图2-1是根据一示例性实施例示出的另一种人脸图像处理方法的流程图，该人脸图像处理方法可以包括：

步骤201、接收用于指示对人脸图像进行处理的处理指令。

在本公开实施例中，终端中可以安装有人脸图像处理应用程序，终端通过该人脸图像处理应用程序确定人脸图像后，可以接收用于指示对该人脸图像进行处理的处理指令，其中，该处理指令一般用于指示对人脸图像进行美化处理。该处理指令可以通过用户的触控操作、按键操作或者语音操作进行触发，本公开实施例对此不做限定。

步骤202、采用人脸识别技术对该人脸图像进行人脸识别，得到该人脸图像中的人脸特征。

终端接收到处理指令后，可以根据预设的人脸识别技术对人脸图像进行人脸识别，识别出该人脸图像中的人脸特征，该人脸特征可以包括：脸型、眼睛、鼻梁、皮肤光滑度、肤色、嘴唇、嘴巴和五官分布位置中的至少一种。

步骤203、计算该人脸特征的特征值。

进一步的，终端可以将识别出的人脸特征分别与预设的特征模板进行对比，进而计算得到每个人脸特征的特征值，该特征值可以为与预设的特征模板对比后得到的与该预设的特征模板之间的相似度，该预设的特征模板可以为预先选取的符合预设审美标准的人脸特征，识别出的人脸特征与预设的特征模板之间的相似度越高，则表明该人脸特征越符合预设审美标准，即需要处理的程度越低。因此该特征值还可以用于表征人脸特征需要处理的程度，特征值的大小与该需要处理的程度可以负相关，即某个人脸特征的特征值越小，则表明该人脸特征需要处理的程度越高。

示例的，假设终端采用人脸识别技术，对人脸图像进行人脸识别后，识别出的人脸特征包括：眼睛、鼻梁、肤色、嘴唇和嘴巴，之后，终端可以将各个人脸特征与预设的特征模板进行对比并计算每个人脸特征的特征值，假设每个人脸特征的特征值的取值范围为0至10，则终端计算得到的人脸图像的每个人脸特征的特征值可以如表1所示，其中，人脸图像的人脸特征中，眼睛的特征值为5，鼻梁的特征值为8，肤色的特征值为4，嘴唇和嘴巴的特征值均为7。从表1中可以看出，由于人脸图像的眼睛和肤色的特征值较小，鼻梁的特征值较高，则在对该人脸图像进行处理时，对眼睛和肤色进行处理时的处理程度可以较高，而对鼻梁进行处理时的处理程度可以较低。

表1

人脸特征	眼睛	鼻梁	肤色	嘴唇	嘴巴
						特征值	5	8	6	7	7

需要说明的是，终端根据人脸识别技术识别人脸特征，以及计算得到每个人脸特征的特征值的过程可以参考相关技术，本公开实施例对此不做赘述。

步骤204、将该人脸图像中的人脸特征中特征值小于预设特征值阈值的人脸特征确定为待处理人脸特征。

在本公开实施例中，每个人脸特征可以对应预设有一个特征值阈值，该每个人脸特征对应的预设特征值阈值可以相同，也可以不同，本公开实施例对此不做限定。终端得到人脸图像中各个人脸特征的特征值后，可以分别将每个人脸特征的特征值与对应的预设特征值阈值进行对比，若人脸特征的特征值大于或等于预设特征值阈值，则终端可以确定人脸图像中的该人脸特征已经达到预设的审美标准，无需再进行处理；若人脸特征的特征值小于预设特征值阈值，则终端可以确定需要对该人脸特征进行处理，从而进一步美化该人脸图像。示例的，假设终端中各个人脸特征对应的预设特征值阈值均为7，则根据表1所示的人脸特征的特征值，终端可以确定人脸特征：眼睛和肤色的特征值均小于该特征值阈值7，因此可以将人脸特征：眼睛和肤色确定为人脸图像的待处理人脸特征。

需要说明的是，在本公开实施例中，特征值的大小与需要处理的程度也可以正相关，当特征值的大小与需要处理的程度正相关时，可以将人脸特征中特征值大于预设特征值阈值的人脸特征确定为待处理人脸特征。

步骤205、根据预设的特征值与处理程度的对应关系，确定该每个待处理人脸特征的特征值所对应的处理程度。

在本公开实施例中，终端中可以预先存储有特征值与处理程度的对应关系，该特征值与处理程度对应的关系可以为根据经验值人工配置的。该特征值与处理程度对应关系中可以记录有每个人脸特征在不同特征值时所对应的处理程度。在配置该对应关系时，可以根据各个区域人脸特征的特点和该区域的审美标准进行配置，例如，对于亚洲地区，人脸图像中的人脸特征：肤色普遍偏暗，人脸特征：眼睛普遍较小，而在该区域的审美标准中，一般将肤色较白，眼睛较大的人脸图像认定为颜值较高的人脸图像。因此在配置该对应关系时，可以综合考虑上述因素进行配置。例如，假设在亚洲区域的审美标准中，当肤色的特征值大于等于8时，可以认为该肤色满足审美标准，而人脸特征：肤色的特征值为4时，通过处理程度为6的美白算法对该肤色进行美白后，该肤色的特征值可以升至8，则可以将该肤色特征值4与处理程度6配置在该对应关系中。

终端确定待处理人脸特征后，可以从该预设的对应关系中，分别确定每个待处理人脸特征的特征值所对应的处理程度。

需要说明的是，对于每个人脸特征所对应的人像处理算法，终端中可以预先设置有多种不同的处理程度，每种人像处理算法中某些特定的参数在不同的处理程度下可以对应有不同的参数值。例如，假设人脸特征：眼睛所对应的人像处理算法为眼睛放大算法，对于该眼睛放大算法，终端中预设的处理程度为1至5，则当眼睛放大算法的处理程度为1时，该眼睛放大算法中的参数：图像放大倍数可以为10％，处理程度为5时，该图像放大倍数可以为50％；而对于人脸特征：肤色，假设肤色所对应的人像处理算法为基于高斯模糊的磨皮算法，且终端中预设的磨皮算法的处理程度为1至6，则当磨皮算法的处理程度为1时，该磨皮算法中的参数：模糊半径可以为1个像素，当磨皮算法的处理程度为3时，该模糊半径可以为3个像素。对于每种人像处理算法在不同处理程度下各个参数所对应的参数值，可以参考相关技术进行设置，本公开实施例对此不再赘述。

图2-2是根据一示例性实施例示出的一种终端确定每个待处理人脸特征的特征值所对应的处理程度的方法流程图，如图2-2所示，该方法可以包括：

步骤2051、判断特征值与处理程度的对应关系中是否记录有该每个待处理人脸特征的特征值。

在本公开实施例中，终端获取到预设的特征值与处理程度的对应关系之后，可以先判断该对应关系中是否记录有每个待处理人脸特征的特征值，当该特征值与处理程度的对应关系中记录有某一待处理人脸特征的特征值时，执行步骤2052；当该特征值与处理程度的对应关系中未记录某一待处理人脸特征的特征值时，执行步骤2053。

示例的，假设终端中预设的特征值与处理程度的部分对应关系如表2所示，其中对于人脸特征眼睛，当眼睛的特征值为2时，对应的处理程度为9，对于人脸特征肤色，当肤色的特征值为4时，对应的处理程度为7。从表2中也可以看出，某个人脸特征的特征值越大时，其对应的处理程度越低。

表2

假设终端确定的人脸图像中的待处理人脸特征为眼睛和肤色，且该人脸图像中，眼睛的特征值为5，肤色的特征值为6，则根据表2所示的特征值与处理程度的对应关系，终端可以确定该对应关系中记录有眼睛的特征值为5时所对应的处理程度，因此可以执行步骤2052；而对于待处理人脸特征肤色，由于该表2所示的对应关系中，未记录肤色的特征值：6，因此可以执行步骤2053。

步骤2052、根据该对应关系，确定该某一待处理人脸特征的特征值所对应的处理程度。

示例的，终端可以根据表2所示的对应关系，确定待处理人脸特征眼睛的特征值为5时所对应的处理程度为6。

步骤2053、采用该某一待处理人脸特征对应的人脸图像处理算法对该某一待处理人脸特征进行不同处理程度的处理，得到至少两种处理后的人脸特征。执行步骤2054。

当该特征值与处理程度的对应关系中未记录某一待处理人脸特征的特征值时，终端可以采用该某一待处理人脸特征对应的人脸图像处理算法对该某一待处理人脸特征进行不同处理程度的处理，得到至少两种处理后的人脸特征。其中，该待处理人脸特征对应的人脸图像处理算法为预先设定的，例如，待处理人脸特征：眼睛所对应的人脸图像处理算法可以为眼睛放大算法，待处理人脸特征：肤色所对应的人脸图像处理算法可以为美白算法，待处理人脸特征：皮肤光滑度所对应的人脸图像处理算法可以为磨皮算法等。

示例的，对于待处理人脸特征：肤色，表2所示的对应关系中未记录肤色的特征值为6时所对应的处理程度，因此终端可以采用该待处理人脸特征：肤色所对应的人脸图像处理算法，对该人脸图像的肤色进行不同程度的处理，例如可以采用预设的美白算法对该人脸图像的肤色进行多种不同程度的美白，进而得到至少两种处理后的肤色。

步骤2054、分别确定该至少两种处理后的人脸特征的特征值。执行步骤2055。

终端得到至少两种处理后的人脸特征后，可以如上述步骤202中所示，分别将该至少两种处理后人脸特征与预设的特征模板进行对比，进而计算得到每个处理后的人脸特征的特征值。

示例的，假设对于特征值为6的待处理人脸特征：肤色，终端分别采用了处理程度为3、4和5的美白算法对待处理人脸特征：肤色进行处理，得到了三种处理后的肤色，终端对将该三种处理后的肤色与预设的肤色模板进行对比后，确定的每种处理后的肤色的特征值可以为表3所示。

表3

处理程度	3	4	5
				特征值	8	9	10

从表3中可以看出，当人脸图像的肤色特征值为6时，采用处理程度为3的美白算法对该肤色进行处理后，肤色的特征值可以提升至8，当采用处理程度为5的美白算法进行处理后，该人脸图像的肤色的特征值可以提升至10。

步骤2055、将特征值最高的处理后的人脸特征所对应的处理程度确定为该某一待处理人脸特征的结构框图特征值对应的目标处理程度。执行步骤2056。

处理后的人脸特征的特征值越高，则表明对该人脸特征的处理效果越好，因此可以将特征值最高的处理程度确定为该某一待处理人脸特征的结构框图特征值所对应的目标处理程度。示例的，从表3可知，特征值最高的处理后的肤色所对应的处理程度为5，因此可以将处理程度5确定为该人脸特征：肤色在特征值为6时所对应的目标处理程度。

步骤2056、将该某一待处理人脸特征的特征值与该目标处理程度的对应关系记录至该特征值与处理程度的对应关系中。

终端可以根据该某一待处理人脸特征的特征值和该目标处理程度更新该特征值与处理程度的对应关系。示例的，终端可以将待处理人脸特征：肤色的特征值6与目标处理程度5的对应关系记录至表2所示的对应关系中，此时，更新后的特征值与处理程度的对应关系可以如表4所示。

表4

步骤206、对该人脸图像上的每个该待处理人脸特征，采用该待处理人脸特征对应的人脸图像处理算法进行相应处理程度的处理。

终端确定每个待处理人脸特征所对应的处理程度后，可以分别采用该每个待处理人脸特征对应的人脸图像处理算法进行相应处理程度的处理，从而达到美化人脸图像的目的。示例的，图2-3是根据一示例性实施例示出的一种人脸图像处理的示意图，假设待处理人脸特征为眼睛和肤色，其中眼睛的特征值为5，其对应的处理程度为6，眼睛对应的人脸图像处理算法为眼睛放大算法，例如，图像局部放大算法或者局部扭曲算法；待处理人脸特征：肤色的特征值为6，其对应的处理程度为5，对应的人脸图像处理算法为美白算法，则如图2-3所示，终端可以根据该眼睛的处理程度6，通过眼睛放大算法将人脸图像200的眼睛进行相应程度的放大，并根据肤色的处理程度5，通过美白算法对人脸图像200的肤色进行相应程度的美白。由于终端根据每个待处理特征的特征值，对该每个待处理特征分别采用对应的人脸图像处理算法进行了相应处理程度的处理，因此提高了对人脸图像进行处理时的处理精度，改善了对人脸图像进行处理时的美化效果。

综上所述，本公开实施例提供的一种人脸图像处理方法中，可以根据接收到的处理指令，确定人脸图像对应的至少一个待处理人脸特征，并分别采用该至少一个待处理人脸特征中的每个待处理人脸特征对应的人脸图像处理算法，对该人脸图像上相应的待处理人脸特征进行处理，因此提高了对每个人脸特征进行处理时的处理精度，进而改善了人脸图像处理的处理效果。

需要说明的是，本公开实施例提供的人脸图像处理方法的步骤的先后顺序可以进行适当调整，步骤也可以根据情况进行相应增减。任何熟悉本技术领域的技术人员在本公开揭露的技术范围内，可轻易想到变化的方法，都应涵盖在本公开的保护范围之内，因此不再赘述。

图3-1为根据一示例性实施例示出的一种人脸图像处理装置30的结构框图，如图3-1所示，该人脸图像处理装置30可以包括：

接收模块301，被配置为接收用于指示对人脸图像进行处理的处理指令。

确定模块302，被配置为根据该处理指令，确定该人脸图像对应的至少一个待处理人脸特征。

处理模块303，被配置为分别采用该至少一个待处理人脸特征中的每个待处理人脸特征对应的人脸图像处理算法，对该人脸图像上相应的待处理人脸特征进行处理。

综上所述，本公开实施例提供的一种人脸图像处理装置中，确定模块可以根据接收模块接收到的处理指令，确定人脸图像对应的至少一个待处理人脸特征，处理模块可以分别采用该至少一个待处理人脸特征中的每个待处理人脸特征对应的人脸图像处理算法，对该人脸图像上相应的待处理人脸特征进行处理，因此提高了对每个人脸特征进行处理时的处理精度，进而改善了人脸图像处理的处理效果。

图3-2为根据一示例性实施例示出的一种人脸图像处理装置30的结构框图，如图3-2所示，该人脸图像处理装置30可以包括：

接收模块301，被配置为接收用于指示对人脸图像进行处理的处理指令。

确定模块302，被配置为根据该处理指令，确定该人脸图像对应的至少一个待处理人脸特征。

处理模块303，被配置为分别采用该至少一个待处理人脸特征中的每个待处理人脸特征对应的人脸图像处理算法，对该人脸图像上相应的待处理人脸特征进行处理。

记录模块304，被配置为将某一待处理人脸特征的特征值与该某一待处理人脸特征的处理程度的对应关系记录至该特征值与处理程度的对应关系中。

可选的，该确定模块302，被配置为：

采用人脸识别技术对该人脸图像进行人脸识别，得到该人脸图像中的人脸特征；

计算该人脸特征的特征值，该特征值用于表征人脸特征需要处理的程度；

将该人脸图像中的人脸特征中特征值小于预设特征值阈值的人脸特征确定为该待处理人脸特征，该特征值的大小与该需要处理的程度负相关；

或者，将该人脸图像中的人脸特征中特征值大于预设特征值阈值的人脸特征确定为该待处理人脸特征，该特征值的大小与该需要处理的程度正相关。

可选的，图3-3是根据一示例性实施例示出的一种处理模块的示意图，如图3-3所示，该处理模块303，包括：

确定子模块3031，被配置为根据预设的特征值与处理程度的对应关系，确定该每个待处理人脸特征的特征值所对应的处理程度，该特征值用于表征人脸特征需要处理的程度。

处理子模块3032，被配置为对该人脸图像上的每个该待处理人脸特征，采用该待处理人脸特征对应的人脸图像处理算法进行相应处理程度的处理。

可选的，该确定子模块3031，被配置为：

判断该特征值与处理程度的对应关系中是否记录有该每个待处理人脸特征的特征值；

当该特征值与处理程度的对应关系中未记录某一待处理人脸特征的特征值时，采用该某一待处理人脸特征对应的人脸图像处理算法对该某一待处理人脸特征进行不同处理程度的处理，得到至少两种处理后的人脸特征；

分别确定该至少两种处理后的人脸特征的特征值；

将特征值最高的处理后的人脸特征所对应的处理程度确定为该某一待处理人脸特征的结构框图特征值对应的目标处理程度。

可选的，该待处理人脸特征包括：脸型、眼睛、鼻梁、皮肤光滑度、肤色、嘴唇、嘴巴和五官分布位置中的至少一种。

综上所述，本公开实施例提供的一种人脸图像处理装置中，确定模块可以根据接收模块接收到的处理指令，确定人脸图像对应的至少一个待处理人脸特征，处理模块可以分别采用该至少一个待处理人脸特征中的每个待处理人脸特征对应的人脸图像处理算法，对该人脸图像上相应的待处理人脸特征进行处理，因此提高了对每个人脸特征进行处理时的处理精度，进而改善了人脸图像处理的处理效果。

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4是根据一示例性实施例示出的又一种用于人脸图像处理的装置400的结构框图。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装置400的处理器执行时，使得装置400能够执行一种人脸图像处理方法，所述方法包括：

接收用于指示对人脸图像进行处理的处理指令；

根据该处理指令，确定该人脸图像对应的至少一个待处理人脸特征；

分别采用该至少一个待处理人脸特征中的每个待处理人脸特征对应的人像处理算法，对该人脸图像上相应的待处理人脸特征进行处理。

可选的，该根据该处理指令，确定该人脸图像对应的至少一个待处理人脸特征，包括：

采用人脸识别技术对该人脸图像进行人脸识别，得到该人脸图像中的人脸特征；

计算该人脸特征的特征值，该特征值用于表征人脸特征需要处理的程度；

将该人脸图像中的人脸特征中特征值小于预设特征值阈值的人脸特征确定为该待处理人脸特征，该特征值的大小与该需要处理的程度负相关；

或者，将该人脸图像中的人脸特征中特征值大于预设特征值阈值的人脸特征确定为该待处理人脸特征，该特征值的大小与该需要处理的程度正相关。

可选的，该分别采用该至少一个待处理人脸特征中的每个待处理人脸特征对应的人脸图像处理算法，对该人脸图像上相应的待处理人脸特征进行处理，包括：

根据预设的特征值与处理程度的对应关系，确定该每个待处理人脸特征的特征值所对应的处理程度，该特征值用于表征待处理人脸特征需要处理的程度；

对该人脸图像上的每个该待处理人脸特征，采用该待处理人脸特征对应的人脸图像处理算法进行相应处理程度的处理。

可选的，该根据预设的特征值与处理程度的对应关系，确定该每个待处理人脸特征的特征值所对应的处理程度，包括：

判断该特征值与处理程度的对应关系中是否记录有该每个待处理人脸特征的特征值；

当该特征值与处理程度的对应关系中未记录某一待处理人脸特征的特征值时，采用该某一待处理人脸特征对应的人脸图像处理算法对该某一待处理人脸特征进行不同处理程度的处理，得到至少两种处理后的人脸特征；

分别确定该至少两种处理后的人脸特征的特征值；

将特征值最高的处理后的人脸特征所对应的处理程度确定为该某一待处理人脸特征的结构框图特征值对应的目标处理程度。

可选的，该方法还包括：

将该某一待处理人脸特征的特征值与该目标处理程度的对应关系记录至该特征值与处理程度的对应关系中。

可选的，该待处理人脸特征包括：脸型、眼睛、鼻梁、皮肤光滑度、肤色、嘴唇、嘴巴和五官分布位置中的至少一种。

综上所述，本公开实施例提供的一种人脸图像处理装置，可以根据接收到的处理指令，确定人脸图像对应的至少一个待处理人脸特征，并分别采用该至少一个待处理人脸特征中的每个待处理人脸特征对应的人脸图像处理算法，对该人脸图像上相应的待处理人脸特征进行处理，因此提高了对每个人脸特征进行处理时的处理精度，进而改善了人脸图像处理的处理效果。

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 (13)

1.一种人脸图像处理方法，其特征在于，所述方法包括：

接收用于指示对人脸图像进行处理的处理指令；

根据所述处理指令，确定所述人脸图像对应的至少一个待处理人脸特征；

分别采用所述至少一个待处理人脸特征中的每个待处理人脸特征对应的人像处理算法，对所述人脸图像上相应的待处理人脸特征进行处理。

2.根据权利要求1所述的方法，其特征在于，

所述根据所述处理指令，确定所述人脸图像对应的至少一个待处理人脸特征，包括：

采用人脸识别技术对所述人脸图像进行人脸识别，得到所述人脸图像中的人脸特征；

计算所述人脸特征的特征值，所述特征值用于表征人脸特征需要处理的程度；

将所述人脸图像中的人脸特征中特征值小于预设特征值阈值的人脸特征确定为所述待处理人脸特征，所述特征值的大小与所述需要处理的程度负相关；

或者，将所述人脸图像中的人脸特征中特征值大于预设特征值阈值的人脸特征确定为所述待处理人脸特征，所述特征值的大小与所述需要处理的程度正相关。

3.根据权利要求1所述的方法，其特征在于，

所述分别采用所述至少一个待处理人脸特征中的每个待处理人脸特征对应的人脸图像处理算法，对所述人脸图像上相应的待处理人脸特征进行处理，包括：

根据预设的特征值与处理程度的对应关系，确定所述每个待处理人脸特征的特征值所对应的处理程度，所述特征值用于表征待处理人脸特征需要处理的程度；

对所述人脸图像上的每个所述待处理人脸特征，采用所述待处理人脸特征对应的人脸图像处理算法进行相应处理程度的处理。

4.根据权利要求3所述的方法，其特征在于，

所述根据预设的特征值与处理程度的对应关系，确定所述每个待处理人脸特征的特征值所对应的处理程度，包括：

判断所述特征值与处理程度的对应关系中是否记录有所述每个待处理人脸特征的特征值；

当所述特征值与处理程度的对应关系中未记录某一待处理人脸特征的特征值时，采用所述某一待处理人脸特征对应的人脸图像处理算法对所述某一待处理人脸特征进行不同处理程度的处理，得到至少两种处理后的人脸特征；

分别确定所述至少两种处理后的人脸特征的特征值；

将特征值最高的处理后的人脸特征所对应的处理程度确定为所述某一待处理人脸特征的特征值对应的目标处理程度。

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：

将所述某一待处理人脸特征的特征值与所述目标处理程度的对应关系记录至所述特征值与处理程度的对应关系中。

6.根据权利要求1所述的方法，其特征在于，

所述待处理人脸特征包括：脸型、眼睛、鼻梁、皮肤光滑度、肤色、嘴唇、嘴巴和五官分布位置中的至少一种。

7.一种人脸图像处理装置，其特征在于，所述装置包括：

接收模块，被配置为接收用于指示对人脸图像进行处理的处理指令；

确定模块，被配置为根据所述处理指令，确定所述人脸图像对应的至少一个待处理人脸特征；

处理模块，被配置为分别采用所述至少一个待处理人脸特征中的每个待处理人脸特征对应的人脸图像处理算法，对所述人脸图像上相应的待处理人脸特征进行处理。

8.根据权利要求7所述的装置，其特征在于，所述确定模块，被配置为：

采用人脸识别技术对所述人脸图像进行人脸识别，得到所述人脸图像中的人脸特征；

计算所述人脸特征的特征值，所述特征值用于表征人脸特征需要处理的程度；

将所述人脸图像中的人脸特征中特征值小于预设特征值阈值的人脸特征确定为所述待处理人脸特征，所述特征值的大小与所述需要处理的程度负相关；

或者，将所述人脸图像中的人脸特征中特征值大于预设特征值阈值的人脸特征确定为所述待处理人脸特征，所述特征值的大小与所述需要处理的程度正相关。

9.根据权利要求7所述的装置，其特征在于，所述处理模块，包括：

确定子模块，被配置为根据预设的特征值与处理程度的对应关系，确定所述每个待处理人脸特征的特征值所对应的处理程度，所述特征值用于表征待处理人脸特征需要处理的程度；

处理子模块，被配置为对所述人脸图像上的每个所述待处理人脸特征，采用所述待处理人脸特征对应的人脸图像处理算法进行相应处理程度的处理。

10.根据权利要求9所述的装置，其特征在于，所述确定子模块，被配置为：

判断所述特征值与处理程度的对应关系中是否记录有所述每个待处理人脸特征的特征值；

当所述特征值与处理程度的对应关系中未记录某一待处理人脸特征的特征值时，采用所述某一待处理人脸特征对应的人脸图像处理算法对所述某一待处理人脸特征进行不同处理程度的处理，得到至少两种处理后的人脸特征；

分别确定所述至少两种处理后的人脸特征的特征值；

将特征值最高的处理后的人脸特征所对应的处理程度确定为所述某一待处理人脸特征的特征值对应的目标处理程度。

11.根据权利要求10所述的装置，其特征在于，所述装置还包括：

记录模块，被配置为将所述某一待处理人脸特征的特征值与所述目标处理程度的对应关系记录至所述特征值与处理程度的对应关系中。

12.根据权利要求7所述的装置，其特征在于，

所述待处理人脸特征包括：脸型、眼睛、鼻梁、皮肤光滑度、肤色、嘴唇、嘴巴和五官分布位置中的至少一种。

13.一种人脸图像处理装置，其特征在于，所述人脸图像处理装置包括：

处理器；

用于存储所述处理器的可执行指令的存储器；

其中，所述处理器被配置为：

接收用于指示对人脸图像进行处理的处理指令；

根据所述处理指令，确定所述人脸图像对应的至少一个待处理人脸特征；

分别采用所述至少一个待处理人脸特征中的每个待处理人脸特征对应的人脸图像处理算法，对所述人脸图像上相应的待处理人脸特征进行处理。