CN107085823A - 人脸图像处理方法及装置 - Google Patents
人脸图像处理方法及装置 Download PDFInfo
- Publication number
- CN107085823A CN107085823A CN201610087546.4A CN201610087546A CN107085823A CN 107085823 A CN107085823 A CN 107085823A CN 201610087546 A CN201610087546 A CN 201610087546A CN 107085823 A CN107085823 A CN 107085823A
- Authority
- CN
- China
- Prior art keywords
- face
- facial image
- characteristic
- alternative
- group
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 291
- 238000000034 method Methods 0.000 title claims abstract description 121
- 230000008569 process Effects 0.000 title claims abstract description 77
- 230000001815 facial effect Effects 0.000 claims abstract description 428
- 210000001508 eye Anatomy 0.000 claims description 30
- 238000001514 detection method Methods 0.000 claims description 7
- 230000000694 effects Effects 0.000 abstract description 16
- 238000005516 engineering process Methods 0.000 abstract description 11
- 230000000875 corresponding effect Effects 0.000 description 104
- 238000010586 diagram Methods 0.000 description 20
- 230000036555 skin type Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 9
- 230000001960 triggered effect Effects 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 230000000712 assembly Effects 0.000 description 3
- 238000000429 assembly Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- KLDZYURQCUYZBL-UHFFFAOYSA-N 2-[3-[(2-hydroxyphenyl)methylideneamino]propyliminomethyl]phenol Chemical compound OC1=CC=CC=C1C=NCCCN=CC1=CC=CC=C1O KLDZYURQCUYZBL-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 210000005252 bulbus oculi Anatomy 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 201000001098 delayed sleep phase syndrome Diseases 0.000 description 1
- 208000033921 delayed sleep phase type circadian rhythm sleep disease Diseases 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/04—Context-preserving transformations, e.g. by using an importance map
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
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;根据处理指令,采用至少两种人脸图像处理算法对人脸图像进行处理,得到至少两张备选人脸图像;计算至少两张备选人脸图像中的每张备选人脸图像的颜值,得到至少两个颜值;确定至少两个颜值中的最高颜值;将最高颜值对应的备选人脸图像确定为待展示人脸图像;展示待展示人脸图像。本公开解决了人脸图像处理效果较差的问题,达到了较好的人脸图像处理效果。本公开用于人脸图像处理。
Description
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人脸图像处理算法对人脸图像进行处理。
公开内容
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,采用至少两种人脸图像处理算法对所述人脸图像进行处理,得到至少两张备选人脸图像;
计算所述至少两张备选人脸图像中的每张备选人脸图像的颜值,得到至少两个颜值;
确定所述至少两个颜值中的最高颜值;
将所述最高颜值对应的备选人脸图像确定为待展示人脸图像;
展示所述待展示人脸图像。
可选的,所述采用至少两种人脸图像处理算法对所述人脸图像进行处理,得到至少两张备选人脸图像,包括:
采用预设人脸图像处理算法对所述人脸图像进行处理,得到第一备选人脸图像;
获取所述人脸图像中的至少一个人脸特征的特征值;
根据所述至少一个人脸特征的特征值中的每个人脸特征的特征值,确定所述人脸图像在预设的N个群体类型中所属的目标群体类型,所述预设的N个群体类型中的每个群体类型对应至少一个指定人脸特征,每个所述指定人脸特征的特征值对应一个特征值范围,所述N为大于或等于1的整数;
根据所述目标群体类型查询预设的群体类型与处理算法组的对应关系,得到所述目标群体类型对应的目标处理算法组,所述目标处理算法组中包括至少一种人脸图像处理算法;
根据所述目标处理算法组中的每种人脸图像处理算法对所述人脸图像进行处理,得到至少一张第二备选人脸图像;
将所述第一备选人脸图像和所述至少一张第二备选人脸图像确定为所述至少两张备选人脸图像。
可选的,所述根据所述至少一个人脸特征的特征值中的每个人脸特征的特征值,确定所述人脸图像在预设的N个群体类型中所属的目标群体类型,包括:
对于所述N个群体类型中的每个群体类型,判断所述至少一个人脸特征中是否存在所述群体类型中的指定人脸特征;
当所述至少一个人脸特征中存在所述群体类型中的指定人脸特征时,检测所述至少一个人脸特征中的指定人脸特征的特征值是否在所述群体类型中的指定人脸特征所对应的特征值范围内;
当所述至少一个人脸特征中的指定人脸特征的特征值在所述群体类型中的指定人脸特征所对应的特征值范围内时,将所述群体类型确定为所述目标群体类型。
可选的,所述采用至少两种人脸图像处理算法对所述人脸图像进行处理,得到至少两张备选人脸图像,包括:
采用预设人脸图像处理算法对所述人脸图像进行处理,得到第一备选人脸图像;
采用预设的N个群体类型对应的人脸图像处理算法分别对所述人脸图像进行处理,得到至少一张第二备选人脸图像,所述N个群体类型中的每个群体类型对应至少一个指定人脸特征,每个所述指定人脸特征的特征值对应一个特征值范围,所述N为大于或等于1的整数;
将所述第一备选人脸图像和所述至少一张第二备选人脸图像确定为所述至少两张备选人脸图像。
可选的,所述指定人脸特征包括: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;
处理模块,被配置为根据所述处理指令,采用至少两种人脸图像处理算法对所述人脸图像进行处理,得到至少两张备选人脸图像;
计算模块,被配置为计算所述至少两张备选人脸图像中的每张备选人脸图像的颜值,得到至少两个颜值;
第一确定模块,被配置为确定所述至少两个颜值中的最高颜值;
第二确定模块,被配置为将所述最高颜值对应的备选人脸图像确定为待展示人脸图像;
展示模块,被配置为展示所述待展示人脸图像。
可选的,所述处理模块,包括:
第一处理子模块,被配置为采用预设人脸图像处理算法对所述人脸图像进行处理,得到第一备选人脸图像;
获取子模块,被配置为获取所述人脸图像中的至少一个人脸特征的特征值;
第一确定子模块,被配置为根据所述至少一个人脸特征的特征值中的每个人脸特征的特征值,确定所述人脸图像在预设的N个群体类型中所属的目标群体类型,所述预设的N个群体类型中的每个群体类型对应至少一个指定人脸特征,每个所述指定人脸特征的特征值对应一个特征值范围,所述N为大于或等于1的整数;
查询子模块,被配置为根据所述目标群体类型查询预设的群体类型与处理算法组的对应关系,得到所述目标群体类型对应的目标处理算法组,所述目标处理算法组中包括至少一种人脸图像处理算法;
第二处理子模块,被配置为采用所述目标处理算法组中的每种人脸图像处理算法对所述人脸图像进行处理,得到至少一张第二备选人脸图像;
第二确定子模块,被配置为将所述第一备选人脸图像和所述至少一张第二备选人脸图像确定为所述至少两张备选人脸图像。
可选的,所述第一确定子模块,被配置为:
对于所述N个群体类型中的每个群体类型,判断所述至少一个人脸特征中是否存在所述群体类型中的指定人脸特征;
当所述至少一个人脸特征中存在所述群体类型中的指定人脸特征时,检测所述至少一个人脸特征中的指定人脸特征的特征值是否在所述群体类型中的指定人脸特征所对应的特征值范围内;
当所述至少一个人脸特征中的指定人脸特征的特征值在所述群体类型中的指定人脸特征所对应的特征值范围内时,将所述群体类型确定为所述目标群体类型。
可选的,所述处理模块,被配置为:
采用预设人脸图像处理算法对所述人脸图像进行处理,得到第一备选人脸图像;
采用预设的N个群体类型对应的人脸图像处理算法分别对所述人脸图像进行处理,得到至少一张第二备选人脸图像,所述N个群体类型中的每个群体类型对应至少一个指定人脸特征,每个所述指定人脸特征的特征值对应一个特征值范围,所述N为大于或等于1的整数;
将所述第一备选人脸图像和所述至少一张第二备选人脸图像确定为所述至少两张备选人脸图像。
可选的,所述指定人脸特征包括: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,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,采用至少两种人脸图像处理算法对所述人脸图像进行处理,得到至少两张备选人脸图像;
计算所述至少两张备选人脸图像中的每张备选人脸图像的颜值,得到至少两个颜值;
确定所述至少两个颜值中的最高颜值;
将所述最高颜值对应的备选人脸图像确定为待展示人脸图像;
展示所述待展示人脸图像。
本公开提供的技术方案可以包括以下有益效果:
本公开提供了一种人脸图像处理方法及装置,首先接收用于指示对人脸图像进行处理的处理指令,然后根据处理指令,采用至少两种人脸图像处理算法对人脸图像进行处理,得到至少两张备选人脸图像,计算至少两张备选人脸图像中的每张备选人脸图像的颜值,得到至少两个颜值,确定至少两个颜值中的最高颜值,将最高颜值对应的备选人脸图像确定为待展示人脸图像,并展示待展示人脸图像。由于待展示人脸图像是采用至少两种人脸图像处理算法对人脸图像进行处理得到至少两张备选人脸图像后,在至少两张备选人脸图像中确定的,因此,解决了相关技术中人脸图像处理效果较差的问题,达到了较好的人脸图像处理效果。
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方法流程图;
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方法流程图;
图2-2是图2-1所示实施例提供的一种采用至少两种人脸图像处理算法对人脸图像进行处理的方法流程图;
图2-3是图2-2所示实施例提供的一种确定人脸图像在预设的N个群体类型中所属的目标群体类型的方法流程图;
图2-4是图2-1所示实施例提供的另一种采用至少两种人脸图像处理算法对人脸图像进行处理的方法流程图;
图2-5是图2-1所示实施例提供的一种建立预设的群体类型与处理算法组的 对应关系的方法流程图;
图2-6是图2-5所示实施例提供的一种终端展示群体类型选项的界面图;
图3是根据一示例性实施例示出的一种人脸图像处理装置的框图;
图4-1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框图;
图4-2是图4-1所示实施例提供的一种处理模块的框图;
图5是根据一示例性实施例示出的一种人脸图像处理装置的框图。
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。
本公开实施例提供的人脸图像处理方法可以由终端执行,终端可以是具有人脸图像处理功能的电子设备,该电子设备可以是智能手机、平板电脑、智能电视、数码相机、单反相机、MP4(Moving Picture Experts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机等等。
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方法流程图,该人脸图像处理方法可以应用于终端中,参见图1,该人脸图像处理方法可以包括:
在步骤101中,接收用于指示对人脸图像进行处理的处理指令。
在步骤102中,根据处理指令,采用至少两种人脸图像处理算法对人脸图像进行处理,得到至少两张备选人脸图像。
在步骤103中,计算至少两张备选人脸图像中的每张备选人脸图像的颜值,得到至少两个颜值。
在步骤104中,确定至少两个颜值中的最高颜值。
在步骤105中,将最高颜值对应的备选人脸图像确定为待展示人脸图像。
在步骤106中,展示待展示人脸图像。
综上所述,本公开实施例提供的人脸图像处理方法,通过接收用于指示对人脸图像进行处理的处理指令,根据处理指令,采用至少两种人脸图像处理算法对人脸图像进行处理,得到至少两张备选人脸图像,计算至少两张备选人脸图像中的每张备选人脸图像的颜值,得到至少两个颜值,确定至少两个颜值中的最高颜值,将最高颜值对应的备选人脸图像确定为待展示人脸图像,展示待展示人脸图像。由于待展示人脸图像是采用至少两种人脸图像处理算法对人脸图像进行处理得到至少两张备选人脸图像后,在至少两张备选人脸图像中确定的,因此,解决了相关技术中人脸图像处理效果较差的问题,达到了较好的人脸图像处理效果。
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方法流程图,该人脸图像处理方法可以应用于终端中,参见图2-1,该人脸图像处理方法可以包括:
在步骤201中,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,终端中可以安装人脸图像处理应用程序,该人脸图像处理应用程序可以提供人脸图像处理界面,用户在该人脸图像处理界面上触发用于指示对人脸图像进行处理的处理指令,终端可以接收该用于指示对人脸图像进行处理的处理指令,其中,人脸图像处理应用程序如360相机、美图秀秀等等,处理指令一般用于指示对人脸图像进行美化处理,且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。在本公开实施例中,假设终端接收用于指示对人脸图像P进行处理的处理指令。
可选的,用户可以先在终端上触发拍摄指令,终端可以根据用户触发的拍摄指令进行拍摄得到人脸图像,然后用户可以在终端上触发用于指示对该人脸图像进行处理的处理指令,终端接收该处理指令。在本公开实施例中,该拍摄指令与用于指示对人脸图像进行处理的处理指令可以为同一指令,也即,终端在接收到拍摄指令后进行拍摄并在拍摄得到人脸图像后自动对该人脸图像进行处理。
可选的,用户还可以先在终端上触发人脸图像选择指令,终端可以根据用 户触发的人脸图像选择指令确定人脸图像(例如,用户在相册中选择人脸图像),然后用户可以在终端上触发用于指示对该人脸图像进行处理的处理指令,终端接收该处理指令,本公开实施例对此不作限定。
在步骤202中,根据处理指令,采用至少两种人脸图像处理算法对人脸图像进行处理,得到至少两张备选人脸图像。
终端接收到用于指示对人脸图像进行处理的处理指令后,可以根据该处理指令采用至少两种人脸图像处理算法对人脸图像进行处理,得到至少两张备选人脸图像。其中,人脸图像中可以包括人脸,终端接收到用于指示对人脸图像进行处理的处理指令后,可以根据处理指令,对人脸图像中的人脸特征进行处理。
一方面,请参考图2-2,其示出的是图2-1所示实施例提供的一种采用至少两种人脸图像处理算法对人脸图像进行处理的方法流程图,参见图2-2,该方法流程可以包括如下几个步骤:
在子步骤2021A中,采用预设人脸图像处理算法对人脸图像进行处理,得到第一备选人脸图像。
其中,预设人脸图像处理算法是用户预先设置的,在该预设人脸图像处理算法中,对肤色、磨皮、瘦脸等的处理参数的设置都较为保守,对人脸图像中的各个部位的美化都在一定的范围内。该预设人脸图像处理算法用于对一般人脸图像进行处理,可选的,该一般人脸图像指的是符合预设范围内普遍人脸结构标准的人脸图像,该预设范围通常是国家范围或人种范围,比如,该一般人脸图像可以是中国人的普通人脸图像,本公开实施例对此不作限定。
终端可以采用预设人脸图像处理算法对人脸图像进行处理得到第一备选人脸图像,示例的,终端采用预设人脸图像处理算法对人脸图像中的脸型、眼睛、鼻梁、皮肤光滑度、肤色、嘴唇、嘴巴和五官分布位置等进行处理得到第一备选人脸图像,在本公开实施例中,终端采用预设人脸图像处理算法对人脸图像进行处理的过程可以参考相关技术,本公开实施例在此不再赘述。示例的,假设第一备选人脸图像为备选人脸图像P1。
在子步骤2022A中,获取人脸图像中的至少一个人脸特征的特征值。
终端可以采用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,之后,终端可以将识别出的人脸特征与预设的特征模板 进行对比,进而计算得到该人脸图像中的每个人脸特征的特征值,其中,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,人脸特征的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小。因此该特征值还可以用于表征人脸特征需要处理的程度,其中,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,终端采用预设的人脸识别技术对人脸图像P进行人脸识别后,识别出该人脸图像P的人脸特征包括:眼睛、鼻梁、肤色、嘴唇和嘴巴,终端将每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,在本公开实施例中,终端计算得到的人脸图像P的每个人脸特征的特征值可以如表1所示:
表1
人脸特征 | 眼睛 | 鼻梁 | 肤色 | 嘴唇 | 嘴巴 |
特征值 | b | c | e | f | g |
参见表1,人脸图像P的人脸特征中,眼睛的特征值为b,鼻梁的特征值为c,肤色的特征值为e,嘴唇的特征值为f,嘴巴的特征值为g。
需要说明的是,终端采用预设的人脸识别技术对人脸图像进行人脸识别,以及计算人脸图像中的人脸特征的特征值的实现过程可以参考相关技术,本公开实施例在此不再赘述。
在子步骤2023A中,根据至少一个人脸特征的特征值中的每个人脸特征的特征值,确定人脸图像在预设的N个群体类型中所属的目标群体类型,预设的N个群体类型中的每个群体类型对应至少一个指定人脸特征,每个指定人脸特征的特征值对应一个特征值范围,N为大于或等于1的整数。
终端获取到人脸图像中的至少一个人脸特征的特征值后,可以根据至少一个人脸特征中的每个人脸特征的特征值,确定人脸图像在预设的N个群体类型中所属的目标群体类型,其中,预设的N个群体类型中的每个群体类型对应至 少一个指定人脸特征,每个指定人脸特征的特征值对应一个特征值范围,N为大于或等于1的整数。其中,指定人脸特征包括: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。
示例的,请参考图2-3,其示出的是图2-2所示实施例提供的一种确定人脸图像在预设的N个群体类型中所属的目标群体类型的方法流程图,参见图2-3,该方法流程可以包括如下几个步骤:
在子步骤2023A1中,对于N个群体类型中的每个群体类型,判断至少一个人脸特征中是否存在群体类型中的指定人脸特征。
在本公开实施例中,终端可以存储群体类型、指定人脸特征以及该指定人脸特征的特征值范围的对应关系,终端获取到人脸图像中的至少一个人脸特征的特征值后,可以判断至少一个人脸特征中是否存在群体类型中的指定人脸特征。示例的,终端存储的群体类型、指定人脸特征以及该指定人脸特征的特征值范围的对应关系可以如下表2所示:
表2
群体类型 | 指定人脸特征 | 特征值范围 |
大脸类型 | 脸型 | [a1,a2] |
小眼睛类型 | 眼睛 | [b1,b2] |
低鼻梁类型 | 鼻梁 | [c1,c2] |
粗皮肤类型 | 皮肤光滑度 | [d1,d2] |
暗肤色类型 | 肤色 | [e1,e2] |
厚嘴唇类型 | 嘴唇 | [f1,f2] |
大嘴巴类型 | 嘴巴 | [g1,g2] |
五官分布不协调类型 | 五官分布位置 | [h1,h2] |
参见表2,大脸类型对应的指定人脸特征包括脸型,该脸型的特征值范围为[a1,a2],小眼睛类型对应的指定人脸特征包括眼睛,该眼睛的特征值范围为[b1,b2],低鼻梁类型对应的指定人脸特征包括鼻梁,该鼻梁的特征值范围为[c1,c2],粗皮肤类型对应的指定人脸特征包括皮肤光滑度,该皮肤光滑度的特征值范围为[d1,d2],暗肤色类型对应的指定人脸特征包括肤色,该肤色的特征值范围为[e1,e2],厚嘴唇类型对应的指定人脸特征包括嘴唇,该嘴唇的特征值范围为[f1, f2],大嘴巴类型对应的指定人脸特征包括嘴巴,该嘴巴的特征值范围为[g1,g2],五官分布不协调类型对应的指定人脸特征包括五官分布位置,该五官分布位置的特征值范围为[h1,h2]。
参见表1可知,人脸图像P的人脸特征包括:眼睛、鼻梁、肤色、嘴唇和嘴巴,因此,终端判断该眼睛、鼻梁、肤色、嘴唇和嘴巴中是否包括表2中记录的指定人脸特征,参见表2可知,人脸图像P的人脸特征中包括表2中记录的指定人脸特征眼睛、鼻梁、肤色、嘴唇和嘴巴。
在子步骤2023A2中,当至少一个人脸特征中存在群体类型中的指定人脸特征时,检测至少一个人脸特征中的指定人脸特征的特征值是否在群体类型中的指定人脸特征所对应的特征值范围内。
若在步骤2023A1中终端确定至少一个人脸特征中存在群体类型中的指定人脸特征,则终端检测至少一个人脸特征中的指定人脸特征的特征值是否在群体类型中的指定人脸特征所对应的特征值范围内。
示例的,终端检测至少一个人脸特征中眼睛的特征值b是否位于表2中记录的特征值范围[b1,b2],可选的,终端可以将b与b1、b2分别进行比较来判断b是否位于[b1,b2]内,当b大于b1且小于b2时,b位于[b1,b2]内,本公开实施例在此不再赘述。
在子步骤2023A3中,当至少一个人脸特征中的指定人脸特征的特征值在群体类型中的指定人脸特征所对应的特征值范围内时,将群体类型确定为目标群体类型。
若在子步骤2023A2中终端确定至少一个人脸特征中的指定人脸特征的特征值在群体类型中的指定人脸特征所对应的特征值范围内,则终端将指定人脸特征所对应的群体类型确定为目标群体类型。
示例的,假设b大于b1且小于b2,则终端将小眼睛类型确定为目标群体类型。再示例的,假设b大于b1且小于b2,e大于e1且小于e2,则终端将小眼睛类型和暗肤色类型都作为目标群体类型,本公开实施例在此不再赘述。
需要说明的是,若至少一个人脸特征中的指定人脸特征的特征值不在群体类型中的指定人脸特征所对应的特征值范围内,则通常认为该指定人脸特征已经达到预设的审美标准无需再进行处理,或者人脸图像的质量较差无法进行处理。比如,假设c小于c1或者大于c2,则说明人脸图像P中的鼻梁已经达到预 设的审美标准,无需再进行处理。
在子步骤2024A中,根据目标群体类型查询预设的群体类型与处理算法组的对应关系,得到目标群体类型对应的目标处理算法组,目标处理算法组中包括至少一种人脸图像处理算法。
在本公开实施例中,终端中可以存储预设的群体类型与处理算法组的对应关系,终端确定人脸图像在预设的N个群体类型中所属的目标群体类型后,可以根据目标群体类型查询预设的群体类型与处理算法组的对应关系,得到目标群体类型对应的目标处理算法组。其中,目标处理算法组中包括至少一种人脸图像处理算法,每种人脸图像处理算法对应不同的人脸图像处理参数,该人脸图像处理参数可以是美颜参数。
可选的,在本公开实施例中,终端存储的预设的群体类型与处理算法组的对应关系可以如下表3所示:
表3
参见表3,大脸类型对应的处理算法组为处理算法组1,该处理算法组1中 包括人脸图像处理算法11、人脸图像处理算法12、人脸图像处理算法13等等,小眼睛类型对应的处理算法组为处理算法组2,该处理算法组2中包括人脸图像处理算法21、人脸图像处理算法22、人脸图像处理算法23等等,暗肤色类型对应的处理算法组为处理算法组m,该处理算法组m中包括人脸图像处理算法m1、人脸图像处理算法m2、人脸图像处理算法m3等等。
假设步骤2023A中终端确定人脸图像P在预设的N个群体类型中所属的目标群体类型为小眼睛类型,则终端根据该小眼睛类型查询表3所示的对应关系可以得到该小眼睛类型对应的目标处理算法组为处理算法组2。
需要说明的是,在表3所示的对应关系中,每个处理算法组中的人脸图像处理算法重点用于处理人脸图像中该每个处理算法组对应的预设的群体类型对应的指定人脸特征,辅助处理其他的人脸特征,且每个处理算法组中的每种人脸图像处理算法对指定人脸特征的处理力度不同。比如,处理算法组2中的人脸图像处理算法都用于重点对人脸图像的眼睛进行处理,辅助对人脸图像的耳朵、鼻子等进行处理,且人脸图像处理算法21、人脸图像处理算法22和人脸图像处理算法23对眼睛的处理力度不同,示例的,人脸图像处理算法21对眼睛的处理力度为10%(百分之),人脸图像处理算法22对眼睛的处理力度为20%,人脸图像处理算法23对眼睛的处理力度为30%等等,也即是,采用人脸图像处理算法21对人脸图像进行处理后,人脸图像的眼睛会增大到原来的10%,采用人脸图像处理算法22对人脸图像进行处理后,人脸图像的眼睛会增大到原来的20%,采用人脸图像处理算法23对人脸图像进行处理后,人脸图像的眼睛会增大到原来的30%。再比如,处理算法组m中的人脸图像处理算法都用于重点对人脸图像的肤色进行处理,辅助对人脸图像的耳朵、鼻子等进行处理,且人脸图像处理算法m1、人脸图像处理算法m2和人脸图像处理算法m3对肤色的处理力度不同,示例的,人脸图像处理算法m1对肤色的处理力度为10%,人脸图像处理算法m2对肤色的处理力度为20%,人脸图像处理算法m3对肤色的处理力度为30%等等,也即是,采用人脸图像处理算法m1对人脸图像进行处理后,人脸图像的肤色会提亮到原来的10%,采用人脸图像处理算法m2对人脸图像进行处理后,采用人脸图像的肤色会提亮到原来的20%,采用人脸图像处理算法m3对人脸图像进行处理后,人脸图像的肤色会提亮到原来的30%。
在子步骤2025A中,采用目标处理算法组中的每种人脸图像处理算法对人 脸图像进行处理,得到至少一张第二备选人脸图像。
确定目标处理算法组后,终端可以采用目标处理算法组中的每种人脸图像处理算法对人脸图像进行处理,得到至少一张第二备选人脸图像。示例的,终端根据处理算法组2中的人脸图像处理算法21、人脸图像处理算法22、人脸图像处理算法23等对人脸图像P进行处理,得到至少一张第二备选人脸图像,假设该至少一张第二备选人脸图像为备选人脸图像P2、备选人脸图像P3和备选人脸图像P4。
需要说明的是,终端根据人脸图像处理算法对人脸图像进行处理的过程可以参考相关技术,本公开实施例在此不再赘述。
在子步骤2026A中,将第一备选人脸图像和至少一张第二备选人脸图像确定为至少两张备选人脸图像。
得到第一备选人脸图像和至少一张第二备选人脸图像后,终端可以将第一备选人脸图像和至少一张第二备选人脸图像确定为至少两张备选人脸图像,示例的,终端将备选人脸图像P1、备选人脸图像P2、备选人脸图像P3和备选人脸图像P4确定为至少两张备选人脸图像。
另一方面,请参考图2-4,其示出的是图2-1所示实施例提供的另一种采用至少两种人脸图像处理算法对人脸图像进行处理的方法流程图,参见图2-4,该方法流程可以包括如下几个步骤:
在子步骤2021B中,采用预设人脸图像处理算法对人脸图像进行处理,得到第一备选人脸图像。
该子步骤2021B的实现过程可以参考上述子步骤2021A,本实施例在此不再赘述。
在子步骤2022B中,采用预设的N个群体类型对应的人脸图像处理算法分别对人脸图像进行处理,得到至少一张第二备选人脸图像,N个群体类型中的每个群体类型对应至少一个指定人脸特征,每个指定人脸特征的特征值对应一个特征值范围,N为大于或等于1的整数。
该子步骤2022B的实现过程可以参考上述子步骤2025A,本实施例在此不再赘述,但是需要说明的是,与上述子步骤2025A不同的是,本步骤中是采用预设的N个群体类型对应的人脸图像处理算法对人脸图像进行处理,而上述子步骤2025B是采用目标处理算法组中的每种人脸图像处理算法对人脸图像进行 处理。
在子步骤2023B中,将第一备选人脸图像和至少一张第二备选人脸图像确定为至少两张备选人脸图像。
该子步骤2023B的实现过程可以参考上述子步骤2026A,本实施例在此不再赘述。
在步骤203中,计算至少两张备选人脸图像中的每张备选人脸图像的颜值,得到至少两个颜值。
终端可以计算至少两张备选人脸图像中的每张备选人脸图像的颜值,得到至少两个颜值。示例的,终端分别计算备选人脸图像P1、备选人脸图像P2、备选人脸图像P3和备选人脸图像P4的颜值。其中,备选人脸图像P1的颜值可以为Y1,备选人脸图像P2的颜值可以为Y2、备选人脸图像P3的颜值可以为Y3,备选人脸图像P4的颜值可以为Y4。
在子步骤204中,确定至少两个颜值中的最高颜值。
可选的,终端可以按照从大到小的顺序对至少两个颜值进行排序,根据排序结果确定至少两个颜值中的最高颜值。示例的,终端按照从大到小的顺序对颜值Y1、Y2、Y3和Y4进行排序,假设Y1小于Y2,Y2小于Y3,Y3小于Y4,则终端按照从大到小的顺序对至少两个颜值进行排序的排序结果为:Y4>Y3>Y2>Y1,因此,终端可以确定颜值Y1、Y2、Y3和Y4中的最高颜值为Y4。
在步骤205中,将最高颜值对应的备选人脸图像确定为待展示人脸图像。
确定最高颜值后,终端可以将最高颜值对应的备选人脸图像确定为待展示人脸图像。示例的,最高颜值Y4对应的备选人脸图像为P4,因此,终端将备选人脸图像P4确定为待展示人脸图像。
需要说明的是,在本公开实施例中,终端计算每张备选人脸图像的颜值,然后根据至少两张备选人脸图像的颜值确定待展示人脸图像,达到了在用户无感知的情况下确定出待展示人脸图像的效果。
还需要说明的是,由于终端确定的待展示人脸图像通常无法满足所有用户对人脸图像的处理要求,因此,在本公开实施例中,终端除了能够根据至少两张备选人脸图像的颜值确定待展示人脸图像外,还可以根据用户的选择确定待展示人脸图像。示例的,在得到至少两张备选人脸图像后,终端可以向用户同 时展示该至少两张备选人脸图像,然后接收用户对至少两张备选人脸图像进行选择操作所触发的人脸图像选择指令,将人脸图像选择指令所指示的备选人脸图像确定为待展示人脸图像。可选的,终端在同一界面上展示该至少两张备选人脸图像。比如,终端同时展示备选人脸图像P1、备选人脸图像P2、备选人脸图像P3和备选人脸图像P4。其中,该人脸图像选择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。
在步骤206中,展示待展示人脸图像。
终端确定待展示人脸图像后,可以向用户展示该待展示人脸图像,示例的,终端向用户展示待展示人脸图像P4,其中,终端展示待展示人脸图像的实现过程可以参考相关技术,本公开实施例在此不再赘述。
还需要说明的是,本公开实施例中,在步骤2024A之前,终端可以先建立预设的群体类型与处理算法组的对应关系。示例的,请参考图2-5,其示出的是图2-1所示实施例提供的一种建立预设的群体类型与处理算法组的对应关系的方法流程图,参见图2-5,该方法流程可以包括:
在步骤207中,展示至少两个群体类型选项。
可选的,在人脸图像处理应用程序第一次运行时,终端可以通过人脸图像处理应用程序可以向用户展示至少两个群体类型选项,示例的,终端展示的至少两个群体类型选项可以如图2-6所示,参见图2-6,终端显示有群体类型选择界面220,该群体类型选择界面220中显示有群体类型选项“脸型”、“眼睛”、“鼻梁”、“皮肤”、“肤色”、“嘴唇”、“嘴巴”和“五官分布位置”,每个群体类型选项设置有对应的选项框,且群体类型选择框220中还显示有确定按钮和取消按钮,用户可以通过每个群体类型选项对应的选项框进行群体类型选择,并通过点击确定按钮触发群体类型选择指令。
在步骤208中,接收用户对至少两个群体类型选项进行选择操作所触发的群体类型选择指令。
终端显示至少两个群体类型选项后,用户可以对该至少两个群体类型选项进行选择操作触发群体类型选择指令。可选的,如图2-6所示,用户通过每个群体类型选项对应的选项框进行群体类型选择,并通过点击确定按钮触发群体类型选择指令,用户触发群体类型选择指令时,终端可以接收该群体类型选择指令。
在步骤209中,将群体类型选择指令所指示的群体类型选项对应的群体类型确定为预设的群体类型。
终端接收用户对至少两个群体类型选项进行选择操作所触发的群体类型选择指令后,可以将类型选择指令所指示的群体类型选项对应的群体类型确定为预设的群体类型。示例的,如图2-6所示,当用户点击确定按钮时,用户选择的群体类型选项包括“脸型”、“眼睛”、“鼻梁”、“皮肤”和“肤色”,因此,群体类型选择指令所指示的群体类型选项为“脸型”、“眼睛”、“鼻梁”、“皮肤”和“肤色”,假设“脸型”对应的群体类型为大脸类型,“眼睛”对应的群体类型为小眼睛类型,“鼻梁”对应的群体类型为低鼻梁类型,“皮肤”对应的群体类型为粗皮肤类型,“肤色”对应的群体类型为暗肤色类型,则终端将大脸类型、小眼睛类型、低鼻梁类型、粗皮肤类型和暗肤色类型确定为预设的群体类型。
在步骤210中,获取与预设的群体类型中的每个群体类型对应的处理算法组,每个处理算法组中包括至少两种人脸图像处理算法。
确定预设的群体类型后,终端可以获取预设的群体类型中的每个群体类型对应的处理算法组,每个处理算法组中包括至少两种人脸图像处理算法。
可选的,终端可以向服务器发送获取请求,该获取请求可以携带该预设的群体类型中的每个群体类型,服务器可以根据该预设的群体类型中的每个群体类型确定每个群体类型对应的处理算法组,进而得到预设的群体类型对应的处理算法组并将预设的群体类型对应的处理算法组携带在获取响应中向终端发送,终端可以从获取响应中提取每个群体类型对应的处理算法组。
在步骤211中,根据预设的群体类型中的每个群体类型以及每个群体类型对应的处理算法组,建立群体类型与处理算法组的对应关系。
终端获取到与预设的群体类型中的每个群体类型对应的处理算法组后,可以根据预设的群体类型中的每个群体类型以及每个群体类型对应的处理算法组,建立群体类型与处理算法组的对应关系。其中,终端建立的群体类型与处理算法组的对应关系可以如表3所示,本公开实施例在此不再赘述。
需要说明的是,本公开实施例提供的人脸图像处理方法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,示例的,步骤207至步骤211可以位于步骤201之前,或者步骤207至步骤211也可以删除,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。
综上所述,本公开实施例提供的人脸图像处理方法,通过接收用于指示对人脸图像进行处理的处理指令,根据处理指令,采用至少两种人脸图像处理算法对人脸图像进行处理,得到至少两张备选人脸图像,计算至少两张备选人脸图像中的每张备选人脸图像的颜值,得到至少两个颜值,确定至少两个颜值中的最高颜值,将最高颜值对应的备选人脸图像确定为待展示人脸图像,展示待展示人脸图像。由于待展示人脸图像是采用至少两种人脸图像处理算法对人脸图像进行处理得到至少两张备选人脸图像后,在至少两张备选人脸图像中确定的,因此,解决了相关技术中人脸图像处理效果较差的问题,达到了较好的人脸图像处理效果。
下述为本公开装置实施例,可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节,请参照本公开方法实施例。
图3是根据一示例性实施例示出的一种人脸图像处理装置300的框图,该人脸图像处理装置300可以通过软件、硬件或者两者的结合实现成为终端的部分或者全部,参见图3,该人脸图像处理装置300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。
处理模块302,被配置为根据处理指令,采用至少两种人脸图像处理算法对人脸图像进行处理,得到至少两张备选人脸图像。
计算模块303,被配置为计算至少两张备选人脸图像中的每张备选人脸图像的颜值,得到至少两个颜值。
第一确定模块304,被配置为确定至少两个颜值中的最高颜值。
第二确定模块305,被配置为将最高颜值对应的备选人脸图像确定为待展示人脸图像。
展示模块306,被配置为展示待展示人脸图像。
综上所述,本公开实施例提供的人脸图像处理装置,通过接收用于指示对人脸图像进行处理的处理指令,根据处理指令,采用至少两种人脸图像处理算法对人脸图像进行处理,得到至少两张备选人脸图像,计算至少两张备选人脸 图像中的每张备选人脸图像的颜值,得到至少两个颜值,确定至少两个颜值中的最高颜值,将最高颜值对应的备选人脸图像确定为待展示人脸图像,展示待展示人脸图像。由于待展示人脸图像是采用至少两种人脸图像处理算法对人脸图像进行处理得到至少两张备选人脸图像后,在至少两张备选人脸图像中确定的,因此,解决了相关技术中人脸图像处理效果较差的问题,达到了较好的人脸图像处理效果。
图4-1是根据一示例性实施例示出的另一种人脸图像处理装置300的框图,该人脸图像处理装置300可以通过软件、硬件或者两者的结合实现成为终端的部分或者全部,参见图4-1,该人脸图像处理装置300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;
处理模块302,被配置为根据处理指令,采用至少两种人脸图像处理算法对人脸图像进行处理,得到至少两张备选人脸图像;
计算模块303,被配置为计算至少两张备选人脸图像中的每张备选人脸图像的颜值,得到至少两个颜值;
第一确定模块304,被配置为确定至少两个颜值中的最高颜值;
第二确定模块305,被配置为将最高颜值对应的备选人脸图像确定为待展示人脸图像;
展示模块306,被配置为展示待展示人脸图像。
可选的,请参考图4-2,其示出的是图4-1所示实施例提供的一种处理模块302的框图,参见图4-2,处理模块302包括:
第一处理子模块3021,被配置为采用预设人脸图像处理算法对人脸图像进行处理,得到第一备选人脸图像;
获取子模块3022,被配置为获取人脸图像中的至少一个人脸特征的特征值;
第一确定子模块3023,被配置为根据至少一个人脸特征的特征值中的每个人脸特征的特征值,确定人脸图像在预设的N个群体类型中所属的目标群体类型,预设的N个群体类型中的每个群体类型对应至少一个指定人脸特征,每个指定人脸特征的特征值对应一个特征值范围,N为大于或等于1的整数;
查询子模块3024,被配置为根据目标群体类型查询预设的群体类型与处理算法组的对应关系,得到目标群体类型对应的目标处理算法组,目标处理算法 组中包括至少一种人脸图像处理算法;
第二处理子模块3025,被配置为采用目标处理算法组中的每种人脸图像处理算法对人脸图像进行处理,得到至少一张第二备选人脸图像;
第二确定子模块3026,被配置为将第一备选人脸图像和至少一张第二备选人脸图像确定为至少两张备选人脸图像。
可选的,第一确定子模块3023,被配置为:
对于N个群体类型中的每个群体类型,判断至少一个人脸特征中是否存在群体类型中的指定人脸特征;
当至少一个人脸特征中存在群体类型中的指定人脸特征时,检测至少一个人脸特征中的指定人脸特征的特征值是否在群体类型中的指定人脸特征所对应的特征值范围内;
当至少一个人脸特征中的指定人脸特征的特征值在群体类型中的指定人脸特征所对应的特征值范围内时,将群体类型确定为目标群体类型。
可选的,处理模块302,被配置为:
采用预设人脸图像处理算法对人脸图像进行处理,得到第一备选人脸图像;
采用预设的N个群体类型对应的人脸图像处理算法分别对人脸图像进行处理,得到至少一张第二备选人脸图像,N个群体类型中的每个群体类型对应至少一个指定人脸特征,每个指定人脸特征的特征值对应一个特征值范围,N为大于或等于1的整数;
将第一备选人脸图像和至少一张第二备选人脸图像确定为至少两张备选人脸图像。
可选的,指定人脸特征包括: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人脸图像处理装置,通过接收用于指示对人脸图像进行处理的处理指令,根据处理指令,采用至少两种人脸图像处理算法对人脸图像进行处理,得到至少两张备选人脸图像,计算至少两张备选人脸图像中的每张备选人脸图像的颜值,得到至少两个颜值,确定至少两个颜值中的最高颜值,将最高颜值对应的备选人脸图像确定为待展示人脸图像,展示待展示人脸图像。由于待展示人脸图像是采用至少两种人脸图像处理算法对人脸图像进行处理得到至少两张备选人脸图像后,在至少两张备选人脸图像中确定 的,因此,解决了相关技术中人脸图像处理效果较差的问题,达到了较好的人脸图像处理效果。
图5是根据一示例性实施例示出的一种人脸图像处理装置500的框图。例如,装置500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5,装置500可以包括以下一个或多个组件:处理组件502,存储器504,电源组件506,多媒体组件508,音频组件510,输入/输出(I/O)接口512,传感器组件514,以及通信组件516。
处理组件502通常控制装置500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502可以包括一个或多个处理器520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502可以包括一个或多个模块,便于处理组件502和其他组件之间的交互。例如,处理组件502可以包括多媒体模块,以方便多媒体组件508和处理组件502之间的交互。
存储器504被配置为存储各种类型的数据以支持在装置500的操作。这些数据的示例包括用于在装置500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504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506为装置500的各种组件提供电力。电源组件506可以包括电源管理系统,一个或多个电源,及其他与为装置500生成、管理和分配电力相关联的组件。
多媒体组件508包括在装置500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。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508包括一个前置摄像头和/或后置摄像头。当装置500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510被配置为输出和/或输入音频信号。例如,音频组件510包括一个麦克风(MIC),当装置500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504或经由通信组件516发送。在一些实施例中,音频组件510还包括一个扬声器,用于输出音频信号。
I/O接口512为处理组件502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514包括一个或多个传感器,用于为装置500提供各个方面的状态评估。例如,传感器组件514可以检测到装置500的打开/关闭状态,组件的相对定位,例如组件为装置500的显示器和小键盘,传感器组件514还可以检测装置500或装置500一个组件的位置改变,用户与装置500接触的存在或不存在,装置500方位或加速/减速和装置500的温度变化。传感器组件514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514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514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516被配置为便于装置500和其他设备之间有线或无线方式的通信。装置500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516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,通信组件516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500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504,上述指令可由装置500的处理器520执行以完成上述方法。例如,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,当存储介质中的指令由装置500的处理器执行时,使得装置500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;
根据处理指令,采用至少两种人脸图像处理算法对人脸图像进行处理,得到至少两张备选人脸图像;
计算至少两张备选人脸图像中的每张备选人脸图像的颜值,得到至少两个颜值;
确定至少两个颜值中的最高颜值;
将最高颜值对应的备选人脸图像确定为待展示人脸图像;
展示待展示人脸图像。
可选的,采用至少两种人脸图像处理算法对人脸图像进行处理,得到至少两张备选人脸图像,包括:
采用预设人脸图像处理算法对人脸图像进行处理,得到第一备选人脸图像;
获取人脸图像中的至少一个人脸特征的特征值;
根据至少一个人脸特征的特征值中的每个人脸特征的特征值,确定人脸图像在预设的N个群体类型中所属的目标群体类型,预设的N个群体类型中的每个群体类型对应至少一个指定人脸特征,每个指定人脸特征的特征值对应一个特征值范围,N为大于或等于1的整数;
根据目标群体类型查询预设的群体类型与处理算法组的对应关系,得到目标群体类型对应的目标处理算法组,目标处理算法组中包括至少一种人脸图像处理算法;
采用目标处理算法组中的每种人脸图像处理算法对人脸图像进行处理,得到至少一张第二备选人脸图像;
将第一备选人脸图像和至少一张第二备选人脸图像确定为至少两张备选人 脸图像。
可选的,根据至少一个人脸特征的特征值中的每个人脸特征的特征值,确定人脸图像在预设的N个群体类型中所属的目标群体类型,包括:
对于N个群体类型中的每个群体类型,判断至少一个人脸特征中是否存在群体类型中的指定人脸特征;
当至少一个人脸特征中存在群体类型中的指定人脸特征时,检测至少一个人脸特征中的指定人脸特征的特征值是否在群体类型中的指定人脸特征所对应的特征值范围内;
当至少一个人脸特征中的指定人脸特征的特征值在群体类型中的指定人脸特征所对应的特征值范围内时,将群体类型确定为目标群体类型。
可选的,采用至少两种人脸图像处理算法对人脸图像进行处理,得到至少两张备选人脸图像,包括:
采用预设人脸图像处理算法对人脸图像进行处理,得到第一备选人脸图像;
采用预设的N个群体类型对应的人脸图像处理算法分别对人脸图像进行处理,得到至少一张第二备选人脸图像,N个群体类型中的每个群体类型对应至少一个指定人脸特征,每个指定人脸特征的特征值对应一个特征值范围,N为大于或等于1的整数;
将第一备选人脸图像和至少一张第二备选人脸图像确定为至少两张备选人脸图像。
可选的,指定人脸特征包括: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人脸图像处理装置,通过接收用于指示对人脸图像进行处理的处理指令,根据处理指令,采用至少两种人脸图像处理算法对人脸图像进行处理,得到至少两张备选人脸图像,计算至少两张备选人脸图像中的每张备选人脸图像的颜值,得到至少两个颜值,确定至少两个颜值中的最高颜值,将最高颜值对应的备选人脸图像确定为待展示人脸图像,展示待展示人脸图像。由于待展示人脸图像是采用至少两种人脸图像处理算法对人脸图像进行处理得到至少两张备选人脸图像后,在至少两张备选人脸图像中确定的,因此,解决了相关技术中人脸图像处理效果较差的问题,达到了较好的人脸图像处理效果。
本公开中术语“C和D的至少一种”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,C和D的至少一种,可以表示:单独存在C,同时存在C和D,单独存在D这三种情况。同理,“C、D和E的至少一种”表示可以存在七种关系,可以表示:单独存在C,单独存在C,单独存在E,同时存在C和D,同时存在D和E,同时存在C和E,同时存在C、D和E这七种情况。同理,“C、D、E和F的至少一种”表示可以存在十五种关系,可以表示:单独存在C,单独存在D,单独存在E,单独存在E,同时存在C和D,同时存在C和E,同时存在C和F,同时存在D和E,同时存在D和F,同时存在E和F,同时存在C、D和E,同时存在C、D和F,同时存在C、E和F,同时存在D、E和F,同时存在C、D、E和F,这十五种情况。
本领域技术人员在考虑说明书及实践这里公开的公开后,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 (11)
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,采用至少两种人脸图像处理算法对所述人脸图像进行处理,得到至少两张备选人脸图像;
计算所述至少两张备选人脸图像中的每张备选人脸图像的颜值,得到至少两个颜值;
确定所述至少两个颜值中的最高颜值;
将所述最高颜值对应的备选人脸图像确定为待展示人脸图像;
展示所述待展示人脸图像。
2.根据权利要求1所述的方法,其特征在于,
所述采用至少两种人脸图像处理算法对所述人脸图像进行处理,得到至少两张备选人脸图像,包括:
采用预设人脸图像处理算法对所述人脸图像进行处理,得到第一备选人脸图像;
获取所述人脸图像中的至少一个人脸特征的特征值;
根据所述至少一个人脸特征的特征值中的每个人脸特征的特征值,确定所述人脸图像在预设的N个群体类型中所属的目标群体类型,所述预设的N个群体类型中的每个群体类型对应至少一个指定人脸特征,每个所述指定人脸特征的特征值对应一个特征值范围,所述N为大于或等于1的整数;
根据所述目标群体类型查询预设的群体类型与处理算法组的对应关系,得到所述目标群体类型对应的目标处理算法组,所述目标处理算法组中包括至少一种人脸图像处理算法;
采用所述目标处理算法组中的每种人脸图像处理算法对所述人脸图像进行处理,得到至少一张第二备选人脸图像;
将所述第一备选人脸图像和所述至少一张第二备选人脸图像确定为所述至少两张备选人脸图像。
3.根据权利要求2所述的方法,其特征在于,所述根据所述至少一个人脸特征的特征值中的每个人脸特征的特征值,确定所述人脸图像在预设的N个群体类型中所属的目标群体类型,包括:
对于所述N个群体类型中的每个群体类型,判断所述至少一个人脸特征中是否存在所述群体类型中的指定人脸特征;
当所述至少一个人脸特征中存在所述群体类型中的指定人脸特征时,检测所述至少一个人脸特征中的指定人脸特征的特征值是否在所述群体类型中的指定人脸特征所对应的特征值范围内;
当所述至少一个人脸特征中的指定人脸特征的特征值在所述群体类型中的指定人脸特征所对应的特征值范围内时,将所述群体类型确定为所述目标群体类型。
4.根据权利要求1所述的方法,其特征在于,
所述采用至少两种人脸图像处理算法对所述人脸图像进行处理,得到至少两张备选人脸图像,包括:
采用预设人脸图像处理算法对所述人脸图像进行处理,得到第一备选人脸图像;
采用预设的N个群体类型对应的人脸图像处理算法分别对所述人脸图像进行处理,得到至少一张第二备选人脸图像,所述N个群体类型中的每个群体类型对应至少一个指定人脸特征,每个所述指定人脸特征的特征值对应一个特征值范围,所述N为大于或等于1的整数;
将所述第一备选人脸图像和所述至少一张第二备选人脸图像确定为所述至少两张备选人脸图像。
5.根据权利要求2至4任一所述的方法,其特征在于,
所述指定人脸特征包括: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。
6.一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;
处理模块,被配置为根据所述处理指令,采用至少两种人脸图像处理算法对所述人脸图像进行处理,得到至少两张备选人脸图像;
计算模块,被配置为计算所述至少两张备选人脸图像中的每张备选人脸图像的颜值,得到至少两个颜值;
第一确定模块,被配置为确定所述至少两个颜值中的最高颜值;
第二确定模块,被配置为将所述最高颜值对应的备选人脸图像确定为待展示人脸图像;
展示模块,被配置为展示所述待展示人脸图像。
7.根据权利要求6所述的装置,其特征在于,所述处理模块,包括:
第一处理子模块,被配置为采用预设人脸图像处理算法对所述人脸图像进行处理,得到第一备选人脸图像;
获取子模块,被配置为获取所述人脸图像中的至少一个人脸特征的特征值;
第一确定子模块,被配置为根据所述至少一个人脸特征的特征值中的每个人脸特征的特征值,确定所述人脸图像在预设的N个群体类型中所属的目标群体类型,所述预设的N个群体类型中的每个群体类型对应至少一个指定人脸特征,每个所述指定人脸特征的特征值对应一个特征值范围,所述N为大于或等于1的整数;
查询子模块,被配置为根据所述目标群体类型查询预设的群体类型与处理算法组的对应关系,得到所述目标群体类型对应的目标处理算法组,所述目标处理算法组中包括至少一种人脸图像处理算法;
第二处理子模块,被配置为采用所述目标处理算法组中的每种人脸图像处理算法对所述人脸图像进行处理,得到至少一张第二备选人脸图像;
第二确定子模块,被配置为将所述第一备选人脸图像和所述至少一张第二备选人脸图像确定为所述至少两张备选人脸图像。
8.根据权利要求7所述的装置,其特征在于,所述第一确定子模块,被配置为:
对于所述N个群体类型中的每个群体类型,判断所述至少一个人脸特征中是否存在所述群体类型中的指定人脸特征;
当所述至少一个人脸特征中存在所述群体类型中的指定人脸特征时,检测所述至少一个人脸特征中的指定人脸特征的特征值是否在所述群体类型中的指定人脸特征所对应的特征值范围内;
当所述至少一个人脸特征中的指定人脸特征的特征值在所述群体类型中的指定人脸特征所对应的特征值范围内时,将所述群体类型确定为所述目标群体类型。
9.根据权利要求6所述的装置,其特征在于,所述处理模块,被配置为:
采用预设人脸图像处理算法对所述人脸图像进行处理,得到第一备选人脸图像;
采用预设的N个群体类型对应的人脸图像处理算法分别对所述人脸图像进行处理,得到至少一张第二备选人脸图像,所述N个群体类型中的每个群体类型对应至少一个指定人脸特征,每个所述指定人脸特征的特征值对应一个特征值范围,所述N为大于或等于1的整数;
将所述第一备选人脸图像和所述至少一张第二备选人脸图像确定为所述至少两张备选人脸图像。
10.根据权利要求7至9任一所述的装置,其特征在于,
所述指定人脸特征包括: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。
11.一种人脸图像处理装置,其特征在于,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,采用至少两种人脸图像处理算法对所述人脸图像进行处理,得到至少两张备选人脸图像;
计算所述至少两张备选人脸图像中的每张备选人脸图像的颜值,得到至少两个颜值;
确定所述至少两个颜值中的最高颜值;
将所述最高颜值对应的备选人脸图像确定为待展示人脸图像;
展示所述待展示人脸图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610087546.4A CN107085823B (zh) | 2016-02-16 | 2016-02-16 | 人脸图像处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610087546.4A CN107085823B (zh) | 2016-02-16 | 2016-02-16 | 人脸图像处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107085823A true CN107085823A (zh) | 2017-08-22 |
CN107085823B CN107085823B (zh) | 2020-11-06 |
Family
ID=59615134
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610087546.4A Active CN107085823B (zh) | 2016-02-16 | 2016-02-16 | 人脸图像处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107085823B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108095465A (zh) * | 2018-01-19 | 2018-06-01 | 京东方科技集团股份有限公司 | 一种图像处理方法及装置 |
CN108320266A (zh) * | 2018-02-09 | 2018-07-24 | 北京小米移动软件有限公司 | 一种生成美颜图片的方法和装置 |
CN109167914A (zh) * | 2018-09-25 | 2019-01-08 | 维沃移动通信有限公司 | 一种图像处理方法及移动终端 |
CN109448069A (zh) * | 2018-10-30 | 2019-03-08 | 维沃移动通信有限公司 | 一种模板生成方法及移动终端 |
CN111373409A (zh) * | 2017-09-28 | 2020-07-03 | 深圳传音通讯有限公司 | 获取颜值变化的方法及终端 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080018660A1 (en) * | 2004-05-31 | 2008-01-24 | Petri Nenonen | Method and System for Viewing and Enhancing Images |
CN101305913A (zh) * | 2008-07-11 | 2008-11-19 | 华南理工大学 | 一种基于视频的人脸美丽评价方法 |
CN102521841A (zh) * | 2011-11-22 | 2012-06-27 | 四川九洲电器集团有限责任公司 | 多目标物体跟踪方法 |
US20150055887A1 (en) * | 2013-08-23 | 2015-02-26 | Brother Kogyo Kabushiki Kaisha | Image Processing Apparatus and Storage Medium |
CN105069744A (zh) * | 2015-08-06 | 2015-11-18 | 魅族科技(中国)有限公司 | 一种个性化的图像编辑方法及图像编辑设备 |
CN105096241A (zh) * | 2015-07-28 | 2015-11-25 | 努比亚技术有限公司 | 人脸图像美化装置及方法 |
US20150371360A1 (en) * | 2014-06-20 | 2015-12-24 | Qualcomm Incorporated | Systems and methods for obtaining structural information from a digital image |
CN105205479A (zh) * | 2015-10-28 | 2015-12-30 | 小米科技有限责任公司 | 人脸颜值评估方法、装置及终端设备 |
-
2016
- 2016-02-16 CN CN201610087546.4A patent/CN107085823B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080018660A1 (en) * | 2004-05-31 | 2008-01-24 | Petri Nenonen | Method and System for Viewing and Enhancing Images |
CN101305913A (zh) * | 2008-07-11 | 2008-11-19 | 华南理工大学 | 一种基于视频的人脸美丽评价方法 |
CN102521841A (zh) * | 2011-11-22 | 2012-06-27 | 四川九洲电器集团有限责任公司 | 多目标物体跟踪方法 |
US20150055887A1 (en) * | 2013-08-23 | 2015-02-26 | Brother Kogyo Kabushiki Kaisha | Image Processing Apparatus and Storage Medium |
US20150371360A1 (en) * | 2014-06-20 | 2015-12-24 | Qualcomm Incorporated | Systems and methods for obtaining structural information from a digital image |
CN105096241A (zh) * | 2015-07-28 | 2015-11-25 | 努比亚技术有限公司 | 人脸图像美化装置及方法 |
CN105069744A (zh) * | 2015-08-06 | 2015-11-18 | 魅族科技(中国)有限公司 | 一种个性化的图像编辑方法及图像编辑设备 |
CN105205479A (zh) * | 2015-10-28 | 2015-12-30 | 小米科技有限责任公司 | 人脸颜值评估方法、装置及终端设备 |
Non-Patent Citations (2)
Title |
---|
NANA RACHMANA SYAMBAS 等: "Image processing and face detection analysis on face verification based on the age stages", 《2012 7TH INTERNATIONAL CONFERENCE ON TELECOMMUNICATION SYSTEMS, SERVICES, AND APPLICATIONS (TSSA)》 * |
李庆忠 等: "基于小波变换的低照度图像自适应增强算法", 《中国激光》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111373409A (zh) * | 2017-09-28 | 2020-07-03 | 深圳传音通讯有限公司 | 获取颜值变化的方法及终端 |
CN111373409B (zh) * | 2017-09-28 | 2023-08-25 | 深圳传音通讯有限公司 | 获取颜值变化的方法及终端 |
CN108095465A (zh) * | 2018-01-19 | 2018-06-01 | 京东方科技集团股份有限公司 | 一种图像处理方法及装置 |
CN108320266A (zh) * | 2018-02-09 | 2018-07-24 | 北京小米移动软件有限公司 | 一种生成美颜图片的方法和装置 |
CN109167914A (zh) * | 2018-09-25 | 2019-01-08 | 维沃移动通信有限公司 | 一种图像处理方法及移动终端 |
CN109448069A (zh) * | 2018-10-30 | 2019-03-08 | 维沃移动通信有限公司 | 一种模板生成方法及移动终端 |
CN109448069B (zh) * | 2018-10-30 | 2023-07-18 | 维沃移动通信有限公司 | 一种模板生成方法及移动终端 |
Also Published As
Publication number | Publication date |
---|---|
CN107085823B (zh) | 2020-11-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10565763B2 (en) | Method and camera device for processing image | |
EP3079082B1 (en) | Method and apparatus for album display | |
CN105488527B (zh) | 图像分类方法及装置 | |
CN104700353B (zh) | 图像滤镜生成方法及装置 | |
CN105302315A (zh) | 图片处理方法及装置 | |
CN106951884A (zh) | 采集指纹的方法、装置及电子设备 | |
CN104484858B (zh) | 人物图像处理方法及装置 | |
US10769743B2 (en) | Method, device and non-transitory storage medium for processing clothes information | |
CN107085823A (zh) | 人脸图像处理方法及装置 | |
CN106205628A (zh) | 声音信号优化方法及装置 | |
CN104867112B (zh) | 照片处理方法及装置 | |
CN104978200A (zh) | 应用程序显示方法及装置 | |
CN104636453A (zh) | 非法用户资料识别方法及装置 | |
CN105631804A (zh) | 图片处理方法及装置 | |
CN106600530A (zh) | 照片合成方法及装置 | |
CN109242045B (zh) | 图像聚类处理方法、装置、电子设备及存储介质 | |
CN107330391A (zh) | 产品信息提示方法及装置 | |
CN105335714A (zh) | 照片处理方法、装置和设备 | |
CN104853223B (zh) | 视频流的插播方法及终端设备 | |
CN104573642B (zh) | 人脸识别方法及装置 | |
CN107507128A (zh) | 图像处理方法及设备 | |
CN110297929A (zh) | 图像匹配方法、装置、电子设备及存储介质 | |
CN105426904A (zh) | 照片处理方法、装置和设备 | |
CN106604101A (zh) | 直播互动的方法及装置 | |
CN105915806A (zh) | 图片拍摄方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |