CN107657590B - 图片处理方法、装置及存储介质 - Google Patents
图片处理方法、装置及存储介质 Download PDFInfo
- Publication number
- CN107657590B CN107657590B CN201710780883.6A CN201710780883A CN107657590B CN 107657590 B CN107657590 B CN 107657590B CN 201710780883 A CN201710780883 A CN 201710780883A CN 107657590 B CN107657590 B CN 107657590B
- Authority
- CN
- China
- Prior art keywords
- picture
- triangulated
- previous frame
- subdivision
- rendering
- 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
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 16
- 238000009877 rendering Methods 0.000 claims abstract description 155
- 238000000034 method Methods 0.000 claims abstract description 80
- 230000008569 process Effects 0.000 claims description 58
- 230000001186 cumulative effect Effects 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 abstract description 14
- 230000000694 effects Effects 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 10
- 230000007246 mechanism Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 210000000056 organ Anatomy 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000001815 facial effect Effects 0.000 description 3
- 230000004807 localization Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000000638 solvent extraction Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000002537 cosmetic Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 230000036544 posture Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G06T5/77—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/005—General purpose rendering architectures
-
- G06T3/04—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
Landscapes
- Engineering & Computer Science (AREA)
- Computer Graphics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Processing Or Creating Images (AREA)
Abstract
本公开是关于图片处理方法及装置。该方法包括：确定当前图片的人脸特征点和包围点、及各人脸特征点和包围点的偏移量；其中，由各包围点构成的包围线，用以将各人脸特征点包围；根据各人脸特征点和包围点、及上一帧图片在渲染时所采用的三角化剖分模板，确定当前图片的三角化剖分模板；根据当前图片的三角化剖分模板及各人脸特征点和包围点的偏移量，对当前图片进行渲染，得到渲染后的图片。本公开能够克服相关技术中人脸局部区域在实时渲染时出现抖动的问题，克服相关技术中存在的三角化错误及纹理丢失的问题，有效改善瘦脸效果，提高用户体验。
Description
技术领域
本公开涉及终端技术领域，尤其涉及图片处理方法及装置。
背景技术
较瘦的脸通常被很多人认为具有较佳的美感。现有的手机大部分具备对用户拍摄的图片或视频中人脸进行瘦脸、大眼等美颜功能，通过对图片中人脸器官进行变形达到美颜的目的。
发明内容
为克服相关技术中存在的问题，本公开实施例提供一种图片处理方法及装置。所述技术方案如下：
根据本公开实施例的第一方面，提供一种图片处理方法，包括：
确定当前图片的人脸特征点和包围点、及各所述人脸特征点和包围点的偏移量；其中，由各所述包围点构成的包围线，用以将各所述人脸特征点包围；
根据各所述人脸特征点和包围点、及上一帧图片在渲染时所采用的三角化剖分模板，确定所述当前图片的三角化剖分模板；
根据所述当前图片的三角化剖分模板及各所述人脸特征点和包围点的偏移量，对所述当前图片进行渲染，得到渲染后的图片。
在一个实施例中，所述根据各所述人脸特征点和包围点、及上一帧图片在渲染时所采用的三角化剖分模板，确定所述当前图片的三角化剖分模板，包括：
判断上一帧图片在渲染时所采用的三角化剖分模板是否满足预设准则；
在所述上一帧图片在渲染时所采用的三角化剖分模板满足所述预设准则时，将所述上一帧图片在渲染时所采用的三角化剖分模板确定为所述当前图片的三角化剖分模板；
在所述上一帧图片在渲染时所采用的三角化剖分模板不满足所述预设准则时，根据各所述人脸特征点和包围点，对所述当前图片进行三角化剖分，得到所述当前图片的三角化剖分模板。
在一个实施例中，所述判断上一帧图片在渲染时所采用的三角化剖分模板是否满足预设准则，包括：
根据各所述人脸特征点和包围点，分别判断所述上一帧图片在渲染时所采用的三角化剖分模板中各三角形是否满足所述预设准则；
计算所述上一帧图片在渲染时所采用的三角化剖分模板中不满足所述预设准则的三角形的数量与三角形总数的比值；
在所得到的比值大于预设比例时，确定所述上一帧图片在渲染时所采用的三角化剖分模板不满足所述预设准则；
在所得到的比值不大于预设比例时，确定所述上一帧图片在渲染时所采用的三角化剖分模板满足所述预设准则。
在一个实施例中，所述判断上一帧图片在渲染时所采用的三角化剖分模板是否满足预设准则，包括：
获取所述上一帧图片在渲染时所采用的三角化剖分模板的累计使用数据；
在所述累计使用数据大于预设阈值时，确定所述上一帧图片在渲染时所采用的三角化剖分模板不满足预设准则；
在所述累计使用数据不大于所述预设阈值时，确定所述上一帧图片在渲染时所采用的三角化剖分模板满足所述预设准则。
在一个实施例中，所述累计使用数据包括：存在时长，和/或，采用次数。
在一个实施例中，所述预设准则包括：空圆特性，和/或，最大化最小角特性。
根据本公开实施例的第二方面，提供一种图片处理装置，包括：
第一确定模块，用于确定当前图片的人脸特征点和包围点、及各所述人脸特征点和包围点的偏移量；其中，由各所述包围点构成的包围线，用以将各所述人脸特征点包围；
第二确定模块，用于根据各所述人脸特征点和包围点、及上一帧图片在渲染时所采用的三角化剖分模板，确定所述当前图片的三角化剖分模板；
渲染模块，用于根据所述当前图片的三角化剖分模板及各所述人脸特征点和包围点的偏移量，对所述当前图片进行渲染，得到渲染后的图片。
在一个实施例中，所述第二确定模块，包括：
判断子模块，用于判断上一帧图片在渲染时所采用的三角化剖分模板是否满足预设准则；
确定子模块，用于在所述上一帧图片在渲染时所采用的三角化剖分模板满足所述预设准则时，将所述上一帧图片在渲染时所采用的三角化剖分模板确定为所述当前图片的三角化剖分模板；
三角化剖分子模块，用于在所述上一帧图片在渲染时所采用的三角化剖分模板不满足所述预设准则时，根据各所述人脸特征点和包围点，对所述当前图片进行三角化剖分，得到所述当前图片的三角化剖分模板。
在一个实施例中，所述判断子模块：根据各所述人脸特征点和包围点，分别判断所述上一帧图片在渲染时所采用的三角化剖分模板中各三角形是否满足所述预设准则；计算所述上一帧图片在渲染时所采用的三角化剖分模板中不满足所述预设准则的三角形的数量与三角形总数的比值；在所得到的比值大于预设比例时，确定所述上一帧图片在渲染时所采用的三角化剖分模板不满足所述预设准则；在所得到的比值不大于预设比例时，确定所述上一帧图片在渲染时所采用的三角化剖分模板满足所述预设准则。
在一个实施例中，所述判断子模块：获取所述上一帧图片在渲染时所采用的三角化剖分模板的累计使用数据；在所述累计使用数据大于预设阈值时，确定所述上一帧图片在渲染时所采用的三角化剖分模板不满足预设准则；在所述累计使用数据不大于所述预设阈值时，确定所述上一帧图片在渲染时所采用的三角化剖分模板满足所述预设准则。
根据本公开实施例的第三方面，提供一种图片处理装置，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：
确定当前图片的人脸特征点和包围点、及各所述人脸特征点和包围点的偏移量；其中，由各所述包围点构成的包围线，用以将各所述人脸特征点包围；
根据各所述人脸特征点和包围点、及上一帧图片在渲染时所采用的三角化剖分模板，确定所述当前图片的三角化剖分模板；
根据所述当前图片的三角化剖分模板及各所述人脸特征点和包围点的偏移量，对所述当前图片进行渲染，得到渲染后的图片。
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上述第一方面所述方法的步骤。
本公开的实施例提供的技术方案可以包括以下有益效果：该技术方案通过综合考虑上一帧图片在渲染时所采用的三角化剖分模板、以及当前图片的人脸特征点和包围点，动态确定当前图片的三角化剖分模板，不需要对每帧图片都重新计算三角化剖分模板，克服相关技术中人脸局部区域在实时渲染时出现抖动的问题，也不需要对每帧图片都采用完全相同的三角化剖分模板，克服相关技术中存在的三角化错误及纹理丢失的问题，能够有效改善瘦脸效果，如此，能够提高用户体验。
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图片处理方法的流程图。
图2a是根据一示例性实施例示出的图片处理方法的场景示意图。
图2b是根据一示例性实施例示出的图片处理方法的场景示意图。
图3是根据一示例性实施例示出的图片处理方法的流程图。
图4是根据一示例性实施例示出的图片处理装置的框图。
图5是根据一示例性实施例示出的图片处理装置的框图。
图6是根据一示例性实施例示出的图片处理装置的框图。
图7是根据一示例性实施例示出的图片处理装置的框图。
图8是根据一示例性实施例示出的图片处理装置的框图。
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。
相关技术中，为满足用户需求，终端例如智能手机，通过对图片中人脸器官进行变形，实现对图片或视频中人脸进行瘦脸等美颜处理。在瘦脸等美颜处理过程中，针对每一帧图片，都需要基于人脸特征点对图片中人脸进行三角化剖分，将人脸划分为多个三角形，产生一个人脸渲染三角形列表；然而，当三角化剖分模板出现变化时，对应的人脸区域在上一帧图片和这一帧图片中所属三角形可能出现不一致的情况，导致对应的人脸区域在实时渲染时出现抖动，影响瘦脸效果。针对上述抖动问题，一种已有的解决方案是采用固定的三角化剖分模板，能够解决上述抖动问题；然而，人脸处于不同姿态时，人脸特征点的分布(例如坐标)和编号顺序并不一致，例如，侧脸和正脸相比，特征点的顺序和分布都有较大变化；当不同帧中的人脸姿态不一致时，采用固定的三角化剖分模板，会导致三角化错误及纹理丢失等问题，影响瘦脸效果，影响用户体验。
为了解决上述问题，本公开实施例提供了一种图片处理方法，方法包括：确定当前图片的人脸特征点和包围点、及各人脸特征点和包围点的偏移量；其中，由各包围点构成的包围线，用以将各人脸特征点包围；根据各人脸特征点和包围点、及上一帧图片在渲染时所采用的三角化剖分模板，确定当前图片的三角化剖分模板；根据当前图片的三角化剖分模板及各人脸特征点和包围点的偏移量，对当前图片进行渲染，得到渲染后的图片。
本公开实施例提供的图片处理方法，通过综合考虑上一帧图片在渲染时所采用的三角化剖分模板、以及当前图片的人脸特征点和包围点，动态确定当前图片的三角化剖分模板，不需要对每帧图片都重新计算三角化剖分模板，克服相关技术中人脸局部区域在实时渲染时出现抖动的问题，也不需要对每帧图片都采用完全相同的三角化剖分模板，克服相关技术中存在的三角化错误及纹理丢失的问题，能够有效改善瘦脸效果，提高用户体验。
需要指出的是，本公开实施例中终端例如是智能手机、平板电脑、台式机、笔记本电脑或穿戴式设备(如手环、智能眼镜等)等设备。
基于上述分析，提出以下各具体实施例。
图1是根据一示例性实施例示出的一种图片处理方法的流程图，该方法的执行主体可以为终端，如图1所示，该方法包括以下步骤101-103：
在步骤101中，确定当前图片的人脸特征点和包围点、及各人脸特征点和包围点的偏移量；其中，由各包围点构成的包围线，用以将各人脸特征点包围；
示例的，在对图片进行瘦脸等美颜处理的场景中，首先，使用人脸关键点定位算法对当前图片进行人脸特征点定位，定位出M个人脸特征点，M为大于1的正整数，参见图2a示出的人脸特征点0-28，在图2a中M为29。例如，人脸关键点定位算法可以包括主动外观模型(AAM，active appearance models)、有监督的梯度下降方法(SDM，supervised descentmethod)或卷积神经网络(CNN，convolutional neural networks)等。针对当前图片中人脸设置一个包围线，包围线的范围比人脸的范围大预设比例，包围线将M个特征点包围，包围线不能超出当前图片的边界；在包围线上选取N个包围点， N为大于1的正整数，参见图2a示出的包围点29-44，在图2a中N为16。针对图片中人脸各器官进行瘦脸等美颜操作时，对人脸各器官的变形范围只限于在包围线内进行。终端计算图片中各人脸特征点的偏移量；人脸特征点的偏移量是指在对人脸进行美颜操作时，通过计算确定的人脸特征点的移动距离和移动方位等信息。示例的，各包围点的偏移量为0；在美颜操作过程中，N个包围点和包围线并不移动。
在步骤102中，根据各人脸特征点和包围点、及上一帧图片在渲染时所采用的三角化剖分模板，确定当前图片的三角化剖分模板；
示例的，若当前图片是第一帧图片，则终端根据各人脸特征点和包围点对当前图片进行三角化剖分，得到当前图片的三角化剖分模板。若当前图片不是第一帧图片，则获取上一帧图片在渲染时所采用的三角化剖分模板；三角化剖分模板包括人脸渲染三角形列表，将人脸划分为多个三角形，提供各人脸特征点和包围点的坐标、编号及所属三角形的其他顶点的编号信息。终端判断上一帧图片在渲染时所采用的三角化剖分模板是否满足预设准则；若上一帧图片在渲染时所采用的三角化剖分模板满足预设准则，则将上一帧图片在渲染时所采用的三角化剖分模板确定为当前图片的三角化剖分模板；若上一帧图片在渲染时所采用的三角化剖分模板不满足预设准则，则根据各人脸特征点和包围点对当前图片进行三角化剖分，得到当前图片的三角化剖分模板。
示例的，预设准则可以包括：空圆特性，和/或，最大化最小角特性；其中，空圆特性要求：在三角化剖分结果的任意一个三角形的外接圆范围内不会包括其它人脸特征点和包围点；最大化最小角特性要求：任意两个相邻三角形形成的凸四边形的对角线如果可以互换的话，那么两个三角形六个内角中最小的角度不会变大。
上述判断上一帧图片在渲染时所采用的三角化剖分模板是否满足预设准则的实现方式至少可以包括以下任意一种方式：
实现方式1、根据各人脸特征点和包围点，分别判断上一帧图片在渲染时所采用的三角化剖分模板中各三角形是否满足预设准则；计算上一帧图片在渲染时所采用的三角化剖分模板中不满足预设准则的三角形的数量与三角形总数的比值；在所得到的比值大于预设比例时，确定上一帧图片在渲染时所采用的三角化剖分模板不满足预设准则；在所得到的比值不大于预设比例时，确定上一帧图片在渲染时所采用的三角化剖分模板满足预设准则。
示例的，遍历上一帧图片在渲染时所采用的三角化剖分模板中每个三角形，针对任意一个三角形x，判断三角形x是否满足预设准则；以预设准则包括空圆特性为例：计算三角形x的外接圆，然后判断在外接圆内部是否存在其他三角形的顶点：若在外接圆内部存在其他三角形的顶点，则三角形x 不满足空圆特性；若在外接圆内部不存在其他三角形的顶点，则三角形x满足空圆特性。以预设准则包括最大化最小角特性为例：遍历和三角形x相邻的三角形组成的四边形，判断三角形x是否满足最大化最小角特性。
在遍历上一帧图片在渲染时所采用的三角化剖分模板中每个三角形之后，得到上一帧图片在渲染时所采用的三角化剖分模板中不满足预设准则的三角形的数量n1,上一帧图片在渲染时所采用的三角化剖分模板中三角形总数为n；计算n1与n的比值а；在比值а大于预设比例θ时，确定上一帧图片在渲染时所采用的三角化剖分模板不满足预设准则；在比值а不大于预设比例θ时，确定上一帧图片在渲染时所采用的三角化剖分模板满足预设准则。
实现方式2、获取上一帧图片在渲染时所采用的三角化剖分模板的累计使用数据；在累计使用数据大于预设阈值时，确定上一帧图片在渲染时所采用的三角化剖分模板不满足预设准则；在累计使用数据不大于预设阈值时，确定上一帧图片在渲染时所采用的三角化剖分模板满足预设准则。
示例的，累计使用数据包括：存在时长，和/或，采用次数；相应的，存在时长对应的预设阈值可以为预设时长；采用次数对应的预设阈值可以为预设次数。以累计使用数据包括存在时长为例，获取上一帧图片在渲染时所采用的三角化剖分模板的存在时长；在存在时长大于预设时长时，确定上一帧图片在渲染时所采用的三角化剖分模板不满足预设准则；在存在时长不大于预设时长时，确定上一帧图片在渲染时所采用的三角化剖分模板满足预设准则。再以累计使用数据包括采用次数为例，获取上一帧图片在渲染时所采用的三角化剖分模板的采用次数，即该模板已渲染过的图片数目；在采用次数大于预设次数时，确定上一帧图片在渲染时所采用的三角化剖分模板不满足预设准则；在采用次数不大于预设次数时，确定上一帧图片在渲染时所采用的三角化剖分模板满足预设准则。
在步骤103中，根据当前图片的三角化剖分模板及各人脸特征点和包围点的偏移量，对当前图片进行渲染，得到渲染后的图片。
示例的，基于当前图片的三角化剖分模板，将当前图片中人脸划分成多个三角形，参见图2b示出的整个人脸由多个三角形组成。GPU实时渲染时，将三角形在着色程序(shader)中进行绘制，人脸特征点的纹理坐标为人脸特征点移动之后对应的坐标。需要说明的是，本公开实施例提供的图片处理方法可以用于对视频中各帧图片中的人脸进行实时美颜处理。对每一帧图片都执行步骤101-103的方法。
本公开的实施例提供的技术方案，通过综合考虑上一帧图片在渲染时所采用的三角化剖分模板、以及当前图片的人脸特征点和包围点，动态确定当前图片的三角化剖分模板，不需要对每帧图片都重新计算三角化剖分模板，克服相关技术中人脸局部区域在实时渲染时出现抖动的问题，也不需要对每帧图片都采用完全相同的三角化剖分模板，克服相关技术中存在的三角化错误及纹理丢失的问题，能够有效改善瘦脸效果，如此，能够提高用户体验。
图3是根据一示例性实施例示出的一种图片处理方法的流程图。如图3 所示，在图1所示实施例的基础上，本公开涉及的图片处理方法可以包括以下步骤301-306：
在步骤301中，使用人脸关键点定位算法对当前图片进行人脸特征点定位，确定当前图片的人脸特征点；为当前图片中人脸设置一个包围线，在包围线上选取包围点；包围线用以将各人脸特征点包围。
示例的，人脸关键点定位算法可以包括AAM、SDM或CNN，convolutional neuralnetworks等。
在步骤302中，确定当前图片的各人脸特征点和包围点的偏移量。
示例的，各包围点的偏移量为0；在美颜操作过程中，N个包围点和包围线并不移动。
在步骤303中，判断上一帧图片在渲染时所采用的三角化剖分模板是否满足预设准则；在上一帧图片在渲染时所采用的三角化剖分模板满足预设准则时，转到步骤304；在上一帧图片在渲染时所采用的三角化剖分模板不满足预设准则时，转到步骤305。
示例的，预设准则包括：空圆特性和/或最大化最小角特性。上述判断上一帧图片在渲染时所采用的三角化剖分模板是否满足预设准则的实现方式至少可以包括：事件触发机制、或定时更新机制；其中，事件触发机制具体包括：根据各人脸特征点和包围点，分别判断上一帧图片在渲染时所采用的三角化剖分模板中各三角形是否满足预设准则；计算上一帧图片在渲染时所采用的三角化剖分模板中不满足预设准则的三角形的数量与三角形总数的比值；在所得到的比值大于预设比例时，确定上一帧图片在渲染时所采用的三角化剖分模板不满足预设准则；在所得到的比值不大于预设比例时，确定上一帧图片在渲染时所采用的三角化剖分模板满足预设准则。定时更新机制具体包括：获取上一帧图片在渲染时所采用的三角化剖分模板的累计使用数据；在累计使用数据大于预设阈值时，确定上一帧图片在渲染时所采用的三角化剖分模板不满足预设准则；在累计使用数据不大于预设阈值时，确定上一帧图片在渲染时所采用的三角化剖分模板满足预设准则。
在步骤304中，将上一帧图片在渲染时所采用的三角化剖分模板确定为当前图片的三角化剖分模板；转到步骤306。
在步骤305中，根据各人脸特征点和包围点，对当前图片进行三角化剖分，得到当前图片的三角化剖分模板。
在步骤306中，根据当前图片的三角化剖分模板及各人脸特征点和包围点的偏移量，对当前图片进行渲染，得到渲染后的图片。
本公开的实施例提供的技术方案，通过判断上一帧图片在渲染时所采用的三角化剖分模板是否满足预设准则；在上一帧图片在渲染时所采用的三角化剖分模板满足预设准则时，将上一帧图片在渲染时所采用的三角化剖分模板确定为当前图片的三角化剖分模板，节省处理资源，提高处理速度；在上一帧图片在渲染时所采用的三角化剖分模板不满足预设准则时，根据各人脸特征点和包围点，对当前图片进行三角化剖分，得到当前图片的三角化剖分模板，能够有效防止抖动；从而实现动态更新三角化剖分模板，能够有效改善瘦脸效果，提高用户体验。
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。
图4是根据一示例性实施例示出的一种图片处理装置的框图；该装置可以采用各种方式来实施，例如在终端中实施装置的全部组件，或者，在终端侧以耦合的方式实施装置中的组件；该装置可以通过软件、硬件或者两者的结合实现上述本公开涉及的方法，如图4所示，该图片处理装置包括：第一确定模块401、第二确定模块402及渲染模块403，其中：
第一确定模块401被配置为确定当前图片的人脸特征点和包围点、及各人脸特征点和包围点的偏移量；其中，由各包围点构成的包围线，用以将各人脸特征点包围；
第二确定模块402被配置为根据各人脸特征点和包围点、及上一帧图片在渲染时所采用的三角化剖分模板，确定当前图片的三角化剖分模板；
渲染模块403被配置为根据当前图片的三角化剖分模板及各人脸特征点和包围点的偏移量，对当前图片进行渲染，得到渲染后的图片。
本公开实施例提供的装置能够用于执行图1所示实施例的技术方案，其执行方式和有益效果类似，此处不再赘述。
在一种可能的实施方式中，如图5所示，图4示出的图片处理装置还可以包括把第二确定模块402配置成包括：判断子模块501、确定子模块502和三角化剖分子模块503，其中：
判断子模块501被配置为判断上一帧图片在渲染时所采用的三角化剖分模板是否满足预设准则；
确定子模块502被配置为在上一帧图片在渲染时所采用的三角化剖分模板满足预设准则时，将上一帧图片在渲染时所采用的三角化剖分模板确定为当前图片的三角化剖分模板；
三角化剖分子模块503被配置为在上一帧图片在渲染时所采用的三角化剖分模板不满足预设准则时，根据各人脸特征点和包围点，对当前图片进行三角化剖分，得到当前图片的三角化剖分模板。
在一种可能的实施方式中，判断子模块501：根据各人脸特征点和包围点，分别判断上一帧图片在渲染时所采用的三角化剖分模板中各三角形是否满足预设准则；计算上一帧图片在渲染时所采用的三角化剖分模板中不满足预设准则的三角形的数量与三角形总数的比值；在所得到的比值大于预设比例时，确定上一帧图片在渲染时所采用的三角化剖分模板不满足预设准则；在所得到的比值不大于预设比例时，确定上一帧图片在渲染时所采用的三角化剖分模板满足预设准则。
在一种可能的实施方式中，判断子模块501：获取上一帧图片在渲染时所采用的三角化剖分模板的累计使用数据；在累计使用数据大于预设阈值时，确定上一帧图片在渲染时所采用的三角化剖分模板不满足预设准则；在累计使用数据不大于预设阈值时，确定上一帧图片在渲染时所采用的三角化剖分模板满足预设准则。
图6是根据一示例性实施例示出的一种图片处理装置600的框图，图片处理装置600可以采用各种方式来实施，例如在终端中实施装置的全部组件，或者在终端侧以耦合的方式实施装置中的组件；图片处理装置600包括：
处理器601；
用于存储处理器可执行指令的存储器602；
其中，处理器601被配置为：
确定当前图片的人脸特征点和包围点、及各人脸特征点和包围点的偏移量；其中，由各包围点构成的包围线，用以将各人脸特征点包围；
根据各人脸特征点和包围点、及上一帧图片在渲染时所采用的三角化剖分模板，确定当前图片的三角化剖分模板；
根据当前图片的三角化剖分模板及各人脸特征点和包围点的偏移量，对当前图片进行渲染，得到渲染后的图片。
在一个实施例中，上述处理器601还可被配置为：
判断上一帧图片在渲染时所采用的三角化剖分模板是否满足预设准则；
在上一帧图片在渲染时所采用的三角化剖分模板满足预设准则时，将上一帧图片在渲染时所采用的三角化剖分模板确定为当前图片的三角化剖分模板；
在上一帧图片在渲染时所采用的三角化剖分模板不满足预设准则时，根据各人脸特征点和包围点，对当前图片进行三角化剖分，得到当前图片的三角化剖分模板。
在一个实施例中，上述处理器601还可被配置为：
根据各人脸特征点和包围点，分别判断上一帧图片在渲染时所采用的三角化剖分模板中各三角形是否满足预设准则；
计算上一帧图片在渲染时所采用的三角化剖分模板中不满足预设准则的三角形的数量与三角形总数的比值；
在所得到的比值大于预设比例时，确定上一帧图片在渲染时所采用的三角化剖分模板不满足预设准则；
在所得到的比值不大于预设比例时，确定上一帧图片在渲染时所采用的三角化剖分模板满足预设准则。
在一个实施例中，上述处理器601还可被配置为：
获取上一帧图片在渲染时所采用的三角化剖分模板的累计使用数据；
在累计使用数据大于预设阈值时，确定上一帧图片在渲染时所采用的三角化剖分模板不满足预设准则；
在累计使用数据不大于预设阈值时，确定上一帧图片在渲染时所采用的三角化剖分模板满足预设准则。
示例的，累计使用数据包括：存在时长，和/或，采用次数。
示例的，预设准则包括：空圆特性，和/或，最大化最小角特性。
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图片处理装置的框图；图片处理装置700适用于终端；图片处理装置700可以包括以下一个或多个组件：处理组件702，存储器704，电源组件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通常控制图片处理装置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图片处理装置700的操作。这些数据的示例包括用于在图片处理装置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。
电源组件706为图片处理装置700的各种组件提供电力。电源组件706 可以包括电源管理系统，一个或多个电源，及其他与为图片处理装置700生成、管理和分配电力相关联的组件。
多媒体组件708包括在图片处理装置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。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708包括一个前置摄像头和/或后置摄像头。当图片处理装置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)，当图片处理装置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，用于为图片处理装置700提供各个方面的状态评估。例如，传感器组件714可以检测到图片处理装置700 的打开/关闭状态，组件的相对定位，例如组件为图片处理装置700的显示器和小键盘，传感器组件714还可以检测图片处理装置700或图片处理装置700 一个组件的位置改变，用户与图片处理装置700接触的存在或不存在，图片处理装置700方位或加速/减速和图片处理装置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被配置为便于图片处理装置700和其他设备之间有线或无线方式的通信。图片处理装置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，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，图片处理装置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组件实现，用于执行上述方法。
在示例性实施例中，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，上述指令可由图片处理装置700的处理器 720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。
图8是根据一示例性实施例示出的一种图片处理装置的框图。例如，图片处理装置800可以被提供为一服务器。图片处理装置800包括处理组件 802，其进一步包括一个或多个处理器，以及由存储器803所代表的存储器资源，用于存储可由处理组件802的执行的指令，例如应用程序。存储器803 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802被配置为执行指令，以执行上述方法。
图片处理装置800还可以包括一个电源组件806被配置为执行图片处理装置800的电源管理，一个有线或无线网络接口805被配置为将图片处理装置800连接到网络，和一个输入输出(I/O)接口808。图片处理装置800可以操作基于存储在存储器803的操作系统，例如Windows ServerTM，Mac OS XTM，UnixTM，LinuxTM，FreeBSDTM或类似。
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图片处理装置700或图片处理装置800的处理器执行时，使得图片处理装置700或图片处理装置800能够执行如下图片处理方法，方法包括：
确定当前图片的人脸特征点和包围点、及各人脸特征点和包围点的偏移量；其中，由各包围点构成的包围线，用以将各人脸特征点包围；
根据各人脸特征点和包围点、及上一帧图片在渲染时所采用的三角化剖分模板，确定当前图片的三角化剖分模板；
根据当前图片的三角化剖分模板及各人脸特征点和包围点的偏移量，对当前图片进行渲染，得到渲染后的图片。
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 (9)
1.一种图片处理方法，其特征在于，包括：
确定当前图片的人脸特征点和包围点、及各所述人脸特征点和包围点的偏移量；其中，由各所述包围点构成的包围线，用以将各所述人脸特征点包围；
根据各所述人脸特征点和包围点、及上一帧图片在渲染时所采用的三角化剖分模板，确定所述当前图片的三角化剖分模板；
根据所述当前图片的三角化剖分模板及各所述人脸特征点和包围点的偏移量，对所述当前图片进行渲染，得到渲染后的图片；
所述根据各所述人脸特征点和包围点、及上一帧图片在渲染时所采用的三角化剖分模板，确定所述当前图片的三角化剖分模板，包括：
判断上一帧图片在渲染时所采用的三角化剖分模板是否满足预设准则；
在所述上一帧图片在渲染时所采用的三角化剖分模板满足所述预设准则时，将所述上一帧图片在渲染时所采用的三角化剖分模板确定为所述当前图片的三角化剖分模板；
在所述上一帧图片在渲染时所采用的三角化剖分模板不满足所述预设准则时，根据各所述人脸特征点和包围点，对所述当前图片进行三角化剖分，得到所述当前图片的三角化剖分模板。
2.根据权利要求1所述的方法，其特征在于，所述判断上一帧图片在渲染时所采用的三角化剖分模板是否满足预设准则，包括：
根据各所述人脸特征点和包围点，分别判断所述上一帧图片在渲染时所采用的三角化剖分模板中各三角形是否满足空圆特性和/或最大化最小角特性；
计算所述上一帧图片在渲染时所采用的三角化剖分模板中不满足所述空圆特性和/或最大化最小角特性的三角形的数量与三角形总数的比值；
在所得到的比值大于预设比例时，确定所述上一帧图片在渲染时所采用的三角化剖分模板不满足所述预设准则；
在所得到的比值不大于预设比例时，确定所述上一帧图片在渲染时所采用的三角化剖分模板满足所述预设准则。
3.根据权利要求1所述的方法，其特征在于，所述判断上一帧图片在渲染时所采用的三角化剖分模板是否满足预设准则，包括：
获取所述上一帧图片在渲染时所采用的三角化剖分模板的累计使用数据；
在所述累计使用数据大于预设阈值时，确定所述上一帧图片在渲染时所采用的三角化剖分模板不满足预设准则；
在所述累计使用数据不大于所述预设阈值时，确定所述上一帧图片在渲染时所采用的三角化剖分模板满足所述预设准则。
4.根据权利要求3所述的方法，其特征在于，所述累计使用数据包括：存在时长，和/或，采用次数。
5.一种图片处理装置，其特征在于，包括：
第一确定模块，用于确定当前图片的人脸特征点和包围点、及各所述人脸特征点和包围点的偏移量；其中，由各所述包围点构成的包围线，用以将各所述人脸特征点包围；
第二确定模块，用于根据各所述人脸特征点和包围点、及上一帧图片在渲染时所采用的三角化剖分模板，确定所述当前图片的三角化剖分模板；
渲染模块，用于根据所述当前图片的三角化剖分模板及各所述人脸特征点和包围点的偏移量，对所述当前图片进行渲染，得到渲染后的图片；
所述第二确定模块，包括：
判断子模块，用于判断上一帧图片在渲染时所采用的三角化剖分模板是否满足预设准则；
确定子模块，用于在所述上一帧图片在渲染时所采用的三角化剖分模板满足所述预设准则时，将所述上一帧图片在渲染时所采用的三角化剖分模板确定为所述当前图片的三角化剖分模板；
三角化剖分子模块，用于在所述上一帧图片在渲染时所采用的三角化剖分模板不满足所述预设准则时，根据各所述人脸特征点和包围点，对所述当前图片进行三角化剖分，得到所述当前图片的三角化剖分模板。
6.根据权利要求5所述的装置，其特征在于，所述判断子模块：根据各所述人脸特征点和包围点，分别判断所述上一帧图片在渲染时所采用的三角化剖分模板中各三角形是否满足空圆特性和/或最大化最小角特性；计算所述上一帧图片在渲染时所采用的三角化剖分模板中不满足所述空圆特性和/或最大化最小角特性的三角形的数量与三角形总数的比值；在所得到的比值大于预设比例时，确定所述上一帧图片在渲染时所采用的三角化剖分模板不满足所述预设准则；在所得到的比值不大于预设比例时，确定所述上一帧图片在渲染时所采用的三角化剖分模板满足所述预设准则。
7.根据权利要求5所述的装置，其特征在于，所述判断子模块：获取所述上一帧图片在渲染时所采用的三角化剖分模板的累计使用数据；在所述累计使用数据大于预设阈值时，确定所述上一帧图片在渲染时所采用的三角化剖分模板不满足预设准则；在所述累计使用数据不大于所述预设阈值时，确定所述上一帧图片在渲染时所采用的三角化剖分模板满足所述预设准则。
8.一种图片处理装置，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：
确定当前图片的人脸特征点和包围点、及各所述人脸特征点和包围点的偏移量；其中，由各所述包围点构成的包围线，用以将各所述人脸特征点包围；
根据各所述人脸特征点和包围点、及上一帧图片在渲染时所采用的三角化剖分模板，确定所述当前图片的三角化剖分模板；
根据所述当前图片的三角化剖分模板及各所述人脸特征点和包围点的偏移量，对所述当前图片进行渲染，得到渲染后的图片；
所述处理器还被配置为：
判断上一帧图片在渲染时所采用的三角化剖分模板是否满足预设准则；
在所述上一帧图片在渲染时所采用的三角化剖分模板满足所述预设准则时，将所述上一帧图片在渲染时所采用的三角化剖分模板确定为所述当前图片的三角化剖分模板；
在所述上一帧图片在渲染时所采用的三角化剖分模板不满足所述预设准则时，根据各所述人脸特征点和包围点，对所述当前图片进行三角化剖分，得到所述当前图片的三角化剖分模板。
9.一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权利要求1-4中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710780883.6A CN107657590B (zh) | 2017-09-01 | 2017-09-01 | 图片处理方法、装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710780883.6A CN107657590B (zh) | 2017-09-01 | 2017-09-01 | 图片处理方法、装置及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107657590A CN107657590A (zh) | 2018-02-02 |
| CN107657590B true CN107657590B (zh) | 2021-01-15 |
Family
ID=61129188
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710780883.6A Active CN107657590B (zh) | 2017-09-01 | 2017-09-01 | 图片处理方法、装置及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107657590B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109584168B (zh) * | 2018-10-25 | 2021-05-04 | 北京市商汤科技开发有限公司 | 图像处理方法和装置、电子设备和计算机存储介质 |
| CN109472753B (zh) * | 2018-10-30 | 2021-09-07 | 北京市商汤科技开发有限公司 | 一种图像处理方法、装置、计算机设备和计算机存储介质 |
| CN109359618B (zh) * | 2018-10-30 | 2022-02-22 | 北京市商汤科技开发有限公司 | 一种图像处理方法及其装置、设备和存储介质 |
| CN110049351B (zh) * | 2019-05-23 | 2022-01-25 | 北京百度网讯科技有限公司 | 视频流中人脸变形的方法和装置、电子设备、计算机可读介质 |
| CN110428390B (zh) | 2019-07-18 | 2022-08-26 | 北京达佳互联信息技术有限公司 | 一种素材展示方法、装置、电子设备和存储介质 |
| CN112767288B (zh) * | 2021-03-19 | 2023-05-12 | 北京市商汤科技开发有限公司 | 图像处理方法及装置、电子设备和存储介质 |
| CN117409111A (zh) * | 2022-07-06 | 2024-01-16 | 北京字跳网络技术有限公司 | 一种动画渲染方法、装置、设备及存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102486868A (zh) * | 2010-12-06 | 2012-06-06 | 华南理工大学 | 一种基于平均脸的美丽人脸合成方法 |
| CN103049894A (zh) * | 2012-09-14 | 2013-04-17 | 深圳市万兴软件有限公司 | 一种图像处理的方法及其装置 |
| CN105046661A (zh) * | 2015-07-02 | 2015-11-11 | 广东欧珀移动通信有限公司 | 一种提升视频美颜效率的方法、装置及智能终端 |
| CN105894446A (zh) * | 2016-05-09 | 2016-08-24 | 西安北升信息科技有限公司 | 一种视频中的自动脸部轮廓修饰方法 |
| CN106296572A (zh) * | 2016-08-01 | 2017-01-04 | 南京信息工程大学 | 一种基于部件的人脸编辑与美化方法 |
| CN106384372A (zh) * | 2016-08-31 | 2017-02-08 | 重庆大学 | 视图合成方法和装置 |
| CN106599817A (zh) * | 2016-12-07 | 2017-04-26 | 腾讯科技（深圳）有限公司 | 一种人脸替换方法及装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9646195B1 (en) * | 2015-11-11 | 2017-05-09 | Adobe Systems Incorporated | Facial feature liquifying using face mesh |
-
2017
- 2017-09-01 CN CN201710780883.6A patent/CN107657590B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102486868A (zh) * | 2010-12-06 | 2012-06-06 | 华南理工大学 | 一种基于平均脸的美丽人脸合成方法 |
| CN103049894A (zh) * | 2012-09-14 | 2013-04-17 | 深圳市万兴软件有限公司 | 一种图像处理的方法及其装置 |
| CN105046661A (zh) * | 2015-07-02 | 2015-11-11 | 广东欧珀移动通信有限公司 | 一种提升视频美颜效率的方法、装置及智能终端 |
| CN105894446A (zh) * | 2016-05-09 | 2016-08-24 | 西安北升信息科技有限公司 | 一种视频中的自动脸部轮廓修饰方法 |
| CN106296572A (zh) * | 2016-08-01 | 2017-01-04 | 南京信息工程大学 | 一种基于部件的人脸编辑与美化方法 |
| CN106384372A (zh) * | 2016-08-31 | 2017-02-08 | 重庆大学 | 视图合成方法和装置 |
| CN106599817A (zh) * | 2016-12-07 | 2017-04-26 | 腾讯科技（深圳）有限公司 | 一种人脸替换方法及装置 |
Non-Patent Citations (3)
| Title |
|---|
| A New Hypothesis on Facial Beauty Perception;David Zhang 等;《Computer Models for Facial Beauty Analysis》;20160420;第143-163页 * |
| 基于分块的大规模地形实时渲染方法;施松新 等;《浙江大学学报( 工学版)》;20071231;全文 * |
| 虚拟现实应用中的并行渲染技术;汪伟 等;《计算机工程》;20090215;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107657590A (zh) | 2018-02-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107657590B (zh) | 图片处理方法、装置及存储介质 | |
| CN107680033B (zh) | 图片处理方法及装置 | |
| US10032076B2 (en) | Method and device for displaying image | |
| CN107330868B (zh) | 图片处理方法及装置 | |
| CN107977934B (zh) | 图像处理方法及装置 | |
| CN107818543B (zh) | 图像处理方法及装置 | |
| EP2927787B1 (en) | Method and device for displaying picture | |
| CN107341777B (zh) | 图片处理方法及装置 | |
| US9959484B2 (en) | Method and apparatus for generating image filter | |
| CN107464253B (zh) | 眉毛定位方法及装置 | |
| CN107958439B (zh) | 图像处理方法及装置 | |
| CN109087238B (zh) | 图像处理方法和装置、电子设备以及计算机可读存储介质 | |
| US10248855B2 (en) | Method and apparatus for identifying gesture | |
| JP2016531361A (ja) | 画像分割方法、画像分割装置、画像分割デバイス、プログラム及び記録媒体 | |
| CN107403144B (zh) | 嘴巴定位方法及装置 | |
| CN107967459B (zh) | 卷积处理方法、装置及存储介质 | |
| CN109325908B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
| CN111078170B (zh) | 显示控制方法、显示控制装置及计算机可读存储介质 | |
| US9665925B2 (en) | Method and terminal device for retargeting images | |
| CN107730443B (zh) | 图像处理方法、装置及用户设备 | |
| CN110533006B (zh) | 一种目标跟踪方法、装置及介质 | |
| CN110515623B (zh) | 图形操作实现方法、装置、电子设备及存储介质 | |
| CN110502993B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
| CN109255839B (zh) | 场景调整方法及装置 | |
| CN113642551A (zh) | 指甲关键点检测方法、装置、电子设备及存储介质 |
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 |