CN107958439B - 图像处理方法及装置 - Google Patents
图像处理方法及装置 Download PDFInfo
- Publication number
- CN107958439B CN107958439B CN201711100281.8A CN201711100281A CN107958439B CN 107958439 B CN107958439 B CN 107958439B CN 201711100281 A CN201711100281 A CN 201711100281A CN 107958439 B CN107958439 B CN 107958439B
- Authority
- CN
- China
- Prior art keywords
- face
- target
- initial
- offset
- determining
- 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 15
- 238000000034 method Methods 0.000 claims abstract description 20
- 238000009877 rendering Methods 0.000 claims abstract description 18
- 238000012937 correction Methods 0.000 claims description 86
- 238000012545 processing Methods 0.000 claims description 64
- 230000000694 effects Effects 0.000 abstract description 8
- 210000000056 organ Anatomy 0.000 abstract description 5
- 238000011161 development Methods 0.000 abstract 1
- 230000018109 developmental process Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 7
- 230000001815 facial effect Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000003796 beauty Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013500 data storage Methods 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
- 230000004807 localization Effects 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
- 230000009467 reduction Effects 0.000 description 1
- 210000000697 sensory organ Anatomy 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000002087 whitening effect Effects 0.000 description 1
Images
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本公开是关于图像处理方法及装置。该方法包括:识别图片中人脸的姿态,得到人脸姿态信息;根据人脸姿态信息,确定目标人脸特征点及目标人脸特征点的目标偏移量;根据目标人脸特征点及目标人脸特征点的目标偏移量,对图片进行渲染,得到美颜后图片。本公开能够在人脸处于侧脸状态时,动态减小人脸被遮挡区域的特征点的数目和偏移量,避免由于特征点过多及瘦脸幅度过大而导致变形不自然,人脸器官轮廓不光滑的问题,保证美颜效果,提高用户体验。
Description
技术领域
本公开涉及终端技术领域,尤其涉及图像处理方法及装置。
背景技术
通常,终端支持对图片或视频中人脸进行美颜的功能;美颜功能具备颠覆传统拍照效果、瞬间自动美颜的功能,例如可以实现瘦脸、大眼、美白、五官立体等效果。
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像处理方法及装置。所述技术方案如下:
根据本公开实施例的第一方面,提供一种图像处理方法,包括:
识别图片中人脸的姿态,得到人脸姿态信息;
根据所述人脸姿态信息,确定目标人脸特征点及所述目标人脸特征点的目标偏移量;
根据所述目标人脸特征点及所述目标人脸特征点的目标偏移量,对所述图片进行渲染,得到美颜后图片。
在一个实施例中,所述人脸姿态信息,包括以下至少一种信息:所述图片中人脸的偏转角度、所述图片中人脸的偏转方向。
在一个实施例中,根据所述人脸姿态信息,确定目标人脸特征点及所述目标人脸特征点的目标偏移量,包括:
确定与所述人脸姿态信息匹配的预设姿态区间;
获取与所述预设姿态区间对应的特征点数量修正比例;
对所述图片进行人脸特征点定位,确定初始人脸特征点及所述初始人脸特征点的数量;
根据所述初始人脸特征点的数量及所述目标姿态区间对应的特征点数量修正比例,确定初始人脸特征点的修正数量;
根据所述初始人脸特征点的修正数量,从所述初始人脸特征点中选出目标人脸特征点;
确定所述目标人脸特征点的目标偏移量。
在一个实施例中,所述人脸姿态信息包括所述图片中人脸的偏转方向;
根据所述初始人脸特征点的数量及所述目标姿态区间对应的特征点数量修正比例,确定初始人脸特征点的修正数量,包括:
根据所述预设姿态区间对应的特征点数量修正比例,对第一人脸特征点的初始数量进行修正,得到所述第一人脸特征点的修正数量;其中,所述第一人脸特征点包括所述初始人脸特征点中位于所述图片中人脸的偏转方向同一侧的人脸特征点,所述第二人脸特征点包括所述初始人脸特征点中除所述第一人脸特征点之外的人脸特征点;
将所述第二人脸特征点的初始数量,确定为所述第二人脸特征点的修正数量。
在一个实施例中,根据所述人脸姿态信息,确定目标人脸特征点及所述目标人脸特征点的目标偏移量,包括:
确定与所述人脸姿态信息匹配的预设姿态区间;
获取与所述预设姿态区间对应的偏移量修正比例;
对所述图片进行人脸特征点定位,确定目标人脸特征点;
确定所述目标人脸特征点的初始偏移量;
根据所述目标人脸特征点的初始偏移量及所述预设姿态区间对应的偏移量修正比例,确定所述目标人脸特征点的目标偏移量。
在一个实施例中,所述人脸姿态信息包括所述图片中人脸的偏转方向;
根据所述目标人脸特征点的初始偏移量及所述预设姿态区间对应的偏移量修正比例,确定所述目标人脸特征点的目标偏移量,包括:
根据所述预设姿态区间对应的偏移量修正比例,对第三人脸特征点的初始偏移量进行修正,得到所述第三人脸特征点的目标偏移量;其中,所述第三人脸特征点包括所述目标人脸特征点中位于所述图片中人脸的偏转方向同一侧的人脸特征点,所述第四人脸特征点包括所述目标人脸特征点中除所述第三人脸特征点之外的人脸特征点;
将所述第四人脸特征点的初始偏移量,确定为所述第四人脸特征点的目标偏移量。
根据本公开实施例的第二方面,提供一种图像处理装置,包括:
识别模块,用于识别图片中人脸的姿态,得到人脸姿态信息;
确定模块,用于根据所述人脸姿态信息,确定目标人脸特征点及所述目标人脸特征点的目标偏移量;
渲染模块,用于根据所述目标人脸特征点及所述目标人脸特征点的目标偏移量,对所述图片进行渲染,得到美颜后图片。
在一个实施例中,确定模块,包括:
第一确定子模块,用于确定与所述人脸姿态信息匹配的预设姿态区间;
第一获取子模块,用于获取与所述预设姿态区间对应的特征点数量修正比例;
第二确定子模块,用于对所述图片进行人脸特征点定位,确定初始人脸特征点及所述初始人脸特征点的数量;
第三确定子模块,用于根据所述初始人脸特征点的数量及所述目标姿态区间对应的特征点数量修正比例,确定初始人脸特征点的修正数量;
选择子模块,用于根据所述初始人脸特征点的修正数量,从所述初始人脸特征点中选出目标人脸特征点;
第四确定子模块,用于确定所述目标人脸特征点的目标偏移量。
在一个实施例中,所述人脸姿态信息包括所述图片中人脸的偏转方向;第三确定子模块,根据所述预设姿态区间对应的特征点数量修正比例,对第一人脸特征点的初始数量进行修正,得到所述第一人脸特征点的修正数量,及将所述第二人脸特征点的初始数量,确定为所述第二人脸特征点的修正数量;其中,所述第一人脸特征点包括所述初始人脸特征点中位于所述图片中人脸的偏转方向同一侧的人脸特征点,所述第二人脸特征点包括所述初始人脸特征点中除所述第一人脸特征点之外的人脸特征点。
在一个实施例中,确定模块,包括:
第五确定子模块,用于确定与所述人脸姿态信息匹配的预设姿态区间;
第二获取子模块,用于获取与所述预设姿态区间对应的偏移量修正比例;
第六确定子模块,用于对所述图片进行人脸特征点定位,确定目标人脸特征点;
初始偏移量确定子模块,用于确定所述目标人脸特征点的初始偏移量;
第七确定子模块,用于根据所述目标人脸特征点的初始偏移量及所述预设姿态区间对应的偏移量修正比例,确定所述目标人脸特征点的目标偏移量。
在一个实施例中,所述人脸姿态信息包括所述图片中人脸的偏转方向;第七确定子模块,根据所述预设姿态区间对应的偏移量修正比例,对第三人脸特征点的初始偏移量进行修正,得到所述第三人脸特征点的目标偏移量,及将所述第四人脸特征点的初始偏移量,确定为所述第四人脸特征点的目标偏移量;其中,所述第三人脸特征点包括所述目标人脸特征点中位于所述图片中人脸的偏转方向同一侧的人脸特征点,所述第四人脸特征点包括所述目标人脸特征点中除所述第三人脸特征点之外的人脸特征点。
根据本公开实施例的第三方面,提供一种图像处理装置,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:
识别图片中人脸的姿态,得到人脸姿态信息;
根据所述人脸姿态信息,确定目标人脸特征点及所述目标人脸特征点的目标偏移量;
根据所述目标人脸特征点及所述目标人脸特征点的目标偏移量,对所述图片进行渲染,得到美颜后图片。
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:该技术方案通过对图片中人脸的姿态进行分析,根据人脸姿态信息,动态的确定目标人脸特征点的数目及目标偏移量,这就能够在人脸处于侧脸状态时,动态减小人脸被遮挡区域的特征点的数目和偏移量,避免由于特征点过多及瘦脸幅度过大而导致变形不自然,人脸器官轮廓不光滑的问题,保证美颜效果,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像处理方法的流程图。
图2是根据一示例性实施例示出的图像处理方法的流程图。
图3是根据一示例性实施例示出的图像处理装置的框图。
图4是根据一示例性实施例示出的图像处理装置的框图。
图5是根据一示例性实施例示出的图像处理装置的框图。
图6是根据一示例性实施例示出的图像处理装置的框图。
图7是根据一示例性实施例示出的图像处理装置的框图。
图8是根据一示例性实施例示出的图像处理装置的框图。
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,终端例如智能手机,支持对图片或视频中人脸进行美颜处理;在对图片进行美颜处理的过程中,根据特征点定位对图片中人脸区域进行变形;然而,当侧脸时,人脸被遮挡区域的面积相应的就会减少,也会出现纹理等细节信息丢失的情况,在这种情况下,如果特征点过多、瘦脸幅度过大,就会导致变形不自然,人脸器官轮廓不光滑,影响美颜效果,降低用户体验。
为了解决上述问题,本公开实施例提供了一种图像处理方法,方法包括:识别图片中人脸的姿态,得到人脸姿态信息;根据人脸姿态信息,确定目标人脸特征点及目标人脸特征点的目标偏移量;根据目标人脸特征点及目标人脸特征点的目标偏移量,对图片进行渲染,得到美颜后图片。
本公开实施例提供的图像处理方法,通过对图片中人脸的姿态进行分析,根据人脸姿态信息,动态的确定目标人脸特征点的数目及目标偏移量,这就能够在人脸处于侧脸状态时,动态减小人脸被遮挡区域的特征点的数目和偏移量,避免由于特征点过多及瘦脸幅度过大而导致变形不自然,人脸器官轮廓不光滑的问题,保证美颜效果,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像处理方法的流程图,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,识别图片中人脸的姿态,得到人脸姿态信息。
示例的,人脸姿态信息,包括以下至少一种信息:图片中人脸的偏转角度、图片中人脸的偏转方向;例如,人脸左转,人脸偏转30度,人脸右转60度等。
示例的,可以预先训练一个姿态分类器,用以判断侧脸的方向和偏转角度;当需要进行瘦脸、大眼等美颜操作时,首先通过姿态分类器判断人脸当前的侧脸方向和偏转角度。
在步骤102中,根据人脸姿态信息,确定目标人脸特征点及目标人脸特征点的目标偏移量。
示例的,根据人脸姿态信息,确定目标人脸特征点及目标人脸特征点的目标偏移量的实现方式至少可以包括以下任意一种方式或组合:
方式1、确定与人脸姿态信息匹配的预设姿态区间;获取与预设姿态区间对应的特征点数量修正比例;对图片进行人脸特征点定位,确定初始人脸特征点及初始人脸特征点的数量;根据初始人脸特征点的数量及目标姿态区间对应的特征点数量修正比例,确定初始人脸特征点的修正数量,例如,计算初始人脸特征点的数量与目标姿态区间对应的特征点数量修正比例的乘积,将所得乘积确定为初始人脸特征点的修正数量;根据初始人脸特征点的修正数量,从初始人脸特征点中选出目标人脸特征点;确定目标人脸特征点的目标偏移量。
示例的,预设姿态区间是对人脸姿态信息进行分类的区间,预设姿态区间可以有一个、两个或两个以上。以人脸姿态信息包括图片中人脸的偏转角度为例,例如可以设定3个预设姿态区间,即:区间A,人脸的偏转角度小于等于30度;区间B,人脸的偏转角度大于30度、小于60度;区间C,人脸的偏转角度大于等于60度。以人脸姿态信息同时包括图片中人脸的偏转角度和图片中人脸的偏转方向为例,例如可以设定6个预设姿态区间,即:区间1,人脸左转角度小于等于30度;区间2,人脸左转角度大于30度、小于60度;区间3,人脸左转角度大于等于60度;区间4,人脸右转角度小于等于30度;区间5,人脸右转角度大于30度、小于60度;区间6,人脸右转角度大于等于60度。预设姿态区间可以采用默认值,也可以由用户设定。可以预先为不同的预设姿态区间设定各自对应的特征点数量修正比例。
示例的,对图片进行人脸特征点定位,确定初始人脸特征点及初始人脸特征点的数量。例如,使用人脸关键点定位算法对图片进行人脸特征点定位,定位出图片中初始人脸特征点;人脸关键点定位算法例如可以包括:主动外观模型(AAM,active appearancemodels)、有监督的梯度下降方法(SDM,supervised descent method)、或卷积神经网络(CNN,convolutional neural networks)等。
示例的,根据初始人脸特征点的数量及目标姿态区间对应的特征点数量修正比例,确定初始人脸特征点的修正数量的实现步骤可以包括:根据图片中人脸的偏转方向,对初始人脸特征点进行分类,将初始人脸特征点分为:第一人脸特征点和第二人脸特征点,其中,第一人脸特征点包括初始人脸特征点中位于图片中人脸的偏转方向同一侧的人脸特征点,第二人脸特征点包括初始人脸特征点中除第一人脸特征点之外的人脸特征点;根据预设姿态区间对应的特征点数量修正比例,对第一人脸特征点的初始数量进行修正,得到第一人脸特征点的修正数量,例如,计算预设姿态区间对应的特征点数量修正比例与第一人脸特征点的初始数量的乘积,将所得乘积确定为第一人脸特征点的修正数量;及将第二人脸特征点的初始数量,确定为第二人脸特征点的修正数量。
方式2、确定与人脸姿态信息匹配的预设姿态区间;获取与预设姿态区间对应的偏移量修正比例;对图片进行人脸特征点定位,确定目标人脸特征点;确定目标人脸特征点的初始偏移量;根据目标人脸特征点的初始偏移量及预设姿态区间对应的偏移量修正比例,确定目标人脸特征点的目标偏移量,例如,计算目标人脸特征点的初始偏移量与预设姿态区间对应的偏移量修正比例的乘积,将所得乘积确定为目标人脸特征点的目标偏移量。
示例的,可以预先为不同的预设姿态区间设定各自对应的偏移量修正比例。
示例的,根据目标人脸特征点的初始偏移量及预设姿态区间对应的偏移量修正比例,确定目标人脸特征点的目标偏移量的实现步骤可以包括:根据图片中人脸的偏转方向,对目标人脸特征点进行分类,将目标人脸特征点分为:第三人脸特征点和第四人脸特征点,其中,第三人脸特征点包括目标人脸特征点中位于图片中人脸的偏转方向同一侧的人脸特征点,第四人脸特征点包括目标人脸特征点中除第三人脸特征点之外的人脸特征点;根据预设姿态区间对应的偏移量修正比例,对第三人脸特征点的初始偏移量进行修正,得到第三人脸特征点的目标偏移量,例如,计算预设姿态区间对应的偏移量修正比例与第三人脸特征点的初始偏移量的乘积,将所得乘积确定为第三人脸特征点的目标偏移量;将第四人脸特征点的初始偏移量,确定为第四人脸特征点的目标偏移量。
示例的,通过基于人脸姿态,动态的确定人脸的特征点数量;当正脸时,特征点数量等于通过人脸特征点定位计算得到的特征点数量;当侧脸时,处于人脸的偏转方向同一侧的特征点数量和偏转角度相关联,随着偏转角度变大,特征点数量逐渐减少。假设设定3个预设姿态区间,即:区间A,人脸的偏转角度小于等于30度;区间B,人脸的偏转角度大于30度、小于60度;区间C,人脸的偏转角度大于等于60度;其中,区间A对应的特征点数量修正比例为100%,区间B对应的特征点数量修正比例为2/3,区间A对应的特征点数量修正比例为50%;区间A对应的偏移量修正比例为100%,区间B对应的偏移量修正比例为70%,区间A对应的偏移量修正比例为50%。假设,通过对图片进行人脸特征点定位,确定出初始人脸特征点的数量为13个特征点,分别为左脸6个,右脸6个、及人脸中间1个。
当图片中人脸的偏转角度落入区间A中时,特征点数量为13*100%=13个,各个特征点的偏移量修正比例为100%,即按照初始人脸特征点的数量和偏移量对图片进行渲染。
当图片中人脸的偏转角度落入区间B中时,假设人脸的偏转方向为向左偏转,则左脸的特征点数量为6*2/3=4个,左脸的各个特征点的偏移量修正比例为70%,右脸的特征点数量为6*100%=6个,右脸的各个特征点的偏移量修正比例为100%,此时,目标人脸特征点的数量为4+6+1=11个。
当图片中人脸的偏转角度落入区间C中时,假设人脸的偏转方向为向左偏转,则左脸的特征点数量为6*50%=3个,左脸的各个特征点的偏移量修正比例为50%,右脸的特征点数量为6*100%=6个,右脸的各个特征点的偏移量修正比例为100%,此时,目标人脸特征点的数量为3+6+1=10个。需要说明的是,以上特征点数量及偏移量等参数的取值只是举例。
考虑到人脸侧面的时候,人脸被遮挡的那部分轮廓面积减少,细节丢失,因此在瘦脸等美颜操作时可以减少特征点的数量和偏移量,以免由于变形幅度过大而导致变形不自然为问题,保证美颜效果。
在步骤103中,根据目标人脸特征点及目标人脸特征点的目标偏移量,对图片进行渲染,得到美颜后图片。
示例的,美颜包括瘦脸、大眼等操作。
示例的,首先确定包围点,由包围点构成的包围线,用以将目标人脸特征点包围;包围线本身不能超出图片的边界,针对图片中人脸进行美颜处理时,对人脸的变形范围只限于在包围线内进行,在美颜处理过程中,包围线保持不动,即包围线上任意一点的偏移量为0。根据目标人脸特征点及目标人脸特征点的目标偏移量,对图片进行渲染的实现方式至少可以包括以下任意一种方式:
方式a、基于中央处理器(CPU)渲染,步骤包括:1)根据目标人脸特征点及包围点,对图片进行三角化剖分,得到剖分三角形;2)根据目标人脸特征点的目标偏移量,对剖分三角形进行偏移,得到偏移后的剖分三角形;3)确定偏移后的剖分三角形上各个像素点的偏移量,例如,采用仿射变换来计算偏移后的剖分三角形上各个像素点相对于原图的偏移量;4)根据偏移后的剖分三角形上各个像素点的偏移量,确定偏移后的剖分三角形上各个像素点的像素值,例如,根据偏移后的剖分三角形上各个像素点的偏移量,采用双线性插值算法确定偏移后的剖分三角形上各个像素点的像素值;5)根据偏移后的剖分三角形上各个像素点的偏移量和像素值,确定美颜后图片。
方式b、基于图形处理器(GPU)实时渲染,步骤包括:根据目标人脸特征点及包围点,对图片进行三角化剖分,得到剖分三角形;根据剖分三角形及目标人脸特征点的目标偏移量,对图片进行GPU渲染,得到美颜后图片。
本公开的实施例提供的技术方案,通过对图片中人脸的姿态进行分析,根据人脸姿态信息,动态的确定目标人脸特征点的数目及目标偏移量,这就能够在人脸处于侧脸状态时,动态减小人脸被遮挡区域的特征点的数目和偏移量,避免由于特征点过多及瘦脸幅度过大而导致变形不自然,人脸器官轮廓不光滑的问题,保证美颜效果,如此,提高用户体验。
图2是根据一示例性实施例示出的一种图像处理方法的流程图。如图2所示,在图1所示实施例的基础上,本公开涉及的图像处理方法可以包括以下步骤201-208:
在步骤201中,识别图片中人脸的姿态,得到人脸姿态信息。
示例的,人脸姿态信息,包括以下至少一种信息:图片中人脸的偏转角度、图片中人脸的偏转方向。
在步骤202中,确定与人脸姿态信息匹配的预设姿态区间;获取与预设姿态区间对应的特征点数量修正比例及偏移量修正比例。
在步骤203中,对图片进行人脸特征点定位,确定初始人脸特征点及初始人脸特征点的数量。
在步骤204中,根据初始人脸特征点的数量及目标姿态区间对应的特征点数量修正比例,确定初始人脸特征点的修正数量。
示例的,根据预设姿态区间对应的特征点数量修正比例,对第一人脸特征点的初始数量进行修正,得到第一人脸特征点的修正数量;其中,第一人脸特征点包括初始人脸特征点中位于图片中人脸的偏转方向同一侧的人脸特征点,第二人脸特征点包括初始人脸特征点中除第一人脸特征点之外的人脸特征点;将第二人脸特征点的初始数量,确定为第二人脸特征点的修正数量。
在步骤205中,根据初始人脸特征点的修正数量,从初始人脸特征点中选出目标人脸特征点。
在步骤206中,确定目标人脸特征点的初始偏移量。
在步骤207中,根据目标人脸特征点的初始偏移量及预设姿态区间对应的偏移量修正比例,确定目标人脸特征点的目标偏移量。
示例的,根据预设姿态区间对应的偏移量修正比例,对第三人脸特征点的初始偏移量进行修正,得到第三人脸特征点的目标偏移量;其中,第三人脸特征点包括目标人脸特征点中位于图片中人脸的偏转方向同一侧的人脸特征点,第四人脸特征点包括目标人脸特征点中除第三人脸特征点之外的人脸特征点;将第四人脸特征点的初始偏移量,确定为第四人脸特征点的目标偏移量。
在步骤208中,根据目标人脸特征点及目标人脸特征点的目标偏移量,对图片进行渲染,得到美颜后图片。
本公开的实施例提供的技术方案,通过对图片中人脸的姿态进行分析,根据人脸姿态信息,动态的确定目标人脸特征点的数目及目标偏移量,这就能够在人脸处于侧脸状态时,动态减小人脸被遮挡区域的特征点的数目和偏移量,避免由于特征点过多及瘦脸幅度过大而导致变形不自然,人脸器官轮廓不光滑的问题,保证美颜效果,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3是根据一示例性实施例示出的一种图像处理装置的框图;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3所示,该图像处理装置包括:识别模块301、确定模块302及渲染模块303,其中:
识别模块301被配置为识别图片中人脸的姿态,得到人脸姿态信息;
确定模块302被配置为根据人脸姿态信息,确定目标人脸特征点及目标人脸特征点的目标偏移量;
渲染模块303被配置为根据目标人脸特征点及目标人脸特征点的目标偏移量,对图片进行渲染,得到美颜后图片。
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4所示,图3示出的图像处理装置还可以包括把确定模块302配置成包括:第一获取子模块401、第一确定子模块402、第二确定子模块403、选择子模块404及第三确定子模块405,其中:
第一获取子模块401被配置为确定与人脸姿态信息匹配的预设姿态区间,获取与预设姿态区间对应的特征点数量修正比例;
第一确定子模块402被配置为对图片进行人脸特征点定位,确定初始人脸特征点及初始人脸特征点的数量;
第二确定子模块403被配置为根据初始人脸特征点的数量及目标姿态区间对应的特征点数量修正比例,确定初始人脸特征点的修正数量;
选择子模块404被配置为根据初始人脸特征点的修正数量,从初始人脸特征点中选出目标人脸特征点;
第三确定子模块405被配置为确定目标人脸特征点的目标偏移量。
在一种可能的实施方式中,人脸姿态信息包括图片中人脸的偏转方向;第二确定子模块403,被配置为根据预设姿态区间对应的特征点数量修正比例,对第一人脸特征点的初始数量进行修正,得到第一人脸特征点的修正数量,及将第二人脸特征点的初始数量,确定为第二人脸特征点的修正数量;其中,第一人脸特征点包括初始人脸特征点中位于图片中人脸的偏转方向同一侧的人脸特征点,第二人脸特征点包括初始人脸特征点中除第一人脸特征点之外的人脸特征点。
在一种可能的实施方式中,如图5所示,图3示出的图像处理装置还可以包括把确定模块302配置成包括:第二获取子模块501、第四确定子模块502、初始偏移量确定子模块503及第五确定子模块504,其中:
第二获取子模块501被配置为确定与人脸姿态信息匹配的预设姿态区间,获取与预设姿态区间对应的偏移量修正比例;
第四确定子模块502被配置为对图片进行人脸特征点定位,确定目标人脸特征点;
初始偏移量确定子模块503被配置为确定目标人脸特征点的初始偏移量;
第五确定子模块504被配置为根据目标人脸特征点的初始偏移量及预设姿态区间对应的偏移量修正比例,确定目标人脸特征点的目标偏移量。
在一种可能的实施方式中,人脸姿态信息包括图片中人脸的偏转方向;第五确定子模块504,根据预设姿态区间对应的偏移量修正比例,对第三人脸特征点的初始偏移量进行修正,得到第三人脸特征点的目标偏移量,及将第四人脸特征点的初始偏移量,确定为第四人脸特征点的目标偏移量;其中,第三人脸特征点包括目标人脸特征点中位于图片中人脸的偏转方向同一侧的人脸特征点,第四人脸特征点包括目标人脸特征点中除第三人脸特征点之外的人脸特征点。
图6是根据一示例性实施例示出的一种图像处理装置600的框图,图像处理装置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;图像处理装置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:
识别图片中人脸的姿态,得到人脸姿态信息;
根据人脸姿态信息,确定目标人脸特征点及目标人脸特征点的目标偏移量;
根据目标人脸特征点及目标人脸特征点的目标偏移量,对图片进行渲染,得到美颜后图片。
在一个实施例中,人脸姿态信息包括以下至少一种信息:图片中人脸的偏转角度、图片中人脸的偏转方向。
在一个实施例中,上述处理器601还可被配置为:
确定与人脸姿态信息匹配的预设姿态区间;
获取与预设姿态区间对应的特征点数量修正比例;
对图片进行人脸特征点定位,确定初始人脸特征点及初始人脸特征点的数量;
根据初始人脸特征点的数量及目标姿态区间对应的特征点数量修正比例,确定初始人脸特征点的修正数量;
根据初始人脸特征点的修正数量,从初始人脸特征点中选出目标人脸特征点;
确定目标人脸特征点的目标偏移量。
在一个实施例中,上述处理器601还可被配置为:
人脸姿态信息包括图片中人脸的偏转方向;根据预设姿态区间对应的特征点数量修正比例,对第一人脸特征点的初始数量进行修正,得到第一人脸特征点的修正数量;其中,第一人脸特征点包括初始人脸特征点中位于图片中人脸的偏转方向同一侧的人脸特征点,第二人脸特征点包括初始人脸特征点中除第一人脸特征点之外的人脸特征点;
将第二人脸特征点的初始数量,确定为第二人脸特征点的修正数量。
在一个实施例中,上述处理器601还可被配置为:
确定与人脸姿态信息匹配的预设姿态区间;
获取与预设姿态区间对应的偏移量修正比例;
对图片进行人脸特征点定位,确定目标人脸特征点;
确定目标人脸特征点的初始偏移量;
根据目标人脸特征点的初始偏移量及预设姿态区间对应的偏移量修正比例,确定目标人脸特征点的目标偏移量。
在一个实施例中,上述处理器601还可被配置为:
人脸姿态信息包括图片中人脸的偏转方向;根据预设姿态区间对应的偏移量修正比例,对第三人脸特征点的初始偏移量进行修正,得到第三人脸特征点的目标偏移量;其中,第三人脸特征点包括目标人脸特征点中位于图片中人脸的偏转方向同一侧的人脸特征点,第四人脸特征点包括目标人脸特征点中除第三人脸特征点之外的人脸特征点;
将第四人脸特征点的初始偏移量,确定为第四人脸特征点的目标偏移量。
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像处理装置的框图;图像处理装置700适用于终端;图像处理装置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通常控制图像处理装置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像处理装置700的操作。这些数据的示例包括用于在图像处理装置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为图像处理装置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,及其他与为图像处理装置700生成、管理和分配电力相关联的组件。
多媒体组件708包括在图像处理装置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。当图像处理装置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),当图像处理装置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,用于为图像处理装置700提供各个方面的状态评估。例如,传感器组件714可以检测到图像处理装置700的打开/关闭状态,组件的相对定位,例如组件为图像处理装置700的显示器和小键盘,传感器组件714还可以检测图像处理装置700或图像处理装置700一个组件的位置改变,用户与图像处理装置700接触的存在或不存在,图像处理装置700方位或加速/减速和图像处理装置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被配置为便于图像处理装置700和其他设备之间有线或无线方式的通信。图像处理装置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,图像处理装置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,上述指令可由图像处理装置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像处理装置的框图。例如,图像处理装置800可以被提供为一服务器。图像处理装置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。
图像处理装置800还可以包括一个电源组件806被配置为执行图像处理装置800的电源管理,一个有线或无线网络接口805被配置为将图像处理装置800连接到网络,和一个输入输出(I/O)接口808。图像处理装置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像处理装置700或图像处理装置800的处理器执行时,使得图像处理装置700或图像处理装置800能够执行如下图像处理方法,方法包括:
识别图片中人脸的姿态,得到人脸姿态信息;根据人脸姿态信息,确定目标人脸特征点及目标人脸特征点的目标偏移量;根据目标人脸特征点及目标人脸特征点的目标偏移量,对图片进行渲染,得到美颜后图片。
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 (11)
1.一种图像处理方法,其特征在于,包括:
识别图片中人脸的姿态,得到人脸姿态信息;
根据所述人脸姿态信息,确定目标人脸特征点及所述目标人脸特征点的目标偏移量;
根据所述目标人脸特征点及所述目标人脸特征点的目标偏移量,对所述图片进行渲染,得到美颜后图片;
根据所述人脸姿态信息,确定目标人脸特征点及所述目标人脸特征点的目标偏移量,包括:
确定与所述人脸姿态信息匹配的预设姿态区间;
获取与所述预设姿态区间对应的特征点数量修正比例;
对所述图片进行人脸特征点定位,确定初始人脸特征点及所述初始人脸特征点的数量;
根据所述初始人脸特征点的数量及所述预设姿态区间对应的特征点数量修正比例,确定初始人脸特征点的修正数量;
根据所述初始人脸特征点的修正数量,从所述初始人脸特征点中选出目标人脸特征点;
确定所述目标人脸特征点的目标偏移量。
2.根据权利要求1所述的方法,其特征在于,所述人脸姿态信息,包括以下至少一种信息:所述图片中人脸的偏转角度、所述图片中人脸的偏转方向。
3.根据权利要求1所述的方法,其特征在于,所述人脸姿态信息包括所述图片中人脸的偏转方向;
根据所述初始人脸特征点的数量及所述预设姿态区间对应的特征点数量修正比例,确定初始人脸特征点的修正数量,包括:
根据所述预设姿态区间对应的特征点数量修正比例,对第一人脸特征点的初始数量进行修正,得到所述第一人脸特征点的修正数量;其中,所述第一人脸特征点包括所述初始人脸特征点中位于所述图片中人脸的偏转方向同一侧的人脸特征点,第二人脸特征点包括所述初始人脸特征点中除所述第一人脸特征点之外的人脸特征点;
将所述第二人脸特征点的初始数量,确定为所述第二人脸特征点的修正数量。
4.根据权利要求1所述的方法,其特征在于,根据所述人脸姿态信息,确定目标人脸特征点及所述目标人脸特征点的目标偏移量,包括:
获取与所述预设姿态区间对应的偏移量修正比例;
对所述图片进行人脸特征点定位,确定目标人脸特征点;
确定所述目标人脸特征点的初始偏移量;
根据所述目标人脸特征点的初始偏移量及所述预设姿态区间对应的偏移量修正比例,确定所述目标人脸特征点的目标偏移量。
5.根据权利要求4所述的方法,其特征在于,所述人脸姿态信息包括所述图片中人脸的偏转方向;
根据所述目标人脸特征点的初始偏移量及所述预设姿态区间对应的偏移量修正比例,确定所述目标人脸特征点的目标偏移量,包括:
根据所述预设姿态区间对应的偏移量修正比例,对第三人脸特征点的初始偏移量进行修正,得到所述第三人脸特征点的目标偏移量;其中,所述第三人脸特征点包括所述目标人脸特征点中位于所述图片中人脸的偏转方向同一侧的人脸特征点,第四人脸特征点包括所述目标人脸特征点中除所述第三人脸特征点之外的人脸特征点;
将所述第四人脸特征点的初始偏移量,确定为所述第四人脸特征点的目标偏移量。
6.一种图像处理装置,其特征在于,包括:
识别模块,用于识别图片中人脸的姿态,得到人脸姿态信息;
确定模块,用于根据所述人脸姿态信息,确定目标人脸特征点及所述目标人脸特征点的目标偏移量;
渲染模块,用于根据所述目标人脸特征点及所述目标人脸特征点的目标偏移量,对所述图片进行渲染,得到美颜后图片;
确定模块,包括:
第一获取子模块,用于确定与所述人脸姿态信息匹配的预设姿态区间,获取与所述预设姿态区间对应的特征点数量修正比例;
第一确定子模块,用于对所述图片进行人脸特征点定位,确定初始人脸特征点及所述初始人脸特征点的数量;
第二确定子模块,用于根据所述初始人脸特征点的数量及所述预设姿态区间对应的特征点数量修正比例,确定初始人脸特征点的修正数量;
选择子模块,用于根据所述初始人脸特征点的修正数量,从所述初始人脸特征点中选出目标人脸特征点;
第三确定子模块,用于确定所述目标人脸特征点的目标偏移量。
7.根据权利要求6所述的装置,其特征在于,所述人脸姿态信息包括所述图片中人脸的偏转方向;第二确定子模块,根据所述预设姿态区间对应的特征点数量修正比例,对第一人脸特征点的初始数量进行修正,得到所述第一人脸特征点的修正数量,及将第二人脸特征点的初始数量,确定为所述第二人脸特征点的修正数量;其中,所述第一人脸特征点包括所述初始人脸特征点中位于所述图片中人脸的偏转方向同一侧的人脸特征点,所述第二人脸特征点包括所述初始人脸特征点中除所述第一人脸特征点之外的人脸特征点。
8.根据权利要求6所述的装置,其特征在于,确定模块,包括:
第二获取子模块,用于获取与所述预设姿态区间对应的偏移量修正比例;
第四确定子模块,用于对所述图片进行人脸特征点定位,确定目标人脸特征点;
初始偏移量确定子模块,用于确定所述目标人脸特征点的初始偏移量;
第五确定子模块,用于根据所述目标人脸特征点的初始偏移量及所述预设姿态区间对应的偏移量修正比例,确定所述目标人脸特征点的目标偏移量。
9.根据权利要求8所述的装置,其特征在于,所述人脸姿态信息包括所述图片中人脸的偏转方向;第五确定子模块,根据所述预设姿态区间对应的偏移量修正比例,对第三人脸特征点的初始偏移量进行修正,得到所述第三人脸特征点的目标偏移量,及将第四人脸特征点的初始偏移量,确定为所述第四人脸特征点的目标偏移量;其中,所述第三人脸特征点包括所述目标人脸特征点中位于所述图片中人脸的偏转方向同一侧的人脸特征点,所述第四人脸特征点包括所述目标人脸特征点中除所述第三人脸特征点之外的人脸特征点。
10.一种图像处理装置,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:
识别图片中人脸的姿态,得到人脸姿态信息;
根据所述人脸姿态信息,确定目标人脸特征点及所述目标人脸特征点的目标偏移量;
根据所述目标人脸特征点及所述目标人脸特征点的目标偏移量,对所述图片进行渲染,得到美颜后图片;
所述处理器还被配置为:
确定与所述人脸姿态信息匹配的预设姿态区间;获取与所述预设姿态区间对应的特征点数量修正比例;对所述图片进行人脸特征点定位,确定初始人脸特征点及所述初始人脸特征点的数量;根据所述初始人脸特征点的数量及所述预设姿态区间对应的特征点数量修正比例,确定初始人脸特征点的修正数量;根据所述初始人脸特征点的修正数量,从所述初始人脸特征点中选出目标人脸特征点;确定所述目标人脸特征点的目标偏移量。
11.一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1-5中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711100281.8A CN107958439B (zh) | 2017-11-09 | 2017-11-09 | 图像处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711100281.8A CN107958439B (zh) | 2017-11-09 | 2017-11-09 | 图像处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107958439A CN107958439A (zh) | 2018-04-24 |
CN107958439B true CN107958439B (zh) | 2021-04-27 |
Family
ID=61964633
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711100281.8A Active CN107958439B (zh) | 2017-11-09 | 2017-11-09 | 图像处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107958439B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108876731A (zh) * | 2018-05-25 | 2018-11-23 | 北京小米移动软件有限公司 | 图片处理方法及装置 |
CN108876732A (zh) * | 2018-05-25 | 2018-11-23 | 北京小米移动软件有限公司 | 人脸美颜方法及装置 |
CN109299658B (zh) * | 2018-08-21 | 2022-07-08 | 腾讯科技(深圳)有限公司 | 脸部检测方法、脸部图像渲染方法、装置及存储介质 |
CN109446912B (zh) * | 2018-09-28 | 2021-04-09 | 北京市商汤科技开发有限公司 | 人脸图像的处理方法及装置、电子设备和存储介质 |
CN109325908B (zh) * | 2018-10-30 | 2023-07-21 | 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 |
CN111985265B (zh) * | 2019-05-21 | 2024-04-12 | 华为技术有限公司 | 图像处理方法和装置 |
CN110427849B (zh) * | 2019-07-23 | 2022-02-08 | 达闼机器人有限公司 | 人脸姿态确定方法、装置、存储介质和电子设备 |
CN110609920B (zh) * | 2019-08-05 | 2022-03-18 | 华中科技大学 | 一种视频监控场景下的行人混合搜索方法及系统 |
CN112330571A (zh) * | 2020-11-27 | 2021-02-05 | 维沃移动通信有限公司 | 图像处理方法、装置和电子设备 |
CN113887326B (zh) * | 2021-09-10 | 2023-07-25 | 北京三快在线科技有限公司 | 一种人脸图像处理方法及装置 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101377814A (zh) * | 2007-08-27 | 2009-03-04 | 索尼株式会社 | 人脸图像处理设备、人脸图像处理方法以及计算机程序 |
JP2011095797A (ja) * | 2009-10-27 | 2011-05-12 | Sony Corp | 画像処理装置、画像処理方法及びプログラム |
CN104077585A (zh) * | 2014-05-30 | 2014-10-01 | 小米科技有限责任公司 | 图像校正方法、装置及终端 |
WO2015172679A1 (zh) * | 2014-05-14 | 2015-11-19 | 华为技术有限公司 | 一种图像处理方法和装置 |
CN105095827A (zh) * | 2014-04-18 | 2015-11-25 | 汉王科技股份有限公司 | 人脸表情识别装置和方法 |
CN105447426A (zh) * | 2014-07-14 | 2016-03-30 | 株式会社理光 | 判定装置、文档图像管理系统以及判定方法 |
CN105608448A (zh) * | 2016-02-22 | 2016-05-25 | 海信集团有限公司 | 一种基于脸部关键点的lbp特征提取方法和装置 |
WO2016188318A1 (zh) * | 2015-05-22 | 2016-12-01 | 腾讯科技(深圳)有限公司 | 一种3d人脸重建方法、装置及服务器 |
CN106991378A (zh) * | 2017-03-09 | 2017-07-28 | 广东欧珀移动通信有限公司 | 基于深度的人脸朝向检测方法、检测装置和电子装置 |
CN107330868A (zh) * | 2017-06-26 | 2017-11-07 | 北京小米移动软件有限公司 | 图片处理方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101821141B1 (ko) * | 2012-02-09 | 2018-01-23 | 삼성전자주식회사 | 3차원 영상 시스템 및 그 영상 재생 방법 |
-
2017
- 2017-11-09 CN CN201711100281.8A patent/CN107958439B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101377814A (zh) * | 2007-08-27 | 2009-03-04 | 索尼株式会社 | 人脸图像处理设备、人脸图像处理方法以及计算机程序 |
JP2011095797A (ja) * | 2009-10-27 | 2011-05-12 | Sony Corp | 画像処理装置、画像処理方法及びプログラム |
CN105095827A (zh) * | 2014-04-18 | 2015-11-25 | 汉王科技股份有限公司 | 人脸表情识别装置和方法 |
WO2015172679A1 (zh) * | 2014-05-14 | 2015-11-19 | 华为技术有限公司 | 一种图像处理方法和装置 |
CN104077585A (zh) * | 2014-05-30 | 2014-10-01 | 小米科技有限责任公司 | 图像校正方法、装置及终端 |
CN105447426A (zh) * | 2014-07-14 | 2016-03-30 | 株式会社理光 | 判定装置、文档图像管理系统以及判定方法 |
WO2016188318A1 (zh) * | 2015-05-22 | 2016-12-01 | 腾讯科技(深圳)有限公司 | 一种3d人脸重建方法、装置及服务器 |
CN105608448A (zh) * | 2016-02-22 | 2016-05-25 | 海信集团有限公司 | 一种基于脸部关键点的lbp特征提取方法和装置 |
CN106991378A (zh) * | 2017-03-09 | 2017-07-28 | 广东欧珀移动通信有限公司 | 基于深度的人脸朝向检测方法、检测装置和电子装置 |
CN107330868A (zh) * | 2017-06-26 | 2017-11-07 | 北京小米移动软件有限公司 | 图片处理方法及装置 |
Non-Patent Citations (1)
Title |
---|
Android平台特效相机软件系统的设计与实现;吴昊雨;《中国优秀硕士学位论文全文数据库 信息科技辑》;20170315;第I138-2126页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107958439A (zh) | 2018-04-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107958439B (zh) | 图像处理方法及装置 | |
CN107680033B (zh) | 图片处理方法及装置 | |
CN107818543B (zh) | 图像处理方法及装置 | |
CN107330868B (zh) | 图片处理方法及装置 | |
CN110675310B (zh) | 视频处理方法、装置、电子设备及存储介质 | |
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 | |
US10032076B2 (en) | Method and device for displaying image | |
JP6134446B2 (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 | |
US9635311B2 (en) | Image display apparatus and image processing device | |
CN107977934B (zh) | 图像处理方法及装置 | |
CN108470322B (zh) | 处理人脸图像的方法、装置及可读存储介质 | |
CN107341777B (zh) | 图片处理方法及装置 | |
EP2927787B1 (en) | Method and device for displaying picture | |
CN107464253B (zh) | 眉毛定位方法及装置 | |
CN107657590B (zh) | 图片处理方法、装置及存储介质 | |
CN107730448B (zh) | 基于图像处理的美颜方法及装置 | |
CN109325908B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN107403144B (zh) | 嘴巴定位方法及装置 | |
CN111078170B (zh) | 显示控制方法、显示控制装置及计算机可读存储介质 | |
TW202013316A (zh) | 人臉圖像的處理方法及裝置、電子設備和儲存介質 | |
CN109472738B (zh) | 图像光照校正方法及装置、电子设备和存储介质 | |
US20210118148A1 (en) | Method and electronic device for changing faces of facial image | |
KR20210049649A (ko) | 얼굴 이미지를 강화하는 방법 및 장치, 전자 기기 | |
CN111290663A (zh) | 曲面屏显示方法及装置、终端及存储介质 | |
CN107563957B (zh) | 眼部图像处理方法及装置 |
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 |