CN108121969B - 用于处理图像的方法和装置 - Google Patents
用于处理图像的方法和装置 Download PDFInfo
- Publication number
- CN108121969B CN108121969B CN201711407796.2A CN201711407796A CN108121969B CN 108121969 B CN108121969 B CN 108121969B CN 201711407796 A CN201711407796 A CN 201711407796A CN 108121969 B CN108121969 B CN 108121969B
- Authority
- CN
- China
- Prior art keywords
- face object
- color value
- face
- target image
- image
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/30—Scenes; Scene-specific elements in albums, collections or shared content, e.g. social network photos or video
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例公开了用于处理图像的方法和装置。该方法的一具体实施方式包括:获取目标图像,响应于检测到所述目标图像包括人脸对象,确定所述目标图像包括的人脸对象的颜值;在预设的人脸对象数据库中,查找与所述目标图像包括的人脸对象的相似度最高的人脸对象;发送所述目标图像包括的人脸对象的颜值以及所查找到的人脸对象的信息。本申请实施例能够提供与目标图像所包括人脸对象相关的更加丰富的信息。
Description
技术领域
本申请实施例涉及计算机技术领域,具体涉及互联网技术领域,尤其涉及用于处理图像的方法和装置。
背景技术
脸部是每个人向外界展示出的最重要的部分之一,人脸能够透露出各种信息,而通过人脸也能够将不同的人进行区分。此外,不同人脸的颜值也不尽相同。
发明内容
本申请实施例提出了用于处理图像的方法和装置。
第一方面,本申请实施例提供了一种用于处理图像的方法,包括:获取目标图像,响应于检测到目标图像包括人脸对象,确定目标图像包括的人脸对象的颜值;在预设的人脸对象数据库中,查找与目标图像包括的人脸对象的相似度最高的人脸对象;发送目标图像包括的人脸对象的颜值以及所查找到的人脸对象的信息。
在一些实施例中,确定目标图像包括的人脸对象的颜值,包括:将目标图像输入预先训练的颜值确定模型,得到颜值确定模型输出的目标图像包括的人脸对象的颜值,其中,颜值确定模型用以表征图像与图像包括的人脸对象的颜值的对应关系。
在一些实施例中,颜值确定模型通过以下步骤训练得到:获取训练样本集,其中,训练样本集中的样本为标注了颜值的人脸数据,人脸数据包括以下的至少一种:脸型、五官特征点、五官之间的尺寸比值和五官特征点之间距离的比值;将训练样本集中每个样本的人脸数据作为输入,并将该样本中对人脸数据所标注的颜值作为输出对初始颜值确定模型进行训练,得到颜值确定模型。
在一些实施例中,人脸数据所属的人脸对象包括相似度高于预设阈值的人脸对象。
在一些实施例中,在在预设的人脸对象数据库中,查找与目标图像包括的人脸对象的相似度最高的人脸对象之后,该方法还包括:获取所查找到的人脸对象所对应人员的属性信息;以及发送目标图像包括的人脸对象的颜值以及所查找到的人脸对象的信息,包括:发送目标图像包括的人脸对象的颜值、包括所查找到的人脸对象的图像和属性信息。
第二方面,本申请实施例提供了一种用于处理图像的装置,包括:获取单元,配置用于获取目标图像,响应于检测到目标图像包括人脸对象,确定目标图像包括的人脸对象的颜值;查找单元,配置用于在预设的人脸对象数据库中,查找与目标图像包括的人脸对象的相似度最高的人脸对象;发送单元,配置用于发送目标图像包括的人脸对象的颜值以及所查找到的人脸对象的信息。
在一些实施例中,获取单元进一步配置用于:将目标图像输入预先训练的颜值确定模型,得到颜值确定模型输出的目标图像包括的人脸对象的颜值,其中,颜值确定模型用以表征图像与图像包括的人脸对象的颜值的对应关系。
在一些实施例中,颜值确定模型通过以下步骤训练得到:获取训练样本集,其中,训练样本集中的样本为标注了颜值的人脸数据,人脸数据包括以下的至少一种:脸型、五官特征点、五官之间的尺寸比值和五官特征点之间距离的比值;将训练样本集中每个样本的人脸数据作为输入,并将该样本中对人脸数据所标注的颜值作为输出对初始颜值确定模型进行训练,得到颜值确定模型。
在一些实施例中,人脸数据所属的人脸对象包括相似度高于预设阈值的人脸对象。
在一些实施例中,该装置还包括:信息获取单元,配置用于获取所查找到的人脸对象所对应人员的属性信息;以及发送单元进一步配置用于:发送目标图像包括的人脸对象的颜值、包括所查找到的人脸对象的图像和属性信息。
第三方面,本申请实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如用于处理图像的方法中任一实施例的方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如用于处理图像的方法中任一实施例的方法。
本申请实施例提供的用于处理图像的方法和装置,首先获取目标图像,响应于检测到目标图像包括人脸对象,确定目标图像包括的人脸对象的颜值;在预设的人脸对象数据库中,查找与目标图像包括的人脸对象的相似度最高的人脸对象;发送目标图像包括的人脸对象的颜值以及所查找到的人脸对象的信息。本申请实施例能够提供与目标图像所包括人脸对象相关的更加丰富的信息。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请可以应用于其中的示例性系统架构图;
图2是根据本申请的用于处理图像的方法的一个实施例的流程图;
图3是根据本申请的用于处理图像的方法的一个应用场景的示意图;
图4是根据本申请的用于处理图像的方法的又一个实施例的流程图;
图5是根据本申请的用于处理图像装置的一个实施例的结构示意图;
图6是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的用于处理图像的方法或用于处理图像装置的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如图像处理应用、照相应用、网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是具有显示屏并且支持摄像功能的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上显示的人脸对象的颜值和信息提供支持的后台服务器。后台服务器可以对接收到的目标图像等数据进行分析等处理,并将处理结果(例如颜值和人脸对象的信息)反馈给终端设备。
需要说明的是,本申请实施例所提供的用于处理图像的方法可以由服务器105或终端设备101、102、103执行。相应地,用于处理图像装置一般设置于服务器105或终端设备101、102、103中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本申请的用于处理图像的方法的一个实施例的流程200。该用于处理图像的方法,包括以下步骤:
步骤201,获取目标图像,响应于检测到目标图像包括人脸对象,确定目标图像包括的人脸对象的颜值。
在本实施例中,用于处理图像的方法运行于其上的电子设备(例如图1所示的服务器或者终端设备)可以从本地或者其他电子设备获取目标图像。在检测到上述目标图像包括人脸对象之后,则做出响应:确定上述目标图像包括的人脸对象的颜值。目标图像可以是本地存储的、用户上传的或者其他电子设备中的图像。人脸对象为呈现为人脸的样子的对象。颜值为表示人脸的容貌优劣的数值。容貌越好则颜值越高。具体地,上述电子设备可以在获取到目标图像之后,检测目标图像中是否包括人脸对象,并响应于在目标图像中包括人脸对象,则进行颜值的确定。
在实践中,上述电子设备可以采用多种方式确定上述目标图像包括的人脸对象的颜值。比如,假设颜值的最大值为100,最小值为0。可以将目标图像发送到n个(比如100个)终端设备,并接收从终端设备反馈的人脸对象的评价。如果m个终端设备反馈的评价为“喜欢”,则可以将颜值确定为m/n×100。此外,还可以通过模型来确定人脸对象的颜值。即是将目标图像输入预先训练的模型,得到由该模型输出的目标图像所包括的人脸对象的颜值。
步骤202,在预设的人脸对象数据库中,查找与目标图像包括的人脸对象的相似度最高的人脸对象。
在本实施例中,上述电子设备在预设的人脸对象数据库中,查找与上述目标图像包括的人脸对象的相似度最高的人脸对象。在这里,所查找到的人脸对象的数量可以是一个,也可以是两个及以上,只要满足查找到的人脸对象与目标图像所包括的人脸对象的相似度大于人脸对象数据库中其他人脸对象与目标图像所包括的人脸对象的相似度即可。上述电子设备可以采用预先设置的顺序或者随机,对人脸对象数据库中的各个人脸对象确定与目标图像所包括人脸对象的相似度。之后,可以从所确定的相似度中找出最高的相似度。之后确定该最高的相似度对应的上述数据库中的人脸对象。
在实践中,人脸对象数据库可以存储有多个包括人脸对象的图像,也可以存储有多个人脸对象中各个人脸对象的人脸数据,此外,还可以存储有以上两种。人脸数据为与人脸相关的、可以体现人脸的特征的数据。
可以采用多种方式查找人脸对象。举例来说,如果在人脸对象数据库中存储有图像,可以通过图像所包括的人脸对象进行查找。而如果在人脸对象数据库中存储有人脸数据,可以通过人脸对象的人脸数据进行查找。如果在人脸对象数据库中存储有图像和人脸数据,则可以通过其一进行查找。
具体地,要确定人脸对象之间的相似度可以首先确定人脸对象的特征点。特征点是人脸对象中能反映人脸的特点的位点。通过将两个人脸对象的各个相对应的特征点进行对比,比如将人脸对象A的左眼与人脸对象B的左眼进行比对,来确定人脸对象的特征点之间的相似度。之后,可以将两个人脸对象的各个特征点之间的相似度的平均值或者加权平均值作为人脸对象的相似度。
步骤203,发送目标图像包括的人脸对象的颜值以及所查找到的人脸对象的信息。
在本实施例中,上述电子设备发送目标图像包括的人脸对象的颜值以及所查找到的人脸对象的信息。上述电子设备可以同时或者按照任意先后顺序发送颜值和人脸对象的信息。这里的人脸对象的信息可以是所查找到的人脸对象的任意一种信息。比如,可以是包括所查找到的人脸对象的图像,也可以是人脸对象的标识号,还可以是人脸对象所对应人员的名字等等。
继续参见图3,图3是根据本实施例的用于处理图像的方法的应用场景的一个示意图。在图3的应用场景中,用户向终端设备302上传了图像303,终端设备302将图像303发送给电子设备301,电子设备301响应于检测到图像303包括人脸对象,确定图像303包括的人脸对象的颜值304。在预设的人脸对象数据库中,查找与图像303包括的人脸对象的相似度最高的人脸对象305。向终端设备302发送图像303包括的人脸对象的颜值304以及所查找到的人脸对象的信息306。
本申请的上述实施例能够提供与目标图像所包括人脸对象相关的更加丰富的信息。
进一步参考图4,其示出了用于处理图像的方法的又一个实施例的流程400。该用于处理图像的方法的流程400,包括以下步骤:
步骤401,获取目标图像,响应于检测到目标图像包括人脸对象,将目标图像输入预先训练的颜值确定模型,得到颜值确定模型输出的目标图像包括的人脸对象的颜值。
在本实施例中,用于处理图像的方法运行于其上的电子设备(例如图1所示的服务器或者终端设备)可以从本地或者其他电子设备获取目标图像。在检测到上述目标图像包括人脸对象之后,则做出响应:将目标图像输入预先训练的颜值确定模型,得到颜值确定模型输出的上述目标图像包括的人脸对象的颜值。颜值确定模型用以表征图像与图像包括的人脸对象的颜值的对应关系。颜值确定模型可以是神经网络模型,也可以是基于数据库的数据模型等等。具体地,可以使用标注了颜值的样本进行训练,以得到颜值确定模型。
在本实施例的一些可选的实现方式中,颜值确定模型可以通过以下步骤训练得到:
步骤a、获取训练样本集。
在本实施例中,获取用于模型训练的训练样本集。训练样本集中的样本为标注了颜值的人脸数据,人脸数据包括以下的至少一种:脸型、五官特征点、五官之间的尺寸比值和五官特征点之间距离的比值。五官特征点为与五官相关的特征点。比如眉毛、上嘴唇等等。五官之间的尺寸比值为五官之中的两个或者多个的大小的比值。具体地,这里的尺寸可以采用长、宽和/或面积等来表示。比如,可以是眼睛和嘴巴的长度的比值和宽度的比值。五官特征点之间距离的比值为两个或多个五官特征点之间的距离的比值,比如眉毛到鼻子底端的距离与鼻子底端到下巴底端的距离的比值。
具体地,上述电子设备或者其他电子设备可以预先对人脸数据标注颜值,以便于后续作为样本进行训练。举例来说,设定颜值的最大值为100,最小值为0。可以将人脸对象中的眉毛的颜值标注为70。如果嘴巴和眼睛的宽度的比值为1.4,可以将该比值的颜值标注为90。如果眉毛到鼻子底端的距离与鼻子底端到下巴底端的距离的比值为1,可以将该比值的颜值标注为100。
步骤b、将训练样本集中每个样本的人脸数据作为输入,并将该样本中对人脸数据所标注的颜值作为输出对初始颜值确定模型进行训练,得到颜值确定模型。
在本实施例中,对初始颜值确定模型进行训练可以得到颜值确定模型。训练所使用的输入为训练样本集中的每个样本的人脸数据,输出则是上述输入所使用的样本中对人脸数据所标注的颜值。通过上述训练过程,可以得到颜值确定模型,以便于确定人脸对象的颜值。
具体地,初始颜值确定模型为未经过上述训练过程的模型。初始颜值确定模型可以是GBRank或SVMRank(GBRank和SVMRank为排名学习中点对型的算法)等等。
在本实施例的一些可选的实现方式中,人脸数据所属的人脸对象包括相似度高于预设阈值的人脸对象。
在本实施例中,因为相似度较高的人脸对象之间的颜值可能也是存在差异,甚至是存在较大差异的。所以,可以选用一些相似度较高的人脸对象来训练颜值确定模型,以提高颜值确定模型的精确度。在这里,用以相互比对并产生高于预设阈值的相似度的人脸对象可以是两个或者多个。
步骤402,在预设的人脸对象数据库中,查找与目标图像包括的人脸对象的相似度最高的人脸对象。
在本实施例中,上述电子设备在预设的人脸对象数据库中,查找与上述目标图像包括的人脸对象的相似度最高的人脸对象。在这里,所查找到的人脸对象的数量可以是一个,也可以是两个及以上,只要满足查找到的人脸对象与目标图像所包括的人脸对象的相似度大于人脸对象数据库中其他人脸对象与目标图像所包括的人脸对象的相似度即可。上述电子设备可以采用预先设置的顺序或者随机,对人脸对象数据库中的各个人脸对象确定与目标图像所包括人脸对象的相似度。之后,可以从所确定的相似度中找出最高或者最高的几个相似度。
步骤403,获取所查找到的人脸对象所对应人员的属性信息。
在本实施例中,上述电子设备获取所查找到的人脸对象所对应人员的属性信息。属性信息为反映人员的自身属性的信息。属性信息可以包括年龄、血型、星座等互联网的热点信息。人脸对象所对应人员则是脸部呈现为该人脸对象的样子的人员。
步骤404,发送目标图像包括的人脸对象的颜值、包括所查找到的人脸对象的图像和属性信息。
在本实施例中,上述电子设备发送上述目标图像包括的人脸对象的颜值、所查找的人脸对象的图像和上述属性信息。接收到上述电子设备所发送内容的电子设备,在反馈颜值的基础上,还可以显示与目标图像所包括的人脸对象容貌相近的人脸对象的图像,并且能够提供相关的属性信息。
本实施例通过颜值确定模型可以更加准确地确定人脸对象的颜值。同时,本实施例在反馈颜值的基础上,还可以显示与目标图像所包括的人脸对象容貌相近的人脸对象的图像,并且能够提供相关的属性信息。这样可以使用户接收到更加全面的关于目标图像所包括的人脸对象的信息。
进一步参考图5,作为对上述各图所示方法的实现,本申请提供了一种用于处理图像的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例的用于处理图像的装置500包括:获取单元501、查找单元502和发送单元503。其中,获取单元501,配置用于获取目标图像,响应于检测到目标图像包括人脸对象,确定目标图像包括的人脸对象的颜值;查找单元502,配置用于在预设的人脸对象数据库中,查找与目标图像包括的人脸对象的相似度最高的人脸对象;发送单元503,配置用于发送目标图像包括的人脸对象的颜值以及所查找到的人脸对象的信息。
在本实施例中,用于处理图像的装置500的获取单元501可以从本地或者其他电子设备获取目标图像。在检测到上述目标图像包括人脸对象之后,则做出响应:确定上述目标图像包括的人脸对象的颜值。目标图像可以是本地存储的、用户上传的或者其他电子设备中的图像。人脸对象为呈现为人脸的样子的对象。颜值为表示人脸的容貌优劣的数值。容貌越好则颜值越高。具体地,获取单元501可以在获取到目标图像之后,检测目标图像中是否包括人脸对象,并响应于在目标图像中包括人脸对象,则进行颜值的确定。
在本实施例中,查找单元502在预设的人脸对象数据库中,查找与上述目标图像包括的人脸对象的相似度最高的人脸对象。在这里,所查找到的人脸对象的数量可以是一个,也可以是两个及以上,只要满足查找到的人脸对象与目标图像所包括的人脸对象的相似度大于人脸对象数据库中其他人脸对象与目标图像所包括的人脸对象的相似度即可。查找单元502可以采用预先设置的顺序或者随机,对人脸对象数据库中的各个人脸对象确定与目标图像所包括人脸对象的相似度。之后,可以从所确定的相似度中找出最高的相似度。
在本实施例中,发送单元503发送目标图像包括的人脸对象的颜值以及所查找到的人脸对象的信息。发送单元503可以同时或者按照任意先后顺序发送颜值和人脸对象的信息。这里的人脸对象的信息可以是所查找到的人脸对象的任意一种信息。比如,可以是包括所查找到的人脸对象的图像,也可以是人脸对象的标识号,还可以是人脸对象所对应人员的名字等等。
在本实施例的一些可选的实现方式中,获取单元进一步配置用于:将目标图像输入预先训练的颜值确定模型,得到颜值确定模型输出的目标图像包括的人脸对象的颜值,其中,颜值确定模型用以表征图像与图像包括的人脸对象的颜值的对应关系。
在本实施例的一些可选的实现方式中,颜值确定模型通过以下步骤训练得到:获取训练样本集,其中,训练样本集中的样本为标注了颜值的人脸数据,人脸数据包括以下的至少一种:脸型、五官特征点、五官之间的尺寸比值和五官特征点之间距离的比值;将训练样本集中每个样本的人脸数据作为输入,并将该样本中对人脸数据所标注的颜值作为输出,训练得到颜值确定模型。
在本实施例的一些可选的实现方式中,人脸数据所属的人脸对象包括相似度高于预设阈值的人脸对象。
在本实施例的一些可选的实现方式中,该装置还包括:信息获取单元,配置用于获取所查找到的人脸对象所对应人员的属性信息;以及发送单元进一步配置用于:发送目标图像包括的人脸对象的颜值、包括所查找到的人脸对象的图像和属性信息。
下面参考图6,其示出了适于用来实现本申请实施例的电子设备的计算机系统600的结构示意图。图6示出的电子设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示,计算机系统600包括中央处理单元(CPU)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605:包括键盘、鼠标等的输入部分606;包括诸如液晶显示器(LCD)等以及扬声器等的输出部分607;包括硬盘等的存储部分608;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器610上,以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分609从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时,执行本申请的方法中限定的上述功能。需要说明的是,本申请的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括获取单元、查找单元和发送单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,获取单元还可以被描述为“获取目标图像的单元”。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的装置中所包含的;也可以是单独存在,而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该装置执行时,使得该装置:获取目标图像,响应于检测到目标图像包括人脸对象,确定目标图像包括的人脸对象的颜值;在预设的人脸对象数据库中,查找与目标图像包括的人脸对象的相似度最高的人脸对象;发送目标图像包括的人脸对象的颜值以及所查找到的人脸对象的信息。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种用于处理图像的方法,包括:
获取目标图像,响应于检测到所述目标图像包括人脸对象,确定所述目标图像包括的人脸对象的颜值;
在预设的人脸对象数据库中,查找与所述目标图像包括的人脸对象的相似度最高的人脸对象;
发送所述目标图像包括的人脸对象的颜值以及所查找到的人脸对象的信息;
所述确定所述目标图像包括的人脸对象的颜值,包括:
将所述目标图像输入预先训练的颜值确定模型,得到所述颜值确定模型输出的所述目标图像包括的人脸对象的颜值,其中,所述颜值确定模型为神经网络模型或数据模型,所述预先训练的颜值确定模型采用的训练样本集中的样本为标注了颜值的人脸数据,所述人脸数据所属的人脸对象包括相似度高于预设阈值的人脸对象。
2.根据权利要求1所述的用于处理图像的方法,其中,颜值确定模型用以表征图像与图像包括的人脸对象的颜值的对应关系。
3.根据权利要求2所述的用于处理图像的方法,其中,所述颜值确定模型通过以下步骤训练得到:
获取训练样本集,其中,所述训练样本集中的人脸数据包括以下的至少一种:脸型、五官特征点、五官之间的尺寸比值和五官特征点之间距离的比值;
将所述训练样本集中每个样本的人脸数据作为输入,并将该样本中对人脸数据所标注的颜值作为输出对初始颜值确定模型进行训练,得到颜值确定模型。
4.根据权利要求1所述的用于处理图像的方法,其中,在所述在预设的人脸对象数据库中,查找与所述目标图像包括的人脸对象的相似度最高的人脸对象之后,所述方法还包括:
获取所查找到的人脸对象所对应人员的属性信息;以及
所述发送所述目标图像包括的人脸对象的颜值以及所查找到的人脸对象的信息,包括:
发送所述目标图像包括的人脸对象的颜值、包括所查找到的人脸对象的图像和所述属性信息。
5.一种用于处理图像的装置,包括:
获取单元,配置用于获取目标图像,响应于检测到所述目标图像包括人脸对象,确定所述目标图像包括的人脸对象的颜值;
查找单元,配置用于在预设的人脸对象数据库中,查找与所述目标图像包括的人脸对象的相似度最高的人脸对象;
发送单元,配置用于发送所述目标图像包括的人脸对象的颜值以及所查找到的人脸对象的信息;
所述获取单元进一步配置用于:
将所述目标图像输入预先训练的颜值确定模型,得到所述颜值确定模型输出的所述目标图像包括的人脸对象的颜值,其中,所述颜值确定模型为神经网络模型或数据模型,所述预先训练的颜值确定模型采用的训练样本集中的样本为标注了颜值的人脸数据,所述人脸数据所属的人脸对象包括相似度高于预设阈值的人脸对象。
6.根据权利要求5所述的用于处理图像的装置,其中,颜值确定模型用以表征图像与图像包括的人脸对象的颜值的对应关系。
7.根据权利要求6所述的用于处理图像的装置,其中,所述颜值确定模型通过以下步骤训练得到:
获取训练样本集,其中,所述训练样本集中的人脸数据包括以下的至少一种:脸型、五官特征点、五官之间的尺寸比值和五官特征点之间距离的比值;
将所述训练样本集中每个样本的人脸数据作为输入,并将该样本中对人脸数据所标注的颜值作为输出对初始颜值确定模型进行训练,得到颜值确定模型。
8.根据权利要求5所述的用于处理图像的装置,其中,所述装置还包括:
信息获取单元,配置用于获取所查找到的人脸对象所对应人员的属性信息;以及
所述发送单元进一步配置用于:
发送所述目标图像包括的人脸对象的颜值、包括所查找到的人脸对象的图像和所述属性信息。
9.一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1- 4中任一所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其中,该程序被处理器执行时实现如权利要求1-4中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711407796.2A CN108121969B (zh) | 2017-12-22 | 2017-12-22 | 用于处理图像的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711407796.2A CN108121969B (zh) | 2017-12-22 | 2017-12-22 | 用于处理图像的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108121969A CN108121969A (zh) | 2018-06-05 |
CN108121969B true CN108121969B (zh) | 2021-12-28 |
Family
ID=62231283
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711407796.2A Active CN108121969B (zh) | 2017-12-22 | 2017-12-22 | 用于处理图像的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108121969B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114037814B (zh) * | 2021-11-11 | 2022-12-23 | 北京百度网讯科技有限公司 | 数据处理方法、装置、电子设备和介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104850825A (zh) * | 2015-04-18 | 2015-08-19 | 中国计量学院 | 一种基于卷积神经网络的人脸图像颜值计算方法 |
CN105718869A (zh) * | 2016-01-15 | 2016-06-29 | 网易(杭州)网络有限公司 | 一种评估图片中人脸颜值的方法和装置 |
CN106980688A (zh) * | 2017-03-31 | 2017-07-25 | 上海掌门科技有限公司 | 一种用于提供交友对象的方法、设备及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106021364B (zh) * | 2016-05-10 | 2017-12-12 | 百度在线网络技术(北京)有限公司 | 图片搜索相关性预测模型的建立、图片搜索方法和装置 |
-
2017
- 2017-12-22 CN CN201711407796.2A patent/CN108121969B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104850825A (zh) * | 2015-04-18 | 2015-08-19 | 中国计量学院 | 一种基于卷积神经网络的人脸图像颜值计算方法 |
CN105718869A (zh) * | 2016-01-15 | 2016-06-29 | 网易(杭州)网络有限公司 | 一种评估图片中人脸颜值的方法和装置 |
CN106980688A (zh) * | 2017-03-31 | 2017-07-25 | 上海掌门科技有限公司 | 一种用于提供交友对象的方法、设备及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108121969A (zh) | 2018-06-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11978245B2 (en) | Method and apparatus for generating image | |
CN108073910B (zh) | 用于生成人脸特征的方法和装置 | |
CN108038880B (zh) | 用于处理图像的方法和装置 | |
CN107909065B (zh) | 用于检测人脸遮挡的方法及装置 | |
CN108960316B (zh) | 用于生成模型的方法和装置 | |
CN109145280B (zh) | 信息推送的方法和装置 | |
US10691928B2 (en) | Method and apparatus for facial recognition | |
CN109308681B (zh) | 图像处理方法和装置 | |
CN109034069B (zh) | 用于生成信息的方法和装置 | |
CN107609506B (zh) | 用于生成图像的方法和装置 | |
CN107590255B (zh) | 信息推送方法和装置 | |
CN107577807B (zh) | 用于推送信息的方法和装置 | |
CN109389072B (zh) | 数据处理方法和装置 | |
US11250292B2 (en) | Method and apparatus for generating information | |
KR102002024B1 (ko) | 객체 라벨링 처리 방법 및 객체 관리 서버 | |
CN108268450B (zh) | 用于生成信息的方法和装置 | |
CN109214501B (zh) | 用于识别信息的方法和装置 | |
CN107832720B (zh) | 基于人工智能的信息处理方法和装置 | |
CN104243276B (zh) | 一种联系人推荐方法及装置 | |
CN110298850B (zh) | 眼底图像的分割方法和装置 | |
CN110070076B (zh) | 用于选取训练用样本的方法和装置 | |
CN108399401B (zh) | 用于检测人脸图像的方法和装置 | |
CN109241930B (zh) | 用于处理眉部图像的方法和装置 | |
CN111274853B (zh) | 图像处理方法和装置 | |
CN108921138B (zh) | 用于生成信息的方法和装置 |
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 |