CN108182714A - 图像处理方法及装置、存储介质 - Google Patents
图像处理方法及装置、存储介质 Download PDFInfo
- Publication number
- CN108182714A CN108182714A CN201810001014.3A CN201810001014A CN108182714A CN 108182714 A CN108182714 A CN 108182714A CN 201810001014 A CN201810001014 A CN 201810001014A CN 108182714 A CN108182714 A CN 108182714A
- Authority
- CN
- China
- Prior art keywords
- facial image
- image
- facial
- face
- characteristic information
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Processing Or Creating Images (AREA)
Abstract
本申请提供一种图像处理方法及装置、存储介质,该方法包括:获取第一图像;对所述第一图像进行人脸检测,若检测到至少一张人脸图像,则提取所述至少一张人脸图像中每一张人脸图像的特征信息;根据所述特征信息,从所述至少一张人脸图像中筛选出满足筛选条件的人脸图像;根据第一策略对所述第一图像中被筛选出来的人脸图像进行面部修饰处理。
Description
技术领域
本申请图像处理领域,尤其是涉及一种图像处理方法及装置、存储介质。
背景技术
随着图像处理等技术的发展,照片、视频的拍摄功能被人们广泛接受并演化为记录生活点滴必不可少的工具。目前可以用于拍照、录制视频的电子设备越来越多,例如手机、相机、平板电脑等,而现如今人们在使用这些设备进行拍摄照片或视频的同时,往往需要对拍摄的照片或视频进行一定的处理,以达到美化或搞笑的效果。
发明内容
本申请实例提供了一种图像处理方法及装置、存储介质。
本申请实例提供的图像处理方法包括:
获取第一图像;
对所述第一图像进行人脸检测,若检测到至少一张人脸图像,则提取所述至少一张人脸图像中每一张人脸图像的特征信息;
根据所述特征信息,从所述至少一张人脸图像中筛选出满足筛选条件的人脸图像;
根据第一策略对所述第一图像中被筛选出来的人脸图像进行面部修饰处理得到第二图像。
在一些实例中,所述筛选条件包括已存储的人脸图像的特征信息;所述方法还包括:当确定选择存储模式时,存储所述至少一张人脸图像中一张或多张人脸图像的特征信息;其中,当确定选择进行差异化面部修饰处理时,所述从所述至少一张人脸图像中筛选出满足筛选条件的人脸图像包括:从所述至少一张人脸图像中筛选出特征信息与存储的任一个人脸图像的特征信息相匹配的人脸图像。
在一些实例中,所述筛选条件包括个体属性信息;所述从所述至少一张人脸图像中筛选出满足预设筛选条件的人脸图像,包括:从所述至少一张人脸图像中筛选出特征信息与所述个体属性信息相匹配的人脸图像。
在一些实例中,所述方法还包括:提供多种个体属性选项;根据对所述多种个体属性选项的操作,确定选定的个体属性信息;其中,从所述至少一张人脸图像中筛选出特征信息与选定的所述个体属性信息相匹配的人脸图像。
在一些实例中,所述第一策略包括:对于与已存储的人脸图像具有至少一种关系的人脸图像进行面部修饰处理;其中,所述根据第一策略对所述第一图像中被筛选出来的人脸图像进行面部修饰处理,包括:将筛选出来的人脸图像与已存储的人脸图像的特征信息进行匹配,以确定所述筛选出来的人脸图像中与已存储的人脸图像具有所述至少一种关系的人脸图像,并将其作为第一目标人脸图像;对所述第一目标人脸图像中的部分或全部进行面部修饰处理。
在一些实例中,所述与已存储的人脸图像具有至少一种关系的人脸图像包括:与已存储的人脸图像的相同或相似的人脸图像、与已存储的人脸图像之间的距离在预设范围内的人脸图像、与已存储的人脸图像之间具有预设人物关系的人脸图像中的至少一者。
在一些实例中,所述第一策略进一步包括:对特征信息与个体属性信息相匹配的人脸图像进行面部修饰处理;其中,所述根据第一策略对所述第一图像中被筛选出来的人脸图像进行面部修饰处理,进一步包括:从所述第一目标人脸图像中确定与所述个体属性信息相匹配的人脸图像,并将其作为第二目标人脸图像;其中,对所述第二目标人脸图像进行面部修饰处理。
在一些实例中,当所述与已存储的人脸图像具有至少一种关系的人脸图像包括与已存储的人脸图像之间的距离在预设范围内的人脸图像时,所述根据第一策略对所述第一图像中被筛选出来的人脸图像进行面部修饰处理,包括:从筛选出来的人脸图像中,确定特征信息与已存储的人脸图像的特征信息之间相似度达到预定阈值的人脸图像并将其作为所述第一目标人脸图像;从所述筛选出来的人脸图像中所述第一目标人脸图像之外的人脸图像中,确定与所述第一目标人脸图像之间的距离在所述预设范围内的人脸图像,并将其作为第二目标人脸图像;对所述第二目标人脸图像进行面部修饰处理。
在一些实例中,当所述与已存储的人脸图像具有至少一种关系的人脸图像包括与已存储的人脸图像之间具有预设人物关系的人脸图像时,将筛选出来的人脸图像的特征信息与已存储的人脸图像对应的人物关系库中的特征信息进行匹配,从筛选出来的人脸图像中确定与已存储的人脸图像具有预设人物关系的人脸图像,并将其作为所述第一目标人脸图像。
在一些实例中,所述第一策略包括:对特征信息与个体属性信息相匹配的人脸图像进行面部修饰处理;其中,所述根据第一策略对所述第一图像中被筛选出来的人脸图像进行面部修饰处理,包括:从所述筛选出来的人脸图像中确定与所述个体属性信息相匹配的人脸图像,并将其作为第一目标人脸图像;对所述第一目标人脸图像中的部分或全部进行面部修饰处理。
在一些实例中,该方法还包括:根据第二策略对所述第一图像中不满足所述筛选条件的人脸图像进行面部修饰处理。
本申请实例提供的图像处理装置包括:
图像获取模块,获取第一图像;
特征提取模块,对所述第一图像进行人脸检测,若检测到至少一张人脸图像,则提取所述至少一张人脸图像中每一张人脸图像的特征信息;
人脸筛选模块,根据所述特征信息,从所述至少一张人脸图像中筛选出满足筛选条件的人脸图像;
第一处理模块,根据第一策略对所述第一图像中被筛选出来的人脸图像进行面部修饰处理。
在一些实例,所述筛选条件包括已存储的人脸图像的特征信息;图像处理装置还包括:选择模块和存储模块;其中,所述选择模块,当确定选择存储模式时,令存储模块存储所述至少一张人脸图像中一张或多张人脸图像的特征信息;当确定选择进行差异化面部修饰处理时,使所述人脸筛选模块从所述至少一张人脸图像中筛选出特征信息与存储的任一个人脸图像的特征信息相匹配的人脸图像。
在一些实例中,上述选择模块可提供多种个体属性选项,根据对所述多种个体属性选项的操作,确定选定的个体属性信息;其中,所述人脸筛选模块从所述至少一张人脸图像中筛选出特征信息与选定的所述个体属性信息相匹配的人脸图像。
本申请实例提供的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上述方法的步骤。
基于上述技术方案,可从图像中的人脸图像中筛选出来满足筛选条件的人脸图像,采用第一策略进行面部修饰处理,对于其他的人脸图像不做处理或者进行其他的处理,也就是说,对图像中的人脸图像进行差异化处理,改善了图像处理性能。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1a是本申请一实例应用的系统构架图;
图1b是本申请一实例中图像处理方法的流程示意图;
图2是本申请一实例中选择界面的示意图;
图3a是本申请一实例中一智能终端的机主存储在本地上的自拍照的示意图;
图3b是图3a中的人物与他人的合影的示意图;
图3c是对图3b进行差异化面部修饰处理之后的示意图;
图4是本申请一实例中一张待差异化面部修饰处理的合影的示意图;
图5是本申请一实例中基于Adaboost分类器和SVM分类器的人脸性别分类算法的流程示意图;
图6是本申请一实例中基于Adaboost分类器和SVM分类器的人脸种族识别算法的流程示意图;
图7是本申请一实例中融合LBP和HOG特征的人脸年龄估计算法的流程示意图;
图8是本申请一实例中融合LBP和局部稀疏表示的人脸表情识别算法的流程示意图;
图9是本申请一实例中图像处理装置的结构框图;
图10是本申请一实例中计算设备的结构示意图。
具体实施方式
本申请提出了一种图像处理方法,具体可以由智能终端或其他具有图像处理能力的电子设备执行,可应用于这类智能终端或电子设备中运行的图像处理应用客户端中。
图1a示出了本申请一实例应用的系统构架图。其中,本申请提供的方法应用于终端设备110中的图像处理应用客户端111中。终端设备110通过网络130与服务器120通信,终端设备110可通过网络130从服务器120中的媒体资源库121获取待处理的图片或者视频,也从服务器120中的人物关系库122获取指定用户的人物关系库。终端设备110中的图像处理应用客户端111可对终端设备110本地存储的或者从服务器120获取的图片或者视频进行图像处理,也可通过调用终端设备110中的拍摄装置112实时拍摄到图片或者视频并对其进行图像处理。这里,服务器120可以是单一服务器设备,也可以是一个服务器集群,其中的媒体资源库121和人物关系库122可位于同一个服务器设备也可位于不同的服务器设备。
如图1b所示,本申请实例中的图像处理方法包括以下步骤:
S101、获取第一图像;
其中,第一图像可以是之前已经拍摄好存储在本地的照片或视频中的至少一帧图像,也可以是从网络上下载的照片或视频中的至少一帧图像,也可以是摄像装置当前所拍摄的照片或当前录制的视频中的至少一帧图像。也就是说,本申请实例对第一图像的来源不做限定。
以获取摄像装置当前所拍摄的照片为例,对该步骤进行示例说明:
打开智能终端上的摄像头,进而打开取景器,对准拍摄对象,使拍摄对象以合理的角度呈现在智能终端的取景器中。当按下拍摄按键后,即可以将所拍摄的照片作为第一图像获取过来。
S102、对所述第一图像进行人脸检测,若检测到至少一张人脸图像,则提取所述至少一张人脸图像中每一张人脸图像的特征信息;
可理解的是,人脸检测是对于给定的图像,采用一定的策略对其进行搜索,以确定其中是否包含人脸,如果包含人脸的话,确定人脸的大小、位置等信息,不需要对用户的身份进行确认。在实际应用时,对于人脸检测的具体方法本申请实例不做限定,可以采用任意一种具体方法进行人脸检测。
可理解的是,特征信息是指人脸的轮廓、眼睛、鼻子、嘴巴、眉毛等关键部位的相关信息,人脸的轮廓、眼睛、鼻子、嘴巴、眉毛等关键部位可以用特征点来表示,然后这些特征点的位置数据便可作为人脸图像的特征信息。具体为:采用多个特征点来表征人脸的轮廓,多个特征点表征眼睛的上眼睑和下眼睑的轮廓等,多个特征点来表征嘴巴的形状(包括上嘴唇的形状、下嘴唇的形状)等,多个特征点来表征眉毛的形状、粗细等,多个特征点来表征鼻子的大小、形状等。例如,采用1~10号的特征点来表征嘴巴,采用11~20号的特征点来表征眼睛,采用21~30号的特征点来表征鼻子,采用31~40号的特征点来表征眉毛,采用41~50号的特征点来表征人脸轮廓。特征点的个数越多,获得的人脸图像的面部特征越精细,当然,特征点的个数越多,信息量越大,计算的复杂度也越高,因此特征点的个数可以在兼顾精细度和计算复杂度的基础上进行选择。
S103、根据所述特征信息,从所述至少一张人脸图像中筛选出满足筛选条件的人脸图像;
上述筛选条件,可以预先配置,也可以动态生成,还可以根据需要进行选择。具体的,筛选条件为待筛选出来的人脸图像为女性;再例如,筛选条件为待筛选出来的人脸图像为儿童;又例如,筛选条件为待筛选出来的人脸图像为智能终端的机主,筛选条件也可以是多个单一筛选条件的组合。当然,还可以有其他的筛选条件,本申请实例对采用何种筛选条件不做限定。
S104、根据第一策略对所述第一图像中被筛选出来的人脸图像进行面部修饰处理得到第二图像。
上述第一策略可以预先配置,也可以动态生成,还可以根据需要进行选择。
可理解的是,面部修饰处理有很多种,例如,美颜处理、丑化处理、搞怪处理、特效、滤镜等。其中,每一种面部修饰处理包含多种处理手段,例如,美颜处理包括磨皮、眼睛变大、牙齿变白、眼睛加美瞳、嘴巴上涂口红、佩戴各种配饰等美化面部的手段,丑化、搞怪处理包含脸型变形、添加表情包、眼睛变形、嘴巴变形等处理。当然,特效、滤镜也有很多手段,这里不一一说明,本领域技术人员应当知道的是,各种面部修饰处理包含的处理手段之间也可能存在交叉。
可理解的是,第一策略可以采用几种面部修饰处理中的一种对筛选出来的人脸图像进行处理,例如,第一策略为对人脸图像进行美颜处理;第一策略也可以是不冲突的两种或两种以上面部修饰处理的结合。例如,第一策略为既对人脸图像进行美颜处理,也对人脸图像进行滤镜处理,在美颜的同时也提高人脸图像的色彩饱和度。
本申请实例提供的图像处理方法,从第一图像中的人脸图像中筛选出来满足筛选条件的人脸图像,采用第一策略进行面部修饰处理,对于其他的人脸图像不做处理或者进行其他的处理,也就是说,对第一图像中的人脸图像进行差异化处理,增加趣味性。
可理解的是,本申请实例提供的图像处理方法,可以应用于静态的照片,也可以应用于动态的视频,如果应用于视频,则对视频中的每一帧图像进行步骤S101~S104的处理,从而实现对视频的处理。具体的应用场景可以是用户正在拍照或录制视频的情况,或者,用户想要对本地或网络上存储的照片或视频进行处理的情况。
在一些实例中,本申请实例提供的图像处理方法还可以包括:
根据第二策略对所述第一图像中不满足所述筛选条件的人脸图像进行面部修饰处理。
其中,所谓的第二策略,也可以是几种面部修饰处理中的一种或多种处理。上述第二策略可以预先配置,也可以动态生成,还可以根据需要进行选择。
举例来说,对于用户拍摄的一张照片中,对满足筛选条件的人脸图像进行美颜处理,而对于不满足预设筛选条件的人脸图像进行丑化处理,以实现差异化处理,增强趣味性。
当然,可以将上述筛选条件称为第一筛选条件,对满足第一筛选条件的人脸图像进行根据第一策略的面部修饰处理。也可以设置第二筛选条件、第三筛选条件……,对满足不同筛选条件的人脸图像进行根据不同策略的面部修饰处理,从而实现差异化处理。例如,对于照片中的老年人进行滤镜处理,对于中年人进行美颜处理,对于儿童进行特效处理等。
在一些实例中,本申请实例提供的图像处理方法中,参照图2,提供了一种选择界面,其中包括差异化面部修饰处理选项201、非差异化面部修饰处理选项202和存储选项203。通过选择差异化面部修饰处理选项201可以使图像处理应用客户端对照片或视频中的人脸图像执行上述差异化处理,通过选择非差异化面部修饰处理选项202可以使图像处理应用客户端对照片或视频中的人脸图像进行非差异化处理(例如,对人脸图像全部进行美颜处理),通过选择存储选项203还可以使图像处理应用客户端将照片或视频中的特征信息提取出来之后只进行存储,而本次存储的特征信息后续可以留作他用。也就是说,用户有多种选择,只有在选择了对人脸图像进行差异化面部修饰处理之后,才会对人脸图像进行差异化处理。具体过程可以包括:
在步骤S103之前,当确定进行差异化面部修饰处理时,从所述至少一张人脸图像中筛选出满足筛选条件的人脸图像。具体的,展示选择界面,所述选择界面中包括差异化面部修饰处理选项;响应于对所述选择界面中所述差异化面部修饰处理选项的选择,执行步骤S103。
这里,在人脸图像进行筛选之前,提供一选择界面,只有用户选择了差异化面部修饰处理选项之后,才会进行人脸图像的筛选,进而进行差异化处理。
在一些实例中,上述筛选条件包括已存储的人脸图像的特征信息,进一步的,在拍摄或者读取到一张照片或者一帧图像时,可以选择存储其中的人脸图像的特征信息。该方法可进一步包括:当确定选择存储模式时,存储所述至少一张人脸图像中一张或多张人脸图像的特征信息;其中,当确定选择进行差异化面部修饰处理时,所述从所述至少一张人脸图像中筛选出满足筛选条件的人脸图像包括:从所述至少一张人脸图像中筛选出特征信息与存储的任一个人脸图像的特征信息相匹配的人脸图像。
具体的,可以提供选择界面,选择界面中可以包括存储选项,当用户选择了存储选项之后,便不会执行步骤S103,而是进行存储处理。具体为:响应于对所述选择界面中所述存储选项的选择,将所述至少一张人脸图像中每一张人脸图像的特征信息进行存储,并结束本方法的处理过程。选择界面中还可包括进行差异化面部修饰处理选项,当用户选择了进行差异化面部修饰处理选项之后,执行步骤S103~S104。
可见,在选择界面中选择不同的选项之后,会进入不同的分支,选择了存储选项之后,会进入存储处理的分支,选择了差异化面部修饰处理选项之后,会进入差异化面部修饰处理的分支,当然,也可以在选择界面中设置一个非差异化面部修饰处理选项,在选择了该选项之后,便可以进入非差异化面部修饰处理的分支。
如果本次选择了存储选项,则会将本次提取的人脸图像的特征信息存储至本地或者网络上,存储的特征信息可以用于下一次选择了差异化面部修饰处理选项之后,根据已存储的特征信息和本次从第一图像中提取的特征信息,从至少一张人脸图像中筛选满足预设筛选条件的人脸图像。也就是说,如果本次选择了差异化面部修饰处理选项,则可以采用上一次选择存储选项后存储在本地或网络上的特征信息以及本次从第一图像中提取的特征信息,从至少一张人脸图像中筛选满足预设筛选条件的人脸图像。
可理解的是,如果将已存储的特征信息用于筛选人脸图像,则上述筛选条件与已存储在本地或网络上的人脸图像的特征信息有关。举例来说,筛选条件可以是筛选出特征信息已经存储在本地或网络上的人脸图像,也可以是筛选出特征信息已经存储在本地或网络上的人脸图像周围的人脸图像,还可以是筛选出与特征信息已经存储在本地或网络上的人脸图像相关的人脸图像,例如,筛选出与特征信息已经存储在本地或网络上的人脸图像具有某种人物关系(例如,好友关系、亲属关系、同学关系等)的人脸图像。
在一些实例中,所述筛选条件包括个体属性信息,比如:性别、种族、年龄、表情等中的至少一者。所述从所述至少一张人脸图像中筛选出满足预设筛选条件的人脸图像,包括:从所述至少一张人脸图像中筛选出特征信息与所述个体属性信息相匹配的人脸图像。比如:可筛选出性别为女的人脸图像,或者筛选出年龄属于儿童的人脸图像,等等。
在一些实例中,所述方法还包括:提供多种个体属性选项,根据对所述多种个体属性选项的操作,确定选定的个体属性信息;其中,从所述至少一张人脸图像中筛选出特征信息与选定的所述个体属性信息相匹配的人脸图像。具体的,图像处理应用客户端可提供个体属性选择界面,并在此界面中提供多种个体属性选项,比如:性别选项、年龄选项等,用户通过操作这些选项可以选定各个选项的属性值,比如:通过操作性别选项选择性别为女,通过操作年龄选项选择年龄段为儿童等等。之后,将选定的各个选项的属性值作为选定的个体属性信息。
在一些实例中,所述第一策略包括:对于与已存储的人脸图像具有至少一种关系的人脸图像进行面部修饰处理;其中,所述根据第一策略对所述第一图像中被筛选出来的人脸图像进行面部修饰处理,包括:将筛选出来的人脸图像与已存储的人脸图像的特征信息进行匹配,以确定所述筛选出来的人脸图像中与已存储的人脸图像具有所述至少一种关系的人脸图像,并将其作为第一目标人脸图像;对所述第一目标人脸图像中的部分或全部进行面部修饰处理。
在一些实例中,所述与已存储的人脸图像具有至少一种关系的人脸图像包括:与已存储的人脸图像的相同或相似的人脸图像、与已存储的人脸图像之间的距离在预设范围内的人脸图像、与已存储的人脸图像之间具有预设人物关系的人脸图像中的至少一者。这样,就可以从第一图像中找到已存储的某个人的人脸图像,也可以找到此人周围的人脸图像,还可以找到与此人具有某种任务关系的人脸。比如:已存储了运行本方法的智能终端的机主的人脸图像,在此实例中就可以从当前处理的第一图像中找到机主的人脸图像,也可以找到机主周围一定范围内的人脸图像,还可以找到与机主具有亲戚或者同学关系的人脸图像,从而对这些人脸图像进行面部修饰处理。
在一些实例中,所述第一策略进一步包括:对特征信息与个体属性信息相匹配的人脸图像进行面部修饰处理;其中,所述根据第一策略对所述第一图像中被筛选出来的人脸图像进行面部修饰处理,进一步包括:从所述第一目标人脸图像中确定与所述个体属性信息相匹配的人脸图像,并将其作为第二目标人脸图像;其中,对所述第二目标人脸图像进行面部修饰处理。在这些实例中,当从第一图像中找到与一已存储的人脸图像具有某种关系的第一目标人脸图像后,可以进一步从第一目标人脸图像中找到与个体属性信息相匹配的第二目标人脸图像,再对第二目标人脸图像进行面部修饰处理。比如:当找到上述机主人脸周围的人脸图像后,可以从中找到女性人脸,之后对女性人脸进行面部修饰处理。
在一些实例中,当所述与已存储的人脸图像具有至少一种关系的人脸图像包括与已存储的人脸图像之间的距离在预设范围内的人脸图像时,所述根据第一策略对所述第一图像中被筛选出来的人脸图像进行面部修饰处理,包括:从筛选出来的人脸图像中,确定特征信息与已存储的人脸图像的特征信息之间相似度达到预定阈值的人脸图像并将其作为所述第一目标人脸图像;从所述筛选出来的人脸图像中所述第一目标人脸图像之外的人脸图像中,确定与所述第一目标人脸图像之间的距离在所述预设范围内的人脸图像,并将其作为第二目标人脸图像;对所述第二目标人脸图像进行面部修饰处理。在这些实例中,首先计算第一图像中筛选出的每一个人脸图像与一已存储的人脸图像的特征信息之间的相似度,将相似度达到预定阈值的人脸图像作为第一目标人脸图像,再计算筛选出的人脸图像除第一目标人脸图像之外的各个人脸图像与此第一目标人脸图像之间的距离,选取距离在预设范围内的人脸图像作为第二目标人脸图像进行面部修饰处理。
在一些实例中,当所述与已存储的人脸图像具有至少一种关系的人脸图像包括与已存储的人脸图像之间具有预设人物关系的人脸图像时,将筛选出来的人脸图像的特征信息与已存储的人脸图像对应的人物关系库中的特征信息进行匹配,从筛选出来的人脸图像中确定与已存储的人脸图像具有预设人物关系的人脸图像,并将其作为所述第一目标人脸图像。其中,已存储的人脸图像会对应一个用户,在智能终端本地或者网络侧的服务器中可以建立各个用户对应的人物关系库,某一个用户对应的人物关系库中可以包括与该用户具有一个或多个人物关系的用户的人脸图像的特征信息,通过将筛选出来的人脸图像的特征信息与某个用户的人物关系库中的人脸图像的特征进行匹配,可以从中确定与该用户具有某种人物关系的人脸图像。
在一些实例中,所述第一策略包括:对特征信息与个体属性信息相匹配的人脸图像进行面部修饰处理;其中,所述根据第一策略对所述第一图像中被筛选出来的人脸图像进行面部修饰处理,包括:从所述筛选出来的人脸图像中确定与所述个体属性信息相匹配的人脸图像,并将其作为第一目标人脸图像;对所述第一目标人脸图像中的部分或全部进行面部修饰处理。如前所述,个体属性信息可以包括性别、年龄、种族、表情等中的至少一者。如果上述的筛选条件也包括某个或某些个体属性信息,则第一策略可以包括除筛选条件包括的个体属性信息以外的其它个体属性信息。比如:筛选条件包括性别,则第一策略可以包括年龄、种族等。这样,当根据筛选条件筛选出女性的人脸图像后,可以根据第一策略对筛选出的女性人脸图像中白种人儿童的人脸图像进行面部修饰处理。
在一些实例中,可提供多种第一策略选项,根据对所述多种第一策略选项的操作,确定选定的第一策略,之后,根据选定的第一策略对人脸图像进行面部修饰处理。具体的,图像处理应用客户端可提供策略选择界面,其中呈现各种策略选项,用户通过操作各个策略选项可以设定所要使用的策略参数。比如:设定对已存储的某个人脸图像进行面部修饰处理,或者设定对与已存储的某个人脸图像对应的用户具有某种人物关系的用户的人脸图像进行面部修饰处理,或者设定对已存储的某个人脸图像周围的人脸图像中具有某种个体属性的人脸图像进行面部修饰处理,等等。
在上述实例中,图像处理应用客户端可基于筛选条件和第一策略对满足筛选条件的人脸图像进行面部修饰处理,可灵活的基于实现需求对图像中的特定人脸图像进行面部修饰处理,比如美颜或是丑化,进而提供了一种自动化的面部修饰处理功能,还能增加用户使用图像处理应用客户端的趣味性,改善用户体验,具有较高的商业价值。
下面介绍几种筛选条件以及对应的筛选过程:
(1)假设筛选条件为筛选出特征信息已经存储在本地或网络上的人脸图像,将满足此条件的人脸图像称为第一目标人脸图像。若第一目标人脸图像的特征信息与已存储的人脸图像的特征信息相匹配,则可以认为第一目标人脸图像为特征信息已存储在本地或网络上的人脸图像。
第一目标人脸图像的筛选过程可以包括:
将所述至少一张人脸图像中每一张人脸图像的特征信息与所述预先存储的人脸图像的特征信息进行对比,并从所述至少一张人脸图像中将特征信息与所述预先存储的人脸图像的特征信息相匹配的人脸图像作为满足所述筛选条件的第一目标人脸图像筛选出来。
举例来说,智能终端的机主在一次自拍后,在选择界面中选择了存储选项,智能终端便将自己的人脸图像(参见图3a)的特征信息存储在本地相册中。后来,该机主与其他人合影(参见图3b)后,在选择界面中选择了差异化面部修饰处理选项,则在图像处理后得到的合影(参见图3c)中,只有机主的人脸图像进行了根据第一策略的第一面部修饰处理(例如,在图3c中,左边人物的人脸图像增加了口红和假睫毛),而合影中的其他人没有进行任何面部修饰处理。
(2)假设筛选条件除了包括筛选出第一目标人脸图像之外,还包括筛选出第一目标人脸图像周围的人脸图像,可以将第一目标人脸图像周围的人脸图像称为第二目标人脸图像。若第二目标人脸图像与第一目标人脸图像之前的距离在预设范围内,则可以认为第二目标人脸图像位于第一目标人脸图像的周围。
第二目标人脸图像的筛选过程可以包括:
从所述至少一张人脸图像中,与所述第一目标人脸图像之间的距离在所述预设范围内的人脸图像作为满足所述预设筛选条件的第二人脸图像筛选出来。
其中,确定两张图像之间距离的方式有多种,例如,计算一张人脸图像的中心点在第一图像中的位置坐标与另一张人脸图像在第一图像中的位置坐标之间的距离,再例如,计算一张人脸图像的左上角在第一图像中的位置坐标与另一张人脸图像的左上角在第一图像中的位置坐标之间的距离。当然,还可以有其他的距离确定方式。
举例来说,参见图4,某班级的五个同学在一景点进行合影,合影之后发现在照片中还有两个不相关的游客在该班级同学群体的远处。针对这种情况,可以将站在群体中比较靠近中心位置的同学作为第一目标人脸图像,将该比较靠近中心位置的同学周围的同学作为第二目标人脸图像,将筛选条件设置为筛选出第一目标人脸图像和第二目标人脸图像,然后对筛选出的第一目标人脸图像和第二目标人脸图像进行美颜处理,也就是说,对该班级的五个同学进行美颜处理,而远处不相关的游客不做处理,则可以弱化这两个游客的存在感,突出该班级同学。可见,在该实例中,差异化处理不仅可以提高趣味性,还可以使图像中的某部分进行弱化或突出。
这里,不仅对第一目标人脸图像根据第一策略进行面部修饰处理,也对第二目标人脸图像根据第一策略进行面部修饰处理。当然,也可以仅对第二目标人脸图像进行面部修饰处理。
(3)假设筛选条件为当前人脸图像为预设用户对应的人脸图像或者与所述预设用户之间具有预设人物关系的用户对应的人脸图像,将满足该筛选条件的人脸图像称为第三目标人脸图像。第三目标人脸图像的筛选过程可包括:
将所述至少一张人脸图像中的每一张人脸图像的特征信息与针对预设用户预先建立的预设人物关系库中的特征信息进行对比,并从所述至少一张人脸图像中筛选出特征信息与所述预设人物关系库中的特征信息相匹配的人脸图像;
其中,所述预设人物关系库中包括预设用户对应的人脸图像的特征信息以及与所述预设用户具有所述预设人物关系的用户对应的人脸图像的特征信息。
其中,预设人物关系库的建立有多种方式,其中一种方式为通过大数据整合,例如,在用户qq相册中一般会有不同名称的相册,比如:家庭相册、大学同学相册、高中同学相册等。顾名思义,家庭相册中的各张照片上的人脸图像之间是家庭成员关系,大学同学相册中的各张照片上的人脸图像之间是大学同学关系,而高中同学相册中的各张照片上的人脸图像之间是高中同学关系。当然,各个相册之间的人脸图像也可能存在重叠的关系。后台服务器便可以基于某一智能终端的机主的qq相册,建立与机主具有各种人物关系的库,例如,家庭关系库,该库中包括与该机主具有家庭关系的人脸图像的特征信息;再例如,大学同学关系库,该库中包括与该机主具有大学同学关系的人脸图像的特征信息。当然,后台服务器在建立好机主的人物关系库后,可以将该人物关系库上传至云端,当智能终端需要时,可以从云端下载。
可理解的是,预设用户,可以是拍摄照片或视频的智能终端的机主,也可以是在拍摄照片或视频的智能终端上登录qq或其他平台的用户,还可以是其他用户,只要是在执行本方法的智能终端上能够获取到对应人物关系库的用户即可。
举例来说,筛选条件为筛选出机主以及与机主具有家庭关系的用户的人脸图像,智能终端便从云端下载机主的家庭关系库,可理解的是,在该库中也会存在机主的人脸图像的特征信息。智能终端便可以获得机主以及与机主具有家庭关系的人脸图像的特征信息,进而将待处理的照片中的每一张人脸图像与家庭关系库中的每一人脸图像的特征信息进行比对,进而将与家庭关系库中的人脸图像的特征信息相匹配的人脸图像作为第三人脸图像筛选出来。
(4)筛选条件为当前人脸图像对应预设性别,即筛选出预设性别的人脸图像,将满足该筛选条件的人脸图像称为第四人脸图像。第四人脸图像的筛选过程可以包括:
采用预设的人脸性别识别算法,识别出所述至少一张人脸图像中每一张人脸图像对应的性别,并将对应所述预设性别的人脸图像作为满足所述预设筛选条件的第四人脸图像筛选出来。
其中,性别分为男性和女性。
举例来说,以女性为预设性别,则对女性的人脸图像进行美颜处理,而对男性的人脸图像进行丑化处理。
其中,性别识别是利用计算机视觉来辨别和分析图像中的人脸性别属性,具体的识别算法有多种,例如,基于特征脸的性别识别算法、基于费希尔(英文为Fisher)准则的性别识别方法、基于Adaboost分类器和SVM分类器的人脸性别分类算法等。
上述基于特征脸的性别识别算法,主要是使用PCA(即主成分分析法)进行识别。在计算过程中通过消除数据中的相关性,将高维图像降低到低维空间,而训练集中的样本则被映射成低维空间中的一点。当需要判断测试人脸图像的性别时,就需要先将人脸图像映射到低维空间中,然后计算距离人脸图像最近的样本点是哪一个,最后将最近样本点的性别赋值给人脸图像即可。
上述基于Fisher准则的性别识别方法,主要是利用LDA(即线性投影分析法)的思想。它是通过将样本空间中的男女样本投影到过原点的一条直线上,并确保样本在该线上的投影类内距离最小、类间距离最大,从而分离出识别男女的分界线。
参见图5,上述基于Adaboost分类器和SVM分类器的人脸性别分类算法,主要分为两个阶段:训练阶段和测试阶段,其中:
在测试阶段,通过对样本图像进行预处理,提取图像的Gabor小波特征,通过Adaboost分类器进行特征降维,最后对SVM分类器进行训练。
在测试阶段,通过对样本图像进行预处理,提取图像的Gabor小波特征,通过Adaboost分类器进行特征降维,最后用训练好的SVM分类器进行识别,输出识别结果,进而可以知道性别识别的准确度。
(5)筛选条件为当前人脸图像对应预设种族,即筛选出预设种族的人脸图像,将满足该筛选条件的人脸图像称为第五人脸图像。第五人脸图像的筛选过程可以包括:
采用预设的人脸种族识别算法,识别出所述至少一张人脸图像中每一张人脸图像对应的种族,并将对应所述预设种族的人脸图像作为满足所述预设筛选条件的第五人脸图像筛选出来。
其中,种族有白种人、黄种人、黑种人、棕种人等。
举例来说,以黑种人为预设种族,则对第一图像中的黑种人进行美白处理,对白种人进行美黑处理,对于黄种人、棕种人不做处理。
其中,人脸种族识别算法有多种,其中一种为基于Adaboost分类器和SVM分类器的人脸种族识别算法。如图6所示,该算法的大致过程包括:对输入的人脸图像进行预处理后,提取人脸的肤色信息和Gabor特征,并通过Adaboost分类器进行特征学习,最后根据SVM分类器进行特征分类。
(6)筛选条件为当前人脸图像对应预设年龄段,即筛选出预设年龄段的人脸图像,将满足该条件的人脸图像称为第六人脸图像。第六人脸图像的筛选过程可以包括:
采用预设的人脸年龄估计算法,预估出所述至少一张人脸图像中每一张人脸图像对应的年龄段,并将对应所述预设年龄段的人脸图像作为满足所述预设筛选条件的第六人脸图像筛选出来。
其中,年龄段可以包括少年、青年、中年、老年等多个年龄段,也可以更加精细的年龄段,例如:0~10年龄段、10~20年龄段、20~30年龄段、30~40年龄段、40~50年龄段、50~60年龄段、60以上年龄段。
举例来说,对于照片中的老年人采用美颜处理,而照片中其他人不做处理。
由于人的年龄特征在外表上很难准确地被观察出来,即使是人眼也很难准确地判断出一个人的年龄。再看人脸的年龄特征,它通常表现在皮肤纹理、皮肤颜色、光亮程度和皱纹纹理等方面,而这些因素通常与个人的遗传基因、生活习惯、性别和性格特征和工作环境等方面相关。所以年龄估计是一个比性别估计还要复杂的问题,很难用一个统一的模型去定义人脸图像的年龄。所以这里估计年龄段,年龄段估计大致分为预估和详细评估两个阶段,其中:
预估阶段,提取出照片中人脸的肌肤纹理特征,对年龄范围进行一个大致的评估,得到大致的年龄段;
详细评估阶段,通过支持向量机的方法,建立对应于多个年龄段的多个模型分类器,并选择合适的模型进行匹配。
年龄段估计具体可以采用融合LBP(即局部二值化模式)和HOG(即梯度直方图)特征的人脸年龄估计算法,如图7所示,该算法的大致流程为:通过LBP特征描述子和HOG特征描述子提取与年龄变化关系紧密的人脸的局部统计特征:LBP特征和HOG特征,然后用CCA(即典型相关分析)的方法融合,最后通过SVR(即支持向量机回归)的方法对人脸库进行训练和测试。
(7)筛选条件为当前人脸图像对应预设情绪,即筛选出预设情绪的人脸图像,将满足该筛选条件的人脸图像称为第七人脸图像。第七人脸图像的筛选过程可以包括:
采用预设的人脸表情识别算法,识别出所述至少一张人脸图像中每一张人脸图像对应的情绪,并将对应所述预设情绪的人脸图像作为满足所述预设筛选条件的第七人脸图像筛选出来。
其中,情绪,包括高兴、悲伤、愤怒、恐惧、惊讶、厌恶等。
举例来说,以开心为预设情绪,对照片中比较开心的人脸图像进行美颜处理,其他情绪的人脸图像不做处理。
人脸的情绪可以通过人脸表情来确定,人脸表情是情绪状态和心理状态表现出来的一种重要形式。心理学家研究表明,只有7%的信息通过语言来表达,有38%按辅助语言来传达,如节奏、语音、语调等,而占比重最大的是人脸表情达到总量的55%。也就是说,我们通过人脸表情可以得到很多有价值的信息。人脸表情识别是指研究一个自动、高效、准确的系统来识别人脸表情的状态,进而通过人脸表情信息了解人的情绪。
其中,人脸表情识别算法可以但不限于采用融合LBP和局部稀疏表示的人脸表情识别算法。如图8所示,该算法的大致过程可以包括:
首先,对规格化后的训练集中的人脸图像进行特征分区,对于每个人脸图像分区计算该区域的LBP特征,并采用直方图统计方法整合该区域特征向量,形成由特定人脸的局部特征组成的训练集局部特征库;
其次,对于测试集的人脸图像,同样进行人脸图像规格化、人脸分区、局部LBP特征计算和局部直方图统计操作;
最后,对于测试人脸的局部直方图统计特征,利用训练集特征库进行局部稀疏重构表示,并采用局部稀疏重构残差加权方法进行最终人脸表情分类识别。
以上内容介绍了7中筛选条件以及相应的筛选过程,可以理解的是,还可以采用其他的筛选条件,而且可以采用结合的方式将几种单一的筛选条件组成复合的筛选条件进行筛选。举例来说,筛选条件包括女性和棕种人,则会筛选出满足女性和棕种人中至少一个条件的人脸图像,或者,同时满足女性和棕种人这两个条件的人脸图像。
本申请实例还提供一种图像处理装置,该装置的硬件设备可以是智能终端或者其他具有图像处理能力的电子设备。如图9所示,该图像处理装置900包括:
图像获取模块901,获取第一图像;
特征提取模块902,对所述第一图像进行人脸检测,若检测到至少一张人脸图像,则提取所述至少一张人脸图像中每一张人脸图像的特征信息;
人脸筛选模块903,根据所述特征信息,从所述至少一张人脸图像中筛选出满足筛选条件的人脸图像;
第一处理模块904,根据第一策略对所述第一图像中被筛选出来的人脸图像进行面部修饰处理得到第二图像。
在一些实例中,图像处理装置900还可以包括:
第二处理模块,根据第二策略对所述第一图像中不满足所述筛选条件的人脸图像进行面部修饰处理。
在一些实例,所述筛选条件包括已存储的人脸图像的特征信息;图像处理装置900还包括:选择模块和存储模块;其中,选择模块,当确定选择存储模式时,令存储模块存储所述至少一张人脸图像中一张或多张人脸图像的特征信息;当确定选择进行差异化面部修饰处理时,使人脸筛选模块903从所述至少一张人脸图像中筛选出特征信息与存储的任一个人脸图像的特征信息相匹配的人脸图像。
在一些实例中,上述选择模块可提供多种个体属性选项,根据对所述多种个体属性选项的操作,确定选定的个体属性信息;其中,人脸筛选模块903从所述至少一张人脸图像中筛选出特征信息与选定的所述个体属性信息相匹配的人脸图像。
上述人脸筛选模块903和第一处理模块904可按前述实例中的各种方法来根据各种筛选条件筛选人脸图像并根据各种第一策略对筛选出的人脸图像进行面部修饰处理,这里不再一一赘述。
在一些实例中,选择模块,在人脸筛选模块903从所述至少一张人脸图像中筛选出满足筛选条件的人脸图像之前,可展示选择界面,所述选择界面中包括差异化面部修饰处理选项;响应于对所述选择界面中所述差异化面部修饰处理选项的选择,使人脸筛选模块903执行所述从所述至少一张人脸图像中筛选出满足筛选条件的人脸图像的步骤。
在一些实例中,所述选择界面中还可以包括存储选项;所述选择模块还可以响应于对所述选择界面中所述存储选项的选择,将所述至少一张人脸图像中每一张人脸图像的特征信息进行存储,并结束本方法的处理过程;
其中,选择模块响应于对所述选择界面中所述差异化面部修饰处理选项的选择,使人脸筛选模块903根据已存储的特征信息和从所述第一图像中提取的特征信息,从所述至少一张人脸图像中筛选出满足预设筛选条件的人脸图像。
在一些实例中,所述预设筛选条件包括当前人脸图像为预设用户对应的人脸图像或者与所述预设用户之间具有预设人物关系的用户对应的人脸图像;人脸筛选模块903可以具体将所述至少一张人脸图像中的每一张人脸图像的特征信息与针对预设用户预先建立的预设人物关系库中的特征信息进行对比,并从所述至少一张人脸图像中筛选出特征信息与所述预设人物关系库中的特征信息相匹配的人脸图像;其中,所述预设人物关系库中包括预设用户对应的人脸图像的特征信息以及与所述预设用户具有所述预设人物关系的用户对应的人脸图像的特征信息。。
在一些实例中,所述预设筛选条件还包括:当前人脸图像与所述第一人脸图像之间的距离在预设范围内;人脸筛选模块903可以从所述至少一张人脸图像中,与所述第一人脸图像之间的距离在所述预设范围内的人脸图像作为满足所述预设筛选条件的第二人脸图像筛选出来。
在一些实例中,所述预设筛选条件包括当前人脸图像与其它人脸图像之间具有预设人物关系;人脸筛选模块903可以将所述至少一张人脸图像中的每一张人脸图像的特征信息与预先建立的人物关系库中具有所述预设人物关系的人脸图像的特征信息进行对比,并从所述至少一张人脸图像中将特征信息与具有所述预设人物关系的人脸图像的特征信息相匹配的人脸图像作为满足所述预设筛选条件的人脸图像筛选出来。
在一些实例中,所述预设筛选条件包括当前人脸图像对应预设性别;人脸筛选模块903可以采用预设的人脸性别识别算法,识别出所述至少一张人脸图像中每一张人脸图像对应的性别,并将对应所述预设性别的人脸图像作为满足所述预设筛选条件的人脸图像筛选出来。
在一些实例中,所述预设筛选条件包括当前人脸图像对应预设种族;人脸筛选模块903可以采用预设的人脸种族识别算法,识别出所述至少一张人脸图像中每一张人脸图像对应的种族,并将对应所述预设种族的人脸图像作为满足所述预设筛选条件的人脸图像筛选出来。
在一些实例中,所述预设筛选条件包括当前人脸图像对应预设年龄段;人脸筛选模块903可以包括:采用预设的人脸年龄估计算法,预估出所述至少一张人脸图像中每一张人脸图像对应的年龄段,并将对应所述预设年龄段的人脸图像作为满足所述预设筛选条件的人脸图像筛选出来。
在一些实例中,所述预设筛选条件包括当前人脸图像对应预设情绪;人脸筛选模块903可以采用预设的人脸表情识别算法,识别出所述至少一张人脸图像中每一张人脸图像对应的情绪,并将对应所述预设情绪的人脸图像作为满足所述预设筛选条件的人脸图像筛选出来。
可理解的是,本申请实例提供的图像处理装置为图像处理方法的功能架构模块,有关内容的解释、说明、具体实施方式、举例说明以及有益效果等部分可以参考图像处理方法中的相应部分,此处不再赘述。
本申请实例还提供一种计算机可读存储介质,该介质上存储有计算机程序,该程序被处理器执行时可以实现上述任一方法的步骤。
本申请实例还提供一种计算机设备,该设备可以为智能终端,如图10所示,该计算机设备包括一个或者多个处理器(CPU)1002、通信模块1004、存储器1006、用户接口1010,以及用于互联这些组件的通信总线1008,其中:
处理器1002可通过通信模块1004接收和发送数据以实现网络通信和/或本地通信。
用户接口1010包括一个或多个输出设备1012,其包括一个或多个扬声器和/或一个或多个可视化显示器。用户接口1010也包括一个或多个输入设备1014,其包括诸如,键盘,鼠标,声音命令输入单元或扩音器,触屏显示器,触敏输入板,姿势捕获摄像机或其他输入按钮或控件等。
存储器1006可以是高速随机存取存储器,诸如DRAM、SRAM、DDR RAM、或其他随机存取固态存储设备;或者非易失性存储器,诸如一个或多个磁盘存储设备、光盘存储设备、闪存设备,或其他非易失性固态存储设备。
存储器1006存储处理器1002可执行的指令集,包括:
操作系统1016,包括用于处理各种基本系统服务和用于执行硬件相关任务的程序;
应用1018,包括用于图像处理的各种应用程序,这种应用程序能够实现上述各实例中的处理流程,比如可以包括图像处理装置中的部分或者全部指令模块或单元。处理器1002通过执行存储器1006中各单元中至少一个单元中的机器可执行指令,进而能够实现上述各单元或模块中的至少一个模块的功能。
需要说明的是,上述各流程和各结构图中不是所有的步骤和模块都是必须的,可以根据实际的需要忽略某些步骤或模块。各步骤的执行顺序不是固定的,可以根据需要进行调整。各模块的划分仅仅是为了便于描述采用的功能上的划分,实际实现时,一个模块可以分由多个模块实现,多个模块的功能也可以由同一个模块实现,这些模块可以位于同一个设备中,也可以位于不同的设备中。
各实例中的硬件模块可以以硬件方式或硬件平台加软件的方式实现。上述软件包括机器可读指令,存储在非易失性存储介质中。因此,各实例也可以体现为软件产品。
各例中,硬件可以由专门的硬件或执行机器可读指令的硬件实现。例如,硬件可以为专门设计的永久性电路或逻辑器件(如专用处理器,如FPGA或ASIC)用于完成特定的操作。硬件也可以包括由软件临时配置的可编程逻辑器件或电路(如包括通用处理器或其它可编程处理器)用于执行特定操作。
另外,本申请的每个实例可以通过由数据处理设备如计算机执行的数据处理程序来实现。显然,数据处理程序构成了本申请。此外,通常存储在一个存储介质中的数据处理程序通过直接将程序读取出存储介质或者通过将程序安装或复制到数据处理设备的存储设备(如硬盘和/或内存)中执行。因此,这样的存储介质也构成了本申请,本申请还提供了一种非易失性存储介质,其中存储有数据处理程序,这种数据处理程序可用于执行本申请上述方法实例中的任何一种实例。
图10模块对应的机器可读指令可以使计算机上操作的操作系统等来完成这里描述的部分或者全部操作。非易失性计算机可读存储介质可以是插入计算机内的扩展板中所设置的存储器中或者写到与计算机相连接的扩展单元中设置的存储器。安装在扩展板或者扩展单元上的CPU等可以根据指令执行部分和全部实际操作。
以上所述仅为本申请的较佳实例而已,并不用以限制本申请,凡在本申请的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本申请保护的范围之内。
Claims (13)
1.一种图像处理方法,其特征在于,包括:
获取第一图像;
对所述第一图像进行人脸检测,若检测到至少一张人脸图像,则提取所述至少一张人脸图像中每一张人脸图像的特征信息;
根据所述特征信息,从所述至少一张人脸图像中筛选出满足筛选条件的人脸图像;
根据第一策略对所述第一图像中被筛选出来的人脸图像进行面部修饰处理得到第二图像。
2.根据权利要求1所述的方法,其特征在于,所述筛选条件包括已存储的人脸图像的特征信息;所述方法还包括:
当确定选择存储模式时,存储所述至少一张人脸图像中一张或多张人脸图像的特征信息;
其中,当确定选择进行差异化面部修饰处理时,所述从所述至少一张人脸图像中筛选出满足筛选条件的人脸图像包括:从所述至少一张人脸图像中筛选出特征信息与存储的任一个人脸图像的特征信息相匹配的人脸图像。
3.根据权利要求1所述的方法,其特征在于,所述筛选条件包括个体属性信息;
所述从所述至少一张人脸图像中筛选出满足预设筛选条件的人脸图像,包括:
从所述至少一张人脸图像中筛选出特征信息与所述个体属性信息相匹配的人脸图像。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
提供多种个体属性选项;
根据对所述多种个体属性选项的操作,确定选定的个体属性信息;
其中,从所述至少一张人脸图像中筛选出特征信息与选定的所述个体属性信息相匹配的人脸图像。
5.根据权利要求2所述的方法,其特征在于,所述第一策略包括:对于与已存储的人脸图像具有至少一种关系的人脸图像进行面部修饰处理;
其中,所述根据第一策略对所述第一图像中被筛选出来的人脸图像进行面部修饰处理,包括:
将筛选出来的人脸图像与已存储的人脸图像的特征信息进行匹配,以确定所述筛选出来的人脸图像中与已存储的人脸图像具有所述至少一种关系的人脸图像,并将其作为第一目标人脸图像;
对所述第一目标人脸图像中的部分或全部进行面部修饰处理。
6.根据权利要求5所述的方法,其特征在于,所述与已存储的人脸图像具有至少一种关系的人脸图像包括:与已存储的人脸图像的相同或相似的人脸图像、与已存储的人脸图像之间的距离在预设范围内的人脸图像、与已存储的人脸图像之间具有预设人物关系的人脸图像中的至少一者。
7.根据权利要求5所述的方法,其特征在于,所述第一策略进一步包括:对特征信息与个体属性信息相匹配的人脸图像进行面部修饰处理;
其中,所述根据第一策略对所述第一图像中被筛选出来的人脸图像进行面部修饰处理,进一步包括:从所述第一目标人脸图像中确定与所述个体属性信息相匹配的人脸图像,并将其作为第二目标人脸图像;
其中,对所述第二目标人脸图像进行面部修饰处理。
8.根据权利要求6所述的方法,其特征在于,当所述与已存储的人脸图像具有至少一种关系的人脸图像包括与已存储的人脸图像之间的距离在预设范围内的人脸图像时,所述根据第一策略对所述第一图像中被筛选出来的人脸图像进行面部修饰处理,包括:
从筛选出来的人脸图像中,确定特征信息与已存储的人脸图像的特征信息之间相似度达到预定阈值的人脸图像并将其作为所述第一目标人脸图像;
从所述筛选出来的人脸图像中所述第一目标人脸图像之外的人脸图像中,确定与所述第一目标人脸图像之间的距离在所述预设范围内的人脸图像,并将其作为第二目标人脸图像;
对所述第二目标人脸图像进行面部修饰处理。
9.根据权利要求6所述的方法,其特征在于,当所述与已存储的人脸图像具有至少一种关系的人脸图像包括与已存储的人脸图像之间具有预设人物关系的人脸图像时,将筛选出来的人脸图像的特征信息与已存储的人脸图像对应的人物关系库中的特征信息进行匹配,从筛选出来的人脸图像中确定与已存储的人脸图像具有预设人物关系的人脸图像,并将其作为所述第一目标人脸图像。
10.根据权利要求1所述的方法,其特征在于,所述第一策略包括:对特征信息与个体属性信息相匹配的人脸图像进行面部修饰处理;
其中,所述根据第一策略对所述第一图像中被筛选出来的人脸图像进行面部修饰处理,包括:
从所述筛选出来的人脸图像中确定与所述个体属性信息相匹配的人脸图像,并将其作为第一目标人脸图像;
对所述第一目标人脸图像中的部分或全部进行面部修饰处理。
11.根据权利要求1~10任一项所述的方法,其特征在于,还包括:
根据第二策略对所述第一图像中不满足所述筛选条件的人脸图像进行面部修饰处理。
12.一种图像处理装置,其特征在于,包括:
图像获取模块,获取第一图像;
特征提取模块,对所述第一图像进行人脸检测,若检测到至少一张人脸图像,则提取所述至少一张人脸图像中每一张人脸图像的特征信息;
人脸筛选模块,根据所述特征信息,从所述至少一张人脸图像中筛选出满足筛选条件的人脸图像;
第一处理模块,根据第一策略对所述第一图像中被筛选出来的人脸图像进行面部修饰处理得到第二图像。
13.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1~11任一所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810001014.3A CN108182714B (zh) | 2018-01-02 | 2018-01-02 | 图像处理方法及装置、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810001014.3A CN108182714B (zh) | 2018-01-02 | 2018-01-02 | 图像处理方法及装置、存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108182714A true CN108182714A (zh) | 2018-06-19 |
CN108182714B CN108182714B (zh) | 2023-09-15 |
Family
ID=62549798
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810001014.3A Active CN108182714B (zh) | 2018-01-02 | 2018-01-02 | 图像处理方法及装置、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108182714B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108921941A (zh) * | 2018-07-10 | 2018-11-30 | Oppo广东移动通信有限公司 | 图像处理方法、装置、存储介质和电子设备 |
CN109325468A (zh) * | 2018-10-18 | 2019-02-12 | 广州智颜科技有限公司 | 一种图像处理方法、装置、计算机设备和存储介质 |
CN109784157A (zh) * | 2018-12-11 | 2019-05-21 | 口碑(上海)信息技术有限公司 | 一种图像处理方法、装置及系统 |
CN110120219A (zh) * | 2019-05-05 | 2019-08-13 | 安徽省科普产品工程研究中心有限责任公司 | 一种智能语音交互方法、系统和装置 |
CN110134807A (zh) * | 2019-05-17 | 2019-08-16 | 苏州科达科技股份有限公司 | 目标检索方法、装置、系统及存储介质 |
CN110335207A (zh) * | 2019-06-04 | 2019-10-15 | 苏州浩哥文化传播有限公司 | 一种基于群像选择的智能影像优化方法及其系统 |
WO2020037962A1 (zh) * | 2018-08-24 | 2020-02-27 | 北京字节跳动网络技术有限公司 | 面部图像校正方法、装置及存储介质 |
CN111507889A (zh) * | 2020-04-13 | 2020-08-07 | 北京字节跳动网络技术有限公司 | 图像处理方法、装置、电子设备及计算机可读存储介质 |
CN111553216A (zh) * | 2020-04-20 | 2020-08-18 | 维沃移动通信有限公司 | 图像处理方法、电子设备及存储介质 |
CN111797754A (zh) * | 2020-06-30 | 2020-10-20 | 上海掌门科技有限公司 | 图像检测的方法、装置、电子设备及介质 |
CN114780190A (zh) * | 2022-04-13 | 2022-07-22 | 脸萌有限公司 | 消息处理方法、装置、电子设备及存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100172550A1 (en) * | 2009-01-05 | 2010-07-08 | Apple Inc. | Organizing images by correlating faces |
CN103605975A (zh) * | 2013-11-28 | 2014-02-26 | 小米科技有限责任公司 | 一种图像处理的方法、装置及终端设备 |
CN104574299A (zh) * | 2014-12-25 | 2015-04-29 | 小米科技有限责任公司 | 人脸图片处理方法及装置 |
CN105260732A (zh) * | 2015-11-26 | 2016-01-20 | 小米科技有限责任公司 | 图片处理方法及装置 |
CN105303523A (zh) * | 2014-12-01 | 2016-02-03 | 维沃移动通信有限公司 | 一种图像处理方法及移动终端 |
KR20160044858A (ko) * | 2014-10-16 | 2016-04-26 | 황의종 | 얼굴 정보를 이용한 실종 가족 찾기 시스템 및 방법 그리고 이를 구현하는 프로그램을 기록한 기록 매체 |
CN105530435A (zh) * | 2016-02-01 | 2016-04-27 | 深圳市金立通信设备有限公司 | 一种拍摄方法及移动终端 |
CN106412458A (zh) * | 2015-07-31 | 2017-02-15 | 中兴通讯股份有限公司 | 一种图像处理方法和装置 |
CN107222675A (zh) * | 2017-05-23 | 2017-09-29 | 维沃移动通信有限公司 | 一种移动终端的拍照方法及移动终端 |
CN107274354A (zh) * | 2017-05-22 | 2017-10-20 | 奇酷互联网络科技(深圳)有限公司 | 图像处理方法、装置和移动终端 |
CN107274355A (zh) * | 2017-05-22 | 2017-10-20 | 奇酷互联网络科技(深圳)有限公司 | 图像处理方法、装置和移动终端 |
-
2018
- 2018-01-02 CN CN201810001014.3A patent/CN108182714B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100172550A1 (en) * | 2009-01-05 | 2010-07-08 | Apple Inc. | Organizing images by correlating faces |
CN103605975A (zh) * | 2013-11-28 | 2014-02-26 | 小米科技有限责任公司 | 一种图像处理的方法、装置及终端设备 |
KR20160044858A (ko) * | 2014-10-16 | 2016-04-26 | 황의종 | 얼굴 정보를 이용한 실종 가족 찾기 시스템 및 방법 그리고 이를 구현하는 프로그램을 기록한 기록 매체 |
CN105303523A (zh) * | 2014-12-01 | 2016-02-03 | 维沃移动通信有限公司 | 一种图像处理方法及移动终端 |
CN104574299A (zh) * | 2014-12-25 | 2015-04-29 | 小米科技有限责任公司 | 人脸图片处理方法及装置 |
CN106412458A (zh) * | 2015-07-31 | 2017-02-15 | 中兴通讯股份有限公司 | 一种图像处理方法和装置 |
CN105260732A (zh) * | 2015-11-26 | 2016-01-20 | 小米科技有限责任公司 | 图片处理方法及装置 |
CN105530435A (zh) * | 2016-02-01 | 2016-04-27 | 深圳市金立通信设备有限公司 | 一种拍摄方法及移动终端 |
CN107274354A (zh) * | 2017-05-22 | 2017-10-20 | 奇酷互联网络科技(深圳)有限公司 | 图像处理方法、装置和移动终端 |
CN107274355A (zh) * | 2017-05-22 | 2017-10-20 | 奇酷互联网络科技(深圳)有限公司 | 图像处理方法、装置和移动终端 |
CN107222675A (zh) * | 2017-05-23 | 2017-09-29 | 维沃移动通信有限公司 | 一种移动终端的拍照方法及移动终端 |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108921941A (zh) * | 2018-07-10 | 2018-11-30 | Oppo广东移动通信有限公司 | 图像处理方法、装置、存储介质和电子设备 |
WO2020037962A1 (zh) * | 2018-08-24 | 2020-02-27 | 北京字节跳动网络技术有限公司 | 面部图像校正方法、装置及存储介质 |
CN109325468A (zh) * | 2018-10-18 | 2019-02-12 | 广州智颜科技有限公司 | 一种图像处理方法、装置、计算机设备和存储介质 |
CN109784157A (zh) * | 2018-12-11 | 2019-05-21 | 口碑(上海)信息技术有限公司 | 一种图像处理方法、装置及系统 |
CN110120219A (zh) * | 2019-05-05 | 2019-08-13 | 安徽省科普产品工程研究中心有限责任公司 | 一种智能语音交互方法、系统和装置 |
CN110134807A (zh) * | 2019-05-17 | 2019-08-16 | 苏州科达科技股份有限公司 | 目标检索方法、装置、系统及存储介质 |
CN110335207A (zh) * | 2019-06-04 | 2019-10-15 | 苏州浩哥文化传播有限公司 | 一种基于群像选择的智能影像优化方法及其系统 |
CN110335207B (zh) * | 2019-06-04 | 2022-01-21 | 重庆七腾科技有限公司 | 一种基于群像选择的智能影像优化方法及其系统 |
CN111507889A (zh) * | 2020-04-13 | 2020-08-07 | 北京字节跳动网络技术有限公司 | 图像处理方法、装置、电子设备及计算机可读存储介质 |
WO2021208709A1 (zh) * | 2020-04-13 | 2021-10-21 | 北京字节跳动网络技术有限公司 | 图像处理方法、装置、电子设备及计算机可读存储介质 |
CN111553216A (zh) * | 2020-04-20 | 2020-08-18 | 维沃移动通信有限公司 | 图像处理方法、电子设备及存储介质 |
CN111797754A (zh) * | 2020-06-30 | 2020-10-20 | 上海掌门科技有限公司 | 图像检测的方法、装置、电子设备及介质 |
CN114780190A (zh) * | 2022-04-13 | 2022-07-22 | 脸萌有限公司 | 消息处理方法、装置、电子设备及存储介质 |
CN114780190B (zh) * | 2022-04-13 | 2023-12-22 | 脸萌有限公司 | 消息处理方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN108182714B (zh) | 2023-09-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108182714A (zh) | 图像处理方法及装置、存储介质 | |
CN108229369B (zh) | 图像拍摄方法、装置、存储介质及电子设备 | |
US12039454B2 (en) | Microexpression-based image recognition method and apparatus, and related device | |
CN108319953B (zh) | 目标对象的遮挡检测方法及装置、电子设备及存储介质 | |
KR102147052B1 (ko) | 얼굴 영상 기반의 감정 인식 시스템 및 방법 | |
CN106056064B (zh) | 一种人脸识别方法及人脸识别装置 | |
González-Briones et al. | A multi-agent system for the classification of gender and age from images | |
JP4974788B2 (ja) | 画像処理装置、画像処理方法、プログラム、及び記憶媒体 | |
Kashem et al. | Face recognition system based on principal component analysis (PCA) with back propagation neural networks (BPNN) | |
CN108829900A (zh) | 一种基于深度学习的人脸图像检索方法、装置及终端 | |
CN106127167B (zh) | 一种增强现实中目标对象的识别方法、装置及移动终端 | |
CN108198130B (zh) | 图像处理方法、装置、存储介质及电子设备 | |
CN110020578A (zh) | 图像处理方法、装置、存储介质及电子设备 | |
CN106682632A (zh) | 用于处理人脸图像的方法和装置 | |
KR100886489B1 (ko) | 영상 통화 시 얼굴의 표정에 따라 꾸미기 효과를 합성하는방법 및 시스템 | |
CN110059546A (zh) | 基于频谱分析的活体识别方法、装置、终端及可读介质 | |
CN109685713B (zh) | 化妆模拟控制方法、装置、计算机设备及存储介质 | |
FR2907569A1 (fr) | Procede et dispositif de simulation virtuelle d'une sequence d'images video. | |
CN107944093A (zh) | 一种口红配色选择方法、电子设备及存储介质 | |
CN107172354A (zh) | 视频处理方法、装置、电子设备及存储介质 | |
Zhao et al. | Applying contrast-limited adaptive histogram equalization and integral projection for facial feature enhancement and detection | |
CN108460398A (zh) | 图像处理方法、装置、云处理设备和计算机程序产品 | |
CN110069983A (zh) | 基于显示媒质的活体识别方法、装置、终端及可读介质 | |
CN114283052A (zh) | 妆容迁移及妆容迁移网络的训练方法和装置 | |
CN113920568A (zh) | 基于视频图像的人脸和人体姿态情绪识别方法 |
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 |