CN108304811B - 基于rgbd信息的三维人脸颜值评分方法、装置及系统 - Google Patents

基于rgbd信息的三维人脸颜值评分方法、装置及系统 Download PDF

Info

Publication number
CN108304811B
CN108304811B CN201810123341.6A CN201810123341A CN108304811B CN 108304811 B CN108304811 B CN 108304811B CN 201810123341 A CN201810123341 A CN 201810123341A CN 108304811 B CN108304811 B CN 108304811B
Authority
CN
China
Prior art keywords
face
dimensional face
score
rgbd
scoring
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
Application number
CN201810123341.6A
Other languages
English (en)
Other versions
CN108304811A (zh
Inventor
杨俊锋
尹炜
窦仁银
李家轩
李嘉俊
张建
孙海洋
吴超
刘中原
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Humanplus Intelligent Robotics Co ltd
Original Assignee
Humanplus Intelligent Robotics Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Humanplus Intelligent Robotics Co ltd filed Critical Humanplus Intelligent Robotics Co ltd
Priority to CN201810123341.6A priority Critical patent/CN108304811B/zh
Publication of CN108304811A publication Critical patent/CN108304811A/zh
Application granted granted Critical
Publication of CN108304811B publication Critical patent/CN108304811B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06V40/161—Detection; Localisation; Normalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • 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
    • G06V40/168—Feature extraction; Face representation
    • 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
    • G06V40/172—Classification, e.g. identification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • 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)
  • Oral & Maxillofacial Surgery (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明属于图像应用技术领域，提供了一种基于RGBD信息的三维人脸颜值评分方法、装置及系统。该方法包括从RGBD图中提取人脸RGBD信息，RGBD图是预先获取且包含人脸的图，根据人脸RGBD信息构建三维人脸，根据预定的评分标准，对三维人脸进行评分，评分标准是根据人脸五官比例确定的标准。本发明基于RGBD信息的三维人脸颜值评分方法、装置及系统，能够结合三维人脸的数据，进行颜值评分，提高颜值评分的准确性和可靠性。

Description

基于RGBD信息的三维人脸颜值评分方法、装置及系统
技术领域
本发明涉及图像应用技术领域，具体涉及一种基于RGBD信息的三维人脸颜值评分方法、装置及系统。
背景技术
现有技术中，对于人脸颜值的评分，大多是对一张包含人脸的图片进行某种计算，最终得到一个分数结果。
现有的二维人脸颜值评分算法主要对人脸妆容进行评分，而人脸妆容是可以通过化妆，呈现极大的改变。因此，一个人在化妆和不化妆两种情况下，可能出现较大的分差。
在实际应用过程中，以妆容评判人脸颜值得分的稳定性差，而通过人脸五官比例来评判的稳定性较高，不会随着人脸妆容的改变而改变。因此基于三维数据来对人脸进行评分，结果更为真实、可靠。但是，目前并没有基于三维人脸的颜值评分算法。
如何结合三维人脸的数据，进行颜值评分，提高颜值评分的准确性和可靠性，是本领域技术人员亟需解决的问题。
发明内容
针对现有技术中的缺陷，本发明提供了一种基于RGBD信息的三维人脸颜值评分方法、装置及系统，能够结合三维人脸的数据，进行颜值评分，提高颜值评分的准确性和可靠性。
第一方面，本发明提供一种基于RGBD信息的三维人脸颜值评分方法，该方法包括：从RGBD图中提取人脸RGBD信息，RGBD图是预先获取且包含人脸的图；
根据人脸RGBD信息构建三维人脸；
根据预定的评分标准，对三维人脸进行评分，评分标准是根据人脸五官比例确定的标准。
进一步地，从RGBD图中提取人脸RGBD信息，包括：
对RGBD图进行检测，确定人脸候选区域；
对人脸候选区域进行关键点检测，得到人脸轮廓；
根据人脸轮廓，从RGBD图中提取人脸RGBD信息。
基于上述任意基于RGBD信息的三维人脸颜值评分方法实施例，进一步地，根据人脸RGBD信息构建三维人脸，包括：
根据人脸RGBD信息初步构建三维人脸；
对初步构建的三维人脸进行滤波处理；
根据预定的评分标准，对三维人脸进行评分，包括：
根据预定的评分标准，对滤波处理后的三维人脸进行评分。
基于上述任意基于RGBD信息的三维人脸颜值评分方法实施例，进一步地，根据预定的评分标准，对三维人脸进行评分，包括：
对于三维人脸的正面，采用第一评分标准，计算正面评分；
对于三维人脸的侧面，采用第二评分标准，计算侧面评分；
根据正面评分和侧面评分，确定三维人脸的颜值。
进一步地，对于三维人脸的正面，采用第一评分标准，计算正面评分，包括：
在水平方向上，根据第一评分标准，划分横向段数，确定每段的长度；
根据三维人脸和段数，计算平均横向距离；
根据平均横向距离和每段的长度，确定每段的分数；
根据每段的分数，确定三维人脸在水平方向的分数；
在竖直方向上，根据第二评分标准，确定中庭和下庭的距离；
根据中庭和下庭的距离，计算平均纵向距离；
根据平均纵向距离和中庭的距离，确定中庭的分数；
根据平均纵向距离和下庭的距离，确定下庭的分数；
根据中庭和下庭的分数，确定三维人脸在竖直方向的分数。
进一步地，根据三维人脸和段数，计算平均横向距离的公式为：
M＝D/N，
其中，M表示平均横向距离，D表示三维人脸的宽度，N表示段数；
根据平均横向距离和每段的长度，确定每段的分数的公式为：
Si＝100-(Di-M)/M*100，
其中，Si表示第i段的得分，Di表示第i段的长度，i＝1,2,3,…,N；
根据每段的分数，确定三维人脸在水平方向的分数的公式为：
Sw＝(S1+S2+…+SN)/N，
其中，Sw表示三维人脸在水平方向的分数。
进一步地，对于三维人脸的侧面，采用第二评分标准，计算侧面评分，包括：在三维人脸中提取指定数量的特征点；
依次连接特征点，构成指定数量的折线；
测量相邻折线之间的角度，并根据预定的评分算法，确定每个角度所对应的得分；
计算每个角度得分的平均值，作为侧面评分。
进一步地，根据正面评分和侧面评分，确定三维人脸的颜值，包括：
确定三维人脸在竖直方向、水平方向的分数和侧面评分的权重系数；
根据三项的权重系数和三维人脸在竖直方向、水平方向的分数、侧面评分，确定三维人脸的颜值。
第二方面，本发明提供一种基于RGBD信息的三维人脸颜值评分系统，该系统包括提取模块、三维人脸重建模块和人脸评分算法模块，提取模块用于从RGBD图中提取人脸RGBD信息，RGBD图是预先获取且包含人脸的图；三维人脸重建模块用于根据人脸RGBD信息构建三维人脸；人脸评分算法模块用于根据预定的评分标准，对三维人脸进行评分，评分标准是根据人脸五官比例确定的标准。
第三方面，本发明提供一种基于RGBD信息的三维人脸颜值评分系统，该系统包括RGBD相机和基于RGBD信息的三维人脸颜值评分装置，RGBD相机用于获取包容人脸的RGBD图，并将RGBD图传输至基于RGBD信息的三维人脸颜值评分装置，基于RGBD信息的三维人脸颜值评分装置用于计算RGBD图中人脸的颜值。
由上述技术方案可知，本实施例提供的基于RGBD信息的三维人脸颜值评分方法、装置及系统，不再以妆容来评判人脸颜值，而是通过人脸五官比例来评判，通过对RGBD图进行处理，提取人脸RGBD信息，重建立体三维人脸，有助于真实、准确地获取人脸五官数据，不会随着人脸妆容的改变而改变，基于稳定的数据，对人脸进行评分，结果更为真实、可靠。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。
图1示出了本发明所提供的一种基于RGBD信息的三维人脸颜值评分方法的方法流程图；
图2示出了本发明所提供的人脸关键点检测的位置示意图；
图3示出了本发明所提供的“三庭五眼”与关键点的关系对应图；
图4示出了本发明所提供的“四低三高”的角度关系图；
图5示出了本发明所提供的一种基于RGBD信息的三维人脸颜值评分系统的连接示意图。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案，因此只是作为示例，而不能以此来限制本发明的保护范围。
需要注意的是，除非另有说明，本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
第一方面，本发明实施例所提供的一种基于RGBD信息的三维人脸颜值评分方法，结合图1，该方法包括：
步骤S1，从RGBD图中提取人脸RGBD信息，RGBD图是预先获取且包含人脸的图。其中，R表示红色，为Red，G表示绿色，为Green，B表示蓝色，为Blue，D表示深度，为Depth。
步骤S2，根据人脸RGBD信息构建三维人脸。
步骤S3，根据预定的评分标准，对三维人脸进行评分，评分标准是根据人脸五官比例确定的标准，例如，结合中国传统的审美方法论“三庭五眼”、“四低三高”等，对重建出来的三维人脸进行评分。
由上述技术方案可知，本实施例提供的基于RGBD信息的三维人脸颜值评分方法，不再以妆容来评判人脸颜值，而是通过人脸五官比例来评判，通过对RGBD图进行处理，提取人脸RGBD信息，重建立体三维人脸，有助于真实、准确地获取人脸五官数据，不会随着人脸妆容的改变而改变，基于稳定的数据，对人脸进行评分，结果更为真实、可靠。
为了进一步提高本实施例基于RGBD信息的三维人脸颜值评分方法的准确性，在RGBD信息提取方面，从RGBD图中提取人脸RGBD信息时，具体实现过程如下：
对RGBD图进行检测，确定人脸候选区域。
对人脸候选区域进行关键点检测，如图2所示，进行人脸轮廓六十八个关键点检测，得到人脸轮廓。
根据人脸轮廓，从RGBD图中提取人脸RGBD信息。
在此，本实施例基于RGBD信息的三维人脸颜值评分方法，先确定区域，再提取人脸轮廓，通过人脸检测算法将人脸轮廓从RGBD图中扣选出来，最终获取人脸RGBD信息，计算快捷、准确，为重建三维人脸提供可靠的信息支持。
在三维人脸构建方面，根据人脸RGBD信息构建三维人脸时，具体实现过程如下：
根据人脸RGBD信息初步构建三维人脸。
对初步构建的三维人脸进行滤波、添洞等处理，以获得更完整的三维人脸模型。在实际应用过程中，运用三角法则、坐标系转换、点云滤波等处理，可重建出带彩色的三维人脸。
根据预定的评分标准，对三维人脸进行评分时，具体是对滤波处理后的三维人脸进行评分。
在此，本实施例基于RGBD信息的三维人脸颜值评分方法，能够重建三维人脸模型，以便于真实、准确地获取人脸五官数据，便于提高人脸颜值评分的准确性。
在人脸评分计算方面，人脸评分算法采用中国传统的“三庭五眼”，“四高三低”审美标准对重建出来的人脸进行评分。
根据预定的评分标准，对三维人脸进行评分时，具体实现过程如下：
对于三维人脸的正面，采用第一评分标准，计算正面评分。在此，结合图3，第一评分标准为“三庭五眼”评分标准，关于三庭，人脸按长度可分为三庭，分别为上庭、中庭、下庭。其中，上庭为发际线到眉心，中庭为眉心到鼻翼下缘、下庭为鼻翼下缘到下巴尖。标准比例为上庭、中庭、下庭给占三分之一。关于五眼，人脸按宽度可分为五眼，分别为一眼、二眼、三眼、四眼、五眼。其中，一眼为左发际线到左眼左侧眼角，二眼为左眼左侧眼角到左眼右侧眼角，三眼为左眼右侧眼角到右眼左侧眼角，四眼为右眼左侧眼角到右眼右侧眼角，五眼为右眼右侧眼角到右发际线。标准比例为一眼、二眼、三眼、四眼、五眼给占五分之一。
对于三维人脸的侧面，采用第二评分标准，计算侧面评分。在此，结合图3，第二评分标准为“四高三低”评分标准，从人脸侧脸的凹凸起伏可分为四高三低。其中，四高的第一个高点为额部，第二个高点为鼻尖，第三个高点为唇珠，第四个高点为下巴尖。三低的第一个低点位于两个眼睛之间，鼻额交界的凹陷处，第二个低点位于在唇珠的上方，人中沟凹陷处，第三个低点位于下唇的下方凹陷处。
根据正面评分和侧面评分，确定三维人脸的颜值。
具体地，对于三维人脸的正面，计算正面评分时，具体实现过程如下：
在水平方向上，根据第一评分标准，划分横向段数，确定每段的长度。
根据三维人脸和段数，计算平均横向距离。
根据平均横向距离和每段的长度，确定每段的分数。
根据每段的分数，确定三维人脸在水平方向的分数。
在竖直方向上，根据第二评分标准，确定中庭和下庭的距离。
根据中庭和下庭的距离，计算平均纵向距离。
根据平均纵向距离和中庭的距离，确定中庭的分数。
根据平均纵向距离和下庭的距离，确定下庭的分数。
根据中庭和下庭的分数，确定三维人脸在竖直方向的分数。
在此，根据三维人脸和段数，计算平均横向距离的公式为：
M＝D/N，
其中，M表示平均横向距离，D表示三维人脸的宽度，N表示段数。
根据平均横向距离和每段的长度，确定每段的分数的公式为：
Si＝100-(Di-M)/M*100，
其中，Si表示第i段的得分，Di表示第i段的长度，i＝1,2,3,…,N。
根据每段的分数，确定三维人脸在水平方向的分数的公式为：
Sw＝(S1+S2+…+SN)/N，
其中，Sw表示三维人脸在水平方向的分数。
具体地，对于三维人脸的侧面，计算侧面评分时，具体实现过程如下：
在三维人脸中提取指定数量的特征点。
依次连接特征点，构成指定数量的折线。
测量相邻折线之间的角度，并根据预定的评分算法，确定每个角度所对应的得分。
计算每个角度得分的平均值，作为侧面评分。
具体地，在综合计算三维人脸的颜值时，具体实现过程如下：
确定三维人脸在竖直方向、水平方向的分数和侧面评分的权重系数。
根据三项的权重系数和三维人脸在竖直方向、水平方向的分数、侧面评分，确定三维人脸的颜值。
例如，三庭五眼与68个关键点对应关系如图3所示，五眼的距离为对应点对(0-36)、(36-39)、(39-42)、(42-49)、(49-16)的横向距离。由于上庭的关键点可能会由于刘海的原因无法准确定位，因此，这里只求中庭和下庭的距离，为其对应点对(21-33)、(33-57)的纵向距离。三庭五眼的采用相同的得分规则，下面以五眼得分为例说明：
步骤一，求五眼的平均距离值M，具体为点对(0-16)横向距离D的五分之一，即M＝D/5；
步骤二，求五眼中每一眼的距离值与平均距离值的接近程度作为得分，如第一眼的距离为D1，则得分为S1＝100-(D1-M)/M*100。对应的其他四眼的得分为S2、S3、S4、S5；
步骤三，以五眼的平均得分作为最终得分，即SW＝(S1+S2+S3+S4+S5)/5。
对于四高三低的评分，由四低三高的7个高低点形成如图4所示的7条线段，分别为L1～L7，以7条线段形成的6个角度由上到下分别为J1～J6。以J1～J6的角度所在的角度范围作为得分项，分别为S1～S6。下表1为对应角度和得分的关系示例，在真实的评分算法实现时会划分得更为详细。
表1
Figure BDA0001572777830000091
四低三高最终得分为：SD＝(S1+S2+S3+S4+S5+S6)/6。
通过上述可知三维人脸的得分项为：三庭得分(ST)、五眼得分(SW)、四低三高得分(SD)。则三维人脸的最终得分为SA＝a*ST+b*SW+c*SD，其中a、b、c分别为三庭、五眼、四低三高的权重系数，该权重系数可动态调整各个部分所占的比重。
第二方面，本发明实施例所提供的一种基于RGBD信息的三维人脸颜值评分装置，结合图5，该装置包括提取模块21、三维人脸重建模块22和人脸评分算法模块23，提取模块21用于从RGBD图中提取人脸RGBD信息，RGBD图是预先获取且包含人脸的图。三维人脸重建模块22用于根据人脸RGBD信息构建三维人脸。人脸评分算法模块23用于根据预定的评分标准，对三维人脸进行评分。
由上述技术方案可知，本实施例提供的基于RGBD信息的三维人脸颜值评分装置，不再以妆容来评判人脸颜值，而是通过人脸五官比例来评判，通过对RGBD图进行处理，提取人脸RGBD信息，重建立体三维人脸，有助于真实、准确地获取人脸五官数据，不会随着人脸妆容的改变而改变，基于稳定的数据，对人脸进行评分，结果更为真实、可靠。
第三方面，本发明实施例所提供的一种基于RGBD信息的三维人脸颜值评分系统，结合图5，该系统包括RGBD相机1和基于RGBD信息的三维人脸颜值评分装置2，RGBD相机1用于获取包容人脸的RGBD图，并将RGBD图传输至基于RGBD信息的三维人脸颜值评分装置2，RGBD相机是整个系统的输入模块，采用高精度毫米级的RGBD相机。
基于RGBD信息的三维人脸颜值评分装置2用于计算RGBD图中人脸的颜值。
由上述技术方案可知，本实施例提供的基于RGBD信息的三维人脸颜值评分系统，不再以妆容来评判人脸颜值，而是通过人脸五官比例来评判，通过对RGBD图进行处理，提取人脸RGBD信息，重建立体三维人脸，有助于真实、准确地获取人脸五官数据，不会随着人脸妆容的改变而改变，基于稳定的数据，对人脸进行评分，结果更为真实、可靠。
本发明的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。

Claims (7)

1.一种基于RGBD信息的三维人脸颜值评分方法，其特征在于，包括：
从RGBD图中提取人脸RGBD信息，所述RGBD图是预先获取且包含人脸的图；
根据人脸RGBD信息构建三维人脸；
根据预定的评分标准，对所述三维人脸进行评分，所述评分标准是根据人脸五官比例确定的标准；
根据预定的评分标准，对所述三维人脸进行评分，包括：
对于所述三维人脸的正面，采用第一评分标准，计算正面评分；
对于所述三维人脸的侧面，采用第二评分标准，计算侧面评分；
根据所述正面评分和所述侧面评分，确定所述三维人脸的颜值；
对于所述三维人脸的正面，采用第一评分标准，计算正面评分，包括：
在水平方向上，根据第一评分标准，划分横向段数，确定每段的长度；
根据所述三维人脸和段数，计算平均横向距离；
根据平均横向距离和每段的长度，确定每段的分数；
根据每段的分数，确定所述三维人脸在水平方向的分数；
在竖直方向上，根据第二评分标准，确定中庭和下庭的距离；
根据所述中庭和下庭的距离，计算平均纵向距离；
根据平均纵向距离和中庭的距离，确定中庭的分数；
根据平均纵向距离和下庭的距离，确定下庭的分数；
根据中庭和下庭的分数，确定所述三维人脸在竖直方向的分数。
2.根据权利要求1所述基于RGBD信息的三维人脸颜值评分方法，其特征在于，从RGBD图中提取人脸RGBD信息，包括：
对所述RGBD图进行检测，确定人脸候选区域；
对所述人脸候选区域进行关键点检测，得到人脸轮廓；
根据所述人脸轮廓，从所述RGBD图中提取所述人脸RGBD信息。
3.根据权利要求1所述基于RGBD信息的三维人脸颜值评分方法，其特征在于，根据人脸RGBD信息构建三维人脸，包括：
根据所述人脸RGBD信息初步构建三维人脸；
对所述初步构建的三维人脸进行滤波处理；
根据预定的评分标准，对所述三维人脸进行评分，包括：
根据预定的评分标准，对滤波处理后的三维人脸进行评分。
4.根据权利要求1所述基于RGBD信息的三维人脸颜值评分方法，其特征在于，根据所述三维人脸和段数，计算平均横向距离的公式为：
M＝D/N，
其中，M表示平均横向距离，D表示三维人脸的宽度，N表示段数；
根据平均横向距离和每段的长度，确定每段的分数的公式为：
Si＝100-(Di-M)/M*100，
其中，Si表示第i段的得分，Di表示第i段的长度，i＝1,2,3,…,N；
根据每段的分数，确定所述三维人脸在水平方向的分数的公式为：
Sw＝(S1+S2+…+SN)/N，
其中，Sw表示三维人脸在水平方向的分数。
5.根据权利要求1所述基于RGBD信息的三维人脸颜值评分方法，其特征在于，
对于所述三维人脸的侧面，采用第二评分标准，计算侧面评分，包括：
在所述三维人脸中提取指定数量的特征点；
依次连接所述特征点，构成指定数量的折线；
测量相邻折线之间的角度，并根据预定的评分算法，确定每个角度所对应的得分；
计算每个角度得分的平均值，作为侧面评分。
6.根据权利要求5所述基于RGBD信息的三维人脸颜值评分方法，其特征在于，
根据所述正面评分和所述侧面评分，确定所述三维人脸的颜值，包括：
确定三维人脸在竖直方向、水平方向的分数和侧面评分的权重系数；
根据三项的权重系数和三维人脸在竖直方向、水平方向的分数、侧面评分，确定所述三维人脸的颜值。
7.一种基于RGBD信息的三维人脸颜值评分装置，其特征在于，包括：
提取模块，用于从RGBD图中提取人脸RGBD信息，所述RGBD图是预先获取且包含人脸的图；
三维人脸重建模块，用于根据人脸RGBD信息构建三维人脸；
人脸评分算法模块，用于根据预定的评分标准，对所述三维人脸进行评分，所述评分标准是根据人脸五官比例确定的标准；
根据预定的评分标准，对所述三维人脸进行评分，包括：
对于所述三维人脸的正面，采用第一评分标准，计算正面评分；
对于所述三维人脸的侧面，采用第二评分标准，计算侧面评分；
根据所述正面评分和所述侧面评分，确定所述三维人脸的颜值；
对于所述三维人脸的正面，采用第一评分标准，计算正面评分，包括：
在水平方向上，根据第一评分标准，划分横向段数，确定每段的长度；
根据所述三维人脸和段数，计算平均横向距离；
根据平均横向距离和每段的长度，确定每段的分数；
根据每段的分数，确定所述三维人脸在水平方向的分数；
在竖直方向上，根据第二评分标准，确定中庭和下庭的距离；
根据所述中庭和下庭的距离，计算平均纵向距离；
根据平均纵向距离和中庭的距离，确定中庭的分数；
根据平均纵向距离和下庭的距离，确定下庭的分数；
根据中庭和下庭的分数，确定所述三维人脸在竖直方向的分数。
CN201810123341.6A 2018-02-07 2018-02-07 基于rgbd信息的三维人脸颜值评分方法、装置及系统 Active CN108304811B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810123341.6A CN108304811B (zh) 2018-02-07 2018-02-07 基于rgbd信息的三维人脸颜值评分方法、装置及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810123341.6A CN108304811B (zh) 2018-02-07 2018-02-07 基于rgbd信息的三维人脸颜值评分方法、装置及系统

Publications (2)

Publication Number Publication Date
CN108304811A CN108304811A (zh) 2018-07-20
CN108304811B true CN108304811B (zh) 2021-12-24

Family

ID=62864612

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810123341.6A Active CN108304811B (zh) 2018-02-07 2018-02-07 基于rgbd信息的三维人脸颜值评分方法、装置及系统

Country Status (1)

Country Link
CN (1) CN108304811B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108921143A (zh) * 2018-08-22 2018-11-30 北京慕华信息科技有限公司 一种面部仪态的评估方法及装置
CN109284778A (zh) * 2018-09-07 2019-01-29 北京相貌空间科技有限公司 人脸颜值计算方法、计算装置及电子设备
CN109255328A (zh) * 2018-09-07 2019-01-22 北京相貌空间科技有限公司 用户气质确定方法及装置

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106778524A (zh) * 2016-11-25 2017-05-31 努比亚技术有限公司 一种基于双摄像头测距的颜值估算装置及其方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9147117B1 (en) * 2014-06-11 2015-09-29 Socure Inc. Analyzing facial recognition data and social network data for user authentication

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106778524A (zh) * 2016-11-25 2017-05-31 努比亚技术有限公司 一种基于双摄像头测距的颜值估算装置及其方法

Also Published As

Publication number Publication date
CN108304811A (zh) 2018-07-20

Similar Documents

Publication Publication Date Title
CN108304811B (zh) 基于rgbd信息的三维人脸颜值评分方法、装置及系统
CN103606190B (zh) 单张人脸正面照片自动转换为三维人脸模型的方法
CN106504276B (zh) 非局部立体匹配方法
CN105427385B (zh) 一种基于多层形变模型的高保真人脸三维重建方法
CN103913131B (zh) 一种基于双目视觉的自由曲面法矢量测量方法
CN111031893A (zh) 用于确定与眼科装置相关联的至少一个参数的方法
CN102073776B (zh) 一种基于分区统计模型的颅面复原方法
CN103871102B (zh) 一种基于高程点和道路轮廓面的道路三维精细建模方法
CN107705355A (zh) 一种基于多张图片的3d人体建模方法及装置
CN102074012B (zh) 结合图像和计算模型的茶叶嫩芽形态的三维重建方法
CN105678235B (zh) 基于典型区域多维度特征的三维人脸表情识别方法
CN102178530A (zh) 基于三维点云数据的人体尺寸自动测量方法
CN105913416A (zh) 一种自动分割三维人脸模型区域的方法
CN109389682A (zh) 一种三维人脸模型自动调整方法
CN106780591A (zh) 一种基于颅面稠密对应点云的颅面形态分析及面貌复原方法
CN109671505B (zh) 一种用于医学诊疗辅助的头部三维数据处理方法
CN110400322A (zh) 基于颜色和三维几何信息的水果点云分割方法
CN109255808A (zh) 基于倾斜影像的建筑物纹理提取方法和装置
CN106204557A (zh) 一种基于扩展高斯球与m估计的非完备数据对称特征的提取方法
CN103927747A (zh) 一种基于人脸生物特征的面匹配空间注册方法
CN104809457A (zh) 一种基于区域化隐函数特征的三维人脸识别方法及系统
CN109284778A (zh) 人脸颜值计算方法、计算装置及电子设备
CN109118455A (zh) 一种基于现代人软组织分布的古人类头骨颅面交互复原方法
CN110110603A (zh) 一种基于面部生理信息的多模态唇读方法
CN106327576B (zh) 一种城市场景重建方法及系统

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