CN108573192B - 匹配人脸的眼镜试戴方法和装置 - Google Patents

匹配人脸的眼镜试戴方法和装置 Download PDF

Info

Publication number
CN108573192B
CN108573192B CN201710136264.3A CN201710136264A CN108573192B CN 108573192 B CN108573192 B CN 108573192B CN 201710136264 A CN201710136264 A CN 201710136264A CN 108573192 B CN108573192 B CN 108573192B
Authority
CN
China
Prior art keywords
face
face shape
picture
sample
initial
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
CN201710136264.3A
Other languages
English (en)
Other versions
CN108573192A (zh
Inventor
彭明超
赵紫星
汤鹏飞
王远斌
白铖
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.)
Beijing Jingdong Century Trading Co Ltd
Beijing Jingdong Shangke Information Technology Co Ltd
Original Assignee
Beijing Jingdong Century Trading Co Ltd
Beijing Jingdong Shangke Information Technology 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 Beijing Jingdong Century Trading Co Ltd, Beijing Jingdong Shangke Information Technology Co Ltd filed Critical Beijing Jingdong Century Trading Co Ltd
Priority to CN201710136264.3A priority Critical patent/CN108573192B/zh
Publication of CN108573192A publication Critical patent/CN108573192A/zh
Application granted granted Critical
Publication of CN108573192B publication Critical patent/CN108573192B/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
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0641—Shopping interfaces
    • G06Q30/0643—Graphical representation of items or shoppers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/64—Three-dimensional objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
    • G06T2219/20—Indexing scheme for editing of 3D models
    • G06T2219/2008—Assembling, disassembling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
    • G06T2219/20—Indexing scheme for editing of 3D models
    • G06T2219/2016—Rotation, translation, scaling

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Multimedia (AREA)
  • General Engineering & Computer Science (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Computer Graphics (AREA)
  • Computer Hardware Design (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Human Computer Interaction (AREA)
  • Architecture (AREA)
  • General Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本申请公开了匹配人脸的眼镜试戴方法和装置。方法包括：获取输入的人脸图片；获取3D眼镜模型；基于人脸对齐算法，确定对应输入的人脸图片的目标3D人脸形状；将3D眼镜模型的尺寸调整至符合目标3D人脸形状的两瞳孔的三维坐标；将3D眼镜模型的三维朝向调整至与目标3D人脸形状的三维朝向同向；将调整尺寸和调整三维朝向后的3D眼镜模型映射至平面空间，得到平面眼镜图片；融合平面眼镜图片和输入的人脸图片，得到眼镜试戴图片。该方法实现了快速地定位人脸瞳孔，并根据人脸瞳孔确定人脸朝向，无论用户输入的人脸图片是否为标准正脸图片，均可以实现较为准确的眼镜试戴效果。

Description

匹配人脸的眼镜试戴方法和装置
技术领域
本申请涉及计算机技术领域，具体涉及计算机网络技术领域，尤其涉及匹配人脸的眼镜试戴方法和装置。
背景技术
目前，大部分眼镜商城主要以图片形式向用户展现商品信息，这种方式不能让用户体验到眼镜试戴效果，从而无法激发用户的购买意向，导致眼镜网上销售效果不容乐观。最近出现了一些在线眼镜试戴功能，能让用户选择自己或模特的人脸图片进行试戴，这种功能主要采用传统的人脸检测和人眼检测方法实现眼镜试戴，这种方法对于正面标准的人脸图片具有良好的试戴效果。
然而，目前的在线眼睛试戴功能，若用户选择侧脸、昂头或其他姿态的人脸图片时，将会出现严重的试戴偏差，同时，这种试戴方法只是针对单张人脸图片，无法让用户亲身体验到试戴效果，用户体验的效果不够全面。
发明内容
本申请的目的在于提出一种改进的匹配人脸的眼镜试戴方法和装置，来解决以上背景技术部分提到的技术问题。
第一方面，本申请实施例提供了一种匹配人脸的眼镜试戴方法，包括：获取输入的人脸图片；获取3D眼镜模型；基于人脸对齐算法，确定对应输入的人脸图片的目标3D人脸形状；将3D眼镜模型的尺寸调整至符合目标3D人脸形状的两瞳孔的三维坐标；将3D眼镜模型的三维朝向调整至与目标3D人脸形状的三维朝向同向；将调整尺寸和调整三维朝向后的3D眼镜模型映射至平面空间，得到平面眼镜图片；融合平面眼镜图片和输入的人脸图片，得到眼镜试戴图片。
在一些实施例中，基于人脸对齐算法，确定对应输入的人脸图片的目标3D人脸形状包括：将获取的输入的人脸图片缩放至预定尺寸的灰度人脸图片；基于灰度人脸图片和由样本训练预先确定的平均3D人脸形状，确定用于对齐的初始人脸形状；迭代执行确定更新步骤，直至由样本训练预先确定的迭代次数执行完毕，得到更新后的用于对齐的初始人脸形状；其中，确定更新步骤包括：确定符合用于对齐的初始人脸形状的由样本训练预先确定的人脸形状变换参数增量，以及根据确定的增量，更新用于对齐的初始人脸形状；将更新后的用于对齐的初始人脸形状缩放至输入的人脸图片尺寸，得到对应输入的人脸图片的目标3D人脸形状。
在一些实施例中，基于灰度人脸图片和由样本训练预先确定的平均3D人脸形状，确定用于对齐的初始人脸形状包括：采用人脸检测算法检测灰度人脸图片中的人脸，确定人脸矩形区域和矩形坐标；根据人脸矩形区域、矩形坐标和瞳孔在人脸中的比例，确定瞳孔初始位置和瞳孔初始坐标；获取由样本训练预先确定的平均3D人脸形状；根据瞳孔初始坐标，对平均3D人脸形状进行三维空间变换，得到瞳孔与瞳孔初始坐标对齐的用于对齐的初始人脸形状。
在一些实施例中，确定符合用于对齐的初始人脸形状的由样本训练预先确定的人脸形状变换参数增量包括：将用于对齐的初始人脸形状转换至2D人脸形状；根据由样本训练预先确定的本次迭代的坐标点对，提取2D人脸形状中坐标点对的像素差值特征；将对应人脸像素差值特征的人脸图片样本的人脸形状变换参数增量，确定为符合用于对齐的初始人脸形状的由样本训练预先确定的人脸形状变换参数增量。
在一些实施例中，将3D眼镜模型的三维朝向调整至与目标3D人脸形状的三维朝向同向包括：将3D眼镜模型的三维朝向调整至与目标3D人脸形状的三维朝向同向；检测目标3D人脸形状的三维朝向是否大于预定阈值；若是，则去除与目标3D人脸形状的三维朝向相同的3D眼镜模型的部分眼镜腿。
在一些实施例中，人脸图片样本的人脸形状变换参数增量集合经由以下样本训练步骤确定：获取人脸图片样本，人脸图片样本包括预定尺寸的输入的人脸图片和已标注的输入的人脸图片的标准3D人脸形状；计算标准3D人脸形状的平均值，得到平均3D人脸形状；将平均3D人脸形状作为各个人脸图片样本的初始人脸形状；对于各个人脸图片样本的初始人脸形状，执行迭代步骤，迭代步骤包括：执行预定次数的计算各类人脸图片样本的人脸形状变换参数增量集合步骤，得到预定次数的人脸形状变换参数增量集合；在预定次数的人脸形状变换参数增量集合中，选择各类人脸图片样本的人脸形状变换参数增量之和最大的一次，作为本次迭代的各类人脸图片样本的人脸形状变换参数增量；纪录本次迭代所采用的坐标点对和各类人脸图片样本的人脸形状变换参数增量；根据本次迭代的各类人脸图片样本的人脸形状变换参数增量，更新各个人脸图片样本的初始人脸形状，判断本次迭代得到的人脸形状变换参数增量与上一次迭代得到的人脸形状变换参数增量的差值是否大于预设阈值；若是，跳转至执行迭代步骤；若否，结束执行迭代步骤；根据各次迭代得到的各类人脸图片样本的人脸形状变换参数增量，确定各类人脸图片样本的人脸形状变换参数增量集合。
在一些实施例中，计算各类人脸图片样本的人脸形状变换参数增量集合步骤包括：在预定尺寸的区域内，随机选取预设数量的坐标点对；将坐标点对映射至各个样本的人脸图片中，获取坐标点对的像素差值特征；根据像素差值特征，归类人脸图片样本；根据各个人脸图片样本的初始人脸形状和标准人脸形状，计算各类人脸图片样本的人脸形状变换参数增量，得到各类人脸图片样本的人脸形状变换参数增量集合。
在一些实施例中，根据各类人脸图片样本的初始人脸形状和标准人脸形状，计算各类人脸图片样本的人脸形状变换参数增量包括：对于每一类的人脸图片样本，根据各个人脸图片样本的初始人脸形状和标准人脸形状，计算各个人脸图片样本的人脸形状变换参数增量；将各个人脸图片样本的人脸形状变换参数增量的平均值，确定为每一类样本的人脸形状变换参数增量。
在一些实施例中，方法还包括：根据眼镜试戴图片，向用户推送眼镜产品信息。
第二方面，本申请实施例提供了一种匹配人脸的眼镜试戴装置，包括：人脸图片获取单元，用于获取输入的人脸图片；眼镜模型获取单元，用于获取3D眼镜模型；目标人脸确定单元，用于基于人脸对齐算法，确定对应输入的人脸图片的目标3D人脸形状；眼镜尺寸调整单元，用于将3D眼镜模型的尺寸调整至符合目标3D人脸形状的两瞳孔的三维坐标；眼镜朝向调整单元，用于将3D眼镜模型的三维朝向调整至与目标3D人脸形状的三维朝向同向；眼镜模型映射单元，用于将调整尺寸和调整三维朝向后的3D眼镜模型映射至平面空间，得到平面眼镜图片；眼镜人脸融合单元，用于融合平面眼镜图片和输入的人脸图片，得到眼镜试戴图片。
在一些实施例中，目标人脸确定单元包括：灰度图片缩放单元，用于将获取的输入的人脸图片缩放至预定尺寸的灰度人脸图片；初始人脸确定单元，用于基于灰度人脸图片和由样本训练预先确定的平均3D人脸形状，确定用于对齐的初始人脸形状；初始人脸迭代单元，用于迭代执行确定更新步骤，直至由样本训练预先确定的迭代次数执行完毕，得到更新后的用于对齐的初始人脸形状；其中，确定更新步骤包括：确定符合用于对齐的初始人脸形状的由样本训练预先确定的人脸形状变换参数增量，以及根据确定的增量，更新用于对齐的初始人脸形状；初始人脸缩放单元，用于将更新后的用于对齐的初始人脸形状缩放至输入的人脸图片尺寸，得到对应输入的人脸图片的目标3D人脸形状。
在一些实施例中，初始人脸确定单元包括：人脸矩形检测单元，用于采用人脸检测算法检测灰度人脸图片中的人脸，确定人脸矩形区域和矩形坐标；初始瞳孔确定单元，用于根据人脸矩形区域、矩形坐标和瞳孔在人脸中的比例，确定瞳孔初始位置和瞳孔初始坐标；平均人脸获取单元，用于获取由样本训练预先确定的平均3D人脸形状；平均人脸变换单元，用于根据瞳孔初始坐标，对平均3D人脸形状进行三维空间变换，得到瞳孔与瞳孔初始坐标对齐的用于对齐的初始人脸形状。
在一些实施例中，初始人脸迭代单元进一步用于：将用于对齐的初始人脸形状转换至2D人脸形状；根据由样本训练预先确定的本次迭代的坐标点对，提取2D人脸形状中坐标点对的像素差值特征；将对应人脸像素差值特征的人脸图片样本的人脸形状变换参数增量，确定为符合用于对齐的初始人脸形状的由样本训练预先确定的人脸形状变换参数增量。
在一些实施例中，眼镜朝向调整单元进一步用于：将3D眼镜模型的三维朝向调整至与目标3D人脸形状的三维朝向同向；检测目标3D人脸形状的三维朝向是否大于预定阈值；若是，则去除与目标3D人脸形状的三维朝向相同的3D眼镜模型的部分眼镜腿。
在一些实施例中，初始人脸迭代单元中人脸图片样本的人脸形状变换参数增量集合经由以下样本训练单元确定：人脸样本获取单元，用于获取人脸图片样本，人脸图片样本包括预定尺寸的输入的人脸图片和已标注的输入的人脸图片的标准3D人脸形状；平均人脸计算单元，用于计算标准3D人脸形状的平均值，得到平均3D人脸形状；初始人脸赋值单元，用于将平均3D人脸形状作为各个人脸图片样本的初始人脸形状；样本人脸迭代单元，用于对于各个人脸图片样本的初始人脸形状，执行迭代步骤，迭代步骤包括：执行预定次数的计算各类人脸图片样本的人脸形状变换参数增量集合步骤，得到预定次数的人脸形状变换参数增量集合；在预定次数的人脸形状变换参数增量集合中，选择各类人脸图片样本的人脸形状变换参数增量之和最大的一次，作为本次迭代的各类人脸图片样本的人脸形状变换参数增量；纪录本次迭代所采用的坐标点对和各类人脸图片样本的人脸形状变换参数增量；根据本次迭代的各类人脸图片样本的人脸形状变换参数增量，更新各个人脸图片样本的初始人脸形状，判断本次迭代得到的人脸形状变换参数增量与上一次迭代得到的人脸形状变换参数增量的差值是否大于预设阈值；若是，跳转至执行迭代步骤；若否，结束执行迭代步骤；样本增量确定单元，用于根据各次迭代得到的各类人脸图片样本的人脸形状变换参数增量，确定各类人脸图片样本的人脸形状变换参数增量集合。
在一些实施例中，样本人脸迭代单元进一步用于：在预定尺寸的区域内，随机选取预设数量的坐标点对；将坐标点对映射至各个样本的人脸图片中，获取坐标点对的像素差值特征；根据像素差值特征，归类人脸图片样本；根据各个人脸图片样本的初始人脸形状和标准人脸形状，计算各类人脸图片样本的人脸形状变换参数增量，得到各类人脸图片样本的人脸形状变换参数增量集合。
在一些实施例中，样本人脸迭代单元进一步用于：对于每一类的人脸图片样本，根据各个人脸图片样本的初始人脸形状和标准人脸形状，计算各个人脸图片样本的人脸形状变换参数增量；将各个人脸图片样本的人脸形状变换参数增量的平均值，确定为每一类样本的人脸形状变换参数增量。
在一些实施例中，装置还包括：眼镜产品推送单元，用于根据眼镜试戴图片，向用户推送眼镜产品信息。
第三方面，本申请实施例提供了一种设备，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上任一所述的匹配人脸的眼镜试戴方法。
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上任一所述的匹配人脸的眼镜试戴方法。
本申请实施例提供的匹配人脸的眼镜试戴方法和装置，首先获取输入的人脸图片，获取3D眼镜模型；之后，基于人脸对齐算法，确定对应输入的人脸图片的目标3D人脸形状；之后，将3D眼镜模型的尺寸调整至符合目标3D人脸形状的两瞳孔的三维坐标；之后，将3D眼镜模型的三维朝向调整至与目标3D人脸形状的三维朝向同向；之后，将调整尺寸和调整三维朝向后的3D眼镜模型映射至平面空间，得到平面眼镜图片；最后，融合平面眼镜图片和输入的人脸图片，得到眼镜试戴图片。该实施例实现了快速地定位人脸瞳孔，并根据人脸瞳孔确定人脸朝向，无论用户输入的人脸图片是否为标准正脸图片，均可以实现较为准确的眼镜试戴效果。
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是根据本申请的匹配人脸的眼镜试戴方法的一个实施例的示意性流程图；
图2是根据本申请的基于人脸对齐算法确定目标3D人脸形状的方法的一个实施例的示意性流程图；
图3示出了根据本申请的用于确定人脸形状变换参数增量集合的样本训练方法的一个实施例的示意性流程图；
图4a示出了根据本申请的匹配人脸的眼镜试戴方法的采用人脸检测算法检测的灰度人脸图片的一个实施例的示意图；
图4b示出了根据本申请的匹配人脸的眼镜试戴方法的基于人脸矩形区域确定的瞳孔初始位置的一个实施例的示意图；
图4c示出了根据本申请的匹配人脸的眼镜试戴方法的用于对齐的初始人脸形状的一个实施例的示意图；
图4d示出了根据本申请的匹配人脸的眼镜试戴方法的更新后的用于对齐的初始人脸形状的一个实施例的示意图；
图4e示出了根据本申请的匹配人脸的眼镜试戴方法的根据目标3D人脸形状确定的瞳孔位置的一个实施例的示意图；
图4f示出了根据本申请的匹配人脸的眼镜试戴方法的眼镜试戴效果的一个实施例的示意图；
图5是根据本申请的匹配人脸的眼镜试戴装置的一个实施例的示例性结构图；
图6是适于用来实现本申请实施例的终端设备或服务器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示出了根据本申请的匹配人脸的眼镜试戴方法的一个示意性流程图。该匹配人脸的眼镜试戴方法100包括：
在步骤110中，获取输入的人脸图片。
在本实施例中，运行本申请的匹配人脸的眼镜试戴方法的电子设备，可以获取输入的人脸图片，获取该输入的人脸图片的方法，可以为现有技术或未来发展的技术中获取输入的人脸图片的方法。例如，可以从本地获取输入的人脸图片，也可以从联网的其它终端获取输入的人脸图片，可以直接获取人脸图片，也可以采用电子设备的摄像头实时拍摄人脸图片，本申请对此不做限定。
在步骤120中，获取三维(3D)眼镜模型。
在本实施例中，获取3D眼镜模型的方法，也可以为现有技术或未来发展的技术中获取3D眼镜模型的方法，本申请对此不做限定。这里的3D眼镜模型，为预先制作并存放于3D眼镜数据库中的3D眼镜模型，包含了眼镜的三维空间坐标像素点集、眼镜两镜片中心的三维空间坐标和两镜片中心的直接距离等数据。
在步骤130中，基于人脸对齐算法，确定对应输入的人脸图片的目标三维(3D)人脸形状。
在本实施例中，人脸对齐算法，是指根据输入的人脸图像，自动定位出面部关键特征点，如眼睛、鼻尖、嘴角点、眉毛以及人脸各部件的轮廓点等。本申请中的人脸对齐算法，为可以获取人脸的三维朝向的现有技术中或未来发展的技术中的人脸对齐算法，本申请对此不做限定。应当注意的是，这里的人脸的三维朝向，是指人脸分别绕X轴、Y轴和Z轴的旋转角度。这里的目标3D人脸形状，是指以输入的人脸图片为最终的对齐目标的3D人脸形状，并不代表对3D人脸形状的特殊限定。
在步骤140中，将3D眼镜模型的尺寸调整至符合目标3D人脸形状的两瞳孔的三维坐标。
在本实施例中，可以根据目标3D人脸形状的两瞳孔的三维坐标，得到目标3D人脸形状的两瞳孔的距离，并将3D眼镜模型进行伸缩操作，使眼镜模型的尺寸符合目标3D人脸形状的两瞳孔的三维坐标，从而使3D眼镜模型的尺寸与目标3D人脸形状的尺寸相适应。
在步骤150中，将3D眼镜模型的三维朝向调整至与目标3D人脸形状的三维朝向同向。
在本实施例中，由于在步骤130中确定的目标3D人脸形状中包括了三维朝向，因此可以对3D眼镜做三维旋转操作，使3D眼镜与目标3D人脸形状的三维朝向同向，以便3D眼镜可以精确匹配人脸的朝向。
在本实施例的一些可选实现方式中，将3D眼镜模型的三维朝向调整至与目标3D人脸形状的三维朝向同向包括：将3D眼镜模型的三维朝向调整至与目标3D人脸形状的三维朝向同向；检测目标3D人脸形状的三维朝向是否大于预定阈值；若是，则去除与目标3D人脸形状的三维朝向相同的3D眼镜模型的部分眼镜腿。
在本实现方式中，由于在目标3D人脸形状的朝向大于一定阈值时，3D眼镜的眼镜腿将被人脸遮挡，因此为了后续的眼镜与人脸的融合效果，可以去掉被遮挡的那部分眼镜腿，也即去除与目标3D人脸形状的三维朝向相同且被遮挡的那部分眼镜腿。通过去除该被遮挡的部分眼镜腿，可以为后续的融合提供合适的平面眼镜图片，从而提升平面眼镜图片与输入的人脸图片的匹配度。
在步骤160中，将调整尺寸和调整三维朝向后的3D眼镜模型映射至平面空间，得到平面眼镜图片。
在本实施例中，在3D眼镜模型进行步骤140中的调整尺寸和步骤150中的调整三维朝向后，3D眼镜模型与目标3D人脸形状大小相匹配且朝向相同，因此可以将调整尺寸和调整三维朝向后的3D眼镜模型映射至平面空间，得到平面眼镜图片，以便后续进行平面眼镜图片和输入的人脸图片的融合。
在步骤170中，融合平面眼镜图片和输入的人脸图片，得到眼镜试戴图片。
在本实施例中，由于平面眼镜图片的眼镜尺寸与输入的人脸图片中两个瞳孔之间的尺寸相匹配，并且平面眼镜图片的眼镜朝向与输入的人脸图片的人脸朝向相同，因此得到的眼镜试戴图片中眼镜与人脸的匹配度较高。
在本实施例的一些可选实现方式中，方法还包括：根据眼镜试戴图片，向用户推送眼镜产品信息。
在本实现方式中，若方法中预设了对眼镜试戴效果的筛选规则，则可以根据该眼镜试戴图片是否匹配筛选规则，向用户推送筛选后的眼镜产品信息。例如，若筛选规则为：眼镜试戴后眼镜与人脸图片的衔接满足柔和参数，则确定衔接柔和，并推送与人脸图片衔接柔和的眼镜。那么当试戴后的眼镜与人脸图片的衔接满足柔和参数时，可以确定该眼镜与人脸图片的衔接柔和，从而可以向用户推送该眼镜。
本申请的上述实施例提供的匹配人脸的眼镜试戴方法，首先获取输入的人脸图片，获取3D眼镜模型，之后，基于人脸对齐算法，确定对应输入的人脸图片的目标3D人脸形状，之后，将3D眼镜模型的尺寸调整至符合目标3D人脸形状的两瞳孔的三维坐标，之后，将3D眼镜模型的三维朝向调整至与目标3D人脸形状的三维朝向同向，之后，将调整尺寸和调整三维朝向后的3D眼镜模型映射至平面空间，得到平面眼镜图片，最后，融合平面眼镜图片和输入的人脸图片，得到眼镜试戴图片。该实施例实现了快速地定位输入的人脸图片的人脸瞳孔，并确定人脸朝向，因此无论用户输入的人脸图片是否为标准正脸图片，均可以实现较为准确的眼镜试戴效果。
应当理解，图1中所示的实施例，仅为对于本申请实施例的示例性描述，并不代表对本申请的限定。例如，图1中的实施例的步骤120，存在于步骤140和步骤150之前即可，本申请对于其具体的存在未知并不做具体限定。也即，步骤120可以与步骤110或步骤130互换位置，而不影响本方案的正确实施。又例如，步骤140和步骤150的执行顺序，可以为先执行步骤140、后执行步骤150，也可以为先执行步骤150、后执行步骤140，而不影响本方案的正确实施。
进一步参考图2，图2示出了根据本申请的基于人脸对齐算法确定对应输入的人脸图片的目标3D人脸形状的方法一个实施例的示意性流程图。
该基于人脸对齐算法确定对应输入的人脸图片的目标3D人脸形状的方法200包括：
在步骤210中，将获取的输入的人脸图片缩放至预定尺寸的灰度人脸图片。
在本实施例中，对于输入的人脸图片，为了减少数据处理量，可以对输入的人脸图片进行缩减(例如宽和高各缩小K倍，K大于0)，以得到预定尺寸的灰度人脸图片。这里的灰度人脸图片，是指使用黑色调表示的人脸图片，即用黑色为基准色，不同的饱和度的黑色来显示人脸图像。
在步骤220中，基于灰度人脸图片和由样本训练预先确定的平均3D人脸形状，确定用于对齐的初始人脸形状。
在本实施例中，由样本训练预先确定的平均3D人脸形状，是指在进行人脸对齐之前，根据训练样本预先训练得到的平均3D人脸形状，这里的平均3D人脸形状，是指人脸图片样本中已标注的输入的人脸图片的标准3D人脸形状的平均值。
这里的基于灰度人脸图片和由样本训练预先确定的平均3D人脸形状，确定用于对齐的初始人脸形状，可以根据灰度人脸图片对平均3D人脸形状进行约束，从而得到用于对齐的初始人脸形状。也可以直接将平均3D人脸形状作为用于对齐的初始人脸形状。
在本实施例的一些可选实现方式中，基于灰度人脸图片和由样本训练预先确定的平均3D人脸形状，确定用于对齐的初始人脸形状可以包括：采用人脸检测算法检测灰度人脸图片中的人脸，确定人脸矩形区域和矩形坐标；根据人脸矩形区域、矩形坐标和瞳孔在人脸中的比例，确定瞳孔初始位置和瞳孔初始坐标；获取由样本训练预先确定的平均3D人脸形状；根据瞳孔初始坐标，对平均3D人脸形状进行三维空间变换，得到瞳孔与瞳孔初始坐标对齐的用于对齐的初始人脸形状。
在本实现方式中，可以利用现有技术或未来发展的技术中的检测人脸的人脸检测算法来完成对灰度图片的人脸检测，本申请对此不做限定。例如，可以采用跨平台计算机视觉库(Open Source Computer Vision Library，缩写为OpenCV)自带的输入图像的矩形特征(harr)分类器检测出灰度图片中的人脸，得到人脸在图片中的矩形区域，包括矩形左上角的坐标点和右下角的坐标点，并按照瞳孔在人脸中的比例，粗略地计算出瞳孔位置及瞳孔在图片中的坐标，这里的坐标为一个粗略坐标，可能在图片瞳孔的周围。
通过本实现方式中的瞳孔初始坐标，可以得到瞳孔与瞳孔初始坐标对齐的用于对齐的初始人脸形状，可以使得用于对齐的初始人脸形状更逼近目标3D人脸形状，从而减少人脸对齐过程中的数据计算量，并提高数据计算效率。
在步骤230中，迭代执行确定更新步骤，直至由样本训练预先确定的迭代次数执行完毕，得到更新后的用于对齐的初始人脸形状。
在本实施例中，确定更新步骤包括：确定符合用于对齐的初始人脸形状的由样本训练预先确定的人脸形状变换参数增量，以及根据确定的增量，更新用于对齐的初始人脸形状。
在这里，由于人脸是一个三维的柔性物体，人脸形状的变换包含了人脸在三维空间中的各种三维变换，以及由人脸的表情以及人脸之间的差异所形成的人脸正面的形状变换。因此，所有的3D人脸形状都可以从一个平均3D人脸形状开始，经过各种的正脸形状结构变换和三维空间变换转换成另一个3D人脸形状。也即，人脸形状变换参数增量包括三维空间变换参数增量和3D正脸变换参数增量。
在预先进行的样本训练中，可以根据人脸图片样本中包括的预定尺寸的输入的人脸图片以及已标注的输入的人脸图片的标准3D人脸形状，确定各类人脸图片样本的人脸形状变换参数增量集合。因此，在人脸对齐阶段，可以根据用于对齐的初始人脸形状的特征，确定其所符合的人脸图片样本的类型，从而确定该类型的人脸图片样本的人脸形状变换参数增量，之后再根据确定的增量对用于对齐的初始人脸形状进行人脸形状的变换，从而提高人脸形状变换的准确性。
在本实施例的一些可选实现方式中，确定符合用于对齐的初始人脸形状的由样本训练预先确定的人脸形状变换参数增量包括：将用于对齐的初始人脸形状转换至2D人脸形状；根据由样本训练预先确定的本次迭代的坐标点对，提取2D人脸形状中坐标点对的像素差值特征；将对应人脸像素差值特征的人脸图片样本的人脸形状变换参数增量，确定为符合用于对齐的初始人脸形状的由样本训练预先确定的人脸形状变换参数增量。
在本实现方式中，将用于对齐的初始人脸形状转换至2D人脸形状，是指去掉用于对齐的初始人脸形状中所有三维坐标中的z轴信息；而坐标点对的像素差值特征，是指人脸中两个坐标点对应的像素值之差；在上述的人脸形状变换参数增量集合中，可以包括由样本训练预先确定的每一步迭代得到的人脸形状变换参数增量，而在每一步迭代得到的人脸形状变换参数增量中，可以包括三维空间变换参数增量和3D正脸变换参数增量。
在这里，通过将用于对齐的初始人脸形状转换至2D人脸形状，可以降维用于对齐的初始人脸形状，减少后续的数据计算量；之后，根据由样本训练预先确定的初次迭代的坐标点对，提取2D人脸形状中坐标点对的像素差值特征，可以进一步减少数据计算量；最后，再将对应人脸像素差值特征的人脸图片样本的人脸形状变换参数增量，确定为符合用于对齐的初始人脸形状的预先确定的人脸形状变换参数增量，可以提高人脸对齐的计算效率。
在步骤240中，将更新后的用于对齐的初始人脸形状缩放至输入的人脸图片尺寸，得到对应输入的人脸图片的目标3D人脸形状。
在本实施例中，为了确定3D眼镜模型与用户输入的图片的匹配度，需要将更新后的用于对齐的初始人脸形状缩放至输入的人脸图片尺寸，从而得到对应输入的人脸图片的目标3D人脸形状。这里的缩放，为步骤210中缩放的逆过程(例如与步骤210中宽和高各缩小K倍相对应，此处对更新后的用于对齐的初始人脸形状扩展K倍)。
本申请的上述实施例提供的基于人脸对齐算法确定对应输入的人脸图片的目标3D人脸形状的方法，通过基于缩放后的灰度人脸图片和由样本训练预先确定的平均3D人脸形状，确定用于对齐的初始人脸形状，之后对用于对齐的初始人脸形状迭代执行确定更新步骤，最后将更新后的用于对齐的初始人脸形状缩放至输入的人脸图片尺寸，得到对应输入的人脸图片的目标3D人脸形状，从而快速精准的实现了人脸对齐，以便后续快速确定输入的人脸图片的3D人脸形状和三维人脸朝向，从而精准地定位人脸瞳孔位置。
进一步参考图3，图3示出了根据本申请的用于确定人脸图片样本的人脸形状变换参数增量集合的样本训练方法的一个实施例的示意性流程图。
该用于确定人脸图片样本的人脸形状变换参数增量集合的样本训练方法300包括：
在步骤310中，获取人脸图片样本。
在本实施例中，人脸图片样本，包括预定尺寸的输入的人脸图片和已标注的输入的人脸图片的标准3D人脸形状。
在步骤320中，计算标准3D人脸形状的平均值，得到平均3D人脸形状。
在本实施例中，可以先获取样本中所有标准3D人脸形状之和，之后，再将样本中所有标准3D人脸形状之和除以样本的数量，得到所有标准3D人脸形状的平均值，并将该平均值作为平均3D人脸形状。
在步骤330中，将平均3D人脸形状作为各个人脸图片样本的初始人脸形状。
在步骤340中，对于各个人脸图片样本的初始人脸形状，执行迭代步骤。
在本实施例中，上述的迭代步骤包括：
首先，执行预定次数的计算各类人脸图片样本的人脸形状变换参数增量集合步骤，得到预定次数的人脸形状变换参数增量集合；
然后，在预定次数的人脸形状变换参数增量集合中，选择各类人脸图片样本的人脸形状变换参数增量之和最大的一次，作为本次迭代的各类人脸图片样本的人脸形状变换参数增量；
之后，纪录本次迭代所采用的坐标点对和各类人脸图片样本的人脸形状变换参数增量；
之后，根据本次迭代的各类人脸图片样本的人脸形状变换参数增量，更新各个人脸图片样本的初始人脸形状；
之后，判断本次迭代得到的人脸形状变换参数增量与上一次迭代得到的人脸形状变换参数增量的差值是否大于预设阈值；
之后，若差值是否大于预设阈值，跳转至执行迭代步骤；
之后，若差值不大于预设阈值，结束执行迭代步骤。
在本实施例的一些可选实现方式中，上述计算各类人脸图片样本的人脸形状变换参数增量集合步骤包括：在预定尺寸的区域内，随机选取预设数量的坐标点对；将坐标点对映射至各个样本的人脸图片中，获取坐标点对的像素差值特征；根据像素差值特征，归类人脸图片样本；根据各个人脸图片样本的初始人脸形状和标准人脸形状，计算各类人脸图片样本的人脸形状变换参数增量，得到各类人脸图片样本的人脸形状变换参数增量集合。
在本实现方式中，各类人脸图片样本的人脸形状变换参数增量集合中，包括每一类人脸图片样本的人脸形状变换参数增量。
通过该计算各类人脸图片样本的人脸形状变换参数增量集合步骤，可以随机选取预设数量的坐标点对以及获取坐标点对的像素差值特征，因此可以加速计算各类人脸图片样本的人脸形状变换参数增量集合。
在本实施例的一些可选实现方式中，根据各类人脸图片样本的初始人脸形状和标准人脸形状，计算各类人脸图片样本的人脸形状变换参数增量包括：对于每一类的人脸图片样本，根据各个人脸图片样本的初始人脸形状和标准人脸形状，计算各个人脸图片样本的人脸形状变换参数增量；将各个人脸图片样本的人脸形状变换参数增量的平均值，确定为每一类样本的人脸形状变换参数增量。
在本实现方式中，对于本次迭代得到的每一类人脸图片样本的初始人脸形状，都可以基于该本次迭代得到的每一类人脸图片样本的初始人脸形状和标准人脸形状，计算本次迭代的每一类人脸图片样本的人脸形状变换参数增量。
通过该根据各类人脸图片样本的初始人脸形状和标准人脸形状，计算各类人脸图片样本的人脸形状变换参数增量，可以为后续在预定次数的人脸形状变换参数增量集合中，选择各类人脸图片样本的人脸形状变换参数增量之和最大的一次，作为本次迭代的各类人脸图片样本的人脸形状变换参数增量提供数据准备，因此可以加速后续处理的数据调用速度，提高后续处理的效率。
在步骤350中，根据各次迭代得到的各类人脸图片样本的人脸形状变换参数增量，确定各类人脸图片样本的人脸形状变换参数增量集合。
在本实施例中，由于进行了多次迭代，因此将每次迭代得到的各类人脸图片样本的人脸形状变换参数增量按照分类集合在一起，便可得到各类人脸图片样本的人脸形状变换参数增量集合。
本申请的上述实施例提供的用于确定人脸图片样本的人脸形状变换参数增量集合的样本训练方法，通过计算标准3D人脸形状的平均值，之后将平均3D人脸形状作为各个人脸图片样本的初始人脸形状，之后对于各个人脸图片样本的初始人脸形状，执行迭代步骤，最后根据各次迭代得到的各类人脸图片样本的人脸形状变换参数增量，确定各类人脸图片样本的人脸形状变换参数增量集合，实现了为后续的人脸对齐训练参数，从而提高了人脸对齐的效率以及后续基于人脸对齐的匹配人脸的眼镜试戴的效率。
以下结合图4a、图4b、图4c、图4d、图4e和图4f，说明根据本申请的匹配人脸的眼镜试戴方法的一个应用场景。
图4a示出了根据本申请的匹配人脸的眼镜试戴方法的采用人脸检测算法检测的灰度人脸图片的一个实施例的示意图。
图4b示出了根据本申请的匹配人脸的眼镜试戴方法的基于人脸矩形区域确定的瞳孔初始位置的一个实施例的示意图。
图4c示出了根据本申请的匹配人脸的眼镜试戴方法的用于对齐的初始人脸形状的一个实施例的示意图。
图4d示出了根据本申请的匹配人脸的眼镜试戴方法的更新后的用于对齐的初始人脸形状的一个实施例的示意图。
图4e示出了根据本申请的匹配人脸的眼镜试戴方法的根据目标3D人脸形状确定的瞳孔位置的一个实施例的示意图。
图4f示出了根据本申请的匹配人脸的眼镜试戴方法的眼镜试戴效果的一个实施例的示意图。
在该应用场景中，如图4a所示，对于灰度人脸图片401，采用人脸检测算法检测该灰度人脸图片401，可以确定人脸矩形区域402及其坐标；之后，如图4b所示，基于人脸矩形区域及其坐标，可以确定瞳孔初始位置403及其坐标；之后，如图4c所示，可以根据瞳孔初始位置的坐标，对由样本训练预先确定的平均3D人脸形状进行三维空间变换，得到瞳孔与瞳孔初始坐标对齐的用于对齐的初始人脸形状404；之后，如图4d所示，可以对用于对齐的初始人脸形状404迭代执行确定更新步骤，直至执行完毕由样本训练预先确定的迭代次数，得到更新后的用于对齐的初始人脸形状405；之后，如图4e所示，可以基于由更新后的用于对齐的初始人脸形状405得到的目标3D人脸形状，得到目标3D人脸形状的两瞳孔位置406；之后，根据目标3D人脸形状的两瞳孔位置406，得到眼镜407的试戴效果。
本申请上述实施例的根据本申请的匹配人脸的眼镜试戴方法的应用场景，通过人脸对齐方法，确定了输入的人脸图片的瞳孔位置，给出了人脸的三维朝向，从而能有效地实现3D眼镜与人脸的融合，进而实现精细准确的眼镜试戴效果。
进一步参考图5，作为对上述方法的实现，本申请实施例提供了一种匹配人脸的眼镜试戴装置的一个实施例，该匹配人脸的眼镜试戴装置的实施例与图1、图2和图3所示的匹配人脸的眼镜试戴方法的实施例相对应，由此，上文针对图1、图2和图3中匹配人脸的眼镜试戴方法描述的操作和特征同样适用于匹配人脸的眼镜试戴装置500及其中包含的步骤，在此不再赘述。
如图5所示，该用于匹配人脸的眼镜试戴装置500包括：人脸图片获取单元510，配置用于获取输入的人脸图片；眼镜模型获取单元520，配置用于获取3D眼镜模型；目标人脸确定单元530，配置用于基于人脸对齐算法，确定对应输入的人脸图片的目标3D人脸形状；眼镜尺寸调整单元540，配置用于将3D眼镜模型的尺寸调整至符合目标3D人脸形状的两瞳孔的三维坐标；眼镜朝向调整单元550，配置用于将3D眼镜模型的三维朝向调整至与目标3D人脸形状的三维朝向同向；眼镜模型映射单元560，配置用于将调整尺寸和调整三维朝向后的3D眼镜模型映射至平面空间，得到平面眼镜图片；眼镜人脸融合单元570，配置用于融合平面眼镜图片和输入的人脸图片，得到眼镜试戴图片。
在本实施例的一些可选实现方式中(图中未示出)，目标人脸确定单元包括：灰度图片缩放单元，配置用于将获取的输入的人脸图片缩放至预定尺寸的灰度人脸图片；初始人脸确定单元，配置用于基于灰度人脸图片和由样本训练预先确定的平均3D人脸形状，确定配置用于对齐的初始人脸形状；初始人脸迭代单元，配置用于迭代执行确定更新步骤，直至由样本训练预先确定的迭代次数执行完毕，得到更新后的配置用于对齐的初始人脸形状；其中，确定更新步骤包括：确定符合配置用于对齐的初始人脸形状的由样本训练预先确定的人脸形状变换参数增量，以及根据确定的增量，更新配置用于对齐的初始人脸形状；初始人脸缩放单元，配置用于将更新后的配置用于对齐的初始人脸形状缩放至输入的人脸图片尺寸，得到对应输入的人脸图片的目标3D人脸形状。
在本实施例的一些可选实现方式中(图中未示出)，初始人脸确定单元包括：人脸矩形检测单元，配置用于采用人脸检测算法检测灰度人脸图片中的人脸，确定人脸矩形区域和矩形坐标；初始瞳孔确定单元，配置用于根据人脸矩形区域、矩形坐标和瞳孔在人脸中的比例，确定瞳孔初始位置和瞳孔初始坐标；平均人脸获取单元，配置用于获取由样本训练预先确定的平均3D人脸形状；平均人脸变换单元，配置用于根据瞳孔初始坐标，对平均3D人脸形状进行三维空间变换，得到瞳孔与瞳孔初始坐标对齐的配置用于对齐的初始人脸形状。
在本实施例的一些可选实现方式中(图中未示出)，初始人脸迭代单元进一步配置用于：将配置用于对齐的初始人脸形状转换至2D人脸形状；根据由样本训练预先确定的本次迭代的坐标点对，提取2D人脸形状中坐标点对的像素差值特征；将对应人脸像素差值特征的人脸图片样本的人脸形状变换参数增量，确定为符合配置用于对齐的初始人脸形状的由样本训练预先确定的人脸形状变换参数增量。
在本实施例的一些可选实现方式中(图中未示出)，眼镜朝向调整单元进一步配置用于：将3D眼镜模型的三维朝向调整至与目标3D人脸形状的三维朝向同向；检测目标3D人脸形状的三维朝向是否大于预定阈值；若是，则去除与目标3D人脸形状的三维朝向相同的3D眼镜模型的部分眼镜腿。
在本实施例的一些可选实现方式中(图中未示出)，初始人脸迭代单元中人脸图片样本的人脸形状变换参数增量集合经由以下样本训练单元确定：人脸样本获取单元，配置用于获取人脸图片样本，人脸图片样本包括预定尺寸的输入的人脸图片和已标注的输入的人脸图片的标准3D人脸形状；平均人脸计算单元，配置用于计算标准3D人脸形状的平均值，得到平均3D人脸形状；初始人脸赋值单元，配置用于将平均3D人脸形状作为各个人脸图片样本的初始人脸形状；样本人脸迭代单元，配置用于对于各个人脸图片样本的初始人脸形状，执行迭代步骤，迭代步骤包括：执行预定次数的计算各类人脸图片样本的人脸形状变换参数增量集合步骤，得到预定次数的人脸形状变换参数增量集合；在预定次数的人脸形状变换参数增量集合中，选择各类人脸图片样本的人脸形状变换参数增量之和最大的一次，作为本次迭代的各类人脸图片样本的人脸形状变换参数增量；纪录本次迭代所采用的坐标点对和各类人脸图片样本的人脸形状变换参数增量；根据本次迭代的各类人脸图片样本的人脸形状变换参数增量，更新各个人脸图片样本的初始人脸形状，判断本次迭代得到的人脸形状变换参数增量与上一次迭代得到的人脸形状变换参数增量的差值是否大于预设阈值；若是，跳转至执行迭代步骤；若否，结束执行迭代步骤；样本增量确定单元，配置用于根据各次迭代得到的各类人脸图片样本的人脸形状变换参数增量，确定各类人脸图片样本的人脸形状变换参数增量集合。
在本实施例的一些可选实现方式中(图中未示出)，样本人脸迭代单元进一步配置用于：在预定尺寸的区域内，随机选取预设数量的坐标点对；将坐标点对映射至各个样本的人脸图片中，获取坐标点对的像素差值特征；根据像素差值特征，归类人脸图片样本；根据各个人脸图片样本的初始人脸形状和标准人脸形状，计算各类人脸图片样本的人脸形状变换参数增量，得到各类人脸图片样本的人脸形状变换参数增量集合。
在本实施例的一些可选实现方式中(图中未示出)，样本人脸迭代单元进一步配置用于：对于每一类的人脸图片样本，根据各个人脸图片样本的初始人脸形状和标准人脸形状，计算各个人脸图片样本的人脸形状变换参数增量；将各个人脸图片样本的人脸形状变换参数增量的平均值，确定为每一类样本的人脸形状变换参数增量。
在本实施例的一些可选实现方式中(图中未示出)，装置还包括：眼镜产品推送单元，配置用于根据眼镜试戴图片，向用户推送眼镜产品信息。
本申请还提供了一种设备的实施例，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上任一所述的匹配人脸的眼镜试戴方法。
本申请还提供了一种计算机可读存储介质的实施例，其上存储有计算机程序，该程序被处理器执行时实现如上任一所述的匹配人脸的眼镜试戴方法。
下面参考图6，其示出了适于用来实现本申请实施例的终端设备或服务器的计算机系统600的结构示意图。图6示出的终端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；包括诸如阴极射线管(CRT)、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606。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，本申请所述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单元、程序段、或代码的一部分，该单元、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：一种处理器包括人脸图片获取单元、眼镜模型获取单元、目标人脸确定单元、眼镜尺寸调整单元、眼镜朝向调整单元、眼镜模型映射单元和眼镜人脸融合单元。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，人脸图片获取单元还可以被描述为“获取输入的人脸图片的单元”。
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：获取输入的人脸图片；获取3D眼镜模型；基于人脸对齐算法，确定对应输入的人脸图片的目标3D人脸形状；将3D眼镜模型的尺寸调整至符合目标3D人脸形状的两瞳孔的三维坐标；将3D眼镜模型的三维朝向调整至与目标3D人脸形状的三维朝向同向；将调整尺寸和调整三维朝向后的3D眼镜模型映射至平面空间，得到平面眼镜图片；融合平面眼镜图片和输入的人脸图片，得到眼镜试戴图片。
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 (18)

1.一种匹配人脸的眼镜试戴方法，其特征在于，包括：
获取输入的人脸图片；
获取3D眼镜模型；
基于人脸对齐算法、从人脸图片样本的人脸形状变换参数增量集合中确定的人脸形状变换参数增量和所述输入的人脸图片对应的用于对齐的初始人脸形状，确定对应所述输入的人脸图片的目标3D人脸形状；
将所述3D眼镜模型的尺寸调整至符合所述目标3D人脸形状的两瞳孔的三维坐标；
将所述3D眼镜模型的三维朝向调整至与所述目标3D人脸形状的三维朝向同向；
将调整尺寸和调整三维朝向后的3D眼镜模型映射至平面空间，得到平面眼镜图片；
融合所述平面眼镜图片和所述输入的人脸图片，得到眼镜试戴图片；
其中，所述人脸图片样本的人脸形状变换参数增量集合经由以下样本训练步骤确定：获取人脸图片样本，所述人脸图片样本包括预定尺寸的输入的人脸图片和已标注的所述输入的人脸图片的标准3D人脸形状；计算所述标准3D人脸形状的平均值，得到平均3D人脸形状；将所述平均3D人脸形状作为各个人脸图片样本的初始人脸形状；对于所述各个人脸图片样本的初始人脸形状，执行迭代步骤，所述迭代步骤包括：执行预定次数的计算各类人脸图片样本的人脸形状变换参数增量集合步骤，得到预定次数的人脸形状变换参数增量集合；在所述预定次数的人脸形状变换参数增量集合中，选择各类人脸图片样本的人脸形状变换参数增量之和最大的一次，作为本次迭代的各类人脸图片样本的人脸形状变换参数增量；纪录本次迭代所采用的坐标点对和各类人脸图片样本的人脸形状变换参数增量；根据本次迭代的各类人脸图片样本的人脸形状变换参数增量，更新所述各个人脸图片样本的初始人脸形状，判断本次迭代得到的人脸形状变换参数增量与上一次迭代得到的人脸形状变换参数增量的差值是否大于预设阈值；若是，跳转至所述执行迭代步骤；若否，结束执行所述迭代步骤；根据各次迭代得到的各类人脸图片样本的人脸形状变换参数增量，确定各类人脸图片样本的人脸形状变换参数增量集合。
2.根据权利要求1所述的方法，其特征在于，所述基于人脸对齐算法、从人脸图片样本的人脸形状变换参数增量集合中确定的人脸形状变换参数增量和所述输入的人脸图片对应的用于对齐的初始人脸形状，确定对应所述输入的人脸图片的目标3D人脸形状包括：
将获取的输入的人脸图片缩放至预定尺寸的灰度人脸图片；
基于所述灰度人脸图片和由样本训练预先确定的平均3D人脸形状，确定用于对齐的初始人脸形状；
迭代执行确定更新步骤，直至由样本训练预先确定的迭代次数执行完毕，得到更新后的用于对齐的初始人脸形状；其中，所述确定更新步骤包括：确定符合所述用于对齐的初始人脸形状的由样本训练预先确定的人脸形状变换参数增量，以及根据确定的增量，更新所述用于对齐的初始人脸形状；
将所述更新后的用于对齐的初始人脸形状缩放至所述输入的人脸图片尺寸，得到对应所述输入的人脸图片的目标3D人脸形状。
3.根据权利要求2所述的方法，其特征在于，所述基于所述灰度人脸图片和由样本训练预先确定的平均3D人脸形状，确定用于对齐的初始人脸形状包括：
采用人脸检测算法检测所述灰度人脸图片中的人脸，确定人脸矩形区域和矩形坐标；
根据人脸矩形区域、矩形坐标和瞳孔在人脸中的比例，确定瞳孔初始位置和瞳孔初始坐标；
获取由样本训练预先确定的平均3D人脸形状；
根据所述瞳孔初始坐标，对所述平均3D人脸形状进行三维空间变换，得到瞳孔与所述瞳孔初始坐标对齐的用于对齐的初始人脸形状。
4.根据权利要求2或3任意一项所述的方法，其特征在于，所述确定符合所述用于对齐的初始人脸形状的由样本训练预先确定的人脸形状变换参数增量包括：
将所述用于对齐的初始人脸形状转换至2D人脸形状；
根据由样本训练预先确定的本次迭代的坐标点对，提取所述2D人脸形状中所述坐标点对的像素差值特征；
将对应所述人脸像素差值特征的人脸图片样本的人脸形状变换参数增量，确定为符合所述用于对齐的初始人脸形状的由样本训练预先确定的人脸形状变换参数增量。
5.根据权利要求1至3任意一项所述的方法，其特征在于，所述将所述3D眼镜模型的三维朝向调整至与所述目标3D人脸形状的三维朝向同向包括：
将所述3D眼镜模型的三维朝向调整至与所述目标3D人脸形状的三维朝向同向；
检测所述目标3D人脸形状的三维朝向是否大于预定阈值；
若是，则去除与所述目标3D人脸形状的三维朝向相同的所述3D眼镜模型的部分眼镜腿。
6.根据权利要求1所述的方法，其特征在于，所述计算各类人脸图片样本的人脸形状变换参数增量集合步骤包括：
在预定尺寸的区域内，随机选取预设数量的坐标点对；
将所述坐标点对映射至各个样本的人脸图片中，获取所述坐标点对的像素差值特征；
根据所述像素差值特征，归类所述人脸图片样本；
根据各个人脸图片样本的所述初始人脸形状和所述标准人脸形状，计算各类人脸图片样本的人脸形状变换参数增量，得到各类人脸图片样本的人脸形状变换参数增量集合。
7.根据权利要求6所述的方法，其特征在于，所述根据各类人脸图片样本的所述初始人脸形状和所述标准人脸形状，计算各类人脸图片样本的人脸形状变换参数增量包括：
对于每一类的人脸图片样本，根据各个人脸图片样本的所述初始人脸形状和所述标准人脸形状，计算各个人脸图片样本的人脸形状变换参数增量；
将所述各个人脸图片样本的人脸形状变换参数增量的平均值，确定为所述每一类人脸图片样本的人脸形状变换参数增量。
8.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据所述眼镜试戴图片，向用户推送眼镜产品信息。
9.一种匹配人脸的眼镜试戴装置，其特征在于，包括：
人脸图片获取单元，用于获取输入的人脸图片；
眼镜模型获取单元，用于获取3D眼镜模型；
目标人脸确定单元，用于基于人脸对齐算法、从人脸图片样本的人脸形状变换参数增量集合中确定的人脸形状变换参数增量和所述输入的人脸图片对应的用于对齐的初始人脸形状，确定对应所述输入的人脸图片的目标3D人脸形状；
眼镜尺寸调整单元，用于将所述3D眼镜模型的尺寸调整至符合所述目标3D人脸形状的两瞳孔的三维坐标；
眼镜朝向调整单元，用于将所述3D眼镜模型的三维朝向调整至与所述目标3D人脸形状的三维朝向同向；
眼镜模型映射单元，用于将调整尺寸和调整三维朝向后的3D眼镜模型映射至平面空间，得到平面眼镜图片；
眼镜人脸融合单元，用于融合所述平面眼镜图片和所述输入的人脸图片，得到眼镜试戴图片；
其中，所述人脸图片样本的人脸形状变换参数增量集合经由以下样本训练单元确定：人脸样本获取单元，用于获取人脸图片样本，所述人脸图片样本包括预定尺寸的输入的人脸图片和已标注的所述输入的人脸图片的标准3D人脸形状；平均人脸计算单元，用于计算所述标准3D人脸形状的平均值，得到平均3D人脸形状；初始人脸赋值单元，用于将所述平均3D人脸形状作为各个人脸图片样本的初始人脸形状；样本人脸迭代单元，用于对于所述各个人脸图片样本的初始人脸形状，执行迭代步骤，所述迭代步骤包括：执行预定次数的计算各类人脸图片样本的人脸形状变换参数增量集合步骤，得到预定次数的人脸形状变换参数增量集合；在所述预定次数的人脸形状变换参数增量集合中，选择各类人脸图片样本的人脸形状变换参数增量之和最大的一次，作为本次迭代的各类人脸图片样本的人脸形状变换参数增量；纪录本次迭代所采用的坐标点对和各类人脸图片样本的人脸形状变换参数增量；根据本次迭代的各类人脸图片样本的人脸形状变换参数增量，更新所述各个人脸图片样本的初始人脸形状，判断本次迭代得到的人脸形状变换参数增量与上一次迭代得到的人脸形状变换参数增量的差值是否大于预设阈值；若是，跳转至所述执行迭代步骤；若否，结束执行所述迭代步骤；样本增量确定单元，用于根据各次迭代得到的各类人脸图片样本的人脸形状变换参数增量，确定各类人脸图片样本的人脸形状变换参数增量集合。
10.根据权利要求9所述的装置，其特征在于，所述目标人脸确定单元包括：
灰度图片缩放单元，用于将获取的输入的人脸图片缩放至预定尺寸的灰度人脸图片；
初始人脸确定单元，用于基于所述灰度人脸图片和由样本训练预先确定的平均3D人脸形状，确定用于对齐的初始人脸形状；
初始人脸迭代单元，用于迭代执行确定更新步骤，直至由样本训练预先确定的迭代次数执行完毕，得到更新后的用于对齐的初始人脸形状；其中，所述确定更新步骤包括：确定符合所述用于对齐的初始人脸形状的由样本训练预先确定的人脸形状变换参数增量，以及根据确定的增量，更新所述用于对齐的初始人脸形状；
初始人脸缩放单元，用于将所述更新后的用于对齐的初始人脸形状缩放至所述输入的人脸图片尺寸，得到对应所述输入的人脸图片的目标3D人脸形状。
11.根据权利要求10所述的装置，其特征在于，所述初始人脸确定单元包括：
人脸矩形检测单元，用于采用人脸检测算法检测所述灰度人脸图片中的人脸，确定人脸矩形区域和矩形坐标；
初始瞳孔确定单元，用于根据人脸矩形区域、矩形坐标和瞳孔在人脸中的比例，确定瞳孔初始位置和瞳孔初始坐标；
平均人脸获取单元，用于获取由样本训练预先确定的平均3D人脸形状；
平均人脸变换单元，用于根据所述瞳孔初始坐标，对所述平均3D人脸形状进行三维空间变换，得到瞳孔与所述瞳孔初始坐标对齐的用于对齐的初始人脸形状。
12.根据权利要求10或11任意一项所述的装置，其特征在于，所述初始人脸迭代单元进一步用于：
将所述用于对齐的初始人脸形状转换至2D人脸形状；
根据由样本训练预先确定的本次迭代的坐标点对，提取所述2D人脸形状中所述坐标点对的像素差值特征；
将对应所述人脸像素差值特征的人脸图片样本的人脸形状变换参数增量，确定为符合所述用于对齐的初始人脸形状的由样本训练预先确定的人脸形状变换参数增量。
13.根据权利要求9至11任意一项所述的装置，其特征在于，所述眼镜朝向调整单元进一步用于：
将所述3D眼镜模型的三维朝向调整至与所述目标3D人脸形状的三维朝向同向；
检测所述目标3D人脸形状的三维朝向是否大于预定阈值；
若是，则去除与所述目标3D人脸形状的三维朝向相同的所述3D眼镜模型的部分眼镜腿。
14.根据权利要求9所述的装置，其特征在于，所述样本人脸迭代单元进一步用于：
在预定尺寸的区域内，随机选取预设数量的坐标点对；
将所述坐标点对映射至各个样本的人脸图片中，获取所述坐标点对的像素差值特征；
根据所述像素差值特征，归类所述人脸图片样本；
根据各个人脸图片样本的所述初始人脸形状和所述标准人脸形状，计算各类人脸图片样本的人脸形状变换参数增量，得到各类人脸图片样本的人脸形状变换参数增量集合。
15.根据权利要求14所述的装置，其特征在于，所述样本人脸迭代单元进一步用于：
对于每一类的人脸图片样本，根据各个人脸图片样本的所述初始人脸形状和所述标准人脸形状，计算各个人脸图片样本的人脸形状变换参数增量；
将所述各个人脸图片样本的人脸形状变换参数增量的平均值，确定为所述每一类人脸图片样本的人脸形状变换参数增量。
16.根据权利要求9所述的装置，其特征在于，所述装置还包括：
眼镜产品推送单元，用于根据所述眼镜试戴图片，向用户推送眼镜产品信息。
17.一种设备，其特征在于，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1-8中任一所述的匹配人脸的眼镜试戴方法。
18.一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1-8中任一所述的匹配人脸的眼镜试戴方法。
CN201710136264.3A 2017-03-09 2017-03-09 匹配人脸的眼镜试戴方法和装置 Active CN108573192B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710136264.3A CN108573192B (zh) 2017-03-09 2017-03-09 匹配人脸的眼镜试戴方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710136264.3A CN108573192B (zh) 2017-03-09 2017-03-09 匹配人脸的眼镜试戴方法和装置

Publications (2)

Publication Number Publication Date
CN108573192A CN108573192A (zh) 2018-09-25
CN108573192B true CN108573192B (zh) 2022-09-06

Family

ID=63577877

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710136264.3A Active CN108573192B (zh) 2017-03-09 2017-03-09 匹配人脸的眼镜试戴方法和装置

Country Status (1)

Country Link
CN (1) CN108573192B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109615593A (zh) * 2018-11-29 2019-04-12 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
CN110533775B (zh) * 2019-09-18 2023-04-18 广州智美科技有限公司 一种基于3d人脸的眼镜匹配方法、装置及终端
CN113192132B (zh) * 2021-03-18 2022-07-29 魔珐(上海)信息科技有限公司 眼神捕捉方法及装置、存储介质、终端
CN112883919A (zh) * 2021-03-22 2021-06-01 温州大学 一种基于人脸特征增强匹配的眼镜选配方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101303772A (zh) * 2008-06-20 2008-11-12 浙江大学 一种基于单幅图像的非线性三维人脸建模方法
CN103456008A (zh) * 2013-08-26 2013-12-18 刘晓英 一种面部与眼镜匹配方法
CN104574504A (zh) * 2014-12-26 2015-04-29 上海沙斐网络科技有限公司 一种基于终端的眼镜虚拟试戴方法和眼镜虚拟试戴装置
CN106203364A (zh) * 2016-07-14 2016-12-07 广州帕克西软件开发有限公司 一种3d眼镜互动试戴系统及方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9665984B2 (en) * 2014-07-31 2017-05-30 Ulsee Inc. 2D image-based 3D glasses virtual try-on system

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101303772A (zh) * 2008-06-20 2008-11-12 浙江大学 一种基于单幅图像的非线性三维人脸建模方法
CN103456008A (zh) * 2013-08-26 2013-12-18 刘晓英 一种面部与眼镜匹配方法
CN104574504A (zh) * 2014-12-26 2015-04-29 上海沙斐网络科技有限公司 一种基于终端的眼镜虚拟试戴方法和眼镜虚拟试戴装置
CN106203364A (zh) * 2016-07-14 2016-12-07 广州帕克西软件开发有限公司 一种3d眼镜互动试戴系统及方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Cascaded Regressor based 3D Face Reconstruction from a Single Arbitrary View Image;Feng Liu等;《https://arxiv.org/pdf/1509.06161v1》;20150921;摘要及第3-4节 *

Also Published As

Publication number Publication date
CN108573192A (zh) 2018-09-25

Similar Documents

Publication Publication Date Title
AU2019419376B2 (en) Virtual try-on systems and methods for spectacles
JP6808855B2 (ja) 眼鏡フレームを仮想的に調整するための方法、装置、及びコンピュータプログラム
US11487995B2 (en) Method and apparatus for determining image quality
CN107358648B (zh) 基于单张人脸图像的实时全自动高质量三维人脸重建方法
EP3885965B1 (en) Image recognition method based on micro facial expressions, apparatus and related device
US20220261968A1 (en) Image optimization method and apparatus, computer storage medium, and electronic device
EP3992919B1 (en) Three-dimensional facial model generation method and apparatus, device, and medium
CN108573192B (zh) 匹配人脸的眼镜试戴方法和装置
CN111325846B (zh) 表情基确定方法、虚拟形象驱动方法、装置及介质
CN108734078B (zh) 图像处理方法、装置、电子设备、存储介质及程序
US20130127824A1 (en) Object Selection in Stereo Image Pairs
CN111369428A (zh) 虚拟头像生成方法和装置
CN114187624A (zh) 图像生成方法、装置、电子设备及存储介质
CN110070057A (zh) 瞳距测量方法、装置、终端设备及存储介质
CN111784658A (zh) 一种用于人脸图像的质量分析方法和系统
CN113223137B (zh) 透视投影人脸点云图的生成方法、装置及电子设备
CN112991208B (zh) 图像处理方法及装置、计算机可读介质和电子设备
CN115994944A (zh) 三维关键点预测方法、训练方法及相关设备
CN113223128B (zh) 用于生成图像的方法和装置
CN112785524A (zh) 一种人物图像的修复方法、装置及电子设备
CN111222448A (zh) 图像转换方法及相关产品
CN112634441B (zh) 一种3d人体模型生成方法、系统及相关设备
CN117726746B (zh) 三维人体重建方法、装置、设备、存储介质及程序产品
EP3843043B1 (en) Apparatus, method, and computer-readable storage medium for expanding an image database for evaluation of eyewear compatibility
CN115457104B (zh) 人体信息的确定方法、装置及电子设备

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
TG01 Patent term adjustment
TG01 Patent term adjustment