CN108960136B - 人脸对齐算法中初始人脸形状的确定方法和装置 - Google Patents
人脸对齐算法中初始人脸形状的确定方法和装置 Download PDFInfo
- Publication number
- CN108960136B CN108960136B CN201810713036.2A CN201810713036A CN108960136B CN 108960136 B CN108960136 B CN 108960136B CN 201810713036 A CN201810713036 A CN 201810713036A CN 108960136 B CN108960136 B CN 108960136B
- Authority
- CN
- China
- Prior art keywords
- face
- image
- average
- face shape
- target
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Image Processing (AREA)
Abstract
本发明涉及图像处理技术领域,具体涉及一种人脸对齐算法中初始人脸形状的确定方法、装置、智能终端及计算机可读存储介质。该方法包括:计算不同类别样本图像集的平均人脸形状,获取目标人脸图像,并在目标人脸图像上采集预定数量的关键点,进而根据关键点的位置和不同类别样本图像集的平均人脸形状上的点的位置确定目标人脸图像对应的平均人脸形状,获取目标人脸图像的皮肤区域的二值化图像,最后根据二值化图像调整所述目标人脸图像对应的平均人脸形状得到人脸对齐算法中目标人脸图像的初始人脸形状。由此可见,本方案通过两方面确定目标人脸图像的平均人脸形状,使得最后得到的初始人脸形状更加精确,以较好地减少了后续算法的回归流程。
Description
技术领域
本发明涉及图像处理技术领域,具体而言,涉及一种人脸对齐算法中初始人脸形状的确定方法和装置。
背景技术
目前人脸对齐算法为多个应用领域的基础算法,如瘦脸等,通过人脸对齐算法更准确地确定出人脸上的多个关键点,以方便进行后续的算法处理。现有的人脸对齐算法主要是以级联的多级回归,来逐步逼近最终所要的结果,具体为,通过对所有人脸样本图像的人脸形状求取平均值得到初始人脸形状,进而对初始人脸形状进行多次回归以确定出最终的人脸形状,需要说明的是,该人脸形状由人脸图像上选取的多个关键点表示。由此可见,现有的人脸对齐算法中初始人脸形状的确定方式是对所有样本求取平均值,其精度较低,使得后续算法想要得到关键点的位置精确的人脸形状需要进行多次回归,因而提供一种人脸对齐算法中初始人脸形状的确定方法是十分必要的。
发明内容
本发明的目的在于提供一种人脸对齐算法中初始人脸形状的确定方法,以确定出更为精确的初始人脸形状,以减少后续算法的回归次数,提升最终人脸形状的精确度。
本发明的另一目的在于提供一种人脸对齐算法中初始人脸形状的确定装置,以确定出更为精确的初始人脸形状,以减少后续算法的回归次数,提升最终人脸形状的精确度。
本发明的另一目的在于提供一种智能终端,以确定出更为精确的初始人脸形状,以减少后续算法的回归次数,提升最终人脸形状的精确度。
本发明的另一目的在于提供一种计算机可读存储介质,以确定出更为精确的初始人脸形状,以减少后续算法的回归次数,提升最终人脸形状的精确度。
为了实现上述目的,本发明实施例采用的技术方案如下:
第一方面,本发明实施例提供了一种人脸对齐算法中初始人脸形状的确定方法,应用于智能终端,所述方法包括:计算不同类别样本图像集的平均人脸形状;获取目标人脸图像;在所述目标人脸图像上采集预定数量关键点;根据所述关键点的位置和不同类别样本图像集的平均人脸形状上点的位置确定所述目标人脸图像对应的平均人脸形状;获取所述目标人脸图像的皮肤区域的二值化图像;根据所述二值化图像调整所述目标人脸图像对应的平均人脸形状得到人脸对齐算法中所述目标人脸图像的初始人脸形状。
第二方面,本发明实施例还提供了一种人脸对齐算法中初始人脸形状的确定装置,应用于智能终端,所述装置包括:计算模块,用于计算不同类别样本图像集的平均人脸形状;第一获取模块,用于获取目标人脸图像;采集模块,用于在所述目标人脸图像上采集预定数量的关键点;确定模块,用于根据所述关键点的位置和不同类别样本图像集的平均人脸形状上的点的位置确定所述目标人脸图像对应的平均人脸形状;第二获取模块,用于获取所述目标人脸图像的皮肤区域的二值化图像;调整模块,用于根据所述二值化图像调整所述目标人脸图像对应的平均人脸形状得到人脸对齐算法中所述目标人脸图像的初始人脸形状。
第三方面,本发明实施例还提供了一种智能终端,所述智能终端包括存储器和处理器,所述存储器用于存储计算机程序代码,所述处理器用于执行存储于所述存储器中的计算机程序代码以实现所述的人脸对齐算法中初始人脸形状的确定方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现所述的人脸对齐算法中初始人脸形状的确定方法。
本发明实施例提供的一种人脸对齐算法中初始人脸形状的确定方法、装置、智能终端及计算机可读存储介质。该方法包括:计算不同类别样本图像集的平均人脸形状,获取目标人脸图像,并在目标人脸图像上采集预定数量的关键点,进而根据关键点的位置和不同类别样本图像集的平均人脸形状上的点的位置确定目标人脸图像对应的平均人脸形状,获取目标人脸图像的皮肤区域的二值化图像,最后根据二值化图像调整所述目标人脸图像对应的平均人脸形状得到人脸对齐算法中目标人脸图像的初始人脸形状。由此可见,本方案先是对所有样本图像集进行分类并确定分类后的各个样本图像集的平均人脸形状,进而确定获取的目标人脸图像的平均人脸形状,并通过检测皮肤调整目标人脸图像的平均人脸形状以得到初始人脸形状,通过两方面确定目标人脸图像的平均人脸形状,使得最后得到的初始人脸形状更加精确,以较好地减少了后续算法的回归流程。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1示出了本发明实施例提供的一种智能终端的结构示意图。
图2示出了本发明实施例提供的一种人脸对齐算法中初始人脸形状的确定方法的流程示意图。
图3示出了本发明实施例提供的一种人脸对齐算法中初始人脸形状的确定方法的子步骤的流程示意图。
图4示出了本发明实施例提供的一种人脸对齐算法中初始人脸形状的确定装置的功能模块示意图。
图示:100-智能终端;110-人脸对齐算法中初始人脸形状的确定装置;120-存储器;130-存储控制器;140-处理器;150-外设接口;160-输入输出单元;170-音频单元;180-显示单元;190-通信单元;111-计算模块;112-第一获取模块;113-采集模块;114-确定模块;115-第二获取模块;116-调整模块。
具体实施方式
下面将结合本发明实施例中附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本发明的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
本发明实施例提供的一种人脸对齐算法中初始人脸形状的确定方法应用于智能终端,该智能终端可以是但不限于,平板电脑或台式电脑等智能电子设备。该方法通过首先对大量样本图像进行分类得到每种类别下的样本图像集的平均人脸形状,进而当需要对获取的目标人脸图像进行初始人脸形状确定时,一方面根据确定的各个类别样本图像集的平均人脸形状确定目标人脸图像的平均人脸形状,另一方面获取该目标人脸图像的皮肤区域的二值化图像,通过该二值化图像调整目标人脸图像的平均人脸形状得到初始人脸形状。
由此可见,本方案通过两方面通过对目标人脸图像进行处理以更准确地确定出目标人脸图像在人脸对齐算法中的初始人脸形状。由于初始人脸形状更为精确,亦即是说,初始人脸形状相对于现有对所有样本人脸图像求平均值的方法确定出的初始人脸形状更接近最终人脸形状,相当于替代了整个算法的前几次回归,进而减少了整体算法的回归次数,并通过该方法使得人脸对齐算法中最终得到的人脸形状更加精确。
请参照图1,是本发明实施例提供的一种智能终端100的结构示意图,该智能终端100包括人脸对齐算法中初始人脸形状的确定装置110、存储器120、存储控制器130、处理器140、外设接口150、输入输出单元160、音频单元170、显示单元180以及通信单元190。
所述存储器120、存储控制器130、处理器140、外设接口150、输入输出单元160、音频单元170、显示单元180、通信单元190各元件相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述人脸对齐算法中初始人脸形状的确定装置110包括至少一个可以软件或固件(firmware)的形式存储于所述存储器120中或固化在所述智能终端100设备的操作系统(operating system,OS)中的软件功能模块。所述处理器140用于执行存储器120中存储的可执行模块,例如人脸对齐算法中初始人脸形状的确定装置110包括的软件功能模块或计算机程序。
其中,存储器120可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-OnlyMemory,PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)等。其中,存储器120用于存储程序,所述处理器140在接收到执行指令后,执行所述程序,本发明实施例任一实施例揭示的流过程定义的智能终端100所执行的方法可以应用于处理器140中,或者由处理器140实现。
处理器140可能是一种集成电路芯片,具有信号的处理能力。上述的处理器140可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器140也可以是任何常规的处理器140等。
所述外设接口150将各种输入/输出装置耦合至处理器140以及存储器120。在一些实施例中,外设接口150,处理器140以及存储控制器130可以在单个芯片中实现。在其他一些实例中,他们可以分别由独立的芯片实现。
输入输出单元160用于提供给用户输入数据实现用户与所述数据采集端100的交互。所述输入输出单元160可以是,但不限于,鼠标和键盘等。
音频单元170向用户提供音频接口,其可包括一个或多个麦克风、一个或者多个扬声器以及音频电路。
显示单元180在智能终端100与用户之间提供一个交互界面(例如用户操作界面)或用于显示图像数据给用户参考。在本实施例中,所述显示单元180可以是液晶显示器或触控显示器。若为触控显示器,其可为支持单点和多点触控操作的电容式触控屏或电阻式触控屏等。支持单点和多点触控操作是指触控显示器能感应到来自该触控显示器上一个或多个位置处同时产生的触控操作,并将该感应到的触控操作交由处理器140进行计算和处理。
所述通信单元190用于通过网络与云端之间建立连接,从而实现所述智能终端100与云端之间的通信连接,并用于通过网络收发数据。
请参照图2,是本发明实施例提供的一种人脸对齐算法中初始人脸形状的确定方法的流程示意图,该方法包括:
步骤S110,计算不同类别样本图像集的平均人脸形状。
具体为,该样本图像集包括多张人脸图像,由于人脸图像包括正脸、左侧脸和右侧脸,则将样本图像集分为正脸图像集、左侧脸图像集以及右侧脸图像集。进而计算不同类别样本图像集的平均人脸形状,其具体方式为:
首先,在各个类别样本图像集的每张图像上选定多个目标点。
亦即是说,将由人工的方式手动地对不同类别下的样本图像集中的每一幅人脸图像标注多个目标点,如每幅图像均标记100个目标点,该多个目标点分别对应于人脸的不同位置,如左眼角、右眼角等。容易理解的,每幅图像上标记的目标点的数量可根据实际需要进行确定。
其次,计算同一类别下的样本图像集中所有图像上同一位置的各个目标点的平均位置得到平均人脸形状。
即是说,获取同一类别的样本图像集的所有图像的同一位置的所有目标点的坐标位置,进而计算所有目标点的坐标位置的平均值得到目标点在该人脸位置的平均位置。如获取正脸图像集中所有正脸图像上处于左眼角位置处的所有目标点的坐标位置,对该所有坐标位置进行计算求得的平均值即为该目标点在左眼角处的平均位置,通过同样的方式一一确定其他目标点的平均位置,最后由各个目标点围成的区域即为不同类别样本图像集各自对应的平均人脸形状。
步骤S120,获取目标人脸图像。
具体为,该目标人脸图像为需要通过人脸对齐算法确定出人脸关键点的人脸图像,可通过网络传输或用户输入的方式获取目标人脸图像。
步骤S130,在所述目标人脸图像上采集预定数量的关键点。
具体为,通过快速的5点检测算法在目标人脸图像上采集5个关键点,该5个关键点分别为左眼外眼角、右眼外眼角、鼻尖、左嘴角以及右嘴角处的坐标位置。
步骤S140,根据所述关键点的位置和不同类别样本图像集的平均人脸形状上点的位置确定所述目标人脸图像对应的平均人脸形状。
首先,分别计算处于同一人脸位置的关键点和各个类别样本图像集的平均人脸形状上的点的距离值。
亦即是说,将各个类别样本图像集的平均人脸形状与目标人脸图像上的关键点进行一一匹配,具体为,如若首先匹配的样本图像集为正脸图像集,则选取该正脸图像集对应的平均人脸形状上与目标人脸图像上多个关键点人脸位置对应的点,一一与处于同一人脸位置的关键点计算距离值。最后将得到的所有点与点之间的距离值相加得到一个距离值总和,该距离值总和即为目标人脸图像上的关键点与该类别的样本图像集的平均人脸形状上的点的距离之和。
其次,选取距离值最小的对应类别样本图像集对应的平均人脸形状为所述目标人脸图像对应的平均人脸形状。
即是说,在所有距离值总和中选取最小的距离值总和对应的样本图像集,该样本图像集对应的平均人脸形状即为目标人脸图像对应的平均人脸形状。之所以选取距离值总和最小的样本图像集对应的平均人脸形状,是因为,该距离值总和小说明目标人脸图像与该类别的样本图像集对应的平均人脸形状更加类似,其相似程度更高,选取该平均人脸形状更便于后续计算。
步骤S150,获取所述目标人脸图像的皮肤区域的二值化图像。
即是说,对该目标人脸图像进行皮肤检测,即检测该目标人脸图像中人脸皮肤的位置,以获取目标人脸图像的皮肤区域的二值化图像。该二值化图像通常为黑白图像,其中,以白色部分表征人脸,以黑色部分表征背景或除皮肤外的其他人脸部分,容易理解的,也可以黑色部分表征人脸,以白色部分表征背景或除皮肤外的其他人脸部分。
步骤S160,根据所述二值化图像调整所述目标人脸图像对应的平均人脸形状得到人脸对齐算法中所述目标人脸图像的初始人脸形状。
具体请参照图3,是本发明实施例提供的一种人脸对齐算法中初始人脸形状的确定方法的步骤S160的子步骤的流程示意图,该步骤S160包括:
步骤S161,扫描所述二值化图像得到多个轮廓点。
具体为,扫描该二值化图像,如该二值化图像为100行到200行左右,则按照平均划分,每隔20行左右选取两个点,该两个点分别处于该行的两侧,即是说,在该行的黑白过渡处分别确定两个点,进而确定的所有点为表征二值化图像上人脸轮廓的轮廓点。由于二值化图像中人脸可能端正的人脸图像,还可能是人脸偏移脖子一定角度,则此时为了采集更为准确的人脸图像的轮廓点,也可以平行于眼睛的方向进行扫描以确定处多个轮廓点。
需要说明的是,本发明实施例采集的轮廓点的数量为10个,即在二值化图像中人脸两侧分别采集5个,这些点的横坐标分别是二值化图像表征皮肤区域的最左侧或最右侧,纵坐标为分别为相对于二值化图像顶部的0.3倍、0.4倍、0.5倍、0.6倍以及0.7倍。
较优地,实际采集的轮廓点的数量最好与样本训练集中对每幅图像标注的目标点的数量一致,以便于后续根据确定的多个轮廓点调整目标人脸图像的平均人脸形状。保证轮廓点的数量与样本训练集中图像的目标点的数量一致,将使得平均人脸形状上的点可以调整更多,以使得最后得到的初始人脸形状更加准确。
步骤S162,计算处于同一人脸位置的所述目标人脸图像对应的平均人脸形状的点相对于所述轮廓点分别在X轴和Y轴的偏移量。
具体为,一一计算处于同一人脸位置,如同在左眼角,该目标人脸图像对应的平均人脸形状的点相对于轮廓点分别在X轴和Y轴的偏移量。
步骤S163,计算所有沿X轴的偏移量的平均值得到第一距离,以及计算所有沿Y轴的偏移量的平均值得到第二距离。
即是说,统计目标人脸图像对应的平均人脸形状上所有点相对于轮廓点在X轴和Y轴的偏移量后,计算所有沿X轴的偏移量的平均值得到第一距离,计算所有沿Y轴的偏移量的平均值得到第二距离。
步骤S164,控制所述目标人脸图像对应的平均人脸形状沿X轴方向移动第一距离,沿Y轴方向移动第二距离得到所述目标人脸图像在人脸对齐算法中的初始人脸形状。
进而,控制目标人脸图像对应的平均人脸形状上的所有点沿X轴方向移动第一距离,沿Y轴方向移动第二距离即可得到初始人脸形状。
由此可见,本发明实施例提供的一种人脸对齐算法中初始人脸形状的确定方法,一方面通过分类确定各个类别的样本图像集,并求取各个类别的样本图像集的平均人脸形状,进而可对获取的目标人脸图像进行分析确定最相似的平均人脸形状;另一方面,通过分析目标人脸图像的二值化图像,并选取二值化图像上的轮廓点以调整最初确定的目标人脸图像的平均人脸形状,以得到目标人脸图像在人脸对齐算法中的初始人脸形状。由于该初始人脸形状是通过两个方面共同确定,因此,其准确度较高,较好地减少了人脸对齐算法的后续回归次数。
请参照图4,是本发明实施例提供的一种人脸对齐算法中初始人脸形状的确定装置110的功能模块示意图,该装置包括计算模块111、第一获取模块112、采集模块113、确定模块114、第二获取模块115以及调整模块116。
计算模块111,用于计算不同类别样本图像集的平均人脸形状。
在本发明实施例中,步骤S110可以由计算模块111执行。
第一获取模块112,用于获取目标人脸图像。
在本发明实施例中,步骤S120可以由第一获取模块112执行。
采集模块113,用于在所述目标人脸图像上采集预定数量的关键点。
在本发明实施例中,步骤S130可以由采集模块113执行。
确定模块114,用于根据所述关键点的位置和不同类别样本图像集的平均人脸形状上的点的位置确定所述目标人脸图像对应的平均人脸形状。
在本发明实施例中,步骤S140可以由确定模块114执行。
第二获取模块115,用于获取所述目标人脸图像的皮肤区域的二值化图像。
在本发明实施例中,步骤S150可以由第二获取模块115执行。
调整模块116,用于根据所述二值化图像调整所述目标人脸图像对应的平均人脸形状得到人脸对齐算法中所述目标人脸图像的初始人脸形状。
在本发明实施例中,步骤S160~S164可以由调整模块116执行。
由于在人脸对齐算法中初始人脸形状的确定方法部分已经详细描述,在此不再赘述。
本发明实施例还提供了一种计算机可读存储介质,该计算机可读存储介质上存储的计算机程序代码被处理器140执行时实现人脸对齐算法中初始人脸形状的确定方法。
综上所述,本发明实施例提供的一种人脸对齐算法中初始人脸形状的确定方法、装置、智能终端及计算机可读存储介质,该方法及装置应用于智能终端。该方法包括:计算不同类别样本图像集的平均人脸形状,获取目标人脸图像,并在目标人脸图像上采集预定数量的关键点,进而根据关键点的位置和不同类别样本图像集的平均人脸形状上的点的位置确定目标人脸图像对应的平均人脸形状,获取目标人脸图像的皮肤区域的二值化图像,最后根据二值化图像调整所述目标人脸图像对应的平均人脸形状得到人脸对齐算法中目标人脸图像的初始人脸形状。由此可见,本方案先是对所有样本图像集进行分类并确定分类后的各个样本图像集的平均人脸形状,进而确定获取的目标人脸图像的平均人脸形状,并通过二值化图像调整目标人脸图像的平均人脸形状以得到初始人脸形状,通过两方面确定目标人脸图像的平均人脸形状,使得最后得到的初始人脸形状更加精确,以较好地减少了后续算法的回归流程。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、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,所述模块、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方式中,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,两个连续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动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。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种人脸对齐算法中初始人脸形状的确定方法,其特征在于,所述方法包括:
计算不同类别样本图像集的平均人脸形状;
获取目标人脸图像;
在所述目标人脸图像上采集预定数量的关键点;
根据所述关键点的位置和不同类别样本图像集的平均人脸形状上点的位置确定所述目标人脸图像对应的平均人脸形状;
获取所述目标人脸图像的皮肤区域的二值化图像;
根据所述二值化图像调整所述目标人脸图像对应的平均人脸形状得到人脸对齐算法中所述目标人脸图像的初始人脸形状。
2.如权利要求1所述的方法,其特征在于,所述计算不同类别样本图像集的平均人脸形状的步骤包括:
在各个类别的样本图像集的每张图像上选定多个目标点;
计算同一类别的样本图像集中所有图像上同一位置的各个目标点的平均位置得到平均人脸形状。
3.如权利要求1所述的方法,其特征在于,所述根据所述关键点的位置和不同类别样本图像集的平均人脸形状上的点的位置确定所述目标人脸图像对应的平均人脸形状的步骤包括:
分别计算处于同一人脸位置的关键点和各个类别样本图像集的平均人脸形状上的点的距离值之和;
选取距离值之和最小的对应类别样本图像集对应的平均人脸形状为所述目标人脸图像对应的平均人脸形状。
4.如权利要求1所述的方法,其特征在于,所述根据所述二值化图像调整所述目标人脸图像对应的平均人脸形状得到人脸对齐算法中所述目标人脸图像的初始人脸形状的步骤包括:
扫描所述二值化图像得到多个轮廓点;
计算处于同一人脸位置的所述目标人脸图像对应的平均人脸形状上的点相对于所述轮廓点分别在X轴和Y轴的偏移量;
计算所有沿X轴的偏移量的平均值得到第一距离,以及计算所有沿Y轴的偏移量的平均值得到第二距离;
控制所述目标人脸图像对应的平均人脸形状沿X轴方向移动第一距离,沿Y轴方向移动第二距离得到所述目标人脸图像在人脸对齐算法中的初始人脸形状。
5.如权利要求1所述的方法,其特征在于,所述获取所述目标人脸图像的皮肤区域的二值化图像的步骤包括:
对所述目标人脸图像进行皮肤检测以获取所述目标人脸图像的皮肤区域的二值化图像。
6.一种人脸对齐算法中初始人脸形状的确定装置,应用于智能终端,其特征在于,所述装置包括:
计算模块,用于计算不同类别样本图像集的平均人脸形状;
第一获取模块,用于获取目标人脸图像;
采集模块,用于在所述目标人脸图像上采集预定数量的关键点;
确定模块,用于根据所述关键点的位置和不同类别样本图像集的平均人脸形状上的点的位置确定所述目标人脸图像对应的平均人脸形状;
第二获取模块,用于获取所述目标人脸图像的皮肤区域的二值化图像;
调整模块,用于根据所述二值化图像调整所述目标人脸图像对应的平均人脸形状得到人脸对齐算法中所述目标人脸图像的初始人脸形状。
7.如权利要求6所述的装置,其特征在于,所述确定模块具体用于:
分别计算处于同一人脸位置的关键点和各个类别样本图像集的平均人脸形状上的点的距离值之和;
选取距离值之和最小的对应类别样本图像集对应的平均人脸形状为所述目标人脸图像对应的平均人脸形状。
8.如权利要求6所述的装置,其特征在于,所述调整模块具体用于:
扫描所述二值化图像得到多个轮廓点;
计算处于同一人脸位置的所述目标人脸图像对应的平均人脸形状上的点相对于所述轮廓点分别在X轴和Y轴的偏移量;
计算所有沿X轴的偏移量的平均值得到第一距离,以及计算所有沿Y轴的偏移量的平均值得到第二距离;
控制所述目标人脸图像对应的平均人脸形状沿X轴方向移动第一距离,沿Y轴方向移动第二距离得到所述目标人脸图像在人脸对齐算法中的初始人脸形状。
9.一种智能终端,其特征在于,所述智能终端包括存储器和处理器,所述存储器用于存储计算机程序代码,所述处理器用于执行存储于所述存储器中的计算机程序代码以实现如权利要求1-5任一项所述的人脸对齐算法中初始人脸形状的确定方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-5任一项所述的人脸对齐算法中初始人脸形状的确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810713036.2A CN108960136B (zh) | 2018-06-29 | 2018-06-29 | 人脸对齐算法中初始人脸形状的确定方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810713036.2A CN108960136B (zh) | 2018-06-29 | 2018-06-29 | 人脸对齐算法中初始人脸形状的确定方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108960136A CN108960136A (zh) | 2018-12-07 |
CN108960136B true CN108960136B (zh) | 2021-01-19 |
Family
ID=64485016
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810713036.2A Active CN108960136B (zh) | 2018-06-29 | 2018-06-29 | 人脸对齐算法中初始人脸形状的确定方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108960136B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109635752B (zh) * | 2018-12-12 | 2021-04-27 | 腾讯科技(深圳)有限公司 | 人脸关键点的定位方法、人脸图像处理方法和相关装置 |
CN110738110A (zh) * | 2019-09-11 | 2020-01-31 | 北京迈格威科技有限公司 | 基于锚点的人脸关键点检测方法、装置、系统和存储介质 |
CN110569809A (zh) * | 2019-09-11 | 2019-12-13 | 淄博矿业集团有限责任公司 | 一种基于深度学习的煤矿动态人脸识别考勤方法及系统 |
CN112132764A (zh) * | 2020-09-27 | 2020-12-25 | 广州虎牙科技有限公司 | 脸型处理方法、装置、用户终端和计算机可读存储介质 |
CN112233207A (zh) * | 2020-10-16 | 2021-01-15 | 北京字跳网络技术有限公司 | 图像处理方法、装置、设备和计算机可读介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8155399B2 (en) * | 2007-06-12 | 2012-04-10 | Utc Fire & Security Corporation | Generic face alignment via boosting |
US8478077B2 (en) * | 2011-03-20 | 2013-07-02 | General Electric Company | Optimal gradient pursuit for image alignment |
CN104091148A (zh) * | 2014-06-16 | 2014-10-08 | 联想(北京)有限公司 | 一种人脸特征点定位方法和装置 |
CN105631436A (zh) * | 2016-01-27 | 2016-06-01 | 桂林电子科技大学 | 基于随机森林的级联位置回归用于人脸对齐的方法 |
CN106096560A (zh) * | 2016-06-15 | 2016-11-09 | 广州尚云在线科技有限公司 | 一种人脸对齐方法 |
US9600884B2 (en) * | 2014-09-19 | 2017-03-21 | Canon Kabushiki Kaisha | Object shape aligning apparatus, object processing apparatus and methods thereof |
CN107480640A (zh) * | 2017-08-16 | 2017-12-15 | 上海荷福人工智能科技(集团)有限公司 | 一种基于二值卷积神经网络的人脸对齐方法 |
CN108090470A (zh) * | 2018-01-10 | 2018-05-29 | 浙江大华技术股份有限公司 | 一种人脸对齐方法及装置 |
-
2018
- 2018-06-29 CN CN201810713036.2A patent/CN108960136B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8155399B2 (en) * | 2007-06-12 | 2012-04-10 | Utc Fire & Security Corporation | Generic face alignment via boosting |
US8478077B2 (en) * | 2011-03-20 | 2013-07-02 | General Electric Company | Optimal gradient pursuit for image alignment |
CN104091148A (zh) * | 2014-06-16 | 2014-10-08 | 联想(北京)有限公司 | 一种人脸特征点定位方法和装置 |
US9600884B2 (en) * | 2014-09-19 | 2017-03-21 | Canon Kabushiki Kaisha | Object shape aligning apparatus, object processing apparatus and methods thereof |
CN105631436A (zh) * | 2016-01-27 | 2016-06-01 | 桂林电子科技大学 | 基于随机森林的级联位置回归用于人脸对齐的方法 |
CN106096560A (zh) * | 2016-06-15 | 2016-11-09 | 广州尚云在线科技有限公司 | 一种人脸对齐方法 |
CN107480640A (zh) * | 2017-08-16 | 2017-12-15 | 上海荷福人工智能科技(集团)有限公司 | 一种基于二值卷积神经网络的人脸对齐方法 |
CN108090470A (zh) * | 2018-01-10 | 2018-05-29 | 浙江大华技术股份有限公司 | 一种人脸对齐方法及装置 |
Non-Patent Citations (4)
Title |
---|
《Face alignment based on improved shape searching》;Yuqin Huang等;《2017 13th International Conference on Natural Computation, Fuzzy Systems and Knowledge Discovery 》;20171231;第691-696页 * |
《Partial face recognition: An alignment free approach》;Shengcai Liao等;《2011 International Joint Conference on Biometrics (IJCB)》;20111231;第1-8页 * |
《基于形状参数回归的人脸对齐算法》;彭明超等;《模式识别与人工智能》;20160131;第29卷(第1期);第63-71页 * |
《改进RCPR的人脸对齐方法》;莫建文等;《电视技术》;20160930;第40卷(第9期);第31-35页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108960136A (zh) | 2018-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108960136B (zh) | 人脸对齐算法中初始人脸形状的确定方法和装置 | |
CN109376631B (zh) | 一种基于神经网络的回环检测方法及装置 | |
TWI471776B (zh) | 用於決定有角度之接觸幾何形狀的方法及計算裝置 | |
CN110348412B (zh) | 一种关键点定位方法、装置、电子设备及存储介质 | |
CN107194361B (zh) | 二维姿势检测方法及装置 | |
CN107369154B (zh) | 图像的检测装置 | |
CN108573471B (zh) | 图像处理装置、图像处理方法以及记录介质 | |
CN109493334B (zh) | 测量脊柱弯曲的方法及装置 | |
CN109635669B (zh) | 图像分类方法、装置及分类模型的训练方法、装置 | |
CN109165657A (zh) | 一种基于改进sift的图像特征检测方法及装置 | |
US20150234782A1 (en) | Calculation device and method, and computer program product | |
CN113095292A (zh) | 手势识别方法、装置、电子设备及可读存储介质 | |
CN108198322B (zh) | 一种磁条定位方法以及装置 | |
CN110084232B (zh) | 车牌中汉字字符的识别方法、装置及终端设备 | |
CN107742536B (zh) | 信息处理的方法及装置 | |
EP3125087A1 (en) | Terminal device, display control method, and program | |
CN116071790A (zh) | 掌静脉图像质量评估方法、装置、设备及存储介质 | |
US11036974B2 (en) | Image processing apparatus, image processing method, and storage medium | |
US11704358B2 (en) | Search input generation for image search | |
CN112950687B (zh) | 一种确定跟踪状态的方法、装置、存储介质和电子设备 | |
Batliner et al. | Automated areas of interest analysis for usability studies of tangible screen-based user interfaces using mobile eye tracking | |
US12067187B2 (en) | Position detection circuit and position detection method | |
JP6038700B2 (ja) | 整形装置 | |
CN115565103A (zh) | 一种动态目标检测方法、装置、计算机设备及存储介质 | |
US20220254175A1 (en) | An apparatus and method for performing image-based food quantity estimation |
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 |