CN109034085A - 用于生成信息的方法和装置 - Google Patents

Abstract

本申请实施例公开了用于生成信息的方法和装置。该方法的一具体实施方式包括：从目标人脸视频所对应的人脸图像序列中获取人脸图像作为目标人脸图像，以及获取人脸图像序列中位于目标人脸图像之前且与目标人脸图像相邻的人脸图像作为候选人脸图像；提取目标人脸图像所对应的关键点信息作为目标关键点信息，提取候选人脸图像所对应的关键点信息作为候选关键点信息；对于所提取的目标关键点信息中的目标关键点信息，确定该目标关键点信息所指示的人脸关键点与对应的候选关键点信息所指示的人脸关键点之间的距离，基于所确定的距离，对该目标关键点信息进行调整，获得调整后的目标关键点信息。该实施方式提高了信息生成的灵活性和信息显示的流畅性。

Description

用于生成信息的方法和装置

技术领域

本申请实施例涉及计算机技术领域，尤其涉及用于生成信息的方法和装置。

背景技术

随着视频类应用软件的普及，各种视频处理算法也得到了广泛的应用。视频人脸关键点跟踪作为视频处理的基础技术之一，也得到了广泛的应用。

目前，对于视频人脸关键点的跟踪，通常是通过对图像人脸关键点进行检测来实现，即针对视频的每个视频帧，检测该视频帧所对应的人脸关键点。

发明内容

本申请实施例提出了用于生成信息的方法和装置。

第一方面，本申请实施例提供了一种用于生成信息的方法，该方法包括：从目标人脸视频所对应的人脸图像序列中获取人脸图像作为目标人脸图像，以及获取人脸图像序列中位于目标人脸图像之前且与目标人脸图像相邻的人脸图像作为候选人脸图像；提取目标人脸图像所对应的关键点信息作为目标关键点信息，以及提取候选人脸图像所对应的关键点信息作为候选关键点信息，其中，关键点信息用于表征人脸关键点在人脸图像中的位置，所提取的目标关键点信息所指示的人脸关键点与所提取的候选关键点信息所指示的人脸关键点相对应；对于所提取的目标关键点信息中的目标关键点信息，确定该目标关键点信息所指示的人脸关键点与对应的候选关键点信息所指示的人脸关键点之间的距离，以及基于所确定的距离，对该目标关键点信息进行调整，获得调整后的目标关键点信息。

在一些实施例中，提取目标人脸图像所对应的关键点信息作为目标关键点信息，以及提取候选人脸图像所对应的关键点信息作为候选关键点信息，包括：分别将目标人脸图像和候选人脸图像输入预先训练的人脸识别模型，获得目标人脸图像所对应的关键点信息和候选人脸图像所对应的关键点信息，其中，人脸识别模型用于表征人脸图像与人脸图像所对应的关键点信息的对应关系；将目标人脸图像所对应关键点信息确定为目标关键点信息，以及将候选人脸图像所对应的关键点信息确定为候选关键点信息。

在一些实施例中，人脸识别模型通过如下步骤训练得到：获取训练样本集，其中，训练样本包括样本人脸图像和样本人脸图像所对应的样本关键点信息，其中，样本关键点信息用于表征样本人脸关键点在样本人脸图像中的位置；利用机器学习方法，将训练样本集中的训练样本的样本人脸图像作为输入，将所输入的样本人脸图像所对应的样本关键点信息作为期望输出，训练得到人脸识别模型。

在一些实施例中，对该目标关键点信息进行调整，获得调整后的目标关键点信息，包括：确定所确定的距离是否小于等于预设距离阈值；响应于确定小于等于预设距离阈值，将该目标关键点信息调整为该目标关键点信息所对应的候选关键点信息，获得调整后的目标关键点信息。

在一些实施例中，在确定所确定的距离是否小于等于预设距离阈值之后，该方法还包括：响应于确定大于预设距离阈值，将该目标关键点信息确定为调整后的目标关键点信息。

在一些实施例中，关键点信息为用于表征人脸关键点在人脸图像中的位置的关键点坐标；以及对该目标关键点信息进行调整，获得调整后的目标关键点信息，包括：基于所确定的距离，为该目标关键点坐标和该目标关键点坐标所对应的候选关键点坐标分配权重；基于所分配的权重，对该目标关键点坐标和该目标关键点坐标所对应的候选关键点坐标进行加权求和处理，获得处理结果；将所获得的处理结果确定为该目标关键点坐标所对应的调整后的目标关键点坐标。

第二方面，本申请实施例提供了一种用于生成信息的装置，包括：图像获取单元，被配置成从目标人脸视频所对应的人脸图像序列中获取人脸图像作为目标人脸图像，以及获取人脸图像序列中位于目标人脸图像之前且与目标人脸图像相邻的人脸图像作为候选人脸图像；信息提取单元，被配置成提取目标人脸图像所对应的关键点信息作为目标关键点信息，以及提取候选人脸图像所对应的关键点信息作为候选关键点信息，其中，关键点信息用于表征人脸关键点在人脸图像中的位置，所提取的目标关键点信息所指示的人脸关键点与所提取的候选关键点信息所指示的人脸关键点相对应；信息调整单元，被配置成对于所提取的目标关键点信息中的目标关键点信息，确定该目标关键点信息所指示的人脸关键点与对应的候选关键点信息所指示的人脸关键点之间的距离，以及基于所确定的距离，对该目标关键点信息进行调整，获得调整后的目标关键点信息。

在一些实施例中，信息提取单元包括：图像输入模块，被配置成分别将目标人脸图像和候选人脸图像输入预先训练的人脸识别模型，获得目标人脸图像所对应的关键点信息和候选人脸图像所对应的关键点信息，其中，人脸识别模型用于表征人脸图像与人脸图像所对应的关键点信息的对应关系；信息确定模块，被配置成将目标人脸图像所对应关键点信息确定为目标关键点信息，以及将候选人脸图像所对应的关键点信息确定为候选关键点信息。

在一些实施例中，人脸识别模型通过如下步骤训练得到：获取训练样本集，其中，训练样本包括样本人脸图像和样本人脸图像所对应的样本关键点信息，其中，样本关键点信息用于表征样本人脸关键点在样本人脸图像中的位置；利用机器学习方法，将训练样本集中的训练样本的样本人脸图像作为输入，将所输入的样本人脸图像所对应的样本关键点信息作为期望输出，训练得到人脸识别模型。

在一些实施例中，信息调整单元包括：距离确定模块，被配置成确定所确定的距离是否小于等于预设距离阈值；第一调整模块，被配置成响应于确定小于等于预设距离阈值，将该目标关键点信息调整为该目标关键点信息所对应的候选关键点信息，获得调整后的目标关键点信息。

在一些实施例中，信息调整单元还包括：第二调整模块，被配置成响应于确定大于预设距离阈值，将该目标关键点信息确定为调整后的目标关键点信息。

在一些实施例中，关键点信息为用于表征人脸关键点在人脸图像中的位置的关键点坐标；以及信息调整单元包括：权重分配模块，被配置成基于所确定的距离，为该目标关键点坐标和该目标关键点坐标所对应的候选关键点坐标分配权重；信息处理模块，被配置成基于所分配的权重，对该目标关键点坐标和该目标关键点坐标所对应的候选关键点坐标进行加权求和处理，获得处理结果；第三调整模块，被配置成将所获得的处理结果确定为该目标关键点坐标所对应的调整后的目标关键点坐标。

第三方面，本申请实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，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上述用于生成信息的方法中任一实施例的方法。

第四方面，本申请实施例提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现上述用于生成信息的方法中任一实施例的方法。

本申请实施例提供的用于生成信息的方法和装置，通过从目标人脸视频所对应的人脸图像序列中获取人脸图像作为目标人脸图像，以及获取人脸图像序列中位于目标人脸图像之前且与目标人脸图像相邻的人脸图像作为候选人脸图像，而后提取目标人脸图像所对应的关键点信息作为目标关键点信息，以及提取候选人脸图像所对应的关键点信息作为候选关键点信息，其中，关键点信息用于表征人脸关键点在人脸图像中的位置，所提取的目标关键点信息所指示的人脸关键点与所提取的候选关键点信息所指示的人脸关键点相对应，接着对于所提取的目标关键点信息中的目标关键点信息，确定该目标关键点信息所指示的人脸关键点与对应的候选关键点信息所指示的人脸关键点之间的距离，以及基于所确定的距离，对该目标关键点信息进行调整，获得调整后的目标关键点信息，从而利用了候选人脸图像对目标人脸图像所对应的目标人脸关键点信息进行调整，有效缓解了人脸视频的所对应的两个人脸图像之间的人脸关键点的抖动，提高了信息生成的灵活性以及信息显示的流畅性。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请的一个实施例可以应用于其中的示例性系统架构图；

图2是根据本申请的用于生成信息的方法的一个实施例的流程图；

图3是根据本申请实施例的用于生成信息的方法的一个应用场景的示意图；

图4是根据本申请的用于生成信息的方法的又一个实施例的流程图；

图5是根据本申请的用于生成信息的装置的一个实施例的结构示意图；

图6是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了可以应用本申请的用于生成信息的方法或用于生成信息的装置的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如视频分享类应用、图像处理类应用、网页浏览器应用、搜索类应用、社交平台软件等。

终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有显示屏的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture Experts Group Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103发送的人脸视频进行处理的信息处理服务器。信息处理服务器可以对接收到的人脸视频等数据进行分析等处理，并获得处理结果(例如调整后的目标关键点信息)。

需要说明的是，服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。在目标人脸视频或者生成调整后的目标关键点信息的过程中所使用的数据不需要从远程获取的情况下，上述系统架构可以不包括网络，而只包括终端设备或服务器。

继续参考图2，示出了根据本申请的用于生成信息的方法的一个实施例的流程200。该用于生成信息的方法，包括以下步骤：

步骤201，从目标人脸视频所对应的人脸图像序列中获取人脸图像作为目标人脸图像，以及获取人脸图像序列中位于目标人脸图像之前且与目标人脸图像相邻的人脸图像作为候选人脸图像。

在本实施例中，用于处理信息的方法的执行主体(例如图1所示的服务器)可以通过有线连接方式或者无线连接方式从目标人脸视频所对应的人脸图像序列中获取人脸图像作为目标人脸图像，以及获取人脸图像序列中位于目标人脸图像之前且与目标人脸图像相邻的人脸图像作为候选人脸图像。其中，目标人脸视频可以为待对其所对应的人脸关键点进行定位跟踪的人脸视频。人脸视频可以为对人脸进行拍摄所获得的视频。需要说明的是，在这里，人脸关键点可以为具有明显语义区分度的点，可以用于表征人脸的组成部位，例如人脸关键点可以为用于表征鼻子的点、用于表征眼睛的点等。

可以理解的是，视频实质上是一个按照时间的先后顺序拍摄获得的图像序列。故上述目标人脸视频可以对应一个人脸图像序列。

在本实施例中，目标人脸图像可以为待对其所对应的人脸关键点进行定位的人脸图像。需要说明的是，目标人脸图像可以为人脸图像序列中除排序在第一位的人脸图像之外的任意一个人脸图像。以此，上述执行主体可以获取到目标人脸图像以及位于目标人脸图像之前且与目标人脸图像相邻的候选人脸图像。

具体的，一方面，上述执行主体可以首先获取目标人脸视频，然后从目标人脸视频所对应的人脸图像序列中获取人脸图像作为目标人脸图像，以及获取人脸图像序列中位于目标人脸图像之前且与目标人脸图像相邻的人脸图像作为候选人脸图像。在这里，上述执行主体可以采用各种方式从目标人脸视频所对应的人脸图像序列(除排序在第一位的人脸图像以外的人脸图像)中获取人脸图像作为目标人脸图像，例如，可以采用随机获取的方式，或者可以获取排序在预设位置(例如第二位)的人脸图像。

需要说明的是，在这里，上述执行主体可以获取预先存储于本地的目标人脸视频，或者，可以获取与之通信连接的电子设备(例如图1所示的终端设备)发送的目标人脸视频。

另一方面，上述执行主体也可以直接获取目标人脸图像和候选人脸图像。其中，目标人脸图像为目标人脸视频所对应的人脸图像序列中的人脸图像。候选人脸图像为人脸图像序列中位于目标人脸图像之前且与目标人脸图像相邻的人脸图像。类似的，在这里，上述执行主体可以获取预先存储于本地的目标人脸图像和候选人脸图像，或者，可以获取与之通信连接的电子设备(例如图1所示的终端设备)发送的目标人脸图像和候选人脸图像。

步骤202，提取目标人脸图像所对应的关键点信息作为目标关键点信息，以及提取候选人脸图像所对应的关键点信息作为候选关键点信息。

在本实施例中，基于步骤201中得到的目标人脸图像和候选人脸图像，上述执行主体可以提取目标人脸图像所对应的关键点信息作为目标关键点信息，以及提取候选人脸图像所对应的关键点信息作为候选关键点信息。其中，关键点信息可以用于表征人脸关键点在人脸图像中的位置。例如，关键点信息可以为突出显示了人脸关键点的人脸图像。目标人脸关键点信息可以为待对其进行调整的关键点信息。候选关键点信息可以为待作为参考，对目标关键点信息进行调整的关键点信息。所提取的目标关键点信息所指示的人脸关键点与所提取的候选关键点信息所指示的人脸关键点相对应。具体的，所提取目标关键点信息所指示的人脸关键点与所提取的候选关键点信息所指示的人脸关键点用于表征相同的人脸部位。

在这里，需要说明的是，所提取的目标关键点信息可以包括至少一个目标关键点信息。至少一个目标关键点信息对应目标人脸图像上的至少一个人脸关键点。此时，所提取的候选关键点信息也可以包括至少一个，且所提取的至少一个候选关键点信息与所提取的至少一个目标关键点信息一一对应(即所提取的候选关键点信息所指示的人脸关键点与所提取的目标关键点信息所指示的人脸关键点一一对应)。

在本实施例中，上述执行主体可以采用各种方式提取目标关键点信息和候选关键点信息。例如，上述执行主体可以输出目标人脸图像和候选人脸图像用以显示，进而获取用户在目标人脸图像上标注出的目标关键点信息，以及获取用户在候选人脸图像上标注出的候选关键点信息。

步骤203，对于所提取的目标关键点信息中的目标关键点信息，确定该目标关键点信息所指示的人脸关键点与对应的候选关键点信息所指示的人脸关键点之间的距离，以及基于所确定的距离，对该目标关键点信息进行调整，获得调整后的目标关键点信息。

在本实施例中，对于步骤202所提取的目标关键点信息中的目标关键点信息，上述执行主体可以确定该目标关键点信息所指示的人脸关键点与对应的候选关键点信息所指示的人脸关键点之间的距离，以及基于所确定的距离，对该目标关键点信息进行调整，获得调整后的目标关键点信息。

首先说明的是，为了表述简洁，以下描述中，可以将目标关键点信息所指示的人脸关键点称为目标人脸关键点，将候选关键点信息所指示的人脸关键点称为候选人脸关键点。

可以理解的是，目标人脸关键点与对应的候选人脸关键点之间的距离指的是当目标人脸关键点与候选人脸关键点位于同一个图像上时二者的距离。故在本实施例中，上述执行主体可以首先将目标人脸关键点和候选人脸关键点设置于同一个图像中，然后确定目标人脸关键点和候选人脸关键点之间的距离。

具体的，对于所提取的目标关键点信息所对应的目标人脸关键点中的目标人脸关键点，上述执行主体可以将该目标人脸关键点添加至对应的候选人脸关键点所在的候选人脸图像中，进而确定目标人脸关键点和候选人脸关键点之间的距离；或者，上述执行主体可以将对应的候选人脸关键点添加至该目标人脸关键点所在的目标人脸图像中，进而确定目标人脸关键点和候选人脸关键点之间的距离；或者，上述执行主体可以获取预设的初始图像，并将该目标人脸关键点和对应的候选人脸关键点添加至上述初始图像中，进而确定目标人脸关键点和候选人脸关键点之间的距离。其中，初始图像与上述人脸图像的形状大小相同。

需要说明的是，上述执行主体可以采用各种方式在图像中添加目标人脸关键点和/或候选人脸关键点，但是，需要明确的是，添加后的人脸关键点在新图像中的位置应该与添加前的人脸关键点在原图像中的位置相同。作为示例，目标人脸关键点位于目标人脸图像的中心，将目标人脸关键点添加到对应的候选人脸关键点所在的候选人脸图像中后，目标人脸关键点在候选人脸图像中的位置应为候选人脸图像的中心。

在这里，将目标人脸关键点和对应的候选人脸关键点设置于同一个图像中后，上述执行主体可以采用各种方法确定二者之间的距离。例如，可以对目标人脸关键点和对应的候选人脸关键点进行连线，获得线段，确定所获得的线段的长度(即目标人脸关键点和对应的候选人脸关键点之间的距离)；或者可以首先建立一个坐标系，然后基于目标人脸关键点所对应的目标关键点信息和对应的候选人脸关键点所对应的候选关键点信息，确定目标人脸关键点和对应的候选人脸关键点的坐标，最后基于所确定的坐标，利用距离公式确定目标人脸关键点和对应的候选人脸关键点之间的距离。

在本实施例中，对于所提取的目标关键点信息中的目标关键点信息，基于所确定的、该目标关键点信息所指示的人脸关键点与对应的候选关键点信息所指示的人脸关键点之间的距离，上述执行主体可以利用各种方式对该目标关键点信息进行调整，获得调整后的目标关键点信息。

在本实施例的一些可选的实现方式中，对于所提取的目标关键点信息中的目标关键点信息，上述执行主体可以通过以下步骤对该目标关键点信息进行调整：首先，上述执行主体可以确定所确定的、该目标关键点信息所对应的目标人脸关键点与对应的候选人脸关键点之间的距离是否小于等于预设距离阈值。然后，上述执行主体可以响应于确定小于等于预设距离阈值，将该目标关键点信息调整(替换)为该目标关键点信息所对应的候选关键点信息，获得调整后的目标关键点信息。其中，预设距离阈值可以由技术人员预先设置。

可以理解的是，本实现方式的目的在于，当对应的候选人脸关键点与目标人脸关键点之间的距离小于预设距离阈值时，将对应的候选关键点信息作为目标人脸关键点所对应的目标关键点信息。以此，可以使得两个人脸图像间的人脸关键点的过渡更加平滑，提高流畅性。

在本实施例的一些可选的实现方式中。上述执行主体还可以响应于确定所确定的、该目标关键点信息所对应的目标人脸关键点与对应的候选人脸关键点之间的距离是大于预设距离阈值，将该目标关键点信息确定为调整后的目标关键点信息。

在本实施例的一些可选的实现方式中，关键点信息可以为用于表征人脸关键点在人脸图像中的位置的关键点坐标，其中，关键点坐标为基于人脸图像预先建立的坐标系下的坐标；以及对于所提取的目标关键点坐标中的目标关键点坐标，上述执行主体可以通过以下步骤对该目标关键点坐标进行调整：

首先，在确定了该目标关键点坐标所对应的目标人脸关键点与对应的候选人脸关键点之间的距离之后，基于所确定的距离，上述执行主体可以为该目标关键点坐标和该目标关键点坐标所对应的候选关键点坐标分配权重。其中，权重可以为大于等于0的数值。

具体的，上述执行主体可以采用各种方式为该目标关键点坐标和该目标关键点坐标所对应的候选关键点坐标分配权重。

作为示例，技术人员可以通过上述执行主体预先建立距离与权重的对应关系表。进而，上述执行主体可以根据所确定的距离，查找上述对应关系表，以确定待分配给该目标关键点坐标和对应的候选关键点坐标的权重；或者，上述执行主体可以首先获取技术人员预先设置的第一权重、第二权重和距离阈值。其中，第一权重大于第二权重。然后，上述执行主体可以确定所确定的距离是否大于距离阈值。进而，当所确定的距离大于距离阈值时，上述执行主体可以将第一权重分配给目标关键点坐标，将第二权重分配给候选关键点坐标；当所确定的距离小于等于距离阈值时，上述执行主体可以将第一权重分配给候选关键点坐标，将第二权重分配给目标关键点坐标。

然后，基于所分配的权重，上述执行主体可以对该目标关键点坐标和该目标关键点坐标所对应的候选关键点坐标进行加权求和处理，获得处理结果。

需要说明的是，上述加权求和处理指的是分别对目标关键点坐标和候选关键点坐标中相应坐标轴下的坐标进行加权求和处理，获得处理结果。例如，目标关键点坐标为(19,70)。对应的候选关键点坐标(21,66)。为目标关键点坐标分配的权重为0.2。为对应的候选关键点坐标分配的权重为0.8。进而，上述执行主体可以对目标关键点坐标(19,70)和候选关键点坐标(21,66)进行加权求和处理，获得处理结果(20.6,66.8)。其中，20.6＝19×0.2+21×0.8；66.8＝70×0.2+66×0.8。

最后，上述执行主体可以将所获得的处理结果确定为该目标关键点坐标所对应的调整后的目标关键点坐标。

继续参见图3，图3是根据本实施例的用于生成信息的方法的应用场景的一个示意图。在图3的应用场景中，服务器301首先获取终端设备302发送的目标人脸视频303。然后，服务器301从目标人脸视频303所对应的人脸图像序列中获取人脸图像作为目标人脸图像304，以及获取人脸图像序列中位于目标人脸图像304之前且与目标人脸图像相邻的人脸图像作为候选人脸图像305。接着，服务器301可以提取目标人脸图像304所对应的关键点信息作为目标关键点信息306，以及提取候选人脸图像305所对应的关键点信息作为候选关键点信息307，其中，关键点信息可以用于表征人脸关键点在人脸图像中的位置，所提取的目标关键点信息所指示的人脸关键点与所提取的候选关键点信息所指示的人脸关键点均用于表征鼻尖。然后，服务器301可以确定目标关键点信息306所指示的人脸关键点与对应的候选关键点信息307所指示的人脸关键点之间的距离“m”308，以及基于所确定的距离308，对目标关键点信息306进行调整，获得调整后的目标关键点信息309。

本申请的上述实施例提供的方法通过从目标人脸视频所对应的人脸图像序列中获取人脸图像作为目标人脸图像，以及获取人脸图像序列中位于目标人脸图像之前且与目标人脸图像相邻的人脸图像作为候选人脸图像，而后提取目标人脸图像所对应的关键点信息作为目标关键点信息，以及提取候选人脸图像所对应的关键点信息作为候选关键点信息，接着对于所提取的目标关键点信息中的目标关键点信息，确定该目标关键点信息所指示的人脸关键点与对应的候选关键点信息所指示的人脸关键点之间的距离，以及基于所确定的距离，对该目标关键点信息进行调整，获得调整后的目标关键点信息，从而利用了候选人脸图像对目标人脸图像所对应的目标人脸关键点信息进行调整，有效缓解了人脸视频的所对应的两个人脸图像之间的人脸关键点的抖动，提高了信息生成的灵活性以及信息显示的流畅性。

进一步参考图4，其示出了用于生成信息的方法的又一个实施例的流程400。该用于生成信息的方法的流程400，包括以下步骤：

步骤401，从目标人脸视频所对应的人脸图像序列中获取人脸图像作为目标人脸图像，以及获取人脸图像序列中位于目标人脸图像之前且与目标人脸图像相邻的人脸图像作为候选人脸图像。

在本实施例中，用于处理信息的方法的执行主体(例如图1所示的服务器)可以通过有线连接方式或者无线连接方式从目标人脸视频所对应的人脸图像序列中获取人脸图像作为目标人脸图像，以及获取人脸图像序列中位于目标人脸图像之前且与目标人脸图像相邻的人脸图像作为候选人脸图像。其中，目标人脸视频可以为待对其所对应的人脸关键点进行定位跟踪的人脸视频。人脸视频可以为对人脸进行拍摄所获得的视频。需要说明的是，在这里，人脸关键点可以为具有明显语义区分度的点，可以用于表征人脸的组成部位，例如人脸关键点可以为用于表征鼻子的点、用于表征眼睛的点等。

步骤402，分别将目标人脸图像和候选人脸图像输入预先训练的人脸识别模型，获得目标人脸图像所对应的关键点信息和候选人脸图像所对应的关键点信息。

在本实施例中，基于步骤401中得到的目标人脸图像和候选人脸图像，上述执行主体可以分别将目标人脸图像和候选人脸图像输入预先训练的人脸识别模型，获得目标人脸图像所对应的关键点信息和候选人脸图像所对应的关键点信息。其中，关键点信息可以用于表征人脸关键点在人脸图像中的位置。例如，关键点信息可以为突出显示了人脸关键点的人脸图像。

在这里，需要说明的是，所获得的目标人脸图像所对应的关键点信息可以包括至少一个。目标人脸图像所对应的至少一个关键点信息对应目标人脸图像上的至少一个人脸关键点。此时，所获得的候选人脸图像所对应的关键点信息与所获得的目标人脸图像所对应的关键点信息一一对应，也可以包括至少一个。

在本实施例中，人脸识别模型可以用于表征人脸图像与人脸图像所对应的关键点信息的对应关系。具体的，人脸识别模型可以为基于训练样本，利用机器学习方法，对初始模型(例如卷积神经网络(Convolutional Neural Network，CNN)、残差网络(ResNet)等)进行训练后得到的模型。

在本实施例的一些可选的实现方式中，上述人脸识别模型可以通过如下步骤训练得到：首先，获取训练样本集，其中，训练样本包括样本人脸图像和样本人脸图像所对应的样本关键点信息，其中，样本关键点信息可以用于表征样本人脸关键点在样本人脸图像中的位置。然后，利用机器学习方法，将训练样本集中的训练样本的样本人脸图像作为输入，将所输入的样本人脸图像所对应的样本关键点信息作为期望输出，对初始模型进行训练，得到人脸识别模型。

具体的，作为示例，在获取了上述训练样本集后，上述人脸识别模型可以通过如下步骤训练得到：可以从训练样本集中选取训练样本，并执行以下训练步骤：将所选取的训练样本的样本人脸图像输入初始模型，获得样本人脸图像所对应的关键点信息；将所输入的样本人脸图像所对应的样本关键点信息作为初始模型的期望输出，确定所获得的关键点信息相对于样本关键点信息的损失值，以及基于所确定的损失值，采用反向传播的方法调整初始模型的参数；确定训练样本集中是否存在未被选取的训练样本；响应于确定不存在未被选取的训练样本，将调整后的初始模型确定为人脸识别模型。

需要说明的是，训练样本的选取方式在本申请中并不限制。例如可以是随机选取，也可以是优先选取样本人脸图像的清晰度较好的训练样本。还需要说明的是，在这里，可以采用预设的各种损失函数确定所获得的属性信息相对于样本属性信息的损失值，例如，可以采用L2范数作为损失函数计算损失值。

在该示例中，还可以包括以下步骤：响应于确定存在未被选取的训练样本，从未被选取的训练样本中重新选取训练样本，以及将最近一次调整的初始模型作为新的初始模型，继续执行上述训练步骤。

需要说明的是，实践中，用于生成人脸识别模型的步骤的执行主体可以与用于生成信息的方法的执行主体相同或者不同。如果相同，则用于生成人脸识别模型的步骤的执行主体可以在训练得到人脸识别模型后将训练好的模型存储在本地。如果不同，则用于生成人脸识别模型的步骤的执行主体可以在训练得到人脸识别模型后将训练好的模型发送给用于生成信息的方法的执行主体。

步骤403，将目标人脸图像所对应关键点信息确定为目标关键点信息，以及将候选人脸图像所对应的关键点信息确定为候选关键点信息。

在本实施例中，基于步骤403中得到的目标人脸图像所对应的关键点信息和候选人脸图像所对应的关键点信息，上述执行主体可以将目标人脸图像所对应关键点信息确定为目标关键点信息，以及将候选人脸图像所对应的关键点信息确定为候选关键点信息

步骤404，对于所提取的目标关键点信息中的目标关键点信息，确定该目标关键点信息所指示的人脸关键点与对应的候选关键点信息所指示的人脸关键点之间的距离，以及基于所确定的距离，对该目标关键点信息进行调整，获得调整后的目标关键点信息。

在本实施例中，对于步骤403中得到的目标关键点信息中的目标关键点信息，上述执行主体可以确定该目标关键点信息所指示的人脸关键点与对应的候选关键点信息所指示的人脸关键点之间的距离，以及基于所确定的距离，对该目标关键点信息进行调整，获得调整后的目标关键点信息。

上述步骤401、步骤404分别与前述实施例中的步骤201、步骤203一致，上文针对步骤201和步骤203的描述也适用于步骤401和步骤404，此处不再赘述。

从图4中可以看出，与图2对应的实施例相比，本实施例中的用于生成信息的方法的流程400突出了利用预先训练的人脸识别模型来提取目标关键点信息和候选关键点信息的步骤。由此，本实施例描述的方案可以基于训练好的模型，获得更为准确的目标关键点信息和候选关键点信息，并且，利用模型来生成信息，可以提高信息生成的效率。

进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种用于生成信息的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图5所示，本实施例的用于生成信息的装置500包括：图像获取单元501、信息提取单元502和信息调整单元503。其中，图像获取单元501被配置成从目标人脸视频所对应的人脸图像序列中获取人脸图像作为目标人脸图像，以及获取人脸图像序列中位于目标人脸图像之前且与目标人脸图像相邻的人脸图像作为候选人脸图像；信息提取单元502被配置成提取目标人脸图像所对应的关键点信息作为目标关键点信息，以及提取候选人脸图像所对应的关键点信息作为候选关键点信息，其中，关键点信息可以用于表征人脸关键点在人脸图像中的位置，所提取的目标关键点信息所指示的人脸关键点与所提取的候选关键点信息所指示的人脸关键点相对应；信息调整单元503被配置成对于所提取的目标关键点信息中的目标关键点信息，确定该目标关键点信息所指示的人脸关键点与对应的候选关键点信息所指示的人脸关键点之间的距离，以及基于所确定的距离，对该目标关键点信息进行调整，获得调整后的目标关键点信息。

在本实施例中，用于处理信息的装置500的图像获取单元501可以通过有线连接方式或者无线连接方式从目标人脸视频所对应的人脸图像序列中获取人脸图像作为目标人脸图像，以及获取人脸图像序列中位于目标人脸图像之前且与目标人脸图像相邻的人脸图像作为候选人脸图像。其中，目标人脸视频可以为待对其所对应的人脸关键点进行定位跟踪的人脸视频。人脸视频可以为对人脸进行拍摄所获得的视频。需要说明的是，在这里，人脸关键点可以为具有明显语义区分度的点，可以用于表征人脸的组成部位，例如人脸关键点可以为用于表征鼻子的点、用于表征眼睛的点等。

可以理解的是，视频实质上是一个按照时间的先后顺序拍摄获得的图像序列。故上述目标人脸视频可以对应一个人脸图像序列。

在本实施例中，目标人脸图像可以为待对其所对应的人脸关键点进行定位的人脸图像。需要说明的是，目标人脸图像可以为人脸图像序列中除排序在第一位的人脸图像之外的任意一个人脸图像。以此，上述执行主体可以获取到目标人脸图像以及位于目标人脸图像之前且与目标人脸图像相邻的候选人脸图像。

在本实施例中，基于图像获取单元501中得到的目标人脸图像和候选人脸图像，信息提取单元502可以提取目标人脸图像所对应的关键点信息作为目标关键点信息，以及提取候选人脸图像所对应的关键点信息作为候选关键点信息。其中，关键点信息可以用于表征人脸关键点在人脸图像中的位置。目标人脸关键点信息可以为待对其进行调整的关键点信息。候选关键点信息可以为待作为参考，对目标关键点信息进行调整的关键点信息。所提取的目标关键点信息所指示的人脸关键点与所提取的候选关键点信息所指示的人脸关键点相对应。具体的，所提取目标关键点信息所指示的人脸关键点与所提取的候选关键点信息所指示的人脸关键点用于表征相同的人脸部位。

在本实施例中，对于信息提取单元502所提取的目标关键点信息中的目标关键点信息，信息调整单元503可以确定该目标关键点信息所指示的人脸关键点与对应的候选关键点信息所指示的人脸关键点之间的距离，以及基于所确定的距离，对该目标关键点信息进行调整，获得调整后的目标关键点信息。

在本实施例的一些可选的实现方式中，信息提取单元502可以包括：图像输入模块(图中未示出)，被配置成分别将目标人脸图像和候选人脸图像输入预先训练的人脸识别模型，获得目标人脸图像所对应的关键点信息和候选人脸图像所对应的关键点信息，其中，人脸识别模型可以用于表征人脸图像与人脸图像所对应的关键点信息的对应关系；信息确定模块(图中未示出)，被配置成将目标人脸图像所对应关键点信息确定为目标关键点信息，以及将候选人脸图像所对应的关键点信息确定为候选关键点信息。

在本实施例的一些可选的实现方式中，人脸识别模型可以通过如下步骤训练得到：获取训练样本集，其中，训练样本包括样本人脸图像和样本人脸图像所对应的样本关键点信息，其中，样本关键点信息可以用于表征样本人脸关键点在样本人脸图像中的位置；利用机器学习方法，将训练样本集中的训练样本的样本人脸图像作为输入，将所输入的样本人脸图像所对应的样本关键点信息作为期望输出，训练得到人脸识别模型。

在本实施例的一些可选的实现方式中，信息调整单元503可以包括：距离确定模块(图中未示出)，被配置成确定所确定的距离是否小于等于预设距离阈值；第一调整模块(图中未示出)，被配置成响应于确定小于等于预设距离阈值，将该目标关键点信息调整为该目标关键点信息所对应的候选关键点信息，获得调整后的目标关键点信息。

在本实施例的一些可选的实现方式中，信息调整单元503还可以包括：第二调整模块(图中未示出)，被配置成响应于确定大于预设距离阈值，将该目标关键点信息确定为调整后的目标关键点信息。

在本实施例的一些可选的实现方式中，关键点信息可以为用于表征人脸关键点在人脸图像中的位置的关键点坐标；以及信息调整单元503可以包括：权重分配模块(图中未示出)，被配置成基于所确定的距离，为该目标关键点坐标和该目标关键点坐标所对应的候选关键点坐标分配权重；信息处理模块(图中未示出)，被配置成基于所分配的权重，对该目标关键点坐标和该目标关键点坐标所对应的候选关键点坐标进行加权求和处理，获得处理结果；第三调整模块(图中未示出)，被配置成将所获得的处理结果确定为该目标关键点坐标所对应的调整后的目标关键点坐标。

可以理解的是，该装置500中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置500及其中包含的单元，在此不再赘述。

本申请的上述实施例提供的装置500通过图像获取单元501从目标人脸视频所对应的人脸图像序列中获取人脸图像作为目标人脸图像，以及获取人脸图像序列中位于目标人脸图像之前且与目标人脸图像相邻的人脸图像作为候选人脸图像，而后信息提取单元502提取目标人脸图像所对应的关键点信息作为目标关键点信息，以及提取候选人脸图像所对应的关键点信息作为候选关键点信息，接着信息调整单元503对于所提取的目标关键点信息中的目标关键点信息，确定该目标关键点信息所指示的人脸关键点与对应的候选关键点信息所指示的人脸关键点之间的距离，以及基于所确定的距离，对该目标关键点信息进行调整，获得调整后的目标关键点信息，从而利用了候选人脸图像对目标人脸图像所对应的目标人脸关键点信息进行调整，有效缓解了人脸视频的所对应的两个人脸图像之间的人脸关键点的抖动，提高了信息生成的灵活性以及信息显示的流畅性。

下面参考图6，其示出了适于用来实现本申请实施例的电子设备(例如图1所示的终端设备/服务器)的计算机系统600的结构示意图。图6示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图6所示，计算机系统600包括中央处理单元(CPU)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(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605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请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模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括图像获取单元、信息提取单元和信息调整单元。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，图像获取单元还可以被描述为“获取目标人脸图像和候选人脸图像的单元”。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。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电子设备执行时，使得该电子设备：从目标人脸视频所对应的人脸图像序列中获取人脸图像作为目标人脸图像，以及获取人脸图像序列中位于目标人脸图像之前且与目标人脸图像相邻的人脸图像作为候选人脸图像；提取目标人脸图像所对应的关键点信息作为目标关键点信息，以及提取候选人脸图像所对应的关键点信息作为候选关键点信息，其中，关键点信息用于表征人脸关键点在人脸图像中的位置，所提取的目标关键点信息所指示的人脸关键点与所提取的候选关键点信息所指示的人脸关键点相对应；对于所提取的目标关键点信息中的目标关键点信息，确定该目标关键点信息所指示的人脸关键点与对应的候选关键点信息所指示的人脸关键点之间的距离，以及基于所确定的距离，对该目标关键点信息进行调整，获得调整后的目标关键点信息。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (14)

1.一种用于生成信息的方法，包括：

从目标人脸视频所对应的人脸图像序列中获取人脸图像作为目标人脸图像，以及获取所述人脸图像序列中位于所述目标人脸图像之前且与所述目标人脸图像相邻的人脸图像作为候选人脸图像；

提取所述目标人脸图像所对应的关键点信息作为目标关键点信息，以及提取所述候选人脸图像所对应的关键点信息作为候选关键点信息，其中，关键点信息用于表征人脸关键点在人脸图像中的位置，所提取的目标关键点信息所指示的人脸关键点与所提取的候选关键点信息所指示的人脸关键点相对应；

对于所提取的目标关键点信息中的目标关键点信息，确定该目标关键点信息所指示的人脸关键点与对应的候选关键点信息所指示的人脸关键点之间的距离，以及基于所确定的距离，对该目标关键点信息进行调整，获得调整后的目标关键点信息。

2.根据权利要求1所述的方法，其中，所述提取所述目标人脸图像所对应的关键点信息作为目标关键点信息，以及提取所述候选人脸图像所对应的关键点信息作为候选关键点信息，包括：

分别将所述目标人脸图像和所述候选人脸图像输入预先训练的人脸识别模型，获得所述目标人脸图像所对应的关键点信息和所述候选人脸图像所对应的关键点信息，其中，人脸识别模型用于表征人脸图像与人脸图像所对应的关键点信息的对应关系；

将所述目标人脸图像所对应关键点信息确定为目标关键点信息，以及将所述候选人脸图像所对应的关键点信息确定为候选关键点信息。

3.根据权利要求2所述的方法，其中，所述人脸识别模型通过如下步骤训练得到：

获取训练样本集，其中，训练样本包括样本人脸图像和样本人脸图像所对应的样本关键点信息，其中，样本关键点信息用于表征样本人脸关键点在样本人脸图像中的位置；

利用机器学习方法，将训练样本集中的训练样本的样本人脸图像作为输入，将所输入的样本人脸图像所对应的样本关键点信息作为期望输出，训练得到人脸识别模型。

4.根据权利要求1所述的方法，其中，所述对该目标关键点信息进行调整，获得调整后的目标关键点信息，包括：

确定所确定的距离是否小于等于预设距离阈值；

响应于确定小于等于预设距离阈值，将该目标关键点信息调整为该目标关键点信息所对应的候选关键点信息，获得调整后的目标关键点信息。

5.根据权利要求4所述的方法，其中，在所述确定所确定的距离是否小于等于预设距离阈值之后，所述方法还包括：

响应于确定大于预设距离阈值，将该目标关键点信息确定为调整后的目标关键点信息。

6.根据权利要求1-5之一所述的方法，其中，关键点信息为用于表征人脸关键点在人脸图像中的位置的关键点坐标；以及

所述对该目标关键点信息进行调整，获得调整后的目标关键点信息，包括：

基于所确定的距离，为该目标关键点坐标和该目标关键点坐标所对应的候选关键点坐标分配权重；

基于所分配的权重，对该目标关键点坐标和该目标关键点坐标所对应的候选关键点坐标进行加权求和处理，获得处理结果；

将所获得的处理结果确定为该目标关键点坐标所对应的调整后的目标关键点坐标。

7.一种用于生成信息的装置，包括：

图像获取单元，被配置成从目标人脸视频所对应的人脸图像序列中获取人脸图像作为目标人脸图像，以及获取所述人脸图像序列中位于所述目标人脸图像之前且与所述目标人脸图像相邻的人脸图像作为候选人脸图像；

信息提取单元，被配置成提取所述目标人脸图像所对应的关键点信息作为目标关键点信息，以及提取所述候选人脸图像所对应的关键点信息作为候选关键点信息，其中，关键点信息用于表征人脸关键点在人脸图像中的位置，所提取的目标关键点信息所指示的人脸关键点与所提取的候选关键点信息所指示的人脸关键点相对应；

信息调整单元，被配置成对于所提取的目标关键点信息中的目标关键点信息，确定该目标关键点信息所指示的人脸关键点与对应的候选关键点信息所指示的人脸关键点之间的距离，以及基于所确定的距离，对该目标关键点信息进行调整，获得调整后的目标关键点信息。

8.根据权利要求7所述的装置，其中，所述信息提取单元包括：

图像输入模块，被配置成分别将所述目标人脸图像和所述候选人脸图像输入预先训练的人脸识别模型，获得所述目标人脸图像所对应的关键点信息和所述候选人脸图像所对应的关键点信息，其中，人脸识别模型用于表征人脸图像与人脸图像所对应的关键点信息的对应关系；

信息确定模块，被配置成将所述目标人脸图像所对应关键点信息确定为目标关键点信息，以及将所述候选人脸图像所对应的关键点信息确定为候选关键点信息。

9.根据权利要求8所述的装置，其中，所述人脸识别模型通过如下步骤训练得到：

获取训练样本集，其中，训练样本包括样本人脸图像和样本人脸图像所对应的样本关键点信息，其中，样本关键点信息用于表征样本人脸关键点在样本人脸图像中的位置；

利用机器学习方法，将训练样本集中的训练样本的样本人脸图像作为输入，将所输入的样本人脸图像所对应的样本关键点信息作为期望输出，训练得到人脸识别模型。

10.根据权利要求7所述的装置，其中，所述信息调整单元包括：

距离确定模块，被配置成确定所确定的距离是否小于等于预设距离阈值；

第一调整模块，被配置成响应于确定小于等于预设距离阈值，将该目标关键点信息调整为该目标关键点信息所对应的候选关键点信息，获得调整后的目标关键点信息。

11.根据权利要求10所述的装置，其中，所述信息调整单元还包括：

第二调整模块，被配置成响应于确定大于预设距离阈值，将该目标关键点信息确定为调整后的目标关键点信息。

12.根据权利要求7-11之一所述的装置，其中，关键点信息为用于表征人脸关键点在人脸图像中的位置的关键点坐标；以及

所述信息调整单元包括：

权重分配模块，被配置成基于所确定的距离，为该目标关键点坐标和该目标关键点坐标所对应的候选关键点坐标分配权重；

信息处理模块，被配置成基于所分配的权重，对该目标关键点坐标和该目标关键点坐标所对应的候选关键点坐标进行加权求和处理，获得处理结果；

第三调整模块，被配置成将所获得的处理结果确定为该目标关键点坐标所对应的调整后的目标关键点坐标。

13.一种电子设备，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序，

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1-6中任一所述的方法。

14.一种计算机可读介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如权利要求1-6中任一所述的方法。