CN109376575A - 对图像中人体美化的方法、移动终端和存储介质 - Google Patents
对图像中人体美化的方法、移动终端和存储介质 Download PDFInfo
- Publication number
- CN109376575A CN109376575A CN201810950431.2A CN201810950431A CN109376575A CN 109376575 A CN109376575 A CN 109376575A CN 201810950431 A CN201810950431 A CN 201810950431A CN 109376575 A CN109376575 A CN 109376575A
- Authority
- CN
- China
- Prior art keywords
- human body
- image
- human
- region
- point
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000011282 treatment Methods 0.000 claims abstract description 41
- 239000000284 extract Substances 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 13
- 230000011218 segmentation Effects 0.000 claims description 13
- 239000003086 colorant Substances 0.000 claims description 12
- 238000013527 convolutional neural network Methods 0.000 claims description 11
- 210000000746 body region Anatomy 0.000 claims description 5
- 230000001815 facial effect Effects 0.000 claims description 4
- 230000000474 nursing effect Effects 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 8
- 238000012549 training Methods 0.000 description 13
- 238000004422 calculation algorithm Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 230000009466 transformation Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 230000003796 beauty Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000005808 skin problem Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 235000002673 Dioscorea communis Nutrition 0.000 description 1
- 241000544230 Dioscorea communis Species 0.000 description 1
- 208000035753 Periorbital contusion Diseases 0.000 description 1
- 241000700647 Variola virus Species 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 201000010251 cutis laxa Diseases 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000009304 pastoral farming Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 102220094044 rs876659948 Human genes 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000002087 whitening effect Effects 0.000 description 1
- 230000037303 wrinkles Effects 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/77—Retouching; Inpainting; Scratch removal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/255—Detecting or recognising potential candidate objects based on visual cues, e.g. shapes
-
- 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
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- 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
- 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
- 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
-
- 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
- G06V40/178—Human faces, e.g. facial parts, sketches or expressions estimating age from face image; using age information for improving recognition
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- General Health & Medical Sciences (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本申请揭示了一种对图像中人体美化的方法、移动终端和存储介质,其中方法包括:对待处理图像进行人体识别,确定人体区域;提取出所述人体区域的人体轮廓特征点,其中所述人体轮廓特征点为所述人体区域所在平面最外沿的所有边缘点;按照预设规则对所述人体轮廓特征点进行美化处理,以得到美化的人体图像。通过对待处理图像进行人体识别,确定人体区域,在提取出所述人体区域的人体轮廓特征点后,按照预设规则对所述人体轮廓特征点进行美化处理,来进行瘦腿、瘦脸、瘦腰、丰胸等美化处理,以得到美化的人体图像,丰富了对图像的美化处理功能,提高了待处理图像的美化效果,并且提升了用户的使用体验。
Description
技术领域
本申请涉及图像处理领域,具体涉及一种对图像中人体美化的方法、移动终端和存储介质。
背景技术
现有技术中,在移动终端通过摄像头等采集人物图像后,可通过图像美化技术对采集的人物图像进行美化处理,其中,美化处理可包括美白、磨皮、增大眼睛等,但还没有出现瘦腿、瘦脸、瘦腰、丰胸等功能更丰富的美化处理技术,现有的移动终端的美化处理功能还比较薄弱。
发明内容
本申请的主要目的为提供一种对图像中人体美化的方法,旨在解决现有的移动终端的美化处理功能还比较薄弱的技术问题。
为实现上述目的,本申请提出一种对图像中人体美化的方法,包括:
对待处理图像进行人体识别,确定人体区域;
提取出所述人体区域的人体轮廓特征点,其中所述人体轮廓特征点为所述人体区域所在平面最外沿的所有边缘点;
按照预设规则对所述人体轮廓特征点进行美化处理,以得到美化的人体图像。
优选地,所述对待处理图像进行人体识别,确定人体区域的步骤,包括:
从所述待处理图像中提取出RGB图像和深度图像;根据所述深度图像对所述RGB图像进行人体分割,确定所述RGB图像中的人体区域。
优选地,所述提取出所述人体区域的人体轮廓特征点的步骤,包括:
通过比对所述人体区域的人体姿态点和标准人体模型的标准人体轮廓特征点,获取存在差异的人体姿态点;
调用预先训练好的分类模型识别所述存在差异的人体姿态点,并将所述存在差异的人体姿态点按照所述标准人体轮廓特征点进行对齐调整,得到所述人体区域对应的所有人体轮廓特征点;
提取所述所有人体轮廓特征点。
优选地,所述通过比对所述人体区域的人体姿态点和标准人体模型的标准人体轮廓特征点,获取存在差异的人体姿态点的步骤之前,包括:
收集样本图像,并预设所述标准人体模型;
比对样本图像的人体姿态点和所述标准人体模型的标准人体轮廓特征点,对样本图像的人体姿态点进行对齐调整;
对调整后的样本图像进行轮廓提取得到样本图像的人体轮廓特征点,并将样本图像的人体轮廓特征点进行归一化处理并输入卷积神经网络系统进行训练得到所述分类模型。
优选地,所述对待处理图像进行人体识别,确定人体区域的步骤之后,包括:
获取所述人体区域的皮肤区域,并提取所述皮肤区域的肤色特征,其中所述肤色特征包括亮度特征和色彩特征;
根据所述亮度特征和色彩特征,配置与所述皮肤区域对应的美化调整参数。
优选地,所述按照预设规则对所述人体轮廓特征点进行美化处理,以得到美化的人体图像的步骤,包括:
对所述人体区域进行人脸检测,得到人脸区域,并提取所述人脸区域对应的面部特征信息;
根据所述面部特征信息确定用户信息,其中,所述用户信息包括年龄信息和性别信息;
根据所述年龄信息和性别信息,选取对应的指定人体模型;
根据所述指定人体模型的指定人体轮廓特征点计算出所述人体轮廓特征点在美化后的坐标位置;
根据所述坐标位置对所述人体轮廓特征点进行美化处理,以得到美化的人体图像。
优选地,所述对待处理图像进行人体识别,确定人体区域的步骤之后,包括:
对所述人体区域进行人脸检测,得到人脸区域;
从所述人脸区域识别出肤色信息,并提取出与所述肤色信息有差异的异常信息;
根据所述异常信息,输出改善所述异常信息对应的皮肤护理建议信息。
优选地,所述按照预设规则对所述人体轮廓特征点进行美化处理,以得到美化的人体图像的步骤之后,包括:
提取所述人体轮廓特征点中的指甲部位对应的特定人体轮廓特征点;
根据所述特定人体轮廓特征点从美甲数据库中调用美甲图案;
利用所述美甲图案对所述指甲部位进行美化处理。
本申请还提供一种移动终端,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。
本申请还提供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上述任一项所述的方法的步骤。
本申请有益技术效果:本申请通过对待处理图像进行人体识别,确定人体区域,在提取出所述人体区域的人体轮廓特征点后,按照预设规则对所述人体轮廓特征点进行美化处理,来进行瘦腿、瘦脸、瘦腰、丰胸等美化处理,以得到美化的人体图像,丰富了对图像的美化处理功能,提高了待处理图像的美化效果,并且提升了用户的使用体验。
附图说明
图1是本申请一实施例的对图像中人体美化的方法的流程示意图;
图2是本申请另一实施例的对图像中人体美化的方法的流程示意图;
图3是本申请又一实施例的对图像中人体美化的方法的流程示意图;
图4是本申请一实施例的对图像中人体美化的方法中的流程示意图;
图5是本申请一实施例的移动终端的结构示意图。
本申请目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
下面将结合本申请实施例中的附图,对本申请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申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
需要说明,本申请实施例中所有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等,如果该特定姿态发生改变时,则该方向性指示也相应地随之改变,所述的连接可以是直接连接,也可以是间接连接。
应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
参照图1,本申请一实施例的对图像中人体美化的方法,包括:
S1:对待处理图像进行人体识别,确定人体区域;
S2:提取出所述人体区域的人体轮廓特征点,其中所述人体轮廓特征点为所述人体区域所在平面最外沿的所有边缘点;
S3:按照预设规则对所述人体轮廓特征点进行美化处理,以得到美化的人体图像。
如上述步骤S1所述,待处理图像可以是移动终端通过摄像头等成像设备采集的可在显示屏预览的预览图像,也可以是已经生成并存储的图像。移动终端可对待处理图像进行人体识别,来确定待处理图像的人体区域,其中,人体区域指的是待处理图像中的人体部分,而不包括待处理图像中与人体无关的背景图像。其中,确定待处理图像的人体区域的过程具体可为:先提取待处理图像的图像特征,并通过预先存储在移动终端内的人体识别模型来分析图像特征,识即别待处理图像中人像的四肢、躯干等身体部位,从而获取人体区域。图像特征可包括形状特征、空间特征及边缘特征等,其中,形状特征指的是待处理图像中局部的形状,空间特征指的是待处理图像中分割出来的多个区域之间的相互的空间位置或相对方向关系,边缘特征指的是待处理图像中组成两个区域之间的边界像素等。人体识别模型可通过机器深度学习进行构建,构建人体识别模型时,可获取大量的样本图像,样本图像中包含有人像图像及无人图像,可根据每个样本图像是否包含人像对样本图像进行标记,并将标记的样本图像作为人体识别模型的输入,通过机器学习进行训练,得到人体识别模型。进一步地,移动终端可通过人体识别模型判断待处理图像中是否包含人像,若包含,则可确定待处理图像中的人体区域。
如上述步骤S2所述,在确定了待处理图像中的人体区域后,可从该人体区域中提取出人体轮廓特征点,其中,人体轮廓特征点包括人体区域所在平面最外沿的所有边缘点,该所有边缘点可构成整体的上述人体区域。人体轮廓特征点提取过程为:首先通过基于人体姿态估计的算法,提取出上述人体区域的人体姿态点,其中,人体姿态点与上述人体区域的人体轮廓特征点还具有差别,并不能代表上述人体区域的人体轮廓特征点,需要调用预先训练好的分类模型来对人体姿态点进行调整来得到最终的人体轮廓特征点即可利用仿射变换将上述人体姿态点与预设的标准人体模型的标准人体轮廓特征点进行对齐调整,来得到所述人体区域对应的所有人体轮廓特征点,最后对调整后的上述人体区域进行轮廓提取得到上述所有的人体轮廓特征点,其中,上述标准人体模型的构建过程为:通过收集一定数量的样本图像,且每个样本图像中标记有人体轮廓特征点,之后将样本图像作为标准人体模型的输入,并通过机器学习等方式进行训练,来构建出上述的标准人体模型。
如上述步骤S3所述,根据提取出的人体轮廓特征点,按照预设规则,例如可与指定人体模型的指定人体轮廓特征点进行比对计算,计算出该人体轮廓特征点经过美化后的坐标位置,再根据该坐标位置对待处理图像中的人体轮廓特征点进行美化处理,即把各所述人体轮廓特征点移动到对应的经过美化后的坐标位置,以得到美化的人体图像。其中,上述指定人体模型可预先通过机器学习进行构建,其构建方式与上述标准人体模型的构建方式类似,在此不再赘述。通过对从待处理图像中提取出的人体轮廓特征点进行美化处理,能够实现对待处理图像中的人体进行瘦腿、瘦脸、瘦腰、丰胸等处理,提升了对图像的美化处理功能,待处理图像的美化效果也能进一步提高,提高了用户使用体验。
进一步地,本申请一实施例中,上述步骤S1,包括:
S100:从所述待处理图像中提取出RGB图像和深度图像;
S101:根据所述深度图像对所述RGB图像进行人体分割,确定所述RGB图像中的人体区域。如上述步骤S100所述,对于配备有3维(3D)结构光摄像头的移动终端,不仅可以采集到拍摄物体的RGB(red,green,blue,红色绿色蓝色,即三原色光)图像,还可以采集到拍摄物体的深度图像,即待处理图像包含有RGB图像和深度图像,并可从该待处理图像提取出RGB图像和深度图像。深度图像提供的深度信息,是指深度图像中的每一个像素代表了拍摄物体中的点和移动终端的摄像头之间的距离。拍摄物包括被移动终端的摄像头取景框选中的人物及人物周围的背景。
如上述步骤S101所述,通过利用深度图像的深度信息和RGB图像的色彩特征,可以精确地分割人体区域和背景区域。预先收集大量的训练样本,其中每一个训练样本包括:深度图像、RGB图像及人体分割图像;人体分割图像是指表征人体分割结果的图像,人体分割图像用于将RGB图像分割为人体区域和背景区域。使用这些训练样本进行训练得到第一深度卷积神经网络。其中,第一深度卷积神经网络的输入为深度图像和RGB图像,第一深度卷积神经网络的输出为人体分割图像。那么,在获取到待处理图像的RGB图像和深度图像之后,通过使用待处理图像的深度图像及预先训练得到的第一深度卷积神经网络,对待处理图像的RGB图像进行人体分割,来得到待处理图像的人体分割图像。举例地,将待处理图像的深度图像及待处理图像的RGB图像作为预先训练得到的第一深度卷积神经网络的输入,第一深度卷积神经网络的输出是待处理图像的人体分割图像,例如,在表征人体分割结果的人体分割图像中,用像素值0代表人体区域,用像素值1代表背景区域,那么可将待处理图像的人体分割图像中的像素值0的部分,确定为待处理图像中的人体区域。
参照图2,进一步地,本申请一实施例中,上述步骤S2,包括:
S200:通过比对所述人体区域的人体姿态点和标准人体模型的标准人体轮廓特征点,获取存在差异的人体姿态点;
S201:调用预先训练好的分类模型识别所述存在差异的人体姿态点,并将所述存在差异的人体姿态点按照所述标准人体轮廓特征点进行对齐调整,得到所述人体区域对应的所有人体轮廓特征点;
S202:提取所述所有人体轮廓特征点。
本实施例中,人体姿态点可由人体姿态估计的算法,例如DeepCut算法获取得到,其具体思路即:提出人体部件的候选区域,每个候选区域作为一个节点(节点对应着上述的人体姿态点),所有的节点组成一副完整的密集连接图,节点之间的关联性作为图节点之间的权重,将其作为一个优化问题,将属于同一个人的部件(节点)归为一类,每个人作为一个单独类,由于人体姿态估计的算法为现有技术,在此不再赘述。人体姿态点与上述人体区域的人体轮廓特征点还具有差别,并不能代表上述人体区域的人体轮廓特征点,需要调用预先训练好的分类模型来对人体姿态点进行调整来得到最终的人体轮廓特征点,具体过程可为:先通过比对所述人体区域的人体姿态点和标准人体模型的标准人体轮廓特征点,来获取存在差异的人体姿态点;之后调用预先训练好的分类模型识别所述存在差异的人体姿态点,并将所述存在差异的人体姿态点按照所述标准人体轮廓特征点利用仿射变换进行对齐调整,得到所述人体区域对应的所有人体轮廓特征点,并对调整后的上述人体区域进行轮廓提取得到上述所有的人体轮廓特征点。
进一步地,在比对所述人体区域的人体姿态点和标准人体模型的标准人体轮廓特征点,获取存在差异的人体姿态点的步骤之前,可先对待处理图像中的人体区域是否存在遮挡物进行判断,若存在遮挡物(例如处于人体所在位置前方的障碍物,如桌椅)时就会不对待处理图像中的人体区域进行进一步的处理,只有当不存在遮挡物时才进行对人体区域的识别,并对人体区域进行对应的美化处理。因为若在当前人体区域存在遮挡物时,来进行人体识别及后续的瘦腰、瘦腿等美化处理,可能会导致待处理图像中的遮挡物发生形变,从而影响图像的视觉效果,使得待处理图像的美化效果大打折扣。其中,判断人体区域是否存在遮挡物可通过判断人体区域的图像深度的变化是否是平滑过渡的,若不是平滑过渡的则表明人体区域存在遮挡物。另外,图像深度是指存储每个象素所用的位数,也用于量度图像的色彩分辨率,且图像深度确定彩色图像的每个象素可能有的颜色数,或者确定灰度图像的每个象素可能有的灰度级数。
进一步地,本申请一实施例中,上述步骤S200之前,包括:
S2000:收集样本图像,并预设所述标准人体模型;
S2001:比对样本图像的人体姿态点和所述标准人体模型的标准人体轮廓特征点,对样本图像进行姿态点的对齐和调整;
S2002:对调整后的样本图像进行轮廓提取得到样本图像的人体轮廓特征点,并将样本图像的人体轮廓特征点进行归一化处理并输入卷积神经网络系统进行训练得到所述分类模型。
如上述步骤S2000所述,首先收集一定数量的样本图像,并预设标准人体模型,其中,标准人体模型的构建,并取大量的样本图像,每个样本图像中可标记有人体轮廓特征点,之后将样本图像作为标准人体模型的输入,通过机器学习等方式进行训练,构建标准人体模型。
如上述步骤S2001和S2002所述,通过比对样本图像的人体姿态点和标准人体模型的标准人体轮廓特征点,对样本图像进行姿态点对齐和调整,主要是通过预设的标准人体模型及其对应的标准人体轮廓特征点,并根据获取的样本图像中的人体区域及其对应的人体姿态点,利用仿射变换对样本图像的人体姿态点进行对齐和调整,再对调整后的样本图像的人体区域进行轮廓提取,以得到调整后的样本图像的人体轮廓特征点;所述的仿射变换(Affine Transform)是空间直角坐标变换的一种,它是一种二维坐标到二维坐标之间的线性变换,保持二维图形的“平直性”(straightness,即变换后直线还是直线不会打弯,圆弧还是圆弧)和“平行性”(parallelism,即保持二维图形间的相对位置关系不变,平行线还是平行线,相交直线的交角不变);利用仿射变换对样本图像的人体姿态点进行对齐调整,主要是通过移动、缩放、翻转、旋转等一系列的变换,将样本图像的人体区域的人体姿态点调整到与预设的标准人体模型的人体轮廓特征点所对应的位置,并对调整后的样本图像进行轮廓提取得到样本图像的人体轮廓特征点。之后,将上述样本图像的人体轮廓特征点先进行归一化处理,并输入卷积神经网络系统进行训练,来得到上述的分类模型。
参照图3,进一步地,本申请一实施例中,上述步骤S1之后,包括:
S110:获取所述人体区域的皮肤区域,并提取所述皮肤区域的肤色特征,其中所述肤色特征包括亮度特征和色彩特征;
S111:根据所述亮度特征和色彩特征,配置与所述皮肤区域对应的美化调整参数。
如上述步骤S110所述,在对待处理图像进行人体识别,确定人体区域后,可获取人体区域中的皮肤区域,即根据人体区域中各个像素点的色彩值来获取皮肤区域,其中,色彩值可以是像素点在RGB(红、绿、蓝)、HSV(色调、饱和度、明度)或YUV(明亮度、色度)等颜色空间的值。其中,可预先设置属于皮肤区域的色彩值范围,并将人体区域中色彩值落入预先设置的色彩值范围的像素点定义为皮肤区域。另外,可从人体区域的皮肤区域中提取出肤色特征,肤色特征可包括皮肤区域的亮度特征及颜色特征等。其中,可将待处理图像从第一颜色空间转换至第二颜色空间,在本实施例中,第一颜色空间可以是RGB颜色空间,第二颜色空间可以是YUV颜色空间,也可以是其他颜色空间,可根据实际情况决定,在此不作限定。YUV颜色空间可包括亮度信号Y和两个色度信号B-Y(即U)、R-Y(即V),其中,Y分量表示明亮度,可以是灰阶值,U及V表示色度,可用于描述图像的色彩及饱和度,YUV颜色空间的亮度信号Y和色度信号U、V是分离的。另外,可按照指定的转换公式,将待处理图像从第一颜色空间转换至第二颜色空间,具体为,通过计算人体区域的皮肤区域中包含的像素点在第二颜色空间中各个分量的均值,比如,YUV颜色空间包含Y分量、U分量及V分量,则可分别计算皮肤区域中包含的所有像素点在Y分量的均值、在U分量的均值及在V分量的均值,并可将人体区域的皮肤区域中包含的所有像素点在Y分量、U分量及V分量的均值作为该皮肤区域的肤色特征,其中,可将Y分量的均值作为皮肤区域的亮度特征,将U分量及V分量的均值作为皮肤区域的色彩特征。
如上述步骤S111所述,在提取到人体区域的皮肤区域的肤色特征后,可选取与该肤色特征对应的美化调整参数,其中,美化调整参数可包括RGB、HSV或YUV等颜色空间中各个分量的调节参数、提亮参数等,不同的肤色特征可对应不同的美化调整参数,根据自适应选取的美化调整参数对待处理图像中人体区域的皮肤区域进行调整,对该皮肤区域进行美化处理,其中,对皮肤区域进行美化处理可包括根据提亮参数提高皮肤区域的亮度、根据RGB、HSV或YUV等颜色空间中各个分量的调节参数调整皮肤区域中各个像素点的色彩值等,但不限于此。举例地,皮肤区域的亮度特征较小,则可对应选取较大的提亮参数,皮肤区域的色彩特征较小,则可对应选取较大的调节参数,来调整皮肤区域中各个像素点的色彩值等。通过根据皮肤区域的肤色特征选取合适的美化调整参数来进行对待处理图像的美化处理,能使待处理图像达到更好的视觉显示效果。
参照图4,进一步地,本申请一实施例中,上述步骤S3,包括:
S300:对所述人体区域进行人脸检测,得到人脸区域,并提取所述人脸区域对应的面部特征信息;
S301:根据所述面部特征信息确定用户信息,其中,所述用户信息包括年龄信息和性别信息;
S302:根据所述年龄信息和性别信息,选取对应的指定人体模型;
S303:根据所述指定人体模型的指定人体轮廓特征点计算出所述人体轮廓特征点在美化后的坐标位置;
S304:根据所述坐标位置对所述人体轮廓特征点进行美化处理,以得到美化的人体图像。
如上述步骤S300和S301所述,可通过一些人脸检测算法,例如OpenCV人脸检测方法、Dlib人脸检测方法等,来对所述人体区域进行人脸检测,从而得到人脸区域,其中上述的人脸检测算法为现有技术,在此不再赘述。之后,根据上述的人脸检测算法还可以对人脸区域进行面部特征信息的提取,其中,面部特征信息包括一些能表征人体年龄和性别的特征信息,例如脸部纹理、皮肤颜色、面部斑点、皮肤松弛度、五官特征、发际线等信息,通过收集一定数量的训练图像(训练图像包含有面部特征信息),通过对训练图像进行用户信息(即包括年龄信息和性别信息)的标记,并将所述训练图像集合及所述标记输入卷积神经网络进行所述训练图像的用户信息的参数的训练,得到输出结果包含用户信息结果的卷积神经网络(Convoluted Neural Network,CNN)模型。举例地,上述CNN网络模型的网络结构为:输入→卷积层C→下采样层P→卷积层C→下采样层P→全连接层F→全连接层F→输出,当输入为所述训练图像集合或者所述待识别图像的尺寸,输出就为所述训练图像或者所述待识别图像的年龄、性别的初始结果。
如上述步骤S302所述,在根据人脸面部特征信息确定用户的年龄信息和性别信息后,针对用户信息的具体内容,可选择对应的指定人体模型,该指定人体模型为具有黄金身材比例的人体模型,可通过收集相关的人体模型作为确定该指定人体模型的数据先验,并经过计算机进行大数据分析得出最具吸引力的指定人体模型,且指定人体模型的指定轮廓特征点具备黄金分割点。进一步地,上述指定人体模型的数量可为多个,举例地,可将年龄分为多个区间,例如包括10岁以下、11-20岁、21-30岁、31-40岁、41-50岁、51-60岁、61-70岁、70岁以上,每个区间结合性别来对应配置2个指定人体模型,即男性指定人体模型和女性指定人体模型,根据待处理图像中人体的年龄和性别来匹配选择一个对应区间的同性别的指定人体模型,通过自适应挑选出一个最适合该待处理图像中人体的指定人体模型,有助于对该待处理图像中的人体区域实现更优的美化处理。进一步地,除了自动挑选出与待处理图像中人体的年龄和性别相匹配的指定人体模型,还可以智能地向用户推送某些著名的明星人体模型,以供用户进行选择,用户可根据自己的需求,来选择心仪的明星人体模型,使得移动终端能根据用户所选择的明星人体模型来对待处理图像进行美化处理,通过向用户推送明星人体模型,充分考虑了用户的需求,提高了用户体验。
如上述步骤S303和S304所述,根据所述指定人体模型的指定人体轮廓特征点计算出所述人体轮廓特征点在美化后的坐标位置的过程为:先根据待处理图像的人体轮廓特征点(P1)和指定标准人体模型上的人体轮廓特征点(P2)计算各自中心坐标位置(C1和C2);再将指定标准人体模型的人体轮廓特征点以中心坐标为原点进行缩放,并平移到待处理图像的人体区域的中心,将调整后的人体轮廓特征点集(即所有的调整后的人体轮廓特征点)用P12表示,其中,P12的计算公式如下:P12=P2*m+(C1-C2),m是特征点的缩放比例,之后根据计算出的调整后的人体轮廓特征点集将待处理图像的人体轮廓特征点进行调整,将待处理图像的人体轮廓特征点(P1)从原本的位置移动到的指定标准人体模型上的人体轮廓特征点集的位置上(P12),以得到美化的人体图像。通过对人体轮廓特征点进行美化处理,能够实现对待处理图像中的人体进行瘦腿、瘦脸、瘦腰、丰胸等处理,丰富了对待处理图像的美化处理功能,提高了待处理图像的美化效果,也提升了用户的使用体验。
进一步地,本申请一实施例中,上述步骤S1之后,包括:
S120:对所述人体区域进行人脸检测,得到人脸区域;
S121:从所述人脸区域识别出肤色信息,并提取出与所述肤色信息有差异的异常信息;
S122:根据所述异常信息,输出改善所述异常信息对应的皮肤护理建议信息。
如上述步骤S120至S122所述,通过对一些人脸检测算法,例如OpenCV人脸检测方法、Dlib人脸检测方法对所述人体区域进行人脸检测,来得到人脸区域,再从该人脸区域识别出肤色信息后,能提取出与该肤色信息存在差异的异常信息,其中,异常信息直观体现为用户的某些面部皮肤问题,例如脸部皱纹、面部斑点、黑眼圈、痘痘等,通过对该异常信息进行分析,可得出用户当前的皮肤问题,并根据该皮肤问题针对性地向用户输出改善所述异常信息对应的皮肤护理建议信息,例如发送推荐购买护肤、美妆产品的建议信息。举例地,用户通过自拍生成自拍图像后,通过提取出该自拍图像中的与肤色信息有差异的异常信息,例如从用户的自拍图像提取出了面部斑点,则根据得到的用户出现的面部存在斑点的面部皮肤问题,会智能地针对该面部皮肤问题给用户推荐购买护肤、美妆产品(推荐方式可为文字信息形式或者语音输出形式),来使得用户能够在图片进行美化处理的过程中,能同时了解自身的某些面部皮肤问题,并收到相应的解决方案,有效的提高了用户体验。
进一步地,本申请一实施例中,上述步骤S3之后,包括:
S310:提取所述人体轮廓特征点中的指甲部位对应的特定人体轮廓特征点;
S311:根据所述特定人体轮廓特征点从美甲数据库中调用美甲图案;
S312:利用所述美甲图案对所述指甲部位进行美化处理。
本实施例中,可通过对人体区域中的人体轮廓特征点进行部分提取,来提取出指甲部位的特定人体轮廓特征点,即先提取出待处理图像的人体区域中的指甲部位区域,再从该指甲部位区域提取出对应的特定人体轮廓特征点。之后通过访问美甲数据库能调用出一定数量的美甲图案,可由用户从该一定数量的美甲图案,来筛选出用户心仪的第一美甲图案,并将该第一美甲图案加载于对应的上述指甲部位的特定人体轮廓特征点区域,来对上述指甲部位进行美化处理;或者,可根据用户在一段预设时间周期内的使用习惯来自动筛选出用户使用次数最多的第二美甲图案,并将该第二美甲图案加载于对应的上述指甲部位的特定人体轮廓特征点区域,来对上述特定人体轮廓特征点进行美化处理,从而实现对待处理图像中的指甲美颜的功能。其中,上述美甲数据库内存储有一定数量的美甲图案,该美甲数据库可预先存储在移动终端内,或者移动终端可通过网络方式来与美甲数据库建立连接并交互,来调用出该美甲数据库的美甲图案。
参照图5,本申请实施例中还提供一种移动终端,该移动终端可以是服务器,其内部结构可以如图5所示。该移动终端包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该移动终端设计的处理器用于提供计算和控制能力。该移动终端的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该移动终端的数据库用于存储测试数据表等数据。该移动终端的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种应用程序快速启动方法。
上述处理器执行上述对图像中人体美化的方法的步骤:
对待处理图像进行人体识别,确定人体区域;
提取出所述人体区域的人体轮廓特征点,其中所述人体轮廓特征点为所述人体区域所在平面最外沿的所有边缘点;
按照预设规则对所述人体轮廓特征点进行美化处理,以得到美化的人体图像。
本领域技术人员可以理解,图5中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的移动终端的限定。
本申请一实施例还提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现一种对图像中人体美化的方法,具体为:
对待处理图像进行人体识别,确定人体区域;
提取出所述人体区域的人体轮廓特征点,其中所述人体轮廓特征点为所述人体区域所在平面最外沿的所有边缘点;
按照预设规则对所述人体轮廓特征点进行美化处理,以得到美化的人体图像。
综上所述,本申请实施例中提供的对图像中人体美化的方法、移动终端和存储介质,通过对待处理图像进行人体识别,确定人体区域,在提取出所述人体区域的人体轮廓特征点后,按照预设规则对所述人体轮廓特征点进行美化处理,来进行瘦腿、瘦脸、瘦腰、丰胸等美化处理,以得到美化的人体图像,丰富了对图像的美化处理功能,提高了待处理图像的美化效果,并且提升了用户的使用体验。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储与一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM通过多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双速据率SDRAM(SSRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其它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、装置、物品或者方法不仅包括那些要素,而且还包括没有明确列出的其它要素,或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
以上所述仅为本申请的优选实施例,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (10)
1.一种对图像中人体美化的方法,其特征在于,包括:
对待处理图像进行人体识别,确定人体区域;
提取出所述人体区域的人体轮廓特征点,其中所述人体轮廓特征点为所述人体区域所在平面最外沿的所有边缘点;
按照预设规则对所述人体轮廓特征点进行美化处理,以得到美化的人体图像。
2.根据权利要求1所述的对图像中人体美化的方法,其特征在于,所述对待处理图像进行人体识别,确定人体区域的步骤,包括:
从所述待处理图像中提取出RGB图像和深度图像;
根据所述深度图像对所述RGB图像进行人体分割,确定所述RGB图像中的人体区域。
3.根据权利要求1所述的对图像中人体美化的方法,其特征在于,所述提取出所述人体区域的人体轮廓特征点的步骤,包括:
通过比对所述人体区域的人体姿态点和标准人体模型的标准人体轮廓特征点,获取存在差异的人体姿态点;
调用预先训练好的分类模型识别所述存在差异的人体姿态点,并将所述存在差异的人体姿态点按照所述标准人体轮廓特征点进行对齐调整,得到所述人体区域对应的所有人体轮廓特征点;
提取所述所有人体轮廓特征点。
4.根据权利要求3所述的对图像中人体美化的方法,其特征在于,所述通过比对所述人体区域的人体姿态点和标准人体模型的标准人体轮廓特征点,获取存在差异的人体姿态点的步骤之前,包括:
收集样本图像,并预设所述标准人体模型;
比对样本图像的人体姿态点和所述标准人体模型的标准人体轮廓特征点,对样本图像的人体姿态点进行对齐调整;
对调整后的样本图像进行轮廓提取得到样本图像的人体轮廓特征点,并将样本图像的人体轮廓特征点进行归一化处理并输入卷积神经网络系统进行训练得到所述分类模型。
5.根据权利要求1所述的对图像中人体美化的方法,其特征在于,所述对待处理图像进行人体识别,确定人体区域的步骤之后,包括:
获取所述人体区域的皮肤区域,并提取所述皮肤区域的肤色特征,其中所述肤色特征包括亮度特征和色彩特征;
根据所述亮度特征和色彩特征,配置与所述皮肤区域对应的美化调整参数。
6.根据权利要求1所述的对图像中人体美化的方法,其特征在于,所述按照预设规则对所述人体轮廓特征点进行美化处理,以得到美化的人体图像的步骤,包括:
对所述人体区域进行人脸检测,得到人脸区域,并提取所述人脸区域对应的面部特征信息;
根据所述面部特征信息确定用户信息,其中,所述用户信息包括年龄信息和性别信息;
根据所述年龄信息和性别信息,选取对应的指定人体模型;
根据所述指定人体模型的指定人体轮廓特征点计算出所述人体轮廓特征点在美化后的坐标位置;
根据所述坐标位置对所述人体轮廓特征点进行美化处理,以得到美化的人体图像。
7.根据权利要求1所述的对图像中人体美化的方法,其特征在于,所述对待处理图像进行人体识别,确定人体区域的步骤之后,包括:
对所述人体区域进行人脸检测,得到人脸区域;
从所述人脸区域识别出肤色信息,并提取出与所述肤色信息有差异的异常信息;
根据所述异常信息,输出改善所述异常信息对应的皮肤护理建议信息。
8.根据权利要求1所述的对图像中人体美化的方法,其特征在于,所述按照预设规则对所述人体轮廓特征点进行美化处理,以得到美化的人体图像的步骤之后,包括:
提取所述人体轮廓特征点中的指甲部位对应的特定人体轮廓特征点;
根据所述特定人体轮廓特征点从美甲数据库中调用美甲图案;
利用所述美甲图案对所述指甲部位进行美化处理。
9.一种移动终端,包括存储器和处理器,所述存储器中存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述方法的步骤。
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权利要求1至8中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810950431.2A CN109376575A (zh) | 2018-08-20 | 2018-08-20 | 对图像中人体美化的方法、移动终端和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810950431.2A CN109376575A (zh) | 2018-08-20 | 2018-08-20 | 对图像中人体美化的方法、移动终端和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109376575A true CN109376575A (zh) | 2019-02-22 |
Family
ID=65404034
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810950431.2A Withdrawn CN109376575A (zh) | 2018-08-20 | 2018-08-20 | 对图像中人体美化的方法、移动终端和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109376575A (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110084154A (zh) * | 2019-04-12 | 2019-08-02 | 北京字节跳动网络技术有限公司 | 渲染图像的方法、装置、电子设备和计算机可读存储介质 |
CN110222571A (zh) * | 2019-05-06 | 2019-09-10 | 平安科技(深圳)有限公司 | 黑眼圈智能判断方法、装置及计算机可读存储介质 |
CN110335216A (zh) * | 2019-07-09 | 2019-10-15 | Oppo广东移动通信有限公司 | 图像处理方法、图像处理装置、终端设备及可读存储介质 |
CN110365903A (zh) * | 2019-07-25 | 2019-10-22 | 腾讯科技(深圳)有限公司 | 基于视频的对象处理方法、装置、设备及可读存储介质 |
CN111047553A (zh) * | 2019-11-07 | 2020-04-21 | 电子科技大学 | 一种面向非接触式人体参数测量的特征点定位方法 |
CN111047632A (zh) * | 2019-12-03 | 2020-04-21 | 成都品果科技有限公司 | 一种指甲图像的图色处理方法和装置 |
CN111582258A (zh) * | 2020-03-31 | 2020-08-25 | 北京达佳互联信息技术有限公司 | 图像处理方法、装置、电子设备及可读存储介质 |
CN111612688A (zh) * | 2020-05-27 | 2020-09-01 | 努比亚技术有限公司 | 一种图像处理方法、设备及计算机可读存储介质 |
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 |
CN111915539A (zh) * | 2020-07-14 | 2020-11-10 | 维沃移动通信有限公司 | 图像处理方法及装置 |
CN112347911A (zh) * | 2020-11-05 | 2021-02-09 | 北京达佳互联信息技术有限公司 | 指甲特效的添加方法、装置、电子设备及存储介质 |
CN113793247A (zh) * | 2021-07-08 | 2021-12-14 | 福建榕基软件股份有限公司 | 一种首饰图像美化方法及终端 |
US20220000417A1 (en) * | 2020-07-02 | 2022-01-06 | The Gillette Company Llc | Digital imaging systems and methods of analyzing pixel data of an image of a skin area of a user for determining skin laxity |
US11801610B2 (en) | 2020-07-02 | 2023-10-31 | The Gillette Company Llc | Digital imaging systems and methods of analyzing pixel data of an image of a user's body for determining a hair growth direction value of the user's hair |
US11890764B2 (en) | 2020-07-02 | 2024-02-06 | The Gillette Company Llc | Digital imaging systems and methods of analyzing pixel data of an image of a user's body for determining a hair density value of a user's hair |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104537630A (zh) * | 2015-01-22 | 2015-04-22 | 厦门美图之家科技有限公司 | 一种基于年龄估计的图像美颜方法和装置 |
CN107610209A (zh) * | 2017-08-17 | 2018-01-19 | 上海交通大学 | 人脸表情合成方法、装置、存储介质和计算机设备 |
CN107730445A (zh) * | 2017-10-31 | 2018-02-23 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、存储介质和电子设备 |
CN107808137A (zh) * | 2017-10-31 | 2018-03-16 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、电子设备及计算机可读存储介质 |
-
2018
- 2018-08-20 CN CN201810950431.2A patent/CN109376575A/zh not_active Withdrawn
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104537630A (zh) * | 2015-01-22 | 2015-04-22 | 厦门美图之家科技有限公司 | 一种基于年龄估计的图像美颜方法和装置 |
CN107610209A (zh) * | 2017-08-17 | 2018-01-19 | 上海交通大学 | 人脸表情合成方法、装置、存储介质和计算机设备 |
CN107730445A (zh) * | 2017-10-31 | 2018-02-23 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、存储介质和电子设备 |
CN107808137A (zh) * | 2017-10-31 | 2018-03-16 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、电子设备及计算机可读存储介质 |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110084154B (zh) * | 2019-04-12 | 2021-09-17 | 北京字节跳动网络技术有限公司 | 渲染图像的方法、装置、电子设备和计算机可读存储介质 |
CN110084154A (zh) * | 2019-04-12 | 2019-08-02 | 北京字节跳动网络技术有限公司 | 渲染图像的方法、装置、电子设备和计算机可读存储介质 |
CN110222571A (zh) * | 2019-05-06 | 2019-09-10 | 平安科技(深圳)有限公司 | 黑眼圈智能判断方法、装置及计算机可读存储介质 |
CN110222571B (zh) * | 2019-05-06 | 2023-04-07 | 平安科技(深圳)有限公司 | 黑眼圈智能判断方法、装置及计算机可读存储介质 |
CN110335216A (zh) * | 2019-07-09 | 2019-10-15 | Oppo广东移动通信有限公司 | 图像处理方法、图像处理装置、终端设备及可读存储介质 |
CN110335216B (zh) * | 2019-07-09 | 2021-11-30 | Oppo广东移动通信有限公司 | 图像处理方法、图像处理装置、终端设备及可读存储介质 |
CN110365903A (zh) * | 2019-07-25 | 2019-10-22 | 腾讯科技(深圳)有限公司 | 基于视频的对象处理方法、装置、设备及可读存储介质 |
CN110365903B (zh) * | 2019-07-25 | 2022-11-29 | 腾讯科技(深圳)有限公司 | 基于视频的对象处理方法、装置、设备及可读存储介质 |
CN111047553A (zh) * | 2019-11-07 | 2020-04-21 | 电子科技大学 | 一种面向非接触式人体参数测量的特征点定位方法 |
CN111047553B (zh) * | 2019-11-07 | 2023-04-07 | 电子科技大学 | 一种面向非接触式人体参数测量的特征点定位方法 |
CN111047632A (zh) * | 2019-12-03 | 2020-04-21 | 成都品果科技有限公司 | 一种指甲图像的图色处理方法和装置 |
CN111582258A (zh) * | 2020-03-31 | 2020-08-25 | 北京达佳互联信息技术有限公司 | 图像处理方法、装置、电子设备及可读存储介质 |
CN111582258B (zh) * | 2020-03-31 | 2024-03-19 | 北京达佳互联信息技术有限公司 | 图像处理方法、装置、电子设备及可读存储介质 |
CN111612688A (zh) * | 2020-05-27 | 2020-09-01 | 努比亚技术有限公司 | 一种图像处理方法、设备及计算机可读存储介质 |
CN111612688B (zh) * | 2020-05-27 | 2024-04-23 | 努比亚技术有限公司 | 一种图像处理方法、设备及计算机可读存储介质 |
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 |
US20220000417A1 (en) * | 2020-07-02 | 2022-01-06 | The Gillette Company Llc | Digital imaging systems and methods of analyzing pixel data of an image of a skin area of a user for determining skin laxity |
US11801610B2 (en) | 2020-07-02 | 2023-10-31 | The Gillette Company Llc | Digital imaging systems and methods of analyzing pixel data of an image of a user's body for determining a hair growth direction value of the user's hair |
US11890764B2 (en) | 2020-07-02 | 2024-02-06 | The Gillette Company Llc | Digital imaging systems and methods of analyzing pixel data of an image of a user's body for determining a hair density value of a user's hair |
CN111915539A (zh) * | 2020-07-14 | 2020-11-10 | 维沃移动通信有限公司 | 图像处理方法及装置 |
CN112347911A (zh) * | 2020-11-05 | 2021-02-09 | 北京达佳互联信息技术有限公司 | 指甲特效的添加方法、装置、电子设备及存储介质 |
CN113793247A (zh) * | 2021-07-08 | 2021-12-14 | 福建榕基软件股份有限公司 | 一种首饰图像美化方法及终端 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109376575A (zh) | 对图像中人体美化的方法、移动终端和存储介质 | |
KR100699704B1 (ko) | 비디오 회의 시스템에서 참가자들에 대응하는 카메라 파라미터들의 프리셋들을 계산하는 방법 및 시스템 | |
JP4760999B1 (ja) | 画像処理装置、画像処理方法、および制御プログラム | |
EP2685419B1 (en) | Image processing device, image processing method, and computer-readable medium | |
JP4862955B1 (ja) | 画像処理装置、画像処理方法、および制御プログラム | |
CN103914699B (zh) | 一种基于色彩空间的自动唇彩的图像增强的方法 | |
CN108537126B (zh) | 一种人脸图像处理方法 | |
CN106326823B (zh) | 一种获取图片中头像的方法和系统 | |
CN109784281A (zh) | 基于人脸特征的产品推荐方法、装置及计算机设备 | |
RU2016107189A (ru) | Устройства, системы и способы виртуализации зеркала | |
CN109829930A (zh) | 人脸图像处理方法、装置、计算机设备及可读存储介质 | |
CN110264493A (zh) | 一种针对运动状态下的多目标对象追踪方法和装置 | |
CN109508581A (zh) | 身体信息分析装置及其腮红分析方法 | |
CN107545536A (zh) | 一种智能终端的图像处理方法及图像处理系统 | |
CN110263768A (zh) | 一种基于深度残差网络的人脸识别方法 | |
JP2010211308A (ja) | メイクアップアドバイス装置、メイクアップアドバイス方法及びプログラム | |
KR20140004230A (ko) | 화상처리장치, 정보생성장치, 화상처리방법, 정보생성방법, 제어 프로그램 및 기록매체 | |
CN110163810A (zh) | 一种图像处理方法、装置以及终端 | |
CN109427075A (zh) | 身体信息分析装置及其眼影分析方法 | |
CN112562034B (zh) | 一种图像生成方法、装置、电子设备和存储介质 | |
CN111860250B (zh) | 基于人物细粒度特征的图像识别方法及装置 | |
CN113781408B (zh) | 一种图像拍摄智能指导系统及方法 | |
CN112464012B (zh) | 可自动筛选照片的景区自动拍照系统及景区自动拍照方法 | |
JPH1185988A (ja) | 顔画像認識システム | |
CN112581564A (zh) | 一种图像生成方法、装置、电子设备和存储介质 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20190222 |
|
WW01 | Invention patent application withdrawn after publication |