CN109784157B - 一种图像处理方法、装置及系统 - Google Patents
一种图像处理方法、装置及系统 Download PDFInfo
- Publication number
- CN109784157B CN109784157B CN201811508552.8A CN201811508552A CN109784157B CN 109784157 B CN109784157 B CN 109784157B CN 201811508552 A CN201811508552 A CN 201811508552A CN 109784157 B CN109784157 B CN 109784157B
- Authority
- CN
- China
- Prior art keywords
- face
- face object
- image
- recognized
- objects
- 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
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本申请公开一种图像处理方法,包括:获取待处理的图像;从所述图像中获取多个人脸对象;获取所述多个人脸对象中的待识别的人脸对象的特征;根据所述待识别的人脸对象的特征,获得所述待识别的人脸对象对应的第一人物的心理特征;根据所述第一人物的心理特征,判断是否在所述图像中对所述多个人脸对象中的非待识别的人脸对象进行遮挡处理,获得判断结果;根据所述判断结果,对所述图像进行处理。采用本申请所述的图像处理方法,可以通过获得的人脸图像识别出用户的心理特征,确定是否对采集到的人脸图像进行相应处理,避免了用户在人脸识别过程中的抵触心理,提升了用户的使用体验。
Description
技术领域
本申请涉及人脸识别领域,具体涉及一种图像处理方法、装置及系统。另外涉及一种图像处理的电子设备及存储设备。
背景技术
随着科学技术的不断进步,基于生物特征实现用户身份识别的人脸识别技术得到快速的发展。人脸识别是一种非接触性、可视化、符合人的思维习惯特点的实用技术,在手机账户登录,地铁站出入口、公司门禁等安防领域得到广泛应用。但是,现有的人脸识别技术,用户在使用过程中存在诸多问题,如:当用户在使用人脸识别功能的产品时,脸部图像会呈现到相应的屏幕上,由于待识别的用户与背后的用户均可以从屏幕中看到自己的脸部图像,所以会产生被评估的心理,从而产生窘迫的心理。
因此,现有的人脸识别技术容易导致一些用户对人脸识别技术产生抵触心理,降低了具有人脸识别功能的产品的使用率。
发明内容
本申请提供一种图像处理方法、装置及系统,以解决现有技术中存在的人脸识别技术用户体验较差,难以满足用户需求的问题。本申请另外提供一种图像处理的电子设备及存储设备。
本申请提供的一种图像处理方法,包括:获取待处理的图像;从所述图像中获取多个人脸对象;获取所述多个人脸对象中的待识别的人脸对象的特征;根据所述待识别的人脸对象的特征,获得所述待识别的人脸对象对应的第一人物的心理特征;根据所述第一人物的心理特征,判断是否在所述图像中对所述多个人脸对象中的非待识别的人脸对象进行遮挡处理,获得判断结果;根据所述判断结果,对所述图像进行处理。
可选的,所述获取所述多个人脸对象中的待识别的人脸对象的特征,包括:获取所述多个人脸对象中每个人脸对象的特征;根据所述每个人脸对象的特征,从所述多个人脸对象中选择出作为所述待识别的人脸对象;获取所述待识别的人脸对象的特征。
可选的,所述每个人脸对象的特征包括每个人脸对象在所述图像中所在位置的位置特征、每个人脸对象在所述图像中所占面积的面积特征以及每个人脸对象在连续的多个图像中出现次数的次数特征中的至少一种特征。
可选的,所述根据所述每个人脸对象的特征,从所述多个人脸对象中选择出作为所述待识别的人脸对象,包括:当所述每个人脸对象的特征包括每个人脸对象在所述图像中所在位置的位置特征时,从所述多个人脸对象中选择人脸对象中心位置与所述图像的中心位置距离最近的人脸对象作为所述待识别的人脸对象;或者,当所述每个人脸对象的特征包括每个人脸对象在所述图像中所占面积的面积特征时,从所述多个人脸对象中选择在所述图像中所占面积最大的人脸对象作为所述待识别的人脸对象;或者,当所述每个人脸对象的特征包括每个人脸对象在连续的多个图像中出现次数的次数特征时,从所述多个人脸对象中选择在连续的多个图像中出现次数最多的人脸对象作为所述待识别的人脸对象。
可选的,所述待识别的人脸对象的特征包括所述待识别的人脸对象的面部表情特征、眼球变化特征和瞳孔变化特征中的至少一种特征。
可选的,所述根据所述待识别的人脸对象的特征,获得所述待识别的人脸对象对应的第一人物的心理特征,具体包括:利用心理特征预测模型对所述待识别的人脸对象的特征进行识别,获得所述待识别的人脸对象对应的第一人物的心理特征,所述心理特征预测模型用于根据人脸对象的特征预测人脸对象对应的人物的心理特征。
可选的,所述的方法还包括:获得人脸对象的特征样本以及与所述人脸对象的特征样本匹配的人脸对象对应的人物的心理特征样本;利用所述人脸对象的特征样本以及所述人脸对象对应的人物的心理特征样本,训练所述心理特征预测模型。
可选的,所述根据所述第一人物的心理特征,判断是否在所述图像中对所述多个人脸对象中的非待识别的人脸对象进行遮挡处理,获得判断结果,具体包括:若所述第一人物的心理特征为第一人物存在不愿被评估的心理,则确定在所述图像中对所述多个人脸对象中的非待识别的人脸对象进行遮挡处理;所述根据所述判断结果,对所述图像进行处理,包括:在所述图像中对所述多个人脸对象中的非待识别的人脸对象进行遮挡处理,获得遮挡处理后的图像,并输出所述遮挡处理后的图像。
可选的,所述根据所述第一人物的心理特征,判断是否在所述图像中对所述多个人脸对象中的非待识别的人脸对象进行遮挡处理,获得判断结果,具体包括:若所述第一人物的心理特征为第一人物不存在不愿被评估的心理,则确定在所述图像中对所述多个人脸对象中的非待识别的人脸对象不进行遮挡处理;所述根据所述判断结果,对所述图像进行处理,包括:输出所述待处理的图像。
可选的,所述的方法还包括:获取所述多个人脸对象中的非待识别的人脸对象的特征;根据所述非待识别的人脸对象的特征,获得所述非待识别的人脸对象对应的第二人物的心理特征;所述根据所述第一人物的心理特征,判断是否在所述图像中对所述多个人脸对象中的非待识别的人脸对象进行遮挡处理,获得判断结果,包括:根据所述第一人物的心理特征和所述第二人物的心理特征,判断是否在所述图像中对所述多个人脸对象中的非待识别的人脸对象进行遮挡处理,获得判断结果。
可选的,所述根据所述第一人物的心理特征和所述第二人物的心理特征,判断是否在所述图像中对所述多个人脸对象中的非待识别的人脸对象进行遮挡处理,具体包括:若所述第一人物的心理特征为第一人物不存在不愿被评估的心理,但所述第二人物的心理特征为第二人物存在不愿被评估的心理,则确定在所述图像中对所述多个人脸对象中的非待识别的人脸对象进行遮挡处理;所述根据所述判断结果,对所述图像进行处理,包括:在所述图像中对所述多个人脸对象中对所述多个人脸对象中的非待识别的人脸对象进行遮挡处理,获得遮挡处理后的图像,并输出所述遮挡处理后的图像。可选的,所述遮挡处理包括模糊化处理、删除处理和使用其他对象替换处理中的至少一种处理方式。
相应的,本申请还提供一种图像处理方法,包括:获取待处理的图像;从所述图像中获取待识别的人脸对象;获得所述人脸对象的特征;获得所述待处理的图像所需应用的场景的特征;根据所述人脸对象的特征和所述场景的特征,获得所述人脸对象对应的人物的心理特征;根据所述人物的心理特征,在所述图像中对所述人脸对象进行加工处理。
可选的,,所述获得所述待处理的图像所需应用的场景的特征,包括:获得所述待处理的图像所需应用的应用场景模式的描述信息;从所述应用场景模式的描述信息中提取出所述待处理的图像所需应用的场景的特征。
可选的,所述根据所述人脸对象的特征和所述场景的特征,获得所述人脸对象对应的人物的心理特征,具体包括:利用心理特征预测模型对所述人脸对象的特征和所述场景的特征进行识别,获得所述人脸对象对应的人物的心理特征,所述心理特征预测模型用于根据人脸对象的特征和场景的特征预测人脸对象对应的人物的心理特征。
可选的,所述的方法还包括:获得所述人脸对象的特征样本和所述场景的特征样本以及与所述人脸对象的特征样本和所述场景特征样本匹配的所述人脸对象对应的人物的心理特征样本;利用所述人脸对象的特征样本和所述场景的特征样本以及所述人脸对象对应的人物的心理特征样本,训练所述心理特征预测模型。可选的,所述加工处理包括模糊化处理、美化处理和使用其他对象替换处理中的至少一种处理方式。
可选的,所述根据所述人物的心理特征,在所述图像中对所述人脸对象进行加工处理,具体包括:若所述人物存在所述不愿被评估的心理,则在所述图像中对所述人脸对象进行所述模糊化处理或所述使用其他对象替换处理;若所述人物不存在所述不愿被评估的心理,则在所述图像中对所述人脸对象进行所述人脸美化处理。
相应的,本申请还提供一种图像处理方法,包括:获取待处理的图像;从所述图像中获取待识别的人脸对象和非待识别的人脸对象;在所述图像中针对所述非待识别的人脸对象进行遮挡处理。
可选的,所述从所述图像中获取待识别的人脸对象和非待识别的人脸对象,具体包括:从所述图像中获取多个人脸对象;获取所述多个人脸对象中每个人脸对象的特征;根据所述每个人脸对象的特征,从所述多个人脸对象中选择出所述待识别的人脸对象和非待识别的人脸对象。
可选的,所述待识别的人脸对象的特征包括:所述待识别的人脸对象在所述图像中所在位置的位置特征、所述待识别的人脸对象在所述图像中所占面积的面积特征以及所述待识别的人脸对象在连续的多个图像中出现次数的次数特征中的至少一种特征;所述非待识别的人脸对象的特征包括:所述非待识别的人脸对象在所述图像中所在位置的位置特征、所述非待识别的人脸对象在所述图像中所占面积的面积特征以及所述非待识别的人脸对象在连续的多个图像中出现次数的次数特征中的至少一种特征。
可选的,所述根据所述每个人脸对象的特征,从所述多个人脸对象中选择出所述待识别的人脸对象和非待识别的人脸对象,包括:当所述每个人脸对象的特征包括每个人脸对象在所述图像中所在位置的位置特征时,从所述多个人脸对象中选择人脸对象中心位置与所述图像的中心位置距离最近的人脸对象作为所述待识别的人脸对象,将除所述待识别的人脸对象之外的人脸对象作为所述非待识别的人脸对象;或者,当所述每个人脸对象的特征包括每个人脸对象在所述图像中所占面积的面积特征时,从所述多个人脸对象中选择在所述图像中所占面积最大的人脸对象作为所述待识别的人脸对象,将除所述待识别的人脸对象之外的人脸对象作为所述非待识别的人脸对象;或者,当所述每个人脸对象的特征包括每个人脸对象在连续的多个图像中出现次数的次数特征时,从所述多个人脸对象中选择在连续的多个图像中出现次数最多的人脸对象作为所述待识别的人脸对象,将除所述待识别的人脸对象之外的人脸对象作为所述非待识别的人脸对象。
相应的,本申请还提供一种基于人脸识别的图像处理方法,包括:获取待识别的图像;从所述图像中获取待识别的人脸对象;获得所述待识别的图像所需应用的场景的特征;根据所述场景的特征,在所述图像中对所述人脸对象进行加工处理。
可选的,所述从所述图像中获取待识别的人脸对象,具体包括:从所述图像中获取多个人脸对象;获取所述多个人脸对象中每个人脸对象的特征;根据所述每个人脸对象的特征,从所述多个人脸对象中选择出所述待识别的人脸对象。
可选的,所述获得所述待识别的图像所需应用的场景的特征,包括:获得所述待识别的图像所需应用的应用场景模式的描述信息;从所述应用场景模式的描述信息中提取出所述待识别的图像所需应用的场景的特征。
相应的,本申请还提供一种图像处理装置,包括:图像获取单元,用于获取待处理的图像;人脸对象获取单元,用于从所述图像中获取多个人脸对象;人脸对象特征获取单元,用于获取所述多个人脸对象中的待识别的人脸对象的特征;心理特征获得单元,用于根据所述待识别的人脸对象的特征,获得所述待识别的人脸对象对应的第一人物的心理特征;判断单元,用于根据所述第一人物的心理特征,判断是否在所述图像中对所述多个人脸对象中的非待识别的人脸对象进行遮挡处理,获得判断结果;处理单元,用于根据所述判断结果,对所述图像进行处理。可选的,所述待识别的人脸对象的特征包括所述待识别的人脸对象的面部表情特征、眼球变化特征和瞳孔变化特征中的至少一种特征。可选的,所述心理特征获得单元具体用于:利用心理特征预测模型对所述待识别的人脸对象的特征进行识别,获得所述待识别的人脸对象对应的第一人物的心理特征,所述心理特征预测模型用于根据人脸对象的特征预测人脸对象对应的人物的心理特征。
可选的,所述的装置还包括:获得人脸对象的特征样本以及与所述人脸对象的特征样本匹配的人脸对象对应的人物的心理特征样本;利用所述人脸对象的特征样本以及所述人脸对象对应的人物的心理特征样本,训练所述心理特征预测模型。
可选的,所述判断单元具体用于,若所述第一人物的心理特征为第一人物存在不愿被评估的心理,则确定在所述图像中对所述多个人脸对象中的非待识别的人脸对象进行遮挡处理;所述处理单元具体用于,在所述图像中对所述多个人脸对象中的非待识别的人脸对象进行遮挡处理,获得遮挡处理后的图像,并输出所述遮挡处理后的图像。可选的,所述判断单元具体用于:若所述第一人物的心理特征为第一人物不存在不愿被评估的心理,则确定在所述图像中对所述多个人脸对象中的非待识别的人脸对象不进行遮挡处理;所述处理单元具体用于,输出所述待处理的图像。
可选的,所述的装置还包括:第二人脸对象特征获取单元,用于获取所述多个人脸对象中的非待识别的人脸对象的特征;第二心理特征获得单元,用于根据所述非待识别的人脸对象的特征,获得所述非待识别的人脸对象对应的第二人物的心理特征;第二判断单元,用于所述根据所述第一人物的心理特征,判断是否在所述图像中对所述多个人脸对象中的非待识别的人脸对象进行遮挡处理,获得判断结果,包括:第二处理单元,用于根据所述第一人物的心理特征和所述第二人物的心理特征,判断是否在所述图像中对所述多个人脸对象中的非待识别的人脸对象进行遮挡处理,获得判断结果。
可选的,所述第二判断单元具体用于,若所述第一人物的心理特征为第一人物不存在不愿被评估的心理,但所述第二人物的心理特征为第二人物存在不愿被评估的心理,则确定在所述图像中对所述多个人脸对象中的非待识别的人脸对象进行遮挡处理;所述第二处理单元具体用于,在所述图像中对所述多个人脸对象中对所述多个人脸对象中的非待识别的人脸对象进行遮挡处理,获得遮挡处理后的图像,并输出所述遮挡处理后的图像。可选的,所述遮挡处理包括模糊化处理、删除处理和使用其他对象替换处理中的至少一种处理方式。
相应的,本申请还提供一种图像处理装置,包括:第二图像获取单元,用于获取待处理的图像;第二人脸对象获取单元,用于从所述图像中获取待识别的人脸对象;第三人脸对象特征获取单元,用于获得所述人脸对象的特征;场景特征获得单元,用于获得所述待处理的图像所需应用的场景的特征;第三心理特征获得单元,用于根据所述人脸对象的特征和所述场景的特征,获得所述人脸对象对应的人物的心理特征;第三处理单元,用于根据所述人物的心理特征,在所述图像中对所述人脸对象进行加工处理。
可选的,所述第三人脸对象特征获取单元具体用于:获得所述待处理的图像所需应用的应用场景模式的描述信息;从所述应用场景模式的描述信息中提取出所述待处理的图像所需应用的场景的特征。
可选的,所述第三心理特征获得单元具体用于,利用心理特征预测模型对所述人脸对象的特征和所述场景的特征进行识别,获得所述人脸对象对应的人物的心理特征,所述心理特征预测模型用于根据人脸对象的特征和场景的特征预测人脸对象对应的人物的心理特征。
可选的,所述加工处理包括模糊化处理、美化处理和使用其他对象替换处理中的至少一种处理方式。
可选的,所述第三处理单元具体用于:若所述人物存在所述不愿被评估的心理,则在所述图像中对所述人脸对象进行所述模糊化处理或所述使用其他对象替换处理;若所述人物不存在所述不愿被评估的心理,则在所述图像中对所述人脸对象进行所述人脸美化处理。
相应的,本申请还提供一种图像处理装置,包括:第三图像获取单元,用于获取待处理的图像;第三人脸对象获取单元,用于从所述图像中获取待识别的人脸对象和非待识别的人脸对象;第四处理单元,用于在所述图像中针对所述非待识别的人脸对象进行遮挡处理。
可选的,所述第三人脸对象获取单元具体用于:从所述图像中获取多个人脸对象;获取所述多个人脸对象中每个人脸对象的特征;根据所述每个人脸对象的特征,从所述多个人脸对象中选择出所述待识别的人脸对象和非待识别的人脸对象。
相应的,本申请还提供一种基于人脸识别的图像处理装置,包括:第四图像获取单元,用于获取待识别的图像;第四人脸对象获取单元,用于从所述图像中获取待识别的人脸对象;第二场景特征获得单元,用于获得所述待识别的图像所需应用的场景的特征;第五处理单元,用于根据所述场景的特征,在所述图像中对所述人脸对象进行加工处理。
可选的,所述第四人脸对象获取单元具体用于:从所述图像中获取多个人脸对象;获取所述多个人脸对象中每个人脸对象的特征;根据所述每个人脸对象的特征,从所述多个人脸对象中选择出所述待识别的人脸对象。
可选的,所述第二场景特征获得单元具体用于:获得所述待识别的图像所需应用的应用场景模式的描述信息;从所述应用场景模式的描述信息中提取出所述待识别的图像所需应用的场景的特征。
相应的,本申请还提供一种电子设备,包括:处理器;以及存储器,用于存储图像处理方法的程序,该设备通电并通过所述处理器运行该图像处理方法的程序后,执行下述步骤:获取待处理的图像;从所述图像中获取多个人脸对象;获取所述多个人脸对象中的待识别的人脸对象的特征;根据所述待识别的人脸对象的特征,获得所述待识别的人脸对象对应的第一人物的心理特征;根据所述第一人物的心理特征,判断是否在所述图像中对所述多个人脸对象中的非待识别的人脸对象进行遮挡处理,获得判断结果;根据所述判断结果,对所述图像进行处理。
相应的本申请还提供一种存储设备,存储有图像处理方法的程序,该程序被处理器运行,执行下述步骤:获取待处理的图像;从所述图像中获取多个人脸对象;获取所述多个人脸对象中的待识别的人脸对象的特征;根据所述待识别的人脸对象的特征,获得所述待识别的人脸对象对应的第一人物的心理特征;根据所述第一人物的心理特征,判断是否在所述图像中对所述多个人脸对象中的非待识别的人脸对象进行遮挡处理,获得判断结果;根据所述判断结果,对所述图像进行处理。
相应的,本申请还提供一种图像处理系统,包括:上述任意一项所述的图像处理装置。
与现有技术相比,本申请具有以下优点:
采用本申请所述的第一种图像处理方法,可以通过获得的人脸图像识别出用户的心理特征,确定采集的人脸图像进行相应处理,提高了人脸图像处理结果的准确度,避免了用户在人脸识别过程中的抵触心理,从而提升了具有人脸识别功能的产品的使用率。
采用本申请所述的第二种图像处理方法,可以根据不同的应用场景特征获得用户的不同心理特征,并进行有针对性的处理,提高了人脸图像处理结果的准确度,提升了用户的使用体验。
采用本申请所述的第三种图像处理方法,可以通过对人脸对象进行特征分析,根据特征的不同识别出非待识别的人脸对象进行相应处理,提高了针对非待识别的人脸图像处理的准确度。
采用本申请所述的第四种图像处理方法,可以根据不同的应用场景特征对人脸对象采集不同的处理方式,提高了人脸图像处理的准确度。
附图说明
图1为本发明实施例提供的第一种图像处理方法的流程图;
图2为本发明实施例提供的第一种图像处理装置的示意图;
图3为本发明实施例提供的第二种图像处理方法的流程图;
图4为本发明实施例提供的第二种图像处理装置的示意图;
图5为本发明实施例提供的第三种图像处理方法的流程图;
图6为本发明实施例提供的第三种图像处理装置的示意图;
图7为本发明实施例提供的第四种图像处理方法的流程图;
图8为本发明实施例提供的第四种图像处理装置的示意图;
图9为本发明实施例提供的一种图像处理的电子设备的示意图;
图10为本发明实施例提供的一种图像处理方法的完整流程图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此,本发明不受下面公开的具体实施的限制。
下面基于本发明提供的图像处理方法,对其实施例进行详细描述。请参考图1所示,其为本发明实施例提供的一种图像处理方法的流程图。
本发明实施例提供的图像处理方法具体包括以下步骤:
步骤S101:获取待处理的图像。
本发明实施例提供的图像处理方法可以应用于人脸识别领域。在人脸识别过程中首先需要获取人脸识别设备采集的待处理的图像,该图像为包含背景图像与多个人物对象的原始图像。
步骤S102:从所述图像中获取多个人脸对象。
在步骤S101中获取到待处理的图像后,进一步的对所述待处理的图像进行预处理,确定所述待处理的图像中的待定人脸区域。然后可以根据预设的人脸轮廓的特征以及人脸肤色的特征,判断该待定人脸区域是否为真实人脸区域,若是,则从真实人脸区域中获取待处理的人脸对象。从所述待处理的图像中识别出的人脸对象可以为多个人脸对象。其中,所述多个人脸对象中包含待识别的人脸对象和非待识别的人脸对象。
步骤S103:获取所述多个人脸对象中的待识别的人脸对象的特征。
在本发明实施例中,由于所述多个人脸对象中包含待识别的人脸对象和非待识别的人脸对象两种,因此,需要分别获取所述多个人脸对象中待识别的人脸对象的特征和非待识别的人脸对象的特征。根据所述待识别的人脸对象的特征和非待识别的人脸对象的特征分别与预设的待识别的人脸对象的特征进行比对分析,从所述多个人脸对象中区别出作为待识别的人脸对象对应的特征。其中,预设的待识别的人脸对象的特征可以是指人脸对象在所述图像中处于中心位置的位置特征、人脸对象在所述图像中所占面积最大的面积特征以及人脸对象在连续的多个图像中出现次数最多的次数特征。
需要说明的是,所述多个人脸对象中的每个人脸对象的特征包括每个人脸对象在所述图像中所在位置的位置特征、每个人脸对象在所述图像中所占面积的面积特征以及每个人脸对象在连续的多个图像中出现次数的次数特征中的至少一种特征。所述的每个人脸对象中包括待识别的人脸对象和非待识别的人脸对象。因此,根据所述每个人脸对象的特征,可以从所述多个人脸对象中选择出作为所述待识别的人脸对象。具体的,当所述每个人脸对象的特征包括每个人脸对象在所述图像中所在位置的位置特征时,从所述多个人脸对象中选择人脸对象中心位置与所述图像的中心位置距离最近的人脸对象作为所述待识别的人脸对象;或者,当所述每个人脸对象的特征包括每个人脸对象在所述图像中所占面积的面积特征时,从所述多个人脸对象中选择在所述图像中所占面积最大的人脸对象作为所述待识别的人脸对象;或者,当所述每个人脸对象的特征包括每个人脸对象在连续的多个图像中出现次数的次数特征时,从所述多个人脸对象中选择在连续的多个图像中出现次数最多的人脸对象作为所述待识别的人脸对象。需要说明的是,所述待识别的人脸对象的特征除了包括上述所列举的在所述图像中的位置特征、在所述图像中出现次数特征以及在所述图像中的面积特征,还可以包括所述待识别的人脸对象的面部表情特征、眼球变化特征和瞳孔变化特征中的至少一种特征。
步骤S104:根据所述待识别的人脸对象的特征,获得所述待识别的人脸对象对应的第一人物的心理特征。
在本发明实施例中,可以通过分析待识别的人脸对象的特征,获得待识别的人脸对象对应的第一人物的心理特征。具体的,利用心理特征预测模型对待识别的人脸对象的特征所包含的所述待识别的人脸对象的面部表情特征、眼球变化特征和瞳孔变化特征中的至少一种特征进行识别,获得待识别的人脸对象对应的第一人物的心理特征。
其中,所述的心理特征预测模型是指预先训练的用于根据人脸对象的特征预测人脸对象对应的人物的心理特征的深度神经网络模型。
需要说明的是,该心理特征预测模型是通过首先获得人脸对象的特征样本以及与人脸对象的特征样本匹配的人脸对象对应的人物的心理特征样本,然后利用人脸对象的特征样本以及人脸对象对应的人物的心理特征样本进行模型训练获得的。
在本发明实施例中,心理特征预测模型可以包括面部表情特征识别子模型、眼球变化特征识别子模型以及瞳孔变化特征识别子模型。
其中,所述的面部表情特征识别子模型是通过首先获得人脸对象的面部表情特征数据样本、与人脸对象的面部表情特征匹配的人物对象对应的心理特征数据样本,然后利用深度神经网络特征学习算法和面部表情特征分类算法对所述数据样本进行模型训练获得的。
所述的眼球变化特征识别子模型是通过获得人脸对象的眼球变化特征数据样本、与人脸对象的面部表情特征匹配的人物对象对应的心理特征数据样本,然后利用深度神经网络特征学习算法和面部表情特征分类算法对所述数据样本进行模型训练获得的。
所述的瞳孔变化特征识别子模型是通过获得人脸对象的瞳孔变化特征数据样本、与人脸对象的面部表情特征匹配的人物对象对应的心理特征数据样本,利用深度神经网络特征学习算法和瞳孔变化特征分类算法对上述数据样本进行模型训练获得的。
步骤S105:根据所述第一人物的心理特征,判断是否在所述图像中对所述多个人脸对象中的非待识别的人脸对象进行遮挡处理,获得判断结果。
在本发明实施例中,所述的第一人物的心理特征可以是指待识别的人脸对象对应的心理特征,该心理特征可以是指待识别的人脸对象存在的不愿被评估的心理。
在步骤S104中获得第一人物的心理特征之后,可以根据所述第一人物的心理特征,判断是否在所述图像中对多个人脸对象中的非待识别的人脸对象进行遮挡处理。若第一人物的心理特征为第一人物存在不愿被评估的心理,则确定在图像中对多个人脸对象中的非待识别的人脸对象进行遮挡处理。若第一人物的心理特征为第一人物不存在不愿被评估的心理,则确定在图像中对多个人脸对象中的非待识别的人脸对象不进行遮挡处理,并输出所述待处理后的图像。
另外,本发明实施例还提供另一种实施方式,获取多个人脸对象中的非待识别的人脸对象的特征,根据所述非待识别的人脸对象的特征,获得非待识别的人脸对象对应的第二人物的心理特征。所述的第二人物的心理特征也可以是指非待识别的人脸对象存在的不愿被评估的心理。根据第一人物的心理特征和第二人物的心理特征,综合判断是否在图像中对多个人脸对象中的非待识别的人脸对象进行遮挡处理,获得判断结果。
例如,若所述第一人物的心理特征为待识别的人脸对象不存在不愿被评估的心理,但所述第二人物的心理特征为非待识别的人脸对象存在不愿被评估的心理,则确定在所述图像中对所述多个人脸对象中的非待识别的人脸对象进行遮挡处理。若所述第一人物的心理特征为待识别的人脸对象存在不愿被评估的心理,但所述第二人物的心理特征为非待识别的人脸对象不存在不愿被评估的心理,则确定在所述图像中对所述多个人脸对象中的非待识别的人脸对象进行遮挡处理。若所述第一人物的心理特征为待识别的人脸对象不存在不愿被评估的心理,所述第二人物的心理特征为非待识别的人脸对象也不存在不愿被评估的心理,则确定在所述图像中不对所述多个人脸对象中的非待识别的人脸对象进行遮挡处理。
步骤S106:根据所述判断结果,对所述图像进行处理。
在本发明实施例的步骤S105中获得判断结果后,可以根据该判断结果,对所述图像进行相应处理。具体的,在所述图像中对所述多个人脸对象中的非待识别的人脸对象进行遮挡处理,获得遮挡处理后的图像,并输出所述遮挡处理后的图像。需要说明的是,所述遮挡处理包括模糊化处理、删除处理和使用其他对象替换处理中的至少一种处理方式。
另外,请参考图10所示,其为本发明实施例提供的一种图像处理方法的完整流程图。在使用人脸识别闸机过程中,用户抵达闸机进入待识别区域,人脸识别闸机采集待处理的图像。当从所述图像中获取的人脸对象等于1时,将当前获取的人脸对象确定为待识别的人脸对象。
当从所述图像中获取的人脸对象大于1时,获取多个人脸对象中的待识别的人脸对象的特征,根据所述待识别的人脸对象的特征,获得待识别的人脸对象对应的第一人物的心理特征,根据所述非待识别的人脸对象的特征,获得非待识别的人脸对象对应的第二人物的心理特征。
根据第一人物(待识别的人脸对象)的心理特征,判断是否在所述图像中对多个人脸对象中的非待识别的人脸对象进行遮挡处理,获得判断结果。或者根据第二人物(非待识别的人脸对象)的心理特征,判断是否在所述图像中对多个人脸对象中的非待识别的人脸对象进行遮挡处理,获得判断结果。或者根据第一人物(待识别的人员)和第二人物(非待识别的人脸对象)的心理特征,综合判断是否在所述图像中对多个人脸对象中的非待识别的人脸对象进行遮挡处理,获得判断结果。
根据判断结果,对所述图像进行相应处理。
采用本申请所述的图像处理方法,可以通过获得的人脸图像识别出用户的心理特征,确定是否对采集到的人脸图像进行相应处理,避免了用户在人脸识别过程中的抵触心理,提升了用户的使用体验。
与上述提供的一种图像处理方法相对应,本发明还提供一种图像处理装置。由于本装置实施例相似于上述方法实施例,所以描述的比较简单,相关之处请参见上述方法实施例部分说明即可,下面描述装置实施例仅是示意性的。请参考图2所示,其为本发明实施例提供的一种图像处理装置的示意图。
本发明实施例所述的图像处理装置包括如下部分:
图像获取单元201,用于获取待处理的图像。
本发明实施例提供的图像处理装置可以应用于人脸识别领域。在人脸识别过程中首先需要获取待处理的图像,该图像为包含背景图像与多个人物对象的原始图像。
人脸对象获取单元202,用于从所述图像中获取多个人脸对象。
进一步的,在图像获取单元201中获取到待处理的图像后,对所述待处理的图像进行预处理,确定所述待处理的图像中的待定人脸区域。然后可以根据预设的人脸轮廓的特征以及人脸肤色的特征,判断该待定人脸区域是否为真实人脸区域,若是,则从真实人脸区域中获取待处理的人脸对象。从所述待处理的图像中识别出的人脸对象可以为多个人脸对象。其中,所述多个人脸对象中包含待识别的人脸对象和非待识别的人脸对象。
人脸对象特征获取单元203,用于获取所述多个人脸对象中的待识别的人脸对象的特征。
在本发明实施例中,由于所述多个人脸对象中包含待识别的人脸对象和非待识别的人脸对象两种,因此,需要分别获取所述多个人脸对象中待识别的人脸对象的特征和非待识别的人脸对象的特征,根据所述待识别的人脸对象的特征和非待识别的人脸对象的特征的不同,以及与预设的待识别的人脸对象的特征进行比对分析,从所述多个人脸对象中区别出作为待识别的人脸对象对应的特征。其中,预设的待识别的人脸对象的特征可以是指人脸对象在所述图像中处于中心位置的位置特征、人脸对象在所述图像中所占面积最大的面积特征以及人脸对象在连续的多个图像中出现次数最多的次数特征。
心理特征获得单元204,用于根据所述待识别的人脸对象的特征,获得所述待识别的人脸对象对应的第一人物的心理特征;
判断单元205,用于根据所述第一人物的心理特征,判断是否在所述图像中对所述多个人脸对象中的非待识别的人脸对象进行遮挡处理,获得判断结果。
在本发明实施例中,可以通过分析待识别的人脸对象的特征,获得待识别的人脸对象对应的第一人物的心理特征。具体的,利用心理特征预测模型对待识别的人脸对象的特征进行识别,获得待识别的人脸对象对应的第一人物的心理特征。其中,心理特征预测模型是指预先训练的用于根据人脸对象的特征预测人脸对象对应的人物的心理特征的深度神经网络模型。所述心理特征预测模型是通过首先获得人脸对象的特征样本以及与人脸对象的特征样本匹配的人脸对象对应的人物的心理特征样本,然后利用人脸对象的特征样本以及人脸对象对应的人物的心理特征样本进行模型训练获得的。
处理单元206,用于根据所述判断结果,对所述图像进行处理。
在本发明实施例的判断单元205中获得判断结果后,可以根据该判断结果,对所述图像进行相应处理。具体的,在所述图像中对所述多个人脸对象中的非待识别的人脸对象进行遮挡处理,获得遮挡处理后的图像,并输出所述遮挡处理后的图像。需要说明的是,所述遮挡处理包括模糊化处理、删除处理和使用其他对象替换处理中的至少一种处理方式。
与上述提供的一种图像处理方法相对应的,本发明实施例还提供一种图像处理的电子设备,请参见图9,其为本发明实施例提供的一种图像处理的电子设备示意图。
本发明实施例所述的图像处理的电子设备包括如下部分:
处理器901;以及
存储器902,用于存储图像处理方法的程序,该设备通电并通过所述处理器运行该图像处理方法的程序后,执行下述步骤:
获取待处理的图像;
从所述图像中获取多个人脸对象;
获取所述多个人脸对象中的待识别的人脸对象的特征;
根据所述待识别的人脸对象的特征,获得所述待识别的人脸对象对应的第一人物的心理特征;
根据所述第一人物的心理特征,判断是否在所述图像中对所述多个人脸对象中的非待识别的人脸对象进行遮挡处理,获得判断结果;
根据所述判断结果,对所述图像进行处理。
需要说明的是,对于本发明实施例提供的一种图像处理的电子设备的详细描述,可以参考对本发明实施例提供的一种图像处理方法的相关描述,这里不再赘述。
与上述提供的一种图像处理方法相对应的,本发明实施例还提供一种图像处理的存储设备。本发明实施例所述的图像处理的存储设备包括如下部分:存储有图像处理方法的程序,该程序被处理器运行,执行下述步骤:
获取待处理的图像;
从所述图像中获取多个人脸对象;
获取所述多个人脸对象中的待识别的人脸对象的特征;
根据所述待识别的人脸对象的特征,获得所述待识别的人脸对象对应的第一人物的心理特征;
根据所述第一人物的心理特征,判断是否在所述图像中对所述多个人脸对象中的非待识别的人脸对象进行遮挡处理,获得判断结果;
根据所述判断结果,对所述图像进行处理。
需要说明的是,对于本发明实施例提供的一种图像处理的存储设备的详细描述,可以参考对本发明实施例提供的一种图像处理方法的相关描述,这里不再赘述。
与上述的提供的第一种图像处理方法相对应,本发明还提供第二种图像处理方法。请参见图3所示,其为本发明实施例提供的第二种图像处理方法的流程图。
本发明提供的第二种图像处理方法包括如下步骤:
步骤S301:获取待处理的图像。
步骤S302:从所述图像中获取待识别的人脸对象。
步骤S303:获得所述人脸对象的特征。
步骤S304:获得所述待处理的图像所需应用的场景的特征。
在本发明实施例中,若要在人脸识别过程中对所述图像进行处理,首先需要获得待处理的图像所需应用的场景的特征。具体的,获得所述待处理的图像所需应用的应用场景模式的描述信息,从所述应用场景模式的描述信息中提取出所述待处理的图像所需应用的场景的特征。
步骤S305:根据所述人脸对象的特征和所述场景的特征,获得所述人脸对象对应的人物的心理特征。
在步骤S304中获得人脸对象的特征和所述场景的特征之后,可以根据人脸对象的特征和场景的特征,获得该人脸对象对应的人物的心理特征。具体的,首先获得该人脸对象的特征样本和场景的特征样本以及与人脸对象的特征样本和场景特征样本匹配的人脸对象对应的人物的心理特征样本,利用该人脸对象的特征样本和场景的特征样本以及人脸对象对应的人物的心理特征样本进行模型训练,获得所述心理特征预测模型。
在本申请实施例中,所述根据所述人脸对象的特征和所述场景的特征,获得所述人脸对象对应的人物的心理特征,具体包括:
利用心理特征预测模型对所述人脸对象的特征和所述场景的特征进行识别,获得所述人脸对象对应的人物的心理特征,所述心理特征预测模型用于根据人脸对象的特征和场景的特征预测人脸对象对应的人物的心理特征。
步骤S306:根据所述人物的心理特征,在所述图像中对所述人脸对象进行加工处理。
在步骤S305中利用心理特征预测模型获得人物的心理特征之后,还可以对所述图像中对所述人脸对象进行加工处理。所述加工处理包括模糊化处理、美化处理和使用其他对象替换处理中的至少一种处理方式。在所述图像中对所述人脸对象进行加工处理,具体的:若所述人物存在所述不愿被评估的心理,则在所述图像中对所述人脸对象进行所述模糊化处理或所述使用其他对象替换处理。例如,在日常场合下,若所述人物存在所述不愿被评估的心理,可以识别用户的五官数据后,将待识别的人脸对象的脸部图像处理为卡通头像或者做模糊化遮挡处理等。若所述人物不存在所述不愿被评估的心理,则在所述图像中对所述人脸对象进行所述人脸美化处理。在商务场合下,可以将待识别的人脸对象的脸部图像增加美颜滤镜等。
需要说明的是,对于本发明实施例提供的第二种图像处理方法的详细描述,可以参考对本发明实施例提供的第一种图像处理方法的相关描述,这里不再赘述。
与上述的提供的第二种图像处理方法相对应,本发明还提供第二种图像处理装置。请参见图4所示,其为本发明实施例提供的第二种图像处理装置的示意图。
本发明提供的第二种图像处理装置包括如下部分:
第二图像获取单元401,用于获取待处理的图像。
第二人脸对象获取单元402,用于从所述图像中获取待识别的人脸对象。
第三人脸对象特征获取单元403,用于获得所述人脸对象的特征。
场景特征获得单元404,用于获得所述待处理的图像所需应用的场景的特征。
在本发明实施例中,若要在人脸识别过程中对所述图像进行处理,首先需要获得待处理的图像所需应用的场景的特征。具体的,获得所述待处理的图像所需应用的应用场景模式的描述信息,从所述应用场景模式的描述信息中提取出所述待处理的图像所需应用的场景的特征。
第三心理特征获得单元405,用于根据所述人脸对象的特征和所述场景的特征,获得所述人脸对象对应的人物的心理特征。
在场景特征获得单元404中获得人脸对象的特征和所述场景的特征之后,可以根据人脸对象的特征和场景的特征,获得该人脸对象对应的人物的心理特征。具体的,首先获得该人脸对象的特征样本和场景的特征样本以及与人脸对象的特征样本和场景特征样本匹配的人脸对象对应的人物的心理特征样本,利用该人脸对象的特征样本和场景的特征样本以及人脸对象对应的人物的心理特征样本进行模型训练,获得所述心理特征预测模型。
在本申请实施例中,所述根据所述人脸对象的特征和所述场景的特征,获得所述人脸对象对应的人物的心理特征,具体包括:
利用心理特征预测模型对所述人脸对象的特征和所述场景的特征进行识别,获得所述人脸对象对应的人物的心理特征,所述心理特征预测模型用于根据人脸对象的特征和场景的特征预测人脸对象对应的人物的心理特征。
第三处理单元406,用于根据所述人物的心理特征,在所述图像中对所述人脸对象进行加工处理。
在第三心理特征获得单元405中利用心理特征预测模型获得人物的心理特征之后,还可以对所述图像中对所述人脸对象进行加工处理。所述加工处理包括模糊化处理、美化处理和使用其他对象替换处理中的至少一种处理方式。在所述图像中对所述人脸对象进行加工处理,具体的:若所述人物存在所述不愿被评估的心理,则在所述图像中对所述人脸对象进行所述模糊化处理或所述使用其他对象替换处理。例如,在日常场合下,若所述人物存在所述不愿被评估的心理,可以识别用户的五官数据后,将待识别的人脸对象的脸部图像处理为卡通头像或者做模糊化遮挡处理等。若所述人物不存在所述不愿被评估的心理,则在所述图像中对所述人脸对象进行所述人脸美化处理。在商务场合下,可以将待识别的人脸对象的脸部图像增加美颜滤镜等。
需要说明的是,对于本发明实施例提供的第二种图像处理装置的详细描述,可以参考对本发明实施例提供的第二种图像处理方法的相关描述,这里不再赘述。
与上述的提供的第一种图像处理方法相对应,本发明还提供第三种图像处理方法。请参见图5所示,其为本发明实施例提供的第三种图像处理方法的流程图。
本发明提供的第三种图像处理方法包括如下步骤:
步骤S501:获取待处理的图像。
步骤S502:从所述图像中获取待识别的人脸对象和非待识别的人脸对象。
在本发明实施例中,所述从所述图像中获取待识别的人脸对象和非待识别的人脸对象,具体包括:从所述图像中获取多个人脸对象;获取所述多个人脸对象中每个人脸对象的特征;根据所述每个人脸对象的特征,从所述多个人脸对象中选择出所述待识别的人脸对象和非待识别的人脸对象。
所述待识别的人脸对象的特征包括:所述待识别的人脸对象在所述图像中所在位置的位置特征、所述待识别的人脸对象在所述图像中所占面积的面积特征以及所述待识别的人脸对象在连续的多个图像中出现次数的次数特征中的至少一种特征。
所述非待识别的人脸对象的特征包括:所述非待识别的人脸对象在所述图像中所在位置的位置特征、所述非待识别的人脸对象在所述图像中所占面积的面积特征以及所述非待识别的人脸对象在连续的多个图像中出现次数的次数特征中的至少一种特征。
在本发明实施例中,所述根据所述每个人脸对象的特征,从所述多个人脸对象中选择出所述待识别的人脸对象和非待识别的人脸对象,包括:当所述每个人脸对象的特征包括每个人脸对象在所述图像中所在位置的位置特征时,从所述多个人脸对象中选择人脸对象中心位置与所述图像的中心位置距离最近的人脸对象作为所述待识别的人脸对象,将除所述待识别的人脸对象之外的人脸对象作为所述非待识别的人脸对象;或者,当所述每个人脸对象的特征包括每个人脸对象在所述图像中所占面积的面积特征时,从所述多个人脸对象中选择在所述图像中所占面积最大的人脸对象作为所述待识别的人脸对象,将除所述待识别的人脸对象之外的人脸对象作为所述非待识别的人脸对象;或者,当所述每个人脸对象的特征包括每个人脸对象在连续的多个图像中出现次数的次数特征时,从所述多个人脸对象中选择在连续的多个图像中出现次数最多的人脸对象作为所述待识别的人脸对象,将除所述待识别的人脸对象之外的人脸对象作为所述非待识别的人脸对象。
步骤S503:在所述图像中针对所述非待识别的人脸对象进行遮挡处理。
需要说明的是,对于本发明实施例提供的第三种图像处理方法的详细描述,可以参考对本发明实施例提供的第一种图像处理方法的相关描述,这里不再赘述。
与上述的提供的第三种图像处理方法相对应,本发明还提供第三种图像处理装置。请参见图6所示,其为本发明实施例提供的第三种图像处理装置的示意图。
本发明提供的第三种图像处理装置包括如下部分:
第三图像获取单元601,用于获取待处理的图像。
第三人脸对象获取单元602,用于从所述图像中获取待识别的人脸对象和非待识别的人脸对象。
在本发明实施例中,所述从所述图像中获取待识别的人脸对象和非待识别的人脸对象,具体包括:从所述图像中获取多个人脸对象;获取所述多个人脸对象中每个人脸对象的特征;根据所述每个人脸对象的特征,从所述多个人脸对象中选择出所述待识别的人脸对象和非待识别的人脸对象。
所述待识别的人脸对象的特征包括:所述待识别的人脸对象在所述图像中所在位置的位置特征、所述待识别的人脸对象在所述图像中所占面积的面积特征以及所述待识别的人脸对象在连续的多个图像中出现次数的次数特征中的至少一种特征。
所述非待识别的人脸对象的特征包括:所述非待识别的人脸对象在所述图像中所在位置的位置特征、所述非待识别的人脸对象在所述图像中所占面积的面积特征以及所述非待识别的人脸对象在连续的多个图像中出现次数的次数特征中的至少一种特征。
在本发明实施例中,所述根据所述每个人脸对象的特征,从所述多个人脸对象中选择出所述待识别的人脸对象和非待识别的人脸对象,包括:当所述每个人脸对象的特征包括每个人脸对象在所述图像中所在位置的位置特征时,从所述多个人脸对象中选择人脸对象中心位置与所述图像的中心位置距离最近的人脸对象作为所述待识别的人脸对象,将除所述待识别的人脸对象之外的人脸对象作为所述非待识别的人脸对象;或者,当所述每个人脸对象的特征包括每个人脸对象在所述图像中所占面积的面积特征时,从所述多个人脸对象中选择在所述图像中所占面积最大的人脸对象作为所述待识别的人脸对象,将除所述待识别的人脸对象之外的人脸对象作为所述非待识别的人脸对象;或者,当所述每个人脸对象的特征包括每个人脸对象在连续的多个图像中出现次数的次数特征时,从所述多个人脸对象中选择在连续的多个图像中出现次数最多的人脸对象作为所述待识别的人脸对象,将除所述待识别的人脸对象之外的人脸对象作为所述非待识别的人脸对象。
第四处理单元603,用于在所述图像中针对所述非待识别的人脸对象进行遮挡处理。
需要说明的是,对于本发明实施例提供的第三种图像处理装置的详细描述,可以参考对本发明实施例提供的第三种图像处理方法的相关描述,这里不再赘述。
与上述的提供的第一种图像处理方法相对应,本发明还提供第四种图像处理方法。请参见图7所示,其为本发明实施例提供的第四种图像处理方法的流程图。
本发明提供的第四种图像处理方法包括如下步骤:
步骤S701:获取待识别的图像。
步骤S702:从所述图像中获取待识别的人脸对象。
在本发明实施例中,所述从所述图像中获取待识别的人脸对象,具体包括:从所述图像中获取多个人脸对象;获取所述多个人脸对象中每个人脸对象的特征;根据所述每个人脸对象的特征,从所述多个人脸对象中选择出所述待识别的人脸对象。
步骤S703:获得所述待识别的图像所需应用的场景的特征。
在本发明实施例中,所述获得所述待识别的图像所需应用的场景的特征,包括:获得所述待识别的图像所需应用的应用场景模式的描述信息;从所述应用场景模式的描述信息中提取出所述待识别的图像所需应用的场景的特征。
步骤S704:根据所述场景的特征,在所述图像中对所述人脸对象进行加工处理。
需要说明的是,对于本发明实施例提供的第四种图像处理方法的详细描述,可以参考对本发明实施例提供的第一种图像处理方法的相关描述,这里不再赘述。
与上述的提供的第四种图像处理方法相对应,本发明还提供第四种图像处理装置。请参见图8所示,其为本发明实施例提供的第四种图像处理装置的示意图。
本发明提供的第四种图像处理装置包括如下部分:
第四图像获取单元801,用于获取待识别的图像。
第四人脸对象获取单元802,用于从所述图像中获取待识别的人脸对象。
在本发明实施例中,所述获得所述待识别的图像所需应用的场景的特征,包括:获得所述待识别的图像所需应用的应用场景模式的描述信息;从所述应用场景模式的描述信息中提取出所述待识别的图像所需应用的场景的特征。
第二场景特征获得单元803,用于获得所述待识别的图像所需应用的场景的特征。
在本发明实施例中,所述获得所述待识别的图像所需应用的场景的特征,包括:获得所述待识别的图像所需应用的应用场景模式的描述信息;从所述应用场景模式的描述信息中提取出所述待识别的图像所需应用的场景的特征。
第五处理单元804,用于根据所述场景的特征,在所述图像中对所述人脸对象进行加工处理。
需要说明的是,对于本发明实施例提供的第四种图像处理装置的详细描述,可以参考对本发明实施例提供的第四种图像处理方法的相关描述,这里不再赘述。
本发明虽然以较佳实施例公开如上,但其并不是用来限定本发明,任何本领域技术人员在不脱离本发明的精神和范围内,都可以做出可能的变动和修改,因此本发明的保护范围应当以本发明权利要求所界定的范围为准。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括非暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
本领域技术人员应明白,本发明的实施例可提供为方法、系统或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
Claims (35)
1.一种图像处理方法,其特征在于,包括:
获取待处理的图像;
从所述图像中获取多个人脸对象;
获取所述多个人脸对象中的待识别的人脸对象的特征;
根据所述待识别的人脸对象的特征,获得所述待识别的人脸对象对应的第一人物的心理特征;
根据所述第一人物的心理特征,判断是否在所述图像中对所述多个人脸对象中的非待识别的人脸对象进行遮挡处理,获得判断结果;
根据所述判断结果,对所述图像进行处理。
2.根据权利要求1所述的方法,其特征在于,所述获取所述多个人脸对象中的待识别的人脸对象的特征,包括:
获取所述多个人脸对象中每个人脸对象的特征;
根据所述每个人脸对象的特征,从所述多个人脸对象中选择出作为所述待识别的人脸对象;
获取所述待识别的人脸对象的特征。
3.根据权利要求2所述的方法,其特征在于,所述每个人脸对象的特征包括每个人脸对象在所述图像中所在位置的位置特征、每个人脸对象在所述图像中所占面积的面积特征以及每个人脸对象在连续的多个图像中出现次数的次数特征中的至少一种特征。
4.根据权利要求3所述的方法,其特征在于,所述根据所述每个人脸对象的特征,从所述多个人脸对象中选择出作为所述待识别的人脸对象,包括:
当所述每个人脸对象的特征包括每个人脸对象在所述图像中所在位置的位置特征时,从所述多个人脸对象中选择人脸对象中心位置与所述图像的中心位置距离最近的人脸对象作为所述待识别的人脸对象;
或者,当所述每个人脸对象的特征包括每个人脸对象在所述图像中所占面积的面积特征时,从所述多个人脸对象中选择在所述图像中所占面积最大的人脸对象作为所述待识别的人脸对象;
或者,当所述每个人脸对象的特征包括每个人脸对象在连续的多个图像中出现次数的次数特征时,从所述多个人脸对象中选择在连续的多个图像中出现次数最多的人脸对象作为所述待识别的人脸对象。
5.根据权利要求1至4任意一项所述的方法,其特征在于,所述待识别的人脸对象的特征包括所述待识别的人脸对象的面部表情特征、眼球变化特征和瞳孔变化特征中的至少一种特征。
6.根据权利要求1所述的方法,其特征在于,所述根据所述待识别的人脸对象的特征,获得所述待识别的人脸对象对应的第一人物的心理特征,具体包括:
利用心理特征预测模型对所述待识别的人脸对象的特征进行识别,获得所述待识别的人脸对象对应的第一人物的心理特征,所述心理特征预测模型用于根据人脸对象的特征预测人脸对象对应的人物的心理特征。
7.根据权利要求6所述的方法,其特征在于,还包括:
获得人脸对象的特征样本以及与所述人脸对象的特征样本匹配的人脸对象对应的人物的心理特征样本;
利用所述人脸对象的特征样本以及所述人脸对象对应的人物的心理特征样本,训练所述心理特征预测模型。
8.根据权利要求1所述的方法,其特征在于,所述根据所述第一人物的心理特征,判断是否在所述图像中对所述多个人脸对象中的非待识别的人脸对象进行遮挡处理,获得判断结果,具体包括:若所述第一人物的心理特征为第一人物存在不愿被评估的心理,则确定在所述图像中对所述多个人脸对象中的非待识别的人脸对象进行遮挡处理;
所述根据所述判断结果,对所述图像进行处理,包括:在所述图像中对所述多个人脸对象中的非待识别的人脸对象进行遮挡处理,获得遮挡处理后的图像,并输出所述遮挡处理后的图像。
9.根据权利要求1所述的方法,其特征在于,所述根据所述第一人物的心理特征,判断是否在所述图像中对所述多个人脸对象中的非待识别的人脸对象进行遮挡处理,获得判断结果,具体包括:
若所述第一人物的心理特征为第一人物不存在不愿被评估的心理,则确定在所述图像中对所述多个人脸对象中的非待识别的人脸对象不进行遮挡处理;
所述根据所述判断结果,对所述图像进行处理,包括:输出所述待处理的图像。
10.根据权利要求1所述的方法,其特征在于,还包括:
获取所述多个人脸对象中的非待识别的人脸对象的特征;
根据所述非待识别的人脸对象的特征,获得所述非待识别的人脸对象对应的第二人物的心理特征;
所述根据所述第一人物的心理特征,判断是否在所述图像中对所述多个人脸对象中的非待识别的人脸对象进行遮挡处理,获得判断结果,包括:
根据所述第一人物的心理特征和所述第二人物的心理特征,判断是否在所述图像中对所述多个人脸对象中的非待识别的人脸对象进行遮挡处理,获得判断结果。
11.根据权利要求10所述的方法,其特征在于,所述根据所述第一人物的心理特征和所述第二人物的心理特征,判断是否在所述图像中对所述多个人脸对象中的非待识别的人脸对象进行遮挡处理,具体包括:
若所述第一人物的心理特征为第一人物不存在不愿被评估的心理,但所述第二人物的心理特征为第二人物存在不愿被评估的心理,则确定在所述图像中对所述多个人脸对象中的非待识别的人脸对象进行遮挡处理;
所述根据所述判断结果,对所述图像进行处理,包括:在所述图像中对所述多个人脸对象中对所述多个人脸对象中的非待识别的人脸对象进行遮挡处理,获得遮挡处理后的图像,并输出所述遮挡处理后的图像。
12.根据权利要求1-4和6-11任意一项权利要求所述的方法,其特征在于,所述遮挡处理包括模糊化处理、删除处理和使用其他对象替换处理中的至少一种处理方式。
13.一种图像处理方法,其特征在于,包括:
获取待处理的图像;
从所述图像中获取待识别的人脸对象和非待识别的人脸对象;
在所述图像中针对所述非待识别的人脸对象进行遮挡处理,包括:根据所述待识别的人脸对象对应的第一人物的心理特征,判断是否在所述图像中对所述非待识别的人脸对象进行遮挡处理;根据所述判断结果,对所述图像进行处理。
14.根据权利要求13所述的方法,其特征在于,所述从所述图像中获取待识别的人脸对象和非待识别的人脸对象,具体包括:
从所述图像中获取多个人脸对象;
获取所述多个人脸对象中每个人脸对象的特征;
根据所述每个人脸对象的特征,从所述多个人脸对象中选择出所述待识别的人脸对象和非待识别的人脸对象。
15.根据权利要求14所述的方法,其特征在于,所述待识别的人脸对象的特征包括:所述待识别的人脸对象在所述图像中所在位置的位置特征、所述待识别的人脸对象在所述图像中所占面积的面积特征以及所述待识别的人脸对象在连续的多个图像中出现次数的次数特征中的至少一种特征;
所述非待识别的人脸对象的特征包括:所述非待识别的人脸对象在所述图像中所在位置的位置特征、所述非待识别的人脸对象在所述图像中所占面积的面积特征以及所述非待识别的人脸对象在连续的多个图像中出现次数的次数特征中的至少一种特征。
16.根据权利要求14所述的方法,其特征在于,所述根据所述每个人脸对象的特征,从所述多个人脸对象中选择出所述待识别的人脸对象和非待识别的人脸对象,包括:
当所述每个人脸对象的特征包括每个人脸对象在所述图像中所在位置的位置特征时,从所述多个人脸对象中选择人脸对象中心位置与所述图像的中心位置距离最近的人脸对象作为所述待识别的人脸对象,将除所述待识别的人脸对象之外的人脸对象作为所述非待识别的人脸对象;
或者,当所述每个人脸对象的特征包括每个人脸对象在所述图像中所占面积的面积特征时,从所述多个人脸对象中选择在所述图像中所占面积最大的人脸对象作为所述待识别的人脸对象,将除所述待识别的人脸对象之外的人脸对象作为所述非待识别的人脸对象;
或者,当所述每个人脸对象的特征包括每个人脸对象在连续的多个图像中出现次数的次数特征时,从所述多个人脸对象中选择在连续的多个图像中出现次数最多的人脸对象作为所述待识别的人脸对象,将除所述待识别的人脸对象之外的人脸对象作为所述非待识别的人脸对象。
17.一种图像处理装置,其特征在于,包括:
图像获取单元,用于获取待处理的图像;
人脸对象获取单元,用于从所述图像中获取多个人脸对象;
人脸对象特征获取单元,用于获取所述多个人脸对象中的待识别的人脸对象的特征;
心理特征获得单元,用于根据所述待识别的人脸对象的特征,获得所述待识别的人脸对象对应的第一人物的心理特征;
判断单元,用于根据所述第一人物的心理特征,判断是否在所述图像中对所述多个人脸对象中的非待识别的人脸对象进行遮挡处理,获得判断结果;
处理单元,用于根据所述判断结果,对所述图像进行处理。
18.根据权利要求17所述的装置,其特征在于,所述人脸对象特征获取单元具体包括:
人脸对象特征获取第一子单元,用于获取所述多个人脸对象中每个人脸对象的特征;
选择子单元,用于根据所述每个人脸对象的特征,从所述多个人脸对象中选择出作为所述待识别的人脸对象;
人脸对象特征获取第二子单元,用于获取所述待识别的人脸对象的特征。
19.根据权利要求18所述的装置,其特征在于,所述每个人脸对象的特征包括每个人脸对象在所述图像中所在位置的位置特征、每个人脸对象在所述图像中所占面积的面积特征以及每个人脸对象在连续的多个图像中出现次数的次数特征中的至少一种特征。
20.根据权利要求19所述的装置,其特征在于,所述选择子单元具体用于:
当所述每个人脸对象的特征包括每个人脸对象在所述图像中所在位置的位置特征时,从所述多个人脸对象中选择人脸对象中心位置与所述图像的中心位置距离最近的人脸对象作为所述待识别的人脸对象;
或者,当所述每个人脸对象的特征包括每个人脸对象在所述图像中所占面积的面积特征时,从所述多个人脸对象中选择在所述图像中所占面积最大的人脸对象作为所述待识别的人脸对象;
或者,当所述每个人脸对象的特征包括每个人脸对象在连续的多个图像中出现次数的次数特征时,从所述多个人脸对象中选择在连续的多个图像中出现次数最多的人脸对象作为所述待识别的人脸对象。
21.根据权利要求17至20任意一项所述的装置,其特征在于,所述待识别的人脸对象的特征包括所述待识别的人脸对象的面部表情特征、眼球变化特征和瞳孔变化特征中的至少一种特征。
22.根据权利要求17所述的装置,其特征在于,所述心理特征获得单元具体用于:
利用心理特征预测模型对所述待识别的人脸对象的特征进行识别,获得所述待识别的人脸对象对应的第一人物的心理特征,所述心理特征预测模型用于根据人脸对象的特征预测人脸对象对应的人物的心理特征。
23.根据权利要求22所述的装置,其特征在于,还包括:
获得人脸对象的特征样本以及与所述人脸对象的特征样本匹配的人脸对象对应的人物的心理特征样本;
利用所述人脸对象的特征样本以及所述人脸对象对应的人物的心理特征样本,训练所述心理特征预测模型。
24.根据权利要求17所述的装置,其特征在于,所述判断单元具体用于,若所述第一人物的心理特征为第一人物存在不愿被评估的心理,则确定在所述图像中对所述多个人脸对象中的非待识别的人脸对象进行遮挡处理;
所述处理单元具体用于,在所述图像中对所述多个人脸对象中的非待识别的人脸对象进行遮挡处理,获得遮挡处理后的图像,并输出所述遮挡处理后的图像。
25.根据权利要求17所述的装置,其特征在于,所述判断单元具体用于:
若所述第一人物的心理特征为第一人物不存在不愿被评估的心理,则确定在所述图像中对所述多个人脸对象中的非待识别的人脸对象不进行遮挡处理;
所述处理单元具体用于,输出所述待处理的图像。
26.根据权利要求17所述的装置,其特征在于,还包括:
第二人脸对象特征获取单元,用于获取所述多个人脸对象中的非待识别的人脸对象的特征;
第二心理特征获得单元,用于根据所述非待识别的人脸对象的特征,获得所述非待识别的人脸对象对应的第二人物的心理特征;
第二判断单元,用于所述根据所述第一人物的心理特征,判断是否在所述图像中对所述多个人脸对象中的非待识别的人脸对象进行遮挡处理,获得判断结果,包括:
第二处理单元,用于根据所述第一人物的心理特征和所述第二人物的心理特征,判断是否在所述图像中对所述多个人脸对象中的非待识别的人脸对象进行遮挡处理,获得判断结果。
27.根据权利要求26所述的装置,其特征在于,所述第二判断单元具体用于,若所述第一人物的心理特征为第一人物不存在不愿被评估的心理,但所述第二人物的心理特征为第二人物存在不愿被评估的心理,则确定在所述图像中对所述多个人脸对象中的非待识别的人脸对象进行遮挡处理;
所述第二处理单元具体用于,在所述图像中对所述多个人脸对象中对所述多个人脸对象中的非待识别的人脸对象进行遮挡处理,获得遮挡处理后的图像,并输出所述遮挡处理后的图像。
28.根据权利要求17-20和22-27任意一项权利要求所述的装置,其特征在于,所述遮挡处理包括模糊化处理、删除处理和使用其他对象替换处理中的至少一种处理方式。
29.一种图像处理装置,其特征在于,包括:
第三图像获取单元,用于获取待处理的图像;
第三人脸对象获取单元,用于从所述图像中获取待识别的人脸对象和非待识别的人脸对象;
第四处理单元,用于在所述图像中针对所述非待识别的人脸对象进行遮挡处理;
其中,所述在所述图像中针对所述非待识别的人脸对象进行遮挡处理,包括:根据所述待识别的人脸对象对应的第一人物的心理特征,判断是否在所述图像中对所述非待识别的人脸对象进行遮挡处理;根据所述判断结果,对所述图像进行处理。
30.根据权利要求29所述的装置,其特征在于,所述第三人脸对象获取单元具体用于:
从所述图像中获取多个人脸对象;
获取所述多个人脸对象中每个人脸对象的特征;
根据所述每个人脸对象的特征,从所述多个人脸对象中选择出所述待识别的人脸对象和非待识别的人脸对象。
31.根据权利要求30所述的装置,其特征在于,所述待识别的人脸对象的特征包括:所述待识别的人脸对象在所述图像中所在位置的位置特征、所述待识别的人脸对象在所述图像中所占面积的面积特征以及所述待识别的人脸对象在连续的多个图像中出现次数的次数特征中的至少一种特征;
所述非待识别的人脸对象的特征包括:所述非待识别的人脸对象在所述图像中所在位置的位置特征、所述非待识别的人脸对象在所述图像中所占面积的面积特征以及所述非待识别的人脸对象在连续的多个图像中出现次数的次数特征中的至少一种特征。
32.根据权利要求29所述的装置,其特征在于,所述第三人脸对象获取单元具体用于:
当每个人脸对象的特征包括每个人脸对象在所述图像中所在位置的位置特征时,从多个人脸对象中选择人脸对象中心位置与所述图像的中心位置距离最近的人脸对象作为所述待识别的人脸对象,将除所述待识别的人脸对象之外的人脸对象作为所述非待识别的人脸对象;
或者,当所述每个人脸对象的特征包括每个人脸对象在所述图像中所占面积的面积特征时,从所述多个人脸对象中选择在所述图像中所占面积最大的人脸对象作为所述待识别的人脸对象,将除所述待识别的人脸对象之外的人脸对象作为所述非待识别的人脸对象;
或者,当所述每个人脸对象的特征包括每个人脸对象在连续的多个图像中出现次数的次数特征时,从所述多个人脸对象中选择在连续的多个图像中出现次数最多的人脸对象作为所述待识别的人脸对象,将除所述待识别的人脸对象之外的人脸对象作为所述非待识别的人脸对象。
33.一种电子设备,其特征在于,包括:
处理器;以及
存储器,用于存储图像处理方法的程序,该设备通电并通过所述处理器运行该图像处理方法的程序后,执行下述步骤:
获取待处理的图像;
从所述图像中获取多个人脸对象;
获取所述多个人脸对象中的待识别的人脸对象的特征;
根据所述待识别的人脸对象的特征,获得所述待识别的人脸对象对应的第一人物的心理特征;
根据所述第一人物的心理特征,判断是否在所述图像中对所述多个人脸对象中的非待识别的人脸对象进行遮挡处理,获得判断结果;
根据所述判断结果,对所述图像进行处理。
34.一种存储设备,其特征在于,存储有图像处理方法的程序,该程序被处理器运行,执行下述步骤:
获取待处理的图像;
从所述图像中获取多个人脸对象;
获取所述多个人脸对象中的待识别的人脸对象的特征;
根据所述待识别的人脸对象的特征,获得所述待识别的人脸对象对应的第一人物的心理特征;
根据所述第一人物的心理特征,判断是否在所述图像中对所述多个人脸对象中的非待识别的人脸对象进行遮挡处理,获得判断结果;
根据所述判断结果,对所述图像进行处理。
35.一种图像处理系统,其特征在于,包括:权利要求17-28任意一项所述的图像处理装置以及权利要求29-32任意一项所述的图像处理装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811508552.8A CN109784157B (zh) | 2018-12-11 | 2018-12-11 | 一种图像处理方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811508552.8A CN109784157B (zh) | 2018-12-11 | 2018-12-11 | 一种图像处理方法、装置及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109784157A CN109784157A (zh) | 2019-05-21 |
CN109784157B true CN109784157B (zh) | 2021-10-29 |
Family
ID=66496150
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811508552.8A Active CN109784157B (zh) | 2018-12-11 | 2018-12-11 | 一种图像处理方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109784157B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110472537B (zh) * | 2019-07-31 | 2024-01-16 | 腾讯科技(深圳)有限公司 | 一种自适应识别方法、装置、设备及介质 |
CN111681179A (zh) * | 2020-05-22 | 2020-09-18 | 浙江大华技术股份有限公司 | 屏端显示方法、装置、计算机设备和计算机可读存储介质 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105335732B (zh) * | 2015-11-17 | 2018-08-21 | 西安电子科技大学 | 基于分块及鉴别非负矩阵分解的有遮挡人脸识别方法 |
CN105260732A (zh) * | 2015-11-26 | 2016-01-20 | 小米科技有限责任公司 | 图片处理方法及装置 |
CN105631039B (zh) * | 2016-01-15 | 2019-02-15 | 北京邮电大学 | 一种图片浏览方法 |
JP6754229B2 (ja) * | 2016-06-21 | 2020-09-09 | 加賀デバイス株式会社 | 画像処理装置及びコンピュータプログラム |
CN106156310A (zh) * | 2016-06-30 | 2016-11-23 | 努比亚技术有限公司 | 一种图片处理装置和方法 |
CN106156730B (zh) * | 2016-06-30 | 2019-03-15 | 腾讯科技(深圳)有限公司 | 一种人脸图像的合成方法和装置 |
CN106407935A (zh) * | 2016-09-21 | 2017-02-15 | 俞大海 | 基于人脸图像和眼动注视信息的心理测试方法 |
CN108363706B (zh) * | 2017-01-25 | 2023-07-18 | 北京搜狗科技发展有限公司 | 人机对话交互的方法和装置、用于人机对话交互的装置 |
CN108182714B (zh) * | 2018-01-02 | 2023-09-15 | 腾讯科技(深圳)有限公司 | 图像处理方法及装置、存储介质 |
CN108764010A (zh) * | 2018-03-23 | 2018-11-06 | 姜涵予 | 情绪状态确定方法及装置 |
-
2018
- 2018-12-11 CN CN201811508552.8A patent/CN109784157B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109784157A (zh) | 2019-05-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105678250B (zh) | 视频中的人脸识别方法和装置 | |
Chen et al. | Tools for protecting the privacy of specific individuals in video | |
Donia et al. | Spontaneous facial expression recognition based on histogram of oriented gradients descriptor. | |
CN110148121A (zh) | 一种皮肤图像处理方法、装置、电子设备及介质 | |
CN108846792A (zh) | 图像处理方法、装置、电子设备及计算机可读介质 | |
Lin et al. | Automatic age estimation system for face images | |
Alamri | Monitoring system for patients using multimedia for smart healthcare | |
CN109784157B (zh) | 一种图像处理方法、装置及系统 | |
Gorbova et al. | Going deeper in hidden sadness recognition using spontaneous micro expressions database | |
WO2021148852A1 (en) | Methods, systems, apparatuses, and devices for facilitating advertising of a product | |
Ponce-López et al. | Non-verbal communication analysis in victim–offender mediations | |
Zhang et al. | Facial action unit detection with local key facial sub-region based multi-label classification for micro-expression analysis | |
Azad et al. | Real-time human face detection in noisy images based on skin color fusion model and eye detection | |
CN111814738A (zh) | 基于人工智能的人脸识别方法、装置、计算机设备及介质 | |
Adireddi et al. | Detection of eye blink using svm classifier | |
KR102495889B1 (ko) | 반자동 라벨링에 따라 학습된 딥러닝 기반 주름 검출 모델을 이용하여 얼굴 주름을 검출하기 위한 방법 및 장치 | |
Yadav et al. | Noval approach of classification based Indian sign language recognition using transform features | |
Islam et al. | Toward detection of child exploitation material: a forensic approach | |
KR100360486B1 (ko) | 가버 필터링 반응값의 차원 공간 변환을 이용한 얼굴 인식방법 및 그 장치 | |
Hegde et al. | Facial expression recognition using entire gabor filter matching score level fusion approach based on subspace methods | |
CN114469139A (zh) | 脑电信号识别模型训练、脑电信号识别方法、装置及介质 | |
Vranceanu et al. | A computer vision approach for the eye accesing cue model used in neuro-linguistic programming | |
Bratoszewski et al. | Face profile view retrieval using time of flight camera image analysis | |
Chauhan et al. | Image-Based Attendance System using Facial Recognition | |
Anwar et al. | Real Time Eye Blink Detection Method for Android Device Controlling |
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 |