具体实施方式
下面结合附图和实施例对本公开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公开,而非对该公开的限定。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公开相关的部分。
需要说明的是,在不冲突的情况下,本公开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公开。
图1示出了可以应用本公开的实施例的用于标注牙齿图像的方法或用于标注牙齿图像的装置,或用于生成牙齿区域识别模型的方法或用于生成牙齿区域识别模型的装置,或用于识别牙齿图像的方法或用于识别牙齿图像的装置的示例性系统架构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,例如图像处理类应用,视频处理类应用、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,可以是各种电子设备。当终端设备101、102、103为软件时,可以安装在上述电子设备中。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上传的牙齿图像进行标注的后台图像处理服务器。后台图像处理服务器可以对接收到的牙齿图像进行分析等处理,并得到处理结果(例如牙齿图像对应的标注信息)。
需要说明的是,本公开的实施例所提供的用于标注牙齿图像的方法可以由服务器105执行,也可以由终端设备101、102、103执行,相应地,用于标注牙齿图像的装置可以设置于服务器105中,可以设置于终端设备101、102、103中。本公开的实施例所提供的用于生成牙齿区域识别模型的方法可以由服务器105执行,也可以由终端设备101、102、103执行,相应地,用于生成牙齿区域识别模型的装置可以设置于服务器105中,可以设置于终端设备101、102、103中。本公开的实施例所提供的用于识别牙齿图像的方法可以由服务器105执行,也可以由终端设备101、102、103执行,相应地,用于识别牙齿图像的装置可以设置于服务器105中,可以设置于终端设备101、102、103中。
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。当用于生成标注信息所需要的待标注牙齿图像,或用于训练牙齿区域识别模型所需要的训练样本集合,或用于识别牙齿图像的目标人脸图像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,而只需服务器或终端设备。
继续参考图2,示出了根据本公开的用于标注牙齿图像的方法的一个实施例的流程200。该用于标注牙齿图像的方法,包括以下步骤:
步骤201,获取待标注牙齿图像。
在本实施例中,用于标注牙齿图像的方法的执行主体(例如图1所示的服务器或终端设备)可以通过有线连接方式或者无线连接方式从远程,或从本地获取待标注牙齿图像。其中,待标注牙齿图像可以是待从其中确定至少一个牙齿区域并对牙齿区域的位置进行标注的图像。待标注牙齿图像可以是预先设置的牙齿图像,或预先从人脸图像中提取的牙齿图像。
在本实施例的一些可选的实现方式中,上述执行主体可以按照如下步骤获取待标注牙齿图像:
首先,获取目标人脸图像。其中,目标人脸图像对应于预设的牙齿图像位置信息。目标人脸图像可以是待从其中提取待标注牙齿图像的人脸图像。例如,目标人脸图像可以是预先存储在上述执行主体中的人脸图像,或者,目标人脸图像可以是由上述执行主体包括的摄像头对某人脸进行拍摄得到的人脸图像。牙齿图像位置信息用于表征目标人脸图像包括的牙齿图像的位置。
实践中,上述牙齿图像位置信息可以是标注人员手动标注的位置信息。例如,标注人员在目标人脸图像中,划出一个预设形状的区域,根据该区域在目标人脸图像中所处的位置,生成位置信息。例如,上述预设的形状可以是矩形,用于生成位置信息的执行主体可以将矩形的角点的坐标确定为位置信息。由于手动划出区域的操作方式简单,但表征牙齿区域的准确性较低,因此,再通过下述步骤中的确定至少一个牙齿区域的方法,可以实现手动标注和自动标注相结合,提高生成牙齿区域的标注信息的效率和准确性。
然后,根据牙齿图像位置信息,从目标人脸图像中提取待标注牙齿图像。具体地,作为示例,牙齿图像位置信息可以包括预先在目标人脸图像上建立的坐标系中的坐标值,通过坐标值,可以从目标人脸图像中确定一个图像区域,该图像区域即为待标注牙齿图像。例如,牙齿图像位置信息可以包括四个坐标值,分别用于表征矩形的四个角点,通过四个坐标值,可以确定其所表征的矩形对应的图像区域作为待标注牙齿图像。
在本实施例的一些可选的实现方式中,上述执行主体可以按照如下步骤获取待标注牙齿图像:
首先,获取目标人脸图像。其中,目标人脸图像可以是待从其中提取待标注牙齿图像的人脸图像。例如,目标人脸图像可以是预先存储在上述执行主体中的人脸图像,或者,目标人脸图像可以是由上述执行主体包括的摄像头对某人脸进行拍摄得到的人脸图像。
然后,确定目标人脸图像的人脸关键点信息集合。其中,人脸关键点信息是用于表征人脸关键点的信息。人脸关键点可以为表征用于人脸图像中的特定位置的点(例如表征眼角的点、表征嘴角的点等)。
具体地,上述执行主体可以按照各种现有的确定人脸关键点信息集合的方法,确定目标人脸图像的人脸关键点信息集合。上述执行主体可以将目标人脸图像输入预先训练的人脸关键点提取模型,得到人脸关键点信息集合。其中,人脸关键点提取模型可以用于表征人脸图像和人脸关键点信息集合的对应关系。需要说明的是,人脸关键点提取模型可以为基于训练样本(例如训练样本可以包括样本人脸图像和对样本人脸图像的人脸关键点进行标注的标注人脸关键点信息集合),利用机器学习方法,对初始模型(例如各种结构的卷积神经网络(Convolutional Neural Network,CNN)、主动形状模型(Active Shape Model,ASM)等)进行训练(例如将样本人脸图像作为初始模型的输入,将标注人脸关键点信息集合作为初始模型的期望输出进行训练)后得到的模型。应当理解,训练得到人脸关键点提取模型的方法是目前广泛研究和应用的公知技术,在此不再赘述。
再然后,从人脸关键点信息集合中,确定用于表征嘴部的人脸关键点信息的集合作为嘴部关键点信息集合。通常,人脸关键点可以具有对应的序号,上述执行主体可以根据预先设置的用于表征嘴部的人脸关键点的序号,从人脸关键点信息集合中,确定上述预先设置的序号对应的人脸关键点信息,作为用于表征嘴部的人脸关键点信息。
最后,基于嘴部关键点信息集合,从目标人脸图像中提取待标注牙齿图像。具体地,上述执行主体可以从目标人脸图像中,将包括各个嘴部关键点信息分别指示的人脸关键点的、预设形状的区域对应的图像,确定为待标注牙齿图像。作为示例,上述执行主体可以将包括各个嘴部关键点信息分别指示的人脸关键点的最小矩形或最小圆对应的图像,确定为待标注牙齿图像。
通过执行本实现方式,再通过执行下述确定至少一个牙齿区域的步骤,可以实现完全自动地生成标注信息,进一步提高对牙齿区域进行标注的效率。
步骤202,确定待标注牙齿图像包括的像素点的灰度值。
在本实施例中,上述执行主体可以按照现有的用于确定像素点的灰度值的方法,确定待标注牙齿图像包括的像素点的灰度值。其中,上述用于确定像素点的灰度值的方法是目前广泛研究和应用的公知技术,在此不再赘述。
步骤203,将大于等于预设的灰度值阈值的灰度值对应的像素点确定为目标像素点。
在本实施例中,上述执行主体可以将大于等于预设的灰度值阈值的灰度值对应的像素点确定为目标像素点。通常,像素点的灰度值越大,其颜色越接近白色。灰度值的范围通常为0-255,0表示颜色为纯黑色,255表示颜色为纯白色,灰度值阈值可以设置为150,大于该阈值的像素点即为目标像素点。
步骤204,根据所确定的目标像素点,确定至少一个牙齿区域。
在本实施例中,上述执行主体可以根据所确定的目标像素点,确定至少一个牙齿区域。具体地,作为示例,上述执行主体可以将连续排列的目标像素点组成的区域确定为一个牙齿区域,即牙齿区域包括的目标像素点中的每个目标像素点,与至少一个其他目标像素点相邻。如图3A所示,牙齿区域301包括的每个像素点(每个方格代表一个像素点),均与至少一个目标像素点相邻。
作为另一示例,上述执行主体可以将包括上述连续排列的目标像素点的最小矩形确定为一个牙齿区域。
通过执行本步骤,可以准确地将牙齿图像中,表征牙齿之间的缝隙的像素,以及牙齿图像中的,表征牙齿以外的其他像素过滤掉,从而得到准确的牙齿区域。
在本实施例的一些可选的实现方式中,上述至少一个牙齿区域中的牙齿区域包括的非目标像素点的数量小于等于预设数量。具体地,牙齿区域可以包括非目标像素点。非目标像素点即灰度值小于上述灰度值阈值的像素点。上述执行主体可以确定连续排列的目标像素点组成的区域内部包括的非目标像素点的数量,如果数量小于等于上述预设数量,则确定该区域为牙齿区域。作为示例,如图3B所示,牙齿区域302中,包括多个非目标像素点303,且非目标像素点的数量小于等于预设数量。需要说明的是,上述预设数量可以是预先设置的实际数量,也可以是根据预先设置的比例确定出的数量,上述比例可以是连续排列的目标像素点组成的区域包括的像素点的总数与包括的非目标像素点的数量之比。
此外,如果连续排列的目标像素点组成的区域内部包括的非目标像素点的数量大于预设数量,可以对该区域进行划分(例如设置一条穿过非目标像素点的组成的区域的直线作为划分的界线),得到至少两个牙齿区域。通过执行本实现方式,可以减少由于牙齿上的污垢造成的灰度值偏低而造成的识别牙齿区域发生的错误。
步骤205,生成用于表征至少一个牙齿区域中的牙齿区域的位置的标注信息。
在本实施例中,上述执行主体可以生成用于表征至少一个牙齿区域中的牙齿区域的在待标注牙齿图像的位置的标注信息。
具体地,上述至少一个牙齿区域中的每个牙齿区域可以对应于一个标注信息。作为示例,标注信息可以包括预先在待标注牙齿图像上建立的坐标系中的坐标值,通过坐标值,可以从待标注牙齿图像中确定一个区域,该区域即为牙齿区域。例如,标注信息可以包括多个坐标值,每个坐标值对应于一个位于牙齿区域边缘的像素点。再例如,当牙齿区域为矩形时,标注信息可以包括矩形的四个角点的坐标值。
通常,在生成标注信息之后,上述执行主体可以将标注信息存储到预设的存储区(例如可以是上述执行主体包括的存储区,或与上述执行主体通信连接的其他电子设备中的存储区)中。例如将包含待标注牙齿图像的人脸图像和标注信息,作为用于训练牙齿区域识别模型的训练样本,关联存储到上述存储区中。
继续参见图4,图4是根据本实施例的用于标注牙齿图像的方法的应用场景的一个示意图。在图4的应用场景中,电子设备401首先从本地获取待标注牙齿图像402。其中,待标注牙齿图像402可以是预先从目标人脸图像403中提取的牙齿图像。确定待标注牙齿图像402包括的每个像素点的灰度值。将大于等于预设的灰度值阈值(例如150)的灰度值对应的像素点确定为目标像素点。根据所确定的目标像素点,确定至少一个牙齿区域。例如,电子设备401将包括连续排列的目标像素点的区域确定为一个牙齿区域(如图中虚线框404所示的区域)。最后,生成用于表征上述牙齿区域的位置的标注信息405,标注信息405包括上述牙齿区域的边缘像素点的坐标值。
本公开的上述实施例提供的方法,通过获取待标注牙齿图像,确定待标注牙齿图像包括的像素点的灰度值,将大于等于预设的灰度值阈值的灰度值对应的像素点确定为目标像素点,根据目标像素点,确定至少一个牙齿区域,最后生成用于表征至少一个牙齿区域中的牙齿区域的位置的标注信息,从而有效地利用像素点的灰度值,提高了确定牙齿区域的准确性和生成标注信息的准确性,由于确定牙齿区域和标注信息的过程不需人工干预,因此,可以提高生成标注信息的效率。
继续参考图5,示出了根据本公开的用于生成牙齿区域识别模型的方法的一个实施例的流程500。该用于生成牙齿区域识别模型的方法,包括以下步骤:
步骤501,获取训练样本集合。
在本实施例中,用于生成牙齿区域识别模型的方法的执行主体(例如图1所示的服务器或终端设备)可以从远程或从本地获取训练样本集合。其中,训练样本包括样本人脸图像和对应的用于表征样本人脸图像包括的至少一个牙齿区域的位置的标注信息。
在本实施例中,标注信息是预先根据上述图2对应实施例描述的方法生成的。具体地,上述执行主体可以将训练样本集合中的每个训练样本包括的样本人脸图像中,可以包括预先确定的牙齿图像,将牙齿图像作为上述图2对应实施例中的待标注牙齿图像,执行上述图2对应实施例描述的各步骤,从而得到每个样本人脸图像对应的标注信息。本实施中的标注信息与图2对应实施例中的标注信息相同,关于标注信息的描述,可以参考图2对应实施例中的描述,这里不再赘述。
步骤502,利用机器学习方法,将训练样本集合中的训练样本包括的样本人脸图像作为输入,将与输入的样本人脸图像对应的标注信息作为期望输出,训练得到牙齿区域识别模型。
在本实施例中,上述执行主体可以利用机器学习方法,将上述训练样本集合中的训练样本包括的样本人脸图像作为输入,将与输入的样本人脸图像对应的标注信息作为期望输出,对初始模型(例如各种预设结构的卷积神经网络)进行训练,针对每次训练输入的样本人脸图像,可以得到实际输出。其中,实际输出可以是初始模型实际输出的信息,用于表征牙齿图像的位置。然后,上述执行主体可以采用梯度下降法,基于实际输出和期望输出,调整初始模型的参数,将每次调整参数后得到的模型作为下次训练的初始模型,并在满足预设的结束条件的情况下,结束训练,从而训练得到牙齿区域识别模型。
在这里,上述执行主体可以采用批量训练的方法对初始模型进行训练,也可以采用随机训练的方法对初始模型进行训练,本公开的实施例对此不做限定。
需要说明的是,这里预设的训练结束条件可以包括但不限于以下至少一项:训练时间超过预设时长;训练次数超过预设次数;利用预设的损失函数(例如交叉熵损失函数)计算所得的损失值小于预设损失值阈值。
本公开的上述实施例提供的方法,通过获取训练样本集合,其中,训练样本包括样本人脸图像和对应的用于表征样本人脸图像包括的至少一个牙齿区域的位置的标注信息,标注信息是图2对应实施例描述的方法生成的,然后,利用机器学习方法,将训练样本集合中的训练样本包括的样本人脸图像作为输入,将与输入的样本人脸图像对应的标注信息作为期望输出,训练得到牙齿区域识别模型,从而利用标注信息的准确性高的特点,使得训练得到的牙齿区域识别模型能够准确得识别人脸图像中的牙齿区域。
继续参考图6,示出了根据本公开的用于识别牙齿图像的方法的一个实施例的流程600。该用于识别牙齿图像的方法,包括以下步骤:
步骤601,获取目标人脸图像。
在本实施例中,用于识别牙齿图像的方法的执行主体(例如图1所示的服务器或终端设备)可以通过有线连接方式或者无线连接方式从远程或从本地获取目标人脸图像。其中,目标人脸图像可以是由预设的摄像头(例如上述执行主体包括的摄像头或与上述执行主体通信连接的摄像头)对目标人物(例如使用上述执行主体的用户或其他人物)的脸部进行拍摄得到的人脸图像。需要说明的是,目标人脸图像可以是单独的图像;也可以是从视频中提取的图像帧。例如,目标人脸图像可以是在上述执行主体上播放的视频包括的、当前显示的图像帧。
步骤602,将目标人脸图像输入预先训练的牙齿区域识别模型,得到用于表征目标人脸图像包括的至少一个牙齿区域的位置的位置信息及输出。
在本实施例中,上述执行主体可以将上述目标人脸图像输入预先训练的牙齿区域识别模型,得到用于表征目标人脸图像包括的至少一个牙齿区域的位置的位置信息及输出。其中,牙齿区域识别模型是根据上述图5对应实施例描述的方法生成的。具体地,上述至少一个牙齿区域中的每个牙齿区域可以对应于一个位置信息。位置信息可以包括坐标值,通过坐标值,可以从目标人物图像中确定对应的牙齿区域。
上述执行主体可以按照各种方式将生成的位置信息输出。例如,可以根据位置信息包括的坐标值,在上述目标人脸图像的对应位置添加线框(例如矩形线框),并在上述执行主体包括的显示屏上显示包括该线框的目标人脸图像。或者,位置信息可以包括用于表征至少一个牙齿区域的位置的坐标值,上述执行主体可以将位置信息包括的坐标值显示在显示屏上。
实践中,通常所得到的位置信息可以用于对牙齿区域进行图像处理。例如,可以对牙齿区域进行调色,使得牙齿区域的颜色更白,从而丰富图像处理的方式。
本公开的上述实施例提供的方法,通过获取目标人脸图像,将目标人脸图像输入预先根据上述图5实施例描述的方法训练的牙齿区域识别模型,得到用于表征目标人脸图像包括的至少一个牙齿区域的位置的位置信息及输出,从而可以利用牙齿区域识别模型识别牙齿区域的准确性高的特点,提高从人脸图像中确定牙齿区域的准确性。
进一步参考图7,作为对上述图2所示方法的实现,本公开提供了一种用于标注牙齿图像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7所示,本实施例的用于标注牙齿图像的装置700包括:牙齿图像获取单元701,被配置成获取待标注牙齿图像;第一确定单元702,被配置成确定待标注牙齿图像包括的像素点的灰度值;第二确定单元703,被配置成将大于等于预设的灰度值阈值的灰度值对应的像素点确定为目标像素点;第三确定单元704,被配置成根据所确定的目标像素点,确定至少一个牙齿区域;标注信息生成单元705,被配置成生成用于表征至少一个牙齿区域中的牙齿区域的位置的标注信息。
在本实施例中,牙齿图像获取单元701可以通过有线连接方式或者无线连接方式从远程,或从本地获取待标注牙齿图像。其中,待标注牙齿图像可以是待从其中确定至少一个牙齿区域并对牙齿区域的位置进行标注的图像。待标注牙齿图像可以是预先设置的牙齿图像,或预先从人脸图像中提取的牙齿图像。
在本实施例中,第一确定单元702可以按照现有的用于确定像素点的灰度值的方法,确定待标注牙齿图像包括的像素点的灰度值。其中,上述用于确定像素点的灰度值的方法是目前广泛研究和应用的公知技术,在此不再赘述。
在本实施例中,第二确定单元703可以将大于等于预设的灰度值阈值的灰度值对应的像素点确定为目标像素点。通常,像素点的灰度值越大,其颜色越接近白色。灰度值的范围通常为0-255,0表示颜色为纯黑色,255表示颜色为纯白色,灰度值阈值可以设置为150,大于该阈值的像素点即为目标像素点。
在本实施例中,第三确定单元704可以根据所确定的目标像素点,确定至少一个牙齿区域。具体地,作为示例,上述执行主体可以将连续排列的目标像素点组成的区域确定为一个牙齿区域,即牙齿区域包括的目标像素点中的每个目标像素点,与至少一个其他目标像素点相邻。如图3A所示,牙齿区域301包括的每个像素点(每个方格代表一个像素点),均与至少一个目标像素点相邻。
作为另一示例,上述第三确定单元704可以将包括上述连续排列的目标像素点的最小矩形确定为一个牙齿区域。
在本实施例中,标注信息生成单元705可以生成用于表征至少一个牙齿区域中的牙齿区域的位置的标注信息。
具体地,上述至少一个牙齿区域中的每个牙齿区域可以对应于一个标注信息。作为示例,标注信息可以包括预先在待标注牙齿图像上建立的坐标系中的坐标值,通过坐标值,可以从目标人脸图像中确定一个区域,该区域即为牙齿区域。例如,牙齿图像位置信息可以包括多个坐标值,每个坐标值对应于一个位于牙齿区域边缘的像素点。再例如,当牙齿区域为矩形时,标注信息可以包括矩形的四个角点的坐标值。
通常,在生成标注信息之后,上述标注信息生成单元705可以将标注信息存储到预设的存储区(例如可以是上述装置700包括的存储区,或与上述装置700通信连接的其他电子设备中的存储区)中。例如将包含待标注牙齿图像的人脸图像和标注信息,作为用于训练牙齿区域识别模型的训练样本,关联存储到上述存储区中。
在本实施例的一些可选的实现方式中,牙齿图像获取单元701可以包括:第一获取模块(图中未示出),被配置成获取目标人脸图像,其中,目标人脸图像对应于预设的牙齿图像位置信息;第一提取模块(图中未示出),被配置成根据牙齿图像位置信息,从目标人脸图像中提取待标注牙齿图像。
在本实施例的一些可选的实现方式中,牙齿图像获取单元701可以包括:第二获取模块(图中未示出),被配置成获取目标人脸图像;第一确定模块(图中未示出),被配置成确定目标人脸图像的人脸关键点信息集合;第二确定模块(图中未示出),被配置成从人脸关键点信息集合中,确定用于表征嘴部的人脸关键点信息的集合作为嘴部关键点信息集合;第二提取模块(图中未示出),被配置成基于嘴部关键点信息集合,从目标人脸图像中提取待标注牙齿图像。
在本实施例的一些可选的实现方式中,至少一个牙齿区域中的牙齿区域包括的非目标像素点的数量小于等于预设数量。
本公开的上述实施例提供的装置700,通过获取待标注牙齿图像,确定待标注牙齿图像包括的像素点的灰度值,将大于等于预设的灰度值阈值的灰度值对应的像素点确定为目标像素点,根据目标像素点,确定至少一个牙齿区域,最后生成用于表征至少一个牙齿区域中的牙齿区域的位置的标注信息,从而有效地利用像素点的灰度值,提高了确定牙齿区域的准确性和生成标注信息的准确性,由于确定牙齿区域和标注信息的过程不需人工干预,因此,可以提高生成标注信息的效率。
进一步参考图8,作为对上述图5所示方法的实现,本公开提供了一种用于标注牙齿图像的装置的一个实施例,该装置实施例与图5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8所示,本实施例的用于标注牙齿图像的装置800包括:训练样本获取单元801,被配置成获取训练样本集合,其中,训练样本包括样本人脸图像和对应的用于表征样本人脸图像包括的至少一个牙齿区域的位置的标注信息,标注信息是预先根据上述图2对应实施例描述的方法生成的;训练单元802,被配置成利用机器学习方法,将训练样本集合中的训练样本包括的样本人脸图像作为输入,将与输入的样本人脸图像对应的标注信息作为期望输出,训练得到牙齿区域识别模型。
在本实施例中,训练样本获取单元801可以从远程或从本地获取训练样本集合。其中,训练样本包括样本人脸图像和对应的用于表征样本人脸图像包括的至少一个牙齿区域的位置的标注信息。
在本实施例中,标注信息是预先根据上述图2对应实施例描述的方法生成的。具体地,上述训练样本获取单元801可以将训练样本集合中的每个训练样本包括的样本人脸图像中,可以包括预先确定的牙齿图像,将牙齿图像作为上述图2对应实施例中的待标注牙齿图像,执行上述图2对应实施例描述的各步骤,从而得到每个样本人脸图像对应的标注信息。本实施中的标注信息与图2对应实施例中的标注信息相同,关于标注信息的描述,可以参考图2对应实施例中的描述,这里不再赘述。
在本实施例中,训练单元802可以利用机器学习方法,将上述训练样本集合中的训练样本包括的样本人脸图像作为输入,将与输入的样本人脸图像对应的标注信息作为期望输出,对初始模型(例如各种预设结构的卷积神经网络)进行训练,针对每次训练输入的样本人脸图像,可以得到实际输出。其中,实际输出可以是初始模型实际输出的信息,用于表征牙齿图像的位置。然后,上述训练单元802可以采用梯度下降法,基于实际输出和期望输出,调整初始模型的参数,将每次调整参数后得到的模型作为下次训练的初始模型,并在满足预设的结束条件的情况下,结束训练,从而训练得到牙齿区域识别模型。
在这里,上述训练单元802可以采用批量训练的方法对初始模型进行训练,也可以采用随机训练的方法对初始模型进行训练,本公开的实施例对此不做限定。
需要说明的是,这里预设的训练结束条件可以包括但不限于以下至少一项:训练时间超过预设时长;训练次数超过预设次数;利用预设的损失函数(例如交叉熵损失函数)计算所得的损失值小于预设损失值阈值。
本公开的上述实施例提供的装置800,通过获取训练样本集合,其中,训练样本包括样本人脸图像和对应的用于表征样本人脸图像包括的至少一个牙齿区域的位置的标注信息,标注信息是图2对应实施例描述的方法生成的,然后,利用机器学习方法,将训练样本集合中的训练样本包括的样本人脸图像作为输入,将与输入的样本人脸图像对应的标注信息作为期望输出,训练得到牙齿区域识别模型,从而利用标注信息的准确性高的特点,使得训练得到的牙齿区域识别模型能够准确得识别人脸图像中的牙齿区域。
进一步参考图9,作为对上述图6所示方法的实现,本公开提供了一种用于标注牙齿图像的装置的一个实施例,该装置实施例与图6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9所示,本实施例的用于标注牙齿图像的装置900包括:人脸图像获取单元901,被配置成获取目标人脸图像;位置信息生成单元902,被配置成将目标人脸图像输入预先训练的牙齿区域识别模型,得到用于表征目标人脸图像包括的至少一个牙齿区域的位置的位置信息及输出,其中,牙齿区域识别模型是根据上述图5对应实施例描述的方法生成的。
在本实施例中,人脸图像获取单元901可以通过有线连接方式或者无线连接方式从远程或从本地获取目标人脸图像。其中,目标人脸图像可以是由预设的摄像头(例如上述装置900包括的摄像头或与上述装置900通信连接的摄像头)对目标人物(例如使用上述装置900的用户或其他人物)的脸部进行拍摄得到的人脸图像。需要说明的是,目标人脸图像可以是单独的图像;也可以是从视频中提取的图像帧。例如,目标头部图像可以是在上述装置900上播放的视频包括的、当前显示的图像帧。
在本实施例中,位置信息生成单元902可以将上述目标人脸图像输入预先训练的牙齿区域识别模型,得到用于表征目标人脸图像包括的至少一个牙齿区域的位置的位置信息及输出。其中,牙齿区域识别模型是根据上述图5对应实施例描述的方法生成的。具体地,上述至少一个牙齿区域中的每个牙齿区域可以对应于一个位置信息。位置信息可以包括坐标值,通过坐标值,可以从目标人物图像中确定对应的牙齿区域。
上述位置信息生成单元902可以按照各种方式将生成的位置信息输出。例如,可以根据位置信息包括的坐标值,在上述目标人脸图像的对应位置添加线框(例如矩形线框),并在上述装置900包括的显示屏上显示包括该线框的目标人脸图像。或者,位置信息可以包括用于表征至少一个牙齿区域的位置的坐标值,上述装置900可以将位置信息包括的坐标值显示在显示屏上。
实践中,通常所得到的位置信息可以用于对牙齿区域进行图像处理。例如,可以对牙齿区域进行调色,使得牙齿区域的颜色更白,从而丰富图像处理的方式。
本公开的上述实施例提供的装置900,通过获取目标人脸图像,将目标人脸图像输入预先根据上述图5实施例描述的方法训练的牙齿区域识别模型,得到用于表征目标人脸图像包括的至少一个牙齿区域的位置的位置信息及输出,从而可以利用牙齿区域识别模型识别牙齿区域的准确性高的特点,提高从人脸图像中确定牙齿区域的准确性。
下面参考图10,其示出了适于用来实现本公开的实施例的电子设备(例如图1中的服务器或终端设备)1000的结构示意图。本公开的实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图10示出的电子设备仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图10所示,电子设备1000可以包括处理装置(例如中央处理器、图形处理器等)1001,其可以根据存储在只读存储器(ROM)1002中的程序或者从存储装置1008加载到随机访问存储器(RAM)1003中的程序而执行各种适当的动作和处理。在RAM 1003中,还存储有电子设备1000操作所需的各种程序和数据。处理装置1001、ROM 1002以及RAM 1003通过总线1004彼此相连。输入/输出(I/O)接口1005也连接至总线1004。
通常,以下装置可以连接至I/O接口1005:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置1006;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置1007;包括例如内存等的存储装置1008;以及通信装置1009。通信装置1009可以允许电子设备1000与其他设备进行无线或有线通信以交换数据。虽然图10示出了具有各种装置的电子设备1000,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图10中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
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装置1009从网络上被下载和安装,或者从存储装置1008被安装,或者从ROM 1002被安装。在该计算机程序被处理装置1001执行时,执行本公开的实施例的方法中限定的上述功能。需要说明的是,本公开的实施例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。在本公开的实施例中,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。而在本公开的实施例中,计算机可读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,该计算机可读信号介质可以发送、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:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述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:获取待标注牙齿图像;确定待标注牙齿图像包括的像素点的灰度值;将大于等于预设的灰度值阈值的灰度值对应的像素点确定为目标像素点;根据所确定的目标像素点,确定至少一个牙齿区域;生成用于表征至少一个牙齿区域中的牙齿区域的位置的标注信息。
此外,当上述一个或者多个程序被该电子设备执行时,还可以使得该电子设备:获取训练样本集合,其中,训练样本包括样本人脸图像和对应的用于表征样本人脸图像包括的至少一个牙齿区域的位置的标注信息;利用机器学习方法,将训练样本集合中的训练样本包括的样本人脸图像作为输入,将与输入的样本人脸图像对应的标注信息作为期望输出,训练得到牙齿区域识别模型。
此外,当上述一个或者多个程序被该电子设备执行时,还可以使得该电子设备:获取目标人脸图像;将目标人脸图像输入预先训练的牙齿区域识别模型,得到用于表征目标人脸图像包括的至少一个牙齿区域的位置的位置信息及输出。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、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。
描述于本公开的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:一种处理器包括牙齿图像获取单元、第一确定单元、第二确定单元、第二确定单元和标注信息生成单元。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,牙齿图像获取单元还可以被描述为“获取待标注牙齿图像的单元”。
以上描述仅为本公开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,本公开的实施例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。例如上述特征与本公开的实施例中公开的(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。