CN109815821A - 一种人像牙齿修饰方法、装置、系统及存储介质 - Google Patents
一种人像牙齿修饰方法、装置、系统及存储介质 Download PDFInfo
- Publication number
- CN109815821A CN109815821A CN201811610324.1A CN201811610324A CN109815821A CN 109815821 A CN109815821 A CN 109815821A CN 201811610324 A CN201811610324 A CN 201811610324A CN 109815821 A CN109815821 A CN 109815821A
- Authority
- CN
- China
- Prior art keywords
- tooth
- key point
- face
- regions
- 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.)
- Pending
Links
Landscapes
- Processing Or Creating Images (AREA)
Abstract
本发明提供了一种人像牙齿修饰方法、装置、系统及计算机存储介质。所述人像牙齿修饰方法包括:获取待检测对象的人脸图像序列,所述人脸图像序列包括至少一帧人脸图像;基于所述人脸图像确定人脸中的牙齿区域;对所述牙齿区域进行修饰,得到修饰结果。根据本发明的方法、装置、系统及计算机存储介质,准确检测牙齿区域并实时对牙齿区域进行渲染处理、方便快捷,显著地提升用户体验。
Description
技术领域
本发明涉及图像处理技术领域,更具体地涉及人脸图像的处理。
背景技术
现有的体型优化、美型塑形方案主要包括借助第三方图像处理软件进行图像处理,例如:Photoshop、美图秀秀等。这借助第三方图像处理软件,不是所见即所得,且操作较为繁琐、修饰程度不好把控,既不实时也不方便,给用户带来不好的体验。
因此,现有技术中的人像牙齿修饰存在操作较为繁琐、修饰程度不好把控、应用场景有限、用户体验较差等问题。
发明内容
考虑到上述问题而提出了本发明。本发明提供了一种人像牙齿修饰方法、装置、系统及计算机存储介质,通过神经网络和人脸识别技术检测人脸关键点信息获取人脸脸部的牙齿区域,实时渲染处理、方便快捷,显著地提升用户体验。
根据本发明实施例的一方面,提供了一种人像牙齿修饰方法,包括:
获取待检测对象的人脸图像序列,所述人脸图像序列包括至少一帧人脸图像;
基于所述人脸图像确定人脸中的牙齿区域;
对所述牙齿区域进行修饰,得到修饰结果。
示例性地,所述基于所述人脸图像确定人脸中的牙齿区域包括:
检测所述人脸图像的人脸关键点,得到上嘴唇外部轮廓关键点和下嘴唇外部轮廓关键点;
根据所述上嘴唇外部轮廓关键点和下嘴唇外部轮廓关键点围成的牙齿候选区域内的颜色,确定所述牙齿候选区域中的牙齿区域。
示例性地,根据所述上嘴唇外部轮廓关键点和下嘴唇外部轮廓关键点围成的牙齿候选区域内的颜色,确定所述牙齿候选区域中的牙齿区域,包括:
获取所述牙齿候选区域内像素点的色值,将色值处于预定色值范围的所述像素点组成的区域确认为所述牙齿区域。
示例性地,对所述牙齿区域进行修饰包括:对所述牙齿区域进行初步修饰得到初步修饰结果,其中初步修饰包括降低所述牙齿区域的红色分量、增加所述牙齿区域的蓝色分量、降低所述牙齿区域的黄色色相饱和度,或增加所述牙齿区域的白色分量中的至少一种。
示例性地,对所述牙齿区域进行修饰还包括:对所述初步修饰得到的修饰结果进行边缘羽化和/或锐化,得到精细修饰结果。
示例性地,在基于所述人脸图像确定人脸中的牙齿区域之前,还包括:基于所述人脸图像判断是否存在牙齿区域。
示例性地,基于所述人脸图像判断是否存在牙齿区域包括:
检测所述人脸图像的人脸关键点,得到上嘴唇内部轮廓关键点和下嘴唇内部轮廓关键点;
计算上嘴唇内部轮廓关键点中的最高点和下嘴唇内部轮廓关键点中的最低点之间的距离,并判断所述距离是否大于或等于距离阈值;
如果所述距离大于或等于距离阈值,则确认为存在牙齿区域。
根据本发明实施例的另一方面,提供了一种人像牙齿修饰装置,包括:
人脸获取模块,用于获取待检测对象的人脸图像序列,所述人脸图像序列包括至少一帧人脸图像;
识别模块,用于基于所述人脸图像确定人脸中的牙齿区域;
修饰模块,用于对所述牙齿区域进行修饰,得到修饰结果。
示例性地,所述人脸获取模块包括:
图像获取模块,用于接收待检测对象的图像数据;
分帧模块,用于对所述图像数据中的视频数据进行视频图像分帧;
人脸检测模块,用于对每帧图像进行人脸检测,生成包括至少一帧人脸图像的人脸图像序列。
示例性地,所述识别模块包括:
关键点检测模块,用于检测所述人脸图像的人脸关键点,得到上嘴唇轮廓关键点和下嘴唇轮廓关键点;
牙齿模块,用于根据所述上嘴唇外部轮廓关键点和下嘴唇外部轮廓关键点围成的牙齿候选区域内的颜色,确定所述牙齿候选区域中的牙齿区域。
示例性地,所述人脸关键点包括且不限于:脸部轮廓关键点、眼部轮廓关键点、鼻子轮廓关键点、眉毛轮廓关键点、额头轮廓关键点、上嘴唇轮廓关键点、下嘴唇轮廓关键点。
示例性地,所述上嘴唇轮廓关键点包括上嘴唇内部轮廓关键点和上嘴唇外部轮廓关键点,所述下嘴唇轮廓关键点包括下嘴唇内部轮廓关键点和下嘴唇外部轮廓关键点。
示例性地,关键点检测模块还用于:将所述人脸图像输入到已经训练好的关键点检测模型,得到所述人脸关键点。
示例性地,所述关键点检测模型的训练包括:
对包括人脸图像的训练样本进行人脸关键点标注得到标注后的训练样本;
将所述标注后的训练样本按比例分为训练集、验证集、测试集;
依据所述训练集对神经网络进行训练,得到训练好的关键点检测模型。
示例性地,牙齿模块还用于:获取所述牙齿候选区域内像素点的色值,将色值处于预定色值范围的所述像素点组成的区域确认为所述牙齿区域。
示例性地,修饰模块包括:初步修饰模块,用于对所述牙齿区域进行初步修饰得到初步修饰结果,其中初步修饰包括降低所述牙齿区域的红色分量、增加所述牙齿区域的蓝色分量、降低所述牙齿区域的黄色色相饱和度,或增加所述牙齿区域的白色分量中的至少一种。
示例性地,修饰模块还包括:
精修饰模块,用于对所述初步修饰得到的修饰结果进行边缘羽化和/或锐化,得到精细修饰结果。
示例性地,所述装置还包括:判断模块,用于基于所述人脸图像判断是否存在牙齿区域。
示例性地,所述判断模块包括:
距离计算模块,用于计算上嘴唇内部轮廓关键点中的最高点和下嘴唇内部轮廓关键点中的最低点之间的距离;
距离比较模块,用于比较所述距离是否大于或等于距离阈值;
其中,关键点检测模块检测所述人脸图像的人脸关键点,得到上嘴唇内部轮廓关键点和下嘴唇内部轮廓关键点。
示例性地,判断模块还用于:如果所述距离大于或等于距离阈值,则确认为存在牙齿区域。
示例性地,判断模块还用于:如果所述距离小于距离阈值,则确认为不存在牙齿区域。
根据本发明实施例的另一方面,提供了一种人像牙齿修饰系统,包括存储器、处理器及存储在所述存储器上且在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现上述方法的步骤。
根据本发明实施例的另一方面,提供了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,所述计算机程序被计算机执行时实现上述方法的步骤。
根据本发明实施例的人像牙齿修饰方法、装置、系统及计算机存储介质,通过检测人脸关键点信息获取人脸脸部的牙齿区域,实时渲染处理、方便快捷,显著地提升用户体验。
附图说明
通过结合附图对本发明实施例进行更详细的描述,本发明的上述以及其它目的、特征和优势将变得更加明显。附图用来提供对本发明实施例的进一步理解,并且构成说明书的一部分,与本发明实施例一起用于解释本发明,并不构成对本发明的限制。在附图中,相同的参考标号通常代表相同部件或步骤。
图1是用于实现根据本发明实施例的人像牙齿修饰方法和装置的示例电子设备的示意性框图;
图2是根据本发明实施例的人像牙齿修饰方法的示意性流程图;
图3是根据本发明实施例的人像牙齿修饰方法的示例的示意性流程图;
图4是根据本发明实施例的图像数据的示例;
图5是根据本发明实施例的待检测对象的人脸图像示例;
图6是根据本发明实施例的待检测对象的人脸关键点的示例;
图7是根据本发明实施例的牙齿候选区域的示例;
图8是根据本发明实施例的色值筛选范围的示例的示意图;
图9是根据本发明实施例的牙齿修饰(美白)区域的示例;
图10是根据本发明实施例的原始图像数据的示例;
图11是根据本发明实施例的最终处理结果的示例;
图12是根据本发明实施例的人像牙齿修饰装置的示意性框图;
图13是根据本发明实施例的人像牙齿修饰系统的示意性框图。
具体实施方式
为了使得本发明的目的、技术方案和优点更为明显,下面将参照附图详细描述根据本发明的示例实施例。显然,所描述的实施例仅仅是本发明的一部分实施例,而不是本发明的全部实施例,应理解,本发明不受这里描述的示例实施例的限制。基于本发明中描述的本发明实施例,本领域技术人员在没有付出创造性劳动的情况下所得到的所有其它实施例都应落入本发明的保护范围之内。
首先,参考图1来描述用于实现本发明实施例的人像牙齿修饰方法和装置的示例电子设备100。
如图1所示,电子设备100包括一个或多个处理器101、一个或多个存储装置102、输入装置103、输出装置104、图像传感器105,这些组件通过总线系统106和/或其它形式的连接机构(未示出)互连。应当注意,图1所示的电子设备100的组件和结构只是示例性的,而非限制性的,根据需要,所述电子设备也可以具有其他组件和结构。
所述处理器101可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其它形式的处理单元,并且可以控制所述电子设备100中的其它组件以执行期望的功能。
所述存储装置102可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器101可以运行所述程序指令,以实现下文所述的本发明实施例中(由处理器实现)的客户端功能以及/或者其它期望的功能。在所述计算机可读存储介质中还可以存储各种应用程序和各种数据,例如所述应用程序使用和/或产生的各种数据等。
所述输入装置103可以是用户用来输入指令的装置,并且可以包括键盘、鼠标、麦克风和触摸屏等中的一个或多个。
所述输出装置104可以向外部(例如用户)输出各种信息(例如图像或声音),并且可以包括显示器、扬声器等中的一个或多个。
所述图像传感器105可以拍摄用户期望的图像(例如照片、视频等),并且将所拍摄的图像存储在所述存储装置102中以供其它组件使用。
示例性地,用于实现根据本发明实施例的人像牙齿修饰方法和装置的示例电子设备可以被实现为诸如智能手机、平板电脑、门禁系统的视频采集端等。
下面,将参照图2描述根据本发明实施例的人像牙齿修饰方法200。
首先,在步骤S210,获取待检测对象的人脸图像序列,所述人脸图像序列包括至少一帧人脸图像;
在步骤S220,基于所述人脸图像确定人脸中的牙齿区域;
在步骤S230,对所述牙齿区域进行修饰,得到修饰结果。
示例性地,根据本发明实施例的人像牙齿修饰方法可以在具有存储器和处理器的设备、装置或者系统中实现。
根据本发明实施例的人像牙齿修饰方法可以部署在图像采集端处,例如,可以部署在个人终端处,诸如智能电话、平板电脑、个人计算机等。替代地,根据本发明实施例的人像牙齿修饰方法还可以分布地部署在服务器端(或云端)和个人终端处。例如,可以在服务器端(或云端)生成人脸图片序列,服务器端(或云端)将所生成的人脸图片序列传递给个人终端,个人终端根据所接收的人脸图片序列进行人像的牙齿修饰。再例如,可以在服务器端(或云端)生成人脸图片序列,个人终端将图像传感器采集的视频信息以及非图像传感器采集的视频信息传递给服务器端(或云端),然后服务器端(或云端)进行人像的牙齿修饰。
根据本发明实施例的人像牙齿修饰方法,通过检测人脸关键点信息获取人脸脸部的牙齿区域,实时渲染处理、方便快捷,显著地提升用户体验。
根据本发明实施例,在步骤210可以进一步地包括:获取待检测对象的图像数据;对所述图像数据中的视频数据进行视频图像分帧,并对每帧图像进行人脸检测,生成包括至少一张人脸图像的人脸图像序列。
其中,图像数据包括视频数据和非视频数据,非视频数据可以包括单帧图像,此时单帧图像不需要进行分帧处理,可以直接作为人脸图像序列中的图像。
视频数据以流的方式进行文件的存取可以实现高效快速的文件存取;所述视频流的存储方式可以包括以下存储方式之一:本地(local)存储、数据库存储、分布式文件系统(hdfs)存储以及远程存储,存储服务地址可以包括服务器IP和服务器端口。其中,本地存储是指将视频流在系统本地;数据库存储是指将视频流保存在系统的数据库中,数据库存储需要安装相应的数据库;分布式文件系统存储是指将视频流保存在分布式文件系统中,分布式文件系统存储需要安装分布式文件系统;远程存储是指将视频流交由其他存储服务进行存储。在其他示例中,所配置的存储方式也可以包括其他任何合适类型的存储方式,本发明对此不作限制。
示例性地,所述人脸图像是通过对视频中的各帧图像进行人脸检测所确定的包含有人脸的图像帧。具体的,可以通过诸如模板匹配、SVM(支持向量机)、神经网络等各种本领域中常用的人脸检测方法在包含目标人脸的起始图像帧中确定该人脸的大小和位置,从而确定视频中包含有人脸的各帧图像。上述通过人脸检测确定包含有人脸的图像帧的处理是图像处理领域中的常见处理,此处不再对其进行详细描述。
需要说明的是,所述人脸图像序列并非必须是图像数据中所有包含有人脸的图像,而可以仅是其中的部分图像帧;另一方面,所述人脸图像序列可以是连续的多帧图像,也可以是不连续的、任意选定的多帧图像。
示例性地,当所述图像数据中没有检测到人脸则继续接收图像数据,直到检测到人脸则对所述人脸进行牙齿修饰。
根据本发明实施例,步骤220可以进一步地包括:
检测所述人脸图像的人脸关键点,得到上嘴唇外部轮廓关键点和下嘴唇外部轮廓关键点;
根据所述上嘴唇外部轮廓关键点和下嘴唇外部轮廓关键点围成的牙齿候选区域内的颜色,确定所述牙齿候选区域中的牙齿区域。
示例性地,所述人脸关键点包括且不限于:脸部轮廓关键点、眼部轮廓关键点、鼻子轮廓关键点、眉毛轮廓关键点、额头轮廓关键点、上嘴唇轮廓关键点、下嘴唇轮廓关键点。
示例性地,所述上嘴唇轮廓关键点包括上嘴唇内部轮廓关键点和上嘴唇外部轮廓关键点,所述下嘴唇轮廓关键点包括下嘴唇内部轮廓关键点和下嘴唇外部轮廓关键点。
示例性地,所述检测所述人脸图像的人脸关键点包括:将所述人脸图像输入到已经训练好的关键点检测模型,得到所述人脸关键点。
示例性地,所述关键点检测模型的训练包括:
对包括人脸图像的训练样本进行人脸关键点标注得到标注后的训练样本;
将所述训练样本按一定比例分为训练集、验证集、测试集;
依据所述训练集对神经网络进行训练,得到训练好的关键点检测模型。
示例性地,所述关键点检测模型的训练还包括:判断所述关键点检测模型的训练精度和验证精度是否满足训练要求和验证要求;如果满足训练要求和验证要求则停止训练所述关键点检测模型;如果不满足训练要求和/或验证要求则调整所述关键点检测模型,再依据所述训练集进行训练,直到所述关键点检测模型的训练精度和验证精度满足训练要求和验证要求。
示例性地,所述训练要求包括所述训练精度大于或等于训练精度阈值;所述验证要求包括所述验证精度大于或等于验证精度阈值。
其中,所述训练集(train)是指用于模型拟合的数据样本,包括若干张人脸图片。随着训练集中的每一个训练数据对模型进行训练,模型中就会受到影响的参数,通过多次迭代不断更新得到训练后的模型,这是一个梯度下降的过程。验证集(validation)是在用训练集对模型训练完毕后,用于对模型验证的数据以验证模型是否准确。对于一个模型来说,其参数可以分为普通参数和超参数。在不引入强化学习的前提下,普通参数就是可以被梯度下降所更新的,也就是训练集所更新的参数;而超参数不在梯度下降的更新范围内。所以,与训练集不同,验证集不是训练模型的参数,而是模型训练过程中单独留出的样本集,它可以用于调整模型的超参数和用于对模型的能力进行初步评估。其中,超参数是指训练开始之前设置的参数,比如网络层数、网络节点数、迭代次数、学习率等,超参数的选择与训练过程实际上是独立的,训练过程不会影响超参数。但是训练结束后可以根据训练结果考虑超参数是否可优化,可优化的话就调整超参数的值开始下一次训练。
虽然验证集没有对模型的参数产生影响,但是我们却根据验证集的测试结果的验证精度来调整模型的超参数,所以验证集对结果还是有影响的,即让模型在验证集上满足验证要求。所以为了进一步提高所述模型的可靠性和计算精度,需要一个完全没有经过训练的测试集来再最后测试模型的准确率。
测试集(test)是用来评估模最终模型的泛化能力,衡量训练后的模型的性能和能力的数据,但不能作为调整参数、选择特征等算法相关的选择的依据。测试集既不用像测试集一样进行梯度下降,也不用它来控制超参数,只是在模型最终训练完成后,用来测试模型的最后准确率,来保证所述模型的可靠性。
在一个实施例中,可以采用如下方法进行关键点检测模型的训练。具体来说,首先,采集相当数量(如:10万张)的人脸图像;然后,对所述人脸图像进行人脸关键点精准标注,包括脸的轮廓点、眼睛轮廓点、鼻子轮廓点、眉毛轮廓点、额头轮廓点、上嘴唇轮廓点、下嘴唇轮廓点等;接着,对精准标注数据按一定比例划分为训练集、验证集、测试集,其数量比例可以是8:1:1或6:2:2;然后,对训练集进行模型训练(如:神经网络的训练),同时用验证集对训练过程中的中间结果进行验证,并实时调整训练参数,当训练精度和验证精度都达到一定阈值时,停止训练过程,得到训练模型;最后,用测试集对模型进行测试,衡量该模型的性能和能力。
示例性地,根据所述上嘴唇外部轮廓关键点和下嘴唇外部轮廓关键点围成的牙齿候选区域内的颜色,确定所述牙齿候选区域中的牙齿区域,包括:
获取所述牙齿候选区域内像素点的色值,将色值处于预定色值范围的所述像素点组成的区域确认为所述牙齿区域。
根据本发明实施例,步骤230可以进一步地包括:对所述牙齿区域进行初步修饰得到初步修饰结果,其中初步修饰包括降低所述牙齿区域的红色分量、增加所述牙齿区域的蓝色分量、降低所述牙齿区域的黄色色相饱和度,或增加所述牙齿区域的白色分量中的至少一种。
其中,在所述牙齿区域降低红色成分和/或增加蓝色成分是为了达到整体去黄的效果,进一步提高牙齿修饰的效果;在上述整体去黄和/或降低黄色色相饱和度之后,增加所述牙齿区域的白色分量可以让牙齿在修饰后显得自然。
在一个实施例中,设原图像牙齿区域点P的像素为p(r1,g1,b1,a1),其中,红色分量值为r1,绿色分量值为g1,蓝色分量值为b1,透明度为a1,而r1,g1,b1,a1均为归一化后的分量,范围为[0,1],则对该点进行初步修饰具体如下:
首先,降低红色分量、增加蓝色分量;处理后的点P的像素out(r2,g2,b2,a2)=pow(p(r1,g1,b1,a1),vec4(1.1,1.0,0.9,1.0)),其中,pow(x,y)表示为x的y次方;vec4(0.9,1.0,1.1,1.0)表示4分量的浮点向量。由此可知,处理后的点P的像素out(r2,g2,b2,a2)中红色分量r2变为r1的1.1次方即红色分量减小,绿色分量g2变为g1的1.0次方即绿色分量不变,蓝色分量b2变为b1的0.9次方即蓝色分量增加,透明度a2变为a1的1.0次方即透明度不变。
然后,增加白色成分;增加的白色成分数值value范围为(0.1-20.0),增加白色成分后的点P的像素为out1(r,g,b,a)=out(r,g,b,a)+vec4(value/255.0,value/255.0,value/255.0,0.0),vec4(value/255.0,value/255.0,value/255.0,0.0)表示红色分量、绿色分量、蓝色分量均归一化为value/255.0,组成白色分量,红色分量、绿色分量、蓝色分量相等则表示白色分量。
示例性地,对所述牙齿区域进行修饰还包括:对所述初步修饰得到的修饰结果进行边缘羽化和/或锐化,得到精细修饰结果。经过对所述初步修饰结果进行精细修饰可以让牙齿和内嘴唇的过渡显得自然,进一步提升了用户的体验。
在一个实施例中,所述得到精细修饰结果包括:设当前点M的坐标为(x,y),像素为f(x,y),将所述当前点的临近点像素加权后替代所述当前点的像素,具体包括:
所述临近点包括上、下、左、右四个方向的点时,替换后的像素f(x,y)=(f(x-1,y)+f(x+1,y)+f(x,y-1)+f(x,y+1))/4;或
所述临近点包括左上、左下、上、下、左、右、右上、右下八个方向的点时,替换后的像素f(x,y)=(f(x-1,y)+f(x+1,y)+f(x,y-1)+f(x,y+1)+f(x-1,y-1)+f(x+1,y+1)+f(x+1,y-1)+f(x-1,y+1))/8。
由此可知,点M的像素值取四周点的像素值的平均,使得点M与周围的点的像素值相差较小,从而在视觉上该点与周围点的色差减小,可以使牙齿区域与内嘴唇区域之间的过渡更自然。
根据本发明实施例,步骤220可以进一步地包括:
在基于所述人脸图像确定人脸中的牙齿区域之前,还包括:基于所述人脸图像判断是否存在牙齿区域。
示例性地,基于所述人脸图像判断是否存在牙齿区域包括:
检测所述人脸图像的人脸关键点,得到上嘴唇内部轮廓关键点和下嘴唇内部轮廓关键点;
计算上嘴唇内部轮廓关键点中的最高点和下嘴唇内部轮廓关键点中的最低点之间的距离,并判断所述距离是否大于或等于距离阈值;
如果所述距离大于或等于距离阈值,则确认为存在牙齿区域。
示例性地,如果所述距离小于距离阈值,则确认为不存在牙齿区域。
示例性地,当确认不存在牙齿区域时,则返回继续获取人脸图像序列或结束。
在一个实施例中,如图3-图11所示,以本发明实施例的基于人像的牙齿修饰方法的具体示例来对进行具体说明。图3示出了根据本发明实施例的人像牙齿修饰方法的示例的示意性流程图。
首先,用户开启实时人脸识别的人像牙齿修饰功能。其中,用户开启实时人脸识别的人像牙齿修饰功能之后,程序自动加载人脸识别和/或人像牙齿修饰的默认参数表,如需要识别多少个人脸关键点、人像牙齿修饰参数(如美白程度、羽化程度)等,用户也可以自己设置相应的参数。
接着,图像采集设备(如:手机摄像头)开启预览视频流即待检测对象的图像数据。
然后,基于所述预览视频流进行视频图像分帧得到预览数据帧,如图4所示,图4示出了根据本发明实施例的图像数据的示例。将预览数据帧输入人脸检测模型中对其做人脸检测,判断是否存在人脸。如果通过所述人脸检测确认检测到人脸,则生成包括待检测对象的至少一张人脸图像的人脸图像序列,如图5所示,图5示出了根据本发明实施例的待检测对象的人脸图像的示例;
如果通过所述人脸检测确认没有检测到人脸,则结束本次流程或返回继续获取预览数据帧。
下一步,将所述人脸图像序列输入至已经训练好的人脸关键点检测模型,得到包括人脸关键点信息后的人脸图片序列,如图6所示,图6示出了根据本发明实施例的待检测对象的人脸关键点的示例。
下一步,通过人脸关键点中上下内嘴唇轮廓的关键点,计算上下内嘴唇之间的距离d,通过距离d判断上下嘴唇是否张开即判断是否存在露出牙齿的区域;如果距离大于或等于距离阈值则确认为存在露出牙齿的区域,如果距离小于距离阈值则确认为不存储露出牙齿的区域。
下一步,若存在露出牙齿的区域,获取人脸关键点中嘴唇轮廓的关键点,得到所述上嘴唇轮廓关键点和下嘴唇轮廓关键点围成的牙齿候选区域,如图7所示,图7示出了根据本发明实施例的牙齿候选区域的示例;若不存在人脸,则结束本次流程或返回继续获取预览数据帧。
下一步,基于牙齿候选区域,结合颜色区间范围筛选即色值筛选(如,选取色值在某个范围之间的区域),如图8所示,图8示出了根据本发明实施例的色值筛选范围的示例的示意图,确定牙齿区域,如图9所示,图9示出了根据本发明实施例的牙齿区域的示例。
下一步,基于牙齿修饰区域,对其做相应的美白处理;具体地,包括:对牙齿区域降低红色分量、增加蓝色成分、降低黄色色相饱和度、增加白色分量后,得到牙齿的初步修饰结果。
下一步,基于牙齿初步修饰结果,对牙齿初步修饰结果进行边缘羽化和锐化,让牙齿和内嘴唇的过渡显得自然,得到最终处理结果。如图10所示,图10示出了根据本发明实施例的原始图像数据的示例,如图11所示,图11示出了根据本发明实施例的最终处理结果的示例,通过对比可知,修饰后的图像的牙齿区域明显比修饰前白,但是其他区域没有变化,整个修饰结果自然不突兀,极大地提高了用户体验,丰富了人像应用的可玩性,不仅解决了采用第三方图像软件处理图像中修饰程度不好把控,应用场景有限,用户体验较差等问题,还可以带来较为可观的经济效益。
下一步,将最终处理结果交互到显示终端,完成本次处理操作。
最后,判断是否结束应用,如果结束应用则退出应用;如果不结束应用则返回继续判断人脸图片序列是否存在人脸。
图12示出了根据本发明实施例的人像牙齿修饰装置1200的示意性框图。如图12所示,根据本发明实施例的人像牙齿修饰装置1200包括:
人脸获取模块1210,用于获取待检测对象的人脸图像序列,所述人脸图像序列包括至少一帧人脸图像;
识别模块1220,用于基于所述人脸图像确定人脸中的牙齿区域;
修饰模块1230,用于对所述牙齿区域进行修饰,得到修饰结果。
根据本发明实施例的人像牙齿修饰装置,通过检测人脸关键点信息获取人脸脸部的牙齿区域,实时渲染处理、方便快捷,显著地提升用户体验。
根据本发明实施例,人脸获取模块1210可以进一步地包括:
图像获取模块1211,用于接收待检测对象的图像数据;
分帧模块1212,用于对所述图像数据中的视频数据进行视频图像分帧;
人脸检测模块1213,用于对每帧图像进行人脸检测,生成包括至少一帧人脸图像的人脸图像序列。
其中,图像数据包括视频数据和非视频数据,非视频数据可以包括单帧图像,此时单帧图像不需要进行分帧处理,可以直接作为人脸图像序列中的图像。视频数据以流的方式进行文件的存取可以实现高效快速的文件存取;所述视频流的存储方式可以包括以下存储方式之一:本地(local)存储、数据库存储、分布式文件系统(hdfs)存储以及远程存储,存储服务地址可以包括服务器IP和服务器端口。
示例性地,所述人脸图像是人脸检测模块1213通过对图像数据中的各帧图像进行人脸检测处理所确定的包含有人脸的图像帧。具体的,可以通过诸如模板匹配、SVM(支持向量机)、神经网络等各种本领域中常用的人脸检测方法在包含目标人脸的起始图像帧中确定该人脸的大小和位置,从而确定视频中包含有人脸的各帧图像。上述通过人脸检测确定包含有人脸的图像帧的处理是图像处理领域中的常见处理,此处不再对其进行详细描述。
需要说明的是,所述人脸图像序列并非必须是图像数据中所有包含有人脸的图像,而可以仅是其中的部分图像帧;另一方面,所述人脸图片序列可以是连续的多帧图像,也可以是不连续的、任意选定的多帧图像。
根据本发明实施例,识别模块1220可以进一步地包括:
关键点检测模块1221,用于检测所述人脸图像的人脸关键点,得到上嘴唇轮廓关键点和下嘴唇轮廓关键点;
牙齿模块1222,用于根据所述上嘴唇外部轮廓关键点和下嘴唇外部轮廓关键点围成的牙齿候选区域内的颜色,确定所述牙齿候选区域中的牙齿区域。
示例性地,所述人脸关键点包括且不限于:脸部轮廓关键点、眼部轮廓关键点、鼻子轮廓关键点、眉毛轮廓关键点、额头轮廓关键点、上嘴唇轮廓关键点、下嘴唇轮廓关键点。
示例性地,所述上嘴唇轮廓关键点包括上嘴唇内部轮廓关键点和上嘴唇外部轮廓关键点,所述下嘴唇轮廓关键点包括下嘴唇内部轮廓关键点和下嘴唇外部轮廓关键点。
示例性地,关键点检测模块1221还用于:将所述人脸图像输入到已经训练好的关键点检测模型,得到所述人脸关键点。
示例性地,所述关键点检测模型的训练包括:
对包括人脸图像的训练样本进行人脸关键点标注得到标注后的训练样本;
将所述训练样本按一定比例分为训练集、验证集、测试集;
依据所述训练集对神经网络进行训练,得到训练好的关键点检测模型。
示例性地,所述关键点检测模型的训练还包括:判断所述关键点检测模型的训练精度和验证精度是否满足训练要求和验证要求;如果满足训练要求和验证要求则停止训练所述关键点检测模型;如果不满足训练要求和验证要求则调整所述关键点检测模型,再依据所述训练集进行训练,直到所述关键点检测模型的训练精度和验证精度满足训练要求和验证要求。
示例性地,所述训练要求包括所述训练精度大于或等于训练精度阈值;所述验证要求包括所述验证精度大于或等于验证精度阈值。
示例性地,牙齿模块1222进一步用于:获取所述牙齿候选区域内像素点的色值,将色值处于预定色值范围的所述像素点组成的区域确认为所述牙齿区域。
根据本发明实施例,修饰模块1230进一步包括:
初步修饰模块1231,用于对所述牙齿区域进行初步修饰得到初步修饰结果,其中初步修饰包括降低所述牙齿区域的红色分量、增加所述牙齿区域的蓝色分量、降低所述牙齿区域的黄色色相饱和度,或增加所述牙齿区域的白色分量中的至少一种。
其中,在所述牙齿区域降低红色成分和/或增加蓝色成分是为了达到整体去黄的效果,进一步提高牙齿修饰的效果;在上述整体去黄和/或降低黄色色相饱和度之后,增加所述牙齿区域的白色分量可以让牙齿在修饰后显得自然。
在一个实施例中,设原图像牙齿区域点P的像素为p(r1,g1,b1,a1),其中,红色分量值为r1,绿色分量值为g1,蓝色分量值为b1,透明度为a1,而r1,g1,b1,a1均为归一化后的分量,范围为[0,1],则对该点进行初步修饰具体如下:
首先,降低红色分量、增加蓝色分量;处理后的点P的像素out(r2,g2,b2,a2)=pow(p(r1,g1,b1,a1),vec4(1.1,1.0,0.9,1.0)),其中,pow(x,y)表示为x的y次方;vec4(0.9,1.0,1.1,1.0)表示4分量的浮点向量。由此可知,处理后的点P的像素out(r2,g2,b2,a2)中红色分量r2变为r1的1.1次方即红色分量减小,绿色分量g2变为g1的1.0次方即绿色分量不变,蓝色分量b2变为b1的0.9次方即蓝色分量增加,透明度a2变为a1的1.0次方即透明度不变。
然后,增加白色成分;增加的白色成分数值value范围为(0.1-20.0),增加白色成分后的点P的像素为out1(r,g,b,a)=out(r,g,b,a)+vec4(value/255.0,value/255.0,value/255.0,0.0),vec4(value/255.0,value/255.0,value/255.0,0.0)表示红色分量、绿色分量、蓝色分量均归一化为value/255.0,组成的白色分量,红色分量、绿色分量、蓝色分量相等则表示白色分量。示例性地,修饰模块1230还包括:
精修饰模块1232,用于对所述初步修饰得到的修饰结果进行边缘羽化和/或锐化,得到精细修饰结果。经过精修饰模块1232对所述初步修饰结果进行精细修饰可以让牙齿和内嘴唇的过渡显得自然,进一步提升了用户的体验。
在一个实施例中,所述得到精细修饰结果包括:设当前点M的坐标为(x,y),像素为f(x,y),将所述当前点的临近点像素加权后替代所述当前点的像素,具体包括:
所述临近点包括上、下、左、右四个方向的点时,替换后的像素f(x,y)=(f(x-1,y)+f(x+1,y)+f(x,y-1)+f(x,y+1))/4;或
所述临近点包括左上、左下、上、下、左、右、右上、右下八个方向的点时,替换后的像素f(x,y)=(f(x-1,y)+f(x+1,y)+f(x,y-1)+f(x,y+1)+f(x-1,y-1)+f(x+1,y+1)+f(x+1,y-1)+f(x-1,y+1))/8。
由此可知,点M的像素值取四周点的像素值的平均,使得点M与周围的点的像素值相差较小,从而在视觉上该点与周围点的色差减小,可以使牙齿区域与内嘴唇区域之间的过渡更自然。
根据本发明实施例,所述装置1200还包括:
判断模块1240,用于基于所述人脸图像判断是否存在牙齿区域。
示例性地,所述判断模块1240可以进一步地包括:
距离计算模块1241,用于计算上嘴唇内部轮廓关键点中的最高点和下嘴唇内部轮廓关键点中的最低点之间的距离;
距离比较模块1242,用于比较所述距离是否大于或等于距离阈值;
其中,关键点检测模块1221检测所述人脸图像的人脸关键点,得到上嘴唇内部轮廓关键点和下嘴唇内部轮廓关键点。
示例性地,判断模块1240可以进一步地用于:如果所述距离大于或等于距离阈值,则确认为存在牙齿区域。
示例性地,判断模块1240可以进一步地用于:如果所述距离小于距离阈值,则确认为不存在牙齿区域。
示例性地,所述装置1200还用于:当判断模块1240确认为不存在牙齿区域时,则返回继续获取检测对象的人脸图像序列或退出。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
图13示出了根据本发明实施例的人像牙齿修饰系统1300的示意性框图。人像牙齿修饰系统1300包括图像传感器1310、存储装置1320、以及处理器1330。
图像传感器1310用于采集图像数据。
所述存储装置1320存储用于实现根据本发明实施例的人像牙齿修饰方法中的相应步骤的程序代码。
所述处理器1330用于运行所述存储装置1320中存储的程序代码,以执行根据本发明实施例的人像牙齿修饰方法的相应步骤,并且用于实现根据本发明实施例的人像牙齿修饰装置中的人脸获取模块1210,识别模块1220,和修饰模块1230。
此外,根据本发明实施例,还提供了一种存储介质,在所述存储介质上存储了程序指令,在所述程序指令被计算机或处理器运行时用于执行本发明实施例的人像牙齿修饰方法的相应步骤,并且用于实现根据本发明实施例的人像牙齿修饰装置中的相应模块。所述存储介质例如可以包括智能电话的存储卡、平板电脑的存储部件、个人计算机的硬盘、只读存储器(ROM)、可擦除可编程只读存储器(EPROM)、便携式紧致盘只读存储器(CD-ROM)、USB存储器、或者上述存储介质的任意组合。所述计算机可读存储介质可以是一个或多个计算机可读存储介质的任意组合,例如一个计算机可读存储介质包含用于随机地生成动作指令序列的计算机可读的程序代码,另一个计算机可读存储介质包含用于进行人像牙齿修饰的计算机可读的程序代码。
在一个实施例中,所述计算机程序指令在被计算机运行时可以实现根据本发明实施例的人像牙齿修饰装置的各个功能模块,并且/或者可以执行根据本发明实施例的人像牙齿修饰方法。
根据本发明实施例的人像牙齿修饰系统中的各模块可以通过根据本发明实施例的人像牙齿修饰的电子设备的处理器运行在存储器中存储的计算机程序指令来实现,或者可以在根据本发明实施例的计算机程序产品的计算机可读存储介质中存储的计算机指令被计算机运行时实现。
根据本发明实施例的人像牙齿修饰方法、装置、系统以及存储介质,通过检测人脸关键点信息获取人脸脸部的牙齿区域,实时渲染处理、方便快捷,显著地提升用户体验。
尽管这里已经参考附图描述了示例实施例,应理解上述示例实施例仅仅是示例性的,并且不意图将本发明的范围限制于此。本领域普通技术人员可以在其中进行各种改变和修改,而不偏离本发明的范围和精神。所有这些改变和修改意在被包括在所附权利要求所要求的本发明的范围之内。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。例如,以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个设备,或一些特征可以忽略,或不执行。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本发明并帮助理解各个发明方面中的一个或多个,在对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该本发明的的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如相应的权利要求书所反映的那样,其发明点在于可以用少于某个公开的单个实施例的所有特征的特征来解决相应的技术问题。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域的技术人员可以理解,除了特征之间相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的物品分析设备中的一些模块的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
以上所述,仅为本发明的具体实施方式或对具体实施方式的说明,本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种人像牙齿修饰方法,其特征在于,所述方法包括:
获取待检测对象的人脸图像序列,所述人脸图像序列包括至少一帧人脸图像;
基于所述人脸图像确定人脸中的牙齿区域;
对所述牙齿区域进行修饰,得到修饰结果。
2.如权利要求1所述的方法,其特征在于,所述基于所述人脸图像确定人脸中的牙齿区域包括:
检测所述人脸图像的人脸关键点,得到上嘴唇外部轮廓关键点和下嘴唇外部轮廓关键点;
根据所述上嘴唇外部轮廓关键点和下嘴唇外部轮廓关键点围成的牙齿候选区域内的颜色,确定所述牙齿候选区域中的牙齿区域。
3.如权利要求2所述的方法,其特征在于,根据所述上嘴唇轮廓关键点和下嘴唇轮廓关键点围成的牙齿候选区域内的颜色,确定所述牙齿候选区域中的牙齿区域:
获取所述牙齿候选区域内像素点的色值,将色值处于预定色值范围的所述像素点组成的区域确认为所述牙齿区域。
4.如权利要求1所述的方法,其特征在于,对所述牙齿区域进行修饰包括:对所述牙齿区域进行初步修饰得到初步修饰结果,其中初步修饰包括降低所述牙齿区域的红色分量、增加所述牙齿区域的蓝色分量、降低所述牙齿区域的黄色色相饱和度,或增加所述牙齿区域的白色分量中的至少一种。
5.如权利要求4所述的方法,其特征在于,对所述牙齿区域进行修饰还包括:对所述初步修饰得到的修饰结果进行边缘羽化和/或锐化,得到精细修饰结果。
6.如权利要求1所述的方法,其特征在于,在基于所述人脸图像确定人脸中的牙齿区域之前,还包括:基于所述人脸图像判断是否存在牙齿区域。
7.如权利要求6所述的方法,其特征在于,基于所述人脸图像判断是否存在牙齿区域包括:
检测所述人脸图像的人脸关键点,得到上嘴唇内部轮廓关键点和下嘴唇内部轮廓关键点;
计算上嘴唇内部轮廓关键点中的最高点和下嘴唇内部轮廓关键点中的最低点之间的距离,并判断所述距离是否大于或等于距离阈值;
如果所述距离大于或等于距离阈值,则确认为存在牙齿区域。
8.一种人像牙齿修饰装置,其特征在于,所述装置包括:
人脸获取模块,用于获取待检测对象的人脸图像序列,所述人脸图像序列包括至少一帧人脸图像;
识别模块,用于基于所述人脸图像确定人脸中的牙齿区域;
修饰模块,用于对所述牙齿区域进行修饰,得到修饰结果。
9.一种人像牙齿修饰系统,包括存储器、处理器及存储在所述存储器上且在所述处理器上运行的计算机程序,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7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,所述计算机程序被计算机执行时实现权利要求1至7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811610324.1A CN109815821A (zh) | 2018-12-27 | 2018-12-27 | 一种人像牙齿修饰方法、装置、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811610324.1A CN109815821A (zh) | 2018-12-27 | 2018-12-27 | 一种人像牙齿修饰方法、装置、系统及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109815821A true CN109815821A (zh) | 2019-05-28 |
Family
ID=66602594
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811610324.1A Pending CN109815821A (zh) | 2018-12-27 | 2018-12-27 | 一种人像牙齿修饰方法、装置、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109815821A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN112085733A (zh) * | 2020-09-21 | 2020-12-15 | 北京字节跳动网络技术有限公司 | 图像处理方法、装置、电子设备和计算机可读介质 |
CN112101258A (zh) * | 2020-09-21 | 2020-12-18 | 北京字节跳动网络技术有限公司 | 图像处理方法、装置、电子设备和计算机可读介质 |
CN112561816A (zh) * | 2020-12-10 | 2021-03-26 | 厦门美图之家科技有限公司 | 图像处理方法、装置、电子设备和可读存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080310712A1 (en) * | 2007-06-12 | 2008-12-18 | Edgar Albert D | Method and system to detect and correct whiteness with a digital image |
CN101206761B (zh) * | 2006-12-22 | 2012-05-23 | 佳能株式会社 | 图像处理设备及其方法 |
CN105580050A (zh) * | 2013-09-24 | 2016-05-11 | 谷歌公司 | 提供图像中的控制点 |
CN106446800A (zh) * | 2016-08-31 | 2017-02-22 | 北京云图微动科技有限公司 | 牙齿识别方法、装置及系统 |
CN107578380A (zh) * | 2017-08-07 | 2018-01-12 | 北京金山安全软件有限公司 | 一种图像处理方法、装置、电子设备及存储介质 |
CN107730446A (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、计算机设备及计算机可读存储介质 |
CN107911736A (zh) * | 2017-11-21 | 2018-04-13 | 广州华多网络科技有限公司 | 直播互动方法及系统 |
CN108229278A (zh) * | 2017-04-14 | 2018-06-29 | 深圳市商汤科技有限公司 | 人脸图像处理方法、装置和电子设备 |
-
2018
- 2018-12-27 CN CN201811610324.1A patent/CN109815821A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101206761B (zh) * | 2006-12-22 | 2012-05-23 | 佳能株式会社 | 图像处理设备及其方法 |
US20080310712A1 (en) * | 2007-06-12 | 2008-12-18 | Edgar Albert D | Method and system to detect and correct whiteness with a digital image |
CN105580050A (zh) * | 2013-09-24 | 2016-05-11 | 谷歌公司 | 提供图像中的控制点 |
CN106446800A (zh) * | 2016-08-31 | 2017-02-22 | 北京云图微动科技有限公司 | 牙齿识别方法、装置及系统 |
CN108229278A (zh) * | 2017-04-14 | 2018-06-29 | 深圳市商汤科技有限公司 | 人脸图像处理方法、装置和电子设备 |
CN107578380A (zh) * | 2017-08-07 | 2018-01-12 | 北京金山安全软件有限公司 | 一种图像处理方法、装置、电子设备及存储介质 |
CN107730446A (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、计算机设备及计算机可读存储介质 |
CN107911736A (zh) * | 2017-11-21 | 2018-04-13 | 广州华多网络科技有限公司 | 直播互动方法及系统 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN112085733A (zh) * | 2020-09-21 | 2020-12-15 | 北京字节跳动网络技术有限公司 | 图像处理方法、装置、电子设备和计算机可读介质 |
CN112101258A (zh) * | 2020-09-21 | 2020-12-18 | 北京字节跳动网络技术有限公司 | 图像处理方法、装置、电子设备和计算机可读介质 |
CN112561816A (zh) * | 2020-12-10 | 2021-03-26 | 厦门美图之家科技有限公司 | 图像处理方法、装置、电子设备和可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11854072B2 (en) | Applying virtual makeup products | |
CN109815821A (zh) | 一种人像牙齿修饰方法、装置、系统及存储介质 | |
US11854070B2 (en) | Generating virtual makeup products | |
CN106469302B (zh) | 一种基于人工神经网络的人脸肤质检测方法 | |
CN105631439B (zh) | 人脸图像处理方法和装置 | |
CN109740491A (zh) | 一种人眼视线识别方法、装置、系统及存储介质 | |
CN106056064B (zh) | 一种人脸识别方法及人脸识别装置 | |
CN108875452A (zh) | 人脸识别方法、装置、系统和计算机可读介质 | |
KR101870689B1 (ko) | 영상 기반의 두피 진단 정보 제공 방법 | |
CN110111418A (zh) | 创建脸部模型的方法、装置及电子设备 | |
KR101713086B1 (ko) | 투명감 평가 장치, 투명감 평가 방법 및 투명감 평가 프로그램 | |
CN109146856A (zh) | 图像质量评定方法、装置、计算机设备及存储介质 | |
CN110348543A (zh) | 眼底图像识别方法、装置、计算机设备及存储介质 | |
CN108875511A (zh) | 图像生成的方法、装置、系统及计算机存储介质 | |
KR101301821B1 (ko) | 안색 정보 생성 장치 및 그 방법, 안색 정보를 이용한 건강 상태 판단 장치 및 그 방법, 건강 분류 함수 생성 장치 및 그 방법 | |
CN108875932A (zh) | 图像识别方法、装置和系统及存储介质 | |
CN109657554A (zh) | 一种基于微表情的图像识别方法、装置以及相关设备 | |
CN109584153A (zh) | 修饰眼部的方法、装置和系统 | |
CN109410138A (zh) | 修饰双下巴的方法、装置和系统 | |
CA3199439A1 (en) | Digital imaging and learning systems and methods for analyzing pixel data of an image of a hair region of a user's head to generate one or more user-specific recommendations | |
CN110222597A (zh) | 基于微表情调节屏幕显示的方法及装置 | |
CN109299633A (zh) | 皱纹检测方法、系统、设备及介质 | |
WO2015125552A1 (ja) | うるおい感評価装置、うるおい感評価方法およびうるおい感評価プログラム | |
CN108875545A (zh) | 确定人脸图像的光线状态的方法、装置、系统和存储介质 | |
CN110032959A (zh) | 一种人脸脸型判断方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190528 |