CN110188652A - 人脸图像的处理方法、装置、终端及存储介质 - Google Patents

人脸图像的处理方法、装置、终端及存储介质 Download PDF

Info

Publication number
CN110188652A
CN110188652A CN201910441670.XA CN201910441670A CN110188652A CN 110188652 A CN110188652 A CN 110188652A CN 201910441670 A CN201910441670 A CN 201910441670A CN 110188652 A CN110188652 A CN 110188652A
Authority
CN
China
Prior art keywords
face
target object
section
image
phenotype
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
Application number
CN201910441670.XA
Other languages
English (en)
Inventor
郑微
刘昂
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing ByteDance Network Technology Co Ltd
Original Assignee
Beijing ByteDance Network Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing ByteDance Network Technology Co Ltd filed Critical Beijing ByteDance Network Technology Co Ltd
Priority to CN201910441670.XA priority Critical patent/CN110188652A/zh
Publication of CN110188652A publication Critical patent/CN110188652A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • General Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本公开提供了一种人脸图像的处理方法、装置、终端及存储介质；其中，方法包括：采集目标对象的人脸帧图像；在所述人脸帧图像中，确定所述目标对象的五官各部分对应的图像区域；基于所述五官各部分对应的图像区域，分别确定所述目标对象的五官各部分的表现型评分；基于所述目标对象的五官各部分的表现型评分，展示所述目标对象的五官中至少之一。

Description

人脸图像的处理方法、装置、终端及存储介质
技术领域
本公开涉及计算机技术领域，尤其涉及一种人脸图像的处理方法、装置、终端及存储介质。
背景技术
随着通信技术和终端设备的发展，各种终端设备例如手机、平板电脑等已经成为了人们工作和生活中不可或缺的一部分，而且随着终端设备的日益普及，基于终端设备的交互应用成为一种沟通和娱乐的主要渠道。相关技术中，通过交互应用能够识别出用户面部，并在用户面部进行五官标准检测，而这种检测方法只能综合判断用户面部的五官是否标准，应用场景过于单一，无法满足用户的多样化需求。
发明内容
有鉴于此，本公开实施例提供一种人脸图像的处理方法、装置、终端及存储介质。
本公开实施例提供一种人脸图像的处理方法，包括：
采集目标对象的人脸帧图像；
在所述人脸帧图像中，确定所述目标对象的五官各部分对应的图像区域；
基于所述五官各部分对应的图像区域，分别确定所述目标对象的五官各部分的表现型评分；
基于所述目标对象的五官各部分的表现型评分，展示所述目标对象的五官中至少之一。
上述方案中，所述确定所述目标对象的五官各部分对应的图像区域，包括：
对所述人脸帧图像进行人脸特征点检测，得到所述目标对象的五官各部分所包括的特征点；
基于所述五官各部分所包括的特征点，确定所述目标对象的五官各部分对应的图像区域。
上述方案中，所述基于所述五官各部分对应的图像区域，分别确定所述目标对象的五官各部分的表现型评分，包括：
根据所述五官各部分对应的图像区域，对所述人脸帧图像进行分割，得到对应所述五官各部分的图像；
分别将所述五官各部分对应的图像输入神经网络模型，得到所述五官各部分对应的美观评分。
上述方案中，所述基于所述五官各部分对应的图像区域，分别确定所述目标对象的五官各部分的表现型评分，包括：
将所述目标对象的人脸帧图像与预设人脸图像进行相似度匹配，分别得到所述目标对象的五官各部分与预设人脸图像中相应部分的相似度评分。
上述方案中，所述基于所述目标对象的五官各部分的表现型评分，展示所述目标对象的五官中至少之一，包括：
基于所述表现型评分的高低，确定所述目标对象的五官各部分中表现型评分最高的五官内容；
展示所述表现型评分最高的五官内容。
上述方案中，所述基于所述目标对象的五官各部分的表现型评分，展示所述目标对象的五官中至少之一，包括：
基于所述表现型评分的高低，确定所述目标对象的五官各部分中表现型评分最低的五官内容；
对所述表现型评分最低的五官内容进行特征调整，以提高所述五官内容的表现型评分；
展示进行所述特征调整之后的五官内容。
上述方案中，所述基于所述目标对象的五官各部分的表现型评分，展示所述目标对象的五官中至少之一，包括：
基于所述表现型评分的高低对所述目标对象的五官内容进行排序，得到待展示五官内容序列；
展示所述待展示五官内容序列中预设数量的五官内容。
上述方案中，所述基于所述目标对象的五官各部分的表现型评分，展示所述目标对象的五官中至少之一，包括：
分别获取多张人脸帧图像中表现型评分最高的五官内容；所述多张人脸帧图像为连续采集的所述目标对象的人脸帧图像；
确定所述多张人脸帧图像中表现型评分最高的五官内容相同时，展示所述表现型评分最高的五官内容。
上述方案中，所述展示所述目标对象的五官中至少之一，包括：
确定需要进行展示的五官内容；
在所述需要进行展示的五官内容上添加特效元素；
对添加特效元素后的五官内容进行展示。
上述方案中，所述方法还包括：
获取所述目标对象的人脸标识(Identity，ID)；
基于所述人脸ID，确定图像采集的对象发生变化时，采集当前对象的人脸帧图像，以对当前对象的人脸帧图像进行处理。
上述方案中，所述采集目标对象的人脸帧图像之前，所述方法还包括：
加载用于所述人脸图像的处理的道具资源，所述道具资源包括以下至少之一：图像道具、音频道具、用户界面UI动画道具。
本公开实施例还提供一种人脸图像的处理装置，所述装置包括：
采集单元，用于采集目标对象的人脸帧图像；
确定单元，用于在所述人脸帧图像中，确定所述目标对象的五官各部分对应的图像区域；
处理单元，用于基于所述五官各部分对应的图像区域，分别确定所述目标对象的五官各部分的表现型评分；
展示单元，用于基于所述目标对象的五官各部分的表现型评分，展示所述目标对象的五官中至少之一。
上述方案中，所述确定单元，用于对所述人脸帧图像进行人脸特征点检测，得到所述目标对象的五官各部分所包括的特征点；
基于所述五官各部分所包括的特征点，确定所述目标对象的五官各部分对应的图像区域。
上述方案中，所述处理单元，用于根据所述五官各部分对应的图像区域，对所述人脸帧图像进行分割，得到对应所述五官各部分的图像；
分别将所述五官各部分对应的图像输入神经网络模型，得到所述五官各部分对应的美观评分。
上述方案中，所述处理单元，用于将所述目标对象的人脸帧图像与预设人脸图像进行相似度匹配，分别得到所述目标对象的五官各部分与预设人脸图像中相应部分的相似度评分。
上述方案中，所述展示单元，用于基于所述表现型评分的高低，确定所述目标对象的五官各部分中表现型评分最高的五官内容；
展示所述表现型评分最高的五官内容。
上述方案中，所述展示单元，用于基于所述表现型评分的高低，确定所述目标对象的五官各部分中表现型评分最低的五官内容；
对所述表现型评分最低的五官内容进行特征调整，以提高所述五官内容的表现型评分；
展示进行所述特征调整之后的五官内容。
上述方案中，所述展示单元，用于基于所述表现型评分的高低对所述目标对象的五官内容进行排序，得到待展示五官内容序列；
展示所述待展示五官内容序列中预设数量的五官内容。
上述方案中，所述展示单元，用于分别获取多张人脸帧图像中表现型评分最高的五官内容；所述多张人脸帧图像为连续采集的所述目标对象的人脸帧图像；
确定所述多张人脸帧图像中表现型评分最高的五官内容相同时，展示所述表现型评分最高的五官内容。
上述方案中，所述展示单元，用于确定需要进行展示的五官内容；
在所述需要进行展示的五官内容上添加特效元素；
对添加特效元素后的五官内容进行展示。
上述方案中，所述装置还包括获取单元：
所述获取单元，用于获取所述目标对象的人脸ID；
基于所述人脸ID，确定图像采集的对象发生变化时，采集当前对象的人脸帧图像，以对当前对象的人脸帧图像进行处理。
上述方案中，所述装置还包括加载单元：
所述加载单元，用于所述采集目标对象的人脸帧图像之前，加载用于所述人脸图像的处理的道具资源，所述道具资源包括以下至少之一：图像道具、音频道具、用户界面UI动画道具。
本公开实施例还提供一种终端，所述终端包括：
存储器，用于存储可执行指令；
处理器，用于执行所述存储器中存储的可执行指令时，实现本公开实施例提供的人脸图像的处理方法。
本公开实施例还提供一种非暂态存储介质，存储有可执行指令，所述可执行指令被执行时，用于实现本公开实施例提供的人脸图像的处理方法。
应用本公开上述实施例具有以下有益效果：
应用本公开上述实施例，通过采集目标对象的人脸帧图像，分别确定目标对象的五官各部分的表现型评分，并基于确定的目标对象的五官各部分的表现型评分，展示目标对象的五官中至少之一。如此，实现了对五官各部分都分别进行表现型评分的判断，进而有针对性地展示五官的部分内容，从而满足用户的多样化需求，用户体验高。
附图说明
图1为本公开实施例提供的人脸图像的处理系统的架构示意图；
图2为本公开实施例提供的人脸图像的处理装置的组成结构示意图；
图3为本公开实施例提供的人脸图像的处理方法的流程示意图；
图4为本公开实施例提供的人脸检测的界面示意图；
图5为本公开实施例提供的人脸特征点检测的界面示意图；
图6为本公开实施例提供的人脸图像的最美五官内容展示的界面示意图；
图7A为本公开实施例提供的添加特效元素的五官内容展示的界面示意图；
图7B为本公开实施例提供的添加特效元素的五官内容展示的界面示意图；
图8为本公开实施例提供的人脸图像的处理方法的流程示意图；
图9为本公开实施例提供的人脸图像的处理装置的组成结构示意图。
具体实施方式
在以下的描述中，涉及到“一些实施例”，其描述了所有可能实施例的子集，但是可以理解,“一些实施例”可以是所有可能实施例的相同子集或不同子集，并且可以在不冲突的情况下相互结合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本公开实施例的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述具体的实施例的目的，不是旨在限制本公开实施例。
本公开实施例提供的附图中的流程图和框图，图示了按照本公开实施例的系统、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。
接下来参见图1，图1为本公开实施例提供的人脸图像处理系统的架构示意图，为实现支撑一个示例性应用，终端400(包括终端400-1(包括图形界面410-1)和终端400-2(包括图形界面410-2))，终端400通过网络300连接服务器200，网络300可以是广域网或者局域网，又或者是二者的组合，使用无线链路实现数据传输。
终端400(如终端400-1)，用于采集目标对象的人脸帧图像，并将该人脸帧图像发送给服务器200；
服务器200，用于在所述人脸帧图像中，确定目标对象的五官各部分对应的图像区域；基于五官各部分对应的图像区域，分别确定所述目标对象的五官各部分的表现型评分，并将目标对象的五官各部分的表现型评分反馈给终端；
终端400(如终端400-1)，还用于基于目标对象的五官各部分的表现型评分，展示所述目标对象的五官中至少之一。
在一些实施例中，终端400(如终端400-1)上设置有客户端，终端基于客户端实现五官展示，客户端采集目标对象的人脸帧图像；在人脸帧图像中，确定目标对象的五官各部分对应的图像区域；基于五官各部分对应的图像区域，分别确定目标对象的五官各部分的表现型评分；基于目标对象的五官各部分的表现型评分，展示目标对象的五官中至少之一。
接下来对本公开实施例提供的人脸图像的处理装置进行说明。本公开实施例的人脸图像处理装置可以以各种形式来实施，如：由智能手机、平板电脑和台式机等终端或服务器单独实施，或者由终端、服务器协同实施。本公开实施例提供的人脸图像的处理装置可以实施为硬件或者软硬件结合的方式，下面说明本公开实施例提供的装置的各种示例性实施。
对本公开实施例的人脸图像的处理装置的硬件结构做详细说明，图2为本公开实施例提供的人脸图像的处理装置的组成结构示意图，图2示出的装置组成仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图2所示，人脸图像的处理装置可以包括处理装置(例如中央处理器、图形处理器等)210，其可以根据存储在只读存储器(ROM，Read-Only Memory)220中的程序或者从存储装置280加载到随机访问存储器(RAM，Random Access Memory)230中的程序而执行各种适当的动作和处理。在RAM 230中，还存储有人脸图像的处理装置操作所需的各种程序和数据。处理装置210、ROM 220以及RAM 230通过总线240彼此相连。输入/输出(I/O，Input/Output)接口250也连接至总线240。
通常，以下装置可以连接至I/O接口250：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260；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置270；包括例如磁带、硬盘等的存储装置280；以及通信装置290。通信装置290可以允许人脸图像的处理装置与其他设备进行无线或有线通信以交换数据。虽然图2示出了具有的各种装置，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。
特别地，根据本公开的实施例，所提供的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，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，计算机程序可以通过通信装置290从网络上被下载和安装，或者从存储装置280被安装，或者从ROM220被安装。在计算机程序被处理装置210执行时，执行本公开实施例的人脸图像的处理方法中限定的上述功能。
需要说明的是，本公开上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包括但不限于电、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，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、射频(RF)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人脸图像的处理装置中所包含的；也可以是单独存在，而未装配入人脸图像的处理装置中。
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人脸图像的处理装置执行时，使得人脸图像的处理装置执行本公开实施例提供的上述人脸图像的处理方法。
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操作的计算机程序代码，上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)和广域网(WAN)，以连接到用户计算机，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)。
描述于本公开实施例中所涉及到的单元和/或模块可以通过软件的方式实现，也可以通过硬件的方式来实现。
对于硬件的方式来说，实现本公开实施例的人脸图像的处理装置的单元和/或模块可以被一个或多个应用专用集成电路(ASIC，Application Specific IntegratedCircuit)、DSP、可编程逻辑器件(PLD，Programmable Logic Device)、复杂可编程逻辑器件(CPLD，Complex Programmable Logic Device)、现场可编程门阵列(FPGA，Field-Programmable Gate Array)或其他电子元件实现，用于执行实现本公开实施例提供的人脸图像的处理方法。
图3为本公开实施例提供的人脸图像的处理方法的流程示意图，参见图3，本公开实施例的人脸图像的处理方法包括：
步骤301：终端采集目标对象的人脸帧图像。
在实际应用中，终端上设置有客户端，如即时通讯客户端、微博客户端、短视频客户端等，用户可以通过在客户端上加载道具资源实现社交互动，道具资源包括以下至少之一：图像道具、音频道具、用户界面(User Interface，UI)动画道具；图像道具可以为客户端或网页页面上呈现的扫描框，音频道具可以为背景音乐，UI动画可以为进行网络互动的界面。
在实际实施时，客户端加载扫描框的道具时，终端通过扫描框对用户进行人脸检测，如图4所示，图4为本公开实施例提供的人脸检测的界面示意图，参见图4，通过扫描框识别得到目标对象的人脸帧图像。当用户有多个时，以识别到的最完整人脸帧图像的用户作为目标对象。人脸检测技术可采用iOS自带人脸检测、OpenCV人脸检测、Face++、sensetime、腾讯优图人脸检测等人脸检测技术。
步骤302：终端在人脸帧图像中，确定目标对象的五官各部分对应的图像区域。
在实际实施时，终端可基于人脸特征点确定目标对象的五官各部分对应的图像区域，所谓特征点就是在图像中能够反映对象的局部特征(如颜色特征、形状特征和纹理特征)的点，一般为多个像素点的集合，以人脸图像为例，特征点可以是眼睛特征点、嘴巴特征点或鼻子特征点等。
在一些实施例中，终端可以通过如下方式确定目标对象的五官各部分对应的图像区域：对人脸帧图像进行人脸特征点检测，得到目标对象的五官各部分所包括的特征点；基于五官各部分所包括的特征点，确定所述目标对象的五官各部分对应的图像区域。
在实际实施时，终端对采集到的人脸帧图像进行人脸特征点检测，识别出五官各部分所包括的特征点，由这些特征点构成对应的五官各部分的图像区域，如图5所示，图5本公开实施例提供的人脸特征点检测的界面示意图，参见图5，虚线框1为由鼻子所包括的特征点确定的鼻子的图像区域，虚线框2为由嘴巴所包括的特征点确定的嘴巴的图像区域。
步骤303：终端基于所述五官各部分对应的图像区域，分别确定所述目标对象的五官各部分的表现型评分。
这里，表现型评分用于指示目标用户五官各部分的美观程度，表现型评分越高意味着目标用户五官相应部分的美观程度就越高。表现型评分可以通过美观评分或相似度评分来体现。
在一些实施例中，终端可通过训练得到的神经网络模型(如循环神经网络(RNN，Recurrent Neural Network))确定五官各部分的表现型评分，具体地，可通过如下方式得到五官各部分的评分：终端根据五官各部分对应的图像区域，对人脸帧图像进行分割，得到对应五官各部分的图像；分别将得到的五官各部分对应的图像输入神经网络模型，得到五官各部分对应的美观评分；其中，美观评分的大小用于表征目标对象的五官中相应部分的美观程度。
在实际实施时，终端将分割得到的五官各部分的图像输入神经网络的输入层，经隐藏层，通过输出层输出得到五官各部分对应的评分，美观评分越高意味着五官中相应部分的美观程度就越高。
在实际应用中，通常以公众认为最美的多张五官各部分的图片作为样本来训练神经网络模型，这里，对神经网络模型的训练进行说明，终端可以通过如下方式训练上述神经网络模型：
初始化神经网络模型包括的输入层、中间层和输出层；构建训练样本集合，训练样本集合包括人脸五官各部分对应的图像及相应图像的评分；以人脸五官各部分对应的图像作为输入、相应图像的评分作为输出，根据神经网络模型的损失函数，更新神经网络模型的模型参数。
示例性地，终端将目标对象的五官中嘴巴对应的图像输入训练好的神经网络模型的输入层，经隐藏层，通过输出层输出得到嘴巴的美观评分，美观评分越高意味着该五官中嘴巴的美观程度就越高。
在一些实施例中，终端可通过计算目标对象的人脸帧图像与预设人脸图像的匹配相似度来确定五官各部分的表现型评分，具体地，可通过如下方式确定：
终端将目标对象的人脸帧图像与预设人脸图像进行相似度匹配，分别得到目标对象的五官各部分与预设人脸图像中相应部分的相似度评分；相似度评分用于表征目标对象的五官中相应部分的美观程度。
这里，在实际实施时，终端可将目标对象的人脸帧图像分割成各五官部分对应的图像，分别将五官各部分对应的图像与公认最美的五官各部分对应的图像进行相似度匹配，分别得到五官各部分与公认最美的五官各部分的相似度评分，比如，终端将目标对象的五官中嘴巴对应的图像与公认最美的嘴巴图像进行相似度匹配，得到相似度评分值为95％，终端将目标对象的五官中眼睛对应的图像与公认最美的眼睛图像进行相似度匹配，得到相似度评分值为85％，则可确定目标对象的五官中嘴巴的美观程度比较高。
在一些实施例中，终端还可将目标对象的人脸帧图像与公认最美的人脸图像进行相似度匹配，分别得到五官各部分与公认最美的人脸图像中相应的各部分的相似度评分，相似度越大，意味着五官中相应部分的美观程度越高。比如，终端将目标对象的人脸帧图像与公认最美的人脸图像进行相似度匹配，得到目标对象的眼睛与该公认最美的人脸图像中的眼睛的相似度评分为90％，目标对象的嘴巴与该公认最美的人脸图像中的嘴巴的相似度评分为80％，目标对象的鼻子与该公认最美的人脸图像中的鼻子的相似度评分为70％，那么，可确定目标对象的五官中眼睛的表现型评分最高。
需要说明的是，在一些实施例中，目标对象的五官各部分的评分，以及目标对象的五官各部分与预设图像中相应部分的相似度的计算(即步骤303)亦可由服务器执行。
步骤304：终端基于目标对象的五官各部分的表现型评分，展示目标对象的五官中至少之一。
在一些实施例中，终端可通过如下方法展示目标对象的五官中至少之一：基于表现型评分的高低，确定目标对象的五官各部分中表现型评分最高的五官内容；展示所述表现型评分最高的五官内容，如此，为用户展示表现型评分最高的五官内容，可对用户五官中表现型评分最高的部分进行突出，让用户了解的同时提高用户的自信心。
这里，在实际实施时，终端根据得到的五官各部分的美观评分或相似度评分的大小来判断五官相应部分的美观程度的高低，比如，对于目标对象的一帧人脸图像，得到的五官美观评分分别为：眉毛(80分)、眼睛(70分)、鼻子(85分)、嘴巴(95分)，那么可确定该目标对象的五官各部分中美观程度相对最高的为嘴巴，最低的为眼睛。图6为本公开实施例提供的人脸图像的最美五官内容展示的界面示意图，参见图6，终端基于对五官各部分的表现型评分的判断结果，选择其中表现型评分最高的五官内容(嘴巴)进行展示。
在一些实施例中，终端也可通过如下方式实现目标对象的五官展示：基于表现型评分的高低，确定目标对象的五官各部分中表现型评分最低的五官内容；对表现型评分最低的五官内容进行特征调整，以提高所述五官内容的美观程度；展示进行特征调整之后的五官内容。如此，为用户展示调整之后的五官内容，给用户提供化妆或美化方向，提高用户体验。
这里，在实际应用中，在终端判断出五官各部分的表现型评分高低的基础上，对于表现型评分较低的五官部分进行特征调整，比如，对于表现型评分较低的眼睛(小、单眼皮)，进行有针对性的扩大眼角、画双眼皮等调整处理，可以提高眼睛的美观程度，展示扩大眼角之后的双眼皮眼睛可以使用户心情愉悦。
在一些实施例中，终端还可通过如下方式实现目标对象的五官展示：基于表现型评分的高低对目标对象的五官内容进行排序，得到待展示五官内容序列；展示待展示五官内容序列中预设数量的五官内容。也即，在选取待展示目标用户的五官内容的过程中，不去考虑具体的美观评分值或相似度评分值，均从所述待展示五官内容序列中第一个待展示五官内容开始，选取预设数量的待展示五官内容进行展示，如此，给用户提供更大的展示五官内容的选择空间，用户体验好。
用户基于终端的客户端展示五官内容的时候还存在以下场景：对于某一固定目标用户而言，对一张人脸帧图像进行处理后，显示最美五官为嘴，而由于用户的移动造成的图像采集不够准确，使得对连续采集的下一张人脸帧图像进行处理后，显示最美五官却为眼睛，针对该应用场景，在一些实施例中，终端还可通过如下方式实现目标对象的五官展示：
分别获取多张人脸帧图像中表现型评分最高的五官内容；多张人脸帧图像为连续采集的目标对象的人脸帧图像；确定多张人脸帧图像中表现型评分最高的五官内容相同时，展示表现型评分最高的五官内容。也即，在展示表现型评分最高的五官内容时，当同一目标用户连续多张人脸帧图像处理后显示的最美五官为同一五官内容时，认为此时的五官判别结果是稳定的，对稳定的判别结果才进行展示。
在一些实施例中，终端还可通过如下方式实现目标对象的五官展示：确定需要进行展示的五官内容；在需要进行展示的五官内容上添加特效元素；对添加特效元素后的五官内容进行展示。
这里，在实际应用中，在确定了需要进行展示的五官内容之后，在待展示的五官内容上添加特效元素，图7A、图7B为本公开实施例提供的添加特效元素的五官内容展示的界面示意图，参见图7A，在表现型评分最高的五官内容(眉毛)上添加“点赞”型特效元素，参见图7B，在表现型评分最低的五官内容(嘴唇)上添加“心碎”型特效元素，以提高客户端的娱乐性。
在一些实施例中，终端还可以获取所述目标对象的人脸ID；基于所述人脸ID，确定图像采集的对象发生变化时，采集当前对象的人脸帧图像，以对当前对象的人脸帧图像进行处理。
这里，在实际实施时，终端通过判断目标对象的人脸ID是否改变来判断图像采集的对象是否发生了变化，对于采集对象发生变化的情况，需要重新采集当前对象的人脸帧图像，即重新执行上述步骤301-304。
应用本公开上述实施例，通过采集目标对象的人脸帧图像，分别确定目标对象的五官各部分的表现型评分，并基于确定的目标对象的五官各部分的表现型评分，展示目标对象的五官中至少之一。如此，实现了对五官各部分都分别进行表现型评分的判断，进而有针对性地展示五官的部分内容，从而满足用户的多样化需求，用户体验高。
图8为本公开实施例提供的人脸图像的处理方法的流程示意图，该人脸图像的处理方法可通过终端上设置的客户端和服务器协同实现，参见图8，本公开实施例的人脸图像的处理方法包括：
步骤801：客户端采集目标对象的人脸帧图像。
这里，在实际应用中，客户端可以为社交网络客户端，如短视频客户端，即时通讯客户端，还可以为图像处理客户端，如美颜相机客户端。
在一些实施例中，客户端可通过如下方式采集目标对象的人脸帧图像：
客户端加载包括人脸扫描框的道具资源，通过人脸扫描框实现人脸扫描/人脸检测，得到目标对象的人脸帧图像；当然，在实际应用中，道具资源并不限于人脸扫描框，还可以有背景音乐、UI动画等。
步骤802：客户端将采集的目标对象的人脸帧图像发送给服务器。
步骤803：服务器在人脸帧图像中，确定目标对象的五官各部分对应的图像区域。
这里，服务器对接收到的人脸帧图像进行人脸特征点检测，得到目标对象的五官各部分所包括的特征点；根据五官各部分所包括的特征点，确定五官各部分对应的图像区域。
步骤804：服务器对人脸帧图像进行分割，得到对应五官各部分的图像。
这里，服务器根据五官各部分对应的图像区域对人脸帧图像进行分割，得到对应五官各部分的图像。
步骤805：服务器分别将得到的五官各部分对应的图像输入神经网络模型，得到五官各部分对应的美观评分。
步骤806：服务器将五官各部分的美观评分及相应的ID返回给客户端。
这里，每一个评分对应于一个ID，ID可以为序列号(Index)，用于唯一的标识五官内容，例如，鼻子的ID为0，嘴巴的ID为1。
步骤807：客户端基于五官各部分的美观评分及相应ID，确定最美五官内容。
这里，在实际应用时，客户端将美观评分最高的五官内容确定为最美五官内容。
步骤808：客户端在最美五官内容上添加特效元素。
这里，可以根据用户的需要，在最美五官内容上添加特效元素，比如，客户端确定“嘴唇”为最美五官时，在嘴唇上添加“花朵”型特效元素。
步骤809：客户端展示添加特效元素后的五官内容。
这里，客户端展示添加了特效之后的五官内容，比如，在展示上述最美五官中嘴唇的同时，也展示上述添加的“花朵”型特效元素使用户心情愉悦。
继续对本公开实施例提供的人脸图像的处理装置的软件实现进行说明。图9为本公开实施例提供的人脸图像的处理装置的组成结构示意图，参见图9，本公开实施例人脸图像的处理装置90包括：
采集单元91，用于采集目标对象的人脸帧图像；
确定单元92，用于在所述人脸帧图像中，确定所述目标对象的五官各部分对应的图像区域；
处理单元93，用于基于所述五官各部分对应的图像区域，分别确定所述目标对象的五官各部分的表现型评分；
展示单元94，用于基于所述目标对象的五官各部分的表现型评分，展示所述目标对象的五官中至少之一。
在一些实施例中，所述确定单元92，用于对所述人脸帧图像进行人脸特征点检测，得到所述目标对象的五官各部分所包括的特征点；
基于所述五官各部分所包括的特征点，确定所述目标对象的五官各部分对应的图像区域。
在一些实施例中，所述处理单元93，用于根据所述五官各部分对应的图像区域，对所述人脸帧图像进行分割，得到对应所述五官各部分的图像；
分别将所述五官各部分对应的图像输入神经网络模型，得到所述五官各部分对应的美观评分；所述美观评分用于表征所述目标对象的五官中相应部分的美观程度。
在一些实施例中，所述处理单元93，用于将所述目标对象的人脸帧图像与预设人脸图像进行相似度匹配，分别得到所述目标对象的五官各部分与预设人脸图像中相应部分的相似度评分；
所述相似度评分用于表征所述目标对象的五官中相应部分的美观程度。
在一些实施例中，所述展示单元94，用于基于所述表现型评分的高低，确定所述目标对象的五官各部分中表现型评分最高的五官内容；
展示所述表现型评分最高的五官内容。
在一些实施例中，所述展示单元94，用于基于所述表现型评分的高低，确定所述目标对象的五官各部分中表现型评分最低的五官内容；
对所述表现型评分最低的五官内容进行特征调整，以提高所述五官内容的表现型评分；
展示进行所述特征调整之后的五官内容。
在一些实施例中，所述展示单元94，用于基于所述表现型评分的高低对所述目标对象的五官内容进行排序，得到待展示五官内容序列；
展示所述待展示五官内容序列中预设数量的五官内容。
在一些实施例中，所述展示单元94，用于分别获取多张人脸帧图像中表现型评分最高的五官内容；所述多张人脸帧图像为连续采集的所述目标对象的人脸帧图像；
确定所述多张人脸帧图像中表现型评分最高的五官内容相同时，展示所述表现型评分最高的五官内容。
在一些实施例中，所述展示单元94，用于确定需要进行展示的五官内容；
在所述需要进行展示的五官内容上添加特效元素；
对添加特效元素后的五官内容进行展示。
在一些实施例中，所述装置90还包括获取单元：
所述判断单元，用于获取所述目标对象的人脸ID；
基于所述人脸ID，确定图像采集的对象发生变化时，采集当前对象的人脸帧图像，以对当前对象的人脸帧图像进行处理。
在一些实施例中，所述装置90还包括加载单元：
所述加载单元，用于所述采集目标对象的人脸帧图像之前，加载用于所述人脸图像的处理的道具资源，所述道具资源包括以下至少之一：图像道具、音频道具、用户界面UI动画道具。
这里需要指出的是：以上涉及人脸图像的处理装置的描述，与上述人脸图像的处理方法描述是类似的，同方法的有益效果描述，不做赘述。对于本公开所述人脸图像的处理装置实施例中未披露的技术细节，请参照本公开人脸图像的处理方法实施例的描述。
本公开实施例还提供一种终端，所述终端包括：
存储器，用于存储可执行指令；
处理器，用于执行所述存储器中存储的可执行指令时，实现本公开实施例提供的人脸图像的处理方法。
本公开实施例还提供一种存储介质，存储有可执行指令，所述可执行指令被执行时，用于被处理器执行时实现本公开实施例提供的人脸图像的处理方法。
以上所述，仅为本公开的具体实施方式，但本公开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公开揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应以所述权利要求的保护范围为准。

Claims (24)

1.一种人脸图像的处理方法，其特征在于，所述方法包括：
采集目标对象的人脸帧图像；
在所述人脸帧图像中，确定所述目标对象的五官各部分对应的图像区域；
基于所述五官各部分对应的图像区域，分别确定所述目标对象的五官各部分的表现型评分；
基于所述目标对象的五官各部分的表现型评分，展示所述目标对象的五官中至少之一。
2.如权利要求1所述的方法，其特征在于，所述确定所述目标对象的五官各部分对应的图像区域，包括：
对所述人脸帧图像进行人脸特征点检测，得到所述目标对象的五官各部分所包括的特征点；
基于所述五官各部分所包括的特征点，确定所述目标对象的五官各部分对应的图像区域。
3.如权利要求1所述的方法，其特征在于，所述基于所述五官各部分对应的图像区域，分别确定所述目标对象的五官各部分的表现型评分，包括：
根据所述五官各部分对应的图像区域，对所述人脸帧图像进行分割，得到对应所述五官各部分的图像；
分别将所述五官各部分对应的图像输入神经网络模型，得到所述五官各部分对应的美观评分。
4.如权利要求1所述的方法，其特征在于，所述基于所述五官各部分对应的图像区域，分别确定所述目标对象的五官各部分的表现型评分，包括：
将所述目标对象的人脸帧图像与预设人脸图像进行相似度匹配，分别得到所述目标对象的五官各部分与预设人脸图像中相应部分的相似度评分。
5.如权利要求1所述的方法，其特征在于，所述基于所述目标对象的五官各部分的表现型评分，展示所述目标对象的五官中至少之一，包括：
基于所述表现型评分的高低，确定所述目标对象的五官各部分中表现型评分最高的五官内容；
展示所述表现型评分最高的五官内容。
6.如权利要求1所述的方法，其特征在于，所述基于所述目标对象的五官各部分的表现型评分，展示所述目标对象的五官中至少之一，包括：
基于所述表现型评分的高低，确定所述目标对象的五官各部分中表现型评分最低的五官内容；
对所述表现型评分最低的五官内容进行特征调整，以提高所述五官内容的表现型评分；
展示进行所述特征调整之后的五官内容。
7.如权利要求1所述的方法，其特征在于，所述基于所述目标对象的五官各部分的表现型评分，展示所述目标对象的五官中至少之一，包括：
基于所述表现型评分的高低对所述目标对象的五官内容进行排序，得到待展示五官内容序列；
展示所述待展示五官内容序列中预设数量的五官内容。
8.如权利要求1所述的方法，其特征在于，所述基于所述目标对象的五官各部分的表现型评分，展示所述目标对象的五官中至少之一，包括：
分别获取多张人脸帧图像中表现型评分最高的五官内容；所述多张人脸帧图像为连续采集的所述目标对象的人脸帧图像；
确定所述多张人脸帧图像中表现型评分最高的五官内容相同时，展示所述表现型评分最高的五官内容。
9.如权利要求1所述的方法，其特征在于，所述展示所述目标对象的五官中至少之一，包括：
确定需要进行展示的五官内容；
在所述需要进行展示的五官内容上添加特效元素；
对添加特效元素后的五官内容进行展示。
10.如权利要求1所述的方法，其特征在于，所述方法还包括：
获取所述目标对象的人脸标识ID；
基于所述人脸ID，确定图像采集的对象发生变化时，采集当前对象的人脸帧图像，以对当前对象的人脸帧图像进行处理。
11.如权利要求1所述的方法，其特征在于，所述采集目标对象的人脸帧图像之前，所述方法还包括：
加载用于所述人脸图像的处理的道具资源，所述道具资源包括以下至少之一：图像道具、音频道具、用户界面UI动画道具。
12.一种人脸图像的处理装置，其特征在于，所述装置包括：
采集单元，用于采集目标对象的人脸帧图像；
确定单元，用于在所述人脸帧图像中，确定所述目标对象的五官各部分对应的图像区域；
处理单元，用于基于所述五官各部分对应的图像区域，分别确定所述目标对象的五官各部分的表现型评分；
展示单元，用于基于所述目标对象的五官各部分的表现型评分，展示所述目标对象的五官中至少之一。
13.如权利要求12所述的装置，其特征在于，
所述确定单元，用于对所述人脸帧图像进行人脸特征点检测，得到所述目标对象的五官各部分所包括的特征点；
基于所述五官各部分所包括的特征点，确定所述目标对象的五官各部分对应的图像区域。
14.如权利要求12所述的装置，其特征在于，
所述处理单元，用于根据所述五官各部分对应的图像区域，对所述人脸帧图像进行分割，得到对应所述五官各部分的图像；
分别将所述五官各部分对应的图像输入神经网络模型，得到所述五官各部分对应的美观评分。
15.如权利要求12所述的装置，其特征在于，
所述处理单元，用于将所述目标对象的人脸帧图像与预设人脸图像进行相似度匹配，分别得到所述目标对象的五官各部分与预设人脸图像中相应部分的相似度评分。
16.如权利要求12所述的装置，其特征在于，
所述展示单元，用于基于所述表现型评分的高低，确定所述目标对象的五官各部分中表现型评分最高的五官内容；
展示所述表现型评分最高的五官内容。
17.如权利要求12所述的装置，其特征在于，
所述展示单元，用于基于所述表现型评分的高低，确定所述目标对象的五官各部分中表现型评分最低的五官内容；
对所述表现型评分最低的五官内容进行特征调整，以提高所述五官内容的表现型评分；
展示进行所述特征调整之后的五官内容。
18.如权利要求12所述的装置，其特征在于，
所述展示单元，用于基于所述表现型评分的高低对所述目标对象的五官内容进行排序，得到待展示五官内容序列；
展示所述待展示五官内容序列中预设数量的五官内容。
19.如权利要求12所述的装置，其特征在于，
所述展示单元，用于分别获取多张人脸帧图像中表现型评分最高的五官内容；所述多张人脸帧图像为连续采集的所述目标对象的人脸帧图像；
确定所述多张人脸帧图像中表现型评分最高的五官内容相同时，展示所述表现型评分最高的五官内容。
20.如权利要求12所述的装置，其特征在于，
所述展示单元，用于确定需要进行展示的五官内容；
在所述需要进行展示的五官内容上添加特效元素；
对添加特效元素后的五官内容进行展示。
21.如权利要求12所述的装置，其特征在于，所述装置还包括获取单元：
所述获取单元，用于获取所述目标对象的人脸ID；
基于所述人脸ID，确定图像采集的对象发生变化时，采集当前对象的人脸帧图像，以对当前对象的人脸帧图像进行处理。
22.如权利要求12所述的装置，其特征在于，所述装置还包括加载单元：
所述加载单元，用于所述采集目标对象的人脸帧图像之前，加载用于所述人脸图像的处理的道具资源，所述道具资源包括以下至少之一：图像道具、音频道具、用户界面UI动画道具。
23.一种终端，其特征在于，所述终端包括：
存储器，用于存储可执行指令；
处理器，用于执行所述存储器中存储的可执行指令时，实现权利要求1至11任一项所述的人脸图像的处理方法。
24.一种非暂态存储介质，其特征在于，存储有可执行指令，所述可执行指令被执行时，用于实现权利要求1至11任一项所述的人脸图像的处理方法。
CN201910441670.XA 2019-05-24 2019-05-24 人脸图像的处理方法、装置、终端及存储介质 Pending CN110188652A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910441670.XA CN110188652A (zh) 2019-05-24 2019-05-24 人脸图像的处理方法、装置、终端及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910441670.XA CN110188652A (zh) 2019-05-24 2019-05-24 人脸图像的处理方法、装置、终端及存储介质

Publications (1)

Publication Number Publication Date
CN110188652A true CN110188652A (zh) 2019-08-30

Family

ID=67717706

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910441670.XA Pending CN110188652A (zh) 2019-05-24 2019-05-24 人脸图像的处理方法、装置、终端及存储介质

Country Status (1)

Country Link
CN (1) CN110188652A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111274919A (zh) * 2020-01-17 2020-06-12 桂林理工大学 基于卷积神经网络的五官检测方法、系统、服务器及介质
CN112733575A (zh) * 2019-10-14 2021-04-30 北京字节跳动网络技术有限公司 图像处理方法、装置、电子设备及存储介质

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101295371A (zh) * 2008-04-18 2008-10-29 浙江大学 一种汉字书写形态美观度的计算机评估方法
CN103236066A (zh) * 2013-05-10 2013-08-07 苏州华漫信息服务有限公司 一种基于人脸特征分析的虚拟试妆方法
CN104850820A (zh) * 2014-02-19 2015-08-19 腾讯科技（深圳）有限公司 一种脸部识别方法及装置
CN105205479A (zh) * 2015-10-28 2015-12-30 小米科技有限责任公司 人脸颜值评估方法、装置及终端设备
CN105701468A (zh) * 2016-01-12 2016-06-22 华南理工大学 一种基于深度学习的人脸吸引力评价方法
CN106407436A (zh) * 2016-09-27 2017-02-15 维沃移动通信有限公司 一种通信账号头像处理方法及移动终端
CN106815557A (zh) * 2016-12-20 2017-06-09 北京奇虎科技有限公司 一种人脸面部特征的评价方法、装置以及移动终端
CN107146198A (zh) * 2017-04-19 2017-09-08 中国电子科技集团公司电子科学研究院 一种照片智能裁剪方法及装置
CN107392110A (zh) * 2017-06-27 2017-11-24 五邑大学 基于互联网的人脸美化系统
CN107948503A (zh) * 2017-11-08 2018-04-20 维沃移动通信有限公司 一种拍照方法、拍照装置及移动终端

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101295371A (zh) * 2008-04-18 2008-10-29 浙江大学 一种汉字书写形态美观度的计算机评估方法
CN103236066A (zh) * 2013-05-10 2013-08-07 苏州华漫信息服务有限公司 一种基于人脸特征分析的虚拟试妆方法
CN104850820A (zh) * 2014-02-19 2015-08-19 腾讯科技（深圳）有限公司 一种脸部识别方法及装置
CN105205479A (zh) * 2015-10-28 2015-12-30 小米科技有限责任公司 人脸颜值评估方法、装置及终端设备
CN105701468A (zh) * 2016-01-12 2016-06-22 华南理工大学 一种基于深度学习的人脸吸引力评价方法
CN106407436A (zh) * 2016-09-27 2017-02-15 维沃移动通信有限公司 一种通信账号头像处理方法及移动终端
CN106815557A (zh) * 2016-12-20 2017-06-09 北京奇虎科技有限公司 一种人脸面部特征的评价方法、装置以及移动终端
CN107146198A (zh) * 2017-04-19 2017-09-08 中国电子科技集团公司电子科学研究院 一种照片智能裁剪方法及装置
CN107392110A (zh) * 2017-06-27 2017-11-24 五邑大学 基于互联网的人脸美化系统
CN107948503A (zh) * 2017-11-08 2018-04-20 维沃移动通信有限公司 一种拍照方法、拍照装置及移动终端

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
怜幽小草: "抖音五官杂志特效怎么拍聚集我的最美五官特效", 《百度经验》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112733575A (zh) * 2019-10-14 2021-04-30 北京字节跳动网络技术有限公司 图像处理方法、装置、电子设备及存储介质
CN111274919A (zh) * 2020-01-17 2020-06-12 桂林理工大学 基于卷积神经网络的五官检测方法、系统、服务器及介质

Similar Documents

Publication Publication Date Title
CN110766777B (zh) 虚拟形象的生成方法、装置、电子设备及存储介质
EP2940556A1 (en) Command displaying method and command displaying device
CN107633218A (zh) 用于生成图像的方法和装置
CN110782515A (zh) 虚拟形象的生成方法、装置、电子设备及存储介质
CN110058685A (zh) 虚拟对象的显示方法、装置、电子设备和计算机可读存储介质
CN109310353A (zh) 经由计算机实现的代理传达信息
KR102491140B1 (ko) 가상 아바타 생성 방법 및 장치
CN109087377B (zh) 用于处理图像的方法和装置
CN109086719A (zh) 用于输出数据的方法和装置
CN113362263B (zh) 变换虚拟偶像的形象的方法、设备、介质及程序产品
CN110047124A (zh) 渲染视频的方法、装置、电子设备和计算机可读存储介质
CN109829432A (zh) 用于生成信息的方法和装置
KR20170002100A (ko) 감성 아바타 이모티콘 기반의 스마트 러닝 학습 제공 방법, 그리고 이를 구현하기 위한 스마트 러닝 학습 단말장치
CN108491823A (zh) 用于生成人眼识别模型的方法和装置
CN110059624B (zh) 用于检测活体的方法和装置
CN108388889A (zh) 用于分析人脸图像的方法和装置
CN109754464A (zh) 用于生成信息的方法和装置
CN109145783A (zh) 用于生成信息的方法和装置
US20230043766A1 (en) Image processing method, electronic device and computer storage medium
CN110188652A (zh) 人脸图像的处理方法、装置、终端及存储介质
CN109165571A (zh) 用于插入图像的方法和装置
CN109829431A (zh) 用于生成信息的方法和装置
CN109241930A (zh) 用于处理眉部图像的方法和装置
CN108921138A (zh) 用于生成信息的方法和装置
CN110059739B (zh) 图像合成方法、装置、电子设备和计算机可读存储介质

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20190830