CN110189252A - 生成平均脸图像的方法和装置 - Google Patents
生成平均脸图像的方法和装置 Download PDFInfo
- Publication number
- CN110189252A CN110189252A CN201910496745.4A CN201910496745A CN110189252A CN 110189252 A CN110189252 A CN 110189252A CN 201910496745 A CN201910496745 A CN 201910496745A CN 110189252 A CN110189252 A CN 110189252A
- Authority
- CN
- China
- Prior art keywords
- facial image
- face image
- key point
- average
- face
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000001815 facial effect Effects 0.000 claims abstract description 221
- 238000003860 storage Methods 0.000 claims description 14
- 239000000284 extract Substances 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 abstract description 5
- 210000001508 eye Anatomy 0.000 description 24
- 210000004709 eyebrow Anatomy 0.000 description 12
- 230000008569 process Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 239000011159 matrix material Substances 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 238000012935 Averaging Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 210000005252 bulbus oculi Anatomy 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 230000005291 magnetic effect Effects 0.000 description 2
- 230000003321 amplification Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 210000000088 lip Anatomy 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 210000001331 nose Anatomy 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/04—Context-preserving transformations, e.g. by using an importance map
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Processing Or Creating Images (AREA)
Abstract
本公开的实施例公开了生成平均脸图像的方法和装置。该方法的一具体实施方式包括:根据所获取的针对第一人脸图像集合中的每张第一人脸图像所提取的关键点的坐标,确定第一人脸图像集合中,指示相同对象的关键点的坐标的平均值作为各关键点的平均坐标;对第一人脸图像集合中的第一人脸图像进行图像变形,以使所提取的关键点的坐标与所对应的平均坐标之间的距离小于或等于预设距离,得到变形后人脸图像集合;确定变形后人脸图像集合的平均人脸图像。该实施方式减少了生成平均人脸图像的计算量。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及生成平均脸图像的方法和装置。
背景技术
在很多应用场景中,需要通过大量的人脸图像,合成这些人脸图像的平均人脸图像。其中,平均人脸图像可以是通过上述大量的人脸图像叠加得到的人脸图像。
实践中,在各种美妆APP(Application,应用)中,需要使用预先合成的平均人脸图像制作模板,以供用户在此模板的基础上上传人脸图像,而后对该人脸图像进行美妆。实践中,不同的用户上传的人脸图像中所显示的人脸往往差异较大,由于平均人脸图像是由大量的人脸图像所合成的,因此由平均人脸图像所制作的模板可以满足更多用户的需求。
发明内容
本公开的实施例提出了生成平均脸图像的方法和装置。
第一方面,本公开的实施例提供了一种生成平均脸图像的方法,该方法包括:根据所获取的针对第一人脸图像集合中的每张第一人脸图像所提取的关键点的坐标,确定第一人脸图像集合中,指示相同对象的关键点的坐标的平均值作为各关键点的平均坐标,其中,第一人脸图像为预设尺寸;对第一人脸图像集合中的第一人脸图像进行图像变形,以使所提取的关键点的坐标与所对应的平均坐标之间的距离小于或等于预设距离,得到变形后人脸图像集合;确定变形后人脸图像集合的平均人脸图像,其中,平均人脸图像中各像素点的像素值为变形后人脸图像集合中,各变形后人脸图像中相应的像素点的像素值的平均值。
在一些实施例中,在上述确定第一人脸图像集合中,指示相同对象的关键点的坐标的平均值作为各关键点的平均坐标之前,上述方法还包括:从第二人脸图像集合中选取目标数量的、提取有关键点的第二人脸图像;根据针对第二人脸图像所提取的关键点的坐标,将第二人脸图像裁剪至预设尺寸作为第一人脸图像,得到第一人脸图像集合。
在一些实施例中,上述从第二人脸图像集合中选取目标数量的、提取有关键点的第二人脸图像,包括:从第二人脸图像集合中选取符合预设条件的目标数量的第二人脸图像。
在一些实施例中,上述预设条件包括以下至少一项:人脸图像中所显示的人脸处于非倾斜状态;人脸图像中所显示的嘴唇处于非闭合状态。
在一些实施例中,上述对第一人脸图像集合中的第一人脸图像进行图像变形,包括:使用移动最小二乘法,对第一人脸图像集合中的第一人脸图像进行图像变形。
第二方面,本公开的实施例提供了一种生成平均脸图像的装置,该装置包括:第一确定单元,被配置成根据所获取的针对第一人脸图像集合中的每张第一人脸图像所提取的关键点的坐标,确定第一人脸图像集合中,指示相同对象的关键点的坐标的平均值作为各关键点的平均坐标,其中,第一人脸图像为预设尺寸;变形单元,被配置成对第一人脸图像集合中的第一人脸图像进行图像变形,以使所提取的关键点的坐标与所对应的平均坐标之间的距离小于或等于预设距离,得到变形后人脸图像集合;第二确定单元,被配置成确定变形后人脸图像集合的平均人脸图像,其中,平均人脸图像中各像素点的像素值为变形后人脸图像集合中,各变形后人脸图像中相应的像素点的像素值的平均值。
在一些实施例中,上述装置还包括:选取单元,被配置成从第二人脸图像集合中选取提取有关键点的坐标的、目标数量的第二人脸图像;裁剪单元,被配置成根据针对第二人脸图像所提取的关键点的坐标,将第二人脸图像裁剪至预设尺寸作为第一人脸图像,得到第一人脸图像集合。
在一些实施例中,上述选取单元,进一步被配置成:从第二人脸图像集合中选取符合预设条件的目标数量的第二人脸图像。
在一些实施例中,上述预设条件包括以下至少一项:人脸图像中所显示的人脸处于非倾斜状态;人脸图像中所显示的嘴唇处于非闭合状态。
在一些实施例中,上述变形单元,进一步被配置成:使用移动最小二乘法,对第一人脸图像集合中的第一人脸图像进行图像变形。
第三方面,本公开的实施例提供了一种服务器,该服务器包括:一个或多个处理器;存储装置,其上存储有一个或多个程序;当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。
第四方面,本公开的实施例提供了一种计算机可读介质,其上存储有计算机程序,该程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
本公开的实施例提供的生成平均脸图像的方法和装置:首先,可以根据所获取的针对第一人脸图像集合中的每张第一人脸图像所提取的关键点的坐标,确定第一人脸图像集合中,指示相同对象的关键点的坐标的平均值作为各关键点的平均坐标;然后,可以对第一人脸图像集合中的第一人脸图像进行图像变形,以使所提取的关键点的坐标与所对应的平均坐标之间的距离小于或等于预设距离,得到变形后人脸图像集合;而后,可以确定变形后人脸图像集合的平均人脸图像。从而,减少了生成平均人脸图像的计算量。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本公开的其它特征、目的和优点将会变得更明显:
图1是本公开的一个实施例可以应用于其中的示例性系统架构图;
图2是根据本公开的生成平均脸图像的方法的一个实施例的流程图;
图3是根据本公开的实施例的生成平均脸图像的方法的一个应用场景的示意图;
图4是根据本公开的生成平均脸图像的方法的又一个实施例的流程图;
图5是根据本公开的生成平均脸图像的装置的一个实施例的结构示意图;
图6是适于用来实现本公开的实施例的电子设备的结构示意图。
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发明,而非对该发明的限定。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发明相关的部分。
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生成平均脸图像的方法或生成平均脸图像的装置的示例性架构100。
如图1所示,系统架构100可以包括终端设备101、102,网络103和服务器104。网络103用以在终端设备101、102和服务器104之间提供通信链路的介质。网络103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。
终端设备101、102通过网络103与服务器104交互,以接收或发送消息等。终端设备101、102上可以安装有各种通讯客户端应用,例如美妆类应用、购物类应用、搜索类应用、浏览器类应用等。
终端设备101、102可以是硬件,也可以是软件。当终端设备101、102为硬件时,可以是具有显示屏并且支持信息发送的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。当终端设备101、102为软件时,可以安装在上述所列举的电子设备中,其可以实现成多个软件或软件模块,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104可以是提供各种服务的服务器。作为示例,服务器104可以从终端设备101、102获取用户上传的多张人脸图像,得到人脸图像集合,然后对人脸图像集合中的人脸图像进行处理,得到平均人脸图像。
需要说明的是,上述人脸图像集合也可以直接存储在服务器104的本地,服务器104可以直接提取本地所存储的人脸图像集合并进行处理,此时,可以不存在终端设备101、102和网络103。
服务器104可以是硬件,也可以是软件。当服务器104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104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多个软件或软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是,本公开的实施例所提供的生成平均脸图像的方法一般由服务器104执行,相应地,生成平均脸图像的装置一般设置于服务器104中。
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。
继续参考图2,示出了根据本公开的生成平均脸图像的方法的一个实施例的流程200。该生成平均脸图像的方法包括以下步骤:
步骤201,根据所获取的针对第一人脸图像集合中的每张第一人脸图像所提取的关键点的坐标,确定第一人脸图像集合中,指示相同对象的关键点的坐标的平均值作为各关键点的平均坐标。
在本实施例中,生成平均脸图像的方法的执行主体(如图1所示的服务器104)可以获取针对第一人脸图像集合中的每张第一人脸图像所提取的关键点的坐标,在此基础之上,确定第一人脸图像集合中,指示相同对象的关键点的坐标的平均值作为各关键点的平均坐标。实践中,第一人脸图像为预设尺寸,即第一人脸图像集合中的第一人脸图像的尺寸相同。
上述对象可以是第一人脸图像中所显示的人脸的一部分,例如人脸轮廓、眉毛、眼睛、鼻子、嘴唇等。相应地,针对第一人脸图像所提取的关键点,可以包括:人脸关键点,眉毛关键点,眼睛关键点,鼻子关键点,嘴唇关键点等。通常,人脸关键点、眉毛关键点、眼睛关键点、鼻子关键点、嘴唇关键点可以分别是针对所显示的人脸、眉毛、眼睛、鼻子、嘴唇的轮廓所提取的关键点。相应地,指示相同对象的关键点可以是各第一人脸图像中,指示眉毛的关键点,或者,指示嘴唇的关键点,等等。
具体地,对于第一人脸图像中所显示的相同对象,上述执行主体可以将第一人脸图像集合中每张第一人脸图像,针对该对象所提取的关键点的坐标求平均值,进而得到关键点的平均坐标。
可以理解,若针对每一个对象只提取一个关键点,那么每个对象可以得到一个平均坐标,若针对每一个对象提取多个关键点,那么每个对象可以得到多个平均坐标。举例来说,若针对每张第一人脸图像中显示的眼睛所提取的关键点包括内眼角关键点和外眼角关键点,那么可以通过每张第一人脸图像所提取的内眼角关键点的坐标求平均值,得到内眼角关键点的平均坐标,同理,通过每张第一人脸图像所提取的外眼角关键点的坐标求平均值,得到外眼角关键点的平均坐标。在这里,内眼角关键点可以是针对第一人脸图像中所显示的眼睛的内眼角所提取的关键点,外眼角关键点可以是针对第一人脸图像中所显示的眼睛的外眼角所提取的关键点。
需要说明的是,第一人脸图像和针对第一人脸图像所提取的关键点的坐标可以关联存储于上述执行主体本地或者通信连接的数据库服务器。相应地,上述执行主体可以从本地或者上述数据库服务器获取第一人脸图像集合和针对每张第一人脸图像所提取的关键点的坐标。还需要说明的是,对第一人脸图像提取关键点这一过程,可以由上述执行主体或者其他设备完成,然后将第一人脸图像和针对第一人脸图像所提取的关键点的坐标关联存储于上述执行主体或者上述数据库服务器。
步骤202,对第一人脸图像集合中的第一人脸图像进行图像变形,以使所提取的关键点的坐标与所对应的平均坐标之间的距离小于或等于预设距离,得到变形后人脸图像集合。
在本实施例中,对指示相同对象的关键点的坐标求出平均坐标之后,上述执行主体可以对第一人脸图像集合中的第一人脸图像进行图像变形,使得第一人脸图像中,针对各对象所提取的关键点的坐标与对应的平均坐标之间的距离小于或等于预设距离,进而得到变形后人脸图像集合。可以理解,第一人脸图像变形之后,得到变形后人脸图像。上述提到的图像变形,通常是指对第一人脸图像中所显示的人脸进行变形(例如放大、缩小、旋转等等)。
具体地,对于上述第一人脸图像集合中的第一人脸图像:首先上述执行主体可以根据用户输入的变换矩阵,对第一人脸图像进行变形,得到变形后的第一人脸图像;然后可以确定变形后的第一人脸图像中,针对各对象所提取的关键点的坐标与对应的平均坐标之间的距离是否不超过上述预设距离;若不超过上述预设距离,上述执行主体可以将该变形后的第一人脸图像作为所得到的变形后人脸图像。反之,若针对各对象所提取的关键点的坐标与对应的平均坐标之间的距离大于上述预设距离,上述执行主体可以根据用户重新输入的变换矩阵,对第一人脸图像进行变形,直至变形后的第一人脸图像中,针对各对象所提取的关键点的坐标与对应的平均坐标之间的距离均不超过上述预设距离。
可以理解,上述执行主体可以通过对第一人脸图像集合中的所有第一人脸图像或者部分第一人脸图像执行上述过程,得到变形后人脸图像集合。
在本实施例的一些可选的实现方式中,上述执行主体可以使用移动最小二乘(Moving least square,MLS)法,对第一人脸图像集合中的第一人脸图像进行图像变形。需要说明的是,上述执行主体还可以通过其它的图像变形算法,对第一人脸图像进行图像变形。
在这些实现方式中,通过移动最小二乘法,对第一人脸图像进行变形,无需用户输入变换矩阵,进而缩短对第一人脸图像进行图像变形的时间。
步骤203,确定变形后人脸图像集合的平均人脸图像。
在本实施例中,得到上述变形后人脸图像集合之后,上述执行主体可以进一步确定该变形后人脸图像集合的平均人脸图像。其中,平均人脸图像中各像素点的像素值为变形后人脸图像集合中,各变形后人脸图像中相应的像素点的像素值的平均值。
具体地,图像本质上可以看作是像素点的像素值所组成的像素值矩阵,相应地,每张变形后人脸图像可以看作是一个像素值矩阵。由此,上述执行主体可以对上述变形后人脸图像集合所对应的各像素值矩阵求平均值。可以理解,求平均值之后所得到的像素值矩阵,即为上述平均人脸图像。需要说明的是,上述对各像素值矩阵求平均值,可以是对在像素值矩阵中处于相同位置的像素值求平均值。
继续参见图3,图3是根据本实施例的生成平均脸图像的方法的应用场景的一个示意图。在图3的应用场景中,服务器301可以从通信连接的数据库服务器获取第一人脸图像集合302和对第一人脸图像集合302中的第一人脸图像3021提取关键点得到的关键点的坐标、对第一人脸图像3022提取关键点得到的关键点的坐标。其中,对第一人脸图像3021所提取的关键点的坐标可以包括:人脸关键点的坐标3031,眉毛关键点的坐标3032,眼睛关键点的坐标3033,鼻子关键点的坐标3034,嘴唇关键点的坐标3035。对第一人脸图像3022所提取的关键点的坐标可以包括:人脸关键点的坐标3041,眉毛关键点的坐标3042,眼睛关键点的坐标3043,鼻子关键点的坐标3044,嘴唇关键点的坐标3045。
接着,服务器301可以对人脸关键点的坐标3031和人脸关键点的坐标3041求平均值,得到人脸关键点的平均坐标3051。同理,可以通过对眉毛关键点的坐标3032和眉毛关键点的坐标3042求平均值,得到眉毛关键点的平均坐标3052。可以通过对眼睛关键点的坐标3033和眼睛关键点的坐标3043求平均值,得到眼睛关键点的平均坐标3053。可以通过对鼻子关键点的坐标3034和眼睛关键点的坐标3044求平均值,得到鼻子关键点的平均坐标3054。可以通过对嘴唇关键点的坐标3035和嘴唇关键点的坐标3045求平均值,得到嘴唇关键点的平均坐标3055。
然后,服务器301可以对第一人脸图像3021进行图像变形,使得:人脸关键点的坐标3041和人脸关键点的平均坐标3051之间的距离小于或等于预设距离,眉毛关键点的坐标3042和眉毛关键点的平均坐标3052之间的距离小于或等于预设距离,眼睛关键点的坐标3043和眼睛关键点的平均坐标3053之间的距离小于或等于预设距离,鼻子关键点的坐标3044和鼻子关键点的平均坐标3054之间的距离小于或等于预设距离,嘴唇关键点的坐标3045和嘴唇关键点的平均坐标3055之间的距离小于或等于预设距离。对第一人脸图像3021进行图像变形之后,可以得到变形后人脸图像3061。
同理,服务器301也可以对第一人脸图像3022进行类似的图像变形,得到变形后人脸图像3062。
而后,服务器301可以确定变形后人脸图像3061和变形后人脸图像3062的平均人脸图像307。
目前,在生成平均人脸图像方面,现有技术之一,在对多张人脸图像提取关键点之后,需要使用相关算法对每张人脸图像进行三角剖分,在三角剖分的基础上,对每张人脸图像进行调整,由此生成调整后的多张人脸图像的平均人脸图像。上述生成平均人脸图像的过程中,对每张人脸图像进行三角剖分,往往会增加服务器的计算量。相比之下,本公开的上述实施例提供的方法,通过针对第一人脸图像集合中的每张第一人脸图像所提取的关键点的坐标,确定指示相同对象的关键点的平均坐标,在得到平均坐标的基础上,通过对第一人脸图像进行图像变形,得到变形后人脸图像集合,由此生成变形后人脸图像集合的平均人脸图像。由于在生成平均人脸图像的过程中,无需对每张第一人脸图像进行三角剖分,从而减少服务器的计算量。
进一步参考图4,其示出了生成平均脸图像的方法的又一个实施例的流程400。该生成平均脸图像的方法的流程400,包括以下步骤:
步骤401,从第二人脸图像集合中选取目标数量的、提取有关键点的第二人脸图像。
在本实施例中,生成平均脸图像的方法的执行主体(例如图1所示的服务器104)可以从第二人脸图像集合中选取目标数量的、提取有关键点的第二人脸图像。其中,目标数量可以预先设定,也可以根据实际需求而定。
通常情况下,第二人脸图像和其所提取的关键点的坐标可以关联存储于上述执行主体本地或者通信连接的数据库服务器。由此上述执行主体可以从本地或者数据库服务器获取上述第二人脸图像集合和所提取的关键点的坐标。需要说明的是,对第二人脸图像提取关键点这一过程,可以由上述执行主体或者其他设备完成,然后将第二人脸图像和对第二人脸图像所提取的关键点的坐标关联存储于上述执行主体或者上述数据库服务器。
作为示例,上述执行主体可以从上述第二人脸图像集合中随机选取目标数量的、提取有关键点的第二人脸图像。
在本实施例的一些可选的实现方式中,上述执行主体可以从第二人脸图像集合中选取符合预设条件的目标数量的第二人脸图像。其中,预设条件可以包括:第二人脸图像中的人脸区域的像素值大于等于预设像素值。
具体地,对于第二人脸图像集合中的第二人脸图像,上述执行主体可以根据针对人脸轮廓所提取的关键点的坐标,确定第二人脸图像中的人脸区域的外接矩形,然后可以进一步确定该外接矩形所包括的像素点的平均像素值,作为人脸区域的像素值。由此,上述执行主体可以从第二人脸图像集合中选取人脸区域的像素值大于等于预设像素值的目标数量的第二人脸图像。
在这些实现方式中,实现了从第二人脸图像集合中选取人脸区域的像素值较高的第二人脸图像,进而保证所生成的平均人脸图像中的人脸区域的像素值较高。
在本实施例的一些可选的实现方式中,上述预设条件还可以包括以下至少一项:人脸图像中所显示的人脸处于非倾斜状态;人脸图像中所显示的嘴唇处于非闭合状态。
此时,从第二人脸图像中选取目标数量的第二人脸图像时,除了确定人脸区域的像素值是否大于等于预设像素值之外,上述执行主体还需要确定第二人脸图像中所显示的人脸是否处于倾斜状态,和/或,确定第二人脸图像中所显示的嘴唇是否处于非闭合状态。
实践中,上述执行主体可以通过确定人脸区域的外接矩形与第二人脸图像的边界之间的夹角是否小于或等于预设角度,来确定第二人脸图像中所显示的人脸是否处于非倾斜状态。具体地,若该外接矩形的边界与第二人脸图像的边界之间的夹角小于或等于预设角度,上述执行主体可以确定第二人脸图像中所显示的人脸处于非倾斜状态。
实践中,针对第二人脸图像中所显示的嘴唇提取的关键点的坐标,通常可以包括针对所显示的上嘴唇和下嘴唇的内轮廓所提取的关键点的坐标。由此,上述执行主体可以通过确定针对上嘴唇和下嘴唇的内轮廓所提取的关键点的坐标之间的距离,确定第二人脸图像中所显示的嘴唇是否处于非闭合状态。具体地,针对上嘴唇和下嘴唇的内轮廓所提取的关键点的坐标之间的距离大于等于预设阈值,上述执行主体可以确定第二人脸图像中所显示的嘴唇处于非闭合状态。
在这些实现方式中,实现了从第二人脸图像集合中选取所显示的人脸处于非倾斜状态,和/或,所显示的嘴唇处于非闭合状态的第二人脸图像,进而保证所生成的平均人脸图像中,所显示的人脸处于非倾斜状态,和/或,所显示的嘴唇处于非闭合状态。由此,所生成的平均人脸图像可以用于要求较高的场合,例如用于制作美妆APP中的模板。
步骤402,根据针对第二人脸图像所提取的关键点的坐标,将第二人脸图像裁剪至预设尺寸作为第一人脸图像,得到第一人脸图像集合。
在本实施例中,第二人脸图像集合中的第二人脸图像的尺寸通常不是预设尺寸,由此,选取目标数量的第二人脸图像之后,对于所选取的每张第二人脸图像,上述执行主体可以根据所提取的关键点的坐标,将其裁剪至预设尺寸,裁剪至预设尺寸之后,得到第一人脸图像。由此,通过将目标数量的第二人脸图像均裁剪至预设尺寸,可以得到第一人脸图像集合。
具体地,上述执行主体可以根据针对人脸轮廓所提取的关键点的坐标,确定第二人脸图像中的人脸区域。然后,上述执行主体可以从第二人脸图像中裁剪出包括人脸区域的预设尺寸的第一人脸图像。
步骤403,根据所获取的针对第一人脸图像集合中的每张第一人脸图像所提取的关键点的坐标,确定第一人脸图像集合中,指示相同对象的关键点的坐标的平均值作为各关键点的平均坐标。
步骤404,对第一人脸图像集合中的第一人脸图像进行图像变形,以使所提取的关键点的坐标与所对应的平均坐标之间的距离小于或等于预设距离,得到变形后人脸图像集合。
步骤405,确定变形后人脸图像集合的平均人脸图像。
上述步骤403、步骤404、步骤405可以分别按照如图2所示实施例中的步骤201、步骤202、步骤203类似的方式执行,上文针对步骤201、步骤202、步骤203的描述也适用于步骤403、步骤404、步骤405,此处不再赘述。
从图4中可以看出,与图2对应的实施例相比,本实施例中的生成平均脸图像的方法的流程400体现了从第二人脸图像集合中选取目标数量的第二人脸图像的步骤,还体现了将第二人脸图像裁剪至预设尺寸作为第一人脸图像步骤。由此,本实施例描述的方案,可以根据实际需求,从所获取的第二人脸图像集合中选取目标数量的第二人脸图像,以及通过对所选取的目标数量的第二人脸图像进行裁剪,得到第一人脸图像集合。从而,实现了根据实际需求,生成平均人脸图像,进而提高生成平均人脸图像的灵活性,使得生成的平均人脸图像更具有针对性。
进一步参考图5,作为对上述各图所示方法的实现,本公开提供了生成平均脸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5所示,本实施例提供的生成平均脸图像的装置500包括第一确定单元501、变形单元502和第二确定单元503。其中,第一确定单元501,可以被配置成:根据所获取的针对第一人脸图像集合中的每张第一人脸图像所提取的关键点的坐标,确定第一人脸图像集合中,指示相同对象的关键点的坐标的平均值作为各关键点的平均坐标,第一人脸图像为预设尺寸。变形单元502,可以被配置成:对第一人脸图像集合中的第一人脸图像进行图像变形,以使所提取的关键点的坐标与所对应的平均坐标之间的距离小于或等于预设距离,得到变形后人脸图像集合。第二确定单元503,可以被配置成:确定变形后人脸图像集合的平均人脸图像,平均人脸图像中各像素点的像素值为变形后人脸图像集合中,各变形后人脸图像中相应的像素点的像素值的平均值。
在本实施例中,生成平均脸图像的500中:第一确定单元501、变形单元502和第二确定单元503的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201、步骤202和步骤203的相关说明,在此不再赘述。
在本实施例的一些可选的实现方式中,上述装置500还可以包括:选取单元(图中未示出)和裁剪单元(图中未示出)。其中,上述选取单元,可以被配置成:从第二人脸图像集合中选取目标数量的、提取有关键点的第二人脸图像。上述裁剪单元,可以被配置成:根据针对第二人脸图像所提取的关键点的坐标,将第二人脸图像裁剪至预设尺寸作为第一人脸图像,得到第一人脸图像集合。
在本实施例的一些可选的实现方式中,上述选取单元,可以进一步被配置成:从第二人脸图像集合中选取符合预设条件的目标数量的第二人脸图像。
在本实施例的一些可选的实现方式中,上述预设条件可以包括以下至少一项:人脸图像中所显示的人脸处于非倾斜状态;人脸图像中所显示的嘴唇处于非闭合状态。
在本实施例的一些可选的实现方式中,上述变形单元502,可以进一步被配置成:使用移动最小二乘法,对第一人脸图像集合中的第一人脸图像进行图像变形。
本公开的上述实施例提供的装置:首先,可以通过第一确定单元501,根据所获取的针对第一人脸图像集合中的每张第一人脸图像所提取的关键点的坐标,确定第一人脸图像集合中,指示相同对象的关键点的坐标的平均值作为各关键点的平均坐标;然后,可以通过变形单元502,对第一人脸图像集合中的第一人脸图像进行图像变形,以使所提取的关键点的坐标与所对应的平均坐标之间的距离小于或等于预设距离,得到变形后人脸图像集合;而后,可以通过第二确定单元503,确定变形后人脸图像集合的平均人脸图像。从而,减少了生成平均人脸图像的计算量。
下面参考图6,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)600的结构示意图。图6示出的服务器仅仅是一个示例,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6所示,电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常,以下装置可以连接至I/O接口605: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606;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607;包括例如磁带、硬盘等的存储装置608;以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600,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6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609从网络上被下载和安装,或者从存储装置608被安装,或者从ROM 602被安装。在该计算机程序被处理装置601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服务器中所包含的;也可以是单独存在,而未装配入该服务器中。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服务器执行时,使得该服务器:根据所获取的针对第一人脸图像集合中的每张第一人脸图像所提取的关键点的坐标,确定第一人脸图像集合中,指示相同对象的关键点的坐标的平均值作为各关键点的平均坐标,其中,第一人脸图像为预设尺寸;对第一人脸图像集合中的第一人脸图像进行图像变形,以使所提取的关键点的坐标与所对应的平均坐标之间的距离小于或等于预设距离,得到变形后人脸图像集合;确定变形后人脸图像集合的平均人脸图像,其中,平均人脸图像中各像素点的像素值为变形后人脸图像集合中,各变形后人脸图像中相应的像素点的像素值的平均值。
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,包括第一确定单元、变形单元和第二确定单元。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,第二确定单元还可以被描述为“确定变形后人脸图像集合的平均人脸图像的单元”。
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。
Claims (12)
1.一种生成平均脸图像的方法,包括:
根据所获取的针对第一人脸图像集合中的每张第一人脸图像所提取的关键点的坐标,确定所述第一人脸图像集合中,指示相同对象的关键点的坐标的平均值作为各关键点的平均坐标,其中,第一人脸图像为预设尺寸;
对所述第一人脸图像集合中的第一人脸图像进行图像变形,以使所提取的关键点的坐标与所对应的平均坐标之间的距离小于或等于预设距离,得到变形后人脸图像集合;
确定所述变形后人脸图像集合的平均人脸图像,其中,所述平均人脸图像中各像素点的像素值为所述变形后人脸图像集合中,各变形后人脸图像中相应的像素点的像素值的平均值。
2.根据权利要求1所述的方法,其中,在所述确定所述第一人脸图像集合中,指示相同对象的关键点的坐标的平均值作为各关键点的平均坐标之前,所述方法还包括:
从第二人脸图像集合中选取目标数量的、提取有关键点的第二人脸图像;
根据针对所述第二人脸图像所提取的关键点的坐标,将所述第二人脸图像裁剪至所述预设尺寸作为第一人脸图像,得到所述第一人脸图像集合。
3.根据权利要求2所述的方法,其中,所述从第二人脸图像集合中选取目标数量的、提取有关键点的第二人脸图像,包括:
从所述第二人脸图像集合中选取符合预设条件的目标数量的第二人脸图像。
4.根据权利要求3所述的方法,其中,所述预设条件包括以下至少一项:人脸图像中所显示的人脸处于非倾斜状态;人脸图像中所显示的嘴唇处于非闭合状态。
5.根据权利要求1-4中任一所述的方法,其中,所述对所述第一人脸图像集合中的第一人脸图像进行图像变形,包括:
使用移动最小二乘法,对所述第一人脸图像集合中的第一人脸图像进行图像变形。
6.一种生成平均脸图像的装置,包括:
第一确定单元,被配置成根据所获取的针对第一人脸图像集合中的每张第一人脸图像所提取的关键点的坐标,确定所述第一人脸图像集合中,指示相同对象的关键点的坐标的平均值作为各关键点的平均坐标,其中,第一人脸图像为预设尺寸;
变形单元,被配置成对所述第一人脸图像集合中的第一人脸图像进行图像变形,以使所提取的关键点的坐标与所对应的平均坐标之间的距离小于或等于预设距离,得到变形后人脸图像集合;
第二确定单元,被配置成确定所述变形后人脸图像集合的平均人脸图像,其中,所述平均人脸图像中各像素点的像素值为所述变形后人脸图像集合中,各变形后人脸图像中相应的像素点的像素值的平均值。
7.根据权利要求6所述的装置,其中,所述装置还包括:
选取单元,被配置成从第二人脸图像集合中选取目标数量的、提取有关键点的第二人脸图像;
裁剪单元,被配置成根据针对所述第二人脸图像所提取的关键点的坐标,将所述第二人脸图像裁剪至所述预设尺寸作为第一人脸图像,得到所述第一人脸图像集合。
8.根据权利要求7所述的装置,其中,所述选取单元,进一步被配置成:
从所述第二人脸图像集合中选取符合预设条件的目标数量的第二人脸图像。
9.根据权利要求8所述的装置,其中,所述预设条件包括以下至少一项:人脸图像中所显示的人脸处于非倾斜状态;人脸图像中所显示的嘴唇处于非闭合状态。
10.根据权利要求6-9中任一所述的装置,其中,所述变形单元,进一步被配置成:
使用移动最小二乘法,对所述第一人脸图像集合中的第一人脸图像进行图像变形。
11.一种服务器,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。
12.一种计算机可读介质,其上存储有计算机程序,其中,该程序被处理器执行时实现如权利要求1-5中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910496745.4A CN110189252B (zh) | 2019-06-10 | 2019-06-10 | 生成平均脸图像的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910496745.4A CN110189252B (zh) | 2019-06-10 | 2019-06-10 | 生成平均脸图像的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110189252A true CN110189252A (zh) | 2019-08-30 |
CN110189252B CN110189252B (zh) | 2023-08-18 |
Family
ID=67720984
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910496745.4A Active CN110189252B (zh) | 2019-06-10 | 2019-06-10 | 生成平均脸图像的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110189252B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111080667A (zh) * | 2019-12-17 | 2020-04-28 | 杭州趣维科技有限公司 | 一种快速人像照片的自动构图裁剪方法及系统 |
CN111524062A (zh) * | 2020-04-22 | 2020-08-11 | 北京百度网讯科技有限公司 | 图像生成方法和装置 |
CN111583280A (zh) * | 2020-05-13 | 2020-08-25 | 北京字节跳动网络技术有限公司 | 图像处理方法、装置、设备及计算机可读存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102486868A (zh) * | 2010-12-06 | 2012-06-06 | 华南理工大学 | 一种基于平均脸的美丽人脸合成方法 |
CN103824269A (zh) * | 2012-11-16 | 2014-05-28 | 广州三星通信技术研究有限公司 | 人脸特效处理方法以及系统 |
US20180373924A1 (en) * | 2017-06-26 | 2018-12-27 | Samsung Electronics Co., Ltd. | Facial verification method and apparatus |
CN109255337A (zh) * | 2018-09-29 | 2019-01-22 | 北京字节跳动网络技术有限公司 | 人脸关键点检测方法和装置 |
CN109558837A (zh) * | 2018-11-28 | 2019-04-02 | 北京达佳互联信息技术有限公司 | 人脸关键点检测方法、装置及存储介质 |
CN109788190A (zh) * | 2018-12-10 | 2019-05-21 | 北京奇艺世纪科技有限公司 | 一种图像处理方法、装置、移动终端及存储介质 |
-
2019
- 2019-06-10 CN CN201910496745.4A patent/CN110189252B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102486868A (zh) * | 2010-12-06 | 2012-06-06 | 华南理工大学 | 一种基于平均脸的美丽人脸合成方法 |
CN103824269A (zh) * | 2012-11-16 | 2014-05-28 | 广州三星通信技术研究有限公司 | 人脸特效处理方法以及系统 |
US20180373924A1 (en) * | 2017-06-26 | 2018-12-27 | Samsung Electronics Co., Ltd. | Facial verification method and apparatus |
CN109255337A (zh) * | 2018-09-29 | 2019-01-22 | 北京字节跳动网络技术有限公司 | 人脸关键点检测方法和装置 |
CN109558837A (zh) * | 2018-11-28 | 2019-04-02 | 北京达佳互联信息技术有限公司 | 人脸关键点检测方法、装置及存储介质 |
CN109788190A (zh) * | 2018-12-10 | 2019-05-21 | 北京奇艺世纪科技有限公司 | 一种图像处理方法、装置、移动终端及存储介质 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111080667A (zh) * | 2019-12-17 | 2020-04-28 | 杭州趣维科技有限公司 | 一种快速人像照片的自动构图裁剪方法及系统 |
CN111080667B (zh) * | 2019-12-17 | 2023-04-25 | 杭州小影创新科技股份有限公司 | 一种快速人像照片的自动构图裁剪方法及系统 |
CN111524062A (zh) * | 2020-04-22 | 2020-08-11 | 北京百度网讯科技有限公司 | 图像生成方法和装置 |
CN111524062B (zh) * | 2020-04-22 | 2023-11-24 | 北京百度网讯科技有限公司 | 图像生成方法和装置 |
CN111583280A (zh) * | 2020-05-13 | 2020-08-25 | 北京字节跳动网络技术有限公司 | 图像处理方法、装置、设备及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110189252B (zh) | 2023-08-18 |
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 | |
CN108509915A (zh) | 人脸识别模型的生成方法和装置 | |
CN109858445A (zh) | 用于生成模型的方法和装置 | |
CN110245612A (zh) | 人脸图像的检测方法和装置 | |
CN108985257A (zh) | 用于生成信息的方法和装置 | |
CN108229419A (zh) | 用于聚类图像的方法和装置 | |
CN110189252A (zh) | 生成平均脸图像的方法和装置 | |
CN110782515A (zh) | 虚拟形象的生成方法、装置、电子设备及存储介质 | |
CN109086719A (zh) | 用于输出数据的方法和装置 | |
CN110298319A (zh) | 图像合成方法和装置 | |
CN109829432A (zh) | 用于生成信息的方法和装置 | |
CN110162670A (zh) | 用于生成表情包的方法和装置 | |
CN110348419A (zh) | 用于拍照的方法和装置 | |
CN110288705A (zh) | 生成三维模型的方法和装置 | |
CN108363995A (zh) | 用于生成数据的方法和装置 | |
CN109886955A (zh) | 用于处理眼底图像的方法和装置 | |
CN111275650B (zh) | 美颜处理方法及装置 | |
CN110009059A (zh) | 用于生成模型的方法和装置 | |
CN109754464A (zh) | 用于生成信息的方法和装置 | |
CN108491823A (zh) | 用于生成人眼识别模型的方法和装置 | |
CN110136054A (zh) | 图像处理方法和装置 | |
CN108491812A (zh) | 人脸识别模型的生成方法和装置 | |
CN109800730A (zh) | 用于生成头像生成模型的方法和装置 | |
CN108446658A (zh) | 用于识别人脸图像的方法和装置 | |
CN109145783A (zh) | 用于生成信息的方法和装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |