CN110232667A - 图像畸变修正方法、装置、电子设备及可读存储介质 - Google Patents
图像畸变修正方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN110232667A CN110232667A CN201910521767.1A CN201910521767A CN110232667A CN 110232667 A CN110232667 A CN 110232667A CN 201910521767 A CN201910521767 A CN 201910521767A CN 110232667 A CN110232667 A CN 110232667A
- Authority
- CN
- China
- Prior art keywords
- face
- modified
- image
- relative distance
- distortions correction
- 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
- 238000003860 storage Methods 0.000 title claims abstract description 32
- 238000002715 modification method Methods 0.000 title claims abstract description 31
- 238000012937 correction Methods 0.000 claims abstract description 92
- 230000001815 facial effect Effects 0.000 claims description 46
- 238000000034 method Methods 0.000 claims description 23
- 238000012549 training Methods 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 10
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 4
- 238000013135 deep learning Methods 0.000 claims description 3
- 230000001537 neural effect Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 12
- 238000010586 diagram Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 3
- 230000014759 maintenance of location Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000001960 triggered effect Effects 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Studio Devices (AREA)
Abstract
本申请实施例提供一种图像畸变修正方法、装置、电子设备及可读存储介质,通过对待修正图像进行人脸识别,得到待修正图像中至少两个人脸对应的人脸框信息和人脸关键点,然后根据识别到的每个人脸对应的人脸框信息确定待修正图像中的待修正人脸,并计算待修正人脸与摄像镜头的相对距离系数,之后根据相对距离系数对待修正人脸进行畸变修正,得到畸变修正后的目标图像。如此,能够在多人自拍合照时实时自动地识别待修正人脸进行畸变矫正,从而优化多人自拍合照场景中的拍摄效果。
Description
技术领域
本申请涉及图形图像处理技术领域,具体而言,涉及一种图像畸变修正方法、装置、电子设备及可读存储介质。
背景技术
目前,使用电子设备(例如智能手机、平板电脑等)的前置摄像头进行多人自拍合照是拍照中的一个重要使用场景,该场景中拍摄者大多需要自己手持电子设备拍摄。然而,由于人体手臂长度的限制,拍摄者距离镜头的物理距离通常无法超过手臂的长度,而合照中的其他人员则没有手持电子设备的物理限制,可以自由活动选择合适的位置进行拍摄。此时,合照内的拍摄者通常是距离镜头最近的人,这样会导致多人自拍合照时,手持电子设备的拍摄者的脸部会发生畸变,这个畸变在多人合照时对比会更加明显,导致在多人自拍合照的场景中,拍摄者的脸部会相对其他人显得比较异常,影响拍摄效果。
发明内容
有鉴于此,本申请实施例的目的在于提供一种图像畸变修正方法、装置、电子设备及可读存储介质,能够在多人自拍合照时实时自动地识别待修正人脸进行畸变矫正,从而优化多人自拍合照场景中的拍摄效果。
根据本申请实施例的一个方面,提供一种电子设备,可以包括一个或多个存储介质和一个或多个与存储介质通信的处理器。一个或多个存储介质存储有处理器可执行的机器可执行指令。当电子设备运行时,处理器执行所述机器可执行指令,以执行图像畸变修正方法。
根据本申请实施例的另一方面,提供一种图像畸变修正方法,应用于电子设备,所述方法包括:
对待修正图像进行人脸识别,得到所述待修正图像中至少两个人脸对应的人脸框信息和人脸关键点;
根据识别到的每个人脸对应的人脸框信息确定所述待修正图像中的待修正人脸,并计算所述待修正人脸与摄像镜头的相对距离系数;
根据所述相对距离系数对所述待修正人脸进行畸变修正,得到畸变修正后的目标图像。
在一种可能的实施方式中,所述对待修正图像进行人脸识别,得到所述待修正图像中至少两个人脸对应的人脸框信息和人脸关键点的步骤,包括:
在检测到相机开启指令后,开启摄像头并进入拍摄预览界面;
针对所述拍摄预览界面中的每帧待修正图像,通过预先训练得到的人脸识别模型对该帧待修正图像进行人脸识别,得到该帧待修正图像中每个人脸对应的人脸框信息和人脸关键点;
其中,所述人脸识别模型利用多个训练样本和各个训练样本的标注数据基于深度学习的神经网络训练获得,其中,各个训练样本的标注数据包括该训练样本中各个人脸对应的人脸框信息和人脸关键点。
在一种可能的实施方式中,所述根据识别到的每个人脸对应的人脸框信息确定所述待修正图像中的待修正人脸,并计算所述待修正人脸与摄像镜头的相对距离系数的步骤之前,所述方法还包括:
针对每个人脸,根据该人脸对应的人脸框信息裁剪出对应的人脸图像;
根据该人脸对应的人脸关键点,利用仿射矩阵将该人脸图像旋转到设定位置。
在一种可能的实施方式中,所述方法还包括:
针对旋转后的每个人脸图像,采用预先训练的年龄预估模型对该人脸图像进行识别,得到该人脸图像中的人脸年龄;
判断该人脸图像中的人脸年龄是否大于设定年龄;
若该人脸图像中的人脸年龄小于设定年龄,则根据该人脸图像中的人脸年龄对该人脸图像的人脸框大小进行矫正。
在一种可能的实施方式中,所述电子设备中预先存储有每个人脸年龄对应的人脸周长的中位数,所述根据该人脸图像中的人脸年龄对该人脸图像的人脸框大小进行矫正的步骤,包括:
获取该人脸图像中的人脸年龄对应的人脸周长的第一中位数以及所述设定年龄对应的人脸周长的第二中位数;
根据所述第一中位数和所述第二中位数计算得到人脸框矫正系数;
根据所述人脸框矫正系数对该人脸图像的人脸框大小进行矫正。
在一种可能的实施方式中,所述根据识别到的每个人脸对应的人脸框信息确定所述待修正图像中的待修正人脸,并计算所述待修正人脸与摄像镜头的相对距离系数的步骤,包括:
根据所述每个人脸对应的人脸框信息,确定人脸框面积最大的人脸为待修正人脸;
计算所述待修正人脸与摄像镜头的相对距离系数。
在一种可能的实施方式中,所述计算所述待修正人脸与摄像镜头的相对距离系数的步骤,包括:
根据所述每个人脸对应的人脸框信息,计算识别到的所有人脸对应的人脸框的平均面积;
计算每个人脸对应的人脸框的面积与所述平均面积的差值平方值之和;
根据所述差值平方值之和计算所述待修正人脸与摄像镜头的相对距离系数,具体计算公式为:
其中,d为所述待修正人脸与摄像镜头的相对距离系数,N为人脸数量,xi为第i个人脸框的面积,r为所有人脸对应的人脸框的平均面积;或者
获取所述待修正人脸之外的其它人脸的人脸框对应的中位数面积和最大数面积;
计算所述中位数面积与所述待修正人脸的人脸框面积的第一比值以及所述最大数面积与所述待修正人脸的人脸框面积的第二比值;
根据预设的第一比值和第二比值各自对应的权重系数、所述第一比值和所述第二比值计算所述待修正人脸与摄像镜头的相对距离系数,具体计算公式为:
其中,d为所述待修正人脸与摄像镜头的相对距离系数,amax为所述待修正人脸之外的其它人脸的人脸框对应的最大数面积,amid为所述待修正人脸之外的其它人脸的人脸框对应的中位数面积,K为0到1之间的常数。
在一种可能的实施方式中,所述电子设备预先存储有多个预设距离系数对应的畸变修正参数,所述根据所述相对距离系数对所述待修正人脸进行畸变修正,得到畸变修正后的目标图像的步骤,包括:
获取所述相对距离系数所在的预设距离系数范围,所述预设距离系数范围包括第一端点和第二端点,所述第一端点小于所述第二端点;
计算所述相对距离系数与所述第一端点的第一差值、所述第二端点与所述第一端点的第二差值以及所述第二端点对应的畸变修正参数与所述第一端点对应的畸变修正参数的第三差值;
根据所述第一端点、所述第一差值、所述第二差值以及所述第三差值计算得到对应的目标畸变修正参数;
根据所述目标畸变修正参数对所述待修正人脸进行畸变修正,得到畸变修正后的目标图像;
其中,所述目标畸变修正参数通过以下计算公式得到:
其中,z为目标畸变修正参数,d为所述待修正人脸与摄像镜头的相对距离系数,d1为所述第一端点,d2为所述第二端点,c1为所述第一端点对应的畸变修正参数,c2为所述第一端点对应的畸变修正参数。
在一种可能的实施方式中,所述根据所述目标畸变修正参数对所述待修正人脸进行畸变修正,得到畸变修正后的目标图像的步骤,包括:
建立所述待修正人脸的人脸网格,并确定所述人脸网格中的各个约束点;
根据所述目标畸变修正参数计算所述人脸网格中的各个约束点的约束形变量;
根据计算的各个约束点的约束形变量对各个约束点的坐标进行调整,得到调整后的人脸网格;
将所述待修正人脸映射到所述调整后的人脸网格,得到畸变修正后的目标图像。
在一种可能的实施方式中,所述方法还包括:
将畸变修正后的每张目标图像实时显示在所述拍摄预览界面中,并在检测到拍摄指令时,将当前显示在所述拍摄预览界面中的目标图像作为拍摄图像并存储在所述电子设备中。
根据本申请实施例的另一方面,提供一种图像畸变修正装置,应用于电子设备,所述装置包括:
识别模块,用于对待修正图像进行人脸识别,得到所述待修正图像中至少两个人脸对应的人脸框信息和人脸关键点;
计算模块,用于根据识别到的每个人脸对应的人脸框信息确定所述待修正图像中的待修正人脸,并计算所述待修正人脸与摄像镜头的相对距离系数;
畸变修正模块,用于根据所述相对距离系数对所述待修正人脸进行畸变修正,得到畸变修正后的目标图像。
根据本申请实施例的另一方面,提供一种可读存储介质,该可读存储介质上存储有机器可执行指令,该计算机程序被处理器运行时可以执行上述的图像畸变修正方法的步骤。
基于上述任一方面,本申请实施例通过对待修正图像进行人脸识别,得到待修正图像中至少两个人脸对应的人脸框信息和人脸关键点,然后根据识别到的每个人脸对应的人脸框信息确定待修正图像中的待修正人脸,并计算待修正人脸与摄像镜头的相对距离系数,之后根据相对距离系数对待修正人脸进行畸变修正,得到畸变修正后的目标图像。如此,能够在多人自拍合照时实时自动地识别待修正人脸进行畸变矫正,从而优化多人自拍合照场景中的拍摄效果。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1示出了本申请实施例所提供的图像畸变修正方法的流程示意图之一;
图2示出了本申请实施例所提供的识别到的人脸对应的人脸框的示意图;
图3示出了本申请实施例所提供的图像畸变修正方法的流程示意图之二;
图4示出了本申请实施例所提供的图像畸变修正之前的电子设备的拍摄预览界面示意图;
图5示出了本申请实施例所提供的图像畸变修正之后的电子设备的拍摄预览界面示意图;
图6示出了本申请实施例所提供的电子设备包括的图像畸变修正装置的功能模块示意框图之一;
图7示出了本申请实施例所提供的电子设备包括的图像畸变修正装置的功能模块示意框图之二。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,应当理解,本申请中附图仅起到说明和描述的目的,并不用于限定本申请的保护范围。另外,应当理解,示意性的附图并未按实物比例绘制。本申请中使用的流程图示出了根据本申请实施例的一些实施例实现的操作。应该理解,流程图的操作可以不按顺序实现,没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外,本领域技术人员在本申请内容的指引下,可以向流程图添加一个或多个其他操作,也可以从流程图中移除一个或多个操作。
另外,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
如前述背景技术所获知的技术问题,本申请发明人经过研究发现,在多人合拍的场景中,拍摄者在距离镜头较近时会使自身的脸部产生畸变,脸部区域会被放大,而合照内的其他人相对于拍摄者通常距离镜头更远,这样会导致拍摄者的脸部区域被放大的畸变在对比中加深。当前的畸变修正方法,大都是采用通用的瘦脸或者头部缩小的方案,以减少畸变,但是无法针对多人自拍合照场景实时、自动对合照内的拍摄者进行畸变处理。
为此,基于上述技术问题的发现,发明人提出下述技术方案以解决或者改善上述问题。需要注意的是,以上现有技术中的方案所存在的缺陷,均是发明人在经过实践并仔细研究后得出的结果,因此,上述问题的发现过程以及下文中本申请实施例针对上述问题所提出的解决方案,都应该是发明人在发明创造过程中对本申请做出的贡献,而不应当理解为本领域技术人员所公知的技术内容。
图1示出了本申请实施例提供的图像畸变修正方法的流程示意图,应当理解,在其它实施例中,本实施例的图像畸变修正方法其中部分步骤的顺序可以不以图1及以下具体实施例的顺序为限制,例如可以根据实际需要相互交换,或者其中的部分步骤也可以省略或删除。该图像畸变修正方法的详细步骤介绍如下。
步骤S110,对待修正图像进行人脸识别,得到所述待修正图像中至少两个人脸对应的人脸框信息和人脸关键点。
步骤S120,根据识别到的每个人脸对应的人脸框信息确定所述待修正图像中的待修正人脸,并计算所述待修正人脸与摄像镜头的相对距离系数。
步骤S130,根据所述相对距离系数对所述待修正人脸进行畸变修正,得到畸变修正后的目标图像。
基于上述步骤,本实施例能够在多人自拍合照时实时自动地识别待修正人脸以对根据计算出的待修正人脸与摄像镜头的相对距离系数畸变矫正,从而优化多人自拍合照场景中的拍摄效果。
作为一种可能的实施方式,针对步骤S110,在检测到相机开启指令后,开启摄像头并进入拍摄预览界面。
其中,在不同的应用场景下,检测到相机开启指令的方式可以不同。例如,可以在检测到拍摄者在交互界面上触发的拍照控件时,得到相机开启指令;又例如,也可以在获取到拍摄者发送的拍照语音指令时,得到相机开启指令;又例如,也可以在检测到拍摄者的动作与拍照预设动作一致时,得到相机开启指令等。
当检测到相机开启指令后,则开启摄像头并进入拍摄预览界面,在该拍摄预览界面中,可以实时显示由该摄像头所获取到的当前拍照场景的视频流。
为了便于拍摄者在拍摄预览阶段就可以实时看到畸变修正后的人脸效果,待修正图像可以是拍摄预览界面中展示的视频流中的每一帧图像。在此基础上,可以针对所述拍摄预览界面中的每帧待修正图像,通过预先训练得到的人脸识别模型对该帧待修正图像进行人脸识别,以得到该帧待修正图像中每个人脸对应的人脸框信息和人脸关键点。
可选地,所述人脸识别模型可以利用多个训练样本和各个训练样本的标注数据基于深度学习的神经网络(例如YOLO神经网络、Fast-RCNN神经网络、MTCNN神经网络等)训练获得。其中,各个训练样本的标注数据可以包括该训练样本中各个人脸对应的人脸框信息和人脸关键点。
作为一种示例,各个人脸对应的人脸框信息可以包括人脸ID信息、人脸框顶点的坐标信息、人脸框的宽度信息和高度信息等,人脸关键点可以包括人脸各个部位的特征点以及各个特征点之间的几何关系等。
例如,请结合参阅图2,示出了识别到的人脸对应的人脸框F的示意图。在图2中,人脸框F覆盖了人脸区域,人脸框信息可包括图2中所示的人脸框的宽度W、高度H以及人脸框的顶点坐标Q,人脸框F的面积则为人脸框F的宽度W和高度H的乘积。其中,针对不同大小的人脸,其人脸框F的宽度W和高度H在识别过程中会自适应地调整。此外,人脸框F的顶点坐标Q可以根据实际需求进行选择,例如图2示出的顶点坐标Q为人脸框的右上角的顶点坐标,在其它示例中,人脸框的顶点坐标Q也可以选择左上角的顶点坐标、左下角的顶点坐标或者右下角的顶点坐标,或者上述任意组合,本实施例对此不作任何限制。
如此,通过基于深度学习的神经网络训练获得的人脸识别模型,可以识别到待修正图像中每个人脸对应的人脸框信息和人脸关键点,以便于后续利用每个人脸对应的人脸框信息和人脸关键点进行畸变矫正。
发明人在研究过程中还发现,通常在上述拍摄预览界面中的视频流中,往往会由于镜头抖动或者镜头相对位置偏移等情况导致这些人脸可能存在偏移的情况,进而影响拍摄效果。
基于此,作为一种可能的实施方式,在步骤S120之前,还可以针对每个人脸,根据该人脸对应的人脸框信息裁剪出对应的人脸图像。详细地,可以根据该人脸对应的人脸框顶点的坐标信息、人脸框的宽度信息和高度信息确定该人脸的裁剪区域,然后根据确定的裁剪区域裁剪出对应的人脸图像。
接着,再根据该人脸对应的人脸关键点,利用仿射矩阵将该人脸图像旋转到设定位置。详细地,可以通过预先存储的标准人脸模板中的各个人脸关键模板点与该人脸对应的人脸关键点之间的差异,计算使用仿射矩阵将该人脸图像旋转的旋转参数,然后将该人脸图像对应的人脸关键点旋转到根据旋转参数所确定的对应位置处,以得到摆正后的人脸图像。如此,可以避免在上述拍摄预览界面中的视频流中由于镜头抖动或者镜头相对位置偏移等情况导致这些人脸可能存在偏移的情况,改善拍摄效果。
发明人在研究过程中还发现,通常当合照中存在儿童时,由于相机的原因,可能会导致儿童在上述拍摄预览界面中的视频流中相较于其他成年人而言会存在些许畸变,导致儿童的实际形象与真实形象存在差异,进而影响拍摄效果。
基于此,作为一种可能的实施方式,在前述描述的基础上,针对旋转后的每个人脸图像,采用预先训练的年龄预估模型对该人脸图像进行识别,得到该人脸图像中的人脸年龄,并判断该人脸图像中的人脸年龄是否大于设定年龄,若该人脸图像中的人脸年龄小于设定年龄,则根据该人脸图像中的人脸年龄对该人脸图像的人脸框大小进行矫正。
详细地,作为一种示例,电子设备中可以预先存储有每个人脸年龄对应的人脸周长的中位数,则根据该人脸图像中的人脸年龄对该人脸图像的人脸框大小进行矫正的方式可以是:首先,获取该人脸图像中的人脸年龄对应的人脸周长的第一中位数以及所述设定年龄对应的人脸周长的第二中位数,然后根据所述第一中位数和所述第二中位数计算得到人脸框矫正系数,最后根据所述人脸框矫正系数对该人脸图像的人脸框大小进行矫正。
以设定年龄为18岁,该人脸图像中的人脸年龄为10岁为例,假设10岁对应的人脸周长的第一中位数为b1,18岁对应的人脸周长的第一中位数为b2,那么计算得到的人脸框矫正系数则为b1/b2。在此基础上,根据所述人脸框矫正系数对该人脸图像的人脸框大小进行矫正的方式可以是:通过该人脸框矫正系数b1/b2分别对该人脸图像的人脸框的边长和面积进行矫正。
例如,针对该人脸图像的人脸框的矫正后的边长L1,可以是该人脸图像的人脸框的原边长L0与人脸框矫正系数b1/b2之间的商值,即L1=L0/(b1/b2);
又例如,针对该人脸图像的人脸框的矫正后的面积S1,可以是该人脸图像的人脸框的原面积S0与人脸框矫正系数b1/b2的平方值之间的商值,即S1=S0/(b1/b2)2。
值得说明的是,上述每个人脸年龄对应的人脸周长的中位数可以通过收集大量不同年龄的样本统计得到,具体数据可以根据实际需求进行微调,本实施例对此不作具体限制。
如此,可以减少儿童在上述拍摄预览界面中的视频流中相较于其他成年人而言会存在的畸变程度。
进一步地,针对步骤S120,作为一种可能的实施方式,可以根据所述每个人脸对应的人脸框信息,确定人脸框面积最大的人脸为待修正人脸,并计算所述待修正人脸与摄像镜头的相对距离系数。
例如,可以根据所述每个人脸对应的人脸框信息,计算识别到的所有人脸对应的人脸框的平均面积,然后计算每个人脸对应的人脸框的面积与所述平均面积的差值平方值之和,最后根据所述差值平方值之和计算所述待修正人脸与摄像镜头的相对距离系数。在本示例中,该相对距离系数的具体计算公式可以为:
其中,d为所述待修正人脸与摄像镜头的相对距离系数,N为人脸数量,xi为第i个人脸框的面积,r为所有人脸对应的人脸框的平均面积。
又例如,还可以获取所述待修正人脸之外的其它人脸的人脸框对应的中位数面积和最大数面积,并计算所述中位数面积与所述待修正人脸的人脸框面积的第一比值以及所述最大数面积与所述待修正人脸的人脸框面积的第二比值,最后根据预设的第一比值和第二比值各自对应的权重系数、所述第一比值和所述第二比值计算所述待修正人脸与摄像镜头的相对距离系数。在本示例中,该相对距离系数的具体计算公式可以为:
其中,d为所述待修正人脸与摄像镜头的相对距离系数,amax为所述待修正人脸之外的其它人脸的人脸框对应的最大数面积,amid为所述待修正人脸之外的其它人脸的人脸框对应的中位数面积,K为0到1之间的常数。
进一步地,针对步骤S130,电子设备可预先存储有多个预设距离系数对应的畸变修正参数,这样当步骤S120得到的相对距离系数为预先存储的某个预设距离系数时,可以直接获取到该相对距离系数对应的畸变修正参数。然而,在真实场景中,步骤S120得到的相对距离系数通常难以匹配到准确的预设距离系数,如果要收集到所有的预设距离系数对应的畸变修正参数是非常困难的,此外,如果将与步骤S120得到的相对距离系数与相近的预设距离系数对应的畸变修正参数进行匹配,则会存在畸变修正误差。
为此,发明人针对上述问题提出下述示例性的解决方案:
首先,获取所述相对距离系数所在的预设距离系数范围,所述预设距离系数范围可以包括第一端点和第二端点,所述第一端点小于所述第二端点。
接着,计算所述相对距离系数与所述第一端点的第一差值、所述第二端点与所述第一端点的第二差值以及所述第二端点对应的畸变修正参数与所述第一端点对应的畸变修正参数的第三差值。
最后,根据所述第一端点、所述第一差值、所述第二差值以及所述第三差值计算得到对应的目标畸变修正参数。
其中,所述目标畸变修正参数可以通过以下计算公式得到:
其中,z为目标畸变修正参数,d为所述待修正人脸与摄像镜头的相对距离系数,d1为所述第一端点,d2为所述第二端点,c1为所述第一端点对应的畸变修正参数,c2为所述第一端点对应的畸变修正参数。
例如,假设预设距离系数0.15对应的畸变修正参数为0.3,预设距离系数0.20对应的畸变修正参数为0.5,通过上述步骤S120计算得到的相对距离系数为0.17,那么目标畸变修正参数则为:
z=0.3+(0.17-0.15)*((0.5-0.3)/(0.2-0.15))=0.38
如此,通过上述方案,可以得到更为准确的目标畸变修正参数,从而降低畸变修正值的误差,并且无需花费大量时间成本收集所有的预设距离系数对应的畸变修正参数。
在上述基础上,则可以额根据所述目标畸变修正参数对所述待修正人脸进行畸变修正,得到畸变修正后的目标图像。
作为一种示例,首先建立所述待修正人脸的人脸网格,并确定所述人脸网格中的各个约束点,然后根据所述目标畸变修正参数计算所述人脸网格中的各个约束点的约束形变量,之后根据计算的各个约束点的约束形变量对各个约束点的坐标进行调整,得到调整后的人脸网格,并将所述待修正人脸映射到所述调整后的人脸网格,得到畸变修正后的目标图像。
进一步地,请结合参阅图3,在步骤S130之后,本实施例提供的图像畸变修正方法还可以包括如下步骤:
步骤S140,将畸变修正后的每张目标图像实时显示在所述拍摄预览界面中,并在检测到拍摄指令时,将当前显示在所述拍摄预览界面中的目标图像作为拍摄图像并存储在所述电子设备中。
在本实施例中,通过将畸变修正后的每张目标图像实时显示在所述拍摄预览界面中,这样拍摄者在还未拍照时即可看到畸变修正后的目标图像而不是发生畸变的待修正图像。之后在需要拍照的时候,可以按下拍摄按钮,当在检测到拍摄指令时,将当前显示在所述拍摄预览界面中的目标图像作为拍摄图像并存储在所述电子设备中。
为了更清楚地描述本申请图像畸变修正方法的有益效果,下面结合其在具体应用场景中的实施过程进行举例,举例说明如下:
作为一种示例,在日常生活中的多人拍照场景下,比如旅游时拍摄人物合照,通常拍摄者手持电子设备,其余人员则选择合适的位置进行拍摄。如图4所示,拍摄人员打开电子设备的相机应用后,电子设备开启摄像头B4并展示拍摄预览界面L,拍摄预览界面L中则显示该摄像头B4实时获取到的该旅游场景下的合照视频流,拍摄人员还可以选择拍摄模式按钮B2选择前置拍照或者后置拍照,但是不管是前置拍照还是后置拍照,拍摄者都是距离摄像头B4最近的人,这样会导致该多人自拍合照的场景中,该拍摄者的脸部(待修正人脸)Face0会发生畸变,从图4中可以看出这个畸变在多人合照时对比会更加明显。
如果采用本申请实施例提供的图像畸变修正方法,如图5所示,那么该拍摄者的脸部修正后的人脸Face1的畸变明显得到了极大改善。由此,每次拍摄预览界面L所显示的都是畸变修正后的视频流,从而优化多人自拍合照场景中的拍摄效果。
在此基础上,拍摄者按下拍摄按钮B1后,则可以将当前显示在拍摄预览界面L中的图像作为拍摄图像并进行存储,并且还可以通过拍摄图像预览框B3查看刚存储的拍摄图像。
图6示出了本申请实施例提供的电子设备100的示意图,本实施例中,该电子设备100可以包括存储介质110、处理器120以及图像畸变修正装置130。
其中,处理器120可以是一个通用的中央处理器(Central Processing Unit,CPU),微处理器,特定应用集成电路(Application-Specific Integrated Circuit,ASIC),或一个或多个用于控制上述方法实施例提供的图像畸变修正方法的程序执行的集成电路。
存储介质110可以是ROM或可存储静态信息和指令的其他类型的静态存储设备,RAM或者可存储信息和指令的其他类型的动态存储设备,也可以是电可擦可编程只读存储器(Electrically Erasable Programmabler-Only Memory,EEPROM)、只读光盘(Compactdisc Read-Only Memory,CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。存储介质110可以是独立存在,通过通信总线与处理器120相连接。存储介质110也可以和处理器集成在一起。其中,存储介质110用于存储执行本申请方案的应用程序代码,例如图5中所示的图像畸变修正装置130,并由处理器120来控制执行。处理器120用于执行存储介质110中存储的应用程序代码,例如图像畸变修正装置130,以执行上述方法实施例的图像畸变修正方法。
本申请可以根据上述方法实施例对图像畸变修正装置130进行功能模块的划分,例如,可以对应各个功能划分各个功能模块,也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。需要说明的是,本申请中对模块的划分是示意性的,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。比如,在采用对应各个功能划分各个功能模块的情况下,图6示出的图像畸变修正装置130只是一种装置示意图。例如,图6示出的图像畸变修正装置130可包括识别模块131、计算模块132以及畸变修正模块133。下面分别对该图像畸变修正装置130的各个功能模块的功能进行详细阐述。
识别模块131,用于对待修正图像进行人脸识别,得到所述待修正图像中至少两个人脸对应的人脸框信息和人脸关键点。可以理解,该识别模块131可以用于执行上述步骤S110,关于该识别模块131的详细实现方式可以参照上述对步骤S110有关的内容。
计算模块132,用于根据识别到的每个人脸对应的人脸框信息确定所述待修正图像中的待修正人脸,并计算所述待修正人脸与摄像镜头的相对距离系数。可以理解,该计算模块132可以用于执行上述步骤S120,关于该计算模块132的详细实现方式可以参照上述对步骤S120有关的内容。
畸变修正模块133,用于根据所述相对距离系数对所述待修正人脸进行畸变修正,得到畸变修正后的目标图像。可以理解,该畸变修正模块133可以用于执行上述步骤S130,关于该畸变修正模块133的详细实现方式可以参照上述对步骤S130有关的内容。
进一步地,请参阅图7,该图像畸变修正装置130还可以包括:
显示存储模块134,用于将畸变修正后的每张目标图像实时显示在所述拍摄预览界面中,并在检测到拍摄指令时,将当前显示在所述拍摄预览界面中的目标图像作为拍摄图像并存储在所述电子设备100中。可以理解,该显示存储模块134可以用于执行上述步骤S140,关于该显示存储模块134的详细实现方式可以参照上述对步骤S140有关的内容。
由于本申请实施例提供的图像畸变修正装置130是图1或者图3所示的图像畸变修正方法的另一种实现形式,且图像畸变修正装置130可用于执行图1或者图3所示的实施例所提供的图像畸变修正方法,因此其所能获得的技术效果可参考上述方法实施例,在此不再赘述。
进一步地,基于同一发明构思,本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行上述图像畸变修正方法的步骤。
具体地,该存储介质能够为通用的存储介质,如移动磁盘、硬盘等,该存储介质上的计算机程序被运行时,能够执行上述图像畸变修正方法。
本申请实施例是参照根据本申请实施例的方法、设备(如图6或者图7所示的电子设备100)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
尽管在此结合各实施例对本申请进行了描述,然而,在实施所要求保护的本申请过程中,本领域技术人员通过查看所述附图、公开内容、以及所附权利要求书,可理解并实现所述公开实施例的其他变化。在权利要求中,“包括”一词不排除其他组成部分或步骤,“一”或“一个”不排除多个的情况。单个处理器或其他单元可以实现权利要求中列举的若干项功能。相互不同的从属权利要求中记载了某些措施,但这并不表示这些措施不能组合起来产生良好的效果。
以上所述,仅为本申请的各种实施方式,但本申请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申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。
Claims (13)
1.一种图像畸变修正方法,其特征在于,应用于电子设备,所述方法包括:
对待修正图像进行人脸识别,得到所述待修正图像中至少两个人脸对应的人脸框信息和人脸关键点;
根据识别到的每个人脸对应的人脸框信息确定所述待修正图像中的待修正人脸,并计算所述待修正人脸与摄像镜头的相对距离系数;
根据所述相对距离系数对所述待修正人脸进行畸变修正,得到畸变修正后的目标图像。
2.根据权利要求1所述的图像畸变修正方法,其特征在于,所述对待修正图像进行人脸识别,得到所述待修正图像中至少两个人脸对应的人脸框信息和人脸关键点的步骤,包括:
在检测到相机开启指令后,开启摄像头并进入拍摄预览界面;
针对所述拍摄预览界面中的每帧待修正图像,通过预先训练得到的人脸识别模型对该帧待修正图像进行人脸识别,得到该帧待修正图像中每个人脸对应的人脸框信息和人脸关键点;
其中,所述人脸识别模型利用多个训练样本和各个训练样本的标注数据基于深度学习的神经网络训练获得,其中,各个训练样本的标注数据包括该训练样本中各个人脸对应的人脸框信息和人脸关键点。
3.根据权利要求1所述的图像畸变修正方法,其特征在于,所述根据识别到的每个人脸对应的人脸框信息确定所述待修正图像中的待修正人脸,并计算所述待修正人脸与摄像镜头的相对距离系数的步骤之前,所述方法还包括:
针对每个人脸,根据该人脸对应的人脸框信息裁剪出对应的人脸图像;
根据该人脸对应的人脸关键点,利用仿射矩阵将该人脸图像旋转到设定位置。
4.根据权利要求3所述的图像畸变修正方法,其特征在于,所述方法还包括:
针对旋转后的每个人脸图像,采用预先训练的年龄预估模型对该人脸图像进行识别,得到该人脸图像中的人脸年龄;
判断该人脸图像中的人脸年龄是否大于设定年龄;
若该人脸图像中的人脸年龄小于设定年龄,则根据该人脸图像中的人脸年龄对该人脸图像的人脸框大小进行矫正。
5.根据权利要求4所述的图像畸变修正方法,其特征在于,所述电子设备中预先存储有每个人脸年龄对应的人脸周长的中位数,所述根据该人脸图像中的人脸年龄对该人脸图像的人脸框大小进行矫正的步骤,包括:
获取该人脸图像中的人脸年龄对应的人脸周长的第一中位数以及所述设定年龄对应的人脸周长的第二中位数;
根据所述第一中位数和所述第二中位数计算得到人脸框矫正系数;
根据所述人脸框矫正系数对该人脸图像的人脸框大小进行矫正。
6.根据权利要求1-5中任意一项所述的图像畸变修正方法,其特征在于,所述根据识别到的每个人脸对应的人脸框信息确定所述待修正图像中的待修正人脸,并计算所述待修正人脸与摄像镜头的相对距离系数的步骤,包括:
根据所述每个人脸对应的人脸框信息,确定人脸框面积最大的人脸为待修正人脸;
计算所述待修正人脸与摄像镜头的相对距离系数。
7.根据权利要求6所述的图像畸变修正方法,其特征在于,所述计算所述待修正人脸与摄像镜头的相对距离系数的步骤,包括:
根据所述每个人脸对应的人脸框信息,计算识别到的所有人脸对应的人脸框的平均面积;
计算每个人脸对应的人脸框的面积与所述平均面积的差值平方值之和;
根据所述差值平方值之和计算所述待修正人脸与摄像镜头的相对距离系数,具体计算公式为:
其中,d为所述待修正人脸与摄像镜头的相对距离系数,N为人脸数量,xi为第i个人脸框的面积,r为所有人脸对应的人脸框的平均面积;或者
获取所述待修正人脸之外的其它人脸的人脸框对应的中位数面积和最大数面积;
计算所述中位数面积与所述待修正人脸的人脸框面积的第一比值以及所述最大数面积与所述待修正人脸的人脸框面积的第二比值;
根据预设的第一比值和第二比值各自对应的权重系数、所述第一比值和所述第二比值计算所述待修正人脸与摄像镜头的相对距离系数,具体计算公式为:
其中,d为所述待修正人脸与摄像镜头的相对距离系数,amax为所述待修正人脸之外的其它人脸的人脸框对应的最大数面积,amid为所述待修正人脸之外的其它人脸的人脸框对应的中位数面积,K为0到1之间的常数。
8.根据权利要求1-5中任意一项所述的图像畸变修正方法,其特征在于,所述电子设备预先存储有多个预设距离系数对应的畸变修正参数,所述根据所述相对距离系数对所述待修正人脸进行畸变修正,得到畸变修正后的目标图像的步骤,包括:
获取所述相对距离系数所在的预设距离系数范围,所述预设距离系数范围包括第一端点和第二端点,所述第一端点小于所述第二端点;
计算所述相对距离系数与所述第一端点的第一差值、所述第二端点与所述第一端点的第二差值以及所述第二端点对应的畸变修正参数与所述第一端点对应的畸变修正参数的第三差值;
根据所述第一端点、所述第一差值、所述第二差值以及所述第三差值计算得到对应的目标畸变修正参数;
根据所述目标畸变修正参数对所述待修正人脸进行畸变修正,得到畸变修正后的目标图像;
其中,所述目标畸变修正参数通过以下计算公式得到:
其中,z为目标畸变修正参数,d为所述待修正人脸与摄像镜头的相对距离系数,d1为所述第一端点,d2为所述第二端点,c1为所述第一端点对应的畸变修正参数,c2为所述第一端点对应的畸变修正参数。
9.根据权利要求8所述的图像畸变修正方法,其特征在于,所述根据所述目标畸变修正参数对所述待修正人脸进行畸变修正,得到畸变修正后的目标图像的步骤,包括:
建立所述待修正人脸的人脸网格,并确定所述人脸网格中的各个约束点;
根据所述目标畸变修正参数计算所述人脸网格中的各个约束点的约束形变量;
根据计算的各个约束点的约束形变量对各个约束点的坐标进行调整,得到调整后的人脸网格;
将所述待修正人脸映射到所述调整后的人脸网格,得到畸变修正后的目标图像。
10.根据权利要求2所述的图像畸变修正方法,其特征在于,所述方法还包括:
将畸变修正后的每张目标图像实时显示在所述拍摄预览界面中,并在检测到拍摄指令时,将当前显示在所述拍摄预览界面中的目标图像作为拍摄图像并存储在所述电子设备中。
11.一种图像畸变修正装置,其特征在于,应用于电子设备,所述装置包括:
识别模块,用于对待修正图像进行人脸识别,得到所述待修正图像中至少两个人脸对应的人脸框信息和人脸关键点;
计算模块,用于根据识别到的每个人脸对应的人脸框信息确定所述待修正图像中的待修正人脸,并计算所述待修正人脸与摄像镜头的相对距离系数;
畸变修正模块,用于根据所述相对距离系数对所述待修正人脸进行畸变修正,得到畸变修正后的目标图像。
12.一种电子设备,其特征在于,所述电子设备包括一个或多个存储介质和一个或多个与存储介质通信的处理器,一个或多个存储介质存储有处理器可执行的机器可执行指令,当电子设备运行时,处理器执行所述机器可执行指令,以实现权利要求1-10中任意一项所述的图像畸变修正方法。
13.一种可读存储介质,其特征在于,所述可读存储介质存储有机器可执行指令,所述机器可执行指令被执行时实现权利要求1-10中任意一项所述的图像畸变修正方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910521767.1A CN110232667B (zh) | 2019-06-17 | 2019-06-17 | 图像畸变修正方法、装置、电子设备及可读存储介质 |
PCT/CN2019/102870 WO2020252910A1 (zh) | 2019-06-17 | 2019-08-27 | 图像畸变修正方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910521767.1A CN110232667B (zh) | 2019-06-17 | 2019-06-17 | 图像畸变修正方法、装置、电子设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110232667A true CN110232667A (zh) | 2019-09-13 |
CN110232667B CN110232667B (zh) | 2021-06-04 |
Family
ID=67860030
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910521767.1A Active CN110232667B (zh) | 2019-06-17 | 2019-06-17 | 图像畸变修正方法、装置、电子设备及可读存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN110232667B (zh) |
WO (1) | WO2020252910A1 (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110751602A (zh) * | 2019-09-20 | 2020-02-04 | 北京迈格威科技有限公司 | 基于人脸检测的保形畸变校正方法和装置 |
CN111008947A (zh) * | 2019-12-09 | 2020-04-14 | Oppo广东移动通信有限公司 | 图像处理方法和装置、终端设备及存储介质 |
CN111028161A (zh) * | 2019-11-22 | 2020-04-17 | 维沃移动通信有限公司 | 图像校正方法及电子设备 |
CN111080545A (zh) * | 2019-12-09 | 2020-04-28 | Oppo广东移动通信有限公司 | 人脸畸变校正方法、装置、终端设备和存储介质 |
CN111105367A (zh) * | 2019-12-09 | 2020-05-05 | Oppo广东移动通信有限公司 | 人脸畸变校正方法、装置、电子设备及存储介质 |
CN111158563A (zh) * | 2019-12-11 | 2020-05-15 | 青岛海信移动通信技术股份有限公司 | 电子终端及图片矫正方法 |
CN111325691A (zh) * | 2020-02-20 | 2020-06-23 | Oppo广东移动通信有限公司 | 图像校正方法、装置、电子设备和计算机可读存储介质 |
CN111337142A (zh) * | 2020-04-07 | 2020-06-26 | 北京迈格威科技有限公司 | 体温修正方法、装置及电子设备 |
CN112070021A (zh) * | 2020-09-09 | 2020-12-11 | 深圳数联天下智能科技有限公司 | 基于人脸检测的测距方法、测距系统、设备和存储介质 |
CN112927183A (zh) * | 2021-01-13 | 2021-06-08 | 上海商米科技集团股份有限公司 | 一种特定图像识别设备的镜头模块检测方法及系统 |
WO2022001806A1 (zh) * | 2020-06-28 | 2022-01-06 | 华为技术有限公司 | 图像变换方法和装置 |
WO2022001630A1 (en) * | 2020-06-29 | 2022-01-06 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Method and system for capturing at least one smart media |
CN115937010A (zh) * | 2022-08-17 | 2023-04-07 | 北京字跳网络技术有限公司 | 一种图像处理方法、装置、设备及介质 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114120391A (zh) * | 2021-10-19 | 2022-03-01 | 哈尔滨理工大学 | 一种多姿态人脸识别系统及其方法 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103208133A (zh) * | 2013-04-02 | 2013-07-17 | 浙江大学 | 一种图像中人脸胖瘦的调整方法 |
CN105046657A (zh) * | 2015-06-23 | 2015-11-11 | 浙江大学 | 一种图像拉伸畸变自适应校正方法 |
WO2016054989A1 (zh) * | 2014-10-10 | 2016-04-14 | 阿里巴巴集团控股有限公司 | 建立拍照模板数据库、提供拍照推荐信息的方法及装置 |
CN105554403A (zh) * | 2016-02-29 | 2016-05-04 | 广东欧珀移动通信有限公司 | 控制方法、控制装置及电子装置 |
CN105550671A (zh) * | 2016-01-28 | 2016-05-04 | 北京麦芯科技有限公司 | 一种人脸识别的方法及装置 |
CN105556508A (zh) * | 2013-08-04 | 2016-05-04 | 艾斯适配有限公司 | 虚拟镜子的装置、系统和方法 |
CN106131409A (zh) * | 2016-07-12 | 2016-11-16 | 京东方科技集团股份有限公司 | 图像处理方法及装置 |
CN106131532A (zh) * | 2015-05-06 | 2016-11-16 | Lg电子株式会社 | 移动终端及其控制方法 |
CN107124543A (zh) * | 2017-02-20 | 2017-09-01 | 维沃移动通信有限公司 | 一种拍摄方法及移动终端 |
CN107506693A (zh) * | 2017-07-24 | 2017-12-22 | 深圳市智美达科技股份有限公司 | 畸变人脸图像校正方法、装置、计算机设备和存储介质 |
CN108021852A (zh) * | 2016-11-04 | 2018-05-11 | 株式会社理光 | 一种人数统计方法、人数统计系统及电子设备 |
CN108357269A (zh) * | 2018-04-12 | 2018-08-03 | 电子科技大学中山学院 | 一种智能笔架 |
CN109447072A (zh) * | 2018-11-08 | 2019-03-08 | 北京金山安全软件有限公司 | 一种缩略图裁剪方法、装置、电子设备及可读存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103426149B (zh) * | 2013-07-24 | 2016-02-03 | 玉振明 | 大视角图像畸变的校正处理方法 |
CN106156692B (zh) * | 2015-03-25 | 2019-12-13 | 阿里巴巴集团控股有限公司 | 一种用于人脸边缘特征点定位的方法及装置 |
CN107358207A (zh) * | 2017-07-14 | 2017-11-17 | 重庆大学 | 一种矫正人脸图像的方法 |
CN109543495B (zh) * | 2017-09-22 | 2021-03-16 | 中国移动通信有限公司研究院 | 一种人脸关键点标注方法、装置、电子设备及存储介质 |
CN108470322B (zh) * | 2018-03-09 | 2022-03-18 | 北京小米移动软件有限公司 | 处理人脸图像的方法、装置及可读存储介质 |
-
2019
- 2019-06-17 CN CN201910521767.1A patent/CN110232667B/zh active Active
- 2019-08-27 WO PCT/CN2019/102870 patent/WO2020252910A1/zh active Application Filing
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103208133A (zh) * | 2013-04-02 | 2013-07-17 | 浙江大学 | 一种图像中人脸胖瘦的调整方法 |
CN105556508A (zh) * | 2013-08-04 | 2016-05-04 | 艾斯适配有限公司 | 虚拟镜子的装置、系统和方法 |
WO2016054989A1 (zh) * | 2014-10-10 | 2016-04-14 | 阿里巴巴集团控股有限公司 | 建立拍照模板数据库、提供拍照推荐信息的方法及装置 |
CN105574006A (zh) * | 2014-10-10 | 2016-05-11 | 阿里巴巴集团控股有限公司 | 建立拍照模板数据库、提供拍照推荐信息的方法及装置 |
CN106131532A (zh) * | 2015-05-06 | 2016-11-16 | Lg电子株式会社 | 移动终端及其控制方法 |
CN105046657A (zh) * | 2015-06-23 | 2015-11-11 | 浙江大学 | 一种图像拉伸畸变自适应校正方法 |
CN105550671A (zh) * | 2016-01-28 | 2016-05-04 | 北京麦芯科技有限公司 | 一种人脸识别的方法及装置 |
CN105554403A (zh) * | 2016-02-29 | 2016-05-04 | 广东欧珀移动通信有限公司 | 控制方法、控制装置及电子装置 |
CN106131409A (zh) * | 2016-07-12 | 2016-11-16 | 京东方科技集团股份有限公司 | 图像处理方法及装置 |
CN108021852A (zh) * | 2016-11-04 | 2018-05-11 | 株式会社理光 | 一种人数统计方法、人数统计系统及电子设备 |
CN107124543A (zh) * | 2017-02-20 | 2017-09-01 | 维沃移动通信有限公司 | 一种拍摄方法及移动终端 |
CN107506693A (zh) * | 2017-07-24 | 2017-12-22 | 深圳市智美达科技股份有限公司 | 畸变人脸图像校正方法、装置、计算机设备和存储介质 |
CN108357269A (zh) * | 2018-04-12 | 2018-08-03 | 电子科技大学中山学院 | 一种智能笔架 |
CN109447072A (zh) * | 2018-11-08 | 2019-03-08 | 北京金山安全软件有限公司 | 一种缩略图裁剪方法、装置、电子设备及可读存储介质 |
Non-Patent Citations (2)
Title |
---|
OSHIRO Y: ""Three-dimensional liver surgery simulation:computer-assisted surgical planning with three-dimensional software and three-dimensional printing"", 《TISSUE ENGINEERING PART A》 * |
程文冬 等: ""非约束条件下的驾驶人嘴唇检测方法"", 《长安大学学报》 * |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110751602A (zh) * | 2019-09-20 | 2020-02-04 | 北京迈格威科技有限公司 | 基于人脸检测的保形畸变校正方法和装置 |
CN110751602B (zh) * | 2019-09-20 | 2022-09-30 | 北京迈格威科技有限公司 | 基于人脸检测的保形畸变校正方法和装置 |
CN111028161B (zh) * | 2019-11-22 | 2024-04-05 | 维沃移动通信有限公司 | 图像校正方法及电子设备 |
CN111028161A (zh) * | 2019-11-22 | 2020-04-17 | 维沃移动通信有限公司 | 图像校正方法及电子设备 |
CN111105367A (zh) * | 2019-12-09 | 2020-05-05 | Oppo广东移动通信有限公司 | 人脸畸变校正方法、装置、电子设备及存储介质 |
CN111008947B (zh) * | 2019-12-09 | 2024-05-07 | Oppo广东移动通信有限公司 | 图像处理方法和装置、终端设备及存储介质 |
CN111080545A (zh) * | 2019-12-09 | 2020-04-28 | Oppo广东移动通信有限公司 | 人脸畸变校正方法、装置、终端设备和存储介质 |
CN111008947A (zh) * | 2019-12-09 | 2020-04-14 | Oppo广东移动通信有限公司 | 图像处理方法和装置、终端设备及存储介质 |
CN111080545B (zh) * | 2019-12-09 | 2024-03-12 | Oppo广东移动通信有限公司 | 人脸畸变校正方法、装置、终端设备和存储介质 |
CN111158563A (zh) * | 2019-12-11 | 2020-05-15 | 青岛海信移动通信技术股份有限公司 | 电子终端及图片矫正方法 |
CN111325691B (zh) * | 2020-02-20 | 2023-11-10 | Oppo广东移动通信有限公司 | 图像校正方法、装置、电子设备和计算机可读存储介质 |
CN111325691A (zh) * | 2020-02-20 | 2020-06-23 | Oppo广东移动通信有限公司 | 图像校正方法、装置、电子设备和计算机可读存储介质 |
CN111337142A (zh) * | 2020-04-07 | 2020-06-26 | 北京迈格威科技有限公司 | 体温修正方法、装置及电子设备 |
WO2022001806A1 (zh) * | 2020-06-28 | 2022-01-06 | 华为技术有限公司 | 图像变换方法和装置 |
WO2022001630A1 (en) * | 2020-06-29 | 2022-01-06 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Method and system for capturing at least one smart media |
CN112070021A (zh) * | 2020-09-09 | 2020-12-11 | 深圳数联天下智能科技有限公司 | 基于人脸检测的测距方法、测距系统、设备和存储介质 |
CN112927183A (zh) * | 2021-01-13 | 2021-06-08 | 上海商米科技集团股份有限公司 | 一种特定图像识别设备的镜头模块检测方法及系统 |
CN115937010B (zh) * | 2022-08-17 | 2023-10-27 | 北京字跳网络技术有限公司 | 一种图像处理方法、装置、设备及介质 |
CN115937010A (zh) * | 2022-08-17 | 2023-04-07 | 北京字跳网络技术有限公司 | 一种图像处理方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2020252910A1 (zh) | 2020-12-24 |
CN110232667B (zh) | 2021-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110232667A (zh) | 图像畸变修正方法、装置、电子设备及可读存储介质 | |
AU2017261537B2 (en) | Automated selection of keeper images from a burst photo captured set | |
WO2018219180A1 (zh) | 确定人脸图像质量的方法和装置、电子设备和计算机存储介质 | |
CN105474263B (zh) | 用于产生三维人脸模型的系统和方法 | |
EP3576017A1 (en) | Method, apparatus, and device for determining pose of object in image, and storage medium | |
US20210306559A1 (en) | Photographing methods and devices | |
US20090060383A1 (en) | Method of restoring closed-eye portrait photo | |
JP6688277B2 (ja) | プログラム、学習処理方法、学習モデル、データ構造、学習装置、および物体認識装置 | |
CN105120167A (zh) | 一种证照相机及证照拍摄方法 | |
US20190325564A1 (en) | Image blurring methods and apparatuses, storage media, and electronic devices | |
US8421877B2 (en) | Feature data compression device, multi-directional face detection system and detection method thereof | |
CN109788189A (zh) | 将相机与陀螺仪融合在一起的五维视频稳定化装置及方法 | |
WO2019200719A1 (zh) | 三维人脸模型生成方法、装置及电子设备 | |
WO2019011091A1 (zh) | 拍照提醒方法、装置、终端和计算机存储介质 | |
CN107566688A (zh) | 一种基于卷积神经网络的视频防抖方法及装置 | |
CN107689035A (zh) | 一种基于卷积神经网络的单应性矩阵确定方法及装置 | |
CN111182212B (zh) | 图像处理方法、装置、存储介质以及电子设备 | |
CN109120854B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
WO2021008205A1 (zh) | 图像处理 | |
CN105262944A (zh) | 用于利用自校准的自动聚焦的方法和系统 | |
CN108648280A (zh) | 虚拟角色驱动方法及装置、电子设备和存储介质 | |
WO2022083479A1 (zh) | 采集人脸图像的方法、装置及电子设备 | |
Chen et al. | Sound to visual: Hierarchical cross-modal talking face video generation | |
CN113487514A (zh) | 图像处理方法、装置、终端和可读存储介质 | |
CN110221626B (zh) | 一种跟拍控制方法、装置、计算机设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |