CN110263737A - 图像处理方法、图像处理装置、终端设备及可读存储介质 - Google Patents

图像处理方法、图像处理装置、终端设备及可读存储介质 Download PDF

Info

Publication number
CN110263737A
CN110263737A CN201910555786.6A CN201910555786A CN110263737A CN 110263737 A CN110263737 A CN 110263737A CN 201910555786 A CN201910555786 A CN 201910555786A CN 110263737 A CN110263737 A CN 110263737A
Authority
CN
China
Prior art keywords
face
image
processed
facial image
reference picture
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
CN201910555786.6A
Other languages
English (en)
Inventor
康健
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.)
Guangdong Oppo Mobile Telecommunications Corp Ltd
Original Assignee
Guangdong Oppo Mobile Telecommunications Corp 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 Guangdong Oppo Mobile Telecommunications Corp Ltd filed Critical Guangdong Oppo Mobile Telecommunications Corp Ltd
Priority to CN201910555786.6A priority Critical patent/CN110263737A/zh
Publication of CN110263737A publication Critical patent/CN110263737A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/77Retouching; Inpainting; Scratch removal
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168Feature extraction; Face representation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Image Processing (AREA)

Abstract

本申请提供了一种图像处理方法、图像处理装置、终端设备及可读存储介质,所述方法包括:获取包含待处理人脸的人脸图像,其中,所述待处理人脸中未包含有面部目标特征;获取包含有所述待处理人脸的面部目标特征的参考图像;将所述人脸图像以及所述参考图像输入至训练后的神经网络模型,通过所述训练后的神经网络模型将所述参考图像中包含的面部目标特征融合至所述人脸图像中的所述待处理人脸上,获得最终图像。本申请可以在一定程度上恢复图像中丢失的面部特征。

Description

图像处理方法、图像处理装置、终端设备及可读存储介质
技术领域
本申请属于计算机技术领域,尤其涉及一种图像处理方法、图像处理装置、终端设备及计算机可读存储介质。
背景技术
目前,终端设备在拍照时,往往会拍摄出丢失一些面部特征的图像(比如,由于距离拍摄人像过远,而导致面部模糊,或者,终端设备在拍照时,会利用自带的美颜处理功能,对图像进行美颜处理,导致用户的皮肤纹理,眼角细纹等特征丢失)。因此,如何恢复图像中丢失的面部特征是目前亟待解决的技术问题。
发明内容
有鉴于此,本申请提供了一种图像处理方法、图像处理装置、终端设备及计算机可读存储介质,可以在一定程度上恢复图像中丢失的面部特征。
本申请第一方面提供了一种图像处理方法,包括:
获取包含待处理人脸的人脸图像,其中,所述待处理人脸中未包含有面部目标特征;
获取包含有所述待处理人脸的面部目标特征的参考图像;
将所述人脸图像以及所述参考图像输入至训练后的神经网络模型,通过所述训练后的神经网络模型将所述参考图像中包含的面部目标特征融合至所述人脸图像中的所述待处理人脸上,获得最终图像。
本申请实施例的第二方面提供了一种图像处理装置,包括:
人脸图像获取模块,用于获取包含待处理人脸的人脸图像,其中,所述待处理人脸中未包含有面部目标特征;
参考图像获取模块,用于获取包含有所述待处理人脸的面部目标特征的参考图像;
人脸图像修正模块,用于将所述人脸图像以及所述参考图像输入至训练后的神经网络模型,通过所述训练后的神经网络模型将所述参考图像中包含的面部目标特征融合至所述人脸图像中的所述待处理人脸上,获得最终图像。
本申请第三方面提供了一种终端设备,包括存储器、处理器以及存储在上述存储器中并可在上述处理器上运行的计算机程序,上述处理器执行上述计算机程序时实现如上述第一方面方法的步骤。
本申请第四方面提供了一种计算机可读存储介质,上述计算机可读存储介质存储有计算机程序,上述计算机程序被处理器执行时实现如上述第一方面方法的步骤。
本申请第五方面提供了一种计算机程序产品,上述计算机程序产品包括计算机程序,上述计算机程序被一个或多个处理器执行时实现如上述第一方面方法的步骤。
由上可见,本申请提供了一种图像处理方法,包括如下步骤:首先获取一人脸图像,该人脸图像中包含有“不具备面部目标特征的待处理人脸”,比如,不具备面部细节特征的待处理人脸;其次,获取包含有“上述待处理人脸的面部目标特征”的参考图像,比如,获取具备面部细节特征的参考图像;最后,利用训练后的神经网络模型将该参考图像中包括的面部目标特征融合至上述待处理人脸上,得到最终图像。由此可见,本申请通过事先训练一神经网络模型(其中,该神经网络模型包括两个输入,分别是待处理的人脸图像以及参考图像,该神经网络模型被训练为用于将该参考图像中包含的面部目标特征融合至该人脸图像中),来实现恢复人脸图像中所缺失的面部特征。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,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它的附图。
图1是本申请实施例一提供的一种图像处理方法的实现流程示意图;
图2是本申请实施例一提供的用于展示参考图像的示意图;
图3是本申请实施例二提供的一种图像处理装置的结构示意图;
图4是本申请实施例三提供的终端设备的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
本申请实施例提供的图像处理方法可以适用于终端设备,示例性地,该终端设备包括但不限于:智能手机、平板电脑、桌上型计算机、智能穿戴设备等计算设备。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当进一步理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
另外,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
为了说明本申请所述的技术方案,下面通过具体实施例来进行说明。
实施例一
下面对本申请实施例一提供的图像处理方法进行描述,请参阅附图1,该图像处理方法包括:
在步骤S101中,获取包含待处理人脸的人脸图像,其中,该待处理人脸中未包含有面部目标特征;
在本申请实施例中,上述人脸图像可以是终端设备拍摄的由于未对焦至待处理人脸,而导致该待处理人脸较为模糊的图像,相应地,上述面部目标特征可以是面部的一些高频特征,比如,脸颊与脖子的衔接特征、皮肤纹理特征和/或眼角形状特征等;或者,上述待处理人脸可以是没有微笑的,相应地,上述面部目标特征为体现上述待处理人脸微笑特征的面部特征;或者,上述待处理人脸可以是经过美颜处理后的图像,通常情况下,美颜处理后的图像是缺乏面部细节特征的,因此,相应地,上述面部目标特征可以为面部细节特征,比如,皮肤纹理特征、嘴角细纹特征、毛孔特征和/或眼角细纹特征等(本领域技术人员应该能够理解,本申请所述的面部细节特征可以等同为面部的高频特征)。
该步骤S101可以具体包括:
步骤S1011、获取包含上述待处理人脸的初始人脸图像;
步骤S1012、检测上述待处理人脸是否具有面部目标特征;
步骤S1013、若不具有面部目标特征,则将上述初始人脸图像确定为上述人脸图像。
也即是,假设上述“面部目标特征”为“面部细节特征”,则,终端设备在获取到包含待处理人脸的初始人脸图像后,会首先检测该初始人脸图像中的待处理人脸是否包含有面部细节特征,比如,是否包含有皮肤纹理,若检测到包含未包含有上述皮肤纹理,则执行后续步骤S102。
在步骤S102中,获取包含有上述待处理人脸的面部目标特征的参考图像;
在本申请实施例中,该参考图像包含有上述人脸图像未包含的面部目标特征,本申请可以基于该参考图像所包含的面部目标特征,在步骤S101所述的人脸图像中增加面部目标特征,请本领域技术人员注意,添加至人脸图像中的面部目标特征可能是参考图像包含的一部分面部目标特征,比如,若上述“面部目标特征”为“面部细节特征”时,可以将参考图像包含的一部分“面部细节特征”添加至上述人脸图像中,并不一定要把参考图像中包含的全部“面部细节特征”添加至上述人脸图像中,本申请所述的面部细节特征包括:皮肤纹理特征、嘴角细纹特征、毛孔特征和/或眼角细纹特征等。
在本申请实施例中,比如,若上述人脸图像中的待处理人脸没有微笑,如图2中的人脸图像201,若希望将该待处理人脸修正为微笑状态时,则该步骤S102所述的参考图像应为包含该待处理人脸微笑特征的图像,该参考图像可以为图2中的图像202(图像202中包含完整的处于微笑状态的人脸),也可以为图2中的图像203(图像203中包含只包含处于微笑状态的眼睛和嘴巴)。
再比如,若上述步骤S101所述的人脸图像是美颜处理后的图像,通常情况下,美颜处理后的图像中,待处理人脸上是不存在细节的(比如,面部没有毛孔),因此,导致美颜处理后的图像非常不真实,若希望在该待处理人脸上添加少量细节,以提高美颜后图像的真实感时,则在该步骤S102中,需要获取包含有面部细节特征的参考图像,可选地,此时,该步骤S102所述的参考图像可以直接是美颜处理前的原图,从而通过后续步骤S103,可以将原图中的面部细节特征融合至待处理人脸上,以增强美颜后图像的真实感(但是,本领域技术人员应该注意,美颜处理前的原图往往具有较多的瑕疵,比如,斑点、痘痘以及较多的毛孔,在本申请实施例中,可以只提取少许瑕疵融合至美颜处理后的人脸图像中,以达到同时兼具人脸美观以及真实的效果)。
也即是,当上述步骤S101所述的人脸图像为美颜处理后的图像时,则相应地,上述步骤S101所述的面部目标特征包括面部细节特征,相应地,该步骤S102可以包括如下步骤:
步骤S1021、获取上述美颜处理前与上述人脸图像对应的图像(该图像可以在预设存储模块中查找),将获取到的该图像确定为包含有上述待处理人脸所述面部细节特征的参考图像。
上述步骤S1021即是将美颜处理前的原图作为参考图像。
此外,在本申请实施例一中,该步骤S102还可以具体为:
步骤S1022、提示用户输入包含有上述待处理人脸的面部目标特征的图像;
步骤S1023、将上述用户输入的该图像确定为上述参考图像。
上述步骤S1022-S1023即是直接提示用户输入包含面部目标特征的图像,然后,将该图像直接作为参考图像。
比如,终端设备可以提示用户“请输入包含面部细节特征的图像”,则用户可以输入该人脸的未修图,终端设备可将该未修图作为上述参考图像。
在本申请实施例一中,该步骤S102还可以为:
步骤S1024、对上述人脸图像中包含的上述待处理人脸进行人脸识别,得到上述待处理人脸的标识信息;
步骤S1025、根据上述标识信息,判断预设存储模块中,是否预先保存有与该标识信息对应的包含上述待处理人脸的面部目标特征的图像;
步骤S1026、若判断出预先保存有与上述标识信息对应的包含有上述待处理人脸的面部目标特征的图像,则将预先保存的该图像确定为上述参考图像。
也即是,比如,若希望获取的参考图像是包含上述待处理人脸面部细节特征的图像时,可以事先在预设存储模块中保存:小明---包含小明面部细节特征的图像1;小红---包含小红面部细节特征的图像2。当通过步骤S1025检测到步骤S101中的待处理人脸为小红时,则将预设保存的图像2作为参考图像。
在步骤S103中,将上述人脸图像以及上述参考图像输入至训练后的神经网络模型中,通过该神经网络模型将上述参考图像中包含的面部目标特征融合至上述人脸图像中的上述待处理人脸上,获得最终图像;
请本领域技术人员注意,训练后的神经网络模型并不是将参考图像中包含的所有面部目标特征都融合至人脸图像中的待处理人脸上。
在本申请实施例中,需要事先训练一能够实现特征融合的神经网络模型,该神经网络模型的训练过程如下:
步骤A、获取多张样本人脸图像,其中,每张样本人脸图像中均包含一不包含面部目标特征的人脸;
步骤B、对于每张样本人脸图像,获取包含该样本人脸图像中人脸的面部目标特征的样本参考图像,以及将该样本人脸图像中人脸的面部目标特征添加至该样本人脸图像后,得到的样本最终图像;
步骤C、对于每张样本人脸图像,将该样本人脸图像以及与该样本人脸图像对应的样本参考图像输入至上述神经网络模型中,得到该神经网络模型生成的与该样本人脸图像对应的生成图像;
步骤D、对于每张样本人脸图像,将与该样本人脸图像对应的样本最终图像以及与该样本人脸图像对应的生成图像进行比对,得到上述初始的神经网络模型的图像生成正确率;
调整上述神经网络模型的各个参数,并返回执行上述步骤C,直至该神经网络模型的生成正确率大于预设正确率为止。
由此可见,本申请实施例一通过事先训练一神经网络模型(其中,该神经网络模型包括两个输入,分别是待处理的人脸图像以及参考图像,该神经网络模型被训练为用于将该参考图像中包含的面部目标特征融合至该人脸图像中),来实现恢复人脸图像中所缺失的面部特征。因此,在一定程度上解决了如何恢复图像中丢失面部特征的技术问题。
实施例二
下面对本申请实施例二提供的图像处理装置进行描述,请参阅附图3,该图像处理装置300包括:
人脸图像获取模块301,用于获取包含待处理人脸的人脸图像,其中,该待处理人脸中未包含有面部目标特征;
参考图像获取模块302,用于获取包含有上述待处理人脸的面部目标特征的参考图像;
人脸图像修正模块303,用于将上述人脸图像以及上述参考图像输入至训练后的神经网络模型,通过该训练后的神经网络模型将上述参考图像中包含的面部目标特征融合至上述人脸图像中的上述待处理人脸上,获得最终图像。
可选地,上述人脸图像为对上述待处理人脸进行美颜处理后的图像,上述面部目标特征包括面部细节特征;
相应地,上述参考图像获取模块302,具体用于:
获取在上述美颜处理前与上述人脸图像对应的图像,将获取到的该图像确定为包含有上述待处理人脸的面部细节特征的参考图像。
可选地,上述参考图像获取模块302,包括:
提示单元,用于提示用户输入包含有上述待处理人脸的面部目标特征的图像;
第一参考图像确定单元,用于将上述用户输入的上述图像确定为上述参考图像。
可选地,上述参考图像获取模块302,包括:
人脸识别单元,用于对上述人脸图像中包含的上述待处理人脸进行人脸识别,得到上述待处理人脸的标识信息;
查找单元,用于根据上述标识信息,判断预设存储模块中,是否预先保存有与上述标识信息对应的包含上述待处理人脸的面部目标特征的图像;
第二参考图像确定单元,用于若判断出预先保存有与上述标识信息对应的包含有上述待处理人脸的面部目标特征的图像,则将预先保存的该图像确定为上述参考图像。
可选地,上述人脸图像获取模块301,包括:
初始图像获取单元,用于获取包含上述待处理人脸的初始人脸图像;
面部特征检测单元,用于检测上述待处理人脸是否具有面部目标特征;
人脸图像获取单元,用于若不具有面部目标特征,则将上述初始人脸图像确定为上述人脸图像。
可选地,采用训练模块来训练上述神经网络模型,该训练模块包括:
第一样本获取单元,用于获取多张样本人脸图像,其中,每张样本人脸图像中均包含一不包含面部目标特征的人脸;
第二样本获取单元,用于对于每张样本人脸图像,获取包含该样本人脸图像中人脸的面部目标特征的样本参考图像,以及将该样本人脸图像中人脸的面部目标特征添加至该样本人脸图像后,得到的样本最终图像;
输入单元,用于对于每张样本人脸图像,将该样本人脸图像以及与该样本人脸图像对应的样本参考图像输入至初始的神经网络模型中,得到该初始的神经网络模型生成的与该样本人脸图像对应的生成图像;
正确率计算单元,用于对于每张样本人脸图像,将与该样本人脸图像对应的样本最终图像以及与该样本人脸图像对应的生成图像进行比对,得到所述初始的神经网络模型的图像生成正确率;
参数调整单元,用于不断调整当前的神经网络模型的各个参数,并不断计算参数调整后的神经网络模型的生成正确率,直至参数调整后的神经网络模型的生成正确率大于预设正确率为止,则将该当前的神经网络模型确定为训练后的神经网络模型。
需要说明的是,上述装置/单元之间的信息交互、执行过程等内容,由于与本申请方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
实施例三
图4是本申请实施例三提供的终端设备的结构示意图。如图4所示,该实施例的终端设备400包括:处理器401、存储器402以及存储在所述存储器402中并可在所述处理器401上运行的计算机程序403。所述处理器401执行所述计算机程序403时实现上述各个方法实施例中的步骤,例如图1所示的步骤S101至S103。或者,所述处理器401执行所述计算机程序403时实现上述各装置实施例中各模块/单元的功能,例如图3所示模块301至303的功能。
示例性的,所述计算机程序303可以被分割成一个或多个模块/单元,上述一个或者多个模块/单元被存储在上述存储器302中,并由上述处理器301执行,以完成本申请。上述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述上述计算机程序303在上述终端设备300中的执行过程。例如,上述计算机程序303可以被分割成人脸图像获取模块、参考图像获取模块以及人脸图像修正模块,各模块具体功能如下:
获取包含待处理人脸的人脸图像,其中,所述待处理人脸中未包含有面部目标特征;
获取包含有所述待处理人脸的面部目标特征的参考图像;
将所述人脸图像以及所述参考图像输入至训练后的神经网络模型,通过所述训练后的神经网络模型将所述参考图像中包含的面部目标特征融合至所述人脸图像中的所述待处理人脸上,获得最终图像。
上述终端设备可包括,但不仅限于,处理器401、存储器402。本领域技术人员可以理解,图4仅仅是终端设备400的示例,并不构成对终端设备400的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如上述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器401可以是中央处理单元(Central Processing Unit,CPU),还可以是其它通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
上述存储器402可以是上述终端设备400的内部存储单元,例如终端设备400的硬盘或内存。上述存储器402也可以是上述终端设备400的外部存储设备,例如上述终端设备400上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)等。进一步地,上述存储器402还可以既包括上述终端设备400的内部存储单元也包括外部存储设备。上述存储器402用于存储上述计算机程序以及上述终端设备所需的其它程序和数据。上述存储器402还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将上述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
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申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,上述模块或单元的划分,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系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
上述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述各个方法实施例中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,上述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,上述计算机程序包括计算机程序代码,上述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。上述计算机可读介质可以包括:能够携带上述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,上述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上上述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。

Claims (10)

1.一种图像处理方法,其特征在于,包括:
获取包含待处理人脸的人脸图像,其中,所述待处理人脸中未包含有面部目标特征;
获取包含有所述待处理人脸的面部目标特征的参考图像;
将所述人脸图像以及所述参考图像输入至训练后的神经网络模型,通过所述训练后的神经网络模型将所述参考图像中包含的面部目标特征融合至所述人脸图像中的所述待处理人脸上,获得最终图像。
2.如权利要求1所述的图像处理方法,其特征在于,所述人脸图像为对所述待处理人脸进行美颜处理后的图像,所述面部目标特征包括面部细节特征;
相应地,所述获取包含有所述待处理人脸的面部目标特征的参考图像,包括:
获取在所述美颜处理前与所述人脸图像对应的图像,将获取到的该图像确定为包含有所述待处理人脸的面部细节特征的参考图像。
3.如权利要求1所述的图像处理方法,其特征在于,所述获取包含有所述待处理人脸的面部目标特征的参考图像,包括:
提示用户输入包含有所述待处理人脸的面部目标特征的图像;
将所述用户输入的所述图像确定为所述参考图像。
4.如权利要求1所述的图像处理方法,其特征在于,所述获取包含有所述待处理人脸的面部目标特征的参考图像,包括:
对所述人脸图像中包含的所述待处理人脸进行人脸识别,得到所述待处理人脸的标识信息;
根据所述标识信息,判断预设存储模块中,是否预先保存有与所述标识信息对应的包含所述待处理人脸的面部目标特征的图像;
若判断出预先保存有与所述标识信息对应的包含有所述待处理人脸的面部目标特征的图像,则将预先保存的该图像确定为所述参考图像。
5.如权利要求1至4中任一项所述的图像处理方法,其特征在于,所述获取包含待处理人脸的人脸图像,其中,所述待处理人脸中未包含有面部目标特征,包括:
获取包含所述待处理人脸的初始人脸图像;
检测所述待处理人脸是否具有面部目标特征;
若不具有面部目标特征,则将所述初始人脸图像确定为所述人脸图像。
6.如权利要求1至4中任一项所述的图像处理方法,其特征在于,所述神经网络模型的训练过程如下:
获取多张样本人脸图像,其中,每张样本人脸图像中均包含一不包含面部目标特征的人脸;
对于每张样本人脸图像,获取包含该样本人脸图像中人脸的面部目标特征的样本参考图像,以及将该样本人脸图像中人脸的面部目标特征添加至该样本人脸图像后,得到的样本最终图像;
对于每张样本人脸图像,将该样本人脸图像以及与该样本人脸图像对应的样本参考图像输入至初始的神经网络模型中,得到该初始的神经网络模型生成的与该样本人脸图像对应的生成图像;
对于每张样本人脸图像,将与该样本人脸图像对应的样本最终图像以及与该样本人脸图像对应的生成图像进行比对,得到所述初始的神经网络模型的图像生成正确率;
不断调整当前的神经网络模型的各个参数,并不断计算参数调整后的神经网络模型的生成正确率,直至参数调整后的神经网络模型的生成正确率大于预设正确率为止,则将该当前的神经网络模型确定为训练后的神经网络模型。
7.一种图像处理装置,其特征在于,包括:
人脸图像获取模块,用于获取包含待处理人脸的人脸图像,其中,所述待处理人脸中未包含有面部目标特征;
参考图像获取模块,用于获取包含有所述待处理人脸的面部目标特征的参考图像;
人脸图像修正模块,用于将所述人脸图像以及所述参考图像输入至训练后的神经网络模型,通过所述训练后的神经网络模型将所述参考图像中包含的面部目标特征融合至所述人脸图像中的所述待处理人脸上,获得最终图像。
8.如权利要求7所述的图像处理装置,其特征在于,所述人脸图像为对所述待处理人脸进行美颜处理后的图像,所述面部目标特征包括面部细节特征;
相应地,所述参考图像获取模块,具体用于:
获取所述美颜处理前与所述人脸图像对应的图像,将获取到的该图像确定为包含有所述待处理人脸的面部细节特征的参考图像。
9.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可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如权利要求1至6任一项所述方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述方法的步骤。
CN201910555786.6A 2019-06-25 2019-06-25 图像处理方法、图像处理装置、终端设备及可读存储介质 Pending CN110263737A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910555786.6A CN110263737A (zh) 2019-06-25 2019-06-25 图像处理方法、图像处理装置、终端设备及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910555786.6A CN110263737A (zh) 2019-06-25 2019-06-25 图像处理方法、图像处理装置、终端设备及可读存储介质

Publications (1)

Publication Number Publication Date
CN110263737A true CN110263737A (zh) 2019-09-20

Family

ID=67921374

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910555786.6A Pending CN110263737A (zh) 2019-06-25 2019-06-25 图像处理方法、图像处理装置、终端设备及可读存储介质

Country Status (1)

Country Link
CN (1) CN110263737A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111402157A (zh) * 2020-03-12 2020-07-10 维沃移动通信有限公司 一种图像处理方法及电子设备
CN111784611A (zh) * 2020-07-03 2020-10-16 厦门美图之家科技有限公司 人像美白方法、装置、电子设备和可读存储介质
CN113689324A (zh) * 2021-07-06 2021-11-23 清华大学 一种基于二分类标签的人像物件的自动增删方法及装置
CN115908119A (zh) * 2023-01-05 2023-04-04 广州佰锐网络科技有限公司 基于人工智能的人脸图像美颜处理方法及系统
WO2023143126A1 (zh) * 2022-01-30 2023-08-03 北京字跳网络技术有限公司 图像处理方法、装置、电子设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107492079A (zh) * 2017-08-28 2017-12-19 维沃移动通信有限公司 一种图像磨皮方法及移动终端
CN108537754A (zh) * 2018-04-12 2018-09-14 哈尔滨工业大学 基于形变引导图的人脸图像复原系统
CN108664782A (zh) * 2017-03-28 2018-10-16 三星电子株式会社 面部验证方法和设备
WO2019042080A1 (en) * 2017-08-29 2019-03-07 Hu Man Ren Gong Zhi Neng Ke Ji (Shanghai) Limited SYSTEM AND METHOD FOR PROCESSING IMAGE DATA
CN109816518A (zh) * 2019-01-04 2019-05-28 深圳壹账通智能科技有限公司 面核结果获取方法、装置、计算机设备和可读存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108664782A (zh) * 2017-03-28 2018-10-16 三星电子株式会社 面部验证方法和设备
CN107492079A (zh) * 2017-08-28 2017-12-19 维沃移动通信有限公司 一种图像磨皮方法及移动终端
WO2019042080A1 (en) * 2017-08-29 2019-03-07 Hu Man Ren Gong Zhi Neng Ke Ji (Shanghai) Limited SYSTEM AND METHOD FOR PROCESSING IMAGE DATA
CN108537754A (zh) * 2018-04-12 2018-09-14 哈尔滨工业大学 基于形变引导图的人脸图像复原系统
CN109816518A (zh) * 2019-01-04 2019-05-28 深圳壹账通智能科技有限公司 面核结果获取方法、装置、计算机设备和可读存储介质

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111402157A (zh) * 2020-03-12 2020-07-10 维沃移动通信有限公司 一种图像处理方法及电子设备
CN111402157B (zh) * 2020-03-12 2024-04-09 维沃移动通信有限公司 一种图像处理方法及电子设备
CN111784611A (zh) * 2020-07-03 2020-10-16 厦门美图之家科技有限公司 人像美白方法、装置、电子设备和可读存储介质
CN111784611B (zh) * 2020-07-03 2023-11-03 厦门美图之家科技有限公司 人像美白方法、装置、电子设备和可读存储介质
CN113689324A (zh) * 2021-07-06 2021-11-23 清华大学 一种基于二分类标签的人像物件的自动增删方法及装置
CN113689324B (zh) * 2021-07-06 2024-04-26 清华大学 一种基于二分类标签的人像物件的自动增删方法及装置
WO2023143126A1 (zh) * 2022-01-30 2023-08-03 北京字跳网络技术有限公司 图像处理方法、装置、电子设备及存储介质
CN115908119A (zh) * 2023-01-05 2023-04-04 广州佰锐网络科技有限公司 基于人工智能的人脸图像美颜处理方法及系统

Similar Documents

Publication Publication Date Title
CN110263737A (zh) 图像处理方法、图像处理装置、终端设备及可读存储介质
CN111368685B (zh) 关键点的识别方法、装置、可读介质和电子设备
US20230081645A1 (en) Detecting forged facial images using frequency domain information and local correlation
CN106682632B (zh) 用于处理人脸图像的方法和装置
CN108509915A (zh) 人脸识别模型的生成方法和装置
CN111552833A (zh) 智能双录方法、装置及存储介质
CN108470328A (zh) 用于处理图像的方法和装置
CN111414879B (zh) 人脸遮挡程度识别方法、装置、电子设备及可读存储介质
CN108388878A (zh) 用于识别人脸的方法和装置
CN111369427A (zh) 图像处理方法、装置、可读介质和电子设备
CN108230346A (zh) 用于分割图像语义特征的方法和装置、电子设备
CN111192201A (zh) 一种生成人脸图像及其模型训练的方法、装置及电子设备
CN110570383B (zh) 一种图像处理方法、装置、电子设备及存储介质
CN113505848B (zh) 模型训练方法和装置
CN107729928A (zh) 信息获取方法和装置
US20230036338A1 (en) Method and apparatus for generating image restoration model, medium and program product
CN109241934A (zh) 用于生成信息的方法和装置
CN109871791A (zh) 图像处理方法和装置
CN108446658A (zh) 用于识别人脸图像的方法和装置
CN115311178A (zh) 图像拼接方法、装置、设备及介质
CN115147261A (zh) 图像处理方法、装置、存储介质、设备及产品
CN111783677B (zh) 人脸识别方法、装置、服务器和计算机可读介质
CN114049290A (zh) 图像处理方法、装置、设备及存储介质
CN110619602B (zh) 一种图像生成方法、装置、电子设备及存储介质
CN109949213B (zh) 用于生成图像的方法和装置

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

Application publication date: 20190920