CN110363136A - 用于识别眼睛设定特征的方法、装置、电子设备、及介质 - Google Patents
用于识别眼睛设定特征的方法、装置、电子设备、及介质 Download PDFInfo
- Publication number
- CN110363136A CN110363136A CN201910630374.4A CN201910630374A CN110363136A CN 110363136 A CN110363136 A CN 110363136A CN 201910630374 A CN201910630374 A CN 201910630374A CN 110363136 A CN110363136 A CN 110363136A
- Authority
- CN
- China
- Prior art keywords
- image
- feature
- eyes
- eye
- identification model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 210000001508 eye Anatomy 0.000 title claims abstract description 309
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000012549 training Methods 0.000 claims abstract description 53
- 210000000744 eyelid Anatomy 0.000 claims abstract description 17
- 241000255789 Bombyx mori Species 0.000 claims abstract description 16
- 230000001815 facial effect Effects 0.000 claims description 26
- 238000004590 computer program Methods 0.000 claims description 9
- 238000010801 machine learning Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 12
- 238000012545 processing Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 241000406668 Loxodonta cyclotis Species 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 210000005252 bulbus oculi Anatomy 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000005291 magnetic effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000203 mixture Substances 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
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- 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
- G06V40/18—Eye characteristics, e.g. of the iris
- G06V40/197—Matching; Classification
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- Ophthalmology & Optometry (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本公开实施例公开了一种用于识别眼睛设定特征的方法、装置、电子设备、及存储介质，其中方法包括：获取目标对象的第一眼部图像和第二眼部图像；将第一眼部图像输入至预先训练的特征识别模型，获取特征识别模型的第一输出结果信息；将第二眼部图像进行镜面反射处理得到第二眼部镜面图像，将第二眼部镜面图像输入至所述特征识别模型，获取所述特征识别模型的第二输出结果信息，其中，所述输出结果信息用于表示眼部图像显示的内容具有所述设定特征的概率，本公开实施例的技术方案能够识别目标对象的眼睛具有设定特征的概率，例如是双眼皮的概率、以及是否有卧蚕的概率，能降低训练特征识别模型的复杂度，能提高识别眼睛设定特征的准确性。
Description
技术领域
本公开实施例涉及计算机技术领域，具体涉及一种用于识别眼睛设定特征的方法、装置、电子设备、及介质。
背景技术
随着用户终端(例如智能手机)拍照功能日益强大，人们可以随时随地拍摄图片，用户对拍摄图片的需求也越来越多，拍摄图片的目的也越来越广泛。例如，越来越多的用户喜欢使用用户终端来进行拍照，特别是有些爱美的用户喜欢美颜自拍。又如，一些用户在一些场合中还需要将当前的图片转化为不同的风格进行展示，如卡通形象、动漫形象、游戏形象等，用于通过其实人物和环境来拍摄动漫影像、游戏画面等。再如，有些应用的游戏环节需要对颜值进行打分。
进行美颜拍照时，有时需要根据用户需求进行修图或美颜拍摄，例如，若没有卧蚕可加上卧蚕，若为单眼皮可拍成双眼皮，或者相反操作。在用美颜相机生成虚拟形象时，会考虑用户的眼皮单双、是否有卧蚕，以生成相似的虚拟形象。再或者，游戏环节需要进行颜值打分时，眼睛是否是双眼皮、是否有卧蚕往往会作为重要的打分指标。
对于上述这些需求，识别图像中人物是否是双眼皮，以及识别人物是否有卧蚕，是第一步操作，因此，进行双眼皮的识别，是一个亟待解决的首要问题。
发明内容
有鉴于此，本公开实施例提供一种用于识别眼睛设定特征的方法、装置、电子设备、及介质，以识别目标对象的眼睛是否具有设定特征，例如识别眼睛是否是双眼皮和/或识别眼睛是否有卧蚕。
本公开实施例的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开实施例的实践而习得。
第一方面，本公开实施例提供了一种用于识别眼睛设定特征的方法，包括：
获取目标对象的第一眼部图像和第二眼部图像；
将所述第一眼部图像输入至预先训练的特征识别模型，获取所述特征识别模型的第一输出结果信息，其中，所述第一输出结果信息用于表示所述第一眼部图像显示的内容具有所述设定特征的概率；
将所述第二眼部图像进行镜面反射处理得到第二眼部镜面图像，将所述第二眼部镜面图像输入至所述特征识别模型，获取所述特征识别模型的第二输出结果信息，其中，所述第二输出结果信息用于表示所述第二眼部图像显示的内容具有所述设定特征的概率。
第二方面，本公开实施例还提供了一种用于识别眼睛设定特征的装置，包括：
眼部图像获取单元，用于获取目标对象的第一眼部图像和第二眼部图像；
第一眼部设定特征识别单元，用于将所述第一眼部图像输入至预先训练的特征识别模型，获取所述特征识别模型的第一输出结果信息，其中，所述第一输出结果信息用于表示所述第一眼部图像显示的内容具有所述设定特征的概率；
第二眼部设定特征识别单元，用于将所述第二眼部图像进行镜面反射处理得到第二眼部镜面图像，将所述第二眼部镜面图像输入至所述特征识别模型，获取所述特征识别模型的第二输出结果信息，其中，所述第二输出结果信息用于表示所述第二眼部图像显示的内容具有所述设定特征的概率。
第三方面，本公开实施例还提供了一种电子设备，包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
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第一方面中任一项所述方法的指令。
第四方面，本公开实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面中任一项所述方法的步骤。
本公开实施例提出的技术方案的有益技术效果是：
本公开实施例通过获取目标对象的第一眼部图像和第二眼部图像，分别将目标对象的第一眼部图像、以及第二眼部图像的镜面反射图像，输入用于识别单侧眼睛的特征识别模型，以获取目标对象的两只眼睛分别具有设定特征的概率，能降低特征识别模型的训练复杂度，能提高特征识别的准确性。
附图说明
为了更清楚地说明本公开实施例中的技术方案，下面将对本公开实施例描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本公开实施例中的一部分实施例，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，还可以根据本公开实施例的内容和这些附图获得其他的附图。
图1是本公开实施例提供的一种用于识别眼睛设定特征的方法的流程示意图；
图2是本公开实施例提供的另一种用于识别眼睛设定特征的方法的流程示意图；
图3是本公开实施例提供的一种特征识别模型的训练方法的流程示意图；
图4是本公开实施例提供的一种用于识别眼睛设定特征的装置的结构示意图；
图5是本公开实施例提供的一种特征识别模型的训练装置的结构示意图；
图6示出了适于用来实现本公开实施例的电子设备的结构示意图。
具体实施方式
为使本公开实施例解决的技术问题、采用的技术方案和达到的技术效果更加清楚，下面将结合附图对本公开实施例的技术方案作进一步的详细描述，显然，所描述的实施例仅仅是本公开实施例中的一部分实施例，而不是全部的实施例。基于本公开实施例中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本公开实施例保护的范围。
需要说明的是，本公开实施例中术语“系统”和“网络”在本文中常被可互换使用。本公开实施例中提到的“和/或”是指”包括一个或更多个相关所列项目的任何和所有组合。本公开的说明书和权利要求书及附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于限定特定顺序。
还需要说明是，本公开实施例中下述各个实施例可以单独执行，各个实施例之间也可以相互结合执行，本公开实施例对此不作具体限制。
下面结合附图并通过具体实施方式来进一步说明本公开实施例的技术方案。
图1示出了本公开实施例提供的一种用于识别眼睛设定特征的方法的流程示意图，本实施例可适用于根据目标对象的眼部图像分别判断两只眼睛对应的眼部图像中显示的内容是否具有设定特征的情况，该方法可以由配置于电子设备中的用于识别眼睛设定特征的装置来执行，如图1所示，本实施例所述的用于识别眼睛设定特征的方法包括：
在步骤S110中，获取目标对象的第一眼部图像和第二眼部图像。
所述眼部图像可以指显示有眼睛部分的图像，包括目标对象的左眼图像和右眼图像，称为第一眼部图像和第二眼部图像。
例如，可通过如下方式来获取目标对象的第一眼部图像和第二眼部图像：获取包括人脸的原始图像，获取所述原始图像中待识别的人脸图像；将所述人脸图像进行眼睛轮廓分析得到眼睛轮廓信息，根据所述眼睛轮廓信息对所述人脸图像进行裁剪，得到左眼图像和右眼图像分别作为所述第一眼部图像和所述第二眼部图像。
在步骤S120中，将所述第一眼部图像输入至预先训练的特征识别模型，获取所述特征识别模型的第一输出结果信息。
其中，所述设定特征为表征眼睛特点的特征或特征组合，例如所述设定特征可以是双眼皮，卧蚕或者双眼皮和卧蚕的结合。所述第一输出结果信息用于表示所述第一眼部图像显示的内容具有所述设定特征的概率。
所述特征识别模型可设置为仅用于识别左眼，也可设置为仅用于识别右眼。若特征识别模型用于识别左眼，所述第一眼部图像为所述目标对象的左眼图像，所述第二眼部图像为所述目标对象的右眼图像。若所述特征识别模型用于识别右眼，所述第一眼部图像为所述目标对象的右眼图像，所述第二眼部图像为所述目标对象的左眼图像。
在步骤S130中，将所述第二眼部图像进行镜面反射处理得到第二眼部镜面图像，将所述第二眼部镜面图像输入至所述特征识别模型，获取所述特征识别模型的第二输出结果信息。
其中，所述第二输出结果信息用于表示所述第二眼部图像显示的内容具有所述设定特征的概率。
本步骤与步骤S120大体相同，因为特征识别模型设置为用于识别左眼或右眼，所以需要将待识别的另外一只眼睛的图像(第二眼部图像)进行镜面反射处理后才可用该特征识别模型按照S120的步骤识别该第二眼部图像。
其中，步骤S110中，若通过获取原始图像中待识别的人脸图像，根据所述人脸图像进行裁剪，得到左眼图像和右眼图像分别作为所述第一眼部图像和所述第二眼部图像的情况，则所述人脸图像可以是从预先拍摄的包括人脸的图像中提取到，也可以是从实时获取摄像头采集到的照片中获取。若为后者，则获取包括人脸的原始图像，可通过获取摄像头采集到的照片，将所述照片缓存到缓冲区中作为所述原始图像。
获取所述特征识别模型输出的所述第一输出结果信息和所述第二输出结果信息之后，还可继续根据所述第一输出结果信息和所述第二输出结果信息，确定所述目标对象的左眼是否具有所述设定特征，以及确定所述目标对象的右眼是否具有所述设定特征。以及，在确定所述目标对象的左眼是否具有所述设定特征，以及确定所述目标对象的右眼是否具有所述设定特征之后，还可继续进行后续的其他应用，例如根据所确定的结果，对所述原始图像中待识别的人脸图像进行颜值打分，或者根据所确定的结果，对所述原始图像进行处理，以输出美颜照片或虚拟形象照片等。
需要说明的是，本实施例所述的用于识别眼睛设定特征的方法，可用于对已拍摄的包括人脸的照片进行事后识别分析，也可以在实时进行滤镜拍摄的过程中进行识别分析，以及时进行后续的图像处理，以拍摄出美颜照片或录相或虚拟形象照片或录相等。
本实施例要求所述特征识别模型能够在输入指定侧眼睛(例如指定左侧眼睛或指定右侧眼睛)的眼部图像后，得到用于表示所述眼部图像显示的内容具有所述设定特征的概率的输出结果信息，具体模型的训练方法和特点，本实施例对此不作限定，本实施例后面有一单独的示例性实施例，提供了一种特征识别模型的训练方法，可采用该方法或类似的方法训练本步骤要求的特征识别模型，也可对下述训练方法进行变形或适应性修改，只要能满足本步骤的要求即可。
需要说明的是，若该特征识别模型在模型训练时采用不区分左右侧的睛睛图像作为训练样本，其练模型的复杂度相对较高，而且有时候存在区别左右眼错误导致识别率不高的情况。
本实施例通过获取目标对象的第一眼部图像和第二眼部图像，分别将目标对象的第一眼部图像、以及第二眼部图像的镜面反射图像，输入用于识别单侧眼睛的特征识别模型，以获取目标对象的两只眼睛分别具有设定特征的概率，能降低特征识别模型的训练复杂度，能提高特征识别的准确性。
图2示出了本公开实施例提供的另一种用于识别眼睛设定特征的方法的流程示意图，本实施例以前述实施例为基础，进行了改进优化。如图2所示，本实施例所述的用于识别眼睛设定特征的方法包括：
在步骤S210中、获取包括人脸的原始图像，获取所述原始图像中待识别的人脸图像。
在步骤S220中、将所述人脸图像进行眼睛轮廓分析得到眼睛轮廓信息，根据所述眼睛轮廓信息对所述人脸图像进行裁剪，得到左眼图像和右眼图像分别作为第一眼部图像和第二眼部图像。
在步骤S230中、将所述第一眼部图像输入至预先训练的特征识别模型，获取所述特征识别模型的第一输出结果信息。
其中，所述第一输出结果信息用于表示所述第一眼部图像显示的内容具有所述设定特征的概率。
在步骤S240中、将所述第二眼部图像进行镜面反射处理得到第二眼部镜面图像，将所述第二眼部镜面图像输入至所述特征识别模型，获取所述特征识别模型的第二输出结果信息。
其中，所述第二输出结果信息用于表示所述第二眼部图像显示的内容具有所述设定特征的概率。
在步骤S250中、根据所述第一输出结果信息和所述第二输出结果信息，确定所述目标对象的左眼是否具有所述设定特征，以及确定所述目标对象的右眼是否具有所述设定特征。
例如可通过设定概率阈值进行确定，对所述设定特征，设定概率阈值，若第一输出结果信息大于所述概率阈值，则确定所述第一眼部图像对应的眼睛具所所述设定特征，否则确定所述第一眼部图像对应的眼睛具所所述设定特征。
同样地，第二输出结果信息大于所述概率阈值，则确定所述第二眼部图像对应的眼睛具所所述设定特征，否则确定所述第二眼部图像对应的眼睛具所所述设定特征。
需要说明的是，若所述设定特征包括多种特征，需要为分别每一征特征设定概率阈值。
例如设定双眼皮的概率阈值为70％，设定卧蚕的概率阈值为85％，需要分别确定各眼部图像对应的眼睛是否具有双眼皮是否具有卧蚕。
在步骤S260中、根据所确定的结果对所述原始图像进行处理，以输出美颜照片或虚拟形象照片，或者根据所确定的结果对所述原始图像中待识别的人脸图像进行颜值打分。
本公开实施例的技术方案，在上一实施例的基础上，示例性地公开了获取目标对象双眼的眼部图像的方法，以及进一步地根据特征识别模型的输出结果确定对应眼睛是否具有所述设定特征的方法，以及公开了几种应用所确定的结果的示例，提供了对包括人脸的图像的一种特征识别方式，为美颜拍照、生成虚拟形象、以及颜值打分提供了一种考量的视角。
图3是本公开实施例提供的一种特征识别模型的训练方法的流程示意图，如图3所示，本公开实施例所述的特征识别模型的训练方法包括：
在步骤S310中、获取训练样本集合，其中，训练样本包括属于同一侧的眼部图像和用于表示眼部图像显示的内容是否具有所述设定特征的标注信息。
在步骤S320中、确定初始化的特征识别模型，其中所述初始化的特征识别模型包括用于输出眼部图像显示的内容具有所述设定特征的概率的目标层。
在步骤S330中、利用机器学习的方法，将所述训练样本集合中的训练样本中的眼部图像作为初始化的特征识别模型的输入，将与输入的眼部图像对应的标注信息作为初始化的特征识别模型的期望输出，训练得到所述特征识别模型。
本实施例的技术方案公开了一种特征识别模型的训练方法，通过获取包括属于同一侧的眼部图像和用于表示眼部图像显示的内容是否具有所述设定特征的标注信息的多个训练本组成的训练样本集合，利用机器学习的方法，将所述训练样本集合中的训练样本中的眼部图像作为初始化的特征识别模型的输入，将与输入的眼部图像对应的标注所述眼部图像显示的内容是否具有所述设定特征作为初始化的特征识别模型的期望输出，训练得到所述特征识别模型，以用于在识别眼睛设定特征时，通过该方案得到的特征识别模型，生成眼部图像对应的具有所述设定特征的概率。
图4示出了本公开实施例提供的一种用于识别眼睛设定特征的装置的结构示意图，如图4所示，本实施例所述的用于识别眼睛设定特征的装置包括眼部图像获取单元410、第一眼部设定特征识别单元420和第二眼部设定特征识别单元430。
所述眼部图像获取单元410被配置为，用于获取目标对象的第一眼部图像和第二眼部图像。
所述第一眼部设定特征识别单元420被配置为，用于将所述第一眼部图像输入至预先训练的特征识别模型，获取所述特征识别模型的第一输出结果信息，其中，所述第一输出结果信息用于表示所述第一眼部图像显示的内容具有所述设定特征的概率。
所述第二眼部设定特征识别单元430被配置为，用于将所述第二眼部图像进行镜面反射处理得到第二眼部镜面图像，将所述第二眼部镜面图像输入至所述特征识别模型，获取所述特征识别模型的第二输出结果信息，其中，所述第二输出结果信息用于表示所述第二眼部图像显示的内容具有所述设定特征的概率。
所述特征为表征眼睛特点的特征或特征组合，例如所述设定特征可为双眼皮，卧蚕或者双眼皮和卧蚕的结合。
进一步地，所述眼部图像获取单元410被配置为，用于：
获取包括人脸的原始图像，获取所述原始图像中待识别的人脸图像；
将所述人脸图像进行眼睛轮廓分析得到眼睛轮廓信息，根据所述眼睛轮廓信息对所述人脸图像进行裁剪，得到左眼图像和右眼图像分别作为所述第一眼部图像和所述第二眼部图像。
于一实施例中，所述特征识别模型用于识别左眼，所述第一眼部图像为所述目标对象的左眼图像，所述第二眼部图像为所述目标对象的右眼图像；或
所述特征识别模型用于识别右眼，所述第一眼部图像为所述目标对象的右眼图像，所述第二眼部图像为所述目标对象的左眼图像。
于一实施例中，所述装置还包括设定特征确定单元(图4中未示出)，用于在获取所述第一输出结果信息和所述第二输出结果信息之后，根据所述第一输出结果信息和所述第二输出结果信息，确定所述目标对象的左眼是否具有所述设定特征，以及确定所述目标对象的右眼是否具有所述设定特征。
进一步地，所述眼部图像获取单元410获取包括人脸的原始图像包括：获取摄像头采集到的照片，将所述照片缓存到缓冲区中作为所述原始图像。
进一步地，所述装置还可包括图像处理单元(图4中未示出)，用于在确定所述目标对象的左眼是否具有所述设定特征，以及确定所述目标对象的右眼是否具有所述设定特征之后，根据所确定的结果，对所述原始图像进行处理，以输出美颜照片或虚拟形象照片；或者根据所确定的结果对所述原始图像中待识别的人脸图像进行颜值打分。
进一步地，所述第一眼部设定特征识别单元420和所述第二眼部设定特征识别单元430中所述特征识别模型通过特征识别模型的训练装置的各模块训练得到。
实施例提供的用于识别眼睛设定特征的装置可执行本公开方法实施例所提供的用于识别眼睛设定特征的方法，具备执行方法相应的功能模块和有益效果。
图5是本公开实施例提供的一种特征识别模型的训练装置的结构示意图，如图5所示，本实施例所述的特征识别模型的训练装置包括样本获取模块510、模型确定模块520和模型训练模块530。
所述样本获取模块510被配置为，用于获取训练样本集合，其中，训练样本包括属于同一侧的眼部图像和用于表示眼部图像显示的内容是否具有所述设定特征的标注信息；
所述模型确定模块520被配置为，用于确定初始化的特征识别模型，其中所述初始化的特征识别模型包括用于输出眼部图像显示的内容具有所述设定特征的概率的目标层；
所述模型训练模块530被配置为，用于利用机器学习的装置，将所述训练样本集合中的训练样本中的眼部图像作为初始化的特征识别模型的输入，将与输入的眼部图像对应的标注信息作为初始化的特征识别模型的期望输出，训练得到所述特征识别模型。
本实施例提供的特征识别模型的训练装置可执行本公开方法实施例所提供的特征识别模型的训练方法，具备执行方法相应的功能模块和有益效果。
下面参考图6，其示出了适于用来实现本公开实施例的电子设备600的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图6示出的电子设备仅仅是一个示例，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RAM 603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。
特别地，根据本公开实施例的实施例，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，本公开实施例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，执行本公开实施例的方法中限定的上述功能。
需要说明的是，本公开实施例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，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电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
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电子设备执行时，使得该电子设备：
获取目标对象的第一眼部图像和第二眼部图像；
将所述第一眼部图像输入至预先训练的特征识别模型，获取所述特征识别模型的第一输出结果信息，其中，所述第一输出结果信息用于表示所述第一眼部图像显示的内容具有所述设定特征的概率；
将所述第二眼部图像进行镜面反射处理得到第二眼部镜面图像，将所述第二眼部镜面图像输入至所述特征识别模型，获取所述特征识别模型的第二输出结果信息，其中，所述第二输出结果信息用于表示所述第二眼部图像显示的内容具有所述设定特征的概率。
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实施例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)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，图示了按照本公开实施例各种实施例的系统、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。其中，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，第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。
根据本公开的一个或多个实施例，所述用于识别眼睛设定特征的方法中，所述设定特征为双眼皮和/或卧蚕。
根据本公开的一个或多个实施例，获取目标对象的第一眼部图像和第二眼部图像包括：
获取包括人脸的原始图像，获取所述原始图像中待识别的人脸图像；
将所述人脸图像进行眼睛轮廓分析得到眼睛轮廓信息，根据所述眼睛轮廓信息对所述人脸图像进行裁剪，得到左眼图像和右眼图像分别作为所述第一眼部图像和所述第二眼部图像。
根据本公开的一个或多个实施例，所述特征识别模型用于识别左眼，所述第一眼部图像为所述目标对象的左眼图像，所述第二眼部图像为所述目标对象的右眼图像；或
所述特征识别模型用于识别右眼，所述第一眼部图像为所述目标对象的右眼图像，所述第二眼部图像为所述目标对象的左眼图像。
根据本公开的一个或多个实施例，所述用于识别眼睛设定特征的方法中，在获取所述第一输出结果信息和所述第二输出结果信息之后还包括，根据所述第一输出结果信息和所述第二输出结果信息，确定所述目标对象的左眼是否具有所述设定特征，以及确定所述目标对象的右眼是否具有所述设定特征。
根据本公开的一个或多个实施例，所述用于识别眼睛设定特征的方法中，获取包括人脸的原始图像包括：获取摄像头采集到的照片，将所述照片缓存到缓冲区中作为所述原始图像。
根据本公开的一个或多个实施例，所述用于识别眼睛设定特征的方法中，在确定所述目标对象的左眼是否具有所述设定特征，以及确定所述目标对象的右眼是否具有所述设定特征之后还包括：
根据所确定的结果对所述原始图像进行处理，以输出美颜照片或虚拟形象照片；或者
根据所确定的结果对所述原始图像中待识别的人脸图像进行颜值打分。
根据本公开的一个或多个实施例，所述特征识别模型通过如下步骤训练得到：
获取训练样本集合，其中，训练样本包括属于同一侧的眼部图像和用于表示眼部图像显示的内容是否具有所述设定特征的标注信息；
确定初始化的特征识别模型，其中所述初始化的特征识别模型包括用于输出眼部图像显示的内容具有所述设定特征的概率的目标层；
利用机器学习的方法，将所述训练样本集合中的训练样本中的眼部图像作为初始化的特征识别模型的输入，将与输入的眼部图像对应的标注信息作为初始化的特征识别模型的期望输出，训练得到所述特征识别模型。
根据本公开的一个或多个实施例，所述用于识别眼睛设定特征装置中，所述设定特征为双眼皮和/或卧蚕。
根据本公开的一个或多个实施例，所述用于识别眼睛设定特征装置中，所述眼部图像获取单元，用于：
获取包括人脸的原始图像，获取所述原始图像中待识别的人脸图像；
将所述人脸图像进行眼睛轮廓分析得到眼睛轮廓信息，根据所述眼睛轮廓信息对所述人脸图像进行裁剪，得到左眼图像和右眼图像分别作为所述第一眼部图像和所述第二眼部图像。
根据本公开的一个或多个实施例，所述用于识别眼睛设定特征装置中，所述特征识别模型用于识别左眼，所述第一眼部图像为所述目标对象的左眼图像，所述第二眼部图像为所述目标对象的右眼图像；或
所述特征识别模型用于识别右眼，所述第一眼部图像为所述目标对象的右眼图像，所述第二眼部图像为所述目标对象的左眼图像。
根据本公开的一个或多个实施例，所述用于识别眼睛设定特征装置还包括设定特征确定单元，用于在获取所述第一输出结果信息和所述第二输出结果信息之后，根据所述第一输出结果信息和所述第二输出结果信息，确定所述目标对象的左眼是否具有所述设定特征，以及确定所述目标对象的右眼是否具有所述设定特征。
根据本公开的一个或多个实施例，所述用于识别眼睛设定特征装置中，所述眼部图像获取单元获取包括人脸的原始图像包括：获取摄像头采集到的照片，将所述照片缓存到缓冲区中作为所述原始图像。
根据本公开的一个或多个实施例，所述装置还可包括图像处理单元，用于在确定所述目标对象的左眼是否具有所述设定特征，以及确定所述目标对象的右眼是否具有所述设定特征之后：
根据所确定的结果，对所述原始图像进行处理，以输出美颜照片或虚拟形象照片；或者
根据所确定的结果对所述原始图像中待识别的人脸图像进行颜值打分。
根据本公开的一个或多个实施例，设定特征识别单元中所述特征识别模型通过如下模块训练得到：
样本获取模块，用于获取训练样本集合，其中，训练样本包括属于同一侧的眼部图像和用于表示眼部图像显示的内容是否具有所述设定特征的标注信息；
模型确定模块，用于确定初始化的特征识别模型，其中所述初始化的特征识别模型包括用于输出眼部图像显示的内容具有所述设定特征的概率的目标层；
模型训练模块，用于利用机器学习的装置，将所述训练样本集合中的训练样本中的眼部图像作为初始化的特征识别模型的输入，将与输入的眼部图像对应的标注信息作为初始化的特征识别模型的期望输出，训练得到所述特征识别模型。
以上描述仅为本公开实施例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，本公开实施例中所涉及的公开范围，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公开构思的情况下，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实施例中公开的(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 (11)
1.一种用于识别眼睛设定特征的方法，其特征在于，包括：
获取目标对象的第一眼部图像和第二眼部图像；
将所述第一眼部图像输入至预先训练的特征识别模型，获取所述特征识别模型的第一输出结果信息，其中，所述第一输出结果信息用于表示所述第一眼部图像显示的内容具有所述设定特征的概率；
将所述第二眼部图像进行镜面反射处理得到第二眼部镜面图像，将所述第二眼部镜面图像输入至所述特征识别模型，获取所述特征识别模型的第二输出结果信息，其中，所述第二输出结果信息用于表示所述第二眼部图像显示的内容具有所述设定特征的概率。
2.根据权利要求1所述的方法，其特征在于，所述设定特征为双眼皮和/或卧蚕。
3.根据权利要求1所述的方法，其特征在于，获取目标对象的第一眼部图像和第二眼部图像包括：
获取包括人脸的原始图像，获取所述原始图像中待识别的人脸图像；
将所述人脸图像进行眼睛轮廓分析得到眼睛轮廓信息，根据所述眼睛轮廓信息对所述人脸图像进行裁剪，得到左眼图像和右眼图像分别作为所述第一眼部图像和所述第二眼部图像。
4.根据权利要求3所述的方法，其特征在于，所述特征识别模型用于识别左眼，所述第一眼部图像为所述目标对象的左眼图像，所述第二眼部图像为所述目标对象的右眼图像；或
所述特征识别模型用于识别右眼，所述第一眼部图像为所述目标对象的右眼图像，所述第二眼部图像为所述目标对象的左眼图像。
5.根据权利要求4所述的方法，其特征在于，在获取所述第一输出结果信息和所述第二输出结果信息之后还包括，根据所述第一输出结果信息和所述第二输出结果信息，确定所述目标对象的左眼是否具有所述设定特征，以及确定所述目标对象的右眼是否具有所述设定特征。
6.根据权利要求5所述的方法，其特征在于，获取包括人脸的原始图像包括：
获取摄像头采集到的照片，将所述照片缓存到缓冲区中作为所述原始图像。
7.根据权利要求6所述的方法，其特征在于，在确定所述目标对象的左眼是否具有所述设定特征，以及确定所述目标对象的右眼是否具有所述设定特征之后还包括：
根据所确定的结果对所述原始图像进行处理，以输出美颜照片或虚拟形象照片；或者
根据所确定的结果对所述原始图像中待识别的人脸图像进行颜值打分。
8.根据权利要求1-7之一所述的方法，其特征在于，所述特征识别模型通过如下步骤训练得到：
获取训练样本集合，其中，训练样本包括属于同一侧的眼部图像和用于表示眼部图像显示的内容是否具有所述设定特征的标注信息；
确定初始化的特征识别模型，其中所述初始化的特征识别模型包括用于输出眼部图像显示的内容具有所述设定特征的概率的目标层；
利用机器学习的方法，将所述训练样本集合中的训练样本中的眼部图像作为初始化的特征识别模型的输入，将与输入的眼部图像对应的标注信息作为初始化的特征识别模型的期望输出，训练得到所述特征识别模型。
9.一种用于识别眼睛设定特征装置，其特征在于，包括：
眼部图像获取单元，用于获取目标对象的第一眼部图像和第二眼部图像；
第一眼部设定特征识别单元，用于将所述第一眼部图像输入至预先训练的特征识别模型，获取所述特征识别模型的第一输出结果信息，其中，所述第一输出结果信息用于表示所述第一眼部图像显示的内容具有所述设定特征的概率；
第二眼部设定特征识别单元，用于将所述第二眼部图像进行镜面反射处理得到第二眼部镜面图像，将所述第二眼部镜面图像输入至所述特征识别模型，获取所述特征识别模型的第二输出结果信息，其中，所述第二输出结果信息用于表示所述第二眼部图像显示的内容具有所述设定特征的概率。
10.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
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1-8中任一项所述方法的指令。
11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-8任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910630374.4A CN110363136A (zh) | 2019-07-12 | 2019-07-12 | 用于识别眼睛设定特征的方法、装置、电子设备、及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910630374.4A CN110363136A (zh) | 2019-07-12 | 2019-07-12 | 用于识别眼睛设定特征的方法、装置、电子设备、及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110363136A true CN110363136A (zh) | 2019-10-22 |
Family
ID=68219231
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910630374.4A Pending CN110363136A (zh) | 2019-07-12 | 2019-07-12 | 用于识别眼睛设定特征的方法、装置、电子设备、及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110363136A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110969120A (zh) * | 2019-11-29 | 2020-04-07 | 北京达佳互联信息技术有限公司 | 图像处理方法及装置、电子设备、可读存储介质 |
| CN115526888A (zh) * | 2022-11-17 | 2022-12-27 | 博奥生物集团有限公司 | 眼图数据识别方法、装置、存储介质及电子设备 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102708575A (zh) * | 2012-05-17 | 2012-10-03 | 彭强 | 基于人脸特征区域识别的生活化妆容设计方法及系统 |
| CN102831176A (zh) * | 2012-07-30 | 2012-12-19 | 东莞宇龙通信科技有限公司 | 推荐好友的方法及服务器 |
| CN102844766A (zh) * | 2011-04-20 | 2012-12-26 | 中国科学院自动化研究所 | 基于人眼图像的多特征融合身份识别方法 |
| CN108090450A (zh) * | 2017-12-20 | 2018-05-29 | 深圳和而泰数据资源与云技术有限公司 | 人脸识别方法和装置 |
| CN108288024A (zh) * | 2017-12-20 | 2018-07-17 | 深圳和而泰数据资源与云技术有限公司 | 人脸识别方法及装置 |
| CN108632535A (zh) * | 2018-07-26 | 2018-10-09 | 维沃移动通信有限公司 | 一种图像处理方法及移动终端 |
-
2019
- 2019-07-12 CN CN201910630374.4A patent/CN110363136A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102844766A (zh) * | 2011-04-20 | 2012-12-26 | 中国科学院自动化研究所 | 基于人眼图像的多特征融合身份识别方法 |
| CN102708575A (zh) * | 2012-05-17 | 2012-10-03 | 彭强 | 基于人脸特征区域识别的生活化妆容设计方法及系统 |
| CN102831176A (zh) * | 2012-07-30 | 2012-12-19 | 东莞宇龙通信科技有限公司 | 推荐好友的方法及服务器 |
| CN108090450A (zh) * | 2017-12-20 | 2018-05-29 | 深圳和而泰数据资源与云技术有限公司 | 人脸识别方法和装置 |
| CN108288024A (zh) * | 2017-12-20 | 2018-07-17 | 深圳和而泰数据资源与云技术有限公司 | 人脸识别方法及装置 |
| CN108632535A (zh) * | 2018-07-26 | 2018-10-09 | 维沃移动通信有限公司 | 一种图像处理方法及移动终端 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110969120A (zh) * | 2019-11-29 | 2020-04-07 | 北京达佳互联信息技术有限公司 | 图像处理方法及装置、电子设备、可读存储介质 |
| CN110969120B (zh) * | 2019-11-29 | 2024-01-12 | 北京达佳互联信息技术有限公司 | 图像处理方法及装置、电子设备、可读存储介质 |
| CN115526888A (zh) * | 2022-11-17 | 2022-12-27 | 博奥生物集团有限公司 | 眼图数据识别方法、装置、存储介质及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11973732B2 (en) | Messaging system with avatar generation | |
| CN110766777B (zh) | 虚拟形象的生成方法、装置、电子设备及存储介质 | |
| CN110827379A (zh) | 虚拟形象的生成方法、装置、终端及存储介质 | |
| CN111210510B (zh) | 三维人脸模型生成方法、装置、计算机设备及存储介质 | |
| WO2018033137A1 (zh) | 在视频图像中展示业务对象的方法、装置和电子设备 | |
| CN110245612A (zh) | 人脸图像的检测方法和装置 | |
| CN107683497A (zh) | 信息处理设备、信息处理方法及程序 | |
| US11455765B2 (en) | Method and apparatus for generating virtual avatar | |
| WO2020248900A1 (zh) | 全景视频的处理方法、装置及存储介质 | |
| CN110796721A (zh) | 虚拟形象的颜色渲染方法、装置、终端及存储介质 | |
| CN112527115B (zh) | 用户形象生成方法、相关装置及计算机程序产品 | |
| CN109635757B (zh) | 活体检测方法、装置、电子设备及存储介质 | |
| CN110321845A (zh) | 一种从视频中提取表情包的方法、装置及电子设备 | |
| CN109919244A (zh) | 用于生成场景识别模型的方法和装置 | |
| CN110349107A (zh) | 图像增强的方法、装置、电子设备、及存储介质 | |
| CN110363136A (zh) | 用于识别眼睛设定特征的方法、装置、电子设备、及介质 | |
| CN109286848B (zh) | 一种终端视频信息的交互方法、装置及存储介质 | |
| CN110349161A (zh) | 图像分割方法、装置、电子设备、及存储介质 | |
| CN110489659A (zh) | 数据匹配方法和装置 | |
| CN109600559A (zh) | 一种视频特效添加方法、装置、终端设备及存储介质 | |
| CN114697759B (zh) | 虚拟形象视频生成方法及其系统、电子设备、存储介质 | |
| CN115661912A (zh) | 图像处理方法、模型训练方法、电子设备及可读存储介质 | |
| CN108537149B (zh) | 图像处理方法、装置、存储介质及电子设备 | |
| CN114049674A (zh) | 一种三维人脸重建方法、装置及存储介质 | |
| CN110414345A (zh) | 卡通图像生成方法、装置、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 |