CN110688948A - 视频中人脸性别变换方法、装置、电子设备和存储介质 - Google Patents
视频中人脸性别变换方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN110688948A CN110688948A CN201910918051.5A CN201910918051A CN110688948A CN 110688948 A CN110688948 A CN 110688948A CN 201910918051 A CN201910918051 A CN 201910918051A CN 110688948 A CN110688948 A CN 110688948A
- Authority
- CN
- China
- Prior art keywords
- face
- gender
- image
- video
- frame image
- 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 169
- 230000001131 transforming effect Effects 0.000 title claims description 48
- 238000006243 chemical reaction Methods 0.000 claims abstract description 309
- 238000012545 processing Methods 0.000 claims abstract description 141
- 230000009466 transformation Effects 0.000 claims description 51
- 230000015654 memory Effects 0.000 claims description 21
- 238000000605 extraction Methods 0.000 claims description 12
- 239000000126 substance Substances 0.000 claims description 2
- 230000008569 process Effects 0.000 description 101
- 210000004709 eyebrow Anatomy 0.000 description 33
- 210000001508 eye Anatomy 0.000 description 28
- 210000000887 face Anatomy 0.000 description 28
- 230000000694 effects Effects 0.000 description 16
- 230000001815 facial effect Effects 0.000 description 14
- 230000006870 function Effects 0.000 description 14
- 230000008859 change Effects 0.000 description 13
- 238000005516 engineering process Methods 0.000 description 12
- 210000000720 eyelash Anatomy 0.000 description 11
- 238000010586 diagram Methods 0.000 description 8
- 230000002087 whitening effect Effects 0.000 description 8
- 230000004927 fusion Effects 0.000 description 7
- 238000009499 grossing Methods 0.000 description 7
- 238000010801 machine learning Methods 0.000 description 7
- 230000008901 benefit Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 210000001061 forehead Anatomy 0.000 description 4
- 210000004209 hair Anatomy 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 210000000697 sensory organ Anatomy 0.000 description 4
- 230000008719 thickening Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 230000001960 triggered effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 238000007493 shaping process Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 206010044613 Trichomegaly Diseases 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 208000019737 familial isolated trichomegaly Diseases 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 210000001747 pupil Anatomy 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009469 supplementation Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/165—Detection; Localisation; Normalisation using facial parts and geometric relationships
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
-
- 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
- G06T2207/10016—Video; Image sequence
-
- 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
- Engineering & Computer Science (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Geometry (AREA)
- Image Processing (AREA)
- Processing Or Creating Images (AREA)
Abstract
本申请公开了视频中人脸性别变换方法、装置、电子设备和存储介质，涉及图像处理和终端技术领域。具体实现方案为：在确定视频的第一帧图像中包含目标人脸时，对第一帧图像进行关键点提取，确定第一帧图像对应的关键点集；若参考人脸库中包含与目标人脸匹配的参考人脸，则向图形处理器发送性别变换指令，性别变换指令中包括参考人脸对应的性别变换模式、第一帧图像及关键点集，以使图形处理器依据参考人脸对应的性别变换模式，利用关键点集对第一帧图像中的目标人脸进行性别变换，其中，参考人脸库中包括已经完成性别变换的人脸图像及对应的性别变换模式；获取图形处理器返回的性别变换后的第二帧图像。该方案能够保证处理后的视频画面帧的连续性较佳。并且，可以实现对视频中的人脸进行实时处理，改善用户的使用体验。
Description
技术领域
本申请涉及图像处理和终端技术领域，尤其涉及一种视频中人脸性别变换方法、装置、电子设备和存储介质。
背景技术
目前，短视频类、视频直播类的应用(Application，简称APP)受到越来越多用户的广泛使用。在这些应用中，与人脸相关的交互类应用占比很大，诸如人脸美妆(加眼影、腮红、唇彩、假睫毛等)、人脸的精准塑形(修改人脸全部或者局部五官的位置、形状)、人脸相关的2D/3D贴纸道具、人脸表情促发特效动画、视频内的多人换脸等等。
相关技术中，人脸图像性别变换处理方式，主要是通过采用神经网络模型实现的。这种方式下，计算量较大，处理速度慢、且对视频数据进行处理时，当相邻帧图像间差异较大时，得到的处理后的图像连续性较差。
发明内容
本申请旨在至少在一定程度上解决相关技术中的技术问题之一。
本申请提出一种视频中人脸性别变换方法、装置、电子设备和存储介质，以实现保证处理后的视频画面帧的连续性较佳，并且，可以实现对视频中的人脸进行实时处理，改善用户的使用体验。
本申请第一方面实施例提出了一种视频中人脸性别变换方法，包括：
在确定视频的第一帧图像中包含目标人脸时，对所述第一帧图像进行关键点提取，确定所述第一帧图像对应的关键点集；
若参考人脸库中包含与所述目标人脸匹配的参考人脸，则向图形处理器发送性别变换指令，所述性别变换指令中包括所述参考人脸对应的性别变换模式、所述第一帧图像及所述关键点集，以使所述图形处理器依据所述参考人脸对应的性别变换模式，利用所述关键点集对所述第一帧图像中的目标人脸进行性别变换，其中，参考人脸库中包括已经完成性别变换的人脸图像及对应的性别变换模式；
获取所述图形处理器返回的性别变换后的第二帧图像。
本申请第二方面实施例提出了另一种视频中人脸性别变换方法，包括：
获取中央处理器发送的性别变换指令，其中，所述性别变换指令中包括第一帧图像及对应的关键点集；
若所述性别变换指令中包括三角剖分模式，则依据所述三角剖分模式，根据所述关键点集将所述第一帧图像进行三角剖分，确定所述第一帧图像中的各人脸关键区域；
根据所述性别变换指令中的目标性别变换模式，将各人脸关键区域进行特征调整处理，以生成人脸性别变换后的第二帧图像；
将所述第二帧图像返回给所述中央处理器。
本申请第三方面实施例提出了一种视频中人脸性别变换装置，包括：
提取模块，用于在确定视频的第一帧图像中包含目标人脸时，对所述第一帧图像进行关键点提取，确定所述第一帧图像对应的关键点集；
发送模块，用于若参考人脸库中包含与所述目标人脸匹配的参考人脸，则向图形处理器发送性别变换指令，所述性别变换指令中包括所述参考人脸对应的性别变换模式、所述第一帧图像及所述关键点集，以使所述图形处理器依据所述参考人脸对应的性别变换模式，利用所述关键点集对所述第一帧图像中的目标人脸进行性别变换，其中，参考人脸库中包括已经完成性别变换的人脸图像及对应的性别变换模式；
获取模块，用于获取所述图形处理器返回的性别变换后的第二帧图像。
本申请第四方面实施例提出了另一种视频中人脸性别变换装置，包括：
获取模块，用于获取中央处理器发送的性别变换指令，其中，所述性别变换指令中包括第一帧图像及对应的关键点集；
剖分模块，用于若所述性别变换指令中包括三角剖分模式，则依据所述三角剖分模式，根据所述关键点集将所述第一帧图像进行三角剖分，确定所述第一帧图像中的各人脸关键区域；
调整模块，用于根据所述性别变换指令中的目标性别变换模式，将各人脸关键区域进行特征调整处理，以生成人脸性别变换后的第二帧图像；
发送模块，用于将所述第二帧图像返回给所述中央处理器。
本申请第五方面实施例提出了一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本申请第一方面实施例提出的视频中人脸性别变换方法，或者，执行本申请第二方面实施例提出的视频中人脸性别变换方法。
本申请第六方面实施例提出了一种计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行本申请第一方面实施例提出的视频中人脸性别变换方法，或者，执行本申请第二方面实施例提出的视频中人脸性别变换方法。
上述申请中的一个实施例具有如下优点或有益效果：
通过在确定视频的第一帧图像中包含目标人脸时，对第一帧图像进行关键点提取，确定第一帧图像对应的关键点集；若参考人脸库中包含与目标人脸匹配的参考人脸，则向图形处理器发送性别变换指令，性别变换指令中包括参考人脸对应的性别变换模式、第一帧图像及关键点集，以使图形处理器依据参考人脸对应的性别变换模式，利用关键点集对第一帧图像中的目标人脸进行性别变换，其中，参考人脸库中包括已经完成性别变换的人脸图像及对应的性别变换模式；获取图形处理器返回的性别变换后的第二帧图像。由此，依据视频中之前完成性别变换的人脸图像对应的性别变换模式，对第一帧图像进行人脸变化处理，可以保证在同一性别变换模式下，同一人脸对应的处理方式相同，从而保证处理后的视频画面帧的连续性较佳。并且，采用GPU对视频中的人脸进行了多步处理，可以使得视频中相同人脸的一致性较高，而且，GPU的处理速度较快，可以实现对视频中的人脸进行实时处理，改善用户的使用体验。
上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定，本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解。其中：
图1为本申请实施例一所提供的视频中人脸性别变换方法的流程示意图；
图2为本申请实施例二所提供的视频中人脸性别变换方法的流程示意图；
图3为本申请实施例三所提供的视频中人脸性别变换方法的流程示意图；
图4为本申请实施例四所提供的视频中人脸性别变换方法的流程示意图；
图5为本申请实施例五所提供的视频中人脸性别变换装置的结构示意图；
图6为本申请实施例六所提供的视频中人脸性别变换装置的结构示意图；
图7为本申请实施例七所提供的视频中人脸性别变换装置的结构示意图；
图8为本申请实施例八所提供的视频中人脸性别变换装置的结构示意图；
图9为本申请实施例九所提供的电子设备的结构示意图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
下面参考附图描述本申请实施例的视频中人脸性别变换方法、装置、移动终端和可读存储介质。
图1为本申请实施例一所提供的视频中人脸性别变换方法的流程示意图。
本申请实施例以该视频中人脸性别变换方法被配置于视频中人脸性别变换装置中来举例说明，该视频中人脸性别变换装置可以应用于任一电子设备中，以使该电子设备可以执行视频中人脸性别变换功能。
其中，电子设备例如可以为个人电脑(Personal Computer，简称PC)、云端设备、移动设备、服务器等，移动设备例如可以为手机、平板电脑、个人数字助理、穿戴式设备等具有各种操作系统、触摸屏和/或显示屏的硬件设备。
如图1所示，该视频中人脸性别变换方法可以包括以下步骤：
步骤101，在确定视频的第一帧图像中包含目标人脸时，对第一帧图像进行关键点提取，确定第一帧图像对应的关键点集。
本申请实施例中，视频中人脸性别变换装置具体可以应用于电子设备的中央处理器(Central processing unit，简称CPU)中。即本申请实施例的执行主体可以为CPU。
本申请实施例中，视频可以为实时采集的视频，或者，视频还可以为电子设备本地存储的视频，即本申请中，可以在电子设备上实时处理输入的视频，比如当应用于短视频、视频直播类等应用中，可对采集的视频进行实时处理，当然，也可以在电子设备上离线处理视频来制作影视特效，本申请对此并不做限制。
本申请实施例中，目标人脸可根据用户的实际应用需求进行确定，比如，当用户想要将视频中的男性人脸转换为女性人脸时，目标人脸具体可指与男性特征匹配的人脸，而当用户想要将视频中的女性人脸转换为男性人脸时，目标人脸具体可指与女性特征匹配的人脸，从而后续可以将该目标人脸转换为符合用户需求的人脸，以满足用户的个性化需求。
本申请实施例中，可以基于人脸识别技术，判断视频帧中是否存在人脸，当视频帧中存在人脸时，可以基于人脸性别识别技术，识别该人脸是否为目标人脸。当确定视频的第一帧图像中包含目标人脸时，可以基于人脸关键点检测技术，对第一帧图像进行关键点提取，生成第一帧图像对应的关键点集。
步骤102，若参考人脸库中包含与目标人脸匹配的参考人脸，则向图形处理器发送性别变换指令，性别变换指令中包括参考人脸对应的性别变换模式、第一帧图像及关键点集，以使图形处理器依据参考人脸对应的性别变换模式，利用关键点集对第一帧图像中的目标人脸进行性别变换，其中，参考人脸库中包括已经完成性别变换的人脸图像及对应的性别变换模式。
本申请实施例中，当对视频帧中的人脸进行性别变换处理后，CPU可以将已经完成性别变换处理的人脸图像存储至参考人脸库中。当CPU确定参考人脸库中包含与目标人脸匹配的参考人脸时，表明该视频中，在第一帧图像之前存在已经完成性别变换的视频帧，即该第一帧图像并非视频中性别变换处理的第一帧视频图像，比如可以为第二帧需性别变换处理的图像、第三帧需性别变换处理的图像等等。为了使得处理后的图像的连续性较好，CPU可以向图形处理器(Graphics Processing Unit，简称CPU)发送性别变换指令，其中，性别变换指令中包括参考人脸对应的性别变换模式、第一帧图像及关键点集，以使GPU依据参考人脸对应的性别变换模式，利用关键点集对第一帧图像中的目标人脸进行性别变换。
也就是说，当第一帧图像并非为视频中性别变换处理的第一帧视频图像时，可以依据视频中之前完成性别变换的人脸图像对应的性别变换模式，利用关键点集对第一帧图像中的目标人脸进行性别变换。例如，可以根据关键点集确定各人脸关键区域，其中，人脸关键区域可以是按五官划分的区域，比如额头、眉毛、眼睛、下巴、嘴巴区域等等，或者，人脸关键区域还可以指男性与女性特征不同的区域，比如下巴、两腮、鼻部区域、鼻下区域等等。在确定各人脸关键区域后，可以根据上述性别变换模式，对各人脸关键区域进行特征调整处理，以生成性别变换后的图像，本申请中记为第二帧图像。
可以理解的是，不同的人脸关键区域对应的特征调整处理方式可以不同，并且，同一人脸关键区域在不同的性别变换模式下，对应的特征调整处理方式也可以不同。
举例而言，当性别变换模式为男性变女性模式时，通常情况下，女性的脸部更加白净光滑、脸型下巴更尖、脸的宽度更窄、眉毛一般更细等等，因此，下巴区域对应的特征调整处理可以包括下巴变尖处理，唇部区域对应的特征调整处理可以包括添加唇彩处理，鼻下区域或胡须区域对应的特征调整处理可以包括磨皮处理，鼻子区域对应的特征调整处理可以包括鼻翼添加阴影、鼻梁高光处理，眼睛区域对应的特征调整处理可以包括眼睛变大处理，睫毛区域对应的特性变化处理可以包括睫毛变长处理，眉毛区域对应的特征调整处理可以包括眉毛变细处理，两腮区域对应的特征调整处理可以包括添加腮红处理，脸部区域对应的特征调整处理可以包括美白处理、光滑处理、脸型调整处理等等，此处不一一列举。相反地，当性别变换模式为女性变男性模式时，通常情况下，男性的脸型下巴较宽、脸的宽度更宽、眉毛较粗、留有胡须等等，因此，下巴区域对应的特征调整处理可以包括下巴变宽处理，胡须区域对应的特征调整处理可以包括添加胡须处理，眼睛区域对应的特征调整处理可以包括眼睛变小处理，眉毛区域对应的特征调整处理可以包括眉毛变粗处理，等等，此处不一一列举。
需要说明的是，现有技术中，采用神经网络模型实现人脸性别变换处理，这种方式下，由于机器学习方法对有差异的图像学习后，生成的新的人脸图像必然是不同的，即当两帧输入图像存在差别时，输出图像肯定会存在差异性，比如，当性别变换模式为男性变女性模式时，处理的相邻帧图像稍有差异diffA，通过神经网络进行计算预测生成新的人脸图像会因为这个差异diffA而产生新的差异diffB，而diffB会比diffA差异更大，效果比较难控制，容易导致生成视频相邻帧的效果连续性较差。
而本申请实施例中，依据视频中之前完成性别变换的人脸图像对应的性别变换模式，对该第一帧图像进行人脸变化处理，可以保证在同一性别变换模式下，同一人脸对应的处理方式相同，例如，各人脸关键区域对应的特征调整处理方式相同，从而保证处理后的视频画面帧的连续性较佳，比如，第一帧视频帧贴了胡子，而第二帧视频帧也仅贴了胡子，同时还会对脸型有同样系数的调整，从而保证处理的视频画面的连续性较佳，改善用户的使用体验。
也就是说，本申请中，是直接在原有图像基础上，对人脸进行美妆、美白、脸型调整等处理的，提升处理后图像效果的真实性，且同一人脸的处理规则相同，从而使得处理后的图像连续性较好。即本申请中，对视频中某一人脸完成性别变换后，记录该人脸的处理规则，之后再出现该人脸时，即可采用相同的处理规则进行处理，从而使得视频中相同人脸的一致性较高，保证处理后的视频画面帧的连续性较佳。
步骤103，获取图形处理器返回的性别变换后的第二帧图像。
本申请实施例中，当GPU对该第一帧图像处理，生成性别变换后第二帧图像后，GPU可以向CPU发送该第二帧图像，相应的，CPU可以获取GPU返回的性别变换后的第二帧图像。
本申请实施例的视频中人脸性别变换方法，通过在确定视频的第一帧图像中包含目标人脸时，对第一帧图像进行关键点提取，确定第一帧图像对应的关键点集；若参考人脸库中包含与目标人脸匹配的参考人脸，则向图形处理器发送性别变换指令，性别变换指令中包括参考人脸对应的性别变换模式、第一帧图像及关键点集，以使图形处理器依据参考人脸对应的性别变换模式，利用关键点集对第一帧图像中的目标人脸进行性别变换，其中，参考人脸库中包括已经完成性别变换的人脸图像及对应的性别变换模式；获取图形处理器返回的性别变换后的第二帧图像。由此，依据视频中之前完成性别变换的人脸图像对应的性别变换模式，对第一帧图像进行人脸变化处理，可以保证在同一性别变换模式下，同一人脸对应的处理方式相同，从而保证处理后的视频画面帧的连续性较佳。并且，采用GPU对视频中的人脸进行了多步处理，可以使得视频中相同人脸的一致性较高，而且，GPU的处理速度较快，可以实现对视频中的人脸进行实时处理，改善用户的使用体验。
作为一种可能的实现方式，当第一帧图像为视频中性别变换处理的第一帧视频图像时，即参考人脸库中并未包含与该目标人脸匹配的参考人脸，此时，GPU无法依据之前处理的规则，对该第一帧图像进行处理。这时，GPU可以对关键点集进行三角剖分处理，之后根据三角剖分结果，对各人脸关键区域行特征调整处理，以生成人脸性别变换后的第二帧图像。下面结合实施例二，对上述过程进行详细说明。
图2为本申请实施例二所提供的视频中人脸性别变换方法的流程示意图。
如图2所示，该视频中人脸性别变换方法具体可以包括以下步骤：
步骤201，在确定视频的第一帧图像中包含目标人脸时，对第一帧图像进行关键点提取，确定第一帧图像对应的关键点集。
步骤201的执行过程可以参见上述实施例中步骤101的执行过程，在此不做赘述。
步骤202，判断参考人脸库中是否包含与目标人脸匹配的参考人脸，若是，执行步骤206-207，若否，执行步骤203-205。
本申请实施例中，参考人脸与目标人脸匹配，是指参考人脸与目标人脸的匹配度达到预设阈值，该预设阈值可以为电子设备的内置程序预先设置的，或者，还可以由用户进行设置，对此不作限制，比如，该预设阈值可以为85％。
步骤203，向图形处理器发送性别变换指令，其中，性别变换指令中包括：原性别、目标性别、第一帧图像及关键点集，以使图形处理器利用关键点集，对目标人脸进行性别变换。
本申请实施例中，性别变换指令对应的原性别和目标性别可由用户进行设置，比如，用户在应用电子设备中的人脸性别变换功能时，电子设备显示界面可以具有性别转换功能选项，用户可通过触发相应的功能选项，来触发性别变换请求，比如，界面可以具有男变女选项，以及女变男选项，当用户触发男变女选项后，可以触发性别变换请求，该变换请求中的原性别为男，目标性别为女。从而当CPU确定参考人脸库中未包含与目标人脸匹配的参考人脸时，向GPU发送的性别变换指令中可以包含原性别及目标性别。
本申请实施例中，当参考人脸库中未包含与目标人脸匹配的参考人脸时，CPU可以向GPU发送性别变换指令，相应的，当GPU接收到该性别变换指令后，可以根据关键点集中的关键点，对第一帧图像进行三角剖分，确定第一帧图像中各人脸关键区域，之后，根据性别变换指令中的原性别及目标性别，确定待处理的人脸关键区域，其中，待处理的人脸关键区域具体可指男性和女性特征不同的区域，比如眉毛、下巴、两腮、鼻下区域等。之后，可以对待处理的人脸关键区域进行特征变换处理，以生成人脸性别变换后的第二帧图像。其中，三角剖分方式可以根据自身需求进行设置，可以为相关技术中的任一三角剖分方式，本申请对此并不作限制。
可以理解的是，不同的待处理的人脸关键区域对应的特征变换处理方式可以不同，并且，同一待处理的人脸关键区域在不同的原性别和目标性别下，对应的特征变换处理方式也可以不同。
例如，当原性别为男性，目标性别为女性时，通常情况下，女性的脸部更加白净光滑、脸型下巴更尖、脸的宽度更窄、眉毛一般更细等等，因此，眉毛区域对应的特征变换处理可以包括眉毛变细处理，两腮区域对应的特征变换处理可以包括添加腮红处理，眼睛区域对应的特征变换处理可以包括眼睛变大处理，睫毛区域对应的特性变化处理可以包括睫毛变长处理，鼻子区域对应的特征变换处理可以包括鼻翼加阴影、鼻梁高光处理，胡须区域对应的特征变换处理可以包括磨皮处理，下巴区域对应的特征变换处理可以包括下巴变尖处理，脸部区域对应的特征变换处理可以包括美白处理、光滑处理、脸型调整处理等等，此处不一一列举。而当原性别女性，目标性别为男性时，通常情况下，男性的脸型下巴较宽、脸的宽度更宽、眉毛较粗、留有胡须等等，因此，眉毛区域对应的特征变换处理可以包括眉毛变粗处理，眼睛区域对应的特征变换处理可以包括眼睛变小处理，胡须区域对应的特征变换处理可以包括添加胡须处理，下巴区域对应的特征变换处理可以包括下巴变宽处理，等等，此处不一一列举。
步骤204，获取图形处理器返回的性别变换后的第二帧图像及目标人脸对应的性别变换模式。
本申请实施例中，当GPU完成对目标人脸进行性别变换后，可以将性别变换后的第二帧图像以及目标人脸对应的性别变化模式，发送至CPU，相应的，CPU可以接收该GPU发送的第二帧图像以及目标人脸对应的性别变换模式。
步骤205，将目标人脸及对应的性别变换模式存入参考人脸库中。
本申请实施例中，CPU可以将目标人脸以及对应的性别变换模式存入参考人脸库，从而后续可以根据参考人脸库中人脸对应的性别变换模式，对视频中的同一人脸进行变换处理，即记录同一人脸的处理规则，之后再出现该人脸时，即可采用相同的处理规则进行处理。
进一步地，GPU向CPU发送目标人脸的对应的性别变换模式后，还可以将目标人脸以及对应的三角剖分模式发送至CPU，相应的CPU可以获取该GPU返回的目标人脸及对应的三角剖分模式，并将目标人脸及对应的三角剖分模式存入至参考人脸库中，由此，后续可以采用相同的三角剖分模式，对同一人脸进行处理，保证对同一人脸三角剖分方式相同，从而使得视频帧画面间一致性。
步骤206，向图形处理器发送性别变换指令，性别变换指令中包括参考人脸对应的性别变换模式、第一帧图像及关键点集，以使图形处理器依据参考人脸对应的性别变换模式，利用关键点集对第一帧图像中的目标人脸进行性别变换，其中，参考人脸库中包括已经完成性别变换的人脸图像及对应的性别变换模式。
本申请实施例中，性别变换指令中还可以包括与参考人脸对应三角剖分模式，GPU可以依据该三角剖分模式，根据关键点集将第一帧图像进行三角剖分，确定第一帧图像中的各人脸关键区域，其中，人脸关键区域可以是按五官划分的区域，比如额头、眉毛、眼睛、下巴、嘴巴区域等等，或者，人脸关键区域还可以指男性与女性特征不同的区域，比如下巴、两腮、鼻部区域、鼻下区域等等。在确定各人脸关键区域后，可以根据上述性别变换模式，对各人脸关键区域进行特征调整处理，以生成性别变换后的图像，本申请中记为第二帧图像。
步骤207，获取图形处理器返回的性别变换后的第二帧图像。
本申请实施例中，当GPU完成对目标人脸进行性别变换后，可以将性别变换后的第二帧图像发送至CPU，相应的，CPU可以接收该GPU发送的第二帧图像。
本申请实施例的视频中人脸性别变换方法，对于同一视频，采用相同的三角剖分模式，虽然同一人脸在每一帧图像中的位置可能会发生变化，但是，脸部各个区域脸型调整的参数是一样的，同样的脸部三角形区域对应的美妆纹理贴图纹理坐标不变，可以使得脸型调整的结果稳定、流畅以及真实，同时，保证了三角剖分的一致性，使得视频帧画面间的一致性。
作为一种可能的实现方式，性别变换模式可根据用户需求进行确定，以满足用户的个性化需求。比如，用户在应用电子设备中的人脸性别变换功能时，电子设备显示界面可以具有性别转换功能选项，用户可通过触发相应的功能选项，来触发性别变换请求，比如，界面可以具有男变女选项，以及女变男选项，当用户触发男变女选项后，可以触发性别变换请求，该变换请求中的原性别为男，目标性别为女。相应的，CPU可以获取人脸图像性别变换请求，其中，性别变换请求中包括原性别及目标性别。从而针对步骤101或者步骤201，CPU可以对视频中的第一帧图像进行人脸识别，确定第一帧图像中包含的与原性别特征匹配的目标人脸。
本申请实施例中，可以基于人脸性别识别技术，确定第一帧图像中包含的与原性别特征匹配的目标人脸，比如，可以采用经过训练的机器学习模型，对第一帧图像进行识别，确定该第一帧图像中是否存在与原性别特征匹配的目标人脸。其中，机器学习模型的训练过程可以包括：预先采集不同的样本图像，并对样本图像中人脸的性别进行标注，利用标注后的样本图像对初始的机器学习模型进行训练。
为了实现上述实施例，本申请还提出一种视频中人脸性别变换方法。
图3为本申请实施例三所提供的视频中人脸性别变换方法的流程示意图。
如图3所示，该视频中人脸性别变换方法可以包括以下步骤：
步骤301，获取中央处理器发送的性别变换指令，其中，性别变换指令中包括第一帧图像及对应的关键点集。
本申请实施例的执行主体可以为GPU。
本申请实施例中，CPU在确定视频的第一帧图像中包含目标人脸时，可以对第一帧图像进行关键点提取，确定第一帧图像对应的关键点集，之后，CPU可以确定参考人脸库中是否包含与目标人脸匹配的参考人脸，若若参考人脸库中包含与目标人脸匹配的参考人脸，则CPU可以向图形处理器发送性别变换指令，相应的，GPU可以获取CPU发送的性别变换指令，其中，性别变换指令中包括第一帧图像及对应的关键点集。
其中，目标人脸可根据用户的实际应用需求进行确定，比如，当用户想要将视频中的男性人脸转换为女性人脸时，目标人脸具体可指与男性特征匹配的人脸，而当用户想要将视频中的女性人脸转换为男性人脸时，目标人脸具体可指与女性特征匹配的人脸，从而后续可以将该目标人脸转换为符合用户需求的人脸，以满足用户的个性化需求。CPU可以基于人脸识别技术，判断视频帧中是否存在人脸，当视频帧中存在人脸时，可以基于人脸性别识别技术，识别该人脸是否为目标人脸。当确定视频的第一帧图像中包含目标人脸时，CPU可以基于关键点检测技术，对第一帧图像进行关键点提取，生成第一帧图像对应的关键点集。
本申请实施例中，当对视频帧中的人脸进行性别变换处理后，CPU可以将已经完成性别变换处理的人脸图像存储至参考人脸库中。当CPU确定参考人脸库中包含与目标人脸匹配的参考人脸时，表明该视频中，在第一帧图像之前存在已经完成性别变换的视频帧，即该第一帧图像并非视频中性别变换处理的第一帧视频图像，比如可以为第二帧需性别变换处理的图像、第三帧需性别变换处理的图像等等。为了使得处理后的图像的连续性较好，CPU可以向GPU发送性别变换指令，其中，性别变换指令中包括第一帧图像及对应的关键点集。
步骤302，若性别变换指令中包括三角剖分模式，则依据三角剖分模式，根据关键点集将第一帧图像进行三角剖分，确定第一帧图像中的各人脸关键区域。
本申请实施例中，人脸关键区域可以是按五官划分的区域，比如额头、眉毛、眼睛、下巴、嘴巴区域等等，或者，人脸关键区域还可以指男性与女性特征不同的区域，比如下巴、两腮、鼻部区域、鼻下区域等等。
本申请实施例中，当参考人脸库中包含与目标人脸匹配的参考人脸时，三角剖分模式具体可以指与参考人脸对应的三角剖分模式，
本申请实施例中，GPU可以依据性别变换指令中包括三角剖分模式，根据关键点集将第一帧图像进行三角剖分，确定第一帧图像中的各人脸关键区域。由此，对于同一视频，采用相同的三角剖分模式，虽然同一人脸在每一帧图像中的位置会发生变化，但是，脸部各个区域脸型调整的参数是一样的，同样的脸部三角形区域对应的美妆纹理贴图纹理坐标不变，可以使得脸型调整的结果稳定、流畅以及真实，同时，保证了三角剖分的一致性，使得视频帧画面间的一致性。
步骤303，根据性别变换指令中的目标性别变换模式，将各人脸关键区域进行特征调整处理，以生成人脸性别变换后的第二帧图像。
本申请实施例中，在确定各人脸关键区域后，可以根据性别变换指令中的目标性别变换模式，将各人脸关键区域进行特征调整处理，以生成性别变换后的图像，本申请中记为第二帧图像。
可以理解的是，不同的人脸关键区域对应的特征调整处理方式可以不同，并且，同一人脸关键区域在不同的目标性别变换模式下，对应的特征调整处理方式也可以不同。
举例而言，当目标性别变换模式为男性变女性模式时，通常情况下，女性的脸部更加白净光滑、脸型下巴更尖、脸的宽度更窄、眉毛一般更细等等，因此，下巴区域对应的特征调整处理可以包括下巴变尖处理，唇部区域对应的特征调整处理可以包括添加唇彩处理，鼻下区域或胡须区域对应的特征调整处理可以包括磨皮处理，鼻子区域对应的特征调整处理可以包括鼻翼添加阴影、鼻梁高光处理，眼睛区域对应的特征调整处理可以包括眼睛变大处理，睫毛区域对应的特性变化处理可以包括睫毛变长处理，眉毛区域对应的特征调整处理可以包括眉毛变细处理，两腮区域对应的特征调整处理可以包括添加腮红处理，脸部区域对应的特征调整处理可以包括美白处理、光滑处理、脸型调整处理等等，此处不一一列举。相反地，当目标性别变换模式为女性变男性模式时，通常情况下，男性的脸型下巴较宽、脸的宽度更宽、眉毛较粗、留有胡须等等，因此，下巴区域对应的特征调整处理可以包括下巴变宽处理，胡须区域对应的特征调整处理可以包括添加胡须处理，眼睛区域对应的特征调整处理可以包括眼睛变小处理，眉毛区域对应的特征调整处理可以包括眉毛变粗处理，等等，此处不一一列举。
步骤304，将第二帧图像返回给中央处理器。
本申请实施例中，当GPU对该第一帧图像处理，生成性别变换后第二帧图像后，GPU可以向CPU发送该第二帧图像。
本申请实施例的视频中人脸性别变换方法，通过获取中央处理器发送的性别变换指令，其中，性别变换指令中包括第一帧图像及对应的关键点集；若性别变换指令中包括三角剖分模式，则依据三角剖分模式，根据关键点集将第一帧图像进行三角剖分，确定第一帧图像中的各人脸关键区域；根据性别变换指令中的目标性别变换模式，将各人脸关键区域进行特征调整处理，以生成人脸性别变换后的第二帧图像；将第二帧图像返回给中央处理器。由此，采用GPU对视频中的人脸进行了多步处理，可以使得视频中相同人脸的一致性较高，而且，GPU的处理速度较快，可以对视频中的人脸进行实时处理，改善用户的使用体验。
作为一种可能的实现方式，当第一帧图像为视频中性别变换处理的第一帧视频图像时，即参考人脸库中并未包含与该目标人脸匹配的参考人脸，此时，GPU无法依据之前处理的规则，对该第一帧图像进行处理。这时，GPU可以对关键点集进行三角剖分处理，之后根据三角剖分结果，对各人脸关键区域行特征调整处理，以生成人脸性别变换后的第二帧图像。下面结合实施例四，对上述过程进行详细说明。
图4为本申请实施例四所提供的视频中人脸性别变换方法的流程示意图。
如图4所示，该视频中人脸性别变换方法具体可以包括以下步骤：
步骤401，获取中央处理器发送的性别变换指令，其中，性别变换指令中包括第一帧图像及对应的关键点集。
步骤402，判断性别变换指令中是否包括三角剖分模式，若是，执行步骤403-405，若否，执行步骤406-408。
步骤403，依据三角剖分模式，根据关键点集将第一帧图像进行三角剖分，确定第一帧图像中的各人脸关键区域。
步骤404，根据性别变换指令中的目标性别变换模式，将各人脸关键区域进行特征调整处理，以生成人脸性别变换后的第二帧图像。
步骤405，将第二帧图像返回给中央处理器。
步骤401至405的执行过程可以参见上述实施例中步骤301至304的执行过程，在此不做赘述。
步骤406，根据关键点集中的关键点，对第一帧图像进行三角剖分，确定第一帧图像中的各人脸关键区域。
本申请实施例中，当性别变换之后中未包括三角剖分模式时，即第一帧图像为视频中性别变换处理的第一帧视频图像时，GPU无法依据之前处理的规则，对该第一帧图像进行处理。这时，GPU可以根据关键点集中的关键点，对第一帧图像进行三角剖分，确定第一帧图像中各人脸关键区域。其中，三角剖分方式可以根据自身需求进行设置，可以为相关技术中的任一三角剖分方式，本申请对此并不作限制。
步骤407，根据性别变换指令中的原性别及目标性别，确定待处理的人脸关键区域。
本申请实施例中，性别变换指令中的原性别及目标性别可由用户进行设置，比如，用户在应用电子设备中的人脸性别变换功能时，电子设备显示界面可以具有性别转换功能选项，用户可通过触发相应的功能选项，来触发性别变换请求，比如，界面可以具有男变女选项，以及女变男选项，当用户触发男变女选项后，可以触发性别变换请求，该变换请求中的原性别为男，目标性别为女。从而当CPU确定参考人脸库中未包含与目标人脸匹配的参考人脸时，向GPU发送的性别变换指令中可以包含原性别及目标性别。
本申请实施例中，GPU在得到第一帧图像中的各人脸关键区域后，可以根据性别变换指令中的原性别及目标性别，确定待处理的人脸关键区域，其中，待处理的人脸关键区域具体可指男性和女性特征不同的区域，比如眉毛、下巴、两腮、鼻下区域等。
可以理解的是，当性别变换指令中的原性别及目标性别不同时，待处理的人脸关键区域可以不同。举例而言，当原性别为男性，目标性别为女性时，待处理的人脸关键区域可以为眉毛区域、睫毛区域、眼睛区域、两腮区域、鼻子区域、胡须区域、唇部区域、下巴区域，当原性别为女性，目标性别为男性时，待处理的人脸关键区域可以为眉毛区域、眼睛区域、胡须区域、下巴区域。
步骤408，对待处理的人脸关键区域进行特征变换处理，以生成人脸性别变换后的第二帧图像。
本申请实施例中，GPU在确定待处理的人脸关键区域后，可以对待处理的人脸关键区域进行特征变换处理，以生成人脸性别变换后的第二帧图像，之后，可以将所述第二帧图像返回给CPU。
可以理解的是，不同的待处理的人脸关键区域对应的特征变换处理方式可以不同，并且，同一待处理的人脸关键区域在不同的原性别和目标性别下，对应的特征变换处理方式也可以不同。
例如，当原性别为男性，目标性别为女性时，通常情况下，女性的脸部更加白净光滑、脸型下巴更尖、脸的宽度更窄、眉毛一般更细等等，因此，眉毛区域对应的特征变换处理可以包括眉毛变细处理，两腮区域对应的特征变换处理可以包括添加腮红处理，眼睛区域对应的特征变换处理可以包括眼睛变大处理，睫毛区域对应的特性变化处理可以包括睫毛变长处理，鼻子区域对应的特征变换处理可以包括鼻翼加阴影，鼻梁高光处理，胡须区域对应的特征变换处理可以包括磨皮处理，唇部区域对应的特征变换处理可以包括添加唇彩处理，下巴区域对应的特征变换处理可以包括下巴变尖处理，脸部区域对应的特征变换处理可以包括美白处理、光滑处理、脸型调整处理等等，此处不一一列举。而当原性别女性，目标性别为男性时，通常情况下，男性的脸型下巴较宽、脸的宽度更宽、眉毛较粗、留有胡须等等，因此，眉毛区域对应的特征变换处理可以包括眉毛变粗处理，眼睛区域对应的特征变换处理可以包括眼睛变小处理，胡须区域对应的特征变换处理可以包括添加胡须处理，下巴区域对应的特征变换处理可以包括下巴变宽处理，等等，此处不一一列举。
作为一种可能的实现方式，GPU在生成人脸性别变换后的第二帧图像后，还可以将第一帧图像中的目标人脸对应的三角剖分模式及性别变换模式，返回给所述CPU，其中，性别变换模式中包括人脸关键区域对应的特征变换处理方式。即本申请中，GPU只做图形处理，由CPU存储中间的数据。
由此，可以依据视频中之前完成性别变换的人脸图像对应的性别变换模式和三角剖分模式，对该视频中的后续视频帧进行人脸变化处理，可以保证在同一性别变换模式下，采用相同的三角剖分模式，对同一人脸进行处理，保证对同一人脸三角剖分方式相同，从而使得视频帧画面间一致性。
作为一种示例，以原性别为男性，目标性别为女性，即目标性别变换模式为男性变女性模式进行示例，本申请可以对照片或视频帧中的人脸提取关键点，基于得到的关键点的扩充集合对整幅图像进行三角剖分，得到人脸区域，或者人脸关键区域，比如胡须区域、眉毛区域等等，之后，可以对全脸进行美白磨皮，对人脸关键区域进行磨掉胡须、局部美妆等特征调整处理。同时，由于男女脸型有别，可以对男性脸型进行相应调整得到女性脸型，并通过添加女性脸的alpha融合，使得处理后的效果更佳女性化，最后，可以通过添加女性长发或者帽子等装饰物来进一步优化滤镜效果。具体的处理流程可以包括以下步骤：
步骤1，获取照片或者视频。其中，上述照片或视频可以为用户通过摄像头等图像采集设备采集的，或者，也可以为电子设备预先存储的数据。作为举例而非限定，当视频帧画面中出现多张人脸时，可以理解为将一张人脸的变换处理流程进行多实例重复操作，因此，本申请仅以一张人脸的变换处理流程进行示例。
步骤2，判断照片或者视频帧中是否包含与男性特征匹配的人脸。本申请中，只有当照片或视频帧中存在至少一张男性人脸时，才执行步骤3，否则，返回步骤1。作为示例，可以采用深度学习方法，判断照片或视频帧中是否存在男性人脸，比如，可以采用经过训练的机器学习模型，对照片或者视频帧进行识别，确定是否存在男性人脸。
步骤3，提取照片或者视频帧中的人脸关键点，并依据得到的人脸关键点进行三角剖分。可选地，针对获取的照片，可以采用现有的人脸关键点检测技术，比如深度学习方法，提取人脸关键点，提取的关键点数目不作限制。针对获取的视频，可以将视频中的所有视频帧或者关键帧逐一按照照片的处理方式进行处理。
作为补充而非必要的一步，提取到的关键点如果不能满足步骤7中脸型调整的要求，则需要通过已有的关键点集A推理出新的关键点集B，其中，关键点集A为关键点集B的子集，关键点集中的所有关键点构成所有三角形的顶点。关键点集B中的关键点，一部分是机器学习算法提取出的人脸关键点，一部分是推理出来的关键点，比如额头上的点和人脸外轮廓的点，还有一部分是图像边缘的点，这三类顶点共同构成步骤3所需要的三角形顶点。
需要说明的是，上述扩充关键点的目的是：在对人脸脸型进行调整时，对图像背景的影响尽可能小。比如当进行瘦脸时，仅需往脸内部挪动人脸的下巴和脸颊关键点的位置，人脸外轮廓扩充关键点不动，这样保证只有脸周围的一圈图像被拉伸移动，而外轮廓扩充关键点之外的背景图像不受影响，这样保证了脸型调整对整体背景的影响尽可能小，从而使得处理结果尽可能地接近真实。
可选地，当逐帧对视频帧进行处理时，为了保证处理后的视频的连续性较佳，关键点应尽量不存在抖动和不连续等突兀的效果，此时，需要通过算法对提取到的人脸关键点结果进行帧间平滑。作为举例，在对视频流进行平滑的过程中，可以通过前面相邻的几帧(大于等于一帧)的关键点采用滤波算法进行滤波处理，诸如卡尔曼滤波、拉普拉斯平滑等等。这样可以保证得到的关键点比较平滑，从而后续根据关键点集将图像进行三角剖分的结果也会平滑连续，换脸的结果也会真实连贯。
同时，得到扩充的关键点集B后，还可以将关键点集B中的关键点，作为三角形的顶点，对图像进行三角剖分，其中，三角剖分方式具有多种，本申请对此并不作限制。并且，为了使得步骤7中脸型调整的结果稳定、流畅以及真实，同一个视频中，各视频帧对应的三角剖分方式相同。作为举例，可以事先存储好固定的三角剖分模式，获取视频中的每帧图像(或者关键帧)后，仅仅需要更新三角形顶点的实际位置，既可以得到当前处理帧的图像剖分结果，也同时保证了三角剖分的一致性。
步骤4，获得男性脸部区域，并进行美白磨皮处理。通常情况下，女性脸普遍要比男性脸更加白净光滑，作为举例而非限定，可以采用美白磨皮操作，对图像中的男性脸部区域进行美白和光滑处理。男性脸部区域的获取可以通过步骤3的三角剖分来指定具体的人脸关键区域，或者，也可以通过肤色检测等颜色空间的判断，来获得人脸关键区域，本申请对此并不作限制。
步骤5，获得胡须区域，磨掉男性胡须。利用步骤3的三角剖分可以精准得到胡须所在区域，作为举例而非限定，之后，通过对胡须区域的皮肤进行图像空间的平滑操作，或者采用其他女性脸部对应的皮肤区域进行遮挡融合，可以对男性脸上的胡须进行有效遮挡。
步骤6，获得人脸关键区域进行美妆处理。通过人脸三角剖分，可以得到人脸五官区域的精准位置，通过对每个位置的三角区域获取美妆素材的对应纹理坐标，可以将美妆素材精准叠加在人脸上。比如长睫毛叠加在睫毛区域，鼻梁高光叠加在鼻梁中间区域等。
可选地，如步骤3所述，视频中的各视频帧可采用一致的三角剖分模式。虽然同一人脸在每一帧图像中的位置会发生变化，但是，脸部各个区域脸型调整的参数是一样的，同样的脸部三角形区域对应的美妆纹理贴图纹理坐标不变。这样，可以简单精准的实现人脸美妆效果。
步骤7，脸型调整：男性脸型调整为女性脸型，同时添加女性脸的融合，得到融合之后效果。男性脸型和女性脸型也会有差别，作为举例而非限定，通常女性的脸型下巴更尖、脸的宽度更窄、眉毛更细，通过对脸型的调整，对鼻子宽度、嘴巴大小、眉毛粗细等调整，可以使得女性脸部特征更加明显。
基于步骤3的三角剖分，脸型调整方法可以利用传统的image warp方法，通过对三角形的顶点进行位置挪动，而不修改顶点对应的纹理，这样可以实现人脸全局或者局部的精准塑形。作为举例而非限定，诸如眼睛变大处理，需要对眼睛周围的三角形位置以人眼瞳孔为圆心进行放大挪动，同时，三角形顶点对应的纹理坐标数值不变，这样就可以实现大眼的效果。
同时，本申请中，对视频中的某一男性进行脸型调整之后，如不做修改，接下来的所有帧可保持同样的结果。主要原因是，本申请的脸型调整是通过某些规则R对关键点进行了移动，而在处理接下来视频帧的时候，需要同样把规则R应用到对应的关键点上，从而保证了视频中脸型调整效果的连续性。
同时，调整之后的人脸仍然是一张男性的脸纹理A，通过引入一张女性平均脸或者一张经过美化的女性脸B，两者进行图像的alpha融合，能够使得变化之后的女性脸C效果更加逼真。需要保证的是，脸B需要和脸A三角剖分对齐，也就意味着鼻子对齐鼻子，眼睛对齐眼睛等，这样可保证所有脸部的完全贴合和融合。作为举例而非限定，脸B可以包括脸的全部或者部分，比如去掉脸B的眼睛和嘴巴区域可以保证融合之后的脸C完全采用脸A的眼睛和嘴巴。同时，当脸A和脸B进行alpha融合时，在脸的边界处要保证alpha从1到0的连续过渡，这样可以有效消除比较明显的融合边缘。
步骤8：添加女性长发或者帽子、耳环等女性饰物。通过以上步骤对面部妆容、脸型等处理之后，由于男性的头发一般没有女性多样且偏短，女性的长发或者帽子等佩饰也是很重要的一个美化部分。其中，帽子可以采用3D贴纸，能够在人脸不同俯仰角时紧贴头部。
需要说明的是，本申请实施例的视频中人脸性别变换方法不仅适用于正脸情况，在人脸有不同俯仰角的情况下也能得到比较好的效果，使得处理后的效果真实有趣。
综上，本申请中，在CPU确定视频帧画面中包含与男性特征匹配的人脸时，即可对男性人脸进行特征提取，然后将提取的特征点发送给GPU，由GPU对特征点进行补充、三角剖分处理，之后即可根据三角剖分结果，对男性人脸的脸部区域进行胡须区域磨皮、脸部区域美白、美妆、脸型调整等处理，从而将男性化的人脸变为女性化人脸。并且，对视频中某一人脸变换完成后，可以记录该人脸的处理规则，之后再出现该人脸时，即可采用相同的处理规则进行处理。由此，由于采用GPU对视频中的人脸进行了多步处理，从而使得视频中相同人脸的一致性较高，而且处理速度快，可以对视频中的人脸进行实时处理，改善用户的使用体验。
本申请实施例的视频中人脸性别变换方法，可以在电子设备上实时处理图片或输入视频，可以应用于短视频、视频直播等应用中，或者，也可以离线处理视频来作为影视特效，与现有技术相比，本方法具有如下优点：1.由于全部采用GPU加速计算，可以在ios/android/PC的所有机型实时运行；2.所用多趟渲染方法可以避免常用的机器学习方法的不连续性。
为了实现上述实施例，本申请还提出一种视频中人脸性别变换装置。
图5为本申请实施例五所提供的视频中人脸性别变换装置的结构示意图。
如图5所示，该视频中人脸性别变换装置500包括：提取模块501、发送模块502以及获取模块503。
其中，提取模块501，用于在确定视频的第一帧图像中包含目标人脸时，对第一帧图像进行关键点提取，确定第一帧图像对应的关键点集。
发送模块502，用于若参考人脸库中包含与目标人脸匹配的参考人脸，则向图形处理器发送性别变换指令，性别变换指令中包括参考人脸对应的性别变换模式、第一帧图像及关键点集，以使图形处理器依据参考人脸对应的性别变换模式，利用关键点集对第一帧图像中的目标人脸进行性别变换，其中，参考人脸库中包括已经完成性别变换的人脸图像及对应的性别变换模式。
获取模块503，用于获取图形处理器返回的性别变换后的第二帧图像。
进一步地，在本申请实施例的一种可能的实现方式中，参见图6，在图5所示实施例的基础上，该视频中人脸性别变换装置500还可以包括：存储模块504。
作为一种可能的实现方式，发送模块502，还用于若参考人脸库中未包含与目标人脸匹配的参考人脸，则向图形处理器发送性别变换指令，其中，性别变换指令中包括：原性别、目标性别、第一帧图像及关键点集，以使图形处理器利用关键点集，对目标人脸进行性别变换。
获取模块503，还用于获取图形处理器返回的性别变换后的第二帧图像及目标人脸对应的性别变换模式。
存储模块504，用于将目标人脸及对应的性别变换模式存入参考人脸库中。
作为一种可能的实现方式，获取模块503，还用于获取图形处理器返回的目标人脸及对应的三角剖分模式。
存储模块504，还用于将目标人脸及对应的三角剖分模式存入参考人脸库中。
作为一种可能的实现方式，若参考人脸库中包含与目标人脸匹配的参考人脸；性别变换指令中，还包括参考人脸对应的三角剖分模式。
作为一种可能的实现方式，获取模块503，还用于获取人脸图像性别变换请求，变换请求中包括原性别及目标性别。
提取模块501，具体用于对视频中的第一帧图像进行人脸识别，确定第一帧图像中包含的与原性别特征匹配的目标人脸。
需要说明的是，前述图1至图2实施例对视频中人脸性别变换方法的解释说明也适用于该实施例的视频中人脸性别变换装置，此处不再赘述。
本申请实施例的视频中人脸性别变换装置，通过在确定视频的第一帧图像中包含目标人脸时，对第一帧图像进行关键点提取，确定第一帧图像对应的关键点集；若参考人脸库中包含与目标人脸匹配的参考人脸，则向图形处理器发送性别变换指令，性别变换指令中包括参考人脸对应的性别变换模式、第一帧图像及关键点集，以使图形处理器依据参考人脸对应的性别变换模式，利用关键点集对第一帧图像中的目标人脸进行性别变换，其中，参考人脸库中包括已经完成性别变换的人脸图像及对应的性别变换模式；获取图形处理器返回的性别变换后的第二帧图像。由此，依据视频中之前完成性别变换的人脸图像对应的性别变换模式，对第一帧图像进行人脸变化处理，可以保证在同一性别变换模式下，同一人脸对应的处理方式相同，从而保证处理后的视频画面帧的连续性较佳。并且，采用GPU对视频中的人脸进行了多步处理，可以使得视频中相同人脸的一致性较高，而且，GPU的处理速度较快，可以实现对视频中的人脸进行实时处理，改善用户的使用体验。
为了实现上述实施例，本申请还提出另一种视频中人脸性别变换装置。
图7为本申请实施例七所提供的视频中人脸性别变换装置的结构示意图。
如图7所示，该视频中人脸性别变换装置700可以包括：获取模块701、剖分模块702、调整模块703以及发送模块704。
其中，获取模块701，用于获取中央处理器发送的性别变换指令，其中，性别变换指令中包括第一帧图像及对应的关键点集。
剖分模块702，用于若性别变换指令中包括三角剖分模式，则依据三角剖分模式，根据关键点集将第一帧图像进行三角剖分，确定第一帧图像中的各人脸关键区域。
调整模块703，用于根据性别变换指令中的目标性别变换模式，将各人脸关键区域进行特征调整处理，以生成人脸性别变换后的第二帧图像。
发送模块704，用于将第二帧图像返回给中央处理器。
进一步地，在本申请实施例的一种可能的实现方式中，参见图8，在图7所示实施例的基础上，该视频中人脸性别变换装置700还可以包括：确定模块705和变换模块706。
作为一种可能的实现方式，剖分模块702，还用于若性别变换指令中未包括三角剖分模式，则根据关键点集中的关键点，对第一帧图像进行三角剖分，确定第一帧图像中的各人脸关键区域。
确定模块705，用于根据性别变换指令中的原性别及目标性别，确定待处理的人脸关键区域。
变换模块706，用于对待处理的人脸关键区域进行特征变换处理，以生成人脸性别变换后的第二帧图像。
作为一种可能的实现方式，发送模块704，还用于将第一帧图像中的目标人脸对应的三角剖分模式及性别变换模式，返回给中央处理器，其中，性别变换模式中包括人脸关键区域对应的特征变换处理方式。
需要说明的是，前述图3至图4实施例对视频中人脸性别变换方法的解释说明也适用于该实施例的视频中人脸性别变换装置，此处不再赘述。
本申请实施例的视频中人脸性别变换装置，通过获取中央处理器发送的性别变换指令，其中，性别变换指令中包括第一帧图像及对应的关键点集；若性别变换指令中包括三角剖分模式，则依据三角剖分模式，根据关键点集将第一帧图像进行三角剖分，确定第一帧图像中的各人脸关键区域；根据性别变换指令中的目标性别变换模式，将各人脸关键区域进行特征调整处理，以生成人脸性别变换后的第二帧图像；将第二帧图像返回给中央处理器。由此，采用GPU对视频中的人脸进行了多步处理，可以使得视频中相同人脸的一致性较高，而且，GPU的处理速度较快，可以对视频中的人脸进行实时处理，改善用户的使用体验。
为了实现上述实施例，本申请还提出一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行本申请前述实施例提出的视频中人脸性别变换方法。
为了实现上述实施例，本申请还提出一种计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行本申请前述实施例提出的视频中人脸性别变换方法。
根据本申请的实施例，本申请还提供了一种移动终端和一种可读存储介质。
如图9所示，是根据本申请实施例的视频中人脸性别变换方法的移动终端的框图。移动终端可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图9所示，该移动终端包括：一个或多个处理器901、存储器902，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在移动终端内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个移动终端，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图9中以一个处理器901为例。
存储器902即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的视频中人脸性别变换方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的视频中人脸性别变换方法。
存储器902作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的视频中人脸性别变换方法对应的程序指令/模块(例如，附图5所示的提取模块501、发送模块502以及获取模块503，或者，附图7所示的获取模块701、剖分模块702、调整模块703以及发送模块704)。处理器901通过运行存储在存储器902中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的视频中人脸性别变换方法。
存储器902可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据移动终端的使用所创建的数据等。此外，存储器902可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器902可选包括相对于处理器901远程设置的存储器，这些远程存储器可以通过网络连接至移动终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
移动终端还可以包括：输入装置903和输出装置904。处理器901、存储器902、输入装置903和输出装置904可以通过总线或者其他方式连接，图9中以通过总线连接为例。
输入装置903可接收输入的数字或字符信息，以及产生与移动终端的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置904可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的技术方案，通过在确定视频的第一帧图像中包含目标人脸时，对第一帧图像进行关键点提取，确定第一帧图像对应的关键点集；若参考人脸库中包含与目标人脸匹配的参考人脸，则向图形处理器发送性别变换指令，性别变换指令中包括参考人脸对应的性别变换模式、第一帧图像及关键点集，以使图形处理器依据参考人脸对应的性别变换模式，利用关键点集对第一帧图像中的目标人脸进行性别变换，其中，参考人脸库中包括已经完成性别变换的人脸图像及对应的性别变换模式；获取图形处理器返回的性别变换后的第二帧图像。由此，依据视频中之前完成性别变换的人脸图像对应的性别变换模式，对第一帧图像进行人脸变化处理，可以保证在同一性别变换模式下，同一人脸对应的处理方式相同，从而保证处理后的视频画面帧的连续性较佳。并且，采用GPU对视频中的人脸进行了多步处理，可以使得视频中相同人脸的一致性较高，而且，GPU的处理速度较快，可以实现对视频中的人脸进行实时处理，改善用户的使用体验。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。
Claims (18)
1.一种视频中人脸性别变换方法，其特征在于，包括：
在确定视频的第一帧图像中包含目标人脸时，对所述第一帧图像进行关键点提取，确定所述第一帧图像对应的关键点集；
若参考人脸库中包含与所述目标人脸匹配的参考人脸，则向图形处理器发送性别变换指令，所述性别变换指令中包括所述参考人脸对应的性别变换模式、所述第一帧图像及所述关键点集，以使所述图形处理器依据所述参考人脸对应的性别变换模式，利用所述关键点集对所述第一帧图像中的目标人脸进行性别变换，其中，参考人脸库中包括已经完成性别变换的人脸图像及对应的性别变换模式；
获取所述图形处理器返回的性别变换后的第二帧图像。
2.如权利要求1所述的方法，其特征在于，所述确定所述第一帧图像对应的关键点集之后，还包括：
若参考人脸库中未包含与所述目标人脸匹配的参考人脸，则向图形处理器发送性别变换指令，其中，所述性别变换指令中包括：原性别、目标性别、所述第一帧图像及所述关键点集，以使所述图形处理器利用所述关键点集，对所述目标人脸进行性别变换；
获取所述图形处理器返回的性别变换后的第二帧图像及所述目标人脸对应的性别变换模式；
将所述目标人脸及对应的性别变换模式存入所述参考人脸库中。
3.如权利要求2所述的方法，其特征在于，所述向图形处理器发送性别变换指令之后，还包括：
获取所述图形处理器返回的目标人脸及对应的三角剖分模式；
将所述目标人脸及对应的三角剖分模式存入所述参考人脸库中。
4.如权利要求3所述的方法，其特征在于，若参考人脸库中包含与所述目标人脸匹配的参考人脸；
所述性别变换指令中，还包括所述参考人脸对应的三角剖分模式。
5.如权利要求1-4任一所述的方法，其特征在于，所述确定视频的第一帧图像中包含目标人脸之前，还包括：
获取人脸图像性别变换请求，所述变换请求中包括原性别及目标性别；
所述确定视频的第一帧图像中包含目标人脸，包括：
对视频中的第一帧图像进行人脸识别，确定所述第一帧图像中包含的与所述原性别特征匹配的目标人脸。
6.一种视频中人脸性别变换方法，其特征在于，包括：
获取中央处理器发送的性别变换指令，其中，所述性别变换指令中包括第一帧图像及对应的关键点集；
若所述性别变换指令中包括三角剖分模式，则依据所述三角剖分模式，根据所述关键点集将所述第一帧图像进行三角剖分，确定所述第一帧图像中的各人脸关键区域；
根据所述性别变换指令中的目标性别变换模式，将各人脸关键区域进行特征调整处理，以生成人脸性别变换后的第二帧图像；
将所述第二帧图像返回给所述中央处理器。
7.如权利要求6所述的方法，其特征在于，所述确定所述第一帧图像中的人脸关键区域之后，还包括：
若所述性别变换指令中未包括三角剖分模式，则根据所述关键点集中的关键点，对所述第一帧图像进行三角剖分，确定所述第一帧图像中的各人脸关键区域；
根据所述性别变换指令中的原性别及目标性别，确定待处理的人脸关键区域；
对所述待处理的人脸关键区域进行特征变换处理，以生成人脸性别变换后的第二帧图像。
8.如权利要求7所述的方法，其特征在于，所述生成人脸性别变换后的第二帧图像之后，还包括：
将所述第一帧图像中的目标人脸对应的三角剖分模式及性别变换模式，返回给所述中央处理器，其中，所述性别变换模式中包括人脸关键区域对应的特征变换处理方式。
9.一种视频中人脸性别变换装置，其特征在于，包括：
提取模块，用于在确定视频的第一帧图像中包含目标人脸时，对所述第一帧图像进行关键点提取，确定所述第一帧图像对应的关键点集；
发送模块，用于若参考人脸库中包含与所述目标人脸匹配的参考人脸，则向图形处理器发送性别变换指令，所述性别变换指令中包括所述参考人脸对应的性别变换模式、所述第一帧图像及所述关键点集，以使所述图形处理器依据所述参考人脸对应的性别变换模式，利用所述关键点集对所述第一帧图像中的目标人脸进行性别变换，其中，参考人脸库中包括已经完成性别变换的人脸图像及对应的性别变换模式；
获取模块，用于获取所述图形处理器返回的性别变换后的第二帧图像。
10.如权利要求9所述的装置，其特征在于，
所述发送模块，还用于若参考人脸库中未包含与所述目标人脸匹配的参考人脸，则向图形处理器发送性别变换指令，其中，所述性别变换指令中包括：原性别、目标性别、所述第一帧图像及所述关键点集，以使所述图形处理器利用所述关键点集，对所述目标人脸进行性别变换；
所述获取模块，还用于获取所述图形处理器返回的性别变换后的第二帧图像及所述目标人脸对应的性别变换模式；
所述装置还包括：
存储模块，用于将所述目标人脸及对应的性别变换模式存入所述参考人脸库中。
11.如权利要求10所述的装置，其特征在于，
所述获取模块，还用于获取所述图形处理器返回的目标人脸及对应的三角剖分模式；
所述存储模块，还用于将所述目标人脸及对应的三角剖分模式存入所述参考人脸库中。
12.如权利要求11所述的装置，其特征在于，若参考人脸库中包含与所述目标人脸匹配的参考人脸；
所述性别变换指令中，还包括所述参考人脸对应的三角剖分模式。
13.如权利要求9-12任一所述的装置，其特征在于，
所述获取模块，还用于获取人脸图像性别变换请求，所述变换请求中包括原性别及目标性别；
所述提取模块，具体用于对视频中的第一帧图像进行人脸识别，确定所述第一帧图像中包含的与所述原性别特征匹配的目标人脸。
14.一种视频中人脸性别变换装置，其特征在于，包括：
获取模块，用于获取中央处理器发送的性别变换指令，其中，所述性别变换指令中包括第一帧图像及对应的关键点集；
剖分模块，用于若所述性别变换指令中包括三角剖分模式，则依据所述三角剖分模式，根据所述关键点集将所述第一帧图像进行三角剖分，确定所述第一帧图像中的各人脸关键区域；
调整模块，用于根据所述性别变换指令中的目标性别变换模式，将各人脸关键区域进行特征调整处理，以生成人脸性别变换后的第二帧图像；
发送模块，用于将所述第二帧图像返回给所述中央处理器。
15.如权利要求14所述的装置，其特征在于，
所述剖分模块，还用于若所述性别变换指令中未包括三角剖分模式，则根据所述关键点集中的关键点，对所述第一帧图像进行三角剖分，确定所述第一帧图像中的各人脸关键区域；
所述装置，还包括：
确定模块，用于根据所述性别变换指令中的原性别及目标性别，确定待处理的人脸关键区域；
变换模块，用于对所述待处理的人脸关键区域进行特征变换处理，以生成人脸性别变换后的第二帧图像。
16.如权利要求15所述的装置，其特征在于，
所述发送模块，还用于将所述第一帧图像中的目标人脸对应的三角剖分模式及性别变换模式，返回给所述中央处理器，其中，所述性别变换模式中包括人脸关键区域对应的特征变换处理方式。
17.一种电子设备，其特征在于，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-5中任一项所述的视频中人脸性别变换方法，或者，执行权利要求6-8中任一项所述的视频中人脸性别变换方法。
18.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-5中任一项所述的视频中人脸性别变换方法，或者，执行权利要求6-8中任一项所述的视频中人脸性别变换方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910918051.5A CN110688948B (zh) | 2019-09-26 | 2019-09-26 | 视频中人脸性别变换方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910918051.5A CN110688948B (zh) | 2019-09-26 | 2019-09-26 | 视频中人脸性别变换方法、装置、电子设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110688948A true CN110688948A (zh) | 2020-01-14 |
| CN110688948B CN110688948B (zh) | 2022-11-15 |
Family
ID=69110428
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910918051.5A Active CN110688948B (zh) | 2019-09-26 | 2019-09-26 | 视频中人脸性别变换方法、装置、电子设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110688948B (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111311733A (zh) * | 2020-02-11 | 2020-06-19 | 深圳市商汤科技有限公司 | 三维模型处理方法及装置、处理器、电子设备及存储介质 |
| CN111489311A (zh) * | 2020-04-09 | 2020-08-04 | 北京百度网讯科技有限公司 | 一种人脸美化方法、装置、电子设备及存储介质 |
| CN111667518A (zh) * | 2020-06-24 | 2020-09-15 | 北京百度网讯科技有限公司 | 人脸图像的显示方法、装置、电子设备及存储介质 |
| CN111695471A (zh) * | 2020-06-02 | 2020-09-22 | 北京百度网讯科技有限公司 | 虚拟形象生成方法、装置、设备以及存储介质 |
| CN111753784A (zh) * | 2020-06-30 | 2020-10-09 | 广州酷狗计算机科技有限公司 | 视频的特效处理方法、装置、终端及存储介质 |
| CN112102157A (zh) * | 2020-09-09 | 2020-12-18 | 咪咕文化科技有限公司 | 视频换脸方法、电子设备和计算机可读存储介质 |
| CN112446821A (zh) * | 2020-11-24 | 2021-03-05 | 北京达佳互联信息技术有限公司 | 一种图像处理方法、装置及电子设备 |
| CN112766215A (zh) * | 2021-01-29 | 2021-05-07 | 北京字跳网络技术有限公司 | 人脸融合方法、装置、电子设备及存储介质 |
| WO2021208709A1 (zh) * | 2020-04-13 | 2021-10-21 | 北京字节跳动网络技术有限公司 | 图像处理方法、装置、电子设备及计算机可读存储介质 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103413270A (zh) * | 2013-08-15 | 2013-11-27 | 北京小米科技有限责任公司 | 一种图像的处理方法、装置和终端设备 |
| CN105096241A (zh) * | 2015-07-28 | 2015-11-25 | 努比亚技术有限公司 | 人脸图像美化装置及方法 |
| CN105530434A (zh) * | 2016-02-01 | 2016-04-27 | 深圳市金立通信设备有限公司 | 一种拍摄方法及终端 |
| CN107274354A (zh) * | 2017-05-22 | 2017-10-20 | 奇酷互联网络科技（深圳）有限公司 | 图像处理方法、装置和移动终端 |
| CN107862274A (zh) * | 2017-10-31 | 2018-03-30 | 广东欧珀移动通信有限公司 | 美颜方法、装置、电子设备和计算机可读存储介质 |
| CN108629296A (zh) * | 2018-04-17 | 2018-10-09 | 广州视源电子科技股份有限公司 | 图像处理方法和装置 |
| CN108965740A (zh) * | 2018-07-11 | 2018-12-07 | 深圳超多维科技有限公司 | 一种实时视频换脸方法、装置、设备和存储介质 |
| CN109087240A (zh) * | 2018-08-21 | 2018-12-25 | 成都旷视金智科技有限公司 | 图像处理方法、图像处理装置及存储介质 |
| CN110049351A (zh) * | 2019-05-23 | 2019-07-23 | 北京百度网讯科技有限公司 | 视频流中人脸变形的方法和装置、电子设备、计算机可读介质 |
-
2019
- 2019-09-26 CN CN201910918051.5A patent/CN110688948B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103413270A (zh) * | 2013-08-15 | 2013-11-27 | 北京小米科技有限责任公司 | 一种图像的处理方法、装置和终端设备 |
| CN105096241A (zh) * | 2015-07-28 | 2015-11-25 | 努比亚技术有限公司 | 人脸图像美化装置及方法 |
| CN105530434A (zh) * | 2016-02-01 | 2016-04-27 | 深圳市金立通信设备有限公司 | 一种拍摄方法及终端 |
| CN107274354A (zh) * | 2017-05-22 | 2017-10-20 | 奇酷互联网络科技（深圳）有限公司 | 图像处理方法、装置和移动终端 |
| CN107862274A (zh) * | 2017-10-31 | 2018-03-30 | 广东欧珀移动通信有限公司 | 美颜方法、装置、电子设备和计算机可读存储介质 |
| CN108629296A (zh) * | 2018-04-17 | 2018-10-09 | 广州视源电子科技股份有限公司 | 图像处理方法和装置 |
| CN108965740A (zh) * | 2018-07-11 | 2018-12-07 | 深圳超多维科技有限公司 | 一种实时视频换脸方法、装置、设备和存储介质 |
| CN109087240A (zh) * | 2018-08-21 | 2018-12-25 | 成都旷视金智科技有限公司 | 图像处理方法、图像处理装置及存储介质 |
| CN110049351A (zh) * | 2019-05-23 | 2019-07-23 | 北京百度网讯科技有限公司 | 视频流中人脸变形的方法和装置、电子设备、计算机可读介质 |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111311733A (zh) * | 2020-02-11 | 2020-06-19 | 深圳市商汤科技有限公司 | 三维模型处理方法及装置、处理器、电子设备及存储介质 |
| CN111489311A (zh) * | 2020-04-09 | 2020-08-04 | 北京百度网讯科技有限公司 | 一种人脸美化方法、装置、电子设备及存储介质 |
| CN111489311B (zh) * | 2020-04-09 | 2023-08-08 | 北京百度网讯科技有限公司 | 一种人脸美化方法、装置、电子设备及存储介质 |
| WO2021208709A1 (zh) * | 2020-04-13 | 2021-10-21 | 北京字节跳动网络技术有限公司 | 图像处理方法、装置、电子设备及计算机可读存储介质 |
| US11715259B2 (en) | 2020-06-02 | 2023-08-01 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method and apparatus for generating virtual avatar, device and storage medium |
| CN111695471A (zh) * | 2020-06-02 | 2020-09-22 | 北京百度网讯科技有限公司 | 虚拟形象生成方法、装置、设备以及存储介质 |
| CN111667518A (zh) * | 2020-06-24 | 2020-09-15 | 北京百度网讯科技有限公司 | 人脸图像的显示方法、装置、电子设备及存储介质 |
| CN111667518B (zh) * | 2020-06-24 | 2023-10-31 | 北京百度网讯科技有限公司 | 人脸图像的显示方法、装置、电子设备及存储介质 |
| CN111753784A (zh) * | 2020-06-30 | 2020-10-09 | 广州酷狗计算机科技有限公司 | 视频的特效处理方法、装置、终端及存储介质 |
| CN112102157A (zh) * | 2020-09-09 | 2020-12-18 | 咪咕文化科技有限公司 | 视频换脸方法、电子设备和计算机可读存储介质 |
| CN112446821A (zh) * | 2020-11-24 | 2021-03-05 | 北京达佳互联信息技术有限公司 | 一种图像处理方法、装置及电子设备 |
| CN112446821B (zh) * | 2020-11-24 | 2023-01-24 | 北京达佳互联信息技术有限公司 | 一种图像处理方法、装置及电子设备 |
| CN112766215A (zh) * | 2021-01-29 | 2021-05-07 | 北京字跳网络技术有限公司 | 人脸融合方法、装置、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110688948B (zh) | 2022-11-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110688948B (zh) | 视频中人脸性别变换方法、装置、电子设备和存储介质 | |
| CN112150638B (zh) | 虚拟对象形象合成方法、装置、电子设备和存储介质 | |
| CN111652828B (zh) | 人脸图像生成方法、装置、设备和介质 | |
| US11861936B2 (en) | Face reenactment | |
| US10860838B1 (en) | Universal facial expression translation and character rendering system | |
| CN111598818B (zh) | 人脸融合模型训练方法、装置及电子设备 | |
| US8698796B2 (en) | Image processing apparatus, image processing method, and program | |
| CN111489311B (zh) | 一种人脸美化方法、装置、电子设备及存储介质 | |
| Sharma et al. | 3d face reconstruction in deep learning era: A survey | |
| CN107705240B (zh) | 虚拟试妆方法、装置和电子设备 | |
| WO2020133862A1 (zh) | 游戏角色模型的生成方法、装置、处理器及终端 | |
| WO2020150687A1 (en) | Systems and methods for photorealistic real-time portrait animation | |
| KR102386642B1 (ko) | 이미지 처리 방법 및 장치, 전자 기기 및 저장 매체 | |
| CN113362263B (zh) | 变换虚拟偶像的形象的方法、设备、介质及程序产品 | |
| US9734637B2 (en) | Semantic rigging of avatars | |
| WO2021218040A1 (zh) | 图像处理的方法及装置 | |
| CN111432267B (zh) | 视频调整方法、装置、电子设备及存储介质 | |
| US11282257B2 (en) | Pose selection and animation of characters using video data and training techniques | |
| CN111783511A (zh) | 美妆处理方法、装置、终端以及存储介质 | |
| JP2024500896A (ja) | ３ｄ頭部変形モデルを生成するための方法、システム及び方法 | |
| JP2024503794A (ja) | ２次元（２ｄ）顔画像から色を抽出するための方法、システム及びコンピュータプログラム | |
| CN111861954A (zh) | 编辑人脸的方法、装置、电子设备和可读存储介质 | |
| US11361467B2 (en) | Pose selection and animation of characters using video data and training techniques | |
| KR102498056B1 (ko) | 메타버스내 메타휴먼의 생성 시스템 및 방법 | |
| CN114332365A (zh) | 虚拟人物形象生成方法、装置、电子设备及存储介质 |
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 |