CN111027474B - 人脸区域获取方法、装置、终端设备和存储介质 - Google Patents
人脸区域获取方法、装置、终端设备和存储介质 Download PDFInfo
- Publication number
- CN111027474B CN111027474B CN201911253774.4A CN201911253774A CN111027474B CN 111027474 B CN111027474 B CN 111027474B CN 201911253774 A CN201911253774 A CN 201911253774A CN 111027474 B CN111027474 B CN 111027474B
- Authority
- CN
- China
- Prior art keywords
- face
- areas
- human body
- face frame
- current 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 230000011218 segmentation Effects 0.000 claims abstract description 44
- 238000001514 detection method Methods 0.000 claims abstract description 40
- 210000000746 body region Anatomy 0.000 claims description 18
- 239000003550 marker Substances 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 10
- 230000000694 effects Effects 0.000 abstract description 20
- 230000006870 function Effects 0.000 description 5
- 241001494479 Pecora Species 0.000 description 4
- 241000282472 Canis lupus familiaris Species 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 210000000887 face Anatomy 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000003796 beauty Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
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
-
- 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- 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
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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
- G06V40/172—Classification, e.g. identification
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本申请提出一种人脸区域获取方法、装置、终端设备和存储介质,其中,方法包括:对当前图像进行人脸检测确定各人脸框区域;对当前图像进行人体分割检测确定各人体区域;根据各人脸框区域和各人体区域,在各人脸框区域中标定人脸标准区域,以根据人脸标准区域对当前图像进行校正处理,解决了现有技术中获取的人脸区域不够精确,从而影响图像处理效果的技术问题,实现了通过根据各人脸框区域和各人体区域在各人脸框区域中标定人脸标准区域,以根据人脸标准区域对当前图像进行校正处理,提高人脸区域的精确性,从而保证图像处理效果。
Description
技术领域
本申请涉及图像处理技术领域,尤其涉及一种人脸区域获取方法、装置、终端设备和存储介质。
背景技术
目前,终端设备配有广角摄像头,通过广角摄像头进行拍摄的图像一直存在畸变,相关技术中,通过人脸检测技术获取人脸区域,导致获取到的人脸区域不够精确,最终影响图像处理效果。
申请内容
本申请提出一种人脸区域获取方法、装置、终端设备和存储介质,解决了现有技术中获取的人脸区域不够精确,从而影响图像处理效果的技术问题,实现了通过根据各人脸框区域和各人体区域在各人脸框区域中标定人脸标准区域,以根据人脸标准区域对当前图像进行校正处理,提高人脸区域的精确性,从而保证图像处理效果。
本申请一方面实施例提供了一种人脸区域获取方法,所述方法包括以下步骤:对当前图像进行人脸检测确定各人脸框区域;对当前图像进行人体分割检测确定各人体区域;根据所述各人脸框区域和所述各人体区域,在所述各人脸框区域中标定人脸标准区域,以根据所述人脸标准区域对当前图像进行校正处理。
本申请另一方面实施例提供了一种人脸区域获取装置,所述装置包括:第一确定模块,用于对当前图像进行人脸检测确定各人脸框区域;第二确定模块,用于对当前图像进行人体分割检测确定各人体区域;处理模块,用于根据所述各人脸框区域和所述各人体区域,在所述各人脸框区域中标定人脸标准区域,以根据所述人脸标准区域对当前图像进行校正处理。
本申请又一方面实施例提供了一种终端设备,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时,实现如上述实施例所述的人脸区域获取方法。
本申请还一方面实施例提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上述实施例所描述的人脸区域获取方法。
本申请提供的图像处理方法实施例,至少包括如下有益技术效果:
对当前图像进行人脸检测确定各人脸框区域;对当前图像进行人体分割检测确定各人体区域;根据各人脸框区域和各人体区域,在各人脸框区域中标定人脸标准区域,以根据人脸标准区域对当前图像进行校正处理,解决了现有技术中获取人脸区域不够精确影响图像处理效果的技术问题,实现了通过根据各人脸框区域和各人体区域在各人脸框区域中标定人脸标准区域,以根据人脸标准区域对当前图像进行校正处理,提高人脸区域的精确性,从而保证图像处理效果。
本申请附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到。
附图说明
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是根据本申请一个实施例的人脸区域获取方法的流程图;
图2是根据本申请另一个实施例的人脸区域获取方法的流程图;
图3是根据本申请又一个实施例的人脸区域获取方法的流程图;
图4是根据本申请一个实施例的人脸区域获取装置的结构示意图。
具体实施方式
下面详细描述本申请的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本申请,而不能理解为对本申请的限制。
下面参考附图描述本申请实施例的人脸区域获取方法、装置、终端设备和存储介质。本申请实施例的人脸区域获取方法的应用主体可以是任意拥有摄像头的终端设备。
为了解决了现有技术中获取人脸区域不够精确影响图像处理效果的技术问题,本申请中提供了一种人脸区域获取方法,在本申请的实施例中,对当前图像进行人脸检测确定各人脸框区域;对当前图像进行人体分割检测确定各人体区域;根据各人脸框区域和各人体区域,在各人脸框区域中标定人脸标准区域,以根据人脸标准区域对当前图像进行校正处理,实现了通过根据各人脸框区域和各人体区域在各人脸框区域中标定人脸标准区域,以根据人脸标准区域对当前图像进行校正处理,提高人脸区域的精确性,从而保证图像处理效果。
下面参考附图描述本申请实施例的人脸区域获取方法。
图1是根据本申请一个实施例的人脸区域获取方法的流程图,如图1所示,该方法包括:
步骤101,对当前图像进行人脸检测确定各人脸框区域。
步骤102,对当前图像进行人体分割检测确定各人体区域。
具体地,本申请的人脸区域获取方法,主要是针对拍摄图像中人脸对应的精确区域的获取,可以理解的是,在实际拍摄的图像中可以有一个或者多个人脸,人脸可以是正脸、侧脸和半脸等。
其中,当前图像可以根据实际应用需要选择的需要进行校正处理比如去畸变、美颜等校正处理的图像,接着对当前图像进行人脸检测方法可以确定各人脸框区域,对当前图像进行人体分割检测确定各人体区域。
需要说明的是,步骤101和步骤102执行顺序可以根据实际进行选择,为了提高处理效率,可以并行计算。
其中,人脸检测方法有很多种,比如基于直方图粗分割和奇异值特征的人脸检测算法、基于二进小波变换的人脸检测算法等,举例而言,在当前图像对应的灰度图像中,双眼、鼻、口成一定结构分布特征,先根据平滑的直方图对灰度图像进行粗分割,再根据一定的灰度空间对人眼进行定位,进而确定出人脸区域。
其中,对当前图像进行人体分割检测确定各人体区域的方式有很多种,比如实例分割、语义分割等方式,可以根据具体应用场景进行选择,举例说明如下:
第一种示例,将当前图像输入到预设的深度人体语义分割模型中,对当前图像中的实体进行分类,对识别到的人体姿态像素位置标记为人体元素符号。
第二种示例,将当前图像输入到预设的深度人体实例分割模型中,对当前图像中的非人体区域的像素位置标记为零值,以及对不同人的人体区域的像素位置标记为不同的非零值。
需要说明的是,人脸检测算法获取人脸框的方式比实例分割、语义分割等方式的精确度要高很多,因此,将两者结合的方式可以更加精确获取人脸标准区域。
步骤103,根据各人脸框区域和各人体区域,在各人脸框区域中标定人脸标准区域,以根据人脸标准区域对当前图像进行校正处理。
进一步地,根据各人脸框区域和各人体区域在各人脸框区域中标定人脸标准区域以根据人脸标准区域对当前图像进行校正处理,可以理解的是,使用不同的方式对当前图像进行人体分割检测确定各人体区域,根据各人脸框区域和各人体区域在各人脸框区域中标定人脸标准区域的方式也不同,继续以上述示例进行举例说明:
第一种示例,查询每个人脸框区域是否包含人体元素符号,若获知人脸框区域中包含人体元素符号,则将人体元素符号在人脸框区域中的像素位置标记为人脸标准区域。
第二种示例,查询每个人脸框区域包含的全部像素位置标记值,若获知人脸框区域中仅包含同一种非零值的像素位置标记值,则将同一种非零值的像素位置标记值在人脸框区域中的位置标记为人脸标准区域。
第三种示例,若获知人脸框区域中包含多种非零值的像素位置标记值,则计算每一种相同的非零值的像素位置标记值的数量,比较每一种非零值的像素位置标记值的数量,确定数量最多的目标非零值的像素位置标记值,将目标非零值的像素位置标记值在人脸框区域中的位置标记为人脸标准区域。
最后,根据人脸标准区域对当前图像进行校正处理,比如人脸畸变校正、人脸美颜等校正处理,以人脸畸变校正处理为例,对得到的各个人脸标准区域进行计算从而获取得到各个人脸区域在当前图像中的面积,以及各个人脸区域距离当前图像中心的径向距离比如根据人脸检测得到的人脸矩形框四个顶点的坐标计算得到人脸的中央点坐标,当该人脸同时满足人脸面积大于所设定的阈值以及人脸到图像中心的距离大于所设定的阈值两个条件时,才将该人脸认定为需要进行畸变校正处理,对需要进行畸变校正的人脸依次进行校正处理。
综上,本申请实施例的人脸区域获取方法,对当前图像进行人脸检测确定各人脸框区域;对当前图像进行人体分割检测确定各人体区域;根据各人脸框区域和各人体区域,在各人脸框区域中标定人脸标准区域,以根据人脸标准区域对当前图像进行校正处理,解决了现有技术中获取的人脸区域不够精确,从而影响图像处理效果的技术问题,实现了通过根据各人脸框区域和各人体区域在各人脸框区域中标定人脸标准区域,以根据人脸标准区域对当前图像进行校正处理,提高人脸区域的精确性,从而保证图像处理效果。
为了更加清楚描述上述实施例,下面结合图2以通过语义分割方式对当前图像进行人体分割检测确定各人体区域进行详细说明,如图2所示,该方法包括:
步骤201,对当前图像进行人脸检测确定各人脸框区域。
需要说明的是,步骤201与步骤101相同,具体描述参见步骤101的描述,此处不在详述。
步骤202,将当前图像输入到预设的深度人体语义分割模型中,对当前图像中的实体进行分类,对识别到的人体姿态像素位置标记为人体元素符号。
具体地,语义分割主要是对图像中的实体进行分类,比如对图像中包括人、两只羊和狗进行语义分割处理后标注为人,羊和狗,而不需要标注人,羊1,羊2和狗。
因此,将当前图像输入到预设的深度人体语义分割模型中,对当前图像中的实体进行分类,并且对识别到的人体姿态像素位置标记为人体元素符号,继续以上述为例将上述中的人对应的人体姿态像素位置标记为人体元素符号比如001。
步骤203,查询每个人脸框区域是否包含人体元素符号。
步骤204,若获知人脸框区域中包含人体元素符号,则将人体元素符号在人脸框区域中的像素位置标记为人脸标准区域,以根据人脸标准区域对当前图像进行校正处理。
进一步地,结合各人脸框区域和标记的人体元素符号进行分析,即通过判断人脸框区域中是否包含人体元素符号的方式来确定人脸标准区域,因此,获知人脸框区域中包含人体元素符号,则将人体元素符号在人脸框区域中的像素位置标记为人脸标准区域,为后续人脸处理提供较好的输入,即实现对人脸区域与背景区域的精细化分割,提高到最终图像的处理效果。
最后,根据人脸标准区域对当前图像进行校正处理,比如人脸畸变校正、人脸美颜等校正处理。
综上,本申请实施例的人脸区域获取方法,对当前图像进行人脸检测确定各人脸框区域,将当前图像输入到预设的深度人体语义分割模型中,对当前图像中的实体进行分类,对识别到的人体姿态像素位置标记为人体元素符号,查询每个人脸框区域是否包含人体元素符号,若获知人脸框区域中包含人体元素符号,则将人体元素符号在人脸框区域中的像素位置标记为人脸标准区域,以根据人脸标准区域对当前图像进行校正处理,解决了现有技术中获取的人脸区域不够精确,从而影响图像处理效果的技术问题,实现了通过根据各人脸框区域和各人体区域在各人脸框区域中标定人脸标准区域,以根据人脸标准区域对当前图像进行校正处理,提高人脸区域的精确性,从而保证图像处理效果。
为了更加清楚描述上述实施例,下面结合图3以通过实例分割方式对当前图像进行人体分割检测确定各人体区域进行详细说明,如图3所示,该方法包括:
步骤301,对当前图像进行人脸检测确定各人脸框区域。
需要说明的是,步骤301与步骤101相同,具体描述参见步骤101的描述,此处不在详述。
步骤302,将当前图像输入到预设的深度人体实例分割模型中,对当前图像中的非人体区域的像素位置标记为零值,以及对不同人的人体区域的像素位置标记为不同的非零值。
步骤303,查询每个人脸框区域包含的全部像素位置标记值。
步骤304,若获知人脸框区域中仅包含同一种非零值的像素位置标记值,则将同一种非零值的像素位置标记值在人脸框区域中的位置标记为人脸标准区域,以根据人脸标准区域对当前图像进行校正处理。
具体地,通过实例分割的方式将实体从背景中分离,接着对检测到的实体进行像素提取,一般示例分割结果中非人体区域掩模(mask)像素值为0,不同的人体区域的mask像素值对应不同非零值。
进一步地,查询各人脸的人脸框区域中是否存在实例分割出的人体区域,即是否包含非零值的像素位置标记值,若获知人脸框区域中仅包含同一种非零值的像素位置标记值,则将同一种非零值的像素位置标记值在人脸框区域中的位置标记为人脸标准区域。
最后,根据人脸标准区域对当前图像进行校正处理,比如人脸畸变校正、人脸美颜等校正处理。
步骤305,若获知人脸框区域中包含多种非零值的像素位置标记值,则计算每一种相同的非零值的像素位置标记值的数量。
步骤306,比较每一种非零值的像素位置标记值的数量,确定数量最多的目标非零值的像素位置标记值。
步骤307,将目标非零值的像素位置标记值在人脸框区域中的位置标记为人脸标准区域,以根据人脸标准区域对当前图像进行校正处理。
还可以理解的是,获知人脸框区域中包含多种非零值的像素位置标记值,即存在多个实例分割结果,通过计算每一种相同的非零值的像素位置标记值的数量,比较每一种非零值的像素位置标记值的数量,确定数量最多的目标非零值的像素位置标记值在人脸框区域中的位置标记为人脸标准区域,即在人脸框中所占面积最大的人体实例分割结果作为人脸的标准区域,并根据人脸标准区域对当前图像进行校正处理,比如人脸畸变校正、人脸美颜等校正处理。
由此,通过对图像进行实例分割,从而图像中得到精确的每个人的人体区域,再通过人脸框的坐标信息,计算得到人脸框中人体区域部分,从而得到每张人脸的标准区域,准确划分出图像中需要处理的人脸区域以及不需要处理的背景区域,使得图像处理效果更为准确。
步骤308,若获知人脸框区域中包含的都是零值的像素位置标记值,则删除人脸框区域。
可以理解的是,在获知人脸框区域中包含的都是零值的像素位置标记值表示人脸框区域并不存在人脸,即人脸检测方法出现错误,这时候可以将人脸框区域删除,提高了人脸区域获取的准确性,从而提高图像处理的准确性。
综上,本申请实施例的人脸区域获取方法,对当前图像进行人脸检测确定各人脸框区域,将当前图像输入到预设的深度人体实例分割模型中,对当前图像中的非人体区域的像素位置标记为零值,以及对不同人的人体区域的像素位置标记为不同的非零值,查询每个人脸框区域包含的全部像素位置标记值,若获知人脸框区域中仅包含同一种非零值的像素位置标记值,则将同一种非零值的像素位置标记值在人脸框区域中的位置标记为人脸标准区域,以根据人脸标准区域对当前图像进行校正处理,若获知人脸框区域中包含多种非零值的像素位置标记值,则计算每一种相同的非零值的像素位置标记值的数量,比较每一种非零值的像素位置标记值的数量,确定数量最多的目标非零值的像素位置标记值,将目标非零值的像素位置标记值在人脸框区域中的位置标记为人脸标准区域,以根据人脸标准区域对当前图像进行校正处理,若获知人脸框区域中包含的都是零值的像素位置标记值,则删除人脸框区域,解决了现有技术中获取的人脸区域不够精确,从而影响图像处理效果的技术问题,实现了通过根据各人脸框区域和各人体区域在各人脸框区域中标定人脸标准区域,以根据人脸标准区域对当前图像进行校正处理,提高人脸区域的精确性,从而保证图像处理效果。
为了实现上述实施例,本申请还提出一种人脸区域获取装置,图4是根据本申请一个实施例的人脸区域获取装置的结构试示意图,如图4所示,该装置包括:第一确定模块410、第二确定模块420和处理模块430,
其中,第一确定模块410,用于对当前图像进行人脸检测确定各人脸框区域。
第二确定模块420,用于对当前图像进行人体分割检测确定各人体区域。
处理模块430,用于根据所述各人脸框区域和所述各人体区域,在所述各人脸框区域中标定人脸标准区域,以根据所述人脸标准区域对当前图像进行校正处理。
在本申请的一个实施例中,第二确定模块420,具体用于:将所述当前图像输入到预设的深度人体语义分割模型中,对所述当前图像中的实体进行分类,对识别到的人体姿态像素位置标记为人体元素符号。
在本申请的一个实施例中,处理模块430,具体用于:查询每个所述人脸框区域是否包含所述人体元素符号;若获知所述人脸框区域中包含所述人体元素符号,则将所述人体元素符号在所述人脸框区域中的像素位置标记为所述人脸标准区域,以根据所述人脸标准区域对当前图像进行校正处理。
在本申请的一个实施例中,第二确定模块420,具体用于:将所述当前图像输入到预设的深度人体实例分割模型中,对所述当前图像中的非人体区域的像素位置标记为零值,以及对不同人的人体区域的像素位置标记为不同的非零值。
在本申请的一个实施例中,处理模块430,具体用于:查询每个所述人脸框区域包含的全部像素位置标记值;若获知所述人脸框区域中仅包含同一种非零值的像素位置标记值,则将所述同一种非零值的像素位置标记值在所述人脸框区域中的位置标记为所述人脸标准区域。
在本申请的一个实施例中,处理模块430,具体用于:查询每个所述人脸框区域包含的全部像素位置标记值;若获知所述人脸框区域中包含多种非零值的像素位置标记值,则计算每一种相同的非零值的像素位置标记值的数量;比较每一种非零值的像素位置标记值的数量,确定数量最多的目标非零值的像素位置标记值;将所述目标非零值的像素位置标记值在所述人脸框区域中的位置标记为所述人脸标准区域。
在本申请的一个实施例中,处理模块430,具体用于:在所述查询每个所述人脸框区域包含的全部像素位置标记值之后,若获知所述人脸框区域中包含的都是零值的像素位置标记值,则删除所述人脸框区域。
需要说明的是,前述对人脸区域获取方法的说明,也适用于本申请实施例的人脸区域获取装置,其实现原理类似,在此不再赘述。
综上,本申请实施例的人脸区域获取装置,对当前图像进行人脸检测确定各人脸框区域;对当前图像进行人体分割检测确定各人体区域;根据各人脸框区域和各人体区域,在各人脸框区域中标定人脸标准区域,以根据人脸标准区域对当前图像进行校正处理,解决了现有技术中获取的人脸区域不够精确,从而影响图像处理效果的技术问题,实现了通过根据各人脸框区域和各人体区域在各人脸框区域中标定人脸标准区域,以根据人脸标准区域对当前图像进行校正处理,提高人脸区域的精确性,从而保证图像处理效果。
为了实现上述实施例,本申请还提出了一种终端设备,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时,实现如前述实施例所描述的人脸区域获取方法。
为了实现上述实施例,本申请还提出了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如前述实施例所描述的人脸区域获取方法。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本申请的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本申请的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如,如果用硬件来实现和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,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模块中,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。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本申请的限制,本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种人脸区域获取方法,其特征在于,包括以下步骤:
对当前图像进行人脸检测确定各人脸框区域;
对当前图像进行人体分割检测确定各人体区域;
根据所述各人脸框区域和所述各人体区域,获取所述各人体区域位于所述各人脸框区域的部分区域,并在所述各人脸框区域中将所述部分区域标定为人脸标准区域以根据所述人脸标准区域对所述当前图像进行校正处理。
2.如权利要求1所述的方法,其特征在于,所述对当前图像进行人体分割检测确定各人体区域,包括:
将所述当前图像输入到预设的深度人体语义分割模型中,对所述当前图像中的实体进行分类,对识别到的人体姿态像素位置标记为人体元素符号。
3.如权利要求2所述的方法,其特征在于,所述根据所述各人脸框区域和所述各人体区域,在所述各人脸框区域中标定人脸标准区域,包括:
查询每个所述人脸框区域是否包含所述人体元素符号;
若获知所述人脸框区域中包含所述人体元素符号,则将所述人体元素符号在所述人脸框区域中的像素位置标记为所述人脸标准区域。
4.如权利要求1所述的方法,其特征在于,所述对当前图像进行人体分割检测确定各人体区域,包括:
将所述当前图像输入到预设的深度人体实例分割模型中,对所述当前图像中的非人体区域的像素位置标记为零值,以及对不同人的人体区域的像素位置标记为不同的非零值。
5.如权利要求4所述的方法,其特征在于,所述根据所述各人脸框区域和所述各人体区域,在所述各人脸框区域中标定人脸标准区域,包括:
查询每个所述人脸框区域包含的全部像素位置标记值;
若获知所述人脸框区域中仅包含同一种非零值的像素位置标记值,则将所述同一种非零值的像素位置标记值在所述人脸框区域中的位置标记为所述人脸标准区域。
6.如权利要求5所述的方法,其特征在于,在所述查询每个所述人脸框区域包含的全部像素位置标记值之后,还包括:
若获知所述人脸框区域中包含多种非零值的像素位置标记值,则计算每一种相同的非零值的像素位置标记值的数量;
比较每一种非零值的像素位置标记值的数量,确定数量最多的目标非零值的像素位置标记值;
将所述目标非零值的像素位置标记值在所述人脸框区域中的位置标记为所述人脸标准区域。
7.如权利要求5所述的方法,其特征在于,在所述查询每个所述人脸框区域包含的全部像素位置标记值之后,还包括:
若获知所述人脸框区域中包含的都是零值的像素位置标记值,则删除所述人脸框区域。
8.一种人脸区域获取装置,其特征在于,所述装置包括:
第一确定模块,用于对当前图像进行人脸检测确定各人脸框区域;
第二确定模块,用于对当前图像进行人体分割检测确定各人体区域;
处理模块,用于根据所述各人脸框区域和所述各人体区域,获取所述各人体区域位于所述各人脸框区域的部分区域,并在所述各人脸框区域中将所述部分区域标定为人脸标准区域,以根据所述人脸标准区域对当前图像进行校正处理。
9.一种终端设备,其特征在于,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时,实现如权利要求1-7中任一所述的人脸区域获取方法。
10.一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,所述计算机程序被处理器执行时实现如权利要求1-7中任一所述的人脸区域获取方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911253774.4A CN111027474B (zh) | 2019-12-09 | 2019-12-09 | 人脸区域获取方法、装置、终端设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911253774.4A CN111027474B (zh) | 2019-12-09 | 2019-12-09 | 人脸区域获取方法、装置、终端设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111027474A CN111027474A (zh) | 2020-04-17 |
CN111027474B true CN111027474B (zh) | 2024-03-15 |
Family
ID=70205865
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911253774.4A Active CN111027474B (zh) | 2019-12-09 | 2019-12-09 | 人脸区域获取方法、装置、终端设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111027474B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112381740B (zh) * | 2020-11-24 | 2024-02-06 | 维沃移动通信有限公司 | 图像处理方法、装置和电子设备 |
CN113421275A (zh) * | 2021-05-13 | 2021-09-21 | 影石创新科技股份有限公司 | 图像处理方法、装置、计算机设备和存储介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004075111A2 (de) * | 2003-02-19 | 2004-09-02 | Siemens Aktiengesellschaft | Gerät und verfahren zur entzerrung eines weitwinklig aufgenommenen bildes |
CN104616006A (zh) * | 2015-03-11 | 2015-05-13 | 湖南智慧平安科技有限公司 | 一种面向监控视频的胡须人脸检测方法 |
CN105844235A (zh) * | 2016-03-22 | 2016-08-10 | 南京工程学院 | 基于视觉显著性的复杂环境人脸检测方法 |
CN106845432A (zh) * | 2017-02-07 | 2017-06-13 | 深圳市深网视界科技有限公司 | 一种人脸与人体共同检测的方法和设备 |
CN107451965A (zh) * | 2017-07-24 | 2017-12-08 | 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 |
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 |
CN108416265A (zh) * | 2018-01-30 | 2018-08-17 | 深圳大学 | 一种人脸检测方法、装置、设备及存储介质 |
CN109034017A (zh) * | 2018-07-12 | 2018-12-18 | 北京华捷艾米科技有限公司 | 头部姿态估计方法及机器可读存储介质 |
CN109508678A (zh) * | 2018-11-16 | 2019-03-22 | 广州市百果园信息技术有限公司 | 人脸检测模型的训练方法、人脸关键点的检测方法和装置 |
CN109670429A (zh) * | 2018-12-10 | 2019-04-23 | 广东技术师范学院 | 一种基于实例分割的监控视频多目标人脸检测方法及系统 |
CN110414428A (zh) * | 2019-07-26 | 2019-11-05 | 厦门美图之家科技有限公司 | 一种生成人脸属性信息识别模型的方法 |
CN110472605A (zh) * | 2019-08-21 | 2019-11-19 | 广州纳丽生物科技有限公司 | 一种基于深度学习人脸分区的皮肤问题诊断方法 |
-
2019
- 2019-12-09 CN CN201911253774.4A patent/CN111027474B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004075111A2 (de) * | 2003-02-19 | 2004-09-02 | Siemens Aktiengesellschaft | Gerät und verfahren zur entzerrung eines weitwinklig aufgenommenen bildes |
CN104616006A (zh) * | 2015-03-11 | 2015-05-13 | 湖南智慧平安科技有限公司 | 一种面向监控视频的胡须人脸检测方法 |
CN105844235A (zh) * | 2016-03-22 | 2016-08-10 | 南京工程学院 | 基于视觉显著性的复杂环境人脸检测方法 |
CN106845432A (zh) * | 2017-02-07 | 2017-06-13 | 深圳市深网视界科技有限公司 | 一种人脸与人体共同检测的方法和设备 |
CN107451965A (zh) * | 2017-07-24 | 2017-12-08 | 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 |
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 |
CN108416265A (zh) * | 2018-01-30 | 2018-08-17 | 深圳大学 | 一种人脸检测方法、装置、设备及存储介质 |
CN109034017A (zh) * | 2018-07-12 | 2018-12-18 | 北京华捷艾米科技有限公司 | 头部姿态估计方法及机器可读存储介质 |
CN109508678A (zh) * | 2018-11-16 | 2019-03-22 | 广州市百果园信息技术有限公司 | 人脸检测模型的训练方法、人脸关键点的检测方法和装置 |
CN109670429A (zh) * | 2018-12-10 | 2019-04-23 | 广东技术师范学院 | 一种基于实例分割的监控视频多目标人脸检测方法及系统 |
CN110414428A (zh) * | 2019-07-26 | 2019-11-05 | 厦门美图之家科技有限公司 | 一种生成人脸属性信息识别模型的方法 |
CN110472605A (zh) * | 2019-08-21 | 2019-11-19 | 广州纳丽生物科技有限公司 | 一种基于深度学习人脸分区的皮肤问题诊断方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111027474A (zh) | 2020-04-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108388896B (zh) | 一种基于动态时序卷积神经网络的车牌识别方法 | |
CN108229475B (zh) | 车辆跟踪方法、系统、计算机设备及可读存储介质 | |
CN111028169B (zh) | 图像校正方法、装置、终端设备和存储介质 | |
CN109300104B (zh) | 角点检测方法、装置 | |
CN111027474B (zh) | 人脸区域获取方法、装置、终端设备和存储介质 | |
CN106373128B (zh) | 一种嘴唇精确定位的方法和系统 | |
CN103106409A (zh) | 一种针对头肩检测的混合特征提取方法 | |
CN116824516B (zh) | 一种涉路施工安全监测及管理系统 | |
CN111091507A (zh) | 图像处理方法、装置、电子设备以及存储介质 | |
CN112614184A (zh) | 基于2d检测的物体6d姿态估计方法、装置及计算机设备 | |
CN111932545A (zh) | 图像处理方法、目标计数方法及其相关装置 | |
CN117197771B (zh) | 基于双目立体匹配的智能驾驶辅助图像处理方法 | |
CN111105427A (zh) | 一种基于连通区域分析的肺部图像分割方法及系统 | |
CN112560856B (zh) | 车牌检测识别方法、装置、设备及存储介质 | |
CN110210425B (zh) | 人脸识别方法、装置、电子设备及存储介质 | |
CN112033419A (zh) | 用于港口自动驾驶车道线检测的方法、电子设备及介质 | |
CN115984178A (zh) | 伪造图像检测方法、电子设备和计算机可读存储介质 | |
KR101910256B1 (ko) | 카메라 기반 도로 곡률 추정을 위한 차선 검출 방법 및 시스템 | |
CN111753723B (zh) | 一种基于密度校准的指纹识别方法及装置 | |
EP3076370B1 (en) | Method and system for selecting optimum values for parameter set for disparity calculation | |
CN112258534B (zh) | 一种超声图像中小脑蚓部的定位及分割方法 | |
CN111275045B (zh) | 图像的主体识别方法、装置、电子设备和介质 | |
CN111428537B (zh) | 一种道路导流带边缘提取方法、装置和设备 | |
CN111080545B (zh) | 人脸畸变校正方法、装置、终端设备和存储介质 | |
CN108573230B (zh) | 人脸跟踪方法和人脸跟踪装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |