CN111080544A - 基于图像的人脸畸变校正方法、装置及电子设备 - Google Patents

Abstract

本申请提出一种基于图像的人脸畸变校正方法、装置及电子设备，该方法包括检测输入图像中人脸图像的初始图像数据；确定人脸图像基于球极平面投影的新图像数据；根据新图像数据和初始图像数据确定是否需要对输入图像进行人脸畸变校正。通过本申请能够使得人脸畸变校正时机的确定具有自适应性，有效避免后续人脸畸变校正效果的异常。

Description

基于图像的人脸畸变校正方法、装置及电子设备

技术领域

本申请涉及电子设备技术领域，尤其涉及一种基于图像的人脸畸变校正方法、装置及电子设备。

背景技术

随着电子设备的普及，电子设备上的摄像机可以是广角相机，采用广角相机拍照可以获得视场范围更大的图像，但是由于广角相机的特性会造成越接近图像边缘的区域存在越严重的畸变，当图像中存在人像且处于图像边缘，会使人像产生较大畸变，即呈现在图像中的是非真实的人像，由此，通常会采用人脸畸变校正方法对非真实的人像进行畸变校正。

相关技术中，在进行人脸畸变校正的处理逻辑时，通常是在确定了图像中存在人脸图像时即触发执行相应的处理逻辑。

这种方式下，人脸畸变校正的处理逻辑不具有自适应性，可能会导致人脸畸变校正效果的异常。

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。

为此，本申请在于提出一种基于图像的人脸畸变校正方法、装置及电子设备，能够使得人脸畸变校正时机的确定具有自适应性，有效避免后续人脸畸变校正效果的异常。

本申请第一方面实施例提出的基于图像的人脸畸变校正方法，包括：检测输入图像中人脸图像的初始图像数据；确定所述人脸图像基于球极平面投影的新图像数据；根据所述新图像数据和所述初始图像数据确定是否需要对所述输入图像进行人脸畸变校正。

本申请第一方面实施例提出的基于图像的人脸畸变校正方法，通过检测输入图像中人脸图像的初始图像数据，并确定人脸图像基于球极平面投影的新图像数据，以及根据新图像数据和初始图像数据确定是否需要对输入图像进行人脸畸变校正，能够使得人脸畸变校正时机的确定具有自适应性，有效避免后续人脸畸变校正效果的异常。

本申请第二方面实施例提出的基于图像的人脸畸变校正装置，包括：检测模块，用于检测输入图像中人脸图像的初始图像数据；第一确定模块，用于确定所述人脸图像基于球极平面投影的新图像数据；第二确定模块，用于根据所述新图像数据和所述初始图像数据确定是否需要对所述输入图像进行人脸畸变校正。

本申请第二方面实施例提出的基于图像的人脸畸变校正装置，通过检测输入图像中人脸图像的初始图像数据，并确定人脸图像基于球极平面投影的新图像数据，以及根据新图像数据和初始图像数据确定是否需要对输入图像进行人脸畸变校正，能够使得人脸畸变校正时机的确定具有自适应性，有效避免后续人脸畸变校正效果的异常。

本申请第三方面实施例提出的计算机可读存储介质，该程序被处理器执行时，使得终端能够执行一种基于图像的人脸畸变校正方法，所述方法包括：本申请第一方面实施例提出的基于图像的人脸畸变校正方法。

本申请第三方面实施例提出的计算机可读存储介质，通过检测输入图像中人脸图像的初始图像数据，并确定人脸图像基于球极平面投影的新图像数据，以及根据新图像数据和初始图像数据确定是否需要对输入图像进行人脸畸变校正，能够使得人脸畸变校正时机的确定具有自适应性，有效避免后续人脸畸变校正效果的异常。

本申请第四方面实施例提出的电子设备，包括处理器、存储器、电路板和电源电路，其中所述处理器和所述存储器设置在所述电路板上；所述电源电路，用于为所述电子设备的各个电路或器件供电；所述存储器用于存储可执行程序代码；所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序，以用于执行本申请第一方面实施例提出的基于图像的人脸畸变校正方法。

本申请第四方面实施例提出的电子设备，通过检测输入图像中人脸图像的初始图像数据，并确定人脸图像基于球极平面投影的新图像数据，以及根据新图像数据和初始图像数据确定是否需要对输入图像进行人脸畸变校正，能够使得人脸畸变校正时机的确定具有自适应性，有效避免后续人脸畸变校正效果的异常。

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是本申请一实施例提出的基于图像的人脸畸变校正方法的流程示意图；

图2为本申请实施例中人脸图像示意图；

图3是本申请另一实施例提出的基于图像的人脸畸变校正方法的流程示意图；

图4是本申请另一实施例提出的基于图像的人脸畸变校正方法的流程示意图；

图5是本申请一实施例提出的基于图像的人脸畸变校正装置的结构示意图；

图6是本申请另一实施例提出的基于图像的人脸畸变校正装置的结构示意图；

图7是本申请一实施例提出的电子设备的结构示意图。

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，仅用于解释本申请，而不能理解为对本申请的限制。相反，本申请的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。

为了解决相关技术中人脸畸变校正的处理逻辑不具有自适应性，可能会导致人脸畸变校正效果的异常的技术问题，本申请实施例中提供一种基于图像的人脸畸变校正方法，通过检测输入图像中人脸图像的初始图像数据，并确定人脸图像基于球极平面投影的新图像数据，以及根据新图像数据和初始图像数据确定是否需要对输入图像进行人脸畸变校正，能够使得人脸畸变校正时机的确定具有自适应性，有效避免后续人脸畸变校正效果的异常。

图1是本申请一实施例提出的基于图像的人脸畸变校正方法的流程示意图。

本实施例以该基于图像的人脸畸变校正方法被配置为基于图像的人脸畸变校正装置中来举例说明。

本实施例中基于图像的人脸畸变校正方法可以被配置在基于图像的人脸畸变校正装置中，基于图像的人脸畸变校正装置可以设置在服务器中，或者也可以设置在电子设备中，本申请实施例对此不作限制。

本实施例以基于图像的人脸畸变校正方法被配置在电子设备中为例。

其中，电子设备例如智能手机、平板电脑、个人数字助理、电子书等具有各种操作系统的硬件设备。

需要说明的是，本申请实施例的执行主体，在硬件上可以例如为电子设备中的中央处理器(Central Processing Unit，CPU)，在软件上可以例如为电子设备中的图像处理相关的服务，对此不作限制。

参见图1，该方法包括：

S101：检测输入图像中人脸图像的初始图像数据。

其中，输入图像为当前待确定人脸畸变校正时机的图像。

其中，输入图像中人脸区域对应的部分图像，可以被称为人脸图像。

参见图2，图2为本申请实施例中人脸图像示意图，其中的整体的图像即为输入图像，其中人像中人脸占据的区域图像即为人脸图像。

其中，初始图像数据用于描述人脸图像相关的特征，初始图像数据例如为人脸图像中所包含的像素个数，亮度值等，对此不作限制。

在具体执行的过程中，可以采用相关技术中的人工智能图像检测算法，检测输入图像中人脸图像的初始图像数据，对此不作限制。

本申请实施例中，初始图像数据可以具体是人脸图像中人脸框的各图像边对应的数据，例如，人脸框的各图像边的长度值、角度、或者，也可以为人脸框在初始坐标系下对应的坐标，初始坐标系可以为二维平面坐标。

S102：确定人脸图像基于球极平面投影的新图像数据。

其中，球极平面投影(射影)是一种将一个圆球面射影至一个平面的映射。

本申请实施例中在检测输入图像中人脸图像的初始图像数据后，确定人脸图像基于球极平面投影的新图像数据，即可以是确定人脸图像中人脸框基于球极平面投影下的新的坐标，并将该新的坐标作为新图像数据，也可以是确定人脸框的各图像边基于球极平面投影下的新的长度值、角度等作为新图像数据，对此不作限制。

上述确定的初始图像数据和新图像数据被用于后续确定进行人脸畸变校正的时机，具体参见下述实施例。

S103：根据新图像数据和初始图像数据确定是否需要对输入图像进行人脸畸变校正。

本申请实施例中，可以是确定新图像数据所描述人脸图像的各图像边，和初始图像数据所描述的对应图像边之间的参数变化信息，并根据参数变化信息确定是否需要对输入图像进行人脸畸变校正，由此实现根据人脸图像变换前后的形状变化来判断是否需要进行人脸畸变校正，为后续进行人脸畸变校正提供了有效的校正策略，有效地保障了后续人脸畸变校正的效果。

其中的参数变化信息，用于描述新图像数据中人脸图像的各图像边，和初始图像数据中人脸图像的对应图像边之间的形状变化情况。

本实施例中，通过检测输入图像中人脸图像的初始图像数据，并确定人脸图像基于球极平面投影的新图像数据，以及根据新图像数据和初始图像数据确定是否需要对输入图像进行人脸畸变校正，能够使得人脸畸变校正时机的确定具有自适应性，有效避免后续人脸畸变校正效果的异常。

图3是本申请另一实施例提出的基于图像的人脸畸变校正方法的流程示意图。

参见图3，该方法包括：

S301：检测输入图像中人脸图像的初始图像数据。

S302：确定人脸图像基于球极平面投影的新图像数据。

S301-S302的描述可以参见上述实施例，在此不再赘述。

S303：确定新图像数据所描述人脸图像的各图像边，和初始图像数据所描述的对应图像边之间的长度变化信息和角度变化信息。

其中，长度变化信息，为新图像数据所描述人脸图像的各图像边，和初始图像数据所描述的对应图像边之间的长度比例值；角度变化信息，为新图像数据所描述人脸图像的各图像边，和初始图像数据所描述的对应图像边之间的角度差绝对值。

当然，长度变化信息也可以为其它任意能够描述长度变化情况的信息，角度变化信息也可以为其它任意能够描述角度变化情况的信息，长度变化信息也可以为长度差值，角度变化信息也可以为角度比例值，对此不作限制。

本实施例中由于是采用长度比例值和角度差绝对值作为参数变化信息，实现简便，并不占用过多的运算资源消耗，有效地保障了运算处理效率。

S304：判断长度变化信息是否满足第一设定条件。

S305：当长度变化信息满足第一设定条件时，判断角度变化信息是否满足第二设定条件。

S306：当角度变化信息满足第二设定条件时，确定需要对输入图像进行人脸畸变校正。

上述的第一设定条件和第二设定条件不相同，第一设定条件和第二设定条件可以是在人脸畸变校正的过程中动态确定的，或者也可以是预先设定的，第一设定条件和第二设定条件可以是由用户根据实际的人脸畸变校正需求进行设定，或者，也可以是由电子设备的出厂程序预先设定，对此不作限制。

作为一种示例，在执行上述S304-S306的步骤时，可以具体包括以下细化的步骤：

可选地，当多个长度比例值均大于第一阈值，或者，均小于第一阈值时，确定不需要对输入图像进行人脸畸变校正；当部分长度比例值小于第一阈值，而剩余长度比例值大于第一阈值时，则确定长度变化信息满足第一设定条件，部分长度比例值和剩余长度比例值共同组成多个长度比例值。

其中，第一阈值例如为1。

可选地，当至少两个的长度比例值均大于第二阈值，或者，当至少两个的长度比例值均小于第三阈值时，确定需要对输入图像进行人脸畸变校正；当至多一个的长度比例值大于第二阈值，或者，当至多一个的长度比例值小于第三阈值时，确定长度变化信息满足第一设定条件；第二阈值大于第三阈值。

其中，第二阈值例如为1.1，第三阈值例如为0.9。

可选地，当多个角度差绝对值均小于第四阈值时，确定不需要对输入图像进行人脸畸变校正；当部分角度差绝对值大于第四阈值时，而剩余角度差绝对值小于第四阈值时，则确定角度变化信息满足第二设定条件，部分角度差绝对值和剩余角度差绝对值共同组成多个角度差绝对值。

其中，第四阈值例如为1°。

可选地，当至少两个的角度差绝对值大于第五阈值时，确定需要对输入图像进行人脸畸变校正；当至多一个的角度差绝对值大于第五阈值时，确定角度变化信息满足第二设定条件。

其中，第五阈值为2°。

通过上述步骤，在确定是否需要对输入图像进行人脸畸变校正时，能够实现灵活地根据参数变化信息的情况，确定进行人脸畸变校正的时机，实现高度地自适应，实现人脸畸变校正时机的精细化确认。

本实施例中，通过检测输入图像中人脸图像的初始图像数据，并确定人脸图像基于球极平面投影的新图像数据，以及根据新图像数据和初始图像数据确定是否需要对输入图像进行人脸畸变校正，能够使得人脸畸变校正时机的确定具有自适应性，有效避免后续人脸畸变校正效果的异常。由于是采用长度比例值和角度差绝对值作为参数变化信息，实现简便，并不占用过多的运算资源消耗，有效地保障了运算处理效率。在确定是否需要对输入图像进行人脸畸变校正时，能够实现灵活地根据参数变化信息的情况，确定进行人脸畸变校正的时机，实现高度地自适应，实现人脸畸变校正时机的精细化确认。

为了有效提升人脸畸变校正的效果，优化人脸畸变校正的处理逻辑，本申请实施例还提供一种基于图像的人脸畸变校正方法，具体参见下述实施例。

图4是本申请另一实施例提出的基于图像的人脸畸变校正方法的流程示意图。

参见图4，该方法包括：

S401：采用第一分辨率的网格描述人脸图像，得到目标网格。

本申请实施例为了获取较好的人脸畸变校正效果，还可以在采用第一分辨率的网格描述人脸图像，得到目标网格之前，根据新图像数据和初始图像数据计算人脸尺度，人脸尺度被用于人脸畸变校正。

其中，人脸尺度可以用于描述人脸图像的一些特征信息，在人脸畸变校正处理逻辑中的参考权重，当根据新图像数据和初始图像数据计算人脸尺度时，人脸尺度可以用于描述新图像数据和初始图像数据之间的参数变化信息，在人脸畸变校正处理逻辑中的参考权重，具体例如，人脸尺度用于描述长度变化信息和/或角度变化信息在人脸畸变校正处理逻辑中的参考权重，对此不作限制。

由此，在上述确定了人脸尺度后，可以采用第一分辨率的网格，并参考所确定的人脸尺度描述人脸图像，得到目标网格。

通过上述根据新图像数据和初始图像数据计算人脸尺度，人脸尺度被用于人脸畸变校正，采用第一分辨率的网格，并参考所确定的人脸尺度描述人脸图像，得到目标网格，能够结合新图像数据和初始图像数据之间的情况计算人脸尺度，实现自适应的确定人脸尺度，有效提升人脸尺度的参考合理性，提升参考价值，由此，使得参考了人脸尺度的人脸畸变校正处理逻辑效果更佳。

在具体执行的过程中，上述的第一分辨率的网格可以具体是低分辨率的网格，通过在初始处理的阶段，采用低分辨率的网格描述人脸图像，得到目标网格，能够不占用过多的运算资源消耗，并且执行对目标网格进行优化处理的步骤，能够在保障畸变校正效果的同时，有效提升方法处理的效率。

S402：对目标网格进行优化处理。

可选地，可以采用透视投影和球极平面投影对目标网格进行优化处理。

当然，也可以采用其它任意可能的投影方式，对目标网格进行优化处理，对此不作限制。

S403：采用优化处理后的目标网格对输入图像进行插值处理，从而进行人脸畸变校正。

在具体执行的过程中，由于上述进行优化的目标网格，为采用第一分辨率的网格，并参考了所确定的人脸尺度描述人脸图像得到的网格，并对该目标网格进行了相应的优化，因此，可以采用优化处理后的目标网格对输入图像进行插值处理，从而进行人脸畸变校正，实现简便，通过对畸变校正逻辑进行了局部的优化，即可较好地提升畸变校正效果，使得方法更为适用，提升用户使用体验度。

本实施例中，通过采用第一分辨率的网格描述人脸图像，得到目标网格，并对目标网格进行优化处理，以及采用优化处理后的目标网格对输入图像进行插值处理，从而进行人脸畸变校正，由于是直接对描述了人脸图像的目标网格进行了优化处理，由此，能够不占用过多的运算资源消耗，并且执行对目标网格进行优化处理的步骤，能够在保障畸变校正效果的同时，有效提升方法处理的效率，由此优化人脸畸变校正的处理逻辑。

图5是本申请一实施例提出的基于图像的人脸畸变校正装置的结构示意图。

参见图5，该装置500包括：

检测模块501，用于检测输入图像中人脸图像的初始图像数据；

第一确定模块502，用于确定人脸图像基于球极平面投影的新图像数据；

第二确定模块503，用于根据新图像数据和初始图像数据确定是否需要对输入图像进行人脸畸变校正。

可选地，一些实施例中，参见图6，第二确定模块503，包括：

第一确定子模块5031，用于确定新图像数据所描述人脸图像的各图像边，和初始图像数据所描述的对应图像边之间的参数变化信息；

第二确定子模块5032，用于根据参数变化信息确定是否需要对输入图像进行人脸畸变校正。

可选地，一些实施例中，参数变化信息为长度变化信息和角度变化信息，第二确定子模块5032，具体用于：

判断长度变化信息是否满足第一设定条件；

当长度变化信息满足第一设定条件时，判断角度变化信息是否满足第二设定条件；

当角度变化信息满足第二设定条件时，确定需要对输入图像进行人脸畸变校正。

可选地，一些实施例中，长度变化信息，为新图像数据所描述人脸图像的各图像边，和初始图像数据所描述的对应图像边之间的长度比例值；角度变化信息，为新图像数据所描述人脸图像的各图像边，和初始图像数据所描述的对应图像边之间的角度差绝对值。

可选地，一些实施例中，其中，第二确定子模块5032，具体用于：

当多个长度比例值均大于第一阈值，或者，均小于第一阈值时，确定不需要对输入图像进行人脸畸变校正；

当部分长度比例值小于第一阈值，而剩余长度比例值大于第一阈值时，则确定长度变化信息满足第一设定条件，部分长度比例值和剩余长度比例值共同组成多个长度比例值。

可选地，一些实施例中，其中，第二确定子模块5032，具体用于：

当至少两个的长度比例值均大于第二阈值，或者，当至少两个的长度比例值均小于第三阈值时，确定需要对输入图像进行人脸畸变校正；当至多一个的长度比例值大于第二阈值，或者，当至多一个的长度比例值小于第三阈值时，确定长度变化信息满足第一设定条件；第二阈值大于第三阈值。

可选地，一些实施例中，其中，第二确定子模块5032，具体用于：

当多个角度差绝对值均小于第四阈值时，确定不需要对输入图像进行人脸畸变校正；

当部分角度差绝对值大于第四阈值时，而剩余角度差绝对值小于第四阈值时，则确定角度变化信息满足第二设定条件，部分角度差绝对值和剩余角度差绝对值共同组成多个角度差绝对值。

可选地，一些实施例中，其中，第二确定子模块5032，具体用于：

当至少两个的角度差绝对值大于第五阈值时，确定需要对输入图像进行人脸畸变校正；

当至多一个的角度差绝对值大于第五阈值时，确定角度变化信息满足第二设定条件。

可选地，一些实施例中，参见图6，该装置500还包括：

网格获取模块504，用于采用第一分辨率的网格描述人脸图像，得到目标网格；

网格优化模块505，用于对目标网格进行优化处理；

插值处理模块506，用于采用优化处理后的目标网格对输入图像进行插值处理，从而进行人脸畸变校正。

可选地，一些实施例中，网格优化模块505，具体用于：

采用透视投影和球极平面投影对目标网格进行优化处理。

可选地，一些实施例中，参见图6，还包括：

计算模块507，用于根据新图像数据和初始图像数据计算人脸尺度，人脸尺度被用于人脸畸变校正。

可选地，一些实施例中，网格获取模块504，具体用于：

采用第一分辨率的网格，并参考所确定的人脸尺度描述人脸图像，得到目标网格。

需要说明的是，前述图1-图4实施例中对基于图像的人脸畸变校正方法的实施例的解释说明也适用于该实施例的基于图像的人脸畸变校正装置500，其实现原理类似，对此不在赘述。

本实施例中，通过检测输入图像中人脸图像的初始图像数据，并确定人脸图像基于球极平面投影的新图像数据，以及根据新图像数据和初始图像数据确定是否需要对输入图像进行人脸畸变校正，能够使得人脸畸变校正时机的确定具有自适应性，有效避免后续人脸畸变校正效果的异常。

图7是本申请一实施例提出的电子设备的结构示意图。

参见图7，本实施例的电子设备70包括：壳体701、处理器702、存储器703、电路板704、电源电路705，电路板704安置在壳体701围成的空间内部，处理器702、存储器703设置在电路板704上；电源电路705，用于为电子设备70各个电路或器件供电；存储器703用于存储可执行程序代码；其中，处理器702通过读取存储器703中存储的可执行程序代码来运行与可执行程序代码对应的程序，以用于执行：

检测输入图像中人脸图像的初始图像数据；

确定人脸图像基于球极平面投影的新图像数据；

根据新图像数据和初始图像数据确定是否需要对输入图像进行人脸畸变校正。

需要说明的是，前述图1-图4实施例中对基于图像的人脸畸变校正方法实施例的解释说明也适用于该实施例的电子设备70，其实现原理类似，对此不在赘述。

本实施例中，通过检测输入图像中人脸图像的初始图像数据，并确定人脸图像基于球极平面投影的新图像数据，以及根据新图像数据和初始图像数据确定是否需要对输入图像进行人脸畸变校正，能够使得人脸畸变校正时机的确定具有自适应性，有效避免后续人脸畸变校正效果的异常。

为实现上述实施例，本申请实施例提出了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现前述方法实施例的基于图像的人脸畸变校正方法。

需要说明的是，在本申请的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本申请的描述中，除非另有说明，“多个”的含义是两个或两个以上。

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特定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。

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。例如，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。

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一定指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何的一个或多个实施例或示例中以合适的方式结合。

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 (15)

1.一种基于图像的人脸畸变校正方法，其特征在于，所述方法包括：

检测输入图像中人脸图像的初始图像数据；

确定所述人脸图像基于球极平面投影的新图像数据；

根据所述新图像数据和所述初始图像数据确定是否需要对所述输入图像进行人脸畸变校正。

2.如权利要求1所述的基于图像的人脸畸变校正方法，其特征在于，所述根据所述新图像数据和所述初始图像数据确定是否需要对所述输入图像进行人脸畸变校正，包括：

确定所述新图像数据所描述人脸图像的各图像边，和所述初始图像数据所描述的对应图像边之间的参数变化信息；

根据所述参数变化信息确定是否需要对所述输入图像进行人脸畸变校正。

3.如权利要求2所述的基于图像的人脸畸变校正方法，其特征在于，所述参数变化信息为长度变化信息和角度变化信息，所述根据所述参数变化信息确定是否需要对所述输入图像进行人脸畸变校正，包括：

判断所述长度变化信息是否满足第一设定条件；

当所述长度变化信息满足所述第一设定条件时，判断所述角度变化信息是否满足第二设定条件；

当所述角度变化信息满足所述第二设定条件时，确定需要对所述输入图像进行人脸畸变校正。

4.如权利要求3所述的基于图像的人脸畸变校正方法，其特征在于，所述长度变化信息，为所述新图像数据所描述人脸图像的各图像边，和所述初始图像数据所描述的对应图像边之间的长度比例值；所述角度变化信息，为所述新图像数据所描述人脸图像的各图像边，和所述初始图像数据所描述的对应图像边之间的角度差绝对值。

5.如权利要求4所述的基于图像的人脸畸变校正方法，其特征在于，其中，

当多个长度比例值均大于第一阈值，或者，均小于所述第一阈值时，确定不需要对所述输入图像进行人脸畸变校正；

当部分长度比例值小于所述第一阈值，而剩余长度比例值大于所述第一阈值时，则确定所述长度变化信息满足所述第一设定条件，所述部分长度比例值和所述剩余长度比例值共同组成所述多个长度比例值。

6.如权利要求4所述的基于图像的人脸畸变校正方法，其特征在于，其中，

当至少两个的长度比例值均大于第二阈值，或者，当所述至少两个的长度比例值均小于第三阈值时，确定需要对所述输入图像进行人脸畸变校正；

当至多一个的长度比例值大于所述第二阈值，或者，当所述至多一个的长度比例值小于所述第三阈值时，确定所述长度变化信息满足所述第一设定条件；所述第二阈值大于所述第三阈值。

7.如权利要求4所述的基于图像的人脸畸变校正方法，其特征在于，其中，

当多个角度差绝对值均小于第四阈值时，确定不需要对所述输入图像进行人脸畸变校正；

当部分角度差绝对值大于第四阈值时，而剩余角度差绝对值小于所述第四阈值时，则确定所述角度变化信息满足所述第二设定条件，所述部分角度差绝对值和所述剩余角度差绝对值共同组成所述多个角度差绝对值。

8.如权利要求4所述的基于图像的人脸畸变校正方法，其特征在于，其中，

当至少两个的角度差绝对值大于第五阈值时，确定需要对所述输入图像进行人脸畸变校正；

当至多一个的角度差绝对值大于第五阈值时，确定所述角度变化信息满足所述第二设定条件。

9.如权利要求1所述的基于图像的人脸畸变校正方法，其特征在于，还包括：

采用第一分辨率的网格描述所述人脸图像，得到目标网格；

对所述目标网格进行优化处理；

采用优化处理后的目标网格对所述输入图像进行插值处理，从而进行所述人脸畸变校正。

10.如权利要求9所述的基于图像的人脸畸变校正方法，其特征在于，所述对所述目标网格进行优化处理，包括：

采用透视投影和所述球极平面投影对所述目标网格进行优化处理。

11.如权利要求9所述的基于图像的人脸畸变校正方法，其特征在于，所述采用第一分辨率的网格描述所述人脸图像，得到目标网格之前，还包括：

根据所述新图像数据和所述初始图像数据计算人脸尺度，所述人脸尺度被用于人脸畸变校正。

12.如权利要求9所述的基于图像的人脸畸变校正方法，其特征在于，所述采用第一分辨率的网格描述所述人脸图像，得到目标网格，包括：

采用第一分辨率的网格，并参考所确定的人脸尺度描述所述人脸图像，得到所述目标网格。

13.一种基于图像的人脸畸变校正装置，其特征在于，所述装置包括：

检测模块，用于检测输入图像中人脸图像的初始图像数据；

第一确定模块，用于确定所述人脸图像基于球极平面投影的新图像数据；

第二确定模块，用于根据所述新图像数据和所述初始图像数据确定是否需要对所述输入图像进行人脸畸变校正。

14.一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，该程序被处理器执行时实现如权利要求1-12中任一项所述的基于图像的人脸畸变校正方法。

15.一种电子设备，包括处理器、存储器、电路板和电源电路，其中所述处理器和所述存储器设置在所述电路板上；所述电源电路，用于为所述电子设备的各个电路或器件供电；所述存储器用于存储可执行程序代码；所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序，以用于执行：

检测输入图像中人脸图像的初始图像数据；

确定所述人脸图像基于球极平面投影的新图像数据；

根据所述新图像数据和所述初始图像数据确定是否需要对所述输入图像进行人脸畸变校正。

Images