CN111127313B - 人脸素描画转换方法及相关产品 - Google Patents

人脸素描画转换方法及相关产品 Download PDF

Info

Publication number
CN111127313B
CN111127313B CN201911423730.1A CN201911423730A CN111127313B CN 111127313 B CN111127313 B CN 111127313B CN 201911423730 A CN201911423730 A CN 201911423730A CN 111127313 B CN111127313 B CN 111127313B
Authority
CN
China
Prior art keywords
partition
sample
portrait
face
determining
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
Application number
CN201911423730.1A
Other languages
English (en)
Other versions
CN111127313A (zh
Inventor
程冰
邹博
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Intellifusion Technologies Co Ltd
Original Assignee
Shenzhen Intellifusion Technologies Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Intellifusion Technologies Co Ltd filed Critical Shenzhen Intellifusion Technologies Co Ltd
Priority to CN201911423730.1A priority Critical patent/CN111127313B/zh
Publication of CN111127313A publication Critical patent/CN111127313A/zh
Application granted granted Critical
Publication of CN111127313B publication Critical patent/CN111127313B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06T3/14—Transformations for image registration, e.g. adjusting or mapping for alignment of images
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • 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
    • 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)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本申请实施例公开了一种人脸素描画转换方法及相关产品，方法包括：电子设备获取待转换的人脸素描画，对人脸素描画进行扫描，确定多个画像分区，接着根据预设分类策略，对每个画像分区进行分类，获得第一画像分组和第二画像分组然后再根据所述第一画像分组和所述第二画像分组与样本数据库中的样本人脸照进行匹配，确定目标样本人脸照，所述目标样本人脸照为所述人脸素描画转换完成后的样本人脸照；有利于提高人脸素描画转换的高效性和便捷性，有利于获得高质量的人脸图像。

Description

人脸素描画转换方法及相关产品
技术领域
本申请涉及电子设备技术领域，具体涉及一种人脸素描画转换方法及相关产品。
背景技术
通过人脸素描转换人脸照片是执法和数字娱乐行业的一个重要应用，其目标是学习人脸素描图像与其相应的照片般逼真的图像之间的映射。在获取到素描画后，用素描画转换对应的照片人脸，但是，如何在素描画的脸部被部分遮挡时精准地转换对应的人脸照片是现如今需要解决的问题。
发明内容
本申请实施例提供了一种人脸素描画转换方法及相关产品，以期提高人脸素描画转换的高效性和便捷性。
第一方面，本申请实施例提供一种人脸素描画转换方法，其特征在于，应用于电子设备；所述方法包括：
获取待转换的人脸素描画；
对所述人脸素描画进行扫描，确定多个画像分区；
根据预设分类策略，对所述每个画像分区进行分类，获得第一画像分组和第二画像分组，其中，所述第一画像分组包括至少一个画像分区，所述第二画像分组包括至少一个画像分区；
根据所述第一画像分组和所述第二画像分组与样本数据库中的样本人脸照进行匹配，确定目标样本人脸照，所述目标样本人脸照为所述人脸素描画转换完成后的样本人脸照。
第二方面，本申请实施例提供一种人脸素描画转换装置，应用于电子设备；所述人脸素描画转换装置包括处理单元、通信单元和存储单元，其中，
所述处理单元，用于获取待转换的人脸素描画；以及用于对所述人脸素描画进行扫描，确定多个画像分区；以及用于根据预设分类策略，对所述每个画像分区进行分类，获得第一画像分组和第二画像分组，其中，所述第一画像分组包括至少一个画像分区，所述第二画像分组包括至少一个画像分区；以及用于根据所述第一画像分组和所述第二画像分组与样本数据库中的样本人脸照进行匹配，确定目标样本人脸照，所述目标样本人脸照为所述人脸素描画转换完成后的样本人脸照。
第三方面，本申请实施例提供一种电子设备，包括处理器、存储器、通信接口以及一个或多个程序，其中，上述一个或多个程序被存储在上述存储器中，并且被配置由上述处理器执行，上述程序包括用于执行本申请实施例第一方面任一方法中的步骤的指令。
第四方面，本申请实施例提供了一种计算机可读存储介质，其中，上述计算机可读存储介质存储用于电子数据交换的计算机程序，其中，上述计算机程序使得计算机执行如本申请实施例第二方面任一方法中所描述的部分或全部步骤。
第五方面，本申请实施例提供了一种计算机程序产品，其中，上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，上述计算机程序可操作来使计算机执行如本申请实施例第二方面任一方法中所描述的部分或全部步骤。该计算机程序产品可以为一个软件安装包。
可以看出，本申请实施例中，提供了一种人脸素描画转换方法及相关产品，应用于电子设备；所述方法包括：电子设备获取待转换的人脸素描画；对所述人脸素描画进行扫描，确定多个画像分区，接着根据预设分类策略，对所述每个画像分区进行分类，获得第一画像分组和第二画像分组，其中，所述第一画像分组包括至少一个画像分区，所述第二画像分组包括至少一个画像分区，然后再根据所述第一画像分组和所述第二画像分组与样本数据库中的样本人脸照进行匹配，确定目标样本人脸照，所述目标样本人脸照为所述人脸素描画转换完成后的样本人脸照；可见，根据不同类型的画像分区查找匹配的样本人脸照，在部分画像分区被遮挡的情况下，也可以快速实现人脸素描画到人脸图像的转换，有利于提高人脸素描画转换的高效性和便捷性，有利于获得高质量的人脸图像。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种人脸素描画转换方法的流程示意图；
图2是本申请实施例提供的另一种人脸素描画转换方法的流程示意图；
图3是本申请实施例提供的另一种人脸素描画转换方法的流程示意图；
图4是本申请实施例提供的一种电子设备的结构示意图；
图5是本申请实施例提供的一种人脸素描画转换装置的功能单元组成框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通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，都属于本申请保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
本申请实施例所涉及到的电子设备可以包括各种具有无线通信功能的手持设备、车载设备、可穿戴设备、计算设备或连接到无线调制解调器的其他处理设备，以及各种形式的用户设备（User Equipment，UE），移动台（Mobile Station，MS），终端设备（terminaldevice）等等。
下面对本申请实施例进行详细介绍。
请参阅图1，图1是本申请实施例提供了一种人脸素描画转换方法的流程示意图，应用于电子设备；所述方法包括：
S101，电子设备获取待转换的人脸素描画；
其中，所述人脸素描画包括人像区域和背景区域。
S102，所述电子设备对所述人脸素描画进行扫描，确定多个画像分区；
其中，所述确定多个画像分区包括获取样本数据库中的每张样本人脸照的样本分区数量；扫描所述人脸素描画后，确定所述人脸素描画的定位参考点；根据所述样本分区数量和所述定位参考点确定多个画像分区，每张人脸素描画中的画像分区数量与所述样本分区数量相同，所述每张人脸素描画中的画像分区与所述每张样本人脸照中的样本分区一一对应。
其中，所述画像分区包括清晰分区和模糊分区，所述清晰分区包括遮挡物面积小于预设面积阈值的人像部分分区，所述模糊分区包括遮挡物面积大于或等于预设面积阈值的人像部分分区。
S103，所述电子设备根据预设分类策略，对所述每个画像分区进行分类，获得第一画像分组和第二画像分组；
其中，所述第一画像分组包括至少一个画像分区，所述画像分区包括第一类型画像分区；
其中，所述第二画像分组包括至少一个画像分区，所述画像分区包括第一类型画像分区；
其中，所述第一类型画像分区包括清晰分区。
其中，所述第二类型画像分区包括模糊分区。
S104，所述电子设备根据所述第一画像分组和所述第二画像分组与样本数据库中的样本人脸照进行匹配，确定目标样本人脸照，所述目标样本人脸照为所述人脸素描画转换完成后的样本人脸照。
其中，所述样本数据库包括预先设置好的样本人脸数据库，所述样本数据库中存在多个样本人脸照。
可以看出，本申请实施例中，提供了一种人脸素描画转换方法及相关产品，应用于电子设备；所述方法包括：电子设备获取待转换的人脸素描画；对所述人脸素描画进行扫描，确定多个画像分区，接着根据预设分类策略，对所述每个画像分区进行分类，获得第一画像分组和第二画像分组，其中，所述第一画像分组包括至少一个画像分区，所述第二画像分组包括至少一个画像分区，然后再根据所述第一画像分组和所述第二画像分组与样本数据库中的样本人脸照进行匹配，确定目标样本人脸照，所述目标样本人脸照为所述人脸素描画转换完成后的样本人脸照；可见，根据不同类型的画像分区查找匹配的样本人脸照，在部分画像分区被遮挡的情况下，也可以快速实现人脸素描画到人脸图像的转换，有利于提高人脸素描画转换的高效性和便捷性，有利于获得高质量的人脸图像。
在一个可能的示例中，所述电子设备获取待转换的人脸素描画之前，方法还包括：电子设备采集多张样本人脸照，建立样本数据库；所述电子设备确定所述样本数据库中的每张样本人脸照的分区参考点；所述电子设备根据所述分区参考点，对所述每张样本人脸照进行样本分区处理，确定所述每张样本人脸照的多个样本分区。
其中，所述分区参考点包括以眼睛部位的定位点为分区参考点，对所述样本人脸照进行分区处理。
其中，所述对所述每张样本人脸照进行样本分区处理包括将所述样本人脸照分为多个样本分区，所述每张样本人脸照对应的样本分区数量相同。
具体实现中，电子设备采集多张样本人脸照Q1、Q2、Q3和Q4，建立样本数据库；所述电子设备确定所述多张样本人脸照中的每张样本人脸照的分区参考点I1、I2、I3和I4；分别以I1、I2、I3和I4进行定位，将Q1、Q2、Q3和Q4分别分为9个面积相等的样本分区。
可见，本示例中，电子设备采集多张样本人脸照，建立样本数据库。所述电子设备确定所述样本数据库中的每张样本人脸照的分区参考点，所述电子设备根据所述分区参考点，对所述每张样本人脸照进行样本分区处理，确定所述每张样本人脸照的多个样本分区；有利于规范样本分区处理流程，确定规格相同的样本分区，有利于提高人脸素描画转换的高效性和便捷性。
在一个可能的示例中，所述电子设备根据预设分类策略，对所述每个画像分区进行分类，获得第一画像分组和第二画像分组，包括：电子设备识别所述画像分区中的遮挡物面积；所述电子设备根据所述遮挡物面积，确定所述遮挡物面积小于预设面积阈值的画像分区为第一类型画像分区，所述第一类型画像分区组成的分组为第一画像分组；所述电子设备根据所述遮挡物面积，确定所述遮挡物面积大于或等于预设面积阈值的画像分区为为第二类型画像分区，所述第二类型画像分区组成的分组为第二画像分组。
其中，所述识别所述画像分区中的遮挡物面积包括根据画像色彩颜色分析，确定所述画像分区中的遮挡物，计算所述遮挡物的面积；和/或根据历史数据深度学习，分析所述画像分区中是否存在遮挡物，若存在，则确定所述遮挡物的面积。
具体实现中，电子设备获取到画像分区面积为10，识别所述画像分区中的遮挡物面积为3，所述电子设备根据所述遮挡物面积3，确定所述遮挡物面积3小于预设面积阈值7的画像分区为第一类型画像分区，该画像分区属于第一画像分组。
可见，本示例中，电子设备识别所述画像分区中的遮挡物面积，所述电子设备根据所述遮挡物面积，确定所述遮挡物面积小于预设面积阈值的画像分区为第一类型画像分区，所述第一类型画像分区组成的分组为第一画像分组，所述电子设备根据所述遮挡物面积，确定所述遮挡物面积大于或等于预设面积阈值的画像分区为为第二类型画像分区，所述第二类型画像分区组成的分组为第二画像分组；有利于根据遮挡物面积大小将画像分区划分为不同的类型，进而获得不同的画像分组，有利于优化人脸素描照转换时不同分区的匹配优先度，有利于提高人脸素描画转换的准确性。
在一个可能的示例中，所述电子设备根据所述第一画像分组和所述第二画像分组与样本数据库中的样本人脸照进行匹配，确定目标样本人脸照，包括：电子设备确定所述画像分区与所述样本数据库中的所述样本分区一一对应；所述电子设备将所述第一画像分组中的每个所述第一类型画像分区分别与所述样本数据库中对应的所述样本分区进行匹配，确定第一目标分区；所述电子设备根据所述第一目标分区，确定至少一个第一样本人脸照；所述电子设备将所述第二画像分组中的每个所述第二类型画像分区分别与所述第一样本人脸照中对应的所述样本分区进行匹配，确定第二目标分区；所述电子设备根据所述第二目标分区，确定所述第二目标分区对应的样本人脸照为所述人脸素描画转换后的目标样本人脸照。
其中，所述样本数据库包括多个样本人脸照。
其中，所述画像分区与所述样本数据库中的所述样本分区一一对应包括根据分区参考点、和/或所述画像分区与所述样本分区的相对位置，确定所述每张人脸素描画中的画像分区与所述每张样本人脸照中的样本分区一一对应。
其中，所述将所述第二画像分组中的每个所述第二类型画像分区分别与所述第一样本人脸照中对应的所述样本分区进行匹配，确定第二目标分区包括将所述第一样本人脸照中的所述第二样本分区与所述第二画像分区匹配程度高于第一预设匹配值的分区确定为第二目标分区。
其中，每个所述第一目标分区对应一张样本人脸照，每个所述第二目标分区对应一张样本人脸照。
具体实现中，电子设备根据预设策略确定样本数据库中的样本分区X1、X2、X3和X4；所述电子设备将每个所述第一类型画像分区分别与样本数据库中的X1、X2、X3和X4进行匹配，确定第一目标分区Z1、Z2；所述电子设备根据所述第一目标分区，确定第一样本人脸照M和N；所述电子设备将所述第一样本人脸照中的所述样本分区Y1、Y2、Y3和Y4与所述第二类型画像分区进行匹配，确定第二目标分区Z3；所述电子设备根据所述第二目标分区Z3，确定所述第二目标分区Y3对应的样本人脸照M为所述人脸素描画转换后的目标样本人脸照。
具体实现中，电子设备查询所述第一目标分区对应的多个样本人脸照T1、T2和T3，所述电子设备确定T1中包含第一目标分区U1、U2、U3和U4，T2中包含第一目标分区V1、V3和V4，T3中包含第一目标分区W3，即T1包含4个第一目标分区，T2包含3个目标分区,T2包含1个目标分区；所述电子设备根据所述第一数量信息，确定T1和T2为第一样本人脸照；将T1中的第一目标分区U1、U2、U3和U4与所述第二样本分区L1、L2、L3和L4进行匹配，确定U1和L1、U3和L3匹配成功，即T1包含2个第二样本分区，将T2中的第一目标分区V1、V3和V4与所述第二样本分区K1、K2、K3和K4进行匹配，确定V3和K3匹配成功，即T2包含1个第二样本分区，确定目标样本人脸照为T1。
可见，本示例中，电子设备确定所述画像分区与所述样本数据库中的所述样本分区一一对应；所述电子设备将所述第一画像分组中的每个所述第一类型画像分区分别与所述样本数据库中对应的所述样本分区进行匹配，确定第一目标分区；所述电子设备根据所述第一目标分区，确定至少一个第一样本人脸照；所述电子设备将所述第二画像分组中的每个所述第二类型画像分区分别与所述第一样本人脸照中对应的所述样本分区进行匹配，确定第二目标分区；所述电子设备根据所述第二目标分区，确定所述第二目标分区对应的样本人脸照为所述人脸素描画转换后的目标样本人脸照；有利于优先排除不符合第一类型画像分区的样本人脸照，再筛选与第二类型画像分区匹配的样本人脸照，从而有利于提高人脸素描画转换的准确性和便捷性。
在一个可能的示例中，所述电子设备将将所述第一画像分组中的每个所述第一类型画像分区分别与所述样本数据库中对应的所述样本分区进行匹配，确定第一目标分区，包括：电子设备将所述第一类型画像分区与对应的所述样本分区进行匹配，获取匹配结果；所述电子设备根据所述匹配结果，确定所述匹配结果中匹配程度大于第一预设匹配值的样本分区为第一目标分区。
其中，所述第一预设匹配值包括管理员预先设置的匹配值，或电子设备根据历史数据进行分析后得到的预设匹配值。
具体实现中，电子设备获取所述样本数据库中的样本分区Q1、Q2和Q3；所述电子设备将所述第一样本分区Q1、Q2、Q3与所述第一类型画像分区W1进行匹配，确定所述第一样本分区中与所述第一画像分区匹配程度大于第一预设匹配值的样本分区Q2为第一目标分区。
可见，本示例中，电子设备将所述第一类型画像分区与对应的所述样本分区进行匹配，获取匹配结果，所述电子设备根据所述匹配结果，确定所述匹配结果中匹配程度大于第一预设匹配值的样本分区为第一目标分区；有利于提高目标分区确定的高效性。
在一个可能的示例中，所述电子设备将所述第一类型画像分区与对应的所述样本分区进行匹配，获取匹配结果，包括：电子设备获取所述样本分区中的多个第一特征点；所述电子设备将所述第一特征点与所述第一类型画像分区中的特征点进行色彩颜色空间匹配，确定所述第一特征点与所述第一类型画像分区中的特征点之间的差异值；所述电子设备根据所述差异值确定所述样本分区中与所述第一类型画像分区的匹配程度。
其中，所述第一特征点包括像素点。
其中，所述差异值越大，所述匹配程度越低。
具体实现中，电子设备获取所述样本分区中的多个第一特征点E1、E2和E3，所述电子设备将所述第一特征点E1、E2和E3与所述第一类型画像分区中的特征点R1、R2和R3进行色彩颜色空间匹配，确定E1和R1、E2和R2、E3和R3之间的差异值，根据所述差异值确定所述第一样本分区中与所述第一画像分区的匹配程度。
可见，本示例中，电子设备获取所述样本分区中的多个第一特征点；所述电子设备将所述第一特征点与所述第一类型画像分区中的特征点进行色彩颜色空间匹配，确定所述第一特征点与所述第一类型画像分区中的特征点之间的差异值；所述电子设备根据所述差异值确定所述样本分区中与所述第一类型画像分区的匹配程度；有利于提高差异值匹配的精确性，从而有利于提高人脸素描画转换的准确性。
在一个可能的示例中，所述电子设备根据所述第一目标分区，确定至少一个第一样本人脸照，包括：电子设备查询所述第一目标分区对应的样本人脸照；所述电子设备确定所述第一目标分区对应的样本人脸照中每个样本人脸照包含的所述第一目标分区的第一数量信息；所述电子设备根据所述第一数量信息，确定至少一个第一样本人脸照。
其中，所述样本数据库中的每个样本人脸照的样本分区数量与所述人脸素描画的画像分区数量相同。
具体实现中，电子设备查询所述第一目标分区对应的样本人脸照T1和T2，所述电子设备确定T1中包含第一目标分区U1、U2和U3，T2中包含第一目标分区U1和U4，即T1包含3个第一目标分区，T2包含2个目标分区；所述电子设备根据所述第一数量信息，确定T1为第一样本人脸照。
可见，本示例中，电子设备查询所述第一目标分区对应的多个样本人脸照，所述电子设备确定所述多个样本人脸照中每个样本人脸照包含的所述第一目标分区的第一数量信息，所述电子设备根据所述第一数量信息，确定至少一个第一样本人脸照；有利于科学高效的确定第一样本人脸照，进而有利于提高人脸素描画转换的精确性。
与上述图1所示的实施例一致的，请参阅图2，图2是本申请实施例提供的一种人脸素描画转换方法的流程示意图，应用于电子设备人脸素描画转换；如图所示，本人脸素描画转换方法包括：
S201，电子设备采集多张样本人脸照，建立样本数据库；
S202，所述电子设备确定所述样本数据库中的每张样本人脸照的分区参考点；
S203，所述电子设备根据所述分区参考点，对所述每张样本人脸照进行样本分区处理，确定所述每张样本人脸照的多个样本分区；
S204，所述电子设备获取待转换的人脸素描画；
S205，所述电子设备对所述人脸素描画进行扫描，确定多个画像分区；
S206，所述电子设备根据预设分类策略，对所述每个画像分区进行分类，获得第一画像分组和第二画像分组；
S207，所述电子设备根据所述第一画像分组和所述第二画像分组与样本数据库中的样本人脸照进行匹配，确定目标样本人脸照，所述目标样本人脸照为所述人脸素描画转换完成后的样本人脸照。
可以看出，本申请实施例中，提供了一种人脸素描画转换方法及相关产品，应用于电子设备；所述方法包括：电子设备获取待转换的人脸素描画；对所述人脸素描画进行扫描，确定多个画像分区，接着根据预设分类策略，对所述每个画像分区进行分类，获得第一画像分组和第二画像分组，其中，所述第一画像分组包括至少一个画像分区，所述第二画像分组包括至少一个画像分区，然后再根据所述第一画像分组和所述第二画像分组与样本数据库中的样本人脸照进行匹配，确定目标样本人脸照，所述目标样本人脸照为所述人脸素描画转换完成后的样本人脸照；可见，根据不同类型的画像分区查找匹配的样本人脸照，在部分画像分区被遮挡的情况下，也可以快速实现人脸素描画到人脸图像的转换，有利于提高人脸素描画转换的高效性和便捷性，有利于获得高质量的人脸图像。
此外，电子设备采集多张样本人脸照，建立样本数据库。所述电子设备确定所述样本数据库中的每张样本人脸照的分区参考点，所述电子设备根据所述分区参考点，对所述每张样本人脸照进行样本分区处理，确定所述每张样本人脸照的多个样本分区；有利于规范样本分区处理流程，确定规格相同的样本分区，有利于提高人脸素描画转换的高效性和便捷性。
与上述图1所示的实施例一致的，请参阅图3，图3是本申请实施例提供的一种人脸素描画转换方法的流程示意图，应用于电子设备人脸素描画转换；如图所示，本人脸素描画转换方法包括：
S301，电子设备采集多张样本人脸照，建立样本数据库；
S302，所述电子设备确定所述样本数据库中的每张样本人脸照的分区参考点；
S303，所述电子设备根据所述分区参考点，对所述每张样本人脸照进行样本分区处理，确定所述每张样本人脸照的多个样本分区；
S304，所述电子设备获取待转换的人脸素描画；
S305，所述电子设备对所述人脸素描画进行扫描，确定多个画像分区；
S306，所述电子设备根据预设分类策略，对所述每个画像分区进行分类，获得第一画像分组和第二画像分组；
S307，所述电子设备确定所述画像分区与所述样本数据库中的所述样本分区一一对应；
S308，所述电子设备将所述第一画像分组中的每个所述第一类型画像分区分别与所述样本数据库中对应的所述样本分区进行匹配，确定第一目标分区；
S309，所述电子设备根据所述第一目标分区，确定至少一个第一样本人脸照；
S310，所述电子设备将所述第二画像分组中的每个所述第二类型画像分区分别与所述第一样本人脸照中对应的所述样本分区进行匹配，确定第二目标分区；
S311，所述电子设备根据所述第二目标分区，确定所述第二目标分区对应的样本人脸照为所述人脸素描画转换后的目标样本人脸照。
可以看出，本申请实施例中，提供了一种人脸素描画转换方法及相关产品，应用于电子设备；所述方法包括：电子设备获取待转换的人脸素描画；对所述人脸素描画进行扫描，确定多个画像分区，接着根据预设分类策略，对所述每个画像分区进行分类，获得第一画像分组和第二画像分组，其中，所述第一画像分组包括至少一个画像分区，所述第二画像分组包括至少一个画像分区，然后再根据所述第一画像分组和所述第二画像分组与样本数据库中的样本人脸照进行匹配，确定目标样本人脸照，所述目标样本人脸照为所述人脸素描画转换完成后的样本人脸照；可见，根据不同类型的画像分区查找匹配的样本人脸照，在部分画像分区被遮挡的情况下，也可以快速实现人脸素描画到人脸图像的转换，有利于提高人脸素描画转换的高效性和便捷性，有利于获得高质量的人脸图像。
此外，电子设备确定所述画像分区与所述样本数据库中的所述样本分区一一对应；所述电子设备将所述第一画像分组中的每个所述第一类型画像分区分别与所述样本数据库中对应的所述样本分区进行匹配，确定第一目标分区；所述电子设备根据所述第一目标分区，确定至少一个第一样本人脸照；所述电子设备将所述第二画像分组中的每个所述第二类型画像分区分别与所述第一样本人脸照中对应的所述样本分区进行匹配，确定第二目标分区；所述电子设备根据所述第二目标分区，确定所述第二目标分区对应的样本人脸照为所述人脸素描画转换后的目标样本人脸照；有利于优先排除不符合第一类型画像分区的样本人脸照，再筛选与第二类型画像分区匹配的样本人脸照，从而有利于提高人脸素描画转换的准确性和便捷性。
与上述图1、图2、图3所示的实施例一致的，请参阅图4，图4是本申请实施例提供的一种电子设备400的结构示意图，如图所示，所述电子设备400包括应用处理器410、存储器420、通信接口430以及一个或多个程序421，其中，所述一个或多个程序421被存储在上述存储器420中，并且被配置由上述应用处理器410执行，所述一个或多个程序421包括用于执行以下步骤的指令；
获取待转换的人脸素描画；
对所述人脸素描画进行扫描，确定多个画像分区；
根据预设分类策略，对所述每个画像分区进行分类，获得第一画像分组和第二画像分组，其中，所述第一画像分组包括至少一个画像分区，所述第二画像分组包括至少一个画像分区；
根据所述第一画像分组和所述第二画像分组与样本数据库中的样本人脸照进行匹配，确定目标样本人脸照，所述目标样本人脸照为所述人脸素描画转换完成后的样本人脸照。
可以看出，本申请实施例中，提供了一种人脸素描画转换方法及相关产品，应用于电子设备；所述方法包括：电子设备获取待转换的人脸素描画；对所述人脸素描画进行扫描，确定多个画像分区，接着根据预设分类策略，对所述每个画像分区进行分类，获得第一画像分组和第二画像分组，其中，所述第一画像分组包括至少一个画像分区，所述第二画像分组包括至少一个画像分区，然后再根据所述第一画像分组和所述第二画像分组与样本数据库中的样本人脸照进行匹配，确定目标样本人脸照，所述目标样本人脸照为所述人脸素描画转换完成后的样本人脸照；可见，根据不同类型的画像分区查找匹配的样本人脸照，在部分画像分区被遮挡的情况下，也可以快速实现人脸素描画到人脸图像的转换，有利于提高人脸素描画转换的高效性和便捷性，有利于获得高质量的人脸图像。
在一个可能的示例中，所述获取待转换的人脸素描画之前，所述程序中的指令具体用于执行以下操作：采集多张样本人脸照，建立样本数据库；确定所述样本数据库中的每张样本人脸照的分区参考点；根据所述分区参考点，对所述每张样本人脸照进行样本分区处理，确定所述每张样本人脸照的多个样本分区。
在一个可能的示例中，所述根据预设分类策略，对所述每个画像分区进行分类，获得第一画像分组和第二画像分组，所述程序中的指令具体用于执行以下操作：识别所述画像分区中的遮挡物面积；根据所述遮挡物面积，确定所述遮挡物面积小于预设面积阈值的画像分区为第一类型画像分区，所述第一类型画像分区组成的分组为第一画像分组；根据所述遮挡物面积，确定所述遮挡物面积大于或等于预设面积阈值的画像分区为为第二类型画像分区，所述第二类型画像分区组成的分组为第二画像分组。
在一个可能的示例中，所述根据所述第一画像分组和所述第二画像分组与样本数据库中的样本人脸照进行匹配，确定目标样本人脸照，所述程序中的指令具体用于执行以下操作：确定所述画像分区与所述样本数据库中的所述样本分区一一对应；将所述第一画像分组中的每个所述第一类型画像分区分别与所述样本数据库中对应的所述样本分区进行匹配，确定第一目标分区；根据所述第一目标分区，确定至少一个第一样本人脸照；将所述第二画像分组中的每个所述第二类型画像分区分别与所述第一样本人脸照中对应的所述样本分区进行匹配，确定第二目标分区；根据所述第二目标分区，确定所述第二目标分区对应的样本人脸照为所述人脸素描画转换后的目标样本人脸照。
在一个可能的示例中，所述将所述第一画像分组中的每个所述第一类型画像分区分别与所述样本数据库中对应的所述样本分区进行匹配，确定第一目标分区，所述程序中的指令具体用于执行以下操作：将所述第一类型画像分区与对应的所述样本分区进行匹配，获取匹配结果；根据所述匹配结果，确定所述匹配结果中匹配程度大于第一预设匹配值的样本分区为第一目标分区。
在一个可能的示例中，所述将所述第一类型画像分区与对应的所述样本分区进行匹配，获取匹配结果，所述程序中的指令具体用于执行以下操作：获取所述样本分区中的多个第一特征点；将所述第一特征点与所述第一类型画像分区中的特征点进行色彩颜色空间匹配，确定所述第一特征点与所述第一类型画像分区中的特征点之间的差异值；根据所述差异值确定所述样本分区中与所述第一类型画像分区的匹配程度。
在一个可能的示例中，所述根据所述第一目标分区，确定至少一个第一样本人脸照，所述程序中的指令具体用于执行以下操作：查询所述第一目标分区对应的样本人脸照；确定所述第一目标分区对应的样本人脸照中每个样本人脸照包含的所述第一目标分区的第一数量信息；根据所述第一数量信息，确定至少一个第一样本人脸照。
上述主要从方法侧执行过程的角度对本申请实施例的方案进行了介绍。可以理解的是，电子设备为了实现上述功能，其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到，结合本文中所提供的实施例描述的各示例的单元及算法步骤，本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
本申请实施例可以根据上述方法示例对电子设备进行功能单元的划分，例如，可以对应各个功能划分各个功能单元，也可以将两个或两个以上的功能集成在一个处理单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。需要说明的是，本申请实施例中对单元的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
图5是本申请实施例中所涉及的人脸素描画转换装置500的功能单元组成框图。该人脸素描画转换装置500应用于电子设备，包括处理单元501、通信单元502和存储单元503，其中，
所述处理单元501，用于获取待转换的人脸素描画；以及用于对所述人脸素描画进行扫描，确定多个画像分区；以及用于根据预设分类策略，对所述每个画像分区进行分类，获得第一画像分组和第二画像分组，其中，所述第一画像分组包括至少一个画像分区，所述第二画像分组包括至少一个画像分区；以及用于根据所述第一画像分组和所述第二画像分组与样本数据库中的样本人脸照进行匹配，确定目标样本人脸照，所述目标样本人脸照为所述人脸素描画转换完成后的样本人脸照。
可以看出，本申请实施例中，提供了一种人脸素描画转换方法及相关产品，应用于电子设备；所述方法包括：电子设备获取待转换的人脸素描画；对所述人脸素描画进行扫描，确定多个画像分区，接着根据预设分类策略，对所述每个画像分区进行分类，获得第一画像分组和第二画像分组，其中，所述第一画像分组包括至少一个画像分区，所述第二画像分组包括至少一个画像分区，然后再根据所述第一画像分组和所述第二画像分组与样本数据库中的样本人脸照进行匹配，确定目标样本人脸照，所述目标样本人脸照为所述人脸素描画转换完成后的样本人脸照；可见，根据不同类型的画像分区查找匹配的样本人脸照，在部分画像分区被遮挡的情况下，也可以快速实现人脸素描画到人脸图像的转换，有利于提高人脸素描画转换的高效性和便捷性，有利于获得高质量的人脸图像。
在一个可能的示例中，所述获取待转换的人脸素描画之前，所述处理单元501具体用于：采集多张样本人脸照，建立样本数据库；确定所述样本数据库中的每张样本人脸照的分区参考点；根据所述分区参考点，对所述每张样本人脸照进行样本分区处理，确定所述每张样本人脸照的多个样本分区。
在一个可能的示例中，所述根据预设分类策略，对所述每个画像分区进行分类，获得第一画像分组和第二画像分组，所述处理单元501具体用于：识别所述画像分区中的遮挡物面积；根据所述遮挡物面积，确定所述遮挡物面积小于预设面积阈值的画像分区为第一类型画像分区，所述第一类型画像分区组成的分组为第一画像分组；根据所述遮挡物面积，确定所述遮挡物面积大于或等于预设面积阈值的画像分区为为第二类型画像分区，所述第二类型画像分区组成的分组为第二画像分组。
在一个可能的示例中，所述根据所述第一画像分组和所述第二画像分组与样本数据库中的样本人脸照进行匹配，确定目标样本人脸照，所述处理单元501具体用于：确定所述画像分区与所述样本数据库中的所述样本分区一一对应；将所述第一画像分组中的每个所述第一类型画像分区分别与所述样本数据库中对应的所述样本分区进行匹配，确定第一目标分区；根据所述第一目标分区，确定至少一个第一样本人脸照；将所述第二画像分组中的每个所述第二类型画像分区分别与所述第一样本人脸照中对应的所述样本分区进行匹配，确定第二目标分区；根据所述第二目标分区，确定所述第二目标分区对应的样本人脸照为所述人脸素描画转换后的目标样本人脸照。
在一个可能的示例中，所述将所述第一画像分组中的每个所述第一类型画像分区分别与所述样本数据库中对应的所述样本分区进行匹配，确定第一目标分区，所述处理单元501具体用于：将所述第一类型画像分区与对应的所述样本分区进行匹配，获取匹配结果；根据所述匹配结果，确定所述匹配结果中匹配程度大于第一预设匹配值的样本分区为第一目标分区。
在一个可能的示例中，所述将所述第一类型画像分区与对应的所述样本分区进行匹配，获取匹配结果，所述处理单元501具体用于：获取所述样本分区中的多个第一特征点；将所述第一特征点与所述第一类型画像分区中的特征点进行色彩颜色空间匹配，确定所述第一特征点与所述第一类型画像分区中的特征点之间的差异值；根据所述差异值确定所述样本分区中与所述第一类型画像分区的匹配程度。
在一个可能的示例中，所述根据所述第一目标分区，确定至少一个第一样本人脸照，所述处理单元501具体用于：查询所述第一目标分区对应的样本人脸照；确定所述第一目标分区对应的样本人脸照中每个样本人脸照包含的所述第一目标分区的第一数量信息；根据所述第一数量信息，确定至少一个第一样本人脸照。
本申请实施例还提供一种计算机存储介质，其中，该计算机存储介质存储用于电子数据交换的计算机程序，该计算机程序使得计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤，上述计算机包括电子设备。
本申请实施例还提供一种计算机程序产品，上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，上述计算机程序可操作来使计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤。该计算机程序产品可以为一个软件安装包，上述计算机包括电子设备。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置，可通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如上述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
上述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储器中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干指令用以使得一台计算机设备（可为个人计算机、服务器或者网络设备等）执行本申请各个实施例上述方法的全部或部分步骤。而前述的存储器包括：U盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、只读存储器（英文：Read-Only Memory ，简称：ROM）、随机存取器（英文：Random Access Memory，简称：RAM）、磁盘或光盘等。
以上对本申请实施例进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (9)

1.一种人脸素描画转换方法，其特征在于，应用于电子设备；所述方法包括：
获取待转换的人脸素描画；
对所述人脸素描画进行扫描，确定多个画像分区；
根据预设分类策略，对所述每个画像分区进行分类，获得第一画像分组和第二画像分组，其中，所述第一画像分组包括至少一个画像分区，所述第二画像分组包括至少一个画像分区，其中，所述根据预设分类策略，对所述每个画像分区进行分类，获得第一画像分组和第二画像分组，包括：识别所述画像分区中的遮挡物面积；根据所述遮挡物面积，确定所述遮挡物面积小于预设面积阈值的画像分区为第一类型画像分区，所述第一类型画像分区组成的分组为第一画像分组；根据所述遮挡物面积，确定所述遮挡物面积大于或等于预设面积阈值的画像分区为第二类型画像分区，所述第二类型画像分区组成的分组为第二画像分组；
根据所述第一画像分组和所述第二画像分组与样本数据库中的样本人脸照进行匹配，确定目标样本人脸照，所述目标样本人脸照为所述人脸素描画转换完成后的样本人脸照。
2.根据权利要求1所述的方法，其特征在于，所述获取待转换的人脸素描画之前，方法还包括：
采集多张样本人脸照，建立样本数据库；
确定所述样本数据库中的每张样本人脸照的分区参考点；
根据所述分区参考点，对所述每张样本人脸照进行样本分区处理，确定所述每张样本人脸照的多个样本分区。
3.根据权利要求2所述的方法，其特征在于，所述根据所述第一画像分组和所述第二画像分组与样本数据库中的样本人脸照进行匹配，确定目标样本人脸照，包括：
确定所述画像分区与所述样本数据库中的所述样本分区一一对应；
将所述第一画像分组中的每个所述第一类型画像分区分别与所述样本数据库中对应的所述样本分区进行匹配，确定第一目标分区；
根据所述第一目标分区，确定至少一个第一样本人脸照；
将所述第二画像分组中的每个所述第二类型画像分区分别与所述第一样本人脸照中对应的所述样本分区进行匹配，确定第二目标分区；
根据所述第二目标分区，确定所述第二目标分区对应的样本人脸照为所述人脸素描画转换后的目标样本人脸照。
4.根据权利要求3所述的方法，其特征在于，所述将所述第一画像分组中的每个所述第一类型画像分区分别与所述样本数据库中对应的所述样本分区进行匹配，确定第一目标分区，包括：
将所述第一类型画像分区与对应的所述样本分区进行匹配，获取匹配结果；
根据所述匹配结果，确定所述匹配结果中匹配程度大于第一预设匹配值的样本分区为第一目标分区。
5.根据权利要求4所述的方法，其特征在于，所述将所述第一类型画像分区与对应的所述样本分区进行匹配，获取匹配结果，包括：
获取所述样本分区中的多个第一特征点；
将所述第一特征点与所述第一类型画像分区中的特征点进行色彩颜色空间匹配，确定所述第一特征点与所述第一类型画像分区中的特征点之间的差异值；
根据所述差异值确定所述样本分区中与所述第一类型画像分区的匹配程度。
6.根据权利要求3所述的方法，其特征在于，所述根据所述第一目标分区，确定至少一个第一样本人脸照，包括：
查询所述第一目标分区对应的样本人脸照；
确定所述第一目标分区对应的样本人脸照中每个样本人脸照包含的所述第一目标分区的第一数量信息；
根据所述第一数量信息，确定至少一个第一样本人脸照。
7.一种人脸素描画转换装置，其特征在于，应用于电子设备；所述人脸素描画转换装置包括处理单元、通信单元和存储单元，其中，
所述处理单元，用于获取待转换的人脸素描画；以及用于对所述人脸素描画进行扫描，确定多个画像分区；以及用于根据预设分类策略，对所述每个画像分区进行分类，获得第一画像分组和第二画像分组，其中，所述第一画像分组包括至少一个画像分区，所述第二画像分组包括至少一个画像分区，其中，所述根据预设分类策略，对所述每个画像分区进行分类，获得第一画像分组和第二画像分组，包括：识别所述画像分区中的遮挡物面积；根据所述遮挡物面积，确定所述遮挡物面积小于预设面积阈值的画像分区为第一类型画像分区，所述第一类型画像分区组成的分组为第一画像分组；根据所述遮挡物面积，确定所述遮挡物面积大于或等于预设面积阈值的画像分区为第二类型画像分区，所述第二类型画像分区组成的分组为第二画像分组；以及用于根据所述第一画像分组和所述第二画像分组与样本数据库中的样本人脸照进行匹配，确定目标样本人脸照，所述目标样本人脸照为所述人脸素描画转换完成后的样本人脸照。
8.一种电子设备，其特征在于，包括处理器、存储器、通信接口，以及一个或多个程序，所述一个或多个程序被存储在所述存储器中，并且被配置由所述处理器执行，所述程序包括用于执行如权利要求1-6任一项所述的方法中的步骤的指令。
9.一种计算机可读存储介质，其特征在于，存储用于电子数据交换的计算机程序，其中，所述计算机程序使得计算机执行如权利要求1-6任一项所述的方法。
CN201911423730.1A 2019-12-31 2019-12-31 人脸素描画转换方法及相关产品 Active CN111127313B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911423730.1A CN111127313B (zh) 2019-12-31 2019-12-31 人脸素描画转换方法及相关产品

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911423730.1A CN111127313B (zh) 2019-12-31 2019-12-31 人脸素描画转换方法及相关产品

Publications (2)

Publication Number Publication Date
CN111127313A CN111127313A (zh) 2020-05-08
CN111127313B true CN111127313B (zh) 2023-06-13

Family

ID=70507940

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911423730.1A Active CN111127313B (zh) 2019-12-31 2019-12-31 人脸素描画转换方法及相关产品

Country Status (1)

Country Link
CN (1) CN111127313B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108520222A (zh) * 2018-04-02 2018-09-11 惠州学院 基于脸部智能扫描的识别鉴定方法、装置、存储介质及电子设备

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN100409249C (zh) * 2006-08-10 2008-08-06 中山大学 一种基于网格的三维人脸识别方法
CN109840885B (zh) * 2018-12-27 2023-03-14 深圳云天励飞技术有限公司 图像融合方法及相关产品

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108520222A (zh) * 2018-04-02 2018-09-11 惠州学院 基于脸部智能扫描的识别鉴定方法、装置、存储介质及电子设备

Also Published As

Publication number Publication date
CN111127313A (zh) 2020-05-08

Similar Documents

Publication Publication Date Title
CN109697416B (zh) 一种视频数据处理方法和相关装置
CN108024065B (zh) 一种终端拍摄的方法、终端及计算机可读存储介质
CN107679481B (zh) 解锁控制方法及相关产品
CN105450411A (zh) 利用卡片特征进行身份验证的方法、装置及系统
US8842889B1 (en) System and method for automatic face recognition
CN110287768A (zh) 图像智能识别车辆定损方法
CN109116129B (zh) 终端检测方法、检测设备、系统及存储介质
CN111382808A (zh) 一种车辆检测处理方法及装置
CN103973977A (zh) 一种预览界面的虚化处理方法、装置及电子设备
CN110032931B (zh) 生成对抗网络训练、网纹去除方法、装置及电子设备
CN110245573B (zh) 一种基于人脸识别的签到方法、装置及终端设备
CN109509269B (zh) 一种电子签到方法、计算机可读存储介质及服务器
CN107657219B (zh) 人脸检测方法及相关产品
CN107832598B (zh) 解锁控制方法及相关产品
CN111641619B (zh) 一种基于大数据构建黑客画像的方法、装置和计算机设备
CN109661671B (zh) 使用边界位图对图像分类的改善
CN109255277A (zh) 一种二维码解析方法及装置
CN115941939A (zh) 视频帧对齐方法、装置、设备及存储介质
CN109711287B (zh) 人脸采集方法及相关产品
WO2015031350A1 (en) Systems and methods for memory utilization for object detection
CN111127313B (zh) 人脸素描画转换方法及相关产品
CN111050027B (zh) 镜头畸变补偿方法、装置、设备和存储介质
CN113011497B (zh) 图像比对方法和系统
CN108174091B (zh) 图像处理方法、装置、存储介质及电子设备
CN115830342A (zh) 检测框的确定方法、装置、存储介质及电子装置

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