CN111145082A - 人脸图像处理方法、装置、电子设备及存储介质 - Google Patents
人脸图像处理方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111145082A CN111145082A CN201911338981.XA CN201911338981A CN111145082A CN 111145082 A CN111145082 A CN 111145082A CN 201911338981 A CN201911338981 A CN 201911338981A CN 111145082 A CN111145082 A CN 111145082A
- Authority
- CN
- China
- Prior art keywords
- face
- image
- face image
- video data
- information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 21
- 230000000694 effects Effects 0.000 claims abstract description 126
- 238000012545 processing Methods 0.000 claims abstract description 70
- 238000007781 pre-processing Methods 0.000 claims abstract description 11
- 238000011156 evaluation Methods 0.000 claims description 41
- 238000000034 method Methods 0.000 claims description 40
- 230000001815 facial effect Effects 0.000 claims description 31
- 238000004422 calculation algorithm Methods 0.000 claims description 23
- 238000001514 detection method Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 16
- 230000005540 biological transmission Effects 0.000 claims description 13
- 238000013507 mapping Methods 0.000 claims description 12
- 238000010586 diagram Methods 0.000 description 20
- 238000004458 analytical method Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000004071 biological effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 210000004709 eyebrow Anatomy 0.000 description 2
- 210000003128 head Anatomy 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 210000000697 sensory organ Anatomy 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 241000283973 Oryctolagus cuniculus Species 0.000 description 1
- 240000007711 Peperomia pellucida Species 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 210000005069 ears Anatomy 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000037303 wrinkles Effects 0.000 description 1
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
- G06T3/04—Context-preserving transformations, e.g. by using an importance map
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Processing Or Creating Images (AREA)
- Image Processing (AREA)
Abstract
本发明实施例提供了一种人脸图像处理方法、装置、电子设备及存储介质，其中，图像处理系统的前端实时采集展示于前端的物体的视频数据，并在视频数据中捕捉人脸轮廓。然后，通过长链接将视频数据发送至后端。后端接收视频数据之后，首先预处理视频数据，得到单帧图片数据。然后确定每一单帧图片数据中的人脸图像。再将人脸图像分别与第一人脸图像库和第二人脸图像库进行匹配，得到人脸图像对应的人脸信息，并通过长链接将人脸信息发送至前端。前端接收到所述人脸信息之后，结合人脸信息，在人脸轮廓的对应位置设置对应的特效图像。可见，本申请所提供的人脸图像处理方法可以有效提高特征图像的展示针对性。
Description
技术领域
本申请涉及图像处理领域，尤其涉及一种人脸图像处理方法、装置、电子设备及存储介质。
背景技术
人脸图像处理被广泛应用于各种用于图像处理的应用程序中，以增强这些应用程序的对象感和趣味性，例如在人脸图像上添加兔耳朵、添加标签、添加文字、添加动画等特效图像。具体地，图像处理系统的前端获取带有人脸图像的图片，并从中分析出人脸轮廓，得到人脸图像，然后该前端针对人脸轮廓生成对应的特效图像，并将添加特效图像后的人脸图像展示于前端页面。
但是，由以上可知，现有对人脸图像处理的方法中，处理过程集中在图像处理系统的前端，对于人脸图像的处理也流于表面，即仅根据人脸图像中的像素信息，确定所要添加的特效图像，或者仅根据用户的选择，在人脸图像中添加指定的特效图像。可见，所添加的特效图像并不会根据人脸图像所属人员的不同而自动区分，这样，在人脸图像中所添加的特效图像缺乏针对性。
发明内容
本申请提供了一种人脸图像处理方法、装置、电子设备及存储介质，以提高人脸图像中所添加的特征图像的针对性。
第一方面，一种人脸图像处理方法，应用于图像处理系统的前端，包括：
实时采集展示于所述前端的物体的视频数据；
在所述视频数据中捕捉人脸轮廓；
通过长链接将所述视频数据发送至所述图像处理系统的后端，所述长链接建立于所述前端与所述后端之间，用于实现视频数据在所述前端和所述后端之间的实时传输；
通过所述长链接接收所述后端反馈的对应于所述人脸轮廓的人脸信息；
结合所述人脸信息，在所述人脸轮廓的对应位置设置对应的特效图像。
在本发明实施例第一方面一种可能的实现方式中，所述在视频数据中捕捉人脸轮廓包括：
利用物体轮廓检测算法获取所述视频数据中的物体轮廓；
结合预设人脸轮廓数据库，确定所述物体轮廓中的粗略人脸轮廓；
利用面部特征点估计算法，在所述粗略人脸轮廓上确定面部特征点，得到人脸轮廓。
在本发明实施例第一方面一种可能的实现方式中，所述利用物体轮廓检测算法获取所述视频数据中的物体轮廓之前包括：
从视频数据中剔除无效视频数据，得到有效视频数据，所述无效视频数据为在预设时间范围内像素值未发生变化的视频数据，所述有效视频数据为在预设时间范围内像素值发生变化的视频数据；
利用物体轮廓检测算法获取所述有效视频数据中的物体轮廓。
在本发明实施例第一方面一种可能的实现方式中，所述结合所述人脸信息，在所述人脸轮廓的对应位置设置对应的特效图像包括：
获取所述人脸信息中的人物信息和脸部评价信息；
在模板库中确定与所述人物信息和所述脸部评价信息对应的特效图像，所述模板库中存储预设特效图像、与所述预设特效图像对应的预设人物信息之间的映射关系、以及与所述预设特效图像对应的预设脸部评价信息之前的映射关系；
在人脸轮廓的对应位置设置所述特效图像。
在本发明实施例第一方面一种可能的实现方式中，所述结合所述人脸信息，在所述人脸轮廓的对应位置设置对应的特效图像包括：
如果所述特效图像为匹配特效图像，则获取所述匹配特效图像的定位信息，所述匹配特效图像为设置在人脸指定位置的特效图像，所述定位信息为所述匹配特效图像在人脸轮廓中的展示位置信息；
结合所述定位信息在所述面部特征点中确定目标特征点，所述目标特征点为与所述定位信息对应的面部特征点；
将所述特效图像设置于对应的目标特征点上。
第二方面，本申请提供了一种人脸图像处理方法，应用于图像处理系统的后端，包括：
通过长链接接收所述图像处理系统的前端发送的视频数据，所述长链接建立于所述前端与所述后端之间，用于实现视频数据在所述前端和所述后端之间的实时传输；
预处理所述视频数据，得到单帧图片数据；
确定每一所述单帧图片数据中的人脸图像；
将所述人脸图像分别与第一人脸图像库和第二人脸图像库进行匹配，得到所述人脸图像对应的人脸信息，所述第一人脸图像库用于存储人脸图像样本以及相应的人物信息，所述第二人脸图像库用于存储展示像素分布的人脸图像样本以及相应的脸部评价信息；
通过所述长链接将所述人脸信息发送至所述前端，以使所述前端展示对应的特效图像。
在本发明实施例第二方面一种可能的实现方式中，所述将所述人脸图像分别与第一人脸图像库和第二人脸图像库进行匹配，得到所述人脸图像对应的人脸信息包括：
划分全部所述单帧图片数据为图片数据组，所述图片数据组内的单帧图片数据具有相同的人脸图像；
在每一所述图片数据组中确定目标单帧图片数据，所述目标单帧图片数据为带有符合预设标准人脸图像的人脸图像的单帧图片数据；
将所述目标单帧图片数据中的人脸图像分别与第一人脸图像库和第二人脸图像库进行匹配，得到所述人脸图像对应的人脸信息。
在本发明实施例第二方面一种可能的实现方式中，所述将目标单帧图片数据中的人脸图像分别与第一人脸图像库和第二人脸图像库进行匹配，得到所述人脸图像对应的人脸信息包括：
将所述人脸图像与所述第一人脸图像库中的人脸图像样本匹配，确定与所述人脸图像对应的人物信息；
获取所述人脸图像的像素分布；
将所述像素分布与第二人脸图像库中展示像素分布的人脸图像样本匹配，确定与所述像素分布对应的脸部评价信息；
汇总所述人物信息和所述脸部评价信息，得到人脸信息。
第三方面，本申请提供了一种人脸图像处理装置，应用于图像处理系统的前端，包括：
视频采集模块，用于实时采集展示于所述前端的物体的视频数据；
轮廓捕捉模块，用于在所述视频数据中捕捉人脸轮廓；
数据发送模块，用于通过长链接将所述视频数据发送至所述图像处理系统的后端，所述长链接建立于所述前端与所述后端之间，用于实现视频数据在所述前端和所述后端之间的实时传输；
数据接收模块，用于通过所述长链接接收所述后端反馈的对应于所述人脸轮廓的人脸信息；
特效图像设置模块，用于结合所述人脸信息，在所述人脸轮廓的对应位置设置对应的特效图像。
在本发明实施例第三方面一种可能的实现方式中，所述轮廓捕捉模块包括：
物体轮廓检测模块，用于利用物体轮廓检测算法获取所述视频数据中的物体轮廓；
粗略人脸轮廓确定模块，用于结合预设人脸轮廓数据库，确定所述物体轮廓中的粗略人脸轮廓；
人脸轮廓生成模块，用于利用面部特征点估计算法，在所述粗略人脸轮廓上确定面部特征点，得到人脸轮廓。
在本发明实施例第三方面一种可能的实现方式中，所述人脸轮廓生成模块还包括：
数据删除模块，用于从视频数据中剔除无效视频数据，得到有效视频数据，所述无效视频数据为在预设时间范围内像素值未发生变化的视频数据，所述有效视频数据为在预设时间范围内像素值发生变化的视频数据；
物体轮廓获取模块，用于物体轮廓利用物体轮廓检测算法获取所述有效视频数据中的物体轮廓。
在本发明实施例第三方面一种可能的实现方式中，所述特效图像设置模块包括：
信息获取模块，用于获取所述人脸信息中的人物信息和脸部评价信息；
特效图像确定模块，用于在模板库中确定与所述人物信息和所述脸部评价信息对应的特效图像，所述模板库中存储预设特效图像、与所述预设特效图像对应的预设人物信息之间的映射关系、以及与所述预设特效图像对应的预设脸部评价信息之前的映射关系；
特效图像布置模块，用于在人脸轮廓的对应位置设置所述特效图像。
在本发明实施例第三方面一种可能的实现方式中，所述特效图像设置模块包括：
定位信息确定模块，用于如果所述特效图像为匹配特效图像，则获取所述匹配特效图像的定位信息，所述匹配特效图像为设置在人脸指定位置的特效图像，所述定位信息为所述匹配特效图像在人脸轮廓中的展示位置信息；
目标特征点确定模块，用于结合所述定位信息在所述面部特征点中确定目标特征点，所述目标特征点为与所述定位信息对应的面部特征点；
图像设置模块，用于将所述特效图像设置于对应的目标特征点上。
第四方面，本申请提供了一种人脸图像处理装置，应用于图像处理系统的后端，包括：
数据接收模块，用于通过长链接接收所述图像处理系统的前端发送的视频数据，所述长链接建立于所述前端与所述后端之间，用于实现视频数据在所述前端和所述后端之间的实时传输；
预处理模块，用于预处理所述视频数据，得到单帧图片数据；
人脸图像确定模块，用于确定每一所述单帧图片数据中的人脸图像；
图像匹配模块，用于将所述人脸图像分别与第一人脸图像库和第二人脸图像库进行匹配，得到所述人脸图像对应的人脸信息，所述第一人脸图像库用于存储人脸图像样本以及相应的人物信息，所述第二人脸图像库用于存储展示像素分布的人脸图像样本以及相应的脸部评价信息；
数据发送模块，用于通过所述长链接将所述人脸信息发送至所述前端，以使所述前端展示对应的特效图像。
在本发明实施例第四方面一种可能的实现方式中，所述图像匹配模块包括：
划分模块，用于划分全部所述单帧图片数据为图片数据组，所述图片数据组内的单帧图片数据具有相同的人脸图像；
目标单帧图片数据确定模块，用于在每一所述图片数据组中确定目标单帧图片数据，所述目标单帧图片数据为带有符合预设标准人脸图像的人脸图像的单帧图片数据；
目标数据匹配模块，用于将所述目标单帧图片数据中的人脸图像分别与第一人脸图像库和第二人脸图像库进行匹配，得到所述人脸图像对应的人脸信息。
在本发明实施例第四方面一种可能的实现方式中，所述图像匹配模块包括：
第一匹配模块，用于将所述人脸图像与所述第一人脸图像库中的人脸图像样本匹配，确定与所述人脸图像对应的人物信息；
像素分布获取模块，用于获取所述人脸图像的像素分布；
第二匹配模块，用于将所述像素分布与第二人脸图像库中展示像素分布的人脸图像样本匹配，确定与所述像素分布对应的脸部评价信息；
信息汇总模块，用于汇总所述人物信息和所述脸部评价信息，得到人脸信息。
第五方面，本发明实施例提供了一种电子设备，应用于图像处理系统的前端，包括：
处理器，以及
存储器，用于存储所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来执行所述的人脸图像处理方法。
第六方面，本发明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，应用于图像处理系统的前端，所述计算机程序被处理器执行时实现所述的人脸图像处理方法。
第七方面，本发明实施例提供了一种电子设备，应用于图像处理系统的后端，包括：
处理器，以及
存储器，用于存储所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来执行所述的人脸图像处理方法。
第八方面，本发明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，应用于图像处理系统的后端，所述计算机程序被处理器执行时实现所述的人脸图像处理方法。
本发明实施例提供了一种人脸图像处理方法、装置、电子设备及存储介质，其中，图像处理系统的前端实时采集展示于所述前端的物体的视频数据，并在所述视频数据中捕捉人脸轮廓。然后，通过长链接将所述视频数据发送至所述图像处理系统的后端。后端接收视频数据之后，首先，预处理所述视频数据，得到单帧图片数据。然后，确定每一所述单帧图片数据中的人脸图像。再将所述人脸图像分别与第一人脸图像库和第二人脸图像库进行匹配，得到所述人脸图像对应的人脸信息，并通过所述长链接将所述人脸信息发送至所述前端。前端接收到所述人脸信息之后，结合所述人脸信息，在所述人脸轮廓的对应位置设置对应的特效图像。可见，在本申请所提供的人脸图像处理方法中，图像处理系统的后端会进一步对包含人脸图像的视频数据进行分析，从而获得视频数据中所包含更深层次的人脸信息，从而令该人脸信息所反映的数据更加贴合对应用户的真实情况，针对这样的人脸信息所生成的特征图像将具有更高的针对性。
附图说明
为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的人脸图像处理方法的流程图；
图2为本申请实施例提供的一种在视频数据中捕捉人脸轮廓的方法的流程图；
图3为本申请实施例提供的一种剔除无效视频数据的方法的流程图；
图4为本申请实施例提供的一种确定目标单帧图片数据的方法的流程图；
图5为本申请实施例提供的一种提取人脸信息的方法的流程图；
图6为本申请实施例提供的一种特效图像生成方法的流程图；
图7为本申请实施例提供的一种定位特征图像的方法的流程图；
图8为本申请实施例提供的人脸图像处理装置实施例一的结构示意图；
图9为本申请实施例提供的人脸图像处理装置实施例二的结构示意图；
图10为本申请实施例提供的人脸图像处理装置实施例三的结构示意图；
图11为本申请实施例提供的人脸图像处理装置实施例四的结构示意图；
图12为本申请实施例提供的人脸图像处理装置实施例五的结构示意图；
图13为本申请实施例提供的人脸图像处理装置实施例六的结构示意图；
图14为本申请实施例提供的人脸图像处理装置实施例七的结构示意图；
图15为本申请实施例提供的人脸图像处理装置实施例八的结构示意图；
图16为本发明实施例提供的电子设备的硬件结构示意图；
图17为本发明实施例提供的电子设备的硬件结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本申请所提供的图像处理系统可以为手机、PC(个人电脑)、摄像机、VR设备等带有图像摄录功能及图像处理功能的设备。
图1为本申请实施例提供的人脸图像处理方法的流程图，如图1所示，所述方法包括：
S1、实时采集展示于所述前端的物体的视频数据。
利用图像处理系统的前端实时采集视频数据，所述视频数据可以为连续录像获得的视频数据，也可以为由连续拍摄的单帧图像所形成的视频流。其中，为了保证图像采集的完整性，优选采用实时采集的方式。但是，在满足用户需求的基础上，为了减少数据采集、传输、存储的压力，可以选择周期性或者感应性的采集方式，例如，每连续采集10分钟，则停止采集5分钟，并以此循环采集视频数据；或者，在前端设置红外感应装置，可以感应生物活动，当存在生物活动迹象时，采集视频数据等。
S2、在所述视频数据中捕捉人脸轮廓。
在所采集的视频数据中捕捉人脸轮廓，例如在图像中的人脸周围产生方框、或者直接描绘人脸轮廓，或者产生轮廓标识，这些轮廓可以表现为可视图像，也可以采用隐藏模式。
具体地，如图2所述，为本申请实施例提供的一种在视频数据中捕捉人脸轮廓的方法的流程图，所述方法包括：
S201、利用物体轮廓检测算法获取所述视频数据中的物体轮廓；
S202、结合预设人脸轮廓数据库，确定所述物体轮廓中的粗略人脸轮廓；
S203、利用面部特征点估计算法，在所述粗略人脸轮廓上确定面部特征点，得到人脸轮廓。
可以利用HOG(Histogram of Oriented Gradients，方向梯度直方图)等物体轮廓检测算法来描绘视频数据中的物体轮廓。此时所检测到的物体轮廓为包括人脸在内的全部物体的轮廓，例如在前端的摄录范围内的地面、墙面、桌椅、人物、实物、动物等。
为了剔除人脸以外其它物体的轮廓对后续人脸信息提取的影响，可以结合预设人脸轮廓数据库来确定物体轮廓中的人脸轮廓。通常预设人脸轮廓数据库由海量人脸轮廓样本构成，这些人脸轮廓样本能够体现不同体态、不同情绪、不同角度、不同遮挡情况等条件下的人脸轮廓，通过将前述所获得的物体轮廓与预设人脸轮廓数据库中的各个人脸轮廓样本进行匹配，当匹配度高于预设匹配度阈值时，则说明该匹配度所对应的物体轮廓即为人脸轮廓。此时，所确定的人脸轮廓的精度较低，可以称为粗略人脸轮廓。
为了进一步提高粗略人脸轮廓的精度，可以利用面部特征点估计算法(facelandmark estimation)来确定粗略人脸轮廓上的面部特征点。具体地，通过这一算法找到粗略人脸轮廓上普遍存在的68个点，例如下巴轮廓17个点、左眉毛5个点、右眉毛5个点、鼻梁4个点、左眼6个点、右眼6个点、外嘴唇12个点、内嘴唇8个点。有了这68个点，可以准确定位粗略人脸轮廓上的五官，即使角度等发生改变，也可以准确定位，从而可以保证后续设置特效图像的精确度。
由上文可知，如果长时间采集视频数据，则需要进行后续分析的视频数据将较为庞大，但是，如果这些视频数据中存在一些无效视频数据，则会令后续分析动作无意义，不仅浪费识别时间，而且浪费计算资源。
具体地，如图3所示，为本申请实施例提供的一种剔除无效视频数据的方法的流程图，所述方法包括：
S211、从视频数据中剔除无效视频数据，得到有效视频数据，所述无效视频数据为在预设时间范围内像素值未发生变化的视频数据，所述有效视频数据为在预设时间范围内像素值发生变化的视频数据；
S212、利用物体轮廓检测算法获取所述有效视频数据中的物体轮廓。
由上文可知，前端在获取视频数据的过程中，可能会始终保持对摄录范围内的物体进行拍摄，如果摄录范围内长时间不出现人物，则这段时间内所拍摄的视频数据将无法用于人脸图像处理，那么在本申请中这些视频数据则为无效视频数据。如果仍然对这些无效视频数据进行上述分析，则会浪费大量时间，同时会占用大量的计算资源。
其中，可以通过识别视频数据中像素值的变化，来判别视频数据的有效性和无效性。视频均由像素构成，不同的物体具有不同的像素，如果视频数据的像素值在预设时间范围内未发生变化，则说明这些视频数据中所拍摄的物体未发生变化，即摄录范围内并未引入新的拍摄对象，也就不会出现人脸信息，可以将这些无效视频数据删除，然后仅对有效视频数据进行后续分析和计算，从而有效减轻计算负担。
S3、通过长链接将所述视频数据发送至所述图像处理系统的后端，所述长链接建立于所述前端与所述后端之间，用于实现视频数据在所述前端和所述后端之间的实时传输。
前端采集到视频数据之后，通过长链接传送至图像处理系统的后端，其中，可以通过在前端与后端之间建立websocket链接，以实现长链接功能，从而保证前端采集到的视频数据能够实时传递至后端，保证视频数据的时效性。
S4、通过长链接接收所述图像处理系统的前端发送的视频数据，所述长链接建立于所述前端与所述后端之间，用于实现视频数据在所述前端和所述后端之间的实时传输。
S5、预处理所述视频数据，得到单帧图片数据。
后端在接收到视频数据之后，首先需要对视频数据进行预处理，即将视频数据截取为单帧图片数据。这些单帧图片数据可以为间隔预设周期在视频数据中截取的单帧图片数据，也可以为从视频流中抽取的单帧图片数据。其中，为了提高单帧图片数据的有效性和展示信息的全面性，可以在特定时间内抽取，例如清晨上班时间段、午休时间段、晚间下班时间段等。
S6、确定每一所述单帧图片数据中的人脸图像。
在抽取到单帧图片数据之后，需要在单帧图片数据中确定人脸图像，以供后续分析使用，具体确定人脸图像的步骤参见上文S201-S203，此处将不再赘述。
进一步地，由于单帧图片数据可能存在大量重复的现象，例如，同一张人脸可能对应多张单帧图片数据，如果对每一张单帧图片数据都进行分析和计算，会浪费大量时间。
具体地，如图4所示，为本申请实施例提供的一种确定目标单帧图片数据的方法的流程图，所述方法包括：
S601、划分全部所述单帧图片数据为图片数据组，所述图片数据组内的单帧图片数据具有相同的人脸图像；
S602、在每一所述图片数据组中确定目标单帧图片数据，所述目标单帧图片数据为带有符合预设标准人脸图像的人脸图像的单帧图片数据；
S603、将所述目标单帧图片数据中的人脸图像分别与第一人脸图像库和第二人脸图像库进行匹配，得到所述人脸图像对应的人脸信息。
首先，将展示同一人脸图像的单帧图片数据划分为同一图片数据组，然后，从每一图片数据组中选出目标单帧图片数据，该目标单帧图片数据需要符合预设标准人脸图像，例如亮度值高、与背景对比度高、人脸角度端正、对焦清晰等。由此，该目标单帧图片数据中的人脸图像能够展现更加真实、清晰的人脸数据，更利于后续对人脸图像中人脸信息的提取。
S7、将所述人脸图像分别与第一人脸图像库和第二人脸图像库进行匹配，得到所述人脸图像对应的人脸信息，所述第一人脸图像库用于存储人脸图像样本以及相应的人物信息，所述第二人脸图像库用于存储展示像素分布的人脸图像样本以及相应的脸部评价信息。
经过上述过程获得人脸图像之后，需要进一步对人脸图像所包含的人脸信息进行提取。
具体地，如图5所示，为本申请实施例提供的一种提取人脸信息的方法的流程图，所述方法包括：
S701、将所述人脸图像与所述第一人脸图像库中的人脸图像样本匹配，确定与所述人脸图像对应的人物信息；
S702、获取所述人脸图像的像素分布；
S703、将所述像素分布与第二人脸图像库中展示像素分布的人脸图像样本匹配，确定与所述像素分布对应的脸部评价信息；
S704、汇总所述人物信息和所述脸部评价信息，得到人脸信息。
将人脸图像分别与第一人脸图像库和第二人脸图像库中的样本图像进行匹配，如果人脸图像与第一人脸图像库中的某一人脸图像样本的匹配度高于预设匹配度阈值，则说明该人脸图像与该人脸图像样本属于同一人，此时，可以在第一人脸图像库中进一步找到该人的人物信息，例如姓名、工号、性别等。如果人脸图像与第二人脸图像库中的某一人脸图像样本的匹配度高于预设匹配度阈值，则说明该人脸图像所展示的像素分布与该人脸图像样本所展示的像素分布一致，例如像素分布所展现的皱纹、眼睛大小、鼻子高挺程度、皮肤颜色等，此时，可以在第二人脸图像库中进一步找到与该像素分布对应的脸部评价信息，例如眼睛大、鼻子高挺、肤色白皙，则对应高颜值。最后，将这些人物信息和脸部评价信息汇总，可以得到人脸信息。
S8、通过所述长链接将所述人脸信息发送至所述前端，以使所述前端展示对应的特效图像。
S9、通过所述长链接接收所述后端反馈的对应于所述人脸轮廓的人脸信息。
前端接收到人脸信息之后，需要生成对应的特效图像。
具体地，如图6所示，为本申请实施例提供的一种特效图像生成方法的流程图，所述方法包括：
S901、获取所述人脸信息中的人物信息和脸部评价信息；
S902、在模板库中确定与所述人物信息和所述脸部评价信息对应的特效图像，所述模板库中存储预设特效图像、与所述预设特效图像对应的预设人物信息之间的映射关系、以及与所述预设特效图像对应的预设脸部评价信息之前的映射关系；
S903、在人脸轮廓的对应位置设置所述特效图像。
从人脸信息中可以获得与人脸轮廓相对应的人物信息和脸部评价信息，此时，在模板库中查找与这些人物信息和脸部评价信息相对应的特效图像，可以更加贴近该人物的真实情况。例如，人物信息为刘××，女，28岁，脸部评价信息为高颜值，则可以从模板库中调取粉色标签，并在标签上展示漂亮的小仙女刘××，并将该标签设置在头顶或者肩头等预设位置。
可见，本申请实施例所提供的方法可以根据人脸图像所对应的人物信息和有针对性的脸部评价信息，更加有针对性的展示符合人脸特质的特效图像。
S10、结合所述人脸信息，在所述人脸轮廓的对应位置设置对应的特效图像。
进一步地，如图7所述，为本申请实施例提供的一种定位特征图像的方法的流程图，所述方法包括：
S1001、如果所述特效图像为匹配特效图像，则获取所述匹配特效图像的定位信息，所述匹配特效图像为设置在人脸指定位置的特效图像，所述定位信息为所述匹配特效图像在人脸轮廓中的展示位置信息；
S1002、结合所述定位信息在所述面部特征点中确定目标特征点，所述目标特征点为与所述定位信息对应的面部特征点；
S1003、将所述特效图像设置于对应的目标特征点上。
匹配图像即为需要设定在人脸指定位置的特效图像，例如设定在头顶的兔耳朵，设定在鼻子的猪鼻子等，这些特效图像需要跟随人脸的移动和偏转发生位置的改变。首先，可以先确定这些匹配特效图像的定位信息，即这些匹配特效图像需要展示在人脸的哪些位置。由于上文所确定的面部特征点能够很好的跟随人脸移动和偏转，可以对人脸进行定位，因此，可以在面部特征点中确定与定位信息相应的目标特征点，并将特效图像展示于这些目标特征点上，即可实现特效图像精准展示于指定位置，同时跟随人脸进行移动和偏转的效果。
图8为本申请实施例提供的人脸图像处理装置实施例一的结构示意图，所述装置包括：视频采集模块1，用于实时采集展示于所述前端的物体的视频数据；轮廓捕捉模块2，用于在所述视频数据中捕捉人脸轮廓；数据发送模块3，用于通过长链接将所述视频数据发送至所述图像处理系统的后端，所述长链接建立于所述前端与所述后端之间，用于实现视频数据在所述前端和所述后端之间的实时传输；数据接收模块4，用于通过所述长链接接收所述后端反馈的对应于所述人脸轮廓的人脸信息；特效图像设置模块5，用于结合所述人脸信息，在所述人脸轮廓的对应位置设置对应的特效图像。
图9为本申请实施例提供的人脸图像处理装置实施例二的结构示意图，所述轮廓捕捉模块2包括：物体轮廓检测模块21，用于利用物体轮廓检测算法获取所述视频数据中的物体轮廓；粗略人脸轮廓确定模块22，用于结合预设人脸轮廓数据库，确定所述物体轮廓中的粗略人脸轮廓；人脸轮廓生成模块23，用于利用面部特征点估计算法，在所述粗略人脸轮廓上确定面部特征点，得到人脸轮廓。
图10为本申请实施例提供的人脸图像处理装置实施例三的结构示意图，所述人脸轮廓生成模块2还包括：数据删除模块24，用于从视频数据中剔除无效视频数据，得到有效视频数据，所述无效视频数据为在预设时间范围内像素值未发生变化的视频数据，所述有效视频数据为在预设时间范围内像素值发生变化的视频数据；物体轮廓获取模块25，用于物体轮廓利用物体轮廓检测算法获取所述有效视频数据中的物体轮廓。
图11为本申请实施例提供的人脸图像处理装置实施例四的结构示意图，所述特效图像设置模块5包括：信息获取模块51，用于获取所述人脸信息中的人物信息和脸部评价信息；特效图像确定模块52，用于在模板库中确定与所述人物信息和所述脸部评价信息对应的特效图像，所述模板库中存储预设特效图像、与所述预设特效图像对应的预设人物信息之间的映射关系、以及与所述预设特效图像对应的预设脸部评价信息之前的映射关系；特效图像布置模块53，用于在人脸轮廓的对应位置设置所述特效图像。
图12为本申请实施例提供的人脸图像处理装置实施例五的结构示意图，所述特效图像设置模块5包括：定位信息确定模块54，用于如果所述特效图像为匹配特效图像，则获取所述匹配特效图像的定位信息，所述匹配特效图像为设置在人脸指定位置的特效图像，所述定位信息为所述匹配特效图像在人脸轮廓中的展示位置信息；目标特征点确定模块55，用于结合所述定位信息在所述面部特征点中确定目标特征点，所述目标特征点为与所述定位信息对应的面部特征点；图像设置模块56，用于将所述特效图像设置于对应的目标特征点上。
图13为本申请实施例提供的人脸图像处理装置实施例六的结构示意图，包括：数据接收模块6，用于通过长链接接收所述图像处理系统的前端发送的视频数据，所述长链接建立于所述前端与所述后端之间，用于实现视频数据在所述前端和所述后端之间的实时传输；预处理模块7，用于预处理所述视频数据，得到单帧图片数据；人脸图像确定模块8，用于确定每一所述单帧图片数据中的人脸图像；图像匹配模块9，用于将所述人脸图像分别与第一人脸图像库和第二人脸图像库进行匹配，得到所述人脸图像对应的人脸信息，所述第一人脸图像库用于存储人脸图像样本以及相应的人物信息，所述第二人脸图像库用于存储展示像素分布的人脸图像样本以及相应的脸部评价信息；数据发送模块10，用于通过所述长链接将所述人脸信息发送至所述前端，以使所述前端展示对应的特效图像。
图14为本申请实施例提供的人脸图像处理装置实施例七的结构示意图，所述图像匹配模块9包括：划分模块91，用于划分全部所述单帧图片数据为图片数据组，所述图片数据组内的单帧图片数据具有相同的人脸图像；目标单帧图片数据确定模块92，用于在每一所述图片数据组中确定目标单帧图片数据，所述目标单帧图片数据为带有符合预设标准人脸图像的人脸图像的单帧图片数据；目标数据匹配模块93，用于将所述目标单帧图片数据中的人脸图像分别与第一人脸图像库和第二人脸图像库进行匹配，得到所述人脸图像对应的人脸信息。
图15为本申请实施例提供的人脸图像处理装置实施例八的结构示意图，所述图像匹配模块9包括：第一匹配模块94，用于将所述人脸图像与所述第一人脸图像库中的人脸图像样本匹配，确定与所述人脸图像对应的人物信息；像素分布获取模块95，用于获取所述人脸图像的像素分布；第二匹配模块96，用于将所述像素分布与第二人脸图像库中展示像素分布的人脸图像样本匹配，确定与所述像素分布对应的脸部评价信息；信息汇总模块97，用于汇总所述人物信息和所述脸部评价信息，得到人脸信息。
图16为本发明实施例提供的电子设备的硬件结构示意图。该电子设备包括：存储器101和处理器102；
存储器101，用于存储计算机程序；
处理器102，用于执行存储器存储的计算机程序，以实现上述实施例中的流量数据监控方法。具体可以参见前述方法实施例中的相关描述。
可选地，存储器101既可以是独立的，也可以跟处理器102集成在一起。
当所述存储器101是独立于处理器102之外的器件时，所述电子设备还可以包括：
总线103，用于连接所述存储器101和处理器102。
图17为本发明实施例提供的电子设备的硬件结构示意图。该电子设备包括：存储器104和处理器105；
存储器104，用于存储计算机程序；
处理器105，用于执行存储器存储的计算机程序，以实现上述实施例中的流量数据监控方法。具体可以参见前述方法实施例中的相关描述。
可选地，存储器104既可以是独立的，也可以跟处理器105集成在一起。
当所述存储器104是独立于处理器105之外的器件时，所述电子设备还可以包括：
总线106，用于连接所述存储器104和处理器105。
本发明实施例提供的电子设备可用于执行上述实施例中任一所示的人脸图像处理方法，其实现方式和技术效果类似，本发明实施例此处不再赘述。
本发明实施例还提供一种可读存储介质，可读存储介质中存储有计算机程序，当消息发送的装置的至少一个处理器执行该计算机程序时，消息发送的装置执行上述实施例任一所述的人脸图像处理方法。
本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于以计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换，而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (20)
1.一种人脸图像处理方法，应用于图像处理系统的前端，其特征在于，包括：
实时采集展示于所述前端的物体的视频数据；
在所述视频数据中捕捉人脸轮廓；
通过长链接将所述视频数据发送至所述图像处理系统的后端，所述长链接建立于所述前端与所述后端之间，用于实现视频数据在所述前端和所述后端之间的实时传输；
通过所述长链接接收所述后端反馈的对应于所述人脸轮廓的人脸信息；
结合所述人脸信息，在所述人脸轮廓的对应位置设置对应的特效图像。
2.根据权利要求1所述的方法，其特征在于，所述在视频数据中捕捉人脸轮廓包括：
利用物体轮廓检测算法获取所述视频数据中的物体轮廓；
结合预设人脸轮廓数据库，确定所述物体轮廓中的粗略人脸轮廓；
利用面部特征点估计算法，在所述粗略人脸轮廓上确定面部特征点，得到人脸轮廓。
3.根据权利要求2所述的方法，其特征在于，所述利用物体轮廓检测算法获取所述视频数据中的物体轮廓之前包括：
从视频数据中剔除无效视频数据，得到有效视频数据，所述无效视频数据为在预设时间范围内像素值未发生变化的视频数据，所述有效视频数据为在预设时间范围内像素值发生变化的视频数据；
利用物体轮廓检测算法获取所述有效视频数据中的物体轮廓。
4.根据权利要求1所述的方法，其特征在于，所述结合所述人脸信息，在所述人脸轮廓的对应位置设置对应的特效图像包括：
获取所述人脸信息中的人物信息和脸部评价信息；
在模板库中确定与所述人物信息和所述脸部评价信息对应的特效图像，所述模板库中存储预设特效图像、与所述预设特效图像对应的预设人物信息之间的映射关系、以及与所述预设特效图像对应的预设脸部评价信息之前的映射关系；
在人脸轮廓的对应位置设置所述特效图像。
5.根据权利要求4所述的方法，其特征在于，所述结合所述人脸信息，在所述人脸轮廓的对应位置设置对应的特效图像包括：
如果所述特效图像为匹配特效图像，则获取所述匹配特效图像的定位信息，所述匹配特效图像为设置在人脸指定位置的特效图像，所述定位信息为所述匹配特效图像在人脸轮廓中的展示位置信息；
结合所述定位信息在所述面部特征点中确定目标特征点，所述目标特征点为与所述定位信息对应的面部特征点；
将所述特效图像设置于对应的目标特征点上。
6.一种人脸图像处理方法，应用于图像处理系统的后端，其特征在于，包括：
通过长链接接收所述图像处理系统的前端发送的视频数据，所述长链接建立于所述前端与所述后端之间，用于实现视频数据在所述前端和所述后端之间的实时传输；
预处理所述视频数据，得到单帧图片数据；
确定每一所述单帧图片数据中的人脸图像；
将所述人脸图像分别与第一人脸图像库和第二人脸图像库进行匹配，得到所述人脸图像对应的人脸信息，所述第一人脸图像库用于存储人脸图像样本以及相应的人物信息，所述第二人脸图像库用于存储展示像素分布的人脸图像样本以及相应的脸部评价信息；
通过所述长链接将所述人脸信息发送至所述前端，以使所述前端展示对应的特效图像。
7.根据权利要求6所述的方法，其特征在于，所述将所述人脸图像分别与第一人脸图像库和第二人脸图像库进行匹配，得到所述人脸图像对应的人脸信息包括：
划分全部所述单帧图片数据为图片数据组，所述图片数据组内的单帧图片数据具有相同的人脸图像；
在每一所述图片数据组中确定目标单帧图片数据，所述目标单帧图片数据为带有符合预设标准人脸图像的人脸图像的单帧图片数据；
将所述目标单帧图片数据中的人脸图像分别与第一人脸图像库和第二人脸图像库进行匹配，得到所述人脸图像对应的人脸信息。
8.根据权利要求7所述的方法，其特征在于，所述将目标单帧图片数据中的人脸图像分别与第一人脸图像库和第二人脸图像库进行匹配，得到所述人脸图像对应的人脸信息包括：
将所述人脸图像与所述第一人脸图像库中的人脸图像样本匹配，确定与所述人脸图像对应的人物信息；
获取所述人脸图像的像素分布；
将所述像素分布与第二人脸图像库中展示像素分布的人脸图像样本匹配，确定与所述像素分布对应的脸部评价信息；
汇总所述人物信息和所述脸部评价信息，得到人脸信息。
9.一种人脸图像处理装置，应用于图像处理系统的前端，其特征在于，包括：
视频采集模块，用于实时采集展示于所述前端的物体的视频数据；
轮廓捕捉模块，用于在所述视频数据中捕捉人脸轮廓；
数据发送模块，用于通过长链接将所述视频数据发送至所述图像处理系统的后端，所述长链接建立于所述前端与所述后端之间，用于实现视频数据在所述前端和所述后端之间的实时传输；
数据接收模块，用于通过所述长链接接收所述后端反馈的对应于所述人脸轮廓的人脸信息；
特效图像设置模块，用于结合所述人脸信息，在所述人脸轮廓的对应位置设置对应的特效图像。
10.根据权利要求9所述的装置，其特征在于，所述轮廓捕捉模块包括：
物体轮廓检测模块，用于利用物体轮廓检测算法获取所述视频数据中的物体轮廓；
粗略人脸轮廓确定模块，用于结合预设人脸轮廓数据库，确定所述物体轮廓中的粗略人脸轮廓；
人脸轮廓生成模块，用于利用面部特征点估计算法，在所述粗略人脸轮廓上确定面部特征点，得到人脸轮廓。
11.根据权利要求10所述的装置，其特征在于，所述人脸轮廓生成模块还包括：
数据删除模块，用于从视频数据中剔除无效视频数据，得到有效视频数据，所述无效视频数据为在预设时间范围内像素值未发生变化的视频数据，所述有效视频数据为在预设时间范围内像素值发生变化的视频数据；
物体轮廓获取模块，用于物体轮廓利用物体轮廓检测算法获取所述有效视频数据中的物体轮廓。
12.根据权利要求9所述的装置，其特征在于，所述特效图像设置模块包括：
信息获取模块，用于获取所述人脸信息中的人物信息和脸部评价信息；
特效图像确定模块，用于在模板库中确定与所述人物信息和所述脸部评价信息对应的特效图像，所述模板库中存储预设特效图像、与所述预设特效图像对应的预设人物信息之间的映射关系、以及与所述预设特效图像对应的预设脸部评价信息之前的映射关系；
特效图像布置模块，用于在人脸轮廓的对应位置设置所述特效图像。
13.根据权利要求12所述的装置，其特征在于，所述特效图像设置模块包括：
定位信息确定模块，用于如果所述特效图像为匹配特效图像，则获取所述匹配特效图像的定位信息，所述匹配特效图像为设置在人脸指定位置的特效图像，所述定位信息为所述匹配特效图像在人脸轮廓中的展示位置信息；
目标特征点确定模块，用于结合所述定位信息在所述面部特征点中确定目标特征点，所述目标特征点为与所述定位信息对应的面部特征点；
图像设置模块，用于将所述特效图像设置于对应的目标特征点上。
14.一种人脸图像处理装置，应用于图像处理系统的后端，其特征在于，包括：
数据接收模块，用于通过长链接接收所述图像处理系统的前端发送的视频数据，所述长链接建立于所述前端与所述后端之间，用于实现视频数据在所述前端和所述后端之间的实时传输；
预处理模块，用于预处理所述视频数据，得到单帧图片数据；
人脸图像确定模块，用于确定每一所述单帧图片数据中的人脸图像；
图像匹配模块，用于将所述人脸图像分别与第一人脸图像库和第二人脸图像库进行匹配，得到所述人脸图像对应的人脸信息，所述第一人脸图像库用于存储人脸图像样本以及相应的人物信息，所述第二人脸图像库用于存储展示像素分布的人脸图像样本以及相应的脸部评价信息；
数据发送模块，用于通过所述长链接将所述人脸信息发送至所述前端，以使所述前端展示对应的特效图像。
15.根据权利要求14所述的装置，其特征在于，所述图像匹配模块包括：
划分模块，用于划分全部所述单帧图片数据为图片数据组，所述图片数据组内的单帧图片数据具有相同的人脸图像；
目标单帧图片数据确定模块，用于在每一所述图片数据组中确定目标单帧图片数据，所述目标单帧图片数据为带有符合预设标准人脸图像的人脸图像的单帧图片数据；
目标数据匹配模块，用于将所述目标单帧图片数据中的人脸图像分别与第一人脸图像库和第二人脸图像库进行匹配，得到所述人脸图像对应的人脸信息。
16.根据权利要求14所述的装置，其特征在于，所述图像匹配模块包括：
第一匹配模块，用于将所述人脸图像与所述第一人脸图像库中的人脸图像样本匹配，确定与所述人脸图像对应的人物信息；
像素分布获取模块，用于获取所述人脸图像的像素分布；
第二匹配模块，用于将所述像素分布与第二人脸图像库中展示像素分布的人脸图像样本匹配，确定与所述像素分布对应的脸部评价信息；
信息汇总模块，用于汇总所述人物信息和所述脸部评价信息，得到人脸信息。
17.一种电子设备，应用于图像处理系统的前端，其特征在于，所述电子设备包括：
处理器，以及
存储器，用于存储所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1-5任一所述的人脸图像处理方法。
18.一种计算机可读存储介质，其上存储有计算机程序，应用于图像处理系统的前端，其特征在于，所述计算机程序被处理器执行时实现权利要求1-5任一所述的人脸图像处理方法。
19.一种电子设备，应用于图像处理系统的后端，其特征在于，所述电子设备包括：
处理器，以及
存储器，用于存储所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来执行权利要求6-8任一所述的人脸图像处理方法。
20.一种计算机可读存储介质，其上存储有计算机程序，应用于图像处理系统的后端，其特征在于，所述计算机程序被处理器执行时实现权利要求6-8任一所述的人脸图像处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911338981.XA CN111145082A (zh) | 2019-12-23 | 2019-12-23 | 人脸图像处理方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911338981.XA CN111145082A (zh) | 2019-12-23 | 2019-12-23 | 人脸图像处理方法、装置、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111145082A true CN111145082A (zh) | 2020-05-12 |
Family
ID=70519565
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911338981.XA Pending CN111145082A (zh) | 2019-12-23 | 2019-12-23 | 人脸图像处理方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111145082A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111464828A (zh) * | 2020-05-14 | 2020-07-28 | 广州酷狗计算机科技有限公司 | 虚拟特效显示方法、装置、终端及存储介质 |
| CN113068069A (zh) * | 2021-03-18 | 2021-07-02 | 北京市商汤科技开发有限公司 | 图像处理方法、系统、装置、电子设备和存储介质 |
Citations (13)
| 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 |
| CN104361362A (zh) * | 2014-11-21 | 2015-02-18 | 江苏刻维科技信息有限公司 | 一种得出人脸部位轮廓定位模型的方法 |
| CN104361358A (zh) * | 2014-11-21 | 2015-02-18 | 江苏刻维科技信息有限公司 | 一种自动化人脸五官与面部轮廓辨识方法 |
| CN107274355A (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 |
| CN107679497A (zh) * | 2017-10-11 | 2018-02-09 | 齐鲁工业大学 | 视频面部贴图特效处理方法及生成系统 |
| CN107845127A (zh) * | 2017-12-02 | 2018-03-27 | 天津浩宝丰科技有限公司 | 一种人脸卡通动漫形象设计方法 |
| CN108229278A (zh) * | 2017-04-14 | 2018-06-29 | 深圳市商汤科技有限公司 | 人脸图像处理方法、装置和电子设备 |
| CN108846793A (zh) * | 2018-05-25 | 2018-11-20 | 深圳市商汤科技有限公司 | 基于图像风格转换模型的图像处理方法和终端设备 |
| CN108898649A (zh) * | 2018-06-15 | 2018-11-27 | Oppo广东移动通信有限公司 | 图像处理方法及装置 |
| CN108958610A (zh) * | 2018-07-27 | 2018-12-07 | 北京微播视界科技有限公司 | 基于人脸的特效生成方法、装置和电子设备 |
| CN109670427A (zh) * | 2018-12-07 | 2019-04-23 | 腾讯科技（深圳）有限公司 | 一种图像信息的处理方法、装置及存储介质 |
| CN110147465A (zh) * | 2019-05-23 | 2019-08-20 | 上海闻泰电子科技有限公司 | 图像处理方法、装置、设备和介质 |
| WO2019233256A1 (zh) * | 2018-06-07 | 2019-12-12 | 奇酷互联网络科技（深圳）有限公司 | 人脸贴图生成方法、装置、可读存储介质及移动终端 |
-
2019
- 2019-12-23 CN CN201911338981.XA patent/CN111145082A/zh active Pending
Patent Citations (13)
| 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 |
| CN104361362A (zh) * | 2014-11-21 | 2015-02-18 | 江苏刻维科技信息有限公司 | 一种得出人脸部位轮廓定位模型的方法 |
| CN104361358A (zh) * | 2014-11-21 | 2015-02-18 | 江苏刻维科技信息有限公司 | 一种自动化人脸五官与面部轮廓辨识方法 |
| CN108229278A (zh) * | 2017-04-14 | 2018-06-29 | 深圳市商汤科技有限公司 | 人脸图像处理方法、装置和电子设备 |
| CN107274355A (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 |
| CN107679497A (zh) * | 2017-10-11 | 2018-02-09 | 齐鲁工业大学 | 视频面部贴图特效处理方法及生成系统 |
| CN107845127A (zh) * | 2017-12-02 | 2018-03-27 | 天津浩宝丰科技有限公司 | 一种人脸卡通动漫形象设计方法 |
| CN108846793A (zh) * | 2018-05-25 | 2018-11-20 | 深圳市商汤科技有限公司 | 基于图像风格转换模型的图像处理方法和终端设备 |
| WO2019233256A1 (zh) * | 2018-06-07 | 2019-12-12 | 奇酷互联网络科技（深圳）有限公司 | 人脸贴图生成方法、装置、可读存储介质及移动终端 |
| CN108898649A (zh) * | 2018-06-15 | 2018-11-27 | Oppo广东移动通信有限公司 | 图像处理方法及装置 |
| CN108958610A (zh) * | 2018-07-27 | 2018-12-07 | 北京微播视界科技有限公司 | 基于人脸的特效生成方法、装置和电子设备 |
| CN109670427A (zh) * | 2018-12-07 | 2019-04-23 | 腾讯科技（深圳）有限公司 | 一种图像信息的处理方法、装置及存储介质 |
| CN110147465A (zh) * | 2019-05-23 | 2019-08-20 | 上海闻泰电子科技有限公司 | 图像处理方法、装置、设备和介质 |
Non-Patent Citations (1)
| Title |
|---|
| 聂培尧: "《计算机网络原理与NOEVLL网实用技术》", 国防工业出版社, pages: 54 - 56 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111464828A (zh) * | 2020-05-14 | 2020-07-28 | 广州酷狗计算机科技有限公司 | 虚拟特效显示方法、装置、终端及存储介质 |
| CN113068069A (zh) * | 2021-03-18 | 2021-07-02 | 北京市商汤科技开发有限公司 | 图像处理方法、系统、装置、电子设备和存储介质 |
| CN113068069B (zh) * | 2021-03-18 | 2022-09-09 | 北京市商汤科技开发有限公司 | 图像处理方法、系统、装置、电子设备和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102328349B1 (ko) | 인체 윤곽 키 포인트 검출 방법, 이미지 처리 방법, 장치 및 기기 | |
| EP2718902B1 (en) | Generation of avatar reflecting player appearance | |
| US6792144B1 (en) | System and method for locating an object in an image using models | |
| US20230049533A1 (en) | Image gaze correction method, apparatus, electronic device, computer-readable storage medium, and computer program product | |
| CN112184705A (zh) | 一种基于计算机视觉技术的人体穴位识别、定位及应用系统 | |
| WO2020135125A1 (zh) | 活体检测方法和设备 | |
| CN110717391A (zh) | 一种基于视频图像的身高测量方法、系统、装置和介质 | |
| CN113435236A (zh) | 居家老人姿态检测方法、系统、存储介质、设备及应用 | |
| CN111597910A (zh) | 一种人脸识别方法、装置、终端设备及介质 | |
| CN111145082A (zh) | 人脸图像处理方法、装置、电子设备及存储介质 | |
| CN112036284B (zh) | 图像处理方法、装置、设备及存储介质 | |
| CN114758362A (zh) | 基于语义感知注意力和视觉屏蔽的换衣行人重识别方法 | |
| CN114549557A (zh) | 一种人像分割网络训练方法、装置、设备及介质 | |
| CN114333046A (zh) | 舞蹈动作评分方法、装置、设备和存储介质 | |
| KR100839536B1 (ko) | 얼굴 특징점 추출 장치 및 그 방법, 머리카락 추출 장치 및 그 방법, 실사 캐릭터 생성 시스템 및 그 방법 | |
| KR20160046399A (ko) | 텍스쳐 맵 생성 방법 및 장치와 데이터 베이스 생성 방법 | |
| CN113792663B (zh) | 一种驾驶员酒驾以及疲劳驾驶的检测方法、装置及存储介质 | |
| CN111488779A (zh) | 视频图像超分辨率重建方法、装置、服务器及存储介质 | |
| CN115661903B (zh) | 一种基于空间映射协同目标过滤的识图方法及装置 | |
| CN111274854B (zh) | 一种人体动作识别方法和视觉增强处理系统 | |
| CN111754543B (zh) | 图像处理方法、装置及系统 | |
| CN113676721A (zh) | 一种ar眼镜的图像获取方法及系统 | |
| CN112784631A (zh) | 一种基于深度神经网络进行人脸情绪识别的方法 | |
| CN115457644B (zh) | 一种基于扩展空间映射获得目标的识图方法及装置 | |
| CN115578777B (zh) | 一种基于空间映射获得目标的识图方法及装置 |
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 |