CN111179178A - 人脸图像拼接方法及相关产品 - Google Patents
人脸图像拼接方法及相关产品 Download PDFInfo
- Publication number
- CN111179178A CN111179178A CN201911418695.4A CN201911418695A CN111179178A CN 111179178 A CN111179178 A CN 111179178A CN 201911418695 A CN201911418695 A CN 201911418695A CN 111179178 A CN111179178 A CN 111179178A
- Authority
- CN
- China
- Prior art keywords
- partition
- face
- sketch
- image
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000005192 partition Methods 0.000 claims abstract description 475
- 238000005286 illumination Methods 0.000 claims description 46
- 230000000903 blocking effect Effects 0.000 claims description 26
- 238000012545 processing Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 14
- 230000015654 memory Effects 0.000 claims description 14
- 238000004891 communication Methods 0.000 claims description 9
- 238000000638 solvent extraction Methods 0.000 claims description 3
- 230000001815 facial effect Effects 0.000 claims description 2
- 230000011218 segmentation Effects 0.000 claims 4
- 230000006870 function Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000002349 favourable effect Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013139 quantization Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000010845 search algorithm Methods 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
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4046—Scaling of whole images or parts thereof, e.g. expanding or contracting using neural networks
-
- 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
-
- 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)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例公开了一种人脸图像拼接方法,应用于电子设备;所述方法包括:电子设备获取原始素描画像,确定所述原始素描画像中的每个特征点的特征点信息,再根据所述特征点信息,确定多个素描画像分区中每个素描画像分区的分区信息,接着根据所述分区信息,确定所述每个素描画像分区对应的目标人脸照分块,最后根据所述分区信息和所述目标人脸照分块,确定完整人脸图像;可见,根据所述分区信息确定所述每个素描画像分区对应的目标人脸照分块,进而确定完整人脸图像,有利于帮助人脸图像拼接更接近真实情况,使得拼接结果更加准确可靠,有利于优化人脸图像拼接的准确性。
Description
技术领域
本申请涉及电子设备技术领域,具体涉及一种人脸图像拼接方法及相关产品。
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画像与其相应的照片般逼真的图像之间的映射,在获取到素描画像后,将素描画像转换对应的人脸图像。但是,现有的将素描画像转换成人脸图像的准确性较低。
发明内容
本申请实施例提供了一种人脸图像拼接方法及相关产品,以期提高素描画像转换成人脸图像的准确性。
第一方面,本申请实施例提供一种人脸图像拼接方法,应用于电子设备;所述方法包括:
获取原始素描画像,确定所述原始素描画像中的每个特征点的特征点信息;
根据所述特征点信息,确定多个素描画像分区中每个素描画像分区的分区信息;
根据所述分区信息,确定所述每个素描画像分区对应的目标人脸照分块;
根据所述分区信息和所述目标人脸照分块,确定完整人脸图像。
第二方面,本申请实施例提供一种人脸图像拼接装置,应用于电子设备;所述人脸图像拼接装置包括处理单元、通信单元和存储单元,其中,
所述处理单元,用于获取原始素描画像,确定所述原始素描画像中的每个特征点的特征点信息;以及用于根据所述特征点信息,确定多个素描画像分区中每个素描画像分区的分区信息;以及用于根据所述每个素描画像分区的分区信息,确定所述每个素描画像分区对应的目标人脸照分块;以及用于根据所述每个素描画像分区的分区信息和所述每个素描画像分区对应的目标人脸照分块,确定完整人脸图像。
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,提供了一种人脸图像拼接方法,应用于电子设备;所述方法包括:电子设备获取原始素描画像,确定所述原始素描画像中的每个特征点的特征点信息,再根据所述特征点信息,确定多个素描画像分区中每个素描画像分区的分区信息,接着根据所述分区信息,确定所述每个素描画像分区对应的目标人脸照分块,最后根据所述分区信息和所述目标人脸照分块,确定完整人脸图像;可见,根据所述分区信息确定所述每个素描画像分区对应的目标人脸照分块,进而确定完整人脸图像,有利于帮助人脸图像拼接更接近真实情况,使得拼接结果更加准确可靠,有利于优化人脸图像拼接的准确性。
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1A是本申请实施例提供的一种人脸图像拼接方法的流程示意图;
图1B是本申请实施例提供的一种特征点信息定位的示意图;
图1C是本申请实施例提供的一种原始素描画像分区的示意图;
图1D是本申请实施例提供的另一种人脸图像拼接方法的示意图;
图2是本申请实施例提供的另一种人脸图像拼接方法的流程示意图;
图3是本申请实施例提供的另一种人脸图像拼接方法的流程示意图;
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图像拼接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1A,图1A是本申请实施例提供了一种人脸图像拼接方法的流程示意图,应用于电子设备,所述电子设备;所述方法包括:
S101,电子设备获取原始素描画像,确定所述原始素描画像中的每个特征点的特征点信息;
S102,所述电子设备根据所述特征点信息,确定多个素描画像分区中每个素描画像分区的分区信息;
其中,所述特征点信息包括所述特征点的类型和所述特征点的位置。
其中,所述分区信息包括所述素描画像分区的类型和所述素描画像分区的分区标号。
S103,所述电子设备根据所述分区信息,确定所述每个素描画像分区对应的目标人脸照分块;
其中,所述目标人脸照分块来自人脸照数据库。
S104,所述电子设备根据所述分区信息和所述目标人脸照分块,确定完整人脸图像。
可以看出,本申请实施例中,提供了一种人脸图像拼接方法,应用于电子设备;所述方法包括:电子设备获取原始素描画像,确定所述原始素描画像中的每个特征点的特征点信息,再根据所述特征点信息,确定多个素描画像分区中每个素描画像分区的分区信息,接着根据所述分区信息,确定所述每个素描画像分区对应的目标人脸照分块,最后根据所述分区信息和所述目标人脸照分块,确定完整人脸图像;可见,根据所述分区信息确定所述每个素描画像分区对应的目标人脸照分块,进而确定完整人脸图像,有利于帮助人脸图像拼接更接近真实情况,使得拼接结果更加准确可靠,有利于优化人脸图像拼接的准确性。
在一个可能的示例中,所述电子设备确定所述原始素描画像中的每个特征点的特征点信息,包括:电子设备确定所述原始素描画像中的每个特征点的特征点信息,将所述特征点信息保存为三维数组,其中,所述三维数组包括(A,B,C):A为所述特征点的类型信息;B为所述特征点在所述原始素材图像中X轴的位置信息;C为所述特征点在所述原始素材图像中Y轴的位置信息。
其中,所述特征点的类型信息包括对所述原始素描画像进行人脸识别,确定每个特征点对应的定位信息,根据所述定位信息确定所述特征点的类型。
具体实现中,如图1B所示,电子设备确定原始素描画像W中特征点G1的特征点信息,以W的中心位置为原点O,水平方向为X轴,竖直方向为Y轴,进行特征点定位后,确定G1的特征点信息为(眼睛特征点,X1,Y1)。
可见,本示例中,电子设备确定所述原始素描画像中的每个特征点的特征点信息,将所述特征点信息保存为三维数组,有利于更加清晰准确的确定每个特征点的特征点信息,提高后续确定分区类型的准确性和高效性。
在一个可能的示例中,所述电子设备根据所述特征点信息,确定多个素描画像分区中每个素描画像分区的分区信息,包括:电子设备对所述原始素描画像进行分区处理,得到多个素描画像分区;所述电子设备根据所述每个素描画像分区在所述原始素描画像中的位置信息,确定所述每个素描画像分区的分区标号;所述电子设备根据所述特征点信息,统计所述多个素描画像分区中每个素描画像分区包含的不同特征点类型的数量信息;所述电子设备根据所述数量信息,确定所述多个素描画像分区中每个素描画像分区的分区类型;所述电子设备将所述分区信息保存为二维数组。
其中,所述素描画像分区的分区类型包括眼睛素描画像分区、嘴巴素描画像分区和背景素描画像分区。
其中,所述二维数组包括(M,N):M为所述素描画像分区的类型信息;N为所述素描画像分区根据所述位置信息得到的分区标号。
具体实现中,如图1C所示,电子设备对原始素描画像进行分区处理,得到分区1、分区2到分区16,根据每个素描画像分区在原始素描画像中的位置信息,确定每个素描画像分区的分区标号分别为H01、H02到H16,统计所述多个素描画像分区中每个素描画像分区包含的不同特征点类型的数量信息,进而确定所述多个素描画像分区中每个素描画像分区的分区类型,如:统计得到H11包含的眼睛特征点的数量为83,可以确定H11的分区类型为眼睛素描画像分区;最后确定所述每个素描画像分区的分区信息,将所述分区信息保存为二维数组,如:分区11(眼睛素描画像分区,H11)。
可见,本示例中,电子设备对所述原始素描画像进行分区处理,得到多个素描画像分区,再根据所述每个素描画像分区在所述原始素描画像中的位置信息,确定所述每个素描画像分区的分区标号,接着根据所述特征点信息,统计所述多个素描画像分区中每个素描画像分区包含的不同特征点类型的数量信息,确定所述多个素描画像分区中每个素描画像分区的分区类型,同时将所述分区信息保存为二维数组;有利于更加准确的确定每个素描画像分区的分区信息,有利于提高人脸图像拼接的准确性和高效性。
在一个可能的示例中,所述电子设备根据所述数量信息,确定所述多个素描画像分区中每个素描画像分区的分区类型,包括:电子设备若统计出素描画像分区包含的眼睛类型特征点的数量信息大于第一数量阈值,则确定所述素描画像分区的分区类型为眼睛素描画像分区;所述电子设备若统计出素描画像分区包含的嘴巴类型特征点数量信息大于第二数量阈值,则确定所述素描画像分区的分区类型为嘴巴素描画像分区;所述电子设备若统计出素描画像分区包含的背景类型特征点数量信息大于第三数量阈值,则确定所述素描画像分区的分区类型为背景素描画像分区。
在一个可能的示例中,所述电子设备根据所述每个素描画像分区的分区信息,确定所述每个素描画像分区对应的目标人脸照分块,包括:电子设备根据所述每个素描画像分区对应的分区信息,查询人脸照数据库,确定所述每个素描画像分区对应的多个人脸照分块;所述电子设备将所述多个人脸照分块与对应的素描画像分区进行匹配,计算所述多个人脸照分块与所述素描画像分区的特征点相差差值;所述电子设备确定所述相差差值最小的至少一个人脸照分块为目标人脸照分块,记录所述目标人脸照分块的人脸照分块信息。
其中,所述人脸照数据库包括多个人脸照,对所述多个人脸照进行标号,所述多个人脸照中的每个人脸照包括多个人脸照分块,所述多个人脸照分块中的每个人脸照分块包括人脸照分块信息,所述人脸照分块信息以二维数组的形式存在,所述二维数组包括(P,Q):P为所述人脸照分块所属的人脸照编号,Q为所述人脸照分块的分块标号。
具体实现中,素描画像V0包括素描画像分区001、002到016;电子设备根据每个素描画像分区对应的分区信息,查询人脸照数据库,人脸数据库中包括多个人脸照,将所述多个人脸照标号为V1,V2和V3,V1包括人脸照分块101、102到116,V2包括人脸照分块201、202到216,V3包括人脸照分块301、302到316,电子设备将所述多个人脸照分块与对应的素描画像分区进行匹配,计算所述多个人脸照分块与所述素描画像分区的特征点相差差值,如:将111、211和311与对应的素描画像分区011进行匹配,计算111、211和311与011的特征点相差差值,相差差值最小的人脸照分块211为目标人脸照分块,记录目标人脸照分块信息为(V2,211)。
可见,本示例中,电子设备根据所述每个素描画像分区对应的分区信息,查询人脸照数据库,确定所述每个素描画像分区对应的多个人脸照分块,将所述多个人脸照分块与对应的素描画像分区进行匹配,计算所述多个人脸照分块与所述素描画像分区的特征点相差差值,再确定所述相差差值最小的至少一个人脸照分块为目标人脸照分块,记录所述至少一个人脸照分块的人脸照分块信息;匹配每个素描画像分区对应的人脸照分块,有利于提高匹配的准确性和高效性,进而有利于提高后续人脸图像拼接的准确性和高效性。
在一个可能的示例中,所述电子设备根据所述每个素描画像分区的分区信息和所述每个素描画像分区对应的目标人脸照分块,确定完整人脸图像,包括:电子设备根据所述每个素描画像分区的分区信息,确定所述每个素描画像分区的拼接权重;所述电子设备获取所述拼接权重大于第一权重阈值的至少一个素描画像分区,确定所述至少一个素描画像分区对应的多个目标人脸照分块组成的集合为第一目标人脸照分块集合;所述电子设备获取所述第一目标人脸照分块集合中每个目标人脸照分块的人脸照分块信息,计算所述第一人脸照分块集合中每个人脸照编号出现的次数;所述电子设备根据所述每个人脸照编号出现的次数,确定所述第一人脸照分块集合中的一个人脸照编号为目标人脸照编号;所述电子设备确定所述目标人脸照编号对应的人脸照为目标人脸照;所述电子设备根据所述目标人脸照,确定所述目标人脸照中的人脸图像为完整人脸图像。
其中,所述一个人脸照编号满足在所述第一人脸照分块集合中出现的次数最多。
其中,所述确定所述每个素描画像分区的拼接权重包括使用K近邻搜索算法,在第一人脸照分块集合中找出与每个素描画像分区最相似的10个近邻人脸照分块,同时从人脸照分块集合中选出与近邻人脸照分块一一对应的10个近邻训练人脸照块,确定每个近邻人脸照分块的系数为Wi,k;使用马尔科夫图模型公式,对所有素描画像分区深度特征、所有近邻人脸照分块的深度特征、所有近邻训练人脸照块、深度特征图的系数Ui,l、近邻训练图像块的系数Wi,k建模;对马尔科夫图模型公式进行求解,确定所述每个素描画像分区的拼接权重。
其中,所述确定所述每个素描画像分区的拼接权重包括将素描画像分区输入到经深度乘积量化方法训练后的深度神经网络中,获取所述素描画像分区对应的特征表示;基于所述素描画像分区对应的特征表示和人脸照分块集合中每一张人脸照分块对应的特征表示,计算所述素描画像分区和所述人脸照分块之间的非对称量化距离;在所述人脸照分块集合中选取与所述素描画像分区的非对称量化距离最小的预设数量的图片作为检索结果,根据所述检索结果确定所述每个素描画像分区的拼接权重。
可见,本示例中,电子设备根据所述每个素描画像分区的分区信息,确定所述每个素描画像分区的拼接权重,获取所述拼接权重大于第一权重阈值的至少一个素描画像分区,确定所述至少一个素描画像分区对应的多个目标人脸照分块组成的集合为第一目标人脸照分块集合,获取所述第一目标人脸照分块集合中每个目标人脸照分块的人脸照分块信息,计算所述第一人脸照分块集合中每个人脸照编号出现的次数,根据所述每个人脸照编号出现的次数,确定所述第一人脸照分块集合中的一个人脸照编号为目标人脸照编号,确定所述目标人脸照编号对应的人脸照为目标人脸照,最后根据所述目标人脸照,确定所述目标人脸照中的人脸图像为完整人脸图像;有利于优化人脸图像拼接的准确性和高效性。
在一个可能的示例中,所述获取所述第一目标人脸照分块集合中每个目标人脸照分块的人脸照分块信息,计算所述第一人脸照分块集合中每个人脸照编号出现的次数后,方法还包括:电子设备根据所述每个人脸照编号出现的次数,确定多个第一人脸照编号;所述电子设备获取所述拼接权重小于或等于第一权重阈值的至少一个素描画像分区,确定所述至少一个素描画像分区对应的多个目标人脸照分块组成的集合为第二目标人脸照分块集合;所述电子设备计算所述第二人脸照编号分块中每个人脸照编号出现的次数,确定至少一个第二人脸照编号;所述电子设备将所述第一人脸照编号的出现次数数量乘以0.8,确定每个人脸照编号出现的第一权重次数;所述电子设备将所述第二人脸照编号的出现的次数数量乘以0.2,确定人脸照编号标号出现的第二权重次数;所述电子设备根据所述第一权重次数和所述第二权重次数,确定权重次数最大的人脸照编号为目标人脸照编号;所述电子设备确定所述目标人脸照编号对应的人脸照为目标人脸照;所述电子设备根据所述目标人脸照,确定所述目标人脸照中的人脸图像为完整人脸图像。
其中,所述多个第一人脸照编号满足在所述第一人脸照分块集合中出现的次数相同且最多。
其中,所述至少一个第二人脸照编号满足在所述第二人脸照分块集合中出现的次数最多。
其中,所述权重次数包括第一权重次数与第二权重次数相加。
具体实现中,如图1D所示,电子设备根据素描画像分区W1的分区信息(背景素描画像分区,W1)、素描画像分区W2的分区信息(眼睛素描画像分区,W2)、素描画像分区W3的分区信息(嘴巴素描画像分区,W3)和素描画像分区W4的分区信息(背景素描画像分区,W4),确定素描画像分区W1的拼接权重为1,确定素描画像分区W2的拼接权重为4,确定素描画像分区W3的拼接权重为4,确定素描画像分区W4的拼接权重为1;已知第一权重阈值为2,所述电子设备获取所述拼接权重大于第一权重阈值的素描画像分区2和素描画像分区3,确定素描画像分区2和素描画像分区3对应的多个目标人脸照分块组成的集合为第一目标人脸照分块集合E1,E1包括(U1,U12)、(U1,U13)、(U2,U22)、(U3,U32)和(U3,U33);计算E1中每个人脸照编号出现的次数:U1出现2次、U2出现1次、U3出现2次;确定第一人脸照编号U1和U3;所述电子设备获取所述拼接权重小于第一权重阈值的素描画像分区1和素描画像分区4,确定素描画像分区1和素描画像分区4对应的多个目标人脸照分块组成的集合为第二目标人脸照分块集合E2,E2包括(U1,U11)、(U2,U21)、(U3,U31)和(U3,U34);计算E2中每个人脸照编号出现的次数:U1出现1次、U2出现1次、U3出现2次,确定第二人脸照编号U3;所述电子设备将所述第一人脸照编号U1和U3的出现次数分别乘以0.8,确定U1的第一权重次数为1.6,U3的第一权重次数为1.6;将所述第二人脸照编号的出现的次数数量乘以0.2,确定U3的第二权重次数为0.4,进而确定U1的权重次数为1.6,U3的权重次数为1.6+0.4=2,确定所述权重次数最大的人脸照编号U3为目标人脸照编号,确定U3对应的人脸照3为目标人脸照;所述电子设备根据所述目标人脸照,确定所述目标人脸照中的人脸图像为完整人脸图像。
可见,本示例中,电子设备获取所述第一目标人脸照分块集合中每个目标人脸照分块的人脸照分块信息,计算所述第一人脸照分块集合中每个人脸照编号出现的次数后,根据所述每个人脸照编号出现的次数,确定多个第一人脸照编号;接着获取所述拼接权重小于或等于第一权重阈值的至少一个素描画像分区,确定所述至少一个素描画像分区对应的多个目标人脸照分块组成的集合为第二目标人脸照分块集合;计算所述第二人脸照编号分块中每个人脸照编号出现的次数,确定至少一个第二人脸照编号;根据预设权重计算人脸照编号出现的权重次数,确定权重次数最大的人脸照编号为目标人脸照编号;所述电子设备确定所述目标人脸照编号对应的人脸照为目标人脸照;所述电子设备根据所述目标人脸照,确定所述目标人脸照中的人脸图像为完整人脸图像;有利于优化人脸图像拼接的准确性和完整性。
与上述图1A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图像拼接方法的流程示意图,应用于电子设备;如图所示,本人脸图像拼接方法包括:
S201,电子设备获取原始素描画像,确定所述原始素描画像中的每个特征点的特征点信息;
S202,所述电子设备对所述原始素描画像进行分区处理,得到多个素描画像分区;
S203,所述电子设备根据所述每个素描画像分区在所述原始素描画像中的位置信息,确定所述每个素描画像分区的分区标号;
S204,所述电子设备根据所述特征点信息,统计所述多个素描画像分区中每个素描画像分区包含的不同特征点类型的数量信息;
S205,所述电子设备根据所述数量信息,确定所述多个素描画像分区中每个素描画像分区的分区类型;
S206,所述电子设备将所述分区信息保存为二维数组;
S207,所述电子设备根据所述分区信息,确定所述每个素描画像分区对应的目标人脸照分块;
S208,所述电子设备根据所述分区信息和所述目标人脸照分块,确定完整人脸图像。
可以看出,本申请实施例中,提供了一种人脸图像拼接方法,应用于电子设备;所述方法包括:电子设备获取原始素描画像,确定所述原始素描画像中的每个特征点的特征点信息,再根据所述特征点信息,确定多个素描画像分区中每个素描画像分区的分区信息,接着根据所述分区信息,确定所述每个素描画像分区对应的目标人脸照分块,最后根据所述分区信息和所述目标人脸照分块,确定完整人脸图像;可见,根据所述分区信息确定所述每个素描画像分区对应的目标人脸照分块,进而确定完整人脸图像,有利于帮助人脸图像拼接更接近真实情况,使得拼接结果更加准确可靠,有利于优化人脸图像拼接的准确性和高效性。
此外,电子设备对所述原始素描画像进行分区处理,得到多个素描画像分区,再根据所述每个素描画像分区在所述原始素描画像中的位置信息,确定所述每个素描画像分区的分区标号,接着根据所述特征点信息,统计所述多个素描画像分区中每个素描画像分区包含的不同特征点类型的数量信息,确定所述多个素描画像分区中每个素描画像分区的分区类型,同时将所述分区信息保存为二维数组;有利于更加准确的确定每个素描画像分区的分区信息,有利于提高人脸图像拼接的准确性和高效性。
与上述图1A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图像拼接方法的流程示意图,应用于电子设备;如图所示,本人脸图像拼接方法包括:
S301,电子设备获取原始素描画像,确定所述原始素描画像中的每个特征点的特征点信息;
S302,所述电子设备根据所述特征点信息,确定多个素描画像分区中每个素描画像分区的分区信息;
S303,所述电子设备根据所述分区信息,确定所述每个素描画像分区对应的目标人脸照分块;
S304,所述电子设备根据所述每个素描画像分区的分区信息,确定所述每个素描画像分区的拼接权重;
S305,所述电子设备获取所述拼接权重大于第一权重阈值的至少一个素描画像分区,确定所述至少一个素描画像分区对应的多个目标人脸照分块组成的集合为第一目标人脸照分块集合;
S306,所述电子设备获取所述第一目标人脸照分块集合中每个目标人脸照分块的人脸照分块信息,计算所述第一人脸照分块集合中每个人脸照编号出现的次数;
S307,所述电子设备根据所述每个人脸照编号出现的次数,确定所述第一人脸照分块集合中的一个人脸照编号为目标人脸照编号;
S308,所述电子设备确定所述目标人脸照编号对应的人脸照为目标人脸照;
S309,所述电子设备根据所述目标人脸照,确定所述目标人脸照中的人脸图像为完整人脸图像。
可以看出,本申请实施例中,提供了一种人脸图像拼接方法,应用于电子设备;所述方法包括:电子设备获取原始素描画像,确定所述原始素描画像中的每个特征点的特征点信息,再根据所述特征点信息,确定多个素描画像分区中每个素描画像分区的分区信息,接着根据所述分区信息,确定所述每个素描画像分区对应的目标人脸照分块,最后根据所述分区信息和所述目标人脸照分块,确定完整人脸图像;可见,根据所述分区信息确定所述每个素描画像分区对应的目标人脸照分块,进而确定完整人脸图像,有利于帮助人脸图像拼接更接近真实情况,使得拼接结果更加准确可靠,有利于优化人脸图像拼接的准确性和高效性。
此外,电子设备根据所述每个素描画像分区的分区信息,确定所述每个素描画像分区的拼接权重,获取所述拼接权重大于第一权重阈值的至少一个素描画像分区,确定所述至少一个素描画像分区对应的多个目标人脸照分块组成的集合为第一目标人脸照分块集合,获取所述第一目标人脸照分块集合中每个目标人脸照分块的人脸照分块信息,计算所述第一人脸照分块集合中每个人脸照编号出现的次数,根据所述每个人脸照编号出现的次数,确定所述第一人脸照分块集合中的一个人脸照编号为目标人脸照编号,确定所述目标人脸照编号对应的人脸照为目标人脸照,最后根据所述目标人脸照,确定所述目标人脸照中的人脸图像为完整人脸图像;有利于优化人脸图像拼接的准确性和高效性。
与上述图1A、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;
获取原始素描画像,确定所述原始素描画像中的每个特征点的特征点信息;
根据所述特征点信息,确定多个素描画像分区中每个素描画像分区的分区信息;
根据所述分区信息,确定所述每个素描画像分区对应的目标人脸照分块;
根据所述分区信息和所述目标人脸照分块,确定完整人脸图像。
可以看出,本申请实施例中,提供了一种人脸图像拼接方法,应用于电子设备;所述方法包括:电子设备获取原始素描画像,确定所述原始素描画像中的每个特征点的特征点信息,再根据所述特征点信息,确定多个素描画像分区中每个素描画像分区的分区信息,接着根据所述分区信息,确定所述每个素描画像分区对应的目标人脸照分块,最后根据所述分区信息和所述目标人脸照分块,确定完整人脸图像;可见,根据所述分区信息确定所述每个素描画像分区对应的目标人脸照分块,进而确定完整人脸图像,有利于帮助人脸图像拼接更接近真实情况,使得拼接结果更加准确可靠,有利于优化人脸图像拼接的准确性和高效性。
在一个可能的示例中,所述确定所述原始素描画像中的每个特征点的特征点信息,所述程序中的指令具体用于执行以下操作:确定所述原始素描画像中的每个特征点的特征点信息,将所述特征点信息保存为三维数组,其中,所述三维数组包括(A,B,C):A为所述特征点的类型信息;B为所述特征点在所述原始素材图像中X轴的位置信息;C为所述特征点在所述原始素材图像中Y轴的位置信息。
在一个可能的示例中,所述根据所述特征点信息,确定多个素描画像分区中每个素描画像分区的分区信息,所述程序中的指令具体用于执行以下操作:对所述原始素描画像进行分区处理,得到多个素描画像分区;根据所述每个素描画像分区在所述原始素描画像中的位置信息,确定所述每个素描画像分区的分区标号;根据所述特征点信息,统计所述多个素描画像分区中每个素描画像分区包含的不同特征点类型的数量信息;根据所述数量信息,确定所述多个素描画像分区中每个素描画像分区的分区类型;将所述分区信息保存为二维数组,其中,所述二维数组包括(M,N):M为所述素描画像分区的类型信息;N为所述素描画像分区根据所述位置信息得到的分区标号。
在一个可能的示例中,所述根据所述数量信息,确定所述多个素描画像分区中每个素描画像分区的分区类型,所述程序中的指令具体用于执行以下操作:若统计出素描画像分区包含的眼睛类型特征点的数量信息大于第一数量阈值,则确定所述素描画像分区的分区类型为眼睛素描画像分区;若统计出素描画像分区包含的嘴巴类型特征点数量信息大于第二数量阈值,则确定所述素描画像分区的分区类型为嘴巴素描画像分区;若统计出素描画像分区包含的背景类型特征点数量信息大于第三数量阈值,则确定所述素描画像分区的分区类型为背景素描画像分区。
在一个可能的示例中,所述根据所述每个素描画像分区的分区信息,确定所述每个素描画像分区对应的目标人脸照分块,所述程序中的指令具体用于执行以下操作:根据所述每个素描画像分区对应的分区信息,查询人脸照数据库,确定所述每个素描画像分区对应的多个人脸照分块,其中,所述人脸照数据库包括多个人脸照,对所述多个人脸照进行标号,所述多个人脸照中的每个人脸照包括多个人脸照分块,所述多个人脸照分块中的每个人脸照分块包括人脸照分块信息,所述人脸照分块信息以二维数组的形式存在,所述二维数组包括(P,Q):P为所述人脸照分块所属的人脸照编号,Q为所述人脸照分块的分块标号;将所述多个人脸照分块与对应的素描画像分区进行匹配,计算所述多个人脸照分块与所述素描画像分区的特征点相差差值;确定所述相差差值最小的至少一个人脸照分块为目标人脸照分块,记录所述目标人脸照分块的人脸照分块信息。
在一个可能的示例中,所述根据所述每个素描画像分区的分区信息和所述每个素描画像分区对应的目标人脸照分块,确定完整人脸图像,所述程序中的指令具体用于执行以下操作:根据所述每个素描画像分区的分区信息,确定所述每个素描画像分区的拼接权重;获取所述拼接权重大于第一权重阈值的至少一个素描画像分区,确定所述至少一个素描画像分区对应的多个目标人脸照分块组成的集合为第一目标人脸照分块集合;获取所述第一目标人脸照分块集合中每个目标人脸照分块的人脸照分块信息,计算所述第一人脸照分块集合中每个人脸照编号出现的次数;根据所述每个人脸照编号出现的次数,确定所述第一人脸照分块集合中的一个人脸照编号为目标人脸照编号,其中,所述一个人脸照编号满足在所述第一人脸照分块集合中出现的次数最多;确定所述目标人脸照编号对应的人脸照为目标人脸照;根据所述目标人脸照,确定所述目标人脸照中的人脸图像为完整人脸图像。
在一个可能的示例中,所述获取所述第一目标人脸照分块集合中每个目标人脸照分块的人脸照分块信息,计算所述第一人脸照分块集合中每个人脸照编号出现的次数后,方法还所述程序中的指令具体用于执行以下操作:根据所述每个人脸照编号出现的次数,确定多个第一人脸照编号,其中,所述多个第一人脸照编号满足在所述第一人脸照分块集合中出现的次数相同且最多;获取所述拼接权重小于或等于第一权重阈值的至少一个素描画像分区,确定所述至少一个素描画像分区对应的多个目标人脸照分块组成的集合为第二目标人脸照分块集合;计算所述第二目标人脸照分块集合中每个人脸照编号出现的次数,确定至少一个第二人脸照编号,其中,所述至少一个第二人脸照编号满足在所述第二目标人脸照分块集合中出现的次数最多;将所述第一人脸照编号的出现次数数量乘以0.8,确定每个人脸照编号出现的第一权重次数;将所述第二人脸照编号的出现的次数数量乘以0.2,确定人脸照编号标号出现的第二权重次数;根据所述第一权重次数和所述第二权重次数,确定权重次数最大的人脸照编号为目标人脸照编号;确定所述目标人脸照编号对应的人脸照为目标人脸照;根据所述目标人脸照,确定所述目标人脸照中的人脸图像为完整人脸图像。
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图像拼接装置500的功能单元组成框图。该人脸图像拼接装置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,用于获取原始素描画像,确定所述原始素描画像中的每个特征点的特征点信息;以及用于根据所述特征点信息,确定多个素描画像分区中每个素描画像分区的分区信息;以及用于根据所述每个素描画像分区的分区信息,确定所述每个素描画像分区对应的目标人脸照分块;以及用于根据所述每个素描画像分区的分区信息和所述每个素描画像分区对应的目标人脸照分块,确定完整人脸图像。
可以看出,本申请实施例中,提供了一种人脸图像拼接方法,应用于电子设备;所述方法包括:电子设备获取原始素描画像,确定所述原始素描画像中的每个特征点的特征点信息,再根据所述特征点信息,确定多个素描画像分区中每个素描画像分区的分区信息,接着根据所述分区信息,确定所述每个素描画像分区对应的目标人脸照分块,最后根据所述分区信息和所述目标人脸照分块,确定完整人脸图像;可见,根据所述分区信息确定所述每个素描画像分区对应的目标人脸照分块,进而确定完整人脸图像,有利于帮助人脸图像拼接更接近真实情况,使得拼接结果更加准确可靠,有利于优化人脸图像拼接的准确性和高效性。
在一个可能的示例中,所述确定所述原始素描画像中的每个特征点的特征点信息,所述处理单元501具体用于:确定所述原始素描画像中的每个特征点的特征点信息,将所述特征点信息保存为三维数组,其中,所述三维数组包括(A,B,C):A为所述特征点的类型信息;B为所述特征点在所述原始素材图像中X轴的位置信息;C为所述特征点在所述原始素材图像中Y轴的位置信息。
在一个可能的示例中,所述根据所述特征点信息,确定多个素描画像分区中每个素描画像分区的分区信息,所述处理单元501具体用于:对所述原始素描画像进行分区处理,得到多个素描画像分区;根据所述每个素描画像分区在所述原始素描画像中的位置信息,确定所述每个素描画像分区的分区标号;根据所述特征点信息,统计所述多个素描画像分区中每个素描画像分区包含的不同特征点类型的数量信息;根据所述数量信息,确定所述多个素描画像分区中每个素描画像分区的分区类型;将所述分区信息保存为二维数组,其中,所述二维数组包括(M,N):M为所述素描画像分区的类型信息;N为所述素描画像分区根据所述位置信息得到的分区标号。
在一个可能的示例中,所述根据所述数量信息,确定所述多个素描画像分区中每个素描画像分区的分区类型,所述处理单元501具体用于:若统计出素描画像分区包含的眼睛类型特征点的数量信息大于第一数量阈值,则确定所述素描画像分区的分区类型为眼睛素描画像分区;若统计出素描画像分区包含的嘴巴类型特征点数量信息大于第二数量阈值,则确定所述素描画像分区的分区类型为嘴巴素描画像分区;若统计出素描画像分区包含的背景类型特征点数量信息大于第三数量阈值,则确定所述素描画像分区的分区类型为背景素描画像分区。
在一个可能的示例中,所述根据所述每个素描画像分区的分区信息,确定所述每个素描画像分区对应的目标人脸照分块,所述处理单元501具体用于:根据所述每个素描画像分区对应的分区信息,查询人脸照数据库,确定所述每个素描画像分区对应的多个人脸照分块,其中,所述人脸照数据库包括多个人脸照,对所述多个人脸照进行标号,所述多个人脸照中的每个人脸照包括多个人脸照分块,所述多个人脸照分块中的每个人脸照分块包括人脸照分块信息,所述人脸照分块信息以二维数组的形式存在,所述二维数组包括(P,Q):P为所述人脸照分块所属的人脸照编号,Q为所述人脸照分块的分块标号;将所述多个人脸照分块与对应的素描画像分区进行匹配,计算所述多个人脸照分块与所述素描画像分区的特征点相差差值;确定所述相差差值最小的至少一个人脸照分块为目标人脸照分块,记录所述目标人脸照分块的人脸照分块信息。
在一个可能的示例中,所述根据所述每个素描画像分区的分区信息和所述每个素描画像分区对应的目标人脸照分块,确定完整人脸图像,所述处理单元501具体用于:根据所述每个素描画像分区的分区信息,确定所述每个素描画像分区的拼接权重;获取所述拼接权重大于第一权重阈值的至少一个素描画像分区,确定所述至少一个素描画像分区对应的多个目标人脸照分块组成的集合为第一目标人脸照分块集合;获取所述第一目标人脸照分块集合中每个目标人脸照分块的人脸照分块信息,计算所述第一人脸照分块集合中每个人脸照编号出现的次数;根据所述每个人脸照编号出现的次数,确定所述第一人脸照分块集合中的一个人脸照编号为目标人脸照编号,其中,所述一个人脸照编号满足在所述第一人脸照分块集合中出现的次数最多;确定所述目标人脸照编号对应的人脸照为目标人脸照;根据所述目标人脸照,确定所述目标人脸照中的人脸图像为完整人脸图像。
在一个可能的示例中,所述获取所述第一目标人脸照分块集合中每个目标人脸照分块的人脸照分块信息,计算所述第一人脸照分块集合中每个人脸照编号出现的次数后,方法还所述处理单元501具体用于:根据所述每个人脸照编号出现的次数,确定多个第一人脸照编号,其中,所述多个第一人脸照编号满足在所述第一人脸照分块集合中出现的次数相同且最多;获取所述拼接权重小于或等于第一权重阈值的至少一个素描画像分区,确定所述至少一个素描画像分区对应的多个目标人脸照分块组成的集合为第二目标人脸照分块集合;计算所述第二目标人脸照分块集合中每个人脸照编号出现的次数,确定至少一个第二人脸照编号,其中,所述至少一个第二人脸照编号满足在所述第二目标人脸照分块集合中出现的次数最多;将所述第一人脸照编号的出现次数数量乘以0.8,确定每个人脸照编号出现的第一权重次数;将所述第二人脸照编号的出现的次数数量乘以0.2,确定人脸照编号标号出现的第二权重次数;根据所述第一权重次数和所述第二权重次数,确定权重次数最大的人脸照编号为目标人脸照编号;确定所述目标人脸照编号对应的人脸照为目标人脸照;根据所述目标人脸照,确定所述目标人脸照中的人脸图像为完整人脸图像。
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 (10)
1.一种人脸图像拼接方法,其特征在于,应用于电子设备;所述方法包括:
获取原始素描画像,确定所述原始素描画像中的每个特征点的特征点信息;
根据所述特征点信息,确定多个素描画像分区中每个素描画像分区的分区信息;
根据所述分区信息,确定所述每个素描画像分区对应的目标人脸照分块;
根据所述分区信息和所述目标人脸照分块,确定完整人脸图像。
2.根据权利要求1所述的方法,其特征在于,所述确定所述原始素描画像中的每个特征点的特征点信息,包括:
确定所述原始素描画像中的每个特征点的特征点信息,将所述特征点信息保存为三维数组,其中,所述三维数组包括(A,B,C):
A为所述特征点的类型信息;
B为所述特征点在所述原始素材图像中X轴的位置信息;
C为所述特征点在所述原始素材图像中Y轴的位置信息。
3.根据权利要求1或2任一项所述的方法,其特征在于,所述根据所述特征点信息,确定多个素描画像分区中每个素描画像分区的分区信息,包括:
对所述原始素描画像进行分区处理,得到多个素描画像分区;
根据所述每个素描画像分区在所述原始素描画像中的位置信息,确定所述每个素描画像分区的分区标号;
根据所述特征点信息,统计所述多个素描画像分区中每个素描画像分区包含的不同特征点类型的数量信息;
根据所述数量信息,确定所述多个素描画像分区中每个素描画像分区的分区类型;
将所述分区信息保存为二维数组,其中,所述二维数组包括(M,N):
M为所述素描画像分区的类型信息;
N为所述素描画像分区根据所述位置信息得到的分区标号。
4.根据权利要求3所述的方法,其特征在于,所述根据所述数量信息,确定所述多个素描画像分区中每个素描画像分区的分区类型,包括:
若统计出素描画像分区包含的眼睛类型特征点的数量信息大于第一数量阈值,则确定所述素描画像分区的分区类型为眼睛素描画像分区;
若统计出素描画像分区包含的嘴巴类型特征点数量信息大于第二数量阈值,则确定所述素描画像分区的分区类型为嘴巴素描画像分区;
若统计出素描画像分区包含的背景类型特征点数量信息大于第三数量阈值,则确定所述素描画像分区的分区类型为背景素描画像分区。
5.根据权利要求1-4任一项所述的方法,其特征在于,所述根据所述每个素描画像分区的分区信息,确定所述每个素描画像分区对应的目标人脸照分块,包括:
根据所述每个素描画像分区对应的分区信息,查询人脸照数据库,确定所述每个素描画像分区对应的多个人脸照分块,
其中,所述人脸照数据库包括多个人脸照,对所述多个人脸照进行标号,所述多个人脸照中的每个人脸照包括多个人脸照分块,所述多个人脸照分块中的每个人脸照分块包括人脸照分块信息,所述人脸照分块信息以二维数组的形式存在,所述二维数组包括(P,Q):P为所述人脸照分块所属的人脸照编号,Q为所述人脸照分块的分块标号;
将所述多个人脸照分块与对应的素描画像分区进行匹配,计算所述多个人脸照分块与所述素描画像分区的特征点相差差值;
确定所述相差差值最小的至少一个人脸照分块为目标人脸照分块,记录所述目标人脸照分块的人脸照分块信息。
6.根据权利要求1-5任一项所述的方法,其特征在于,所述根据所述每个素描画像分区的分区信息和所述每个素描画像分区对应的目标人脸照分块,确定完整人脸图像,包括:
根据所述每个素描画像分区的分区信息,确定所述每个素描画像分区的拼接权重;
获取所述拼接权重大于第一权重阈值的至少一个素描画像分区,确定所述至少一个素描画像分区对应的多个目标人脸照分块组成的集合为第一目标人脸照分块集合;
获取所述第一目标人脸照分块集合中每个目标人脸照分块的人脸照分块信息,计算所述第一人脸照分块集合中每个人脸照编号出现的次数;
根据所述每个人脸照编号出现的次数,确定所述第一人脸照分块集合中的一个人脸照编号为目标人脸照编号,其中,所述一个人脸照编号满足在所述第一人脸照分块集合中出现的次数最多;
确定所述目标人脸照编号对应的人脸照为目标人脸照;
根据所述目标人脸照,确定所述目标人脸照中的人脸图像为完整人脸图像。
7.根据权利要求6所述的方法,其特征在于,所述获取所述第一目标人脸照分块集合中每个目标人脸照分块的人脸照分块信息,计算所述第一人脸照分块集合中每个人脸照编号出现的次数后,方法还包括:
根据所述每个人脸照编号出现的次数,确定多个第一人脸照编号,其中,所述多个第一人脸照编号满足在所述第一人脸照分块集合中出现的次数相同且最多;
获取所述拼接权重小于或等于第一权重阈值的至少一个素描画像分区,确定所述至少一个素描画像分区对应的多个目标人脸照分块组成的集合为第二目标人脸照分块集合;
计算所述第二目标人脸照分块集合中每个人脸照编号出现的次数,确定至少一个第二人脸照编号,其中,所述至少一个第二人脸照编号满足在所述第二目标人脸照分块集合中出现的次数最多;
将所述第一人脸照编号的出现次数数量乘以0.8,确定每个人脸照编号出现的第一权重次数;
将所述第二人脸照编号的出现的次数数量乘以0.2,确定人脸照编号标号出现的第二权重次数;
根据所述第一权重次数和所述第二权重次数,确定权重次数最大的人脸照编号为目标人脸照编号;
确定所述目标人脸照编号对应的人脸照为目标人脸照;
根据所述目标人脸照,确定所述目标人脸照中的人脸图像为完整人脸图像。
8.一种人脸图像拼接装置,其特征在于,应用于电子设备;所述人脸图像拼接装置包括处理单元、通信单元和存储单元,其中,
所述处理单元,用于获取原始素描画像,确定所述原始素描画像中的每个特征点的特征点信息;以及用于根据所述特征点信息,确定多个素描画像分区中每个素描画像分区的分区信息;以及用于根据所述每个素描画像分区的分区信息,确定所述每个素描画像分区对应的目标人脸照分块;以及用于根据所述每个素描画像分区的分区信息和所述每个素描画像分区对应的目标人脸照分块,确定完整人脸图像。
9.一种电子设备,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1-7任一项所述的方法中的步骤的指令。
10.一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1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911418695.4A CN111179178B (zh) | 2019-12-31 | 2019-12-31 | 人脸图像拼接方法及相关产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911418695.4A CN111179178B (zh) | 2019-12-31 | 2019-12-31 | 人脸图像拼接方法及相关产品 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111179178A true CN111179178A (zh) | 2020-05-19 |
CN111179178B CN111179178B (zh) | 2023-06-13 |
Family
ID=70650836
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911418695.4A Active CN111179178B (zh) | 2019-12-31 | 2019-12-31 | 人脸图像拼接方法及相关产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111179178B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1932842A (zh) * | 2006-08-10 | 2007-03-21 | 中山大学 | 一种基于网格的三维人脸识别方法 |
CN101482925A (zh) * | 2009-01-16 | 2009-07-15 | 西安电子科技大学 | 基于局部嵌入式隐马尔可夫模型的照片生成方法 |
CN103279936A (zh) * | 2013-06-21 | 2013-09-04 | 重庆大学 | 基于画像的人脸伪照片自动合成及修正方法 |
CN104915634A (zh) * | 2015-02-16 | 2015-09-16 | 百度在线网络技术(北京)有限公司 | 基于人脸识别技术的图像生成方法和装置 |
CN105844605A (zh) * | 2016-03-17 | 2016-08-10 | 西安电子科技大学 | 基于自适应表示的人脸画像合成方法 |
-
2019
- 2019-12-31 CN CN201911418695.4A patent/CN111179178B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1932842A (zh) * | 2006-08-10 | 2007-03-21 | 中山大学 | 一种基于网格的三维人脸识别方法 |
CN101482925A (zh) * | 2009-01-16 | 2009-07-15 | 西安电子科技大学 | 基于局部嵌入式隐马尔可夫模型的照片生成方法 |
CN103279936A (zh) * | 2013-06-21 | 2013-09-04 | 重庆大学 | 基于画像的人脸伪照片自动合成及修正方法 |
CN104915634A (zh) * | 2015-02-16 | 2015-09-16 | 百度在线网络技术(北京)有限公司 | 基于人脸识别技术的图像生成方法和装置 |
CN105844605A (zh) * | 2016-03-17 | 2016-08-10 | 西安电子科技大学 | 基于自适应表示的人脸画像合成方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111179178B (zh) | 2023-06-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10038892B2 (en) | Device and method for augmented reality applications | |
CN104199906B (zh) | 一种拍摄区域的推荐方法及装置 | |
US20120127276A1 (en) | Image retrieval system and method and computer product thereof | |
CN102834843A (zh) | 用于面部检测的方法和装置 | |
Rawat et al. | Context-aware photography learning for smart mobile devices | |
CN108537844A (zh) | 一种融合几何信息的视觉slam回环检测方法 | |
CN112818995B (zh) | 图像分类方法、装置、电子设备及存储介质 | |
CN111357034A (zh) | 点云生成方法、系统和计算机存储介质 | |
CN107622497A (zh) | 图像裁剪方法、装置、计算机可读存储介质和计算机设备 | |
CN111222005B (zh) | 声纹数据重排序方法、装置、电子设备及存储介质 | |
CN110309721B (zh) | 视频处理方法、终端和存储介质 | |
EP2979226A1 (en) | A method and apparatus for estimating a pose of an imaging device | |
CN117557611A (zh) | 图像配准方法、装置、电子设备及存储介质 | |
CN108388636A (zh) | 基于自适应分段最小外接矩形的街景影像检索方法及装置 | |
CN111179178A (zh) | 人脸图像拼接方法及相关产品 | |
CN112529006A (zh) | 全景图片的检测方法、装置、终端及存储介质 | |
US11734790B2 (en) | Method and apparatus for recognizing landmark in panoramic image and non-transitory computer-readable medium | |
CN113688671B (zh) | 一种指纹相似度的计算方法、装置、存储介质及终端 | |
CN114745516A (zh) | 全景视频的生成方法、装置、存储介质及电子设备 | |
CN114821228A (zh) | 深度图像输出模型训练方法、深度图像获取方法及装置 | |
TW202303451A (zh) | 指甲識別方法、裝置、設備及儲存媒體 | |
CN109784226B (zh) | 人脸抓拍方法及相关装置 | |
CN113160102A (zh) | 三维场景重建的方法、装置、设备和存储介质 | |
CN113158732A (zh) | 图像处理方法及相关装置 | |
CN111145128A (zh) | 色彩增强方法及相关装置 |
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 |