CN111243049A - 人脸图像的处理方法、装置、可读介质和电子设备 - Google Patents

人脸图像的处理方法、装置、可读介质和电子设备 Download PDF

Info

Publication number
CN111243049A
CN111243049A CN202010010716.5A CN202010010716A CN111243049A CN 111243049 A CN111243049 A CN 111243049A CN 202010010716 A CN202010010716 A CN 202010010716A CN 111243049 A CN111243049 A CN 111243049A
Authority
CN
China
Prior art keywords
distance
sight line
face image
edge
coordinate
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
Application number
CN202010010716.5A
Other languages
English (en)
Other versions
CN111243049B (zh
Inventor
诸葛晶晶
杨清帅
李璇
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.)
Beijing ByteDance Network Technology Co Ltd
Original Assignee
Beijing ByteDance Network Technology 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 Beijing ByteDance Network Technology Co Ltd filed Critical Beijing ByteDance Network Technology Co Ltd
Priority to CN202010010716.5A priority Critical patent/CN111243049B/zh
Publication of CN111243049A publication Critical patent/CN111243049A/zh
Priority to PCT/CN2020/127260 priority patent/WO2021139382A1/zh
Priority to JP2021571584A priority patent/JP7316387B2/ja
Priority to US17/616,961 priority patent/US11887325B2/en
Priority to GB2117372.9A priority patent/GB2599036A/en
Application granted granted Critical
Publication of CN111243049B publication Critical patent/CN111243049B/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
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • 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
    • G06V40/18—Eye characteristics, e.g. of the iris
    • G06V40/193—Preprocessing; Feature extraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/001—Texturing; Colouring; Generation of texture or colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G06F3/013—Eye tracking input arrangements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/60—Editing figures and text; Combining figures or text
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • 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
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • 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
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • G06V10/225—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition based on a marking or identifier characterising the area
    • 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
    • G06V40/161—Detection; Localisation; Normalisation
    • 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
    • G06V40/165—Detection; Localisation; Normalisation using facial parts and geometric relationships
    • 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)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Graphics (AREA)
  • Ophthalmology & Optometry (AREA)
  • Processing Or Creating Images (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)
  • Image Generation (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

本公开涉及一种人脸图像的处理方法、装置、可读介质和电子设备，涉及图像处理技术领域，该方法包括：按照预设的识别算法，获取待处理的人脸图像中的视线信息，视线信息包括：人眼的第一坐标和边缘坐标，边缘坐标用于指示人眼的视线与人脸图像的边缘的交点，根据视线信息确定人脸图像中的目标区域，目标区域包括以第一坐标和边缘坐标为端点的视线线段，将预设的效果素材渲染至目标区域，以得到目标图像。本公开通过识别人脸图像中包括的视线信息，确定需要渲染的目标区域，再将效果素材渲染至目标区域，使得渲染效果能够跟随人眼的视线。

Description

人脸图像的处理方法、装置、可读介质和电子设备
技术领域
本公开涉及图像处理技术领域，具体地，涉及一种人脸图像的处理方法、装置、可读介质和电子设备。
背景技术
随着终端技术和图像处理技术的不断发展，终端设备上所能提供的图像处理操作越来越丰富。为了满足用户的不同需求，终端设备可以在包含人脸的图像上增加各种效果，例如可以在图像中的人眼处渲染出镭射、发光、流泪等效果。然而，针对人眼的渲染效果，通常是固定显示在人眼所在位置的附近，不能反映人眼的真实状态。
发明内容
提供该发明内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
第一方面，本公开提供一种人脸图像的处理方法，所述方法包括：
按照预设的识别算法，获取待处理的人脸图像中的视线信息，所述视线信息包括：人眼的第一坐标和边缘坐标，所述边缘坐标用于指示所述人眼的视线与所述人脸图像的边缘的交点；
根据所述视线信息确定所述人脸图像中的目标区域，所述目标区域包括以所述第一坐标和所述边缘坐标为端点的视线线段；
将预设的效果素材渲染至所述目标区域，以得到目标图像。
第二方面，本公开提供一种人脸图像的处理装置，所述装置包括：
获取模块，用于按照预设的识别算法，获取待处理的人脸图像中的视线信息，所述视线信息包括：人眼的第一坐标和边缘坐标，所述边缘坐标用于指示所述人眼的视线与所述人脸图像的边缘的交点；
第一确定模块，用于根据所述视线信息确定所述人脸图像中的目标区域，所述目标区域包括以所述第一坐标和所述边缘坐标为端点的视线线段；
渲染模块，用于将预设的效果素材渲染至所述目标区域，以得到目标图像。
第三方面，本公开提供一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现本公开第一方面所述方法的步骤。
第四方面，本公开提供一种电子设备，包括：
存储装置，其上存储有计算机程序；
处理装置，用于执行所述存储装置中的所述计算机程序，以实现本公开第一方面所述方法的步骤。
通过上述技术方案，本公开首先按照预设的识别算法对待处理的人脸图像进行识别，以获取包括了人眼的第一坐标和边缘坐标的视线信息，其中，边缘坐标用于指示人眼的视线与人脸图像的边缘的交点，之后根据视线信息确定人脸图像中，包括了以第一坐标和边缘坐标为端点的视线线段的目标区域，最后将预设的效果素材渲染至目标区域，以得到目标图像。本公开通过识别人脸图像中包括的视线信息，确定需要渲染的目标区域，再将效果素材渲染至目标区域，使得渲染效果能够跟随人眼的视线。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。
在附图中：
图1是根据一示例性实施例示出的一种人脸图像的处理方法的流程图；
图2是根据一示例性实施例示出的一种效果素材；
图3是根据一示例性实施例示出的一种人脸图像；
图4是根据一示例性实施例示出的一种目标图像；
图5是根据一示例性实施例示出的另一种人脸图像的处理方法的流程图；
图6是根据一示例性实施例示出的一种人脸图像；
图7是根据一示例性实施例示出的另一种人脸图像的处理方法的流程图；
图8是根据一示例性实施例示出的另一种人脸图像的处理方法的流程图；
图9是根据一示例性实施例示出的一种附加效果素材；
图10a是根据一示例性实施例示出的一种人脸图像；
图10b是根据一示例性实施例示出的一种目标图像；
图11是根据一示例性实施例示出的一种人脸图像的处理装置的框图；
图12是根据一示例性实施例示出的另一种人脸图像的处理装置的框图；
图13是根据一示例性实施例示出的另一种人脸图像的处理装置的框图；
图14是根据一示例性实施例示出的另一种人脸图像的处理装置的框图；
图15是根据一示例性实施例使出的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
图1是根据一示例性实施例示出的一种人脸图像的处理方法的流程图，如图1所示，该方法包括：
步骤101，按照预设的识别算法，获取待处理的人脸图像中的视线信息，视线信息包括：人眼的第一坐标和边缘坐标，边缘坐标用于指示人眼的视线与人脸图像的边缘的交点。
举例来说，待处理的人脸图像，例如可以是用户通过终端设备拍摄的一幅包含人脸的照片，或者通过终端设备拍摄的视频中一帧包含人脸的图像，也可以是用户在终端设备显示界面上选择的一副包含人脸的图像。首先，按照预设的识别算法，识别出人脸图像中包含的视线信息。识别算法可以先识别出人脸图像中的人脸，再进一步确定人脸中人眼的位置，最后获得视线信息。其中，视线信息能够描述人眼的视线，例如可以包括人眼在人脸图像上的第一坐标，和人眼的视线与人脸图像的边缘的交点在人脸图像上的边缘坐标。通过第一坐标和边缘坐标，能够描述视线的方向(即人眼看向哪个方向)。人脸图像中所包含的视线，是以第一坐标为起点，边缘坐标为终点。需要说明的是，人脸图像中可以包括一个或多个人脸，每个人脸上可以包括两个人眼，那么每个人眼对应一道视线。相应的，每道视线都对应一组第一坐标和边缘坐标。可以理解为，当人脸图像中包括N个人眼时，步骤101中获取的是N个视线信息，每个视线信息中包括一组第一坐标和边缘坐标，用于描述一个人眼的视线。
步骤102，根据视线信息确定人脸图像中的目标区域，目标区域包括以第一坐标和边缘坐标为端点的视线线段。
示例的，用户可以通过终端设备选择指定的效果(例如可以是镭射、发光、流泪等)，那么要对人眼渲染出指定的效果，需要在人脸图像中，根据视线信息确定一个目标区域，即指定的效果在人脸图像中需要显示的位置。目标区域包括了以第一坐标和边缘坐标为端点的视线线段。目标区域可以是包括了视线线段的矩形或者其他形状。例如目标区域可以是以视线线段的中点作为中心，视线线段的长度作为长，人眼的长度作为宽，确定的矩形。还可以将视线线段向边缘坐标的方向进行延伸，得到长度与人脸图像的对角线长度相同的延伸线段，目标区域为以延伸线段的中点作为中心，延伸线段的长度作为长，预设的宽度作为宽，将得到的矩形。
其中，目标区域是与视线线段一一对应的，若人脸图像中包括了多个人眼(例如：人脸图像中的单个人脸的两个人眼，或者人脸图像中的多个人脸的多个人眼)，每个人眼对应一组第一坐标和边缘坐标，那么每一组第一坐标和边缘坐标确定一个视线线段，相应的每个视线线段确定一个目标区域，即在人脸图像中确定多个目标区域。
步骤103，将预设的效果素材渲染至目标区域，以得到目标图像。
示例的，在对目标区域进行渲染之前，还可以根据用户指定的效果，在预先存储的素材库中找到指定的效果对应的效果素材。其中，素材库中包括有多种效果中每种效果对应的效果素材，素材库可以预先存储在终端设备上，也可以存储在终端设备能够访问的服务器中，当终端设备需要使用某个效果对应的效果素材时，再从服务器中查找并获取该效果素材。在确定效果素材之后，通过openGL(英文：Open Graphics Library，中文：开放式图形库)将效果素材作为纹理贴图，渲染到目标区域内，以得到目标图像。由于目标区域是根据视线信息确定的，因此在目标区域内渲染效果素材，使得渲染效果能够跟随人眼的视线，能够反映人眼的真实状态。
进一步的，为了使渲染效果能够具有视觉上的3D(英文：3Dimensions，中文：三维)效果，可以将效果素材设置为两端宽度不一致的素材。在对目标区域进行渲染时，将效果素材中宽度较小的一端渲染至目标区域中靠近第一坐标的一端(即靠近人眼的一端)，将效果素材中宽度较大的一端渲染至目标区域中靠近边缘坐标的一端。以效果素材是镭射为例，这样得到的目标图像位于人眼一端的镭射线较细，位于图像边缘一端的镭射线较粗，从而产生视觉上的3D效果。
需要说明的是，在得到目标图像后，可以根据用户的不同需求，对目标图像进行不同的操作，例如可以将目标图像显示在终端设备的显示界面上，也可以将目标图像存储在指定的存储路径内，还可以将目标图像发送至指定的服务器进行共享等，本公开对此不作具体限定。
以效果素材为图2，人脸图像为图3来举例，先通过识别算法得到图3中左眼的第一坐标和边缘坐标：(P0，P1)，右眼的第一坐标和边缘坐标：(P2，P3)，再根据(P0，P1)和(P2，P3)确定左眼对应的目标区域A，和右眼对应的目标区域B，最后将图2分别渲染至A和B处，得到目标图像如图4所示。
综上所述，本公开首先按照预设的识别算法对待处理的人脸图像进行识别，以获取包括了人眼的第一坐标和边缘坐标的视线信息，其中，边缘坐标用于指示人眼的视线与人脸图像的边缘的交点，之后根据视线信息确定人脸图像中，包括了以第一坐标和边缘坐标为端点的视线线段的目标区域，最后将预设的效果素材渲染至目标区域，以得到目标图像。本公开通过识别人脸图像中包括的视线信息，确定需要渲染的目标区域，再将效果素材渲染至目标区域，使得渲染效果能够跟随人眼的视线。
图5是根据一示例性实施例示出的另一种人脸图像的处理方法的流程图，如图5所示，视线信息还包括景深距离，景深距离为人眼到拍摄人脸图像的镜头之间的距离，步骤102的实现方式可以包括：
步骤1021，根据景深距离确定第一距离，并根据人脸图像的图像尺寸确定第二距离，第一距离与景深距离为负相关，第二距离与图像尺寸为正相关。
步骤1022，将包括视线线段，且宽度为第一距离，长度为第二距离的矩形区域作为目标区域。
举例来说，为了使渲染效果能够具有视觉上的3D效果，还可以结合视线信息中包括的景深距离来确定目标区域。其中，景深距离可以理解为人脸图像中的人眼，距离拍摄该人脸图像的镜头之间的距离，人眼距离镜头越近，景深距离越小，人眼距离镜头越远，景深距离越大。首先，根据景深距离确定第一距离，根据人脸图像的图像尺寸确定第二距离，其中，第一距离与景深距离为负相关，第二距离与图像尺寸为正相关。之后，按照第一距离为宽，第二距离为长确定一个包括视线线段的矩形，作为目标区域。这样，景深距离越小，目标区域的宽度越宽，景深距离越大，目标区域的宽度越窄。
具体的，第一距离可以根据公式1来确定：
Figure BDA0002357048920000071
其中，W表示第一距离，Z表示景深距离，α和β为预设的调节参数，用于调节W随Z变化的敏感度。利用反正切函数
Figure BDA0002357048920000072
来限制W过大或者过小。
为了避免目标区域选择的过小，导致效果素材在人脸图像上出现断开的问题，可以将目标区域延伸出人脸图像的范围之外。那么可以将第二距离设置为人脸图像的对角线的长度，也可以将对角线的长度作为第二距离的最小值，以保证效果素材在人脸图像上不会出现断开的问题。
相应的，步骤103的实现方式可以为：
按照第一距离和第二距离调整效果素材的大小，并将调整后的效果素材渲染至目标区域，以得到目标图像。
示例的，将效果素材按照第一距离和第二距离调整大小，调整后的效果素材的宽为第一距离，长为第二距离，然后通过openGL将调整后的效果素材作为纹理贴图，渲染至目标区域，以得到目标图像。以效果素材是镭射为例，景深距离越小，目标区域的宽度越宽，调整后的效果素材就越宽，目标图像中的镭射线就越宽，景深距离越大，目标区域的宽度越窄，调整后的效果素材就越窄，目标图像中的镭射线就越窄，从而产生视觉上的3D效果。
具体的，步骤1022中确定目标区域可以包括以下步骤：
步骤1)，确定第一边，第一边的边长为第一距离，第一边的中点为第一坐标，且第一边与视线线段垂直。
步骤2)，确定第二边，第二边的边长为第二距离，且第二边与第一边垂直。
步骤3)，将由第一边和第二边组成的，且包括视线线段的矩形作为目标区域。
示例的，先确定目标区域的第一边，第一边是视线线段的法线，并且，第一边是边长为第一距离且中点为第一坐标的线段。之后，再确定目标区域的第二边，第二边是与第一边垂直，长度为第二长度的线段，且第二边与第一边的交点位于第一边的一个端点处。最后，将由第一边和第二边组成的矩形作为目标区域，目标区域内包括视线线段。以图3中的左眼来举例，左眼的第一坐标和边缘坐标：(P0，P1)，通过步骤1)至步骤3)确定的第一边为MN，第二边为MO，左眼的目标区域为A1，如图6所示。确定右眼的目标区域的方式与左眼相同，此处不再赘述。A1的四个顶点的坐标可以根据公式2来确定：
Figure BDA0002357048920000081
其中，VertexLeftTop表示A1的左上角坐标，VertexRightTop表示A1的右上角坐标，VertexLeftBottom表示A1的左下角坐标，VertexRightBottom表示A1的右下角坐标，W表示第一距离(即MN的边长)，H表示第二距离(即MO的边长)，dy表示sinθ，dx表示cosθ，θ为视线线段与人脸图像的下边缘的夹角。
可选地，步骤101的实现方式可以为：
将人脸图像输入至预先训练的视线识别模型，以得到视线识别模型输出的第一坐标、边缘坐标和景深距离。
举例来说，识别算法可以是将人脸图像输入至预先训练的视线识别模型，视线识别模型能够输出人脸图像中的第一坐标、边缘坐标和景深距离。其中，视线识别模型可以是根据预先设置的样本输入集和样本输出集训练得到的神经网络，例如可以是卷积神经网络(英文：Convolutional Neural Networks，缩写：CNN)。卷积神经网络仅是本公开实施例的神经网络的一个示例，本公开不限于此，还可以包括其他各种神经网络。视线识别模型例如可以包括输入层、卷积层、反馈层、全连接层和输出层。首先将人脸图像输入到输入层，通过卷积层，从人脸图像中提取卷积层特征。再通过反馈层，结合上一次的反馈层特征和后一次的反馈层特征，从卷积层中提取当前的反馈层特征，之后通过全连接层，对反馈层特征进行抽象处理，以生成人脸图像的第一坐标、边缘坐标和景深距离，最后通过输出层输出第一坐标、边缘坐标和景深距离。
图7是根据一示例性实施例示出的另一种人脸图像的处理方法的流程图，如图7所示，在人脸图像中存在多个视线线段的场景中，在步骤102之后，该方法还包括：
步骤104，根据视线信息确定多个视线线段的交点坐标。
步骤105，将边缘坐标，和/或交点坐标作为附加效果坐标。
步骤106，确定以附加效果坐标为中心的附加区域。
相应的，步骤103包括：
将效果素材渲染至目标区域，并将预设的附加效果素材渲染至附加区域，以得到目标图像。
在具体的实现场景中，例如人脸图像中的单个人脸的双眼可以分别对应两个视线线段，所述两个视线线段可能相交，例如人脸图像中可能包括多个人脸，所述多个人脸所对应的视线线段可能相交，还例如人眼的视线也会和人脸图像的边缘相交(即边缘坐标所指示的点)。此时可以在相交的位置处渲染附加的效果(例如可以是碰撞、火花等)。首先确定多个视线线段的交点坐标，交点坐标可以为零个(即多个视线线段互相平行，或者在人脸图像内不存在交点)，一个或多个。
以人脸图像中存在两个视线线段ab和cd来举例，确定ab和cd的交点坐标可以通过以下步骤来获得：
ab和cd中四个端点的坐标为：a的横坐标为a.x，a的纵坐标为a.y，a的横坐标为b.x，b的纵坐标为b.y，c的横坐标为c.x，c的纵坐标为c.y，d的横坐标为d.x，d的纵坐标为d.y。先计算ac和bc的叉乘：
area_abc＝(a.x-c.x)*(b.y-c.y)-(a.y-c.y)*(b.x-c.x)
ab和bd的叉乘：
area_abd＝(a.x-d.x)*(b.y-d.y)-(a.y-d.y)*(b.x-d.x)
ca和da的叉乘：
area_cda＝(c.x-a.x)*(d.y-a.y)-(c.y-a.y)*(d.x-a.x)
cb和db的叉乘：
area_cdb＝area_cda+area_abc-area_abd
若area_abc＝＝area_abd表示ab和cd平行，即ab和cd之间没有交点。若area_abc*area_abd>＝0或者area_cda*area_cdb>＝0，表示ab和cd不平行，但在人脸图像内不存在交点。
若不满足上述条件，表示ab和cd之间存在交点，那么交点坐标的横坐标X和纵坐标Y可以通过公式3来获得：
Figure BDA0002357048920000101
其中，t可以理解为三角形cda的面积与四边形abcd的面积的比值，也可以理解为点a到交点的长度与ab的长度的比值。
以上仅以两个视线线段之间的交点坐标来进行举例说明，当存在两个以上的视线线段时，交点坐标的确定方式是相同的，此处不再赘述。
进一步的，若交点坐标不为零个，那么可以将边缘坐标和交点坐标作为附加效果坐标，若交点坐标为零个，那么仅将边缘坐标作为附加效果坐标。然后确定以附加效果坐标为中心的附加区域。附加区域可以是以附加效果坐标为中心的矩形，也可以是其他形状。确定附加区域之后，在通过openGL将效果素材渲染至目标区域的同时，可以将附加效果素材渲染至附加区域，以得到目标图像。其中，附加的效果同样也可以由用户来选择，然后根据用户选择的附加的效果，在预先存储的附加素材库中找到附加的效果对应的附加效果素材。
图8是根据一示例性实施例示出的另一种人脸图像的处理方法的流程图，如图8所示，视线信息还包括景深距离，景深距离为人眼到拍摄人脸图像的镜头之间的距离，步骤106的实现方式可以包括：
步骤1061，根据景深距离和附加效果坐标，确定附加效果坐标对应的附加景深距离。
步骤1062，确定以附加效果坐标为中心的附加区域，附加区域的大小为根据附加景深距离确定的。
示例的，为了使附加效果也能够具有视觉上的3D效果，同样可以结合视线信息中包括的景深距离来确定附加区域。首先可以根据景深距离和附加效果坐标，来确定附加效果坐标对应的附加景深距离。附加景深距离可以通过公式4来确定：
Zf＝Z*(1-t) 公式4
其中，Zf表示附加景深距离，Z表示景深距离，t为公式3中确定的，三角形cda的面积与四边形abcd的面积的比值。
然后再根据附加景深距离，确定附加区域的大小，附加区域的大小与附加景深距离负相关。即附加景深距离越大，表示附加效果坐标距离镜头越远，那么附加区域越小，附加景深距离越小，表示附加效果坐标距离镜头越近，那么附加区域越大。以附加区域为正方形来举例，那么附加区域的边长可以根据公式5来确定：
Figure BDA0002357048920000111
其中，Wf表示附加区域的边长，α和β为预设的调节参数，用于调节Wf随Zf变化的敏感度。利用反正切函数
Figure BDA0002357048920000112
来限制Wf过大或者过小。
以效果素材为图2，附加效果素材为图9，人脸图像为图3来举例，确定的附加区域为C、D、E，如图10a所示，将图2渲染至目标区域，并将图9素材渲染至附加区域，得到的目标图像如图10b所示。
需要说明的是，上述实施例中，将效果素材(或者附加效果素材)渲染至目标区域(或者附加区域)时，可以采用openGL中的GL_MAX_EXT混合方程，将效果素材所在图层、附加效果素材所在图层与人脸图像所在图层进行合并，之后采用滤色混合模式将效果素材、附加效果素材与人脸图像进行混合，来实现渲染。其中，目标图像中显示的是结果色，人脸图像的颜色为基础色，效果素材和附加效果素材的颜色为混合色，滤色混合模式中的滤色混合公式可以为：结果色＝255-[(255-基础色)*(255-混合色)]/255。
综上所述，本公开首先按照预设的识别算法对待处理的人脸图像进行识别，以获取包括了人眼的第一坐标和边缘坐标的视线信息，其中，边缘坐标用于指示人眼的视线与人脸图像的边缘的交点，之后根据视线信息确定人脸图像中，包括了以第一坐标和边缘坐标为端点的视线线段的目标区域，最后将预设的效果素材渲染至目标区域，以得到目标图像。本公开通过识别人脸图像中包括的视线信息，确定需要渲染的目标区域，再将效果素材渲染至目标区域，使得渲染效果能够跟随人眼的视线。
图11是根据一示例性实施例示出的一种人脸图像的处理装置的框图，如图11所示，该装置200包括：
获取模块201，用于按照预设的识别算法，获取待处理的人脸图像中的视线信息，视线信息包括：人眼的第一坐标和边缘坐标，边缘坐标用于指示人眼的视线与人脸图像的边缘的交点。
第一确定模块202，用于根据视线信息确定人脸图像中的目标区域，目标区域包括以第一坐标和边缘坐标为端点的视线线段。
渲染模块203，用于将预设的效果素材渲染至目标区域，以得到目标图像。
图12是根据一示例性实施例示出的另一种人脸图像的处理装置的框图，如图12所示，视线信息还包括景深距离，景深距离为人眼到拍摄人脸图像的镜头之间的距离，第一确定模块202包括：
第一确定子模块2021，用于根据景深距离确定第一距离，并根据人脸图像的图像尺寸确定第二距离，第一距离与景深距离为负相关，第二距离与图像尺寸为正相关。
第二确定子模块2022，用于将包括视线线段，且宽度为第一距离，长度为第二距离的矩形区域作为目标区域。
可选地，渲染模块203用于：
按照第一距离和第二距离调整效果素材的大小，并将调整后的效果素材渲染至目标区域，以得到目标图像。
可选地，第二确定子模块2022用于执行以下步骤：
步骤1)，确定第一边，第一边的边长为第一距离，第一边的中点为第一坐标，且第一边与视线线段垂直。
步骤2)，确定第二边，第二边的边长为第二距离，且第二边与第一边垂直。
步骤3)，将由第一边和第二边组成的，且包括视线线段的矩形作为目标区域。
可选地，获取模块201用于：
将人脸图像输入至预先训练的视线识别模型，以得到视线识别模型输出的第一坐标、边缘坐标和景深距离。
图13是根据一示例性实施例示出的另一种人脸图像的处理装置的框图，如图13所示，人脸图像中存在多个视线线段，该装置200还包括：
第二确定模块204，用于在根据视线信息确定人脸图像中的目标区域之后，根据视线信息确定多个视线线段的交点坐标。
第二确定模块204，还用于将边缘坐标，和/或交点坐标作为附加效果坐标。
第二确定模块204，还用于确定以附加效果坐标为中心的附加区域。
渲染模块203，用于将效果素材渲染至目标区域，并将预设的附加效果素材渲染至附加区域，以得到目标图像。
图14是根据一示例性实施例示出的另一种人脸图像的处理装置的框图，如图14所示，第二确定模块204包括：
第三确定子模块2041，用于根据景深距离和附加效果坐标，确定附加效果坐标对应的附加景深距离。
第四确定子模块2042，用于确定以附加效果坐标为中心的附加区域，附加区域的大小为根据附加景深距离确定的。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
综上所述，本公开首先按照预设的识别算法对待处理的人脸图像进行识别，以获取包括了人眼的第一坐标和边缘坐标的视线信息，其中，边缘坐标用于指示人眼的视线与人脸图像的边缘的交点，之后根据视线信息确定人脸图像中，包括了以第一坐标和边缘坐标为端点的视线线段的目标区域，最后将预设的效果素材渲染至目标区域，以得到目标图像。本公开通过识别人脸图像中包括的视线信息，确定需要渲染的目标区域，再将效果素材渲染至目标区域，使得渲染效果能够跟随人眼的视线。
下面参考图15，其示出了适于用来实现本公开实施例的电子设备300的结构示意图。本公开实施例中的电子设备(即上述图像的处理方法的执行主体)，可以是服务器，该服务器例如可以是本地服务器或者云服务器，也可以是终端设备，终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。用户可以通过登录服务器以上传人脸图像，也可以直接通过终端设备上传人脸图像，或者通过终端设备采集人脸图像。图15示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图15所示，电子设备300可以包括处理装置(例如中央处理器、图形处理器等)301，其可以根据存储在只读存储器(ROM)302中的程序或者从存储装置308加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。在RAM 303中，还存储有电子设备300操作所需的各种程序和数据。处理装置301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
通常，以下装置可以连接至I/O接口305：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307；包括例如磁带、硬盘等的存储装置308；以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图15示出了具有各种装置的电子设备300，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置309从网络上被下载和安装，或者从存储装置308被安装，或者从ROM 302被安装。在该计算机程序被处理装置301执行时，执行本公开实施例的方法中限定的上述功能。
需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，终端设备、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：按照预设的识别算法，获取待处理的人脸图像中的视线信息，所述视线信息包括：人眼的第一坐标和边缘坐标，所述边缘坐标用于指示所述人眼的视线与所述人脸图像的边缘的交点。根据所述视线信息确定所述人脸图像中的目标区域，所述目标区域包括以所述第一坐标和所述边缘坐标为端点的视线线段。将预设的效果素材渲染至所述目标区域，以得到目标图像。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，模块的名称在某种情况下并不构成对该模块本身的限定，例如，第一确定模块还可以被描述为“确定目标区域的模块”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
根据本公开的一个或多个实施例，示例1提供了一种人脸图像的处理方法，包括：按照预设的识别算法，获取待处理的人脸图像中的视线信息，所述视线信息包括：人眼的第一坐标和边缘坐标，所述边缘坐标用于指示所述人眼的视线与所述人脸图像的边缘的交点；根据所述视线信息确定所述人脸图像中的目标区域，所述目标区域包括以所述第一坐标和所述边缘坐标为端点的视线线段；将预设的效果素材渲染至所述目标区域，以得到目标图像。
根据本公开的一个或多个实施例，示例2提供了示例1的方法，所述视线信息还包括景深距离，所述景深距离为所述人眼到拍摄所述人脸图像的镜头之间的距离；所述根据所述视线信息确定所述人脸图像中的目标区域，包括：根据所述景深距离确定第一距离，并根据所述人脸图像的图像尺寸确定第二距离，所述第一距离与所述景深距离为负相关，所述第二距离与所述图像尺寸为正相关；将包括所述视线线段，且宽度为所述第一距离，长度为所述第二距离的矩形区域作为所述目标区域。
根据本公开的一个或多个实施例，示例3提供了示例2的方法，所述将预设的效果素材渲染至所述目标区域，以得到目标图像，包括：按照所述第一距离和所述第二距离调整所述效果素材的大小，并将调整后的所述效果素材渲染至所述目标区域，以得到所述目标图像。
根据本公开的一个或多个实施例，示例4提供了示例2的方法，所述将包括所述视线线段，且宽度为所述第一距离，长度为所述第二距离的矩形作为所述目标区域，包括：确定第一边，所述第一边的边长为所述第一距离，所述第一边的中点为所述第一坐标，且所述第一边与所述视线线段垂直；确定第二边，所述第二边的边长为所述第二距离，且所述第二边与所述第一边垂直；将由所述第一边和所述第二边组成的，且包括所述视线线段的矩形作为所述目标区域。
根据本公开的一个或多个实施例，示例5提供了示例2至示例4中任一项的方法，所述按照预设的识别算法，获取待处理的人脸图像中的视线信息，包括：将所述人脸图像输入至预先训练的视线识别模型，以得到所述视线识别模型输出的所述第一坐标、所述边缘坐标和所述景深距离。
根据本公开的一个或多个实施例，示例6提供了示例1至示例4中任一项的方法，所述人脸图像中存在多个所述视线线段，在所述根据所述视线信息确定所述人脸图像中的目标区域之后，所述方法还包括：根据所述视线信息确定多个所述视线线段的交点坐标；将所述边缘坐标，和/或所述交点坐标作为附加效果坐标；确定以所述附加效果坐标为中心的附加区域；所述将预设的效果素材渲染至所述目标区域，以得到目标图像，包括：将所述效果素材渲染至所述目标区域，并将预设的附加效果素材渲染至所述附加区域，以得到所述目标图像。
根据本公开的一个或多个实施例，示例7提供了示例6的方法，所述视线信息还包括景深距离，所述景深距离为所述人眼到拍摄所述人脸图像的镜头之间的距离；所述确定以所述附加效果坐标为中心的附加区域，包括：根据所述景深距离和所述附加效果坐标，确定所述附加效果坐标对应的附加景深距离；确定以所述附加效果坐标为中心的所述附加区域，所述附加区域的大小为根据所述附加景深距离确定的。
根据本公开的一个或多个实施例，示例8提供了一种人脸图像的处理装置，所述装置包括：获取模块，用于按照预设的识别算法，获取待处理的人脸图像中的视线信息，所述视线信息包括：人眼的第一坐标和边缘坐标，所述边缘坐标用于指示所述人眼的视线与所述人脸图像的边缘的交点；第一确定模块，用于根据所述视线信息确定所述人脸图像中的目标区域，所述目标区域包括以所述第一坐标和所述边缘坐标为端点的视线线段；渲染模块，用于将预设的效果素材渲染至所述目标区域，以得到目标图像。
根据本公开的一个或多个实施例，示例9提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现示例1至示例7中所述方法的步骤。
根据本公开的一个或多个实施例，示例10提供了一种电子设备，包括：存储装置，其上存储有计算机程序；处理装置，用于执行所述存储装置中的所述计算机程序，以实现示例1至示例7中所述方法的步骤。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

Claims (10)

1.一种人脸图像的处理方法，其特征在于，所述方法包括：
按照预设的识别算法，获取待处理的人脸图像中的视线信息，所述视线信息包括：人眼的第一坐标和边缘坐标，所述边缘坐标用于指示所述人眼的视线与所述人脸图像的边缘的交点；
根据所述视线信息确定所述人脸图像中的目标区域，所述目标区域包括以所述第一坐标和所述边缘坐标为端点的视线线段；
将预设的效果素材渲染至所述目标区域，以得到目标图像。
2.根据权利要求1所述的方法，其特征在于，所述视线信息还包括景深距离，所述景深距离为所述人眼到拍摄所述人脸图像的镜头之间的距离；
所述根据所述视线信息确定所述人脸图像中的目标区域，包括：
根据所述景深距离确定第一距离，并根据所述人脸图像的图像尺寸确定第二距离，所述第一距离与所述景深距离为负相关，所述第二距离与所述图像尺寸为正相关；
将包括所述视线线段，且宽度为所述第一距离，长度为所述第二距离的矩形区域作为所述目标区域。
3.根据权利要求2所述的方法，其特征在于，所述将预设的效果素材渲染至所述目标区域，以得到目标图像，包括：
按照所述第一距离和所述第二距离调整所述效果素材的大小，并将调整后的所述效果素材渲染至所述目标区域，以得到所述目标图像。
4.根据权利要求2所述的方法，其特征在于，所述将包括所述视线线段，且宽度为所述第一距离，长度为所述第二距离的矩形作为所述目标区域，包括：
确定第一边，所述第一边的边长为所述第一距离，所述第一边的中点为所述第一坐标，且所述第一边与所述视线线段垂直；
确定第二边，所述第二边的边长为所述第二距离，且所述第二边与所述第一边垂直；
将由所述第一边和所述第二边组成的，且包括所述视线线段的矩形作为所述目标区域。
5.根据权利要求2-4中任一项所述的方法，其特征在于，所述按照预设的识别算法，获取待处理的人脸图像中的视线信息，包括：
将所述人脸图像输入至预先训练的视线识别模型，以得到所述视线识别模型输出的所述第一坐标、所述边缘坐标和所述景深距离。
6.根据权利要求1-4中任一项所述的方法，其特征在于，所述人脸图像中存在多个所述视线线段，在所述根据所述视线信息确定所述人脸图像中的目标区域之后，所述方法还包括：
根据所述视线信息确定多个所述视线线段的交点坐标；
将所述边缘坐标，和/或所述交点坐标作为附加效果坐标；
确定以所述附加效果坐标为中心的附加区域；
所述将预设的效果素材渲染至所述目标区域，以得到目标图像，包括：
将所述效果素材渲染至所述目标区域，并将预设的附加效果素材渲染至所述附加区域，以得到所述目标图像。
7.根据权利要求6所述的方法，其特征在于，所述视线信息还包括景深距离，所述景深距离为所述人眼到拍摄所述人脸图像的镜头之间的距离；
所述确定以所述附加效果坐标为中心的附加区域，包括：
根据所述景深距离和所述附加效果坐标，确定所述附加效果坐标对应的附加景深距离；
确定以所述附加效果坐标为中心的所述附加区域，所述附加区域的大小为根据所述附加景深距离确定的。
8.一种人脸图像的处理装置，其特征在于，所述装置包括：
获取模块，用于按照预设的识别算法，获取待处理的人脸图像中的视线信息，所述视线信息包括：人眼的第一坐标和边缘坐标，所述边缘坐标用于指示所述人眼的视线与所述人脸图像的边缘的交点；
第一确定模块，用于根据所述视线信息确定所述人脸图像中的目标区域，所述目标区域包括以所述第一坐标和所述边缘坐标为端点的视线线段；
渲染模块，用于将预设的效果素材渲染至所述目标区域，以得到目标图像。
9.一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理装置执行时实现权利要求1-7中任一项所述方法的步骤。
10.一种电子设备，其特征在于，包括：
存储装置，其上存储有计算机程序；
处理装置，用于执行所述存储装置中的所述计算机程序，以实现权利要求1-7中任一项所述方法的步骤。
CN202010010716.5A 2020-01-06 2020-01-06 人脸图像的处理方法、装置、可读介质和电子设备 Active CN111243049B (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN202010010716.5A CN111243049B (zh) 2020-01-06 2020-01-06 人脸图像的处理方法、装置、可读介质和电子设备
PCT/CN2020/127260 WO2021139382A1 (zh) 2020-01-06 2020-11-06 人脸图像的处理方法、装置、可读介质和电子设备
JP2021571584A JP7316387B2 (ja) 2020-01-06 2020-11-06 顔画像の処理方法、デバイス、可読媒体及び電子装置
US17/616,961 US11887325B2 (en) 2020-01-06 2020-11-06 Face image processing method and apparatus, readable medium, and electronic device
GB2117372.9A GB2599036A (en) 2020-01-06 2020-11-06 Face image processing method and apparatus, readable medium, and electronic device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010010716.5A CN111243049B (zh) 2020-01-06 2020-01-06 人脸图像的处理方法、装置、可读介质和电子设备

Publications (2)

Publication Number Publication Date
CN111243049A true CN111243049A (zh) 2020-06-05
CN111243049B CN111243049B (zh) 2021-04-02

Family

ID=70865325

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010010716.5A Active CN111243049B (zh) 2020-01-06 2020-01-06 人脸图像的处理方法、装置、可读介质和电子设备

Country Status (5)

Country Link
US (1) US11887325B2 (zh)
JP (1) JP7316387B2 (zh)
CN (1) CN111243049B (zh)
GB (1) GB2599036A (zh)
WO (1) WO2021139382A1 (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111754613A (zh) * 2020-06-24 2020-10-09 北京字节跳动网络技术有限公司 图像装饰方法、装置、计算机可读介质和电子设备
CN112257598A (zh) * 2020-10-22 2021-01-22 北京字跳网络技术有限公司 图像中四边形的识别方法、装置、可读介质和电子设备
WO2021139382A1 (zh) * 2020-01-06 2021-07-15 北京字节跳动网络技术有限公司 人脸图像的处理方法、装置、可读介质和电子设备
WO2023109564A1 (zh) * 2021-12-13 2023-06-22 北京字跳网络技术有限公司 视频图像处理方法、装置、电子设备及存储介质
WO2023185671A1 (zh) * 2022-04-01 2023-10-05 北京字跳网络技术有限公司 风格图像生成方法、装置、设备及介质
CN117095108A (zh) * 2023-10-17 2023-11-21 海马云（天津）信息技术有限公司 虚拟数字人的纹理渲染方法及装置、云服务器和存储介质

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113838189B (zh) * 2021-09-13 2024-02-02 厦门美图之家科技有限公司 一种睫毛渲染方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106249413A (zh) * 2016-08-16 2016-12-21 杭州映墨科技有限公司 一种模拟人眼对焦的虚拟动态景深变化处理方法
CN110378839A (zh) * 2019-06-28 2019-10-25 北京字节跳动网络技术有限公司 人脸图像处理方法、装置、介质及电子设备
CN110378847A (zh) * 2019-06-28 2019-10-25 北京字节跳动网络技术有限公司 人脸图像处理方法、装置、介质及电子设备
CN110555798A (zh) * 2019-08-26 2019-12-10 北京字节跳动网络技术有限公司 图像变形方法、装置、电子设备及计算机可读存储介质

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4809869B2 (ja) 2008-05-26 2011-11-09 株式会社ソニー・コンピュータエンタテインメント 画像処理装置、画像処理方法及びプログラム
JP2011049988A (ja) 2009-08-28 2011-03-10 Nikon Corp 画像処理装置およびカメラ
US10152778B2 (en) * 2015-09-11 2018-12-11 Intel Corporation Real-time face beautification features for video images
DK179948B1 (en) * 2017-05-16 2019-10-22 Apple Inc. Recording and sending Emoji
CN107563353B (zh) * 2017-09-26 2020-06-23 维沃移动通信有限公司 一种图像处理方法、装置及移动终端
CN107818305B (zh) 2017-10-31 2020-09-22 Oppo广东移动通信有限公司 图像处理方法、装置、电子设备和计算机可读存储介质
CN107909057A (zh) * 2017-11-30 2018-04-13 广东欧珀移动通信有限公司 图像处理方法、装置、电子设备及计算机可读存储介质
CN107909058A (zh) * 2017-11-30 2018-04-13 广东欧珀移动通信有限公司 图像处理方法、装置、电子设备及计算机可读存储介质
CN108898546B (zh) * 2018-06-15 2022-08-16 北京小米移动软件有限公司 人脸图像处理方法、装置及设备、可读存储介质
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
JP7146585B2 (ja) * 2018-11-13 2022-10-04 本田技研工業株式会社 視線検出装置、プログラム、及び、視線検出方法
CN109584152A (zh) * 2018-11-30 2019-04-05 深圳市脸萌科技有限公司 图像处理方法、装置、电子设备及计算机可读存储介质
CN111243049B (zh) * 2020-01-06 2021-04-02 北京字节跳动网络技术有限公司 人脸图像的处理方法、装置、可读介质和电子设备

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106249413A (zh) * 2016-08-16 2016-12-21 杭州映墨科技有限公司 一种模拟人眼对焦的虚拟动态景深变化处理方法
CN110378839A (zh) * 2019-06-28 2019-10-25 北京字节跳动网络技术有限公司 人脸图像处理方法、装置、介质及电子设备
CN110378847A (zh) * 2019-06-28 2019-10-25 北京字节跳动网络技术有限公司 人脸图像处理方法、装置、介质及电子设备
CN110555798A (zh) * 2019-08-26 2019-12-10 北京字节跳动网络技术有限公司 图像变形方法、装置、电子设备及计算机可读存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
JUEYUZHISHEN: "抖音眼睛放光效果怎么弄", 《HTTPS://JINGYAN.BAIDU.COM/ARTICLE/77B8DC7F4D60EF6174EAB63A.HTML》 *
六指淵特效教學網: "《AE教學》平價實用！人人都會的雷射眼效果", 《HTTPS://WWW.SIXVFX.COM/EASY_2D_CYCLOPS》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021139382A1 (zh) * 2020-01-06 2021-07-15 北京字节跳动网络技术有限公司 人脸图像的处理方法、装置、可读介质和电子设备
GB2599036A (en) * 2020-01-06 2022-03-23 Beijing Bytedance Network Tech Co Ltd Face image processing method and apparatus, readable medium, and electronic device
US11887325B2 (en) 2020-01-06 2024-01-30 Beijing Bytedance Network Technology Co., Ltd. Face image processing method and apparatus, readable medium, and electronic device
CN111754613A (zh) * 2020-06-24 2020-10-09 北京字节跳动网络技术有限公司 图像装饰方法、装置、计算机可读介质和电子设备
CN112257598A (zh) * 2020-10-22 2021-01-22 北京字跳网络技术有限公司 图像中四边形的识别方法、装置、可读介质和电子设备
WO2023109564A1 (zh) * 2021-12-13 2023-06-22 北京字跳网络技术有限公司 视频图像处理方法、装置、电子设备及存储介质
WO2023185671A1 (zh) * 2022-04-01 2023-10-05 北京字跳网络技术有限公司 风格图像生成方法、装置、设备及介质
CN117095108A (zh) * 2023-10-17 2023-11-21 海马云（天津）信息技术有限公司 虚拟数字人的纹理渲染方法及装置、云服务器和存储介质
CN117095108B (zh) * 2023-10-17 2024-01-23 海马云（天津）信息技术有限公司 虚拟数字人的纹理渲染方法及装置、云服务器和存储介质

Also Published As

Publication number Publication date
GB2599036A (en) 2022-03-23
GB2599036A9 (en) 2023-06-07
WO2021139382A1 (zh) 2021-07-15
JP7316387B2 (ja) 2023-07-27
GB202117372D0 (en) 2022-01-12
US20220327726A1 (en) 2022-10-13
CN111243049B (zh) 2021-04-02
JP2022535524A (ja) 2022-08-09
US11887325B2 (en) 2024-01-30

Similar Documents

Publication Publication Date Title
CN111243049B (zh) 人脸图像的处理方法、装置、可读介质和电子设备
CN111242881B (zh) 显示特效的方法、装置、存储介质及电子设备
CN112933599A (zh) 三维模型渲染方法、装置、设备及存储介质
CN112034984A (zh) 一种虚拟模型处理方法、装置、电子设备和存储介质
US20240037856A1 (en) Walkthrough view generation method, apparatus and device, and storage medium
CN114900625A (zh) 虚拟现实空间的字幕渲染方法、装置、设备及介质
CN114842120A (zh) 一种图像渲染处理方法、装置、设备及介质
CN111818265B (zh) 基于增强现实模型的交互方法、装置、电子设备及介质
CN110047126B (zh) 渲染图像的方法、装置、电子设备和计算机可读存储介质
CN114742934A (zh) 图像渲染方法、装置、可读介质及电子设备
CN115358958A (zh) 特效图生成方法、装置、设备及存储介质
CN115578299A (zh) 图像生成方法、装置、设备及存储介质
CN115063335A (zh) 特效图的生成方法、装置、设备及存储介质
CN114723600A (zh) 美妆特效的生成方法、装置、设备、存储介质和程序产品
CN114202617A (zh) 视频图像处理方法、装置、电子设备及存储介质
CN114693885A (zh) 三维虚拟对象生成方法、装置、设备、介质和程序产品
CN115019021A (zh) 图像处理方法、装置、设备及存储介质
CN114693859A (zh) 高光渲染方法、装置、介质及电子设备
CN110807728B (zh) 对象的显示方法、装置、电子设备及计算机可读存储介质
CN114419299A (zh) 虚拟物体的生成方法、装置、设备及存储介质
CN114693860A (zh) 高光渲染方法、装置、介质及电子设备
CN116527993A (zh) 视频的处理方法、装置、电子设备、存储介质和程序产品
CN113506356A (zh) 面积图的绘制方法、装置、可读介质和电子设备
CN112085035A (zh) 图像处理方法、装置、电子设备和计算机可读介质
CN111651230B (zh) 一种热力图生成方法、装置、电子设备及存储介质

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