CN111259689A - 用于发送信息的方法和装置 - Google Patents
用于发送信息的方法和装置 Download PDFInfo
- Publication number
- CN111259689A CN111259689A CN201811457776.0A CN201811457776A CN111259689A CN 111259689 A CN111259689 A CN 111259689A CN 201811457776 A CN201811457776 A CN 201811457776A CN 111259689 A CN111259689 A CN 111259689A
- Authority
- CN
- China
- Prior art keywords
- face image
- numbers
- target
- image
- 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.)
- Granted
Links
Images
Classifications
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Multimedia (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
- Studio Devices (AREA)
Abstract
本申请实施例公开了用于发送信息的方法和装置。该方法的一具体实施方式包括:对获取的图像进行人脸检测,得到至少一张人脸图像;对于上述至少一张人脸图像中的人脸图像,将该人脸图像导入预先建立的笑容度识别模型,得到该人脸图像的笑容度,以及根据得到的笑容度确定该人脸图像对应的权值,其中,上述笑容度识别模型用于表征人脸图像与笑容度的对应关系;基于上述至少一张人脸图像中的人脸图像的权值,从上述至少一张人脸图像中选取目标人脸图像,以及将上述目标人脸图像进行发送。该实施方式实现了基于人脸图像的笑容度选取目标人脸图像,增强了目标人脸图像选取的趣味性。
Description
技术领域
本申请实施例涉及计算机技术领域,具体涉及用于发送信息的方法和装置。
背景技术
人脸识别技术在各个领域得到了广泛的应用,例如,基于人脸识别的刷脸签到、基于人脸识别的人脸支付等等。目前,人工智能技术也开始应用在公司年会、产品促销等活动现场。在活动现场,为了活跃气氛往往会组织各种互动活动,例如,抽奖活动。抽奖活动需要在活动参与者中确定出中奖的参与者。抽奖活动的组织方式多种多样,例如通过刮刮卡抽奖、通过带数字的小球抽奖、通过抽奖箱抽奖等等。传统的抽奖活动通过随机的方式确定中奖者,每一个参与者的中奖概率相同,抽奖方式缺乏趣味性。
发明内容
本申请实施例提出了用于发送信息的方法和装置。
第一方面,本申请实施例提供了一种用于发送信息的方法,该方法包括:对获取的图像进行人脸检测,得到至少一张人脸图像;对于上述至少一张人脸图像中的人脸图像,将该人脸图像导入预先建立的笑容度识别模型,得到该人脸图像的笑容度,以及根据得到的笑容度确定该人脸图像对应的权值,其中,上述笑容度识别模型用于表征人脸图像与笑容度的对应关系;基于上述至少一张人脸图像中的人脸图像的权值,从上述至少一张人脸图像中选取目标人脸图像,以及将上述目标人脸图像进行发送。
在一些实施例中,上述基于上述至少一张人脸图像中的人脸图像的权值,从上述至少一张人脸图像中选取目标人脸图像,包括:对于上述至少一张人脸图像中的人脸图像,根据该人脸图像的权值确定该人脸图像对应的至少一个编号,得到针对上述至少一张人脸图像的编号集合;从上述编号集合中选取编号作为目标编号;将上述目标编号对应的人脸图像确定为目标人脸图像。
在一些实施例中,上述目标编号包括预设数量个编号;以及上述从上述编号集合中选取编号作为目标编号,包括:对上述目标编号包括的设数量个编号执行以下去重处理:对于上述预设数量个编号中的编号,响应于确定该编号对应的人脸图像与上述预设数量个编号中的其他编号对应的人脸图像相同,从上述预设数量个编号中去除该编号;响应于确定上述去重处理中去除的编号的数量为零,将上述预设数量个编号作为目标编号。
在一些实施例中,上述从上述编号集合中选取编号作为目标编号,还包括:响应于确定上述去重处理中去除的编号的数量不为零,确定上述去重处理过程中去除的编号的数量值,从上述编号集合中选取上述数量值个编号,使用所选取的上述数量值个编号和编号去重处理后得到的编号组成新的目标编号,继续执行上述去重处理。
在一些实施例中,上述方法还包括:响应于确定上述目标人脸图像与预先设定的信息集合中的注册用人脸图像相匹配,将上述信息集合中的、与上述目标人脸图像相匹配的注册用人脸图像对应的识别信息进行输出,其中,上述信息集合中关联存储有注册用人脸图像和与注册用人脸图像对应的识别信息。
在一些实施例中,上述笑容度识别模型通过以下步骤训练得到:获取训练样本集,其中,训练样本包括样本人脸图像和与样本人脸图像对应的笑容度;将上述训练样本集中的训练样本的样本人脸图像作为输入,将与输入的样本人脸图像对应的笑容度作为期望输出,训练得到上述笑容度识别模型。
第二方面,本申请实施例提供了一种用于发送信息的装置,装置包括:检测单元,被配置成对获取的图像进行人脸检测,得到至少一张人脸图像;识别单元,被配置成对于上述至少一张人脸图像中的人脸图像,将该人脸图像导入预先建立的笑容度识别模型,得到该人脸图像的笑容度,以及根据得到的笑容度确定该人脸图像对应的权值,其中,上述笑容度识别模型用于表征人脸图像与笑容度的对应关系;发送单元,被配置成基于上述至少一张人脸图像中的人脸图像的权值,从上述至少一张人脸图像中选取目标人脸图像,以及将上述目标人脸图像进行发送。
在一些实施例中,上述发送单元包括:编号确定单元,被配置成对于上述至少一张人脸图像中的人脸图像,根据该人脸图像的权值确定该人脸图像对应的至少一个编号,得到针对上述至少一张人脸图像的编号集合;编号选取单元,被配置成从上述编号集合中选取编号作为目标编号;图像确定单元,被配置成将上述目标编号对应的人脸图像确定为目标人脸图像。
在一些实施例中,上述目标编号包括预设数量个编号;以及上述编号选取单元进一步被配置成:对上述目标编号包括的设数量个编号执行以下去重处理:对于上述预设数量个编号中的编号,响应于确定该编号对应的人脸图像与上述预设数量个编号中的其他编号对应的人脸图像相同,从上述预设数量个编号中去除该编号;响应于确定上述去重处理中去除的编号的数量为零,将上述预设数量个编号作为目标编号。
在一些实施例中,上述编号选取单元还进一步被配置成:响应于确定上述去重处理中去除的编号的数量不为零,确定上述去重处理过程中去除的编号的数量值,从上述编号集合中选取上述数量值个编号,使用所选取的上述数量值个编号和编号去重处理后得到的编号组成新的目标编号,继续执行上述去重处理。
在一些实施例中,上述装置还包括:匹配单元,被配置成响应于确定上述目标人脸图像与预先设定的信息集合中的注册用人脸图像相匹配,将上述信息集合中的、与上述目标人脸图像相匹配的注册用人脸图像对应的识别信息进行输出,其中,上述信息集合中关联存储有注册用人脸图像和与注册用人脸图像对应的识别信息。
在一些实施例中,上述笑容度识别模型通过以下步骤训练得到:获取训练样本集,其中,训练样本包括样本人脸图像和与样本人脸图像对应的笑容度;将上述训练样本集中的训练样本的样本人脸图像作为输入,将与输入的样本人脸图像对应的笑容度作为期望输出,训练得到上述笑容度识别模型。
第三方面,本申请实施例提供了一种设备,该设备包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当上述一个或多个程序被上述一个或多个处理器执行时,使得上述一个或多个处理器实现如第一方面中任一实现方式描述的方法。
第四方面,本申请实施例提供了一种计算机可读介质,其上存储有计算机程序,其中,该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
本申请实施例提供的用于发送信息的方法和装置,首先对获取的图像进行人脸检测得到至少一张人脸图像,而后对于至少一张人脸图像中的每一张人脸图像,将该人脸图像导入预先建立的笑容度识别模型,得到该人脸图像的笑容度,并根据得到的笑容度确定该人脸图像对应的权值,最后基于至少一张人脸图像中的每一张人脸图像的权值,从至少一张人脸图像中选取目标人脸图像,并将选取的目标人脸图像进行发送,从而实现了基于人脸图像的笑容度选取目标人脸图像。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请的一个实施例可以应用于其中的示例性系统架构图;
图2是根据本申请的用于发送信息的方法的一个实施例的流程图;
图3是根据本申请的用于发送信息的方法的一个应用场景的示意图;
图4是根据本申请的用于发送信息的方法的又一个实施例的流程图;
图5是根据本申请的用于发送信息的装置的一个实施例的结构示意图;
图6是适于用来实现本申请实施例的设备的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请实施例的用于发送信息的方法或用于发送信息的装置的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
图像采集设备(图中未示出)可以将采集的图像发送给终端设备101、102、103,终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如图像处理类应用、网页浏览器应用、搜索类应用等。
终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是具有显示屏并且支持图像处理的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103发送的图像进行处理的后台服务器。后台服务器可以对接收到的图像等数据进行人脸识别、目标人脸图像选取等处理,并将处理结果(例如选取的目标人脸图像)反馈给终端设备101、102、103。
需要说明的是,服务器105可以是硬件,也可以是软件。当服务器为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是,本申请实施例所提供的用于发送信息的方法可以通过终端设备101、102、103执行,也可以通过服务器105执行。相应地,用于发送信息的装置可以设置于终端设备101、102、103中,也可以设置于服务器105中。本申请对此不做限定。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本申请的用于发送信息的方法的一个实施例的流程200。该用于发送信息的方法,包括以下步骤:
步骤201,对获取的图像进行人脸检测,得到至少一张人脸图像。
在本实施例中,用于发送信息的方法的执行主体(例如图1所示的终端设备101、102、103或者服务器105)可以通过有线连接方式或者无线连接方式获取图像。作为示例,当上述执行主体为终端设备时,上述执行主体可以从图像采集设备获取图像。当上述执行主体为服务器时,上述执行主体可以从图像采集设备或者终端设备获取图像。之后,上述执行主体可以对获取的图像进行人脸检测,得到至少一张人脸图像。人脸检测,即检测出图像中存在的人脸图像,并把它的位置准确地框出来。需要说明的是,人脸检测技术是目前广泛研究和应用的公知技术,在此不再赘述。
通常,在活动现场会设置图像采集设备(例如,摄像头)拍摄现场视频。上述执行主体可以在图像采集设备拍摄的现场视频中选取(例如,随机选取)一帧图像进行人脸检测。
步骤202,对于至少一张人脸图像中的人脸图像,将该人脸图像导入预先建立的笑容度识别模型,得到该人脸图像的笑容度,以及根据得到的笑容度确定该人脸图像对应的权值。
在本实施例中,上述执行主体中可以预先存储有笑容度识别模型。这样,对于上述至少一张人脸图像中的每一张人脸图像,上述执行主体首先可以将该人脸图像导入预先建立的笑容度识别模型,从而得到该人脸图像的笑容度。之后,上述执行主体可以根据得到的针对该人脸图像的笑容度确定该人脸图像对应的权值。作为示例,上述执行主体中可以预先存储有一个记录有多个笑容度与权值的对应关系的权值确定规则表,根据该权值确定规则表可以为不同的笑容度设定不同的权值。此处,权值可以采用数值的形式。
在这里,笑容度可以用于表征人脸图像所对应的人脸的笑容程度。作为示例,可以将人脸的笑容程度分为不同的等级,例如,根据笑容的剧烈程度可以依次分为无笑容、微微笑、微笑、大笑等等。举例来说,可以将嘴角上扬、不露齿的笑作为微微笑,将露齿小于8颗牙的笑作为微笑,将露齿大于8颗牙的笑作为大笑。
需要说明的是,上述笑容度识别模型可以用于表征人脸图像和笑容度的对应关系。作为示例,上述笑容度识别模型可以包括特征提取部分和对应关系表。特征提取部分可以用于提取人脸图像中的特征信息,可以理解的是,人脸图像的特征信息提取是目前应用比较广泛的技术,此处不再赘述。对应关系表可以是技术人员基于对大量特征信息与笑容度的统计而制定的、存储有多个特征信息与笑容度的对应关系的对应关系表。这样,对于某一张人脸图像,上述笑容度识别模型可以首先使用特征提取单元提取该人脸图像的特征信息,并将提取的特征信息作为目标特征信息。之后,将目标特征信息与对应关系表中的特征信息进行对比,若目标特征信息与对应关系表中的某条特征信息相同或相似,则将对应关系表中的该条特征信息对应的笑容度作为该人脸图像的笑容度。
在本实施例的一些可选的实现方式中,上述笑容度识别模型可以是通过以下步骤训练得到的:首先,获取训练样本集,其中,上述训练样本集中的训练样本包括样本人脸图像和与样本人脸图像对应的笑容度。然后,将训练样本集中的训练样本的样本人脸图像作为输入,将与输入的样本人脸图像对应的笑容度作为期望输出,训练得到上述笑容度识别模型。
在这里,训练笑容度识别模型的执行主体可以与上述主体相同,也可以不同。作为示例,训练笑容度识别模型的执行主体可以首先确定初始模型以及初始模型的模型参数。这里,初始模型可以用于表征人脸图像与笑容度的对应关系,初始模型可以是卷积神经网络、深度神经网络等等各种机器学习模型。之后,可以将训练样本集中的训练样本中的样本人脸图像输入初始模型,得到该样本人脸图像的笑容度,将该样本人脸图像对应的笑容度作为初始模型的期望输出,利用机器学习方法训练初始模型。具体地,可以首先利用预设的损失函数计算所得到的笑容度与期望输出之间的差异。然后,可以基于计算所得的差异,调整初始模型的模型参数,并在满足预设的训练结束条件的情况下,结束训练,得到笑容度识别模型。例如,这里预设的训练结束条件可以包括但不限于以下至少一项:训练时间超过预设时长,训练次数超过预设次数,初始模型的预测准确率大于预设准确率阈值等等。
这里,可以采用各种实现方式基于所生成的笑容度与期望输出之间的差异调整初始模型的模型参数。例如,可以采用BP(Back Propagation,反向传播)算法或者SGD(Stochastic Gradient Descent,随机梯度下降)算法来调整初始模型的模型参数。
步骤203,基于至少一张人脸图像中的人脸图像的权值,从至少一个人脸图像中选取目标人脸图像,以及将目标人脸图像进行发送。
在本实施例中,上述执行主体首先可以基于上述至少一张人脸图像中的每一张人脸图像的权值,从上述至少一张人脸图像中选取目标人脸图像。作为示例,上述执行主体可以按权值由大到小的顺序将上述至少一张人脸图像进行排序,并选取排在前一位或几位的人脸图像作为目标人脸图像。之后,上述执行主体可以将选取的目标人脸图像进行发送。作为示例,上述执行主体可以将目标人脸图像发送给显示设备(例如,电子屏幕),以供显示设备进行显示。
在本实施例的一些可选的实现方式中,上述步骤203可以具体如下进行:
首先,对于上述至少一张人脸图像中的每一张人脸图像,上述执行主体可以根据该人脸图像的权值确定该人脸图像对应的至少一个编号,得到针对上述至少一张人脸图像的编号集合。
在这里,上述执行主体中可以预先存储有一个记录有多个权值与编号数量的对应关系的编号数量确定关系表,根据该编号数量确定关系表可以确定该人脸图像对应的编号数量,根据确定的编号数量为该人脸图像设置至少一个编号。此处,编号可以是一个数字,且各个编号的数字不相同。例如,某张人脸图像对应的编号数量为3,则为该人脸图像设置3个编号,且各个编号不相同。
然后,上述执行主体可以从上述编号集合中选取编号作为目标编号。作为示例,上述执行主体可以随机从上述编号集合中选取编号作为目标编号。
最后,上述执行主体可以将选取的目标编号对应的人脸图像确定为目标人脸图像。
在一些可选的实现方式中,上述目标编号可以包括预设数量个编号。实践中,可以根据实际需要确定目标编号所包括的编号数量。以抽奖为例,如果需要抽3个某级别奖,则可以将目标编号所包括的编号数量设置为3个。以及
上述从编号集合中选取编号作为目标编号,可以具体包括:
1)执行主体可以对目标编号包括的设数量个编号执行以下去重处理:对于预设数量个编号中的每一个编号,响应于确定该编号对应的人脸图像与上述预设数量个编号中的其他编号对应的人脸图像相同,则从预设数量个编号中去除该编号。
2)响应于确定去重处理中去除的编号的数量为零,将目标编号作为目标编号。即目标编号包括的预设数量个编号中任意两个编号所对应的人脸图像都不相同,则将上述预设数量个作为目标编号。通过本实现方式,可以保证当目标编号包括多个编号时,多个编号中的任意两个编号对应的人脸图像不相同。
可选的,上述从编号集合中选取编号作为目标编号,还可以包括:
3)响应于确定上述去重处理中去除的编号的数量不为零,确定上述去重处理过程中去除的编号的数量值,从上述编号集合中选取上述数量值个编号,使用所选取的上述数量值个编号和编号去重处理后得到的编号组成新的目标编号,继续执行上述去重处理。通过本实现方式,可以保证目标编号包括预设数量个编号,且预设数量个编号中的任意两个编号对应的人脸图像都不相同。
继续参见图3,图3是根据本实施例的用于发送信息的方法的应用场景的一个示意图。在图3的应用场景中,摄像头301采集抽奖活动现场的图像,并将采集的图像发送给终端设备302。终端设备302对获取的图像进行人脸检测,得到至少一张人脸图像。之后,对于至少一张人脸图像中的每一张人脸图像,终端设备302将该人脸图像导入预先建立的笑容度识别模型,得到该人脸图像的笑容度,并根据得到的笑容度确定该人脸图像对应的权值。最后,终端设备302基于至少一张人脸图像中的每一张人脸图像的权值,从至少一张人脸图像中选取目标人脸图像,并将目标人脸图像发送给电子屏幕303,以供电子屏幕303在抽奖活动现场进行显示。
本申请的上述实施例提供的方法根据各张人脸图像的笑容度确定各张人脸图像权值,并基于各人脸图像的权值从至少一张人脸图像中选取目标人脸图像,从而实现了基于人脸图像的笑容度选取目标人脸图像,增强了目标人脸图像选取的趣味性。
进一步参考图4,其示出了用于发送信息的方法的又一个实施例的流程400。该用于发送信息的方法的流程400,包括以下步骤:
步骤401,对获取的图像进行人脸检测,得到至少一张人脸图像。
在本实施例中,步骤401与图2所示实施例的步骤201类似,此处不再赘述。
步骤402,对于至少一张人脸图像中的人脸图像,将该人脸图像导入预先建立的笑容度识别模型,得到该人脸图像的笑容度,以及根据得到的笑容度确定该人脸图像对应的权值。
在本实施例中,步骤402与图2所示实施例的步骤202类似,此处不再赘述。
步骤403,基于至少一张人脸图像中的人脸图像的权值,从至少一张人脸图像中选取目标人脸图像,以及将目标人脸图像进行发送。
在本实施例中,步骤403与图2所示实施例的步骤203类似,此处不再赘述。
步骤404,响应于确定目标人脸图像与预先设定的信息集合中的注册用人脸图像相匹配,将信息集合中的、与目标人脸图像相匹配的注册用人脸图像对应的识别信息进行输出。
在本实施例中,上述执行主体中预先存储有信息集合,上述信息集合中关联存储有注册用人脸图像和与注册用人脸图像对应的识别信息。在这里,识别信息可以包括但不限于:注册用人脸图像所指示的人的名称、工号、联系方式等等。这样,上述执行主体可以将目标人脸图像与上述信息集合中的注册用人脸图像进行匹配,响应于确定目标人脸图像与上述信息集合中的某一个注册用人脸图像相匹配,将信息集合中的该注册用人脸图像对应的识别信息进行输出。例如,输出给显示设备或输出给指定终端。
从图4中可以看出,与图2对应的实施例相比,本实施例中的用于发送信息的方法的流程400突出了确定识别信息的步骤。由此,本实施例描述的方案可以快速确定目标人脸图像所指示的人的识别信息。
进一步参考图5,作为对上述各图所示方法的实现,本申请提供了一种用于发送信息的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例的用于发送信息的装置500包括:检测单元501、识别单元502和发送单元503。其中,检测单元501被配置成对获取的图像进行人脸检测,得到至少一张人脸图像;识别单元502被配置成对于上述至少一张人脸图像中的人脸图像,将该人脸图像导入预先建立的笑容度识别模型,得到该人脸图像的笑容度,以及根据得到的笑容度确定该人脸图像对应的权值,其中,上述笑容度识别模型用于表征人脸图像与笑容度的对应关系;发送单元503被配置成基于上述至少一张人脸图像中的人脸图像的权值,从上述至少一张人脸图像中选取目标人脸图像,以及将上述目标人脸图像进行发送。
在本实施例中,用于发送信息的装置500的检测单元501、识别单元502和发送单元503的具体处理及其所带来的技术效果可分别参考图2对应实施例中步骤201、步骤202和步骤203的相关说明,在此不再赘述。
在本实施例的一些可选的实现方式中,上述发送单元503包括:编号确定单元(图中未示出),被配置成对于上述至少一张人脸图像中的人脸图像,根据该人脸图像的权值确定该人脸图像对应的至少一个编号,得到针对上述至少一张人脸图像的编号集合;编号选取单元(图中未示出),被配置成从上述编号集合中选取编号作为目标编号;图像确定单元(图中未示出),被配置成将上述目标编号对应的人脸图像确定为目标人脸图像。
在本实施例的一些可选的实现方式中,上述目标编号包括预设数量个编号;以及上述编号选取单元进一步被配置成:对上述目标编号包括的设数量个编号执行以下去重处理:对于上述预设数量个编号中的编号,响应于确定该编号对应的人脸图像与上述预设数量个编号中的其他编号对应的人脸图像相同,从上述预设数量个编号中去除该编号;响应于确定上述去重处理中去除的编号的数量为零,将上述预设数量个编号作为目标编号。
在本实施例的一些可选的实现方式中,上述编号选取单元还进一步被配置成:响应于确定上述去重处理中去除的编号的数量不为零,确定上述去重处理过程中去除的编号的数量值,从上述编号集合中选取上述数量值个编号,使用所选取的上述数量值个编号和编号去重处理后得到的编号组成新的目标编号,继续执行上述去重处理。
在本实施例的一些可选的实现方式中,上述装置500还包括:匹配单元(图中未示出),被配置成响应于确定上述目标人脸图像与预先设定的信息集合中的注册用人脸图像相匹配,将上述信息集合中的、与上述目标人脸图像相匹配的注册用人脸图像对应的识别信息进行输出,其中,上述信息集合中关联存储有注册用人脸图像和与注册用人脸图像对应的识别信息。
在本实施例的一些可选的实现方式中,上述笑容度识别模型通过以下步骤训练得到:获取训练样本集,其中,训练样本包括样本人脸图像和与样本人脸图像对应的笑容度;将上述训练样本集中的训练样本的样本人脸图像作为输入,将与输入的样本人脸图像对应的笑容度作为期望输出,训练得到上述笑容度识别模型。
下面参考图6,其示出了适于用来实现本申请实施例的设备的计算机系统600的结构示意图。图6示出的设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示,计算机系统600包括中央处理单元(CPU)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605:包括键盘、鼠标等的输入部分606;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607;包括硬盘等的存储部分608;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器610上,以便于从其上读出的计算机程序根据需要被安装入存储部分608。
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部分609从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时,执行本申请的方法中限定的上述功能。需要说明的是,本申请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。在本申请中,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。而在本申请中,计算机可读的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。计算机可读的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:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
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申请的操作的计算机程序代码,上述程序设计语言包括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,图示了按照本申请各种实施例的系统、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。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括检测单元、识别单元和发送单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,检测单元还可以被描述为“对获取的图像进行人脸检测,得到至少一张人脸图像的单元”。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的装置中所包含的;也可以是单独存在,而未装配入该装置中。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装置执行时,使得该装置:对获取的图像进行人脸检测,得到至少一张人脸图像;对于上述至少一张人脸图像中的人脸图像,将该人脸图像导入预先建立的笑容度识别模型,得到该人脸图像的笑容度,以及根据得到的笑容度确定该人脸图像对应的权值,其中,上述笑容度识别模型用于表征人脸图像与笑容度的对应关系;基于上述至少一张人脸图像中的人脸图像的权值,从上述至少一张人脸图像中选取目标人脸图像,以及将上述目标人脸图像进行发送。
以上描述仅为本申请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,本申请中所涉及的发明范围,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发明构思的情况下,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。例如上述特征与本申请中公开的(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。
Claims (14)
1.一种用于发送信息的方法,包括:
对获取的图像进行人脸检测,得到至少一张人脸图像;
对于所述至少一张人脸图像中的人脸图像,将该人脸图像导入预先建立的笑容度识别模型,得到该人脸图像的笑容度,以及根据得到的笑容度确定该人脸图像对应的权值,其中,所述笑容度识别模型用于表征人脸图像与笑容度的对应关系;
基于所述至少一张人脸图像中的人脸图像的权值,从所述至少一张人脸图像中选取目标人脸图像,以及将所述目标人脸图像进行发送。
2.根据权利要求1所述的方法,其中,所述基于所述至少一张人脸图像中的人脸图像的权值,从所述至少一张人脸图像中选取目标人脸图像,包括:
对于所述至少一张人脸图像中的人脸图像,根据该人脸图像的权值确定该人脸图像对应的至少一个编号,得到针对所述至少一张人脸图像的编号集合;
从所述编号集合中选取编号作为目标编号;
将所述目标编号对应的人脸图像确定为目标人脸图像。
3.根据权利要求2所述的方法,其中,所述目标编号包括预设数量个编号;以及
所述从所述编号集合中选取编号作为目标编号,包括:
对所述目标编号包括的设数量个编号执行以下去重处理:对于所述预设数量个编号中的编号,响应于确定该编号对应的人脸图像与所述预设数量个编号中的其他编号对应的人脸图像相同,从所述预设数量个编号中去除该编号;
响应于确定所述去重处理中去除的编号的数量为零,将所述预设数量个编号作为目标编号。
4.根据权利要求3所述的方法,其中,所述从所述编号集合中选取编号作为目标编号,还包括:
响应于确定所述去重处理中去除的编号的数量不为零,确定所述去重处理过程中去除的编号的数量值,从所述编号集合中选取所述数量值个编号,使用所选取的所述数量值个编号和编号去重处理后得到的编号组成新的目标编号,继续执行所述去重处理。
5.根据权利要求1所述的方法,其中,所述方法还包括:
响应于确定所述目标人脸图像与预先设定的信息集合中的注册用人脸图像相匹配,将所述信息集合中的、与所述目标人脸图像相匹配的注册用人脸图像对应的识别信息进行输出,其中,所述信息集合中关联存储有注册用人脸图像和与注册用人脸图像对应的识别信息。
6.根据权利要求1所述的方法,其中,所述笑容度识别模型通过以下步骤训练得到:
获取训练样本集,其中,训练样本包括样本人脸图像和与样本人脸图像对应的笑容度;
将所述训练样本集中的训练样本的样本人脸图像作为输入,将与输入的样本人脸图像对应的笑容度作为期望输出,训练得到所述笑容度识别模型。
7.一种用于发送信息的装置,包括:
检测单元,被配置成对获取的图像进行人脸检测,得到至少一张人脸图像;
识别单元,被配置成对于所述至少一张人脸图像中的人脸图像,将该人脸图像导入预先建立的笑容度识别模型,得到该人脸图像的笑容度,以及根据得到的笑容度确定该人脸图像对应的权值,其中,所述笑容度识别模型用于表征人脸图像与笑容度的对应关系;
发送单元,被配置成基于所述至少一张人脸图像中的人脸图像的权值,从所述至少一张人脸图像中选取目标人脸图像,以及将所述目标人脸图像进行发送。
8.根据权利要求7所述的装置,其中,所述发送单元包括:
编号确定单元,被配置成对于所述至少一张人脸图像中的人脸图像,根据该人脸图像的权值确定该人脸图像对应的至少一个编号,得到针对所述至少一张人脸图像的编号集合;
编号选取单元,被配置成从所述编号集合中选取编号作为目标编号;
图像确定单元,被配置成将所述目标编号对应的人脸图像确定为目标人脸图像。
9.根据权利要求8所述的装置,其中,所述目标编号包括预设数量个编号;以及
所述编号选取单元进一步被配置成:
对所述目标编号包括的设数量个编号执行以下去重处理:对于所述预设数量个编号中的编号,响应于确定该编号对应的人脸图像与所述预设数量个编号中的其他编号对应的人脸图像相同,从所述预设数量个编号中去除该编号;
响应于确定所述去重处理中去除的编号的数量为零,将所述预设数量个编号作为目标编号。
10.根据权利要求9所述的装置,其中,所述编号选取单元还进一步被配置成:
响应于确定所述去重处理中去除的编号的数量不为零,确定所述去重处理过程中去除的编号的数量值,从所述编号集合中选取所述数量值个编号,使用所选取的所述数量值个编号和编号去重处理后得到的编号组成新的目标编号,继续执行所述去重处理。
11.根据权利要求7所述的装置,其中,所述装置还包括:
匹配单元,被配置成响应于确定所述目标人脸图像与预先设定的信息集合中的注册用人脸图像相匹配,将所述信息集合中的、与所述目标人脸图像相匹配的注册用人脸图像对应的识别信息进行输出,其中,所述信息集合中关联存储有注册用人脸图像和与注册用人脸图像对应的识别信息。
12.根据权利要求7所述的装置,其中,所述笑容度识别模型通过以下步骤训练得到:
获取训练样本集,其中,训练样本包括样本人脸图像和与样本人脸图像对应的笑容度;
将所述训练样本集中的训练样本的样本人脸图像作为输入,将与输入的样本人脸图像对应的笑容度作为期望输出,训练得到所述笑容度识别模型。
13.一种设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。
14.一种计算机可读介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1-6中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811457776.0A CN111259689B (zh) | 2018-11-30 | 2018-11-30 | 用于发送信息的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811457776.0A CN111259689B (zh) | 2018-11-30 | 2018-11-30 | 用于发送信息的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111259689A true CN111259689A (zh) | 2020-06-09 |
CN111259689B CN111259689B (zh) | 2023-04-25 |
Family
ID=70944807
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811457776.0A Active CN111259689B (zh) | 2018-11-30 | 2018-11-30 | 用于发送信息的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111259689B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113505665A (zh) * | 2021-06-28 | 2021-10-15 | 哈尔滨工业大学(深圳) | 基于视频的学生在校情绪判读方法以及装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050102246A1 (en) * | 2003-07-24 | 2005-05-12 | Movellan Javier R. | Weak hypothesis generation apparatus and method, learning apparatus and method, detection apparatus and method, facial expression learning apparatus and method, facial expression recognition apparatus and method, and robot apparatus |
US20090310828A1 (en) * | 2007-10-12 | 2009-12-17 | The University Of Houston System | An automated method for human face modeling and relighting with application to face recognition |
WO2014001610A1 (en) * | 2012-06-25 | 2014-01-03 | Nokia Corporation | Method, apparatus and computer program product for human-face features extraction |
CN107085704A (zh) * | 2017-03-27 | 2017-08-22 | 杭州电子科技大学 | 基于elm自编码算法的快速人脸表情识别方法 |
US20180005272A1 (en) * | 2016-06-30 | 2018-01-04 | Paypal, Inc. | Image data detection for micro-expression analysis and targeted data services |
US20180068178A1 (en) * | 2016-09-05 | 2018-03-08 | Max-Planck-Gesellschaft Zur Förderung D. Wissenschaften E.V. | Real-time Expression Transfer for Facial Reenactment |
CN108229268A (zh) * | 2016-12-31 | 2018-06-29 | 商汤集团有限公司 | 表情识别及卷积神经网络模型训练方法、装置和电子设备 |
CN108574803A (zh) * | 2018-03-30 | 2018-09-25 | 广东欧珀移动通信有限公司 | 图像的选取方法、装置、存储介质及电子设备 |
-
2018
- 2018-11-30 CN CN201811457776.0A patent/CN111259689B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050102246A1 (en) * | 2003-07-24 | 2005-05-12 | Movellan Javier R. | Weak hypothesis generation apparatus and method, learning apparatus and method, detection apparatus and method, facial expression learning apparatus and method, facial expression recognition apparatus and method, and robot apparatus |
US20090310828A1 (en) * | 2007-10-12 | 2009-12-17 | The University Of Houston System | An automated method for human face modeling and relighting with application to face recognition |
WO2014001610A1 (en) * | 2012-06-25 | 2014-01-03 | Nokia Corporation | Method, apparatus and computer program product for human-face features extraction |
US20180005272A1 (en) * | 2016-06-30 | 2018-01-04 | Paypal, Inc. | Image data detection for micro-expression analysis and targeted data services |
US20180068178A1 (en) * | 2016-09-05 | 2018-03-08 | Max-Planck-Gesellschaft Zur Förderung D. Wissenschaften E.V. | Real-time Expression Transfer for Facial Reenactment |
CN108229268A (zh) * | 2016-12-31 | 2018-06-29 | 商汤集团有限公司 | 表情识别及卷积神经网络模型训练方法、装置和电子设备 |
CN107085704A (zh) * | 2017-03-27 | 2017-08-22 | 杭州电子科技大学 | 基于elm自编码算法的快速人脸表情识别方法 |
CN108574803A (zh) * | 2018-03-30 | 2018-09-25 | 广东欧珀移动通信有限公司 | 图像的选取方法、装置、存储介质及电子设备 |
Non-Patent Citations (2)
Title |
---|
Z.WANG等: "Facial Expression Recognition Using Sparse Local Fisher Discriminant Analysis" * |
党娟: "参数估计的人脸表情识别算法研究" * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113505665A (zh) * | 2021-06-28 | 2021-10-15 | 哈尔滨工业大学(深圳) | 基于视频的学生在校情绪判读方法以及装置 |
CN113505665B (zh) * | 2021-06-28 | 2023-06-20 | 哈尔滨工业大学(深圳) | 基于视频的学生在校情绪判读方法以及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111259689B (zh) | 2023-04-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108509941B (zh) | 情绪信息生成方法和装置 | |
CN108830235B (zh) | 用于生成信息的方法和装置 | |
WO2020000879A1 (zh) | 图像识别方法和装置 | |
CN108416323B (zh) | 用于识别人脸的方法和装置 | |
CN109034069B (zh) | 用于生成信息的方法和装置 | |
CN109976997B (zh) | 测试方法和装置 | |
CN109447156B (zh) | 用于生成模型的方法和装置 | |
US11461995B2 (en) | Method and apparatus for inspecting burrs of electrode slice | |
CN107507153B (zh) | 图像去噪方法和装置 | |
CN108549848B (zh) | 用于输出信息的方法和装置 | |
CN108337505B (zh) | 信息获取方法和装置 | |
US11087140B2 (en) | Information generating method and apparatus applied to terminal device | |
CN108986169A (zh) | 用于处理图像的方法和装置 | |
CN109389096B (zh) | 检测方法和装置 | |
CN108229375B (zh) | 用于检测人脸图像的方法和装置 | |
CN108509921B (zh) | 用于生成信息的方法和装置 | |
CN108399401B (zh) | 用于检测人脸图像的方法和装置 | |
CN108924381B (zh) | 图像处理方法、图像处理装置及计算机可读介质 | |
CN108510084B (zh) | 用于生成信息的方法和装置 | |
CN109214501B (zh) | 用于识别信息的方法和装置 | |
CN110263748A (zh) | 用于发送信息的方法和装置 | |
CN108470131B (zh) | 用于生成提示信息的方法和装置 | |
CN108921138B (zh) | 用于生成信息的方法和装置 | |
CN108921792B (zh) | 用于处理图片的方法和装置 | |
CN109101956B (zh) | 用于处理图像的方法和装置 |
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 |