CN111314627B - 用于处理视频帧的方法和装置 - Google Patents

Abstract

本公开实施例公开了用于处理视频帧的方法和装置。该方法的一具体实施方式包括：获取针对目标人脸从至少两个角度分别拍摄的视频帧，其中，该至少两个角度包括主摄像头拍摄的第一角度和至少一个辅助摄像头拍摄的其它角度，所获取的视频帧中任意两个视频帧的拍摄时间之差不超过预设时长，该第一角度与正面角度之间的差值不超过预设角度。对于每一个所获取的视频帧，确定该视频帧中该目标人脸的表情的预设子表情的表情系数。基于各个所确定的表情系数，确定该目标人脸的表情的预设子表情的表情系数。本公开实施例可以对从多个角度获取的视频帧的表情系数相结合，避免从单个角度确定表情系数的数据单一的问题，从而提高了所确定的表情系数的准确度。

Description

用于处理视频帧的方法和装置

技术领域

本公开实施例涉及计算机技术领域，具体涉及用于处理视频帧的方法和装置。

背景技术

随着互联网技术的发展，越来越多的直播平台和短视频平台层出不穷，用户可以在这些平台上随时随地观看到视频节目。

在自拍、直播等的场景中，用户可以在画面中对自己的形象进行多种操作，从而提高画面的趣味性。例如，用户可以对脸部添加特效比如贴纸，此外，用户还可以将自己的脸部转换为动画形象。

发明内容

本公开实施例提出了用于处理视频帧的方法和装置。

第一方面，本公开实施例提供了一种用于处理视频帧的方法，该方法包括：获取针对目标人脸从至少两个角度分别拍摄的视频帧，其中，至少两个角度包括主摄像头拍摄的第一角度和至少一个辅助摄像头拍摄的其它角度，所获取的视频帧中任意两个视频帧的拍摄时间之差不超过预设时长，第一角度与正面角度之间的差值不超过预设角度；对于每一个所获取的视频帧，确定该视频帧中目标人脸的表情的预设子表情的表情系数；基于各个所确定的表情系数，确定目标人脸的表情的预设子表情的表情系数。

在一些实施例中，方法还包括：确定至少一个辅助摄像头中各个辅助摄像头相对于主摄像头的相对位姿；以及基于各个所确定的表情系数，确定目标人脸的表情的预设子表情的表情系数，包括：基于对每个辅助摄像头确定的相对位姿，确定该辅助摄像头对应的所获取的视频帧中预设子表情的表情系数的权值；通过每个辅助摄像头对应的权值，以及主摄像头对应的所获取的视频帧中预设子表情的表情系数的指定权值，确定各个所获取视频帧中预设子表情的表情系数的加权平均值，并将加权平均值作为目标人脸的表情的预设子表情的表情系数。

在一些实施例中，基于对每个辅助摄像头确定的相对位姿，确定该辅助摄像头对应的所获取的视频帧中预设子表情的表情系数的权值，包括：基于对每个辅助摄像头确定的相对位姿，确定其他角度相对于第一角度的偏移角度；确定每个辅助摄像头对应的所确定的偏移角度的余弦值，并将该余弦值作为该辅助摄像头对应的所获取的视频帧中预设子表情的表情系数的权值。

在一些实施例中，方法还包括：基于对每个辅助摄像头确定的相对位姿，对于主摄像头和至少一个辅助摄像头中的每个摄像头，确定该摄像头拍摄的视频帧中，目标人脸的位姿；对各个所确定的、目标人脸的位姿进行结合，将结合结果作为目标人脸的位姿。

在一些实施例中，对各个所确定的、目标人脸的位姿进行结合，将结合结果作为目标人脸的位姿，包括：利用最小二乘法，对各个所确定的、目标人脸的位姿进行结合，得到结合结果。

在一些实施例中，获取针对目标人脸从至少两个角度分别拍摄的视频帧，包括：对于主摄像头和至少一个辅助摄像头中的各个摄像头，响应于接收到各个摄像头拍摄的视频流，从接收到的视频流中，选取各个摄像头中每个摄像头最后拍摄的视频帧作为所获取的视频帧。

在一些实施例中，获取针对目标人脸从至少两个角度分别拍摄的视频帧，包括：对于主摄像头和至少一个辅助摄像头中的各个摄像头，响应于接收到各个摄像头拍摄的视频流，从接收到的视频流中，选取在同一个时间段内各个摄像头中每个摄像头最后拍摄的视频帧作为所获取的视频帧。

第二方面，本公开实施例提供了一种用于处理视频帧的装置，装置包括：获取单元，被配置成获取针对目标人脸从至少两个角度分别拍摄的视频帧，其中，至少两个角度包括主摄像头拍摄的第一角度和至少一个辅助摄像头拍摄的其它角度，所获取的视频帧中任意两个视频帧的拍摄时间之差不超过预设时长，第一角度与正面角度之间的差值不超过预设角度；第一确定单元，被配置成对于每一个所获取的视频帧，确定该视频帧中目标人脸的表情的预设子表情的表情系数；第二确定单元，被配置成基于各个所确定的表情系数，确定目标人脸的表情的预设子表情的表情系数。

在一些实施例中，装置还包括：第三确定单元，被配置成确定至少一个辅助摄像头中各个辅助摄像头相对于主摄像头的相对位姿；以及第二确定单元，进一步被配置成按照如下方式执行基于各个所确定的表情系数，确定目标人脸的表情的预设子表情的表情系数：基于对每个辅助摄像头确定的相对位姿，确定该辅助摄像头对应的所获取的视频帧中预设子表情的表情系数的权值；通过每个辅助摄像头对应的权值，以及主摄像头对应的所获取的视频帧中预设子表情的表情系数的指定权值，确定各个所获取视频帧中预设子表情的表情系数的加权平均值，并将加权平均值作为目标人脸的表情的预设子表情的表情系数。

在一些实施例中，第二确定单元，进一步被配置成按照如下方式执行基于对每个辅助摄像头确定的相对位姿，确定该辅助摄像头对应的所获取的视频帧中预设子表情的表情系数的权值：基于对每个辅助摄像头确定的相对位姿，确定其他角度相对于第一角度的偏移角度；确定每个辅助摄像头对应的所确定的偏移角度的余弦值，并将该余弦值作为该辅助摄像头对应的所获取的视频帧中预设子表情的表情系数的权值。

在一些实施例中，装置还包括：位姿确定单元，被配置成基于对每个辅助摄像头确定的相对位姿，对于主摄像头和至少一个辅助摄像头中的每个摄像头，确定该摄像头拍摄的视频帧中，目标人脸的位姿；结合单元，被配置成对各个所确定的、目标人脸的位姿进行结合，将结合结果作为目标人脸的位姿。

在一些实施例中，结合单元，进一步被配置成按照如下方式执行对各个所确定的、目标人脸的位姿进行结合，将结合结果作为目标人脸的位姿：利用最小二乘法，对各个所确定的、目标人脸的位姿进行结合，得到结合结果。

在一些实施例中，获取单元，进一步被配置成按照如下方式执行获取针对目标人脸从至少两个角度分别拍摄的视频帧：对于主摄像头和至少一个辅助摄像头中的各个摄像头，响应于接收到各个摄像头拍摄的视频流，从接收到的视频流中，选取各个摄像头中每个摄像头最后拍摄的视频帧作为所获取的视频帧。

在一些实施例中，获取单元，进一步被配置成按照如下方式执行获取针对目标人脸从至少两个角度分别拍摄的视频帧：对于主摄像头和至少一个辅助摄像头中的各个摄像头，响应于接收到各个摄像头拍摄的视频流，从接收到的视频流中，选取在同一个时间段内各个摄像头中每个摄像头最后拍摄的视频帧作为所获取的视频帧。

第三方面，本公开实施例提供了一种电子设备，该电子设备包括：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，本公开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。

本公开实施例提供的用于处理视频帧的方法和装置，获取针对目标人脸从至少两个角度分别拍摄的视频帧，其中，至少两个角度包括主摄像头拍摄的第一角度和至少一个辅助摄像头拍摄的其它角度，所获取的视频帧中任意两个视频帧的拍摄时间之差不超过预设时长，第一角度与正面角度之间的差值不超过预设角度。之后，对于每一个所获取的视频帧，确定该视频帧中目标人脸的表情的预设子表情的表情系数。最后，基于各个所确定的表情系数，确定目标人脸的表情的预设子表情的表情系数。本公开实施例提供的方案可以对从多个角度获取的视频帧的表情系数相结合，避免从单个角度确定表情系数的数据单一的问题，从而提高了所确定的表情系数的准确度。

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，本公开的其它特征、目的和优点将会变得更明显：

图1是本公开的一个实施例可以应用于其中的示例性系统架构图；

图2a是根据本公开的用于处理视频帧的方法的一个实施例的流程图；

图2b是根据本公开的用于处理视频帧的方法的摄像头的布置示意图；

图3是根据本公开的用于处理视频帧的方法的一个应用场景的示意图；

图4是根据本公开的用于处理视频帧的方法的又一个实施例的流程图；

图5是根据本公开的用于处理视频帧的装置的一个实施例的结构示意图；

图6是适于用来实现本公开实施例的终端设备或服务器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公开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，本公开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公开。

图1示出了可以应用本公开实施例的视频帧处理方法或视频帧处理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。

用户可以使用终端设备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，例如直播应用、短视频应用、网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。

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网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、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上显示的三维动画提供支持的后台服务器。后台服务器可以对接收到的对目标人脸从至少两个角度分别拍摄的视频帧进行分析等处理，并将处理结果(例如目标人脸的表情的预设子表情的表情系数)反馈给终端设备。

需要说明的是，本公开实施例所提供的视频帧处理方法可以由服务器105或终端设备101、102、103执行，相应地，视频帧处理装置可以设置于服务器105或终端设备101、102、103中。

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2a，示出了根据本公开的用于处理视频帧的方法的一个实施例的流程200。该用于处理视频帧的方法，包括以下步骤：

步骤201，获取针对目标人脸从至少两个角度分别拍摄的视频帧，其中，至少两个角度包括主摄像头拍摄的第一角度和至少一个辅助摄像头拍摄的其它角度，所获取的视频帧中任意两个视频帧的拍摄时间之差不超过预设时长，第一角度与正面角度之间的差值不超过预设角度。

在本实施例中，用于处理视频帧的方法的执行主体(例如图1所示的服务器)可以获取视频帧。具体地，所获取的视频帧是从至少两个角度对目标人脸进行拍摄得到的。其他角度指第一角度以外的角度。如图2b所示，各个摄像头可以采用环形布置(环布式)，也可以采用球形布置(球布式)。所获取的视频帧是各个摄像头同步采集的或者近似同步采集的，在实践中，所获取的视频帧的数量可以等于摄像头的数量，此外，也可以多于摄像头的数量。第一角度是在人脸的正面位置或近似正面位置对人脸进行拍摄的。正面角度指正对人脸进行拍摄的角度。主摄像头(如图2b中的实线箭头)可以在较为正向的角度(如图2b中的实线箭头指向的拍摄角度)拍摄到目标人脸，因而上述的预设角度为较小的角度，比如30°或45°等。一般地，辅助摄像头(如图2b中的虚线箭头)的其他角度可以包括对目标人脸的侧面进行拍摄的角度(如图2b中的虚线箭头指向的拍摄角度)。其中，球布式中的辅助摄像头可以对人脸的额头和下巴获取到更清晰、详尽的纹理信息。

在本实施例的一些可选的实现方式中，步骤201可以包括：对于主摄像头和至少一个辅助摄像头中的各个摄像头，响应于接收到各个摄像头拍摄的视频流，从接收到的视频流中，选取各个摄像头中每个摄像头最后拍摄的视频帧作为所获取的视频帧。

在这些可选的实现方式中，上述执行主体可以响应于接收到主摄像头和辅助摄像头中所有的摄像头发送的视频帧，将当前接收到的每个摄像头最后发送的视频帧作为所获取的视频帧。

举例来说，2个摄像头中，1号为主摄像头，2号为辅助摄像头。上述执行主体先接收到1号采集的视频帧A1，之后依次接收到了1号采集的视频帧A2和A3。在接收到A1和A3之间的时间段，上述执行主体并没有接收到2号采集的视频帧。之后，上述执行主体依次接收到了2号采集的视频帧B1，和1号采集的视频帧A4，上述执行主体将在接收到1号和2号两个摄像头采集的视频帧的时刻(即接收到A4之前的时刻)，最后采集到的A3和B1作为所获取的视频帧。

这些实现方式不仅可以全面地获取到各个摄像头采集的视频帧，还可以及时地获取到各个摄像头采集的视频帧，从而有助于实现表情系数的实时输出。

在本实施例的一些可选的实现方式中，步骤201可以包括：对于主摄像头和至少一个辅助摄像头中的各个摄像头，响应于接收到各个摄像头拍摄的视频流，从接收到的视频流中，选取在同一个时间段内各个摄像头中每个摄像头最后拍摄的视频帧作为所获取的视频帧。

在这些可选的实现方式中，上述执行主体可以选取在同一个时间段内接收到的视频帧，具体地，如果在该时间段接收到了任意一个摄像头采集的两个以上的视频帧，则选取最后的视频帧作为所获取的视频帧。

举例来说，上述执行主体将0.02秒作为获取周期。有三个摄像头，1号为主摄像头，2号和3号为辅助摄像头，在一个周期的时间段内，上述执行主体若接收到这三个摄像头中的每个分别采集的一个视频帧，则可以将这三个视频帧作为所获取的视频帧。在这个周期的时间段内，上述执行主体若接收到1号依次采集的两个视频帧A1和A2，2号采集的一个视频帧B1和3号采集的一个视频帧C1，则可以将A2、B1和C1作为所获取的视频帧。

这些实现方式可以在各个时间段获取视频帧，从而实现较为匀速的获取过程，有助于使利用表情系数生成的动画更加均匀流畅。

步骤202，对于每一个所获取的视频帧，确定该视频帧中目标人脸的表情的预设子表情的表情系数。

在本实施例中，上述执行主体可以确定出目标人脸的表情的预设子表情的表情系数。具体地，预设子表情可以分为几十种，比如微笑、张嘴、眨眼等。目标人脸的表情可以是各种预设子表情结合呈现的。比如，目标人脸的表情可以通过对各个预设子表情的关键点的坐标进行加权得到，或者上述执行主体可以对各个预设子表情的关键点与参考人脸(无表情人脸)的关键点的坐标之差进行加权，并将加权结果与参考人脸的关键点的坐标之和作为目标人脸的表情。比如预设子表情张嘴的表情系数为0.4，预设子表情微笑的表情系数为0.6，这两个预设表情所构成的目标人脸的表情为大笑。

在实践中，上述执行主体可以利用预设模型或者预设对应关系表，对摄像头和视频帧的数据进行分析，得到各个预设子表情的表情系数。这里的预设模型或预设对应关系表用于表征摄像头和视频帧等的数据，与预设子表情的表情系数之间的对应关系。

步骤203，基于各个所确定的表情系数，确定目标人脸的表情的预设子表情的表情系数。

在本实施例中，上述执行主体可以基于步骤202中对从各个角度所获取的视频帧中各个预设子表情确定的表情系数，确定目标人脸的表情的预设子表情的表情系数。在实践中，上述执行主体可以采用各种方式确定目标人脸的表情的预设子表情的表情系数。比如，上述执行主体可以将步骤202中所确定的各个表情系数输入指定模型，从而得到目标人脸的表情的预设子表情的表情系数。该指定模型可以表征对各个目标人脸视频帧确定的表情系数与目标人脸的表情的预设子表情的表情系数之间的对应关系。此外，上述执行主体还可以对各个视频帧中同一个预设子表情的表情系数确定平均值，并将该平均值作为目标人脸的表情的预设子表情的表情系数。

在实践中，上述执行主体可以对表情系数执行各种操作，比如输出操作。此外，上述执行主体还可以将表情系数输入动画驱动模型，从而让动画驱动模型生成的动画有与用户的表情一致的生动表情。

继续参见图3，图3是根据本实施例的用于处理视频帧的方法的应用场景的一个示意图。在图3的应用场景中，执行主体301获取针对目标人脸从至少两个角度分别拍摄的视频帧302，其中，至少两个角度包括主摄像头拍摄的第一角度和至少一个辅助摄像头拍摄的其它角度，所获取的视频帧中任意两个视频帧的拍摄时间之差不超过预设时长，第一角度与正面角度之间的差值不超过预设角度。执行主体301对于每一个所获取的视频帧，确定该视频帧中目标人脸的表情的预设子表情的表情系数302。执行主体301基于各个所确定的表情系数，确定目标人脸的表情的预设子表情的表情系数303。

本公开的上述实施例提供的方法可以对从多个角度获取的视频帧的表情系数相结合，避免从单个角度确定表情系数的数据单一的问题，从而提高了所确定的表情系数的准确度。

进一步参考图4，其示出了用于处理视频帧的方法的又一个实施例的流程400。该用于处理视频帧的方法的流程400，包括以下步骤：

步骤401，获取针对目标人脸从至少两个角度分别拍摄的视频帧，其中，至少两个角度包括主摄像头拍摄的第一角度和至少一个辅助摄像头拍摄的其它角度，所获取的视频帧中任意两个视频帧的拍摄时间之差不超过预设时长，第一角度与正面角度之间的差值不超过预设角度。

在本实施例中，用于处理视频帧的方法的执行主体(例如图1所示的服务器)可以获取视频帧。具体地，所获取的视频帧是从至少两个角度对目标人脸进行拍摄得到的。其他角度指第一角度以外的角度。一般地，其他角度可以包括对目标人脸的侧面进行拍摄的角度。

步骤402，对于每一个所获取的视频帧，确定该视频帧中目标人脸的表情的预设子表情的表情系数。

在本实施例中，上述执行主体可以确定出目标人脸的表情的预设子表情的表情系数。具体地，预设子表情可以分为几十种，比如微笑、张嘴、眨眼等。预设子表情可以通过关键点的相关信息来表示，比如关键点的坐标，此外，也可以包括关键点之间的位置关系。目标人脸的表情可以是各种预设子表情结合呈现的。比如，目标人脸的表情可以通过对各个预设子表情的关键点的坐标进行加权得到，或者对各个预设子表情的关键点与参考人脸(无表情人脸)的关键点的坐标之差进行加权，并将加权结果与参考人脸的关键点的坐标之和作为目标人脸的表情。

步骤403，确定至少一个辅助摄像头中各个辅助摄像头相对于主摄像头的相对位姿。

在本实施例中，上述执行主体可以确定每个辅助摄像头相对于主摄像头的相对位姿。具体地，辅助摄像头拍摄的视频帧与主摄像头拍摄的视频帧中可以存在同样的人脸关键点，比如都存在左眼的左边眼角上的关键点。根据同样的人脸关键点在辅助摄像头拍摄的视频帧和主摄像头拍摄的视频帧中的位置，可以确定出辅助摄像头相对于主摄像头的相对位姿。具体地，可以采用旋转矩阵和平移矩阵来表现相对位姿。

步骤404，基于对每个辅助摄像头确定的相对位姿，确定该辅助摄像头对应的所获取的视频帧中预设子表情的表情系数的权值。

在本实施例中，上述执行主体可以基于确定出的相对位姿，对每个辅助摄像头拍摄的视频帧，确定出用于对该视频帧中表情的预设子表情的表情系数后续进行加权的权值。在实践中，上述执行主体可以采用各种方式确定出每个辅助摄像头对应的权值。比如，上述执行主体可以对相对位姿划分预设数量个相对位姿范围，并对每个相对位姿范围设置一个权值。该辅助摄像头的相对位姿范围的数值越大，对应的权值越小。

在本实施例的一些可选的实现方式中，步骤404可以包括：基于对每个辅助摄像头确定的相对位姿，确定其他角度相对于第一角度的偏移角度；确定每个辅助摄像头对应的所确定的偏移角度的余弦值，并将该余弦值作为该辅助摄像头对应的所获取的视频帧中预设子表情的表情系数的权值。

在这些可选的实现方式中，上述执行主体可以对于每个辅助摄像头，利用该辅助摄像对应的相对位姿，确定出该辅助摄像头拍摄的其他角度的偏移角度。之后，上述执行主体可以将偏移角度的余弦值，作为该辅助摄像头拍摄的视频帧中预设子表情的表情系数的权值。相应地，可以将0°的余弦值(也即1)作为主摄像头拍摄的视频帧中预设子表情的表情系数的权值。

这些实现方式可以利用偏移角度的余弦值，准确地量化辅助摄像头拍摄的视频帧中预设子表情的表情系数的可信度和价值。

步骤405，通过每个辅助摄像头对应的权值，以及主摄像头对应的所获取的视频帧中预设子表情的表情系数的指定权值，确定各个所获取视频帧中预设子表情的表情系数的加权平均值，并将加权平均值作为目标人脸的表情的预设子表情的表情系数。

在本实施例中，上述执行主体可以通过每个辅助摄像头对应的权值，以及主摄像头对应的指定权值，对各个摄像头拍摄的视频帧中预设子表情的表情系数进行加权平均。在实践中，上述指定权值一般大于辅助摄像头对应的权值。

本实施例可以利用相对位姿，对各个摄像头对应的表情系数进行加权平均，从而更加全面、准确地确定出表情系数。

在本实施例的一些可选的实现方式中，上述方法还可以包括：基于对每个辅助摄像头确定的相对位姿，对于主摄像头和至少一个辅助摄像头中的每个摄像头，确定该摄像头拍摄的视频帧中，目标人脸的位姿；对各个所确定的、目标人脸的位姿进行结合，将结合结果作为目标人脸的位姿。

在这些可选的实现方式中，上述执行主体还可以基于确定出的相对位姿，对于每个摄像头，确定该摄像头拍摄的视频帧中，每个摄像头拍摄的视频帧中目标人脸的位姿，也即目标人脸相对于该摄像头的位姿。之后上述执行主体可以对这些位姿进行结合，得到结合结果，并将结合结果作为目标人脸的位姿。比如，上述执行主体可以对各个摄像头对应的这些位姿进行加权平均，从而得到结合结果。

这些实现方式可以对由每个摄像头确定出的位姿进行结合，从而更加全面和准确地确定出目标人脸的位姿。

在这些实现方式的一些可选的应用场景中，上述对各个目标人脸相对于主摄像头的位姿进行结合，得到结合结果，可以包括：利用最小二乘法，对各个所确定的、目标人脸的位姿进行结合，得到结合结果。

在这些可选的应用场景中，上述执行主体可以利用最小二乘法，对由每个摄像头所确定出的位姿进行结合，从而可以进一步提高确定目标人脸的位姿的准确度。

进一步参考图5，作为对上述各图所示方法的实现，本公开提供了一种用于处理视频帧的装置的一个实施例，该装置实施例与图2a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，本实施例的用于处理视频帧的装置500包括：获取单元501、第一确定单元502和第二确定单元503。其中，获取单元501，被配置成获取针对目标人脸从至少两个角度分别拍摄的视频帧，其中，至少两个角度包括主摄像头拍摄的第一角度和至少一个辅助摄像头拍摄的其它角度，所获取的视频帧中任意两个视频帧的拍摄时间之差不超过预设时长，第一角度与正面角度之间的差值不超过预设角度；第一确定单元502，被配置成对于每一个所获取的视频帧，确定该视频帧中目标人脸的表情的预设子表情的表情系数；第二确定单元503，被配置成基于各个所确定的表情系数，确定目标人脸的表情的预设子表情的表情系数。

在本实施例中，用于处理视频帧的装置500的获取单元501、第一确定单元502和第二确定单元503的具体处理及其所带来的技术效果可分别参考图2a对应实施例中步骤201、步骤202、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，装置还包括：第三确定单元，被配置成确定至少一个辅助摄像头中各个辅助摄像头相对于主摄像头的相对位姿；以及第二确定单元，进一步被配置成按照如下方式执行基于各个所确定的表情系数，确定目标人脸的表情的预设子表情的表情系数：基于对每个辅助摄像头确定的相对位姿，确定该辅助摄像头对应的所获取的视频帧中预设子表情的表情系数的权值；通过每个辅助摄像头对应的权值，以及主摄像头对应的所获取的视频帧中预设子表情的表情系数的指定权值，确定各个所获取视频帧中预设子表情的表情系数的加权平均值，并将加权平均值作为目标人脸的表情的预设子表情的表情系数。

在本实施例的一些可选的实现方式中，第二确定单元，进一步被配置成按照如下方式执行基于对每个辅助摄像头确定的相对位姿，确定该辅助摄像头对应的所获取的视频帧中预设子表情的表情系数的权值：基于对每个辅助摄像头确定的相对位姿，确定其他角度相对于第一角度的偏移角度；确定每个辅助摄像头对应的所确定的偏移角度的余弦值，并将该余弦值作为该辅助摄像头对应的所获取的视频帧中预设子表情的表情系数的权值。

在本实施例的一些可选的实现方式中，装置还包括：位姿确定单元，被配置成基于对每个辅助摄像头确定的相对位姿，对于主摄像头和至少一个辅助摄像头中的每个摄像头，确定该摄像头拍摄的视频帧中，目标人脸的位姿；结合单元，被配置成对各个所确定的、目标人脸的位姿进行结合，将结合结果作为目标人脸的位姿。

在本实施例的一些可选的实现方式中，结合单元，进一步被配置成按照如下方式执行对各个所确定的、目标人脸的位姿进行结合，将结合结果作为目标人脸的位姿：利用最小二乘法，对各个所确定的、目标人脸的位姿进行结合，得到结合结果。

在本实施例的一些可选的实现方式中，获取单元，进一步被配置成按照如下方式执行获取针对目标人脸从至少两个角度分别拍摄的视频帧：对于主摄像头和至少一个辅助摄像头中的各个摄像头，响应于接收到各个摄像头拍摄的视频流，从接收到的视频流中，选取各个摄像头中每个摄像头最后拍摄的视频帧作为所获取的视频帧。

在本实施例的一些可选的实现方式中，获取单元，进一步被配置成按照如下方式执行获取针对目标人脸从至少两个角度分别拍摄的视频帧：对于主摄像头和至少一个辅助摄像头中的各个摄像头，响应于接收到各个摄像头拍摄的视频流，从接收到的视频流中，选取在同一个时间段内各个摄像头中每个摄像头最后拍摄的视频帧作为所获取的视频帧。

如图6所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)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装置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，还存储有电子设备600操作所需的各种程序和数据。处理装置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。

通常，以下装置可以连接至I/O接口605：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606；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600，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。图6中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。

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609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM 602被安装。在该计算机程序被处理装置601执行时，执行本公开的实施例的方法中限定的上述功能。需要说明的是，本公开的实施例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。在本公开的实施例中，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。而在本公开的实施例中，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。

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：一种处理器包括获取单元、第一确定单元和第二确定单元。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，获取单元还可以被描述为“获取针对目标人脸从至少两个角度分别拍摄的视频帧的单元”。

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：获取针对目标人脸从至少两个角度分别拍摄的视频帧，其中，至少两个角度包括主摄像头拍摄的第一角度和至少一个辅助摄像头拍摄的其它角度，所获取的视频帧中任意两个视频帧的拍摄时间之差不超过预设时长，第一角度与正面角度之间的差值不超过预设角度；对于每一个所获取的视频帧，确定该视频帧中目标人脸的表情的预设子表情的表情系数；基于各个所确定的表情系数，确定目标人脸的表情的预设子表情的表情系数。

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 (16)

1.一种用于处理视频帧的方法，包括：

获取针对目标人脸从至少两个角度分别拍摄的视频帧，其中，所述至少两个角度包括主摄像头拍摄的第一角度和至少一个辅助摄像头拍摄的其它角度，所获取的视频帧中任意两个视频帧的拍摄时间之差不超过预设时长，所述第一角度与正面角度之间的差值不超过预设角度；

对于每一个所获取的视频帧，确定该视频帧中所述目标人脸的表情的预设子表情的表情系数；

基于各个所确定的视频帧中所述目标人脸的预设子表情的表情系数，确定所述目标人脸的表情的最终预设子表情的表情系数，其中，所述目标人脸的表情的最终预设子表情的表情系数利用每个所述辅助摄像头相对于所述主摄像头的相对位姿，对各个所确定的视频帧中所述目标人脸的预设子表情的表情系数进行加权平均确定。

2.根据权利要求1所述的方法，其中，所述方法还包括：

确定所述至少一个辅助摄像头中各个所述辅助摄像头相对于所述主摄像头的相对位姿；以及

所述基于各个所确定的视频帧中所述目标人脸的预设子表情的表情系数，确定所述目标人脸的表情的最终预设子表情的表情系数，包括：

基于对每个所述辅助摄像头确定的相对位姿，确定该辅助摄像头对应的所获取的视频帧中预设子表情的表情系数的权值；

通过每个所述辅助摄像头对应的权值，以及所述主摄像头对应的所获取的视频帧中预设子表情的表情系数的指定权值，确定各个所获取视频帧中预设子表情的表情系数的加权平均值，并将所述加权平均值作为所述目标人脸的表情的最终预设子表情的表情系数。

3.根据权利要求2所述的方法，其中，所述基于对每个所述辅助摄像头确定的相对位姿，确定该辅助摄像头对应的所获取的视频帧中预设子表情的表情系数的权值，包括：

基于对每个所述辅助摄像头确定的相对位姿，确定所述其它角度相对于所述第一角度的偏移角度；

确定每个所述辅助摄像头对应的所确定的偏移角度的余弦值，并将该余弦值作为该辅助摄像头对应的所获取的视频帧中预设子表情的表情系数的权值。

4.根据权利要求2所述的方法，其中，所述方法还包括：

基于对每个所述辅助摄像头确定的相对位姿，对于所述主摄像头和所述至少一个辅助摄像头中的每个摄像头，确定该摄像头拍摄的视频帧中，所述目标人脸的位姿；

对各个所确定的、所述目标人脸的位姿进行结合，将结合结果作为所述目标人脸的位姿。

5.根据权利要求4所述的方法，其中，所述对各个所确定的、所述目标人脸的位姿进行结合，将结合结果作为所述目标人脸的位姿，包括：

利用最小二乘法，对各个所确定的、所述目标人脸的位姿进行结合，得到所述结合结果。

6.根据权利要求1所述的方法，其中，所述获取针对目标人脸从至少两个角度分别拍摄的视频帧，包括：

对于所述主摄像头和所述至少一个辅助摄像头中的各个摄像头，响应于接收到所述各个摄像头拍摄的视频流，从接收到的视频流中，选取所述各个摄像头中每个摄像头最后拍摄的视频帧作为所获取的视频帧。

7.根据权利要求1所述的方法，其中，所述获取针对目标人脸从至少两个角度分别拍摄的视频帧，包括：

对于所述主摄像头和所述至少一个辅助摄像头中的各个摄像头，响应于接收到所述各个摄像头拍摄的视频流，从接收到的视频流中，选取在同一个时间段内所述各个摄像头中每个摄像头最后拍摄的视频帧作为所获取的视频帧。

8.一种用于处理视频帧的装置，包括：

获取单元，被配置成获取针对目标人脸从至少两个角度分别拍摄的视频帧，其中，所述至少两个角度包括主摄像头拍摄的第一角度和至少一个辅助摄像头拍摄的其它角度，所获取的视频帧中任意两个视频帧的拍摄时间之差不超过预设时长，所述第一角度与正面角度之间的差值不超过预设角度；

第一确定单元，被配置成对于每一个所获取的视频帧，确定该视频帧中所述目标人脸的表情的预设子表情的表情系数；

第二确定单元，被配置成基于各个所确定的视频帧中所述目标人脸的预设子表情的表情系数，确定所述目标人脸的表情的最终预设子表情的表情系数，其中，所述目标人脸的表情的最终预设子表情的表情系数利用每个所述辅助摄像头相对于所述主摄像头的相对位姿，对各个所确定的视频帧中所述目标人脸的预设子表情的表情系数进行加权平均确定。

9.根据权利要求8所述的装置，其中，所述装置还包括：

第三确定单元，被配置成确定所述至少一个辅助摄像头中各个所述辅助摄像头相对于所述主摄像头的相对位姿；以及

所述第二确定单元，进一步被配置成按照如下方式执行所述基于各个所确定的视频帧中所述目标人脸的预设子表情的表情系数，确定所述目标人脸的表情的最终预设子表情的表情系数：基于对每个所述辅助摄像头确定的相对位姿，确定该辅助摄像头对应的所获取的视频帧中预设子表情的表情系数的权值；通过每个所述辅助摄像头对应的权值，以及所述主摄像头对应的所获取的视频帧中预设子表情的表情系数的指定权值，确定各个所获取视频帧中预设子表情的表情系数的加权平均值，并将所述加权平均值作为所述目标人脸的表情的最终预设子表情的表情系数。

10.根据权利要求9所述的装置，其中，所述第二确定单元，进一步被配置成按照如下方式执行所述基于对每个所述辅助摄像头确定的相对位姿，确定该辅助摄像头对应的所获取的视频帧中预设子表情的表情系数的权值：基于对每个所述辅助摄像头确定的相对位姿，确定所述其它角度相对于所述第一角度的偏移角度；确定每个所述辅助摄像头对应的所确定的偏移角度的余弦值，并将该余弦值作为该辅助摄像头对应的所获取的视频帧中预设子表情的表情系数的权值。

11.根据权利要求9所述的装置，其中，所述装置还包括：

位姿确定单元，被配置成基于对每个所述辅助摄像头确定的相对位姿，对于所述主摄像头和所述至少一个辅助摄像头中的每个摄像头，确定该摄像头拍摄的视频帧中，所述目标人脸的位姿；

结合单元，被配置成对各个所确定的、所述目标人脸的位姿进行结合，将结合结果作为所述目标人脸的位姿。

12.根据权利要求11所述的装置，其中，所述结合单元，进一步被配置成按照如下方式执行所述对各个所确定的、所述目标人脸的位姿进行结合，将结合结果作为所述目标人脸的位姿：利用最小二乘法，对各个所确定的、所述目标人脸的位姿进行结合，得到所述结合结果。

13.根据权利要求8所述的装置，其中，所述获取单元，进一步被配置成按照如下方式执行所述获取针对目标人脸从至少两个角度分别拍摄的视频帧：对于所述主摄像头和所述至少一个辅助摄像头中的各个摄像头，响应于接收到所述各个摄像头拍摄的视频流，从接收到的视频流中，选取所述各个摄像头中每个摄像头最后拍摄的视频帧作为所获取的视频帧。

14.根据权利要求8所述的装置，其中，所述获取单元，进一步被配置成按照如下方式执行所述获取针对目标人脸从至少两个角度分别拍摄的视频帧：对于所述主摄像头和所述至少一个辅助摄像头中的各个摄像头，响应于接收到所述各个摄像头拍摄的视频流，从接收到的视频流中，选取在同一个时间段内所述各个摄像头中每个摄像头最后拍摄的视频帧作为所获取的视频帧。

15.一种电子设备，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

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1-7中任一所述的方法。

16.一种计算机可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如权利要求1-7中任一所述的方法。

Images