CN111339420A - 图像处理方法、装置、电子设备及存储介质 - Google Patents
图像处理方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111339420A CN111339420A CN202010129545.8A CN202010129545A CN111339420A CN 111339420 A CN111339420 A CN 111339420A CN 202010129545 A CN202010129545 A CN 202010129545A CN 111339420 A CN111339420 A CN 111339420A
- Authority
- CN
- China
- Prior art keywords
- image
- preset
- face
- target
- user
- 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.)
- Withdrawn
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 45
- 238000012545 processing Methods 0.000 title claims description 37
- 238000000034 method Methods 0.000 claims abstract description 55
- 238000007499 fusion processing Methods 0.000 claims abstract description 45
- 230000004927 fusion Effects 0.000 claims abstract description 39
- 230000001815 facial effect Effects 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 14
- 238000001514 detection method Methods 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 8
- 230000036651 mood Effects 0.000 claims description 6
- 230000003993 interaction Effects 0.000 abstract description 7
- 230000002452 interceptive effect Effects 0.000 description 20
- 230000008569 process Effects 0.000 description 16
- 238000003062 neural network model Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000000605 extraction Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- XLHIYUYCSMZCCC-VMPITWQZSA-N Yangonin Chemical compound C1=CC(OC)=CC=C1\C=C\C1=CC(OC)=CC(=O)O1 XLHIYUYCSMZCCC-VMPITWQZSA-N 0.000 description 3
- AYXCIWVJOBQVFH-ZDUSSCGKSA-N Yangonin Natural products COC1=CC(=O)O[C@H](C1)C=Cc2ccc(OC)cc2 AYXCIWVJOBQVFH-ZDUSSCGKSA-N 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 239000013078 crystal Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000007654 immersion Methods 0.000 description 2
- 238000013102 re-test Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 208000031973 Conjunctivitis infective Diseases 0.000 description 1
- 229920000742 Cotton Polymers 0.000 description 1
- 201000001028 acute contagious conjunctivitis Diseases 0.000 description 1
- 230000004397 blinking Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000009189 diving Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/105—Human resources
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- 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
- G06V40/172—Classification, e.g. identification
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Economics (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了一种图像处理方法、装置、计算机设备及存储介质,其中,该方法包括:基于获取的用户的人脸图像,从多种职业类别中确定所述用户的目标职业类别;将所述用户的人脸图像与所述目标职业类别对应的预设图像模板进行图像融合处理,生成融合图像;基于所述融合图像,确定推送信息。在为用户确定推送信息时,形成与用户的有效互动。
Description
技术领域
本公开涉及推送信息确定技术领域,具体而言,涉及一种图像处理方法、装置、电子设备及存储介质。
背景技术
在为用户推送信息时,一般是通过长期监测用户的历史行为,并基于用户的历史行为,确定用户较为感兴趣的内容,然后基于用户比较感兴趣的内容,确定对应的推送信息推送给用户。
当前的信息推送方法存在互动性差的问题。
发明内容
本公开实施例至少提供一种图像处理方法、装置、电子设备及存储介质。
第一方面,本公开实施例提供了一种图像处理方法,包括:基于获取的用户的人脸图像,从多种职业类别中确定所述用户的目标职业类别;将所述用户的人脸图像与所述目标职业类别对应的预设图像模板进行图像融合处理,生成融合图像;基于所述融合图像,确定推送信息。
这样,通过人脸图像来生成融合图像,并基于融合图像确定推送信息,进而在为用户确定推送信息时,形成与用户的有效互动。
一种可能的实施方式中,所述方法应用于服务器,所述方法还包括:获取终端设备发送的所述人脸图像;和/或在所述确定推送信息之后,所述方法还包括:将确定的所述推送信息发送至所述终端设备,以使得所述终端设备呈现所述推送信息。
这样,通过该过程实现了将推送信息通过终端设备呈现给用户。且由于进行图像融合处理、确定推送信息的过程均是在服务器中完成,降低对终端设备计算资源的要求。
一种可能的实施方式中,所述方法应用于终端设备,所述方法还包括:响应于检测到用户触发操作,调用摄像头进行图像采集,得到所述用户的人脸图像;和/或在所述确定所述推送信息后,所述方法还包括:在所述终端设备的图形用户界面中显示所述推送信息。
这样,通过上述过程实现了将推送信息通过终端设备呈现给用户,且由于进行图像融合处理、确定推送信息的过程均是在终端设备中完成,避免了与服务器之间的数据交互,节省数据流量,且提升了推送信息的确定效率。
一种可能的实施方式中,所述多种职业类型中的每种职业类型对应至少一张预设人物图像;所述基于获取的用户的人脸图像,从多种职业类别中确定所述用户的目标职业类别,包括:确定多种职业类别中的每种职业类别对应的至少一张预设人物图像与所述人脸图像之间的相似度;基于多种职业类别中的每种职业类别对应的至少一张预设人物图像与所述人脸图像之间的相似度,从所述多种职业类别中确定所述目标职业类别。
这样,能够更好的为用户确定目标职业类别,提升与用户之间的交互性。
一种可能的实施方式中,所述基于多种职业类别中的每种职业类别对应的至少一张预设人物图像与所述人脸图像之间的相似度,从所述多种职业类别中确定所述目标职业类别,包括:基于每种职业类别对应的至少一张预设人物图像中每张预设人物图像与所述人脸图像之间的相似度,确定所述每种职业类别对应的平均相似度;将所述多种职业类别中对应的平均相似度最高的职业类别确定为所述目标职业类别。
这样,基于平均相似度能够为更加合适的匹配目标职业类别,增强用户的沉浸感。
一种可能的实施方式中,所述将所述用户的人脸图像与所述目标职业类别对应的预设图像模板进行图像融合处理,生成融合图像,包括:从所述目标职业类别对应的预设人物图像中确定目标人物图像,并将确定的所述目标人物图像作为所述预设图像模板;将所述人脸图像与所述目标职业类别对应的目标人物图像进行图像融合处理,生成所述融合图像。
这样,所生成的融合图像既具有用户的人脸特征,又具有目标人物图像的特征,交互性更强。
一种可能的实施方式中,所述从所述目标职业类别对应的预设人物图像中确定目标人物图像,包括:从所述目标职业类别对应的至少一张预设人物图像中随机选择所述目标人物图像;或者基于所述目标职业类别对应的至少一张预设人物图像与所述人脸图像之间的相似度,从所述目标职业类别对应的至少一张预设人物图像中确定所述目标人物图像;或者基于所述目标职业类别对应的至少一张预设人物图像分别对应的人物属性信息,从所述目标职业类别对应的至少一张预设人物图像中确定所述目标人物图像。
一种可能的实施方式中,所述将所述用户的人脸图像与所述目标职业类别对应的预设图像模板进行图像融合处理,生成融合图像,包括:将所述人脸图像中的背景替换为所述预设图像模板中的背景,得到融合图像;或者将所述预设图像模板中的人脸替换为所述人脸图像中的人脸,得到融合图像;或者将所述预设人物图像中的人脸与所述人脸图像中的人脸进行人脸融合处理,得到融合人脸,并将所述预设图像模板中的人脸替换为所述融合人脸,得到融合图像。
这样,所生成的融合图像,既具有用户的人脸特征,又具有为用户确定的目标职业类别的特征,增强融合图像的真实性,增加用户的沉浸感。
一种可能的实施方式中,所述基于所述融合图像,确定推送信息,包括:基于所述融合图像以及所述目标职业类别,确定所述推送信息。
这样,能够基于为用户确定的目标职业类别,更具有针对性的确定推送信息。
一种可能的实施方式中,所述基于所述融合图像以及所述目标职业类别,确定所述推送信息,包括:基于所述目标职业类别,确定推荐信息;基于所述融合图像和所述推荐信息,生成所述推送信息。
一种可能的实施方式中,所述基于所述目标职业类别,确定推荐信息,包括:对所述人脸图像进行属性识别,得到属性识别结果;根据所述人脸图像的属性识别结果以及所述目标职业类别,确定所述推荐信息。
这样,结合人脸图像的属性识别结果,以及目标职业类别,更具有针对性的为用户确定推送信息。
一种可能的实施方式中,所述属性类型包括下述至少一种:性别、年龄、情绪。
第二方面,本公开实施例还提供一种图像处理装置,包括:职业类别确定模块,用于基于获取的用户的人脸图像,从多种职业类别中确定所述用户的目标职业类别;生成模块,用于将所述用户的人脸图像与所述目标职业类别对应的预设图像模板进行图像融合处理,生成融合图像;推送信息确定模块,用于基于所述融合图像,确定推送信息。
一种可能的实施方式中,所述装置应用于服务器,所述装置还包括:获取模块,用于获取终端设备发送的所述人脸图像;和/或所述装置还包括:发送模块,用于在推送消息确定模块确定推送信息之后,将确定的所述推送信息发送至所述终端设备,以使得所述终端设备呈现所述推送信息。
一种可能的实施方式中,所述装置应用于终端设备,所述装置还包括:图像获取模块,用于响应于检测到用户触发操作,调用摄像头进行图像采集,得到所述用户的人脸图像;和/或所述装置还包括:显示模块,用于在所述推送信息确定模块确定所述推送信息后,在所述终端设备的图形用户界面中显示所述推送信息。
一种可能的实施方式中,所述多种职业类型中的每种职业类型对应至少一张预设人物图像;所述职业类别确定模块,在基于获取的用户的人脸图像,从多种职业类别中确定所述用户的目标职业类别时,用于:确定多种职业类别中的每种职业类别对应的至少一张预设人物图像与所述人脸图像之间的相似度;
基于多种职业类别中的每种职业类别对应的至少一张预设人物图像与所述人脸图像之间的相似度,从所述多种职业类别中确定所述目标职业类别。
一种可能的实施方式中,所述职业类别确定模块,在基于多种职业类别中的每种职业类别对应的至少一张预设人物图像与所述人脸图像之间的相似度,从所述多种职业类别中确定所述目标职业类别时,用于:基于每种职业类别对应的至少一张预设人物图像中每张预设人物图像与所述人脸图像之间的相似度,确定所述每种职业类别对应的平均相似度;将所述多种职业类别中对应的平均相似度最高的职业类别确定为所述目标职业类别。
一种可能的实施方式中,所述生成模块,在将所述用户的人脸图像与所述目标职业类别对应的预设图像模板进行图像融合处理,生成融合图像时,用于:从所述目标职业类别对应的预设人物图像中确定目标人物图像,并将确定的所述目标人物图像作为所述预设图像模板;将所述人脸图像与所述目标职业类别对应的目标人物图像进行图像融合处理,生成所述融合图像。
一种可能的实施方式中,所述生成模块,在从所述目标职业类别对应的预设人物图像中确定目标人物图像时,用于:从所述目标职业类别对应的至少一张预设人物图像中随机选择所述目标人物图像;或者基于所述目标职业类别对应的至少一张预设人物图像与所述人脸图像之间的相似度,从所述目标职业类别对应的至少一张预设人物图像中确定所述目标人物图像;或者基于所述目标职业类别对应的至少一张预设人物图像分别对应的人物属性信息,从所述目标职业类别对应的至少一张预设人物图像中确定所述目标人物图像。
一种可能的实施方式中,所述生成模块,在将所述用户的人脸图像与所述目标职业类别对应的预设图像模板进行图像融合处理,生成融合图像时,用于:将所述人脸图像中的背景替换为所述预设图像模板中的背景,得到融合图像;或者将所述预设图像模板中的人脸替换为所述人脸图像中的人脸,得到融合图像;或者将所述预设人物图像中的人脸与所述人脸图像中的人脸进行人脸融合处理,得到融合人脸,并将所述预设图像模板中的人脸替换为所述融合人脸,得到融合图像。
一种可能的实施方式中,所述推送信息确定模块,在基于所述融合图像,确定推送信息时,用于:基于所述融合图像以及所述目标职业类别,确定所述推送信息。
一种可能的实施方式中,所述推送信息确定模块,在基于所述融合图像以及所述目标职业类别,确定所述推送信息时,用于:基于所述目标职业类别,确定推荐信息;基于所述融合图像和所述推荐信息,生成所述推送信息。
一种可能的实施方式中,所述推送信息确定模块,在基于所述目标职业类别,确定推荐信息时,用于:对所述人脸图像进行属性识别,得到属性识别结果;根据所述人脸图像的属性识别结果以及所述目标职业类别,确定所述推荐信息。
一种可能的实施方式中,所述属性类型包括下述至少一种:性别、年龄、情绪。
第三方面,本公开实施例还提供一种计算机设备,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当计算机设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行上述第一方面,或第一方面中任一种可能的实施方式中的步骤。
第四方面,本公开实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行上述第一方面,或第一方面中任一种可能的实施方式中的步骤。
第五方面,本公开实施例还提供了一种计算机程序产品,包括计算机可读指令,该计算机可读指令运行时使得处理器执行上述第一方面或第一方面任意可能的实现方式中的步骤。
为使本公开的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本公开实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,此处的附图被并入说明书中并构成本说明书中的一部分,这些附图示出了符合本公开的实施例,并与说明书一起用于说明本公开的技术方案。应当理解,以下附图仅示出了本公开的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1示出了本公开实施例所提供的一种图像处理方法的流程图;
图2示出了本公开实施例所提供的图像处理方法的应用场景示例的流程图;
图3示出了本公开实施例所提供的一种交互界面示例的示意图;
图4示出了本公开实施例所提供的一种图像处理装置的示意图;
图5示出了本公开实施例所提供的一种图像处理装置应用于服务器时的示意图;
图6示出了本公开实施例所提供的一种图像处理装置应用于终端设备时的示意图;
图7示出了本公开实施例所提供的一种计算机设备的示意图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚,下面将结合本公开实施例中附图,对本公开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公开一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本公开实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本公开的实施例的详细描述并非旨在限制要求保护的本公开的范围,而是仅仅表示本公开的选定实施例。基于本公开的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本公开保护的范围。
经研究发现,在为用户确定推送信息时,一般是基于用户的历史行为来进行的,例如通过监测用户对商品的操作行为,如购买、点击查看、加入购物车等,为用户确定其可能会感兴趣的商品类别,并基于为其确定的商品类别,来确定该用户的推送信息。这种确定推送信息的方法虽然能够较为精准的把握到用户的喜好,但缺乏与用户之间的互动,互动性较差。
基于上述研究,本公开提供了一种图像处理方法、装置、电子设备及存储介质,基于获取的用户的人脸图像,从多种职业类别中为用户确定目标职业类别,并将用户的人脸图像与目标职业类别对应的预设图像模板进行图像融合处理,生成融合图像,然后基于融合图像生成推送信息,进而在为用户确定推送信息时,形成与用户的有效互动,提高信息推送的趣味性,进而提高用户体验。
针对以上方案所存在的缺陷,均是发明人在经过实践并仔细研究后得出的结果,因此,上述问题的发现过程以及下文中本公开针对上述问题所提出的解决方案,都应该是发明人在本公开过程中对本公开做出的贡献。
下面将结合本公开中附图,对本公开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公开一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本公开的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本公开的实施例的详细描述并非旨在限制要求保护的本公开的范围,而是仅仅表示本公开的选定实施例。基于本公开的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本公开保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
为便于对本实施例进行理解,首先对本公开实施例所公开的一种图像处理方法进行详细介绍,本公开实施例所提供的图像处理方法的执行主体为图像处理装置,其一般为具有一定计算能力的计算机设备,该计算机设备例如包括:终端设备或服务器或其它处理设备;另外,本公开实施例提供的图像处理方法也可以用于至少两台计算机设备,例如通过终端设备和服务器分别执行该图像处理方法的不同步骤。终端设备可以为用户设备(UserEquipment,UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字处理(PersonalDigital Assistant,PDA)、手持设备、计算设备、车载设备、可穿戴设备等。在一些可能的实现方式中,该图像处理方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。
下面对本公开实施例提供的图像处理方法加以说明。
参见图1所示,为本公开实施例提供的图像处理方法的流程图,所述方法包括步骤S101~S103,其中:
S101:基于获取的用户的人脸图像,从多种职业类别中确定所述用户的目标职业类别;
S102:将所述用户的人脸图像与所述目标职业类别对应的预设图像模板进行图像融合处理,生成融合图像;
S103:基于所述融合图像,确定推送信息。
在一些实施例中,图像处理装置获取人脸图像。
其中,图像处理装置可以通过多种方式获取人脸图像。在一种可能的实施方式中,图像处理装置可以设置有摄像头,并通过摄像头采集人脸图像。或者,图像处理装置可以从其他设备处获取人脸图像,例如服务器接收终端设备发送的人脸图像,但本公开实施例对此不做限定。
例如,可以一直或者定期进行图像采集,或者,图像处理装置可以在满足触发条件的情况下进行图像采集,例如,在检测到有人靠近,或者在接收到用户指令,等等,本公开实施例对此不做限定。
在本公开实施例中,可以采集单张图像,或者采集多张静态图像或一段视频,并从采集的多张静态图像或视频中选取满足设定要求的图像,其中,该设定要求可以包括图像质量满足要求、图像包含人脸、图像中的人脸质量满足要求等一项或多项,本公开实施例对该设定要求的具体实现不做限定。
该人脸图像可以为采集到的原始图像,或者是从原始图像中截取的人脸区域的图像。例如,在获取某个图像后,首先对图像进行人脸检测,在检测到人脸的情况下,基于检测到的人脸,从该图像中截取人脸区域的图像。
另外一种可能的实施方式中,若在获取某个图像或视频流后,在对该张图像或视频流的所有图像均不满足设定要求的情况下,例如,未检测到满足要求的人脸,可以提示重新进行图像采集或者提示用户进行调整,但本公开实施例不限于此。
在获取到人脸图像之后,可以基于该人脸图像从多种职业类别中确定用户的目标职业类别。
在本公开实施例中,多种职业类别可以基于需要进行设置,例如,多种职业类别包括:科学家、文学家、宇航员、运动员、医生等,或者职业类别还可以包括更为细致的划分,例如物理学家、跳水运动员等等。
在一些实施例中,通过训练好的神经网络模型处理用户的人脸图像,得到用户的目标职业类别。例如,将人脸图像直接输入或者经过预处理后输入到神经网络模型进行处理,得到输出结果,并基于该输出结果确定用户的目标职业类别,其中,该输出结果可以为对该人脸图像的分类结果,可以基于该分类结果确定目标职业类别,或者,该输出结果为中间结果,可以基于中间结果和其他信息确定目标职业类别,本公开实施例对此不做限定。
在另一些实施例中,可以预先获取每种职业类别对应的预设人物图像,其中,该预设人物图像中的人物的职业类别为该预设人物图像对应的职业类别。例如,科学家对应的预设人物图像包括:爱迪生、爱因斯坦、杨振宁等人物的图像。再例如,文学家对应的预设人物图像包括:鲁迅、张爱玲、莫言等人物的图像。再例如,运动员对应的预设人物图像分别包括:郭晶晶、孔令辉、武大靖、张怡宁等人物的图像,等等。
然后,可以存储每种职业类别对应的至少一个预设人物图像和/或预设图像特征信息,其中,预设图像特征信息是通过对预设人物图像的至少一部分进行特征提取处理得到的,例如,存储在图像处理装置本地,或者存储在与图像处理装置具有通信连接关系的其他设备处,例如存储在与图像处理装置具有通信连接关系的网络设备处。在获取用户的人脸图像之后,通过预先存储的该多种职业类别对应的预设人物图像和/或预设图像特征信息和用户的人脸图像的比对,来确定用户的目标职业类别,其中,该比对可以由图像处理装置或其他设备执行。
在一个示例中,在获取到用户的人脸图像之后,图像处理装置可以获取本地或者其他设备处存储的预设人物图像和/或预设图像特征信息,并进行图像或特征比对,得到比对结果,并基于比对结果得到目标职业类别。再另一个示例中,在获取到用户的人脸图像之后,图像处理装置可以向其他设备(例如服务器或者其他网络设备)发送获取到的用户的人脸图像或者用户的人脸图像的特征信息,其他设备基于接收到的人脸图像或其特征信息与预先存储的预设人物图像和/或预设图像特征信息进行比对,得到比对结果,并向图像处理装置返回该比对结果,或者进一步基于比对结果得到目标职业类别,并向图像处理装置返回目标职业类别,相应地,图像处理装置基于其他设备的返回结果确定目标职业类别。
在一些实施例中,上述比对可以包括图像比对,例如,可以确定多种职业类别中的每种职业类别对应的至少一张预设人物图像与所述人脸图像之间的相似度;并基于多种职业类别中的每种职业类别对应的至少一张预设人物图像与所述人脸图像之间的相似度,从所述多种职业类别中确定所述目标职业类别。
这里,在确定多种职业类别中的每种职业类别对应的至少一张预设人物图像与人脸图像之间的相似度时,在一些可能实现中,可以通过预先训练的用于图像比对的神经网络模型实现,例如,将用户的人脸图像与预设人物图像的至少一部分(例如预设人物图像的人脸区域图像)直接或进行预处理后输入到用于图像比对的神经网络模型进行比对处理,得到二者之间的相似度。在另一些可能实现中,可以通过预先训练的用于特征提取的神经网络模型实现。例如,通过用于特征提取的神经网络模型对人脸图像进行特征提取处理,得到人脸图像对应的第一特征,并且通过用户特征提取的神经网络模型对预设人物图像进行特征提取处理,得到预设人物图像的第二特征,或者,获取预先存储的预设人物图像的第二特征;然后,计算预设人物图像的第二特征与用户的人脸图像的第一特征之间的距离,其中,该距离例如包括:闵可夫斯基距离、欧氏距离、曼哈顿距离、切比雪夫距离、夹角余弦、杰卡德相似系数等中任一种。
在一些实施例中,上述比对可以包括特征比对,具体地,可以提取用户的人脸图像的特征信息,并基于人脸图像的特征信息与每种职业类别对应的预设图像特征信息之间的相似度,从多种职业类别中确定目标职业类别。
在确定了多种职业类别中的每种职业类别对应的各张预设人物图像与所人脸图像之间的相似度后,就能够基于确定的相似度为用户确定目标职业类别。
在一种可能的实施方式中,可以采用下述方式为用户确定目标职业类别:基于每种职业类别对应的至少一张预设人物图像中每张预设人物图像与所述人脸图像之间的相似度,确定所述每种职业类别对应的平均相似度;并将所述多种职业类别中对应的平均相似度最高的职业类别确定为所述目标职业类别。
例如:针对“科学家”,依次计算“爱迪生”、“爱因斯坦”、“杨振宁”的预设人物图像与用户的人脸图像之间的相似度。例如为a1、a2、a3;
针对“文学家”,依次计算“鲁迅”、“张爱玲”、“莫言”的预设人物图像与人脸图像之间的相似度,例如为b1、b2和b3。
针对“运动员”,依次计算“郭晶晶”、“孔令辉”、“武大靖”、“张怡宁”的预设人物图像与人脸图像之间的相似度,例如为c1、c2、c3和c4。
在一些例子中,将职业类别对应的所有预设人物图像与用户的人脸图像之间的相似度的平均值作为该职业类别对应的平均相似度。例如,计算a1、a2、a3的平均值A,b1、b2和b3的平均值B,以及c1、c2、c3和c4的平均值C。若C>A,且C>B,则将“运动员”确定为用户的目标职业类别。
在另一些例子中,可以对得到的上述相似度进行筛选,并将筛选后的相似度的平均值作为平均相似度。其中,可以基于相似度的数值进行筛选,例如将低于某一预设阈值的相似度剔除。或者,可以基于人物属性信息对相似度进行剔除。在一个例子中,对用户的人脸图像进行人物属性识别,得到用户的人物属性信息,例如性别、年龄等,并基于用户的人物属性信息对相似度进行筛选,例如筛选与用户属于同一性别或者同一年龄段的预设人物图像的相似度,或者,可选地,也可以基于用户的人物属性信息对预设人物图像进行筛选,并确定筛选得到的预设人物图像与用户的人脸图像之间的相似度,但本公开实施例不限于此。
在另一种可能的实施方式中,可以采用下述方式为用户确定目标职业类别:将与用户的人脸图像之间的相似度最大的预设人物图像所属的职业类别,确定为用户的目标职业类别。
例如,在上述示例中,若“张爱玲”的预设人物图像与人脸图像的相似度,在所有职业类别的预设人物图像中为最高,则将“张爱玲”的预设人物图像所属的职业类别“文学家”确定为用户的目标职业类别。或者,也可以先对预设人物图像或预设人物图像的相似度进行筛选,本公开实施例不限于此。
在确定用户的目标职业类型之后,将用户的人脸图像与目标职业类型的预设图像模板进行图像融合处理,得到融合图像。
在一种可能的情况下,预设图像模板,例如为各个职业类别预先确定的预设图像;其中,不同的职业类别对应有不同的预设图像。例如,预设图像模板可以包括上述预设人物图像或者其他人物图像、素描画等。预设图像模板可以包括背景区域和前景人物区域,其中,前景人物区域可以包括人脸,或者仅包括人物区域而不包含具体的人脸,例如,针对目标职业类别为“运动员”的情况,该预设图像中包括运动员在领奖台领奖时的图像内容,或在赛场上比赛时的图像内容等。或者,预设图像模板还可以包括信息推送区域,例如,广告推送区域,其中,该信息推送区域与上述前景人物区域或背景区域可以重叠或者不重叠,本公开实施例对此不做限定。
在一些实施例中,预设图像模板,例如包括从目标职业类别对应的预设人物图像中确定的目标人物图像,其中,该目标人物图像可以是预先指定的,或者是基于用户的人脸图像和/或其他信息选择的。
针对该种情况,在将人脸图像和目标职业类别对应的预设图像模板进行图像融合处理时,是将人脸图像与目标职业类别对应的目标人物图像进行图像融合处理,生成融合图像。
具体地,例如可以采用但不限于下述A1~A3中任一种方式,从目标职业类别对应的预设人物图像中确定目标人物图像:
A1:从所述目标职业类别对应的至少一张预设人物图像中随机选择所述目标人物图像。
示例性的,例如为用户确定的目标职业类别为“科学家”,该目标职业类别对应的预设人物图像包括:“爱迪生”、“爱因斯坦”、“杨振宁”的人物图像;随机从“爱迪生”、“爱因斯坦”、“杨振宁”的预设人物图像中确定一张作为目标人物图像,例如随机确定的目标人物图像为“爱因斯坦”的预设人物图像,进而可以将用户的人脸图像和“爱因斯坦”的预设人物图像进行图像融合该处理,生成融合图像。
A2:基于所述目标职业类别对应的至少一张预设人物图像与所述人脸图像之间的相似度,从所述目标职业类别对应的至少一张预设人物图像中确定所述目标人物图像。
示例性的,可以选择目标职业类别对应的至少一张预设人物图像中与用户的人脸图像相似度最大的预设人物图像。例如,为用户确定的目标职业类别为“运动员”,该目标职业类别对应的预设人物图像包括:“郭晶晶”、“孔令辉”、“武大靖”、“张怡宁”四人的任务图像;依次计算“郭晶晶”、“孔令辉”、“武大靖”、“张怡宁”的预设人物图像与人脸图像之间的相似度,例如为c1、c2、c3和c4。若其中c4最大,则c4对应的预设人物图像“张怡宁”作为用户的目标预设人物图像,然后将人脸图像和“张怡宁”的预设人物图像进行融合,以生成融合预设人物图像。
A3:还可以获取预设人物图像对应的人物属性信息,例如预先存储每个预设人物图像对应的人物属性信息,并基于所述目标职业类别对应的至少一张预设人物图像分别对应的人物属性信息,从所述目标职业类别对应的至少一张预设人物图像中确定所述目标人物图像。
这里,属性信息例如包括:预设的知名度、预设人物图像对应的人物的性别、年龄等。
示例性的,针对属性信息包括预设的知名度的情况,预设知名度可以为每张预设人物图像设置的固定知名度,也可以根据每张预设人物图像对应的人物在某一时间段在至少一个网络平台上的搜索热度,来动态的确定其知名度,以避免用户在不同时期,所确定的目标人物图像均相同的情况,以增加交互性。
示例性的,针对属性信息包括预设人物图像对应的人物性别的情况,本公开实施例提供的图像处理方法还可以选择与用户属于同一性别的预设人物图像作为目标人物图像,或者也可以选择与用户属于不同性别的预设人物图像作为目标人物图像以增加戏剧性。
示例性地,针对属性信息包括预设人物图像对应的人物年龄的情况,本公开实施例提供的图像处理方法还可以选择与用户属于相同或相近年龄的预设人物图像作为确定目标人物图像。
示例性地,也可以结合人物属性信息和相似度,选择目标人物图像,但本公开实施例对此不做限定。
其中,以上用户的人物属性信息可以是基于用户信息得到的,或者是通过对用户的人脸图像进行人物属性识别得到的,本公开实施例对此不做限定。
在为用户确定了预设图像模板后,例如可以采用但不限于下述B1~B3中任一种,将预设图像模板和人脸图像进行融合处理:
B1:将所述人脸图像中的背景替换为所述预设图像模板中的背景,得到融合图像。
如此,人脸图像中所标识的人物不会发生变化,背景替换为预设图像模板中的背景。
B2:将所述预设图像模板中的人脸替换为所述人脸图像中的人脸,得到融合图像。
B3:将所述预设人物图像中的人脸与所述人脸图像中的人脸进行人脸融合处理,得到融合人脸,并将所述预设图像模板中的人脸替换为所述融合人脸,得到融合图像。
此处,与人脸图像进行人脸融合处理的预设人物图像,可以为用户确定的目标人脸图像,也可以并非是为用户确定的目标人脸图像。
在与人脸图像进行人脸融合处理的预设人物图像并非是为用户确定的目标人脸图像的情况下,例如可以将归属于目标职业类别下的任一张预设人物图像确定为与人脸图像进行人脸融合处理的预设人物图像。
在将预设人物图像中的人脸与人脸图像中的人脸进行人脸融合处理,使得用户的人脸向着趋于预设人物图像中人脸的方向发生变化,进而使得得到的融合人脸,既具有用户人脸的特征,又具有与人脸图像进行人脸融合处理的预设人物图像所对应的人物人脸的特征。
一种可能的实施方式中,在将所述预设人物图像中的人脸与所述人脸图像中的人脸进行人脸融合处理时,例如可以采用神经网络模型来实现。
在上述S103中,在基于融合图像确定推送信息的时候,例如可以将融合图像作为推送信息一部分,生成推送信息,以增强推送信息时的交互性。
所确定的推送信息中,除了融合图像外,还可以包括其他信息实体,例如商品广告、游戏推荐等对应的信息实体。
另外,在本公开另一种实施例中,还可以基于融合图像以及目标职业类别,确定推送信息。
这里,例如可以基于所述目标职业类别,确定推荐信息;基于所述融合图像和所述推荐信息,生成所述推送信息。
示例性的,推荐信息,即为推送信息中除融合图像外的其他信息实体。例如,若为用户确定的目标职业类别包括运动员,则可以将运动物品广告确定为推荐信息,或者将运动类游戏广告确定为推荐信息。若为用户确定的目标职业类别包括科学家,例如可以将电子产品的广告确定为推荐信息。
在另外一种实施例中,在基于目标职业类别确定推荐信息时,还可以根据人脸图像的属性识别结果以及目标职业类别,确定推荐信息。
这里,属性识别的类型例如包括:性别、年龄、情绪等中至少一种。
然后针对属性识别结果,针对性的生成推荐信息。
例如,若为用户确定的目标职业类别包括运动员,确为用户进行属性识别的结果为:女性,年龄20-30,可以从多种与“运动员”相关的广告中,确定棉线20-30岁女性的运动物品广告,生成推荐信息。
在本公开各个实施例提供的图像处理方法中,执行该图像处理方法的装置可以为终端设备或者服务器,下面将结合不同情形分别进行描述:
(1)针对本公开实施例提供的图像处理方法在终端设备执行的情况,终端设备获执行上述S101~S103。
此处,用户的人脸图像例如为通过终端设备上的摄像头实时获取的,或从终端设备中的相册中选取的,或从其他的软件中读取的,或者通过扫描用户提供的图片得到的。终端设备基于获取的人脸图像来确定目标职业类别,并基于目标职业类别生成融合图像,然后基于融合图像确定推送信息。其中,可选地,终端设备可以通过对人脸图像进行处理来确定目标职业类别。然后,基于目标职业类别得到融合图像,其中,终端设备可以基于目标职业类别进行图像融合,得到融合图像,并基于融合图像确定推送信息。
在一些实施例中,终端设备可以向服务器发送人脸图像,服务器基于接收到的人脸图像确定目标职业类别,并向终端设备返回目标职业类别的信息,例如,目标职业类别的标识信息、目标职业类别的图像模板、广告等推荐信息等一种或多种,终端设备基于服务器的返回消息,确定目标职业类别,并基于目标职业类别进行图像融合。
示例性的,终端设备响应于检测到用户触发操作,调用摄像头进行图像采集,得到用户的人脸图像。其中,该用户触发操作可以是用手或者触控工具对用户显示界面或终端设备控件的点击操作,或者是用于指示进行拍摄或者职业测试的语音、文字或图像输入信息等。在进行图像集采过程中,终端设备还可以显示提示信息,提示用户进行相应操作,例如,请将人脸置于指定区域、请靠近终端设备、执行指定张嘴、眨眼等动作等,本公开实施例对此不做限定。
另外,终端设备还可以响应于检测到用户的相册触发操作,调用终端设备中的相册,并将相册中的照片显示在图形用户界面中;响应于检测到用户对相册某任一张照片的选择操作,将选择操作触发的照片确定为用户的人脸图像。
在该种情况下,本公开另一实施例中,终端设备在确定推送信息后,还包括:在终端设备的图形用户界面中显示该推送信息。其中,该终端设备可以在图形显示界面的整个或者部分区域显示该推送消息,该图形显示界面可以是终端设备锁屏或解锁状态下的图形显示界面,或者是终端设备的推送消息的图形显示界面,或者是终端设备上安装的应用或打开的网页等的图形显示界面,等等,本公开实施例对此不做限定。
(2)针对本公开实施例提供的图像处理方法在服务器执行的情况,服务器执行上述S101~S1103。
此处,用户的人脸图像例如为通过终端设备传输的,或者通过其他途径获取的,例如通过获取用户在软件中的头像等方式获取人脸图像;服务器基于获取的人脸图像来确定目标职业类别,并基于目标职业类别生成融合图像,然后基于融合图像确定推送信息。
针对该种情况,本公开另一实施例中,服务器在确定推送信息后,还包括:将确定的所述推送信息发送至所述终端设备,以使得所述终端设备呈现所述推送信息。
其中,可选地,推送信息可以包括融合图像,或者进一步包括广告等推荐信息,本公开实施例对此不做限定。
(3)针对本公开实施例提供的图像处理方法由包括终端设备和服务器的系统执行的情况,在一种可能的实施方式中,S101例如在终端设备中执行,S102和S103在服务器中执行;终端设备获取人脸图像的设备与上述(1)类似;终端设备在确定了目标职业类别后,将目标职业类别发送至服务器,服务器基于目标职业类别,生成融合图像。
在另一种可能的实施例中,上述步骤S101、S102可以在终端设备中执行,S103在服务器中执行;终端设备在生成融合图像后,将融合图像发送至服务器;服务器根据终端设备发送的融合图像,确定推送信息。
在该中情况下,在本公开另一实施例中,服务器在确定推送信息后,还包括:将确定的所述推送信息发送至所述终端设备,以使得所述终端设备呈现所述推送信息。
参见图2所示的本公开实施例的应用场景示例,该图像处理方法包括:
S201:终端设备响应于检测到用户触发操作,调用摄像头进行图像采集,得到所述用户的人脸图像。
在一些实施例中,终端设备可以采集多张静态图像或视频流,并进行选帧,得到满足设定要求的人脸图像。其中,可选地,该选帧过程可以包括人脸检测、图像质量判断、人脸质量判断等一种或多种处理过程。
S202:终端设备将用户的人脸图像发送至服务器。
S203:服务器基于接收到的用户的人脸图像,从多种职业类别中确定所述用户的目标职业类别。
S204:服务器将用户的人脸图像与目标职业类别对应的预设图像模板进行图像融合处理,生成融合图像;
S205:服务器基于所述融合图像,确定推送信息。
在一些实施例中,推送消息可以仅包含融合图像,而终端设备基于融合图像和设定的图像显示设置进行界面显示,或者,推送消息可以进一步包含界面显示的设置信息,或者,推送消息还可以进一步包括推荐信息,例如,二维码、广告图像、广告段视频等等,本公开实施例对此不做限定。
S206:服务器将确定的推送信息发送至终端设备。
S207:终端设备在接收到推送信息后,在图形用户界面中显示该推送信息。
通过上述过程,最终将推送信息展示给用户,同时,增强了在图像处理过程中的交互性。
在本公开另一实施例中,当通过终端设备获取人脸图像时,终端设备的图形用户界面例如可以向用户呈现第一交互界面;在该第一交互界面中,设置有控件,以及预先确定的第一提示信息;该第一提示信息例如用于提示用户该第一交互界面的用途、用户需要执行的操作等。
当用户触发了在第一交互界面中设置的控件后,终端设备响应于对该控件的触发,调用终端设备的摄像头,获取用户人脸图像。
示例性的如图3中a所指示的图像中,提供一种第一交互界面的具体示例;在该第一交互界面的具体示例中,包括的第一提示信息包括“我长了什么职业脸?”、“传图测试”、“扫脸测未来职业,红包免费领”等;并且设置了“传图测试”的控件。
在终端设备获取了用户人脸图像后,若图像处理的具体过程在终端设备中执行,则终端设备直接基于获取的人脸图像执行本公开实施例提供的图像处理方法。
若图像处理的具体过程在服务器中执行,则终端设备将获取的人脸图像发送至服务器,以使服务器基于用户的人脸图像执行本公开实施例提供的图像处理方法。
在另一实施例中,由于图像处理的过程需要消耗一定的时间,因此在终端设备的图形用户界面上,还可以为用户展示第二交互界面;在第二交互界面中,例如包括预先确定的第二提示信息;该第二提示信息用于提示用户该第二交互界面的用途、用户需要执行的操作等。
示例性的,如图3中b所指示的图像中,提供了一种第二交互界面的具体示例;在该第二交互界面的具体示例中,包括的第二提示信息包括“识别中…”、“惊喜在前方等待!”、“我长了什么职业脸?”。
在另一实施例中,终端设备在得到推送信息后(自身生成的,或服务器发送的),例如可以通过第三交互界面将该推送信息向用户展示出来。在该第三交互界面中,例如可以包括预先确定的第三提示信息;以及预先设定的空控件。该第三提示信息用于提示用户该第三交互界面的用途、用户能够执行的操作等。
示例性的,如图3中c所指示的图像中,提供了一种第三交互界面的具体示例。在该第三交互界面的具体示例中,第三提示信息例如包括:“我长了什么职业脸?”、“(长按可保存图片)”、“再测一次”、“换个游戏”、“点我领取红包”等。第三交互界面中的控件例如包括:用于触发再进行一次测试的“再测一次”控件、用于触发其他游戏的“换个游戏”控件、以及用于触发红领取的“点我领取红包”控件。
另外在该第三交互界面中,还显示有推送信息,该推送信息例如包括:融合图像,基于用户的人脸图像所确定的用户属性信息。如图3中c所指示的图像中,第三交互界面中,包括了穿有宇航服的融合图像,以及如用户性别、用户年龄、学位值、耐力值等属性信息。
本公开实施例基于获取的用户的人脸图像,从多种职业类别中为用户确定目标职业类别,并将用户的人脸图像与目标职业类别对应的预设图像模板进行图像融合处理,生成融合图像,然后基于融合图像生成推送信息,进而在为用户确定推送信息时,形成与用户的有效互动,提高信息推送的趣味性,进而提高用户体验。
本领域技术人员可以理解,在具体实施方式的上述方法中,各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定,各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
基于同一发明构思,本公开实施例中还提供了与图像处理方法对应的图像处理装置,由于本公开实施例中的装置解决问题的原理与本公开实施例上述图像处理方法相似,因此装置的实施可以参见方法的实施,重复之处不再赘述。
参照图4所示,为本公开实施例提供的一种图像处理装置的示意图,所述装置包括:职业类别确定模块41、生成模块42、以及推送信息确定模块43;其中,
职业类别确定模块41,用于基于获取的用户的人脸图像,从多种职业类别中确定所述用户的目标职业类别;
生成模块42,用于将所述用户的人脸图像与所述目标职业类别对应的预设图像模板进行图像融合处理,生成融合图像;
推送信息确定模块43,用于基于所述融合图像,确定推送信息。
一种可能的实施方式中,参见图5所示,所述装置应用于服务器,所述装置还包括:获取模块44,用于获取终端设备发送的所述人脸图像;和/或
所述装置还包括:发送模块45,用于在推送消息确定模块43确定推送信息之后,将确定的所述推送信息发送至所述终端设备,以使得所述终端设备呈现所述推送信息。
一种可能的实施方式中,参见图6所示,所述装置应用于终端设备,所述装置还包括:图像获取模块46,用于响应于检测到用户触发操作,调用摄像头进行图像采集,得到所述用户的人脸图像;和/或
所述装置还包括:显示模块47,用于在所述推送信息确定模块43确定所述推送信息后,在所述终端设备的图形用户界面中显示所述推送信息。
一种可能的实施方式中,所述多种职业类型中的每种职业类型对应至少一张预设人物图像;
所述职业类别确定模块41,在基于获取的用户的人脸图像,从多种职业类别中确定所述用户的目标职业类别时,用于:
确定多种职业类别中的每种职业类别对应的至少一张预设人物图像与所述人脸图像之间的相似度;
基于多种职业类别中的每种职业类别对应的至少一张预设人物图像与所述人脸图像之间的相似度,从所述多种职业类别中确定所述目标职业类别。
一种可能的实施方式中,所述职业类别确定模块41,在基于多种职业类别中的每种职业类别对应的至少一张预设人物图像与所述人脸图像之间的相似度,从所述多种职业类别中确定所述目标职业类别时,用于:
基于每种职业类别对应的至少一张预设人物图像中每张预设人物图像与所述人脸图像之间的相似度,确定所述每种职业类别对应的平均相似度;
将所述多种职业类别中对应的平均相似度最高的职业类别确定为所述目标职业类别。
一种可能的实施方式中,所述生成模块42,在将所述用户的人脸图像与所述目标职业类别对应的预设图像模板进行图像融合处理,生成融合图像时,用于:
从所述目标职业类别对应的预设人物图像中确定目标人物图像,并将确定的所述目标人物图像作为所述预设图像模板;
将所述人脸图像与所述目标职业类别对应的目标人物图像进行图像融合处理,生成所述融合图像。
一种可能的实施方式中,所述生成模块42,在从所述目标职业类别对应的预设人物图像中确定目标人物图像时,用于:
从所述目标职业类别对应的至少一张预设人物图像中随机选择所述目标人物图像;或者
基于所述目标职业类别对应的至少一张预设人物图像与所述人脸图像之间的相似度,从所述目标职业类别对应的至少一张预设人物图像中确定所述目标人物图像;或者
基于所述目标职业类别对应的至少一张预设人物图像分别对应的人物属性信息,从所述目标职业类别对应的至少一张预设人物图像中确定所述目标人物图像。
一种可能的实施方式中,所述生成模块42,在将所述用户的人脸图像与所述目标职业类别对应的预设图像模板进行图像融合处理,生成融合图像时,用于:
将所述人脸图像中的背景替换为所述预设图像模板中的背景,得到融合图像;或者
将所述预设图像模板中的人脸替换为所述人脸图像中的人脸,得到融合图像;或者
将所述预设人物图像中的人脸与所述人脸图像中的人脸进行人脸融合处理,得到融合人脸,并将所述预设图像模板中的人脸替换为所述融合人脸,得到融合图像。
一种可能的实施方式中,所述推送信息确定模块43,在基于所述融合图像,确定推送信息时,用于:
基于所述融合图像以及所述目标职业类别,确定所述推送信息。
一种可能的实施方式中,所述推送信息确定模块43,在基于所述融合图像以及所述目标职业类别,确定所述推送信息时,用于:
基于所述目标职业类别,确定推荐信息;
基于所述融合图像和所述推荐信息,生成所述推送信息。
一种可能的实施方式中,所述推送信息确定模块43,在基于所述目标职业类别,确定推荐信息时,用于:
对所述人脸图像进行属性识别,得到属性识别结果;
根据所述人脸图像的属性识别结果以及所述目标职业类别,确定所述推荐信息。
一种可能的实施方式中,所述属性类型包括下述至少一种:性别、年龄、情绪。
关于装置中的各模块的处理流程、以及各模块之间的交互流程的描述可以参照上述方法实施例中的相关说明,这里不再详述。
本公开实施例还提供了一种计算机设备700,如图7所示,为本公开实施例提供的计算机设备700结构示意图,包括:
处理器71、存储器72、和总线73;存储器72用于存储执行指令,包括内存721和外部存储器722;这里的内存721也称内存储器,用于暂时存放处理器71中的运算数据,以及与硬盘等外部存储器722交换的数据,处理器71通过内存721与外部存储器722进行数据交换,当所述计算机设备700运行时,所述处理器71与所述存储器72之间通过总线73通信,使得所述处理器71在用户态执行以下指令:
基于获取的用户的人脸图像,从多种职业类别中确定所述用户的目标职业类别;
将所述用户的人脸图像与所述目标职业类别对应的预设图像模板进行图像融合处理,生成融合图像;
基于所述融合图像,确定推送信息。
一种可能的实施方式中,处理器71执行的指令中,所述方法应用于服务器,所述方法还包括:获取终端设备发送的所述人脸图像;和/或
在所述确定推送信息之后,所述方法还包括:将确定的所述推送信息发送至所述终端设备,以使得所述终端设备呈现所述推送信息。
一种可能的实施方式中,处理器71执行的指令中,所述方法应用于终端设备,所述方法还包括:响应于检测到用户触发操作,调用摄像头进行图像采集,得到所述用户的人脸图像;和/或
在所述确定所述推送信息后,所述方法还包括:在所述终端设备的图形用户界面中显示所述推送信息。
一种可能的实施方式中,处理器71执行的指令中,所述多种职业类型中的每种职业类型对应至少一张预设人物图像;
所述基于获取的用户的人脸图像,从多种职业类别中确定所述用户的目标职业类别,包括:
确定多种职业类别中的每种职业类别对应的至少一张预设人物图像与所述人脸图像之间的相似度;
基于多种职业类别中的每种职业类别对应的至少一张预设人物图像与所述人脸图像之间的相似度,从所述多种职业类别中确定所述目标职业类别。
一种可能的实施方式中,处理器71执行的指令中,所述基于多种职业类别中的每种职业类别对应的至少一张预设人物图像与所述人脸图像之间的相似度,从所述多种职业类别中确定所述目标职业类别,包括:
基于每种职业类别对应的至少一张预设人物图像中每张预设人物图像与所述人脸图像之间的相似度,确定所述每种职业类别对应的平均相似度;
将所述多种职业类别中对应的平均相似度最高的职业类别确定为所述目标职业类别。
一种可能的实施方式中,处理器71执行的指令中,所述将所述用户的人脸图像与所述目标职业类别对应的预设图像模板进行图像融合处理,生成融合图像,包括:
从所述目标职业类别对应的预设人物图像中确定目标人物图像,并将确定的所述目标人物图像作为所述预设图像模板;
将所述人脸图像与所述目标职业类别对应的目标人物图像进行图像融合处理,生成所述融合图像。
一种可能的实施方式中,处理器71执行的指令中,所述从所述目标职业类别对应的预设人物图像中确定目标人物图像,包括:
从所述目标职业类别对应的至少一张预设人物图像中随机选择所述目标人物图像;或者
基于所述目标职业类别对应的至少一张预设人物图像与所述人脸图像之间的相似度,从所述目标职业类别对应的至少一张预设人物图像中确定所述目标人物图像;或者
基于所述目标职业类别对应的至少一张预设人物图像分别对应的人物属性信息,从所述目标职业类别对应的至少一张预设人物图像中确定所述目标人物图像。
一种可能的实施方式中,处理器71执行的指令中,所述将所述用户的人脸图像与所述目标职业类别对应的预设图像模板进行图像融合处理,生成融合图像,包括:
将所述人脸图像中的背景替换为所述预设图像模板中的背景,得到融合图像;或者
将所述预设图像模板中的人脸替换为所述人脸图像中的人脸,得到融合图像;或者
将所述预设人物图像中的人脸与所述人脸图像中的人脸进行人脸融合处理,得到融合人脸,并将所述预设图像模板中的人脸替换为所述融合人脸,得到融合图像。
一种可能的实施方式中,处理器71执行的指令中,所述基于所述融合图像,确定推送信息,包括:
基于所述融合图像以及所述目标职业类别,确定所述推送信息。
一种可能的实施方式中,处理器71执行的指令中,所述基于所述融合图像以及所述目标职业类别,确定所述推送信息,包括:
基于所述目标职业类别,确定推荐信息;
基于所述融合图像和所述推荐信息,生成所述推送信息。
一种可能的实施方式中,处理器71执行的指令中,所述基于所述目标职业类别,确定推荐信息,包括:
对所述人脸图像进行属性识别,得到属性识别结果;
根据所述人脸图像的属性识别结果以及所述目标职业类别,确定所述推荐信息。
一种可能的实施方式中,处理器71执行的指令中,所述属性类型包括下述至少一种:性别、年龄、情绪。
本公开实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行上述方法实施例中所述的图像处理方法的步骤。其中,该存储介质可以是易失性或非易失的计算机可读取存储介质。
本公开实施例所提供的图像处理方法的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行上述方法实施例中所述的图像处理方法的步骤,具体可参见上述方法实施例,在此不再赘述。
本公开实施例还提供一种计算机程序,该计算机程序被处理器执行时实现前述实施例的任意一种方法。该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中,所述计算机程序产品具体体现为计算机存储介质,在另一个可选实施例中,计算机程序产品具体体现为软件产品,例如软件开发包(Software DevelopmentKit,SDK)等等。
本公开实施例还提供一种计算机程序产品,包括:包括计算机可读指令,该计算机可读指令运行时使得处理器执行本公开任意一项实施例所述的图像处理方法的步骤。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统和装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。在本公开所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,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,又例如,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通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所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,在本公开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。
所述功能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,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本公开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介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本公开各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本公开的具体实施方式,用以说明本公开的技术方案,而非对其限制,本公开的保护范围并不局限于此,尽管参照前述实施例对本公开进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本公开揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本公开实施例技术方案的精神和范围,都应涵盖在本公开的保护范围之内。因此,本公开的保护范围应所述以权利要求的保护范围为准。
Claims (16)
1.一种图像处理方法,其特征在于,包括:
基于获取的用户的人脸图像,从多种职业类别中确定所述用户的目标职业类别;
将所述用户的人脸图像与所述目标职业类别对应的预设图像模板进行图像融合处理,生成融合图像;
基于所述融合图像,确定推送信息。
2.根据权利要求1所述的图像处理方法,其特征在于,所述方法应用于服务器,所述方法还包括:获取终端设备发送的所述人脸图像;和/或
在所述确定推送信息之后,所述方法还包括:将确定的所述推送信息发送至所述终端设备,以使得所述终端设备呈现所述推送信息。
3.根据权利要求1所述的图像处理方法,其特征在于,所述方法应用于终端设备,所述方法还包括:响应于检测到用户触发操作,调用摄像头进行图像采集,得到所述用户的人脸图像;和/或
在所述确定所述推送信息后,所述方法还包括:在所述终端设备的图形用户界面中显示所述推送信息。
4.根据权利要求1-3任一项所述的图像处理方法,其特征在于,所述多种职业类型中的每种职业类型对应至少一张预设人物图像;
所述基于获取的用户的人脸图像,从多种职业类别中确定所述用户的目标职业类别,包括:
确定多种职业类别中的每种职业类别对应的至少一张预设人物图像与所述人脸图像之间的相似度;
基于多种职业类别中的每种职业类别对应的至少一张预设人物图像与所述人脸图像之间的相似度,从所述多种职业类别中确定所述目标职业类别。
5.根据权利要求4所述的图像处理方法,其特征在于,所述基于多种职业类别中的每种职业类别对应的至少一张预设人物图像与所述人脸图像之间的相似度,从所述多种职业类别中确定所述目标职业类别,包括:
基于每种职业类别对应的至少一张预设人物图像中每张预设人物图像与所述人脸图像之间的相似度,确定所述每种职业类别对应的平均相似度;
将所述多种职业类别中对应的平均相似度最高的职业类别确定为所述目标职业类别。
6.根据权利要求1-5任一项所述的图像处理方法,其特征在于,所述将所述用户的人脸图像与所述目标职业类别对应的预设图像模板进行图像融合处理,生成融合图像,包括:
从所述目标职业类别对应的预设人物图像中确定目标人物图像,并将确定的所述目标人物图像作为所述预设图像模板;
将所述人脸图像与所述目标职业类别对应的目标人物图像进行图像融合处理,生成所述融合图像。
7.根据权利要求6所述的图像处理方法,其特征在于,所述从所述目标职业类别对应的预设人物图像中确定目标人物图像,包括:
从所述目标职业类别对应的至少一张预设人物图像中随机选择所述目标人物图像;或者
基于所述目标职业类别对应的至少一张预设人物图像与所述人脸图像之间的相似度,从所述目标职业类别对应的至少一张预设人物图像中确定所述目标人物图像;或者
基于所述目标职业类别对应的至少一张预设人物图像分别对应的人物属性信息,从所述目标职业类别对应的至少一张预设人物图像中确定所述目标人物图像。
8.根据权利要求1-7任一项所述的图像处理方法,其特征在于,所述将所述用户的人脸图像与所述目标职业类别对应的预设图像模板进行图像融合处理,生成融合图像,包括:
将所述人脸图像中的背景替换为所述预设图像模板中的背景,得到融合图像;或者
将所述预设图像模板中的人脸替换为所述人脸图像中的人脸,得到融合图像;或者
将所述预设人物图像中的人脸与所述人脸图像中的人脸进行人脸融合处理,得到融合人脸,并将所述预设图像模板中的人脸替换为所述融合人脸,得到融合图像。
9.根据权利要求1-8任一项所述的图像处理方法,其特征在于,所述基于所述融合图像,确定推送信息,包括:
基于所述融合图像以及所述目标职业类别,确定所述推送信息。
10.根据权利要求9所述的图像处理方法,其特征在于,所述基于所述融合图像以及所述目标职业类别,确定所述推送信息,包括:
基于所述目标职业类别,确定推荐信息;
基于所述融合图像和所述推荐信息,生成所述推送信息。
11.根据权利要求10所述的图像处理方法,其特征在于,所述基于所述目标职业类别,确定推荐信息,包括:
对所述人脸图像进行属性识别,得到属性识别结果;
根据所述人脸图像的属性识别结果以及所述目标职业类别,确定所述推荐信息。
12.根据权利要求11所述的方法,其特征在于,所述属性类型包括下述至少一种:性别、年龄、情绪。
13.一种图像处理装置,其特征在于,包括:
职业类别确定模块,用于基于获取的用户的人脸图像,从多种职业类别中确定所述用户的目标职业类别;
生成模块,用于将所述用户的人脸图像与所述目标职业类别对应的预设图像模板进行图像融合处理,生成融合图像;
推送信息确定模块,用于基于所述融合图像,确定推送信息。
14.一种计算机设备,其特征在于,包括:处理器、存储器,所述存储器存储有所述处理器可执行的机器可读指令,当计算机设备运行时,所述处理器调用所述存储器存储的机器可读指令,所述机器可读指令被所述处理器执行时执行如权利要求1至12任一所述的图像处理方法的步骤。
15.一种计算机可读存储介质,其特征在于,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行如权利要求1至12任意一项所述的图像处理方法的步骤。
16.一种计算机程序产品,其特征在于,包括:包括计算机可读指令,该计算机可读指令运行时使得处理器执行权利要求1至12任意一项所述的图像处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010129545.8A CN111339420A (zh) | 2020-02-28 | 2020-02-28 | 图像处理方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010129545.8A CN111339420A (zh) | 2020-02-28 | 2020-02-28 | 图像处理方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111339420A true CN111339420A (zh) | 2020-06-26 |
Family
ID=71185706
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010129545.8A Withdrawn CN111339420A (zh) | 2020-02-28 | 2020-02-28 | 图像处理方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111339420A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111935493A (zh) * | 2020-08-12 | 2020-11-13 | 网易(杭州)网络有限公司 | 主播相册处理方法及装置、存储介质、电子设备 |
CN111935418A (zh) * | 2020-08-18 | 2020-11-13 | 北京市商汤科技开发有限公司 | 视频处理方法及装置、电子设备和存储介质 |
CN112330728A (zh) * | 2020-11-30 | 2021-02-05 | 维沃移动通信有限公司 | 图像处理方法、装置、电子设备以及可读存储介质 |
CN112488085A (zh) * | 2020-12-28 | 2021-03-12 | 深圳市慧鲤科技有限公司 | 人脸融合方法、装置、设备及存储介质 |
CN112866577A (zh) * | 2021-01-20 | 2021-05-28 | 腾讯科技(深圳)有限公司 | 图像的处理方法、装置、计算机可读介质及电子设备 |
WO2022174554A1 (zh) * | 2021-02-18 | 2022-08-25 | 深圳市慧鲤科技有限公司 | 图像显示方法、装置、设备、存储介质、程序及程序产品 |
WO2023040679A1 (zh) * | 2021-09-16 | 2023-03-23 | 百果园技术(新加坡)有限公司 | 人脸图片的融合方法、装置、设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170171462A1 (en) * | 2015-12-15 | 2017-06-15 | Le Holdings (Beijing) Co., Ltd. | Image Collection Method, Information Push Method and Electronic Device, and Mobile Phone |
CN108510437A (zh) * | 2018-04-04 | 2018-09-07 | 科大讯飞股份有限公司 | 一种虚拟形象生成方法、装置、设备以及可读存储介质 |
CN109299973A (zh) * | 2018-08-29 | 2019-02-01 | 中国建设银行股份有限公司 | 一种基于人脸识别的广告推送方法及相关设备 |
CN110442783A (zh) * | 2019-07-05 | 2019-11-12 | 深圳壹账通智能科技有限公司 | 基于人脸识别的信息推送方法、装置、计算机设备 |
CN110689367A (zh) * | 2019-08-21 | 2020-01-14 | 深圳壹账通智能科技有限公司 | 数据采集方法、装置、计算机装置及存储介质 |
-
2020
- 2020-02-28 CN CN202010129545.8A patent/CN111339420A/zh not_active Withdrawn
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170171462A1 (en) * | 2015-12-15 | 2017-06-15 | Le Holdings (Beijing) Co., Ltd. | Image Collection Method, Information Push Method and Electronic Device, and Mobile Phone |
CN108510437A (zh) * | 2018-04-04 | 2018-09-07 | 科大讯飞股份有限公司 | 一种虚拟形象生成方法、装置、设备以及可读存储介质 |
CN109299973A (zh) * | 2018-08-29 | 2019-02-01 | 中国建设银行股份有限公司 | 一种基于人脸识别的广告推送方法及相关设备 |
CN110442783A (zh) * | 2019-07-05 | 2019-11-12 | 深圳壹账通智能科技有限公司 | 基于人脸识别的信息推送方法、装置、计算机设备 |
CN110689367A (zh) * | 2019-08-21 | 2020-01-14 | 深圳壹账通智能科技有限公司 | 数据采集方法、装置、计算机装置及存储介质 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111935493A (zh) * | 2020-08-12 | 2020-11-13 | 网易(杭州)网络有限公司 | 主播相册处理方法及装置、存储介质、电子设备 |
CN111935418A (zh) * | 2020-08-18 | 2020-11-13 | 北京市商汤科技开发有限公司 | 视频处理方法及装置、电子设备和存储介质 |
CN111935418B (zh) * | 2020-08-18 | 2022-12-09 | 北京市商汤科技开发有限公司 | 视频处理方法及装置、电子设备和存储介质 |
CN112330728A (zh) * | 2020-11-30 | 2021-02-05 | 维沃移动通信有限公司 | 图像处理方法、装置、电子设备以及可读存储介质 |
CN112488085A (zh) * | 2020-12-28 | 2021-03-12 | 深圳市慧鲤科技有限公司 | 人脸融合方法、装置、设备及存储介质 |
CN112866577A (zh) * | 2021-01-20 | 2021-05-28 | 腾讯科技(深圳)有限公司 | 图像的处理方法、装置、计算机可读介质及电子设备 |
WO2022174554A1 (zh) * | 2021-02-18 | 2022-08-25 | 深圳市慧鲤科技有限公司 | 图像显示方法、装置、设备、存储介质、程序及程序产品 |
WO2023040679A1 (zh) * | 2021-09-16 | 2023-03-23 | 百果园技术(新加坡)有限公司 | 人脸图片的融合方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111339420A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN113115099B (zh) | 一种视频录制方法、装置、电子设备以及存储介质 | |
CN106164959A (zh) | 行为事件测量系统和相关方法 | |
CN111506758B (zh) | 物品名称确定方法、装置、计算机设备及存储介质 | |
CN111343496A (zh) | 一种视频处理方法及装置 | |
KR20130118897A (ko) | 스마트폰 기반 방법들 및 시스템들 | |
CN106326441A (zh) | 信息推荐方法及装置 | |
CN107766403B (zh) | 一种相册处理方法、移动终端以及计算机可读存储介质 | |
CN111240482A (zh) | 一种特效展示方法及装置 | |
WO2018121541A1 (zh) | 用户属性提取方法、装置和电子设备 | |
CN109871843A (zh) | 字符识别方法和装置、用于字符识别的装置 | |
CN106789565A (zh) | 社交内容分享方法及装置 | |
CN116324845A (zh) | 分析增强现实内容项使用数据 | |
CN111639979A (zh) | 一种游乐项目推荐方法及装置 | |
CN110648170A (zh) | 一种物品推荐的方法及相关装置 | |
CN111640165A (zh) | Ar合影图像的获取方法、装置、计算机设备及存储介质 | |
CN112188232A (zh) | 一种视频生成、视频展示方法及装置 | |
KR20230013280A (ko) | 클라이언트 애플리케이션 콘텐츠 분류 및 발견 | |
US10185898B1 (en) | Image processing including streaming image output | |
CN112150349A (zh) | 一种图像处理方法、装置、计算机设备及存储介质 | |
CN111191141B (zh) | 文案推荐方法以及装置 | |
CN106791091B (zh) | 图像生成方法、装置和移动终端 | |
KR20160016574A (ko) | 영상 제공 방법 및 이를 위한 장치 | |
JP2019212039A (ja) | 情報処理装置、情報処理方法、プログラム及び情報処理システム | |
WO2015118061A1 (en) | Method and system for displaying content to a user |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20200626 |