CN111507139A - 图像效果生成方法、装置和电子设备 - Google Patents
图像效果生成方法、装置和电子设备 Download PDFInfo
- Publication number
- CN111507139A CN111507139A CN201910100543.3A CN201910100543A CN111507139A CN 111507139 A CN111507139 A CN 111507139A CN 201910100543 A CN201910100543 A CN 201910100543A CN 111507139 A CN111507139 A CN 111507139A
- Authority
- CN
- China
- Prior art keywords
- image
- facial expression
- facial
- image effect
- level
- 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.)
- Pending
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
- G06V40/174—Facial expression recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
-
- 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)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Processing Or Creating Images (AREA)
Abstract
本公开公开了一种图像效果生成方法、装置、电子设备和计算机可读存储介质。其中该图像效果生成方法包括:获取第一图像,所述第一图像中包括人脸图像;识别所述人脸图像的人脸表情;判断所述人脸表情的等级;当所述人脸表情的等级达到预定的等级,在所述第一图像中生成与所述预定等级对应的图像效果。本公开实施例通过显示不同人脸表情的等级所对应的图像效果,解决了现有技术中无法快速获取人脸表情程度的技术问题。
Description
技术领域
本公开涉及图像处理领域,尤其涉及一种图像效果生成方法、装置、电子设 备及计算机可读存储介质。
背景技术
随着计算机技术的发展,智能终端的应用范围得到了广泛的提高,例如可以 通过智能终端听音乐、玩游戏、上网聊天和拍照等。对于智能终端的拍照技术来 说,其拍照像素已经达到千万像素以上,具有较高的清晰度和媲美专业相机的拍 照效果。
目前在采用智能终端进行拍照时,不仅可以使用出厂时内置的拍照软件实 现传统功能的拍照效果,还可以通过从网络端下载应用程序(Application,简称 为:APP)来实现具有附加功能的拍照效果,例如可以实现暗光检测、美颜相机和 超级像素等功能的APP。智能终端目前可以对人脸进行识别或者进一步对人脸的 表情进行识别,比如在安全领域中对特性的人脸进行识别以通过验证,在图像中 识别出人脸并对人脸进行优化处理,对人脸的表情进行识别来判断人的情绪等。
然而目前的表情识别,只能判断人脸的表情类型,而无法判断人脸表情的程 度;在图像中存在多个人脸时,也无法快速得到达到目标表情的人脸;因此如何 快速提示用户人脸表情的程度成为亟待解决的问题。
发明内容
第一方面,本公开实施例提供一种图像效果生成方法,包括:获取第一图像, 所述第一图像中包括人脸图像;识别所述人脸图像的人脸表情;判断所述人脸表 情的等级;当所述人脸表情的等级达到预定的等级,在所述第一图像中生成与所 述预定等级对应的图像效果。
进一步的,所述获取第一图像,所述第一图像中包括人脸图像,包括:获取 第一视频,所述第一视频中的至少一个视频帧中包括人脸图像。
进一步的,所述识别所述人脸图像的人脸表情,包括:识别所述第一图像中 的人脸图像;在所述人脸图像中提取人脸表情特征;根据所述人脸表情特征对人 脸表情进行识别。
进一步的,所述判断所述人脸表情的等级,包括:将所述人脸表情与预设的 模板表情进行对比;将与所述人脸表情的匹配度最高的模板表情的等级作为所 述人脸表情的等级。
进一步的,所述当所述人脸表情的等级达到预定的等级,在所述第一图像中 生成与所述预定等级对应的图像效果,包括:当所述人脸表情的等级达到预定的 等级,获取与所述预定的等级对应的图像效果配置文件;根据所述图像效果配置 文件,在第一图像中渲染出所述图像效果。
进一步的,所述获取第一图像,所述第一图像中包括人脸图像,包括:获取 第一图像,所述第一图像中包括至少两个人脸图像。
进一步的,所述识别所述人脸图像的人脸表情,包括:识别所述至少两个人 脸图像中的每一个人脸图像的人脸表情。
进一步的,在所述识别所述至少两个人脸图像中的每一个人脸图像的人脸 表情之后,还包括:针对每一个人脸图像的人脸表情,生成对应的图像效果配置 文件。
进一步的,所述判断所述人脸表情的等级,包括:判断所述每一个人脸图像 的人脸表情的等级。
进一步的,所述当所述人脸表情的等级达到预定的等级,在所述第一图像中 生成与所述预定等级对应的图像效果,包括:获取所有达到预定等级的人脸表情, 在所述第一图像中生成与所述预定等级对应的图像效果。
进一步的,所述获取所有达到预定等级的人脸表情,在所述第一图像中生成 与所述预定等级对应的图像效果,包括:获取所有达到预定等级的人脸表情;获 取与所述达到预定等级的人脸表情对应的图像效果配置文件;根据所述图像效 果配置文件,在第一图像中渲染出所述图像效果。
第二方面,本公开实施例提供一种图像效果生成装置,包括:
第一图像获取模块,用于获取第一图像,所述第一图像中包括人脸图像;
表情识别模块,用于识别所述人脸图像的人脸表情;
等级判断模块,用于判断所述人脸表情的等级;
图像效果生成模块,用于当所述人脸表情的等级达到预定的等级,在所述第 一图像中生成与所述预定等级对应的图像效果。
进一步的,所述第一图像获取模块,还包括:
第一视频获取模块,用于获取第一视频,所述第一视频中的至少一个视频帧 中包括人脸图像。
进一步的,所述表情识别模块,还包括:
人脸图像识别模块,用于识别所述第一图像中的人脸图像;
表情特征提取模块,用于在所述人脸图像中提取人脸表情特征;
表情识别子模块,用于根据所述人脸表情特征对人脸表情进行识别。
进一步的,所述等级判断模块,包括:
对比模块,用于将所述人脸表情与预设的模板表情进行对比;
等级判断子模块,用于将与所述人脸表情的匹配度最高的模板表情的等级 作为所述人脸表情的等级。
进一步的,所述图像效果生成模块,包括:
配置文件获取模块,用于当所述人脸表情的等级达到预定的等级,获取与所 述预定的等级对应的图像效果配置文件;
渲染模块,用于根据所述图像效果配置文件,在第一图像中渲染出所述图像 效果。
第三方面,本公开实施例提供一种图像效果生成装置,包括:
第二图像获取模块,用于获取第一图像,所述第一图像中包括至少两个人脸 图像;
第一表情识别模块,用于识别所述至少两个人脸图像中的每一个人脸图像 的人脸表情;
第一等级判断模块,用于判断所述每一个人脸图像的人脸表情的等级;
第一图像效果生成模块,用于获取所有达到预定等级的人脸表情,在所述第 一图像中生成与所述预定等级对应的图像效果。
进一步的,所述装置,还可以包括:
图像效果配置文件生成模块,用于针对每一个人脸图像的人脸表情,生成对 应的图像效果配置文件。
进一步的,所述第一图像效果生成模块,包括:
预定等级人脸表情获取模块,用于获取所有达到预定等级的人脸表情;
对应配置文件获取模块,用于获取与所述达到预定等级的人脸表情对应的 图像效果配置文件;
第一渲染模块,用于根据所述图像效果配置文件,在第一图像中渲染出所述 图像效果。
第四方面,本公开实施例提供一种电子设备,包括:至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有能被所 述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述 至少一个处理器能够执行前述第一方面中的任一所述图像效果生成方法。
第五方面,本公开实施例提供一种非暂态计算机可读存储介质,其特征在于, 该非暂态计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执 行前述第一方面中的任一所述图像效果生成方法。
本公开公开了一种图像效果生成方法、装置、电子设备和计算机可读存储介 质。其中该图像效果生成方法包括:获取第一图像,所述第一图像中包括人脸图 像;识别所述人脸图像的人脸表情;判断所述人脸表情的等级;当所述人脸表情 的等级达到预定的等级,在所述第一图像中生成与所述预定等级对应的图像效 果。本公开实施例通过显示不同人脸表情的等级所对应的图像效果,解决了现有 技术中无法快速获取人脸表情程度的技术问题。
上述说明仅是本公开技术方案的概述,为了能更清楚了解本公开的技术手 段,而可依照说明书的内容予以实施,并且为让本公开的上述和其他目的、特征 和优点能够更明显易懂,以下特举较佳实施例,并配合附图,详细说明如下。
附图说明
为了更清楚地说明本公开实施例或现有技术中的技术方案,下面将对实施 例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述 中的附图是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造 性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本公开实施例提供的图像效果生成方法实施例一的流程图;
图2a-2g为本公开实施例提供的图像效果生成方法的具体实例示意图;
图3为本公开实施例提供的图像效果生成方法实施例二的流程图
图4为本公开实施例提供的图像效果生成装置实施例一的结构示意图;
图5为本公开实施例提供的图像效果生成装置实施例二的结构示意图;
图6为根据本公开实施例提供的电子设备的结构示意图。
具体实施方式
以下通过特定的具体实例说明本公开的实施方式,本领域技术人员可由本 说明书所揭露的内容轻易地了解本公开的其他优点与功效。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。本公开还可以通过另外不 同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观 点与应用,在没有背离本公开的精神下进行各种修饰或改变。需说明的是,在不 冲突的情况下,以下实施例及实施例中的特征可以相互组合。基于本公开中的实 施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实 施例,都属于本公开保护的范围。
需要说明的是,下文描述在所附权利要求书的范围内的实施例的各种方面。 应显而易见,本文中所描述的方面可体现于广泛多种形式中,且本文中所描述的 任何特定结构及/或功能仅为说明性的。基于本公开,所属领域的技术人员应了 解,本文中所描述的一个方面可与任何其它方面独立地实施,且可以各种方式组 合这些方面中的两者或两者以上。举例来说,可使用本文中所阐述的任何数目个 方面来实施设备及/或实践方法。另外,可使用除了本文中所阐述的方面中的一 或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。
还需要说明的是,以下实施例中所提供的图示仅以示意方式说明本公开的 基本构想,图式中仅显示与本公开中有关的组件而非按照实际实施时的组件数 目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的 改变,且其组件布局型态也可能更为复杂。
另外,在以下描述中,提供具体细节是为了便于透彻理解实例。然而,所属 领域的技术人员将理解,可在没有这些特定细节的情况下实践所述方面。
图1为本公开实施例提供的图像效果生成方法实施例一的流程图,本实施 例提供的该图像效果生成方法可以由一图像效果生成装置来执行,该图像效果 生成装置可以实现为软件,或者实现为软件和硬件的组合,该图像效果生成装置 可以集成设置在图像处理系统中的某设备中,比如图像处理服务器或者图像处 理终端设备中。如图1所示,该方法包括如下步骤:
步骤S101,获取第一图像,所述第一图像中包括人脸图像;
在一个实施例中,所述获取第一图像,包括从本地存储空间中获取第一图像 或者从网络存储空间中获取第一图像,无论从哪里获取第一图像,首选需要获取 第一图像的存储地址,之后从该存储地址获取第一图像,所述第一图像可以是视 频图像也可以是图片,或者是带有动态效果的图片,在此不再赘述。
在一个实施例中,所述获取第一图像,包括获取第一视频,所述第一视频中 的至少一个视频帧中包括人脸图像。在该实施例中,所述第一视频可以通过图像 传感器来获取,图像传感器指可以采集图像的各种设备,典型的图像传感器为摄 像机、摄像头、相机等。在该实施例中,所述图像传感器可以是移动终端上的摄 像头,比如智能手机上的前置或者后置摄像头,摄像头采集的视频图像可以直接 显示在手机的显示屏上,在该步骤中,获取图像传感器所拍摄的视频,用于在下 一步进一步识别图像。
在该步骤中,所述第一图像中包括人脸图像,人脸图像是人脸表情的基础, 在该实施例中,如果所述第一图像为图片,则图片中至少包括一个人脸图像,如 果所述第一图像为视频,则所述第一图像中的视频帧中至少有一个视频帧中包 括至少一个人脸图像。
步骤S102,识别所述人脸图像的人脸表情;
在一个实施例中,识别所述人脸图像的人脸表情,包括:识别所述第一图像 中的人脸图像;在所述人脸图像中提取人脸表情特征;根据所述人脸表情特征对 人脸表情进行识别。
首先需要对图像中的人脸进行检测,人脸检测是任意给定一个图像或者一 组图像序列,采用一定策略对其进行搜索,以确定所有人脸的位置和区域的一个 过程,从各种不同图像或图像序列中确定人脸是否存在,并确定人脸数量和空间 分布的过程。通常人脸检测的方法可以分为4类:(1)基于先验知识的方法,该 方法将典型的人脸形成规则库对人脸进行编码,通过面部特征之间的关系进行 人脸定位;(2)特征不变方法,该方法在姿态、视角或光照条件改变的情况下 找到稳定的特征,然后使用这些特征确定人脸;(3)模板匹配方法,该方法存 储几种标准的人脸模式,用来分别描述整个人脸和面部特征,然后计算输入图像 和存储的模式间的相互关系并用于检测;(4)基于外观的方法,该方法与模板 匹配方法相反,从训练图像集中进行学习从而获得模型,并将这些模型用于检测。 在此可以使用第(4)种方法中的一个实现方式来说明人脸检测的过程:首先需要 提取特征完成建模,本实施例使用Haar特征作为判断人脸的关键特征,Haar特 征是一种简单的矩形特征,提取速度快,一般Haar特征的计算所使用的特征模 板采用简单的矩形组合由两个或多个全等的矩形组成,其中特征模板内有黑色 和白色两种矩形;之后,使用AdaBoost算法从大量的Haar特征中找到起关键 作用的一部分特征,并用这些特征产生有效的分类器,通过构建出的分类器可以 对图像中的人脸进行检测。在人脸检测过程中,可以检测到多个人脸特征点,典 型的可以使用106个特征点来识别人脸。
在检测到人脸图像之后,可以进一步对所述人脸图像做预处理,以便下一步 识别人脸的表情。图像预处理的好坏直接影响表情特征提取的准确性和表情分 类的效果,从而影响表情识别的准确率。人脸图像预处理主要包括去噪,进行尺 度、灰度的归一化等。输入的图像通常具有比较复杂的场景,由人脸检测获取的 人脸图像大小、长宽比例、光照条件、局部是否遮、头部偏转通常是不一样的, 为了后续提取特征的统一处理,就需要将它们的尺寸、光照、头部姿态的矫正等 进行归一化处理,改善图像质量,为进一步分析和理解面部表情做好准备。
在预处理之后,对人脸表情特征进行提取。面部表情特征提取的方法很多, 根据图片的来源是否为静态还是动态的分为基于运动和基于形变的表情特征提 取。基于运动的特征提取方法,主要根据序列图像中面部特征点的相对位置和距 离的变动来描述表情变化,具体有光流法、运动模型、特征点跟踪等,此类方法 鲁棒性好;基于形变的特征提取方法,主要用于静态图片提取特征,依靠与自然 表情模型的外观或纹理对比获取模型特征,典型的算法有基于活动外观模型 (AAM)和点分布模型(PDM)、基于纹理特征Gabor变换和局部二进制模式LBP。
提取人脸表情特征之后,进行人脸表情分类。表情分类即把前一阶段提取到 的表情特征送入训练好的分类器或回归器,让分类器或回归器给出一个预测的 值,判断表情特征所对应的表情类别。目前常见的表情分类的算法主要有线性分 类器、神经网络分类器、支持向量机SVM、隐马尔可夫模型等分类识别方法。
可以理解的是,上述提到的人脸检测、人脸图像预处理、表情特征提取以及 人脸表情分类的方法均为便于理解的举例,实际上任何可以识别人脸表情的方 法均可以用到本公开的技术方案中,在此不再赘述。
步骤S103,判断所述人脸表情的等级;
在该步骤中,所述判断所述人脸表情的等级,包括:将所述人脸表情与预设 的模板表情进行对比;将与所述人脸表情的匹配度最高的模板表情的等级作为 所述人脸表情的等级。判断在步骤S102中识别出的人脸表情的等级,所述的等 级为表情的程度,可选的所述表情为笑脸,可以将所述笑脸分为多个等级,如可 以分为100个等级,每个等级有一个标准的模板人脸表情图像与之对应,在判 断所述人脸表情的等级时,将步骤S102中的表情与这100个等级的模板人脸表 情图像作对比,将匹配度最高的模板人脸表情图像所对应的等级作为所述人脸 表情的等级。
可选的,所述判断所述人脸表情的等级,包括:将所述人脸表情与预设的模 板表情进行对比;将所述人脸表情与预设的模板表情相似度作为所述人脸表情 的等级。在该实施例中,所述模板人脸表情图像可以只有1个,将步骤S102中 所识别出的人脸表情与所述模板人脸表情图像作对比,所述对比的结果为一个 相似度百分比,如对比之后得到人脸表情与所述模板人脸表情图像的相似度为 90%,则可以得到所述人脸表情的等级为90级。
可以理解的,上述判断人脸表情的等级的具体实例仅为举例,不构成对本公 开的限制,任何能够对人脸表情进行等级判断的方法,均可以应用到本公开中来, 典型的,可以使用分类器的方法,将人脸表情的等级对应为不同的类别,使用样 本对分类器进行训练,之后将识别出的人脸表情输入分类器中直接得出人脸表 情的等级,其他方式在此不再赘述。
步骤S104,当所述人脸表情的等级达到预定的等级,在所述第一图像中生 成与所述预定等级对应的图像效果。
在该步骤中,当判断所述人脸表情达到了一个约定的等级,则在第一图像中 的预定位置上生成与所述预定等级对应的图像效果。可选的,所述图像效果可以 是显示分数,显示动画等等。
在一个实施例中,所述当所述人脸表情的等级达到预定的等级,在所述第一 图像中生成与所述预定等级对应的图像效果,包括:当所述人脸表情的等级达到 预定的等级,获取与所述预定的等级对应的图像效果配置文件;根据所述图像效 果配置文件,在第一图像中渲染出所述图像效果。其中所述图像效果配置文件, 用于配置图像效果的显示属性,如显示位置、显示大小、颜色、透明度等等。
可选的,所述显示位置可以由人脸特征点决定,所述图像效果配置文件中包 括显示位置的关联参数,所述关联参数描述图像效果序列帧关联哪几个人脸特 征点,默认可以关联所有特征点,也可以设置跟随其中的几个特征点。除了关联 参数外,图像效果配置文件中还包括图像效果与特征点的位置关系参数"point", "point"中可以包括两组关联点,"point0"表示第一组关联点,"point1"表示第 二组。对于每一组关联点,"point"描述了camera中的锚点位置,通过对若干组 特征点及其权重,求加权平均得到;举例来说,设置图像效果跟随人脸的4个特 征点,分别为9号、10号、11号和12号特征点,且每个特征点的权重为0.25, 其中每个特征点的坐标分别为(X9,Y9),(X10,Y10),(X11,Y11),(X12,Y12),则可 以得到图像效果所跟随的锚点的X轴坐标为Xa=X9*0.25+X10*0.25+X11*0.25+ X12*0.25,锚点的Y轴坐标为Ya=Y9*0.25+Y10*0.25+Y11*0.25+Y12*0.25。可以 理解的是,"point"中可以包括任一组关联点,并不局限于两组。在上述具体实 例中,可以得到两个锚点,图像效果跟随这两个锚点的位置发生移动。而实际上, 锚点可以不止两个,这与所使用的关联点的组数有关。其中每个特征点的坐标可 以有步骤S102中所获取的人脸特征点中获得。
可选的,所述显示大小可以是固定的大小,在图像效果配置文件中直接配置 图像效果的作用区域以及该区域的大小;在另一个可选的实施例中,所述显示大 小可以是动态的,根据人脸的位置对图像效果的作用区域进行缩放,此时所述图 像效果配置文件中还可以包括图像效果的缩放程度与特征点的关系,使用参数 "scaleX"和"scaleY"分别描述了x和y方向的缩放需求。对于每个方向,都包 括两个参数"start_idx"和"end_idx",其对应了两个特征点,这两个特征点之间 的距离乘以"factor"的值后得到缩放的强度。其中factor为预先设置的值,可 以为任意值。对于缩放来说,如果"position"中只有一组关联点"point0",那么 x方向就是实际的水平向右方向;y方向为实际垂直向下方向;"scaleX"和 "scaleY"都会生效,如果任一有缺失,则按照存在的那个参数保持图像效果原始 长宽比进行缩放。如果"position"中"point0"和"point1"都有,那么x方向为 point1.anchor-point0.anchor得到的向量方向;y方向由x方向顺时针旋转90 度确定;"scaleX"无效,x方向的缩放由锚点跟随决定。"scaleY"会生效,若 "scaleY"缺失,则保持图像效果原始长宽比进行缩放。
可选的,所述图像效果的颜色和透明度可以直接在所述图像效果配置文件 中配置,典型的,可以配置所述图像效果的UV图,根据所述UV图中的颜色对应 渲染图像效果的颜色,默认可以设置所述图像效果不透明,这样图像效果的区域 完全覆盖第一图像中的对应区域即可;可选的,所述动画行为配置文件中还可以 包括渲染混合模式,所述渲染混合是指将两种颜色混合在一起,具体到本公开中 是指将某一像素位置的颜色与将要画上去的颜色混合在一起,从而实现特殊效 果,而渲染混合模式是指混合所使用的方式,一般来说混合方式是指将源颜色和 目标颜色做计算,得出混合后的颜色,在实际应用中常常将源颜色乘以源因子得 到的结果与目标颜色乘以目标因子得到的结果做计算,得到混合后的颜色,以加 法为例,则BLENDcolor=SRC_color*SCR_factor+DST_color*DST_factor,其中0≤SCR_factor≤1,0≤DST_factor≤1,其中BLENDcolor为混合后的颜色, SRC_color为源图像上的源颜色,DST_color为目标图像上的目标颜色, SCR_factor为源因子,表示源颜色在混合颜色中的权重,DST_factor为目标因 子,表示目标颜色在混合颜色中的权重。根据上述运算公式,假设源颜色的四个 分量(指红色,绿色,蓝色,alpha值)是(Rs,Gs,Bs,As),目标颜色的四个 分量是(Rd,Gd,Bd,Ad),又设源因子为(Sr,Sg,Sb,Sa),目标因子为(Dr, Dg,Db,Da)。则混合产生的新颜色可以表示为:(Rs*Sr+Rd*Dr,Gs*Sg+Gd*Dg, Bs*Sb+Bd*Db,As*Sa+Ad*Da),其中alpha值表示透明度,0≤alpha≤1。上述混 合方式仅仅是举例,实际应用中,可以自行定义或者选择混合方式,所述计算可 以是加、减、乘、除、取两者中较大的、取两者中较小的、逻辑运算(和、或、 异或等等)。上述混合方式仅仅是举例,实际应用中,可以自行定义或者选择混 合方式,所述计算可以是加、减、乘、除、取两者中较大的、取两者中较小的、 逻辑运算(和、或、异或等等)。
通过上述图像效果配置文件,可以在人脸的表情达到某个程度时,显示与该 表情对应的图像效果,且该图像效果可以随着人脸表情的变化以及人脸位置的 变化而变化。典型的,利用上述实施例中的技术方案,可以设计一种给人脸图像 中的笑脸打分的图像效果,可以在人脸的头顶显示一个记分牌,当人脸的笑容达 到一定的程度之后,比如微笑,给出当前的分数,比如20分,当人脸笑容继续 变成大笑,可以继续显示分数,比如80,等等。
如图2a-2g所示,为上述实施例的一个具体实例。如图2a所示,获取第一 图像,所述第一图像中包括人脸图像,在该实例中,所述第一图像为通过图像传 感器采集到的视频图像帧,所述视频图像帧中包括人脸图像;如图2a所示,识 别所述人脸图像的人脸表情,判断所述人脸表情的等级当所述人脸表情的等级 达到预定的等级,在所述第一图像中生成与所述预定等级对应的图像效果,在该 实例中,所述人脸表情为笑容,根据人脸笑容的程度生成对人脸打分的图像效果, 如图2a所示,刚开始人脸笑容为微笑,渲染出的图像效果为30分的打分牌,且 打分牌上的笑脸的嘴巴为一条直线,表示笑容等级不高,之后当人脸的笑容发生 变化,如图2b-2e所示,随着人脸笑容等级越来越高,打分牌上的分数越来越高,且打分牌的笑脸的嘴巴嘴角上翘的程度越来越高,之后当人脸的笑容等级变 低,如图2f-2g所示,随着人脸笑容等级越来越低,打分牌上的分数也越来越 低。由上述实施例可以实现一种对人脸笑容进行打分的图像效果。可以方便的使 用户知道自己的笑容的程度或等级。
图3为本公开实施例提供的图像效果生成方法实施例二的流程图,本实施 例提供的该图像效果生成方法可以由一图像效果生成装置来执行,该图像效果 生成装置可以实现为软件,或者实现为软件和硬件的组合,该图像效果生成装置 可以集成设置在图像处理系统中的某设备中,比如图像处理服务器或者图像处 理终端设备中。如图3所示,该方法包括如下步骤:
步骤S301,获取第一图像,所述第一图像中包括至少两个人脸图像;
步骤S302,识别所述至少两个人脸图像中的每一个人脸图像的人脸表情;
步骤S303,判断所述每一个人脸图像的人脸表情的等级;
步骤S304,获取所有达到预定等级的人脸表情,在所述第一图像中生成与 所述预定等级对应的图像效果。
该实施例中,涉及多个人脸的识别,也就是第一图像中包括了多个人脸图像, 这时候,对每个人脸图像均进行如实施例一中所述的处理,在第一图像中可以方 便的看出哪些人脸的表情达到的哪一个等级。
进一步的,在所述步骤S302,识别所述至少两个人脸图像中的每一个人脸 图像的人脸表之后,还可以包括:
步骤S305,针对每一个人脸图像的人脸表情,生成对应的图像效果配置文 件。
在该步骤中,针对每个人脸的每种表情,均生成一个独立的图像效果配置文 件。比如当识别到第一图像中包括3个人脸,则将人脸编号为face1、face2和 face3,检测到face1人脸的表情为笑脸,将该表情对应的图像效果配置文件命 名为face1.ID1,之后根据该图像效果配置文件中的配置参数来显示图像效果; 检测到face2人脸的表情为愤怒,则将该表情对应的图像效果配置文件命名为 face2.ID2,之后根据该图像效果配置文件中的配置参数来显示图像效果;检测 到face3人脸的表情为笑脸,将该表情对应的图像效果配置文件命名为 face3.ID1,之后根据该图像效果配置文件中的配置参数来显示图像效果。这样 对于每个人脸的每种表情来说,其配置文件都是独立的,可以对每个人脸的表情 进行独立的配置,以产生对多个人脸的多个表情产生不同图像效果的效果。
进一步的,所述步骤S304,获取所有达到预定等级的人脸表情,在所述第 一图像中生成与所述预定等级对应的图像效果,包括:获取所有达到预定等级的 人脸表情;获取与所述达到预定等级的人脸表情对应的图像效果配置文件;根据 所述图像效果配置文件,在第一图像中渲染出所述图像效果。
可以理解的,对于单个人脸的表情识别、等级判断以及图像效果的生成,可 以使用实施例一中的技术方案,在此不再赘述。
本公开公开了一种图像效果生成方法、装置、电子设备和计算机可读存储介 质。其中该图像效果生成方法包括:获取第一图像,所述第一图像中包括人脸图 像;识别所述人脸图像的人脸表情;判断所述人脸表情的等级;当所述人脸表情 的等级达到预定的等级,在所述第一图像中生成与所述预定等级对应的图像效 果。本公开实施例通过显示不同人脸表情的等级所对应的图像效果,解决了现有 技术中无法快速获取人脸表情程度的技术问题。
图4为本公开实施例提供的图像效果生成装置实施例一的结构示意图,如 图4所示,该装置400包括:第一图像获取模块401、表情识别模块402、等级 判断模块403和图像效果生成模块404。其中,
第一图像获取模块401,用于获取第一图像,所述第一图像中包括人脸图像;
表情识别模块402,用于识别所述人脸图像的人脸表情;
等级判断模块403,用于判断所述人脸表情的等级;
图像效果生成模块404,用于当所述人脸表情的等级达到预定的等级,在所 述第一图像中生成与所述预定等级对应的图像效果。
进一步的,所述第一图像获取模块401,还包括:
第一视频获取模块,用于获取第一视频,所述第一视频中的至少一个视频帧 中包括人脸图像。
进一步的,所述表情识别模块402,还包括:
人脸图像识别模块,用于识别所述第一图像中的人脸图像;
表情特征提取模块,用于在所述人脸图像中提取人脸表情特征;
表情识别子模块,用于根据所述人脸表情特征对人脸表情进行识别。
进一步的,所述等级判断模块403,包括:
对比模块,用于将所述人脸表情与预设的模板表情进行对比;
等级判断子模块,用于将与所述人脸表情的匹配度最高的模板表情的等级 作为所述人脸表情的等级。
进一步的,所述图像效果生成模块404,包括:
配置文件获取模块,用于当所述人脸表情的等级达到预定的等级,获取与所 述预定的等级对应的图像效果配置文件;
渲染模块,用于根据所述图像效果配置文件,在第一图像中渲染出所述图像 效果。
图4所示装置可以执行图1所示实施例的方法,本实施例未详细描述的部 分,可参考对图1所示实施例的相关说明。该技术方案的执行过程和技术效果 参见图1所示实施例中的描述,在此不再赘述。
图5为本公开实施例提供的图像效果生成装置实施例二的结构示意图,如
图5所示,该装置500包括:第二图像获取模块501、第一表情识别模块502、 第一等级判断模块503和第一图像效果生成模块504。其中,
第二图像获取模块501,用于获取第一图像,所述第一图像中包括至少两个 人脸图像;
第一表情识别模块502,用于识别所述至少两个人脸图像中的每一个人脸图 像的人脸表情;
第一等级判断模块503,用于判断所述每一个人脸图像的人脸表情的等级;
第一图像效果生成模块504,用于获取所有达到预定等级的人脸表情,在所 述第一图像中生成与所述预定等级对应的图像效果。
进一步的,所述装置500,还可以包括:
图像效果配置文件生成模块505,用于针对每一个人脸图像的人脸表情,生 成对应的图像效果配置文件。
进一步的,所述第一图像效果生成模块504,包括:
预定等级人脸表情获取模块,用于获取所有达到预定等级的人脸表情;
对应配置文件获取模块,用于获取与所述达到预定等级的人脸表情对应的 图像效果配置文件;
第一渲染模块,用于根据所述图像效果配置文件,在第一图像中渲染出所述 图像效果。
上述图5中实施例二中的装置可以执行图3所示实施例的方法,本实施例 未详细描述的部分,可参考对图3所示实施例的相关说明。该技术方案的执行 过程和技术效果参见图3所示实施例中的描述,在此不再赘述。
下面参考图6,其示出了适于用来实现本公开实施例的电子设备600的结构 示意图。本公开实施例中的电子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。图6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、图像传感器、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。
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。
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:获取第一图像,所述第一图像中包括人 脸图像;识别所述人脸图像的人脸表情;判断所述人脸表情的等级;当所述人脸 表情的等级达到预定的等级,在所述第一图像中生成与所述预定等级对应的图 像效果。
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。其中,单元的名称在某种情况下并不构成对该单元本身 的限定。
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。
Claims (14)
1.一种图像效果生成方法,其特征在于,包括:
获取第一图像,所述第一图像中包括人脸图像;
识别所述人脸图像的人脸表情;
判断所述人脸表情的等级;
当所述人脸表情的等级达到预定的等级,在所述第一图像中生成与所述预定等级对应的图像效果。
2.如权利要求1所述的图像效果生成方法,其特征在于,所述获取第一图像,所述第一图像中包括人脸图像,包括:
获取第一视频,所述第一视频中的至少一个视频帧中包括人脸图像。
3.如权利要求1所述的图像效果生成方法,其特征在于,所述识别所述人脸图像的人脸表情,包括:
识别所述第一图像中的人脸图像;
在所述人脸图像中提取人脸表情特征;
根据所述人脸表情特征对人脸表情进行识别。
4.如权利要求1所述的图像效果生成方法,其特征在于,所述判断所述人脸表情的等级,包括:
将所述人脸表情与预设的模板表情进行对比;
将与所述人脸表情的匹配度最高的模板表情的等级作为所述人脸表情的等级。
5.如权利要求1所述的图像效果生成方法,其特征在于,所述当所述人脸表情的等级达到预定的等级,在所述第一图像中生成与所述预定等级对应的图像效果,包括:
当所述人脸表情的等级达到预定的等级,获取与所述预定的等级对应的图像效果配置文件;
根据所述图像效果配置文件,在第一图像中渲染出所述图像效果。
6.如权利要求1所述的图像效果生成方法,其特征在于,所述获取第一图像,所述第一图像中包括人脸图像,包括:
获取第一图像,所述第一图像中包括至少两个人脸图像。
7.如权利要求6所述的图像效果生成方法,其特征在于,所述识别所述人脸图像的人脸表情,包括:
识别所述至少两个人脸图像中的每一个人脸图像的人脸表情。
8.如权利要求7所述的图像效果生成方法,其特征在于,在所述识别所述至少两个人脸图像中的每一个人脸图像的人脸表情之后,还包括:
针对每一个人脸图像的人脸表情,生成对应的图像效果配置文件。
9.如权利要求7或8所述的图像效果生成方法,其特征在于,所述判断所述人脸表情的等级,包括:
判断所述每一个人脸图像的人脸表情的等级。
10.如权利要求9所述的图像效果生成方法,其特征在于,所述当所述人脸表情的等级达到预定的等级,在所述第一图像中生成与所述预定等级对应的图像效果,包括:
获取所有达到预定等级的人脸表情,在所述第一图像中生成与所述预定等级对应的图像效果。
11.如权利要求10所述的图像效果生成方法,其特征在于,所述获取所有达到预定等级的人脸表情,在所述第一图像中生成与所述预定等级对应的图像效果,包括:
获取所有达到预定等级的人脸表情;
获取与所述达到预定等级的人脸表情对应的图像效果配置文件;
根据所述图像效果配置文件,在第一图像中渲染出所述图像效果。
12.一种图像效果生成装置,其特征在于,包括:
第一图像获取模块,用于获取第一图像,所述第一图像中包括人脸图像;
表情识别模块,用于识别所述人脸图像的人脸表情;
等级判断模块,用于判断所述人脸表情的等级;
图像效果生成模块,用于当所述人脸表情的等级达到预定的等级,在所述第一图像中生成与所述预定等级对应的图像效果。
13.一种电子设备,包括:
存储器,用于存储非暂时性计算机可读指令;以及
处理器,用于运行所述计算机可读指令,使得所述处理器执行时实现根据权利要求1-11中任意一项所述的图像效果生成方法。
14.一种计算机可读存储介质,用于存储非暂时性计算机可读指令,当所述非暂时性计算机可读指令由计算机执行时,使得所述计算机执行权利要求1-11中任意一项所述的图像效果生成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910100543.3A CN111507139A (zh) | 2019-01-31 | 2019-01-31 | 图像效果生成方法、装置和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910100543.3A CN111507139A (zh) | 2019-01-31 | 2019-01-31 | 图像效果生成方法、装置和电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111507139A true CN111507139A (zh) | 2020-08-07 |
Family
ID=71863813
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910100543.3A Pending CN111507139A (zh) | 2019-01-31 | 2019-01-31 | 图像效果生成方法、装置和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111507139A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN113596354A (zh) * | 2021-07-23 | 2021-11-02 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、计算机设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103971131A (zh) * | 2014-05-13 | 2014-08-06 | 华为技术有限公司 | 一种预设表情识别方法和装置 |
CN106372622A (zh) * | 2016-09-30 | 2017-02-01 | 北京奇虎科技有限公司 | 一种人脸表情分类方法及装置 |
CN107358646A (zh) * | 2017-06-20 | 2017-11-17 | 安徽工程大学 | 一种基于机器视觉的疲劳检测系统及方法 |
CN109064388A (zh) * | 2018-07-27 | 2018-12-21 | 北京微播视界科技有限公司 | 人脸图像效果生成方法、装置和电子设备 |
-
2019
- 2019-01-31 CN CN201910100543.3A patent/CN111507139A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103971131A (zh) * | 2014-05-13 | 2014-08-06 | 华为技术有限公司 | 一种预设表情识别方法和装置 |
CN106372622A (zh) * | 2016-09-30 | 2017-02-01 | 北京奇虎科技有限公司 | 一种人脸表情分类方法及装置 |
CN107358646A (zh) * | 2017-06-20 | 2017-11-17 | 安徽工程大学 | 一种基于机器视觉的疲劳检测系统及方法 |
CN109064388A (zh) * | 2018-07-27 | 2018-12-21 | 北京微播视界科技有限公司 | 人脸图像效果生成方法、装置和电子设备 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN113596354A (zh) * | 2021-07-23 | 2021-11-02 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、计算机设备及存储介质 |
CN113596354B (zh) * | 2021-07-23 | 2022-08-19 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、计算机设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110610453B (zh) | 一种图像处理方法、装置及计算机可读存储介质 | |
CN108492363B (zh) | 基于增强现实的结合方法、装置、存储介质及电子设备 | |
US11176355B2 (en) | Facial image processing method and apparatus, electronic device and computer readable storage medium | |
CN112669417B (zh) | 虚拟形象的生成方法、装置、存储介质及电子设备 | |
CN110072047B (zh) | 图像形变的控制方法、装置和硬件装置 | |
CN110070551B (zh) | 视频图像的渲染方法、装置和电子设备 | |
WO2020248900A1 (zh) | 全景视频的处理方法、装置及存储介质 | |
CN109348277B (zh) | 运动像素视频特效添加方法、装置、终端设备及存储介质 | |
CN111008935B (zh) | 一种人脸图像增强方法、装置、系统及存储介质 | |
CN110084204B (zh) | 基于目标对象姿态的图像处理方法、装置和电子设备 | |
CN111950570B (zh) | 目标图像提取方法、神经网络训练方法及装置 | |
CN112330533A (zh) | 混血人脸图像生成方法、模型训练方法、装置和设备 | |
CN110619656A (zh) | 基于双目摄像头的人脸检测跟踪方法、装置及电子设备 | |
CN111488759A (zh) | 动物脸部的图像处理方法和装置 | |
CN111507139A (zh) | 图像效果生成方法、装置和电子设备 | |
CN114708443A (zh) | 截图处理方法及装置、电子设备和计算机可读介质 | |
US20220207917A1 (en) | Facial expression image processing method and apparatus, and electronic device | |
CN117579859A (zh) | 视频处理的方法、装置、设备及可读存储介质 | |
CN110222576B (zh) | 拳击动作识别方法、装置和电子设备 | |
CN111507143B (zh) | 表情图像效果生成方法、装置和电子设备 | |
CN110232417B (zh) | 图像识别方法、装置、计算机设备及计算机可读存储介质 | |
CN110059739B (zh) | 图像合成方法、装置、电子设备和计算机可读存储介质 | |
CN111275610A (zh) | 一种人脸变老图像处理方法及系统 | |
CN111079472A (zh) | 图像对比方法和装置 | |
CN111292276B (zh) | 图像处理方法和装置 |
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 |