CN111667518A - 人脸图像的显示方法、装置、电子设备及存储介质 - Google Patents
人脸图像的显示方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111667518A CN111667518A CN202010584454.3A CN202010584454A CN111667518A CN 111667518 A CN111667518 A CN 111667518A CN 202010584454 A CN202010584454 A CN 202010584454A CN 111667518 A CN111667518 A CN 111667518A
- Authority
- CN
- China
- Prior art keywords
- face image
- current frame
- key points
- aligned
- reference face
- 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
- 238000000034 method Methods 0.000 title claims abstract description 79
- 238000012545 processing Methods 0.000 claims abstract description 11
- 238000013519 translation Methods 0.000 claims description 25
- 230000015654 memory Effects 0.000 claims description 19
- 238000006243 chemical reaction Methods 0.000 claims description 16
- 238000012549 training Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 7
- 230000007704 transition Effects 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 19
- 238000005516 engineering process Methods 0.000 abstract description 6
- 230000007547 defect Effects 0.000 abstract description 5
- 238000013135 deep learning Methods 0.000 abstract description 2
- 230000002708 enhancing effect Effects 0.000 abstract description 2
- 230000001815 facial effect Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 239000011521 glass Substances 0.000 description 8
- 238000004891 communication Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 238000012512 characterization method Methods 0.000 description 3
- 238000009432 framing Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- -1 flowers Substances 0.000 description 1
- 239000006260 foam Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/14—Transformations for image registration, e.g. adjusting or mapping for alignment of images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例公开了一种人脸图像的显示方法、装置、电子设备及存储介质，涉及图像处理、深度学习技术领域，包括：获取当前帧人脸图像的全量关键点，将全量关键点与预设的参考脸图像的关键点对齐，得到对齐后的当前帧人脸图像，根据对齐后的当前帧人脸图像的中心和参考脸图像，调整对齐后的当前帧人脸图像的尺寸，根据调整后的当前帧人脸图像输出下一帧人脸图像，通过采用全量关键点，将当前帧人脸图像与参考脸图像进行对齐，可避免相关技术中，当前帧人脸图像为侧脸图像造成的关键点被遮挡，无法准确对齐的弊端，从而实现了准确对齐的技术效果，进而可以实现提高后续输出的下一帧人脸图像的准确性和可靠性的技术效果，且增强用户的拍摄体验。
Description
技术领域
本申请涉及图像处理技术，尤其涉及深度学习、人脸识别技术，具体涉及一种人脸图像的显示方法、装置、电子设备及存储介质。
背景技术
终端设备上可以设置摄像头，并通过摄像头实现拍摄功能。
在现有技术中，一般采用，从当前帧图像上选择预设数量的关键点，如2个关键点，或者3个关键点，或者5个关键点，并基于选择出的关键点，将当前帧图像与参考脸图像对齐，而后输出下一帧人脸图像。
然而发明人在实现本申请的过程中，发现至少存在如下问题：通过选择预设数量的关键点实现对齐，可能导致对齐的精度偏度，从而造成下一帧人脸图像失真的弊端。
发明内容
提供了一种用于提高输出精度较高的人脸图像的，人脸图像的显示方法、装置、设备及存储介质。
根据第一方面，提供了一种人脸图像的显示方法，所述方法包括：
获取当前帧人脸图像的全量关键点；
将所述全量关键点与预设的参考脸图像的关键点对齐，得到对齐后的当前帧人脸图像；
根据所述对齐后的当前帧人脸图像的中心和所述参考脸图像，调整对齐后的当前帧人脸图像的尺寸；
根据调整后的当前帧人脸图像输出下一帧人脸图像。
在本申请实施例中，一方面，通过采用全量关键点，将当前帧人脸图像与参考脸图像进行对齐，可以避免相关技术中，当当前帧人脸图像为侧脸图像时，通过选择出的2个(或者3个，或者5个)关键点，将当前帧人脸图像与参考脸图像进行对齐时，造成的关键点被遮挡，无法准确对齐的弊端，从而实现了准确对齐的技术效果，进而可以实现提高后续输出的下一帧人脸图像的准确性和可靠性的技术效果，且增强用户的拍摄体验；另一方面，通过调整对齐后的当前帧人脸图像的尺寸，可以实现参考人脸图像与对齐后的当前帧人脸图像对齐的精度，从而进一步提高下一帧人脸图像的可靠性和准确性的技术效果。
根据第二方面，本申请实施例提供了一种人脸图像的显示装置，所述装置包括：
第一获取模块，用于获取当前帧人脸图像的全量关键点；
对齐模块，用于将所述全量关键点与预设的参考脸图像的关键点对齐，得到对齐后的当前帧人脸图像；
第一调整模块，用于根据所述对齐后的当前帧人脸图像的中心和所述参考脸图像，调整对齐后的当前帧人脸图像的尺寸；
输出模块，用于根据调整后的当前帧人脸图像输出下一帧人脸图像。
根据第三方面，本申请实施例提供了一种电子设备，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，
所述存储器存储有可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如上任一实施例所述的方法。
根据第四方面，本申请实施例提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行如上任一实施例所述的方法。
根据本申请的获取当前帧人脸图像的全量关键点，将全量关键点与预设的参考脸图像的关键点对齐，得到对齐后的当前帧人脸图像，根据对齐后的当前帧人脸图像的中心和参考脸图像，调整对齐后的当前帧人脸图像的尺寸，根据调整后的当前帧人脸图像输出下一帧人脸图像的技术，解决了相关技术中，当当前帧人脸图像为侧脸图像时，通过选择出的2个(或者3个，或者5个)关键点，将当前帧人脸图像与参考脸图像进行对齐时，造成的关键点被遮挡，无法准确对齐的问题，从而实现了准确对齐的技术效果，进而可以实现提高后续输出的下一帧人脸图像的准确性和可靠性的技术效果，且增强用户的拍摄体验。
应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1为本申请实施例的人脸图像的显示方法的应用场景示意图；
图2为本申请一个实施例的人脸图像的显示方法的流程示意图；
图3为本申请另一实施例的人脸图像的显示方法的流程示意图；
图4为本申请另一实施例的人脸图像的显示方法的流程示意图；
图5为本申请另一实施例的人脸图像的显示方法的流程示意图；
图6为本申请实施例的参考脸图像的示意图；
图7为相关技术中，输出的下一帧图像的示意图；
图8为本申请实施例输出的下一帧图像的示意图；
图9为本申请一个实施例的人脸图像的显示装置的示意图；
图10为本申请另一实施例的人脸图像的显示装置的示意图；
图11为本申请实施例的电子设备的框图。
具体实施方式
以下结合附图对本申请实施例的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请实施例的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
本申请实施例的人脸图像的显示方法可以应用于具有拍摄并显示图像功能的设备，如应用于具有拍摄并显示图像功能的终端设备，尤其可以应用于如拍摄视频的应用场景。
其中，终端设备可以是无线终端也可以是有线终端。无线终端可以是指向用户提供语音和/或其他业务数据连通性的设备，具有无线连接功能的手持式设备、或连接到无线调制解调器的其他处理设备。无线终端可以经无线接入网(Radio Access Network，简称RAN)与一个或多个核心网设备进行通信，无线终端可以是移动终端，如移动电话(或称为“蜂窝”电话)和具有移动终端的计算机，例如，可以是便携式、袖珍式、手持式、计算机内置的或者车载的移动装置，它们与无线接入网交换语言和/或数据。再例如，无线终端还可以是个人通信业务(Personal Communication Service，简称PCS)电话、无绳电话、会话发起协议(Session Initiation Protocol，简称SIP)话机、无线本地环路(Wireless LocalLoop，简称WLL)站、个人数字助理(Personal Digital Assistant，简称PDA)等设备。无线终端也可以称为系统、订户单元(Subscriber Unit)、订户站(Subscriber Station)，移动站(Mobile Station)、移动台(Mobile)、远程站(Remote Station)、远程终端(RemoteTerminal)、接入终端(Access Terminal)、用户终端(User Terminal)、用户代理(UserAgent)、用户设备(User Device or User Equipment)，在此不作限定。可选的，上述终端设备还可以是智能手表、平板电脑等设备。
现以终端设备为手机为例，对本申请实施例的人脸图像的显示方法的应用场景进行适应性地介绍。
请参阅图1，图1为本申请实施例的人脸图像的显示方法的应用场景示意图。
如图1所示，手机100上设置有摄像头200，当用户300开启手机100上的录制视频的功能时，摄像头200进入工作状态，并通过本申请实施例的人脸图像的显示方法，对用户300的人脸图像进行采集，并进行显示。
值得说明地是，图1只是用于对本申请实施例的人脸图像的显示方法的应用场景进行示范性地说明，而不能理解为对本申请实施例的人脸图像的显示方法的应用场景的限定。
且图1中手机的形状，摄像头的设置位置等也只是用于示范性地说明手机可能的形状，摄像头可能的设置位置，而不能理解为对使用本申请实施例的人脸图像的显示方法的终端设备的限定。
在相关技术中，一般采用预先设置2个(或者3个，或者5个)关键点，将当前帧人脸图像与参考脸图像进行对齐，并根据对齐后的当前帧人脸图像输出下一帧人脸图像。
然而，用户在拍摄过程中，用户的脸并不一定正对摄像头，如用户的部分脸正对摄像头，即用户拍摄的为侧脸，那么，有可能摄像头无法获取预先设置的2个(或者3个，或者5个)关键点，从而导致无法实现当前帧人脸图像与参考脸图像进行对齐，或者，导致当前帧人脸图像与参考脸图像对齐的准确度偏低，进而导致输出的下一帧人脸图像失真。
为了避免下一帧人脸图像失真的问题，本申请实施例的发明人在经过创造性地劳动之后，想到了本申请实施例的发明构思：采用全量关键点，将当前帧人脸图像与参考脸图像对齐，并适应性地调整对齐后的当前帧人脸图像的尺寸。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本申请的实施例进行描述。
根据本申请实施例的一个方面，本申请实施例提供了一种人脸图像的显示方法。
请参阅图2，图2为本申请一个实施例的人脸图像的显示方法的流程示意图。
如图2所示，该方法包括：
S101：获取当前帧人脸图像的全量关键点。
其中，本申请实施例的人脸图像的显示方法的执行主体可以为人脸图像的显示装置，且该装置可以为终端设备、服务器和芯片等。
例如，当本申请实施例的人脸图像的显示方法，应用于如图1所示的应用场景时，则人脸图像的显示装置可以为终端设备，且具体可以为如图1所示的手机。当然，基于上述示例可知，终端设备还可以为智能手表和平板电脑等设备。
又如，当本申请实施例的人脸图像的显示方法，应用于如图1所示的应用场景时，则人脸图像的显示装置可以为设置于终端设备中的芯片，且具体可以为如图1所示的手机中的芯片。
当然，当本申请实施例的人脸图像的显示方法，应用于如图1所示的应用场景时，则人脸图像的显示装置也可以为设置于终端设备中的处理器，且具体可以为如图1所示的手机中的处理器。
又如，当本申请实施例的人脸图像的显示方法，应用于如图1所示的应用场景时，则人脸图像的显示装置也可以为与终端设备连接的服务器。
其中，关键点用于表征，从人脸图像上选择的用于进行对齐的点；全量关键点用于表征，全部的关键点。
在一些实施例中，全量关键点的数量为150个。
也就是说，在相关技术中，一般从人脸上预先设置2个(或者3个，或者5个)关键点，以便后续根据选择出的2个(或者3个，或者5个)关键点，将当前帧人脸图像与参考脸图像进行对齐。而在本申请实施例中，是获取当前帧人脸图像的全量关键点，以便后续根据全量关键点，将当前帧人脸图像与参考脸图像进行对齐。
S102：将全量关键点与预设的参考脸图像的关键点对齐，得到对齐后的当前帧人脸图像。
在本申请实施例中，将全量关键点与预设的参考脸图像的关键点对齐的方法不做限定，可以采用相关技术中的对齐方法实现，如采用相关技术中，将选择出的2个(或者3个，或者5个)关键点，将当前帧人脸图像与参考脸图像进行对齐的方法。
但是，值得说明地是，本申请实施例用于对齐的关键点为全量关键点，而通过采用全量关键点，将当前帧人脸图像与参考脸图像进行对齐，可以避免相关技术中，当当前帧人脸图像为侧脸图像时，通过选择出的2个(或者3个，或者5个)关键点，将当前帧人脸图像与参考脸图像进行对齐时，造成的关键点被遮挡，无法准确对齐的弊端，从而实现了准确对齐的技术效果，进而可以实现提高后续输出的下一帧人脸图像的准确性和可靠性的技术效果，且增强用户的拍摄体验。
S103：根据对齐后的当前帧人脸图像的中心和参考脸图像，调整对齐后的当前帧人脸图像的尺寸。
在本申请实施例中，通过调整对齐后的当前帧人脸图像的尺寸，可以实现参考人脸图像与对齐后的当前帧人脸图像对齐的精度。
S104：根据调整后的当前帧人脸图像输出下一帧人脸图像。
基于上述分析可知，本申请实施例提供了一种人脸图像的显示方法，该方法包括：获取当前帧人脸图像的全量关键点，将全量关键点与预设的参考脸图像的关键点对齐，得到对齐后的当前帧人脸图像，根据对齐后的当前帧人脸图像的中心和参考脸图像，调整对齐后的当前帧人脸图像的尺寸，根据调整后的当前帧人脸图像输出下一帧人脸图像，一方面，通过采用全量关键点，将当前帧人脸图像与参考脸图像进行对齐，可以避免相关技术中，当当前帧人脸图像为侧脸图像时，通过选择出的2个(或者3个，或者5个)关键点，将当前帧人脸图像与参考脸图像进行对齐时，造成的关键点被遮挡，无法准确对齐的弊端，从而实现了准确对齐的技术效果，进而可以实现提高后续输出的下一帧人脸图像的准确性和可靠性的技术效果，且增强用户的拍摄体验；另一方面，通过调整对齐后的当前帧人脸图像的尺寸，可以实现参考人脸图像与对齐后的当前帧人脸图像对齐的精度，从而进一步提高下一帧人脸图像的可靠性和准确性的技术效果。
在本申请实施例中，对具体将全量关键点与参考脸图像的关键点对齐的方法进行了改进，为使读者深刻地理解本申请实施例的将全量关键点与参考脸图像的关键点对齐的方法，现结合图3对本申请实施例的方法进行详细地阐述。其中，图3为本申请另一实施例的人脸图像的显示方法的流程示意图。
如图3所示，该方法包括：
S201：获取当前帧人脸图像的全量关键点。
其中，关于S201的描述可以参见S101，此处不再赘述。
S202：确定全量关键点与参考脸图像的关键点之间的位置转换信息。
其中，位置转换信息可以用于表征，以图像坐标系为基础，全量关键点与参考脸图像的关键点之间的坐标转换信息。
在一些实施例中，可以通过仿射变换确定位置转换信息，即将全量关键点看成图像坐标系中的一个空间向量(下文简称第一空间向量)，将参考脸图像的关键点看成图像坐标系中的另一个空间向量(下文简称第二空间向量)，将第一空间向量进行线性变换，并接上平移，得到第二空间向量，而根据该线性变换和平移则可以确定坐标转换信息。
在一些实施例中，S202可以包括：
S2021：确定全量关键点的坐标与参考脸图像的关键点的坐标之间的，旋转信息和平移信息。
值得说明地是，全量关键点可以为图像坐标系上的点，具有相应的坐标，参考脸图像的关键点也可以为图像坐标系上的点，也具有相应的坐标，在该步骤中，相当于基于全量关键点的坐标和参考脸图像的关键点坐标，确定以参考脸图像的关键点坐标为基础，全量关键点的坐标的旋转信息和平移信息。
也就是说，可以将参考脸图像的关键点作为静态的点，以该静态的点为基础，将全量关键点进行旋转和平移，使得全量关键点可以与参考脸图像的关键点对齐，而全量关键点的旋转的相关参数即为旋转信息，全量关键点的平移的相关参数即为平移信息。
S2022：从旋转信息和平移信息中，选取最小欧式距离的旋转参数和平移参数，其中，位置转换信息包括旋转参数和平移参数。
S203：根据位置转换信息将全量关键点与参考脸图像的关键点对齐。
在本申请实施例中，由于旋转参数和平移参数为最小欧式距离对应的参数，因此，通过旋转参数和平移参数，将全量关键点与参考脸图像的关键点对齐，可以确保二者对齐时的对齐误差最小，从而提高对齐的精度和可靠性的技术效果。
S204：根据对齐后的当前帧人脸图像的中心和参考脸图像，调整对齐后的当前帧人脸图像的尺寸。
其中，关于S204的描述可以参见S103，此处不再赘述。
S205：根据调整后的当前帧人脸图像输出下一帧人脸图像。
其中，关于S205的描述可以参见S104，此处不再赘述。
在本申请实施例中，增加了调整对齐后的当前帧人脸图像的尺寸的方法，为使读者深刻地理解本申请实施例的调整对齐后的当前帧人脸图像的尺寸的方法，现结合图4对本申请实施例的方法进行详细地阐述。其中，图4为本申请另一实施例的人脸图像的显示方法的流程示意图。
如图4所示，该方法包括：
S301：获取当前帧人脸图像的全量关键点。
其中，关于S301的描述可以参见S101，此处不再赘述。
S302：将全量关键点与预设的参考脸图像的关键点对齐，得到对齐后的当前帧人脸图像。
其中，关于S302的描述可以参见S102；或者，也可以参见S202和S203，此处不再赘述。
S303：将对齐后的当前帧人脸图像的中心，移动至参考脸图像的中心位置。
S304：以中心位置为固定点，将对齐后的当前帧人脸图像的尺寸调整至与参考脸图像的尺寸相同。
在本申请实施例中，通过先确定中心位置，以便以该中心位置为基础对尺寸进行调整，从而提高尺寸调整的效率，且可以实现全量关键点不被丢失，从而提高下一帧人脸图像的可靠性的技术效果。
在一些实施例中，S304可以包括：以中心位置为固定点，将对齐后的当前帧人脸图像进行放缩和/或平移处理，其中，放缩和/或平移处理后的当前帧人脸图像的尺寸与参考脸图像的尺寸相同。
在本申请实施例中，通过先确定中心位置，并通过放缩和/或平移的方式调整当前帧人脸图像的尺寸，可以提高尺寸调整的全面性和可靠性的技术效果。
在一些实施例中，将对齐后的当前帧人脸图像进行放缩处理包括：
S3041：确定对齐后的当前帧人脸图像的包围框。
S3042：获取参考脸图像的包围框。
其中，包围框可以用于表征，用于框选人脸图像的尺寸，可以通过关键点进行计算获得，如通过计算得到包围框为256*256mm。因此，当前帧人脸图像的包围框可以用于表征，用于框选当前帧人脸图像的尺寸；参考脸图像的包围框可以用于表征，用于框选参考脸图像的尺寸。
S3043：根据对齐后的当前帧人脸图像的包围框和参考脸图像的包围框，确定放缩值。
其中，放缩值可以用于表征，为了使得对齐后的当前帧人脸图像的包围框和参考脸图像的包围框相同，计算得到的以参考脸图像的包围框为基础，调整对齐后的当前帧人脸图像的包围框的调整比例。
例如，若对齐后的当前帧人脸图像的包围框为256*256mm，而参考脸图像的包围框为128*128mm，则放缩值为(256*256mm)/(128*128mm)，即放缩值为1/2。
S3044：根据放缩值将对齐后的当前帧人脸图像进行放缩处理。
基于上述示例，若放缩值为1/2，则对齐后的当前帧人脸图像进行进行1/2的缩放，得到包围框为128*128mm的对齐后的当前帧人脸图像。
在本申请实施例中，通过确定放缩值，并根据放缩值将对齐后的当前帧人脸图像进行放缩处理，可以确保全量关键点在放缩处理后的当前帧人脸图像中不会对丢失，从而实现后续生成下一帧人脸图像的准确性和可靠性的技术效果。
S305：根据调整后的当前帧人脸图像输出下一帧人脸图像。
其中，关于S305的描述可以参见S104，此处不再赘述。
在本申请实施例中，对生成参考脸图像的方法进行了改进，为使读者深刻地理解本申请实施例的生成参考脸图像的方法，现结合图5对本申请实施例的方法进行详细地阐述。其中，图5为本申请另一实施例的人脸图像的显示方法的流程示意图。
如图5所示，该方法包括：
S401：获取人脸图像的训练样本。
其中，训练样本的数量和类型可以基于需求、经验或者试验进行设定，本申请实施例对训练样本不做限定。
S402：针对训练样本中的每一张人脸图像，以眼角点为基础进行旋转转正。
在该步骤中，为了确保训练的可靠性和准确性，优选将训练样本设置为同一朝向，且结合拍摄的实际应用可知，训练样本的朝向与拍摄时，用户的人脸图像的朝向相同，即眼睛在上，鼻子在下。且具体以眼角点为基础对各人脸图像进行旋转转正。
S403：将转正后的每一张人脸图像的尺寸调整至与预设的模板图相同的尺寸。
S404：以调整后的每一张人脸图像的中心为基础，将调整后的每一张人脸图像的中心移动至预设的模板图的中心。
S405：根据移动后的各人脸图像生成参考脸图像。
在一些实施例中，S405可以包括：确定移动后的各人脸图像的关键点，计算各人脸图像的关键点的平均值，根据平均值生成参考脸图像，则参考脸图像的关键点为各人脸图像的关键点的平均值。
具体地，参考脸图像可以参见图6(图6为本申请实施例的参考脸图像的示意图)。
S406：获取当前帧人脸图像的全量关键点。
其中，关于S406的描述可以参见S101，此处不再赘述。
S407：将全量关键点与预设的参考脸图像的关键点对齐，得到对齐后的当前帧人脸图像。
其中，关于S407的描述可以参见S102；或者，也可以参见S202和S203，此处不再赘述。
S408：根据对齐后的当前帧人脸图像的中心和参考脸图像，调整对齐后的当前帧人脸图像的尺寸。
其中，关于S408的描述可以参见S103；或者，也可以参见S303和S304，此处不再赘述。
S409：根据调整后的当前帧人脸图像输出下一帧人脸图像。
其中，关于S409的描述可以参见S104，此处不再赘述。
为使读者更加深刻地理解，本申请在基于上述发明构思的基础上的各实施例，相较于相关技术产生的技术效果，现以图1所示的应用场景为例，并结合图7和图8对本上述各实施例带来的技术效果进行详细阐述。
其中，图7为相关技术中，输出的下一帧图像的示意图；图8为基于上述任一实施例，输出的下一帧图像的示意图。
可以理解地是，在用户拍摄视频的过程中，可以使用预先设置的道具，如眼镜、鲜花和泡沫等。因此，为了更为直观地理解，通过本申请实施例带来的技术效果，特意增加了当用户在拍摄视频时，可以使用眼镜为道具的场景。
如图7所示，由于用户为侧脸拍摄，若采用2个(或者3个，或者5个)关键点，将当前帧人脸图像与参考脸图像进行对齐，则可能导致部分关键点丢失，使得对齐的准确性偏低，从而使得预测得到的下一帧人脸图像的位置出现偏差，而由于无法准确地输出下一帧人脸图像，使得眼镜与佩戴至下一帧人脸图像时，眼镜与下一帧人脸图像无法准确匹配(如图7所示，眼镜的位置明显偏高)，眼镜的位置与下一帧人脸图像的位置存在明显偏差，降低了用户的拍摄体验。
而如8所示，通过采用上述任一实施例所述的人脸图像的显示方法，通过采用全量关键点与参考脸图像的关键点对齐，并调整对齐后的当前帧人脸图像的尺寸，可以提高输出下一帧人脸图像的准确性和可靠性，因此，可以将眼镜准确地佩戴至下一帧人脸图像，减小了眼镜的位置与下一帧人脸图像的位置偏差，提高了用户的拍摄体验。
根据本申请实施例的另一个方面，本申请实施例还提供了一种人脸图像的显示装置，用于执行如上任一实施例所述的方法，如执行如图2至图5所示的方法。
请参阅图9，图9为本申请一个实施例的人脸图像的显示装置的示意图。
如图9所示，该装置包括：
第一获取模块11，用于获取当前帧人脸图像的全量关键点；
对齐模块12，用于将所述全量关键点与预设的参考脸图像的关键点对齐，得到对齐后的当前帧人脸图像；
第一调整模块13，用于根据所述对齐后的当前帧人脸图像的中心和所述参考脸图像，调整对齐后的当前帧人脸图像的尺寸；
输出模块14，用于根据调整后的当前帧人脸图像输出下一帧人脸图像。
在一些实施例中，所述对齐模块12用于，确定所述全量关键点与所述参考脸图像的关键点之间的位置转换信息，根据所述位置转换信息将所述全量关键点与所述参考脸图像的关键点对齐。
在一些实施例中，所述对齐模块12用于，确定所述全量关键点的坐标与所述参考脸图像的关键点的坐标之间的，旋转信息和平移信息，从所述旋转信息和所述平移信息中，选取最小欧式距离的旋转参数和平移参数，其中，所述位置转换信息包括所述旋转参数和所述平移参数。
在一些实施例中，所述第一调整模块13用于，将所述中心移动至所述参考脸图像的中心位置，以所述中心位置为固定点，将对齐后的当前帧人脸图像的尺寸调整至与所述参考脸图像的尺寸相同。
在一些实施例中，所述第一调整模块13用于，以所述中心位置为固定点，将对齐后的当前帧人脸图像进行放缩和/或平移处理，其中，放缩和/或平移处理后的当前帧人脸图像的尺寸与所述参考脸图像的尺寸相同。
在一些实施例中，所述第一调整模块13用于，确定对齐后的当前帧人脸图像的包围框，获取所述参考脸图像的包围框，根据对齐后的当前帧人脸图像的包围框和所述参考脸图像的包围框，确定放缩值，根据所述放缩值将对齐后的当前帧人脸图像进行放缩处理。
结合图10可知，在一些实施例中，所述装置还包括：
第二获取模块15，用于获取人脸图像的训练样本；
旋转模块16，用于针对所述训练样本中的每一张人脸图像，以眼角点为基础进行旋转转正；
第二调整模块17，用于将转正后的每一张人脸图像的尺寸调整至与预设的模板图相同的尺寸；
移动模块18，用于以调整后的每一张人脸图像的中心为基础，将调整后的每一张人脸图像的中心移动至预设的模板图的中心；
生成模块19，用于根据移动后的各人脸图像生成所述参考脸图像。
根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。
请参阅图11，图11为本申请实施例的电子设备的框图。
其中，电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请实施例的实现。
如图11所示，该电子设备包括：一个或多个处理器101、存储器102，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图11中以一个处理器101为例。
存储器102即为本申请实施例所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请实施例所提供的人脸图像的显示方法。本申请实施例的非瞬时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本申请实施例所提供的人脸图像的显示方法。
存储器102作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的程序指令/模块。处理器101通过运行存储在存储器102中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的人脸图像的显示方法。
存储器102可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据电子设备的使用所创建的数据等。此外，存储器102可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器102可选包括相对于处理器101远程设置的存储器，这些远程存储器可以通过网络连接至电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、区块链服务网络(Block-chain-based Service Network，BSN)、移动通信网及其组合。
电子设备还可以包括：输入装置103和输出装置104。处理器101、存储器102、输入装置103和输出装置104可以通过总线或者其他方式连接，图11中以通过总线连接为例。
输入装置103可接收输入的数字或字符信息，以及产生与电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置104可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、区块链服务网络(Block-chain-based Service Network，BSN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。
Claims (16)
1.一种人脸图像的显示方法，其特征在于，所述方法包括：
获取当前帧人脸图像的全量关键点；
将所述全量关键点与预设的参考脸图像的关键点对齐，得到对齐后的当前帧人脸图像；
根据所述对齐后的当前帧人脸图像的中心和所述参考脸图像，调整对齐后的当前帧人脸图像的尺寸；
根据调整后的当前帧人脸图像输出下一帧人脸图像。
2.根据权利要求1所述的方法，其特征在于，所述将所述全量关键点与预设的参考脸图像的关键点对齐包括：
确定所述全量关键点与所述参考脸图像的关键点之间的位置转换信息；
根据所述位置转换信息将所述全量关键点与所述参考脸图像的关键点对齐。
3.根据权利要求2所述的方法，其特征在于，所述确定所述全量关键点与所述参考脸图像的关键点之间的位置转换信息包括：
确定所述全量关键点的坐标与所述参考脸图像的关键点的坐标之间的，旋转信息和平移信息；
从所述旋转信息和所述平移信息中，选取最小欧式距离的旋转参数和平移参数，其中，所述位置转换信息包括所述旋转参数和所述平移参数。
4.根据权利要求1所述的方法，其特征在于，所述根据所述中心和所述参考脸图像，调整对齐后的当前帧人脸图像的尺寸包括：
将所述中心移动至所述参考脸图像的中心位置；
以所述中心位置为固定点，将对齐后的当前帧人脸图像的尺寸调整至与所述参考脸图像的尺寸相同。
5.根据权利要求4所述的方法，其特征在于，所述以所述中心位置为固定点，将对齐后的当前帧人脸图像的尺寸调整至与所述参考脸图像的尺寸相同包括：
以所述中心位置为固定点，将对齐后的当前帧人脸图像进行放缩和/或平移处理，其中，放缩和/或平移处理后的当前帧人脸图像的尺寸与所述参考脸图像的尺寸相同。
6.根据权利要求5所述的方法，其特征在于，将对齐后的当前帧人脸图像进行放缩处理包括：
确定对齐后的当前帧人脸图像的包围框；
获取所述参考脸图像的包围框；
根据对齐后的当前帧人脸图像的包围框和所述参考脸图像的包围框，确定放缩值；
根据所述放缩值将对齐后的当前帧人脸图像进行放缩处理。
7.根据权利要求1至6中任一项所述的方法，其特征在于，在所述将所述全量关键点与预设的参考脸图像的关键点对齐之前，所述方法还包括：
获取人脸图像的训练样本；
针对所述训练样本中的每一张人脸图像，以眼角点为基础进行旋转转正；
将转正后的每一张人脸图像的尺寸调整至与预设的模板图相同的尺寸；
以调整后的每一张人脸图像的中心为基础，将调整后的每一张人脸图像的中心移动至预设的模板图的中心；
根据移动后的各人脸图像生成所述参考脸图像。
8.一种人脸图像的显示装置，其特征在于，所述装置包括：
第一获取模块，用于获取当前帧人脸图像的全量关键点；
对齐模块，用于将所述全量关键点与预设的参考脸图像的关键点对齐，得到对齐后的当前帧人脸图像；
第一调整模块，用于根据所述对齐后的当前帧人脸图像的中心和所述参考脸图像，调整对齐后的当前帧人脸图像的尺寸；
输出模块，用于根据调整后的当前帧人脸图像输出下一帧人脸图像。
9.根据权利要求8所述的装置，其特征在于，所述对齐模块用于，确定所述全量关键点与所述参考脸图像的关键点之间的位置转换信息，根据所述位置转换信息将所述全量关键点与所述参考脸图像的关键点对齐。
10.根据权利要求9所述的装置，其特征在于，所述对齐模块用于，确定所述全量关键点的坐标与所述参考脸图像的关键点的坐标之间的，旋转信息和平移信息，从所述旋转信息和所述平移信息中，选取最小欧式距离的旋转参数和平移参数，其中，所述位置转换信息包括所述旋转参数和所述平移参数。
11.根据权利要求8所述的装置，其特征在于，所述第一调整模块用于，将所述中心移动至所述参考脸图像的中心位置，以所述中心位置为固定点，将对齐后的当前帧人脸图像的尺寸调整至与所述参考脸图像的尺寸相同。
12.根据权利要求11所述的装置，其特征在于，所述第一调整模块用于，以所述中心位置为固定点，将对齐后的当前帧人脸图像进行放缩和/或平移处理，其中，放缩和/或平移处理后的当前帧人脸图像的尺寸与所述参考脸图像的尺寸相同。
13.根据权利要求12所述的装置，其特征在于，所述第一调整模块用于，确定对齐后的当前帧人脸图像的包围框，获取所述参考脸图像的包围框，根据对齐后的当前帧人脸图像的包围框和所述参考脸图像的包围框，确定放缩值，根据所述放缩值将对齐后的当前帧人脸图像进行放缩处理。
14.根据权利要求8至13中任一项所述的装置，其特征在于，所述装置还包括：
第二获取模块，用于获取人脸图像的训练样本；
旋转模块，用于针对所述训练样本中的每一张人脸图像，以眼角点为基础进行旋转转正；
第二调整模块，用于将转正后的每一张人脸图像的尺寸调整至与预设的模板图相同的尺寸；
移动模块，用于以调整后的每一张人脸图像的中心为基础，将调整后的每一张人脸图像的中心移动至预设的模板图的中心；
生成模块，用于根据移动后的各人脸图像生成所述参考脸图像。
15.一种电子设备，其特征在于，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，
所述存储器存储有可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权利要求1-7中任一项所述的方法。
16.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010584454.3A CN111667518B (zh) | 2020-06-24 | 2020-06-24 | 人脸图像的显示方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010584454.3A CN111667518B (zh) | 2020-06-24 | 2020-06-24 | 人脸图像的显示方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111667518A true CN111667518A (zh) | 2020-09-15 |
| CN111667518B CN111667518B (zh) | 2023-10-31 |
Family
ID=72389735
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010584454.3A Active CN111667518B (zh) | 2020-06-24 | 2020-06-24 | 人脸图像的显示方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111667518B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112381729A (zh) * | 2020-11-12 | 2021-02-19 | 广州繁星互娱信息科技有限公司 | 图像处理方法、装置、终端及存储介质 |
| CN112613446A (zh) * | 2020-12-29 | 2021-04-06 | 贝壳技术有限公司 | 一种人脸对齐的方法、装置、电子设备及存储介质 |
| CN113674139A (zh) * | 2021-08-17 | 2021-11-19 | 北京京东尚科信息技术有限公司 | 人脸图像的处理方法、装置、电子设备及存储介质 |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103577815A (zh) * | 2013-11-29 | 2014-02-12 | 中国科学院计算技术研究所 | 一种人脸对齐方法和系统 |
| CN105320921A (zh) * | 2014-07-31 | 2016-02-10 | 腾讯科技（深圳）有限公司 | 双眼定位方法及双眼定位装置 |
| CN105956579A (zh) * | 2016-05-27 | 2016-09-21 | 国创科视科技股份有限公司 | 融合模糊模板和点特征的手指静脉快速识别方法 |
| WO2017070790A1 (en) * | 2015-10-29 | 2017-05-04 | Novadaq Technologies Inc. | Methods and systems for alignment of a subject for medical imaging |
| CN107767335A (zh) * | 2017-11-14 | 2018-03-06 | 上海易络客网络技术有限公司 | 一种基于人脸识别特征点定位的图像融合方法及系统 |
| CN107945219A (zh) * | 2017-11-23 | 2018-04-20 | 翔创科技（北京）有限公司 | 脸部图像对齐方法、计算机程序、存储介质及电子设备 |
| CN108062545A (zh) * | 2018-01-30 | 2018-05-22 | 北京搜狐新媒体信息技术有限公司 | 一种人脸对齐的方法及装置 |
| US20190005305A1 (en) * | 2017-06-30 | 2019-01-03 | Beijing Kingsoft Internet Security Software Co., Ltd. | Method for processing video, electronic device and storage medium |
| CN109961006A (zh) * | 2019-01-30 | 2019-07-02 | 东华大学 | 一种低像素多目标人脸检测和关键点定位方法以及对齐方法 |
| CN110334587A (zh) * | 2019-05-23 | 2019-10-15 | 北京市威富安防科技有限公司 | 人脸关键点定位模型的训练方法、装置及关键点定位方法 |
| CN110688948A (zh) * | 2019-09-26 | 2020-01-14 | 北京百度网讯科技有限公司 | 视频中人脸性别变换方法、装置、电子设备和存储介质 |
| US20200042769A1 (en) * | 2017-04-14 | 2020-02-06 | Shenzhen Sensetime Technology Co., Ltd. | Face image processing methods and apparatuses, and electronic devices |
| CN110941332A (zh) * | 2019-11-06 | 2020-03-31 | 北京百度网讯科技有限公司 | 表情驱动方法、装置、电子设备及存储介质 |
| CN111144207A (zh) * | 2019-11-21 | 2020-05-12 | 东南大学 | 一种基于多模态信息感知的人体检测和跟踪方法 |
-
2020
- 2020-06-24 CN CN202010584454.3A patent/CN111667518B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103577815A (zh) * | 2013-11-29 | 2014-02-12 | 中国科学院计算技术研究所 | 一种人脸对齐方法和系统 |
| CN105320921A (zh) * | 2014-07-31 | 2016-02-10 | 腾讯科技（深圳）有限公司 | 双眼定位方法及双眼定位装置 |
| WO2017070790A1 (en) * | 2015-10-29 | 2017-05-04 | Novadaq Technologies Inc. | Methods and systems for alignment of a subject for medical imaging |
| CN105956579A (zh) * | 2016-05-27 | 2016-09-21 | 国创科视科技股份有限公司 | 融合模糊模板和点特征的手指静脉快速识别方法 |
| US20200042769A1 (en) * | 2017-04-14 | 2020-02-06 | Shenzhen Sensetime Technology Co., Ltd. | Face image processing methods and apparatuses, and electronic devices |
| US20190005305A1 (en) * | 2017-06-30 | 2019-01-03 | Beijing Kingsoft Internet Security Software Co., Ltd. | Method for processing video, electronic device and storage medium |
| CN107767335A (zh) * | 2017-11-14 | 2018-03-06 | 上海易络客网络技术有限公司 | 一种基于人脸识别特征点定位的图像融合方法及系统 |
| CN107945219A (zh) * | 2017-11-23 | 2018-04-20 | 翔创科技（北京）有限公司 | 脸部图像对齐方法、计算机程序、存储介质及电子设备 |
| CN108062545A (zh) * | 2018-01-30 | 2018-05-22 | 北京搜狐新媒体信息技术有限公司 | 一种人脸对齐的方法及装置 |
| CN109961006A (zh) * | 2019-01-30 | 2019-07-02 | 东华大学 | 一种低像素多目标人脸检测和关键点定位方法以及对齐方法 |
| CN110334587A (zh) * | 2019-05-23 | 2019-10-15 | 北京市威富安防科技有限公司 | 人脸关键点定位模型的训练方法、装置及关键点定位方法 |
| CN110688948A (zh) * | 2019-09-26 | 2020-01-14 | 北京百度网讯科技有限公司 | 视频中人脸性别变换方法、装置、电子设备和存储介质 |
| CN110941332A (zh) * | 2019-11-06 | 2020-03-31 | 北京百度网讯科技有限公司 | 表情驱动方法、装置、电子设备及存储介质 |
| CN111144207A (zh) * | 2019-11-21 | 2020-05-12 | 东南大学 | 一种基于多模态信息感知的人体检测和跟踪方法 |
Non-Patent Citations (8)
| Title |
|---|
| JIANKANG DENG 等: "Single-Stage Joint Face Detection and Alignment", 《2019 IEEE/CVF INTERNATIONAL CONFERENCE ON COMPUTER VISION WORKSHOP (ICCVW)》 * |
| JIANKANG DENG 等: "Single-Stage Joint Face Detection and Alignment", 《2019 IEEE/CVF INTERNATIONAL CONFERENCE ON COMPUTER VISION WORKSHOP (ICCVW)》, 5 March 2020 (2020-03-05), pages 1836 - 1839 * |
| VAHID KAZEMI 等: "One Millisecond Face Alignment with an Ensemble of Regression Trees", 《CVF》, pages 1 - 8 * |
| 吴思: "遮挡和姿态鲁棒的人脸关键点定位技术研究", 《中国优秀硕士学位论文全文数据库信息科技辑》, no. 06, pages 138 - 528 * |
| 李雯: "基于改进HOG的SDM人脸对齐算法及其形状优化研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
| 李雯: "基于改进HOG的SDM人脸对齐算法及其形状优化研究", 《中国优秀硕士学位论文全文数据库信息科技辑》, no. 2020, 15 January 2020 (2020-01-15), pages 138 - 2095 * |
| 翟晓伟: "基于级联神经网络的人脸检测与识别算法实现", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
| 翟晓伟: "基于级联神经网络的人脸检测与识别算法实现", 《中国优秀硕士学位论文全文数据库信息科技辑》, no. 2020, 15 April 2020 (2020-04-15), pages 138 - 397 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112381729A (zh) * | 2020-11-12 | 2021-02-19 | 广州繁星互娱信息科技有限公司 | 图像处理方法、装置、终端及存储介质 |
| CN112613446A (zh) * | 2020-12-29 | 2021-04-06 | 贝壳技术有限公司 | 一种人脸对齐的方法、装置、电子设备及存储介质 |
| CN112613446B (zh) * | 2020-12-29 | 2023-03-31 | 贝壳技术有限公司 | 一种人脸对齐的方法、装置、电子设备及存储介质 |
| CN113674139A (zh) * | 2021-08-17 | 2021-11-19 | 北京京东尚科信息技术有限公司 | 人脸图像的处理方法、装置、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111667518B (zh) | 2023-10-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111667518B (zh) | 人脸图像的显示方法、装置、电子设备及存储介质 | |
| US11625841B2 (en) | Localization and tracking method and platform, head-mounted display system, and computer-readable storage medium | |
| CN111738162A (zh) | 人脸图像的显示方法、装置、电子设备及存储介质 | |
| CN111722245B (zh) | 定位方法、定位装置和电子设备 | |
| CN111783605B (zh) | 一种人脸图像识别方法、装置、设备及存储介质 | |
| CN111693147A (zh) | 温度补偿的方法、装置、电子设备及计算机可读存储介质 | |
| CN111612852A (zh) | 用于验证相机参数的方法和装置 | |
| CN111695517B (zh) | 图像的表格提取方法、装置、电子设备及存储介质 | |
| US10769795B2 (en) | Image processing method and device | |
| CN111291218B (zh) | 视频融合方法、装置、电子设备及可读存储介质 | |
| CN111784757A (zh) | 深度估计模型的训练方法、深度估计方法、装置及设备 | |
| US20220366717A1 (en) | Sensor-based Bare Hand Data Labeling Method and System | |
| CN112241716B (zh) | 训练样本的生成方法和装置 | |
| CN115239888B (zh) | 用于重建三维人脸图像的方法、装置、电子设备和介质 | |
| CN112102417A (zh) | 确定世界坐标的方法和装置及用于车路协同路侧相机的外参标定方法 | |
| CN110705551B (zh) | 按键位置的识别方法、装置、电子设备和存储介质 | |
| CN111507924A (zh) | 视频帧的处理方法和装置 | |
| CN112767541B (zh) | 三维重建方法及装置、电子设备和存储介质 | |
| CN106875450B (zh) | 用于相机重定位的训练集优化方法及装置 | |
| CN112116548A (zh) | 人脸图像的合成方法、装置 | |
| CN111767110A (zh) | 图像处理方法、装置、系统、电子设备及存储介质 | |
| CN111915642A (zh) | 图像样本的生成方法、装置、设备和可读存储介质 | |
| CN113052753A (zh) | 全景拓扑结构的生成方法、装置、设备及可读存储介质 | |
| CN115908218A (zh) | Xr场景的第三视角拍摄方法、装置、设备以及存储介质 | |
| WO2015045679A1 (ja) | 情報機器および制御プログラム |
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 |