CN112102348A - 图像处理设备 - Google Patents
图像处理设备 Download PDFInfo
- Publication number
- CN112102348A CN112102348A CN202010847522.0A CN202010847522A CN112102348A CN 112102348 A CN112102348 A CN 112102348A CN 202010847522 A CN202010847522 A CN 202010847522A CN 112102348 A CN112102348 A CN 112102348A
- Authority
- CN
- China
- Prior art keywords
- skin color
- color
- skin
- target
- template
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 14
- 239000013598 vector Substances 0.000 claims description 54
- 238000000034 method Methods 0.000 claims description 27
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 2
- 230000001815 facial effect Effects 0.000 claims 2
- 238000004364 calculation method Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000013461 design Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 241000209140 Triticum Species 0.000 description 1
- 235000021307 Triticum Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012549 training Methods 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
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/77—Retouching; Inpainting; Scratch removal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
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
本发明实施例涉及人脸识别技术领域,公开了一种图像处理设备,该图像处理设备执行以下方法步骤:获取待识别人脸图像;确定待识别人脸图像中的多个肤色候选区域;确定第一肤色候选区域在亮度通道上的像素值的最大值和最小值;确定第一肤色候选区域中像素值大于第一均值的像素点的第一像素点数和像素值小于第一均值的像素点的第二像素点数,第一均值为最大值与最小值的均值;根据第一像素点数和第二像素点数对第一肤色候选区域进行亮度调整;根据亮度调整后的各肤色候选区域确定待识别人脸图像的肤色。通过上述方式,本发明实施例实现了肤色识别。
Description
技术领域
本发明实施例涉及人脸识别技术领域,具体涉及一种图像处理设备。
背景技术
人脸图像包含人脸特征信息,因此,人脸图像是人脸识别的依据。
随着人们生活物质水平的提高,人们对于个人形象设计方面的需求快速增加。为用户选择合适的粉底色号、妆容以及配饰等需要依据用户的肤色,因此快速准确获取用户的肤色是对用户进行个人形象设计的基础。
目前人脸肤色的识别主要通过分割出人脸有效区域,对人脸有效区域设置阈值进行肤色识别。这种方式确定的肤色容易受到光照因素的影响,使得肤色识别不准确。
发明内容
鉴于上述问题,本发明实施例提供了一种图像处理设备,用于解决现有技术中存在的肤色确定受光照影响不准确的问题。
根据本发明实施例的提供了一种图像处理设备,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行以下步骤:
获取待识别人脸图像;
确定所述待识别人脸图像中的多个肤色候选区域,所述多个肤色候选区域分别为所述人脸图像中不受外物遮挡的不同脸部区域;
确定第一肤色候选区域在亮度通道上的像素值的最大值和最小值;其中,所述第一肤色候选区域为所述多个肤色候选区域中的任一个肤色候选区域;
确定所述第一肤色候选区域中像素值大于第一均值的像素点的第一像素点数和像素值小于所述第一均值的像素点的第二像素点数,所述第一均值为所述最大值与所述最小值的均值;
根据所述第一像素点数和所述第二像素点数对所述第一肤色候选区域进行亮度调整;
根据亮度调整后的各肤色候选区域确定所述待识别人脸图像的肤色。
本发明实施例具有如下有益效果:
通过确定各肤色候选区域在亮度通道上的像素值的最大值和最小值,根据各肤色候选区域的最大值和最小值的均值确定各肤色候选区域中的第一像素点数和第二像素点数,根据第一像素点数和第二像素点数对各肤色候选区域在亮度通道上的像素值进行调整,得到各肤色区域在亮度通道上的调整像素值,根据调整像素值确定待识别人脸图像对应的肤色。不同的人脸图像的各肤色候选区域的像素值的最大值和最小值不同,得到的第一像素点数和第二像素点数也不同,根据第一像素点数和第二像素点数对各肤色候选区域进行亮度调整可以实现对待识别人脸图像的各肤色候选区域进行针对性调整,各肤色候选区域像素调整效果更好;且通过像素调整对各像素点的亮度值进行了均衡,避免过亮或过暗的像素点对肤色识别的影响,根据调整后的像素值确定的肤色更加准确。
上述说明仅是本发明实施例技术方案的概述,为了能够更清楚了解本发明实施例的技术手段,而可依照说明书的内容予以实施,并且为了让本发明实施例的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
附图仅用于示出实施方式,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了本发明实施例中图像处理设备的硬件结构示意图;
图2示出了本发明实施例提供的一种肤色识别的方法的流程示意图;
图3示出了本发明实施例提供的一种肤色识别的方法中肤色候选区域的确定示意图;
图4示出了本发明另一实施例提供的一种肤色识别方法中肤色确定的流程示意图;
图5示出了本方另一实施例提供的一种肤色识别方法中肤色确定的流程示意图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。
本发明实施例提供一种图像处理设备,请参阅图1所示,图1为本发明实施例提供的一种图像处理设备的硬件结构图,其中,所述图像处理设备100可以是任何类型,具有运算能力的电子设备,例如:智能手机、计算机、掌上电脑、平板电脑等。
具体地,如图1所示,所述图像处理设备100包括一个或多个处理器102以及存储器104。图1中以一个处理器102为例。处理器102和存储器104可以通过总线或者其他方式连接,图1中以通过总线连接为例。
存储器104作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块,如肤色识别的方法对应的程序、指令以及模块。处理器102通过运行存储在存储器104中的非易失性软件程序、指令以及模块,从而执行电子设备的各种功能应用以及数据处理,即实现肤色识别的方法。
存储器104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图像处理装置使用所创建的数据等。此外,存储器104可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中,存储器104可选包括相对于处理器102远程设置的存储器,这些远程存储器可以通过网络连接至图像处理设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
本发明实施例中,存储器104用于存储肤色识别的方法的计算机实现程序,处理器102用于读取和执行计算机可读指令。具体的,处理器102可用于调用存储于存储器104中的肤色识别的方法的计算机实现程序,并执行该计算机实现程序中包含的指令,从而执行有关于肤色识别的方法的方法步骤。有关于处理器104执行的肤色识别的方法的方法步骤,可参见下述图2-图5的描述。
图2示出了本发明实施例的一种肤色识别的方法流程图。如图2所示,该方法包括以下步骤:
步骤210:获取待识别人脸图像。
其中,待识别人脸图像是指需要进行肤色识别的人脸图像。待识别人脸图像可以人为输入也可以通过图像采集设备现场采集。例如,通过摄像头对待识别人脸图像进行采集。为了便于获取到合适大小的人脸图像,摄像头的拍摄区域可以设置人脸轮廓,提示用户调整拍摄角度和距离。
步骤220:确定待识别人脸图像中的多个肤色候选区域。
在本步骤中,待识别人脸图像中的多个肤色候选区域分别为人脸图像中不受外物遮挡的不同脸部区域,例如脸颊区域、下巴区域等。本发明实施例并不限定在待识别人脸图像中确定肤色候选区域的具体方式以及确定的肤色候选区域的数量。例如,在一种具体的实施方式中,可以通过预先标注有多个肤色候选区域的多张训练人脸图像训练目标识别模型,得到肤色候选区域识别模型,通过该肤色候选区域识别模型可以得到肤色候选区域。
在另外一种实施方式中,通过人脸关键点匹配算法得到待识别人脸图像对应的多个关键点,根据多个关键点构建多个肤色候选区域。其中,构建肤色候选区域的关键点是预先设定的,构建的各肤色候选区域受光照影响较小。以人脸关键点匹配算法得到的人脸关键点为68个关键点为例,68个关键点的排布如图3所示,在图3中,根据1号关键点、2号关键点、28号关键点和30号关键点构建左脸区域的一个肤色候选区域。根据28号关键点、30号关键点、15号关键点和14号关键点构建右脸区域的一个肤色候选区域。根据58号关键点、57号关键点、7号关键点和8号关键点构建左下巴区域的一个肤色候选区域。根据56号关键点、57号关键点、8号关键点和9号关键点构建右下巴区域的一个肤色候选区域。应理解,上述选取的关键点及肤色候选区域的数量只是一个具体示例,并不构成对本发明实施例的限定。本领域技术人员在通过人脸关键点确定多个肤色候选区域时可以自定义关键点确定相应的肤色候选区域,也可以对确定的肤色候选区域的数量进行相应调整。
步骤230:确定第一肤色候选区域在亮度通道上的像素值的最大值和最小值。
在本步骤中,第一肤色候选区域是多个肤色候选区域中的任一个肤色候选区域。亮度通道为目标颜色空间下的一个通道,目标颜色空间下有多个通道,每一个通道表征肤色候选区域的一个色彩特征,亮度通道所表征的肤色候选区域的色彩特征为亮度特征。其中,目标颜色空间可以是任意一种颜色空间,本发明实施例并不对颜色空间的具体类型进行限定。例如,目标颜色空间是YCrCb颜色空间,在YCrCb颜色空间下Y通道为亮度通道。YCrCb颜色空间下的颜色向量能够将肤色候选区域中的亮度特征通过亮度通道独立出来,便于对亮度特征进行调整。
应理解,同一个肤色候选区域在各个通道上对应的像素值不同。例如,一个肤色候选区域中同一个像素点在亮度通道上的像素值可能是35,在色彩通道上的像素值可能是45。根据各肤色候选区域在亮度通道上的像素值确定在亮度通道上各肤色候选区域的所有像素点中像素值的最大值和最小值。例如,对于YCrCb颜色空间,在确定亮度通道上的像素值的最大值和最小值时,仅考虑各肤色候选区域在Y通道上的像素值。
步骤240:确定第一肤色候选区域中像素值大于第一均值的像素点的第一像素点数和像素值小于第一均值的像素点的第二像素点数,第一均值为最大值和最小值的均值。
在本步骤中,第一肤色候选区域对应的最大值和最小值的第一均值为μ=(Imax+Imin)/2,其中,Imax表示第一肤色候选区域在亮度通道上的像素值的最大值,Imin表示第一肤色候选区域在亮度通道上的像素值的最小值。第一均值消除了第一肤色候选区域中像素值过大或过小的影响,因此,第一均值可以作为第一肤色候选区域各像素点的像素值的标准值,即,第一肤色候选区域对应的最大值和最小值的第一均值为第一肤色候选区域中各像素点的亮度理想值。
第一像素点数是像素值大于第一均值的像素点的个数,用于表征第一肤色候选区域中像素值偏大,导致第一肤色候选区域亮度大的像素点的数量。第二像素点数是像素值小于第一均值的像素点的个数,用于表征第一肤色候选区域中像素值偏小,导致第一肤色候选区域亮度小的像素点的数量。
步骤250:根据第一像素点数和第二像素点数对第一肤色候选区域进行亮度调整。
在本步骤中,根据公式计算第一肤色候选区域在亮度通道上的调整像素值;其中,Si表示第一肤色候选区域中的第i个像素值,M表示第一像素点数,N表示第二像素点数。上述公式是根据伽马变换的图像增强原理得到的。在伽马变换中,调整后的像素值为:当γ>1时,得到的调整后的像素值对整体图像的亮度进行抑制,γ值越大,抑制效果越强;当γ<1时,得到的调整后的像素值对整体图像的亮度进行提升,γ值越大,提升效果越强。本发明实施例将第一像素点数和第二像素点数的比值作为γ值,第一像素点数大于第二像素点数时,待识别人脸图像偏亮,第一像素点数和第二像素点数的比值大于1,可以对亮度进行抑制。第一像素点数小于第二像素点数时,肤色候选区域偏暗,第一像素点数和第二像素点数的比值小于1,可以对亮度进行增强。通过上述调整方式,对不同的待识别人脸图像的各肤色候选区域可以进行动态调整,相较于现有伽马变化中通过固定的γ值进行像素调整,本发明实施例的像素调整效果更好,确定的肤色更加准确。
步骤260:根据亮度调整后的各肤色候选区域确定待识别人脸图像的肤色。
在本步骤中,根据亮度调整后的各肤色候选区域确定待识别人脸图像的肤色的方法可以为任意一种肤色识别方法。
本发明实施例确定各肤色候选区域在亮度通道上的像素值的最大值和最小值,根据各肤色候选区域的最大值和最小值的均值确定各肤色候选区域中的第一像素点数和第二像素点数,根据第一像素点数和第二像素点数对各肤色候选区域在亮度通道上的像素值进行调整,得到各肤色区域在亮度通道上的调整像素值,根据调整像素值确定待识别人脸图像对应的肤色。不同的人脸图像的各肤色候选区域的像素值的最大值和最小值不同,得到的第一像素点数和第二像素点数也不同,根据第一像素点数和第二像素点数对各肤色候选区域进行亮度调整可以实现对待识别人脸图像的各肤色候选区域进行针对性调整,各肤色候选区域像素调整效果更好;且通过像素调整对各像素点的亮度值进行了均衡,避免过亮或过暗的像素点对肤色识别的影响,根据调整后的像素值确定的肤色更加准确。
在一些实施例中,根据亮度调整后的各肤色候选区域确定待识别人脸图像的肤色进一步包括如图4所示的以下步骤:
步骤310:计算亮度调整后的第一肤色候选区域在目标颜色空间下的目标颜色向量。
在本步骤中,目标颜色向量用于表征肤色候选区域在目标颜色空间下的各通道上的色彩特征。目标颜色空间包括亮度通道,目标颜色空间下的一个通道对应有一个色彩特征。例如,亮度通道对应有一个亮度特征。在一些实施例中,一个肤色候选区域对应的目标颜色向量P=[CY,CCr,CCb],其中,CY,CCr,CCb分别表示一个肤色候选区域的所有像素点在Y通道、Cr通道、Cb通道上的均值。其中,Y通道为亮度通道。其中,
在上述公式中,M*N表示一个肤色候选区域的大小,CYi表示该肤色候选区域在Y通道上的第i个像素点,CCri表示该肤色候选区域在Cr通道上的第i个像素点,CCbi表示该肤色候选区域在Cb通道上的第i个像素点。
应理解,上述根据各通道的像素点均值确定各肤色候选区域对应的目标颜色向量只是本发明一个具体实施例中的一种实现方式。通过各通道的像素点均值确定目标颜色向量综合考虑了各通道的所有像素点,确定的目标颜色向量更能准确的表示肤色候选区域在各通道的色彩特征。在另外一些实施例中,也可以通过各通道的像素点中位数、众数等统计特征量表示。
步骤320:根据多个肤色候选区域在目标颜色空间下的目标颜色向量与预设的多个肤色模板各自对应的模板颜色向量,确定待识别人脸图像的肤色。
在本步骤中,一个模板颜色向量用于表征一个肤色模板在目标颜色空间下的各通道上的色彩特征,一个肤色模板对应一种肤色。模板颜色向量的计算方法与目标颜色向量的计算方法相同,请参阅步骤310中目标颜色向量的计算方法,为了描述简洁,在此不做赘述。
根据计算得到的各肤色模板对应的模板颜色向量和各肤色候选区域的目标颜色向量确定与各肤色候选区域最相似的肤色模板,将该肤色模板对应的肤色作为待识别人脸图像对应的肤色。在一种具体的实施方式中,计算每一个肤色候选区域的目标颜色向量与各个肤色模板的颜色向量的相似距离,将相似距离最小值对应的肤色模板作为该肤色候选区域对应的肤色模板。与各个肤色候选区域相似度最小的肤色模板中出现频次最高的肤色模板作为与各肤色候选区域最相似的肤色模板。例如,肤色候选区域共有四个,分别用第一肤色候选区域、第二肤色候选区域、第三肤色候选区域和第四肤色候选区域表示。肤色模板有五个,分别用第一肤色模板至第五肤色模板表示。与第一肤色候选区域至第四肤色候选区域相似距离最小的肤色模板分别为第一肤色模板、第二肤色模板、第一肤色模板、第一肤色模板。则与四个肤色候选区域的相似距离最小的肤色模板中出现频次最高的是第一肤色模板,则将第一肤色模板作为与各肤色候选区域最相似的肤色模板。
在一些实施例中,如果与各肤色候选区域相似距离最小的肤色模板中出现频次最高的肤色模板为至少两个,则将与任一个肤色候选区域相似距离最小的肤色模板作为与各肤色候选区域最相似的肤色模板。
在本发明实施例中,任一个目标颜色向量和任一个模板颜色向量之间的相似距离为:其中,该肤色模板的颜色向量T=[CY',CCr',CCb'],其中,CY',CCr',CCb'分别表示目标肤色候选区域的所有像素点在Y通道、Cr通道、Cb通道上的均值。
本发明实施例通过肤色候选区域的目标颜色向量与肤色模板的模板颜色向量之间的相似度确定了待识别人脸图像的肤色,由于目标颜色向量包括肤色候选区域在各个通道上的颜色特征,模板颜色向量包括肤色模板在各个通道上的颜色特征,通过目标颜色向量和模板颜色向量确定的待识别人脸图像的肤色更加准确。
在一些实施例中,各肤色模板对应的模板颜色向量值是根据各肤色模板对应的多张肤色图像计算得到的。具体的,计算每一个肤色模板对应的多张肤色图像中每一张肤色图像的颜色向量值;将同一个肤色模板对应的多张肤色图像的颜色向量值的均值作为该肤色模板对应的颜色向量值。假设其中一个肤色模板对应的肤色图像为K张,每一个肤色图像的大小为M*N,以YCrCb颜色空间下的颜色向量计算为例,该肤色模板的颜色向量T=[CY',CCr',CCb'],其中,CY',CCr',CCb'分别表示目标肤色候选区域的所有像素点在Y通道、Cr通道、Cb通道上的均值。
其中,CYi'表示肤色图像在Y通道上的第i个像素点,CCri'表示肤色图像在Cr通道上的第i个像素点,CCbi'表示肤色图像在Cb通道上的第i个像素点。
通过本发明实施例,每一个肤色模板的模板颜色向量均综合了多张肤色图像的色彩特征,避免了一张肤色图像作为肤色模板的随机性,得到的模板颜色向量更加准确。
在一些实施例中,确定待识别人脸图像的肤色包括如图5所示的以下步骤:
步骤410:计算亮度调整后的第一肤色候选区域在目标颜色空间下的目标颜色向量。
步骤420:计算多个肤色候选区域在目标颜色空间下的目标颜色向量的均值,以得到第二均值。
在本步骤中,每一个肤色候选区域得到一个目标颜色向量,多个目标颜色向量计算均值得到第二均值。假设确定的肤色候选区域有四个,四个肤色候选区域得到的目标颜色向量分别为P1、P2、P3、P4,四个目标颜色向量的均值
步骤430:计算第二均值与多个肤色模板各自对应的肤色模板颜色向量之间的相似度。
在本步骤中,第二均值与多个肤色模板各自对应的肤色模板颜色向量之间的相似度通过第二均值与各肤色模板颜色向量之间的相似距离确定。假设其中一个肤色模板的模板颜色向量为T=[CY',CCr',CCb'],则第二均值与该肤色模板之间的相似距离为:
步骤440:根据与第二均值的相似度最高的前N个肤色模板确定待识别人脸图像对应的肤色。
在本步骤中,一个肤色模板对应一种肤色类别里的一种肤色,一种肤色类别包括多种肤色。根据前N个肤色模板各自所属的肤色类别确定包含前N各肤色模板中的肤色模板数量最多的目标肤色类别。例如,在一种具体的实施方式中,肤色类别包括透白、白皙、自然、小麦、暗沉和黝黑6种,N=5,前5个肤色模板各自所属的肤色类别中3个肤色模板所属的肤色类别为白皙,2个目标肤色模板所属的肤色类别为自然,则包含目标肤色类别最多的目标肤色类别为白皙。
在目标肤色类别包含的肤色模板中确定与第二均值的相似度最大的目标肤色模板,并将目标肤色模板对应的肤色作为待识别人脸图像对应的肤色。假设确定的目标肤色类别为白皙,目标肤色类别包含的前N个肤色模板共3个,分别用1号、2号、3号表示,假设1号肤色模板对应的相似距离最小,则将1号肤色模板对应的肤色作为待识别人脸图像对应的肤色。
本发明实施例在确定待识别人脸图像的肤色时,确定的相似度最高的N个肤色模板,根据N个肤色模板确定肤色类别,进而根据肤色类别中各肤色模板对应的相似距离确定待识别人脸图像对应的肤色。通过上述方式,避免了直接根据一个最小相似距离确定待识别人脸图像对应的肤色造成的误差,确定的肤色更加准确。
在此提供的算法或显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本发明实施例也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本发明并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明实施例的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。
本领域技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。上述实施例中的步骤,除有特殊说明外,不应理解为对执行顺序的限定。
Claims (7)
1.一种图像处理设备,其特征在于,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行以下步骤:
获取待识别人脸图像;
确定所述待识别人脸图像中的多个肤色候选区域,所述多个肤色候选区域分别为所述人脸图像中不受外物遮挡的不同脸部区域;
确定第一肤色候选区域在亮度通道上的像素值的最大值和最小值;其中,所述第一肤色候选区域为所述多个肤色候选区域中的任一个肤色候选区域;
确定所述第一肤色候选区域中像素值大于第一均值的像素点的第一像素点数和像素值小于所述第一均值的像素点的第二像素点数,所述第一均值为所述最大值与所述最小值的均值;
根据所述第一像素点数和所述第二像素点数对所述第一肤色候选区域进行亮度调整;
根据亮度调整后的各肤色候选区域确定所述待识别人脸图像的肤色。
2.根据权利要求1所述的设备,其特征在于,所述处理器在执行所述确定所述待识别人脸图像中的多个肤色候选区域的步骤的过程中,具体执行以下步骤:
根据预设人脸关键点匹配算法得到所述待识别人脸图像对应的多个关键点;
根据所述多个关键点构建多个肤色候选区域。
4.根据权利要求1-3任一项所述的设备,其特征在于,所述处理器在执行所述根据亮度调整后的各肤色候选区域确定所述待识别人脸图像的肤色的步骤的过程中,具体执行以下步骤:
计算亮度调整后的第一肤色候选区域在目标颜色空间下的目标颜色向量,所述目标颜色向量用于表征所述调整后的第一肤色候选区域在目标颜色空间下的各通道上的色彩特征,所述目标颜色空间包括所述亮度通道;
根据所述多个肤色候选区域在所述目标颜色空间下的目标颜色向量,与预设的多个肤色模板各自对应的模板颜色向量,确定所述待识别人脸图像的肤色,一个模板颜色向量用于表征一个肤色模板在所述目标颜色空间下的各通道上的色彩特征,一个肤色模板对应一种肤色。
5.根据权利要求4所述的设备,其特征在于,所述处理器在执行所述根据所述多个肤色候选区域在所述目标颜色空间下的目标颜色向量,与预设的多个肤色模板各自对应的模板颜色向量,确定所述待识别人脸图像的肤色的步骤之前,还用于执行以下步骤:
获取每一个肤色模板对应的多张肤色图像;
计算每一张肤色图像在所述目标颜色空间下的各通道上的色彩特征,以得到所述每一张肤色图像的颜色向量;
计算同一个肤色模板对应的多张肤色图像的颜色向量的均值,以得到各肤色模板对应的颜色向量。
6.根据权利要求4所述的设备,其特征在于,所述处理器在执行所述根据所述多个肤色候选区域在所述目标颜色空间下的目标颜色向量,与预设的多个肤色模板各自对应的模板颜色向量,确定所述待识别人脸图像的肤色的步骤的过程中,具体执行以下步骤:
计算所述多个肤色候选区域在目标颜色空间下的目标颜色向量的均值,以得到第二均值;
计算所述第二均值与所述多个肤色模板各自对应的模板颜色向量之间的相似度;
根据与所述第二均值的相似度最高的前N个肤色模板确定所述待识别人脸图像对应的肤色;其中,N为大于0的自然数。
7.根据权利要求6所述的设备,其特征在于,一个肤色模板对应一种肤色类别里的一种肤色,一种肤色类别包括多种肤色;
所述处理器在执行所述根据与所述第二均值的相似度最高的前N个肤色模板确定所述待识别人脸图像对应的肤色的步骤的过程中,具体执行以下步骤:
根据所述前N个肤色模板各自所属的肤色类别,确定包含所述前N个肤色模板中的肤色模板数量最多的目标肤色类别;
在所述目标肤色类别包含的肤色模板中确定与所述第二均值的相似度最大的目标肤色模板,并将所述目标肤色模板对应的肤色作为所述待识别人脸图像对应的肤色。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010847522.0A CN112102348A (zh) | 2020-08-21 | 2020-08-21 | 图像处理设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010847522.0A CN112102348A (zh) | 2020-08-21 | 2020-08-21 | 图像处理设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112102348A true CN112102348A (zh) | 2020-12-18 |
Family
ID=73754144
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010847522.0A Pending CN112102348A (zh) | 2020-08-21 | 2020-08-21 | 图像处理设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112102348A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113128416A (zh) * | 2021-04-23 | 2021-07-16 | 领途智造科技(北京)有限公司 | 一种能识别肤色的面部识别方法及装置 |
CN113674366A (zh) * | 2021-07-08 | 2021-11-19 | 北京旷视科技有限公司 | 皮肤颜色的识别方法、装置和电子设备 |
CN114095656A (zh) * | 2021-11-17 | 2022-02-25 | 维沃移动通信有限公司 | 图像处理方法、装置及电子设备 |
-
2020
- 2020-08-21 CN CN202010847522.0A patent/CN112102348A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113128416A (zh) * | 2021-04-23 | 2021-07-16 | 领途智造科技(北京)有限公司 | 一种能识别肤色的面部识别方法及装置 |
CN113674366A (zh) * | 2021-07-08 | 2021-11-19 | 北京旷视科技有限公司 | 皮肤颜色的识别方法、装置和电子设备 |
CN114095656A (zh) * | 2021-11-17 | 2022-02-25 | 维沃移动通信有限公司 | 图像处理方法、装置及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10635890B2 (en) | Facial recognition method and apparatus, electronic device, and storage medium | |
CN109657554B (zh) | 一种基于微表情的图像识别方法、装置以及相关设备 | |
Pu et al. | A fractional-order variational framework for retinex: fractional-order partial differential equation-based formulation for multi-scale nonlocal contrast enhancement with texture preserving | |
WO2019100282A1 (zh) | 一种人脸肤色识别方法、装置和智能终端 | |
WO2022199583A1 (zh) | 图像处理方法、装置、计算机设备和存储介质 | |
CN112102348A (zh) | 图像处理设备 | |
CN111160269A (zh) | 一种人脸关键点检测方法及装置 | |
CN112434578B (zh) | 口罩佩戴规范性检测方法、装置、计算机设备和存储介质 | |
CN109871845B (zh) | 证件图像提取方法及终端设备 | |
CN109859217B (zh) | 人脸图像中毛孔区域的分割方法及计算设备 | |
CN106056064A (zh) | 一种人脸识别方法及人脸识别装置 | |
CN111881789B (zh) | 肤色识别方法、装置、计算设备及计算机存储介质 | |
CN108428214A (zh) | 一种图像处理方法及装置 | |
CN112686800B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN113179421B (zh) | 视频封面选择方法、装置、计算机设备和存储介质 | |
CN111935479A (zh) | 一种目标图像确定方法、装置、计算机设备及存储介质 | |
CN110826418A (zh) | 脸部特征提取方法及装置 | |
KR20190116052A (ko) | 딥 러닝 기반 퍼스널 컬러 진단 및 가상 메이크업 방법 및 장치 | |
CN115578284A (zh) | 一种多场景图像增强方法及系统 | |
CN110021019A (zh) | 一种aga临床图像的ai辅助毛发的粗细分布分析方法 | |
EP3961495A1 (en) | System and method for finding an area of an eye from a facial image | |
CN112102175A (zh) | 图像对比度的增强方法、装置、存储介质及电子设备 | |
CN108564537B (zh) | 图像处理的方法、装置、电子设备及介质 | |
CN112825120B (zh) | 人脸光照评价方法、装置、计算机可读存储介质及设备 | |
Lee et al. | Ramp distribution-based contrast enhancement techniques and over-contrast measure |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20201218 |