CN113076778A - 整形模拟图像处理方法、系统、可读存储介质和设备 - Google Patents
整形模拟图像处理方法、系统、可读存储介质和设备 Download PDFInfo
- Publication number
- CN113076778A CN113076778A CN202010004761.XA CN202010004761A CN113076778A CN 113076778 A CN113076778 A CN 113076778A CN 202010004761 A CN202010004761 A CN 202010004761A CN 113076778 A CN113076778 A CN 113076778A
- Authority
- CN
- China
- Prior art keywords
- face
- image
- reshaped
- acquiring
- reshaping
- 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
- 238000000034 method Methods 0.000 title claims description 39
- 238000004088 simulation Methods 0.000 claims abstract description 122
- 238000007493 shaping process Methods 0.000 claims abstract description 90
- 238000003672 processing method Methods 0.000 claims abstract description 19
- 238000005192 partition Methods 0.000 claims description 80
- 238000004458 analytical method Methods 0.000 claims description 15
- 210000001508 eye Anatomy 0.000 claims description 13
- 241000746998 Tragus Species 0.000 claims description 8
- 229910003460 diamond Inorganic materials 0.000 claims description 7
- 239000010432 diamond Substances 0.000 claims description 7
- 238000000638 solvent extraction Methods 0.000 claims description 4
- 235000020238 sunflower seed Nutrition 0.000 claims description 4
- 210000001331 nose Anatomy 0.000 description 14
- 230000008569 process Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 230000001815 facial effect Effects 0.000 description 5
- 241000353135 Psenopsis anomala Species 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000003796 beauty Effects 0.000 description 2
- 239000002537 cosmetic Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 210000004709 eyebrow Anatomy 0.000 description 2
- 210000001061 forehead Anatomy 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- QNRATNLHPGXHMA-XZHTYLCXSA-N (r)-(6-ethoxyquinolin-4-yl)-[(2s,4s,5r)-5-ethyl-1-azabicyclo[2.2.2]octan-2-yl]methanol;hydrochloride Chemical compound Cl.C([C@H]([C@H](C1)CC)C2)CN1[C@@H]2[C@H](O)C1=CC=NC2=CC=C(OCC)C=C21 QNRATNLHPGXHMA-XZHTYLCXSA-N 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 210000000720 eyelash Anatomy 0.000 description 1
- 210000000744 eyelid Anatomy 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002980 postoperative effect Effects 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 210000000697 sensory organ Anatomy 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
- G06V40/168—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)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Processing Or Creating Images (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种整形模拟图像处理方法、系统、可读存储介质和设备，属于图像处理技术领域，获取待整形对象的原始图像，对原始图像进行人脸识别，得到人脸特征数据；人脸特征数据表征了人脸上的特异性特征，每个人的人脸的特征都是不同的，利用人脸特征数据可以确定相应的人脸类型，进而从预设的整形人脸特征数据库中选取与人脸类型相应的人脸模板，该人脸模板包含针对这一人脸类型的整形标准数据，在基于对原始图像的整形模拟操作得到整形模拟图像后，可以获取整形模拟图像和人脸模板的相似度，通过相似度的大小可以确定整形模拟图像的美化程度，为整形模拟图像的调整做出指引，从而减少调整时间，提高操作效率。
Description
技术领域
本发明涉及图像处理技术领域，特别是涉及一种整形模拟图像处理方法、系统、可读存储介质和设备。
背景技术
随着社会生活水平的不断提高，求美人士越来越多，促使了医美行业的高速发展。用户可以通过各种图像处理软件及工具对自拍照进行图像处理，以达到整形模拟的效果图像，丰富了日常生活。使用图像处理软件的用户经常通过软件对图像中的眼睛、鼻子、脸部、颏部(下巴)等进行图像拉伸处理，例如眼部放大、下巴拉伸、瘦脸、鼻头拉伸等，传统的整形图像处理方法通常是用户自己进行操作，操作后的图像的美化程度难以判断，进行处理调整的时间较长，导致操作效率低下。
发明内容
基于此，有必要针对传统的对整形图像进行操作调整的耗时长，效率低的问题，提供一种整形模拟图像处理方法、系统、可读存储介质和设备。
一种整形模拟图像处理方法，包括以下步骤：
获取待整形对象的原始图像，对原始图像进行人脸识别，获取待整形对象的人脸特征数据；
根据人脸特征数据确定人脸类型，从预设的整形人脸特征数据库中选取与人脸类型相应的人脸模板；
根据原始图像获取待整形对象的整形模拟图像，获取整形模拟图像和人脸模板的相似度。
根据上述整形模拟图像处理方法，其是获取待整形对象的原始图像，对原始图像进行人脸识别，得到人脸特征数据；人脸特征数据表征了人脸上的特异性特征，每个人的人脸的特征都是不同的，利用人脸特征数据可以确定相应的人脸类型，进而从预设的整形人脸特征数据库中选取与人脸类型相应的人脸模板，该人脸模板包含针对这一人脸类型的整形标准数据，在基于对原始图像的整形模拟操作得到整形模拟图像后，可以获取整形模拟图像和人脸模板的相似度，通过相似度的大小可以确定整形模拟图像的美化程度，为整形模拟图像的调整做出指引，从而减少调整时间，提高操作效率。
在其中一个实施例中，获取待整形对象的原始图像，对原始图像进行人脸识别的步骤包括以下步骤：
获取待整形对象的正面图像和多张侧面图像，对正面图像和多张侧面图像进行人脸识别。
在其中一个实施例中，获取待整形对象的人脸特征数据的步骤包括以下步骤：
获取待整形对象的发际线到下巴尖的第一长度，以及两耳屏间的第二长度，根据第一长度和第二长度的比值获取长宽比；
根据人脸特征数据确定人脸类型的步骤包括以下步骤：
若长宽比大于预设值，确定人脸类型为长脸；若长宽比小于或等于预设值，确定人脸类型为短脸。
在其中一个实施例中，根据人脸特征数据确定人脸类型的步骤包括以下步骤：
根据人脸特征数据确定人脸的轮廓数据；
若根据长宽比确定人脸类型属于长脸，根据轮廓数据判断长脸类型，长脸类型包括椭圆型脸或瓜子型脸；
若根据长宽比确定人脸类型属于短脸，根据轮廓数据判断短脸类型，短脸类型包括圆型脸、菱型脸或由字型脸。
在其中一个实施例中，获取整形模拟图像和人脸模板的相似度的步骤包括以下步骤：
获取整形模拟图像中待整形对象的脸部区域特征点，根据脸部区域特征点对脸部进行分区，获取各分区的第一特征数据；其中，各分区包括眼部、鼻部、嘴部、面部和颏部，第一特征数据包括当前分区的位置数据、当前分区和其他分区之间的相对位置数据、以及各分区与确定的人脸类型的比例大小数据；
获取人脸模板中对应各分区的第二特征数据，根据各分区对应的第一特征数据和第二特征数据获取整形模拟图形的各分区和对应的人脸模板的各分区的子相似度，根据各子相似度获取整形模拟图像和人脸模板的相似度。
在其中一个实施例中，在根据人脸特征数据获取待整形对象的脸部区域特征点的步骤之前，还包括以下步骤：
根据人脸模板的大小调整整形模拟图像中待整形对象的脸部区域大小。
在其中一个实施例中，整形模拟图像处理方法还包括以下步骤：
获取待整形对象整形后的实际图像，获取实际图像和整形模拟图像的相似度。
一种整形模拟图像处理系统，包括：
图像识别单元，用于获取待整形对象的原始图像，对原始图像进行人脸识别，获取待整形对象的人脸特征数据；
脸型分析单元，用于根据人脸特征数据确定人脸类型，从预设的整形人脸特征数据库中选取与人脸类型相应的人脸模板；
图像处理单元，用于根据原始图像获取待整形对象的整形模拟图像，获取整形模拟图像和人脸模板的相似度。
根据上述整形模拟图像处理系统，其包括图像识别单元、脸型分析单元和图像处理单元，图像识别单元用于获取待整形对象的原始图像，对原始图像进行人脸识别，得到人脸特征数据；人脸特征数据表征了人脸上的特异性特征，每个人的人脸的特征都是不同的，脸型分析单元用于利用人脸特征数据可以确定相应的人脸类型，进而从预设的整形人脸特征数据库中选取与人脸类型相应的人脸模板，该人脸模板包含针对这一人脸类型的整形标准数据，图像处理单元用于在基于对原始图像的整形模拟操作得到整形模拟图像后，可以获取整形模拟图像和人脸模板的相似度，通过相似度的大小可以确定整形模拟图像的美化程度，为整形模拟图像的调整做出指引，从而减少调整时间，提高操作效率。
在其中一个实施例中，图像识别单元还用于获取待整形对象的正面图像和多张侧面图像，对正面图像和多张侧面图像进行人脸识别。
在其中一个实施例中，人脸特征数据包括人脸的长宽比，人脸类型包括长脸或短脸。
在其中一个实施例中，图像识别单元还用于获取待整形对象的发际线到下巴尖的第一长度，以及两耳屏间的第二长度，根据第一长度和第二长度的比值获取长宽比；
脸型分析单元还用于在长宽比大于预设值时，确定人脸类型为长脸；在长宽比小于或等于预设值时，确定人脸类型为短脸。
在其中一个实施例中，脸型分析单元还用于根据人脸特征数据确定人脸的轮廓数据；在根据长宽比确定人脸类型属于长脸时，根据轮廓数据判断长脸类型，长脸类型包括椭圆型脸或瓜子型脸；在根据长宽比确定人脸类型属于短脸时，根据轮廓数据判断短脸类型，短脸类型包括圆型脸、菱型脸或由字型脸。
在其中一个实施例中，图像处理单元还用于获取整形模拟图像中待整形对象的脸部区域特征点，根据脸部区域特征点对脸部进行分区，获取各分区的第一特征数据；其中，各分区包括眼部、鼻部、嘴部、面部和颏部，第一特征数据包括当前分区的位置数据、当前分区和其他分区之间的相对位置数据、以及各分区与确定的人脸类型的比例大小数据；
图像处理单元还用于获取人脸模板中对应各分区的第二特征数据，根据各分区对应的第一特征数据和第二特征数据获取整形模拟图形的各分区和对应的人脸模板的各分区的子相似度，根据各子相似度获取整形模拟图像和人脸模板的相似度。
在其中一个实施例中，图像处理单元还用于根据人脸模板的大小调整整形模拟图像中待整形对象的脸部区域大小。
在其中一个实施例中，图像识别单元还用于获取待整形对象整形后的实际图像，图像处理单元还用于获取实际图像和整形模拟图像的相似度。
一种可读存储介质，其上存储有可执行程序，可执行程序被处理器执行时实现上述的整形模拟图像处理方法的步骤。
上述可读存储介质，通过其存储的可执行程序，可以实现在基于对原始图像的整形模拟操作得到整形模拟图像后，可以获取整形模拟图像和人脸模板的相似度，通过相似度的大小可以确定整形模拟图像的美化程度，为整形模拟图像的调整做出指引，从而减少调整时间，提高操作效率。
一种整形模拟图像处理设备，包括存储器和处理器，存储器存储有可执行程序，处理器执行可执行程序时实现上述的整形模拟图像处理方法的步骤。
上述整形模拟图像处理设备，通过在处理器上运行可执行程序，可以实现在基于对原始图像的整形模拟操作得到整形模拟图像后，可以获取整形模拟图像和人脸模板的相似度，通过相似度的大小可以确定整形模拟图像的美化程度，为整形模拟图像的调整做出指引，从而减少调整时间，提高操作效率。
附图说明
图1是一个实施例中整形模拟图像处理方法的应用场景图；
图2是一个实施例中整形模拟图像处理方法的流程示意图；
图3是另一个实施例中整形模拟图像处理方法的流程示意图；
图4是一个实施例中整形模拟图像处理系统的结构示意图；
图5是一个实施例中应用整形模拟图像处理方法的整形模拟图像处理设备的结构示意图；
图6是一个实施例中整形模拟图像处理方法的具体应用流程简图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步的详细说明。应当理解，此处所描述的具体实施方式仅仅用以解释本发明，并不限定本发明的保护范围。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部内容。
需要说明的是，本发明实施例所涉及的术语“第一\第二”仅仅是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一\第二”在允许的情况下可以互换特定的顺序或先后次序。应该理解“第一\第二”区分的对象在适当情况下可以互换，以使这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
本发明实施例的术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或(模块)单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
在本文中提及的“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
本申请提供的整形模拟图像处理方法，可以应用于如图1所示的应用环境中，移动设备可以获取待整形对象(即使用者)的原始图像，对原始图像进行人脸识别，得到人脸特征数据；利用人脸特征数据可以确定相应的人脸类型，进而从预设的整形人脸特征数据库中选取与人脸类型相应的人脸模板，获取整形模拟图像和人脸模板的相似度。其中，移动设备可以是各种具备获取使用者图像和图像处理功能的设备，如个人计算机、笔记本电脑、掌上电脑、智能手机、平板电脑、便携式可穿戴设备等。
参见图2所示，为本发明一个实施例的整形模拟图像处理方法的流程示意图。该实施例中的整形模拟图像处理方法包括以下步骤：
步骤S110：获取待整形对象的原始图像，对原始图像进行人脸识别，获取待整形对象的人脸特征数据；
在本步骤中，原始图像可以通过电子设备的摄像头拍摄获得，或者通过扫描获得；人脸识别时可以分析原始图像中的人脸的特征，进而得到人脸特征数据；
步骤S120：根据人脸特征数据确定人脸类型，从预设的整形人脸特征数据库中选取与人脸类型相应的人脸模板；
在本步骤中，整形人脸特征数据库是预先设定的整形常用的人脸特征素材数据的集合，其中包括与人脸类型对应的人脸模板，通过实际的人脸特征数据确定待整形对象的人脸类型，与整形人脸特征数据库的人脸类型数据进行匹配分析，可以得到与待整形对象的人脸类型相应的人脸模板，该人脸模板是这一人脸类型的整形标准数据，该整形标准数据是通过美容整形的实践和图像数据处理后得到的，该人脸模板可以作为整形模拟图像处理的参考依据；针对不同的脸型，可以有对应的不同人脸模板；
步骤S130：根据原始图像获取待整形对象的整形模拟图像，获取整形模拟图像和人脸模板的相似度；
在本步骤中，整形模拟图像是在待整形对象的原始图像的基础上，通过模拟调整后得到的，将整形模拟图像和人脸模板进行对比分析，可以得到两者之间的相似度，此相似度可以表征整形模拟图像相对于人脸模板的美化程度。
在本实施例中，获取待整形对象的原始图像，对原始图像进行人脸识别，得到人脸特征数据；人脸特征数据表征了人脸上的特异性特征，每个人的人脸的特征都是不同的，利用人脸特征数据可以确定相应的人脸类型，进而从预设的整形人脸特征数据库中选取与人脸类型相应的人脸模板，该人脸模板包含针对这一人脸类型的整形标准数据，在基于对原始图像的整形模拟操作得到整形模拟图像后，可以获取整形模拟图像和人脸模板的相似度，通过相似度的大小可以确定整形模拟图像的美化程度，为整形模拟图像的调整做出指引，从而减少调整时间，提高操作效率。
需要说明的是，通过相似度的比较判断，可以让用户了解整形模拟所达到的美化效果的具体程度，在实际应用中，相似度可以用分数进行表达。
进一步的，在获取整形模拟图像时，可以使用扩散、锐化、变形算法对原始图像进行处理。
进一步的，在获取待整形对象的原始图像时，可以划定拍摄区域，如与脸部形状相似的拍摄区域等，在待整形对象的脸部进入拍摄区域时进行拍摄，得得到的原始图像就是所需的脸部图像，如此可减少人脸识别的时间，提高识别的准确度；另外，在获取待整形对象的原始图像时，感应拍摄时的亮度，若亮度小于预设亮度值，则开启闪光灯或者提示亮度不足；在进行人脸识别时，还可以检测人脸上的妆容，提示清洁后再进行整形模拟，若检测到人脸上有配饰，提示取下配饰，如眼镜、假睫毛、鼻钉等。
在一个实施例中，获取待整形对象的原始图像，对原始图像进行人脸识别的步骤包括以下步骤：
获取待整形对象的正面图像和多张侧面图像，对正面图像和多张侧面图像进行人脸识别。
在本实施例中，可以获取待整形对象的多张图像，包括正面图像和侧面图像，正面图像和多张侧面图像是从不同角度获得的图像，以此为依据可以减小光照、角度等影响，使人脸识别更加准确。
具体的，在实际操作中，可以获取待整形对象的正面图像和两张侧面45度角的侧面图像。
进一步的，在得到正面图像和侧面图像后，可以此为依据构建3D原始图像模型，利用3D模型算法进行准确的人脸识别。
在一个实施例中，人脸特征数据包括人脸的长宽比，人脸类型包括长脸或短脸。
在本实施例中，人脸特征数据可以包括人脸的长宽比，长宽比可以直接明显地表征人脸的比例，以此作为基准，可以基本快速确定人脸类型，如长脸、短脸等。
在一个实施例中，获取待整形对象的人脸特征数据的步骤包括以下步骤：
获取待整形对象的发际线到下巴尖的第一长度，以及两耳屏间的第二长度，根据第一长度和第二长度的比值获取长宽比；
根据人脸特征数据确定人脸类型的步骤包括以下步骤：
若长宽比大于预设值，确定人脸类型为长脸；若长宽比小于或等于预设值，确定人脸类型为短脸。
在本实施例中，对原始图像进行人脸识别，可以从中得到待整形对象的各种参数，包括待整形对象的发际线到下巴尖的第一长度，以及两耳屏间的第二长度，这两个长度是人脸大小两个方向维度上的长度，基本限定了人脸的范围，利用这两个长度的比值可以得到人脸的长宽比，通过长宽比和预设值的比较，可以确定人脸类型，如长宽比大于预设值，表明人脸纵向上的长度更加长，可以确定为长脸，若长宽比小于或者等于预设值，表明人脸横向上的宽度更加长，可以确定为短脸，如此可以较为快速方便地确定人脸类型。
具体的，预设值可以设置为3/2，若长宽比超过3/2，则确定人脸类型为长脸，若长宽比为3/2以下，则确定人脸类型为短脸，此处的预设值仅为示例，可以根据实际需要进行调整。
在其中一个实施例中，根据人脸特征数据确定人脸类型的步骤包括以下步骤：
根据人脸特征数据确定人脸的轮廓数据；
若根据长宽比确定人脸类型属于长脸，根据轮廓数据判断长脸类型，长脸类型包括椭圆型脸或瓜子型脸；
若根据长宽比确定人脸类型属于短脸，根据轮廓数据判断短脸类型，短脸类型包括圆型脸、菱型脸或由字型脸。
在本实施例中，通过对人脸特征数据的分析，可以得到人脸的整体轮廓数据，在根据长宽比确定人脸的基本类型后，利用整体轮廓数据对人脸类型进行细分，如若人脸类型属于长脸，结合轮廓数据判断其具体类型为椭圆型脸或瓜子型脸等，若人脸类型属于短脸，结合轮廓数据判断其具体类型为圆型脸、菱型脸或由字型脸等，通过与轮廓数据结合判断人脸的具体类型，减少同种基本人脸类型下可供选择的人脸模板数量，从而使选择的人脸模板更加精准，提高整形模拟图像处理的准确性。
在一个实施例中，获取整形模拟图像和人脸模板的相似度的步骤包括以下步骤：
获取整形模拟图像中待整形对象的脸部区域特征点，根据脸部区域特征点对脸部进行分区，获取各分区的第一特征数据；其中，各分区包括眼部、鼻部、嘴部、面部和颏部，第一特征数据包括当前分区的位置数据、当前分区和其他分区之间的相对位置数据、以及各分区与确定的人脸类型的比例大小数据；
获取人脸模板中对应各分区的第二特征数据，根据各分区对应的第一特征数据和第二特征数据获取整形模拟图形的各分区和对应的人脸模板的各分区的子相似度，根据各子相似度获取整形模拟图像和人脸模板的相似度。
在本实施例中，在得到整形人脸图像后，可以对其进行图像数据分析，得到其中待整形对象的脸部区域特征点，人脸上不同区域部位的特征点分布不同，利用脸部区域特征点可以对脸部区域进行分区，得到如眼部、鼻部、嘴部、面部、颏部等区域的特征数据，特征数据包括当前人脸部位的位置数据以及当前人脸部位和其他部位之间的相对位置数据，以便于确定人脸的不同区域并进行相似度分析；人脸模板也可以按照脸部区域进行划分，与整形模拟图像中待整形对象的脸部分区相对应，然后可以获取人脸模板中分区的第二特征数据和待整形对象的对应脸部分区的第一特征数据的子相似度，综合各个分区的子相似度可以得到整形模拟图像和人脸模板的相似度，如此能准确反映人脸的整体范围内的特征与人脸模板的相似程度。
具体的，综合各个分区的子相似度可以得到整形模拟图像和人脸模板的相似度时，可以采用各种不同的算法，如加权平均算法，标准差算法等等。
具体的，人脸上的特征区域可以包括额头、眼睛、眉毛、眼睑、鼻梁、鼻头、鼻翼、脸颊、嘴巴、颏部等，还包括脸部整体轮廓等脸型数据，上述特征区域可以构建不同的特征点，实现对人脸特征区域部位的划分，在获取特征数据时，不仅有特征区域部位自身的数据，还有特征区域部位的位置数据以及与其他特征区域的相对位置数据，以及特征区域部位的颜色、亮度等数据，在相似度计算时综合上述数据可以提高相似度的准确性。
进一步的，除了根据人脸识别结果进行脸部区域分区外，还可以手动设置点位进行选取，如接收区域选取指令，在原始图像的人脸上选取指定区域，对指定区域和人脸模板进行相似度分析，提高整形模拟图像处理的灵活性。需要说明的是，可以对任意分区进行调整，调整的分区的数量可以是一个以上。
进一步的，进行脸部区域分区，并对分区区域的特征数据与人脸模板进行匹配分析后，可以获得建议整形的分区区域，获取该分区区域的人脸特征调整值。
在一个实施例中，在根据人脸特征数据获取待整形对象的脸部区域特征点的步骤之前，还包括以下步骤：
根据人脸模板的大小调整整形模拟图像中待整形对象的脸部区域大小。
在本实施例中，在获取脸部区域特征点之前，可以按照人脸模板的大小对整形模拟图像中待整形对象的脸部区域大小进行调整，以使脸部区域大小与人脸模板大小相匹配，从而便于对比分析相似度。
在一个实施例中，整形模拟图像处理方法还包括以下步骤：
获取待整形对象整形后的实际图像，获取实际图像和整形模拟图像的相似度。
在本实施例中，在待整形对象实施整形后，可以获取整形后的实际图像，将其与整形模拟图像对比，获取相似度，从而判断整形的实际效果。
需要说明的是，获取实际图像和整形模拟图像的相似度与获取整形模拟图像和人脸模板的相似度的过程相似，在此不再赘述，获取整形模拟图像和人脸模板的相似度的过程中所采用的各种实现方式均可应用于获取实际图像和整形模拟图像的相似度。
在一个实施例中，如图3所示，整形模拟图像处理方法包括以下步骤：
获取待整形对象的原始图像，对原始图像进行人脸识别；
获取待整形对象的人脸特征数据，其中包括待整形对象的发际线到下巴尖的第一长度、两耳屏间的第二长度以及人脸的轮廓数据；
根据第一长度和第二长度的比值获取长宽比，若长宽比大于预设值，确定人脸类型为长脸，根据轮廓数据判断长脸类型，长脸类型包括椭圆型脸或瓜子型脸；若长宽比小于或等于预设值，确定人脸类型为短脸，根据轮廓数据判断短脸类型，短脸类型包括圆型脸、菱型脸或由字型脸；
从预设的整形人脸特征数据库中选取与人脸类型相应的人脸模板；
根据原始图像获取待整形对象的整形模拟图像，根据人脸模板的大小调整整形模拟图像中待整形对象的脸部区域大小；
获取整形模拟图像中待整形对象的脸部区域特征点，根据脸部区域特征点对脸部进行分区，获取各分区的第一特征数据；其中，各分区包括眼部、鼻部、嘴部、面部和颏部，第一特征数据包括当前分区的位置数据、当前分区和其他分区之间的相对位置数据、以及各分区与确定的人脸类型的比例大小数据；
获取人脸模板中对应各分区的第二特征数据，根据各分区对应的第一特征数据和第二特征数据获取整形模拟图形的各分区和对应的人脸模板的各分区的子相似度，根据各子相似度获取整形模拟图像和人脸模板的相似度。
获取待整形对象整形后的实际图像，获取实际图像和整形模拟图像的相似度。
上述方式可以获取整形模拟图像和人脸模板的相似度，通过相似度的大小可以确定整形模拟图像的美化程度，为整形模拟图像的调整做出指引，从而减少调整时间，提高操作效率；另外，还可以获取待整形对象整形后的实际图像和整形模拟图像的相似度，通过相似度的大小可以确定实际整形的效果。
应该理解的是，虽然图2-3的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-3中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
根据上述整形模拟图像处理方法，本发明实施例还提供一种整形模拟图像处理系统，以下就本发明的整形模拟图像处理系统的实施例进行详细说明。
参见图4所示，为本发明一个实施例的整形模拟图像处理系统的结构示意图。该实施例中的整形模拟图像处理系统包括：
图像识别单元210，用于获取待整形对象的原始图像，对原始图像进行人脸识别，获取待整形对象的人脸特征数据；
脸型分析单元220，用于根据人脸特征数据确定人脸类型，从预设的整形人脸特征数据库中选取与人脸类型相应的人脸模板；
图像处理单元230，用于根据原始图像获取待整形对象的整形模拟图像，获取整形模拟图像和人脸模板的相似度。
在本实施例中，整形模拟图像处理系统包括图像识别单元210、脸型分析单元220和图像处理单元230，图像识别单元210用于获取待整形对象的原始图像，对原始图像进行人脸识别，得到人脸特征数据；人脸特征数据表征了人脸上的特异性特征，每个人的人脸的特征都是不同的，脸型分析单元220用于利用人脸特征数据可以确定相应的人脸类型，进而从预设的整形人脸特征数据库中选取与人脸类型相应的人脸模板，该人脸模板包含针对这一人脸类型的整形标准数据，图像处理单元230用于在基于对原始图像的整形模拟操作得到整形模拟图像后，可以获取整形模拟图像和人脸模板的相似度，通过相似度的大小可以确定整形模拟图像的美化程度，为整形模拟图像的调整做出指引，从而减少调整时间，提高操作效率。
在一个实施例中，图像识别单元210还用于获取待整形对象的正面图像和多张侧面图像，对正面图像和多张侧面图像进行人脸识别。
在一个实施例中，人脸特征数据包括人脸的长宽比，人脸类型包括长脸或短脸。
在一个实施例中，图像识别单元210还用于获取待整形对象的发际线到下巴尖的第一长度，以及两耳屏间的第二长度，根据第一长度和第二长度的比值获取长宽比；
脸型分析单元220还用于在长宽比大于预设值时，确定人脸类型为长脸；在长宽比小于或等于预设值时，确定人脸类型为短脸。
在一个实施例中，脸型分析单元220还用于根据人脸特征数据确定人脸的轮廓数据；在根据长宽比确定人脸类型属于长脸时，根据轮廓数据判断长脸类型，长脸类型包括椭圆型脸或瓜子型脸；在根据长宽比确定人脸类型属于短脸时，根据轮廓数据判断短脸类型，短脸类型包括圆型脸、菱型脸或由字型脸。
在一个实施例中，图像处理单元230还用于获取整形模拟图像中待整形对象的脸部区域特征点，根据脸部区域特征点对脸部进行分区，获取各分区的第一特征数据；其中，各分区包括眼部、鼻部、嘴部、面部和颏部，第一特征数据包括当前分区的位置数据、当前分区和其他分区之间的相对位置数据、以及各分区与确定的人脸类型的比例大小数据；
图像处理单元230还用于获取人脸模板中对应各分区的第二特征数据，根据各分区对应的第一特征数据和第二特征数据获取整形模拟图形的各分区和对应的人脸模板的各分区的子相似度，根据各子相似度获取整形模拟图像和人脸模板的相似度。
在一个实施例中，图像处理单元230还用于根据人脸模板的大小调整整形模拟图像中待整形对象的脸部区域大小。
在一个实施例中，图像识别单元210还用于获取待整形对象整形后的实际图像，图像处理单元230还用于获取实际图像和整形模拟图像的相似度。
本发明的整形模拟图像处理系统与本发明的整形模拟图像处理方法相对应，在上述整形模拟图像处理方法的实施例中阐述的技术特征及其有益效果均适用于整形模拟图像处理系统的实施例中。
上述各单元可用硬件形式内嵌于或独立于计算机设备中的处理器中，也可以用软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种整形模拟图像处理方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种可读存储介质，其上存储有可执行程序，可执行程序被处理器执行时实现上述的整形模拟图像处理方法的步骤。
上述可读存储介质，通过其存储的可执行程序，可以实现在基于对原始图像的整形模拟操作得到整形模拟图像后，可以获取整形模拟图像和人脸模板的相似度，通过相似度的大小可以确定整形模拟图像的美化程度，为整形模拟图像的调整做出指引，从而减少调整时间，提高操作效率。
在一个实施例中，提供了一种整形模拟图像处理设备，包括存储器和处理器，存储器存储有可执行程序，处理器执行可执行程序时实现上述的整形模拟图像处理方法的步骤。
上述整形模拟图像处理设备，通过在处理器上运行可执行程序，可以实现在基于对原始图像的整形模拟操作得到整形模拟图像后，可以获取整形模拟图像和人脸模板的相似度，通过相似度的大小可以确定整形模拟图像的美化程度，为整形模拟图像的调整做出指引，从而减少调整时间，提高操作效率。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，计算机程序可存储于一非易失性的计算机可读取存储介质中，如实施例中，该计算机程序可存储于计算机系统的存储介质中，并被该计算机系统中的至少一个处理器执行，以实现包括如上述整形模拟图像处理方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
在一个实施例中，整形模拟图像处理方法可以应用在移动设备中，移动设备可以是个人计算机、笔记本电脑、掌上电脑、智能手机、平板电脑、便携式可穿戴设备等。
整形模拟图像处理方法的流程简图如图6所示。具体的，用户可以通过手机、平板电脑、摄像头等电子设备扫描或拍摄面部，上传三张不同面的人脸图像(正面，侧面(45度)两张)，建立3D原始图像模型，或者也可以只拍摄正面的人脸图像(需要清楚显示人脸五官)。然后对用户的原始图像模型进行人脸识别，通过待整形对象的发际线到下巴尖的第一长度、两耳屏间的第二长度计算人脸长宽比，结合人脸的轮廓数据判断人脸类型，如长脸中的椭圆型脸或瓜子型脸，短脸中的圆型脸、菱型脸或由字型脸等，确定人脸类型后，通过脸型数据计算算法分析出用户的脸部特征，对原始图像进行整形模拟，得到整形模拟图像，从预设的整形人脸特征数据库中选取与人脸类型相应的人脸模板，根据人脸模板调整整形模拟图像中的人脸区域大小，再从整形模拟图像中获取脸部区域特征点，根据脸部区域特征点对脸部各部位进行分区，分割成额头、眼部(单眼，包括眼睛、眉毛)、鼻部(鼻头、鼻翼)、颏部、面部(两面颊)等分区(部位分区可以是通过用户手动设置点位来进行选取)，获取各分区的第一特征数据；第一特征数据包括当前分区的位置数据、当前分区和其他分区之间的相对位置数据、以及各分区与确定的人脸类型的比例大小数据；获取人脸模板中对应各分区的第二特征数据，根据各分区对应的第一特征数据和第二特征数据获取整形模拟图形的各分区和对应的人脸模板的各分区的子相似度，根据各子相似度获取整形模拟图像和人脸模板的相似度。另外，在整形结束后，还可以获取整形后的实际图像，并得到实际图像和整形模拟图像的相似度，其过程与前述获取整形模拟图像和人脸模板的相似度的过程相类似；用户可以保存此整形模拟图像处理图像，还可以进行3D模拟图像打印，也可以通过分享功能，通过微信、QQ等即时通讯软件分享给朋友，相对于传统整形模拟技术，只能通过简单地进行识别和图像处理，不能融合专业的脸型模板数据，本方案可以让用户具体了解整形美化的程度，以相似度的形式体现，并且得到的整形模拟图像处理图像与用户的脸型相适应，提高了整形模拟处理的效率和专业性，特别是应用在医疗美容术前客户面诊环节，可以更直观地让用户提前得到术后的美容程度。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种整形模拟图像处理方法，其特征在于，所述方法包括以下步骤：
获取待整形对象的原始图像，对所述原始图像进行人脸识别，获取所述待整形对象的人脸特征数据；
根据所述人脸特征数据确定人脸类型，从预设的整形人脸特征数据库中选取与所述人脸类型相应的人脸模板；
根据所述原始图像获取所述待整形对象的整形模拟图像，获取所述整形模拟图像和所述人脸模板的相似度。
2.根据权利要求1所述的整形模拟图像处理方法，其特征在于，所述获取待整形对象的原始图像，对所述原始图像进行人脸识别的步骤包括以下步骤：
获取待整形对象的正面图像和多张侧面图像，对所述正面图像和所述多张侧面图像进行人脸识别。
3.根据权利要求1所述的整形模拟图像处理方法，其特征在于，所述获取所述待整形对象的人脸特征数据的步骤包括以下步骤：
获取所述待整形对象的发际线到下巴尖的第一长度，以及两耳屏间的第二长度，根据所述第一长度和所述第二长度的比值获取所述长宽比；
所述根据所述人脸特征数据确定人脸类型的步骤包括以下步骤：
若所述长宽比大于预设值，确定所述人脸类型为长脸；若所述长宽比小于或等于所述预设值，确定所述人脸类型为短脸。
4.根据权利要求3所述的整形模拟图像处理方法，其特征在于，所述根据所述人脸特征数据确定人脸类型的步骤包括以下步骤：
根据所述人脸特征数据确定人脸的轮廓数据；
若根据所述长宽比确定所述人脸类型属于长脸，根据所述轮廓数据判断长脸类型，所述长脸类型包括椭圆型脸或瓜子型脸；
若根据长宽比确定所述人脸类型属于短脸，根据所述轮廓数据判断短脸类型，所述短脸类型包括圆型脸、菱型脸或由字型脸。
5.根据权利要求1所述的整形模拟图像处理方法，其特征在于，所述获取所述整形模拟图像和所述人脸模板的相似度的步骤包括以下步骤：
获取所述整形模拟图像中待整形对象的脸部区域特征点，根据所述脸部区域特征点对脸部进行分区，获取各分区的第一特征数据；其中，各所述分区包括眼部、鼻部、嘴部、面部和颏部，所述第一特征数据包括当前分区的位置数据、当前分区和其他分区之间的相对位置数据、以及各所述分区与确定的人脸类型的比例大小数据；
获取所述人脸模板中对应各分区的第二特征数据，根据各分区对应的第一特征数据和第二特征数据获取所述整形模拟图形的各分区和对应的所述人脸模板的各分区的子相似度，根据各所述子相似度获取所述整形模拟图像和所述人脸模板的相似度。
6.根据权利要求5所述的整形模拟图像处理方法，其特征在于，在所述根据所述人脸特征数据获取所述待整形对象的脸部区域特征点的步骤之前，还包括以下步骤：
根据所述人脸模板的大小调整所述整形模拟图像中待整形对象的脸部区域大小。
7.根据权利要求1至6中任意一项所述的整形模拟图像处理方法，其特征在于，所述方法还包括以下步骤：
获取待整形对象整形后的实际图像，获取所述实际图像和所述整形模拟图像的相似度。
8.一种整形模拟图像处理系统，其特征在于，包括：
图像识别单元，用于获取待整形对象的原始图像，对所述原始图像进行人脸识别，获取所述待整形对象的人脸特征数据；
脸型分析单元，用于根据所述人脸特征数据确定人脸类型，从预设的整形人脸特征数据库中选取与所述人脸类型相应的人脸模板；
图像处理单元，用于根据所述原始图像获取所述待整形对象的整形模拟图像，获取所述整形模拟图像和所述人脸模板的相似度。
9.一种可读存储介质，其上存储有可执行程序，其特征在于，所述可执行程序被处理器执行时实现权利要求1至7中任一项所述的整形模拟图像处理方法的步骤。
10.一种整形模拟图像处理设备，包括存储器和处理器，所述存储器存储有可执行程序，其特征在于，所述处理器执行所述可执行程序时实现权利要求1至7中任一项所述的整形模拟图像处理方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010004761.XA CN113076778A (zh) | 2020-01-03 | 2020-01-03 | 整形模拟图像处理方法、系统、可读存储介质和设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010004761.XA CN113076778A (zh) | 2020-01-03 | 2020-01-03 | 整形模拟图像处理方法、系统、可读存储介质和设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113076778A true CN113076778A (zh) | 2021-07-06 |
Family
ID=76608401
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010004761.XA Pending CN113076778A (zh) | 2020-01-03 | 2020-01-03 | 整形模拟图像处理方法、系统、可读存储介质和设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113076778A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112037271A (zh) * | 2020-07-16 | 2020-12-04 | 北京旷视科技有限公司 | 图像处理方法、装置、设备及介质 |
| CN116864078A (zh) * | 2023-04-24 | 2023-10-10 | 上海麦色信息科技有限公司 | 一种知识库建立方法、系统及存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102393951A (zh) * | 2011-06-30 | 2012-03-28 | Tcl集团股份有限公司 | 一种人脸模型的变形方法 |
| CN106548156A (zh) * | 2016-10-27 | 2017-03-29 | 江西瓷肌电子商务有限公司 | 一种根据人脸图像提供整容建议的方法 |
| CN106780760A (zh) * | 2016-12-12 | 2017-05-31 | 大连文森特软件科技有限公司 | 一种基于ar虚拟现实技术的整形手术观摩系统 |
| CN107123160A (zh) * | 2017-05-02 | 2017-09-01 | 成都通甲优博科技有限责任公司 | 基于三维立体图像的模拟整容系统、方法及移动终端 |
| CN107808136A (zh) * | 2017-10-31 | 2018-03-16 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、可读存储介质和计算机设备 |
| CN110188590A (zh) * | 2019-04-09 | 2019-08-30 | 浙江工业大学 | 一种基于三维人脸模型的脸型分辨方法 |
-
2020
- 2020-01-03 CN CN202010004761.XA patent/CN113076778A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102393951A (zh) * | 2011-06-30 | 2012-03-28 | Tcl集团股份有限公司 | 一种人脸模型的变形方法 |
| CN106548156A (zh) * | 2016-10-27 | 2017-03-29 | 江西瓷肌电子商务有限公司 | 一种根据人脸图像提供整容建议的方法 |
| CN106780760A (zh) * | 2016-12-12 | 2017-05-31 | 大连文森特软件科技有限公司 | 一种基于ar虚拟现实技术的整形手术观摩系统 |
| CN107123160A (zh) * | 2017-05-02 | 2017-09-01 | 成都通甲优博科技有限责任公司 | 基于三维立体图像的模拟整容系统、方法及移动终端 |
| CN107808136A (zh) * | 2017-10-31 | 2018-03-16 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、可读存储介质和计算机设备 |
| CN110188590A (zh) * | 2019-04-09 | 2019-08-30 | 浙江工业大学 | 一种基于三维人脸模型的脸型分辨方法 |
Non-Patent Citations (2)
| Title |
|---|
| 王楠: "数字人脸图像的脸型改善技术研究", 《中国优秀硕士学位论文全文数据库（信息科技辑）》 * |
| 马立昌等: "《中式埋线微整形与减肥》", 30 November 2017, 中国医药科技出版社 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112037271A (zh) * | 2020-07-16 | 2020-12-04 | 北京旷视科技有限公司 | 图像处理方法、装置、设备及介质 |
| CN116864078A (zh) * | 2023-04-24 | 2023-10-10 | 上海麦色信息科技有限公司 | 一种知识库建立方法、系统及存储介质 |
| CN116864078B (zh) * | 2023-04-24 | 2023-12-12 | 上海麦色信息科技有限公司 | 一种知识库建立方法、系统及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2020228384A1 (zh) | 虚拟头像生成方法及装置、存储介质 | |
| CN108985241B (zh) | 图像处理方法、装置、计算机设备及存储介质 | |
| KR101259662B1 (ko) | 얼굴 분류 방법, 얼굴 분류 장치, 분류맵, 얼굴 분류프로그램, 및 상기 프로그램이 기록된 기록매체 | |
| KR20200123161A (ko) | 휴먼이미지 속성 모델 구축 방법, 장치, 컴퓨터 디바이스 및 저장 매체 | |
| KR102102944B1 (ko) | 눈썹 스타일을 추천하는 디스플레이 방법 및 전자 장치 | |
| KR102325829B1 (ko) | 안면착용 제품 추천 방법 및 그 장치 | |
| CN113076778A (zh) | 整形模拟图像处理方法、系统、可读存储介质和设备 | |
| WO2019232871A1 (zh) | 眼镜虚拟佩戴方法、装置、计算机设备及存储介质 | |
| CN109830280A (zh) | 心理辅助分析方法、装置、计算机设备和存储介质 | |
| CN109949207B (zh) | 虚拟对象合成方法、装置、计算机设备和存储介质 | |
| CN110866139A (zh) | 一种化妆处理方法、装置及设备 | |
| CN108038475A (zh) | 人脸图像识别方法及装置、计算机存储介质、终端 | |
| US9330300B1 (en) | Systems and methods of analyzing images | |
| CN113344837B (zh) | 人脸图像处理方法及装置、计算机可读存储介质、终端 | |
| CN109087240B (zh) | 图像处理方法、图像处理装置及存储介质 | |
| US11398024B2 (en) | Information processing apparatus, information processing method, and non-transitory storage medium | |
| CN111354478B (zh) | 整形模拟信息处理方法、整形模拟终端和整形服务终端 | |
| US20200211294A1 (en) | Information processing apparatus, information processing method, and non-transitory storage medium | |
| CN113076777A (zh) | 整形模拟调整方法、系统、可读存储介质和设备 | |
| CN110750154A (zh) | 显示器控制方法、系统、装置、设备和存储介质 | |
| CN111353931B (zh) | 整形模拟方法、系统、可读存储介质和设备 | |
| CN113076779A (zh) | 整形模拟匹配方法、系统、可读存储介质和设备 | |
| CN112800819B (zh) | 一种人脸识别方法、装置及电子设备 | |
| CN115131841A (zh) | 一种化妆镜及妆容辅助的方法 | |
| CN112395902A (zh) | 人脸活体检测方法、图像分类方法、装置、设备和介质 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210706 |