CN113313786A - 人像图片上色方法、装置及终端设备 - Google Patents

人像图片上色方法、装置及终端设备 Download PDF

Info

Publication number
CN113313786A
CN113313786A CN202010124962.3A CN202010124962A CN113313786A CN 113313786 A CN113313786 A CN 113313786A CN 202010124962 A CN202010124962 A CN 202010124962A CN 113313786 A CN113313786 A CN 113313786A
Authority
CN
China
Prior art keywords
picture
style
portrait
coloring
colored
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
Application number
CN202010124962.3A
Other languages
English (en)
Inventor
苏哲昆
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Intellifusion Technologies Co Ltd
Original Assignee
Shenzhen Intellifusion Technologies Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Intellifusion Technologies Co Ltd filed Critical Shenzhen Intellifusion Technologies Co Ltd
Priority to CN202010124962.3A priority Critical patent/CN113313786A/zh
Publication of CN113313786A publication Critical patent/CN113313786A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/40—Filling a planar surface by adding surface attributes, e.g. colour or texture
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • 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)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Biomedical Technology (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Biophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)

Abstract

本申请适用于图像处理技术领域，提供了人像图片上色方法、装置及终端设备，包括：获取待上色人像图片和风格图片；对所述风格图片进行第一异常检测，得到第一检测结果；若所述第一检测结果满足预设检测条件，则根据所述风格图片及风格迁移算法对所述待上色人像图片进行上色处理，得到目标人像图片。本申请提供的人像图片上色方法能够解决现有技术中如何准确有效地为人像图片上色的问题。

Description

人像图片上色方法、装置及终端设备
技术领域
本申请属于图像处理技术领域，尤其涉及一种人像图片上色方法、装置及终端设备。
背景技术
随着大数据技术日趋成熟，很多存档的老旧数据被重新应用。而这些数字化的老旧人像图片，由于其质量差，有色偏，因此对人像数据应用过程造成了一定的困难。出于使数据发挥其最大价值的考虑，需要有一个自动给老旧人像图片上色的方法，以便这些图片的展示、研判和进一步的数字化分析。然而，现有的方法由于无法准确地为图片上色，导致现有的图片上色效果较差。
发明内容
有鉴于此，本申请实施例提供了人像图片上色方法、装置及终端设备，以解决现有技术中如何准确有效地为人像图片上色的问题。
本申请实施例的第一方面提供了一种人像图片上色方法，包括：
获取待上色人像图片和风格图片；
对所述风格图片进行第一异常检测，得到第一检测结果；
若所述第一检测结果满足预设检测条件，则根据所述风格图片及风格迁移算法对所述待上色人像图片进行上色处理，得到目标人像图片。
本申请实施例的第二方面提供了一种人像图片上色装置，包括：
第一获取单元，用于获取待上色人像图片和风格图片；
第一异常检测单元，用于对所述风格图片进行第一异常检测，得到第一检测结果；
上色处理单元，若所述第一检测结果满足预设检测条件，则根据所述风格图片及风格迁移算法对所述待上色人像图片进行上色处理，得到目标人像图片。
本申请实施例的第三方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，当所述处理器执行所述计算机程序时，使得终端设备实现如所述人像图片上色的步骤。
本申请实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，当所述计算机程序被处理器执行时，使得终端设备实现如所述人像图片上色的步骤。
本申请实施例的第五方面提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行如第一方面中所述的人像图片上色方法。
本申请实施例与现有技术相比存在的有益效果是：本申请实施例中，由于风格图片是经过异常检测后筛选得到的，使得风格迁移算法所依据的风格图片的质量更高、更加准确，因此能够进一步提高风格迁移算法的准确性，从而进一步提高人像图片上色的准确性，提升图片上色效果。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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是本申请实施例提供的第一种人像图片上色方法的实现流程示意图；
图2是本申请实施例提供的一种人像姿态示意图；
图3是本申请实施例提供的一种待上色人像图片和风格图片中的人像姿态对比示例图；
图4是本申请实施例提供的一种人像姿态调整示例图；
图5是本申请实施例提供的第二种人像图片上色方法的实现流程示意图；
图6是本申请实施例提供的一种人像图片上色装置的示意图；
图7是本申请实施例提供的终端设备的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
为了说明本申请所述的技术方案，下面通过具体实施例来进行说明。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外，在本申请的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
实施例一：
图1示出了本申请实施例提供的第一种人像图片上色方法的流程示意图，详述如下：
在S101中，获取待上色人像图片和风格图片。
终端设备可以通过接收用户输入的指令获取用户输入的待上色人像图片和风格图片。或者，终端设备也可以通过读取本端、其它终端设备或云服务器的存储单元中存储的图片数据，获取待上色人像图片和风格图片。
本申请中的待上色人像图片可以为包含完整人身图像的图片也可以为只包含人脸图像的图片。可选地，本申请实施例中的风格图片包含的图像类型与该待上色人像图片包含的图像信息类型对应，即，若待上色人像图片包含完整第一人身图像，则风格图片也包含第二人身图像；若待上色人像图片只包含第一人脸图像，则风格图片对应为包含第二人脸图像的图片。由于图像类型相同的图片之间能够更准确地进行风格迁移，因此能够提高图片上色的准确性。可选地，本申请实施例中的待上色人像图片和风格图片均为包含人脸图像的图片。
在S102中，对所述风格图片进行第一异常检测，得到第一检测结果。
在获取风格图片之后，对该风格图片进行第一异常检测，得到第一检测结果。该第一异常检测可以包括图片大小检测、图片颜色检测、人脸检测、图片质量评估、姿态角检测中的任意一项或者多项。
在S103中，若所述第一检测结果满足预设检测条件，则根据所述风格图片及风格迁移算法对所述待上色人像图片进行上色处理，得到目标人像图片。
当经过第一检测异常检测得到的第一检测结果满足预设检测条件时，根据风格图片通过风格迁移算法对待上色人像图片进行上色处理，得到仿照风格图片的色彩信息的目标人像图片。可选地，第一检测结果满足预设检测条件可以包括以下的任意一项或者多项：风格图片的图片大小在预设大小范围内，或者，风格图片与与待上色人像图片的图片尺寸差异在预设误差范围内；风格图片的图片颜色分布直方图符合预设颜色分布特征(例如图片颜色为非纯色或者图片颜色的颜色分布符合一般的人像颜色分布特征)；风格图片中检测到人脸信息；风格图片中的质量评估值符合预设质量指标值；风格图片中人像的姿态角符合预设姿态角度。
可选地，所述步骤S103还包括：
若所述第一检测结果不满足预设检测条件，则对所述风格图片进行目标调整操作，直至所述第一检测结果满足预设检测条件，得到调整后的风格图片；
根据所述调整后的风格图片及风格迁移算法对所述待上色人像图片进行上色处理，得到目标人像图片。
当第一检测结果不满足预设检测条件时，对风格图片进行相应的目标调整操作。例如当图片大小检测得到的图片大小不在预设大小范围内时，对风格图片进行图片尺寸调整操作；当图片质量评估检测后得到的质量评估值不符合预设质量指标值时，对风格图片进行去噪、分辨率重建等图片质量提升调整操作；当人脸检测结果为不能检测到人脸时，对风格图片进行人脸绘制操作。通过目标调整操作调整至风格图片的第一检测结果满足预设检测条件时，再根据该调整后的风格图片对待上色人像图片进行上色处理。本申请实施例中，由于在风格图片不能通过异常检测后，自动地对风格图片进行相应地调整，以使调整后风格图片满足预设检测条件，因此能够保证风格迁移的准确性，提升人像图片的上色效果。
可选地，步骤S102包括：
对所述风格图片进行人脸检测和/或图片质量评估，得到人脸检测结果和/或图片质量评估结果；
对应地，步骤S103包括：
若所述人脸检测结果满足第一预设检测条件和/或所述图片质量评估结果满足第二预设检测条件，则根据所述风格图片及风格迁移算法对所述待上色人像图片进行上色处理，得到目标人像图片。
本申请实施例中，通过预设的人脸检测算法对风格图片进行处理，得到人脸检测结果，该人脸检测结果可以包括风格图片是否存在人脸图像的判定结果、人脸关键点信息、人脸姿态角信息等。本申请实施例中预设的人脸检测算法包括但不限于模板匹配算法、人脸二分类器模型算法或者通过用于提取预设的神经网络提取人脸特征信息的算法。对应地，人脸检测结果满足第一预设检测条件包括：风格图片的人脸检测判定结果为该风格图片包含人脸图像，或者，风格图片的人脸关键点信息和/或人脸姿态角信息与预设的人脸关键点、预设的人脸姿态角一致。
本申请实施例中，对风格图片进行图片质量评估包括对风格图片的分辨率、峰值信噪比(Peak-Signal to Noise Ratio,PSNR)、均方误差(Mean Square Error,MSE)、对比度和亮度等指标中的任意一项或者多项进行评估，得到的图片质量评估结果包括分辨率值、PSNR值、MSE值、对比度值、亮度值中的任意一项或者多项。对应地，图片质量评估结果满足第二预设条件以下的任意一项或者多项：风格图片的分辨率值不低于预设分辨率阈值、PSNR值不低于预设PNSR阈值、MSE值不高于预设MSE阈值、对比度值在预设的对比度范围内、亮度值在预设的亮度范围内。
本申请实施例中，由于对风格图片进行人脸检测，使得最终筛选得到的风格图片为包含人脸信息的图片，因此能够使得风格迁移算法所依据的风格图片与待上色人像图有相似的人脸结构特征，提高通过风格迁移算法进行上色处理的准确性，从而提升人像图片上色效果。由于对风格图片进行图片质量评估，使得最终筛选得到的风格图片为高质量图片，因此能够保证风格迁移算法所依据的风格图片的质量，提升上色效果。
可选地，步骤S102包括：
获取所述待上色人像图片对应的第一姿态角和所述风格图片对应的第二姿态角，计算所述第一姿态角和所述第二姿态角的角度偏差值；
对应地，步骤S103包括：
若所述角度偏差值小于预设偏差阈值，则根据所述风格图片及风格迁移算法对所述待上色人像图片进行上色处理，得到目标人像图片。
本申请实施例中的姿态角包括俯仰角(pitch)、偏转角(yaw)和旋转角(roll)。具体地，如图2所示，以人脸朝向为z轴方向，以人脸所在平面为x-y平面，建立三维坐标系，则俯仰角为人的头部以x轴为旋转轴旋转的角度，偏转角为人的头部以y轴为旋转轴旋转的角度，旋转角为人的头部以z轴为旋转轴旋转的角度。即，头部进行抬头或者低头动作则俯仰角发生改变；头部向左或者向右转动则偏转角发生改变；若进行左耳贴近左肩或者右耳贴近右肩的动作则旋转角发生改变。
本申请实施例中，通过模板匹配算法或者深度学习算法获取待上色人像图片中人像的姿态信息，得到待上色人像图片对应的第一姿态角(具体包括第一俯仰角α1、第一偏转角β1、第一旋转角γ1)；同样获取风格图片中人像的姿态信息，得到风格图片对应的第二姿态角(具体包括第二俯仰角α2、第二偏转角β2、第二旋转角γ2)。在获取第一姿态角和第二姿态角后，计算第一姿态角和第二姿态角的角度偏差值，该角度偏差值具体包括俯仰角偏差值Δα、偏转角偏差值Δβ、旋转角偏差值Δγ，其计算公式如下：
Δα＝|α1-α2|
Δβ＝|β1-β2|
Δγ＝|γ1-γ2|
对应地，在步骤S103中，第一检测结果满足预设检测条件包括角度偏差值小于预设偏差阈值，当角度偏差值小于预设偏差阈值时，该风格图片通过检测，之后根据该风格图片和风格迁移算法对待上色人像图片进行处理，得到目标人像图片。具体地，当俯仰角偏差值Δα小于第一偏差阈值、偏转角偏差值Δβ小于第二偏差阈值且旋转角偏差值Δγ小于第三偏差阈值时，判定第一检测结果满足预设检测条件。其中，第一偏差阈值、第二偏差阈值及第三偏差阈值可以相同，也可以不同。可选地，第三偏差阈值大于第一偏差阈值和第二偏差阈值；由于旋转角偏差比较容易在之后根据人脸关键点进行调整，因此对旋转角偏差值的约束可以相对较宽松，即第三偏差阈值可以设置为较大的值。
本申请实施例中，由于对待上色人像图片对应的姿态角与风格图片对应的姿态角的角度偏差进行约束，筛选出与待上色人像图片的姿态角角度偏差较小的风格图片，因此能够进一步保证两张图片的拓扑结构相似，提高通过风格迁移算法进行上色处理的准确性，从而提升人像图片上色效果。
可选地，在所述第一姿态角包括第一旋转角，所述第二姿态角包括第二旋转角，对应地，在所述获取所述待上色人像图片对应的第一姿态角和所述风格图片对应的第二姿态角之后，还包括：
若所述第一旋转角与所述第二旋转角的角度偏差大于第一角度阈值，则调整所述待上色人像图片和/或所述风格图片的旋转角，直至所述第一旋转角与所述第二旋转角的角度偏差小于或者等于所述第一角度阈值。
本申请实施例中，第一角度阈值为旋转角对应的偏差阈值(即上述的第三偏差阈值)。如图3所示，设旋转角为人像中心轴线与x轴正方向的夹角，当待上色人像图片中的第一人像对应的第一旋转角γ1与风格图片中的第二人像对应的第二旋转角γ2的角度偏差(Δγ＝|γ1-γ2|)大于第一角度阈值时，调整待上色人像图片的第一旋转角和/或调整风格图片的第二旋转角，直至第一旋转角与第二旋转角的角度偏差小于或者等于第一角度阈值。可选地，通过将待上色人像图片对应的第一旋转角和风格图片对应的第二旋转角都旋转为如图4所示的90度，此时第一旋转角和第二旋转角的角度偏差为0，待上色人像图片与风格图片的拓扑结构最为相似。可选地，本申请实施例中，具体通过检测出的人脸关键点来确定人像中心轴线。例如，以图片中检测出的鼻尖关键点和下巴关键点，确定鼻尖到下巴的连线为人像中心轴线；或者，以图片中检测出的两个眼睛关键点，确定两个眼睛中间的垂直平分线作为人像中心轴线。
本申请实施例中，由于在待上色人像图片与风格图片分别对应的旋转角之间的角度偏差过大时，自动调整待上色人像图片和/或所述风格图片的旋转角，从而减少待上色人像图片和风格图片的角度偏差，因此能够使得两张图片的拓扑结构更相似，提高通过风格迁移算法进行上色处理的准确性，从而提升人像图片上色效果。
可选地，本申请实施例的人像图片上色方法还包括：
若在预设时长内未获取到所述风格图片或者所述第一检测结果不满足预设检测条件，则获取预存的风格图片模板作为所述风格图片。
当步骤S101中获取用户输入的待上色人像图片后，在预设时长内未获取到用户输入的风格图片时，或者，当步骤102中得到的第一检测结果不满足预设检测条件时，获取预存的风格图片模板作为此时的风格图片，并执行步骤S102。本申请实施例中的风格图片模板为预置的一些场景各异的图片，例如白底证照图片。
本申请实施例中，由于通过风格迁移算法，能够准确地依据风格图片对待上色人像图片进行上色处理，因此能够准确有效地对待上色人像图片进行上色；并且由于风格图片是经过异常检测后筛选得到的，使得风格迁移算法所依据的风格图片的质量更高、更加准确，因此能够进一步提高风格迁移算法的准确性，从而进一步提高人像图片上色的准确性，提升图片上色效果。
实施例二：
图5示出了本申请实施例提供的第二种人像图片上色方法的流程示意图，详述如下：
在S501中，获取待上色人像图片和风格图片。
在S502中，对所述风格图片进行第一异常检测，得到第一检测结果。
本申请实施例中的步骤S501-502与上一实施例的步骤S101-S102相同，具体请参见上一实施例中步骤S101-S102的相关描述，此处不赘述。
本申请实施例中，当第一检测结果满足预设检测条件时开始根据风格图片，通过以下的步骤S503-S505的风格迁移算法处理步骤，对待上色人像图片进行上色处理。
在S503中，若所述第一检测结果满足预设检测条件，则生成所述待上色人像图片对应的人像掩膜图像和所述风格图片对应的风格掩膜图像。
当第一检测结果满足预设检测条件时，通过预设的图像分割算法分别地待上色人像图片、风格图片进行分割处理，生成待上色人像图片对应的人像掩膜图像和风格图片对应的风格掩膜图像。本申请实施例中的掩膜图像(mask)为将图片中的人像划分为若干个人像关键部位区域(例如眼睛、嘴巴等五官区域、头发区域、人脸中的非五官区域)的图像。
可选地，所述步骤S503包括：
若所述第一检测结果满足预设检测条件，则将所述待上色人像图片输入图像分割模型进行处理，生成所述待上色人像图片对应的人像掩膜图像，以及，将所述风格图片输入所述图像分割模型进行处理，生成所述风格图片对应的风格掩膜图像。
具体地，本申请实施例通过将待上色人像图片和风格图片分别输入图像分割模型进行分割处理，得到对应的人像掩膜图像、风格掩膜图像。本申请实施例中的图像分割模型为预训练的神经网络模型，例如预训练的VGG模型(Visual Geometry Group Network，VGGNet)。通过该图像分割模型，提取图片中的人像特征信息，并对图片中的人像进行区域划分，得到对应的掩膜图像。
本申请实施例中，通过图像分割模型能够提高图片分割处理的准确性，生成更加准确的人像掩膜图像和风格掩膜图像。
可选地，本申请实施例中，在将所述待上色人像图片输入图像分割模型进行分割处理之前还包括：
对待上色人像图片进行人脸检测，若该待上色人像图片能够检测到人脸关键点，则将所述待上色人像图片输入图像分割模型进行处理，生成所述待上色人像图片对应的人像掩膜图像；否则，获取用户输入的手动绘制操作，并根据该手动绘制操作生成人像掩膜图像。
本申请实施例中，由于当待上色人像图片无法准确地检测到人脸关键点时，能够根据用户输入的手动绘制操作来绘制生成人像掩膜图像，因此能够进一步提高人像图片上色的灵活性和准确性。
可选地，在所述步骤S503之后，还包括：
获取手动精调指令，根据所述手动精调指令调整所述人像掩膜图像和/或所述风格掩膜图像。
通过该手动精调指令，能够更进一步使生成的人像掩膜图像以及风格掩膜图像更加精确，提高通过风格迁移算法进行上色处理的准确性，从而提升人像图片上色效果。
在S504中，根据所述风格图片和所述风格掩膜图像，提取所述风格图片的风格特征。
将风格图片按照风格掩膜图像分割的区域分别提取每个区域的风格特征，该风格特征至少包括风格图片每个区域的颜色信息，还可以包括风格图片的细节纹理信息。该风格特征具体是通过预设的风格迁移神经网络提取得到的。示例性地，风格迁移神经网络可以为预先训练的VGG-19网络，通过该VGG-19网络的低层(例如前5个卷积层)的输出结果作为提取得到的风格特征。
在S505中，根据所述人像掩膜图像及所述风格特征，对所述待上色人像图片进行上色，得到目标人像图片。
根据人像掩膜图像将待上色人像图片分割为若干个区域，并将S504中提取得到的每个区域的风格特征填充至待上色人像图片对应的区域中，完成对待上色人像图片的上色处理，得到目标人像图片。例如，将提取的风格图片的人脸唇部区域的风格特征对应地填充至待上色人像唇部区域中。可选地，本申请实施例中通过预设的风格迁移神经网络及人像掩膜图像，待上色人像图片的内容结构信息，得到待上色人像图片中每个区域的内容特征，例如通过VGG-19网络中指定的高层(靠后的卷积层)输出结果作为内容特征；将待上色人像图片每个区域的内容特征融合风格图片对应区域的风格特征，得到目标人像图片。
可选地，在所述步骤S505之后，
对所述目标人像图片进行第二异常检测，得到第二检测结果；
若所述第二检测结果不满足预设验收条件，则接收掩膜图像调整指令调整所述人像掩膜图像和/或所述风格掩膜图像，并返回所述根据所述风格图片和所述风格掩膜图像，提取所述风格图片的风格特征的步骤。
本申请实施例中的第二异常检测可以包括人脸检测和/或颜色检测，对应地，第二检测结果包括人脸检测结果和/或颜色检测结果。其中，人脸检测结果可以为目标人像图片是否能够成功检测到人脸的判定结果，颜色检测结果包括目标人像图片的颜色分布直方图信息和/或目标人像图片中每个划分区域的颜色特征信息。
若第二检测结果中，人脸检测结果为无法检测到人脸的判定结果，和/或颜色检测结果中的颜色分布直方图信息与预设的颜色分布特征不相符，或者每个区域的颜色特征信息在预设的颜色范围外(例如嘴唇区域对应预设的颜色范围为红色、橙色、紫色对应的颜色范围)，则该第二检测结果不满足预设验收条件，说明之前的掩膜图像生成不准确，导致颜色填充不准确。此时接收掩膜图像调整指令，根据用户的手动绘制操作调整人像掩膜图像和/或风格掩膜图像的区域划分，并返回步骤S504，对待上色人像图片重新进行风格迁移上色处理，重新得到的目标人像图片。
本申请实施例中，由于在得到目标人像图片之后，还能够进一步对目标人像图片进行异常检测，并在检测结果不符合验收条件时接收调整指令以调整掩膜图像并重新进行上色处理，因此能够进一步提高风格迁移算法的准确性，提高人像图片上色的灵活可控性及准确性。
本申请实施例中，由于在风格图片通过异常检测后(即第一检测结果满足预设检测条件后)，准确地生成待上色人像图片对应的人像掩膜图像和风格图片的风格掩膜图像，根据这两个掩膜图像准确地提取风格特征、填充风格特征以完成对待上色人像图片的上色处理，因此能够提高人像图片上色的准确性，提升上色效果。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
实施例三：
图6示出了本申请实施例提供的一种人像图片上色装置的结构示意图，为了便于说明，仅示出了与本申请实施例相关的部分：
该人像图片上色装置包括：第一获取单元61、第一异常检测单元62、上色处理单元63。其中：
第一获取单元61，用于获取待上色人像图片和风格图片。
第一异常检测单元62，用于对所述风格图片进行第一异常检测，得到第一检测结果。
上色处理单元63，若所述第一检测结果满足预设检测条件，则根据所述风格图片及风格迁移算法对所述待上色人像图片进行上色处理，得到目标人像图片。
可选地，所述第一异常处理单元62包括：
第一检测模块，用于对所述风格图片进行人脸检测和/或图片质量评估，得到人脸检测结果和/或图片质量评估结果；
对应地，所述上色处理单元63，具体用于若所述人脸检测结果满足第一预设检测条件和/或所述图片质量评估结果满足第二预设检测条件，则根据所述风格图片及风格迁移算法对所述待上色人像图片进行上色处理，得到目标人像图片。
可选地，所述第一异常处理单元62包括：
第二检测模块，用于获取所述待上色人像图片对应的第一姿态角和所述风格图片对应的第二姿态角，计算所述第一姿态角和所述第二姿态角的角度偏差值；
对应地，所述上色处理单元63，具体用于若所述角度偏差值小于预设偏差阈值，则根据所述风格图片及风格迁移算法对所述待上色人像图片进行上色处理，得到目标人像图片。
可选地，所述第一异常处理单元62还包括：
旋转角调整模块，用于若所述第一旋转角与所述第二旋转角的角度偏差大于第一角度阈值，则调整所述待上色人像图片和/或所述风格图片的旋转角，直至所述第一旋转角与所述第二旋转角的角度偏差小于或者等于所述第一角度阈值。
可选地，所述人像图片上色装置还包括：
风格图片模板获取单元，用于若在预设时长内未获取到所述风格图片或者所述第一检测结果不满足预设检测条件，则获取预存的风格图片模板作为所述风格图片。
可选地，所述上色处理单元63包括掩膜图像生成模块、风格特征提取模块、上色模块：
掩膜图像生成模块，用于若所述第一检测结果满足预设检测条件，则生成所述待上色人像图片对应的人像掩膜图像和所述风格图片对应的风格掩膜图像；
风格特征提取模块，用于根据所述风格图片和所述风格掩膜图像，提取所述风格图片的风格特征；
上色模块，用于根据所述人像掩膜图像及所述风格特征，对所述待上色人像图片进行上色，得到目标人像图片。
可选地，所述掩膜图像生成模块，具体用于若所述第一检测结果满足预设检测条件，则将所述待上色人像图片输入图像分割模型进行处理，生成所述待上色人像图片对应的人像掩膜图像，以及将所述风格图片输入所述图像分割模型进行处理，生成所述风格图片对应的风格掩膜图像。
可选地，所述人像图片上色装置还包括：
第二异常检测单元，用于对所述目标人像图片进行第二异常检测，得到第二检测结果；若所述第二检测结果不满足预设验收条件，则接收掩膜图像调整指令调整所述人像掩膜图像和/或所述风格掩膜图像，并返回指示风格特征提取模块执行根据所述风格图片和所述风格掩膜图像，提取所述风格图片的风格特征的步骤。
需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，由于与本申请方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
实施例四：
图7是本申请一实施例提供的终端设备的示意图。如图7所示，该实施例的终端设备7包括：处理器70、存储器71以及存储在所述存储器71中并可在所述处理器70上运行的计算机程序72，例如图数据的边预测程序。所述处理器70执行所述计算机程序72时实现上述各个图数据的边预测方法实施例中的步骤，例如图1所示的步骤S101至S103。或者，所述处理器70执行所述计算机程序72时实现上述各装置实施例中各模块/单元的功能，例如图6所示单元61至63的功能。
示例性的，所述计算机程序72可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器71中，并由所述处理器70执行，以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序72在所述终端设备7中的执行过程。例如，所述计算机程序72可以被分割成第一获取单元、第一异常检测单元、上色处理单元，各单元具体功能如下：
第一获取单元，用于获取待上色人像图片和风格图片。
第一异常检测单元，用于对所述风格图片进行第一异常检测，得到第一检测结果。
上色处理单元，若所述第一检测结果满足预设检测条件，则根据所述风格图片及风格迁移算法对所述待上色人像图片进行上色处理，得到目标人像图片。
所述终端设备7可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括，但不仅限于，处理器70、存储器71。本领域技术人员可以理解，图7仅仅是终端设备7的示例，并不构成对终端设备7的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器70可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器71可以是所述终端设备7的内部存储单元，例如终端设备7的硬盘或内存。所述存储器71也可以是所述终端设备7的外部存储设备，例如所述终端设备7上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器71还可以既包括所述终端设备7的内部存储单元也包括外部存储设备。所述存储器71用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器71还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (10)

1.一种人像图片上色方法，其特征在于，包括：
获取待上色人像图片和风格图片；
对所述风格图片进行第一异常检测，得到第一检测结果；
若所述第一检测结果满足预设检测条件，则根据所述风格图片及风格迁移算法对所述待上色人像图片进行上色处理，得到目标人像图片。
2.如权利要求1所述的人像图片上色方法，其特征在于，所述对所述风格图片进行第一异常检测，得到第一检测结果，包括：
对所述风格图片进行人脸检测和/或图片质量评估，得到人脸检测结果和/或图片质量评估结果；
对应地，所述若所述第一检测结果满足预设检测条件，则根据所述风格图片及风格迁移算法对所述待上色人像图片进行上色处理，得到目标人像图片，包括：
若所述人脸检测结果满足第一预设检测条件和/或所述图片质量评估结果满足第二预设检测条件，则根据所述风格图片及风格迁移算法对所述待上色人像图片进行上色处理，得到目标人像图片。
3.如权利要求1所述的人像图片上色方法，其特征在于，所述对所述风格图片进行第一异常检测，得到第一检测结果包括：
获取所述待上色人像图片对应的第一姿态角和所述风格图片对应的第二姿态角，计算所述第一姿态角和所述第二姿态角的角度偏差值；
对应地，所述若所述第一检测结果满足预设检测条件，则根据所述风格图片及风格迁移算法对所述待上色人像图片进行上色处理，得到目标人像图片包括：
若所述角度偏差值小于预设偏差阈值，则根据所述风格图片及风格迁移算法对所述待上色人像图片进行上色处理，得到目标人像图片。
4.如权利要求3所述的人像图片上色方法，其特征在于，所述第一姿态角包括第一旋转角，所述第二姿态角包括第二旋转角，对应地，在所述获取所述待上色人像图片对应的第一姿态角和所述风格图片对应的第二姿态角，计算所述第一姿态角和所述第二姿态角的角度偏差值之后，还包括：
若所述第一旋转角与所述第二旋转角的角度偏差大于第一角度阈值，则调整所述待上色人像图片和/或所述风格图片的旋转角，直至所述第一旋转角与所述第二旋转角的角度偏差小于或者等于所述第一角度阈值。
5.如权利要求1所述的人像图片上色方法，其特征在于，所述若所述第一检测结果满足预设检测条件，则根据所述风格图片及风格迁移算法对所述待上色人像图片进行上色，得到目标人像图片，包括：
若所述第一检测结果满足预设检测条件，则生成所述待上色人像图片对应的人像掩膜图像和所述风格图片对应的风格掩膜图像；
根据所述风格图片和所述风格掩膜图像，提取所述风格图片的风格特征；
根据所述人像掩膜图像及所述风格特征，对所述待上色人像图片进行上色，得到目标人像图片。
6.如权利要求5所述的人像图片上色方法，其特征在于，若所述第一检测结果满足预设检测条件，则生成所述待上色人像图片对应的人像掩膜图像和所述风格图片对应的风格掩膜图像，包括：
若所述第一检测结果满足预设检测条件，则将所述待上色人像图片输入图像分割模型进行处理，生成所述待上色人像图片对应的人像掩膜图像，以及将所述风格图片输入所述图像分割模型进行处理，生成所述风格图片对应的风格掩膜图像。
7.如权利要求5所述的人像图片上色方法，其特征在于，在所述根据所述人像掩膜图像及所述风格特征，对所述待上色人像图片进行上色，得到目标人像图片之后，还包括：
对所述目标人像图片进行第二异常检测，得到第二检测结果；
若所述第二检测结果不满足预设验收条件，则接收掩膜图像调整指令调整所述人像掩膜图像和/或所述风格掩膜图像，并返回所述根据所述风格图片和所述风格掩膜图像，提取所述风格图片的风格特征的步骤。
8.一种人像图片上色装置，其特征在于，包括：
第一获取单元，用于获取待上色人像图片和风格图片；
第一异常检测单元，用于对所述风格图片进行第一异常检测，得到第一检测结果；
上色处理单元，若所述第一检测结果满足预设检测条件，则根据所述风格图片及风格迁移算法对所述待上色人像图片进行上色处理，得到目标人像图片。
9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，当所述处理器执行所述计算机程序时，使得终端设备实现如权利要求1至7任一项所述方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，当所述计算机程序被处理器执行时，使得终端设备实现如权利要求1至7任一项所述方法的步骤。
CN202010124962.3A 2020-02-27 2020-02-27 人像图片上色方法、装置及终端设备 Pending CN113313786A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010124962.3A CN113313786A (zh) 2020-02-27 2020-02-27 人像图片上色方法、装置及终端设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010124962.3A CN113313786A (zh) 2020-02-27 2020-02-27 人像图片上色方法、装置及终端设备

Publications (1)

Publication Number Publication Date
CN113313786A true CN113313786A (zh) 2021-08-27

Family

ID=77370397

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010124962.3A Pending CN113313786A (zh) 2020-02-27 2020-02-27 人像图片上色方法、装置及终端设备

Country Status (1)

Country Link
CN (1) CN113313786A (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104732506A (zh) * 2015-03-27 2015-06-24 浙江大学 一种基于人脸语义分析的人物照片颜色风格转换方法
US20160364625A1 (en) * 2015-06-10 2016-12-15 Adobe Systems Incorporated Automatically Selecting Example Stylized Images for Image Stylization Operations Based on Semantic Content
CN109214394A (zh) * 2018-08-02 2019-01-15 中国科学院信息工程研究所 一种基于颜色和纹理特性的风格迁移伪造图像检测方法和装置
CN109325903A (zh) * 2017-07-31 2019-02-12 北京大学 图像风格化重建的方法及装置
CN109697690A (zh) * 2018-11-01 2019-04-30 北京达佳互联信息技术有限公司 图像风格迁移方法和系统
WO2019128508A1 (zh) * 2017-12-28 2019-07-04 Oppo广东移动通信有限公司 图像处理方法、装置、存储介质及电子设备
CN109993716A (zh) * 2017-12-29 2019-07-09 微软技术许可有限责任公司 图像融合变换
CN110020578A (zh) * 2018-01-10 2019-07-16 广东欧珀移动通信有限公司 图像处理方法、装置、存储介质及电子设备
CN110458918A (zh) * 2019-08-16 2019-11-15 北京百度网讯科技有限公司 用于输出信息的方法和装置
US10552977B1 (en) * 2017-04-18 2020-02-04 Twitter, Inc. Fast face-morphing using neural networks
CN110838084A (zh) * 2019-09-24 2020-02-25 咪咕文化科技有限公司 一种图像的风格转移方法、装置、电子设备及存储介质

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104732506A (zh) * 2015-03-27 2015-06-24 浙江大学 一种基于人脸语义分析的人物照片颜色风格转换方法
US20160364625A1 (en) * 2015-06-10 2016-12-15 Adobe Systems Incorporated Automatically Selecting Example Stylized Images for Image Stylization Operations Based on Semantic Content
US10552977B1 (en) * 2017-04-18 2020-02-04 Twitter, Inc. Fast face-morphing using neural networks
CN109325903A (zh) * 2017-07-31 2019-02-12 北京大学 图像风格化重建的方法及装置
WO2019128508A1 (zh) * 2017-12-28 2019-07-04 Oppo广东移动通信有限公司 图像处理方法、装置、存储介质及电子设备
CN109993716A (zh) * 2017-12-29 2019-07-09 微软技术许可有限责任公司 图像融合变换
CN110020578A (zh) * 2018-01-10 2019-07-16 广东欧珀移动通信有限公司 图像处理方法、装置、存储介质及电子设备
CN109214394A (zh) * 2018-08-02 2019-01-15 中国科学院信息工程研究所 一种基于颜色和纹理特性的风格迁移伪造图像检测方法和装置
CN109697690A (zh) * 2018-11-01 2019-04-30 北京达佳互联信息技术有限公司 图像风格迁移方法和系统
CN110458918A (zh) * 2019-08-16 2019-11-15 北京百度网讯科技有限公司 用于输出信息的方法和装置
CN110838084A (zh) * 2019-09-24 2020-02-25 咪咕文化科技有限公司 一种图像的风格转移方法、装置、电子设备及存储介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
FUJUN LUAN 等: "Deep Photo Style Transfer", 《2017 IEEE CONFERENCE ON COMPUTER VISION AND PATTERN RECOGNITION (CVPR)》, 9 November 2017 (2017-11-09), pages 6997 - 7005 *
陈怡真 等: "重彩画的风格转移算法", 《计算机辅助设计与图形学学报》, vol. 31, no. 5, pages 808 - 820 *
陈超: "前景与背景分离的图像风格迁移系统设计与实现", 《信息通信》, no. 4, pages 60 - 62 *

Similar Documents

Publication Publication Date Title
CN107316020B (zh) 人脸替换方法、装置及电子设备
WO2022027912A1 (zh) 一种人脸姿态检测方法、装置、终端设备及存储介质
CN110781885A (zh) 基于图像处理的文本检测方法、装置、介质及电子设备
Tuzel et al. Global-local face upsampling network
EP1229488A2 (en) Information processing method and apparatus
CN109711268B (zh) 一种人脸图像筛选方法及设备
CN109215131B (zh) 虚拟人脸的驱动方法及装置
WO2020034743A1 (zh) 三维模型处理方法、装置、电子设备及可读存储介质
CN108416801B (zh) 一种面向立体视觉三维重建的Har-SURF-RAN特征点匹配方法
CN111611934A (zh) 一种人脸检测模型生成和人脸检测方法、装置及设备
CN113095333B (zh) 无监督特征点检测方法及装置
CN112396050B (zh) 图像的处理方法、设备以及存储介质
CN112861661A (zh) 图像处理方法及装置、电子设备及计算机可读存储介质
CN111738050A (zh) 用于处理图像的方法及电子设备
CN115546795A (zh) 一种基于深度学习的圆形指针式仪表自动读数方法
CN110032941B (zh) 人脸图像检测方法、人脸图像检测装置及终端设备
CN111460910A (zh) 人脸脸型的分类方法、装置、终端设备及存储介质
CN106295716A (zh) 一种基于视频信息的交通运动目标分类方法及装置
Sun et al. Martial arts routine difficulty action technology VR image target real-time extraction simulation
CN112465050A (zh) 一种图像模板选择方法、装置、设备及存储介质
CN112270747A (zh) 一种人脸识别方法、装置及电子设备
CN113313786A (zh) 人像图片上色方法、装置及终端设备
Li et al. Multiscale structure and texture feature fusion for image inpainting
Sablatnig et al. Structural analysis of paintings based on brush strokes
CN111612712B (zh) 一种人脸端正度的确定方法、装置、设备及介质

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