CN113362344A - 人脸皮肤分割方法和设备 - Google Patents
人脸皮肤分割方法和设备 Download PDFInfo
- Publication number
- CN113362344A CN113362344A CN202110739425.4A CN202110739425A CN113362344A CN 113362344 A CN113362344 A CN 113362344A CN 202110739425 A CN202110739425 A CN 202110739425A CN 113362344 A CN113362344 A CN 113362344A
- Authority
- CN
- China
- Prior art keywords
- face
- image
- skin
- mask
- frame information
- 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
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
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformation in the plane of the image
- G06T3/60—Rotation of a whole image or part thereof
-
- 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
- G06T2207/10004—Still image; Photographic image
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20132—Image cropping
-
- 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
Abstract
本发明涉及图像处理领域,尤其涉及一种人脸皮肤分割方法和设备。其中,上述方法包括:获取第一图像中的人脸框信息和人脸角度信息;根据所述人脸框信息,对所述第一图像进行裁剪,得到第二图像;根据所述人脸角度信息,对所述第二图像进行角度旋转,得到第三图像;将所述第三图像输入人脸皮肤分割模型,得到第一人脸皮肤蒙版;将所述第一人脸皮肤蒙版的尺寸和人脸角度调整至与所述第一图像一致,得到第二人脸皮肤蒙版;根据所述第二人脸皮肤蒙版及对应的人脸属性信息,对所述第一图像进行人脸皮肤处理。本发明实施例提供的人脸皮肤分割方法和设备能够获取高精度的人脸皮肤蒙版。
Description
【技术领域】
本发明涉及图像处理领域,尤其涉及一种人脸皮肤分割方法和设备。
【背景技术】
在图像处理领域中,为了对人脸皮肤区域进行美颜、降噪等处理,首先需要从图像中识别分割出人脸皮肤区域,即获取人脸皮肤蒙版。目前获取人脸皮肤蒙版的方法大致可以分为两类,一是传统的图像分割方法,二是深度学习的方法。
传统的图像分割方法存在分割精度差的问题,容易出现过分割或欠分割现象。例如当背景中存在与人脸皮肤肤色近似的区域,传统的图像分割方法极易将该区域作为人脸皮肤区域进行分割。同时,当人脸在图片中占比较大、人脸区域存在其他物体遮挡,或者人脸区域光照不均匀时,传统的图像分割方法也存在分割精度差的问题。
在深度学习的方法中,可以利用人脸关键点检测的方法实现对人脸皮肤区域的定位分割。但是,如果人脸额头部位存在头发遮挡,人脸关键点检测的方法极易将额头部位的头发也作为人脸皮肤区域进行分割,导致后期对人脸皮肤区域进行例如调整肤色等的操作时,额头部位的头发也被变色。
【发明内容】
有鉴于此,本发明实施例提供了一种人脸皮肤分割方法和设备,能够获取高精度的人脸皮肤蒙版。
第一方面,本发明实施例提供了一种人脸皮肤分割方法,包括:
获取第一图像中的人脸框信息和人脸角度信息;
根据所述人脸框信息,对所述第一图像进行裁剪,得到第二图像;
根据所述人脸角度信息,对所述第二图像进行角度旋转,得到第三图像;
将所述第三图像输入人脸皮肤分割模型,得到第一人脸皮肤蒙版;
将所述第一人脸皮肤蒙版的尺寸和人脸角度调整至与所述第一图像一致,得到第二人脸皮肤蒙版;
根据所述第二人脸皮肤蒙版及对应的人脸属性信息,对所述第一图像进行人脸皮肤处理。
其中一种可能的实现方式中,获取第一图像中的人脸框信息,包括:
基于人脸检测模型获取所述第一图像包含的每个人脸的人脸框信息。
其中一种可能的实现方式中,根据所述人脸框信息,对所述第一图像进行裁剪,得到第二图像,包括:
如果所述第一图像包含的人脸个数为一个,则根据该一个人脸的人脸框信息计算人脸占比,根据所述人脸占比对所述人脸框信息进行调整,并根据调整后的人脸框信息对所述第一图像进行裁剪,得到所述第二图像;
如果所述第一图像包含的人脸个数为多个,则根据每个人脸的人脸框信息计算人脸占比;根据每个人脸的人脸占比以及不同人脸之间的距离,对每个人脸的所述人脸框信息进行调整,并根据调整后的各个人脸的人脸框信息分别对所述第一图像进行裁剪,得到各个人脸分别对应的第二图像。
其中一种可能的实现方式中,根据所述人脸角度信息,对所述第二图像进行角度旋转,得到第三图像,包括:
确定人脸参照角度;
如果所述人脸角度信息偏离所述参照角度的偏离值大于预设角度阈值,则对所述第二图像进行角度旋转,得到所述第三图像。
其中一种可能的实现方式中,将所述第三图像输入人脸皮肤分割模型,得到第一人脸皮肤蒙版,包括:
将所述第三图像的尺寸缩放至预设尺寸,将缩放至预设尺寸的第三图像输入所述人脸皮肤分割模型以得到所述第一人脸皮肤蒙版。
其中一种可能的实现方式中,根据所述第二人脸皮肤蒙版及对应的人脸属性信息,对所述第一图像进行人脸皮肤处理,包括:
基于人脸属性检测模型从所述第一图像中获取所述第二人脸皮肤蒙版对应的人脸属性信息;
将所述第二人脸皮肤蒙版、对应的人脸属性信息以及所述第一图像输入皮肤处理模块,所述皮肤处理模块用于根据所述第二人脸皮肤蒙版在所述第一图像中确定待处理皮肤区域,并根据所述人脸属性信息对所述待处理皮肤区域进行人脸皮肤处理。
其中一种可能的实现方式中,所述方法还包括:
获取人脸训练数据,所述人脸训练数据包括在不同缺陷场景下拍摄的人脸图像;
基于所述人脸训练数据对原始人脸皮肤分割模型进行训练,得到所述人脸皮肤分割模型,所述人脸皮肤分割模型具备从在不同缺陷场景下拍摄的人脸图像中识别出人脸皮肤蒙版的功能。
其中一种可能的实现方式中,当所述第一图像包括多个人脸时,分别获取每个所述人脸的人脸框信息;所述方法还包括:
从所述多个人脸的人脸框信息中选择至少一个目标人脸的人脸框信息;
基于每个目标人脸的人脸框信息,分别获取每个目标人脸的人脸皮肤蒙版并对每个目标人脸执行人脸皮肤处理。
第二方面,本发明实施例一种人脸皮肤分割装置,包括:
获取模块,用于获取第一图像中的人脸框信息和人脸角度信息;
裁剪模块,用于根据所述人脸框信息,对所述第一图像进行裁剪,得到第二图像;
旋转模块,用于根据所述人脸角度信息,对所述第二图像进行角度旋转,得到第三图像;
分割模块,用于将所述第三图像输入人脸皮肤分割模型,得到第一皮肤蒙版;
还原模块,用于将所述第一人脸皮肤蒙版的尺寸和人脸角度调整至与所述第一图像一致,得到第二人脸皮肤蒙版;
皮肤处理模块,用于根据所述第二人脸皮肤蒙版及对应的人脸属性信息,对所述第一图像进行人脸皮肤处理。
第三方面,本发明实施例提供一种电子设备,包括:
至少一个处理器;以及
与所述处理器通信连接的至少一个存储器,其中:
所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行第一方面提供的方法。
应当理解的是,本发明实施例的第二~第三方面与本发明实施例的第一方面的技术方案一致,各方面及对应的可行实施方式所取得的有益效果相似,不再赘述。
发明实施例提供的人脸皮肤分割方法和设备,能够获取高精度的人脸皮肤蒙版。
【附图说明】
为了更清楚地说明本发明实施例的技术方案,下面将对实施例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说明书的一些实施例,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它的附图。
图1为本发明实施例提供的一种人脸皮肤分割方法的流程图;
图2-a为本发明实施例提供的一种人脸框信息的示意图;
图2-b为本发明实施例提供的一种人脸角度信息的示意图;
图2-c为本发明实施例提供的一种第一图像和第二人脸皮肤蒙版的对比图;
图3为本发明实施例提供的一种人脸皮肤分割模型训练方法的流程图;
图4为本发明实施例提供的一种人脸皮肤分割装置的示意图;
图5为本发明实施例提供的另一种人脸皮肤分割装置的示意图;
图6为本发明实施例提供的一种电子设备的结构示意图。
【具体实施方式】
为了更好的理解本发明的技术方案,下面结合附图对本说明书实施例进行详细描述。
应当明确,所描述的实施例仅仅是本说明书一部分实施例,而不是全部的实施例。基于本说明书中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本说明书保护的范围。
在本说明书实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本说明书。在本说明书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。
目前获取人脸皮肤蒙版的方法大都存在分割精度差或运行速度慢的问题,本发明实施例提供的人脸皮肤分割方法和设备,能够在保障运行速度的同时获取高精度的人脸皮肤蒙版。
图1为本发明实施例提供的一种人脸皮肤分割方法的流程图。如图1所示,上述人脸皮肤分割方法可以包括:
步骤101,获取第一图像中的人脸框信息和人脸角度信息。
其中,第一图像为待处理图像。
具体地,在本步骤中,可以使用人脸检测模型对第一图像中的人脸进行检测,得到人脸框信息。
在一个具体示例中,如图2-a所示,人脸框信息为图2-a矩形人脸框的位置信息,可以用矩形人脸框的左上角坐标值,以及矩形人脸框的长度值和宽度值表示。
如图2-b所示,建立人头部坐标系,该坐标系包括相互垂直的x轴、y轴和z轴,其中,x轴和z轴与水平面方向平行,y轴与水平面方向垂直。当人脸正视前方时,z轴与视线方向平行。并且可以将人脸正视前方时,人脸角度确定为人脸参照角度。当人脸绕z轴旋转时,产生偏转角度,该偏转角度即为人脸角度信息,记为roll角。
获取第一图像中的人脸框信息和人脸角度信息之后,继续执行步骤102。
步骤102,根据人脸框信息,对第一图像进行裁剪,得到第二图像。
如果第一图像中仅有一个人脸,根据该人脸的人脸框信息,以及第一图像的尺寸,计算该人脸的人脸占比。如果人脸占比小于第一阈值,则表示该人脸在第一图像中占比较小,第一图像中除该人脸外还包含大量背景区域。此时应对人脸框信息进行调整,以使根据调整后的人脸框信息确定的人脸区域尽量包括该人脸完整的人脸部分和脖子部分,之后,根据调整后的人脸框信息对第一图像进行裁剪,去除第一图像中的背景区域,得到第二图像。本步骤中,如果人脸占比大于或等于第一阈值,则不对第一图像进行裁剪,直接将第一图像作为第二图像。
如果第一图像中存在多个人脸,则需要根据各个人脸的人脸框信息,确定该多个人脸之间的距离和各个人脸对应的人脸占比。对于其中的每个人脸,根据该人脸与其它人脸之间的距离和该人脸的人脸占比,调整该人脸对应的人脸框信息,以使根据调整后的人脸框信息确定的人脸区域尽量包括该人脸完整的人脸部分和脖子部分,同时又不包括与该人脸距离较近的其它人脸。之后,根据每个人脸调整后的人脸框信息,对第一图像进行裁剪,得到各个人脸分别对应的第二图像。当第一图像中存在多个人脸,本步骤中可以得到多个第二图像。
需要说明的是,步骤101中基于人脸检测模型得到的人脸框一般不能涵盖完整的人脸,而本步骤中对人脸框信息进行调整的有益效果为,可以使后续步骤中得到的人脸皮肤蒙版既包含人脸部分,也包含脖子部分,避免皮肤处理模块仅对第一图像中的人脸部分进行处理,导致处理后的图像中人脸部分和脖子部分的呈现效果不一致。
同时,对第一图像进行裁剪,可以去除第一图像中的背景区域,该背景区域中可能包含与人脸皮肤颜色相近的非人脸皮肤区域和其他冗余信息。裁剪掉该背景区域,可使后续步骤中人脸皮肤分割模型的分割精度得到保证。裁剪后的到的第二图像的尺寸小于第一图像,可以使后续步骤中人脸皮肤分割模型的运行速度得到提升。
另外,如果在第一图像中的人脸占比较小的情况下,直接将第一图像输入人脸皮肤分割模型,易造成欠分割;而先把人脸区域裁剪出来再输入人脸皮肤分割模型,能够有效改善人脸皮肤分割模型对小尺寸人脸的分割精度,提升人脸皮肤分割模型对不同分辨率图像的鲁棒性。当第一图像中包含多个人脸时,将每个人脸分别裁剪出来,得到多个第二图像,后续步骤中,可以分别得到每个第二图像对应的人脸皮肤分割蒙版和人脸属性信息,进而对每个人脸做出不同的、针对性更强的人脸皮肤处理。
得到第二图像之后,继续执行步骤103。
步骤103,根据人脸角度信息,对第二图像进行角度旋转,得到第三图像。
具体地,确定人脸参照角度,人脸参照角度的确定方法参照对图2-a的说明,在此不再赘述;如果第二图像的人脸角度信息与人脸参照角度的偏离值大于预设角度阈值,则对第二图像进行角度旋转,得到第三图像,以使第三图像的人脸角度信息与人脸参照角度的偏离值小于或等于预设角度阈值。其中,人脸角度信息与人脸参照角度的偏离值,可以用人脸角度信息与人脸参照角度的差值表示。如果第二图像的人脸角度信息与人脸参照角度的偏离值小于或等于预设角度阈值,则不对第二图片进行角度旋转,直接将第二图像作为第三图像。
得到第三图像之后,继续执行步骤104。
步骤104,将第三图像输入人脸皮肤分割模型,得到第一人脸皮肤蒙版。
具体地,将第三图像的尺寸缩放至预设尺寸,并将缩放至预设尺寸的第三图像输入人脸皮肤分割模型,得到第一人脸皮肤蒙版。其中,预设尺寸可以根据实际需求进行调整。所述人脸皮肤分割模型具备从第三图像中识别出人脸皮肤区域和脖子皮肤区域,得到第一人脸皮肤蒙版的功能。
需要说明的是,人脸皮肤分割模型为轻量级的分割模型,能够在输出高精度的人脸皮肤蒙版的同时,保证运行速度,使该模型能够在手机等算力受限的平台上得到部署。
所述第一人脸皮肤蒙版的尺寸为预设尺寸,在得到第一人脸皮肤蒙版后,继续执行步骤105。
步骤105,将第一人脸皮肤蒙版的尺寸和人脸角度调整至与第一图像一致,得到第二人脸皮肤蒙版。
具体地,如果在步骤103中对第二图像进行了角度旋转,则需要根据第一图像中的人脸角度信息,将第一人脸皮肤蒙版的人脸角度调整至与第一图像一致的角度;另外,所述第一人脸皮肤蒙版的尺寸为预设尺寸,还需要将第一人脸皮肤蒙版调整至与第一图像一致的尺寸,得到第二人脸皮肤蒙版。其中,第二人脸皮肤蒙版的尺寸与第一图像一致,第二人脸皮肤蒙版的人脸角度信息与第一图像的人脸角度信息一致。
得到第二人脸皮肤蒙版后,继续执行步骤106。
步骤106,根据第二人脸皮肤蒙版及对应的人脸属性信息,对第一图像进行人脸皮肤处理。
具体地,可以将第一图像输入人脸属性检测模型,得到人脸属性信息。其中,人脸属性检测模型具备从第一图像中获取第二人脸皮肤蒙版对应的人脸属性信息的功能;所述人脸属性信息可以包括但不限于第二人脸皮肤蒙版对应人脸的年龄信息、性别信息和肤色信息等信息。得到人脸属性信息之后,将第二人脸皮肤蒙版与对应的人脸属性信息,以及第一图像输入皮肤处理模块,以使皮肤处理模块根据第二人脸皮肤蒙版在第一图像中确定待处理的皮肤区域,并根据第二人脸皮肤蒙版对应的人脸属性信息对待处理的皮肤区域进行针对性更强的人脸皮肤处理。例如,当待处理的皮肤区域的肤色偏黑时,可以对待处理的皮肤区域的进行美白处理,使该区域的肤色变白。皮肤处理模块除了可以对待处理的皮肤区域进行肤色调整,还可以对待处理的皮肤区域执行包括但不限于人脸美颜、人像降噪等的人脸皮肤处理,以使待处理的皮肤区域呈现更佳的显示效果。
另外,当第一图像中包括多张人脸时,分别获取每个所述人脸对应的人脸框信息;用户可以从多个人脸的人脸框信息中选择至少一个目标人脸的人脸框信息;基于每个目标人脸的人脸框信息,分别获取每个目标人脸的人脸皮肤蒙版和对应的人脸属性信息,并根据每个目标人脸的人脸皮肤蒙版和对应的人脸属性信息对第一图像中的每个目标人脸执行更具针对性的人脸皮肤处理,即对第一图像中的每个目标人脸执行上述步骤101-步骤106。用户通过控制目标人脸的数目,可以对本发明实施例的计算量进行控制,使本发明实施例能够应用于不同算力的平台。
图2-c为本发明实施例提供的一种第一图像和第二人脸皮肤蒙版的对比图。如图2-c所示,位于图2-c左上位置的图像为一种第一图像的示意图。在该第一图像中共有5个人脸,可以从中选择3个人脸作为目标人脸,如第一图像中所示的人脸A、人脸B和人脸C;分别对3个目标人脸执行上述步骤101-步骤106,得到3个目标人脸对应的第二人脸皮肤蒙版。其中人脸A对应的第二人脸皮肤蒙版如A蒙版所示,人脸B对应的第二人脸皮肤蒙版如B蒙版所示,人脸C对应的第二人脸皮肤蒙版如C蒙版所示。
图1所示的人脸皮肤分割方法,通过对第一图像中人脸区域之外的背景区域进行裁剪,去除了第一图像中的冗余图像,提升了人脸皮肤分割模型对低分辨率人脸图像的分割精度;将第三图像缩放至预设尺寸后输入人脸皮肤分割模型,保证了人脸皮肤分割模型的运行速度。
本发明实施例通过对人脸检测模型得到的人脸框信息进行自适应调整,裁剪出人脸部分和脖子部分,从而使得到的人脸皮肤蒙版中既包含人脸皮肤区域,也包含脖子皮肤区域,避免皮肤处理模块只对人脸皮肤区域进行处理,而导致人脸皮肤区域和脖子皮肤区域呈现效果不统一的问题。另外,本发明实施例通过获取人脸皮肤蒙版对应的人脸属性信息,可使皮肤处理模块对待处理的皮肤区域进行针对性更强的人脸皮肤处理。
图3为本发明实施例提供的一种人脸皮肤分割模型训练方法的流程图。如图3所示,在图1的步骤104之前,所述方法还包括:
步骤201,获取人脸训练数据,人脸训练数据包括在不同缺陷场景下拍摄的人脸图像。
其中,在不同缺陷场景下拍摄的人脸图像包括但不限于在逆光、暗光、侧光条件下拍摄的人脸图像,以及人脸部分存在遮挡的人脸图像。在获取上述人脸图像之后,对上述人脸图像中的人脸皮肤区域和脖子皮肤区域进行标注,得到人脸皮肤标签。对上述人脸图像和对应的人脸皮肤标签进行预处理,其中,预处理包括对上述人脸图像和对应的人脸皮肤标签进行随机旋转、随机裁剪和随机缩放;并将经过预处理后的人脸图像和对应的人脸皮肤标签加入人脸训练数据,之后继续执行步骤202。
步骤202,基于人脸训练数据对原始人脸皮肤分割模型进行训练,得到人脸皮肤分割模型,人脸皮肤分割模型具备从在不同缺陷场景下拍摄的人脸图像中识别出人脸皮肤蒙版的功能。
具体地,使用步骤201得到的人脸训练数据对原始人脸皮肤分割模型进行训练,使原始人脸皮肤分割模型学习从在不同缺陷场景下拍摄的人脸图像中识别出人脸皮肤蒙版的能力,得到人脸皮肤分割模型。其中,原始人脸皮肤分割模型可以采用通用的轻量级分割模型,包括但不限于BiseNetv2模型;人脸皮肤分割模型可以用于执行图1中的步骤104,即从第三图像中识别出人脸皮肤区域和脖子皮肤区域,得到第一人脸皮肤蒙版。
步骤201-步骤202说明了对原始人脸皮肤分割模型进行模型训练,得到人脸皮肤分割模型的过程。在模型训练阶段,通过将大量在不同缺陷场景下拍摄的人脸图像及对应的标签加入人脸训练数据,提升了人脸皮肤分割模型的鲁棒性,使该模型能够从不同场景下拍摄的人脸图像中获取高精度的人脸皮肤蒙版。在对上述人脸图像进行标注时,兼顾人脸皮肤区域和脖子皮肤区域,使人脸皮肤分割模型得到的人脸皮肤蒙版中既包含人脸皮肤区域,也包含脖子皮肤区域,避免步骤106中皮肤处理模块只对人脸皮肤区域进行处理,而导致人脸皮肤区域和脖子皮肤区域呈现效果不统一的问题。另外,原始人脸皮肤分割模型采用通用的轻量级分割模型,使经过模型训练后得到的人脸皮肤分割模型的运行速度得到保障。
图4为本发明实施例提供的一种人脸皮肤分割装置的示意图。如图4所示,上述人脸皮肤分割装置可以包括:
获取模块41,用于获取第一图像中的人脸框信息和人脸角度信息;
裁剪模块42,用于根据所述人脸框信息,对所述第一图像进行裁剪,得到第二图像;
旋转模块43,用于根据所述人脸角度信息,对所述第二图像进行角度旋转,得到第三图像;
分割模块44,用于将所述第三图像输入人脸皮肤分割模型,得到第一人脸皮肤蒙版;
还原模块45,用于将所述第一人脸皮肤蒙版的尺寸和人脸角度调整至与所述第一图像一致,得到第二人脸皮肤蒙版;
皮肤处理模块46,用于根据所述第二人脸皮肤蒙版及对应的人脸属性信息,对所述第一图像进行人脸皮肤处理。
图4所示实施例提供的人脸皮肤分割装置可用于执行本发明图1所示方法实施例的技术方案,其实现原理和技术效果可以进一步参考方法实施例中的相关描述。
图5为本发明实施例提供的另一种人脸皮肤分割装置的示意图。如图5所示,上述人脸皮肤分割装置还可以包括:
模型训练模块47,用于获取人脸训练数据,所述人脸训练数据包括在不同缺陷场景下拍摄的人脸图像;基于所述人脸训练数据对原始人脸皮肤分割模型进行训练,得到所述人脸皮肤分割模型,所述人脸皮肤分割模型具备从不同缺陷场景下拍摄的人脸图像中识别出人脸皮肤蒙版的功能。
图5所示实施例提供的人脸皮肤分割装置可用于执行本发明图1和图3所示方法实施例的技术方案,其实现原理和技术效果可以进一步参考方法实施例中的相关描述。
图6为本发明实施提供的一种电子设备的结构示意图。图6显示的电子设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示,上述电子设备可以包括至少一个处理器;以及与上述处理器通信连接的至少一个存储器,其中:存储器存储有可被处理器执行的程序指令,上述处理器调用上述程序指令能够执行本发明图1和图3所示实施例提供的人脸皮肤分割方法。电子设备以通用计算设备的形式表现。电子设备的组件可以包括但不限于:一个或者多个处理器410,通信接口420,存储器430,以及连接不同系统组件(包括存储器430和处理单元410)的通信总线440。
通信总线440表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(Industry StandardArchitecture;以下简称:ISA)总线,微通道体系结构(Micro Channel Architecture;以下简称:MAC)总线,增强型ISA总线、视频电子标准协会(Video Electronics StandardsAssociation;以下简称:VESA)局域总线以及外围组件互连(Peripheral ComponentInterconnection;以下简称:PCI)总线。
电子设备典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
存储器430可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(Random Access Memory;以下简称:RAM)和/或高速缓存存储器。电子设备可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。存储器430可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块的程序/实用工具,可以存储在存储器430中,这样的程序模块包括——但不限于——操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块通常执行本发明所描述的实施例中的功能和/或方法。
处理器410通过运行存储在存储器430中的程序,从而执行各种功能应用以及数据处理,例如实现本发明图1和图3所示实施例提供的图片方法。
上述对本发明特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
在本发明的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本发明中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本发明中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地,取决于语境,短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
在本发明所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,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信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,在本发明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,也可以采用硬件加软件功能单元的形式实现。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。
Claims (10)
1.一种人脸皮肤分割方法,其特征在于,包括:
获取所述第一图像中的人脸框信息和人脸角度信息;
根据所述人脸框信息,对所述第一图像进行裁剪,得到第二图像;
根据所述人脸角度信息,对所述第二图像进行角度旋转,得到第三图像;
将所述第三图像输入人脸皮肤分割模型,得到第一人脸皮肤蒙版;
将所述第一人脸皮肤蒙版的尺寸和人脸角度调整至与所述第一图像一致,得到第二人脸皮肤蒙版;
根据所述第二人脸皮肤蒙版及对应的人脸属性信息,对所述第一图像进行人脸皮肤处理。
2.根据权利要求1所述的方法,其特征在于,获取第一图像中的人脸框信息,包括:
基于人脸检测模型获取所述第一图像包含的每个人脸的人脸框信息。
3.根据权利要求2所述的方法,其特征在于,根据所述人脸框信息,对所述第一图像进行裁剪,得到第二图像,包括;
如果所述第一图像包含的人脸个数为一个,则根据该一个人脸的人脸框信息计算人脸占比,根据所述人脸占比对所述人脸框信息进行调整,并根据调整后的人脸框信息对所述第一图像进行裁剪,得到所述第二图像;
如果所述第一图像包含的人脸个数为多个,则根据每个人脸的人脸框信息计算人脸占比;根据每个人脸的人脸占比以及不同人脸之间的距离,对每个人脸的所述人脸框信息进行调整,并根据调整后的各个人脸的人脸框信息分别对所述第一图像进行裁剪,得到各个人脸分别对应的第二图像。
4.根据权利要求1所述的方法,其特征在于,根据所述人脸角度信息,对所述第二图像进行角度旋转,得到第三图像,包括:
确定人脸参照角度;
如果所述人脸角度信息偏离所述参照角度的偏离值大于预设角度阈值,则对所述第二图像进行角度旋转,得到所述第三图像。
5.根据权利要求1所述的方法,其特征在于,将所述第三图像输入人脸皮肤分割模型,得到第一人脸皮肤蒙版,包括:
将所述第三图像的尺寸缩放至预设尺寸,将缩放至预设尺寸的第三图像输入所述人脸皮肤分割模型以得到所述第一人脸皮肤蒙版。
6.根据权利要求1所述的方法,其特征在于,根据所述第二人脸皮肤蒙版及对应的人脸属性信息,对所述第一图像进行人脸皮肤处理,包括:
基于人脸属性检测模型从所述第一图像中获取所述第二人脸皮肤蒙版对应的人脸属性信息;
将所述第二人脸皮肤蒙版、对应的人脸属性信息以及所述第一图像输入皮肤处理模块,所述皮肤处理模块用于根据所述第二人脸皮肤蒙版在所述第一图像中确定待处理皮肤区域,并根据所述人脸属性信息对所述待处理皮肤区域进行人脸皮肤处理。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取人脸训练数据,所述人脸训练数据包括在不同缺陷场景下拍摄的人脸图像;
基于所述人脸训练数据对原始人脸皮肤分割模型进行训练,得到所述人脸皮肤分割模型,所述人脸皮肤分割模型具备从在不同缺陷场景下拍摄的人脸图像中识别出人脸皮肤蒙版的功能。
8.根据权利要求1至7中任意一项所述的方法,其特征在于,当所述第一图像包括多个人脸时,分别获取每个所述人脸的人脸框信息;所述方法还包括:
从所述多个人脸的人脸框信息中选择至少一个目标人脸的人脸框信息;
基于每个目标人脸的人脸框信息,分别获取每个目标人脸的人脸皮肤蒙版并对每个目标人脸执行人脸皮肤处理。
9.一种人脸皮肤分割装置,其特征在于,包括:
获取模块,用于获取第一图像中的人脸框信息和人脸角度信息;
裁剪模块,用于根据所述人脸框信息,对所述第一图像进行裁剪,得到第二图像;
旋转模块,用于根据所述人脸角度信息,对所述第二图像进行角度旋转,得到第三图像;
分割模块,用于将所述第三图像输入人脸皮肤分割模型,得到第一人脸皮肤蒙版;
还原模块,用于将所述第一人脸皮肤蒙版的尺寸和人脸角度调整至与所述第一图像一致,得到第二人脸皮肤蒙版;
皮肤处理模块,用于根据所述第二人脸皮肤蒙版及对应的人脸属性信息,对所述第一图像进行人脸皮肤处理。
10.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述处理器通信连接的至少一个存储器,其中:
所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行如权利要求1至5任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110739425.4A CN113362344B (zh) | 2021-06-30 | 2021-06-30 | 人脸皮肤分割方法和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110739425.4A CN113362344B (zh) | 2021-06-30 | 2021-06-30 | 人脸皮肤分割方法和设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113362344A true CN113362344A (zh) | 2021-09-07 |
CN113362344B CN113362344B (zh) | 2023-08-11 |
Family
ID=77537575
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110739425.4A Active CN113362344B (zh) | 2021-06-30 | 2021-06-30 | 人脸皮肤分割方法和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113362344B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114742791A (zh) * | 2022-04-02 | 2022-07-12 | 深圳市国电科技通信有限公司 | 印刷电路板组装的辅助缺陷检测方法、装置及计算机设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107818305A (zh) * | 2017-10-31 | 2018-03-20 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、电子设备和计算机可读存储介质 |
CN111723803A (zh) * | 2020-06-30 | 2020-09-29 | 广州繁星互娱信息科技有限公司 | 图像处理方法、装置、设备及存储介质 |
CN112069891A (zh) * | 2020-08-03 | 2020-12-11 | 武汉大学 | 一种基于光照特征的深度伪造人脸鉴别方法 |
CN112766204A (zh) * | 2021-01-26 | 2021-05-07 | 京东方科技集团股份有限公司 | 图像处理方法、装置及计算机可读存储介质 |
CN112818908A (zh) * | 2021-02-22 | 2021-05-18 | Oppo广东移动通信有限公司 | 关键点检测方法、装置、终端及存储介质 |
CN112989904A (zh) * | 2020-09-30 | 2021-06-18 | 北京字节跳动网络技术有限公司 | 风格图像生成方法、模型训练方法、装置、设备和介质 |
-
2021
- 2021-06-30 CN CN202110739425.4A patent/CN113362344B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107818305A (zh) * | 2017-10-31 | 2018-03-20 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、电子设备和计算机可读存储介质 |
CN111723803A (zh) * | 2020-06-30 | 2020-09-29 | 广州繁星互娱信息科技有限公司 | 图像处理方法、装置、设备及存储介质 |
CN112069891A (zh) * | 2020-08-03 | 2020-12-11 | 武汉大学 | 一种基于光照特征的深度伪造人脸鉴别方法 |
CN112989904A (zh) * | 2020-09-30 | 2021-06-18 | 北京字节跳动网络技术有限公司 | 风格图像生成方法、模型训练方法、装置、设备和介质 |
CN112766204A (zh) * | 2021-01-26 | 2021-05-07 | 京东方科技集团股份有限公司 | 图像处理方法、装置及计算机可读存储介质 |
CN112818908A (zh) * | 2021-02-22 | 2021-05-18 | Oppo广东移动通信有限公司 | 关键点检测方法、装置、终端及存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114742791A (zh) * | 2022-04-02 | 2022-07-12 | 深圳市国电科技通信有限公司 | 印刷电路板组装的辅助缺陷检测方法、装置及计算机设备 |
Also Published As
Publication number | Publication date |
---|---|
CN113362344B (zh) | 2023-08-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10599914B2 (en) | Method and apparatus for human face image processing | |
EP3739431B1 (en) | Method for determining point of gaze, contrast adjustment method and device, virtual reality apparatus, and storage medium | |
WO2021179851A1 (zh) | 图像处理方法、装置、终端及存储介质 | |
CN113205568B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN112419170A (zh) | 遮挡检测模型的训练方法及人脸图像的美化处理方法 | |
CN108734078B (zh) | 图像处理方法、装置、电子设备、存储介质及程序 | |
CN112308866B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN111652796A (zh) | 图像处理方法、电子设备及计算机可读存储介质 | |
CN108764139B (zh) | 一种人脸检测方法、移动终端及计算机可读存储介质 | |
CN111767858A (zh) | 图像识别方法、装置、设备和计算机存储介质 | |
CN109272579B (zh) | 基于三维模型的美妆方法、装置、电子设备和存储介质 | |
WO2019015477A1 (zh) | 图像矫正方法、计算机可读存储介质和计算机设备 | |
CN110084219B (zh) | 界面交互方法及装置 | |
CN112135041B (zh) | 一种人脸特效的处理方法及装置、存储介质 | |
CN116048244B (zh) | 一种注视点估计方法及相关设备 | |
WO2024021742A9 (zh) | 一种注视点估计方法及相关设备 | |
CN111292334B (zh) | 一种全景图像分割方法、装置及电子设备 | |
CN112001872B (zh) | 信息显示方法、设备及存储介质 | |
CN114549557A (zh) | 一种人像分割网络训练方法、装置、设备及介质 | |
CN113362344B (zh) | 人脸皮肤分割方法和设备 | |
US10803677B2 (en) | Method and system of automated facial morphing for eyebrow hair and face color detection | |
CN114332458A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN112099712B (zh) | 人脸图像显示方法、装置、电子设备及存储介质 | |
CN113379623A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN107977644B (zh) | 基于图像采集设备的图像数据处理方法及装置、计算设备 |
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 |