CN113674139A - 人脸图像的处理方法、装置、电子设备及存储介质 - Google Patents
人脸图像的处理方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113674139A CN113674139A CN202110944932.1A CN202110944932A CN113674139A CN 113674139 A CN113674139 A CN 113674139A CN 202110944932 A CN202110944932 A CN 202110944932A CN 113674139 A CN113674139 A CN 113674139A
- Authority
- CN
- China
- Prior art keywords
- key point
- target
- face image
- key
- pixel value
- 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
- 238000003672 processing method Methods 0.000 title description 15
- 238000000034 method Methods 0.000 claims abstract description 54
- 238000012545 processing Methods 0.000 claims abstract description 45
- 238000004590 computer program Methods 0.000 claims description 10
- 230000009466 transformation Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000004044 response Effects 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 8
- 230000001815 facial effect Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000003796 beauty Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 210000000697 sensory organ Anatomy 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
Images
Classifications
-
- 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
- G06T3/04—Context-preserving transformations, e.g. by using an importance map
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本申请提出了一种人脸图像的处理方法、装置、电子设备及存储介质，包括：获取人脸图像的第一关键点，并从中确定基准关键点，在人脸图像上定位出第一关键点对应的形变后的第二关键点；根据第一关键点、第二关键点和基准关键点，在人脸图像上定位出第二关键点对应的形变前的目标关键点；对位于侧脸上的第一关键点对应的目标关键点进行坐标约束，以获取目标关键点的目标坐标；根据目标坐标，获取第二关键点的目标像素值，并基于目标像素值生成人脸图像形变后的目标人脸图像。本申请中，通过对目标关键点的坐标进行的坐标约束，使得获取到的形变后的人脸图像可以更加符合基本比例，从而提高了人脸图片的形变处理中对于侧脸形变的鲁棒性。
Description
技术领域
本申请涉及图像处理领域，尤其涉及一种人脸图像的处理方法、装置、电子设备及存储介质。
背景技术
随着社会的发展，瘦脸美颜已经成为了多媒体内容生成链路中的一种基本能力，相关技术中，可以对人脸进行轮廓进行调整，使得主播的面部更加贴合大众的审美。
其中，相关技术对于人脸图像的处理过程中，对于人脸左右脸的收缩形变距离是相同的，因此，会导致对于非正面方向的人脸，其侧脸部分会产生过分的形变。
因此，如何在侧脸姿态下对人脸的轮廓实现符合比例的调整，成为了目前需要解决的问题。
发明内容
本申请旨在至少在一定程度上解决相关技术中的技术问题之一。
为此，本申请第一方面提出一种人脸图像的处理方法。
本申请第二方面还提出一种人脸图像的处理装置。
本申请第三方面提出一种电子设备。
本申请第四方面提出一种计算机可读存储介质。
本申请第五方面提出一种计算机程序产品。
本申请第一方面提出一种人脸图像的处理方法，包括：获取人脸图像的第一关键点，并从中确定基准关键点，在所述人脸图像上定位出所述第一关键点对应的形变后的第二关键点；根据所述第一关键点、所述第二关键点和所述基准关键点，在所述人脸图像上定位出所述第二关键点对应的形变前的目标关键点；对位于侧脸上的所述第一关键点对应的所述目标关键点进行坐标约束，以获取所述目标关键点的目标坐标；根据所述目标坐标，获取所述第二关键点的目标像素值，并基于所述目标像素值生成所述人脸图像形变后的目标人脸图像。
另外，本申请第一方面提出的人脸图像的处理方法，还可以具有如下附加的技术特征：
根据本申请的一个实施例，所述在所述人脸图像上定位出所述第一关键点对应的形变后的第二关键点，包括：针对每个所述第一关键点，以所述第一关键点的第一坐标作为中心和预设值进行区域定位，以生成所述第二关键点的候选区域；从所述候选区域中，确定所述第二关键点。
根据本申请的一个实施例，所述从所述候选区域中，确定所述第二关键点，包括：基于设定像素间隔，从所述候选区域中确定所述第二关键点。
根据本申请的一个实施例，其中，所述根据所述目标坐标，获取所述第二关键点的目标像素值，包括：基于所述目标关键点的目标坐标，获取所述目标关键点的像素值；所述目标关键点的像素值生成所述第二关键点的目标像素值。
根据本申请的一个实施例，所述根据所述目标关键点的像素值生成所述第二关键点的目标像素值，包括：对所述目标关键点的像素值进行插值变换，生成所述第二关键点的目标像素值。
根据本申请的一个实施例，所述对位于侧脸上的所述第一关键点对应的所述目标关键点进行坐标约束，以获取所述目标关键点的目标坐标，包括：根据所述第一关键点以及所述基准关键点获取约束参数；基于所述约束参数，对所述目标关键点进行坐标约束，获取所述目标关键点的目标坐标。
根据本申请的一个实施例，所述方法还包括：获取所述第一关键点与所述基准关键点之间的第一距离；确定所述第一关键点的对称关键点，并获取所述对称关键点与所述基准关键点之间的第二距离；响应于所述第一距离小于所述第二距离，则确定所述第一关键点为位于所述侧脸上的关键点。
本申请第二方面还提出一种人脸图像的处理装置，包括：获取模块，用于获取人脸图像的第一关键点，并从中确定基准关键点，在所述人脸图像上定位出所述第一关键点对应的形变后的第二关键点；计算模块，用于根据所述第一关键点、所述第二关键点和所述基准关键点，在所述人脸图像上定位出所述第二关键点对应的形变前的目标关键点；约束模块，用于对位于侧脸上的所述第一关键点对应的所述目标关键点进行坐标约束，以获取所述目标关键点的目标坐标；生成模块，用于根据所述目标坐标，获取所述第二关键点的目标像素值，并基于所述目标像素值生成所述人脸图像形变后的目标人脸图像。
本申请第二方面提出的人脸图像的处理装置还可以具有如下附加的技术特征：
根据本申请的一个实施例，所述计算模块，还用于：针对每个所述第一关键点，以所述第一关键点的第一坐标作为中心和预设值进行区域定位，以生成所述第二关键点的候选区域；从所述候选区域中，确定所述第二关键点。
根据本申请的一个实施例，所述计算模块，还用于：基于设定像素间隔，从所述候选区域中确定所述第二关键点。
根据本申请的一个实施例，所述生成模块，还用于：基于所述目标关键点的目标坐标，获取所述目标关键点的像素值；根据所述目标关键点的像素值生成所述第二关键点的目标像素值。
根据本申请的一个实施例，所述生成模块，还用于：对所述目标关键点的像素值进行插值变换，生成所述第二关键点的目标像素值。
根据本申请的一个实施例，所述约束模块，还用于：根据所述第一关键点以及所述基准关键点获取约束参数；基于所述约束参数，对所述目标关键点进行坐标约束，获取所述目标关键点的目标坐标。
根据本申请的一个实施例，所述约束模块，还用于：获取所述第一关键点与所述基准关键点之间的第一距离；确定所述第一关键点的对称关键点，并获取所述对称关键点与所述基准关键点之间的第二距离；响应于所述第一距离小于所述第二距离，则确定所述第一关键点为位于所述侧脸上的关键点。
本申请第三方面提出了一种电子设备，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上述第一方面提出的人脸图像的处理方法。
本申请第四方面提出了一种计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行第一方面提出的人脸图像的处理方法。
本申请第五方面提出了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据上述第一方面提出的人脸图像的处理方法。
本申请提出的人脸图像的处理方法及装置，获取人脸图像的第一关键点，并从第一关键点中确定基准关键点，基于第一关键点与基准关键点确定形变后的第二关键点，进一步地，确定第二关键点对应的形变前的目标关键点。确定处于侧脸的目标关键点，并对其进行坐标约束，进而获取目标关键点的目标坐标，基于目标坐标可以获取形变后的第二关键点的像素值，并基于第二关键点的目标像素值生成人脸图像形变后的目标人脸图像。本申请中，通过形变后的第二关键点获取形变前的目标关键点，并对目标关键点的坐标进行的坐标约束，使得获取到的形变后的人脸图像可以更加符合基本比例，从而提高了人脸图片的形变处理中对于侧脸形变的鲁棒性。
应当理解，本申请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
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为本申请一实施例的人脸图像的处理方法的流程示意图；
图2为本申请另一实施例的人脸图像的处理方法的流程示意图；
图3为本申请一实施例的人脸图像的关键点的示意图；
图4为本申请另一实施例的人脸图像的处理方法的流程示意图；
图5为本申请一实施例的人脸图像的处理方法的效果示意图；
图6为本申请另一实施例的人脸图像的处理方法的流程示意图；
图7为本申请另一实施例的人脸图像的处理方法的流程示意图；
图8为本申请一实施例的人脸图像的处理装置的结构示意图；
图9为本申请另一实施例的人脸图像的处理装置的结构示意图；
图10为本申请一实施例的电子设备的结构示意图。
具体实施方式
下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。
下面参照附图描述本申请实施例的人脸图像的处理方法、装置、电子设备和存储介质。
图1为本申请一实施例的人脸图像的处理方法的流程示意图，如图1所示，该方法包括：
S101，获取人脸图像的第一关键点，并从中确定基准关键点，在人脸图像上定位出第一关键点对应的形变后的第二关键点。
实现中，可以从人脸图像中提取出多个关键点，并基于关键点的位置实现人脸图像的轮廓调整。可选地，可以通过对形变前的关键点基于设定的算法，计算获取其形变后的关键点，并基于计算形变后的关键点生成形变后的人脸图像。
可选地，可以通过设定的关键点提取模型对人脸图像进行关键点的提取，获取人脸图像的关键点，并将其确定为第一关键点。
进一步地，获取到人脸图像的第一关键点后，为了可以更好的实现人脸图像中的轮廓调整，可以从获取到的第一关键点中获取一个基准关键点，其他非基准关键点的人脸图像的第一关键点，均基于该基准关键点进行形变以及调整。
实现中，对于人脸图像的调整多为面部与五官的轮廓调整，因此，可以将五官之间不会被调整的关键点确定为基准关键点，比如，两眼之间的中间点，从第一关键点中确定两个眼部的关键点后，可以将两个眼部的关键点之间进行连线，进而将连线的中间位置确定基准关键点。
进一步地，确定基准关键点后，基于获取到的第一关键点，可以实现第二关键点的获取。其中，第二关键点为人脸图像形变后的关键点。
可选地，可以基于第一关键点确定第二关键点的选取范围，并从确定的选取范围内确定第二关键点。其中，获取到的基准关键点、第一关键点以及第二关键点，可以包括基准关键点、第一关键点以及第二关键点的坐标。
S102，根据第一关键点、第二关键点和基准关键点，在人脸图像上定位出第二关键点对应的形变前的目标关键点。
实现中，由于输入的人脸图像可以是人脸的正面，也可以是不同的角度的人脸的侧面，因此，在对人脸图像进行关键点的提取时，针对输入的同一人的不同角度的人脸图像，其面部相同位置，可能因为侧脸的角度的不同，导致获取到的该位置对应的坐标产生变化。
进一步地，为了更加准确的获取人脸形变前的关键点，可以基于已经获取到的第一关键点、第二关键点以及基准关键点，实现对应的形变前的目标关键点的获取。
本申请实施例中，存在设定的目标关键点的计算公式，基于第一关键点、第二关键点以及基准关键点的坐标，即可实现目标关键点的坐标的计算获取。
S103，对位于侧脸上的第一关键点对应的目标关键点进行坐标约束，以获取目标关键点的目标坐标。
实现中，对于形变后的侧脸，存在可能出现不符合人脸比例的形变，比如过渡瘦脸，该种情况可以存在于对于人脸图像中的侧脸的形变，因此，可以对不符合人脸比例的形变进行进一步的调整。
其中，基于人脸面对的任一方向，可以从该方向获取人脸图像，当人脸出现不同角度的旋转时，该方向获取到的人脸图像中，部分区域可能存在一定角度的遮挡，使得该方向获取到的人脸图像中，该部分区域只显示部分的面部图像，进一步地，可以将出现一定角度的遮挡的部分确定为人脸的侧脸。
可选地，可以对目标关键点的坐标进行坐标约束，预先设置相应的约束系数，并基于设定的约束系数对目标关键点的坐标进行调整，使得可以通过调整后的目标关键点的坐标进行后续操作所生成的形变后的人脸图像符合人脸比例，更加贴合人们的审美。
比如，若基于目标关键点的坐标进行后续操作后生成的形变后的人脸图像，出现了瘦脸过渡的情况，则基于约束系数对目标关键点的坐标进行坐标约束，并基于约束后生成的目标坐标进行后续操作生成的形变后的人脸图像，二者比较可知，较未进行坐标约束的形变后人脸图像，进行坐标约束的形变后人脸图像轮廓调整的比例正常，无过渡瘦脸的情况，更加贴近于大众审美。
进一步地，基于坐标约束对应的约束系数，对目标关键点的坐标进行调整，可以获取目标关键点的目标坐标。
其中，当获取到的目标关键点处于人脸图片中非侧脸位置时，可以判定，获取到的目标关键点的坐标对应的形变符合人脸的比例，因此，可以将获取到的处于人脸图片中非侧脸位置的目标关键点的坐标，确定为目标关键点的目标坐标。
S104，根据目标坐标，获取第二关键点的目标像素值，并基于目标像素值生成人脸图像形变后的目标人脸图像。
本申请实施例中，第二关键点为人脸图像形变后的关键点，因此，对人脸图像进行形变处理后输出的为第二关键点组成的目标人脸图像，其中，人脸图像基于关键点的像素值生成。
因此，确定目标关键点的目标坐标后，基于目标坐标可以获取目标关键点的像素值，进一步地，通过对目标关键点的像素值进行插值转换，可以获取到形变后的第二关键点对应的像素值，并将其确定为第二关键点的目标像素值。
进一步地，基于获取到的目标像素值，生成对应的形变后的目标人脸图像。
本申请提出的人脸图像的处理方法，获取人脸图像的第一关键点，并从第一关键点中确定基准关键点，基于第一关键点与基准关键点确定形变后的第二关键点，进一步地，确定第二关键点对应的形变前的目标关键点。确定处于侧脸的目标关键点，并对其进行坐标约束，进而获取目标关键点的目标坐标，基于目标坐标可以获取形变后的第二关键点的像素值，并基于第二关键点的目标像素值生成人脸图像形变后的目标人脸图像。本申请中，通过形变后的第二关键点获取形变前的目标关键点，并对目标关键点的坐标进行的坐标约束，使得获取到的形变后的人脸图像可以更加符合基本比例，从而提高了人脸图片的形变处理中对于侧脸形变的鲁棒性。
上述实施例中，关于第二关键点的获取，可结合图2进一步理解，图2为本申请另一实施例的人脸图像的处理方法的流程示意图，如图2所示，该方法包括：
S201，针对每个第一关键点，以第一关键点的第一坐标作为中心和预设值进行区域定位，以生成第二关键点的候选区域。
本申请实施例中，基于每个第一关键点，可以确定与其对应的第二关键点。可选地，可以基于第一关键点生成第二关键点的候选区域，并从候选区域中实现第二关键点的获取，其中，第二关键点候选区域可以是设定形状的区域，比如圆形的候选区域，也可以是其他可以获取第二关键点的形状对应的候选区域。
如图3所示，第二关键点的候选区域为圆形，则将第一关键点
作为圆心，并进行候选区域的半径rmax的设定，其中，设定的半径rmax可以是当前作为圆心的第一关键点与其相邻的第一关键点之间的距离。
可以将当前作为圆心的第一关键点的编号设定为7号，则可以将编号为7的第一关键点与编号为8的第一关键点之间的距离作为第二关键点候选区域的设定半径rmax。
进一步地，基于第一关键点
以及设定的半径rmax，生成如图3所示的第二关键点的候选区域。
S202，从候选区域中，确定第二关键点。
确定第二关键点的候选区域后，可以从候选区域中获取第二关键点以及每个第二关键点对应的坐标。
进一步地，可以基于设定像素间隔，从候选区域中确定第二关键点。
本申请实施例中，第一关键点与其相邻的第一关键点之间存在距离，该距离可以通过像素体现，比如，在上述示例的基础上，图3所示的作为圆心的编号为7的第一关键点与编号为8之间的第一关键点之间的距离可以设定为若干个像素。因此，可以基于设定的像素间隔从第二关键点的候选区域中进行第二关键点的确定。
可以理解为，在上述示例的基础上，设定作为圆心的第一关键点与其相邻的第一关键点之间的距离为10个像素，则第二关键点的候选区域的设定半径则为10个像素。
设定基于1个像素的像素间隔从候选区域中获取第二关键点，则从图3所示的候选区域中可知，以作为圆心的第一关键点
为基准，在候选区域的任一方向上，每间隔1个像素获取一个关键点，可以获取到10个关键点，该10个关键点即为第一关键点
对应的第二关键点。进一步地，将每个可以进行关键点获取的方向上，均按照设定的像素间隔进行关键点的采集，进而实现全部的候选区域中的第二关键点的获取，并确定第二关键点的坐标。
本申请提出的人脸图像的处理方法，基于第一关键点、设定半径生成第二关键点的候选区域，进而准确的获取若干个第二关键点，为后续进行目标关键点的计算获取提供了正确的数据基础，进而提高了人脸图片中侧脸形变的鲁棒性。
进一步地，关于目标关键点的坐标约束，可结合图4理解，图4为本申请另一实施例的人脸图像的处理方法的流程示意图，如图4所示，该方法包括：
S401，根据第一关键点以及基准关键点获取约束参数。
实现中，当人脸图像出现不符合人脸比例的形变时，可以对目标关键点的坐标进行形变约束，通过调整目标关键点的坐标确定对应的符合人脸比例形变的目标坐标，进而使得通过目标坐标后续操作生成的形变后的人脸图像可以实现符合人脸面部基本比例。
如图5所示，图5(a)为需要进行形变调整的人脸图像，其左侧面部为侧脸，由图5(b)所示即为对于左侧面部的不符合人脸比例的过渡瘦脸，因此，可以对图5(b)的过渡瘦脸情况进行调整，进而获取到如图5(c)所示的符合人脸比例的形变后的目标人脸图像。
可选地，可以设定进行坐标约束的约束参数。
本申请实施例中，可以基于第一关键点的坐标、基准关键点的坐标实现约束参数λ的获取，公式如下：
其中，
为第一关键点的坐标，
为基准关键点的坐标。
S402，基于约束参数，对目标关键点进行坐标约束，获取目标关键点的目标坐标。
基于获取到的约束参数，可以对目标关键点的坐标进行坐标约束，继而获取目标关键点的目标坐标。
进一步地，可以对目标关键点的所属位置进行判断，并基于判断的结果对目标关键点进行坐标约束，实现中，侧脸的形变存在不符合人脸基本比例的可能，因此，可以对属于侧脸的目标关键点的坐标进行坐标约束。
其中，获取第一关键点与基准关键点之间的第一距离。
本申请实施例中，可以通过第一关键点与其对称的第一关键点之间的相对位置的关系，判断第一关键点是否处于侧脸。进一步地，可以基于第一关键点与基准关键点之间的距离，和对称关键点与基准关键点之间的距离的对比结果实现相对位置的判断。
其中，可以获取当前的第一关键点与基准关键点之间的距离，并将其确定为第一距离。
进一步地，确定第一关键点的对称关键点，并获取对称关键点与基准关键点之间的第二距离。
本申请实施例中，确定第一关键点的坐标后，基于人脸面部的基本对称特征，可以获取第一关键点的对称关键点，如图3所示，第一关键点
的对称关键点为
进一步地，获取对称关键点与基准关键点之间的距离，并将其确定为第二距离。
响应于第一距离小于第二距离，则确定第一关键点为位于侧脸上的关键点。
本申请实施例中，确定第一距离与第二距离之后，可以通过第一距离与第二距离之间的比较，判断当前的第一关键点是否处于侧脸。
其中，当第一距离小于第二距离时，可以判断，当前的第一关键点为侧脸的关键点。如图3所示，第一关键点
至基准关键点
之间的距离
小于其对称关键点
到基准关键点
之间的距离
即
则第一关键点
为侧脸的关键点。
需要说明的是，当第一关键点
处于侧脸时，则
即
进而使得0<λ<1，基于该取值范围内的约束参数λ进行的坐标约束，可以有效调整目标关键点的形变的比例和程度。
当第一关键点
处于非侧脸时，可以判断，当前的形变符合基本人脸基本比例，因此，可以将约束系数λ设定为1，将目标关键点的当前坐标确定为目标关键点的目标坐标。
进一步地，对处于侧脸的目标关键点，可以基于如下公式对其进行坐标约束，进而获取目标关键点进行坐标约束后的目标坐标。
确定目标关键点坐标约束后的目标坐标，可以基于该目标坐标生成目标关键点的像素值，并通过对目标关键点的像素值的线性插值转换，进而获取形变后的第二关键点对应的目标像素值，进而可以生成形变比例正常、符合大众审美的形变后的目标人脸图像。
本申请提出的人脸图像的处理方法，基于第一关键点与基准关键点判断目标关键点是否属于侧脸，并对属于侧脸的目标关键点进行坐标约束，进而有效调整人脸图像的形变比例和程度，使得后续输出的形变后的目标人脸图像可以符合人脸面部的基本比例，更加符合大众审美，从而有效提升人脸图像处理的鲁棒性。
上述实施例中，关于第二关键点的目标像素值的获取，可结合图6进一步理解，图6为本申请另一实施例的人脸图像的处理方法的流程示意图，如图6所示，该方法包括：
S601，基于目标关键点的目标坐标，获取目标关键点的像素值。
本申请实施例中，目标关键点为人脸图像形变前的关键点，为了更加准确的获取人脸图像形变前的目标关键点，可以基于形变后的第二关键点的坐标，基于设定的算法，实现准确的目标关键点的坐标的获取。
设定，形变后的第二关键点为
形变前的目标关键点为
则基于如下公式可以实现目标关键点的坐标的准确获取：
其中，
为第二关键点的候选区域中作为圆心的第一关键点的坐标，rmax为第二关键点的候选区域的设定半径，
为基于人脸图像的第一关键点确定的基准关键点的坐标。
进一步地，确定目标关键点的坐标后，可以基于设定的算法对目标关键点的坐标进行进一步的处理，进而获取目标关键点的坐标对应的像素值。
S602，根据目标关键点的像素值生成第二关键点的目标像素值。
本申请实施例中，确定目标关键点的坐标对应的像素值后，可以对目标关键点的像素值进行插值变换，以生成第二关键点的目标像素值。
其中，在进行人脸图像的图像转换时，其中的关键点对应的像素值会由于图像变换出现像素空隙，因此，在进行人脸图像形变时，可以对形变前的目标关键点进行线性插值处理，进而获取形变后的第二关键点的目标像素值。
本申请提出的人脸图像的处理方法，获取目标关键点的坐标后，基于目标关键点的像素值获取形变后的第二关键点的像素值，基于形变后的关键点坐标逆向计算形变前的目标关键点的坐标，准确获取到形变前的目标关键点的坐标，进而准确获取了第二关键点的像素值，使得人脸图片中侧脸形变的鲁棒性得到了有效的提升。
为了更好理解上述实施例，可结合图7理解，图7为本申请另一实施例的人脸处理方法的流程示意图，如图7所示：
通过提取输入人脸图片的第一关键点，从中确定基准关键点，并基于第一关键点与基准关键点，进行第二关键点的获取。进一步地，根据第一关键点的坐标、基准关键点的坐标、第二关键点的坐标，获取第二关键点对应的形变前的目标关键点的坐标。进一步地，通过第一关键点与基准点，判断第一关键点是否处于侧脸，并对处于侧脸的第一关键点对应的目标关键点进行坐标约束，进而获取目标关键点的目标坐标。基于目标关键点的目标坐标，获取目标关键点的像素值，并基于目标关键点的像素值进行插值变换，逐个获取形变后的第二关键点的目标像素值，并基于目标像素值生成形变后的人脸图像。
需要说明的是，本申请提出的人脸图像处理方法，基于人脸图像的第一关键点实现的第二关键点的获取以及后续相关操作，可以是逐个基于第一关键点实现，也可以是批量地基于第一关键点实现，其中，可以通过遍历的方法逐个的基于第一关键点进行第二关键点的获取并进行后续相关操作，也可以通过其他可以实现的方法，此处不做限定。
本申请中，通过形变后的第二关键点获取形变前的目标关键点，并对目标关键点的坐标进行的坐标约束，使得获取到的形变后的人脸图像可以更加符合基本比例，从而提高了人脸图片的形变处理中对于侧脸形变的鲁棒性。
与上述几种实施例提出的人脸图像的处理方法相对应，本申请的一个实施例还提出了一种联邦学习训练装置，由于本申请实施例提出的联邦学习训练装置与上述几种实施例提出的人脸图像的处理方法相对应，因此上述人脸图像的处理方法的实施方式也适用于本申请实施例提出的联邦学习训练装置，在下述实施例中不再详细描述。
图8为本申请一实施例的人脸图像的处理装置的结构示意图，如图8所示，人脸图像的处理装置800，包括获取模块81、计算模块82、约束模块83、生成模块84，其中：
获取模块81，用于获取人脸图像的第一关键点，并从中确定基准关键点，在人脸图像上定位出第一关键点对应的形变后的第二关键点；
计算模块82，用于根据第一关键点、第二关键点和基准关键点，在人脸图像上定位出第二关键点对应的形变前的目标关键点；
约束模块83，用于对位于侧脸上的第一关键点对应的目标关键点进行坐标约束，以获取目标关键点的目标坐标；
生成模块84，用于根据目标坐标，获取第二关键点的目标像素值，并基于目标像素值生成人脸图像形变后的目标人脸图像。
图9为本申请一实施例的人脸图像的处理装置的结构示意图，如图9所示，人脸图像的处理装置900，包括获取模块91、计算模块92、约束模块93、生成模块94，其中：
需要说明的是，获取模块81、计算模块82、约束模块83、生成模块84与包括获取模块91、计算模块92、约束模块93、生成模块94，具有相同的结构和功能。
本申请实施例中，计算模块92，还用于：针对每个第一关键点，以第一关键点的第一坐标作为中心和预设值进行区域定位，以生成第二关键点的候选区域；从候选区域中，确定第二关键点。
本申请实施例中，计算模块92，还用于：基于设定像素间隔，从候选区域中确定第二关键点。
本申请实施例中，生成模块94，还用于：基于目标关键点的目标坐标，获取目标关键点的像素值；根据目标关键点的像素值生成第二关键点的目标像素值。
本申请实施例中，生成模块94，还用于：对目标关键点的像素值进行插值变换，生成第二关键点的目标像素值。
本申请实施例中，约束模块93，还用于：根据第一关键点以及基准关键点获取约束参数；基于约束参数，对目标关键点进行坐标约束，获取目标关键点的目标坐标。
本申请实施例中，约束模块93，还用于：获取第一关键点与基准关键点之间的第一距离；确定第一关键点的对称关键点，并获取对称关键点与基准关键点之间的第二距离；响应于第一距离小于第二距离，则确定第一关键点为位于侧脸上的关键点。
本申请提出的人脸图像的处理装置，获取人脸图像的第一关键点，并从第一关键点中确定基准关键点，基于第一关键点与基准关键点确定形变后的第二关键点，进一步地，确定第二关键点对应的形变前的目标关键点。确定处于侧脸的目标关键点，并对其进行坐标约束，进而获取目标关键点的目标坐标，基于目标坐标可以获取形变后的第二关键点的像素值，并基于第二关键点的目标像素值生成人脸图像形变后的目标人脸图像。本申请中，通过形变后的第二关键点获取形变前的目标关键点，并对目标关键点的坐标进行的坐标约束，使得获取到的形变后的人脸图像可以更加符合基本比例，从而提高了人脸图片的形变处理中对于侧脸形变的鲁棒性。
为达到上述实施例，本申请还提出了一种电子设备、一种计算机可读存储介质和一种计算机程序产品。
图10为本申请一实施例的电子设备的结构示意图。如图10所示，设备1000包括存储器101、处理器102及存储在存储101上并可在处理器102上运行的计算机程序，处理器102执行程序指令时，实现上述实施例提出的人脸图像的处理方法。
本申请实施例的电子设备，通过提取输入人脸图片的第一关键点，从中确定基准关键点，并基于第一关键点与基准关键点，进行第二关键点的获取。进一步地，根据第一关键点的坐标、基准关键点的坐标、第二关键点的坐标，获取第二关键点对应的形变前的目标关键点的坐标。进一步地，通过第一关键点与基准点，判断第一关键点是否处于侧脸，并对处于侧脸的第一关键点对应的目标关键点进行坐标约束，进而获取目标关键点的目标坐标。基于目标关键点的目标坐标，获取目标关键点的像素值，并基于目标关键点的像素值进行插值变换，逐个获取形变后的第二关键点的目标像素值，并基于目标像素值生成形变后的人脸图像。本申请中，通过形变后的第二关键点获取形变前的目标关键点，并对目标关键点的坐标进行的坐标约束，使得获取到的形变后的人脸图像可以更加符合基本比例，从而提高了人脸图片的形变处理中对于侧脸形变的鲁棒性。
本申请实施例提出的一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时，实现上述实施例提出的人脸图像的处理方法。
本申请实施例的计算机可读存储介质，通过提取输入人脸图片的第一关键点，从中确定基准关键点，并基于第一关键点与基准关键点，进行第二关键点的获取。进一步地，根据第一关键点的坐标、基准关键点的坐标、第二关键点的坐标，获取第二关键点对应的形变前的目标关键点的坐标。进一步地，通过第一关键点与基准点，判断第一关键点是否处于侧脸，并对处于侧脸的第一关键点对应的目标关键点进行坐标约束，进而获取目标关键点的目标坐标。基于目标关键点的目标坐标，获取目标关键点的像素值，并基于目标关键点的像素值进行插值变换，逐个获取形变后的第二关键点的目标像素值，并基于目标像素值生成形变后的人脸图像。本申请中，通过形变后的第二关键点获取形变前的目标关键点，并对目标关键点的坐标进行的坐标约束，使得获取到的形变后的人脸图像可以更加符合基本比例，从而提高了人脸图片的形变处理中对于侧脸形变的鲁棒性。
在本说明书的描述中，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申请的至少一个实施例或示例中。在本说明书中，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说明书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。在本申请的描述中，“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，并且本申请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，这应被本申请的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，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模块中，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模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
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公开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 (17)
1.一种人脸图像的处理方法，其特征在于，包括：
获取人脸图像的第一关键点，并从中确定基准关键点，在所述人脸图像上定位出所述第一关键点对应的形变后的第二关键点；
根据所述第一关键点、所述第二关键点和所述基准关键点，在所述人脸图像上定位出所述第二关键点对应的形变前的目标关键点；
对位于侧脸上的所述第一关键点对应的所述目标关键点进行坐标约束，以获取所述目标关键点的目标坐标；
根据所述目标坐标，获取所述第二关键点的目标像素值，并基于所述目标像素值生成所述人脸图像形变后的目标人脸图像。
2.根据权利要求1所述的方法，其中，所述在所述人脸图像上定位出所述第一关键点对应的形变后的第二关键点，包括：
针对每个所述第一关键点，以所述第一关键点的第一坐标作为中心和预设值进行区域定位，以生成所述第二关键点的候选区域；
从所述候选区域中，确定所述第二关键点。
3.根据权利要求2所述的方法，其中，所述从所述候选区域中，确定所述第二关键点，包括：
基于设定像素间隔，从所述候选区域中确定所述第二关键点。
4.根据权利要求1所述的方法，其中，所述根据所述目标坐标，获取所述第二关键点的目标像素值，包括：
基于所述目标关键点的目标坐标，获取所述目标关键点的像素值；
根据所述目标关键点的像素值生成所述第二关键点的目标像素值。
5.根据权利要求4所述的方法，其中，所述根据所述目标关键点的像素值生成所述第二关键点的目标像素值，包括：
对所述目标关键点的像素值进行插值变换，生成所述第二关键点的目标像素值。
6.根据权利要求1所述的方法，其中，所述对位于侧脸上的所述第一关键点对应的所述目标关键点进行坐标约束，以获取所述目标关键点的目标坐标，包括：
根据所述第一关键点以及所述基准关键点获取约束参数；
基于所述约束参数，对所述目标关键点进行坐标约束，获取所述目标关键点的目标坐标。
7.根据权利要求1所述的方法，其中，所述方法还包括：
获取所述第一关键点与所述基准关键点之间的第一距离；
确定所述第一关键点的对称关键点，并获取所述对称关键点与所述基准关键点之间的第二距离；
响应于所述第一距离小于所述第二距离，则确定所述第一关键点为位于所述侧脸上的关键点。
8.一种人脸图像的处理装置，其特征在于，包括：
获取模块，用于获取人脸图像的第一关键点，并从中确定基准关键点，在所述人脸图像上定位出所述第一关键点对应的形变后的第二关键点；
计算模块，用于根据所述第一关键点、所述第二关键点和所述基准关键点，在所述人脸图像上定位出所述第二关键点对应的形变前的目标关键点；
约束模块，用于对位于侧脸上的所述第一关键点对应的所述目标关键点进行坐标约束，以获取所述目标关键点的目标坐标；
生成模块，用于根据所述目标坐标，获取所述第二关键点的目标像素值，并基于所述目标像素值生成所述人脸图像形变后的目标人脸图像。
9.根据权利要求8所述的装置，其中，所述计算模块，还用于：
针对每个所述第一关键点，以所述第一关键点的第一坐标作为中心和预设值进行区域定位，以生成所述第二关键点的候选区域；
从所述候选区域中，确定所述第二关键点。
10.根据权利要求9所述的装置，其中，所述计算模块，还用于：
基于设定像素间隔，从所述候选区域中确定所述第二关键点。
11.根据权利要求8所述的装置，其中，所述生成模块，还用于：
基于所述目标关键点的目标坐标，获取所述目标关键点的像素值；
根据所述目标关键点的像素值生成所述第二关键点的目标像素值。
12.根据权利要求11所述的装置，其中，所述生成模块，还用于：
对所述目标关键点的像素值进行插值变换，生成所述第二关键点的目标像素值。
13.根据权利要求8所述的装置，其中，所述约束模块，还用于：
根据所述第一关键点以及所述基准关键点获取约束参数；
基于所述约束参数，对所述目标关键点进行坐标约束，获取所述目标关键点的目标坐标。
14.根据权利要求8所述的装置，其中，所述约束模块，还用于：
获取所述第一关键点与所述基准关键点之间的第一距离；
确定所述第一关键点的对称关键点，并获取所述对称关键点与所述基准关键点之间的第二距离；
响应于所述第一距离小于所述第二距离，则确定所述第一关键点为位于所述侧脸上的关键点。
15.一种电子设备，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，其中，所述计算机指令用于使所述计算机执行根据权利要求1-7中任一项所述的方法。
17.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110944932.1A CN113674139B (zh) | 2021-08-17 | 2021-08-17 | 人脸图像的处理方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110944932.1A CN113674139B (zh) | 2021-08-17 | 2021-08-17 | 人脸图像的处理方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113674139A true CN113674139A (zh) | 2021-11-19 |
| CN113674139B CN113674139B (zh) | 2024-08-20 |
Family
ID=78543372
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110944932.1A Active CN113674139B (zh) | 2021-08-17 | 2021-08-17 | 人脸图像的处理方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113674139B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023143224A1 (zh) * | 2022-01-28 | 2023-08-03 | 北京字跳网络技术有限公司 | 特效图像生成方法、装置、设备及存储介质 |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107451965A (zh) * | 2017-07-24 | 2017-12-08 | 深圳市智美达科技股份有限公司 | 畸变人脸图像校正方法、装置、计算机设备和存储介质 |
| CN109087239A (zh) * | 2018-07-25 | 2018-12-25 | 腾讯科技（深圳）有限公司 | 一种人脸图像处理方法、装置及存储介质 |
| CN109657587A (zh) * | 2018-12-10 | 2019-04-19 | 南京甄视智能科技有限公司 | 用于人脸识别的侧脸质量评估方法和系统 |
| WO2019090769A1 (zh) * | 2017-11-13 | 2019-05-16 | 深圳和而泰智能控制股份有限公司 | 一种人脸脸型识别方法、装置和智能终端 |
| CN109872407A (zh) * | 2019-01-28 | 2019-06-11 | 北京影谱科技股份有限公司 | 一种人脸识别方法、装置、设备及打卡方法、装置和系统 |
| CN109949237A (zh) * | 2019-03-06 | 2019-06-28 | 北京市商汤科技开发有限公司 | 图像处理方法及装置、图像设备及存储介质 |
| CN110738110A (zh) * | 2019-09-11 | 2020-01-31 | 北京迈格威科技有限公司 | 基于锚点的人脸关键点检测方法、装置、系统和存储介质 |
| CN111104878A (zh) * | 2019-12-06 | 2020-05-05 | 江西开心玉米网络科技有限公司 | 一种图像处理方法、装置、服务器及存储介质 |
| CN111178337A (zh) * | 2020-01-07 | 2020-05-19 | 南京甄视智能科技有限公司 | 人脸关键点数据增强方法、装置、系统以及模型训练方法 |
| CN111523497A (zh) * | 2020-04-27 | 2020-08-11 | 深圳市捷顺科技实业股份有限公司 | 一种人脸纠正方法、装置和电子设备 |
| CN111652974A (zh) * | 2020-06-15 | 2020-09-11 | 腾讯科技（深圳）有限公司 | 三维人脸模型的构建方法、装置、设备及存储介质 |
| CN111667518A (zh) * | 2020-06-24 | 2020-09-15 | 北京百度网讯科技有限公司 | 人脸图像的显示方法、装置、电子设备及存储介质 |
| CN111754391A (zh) * | 2020-05-15 | 2020-10-09 | 新加坡依图有限责任公司(私有) | 人脸转正方法、设备及计算机可读存储介质 |
| CN111985265A (zh) * | 2019-05-21 | 2020-11-24 | 华为技术有限公司 | 图像处理方法和装置 |
| WO2021012596A1 (zh) * | 2019-07-24 | 2021-01-28 | 广州视源电子科技股份有限公司 | 图像调整方法、装置、存储介质以及设备 |
-
2021
- 2021-08-17 CN CN202110944932.1A patent/CN113674139B/zh active Active
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107451965A (zh) * | 2017-07-24 | 2017-12-08 | 深圳市智美达科技股份有限公司 | 畸变人脸图像校正方法、装置、计算机设备和存储介质 |
| WO2019090769A1 (zh) * | 2017-11-13 | 2019-05-16 | 深圳和而泰智能控制股份有限公司 | 一种人脸脸型识别方法、装置和智能终端 |
| CN109087239A (zh) * | 2018-07-25 | 2018-12-25 | 腾讯科技（深圳）有限公司 | 一种人脸图像处理方法、装置及存储介质 |
| CN109657587A (zh) * | 2018-12-10 | 2019-04-19 | 南京甄视智能科技有限公司 | 用于人脸识别的侧脸质量评估方法和系统 |
| CN109872407A (zh) * | 2019-01-28 | 2019-06-11 | 北京影谱科技股份有限公司 | 一种人脸识别方法、装置、设备及打卡方法、装置和系统 |
| CN109949237A (zh) * | 2019-03-06 | 2019-06-28 | 北京市商汤科技开发有限公司 | 图像处理方法及装置、图像设备及存储介质 |
| CN111985265A (zh) * | 2019-05-21 | 2020-11-24 | 华为技术有限公司 | 图像处理方法和装置 |
| WO2021012596A1 (zh) * | 2019-07-24 | 2021-01-28 | 广州视源电子科技股份有限公司 | 图像调整方法、装置、存储介质以及设备 |
| CN110738110A (zh) * | 2019-09-11 | 2020-01-31 | 北京迈格威科技有限公司 | 基于锚点的人脸关键点检测方法、装置、系统和存储介质 |
| CN111104878A (zh) * | 2019-12-06 | 2020-05-05 | 江西开心玉米网络科技有限公司 | 一种图像处理方法、装置、服务器及存储介质 |
| CN111178337A (zh) * | 2020-01-07 | 2020-05-19 | 南京甄视智能科技有限公司 | 人脸关键点数据增强方法、装置、系统以及模型训练方法 |
| CN111523497A (zh) * | 2020-04-27 | 2020-08-11 | 深圳市捷顺科技实业股份有限公司 | 一种人脸纠正方法、装置和电子设备 |
| CN111754391A (zh) * | 2020-05-15 | 2020-10-09 | 新加坡依图有限责任公司(私有) | 人脸转正方法、设备及计算机可读存储介质 |
| CN111652974A (zh) * | 2020-06-15 | 2020-09-11 | 腾讯科技（深圳）有限公司 | 三维人脸模型的构建方法、装置、设备及存储介质 |
| CN111667518A (zh) * | 2020-06-24 | 2020-09-15 | 北京百度网讯科技有限公司 | 人脸图像的显示方法、装置、电子设备及存储介质 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023143224A1 (zh) * | 2022-01-28 | 2023-08-03 | 北京字跳网络技术有限公司 | 特效图像生成方法、装置、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113674139B (zh) | 2024-08-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3614340B1 (en) | Methods and devices for acquiring 3d face, and computer readable storage media | |
| JP7109585B2 (ja) | 画像処理方法及び装置、画像デバイス並びに記憶媒体 | |
| CN110276734B (zh) | 图像畸变校正方法和装置 | |
| CN108765351B (zh) | 图像处理方法、装置、电子设备和存储介质 | |
| CN110998659B (zh) | 图像处理系统、图像处理方法、及程序 | |
| US10109053B2 (en) | Apparatus and method for detecting error in lesion contour, apparatus and method for correcting error in lesion contour, and apparatus for inspecting error in lesion contour | |
| CN110175558B (zh) | 一种人脸关键点的检测方法、装置、计算设备及存储介质 | |
| EP2745504B1 (en) | Image projector, image processing method, computer program and recording medium | |
| EP3680853A1 (en) | Image processing method and device, electronic device, and computer-readable storage medium | |
| US20120069018A1 (en) | Ar process apparatus, ar process method and storage medium | |
| CN104715447A (zh) | 图像合成方法和装置 | |
| CN104200454B (zh) | 鱼眼图像畸变校正方法及装置 | |
| CN111695554B (zh) | 一种文本矫正的方法、装置、电子设备和存储介质 | |
| US10169891B2 (en) | Producing three-dimensional representation based on images of a person | |
| CN111105366A (zh) | 图像处理方法和装置、终端设备及存储介质 | |
| US9183634B2 (en) | Image processing apparatus and image processing method | |
| CN112560867B (zh) | 文本图像的矫正方法及装置、设备和介质 | |
| CN115049738A (zh) | 人与相机之间距离的估计方法及系统 | |
| CN113674139A (zh) | 人脸图像的处理方法、装置、电子设备及存储介质 | |
| KR20150107580A (ko) | 화상 처리 장치 및 화상 처리 방법 | |
| JP4887491B2 (ja) | 医用画像処理方法及びその装置、プログラム | |
| JP2010267257A (ja) | 画像処理装置、画像処理方法及び画像処理プログラム | |
| US20120038785A1 (en) | Method for producing high resolution image | |
| US8861838B2 (en) | Apparatus and method for correcting stereoscopic image using matching information | |
| CN113658233A (zh) | 三维人脸模型的非刚性配准方法、装置、设备及存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |