CN114445298A - 图像的处理方法、装置、电子设备及存储介质 - Google Patents
图像的处理方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114445298A CN114445298A CN202210106803.XA CN202210106803A CN114445298A CN 114445298 A CN114445298 A CN 114445298A CN 202210106803 A CN202210106803 A CN 202210106803A CN 114445298 A CN114445298 A CN 114445298A
- Authority
- CN
- China
- Prior art keywords
- face
- mark
- target image
- type
- target object
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 28
- 238000012545 processing Methods 0.000 claims abstract description 34
- 238000012937 correction Methods 0.000 claims abstract description 30
- 230000001815 facial effect Effects 0.000 claims description 56
- 238000000034 method Methods 0.000 claims description 30
- 238000004590 computer program Methods 0.000 claims description 15
- 238000001514 detection method Methods 0.000 claims description 9
- 210000001061 forehead Anatomy 0.000 claims description 9
- 230000003796 beauty Effects 0.000 claims description 5
- 238000007493 shaping process Methods 0.000 claims description 5
- 230000000007 visual effect Effects 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 19
- 238000005516 engineering process Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 11
- 238000004891 communication Methods 0.000 description 10
- 230000004048 modification Effects 0.000 description 9
- 238000012986 modification Methods 0.000 description 9
- 239000013598 vector Substances 0.000 description 9
- 210000004373 mandible Anatomy 0.000 description 5
- 238000010295 mobile communication Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 210000004709 eyebrow Anatomy 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000005498 polishing Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 210000001747 pupil Anatomy 0.000 description 1
Images
Classifications
-
- G06T5/77—
-
- 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
本公开涉及一种图像的处理方法、装置、电子设备及存储介质,所述处理方法包括:获取目标图像,所述目标图像包含目标对象;检测所述目标图像中所述目标对象所属的脸型类别;基于所述脸型类别,确定所述目标对象的面部区域的修正参数;基于所述修正参数,调节所述目标图像中的面部区域。由于目标图像所使用的修正参数是基于用户的脸型所得到的,故本公开实施例能够提高调节后的目标图像中用户面部区域的视觉适配性。
Description
技术领域
本公开涉及图像处理技术领域,尤其涉及一种图像的处理方法、装置、电子设备及存储介质。
背景技术
近年来,利用终端设备对图像进行美化处理被应用于越来越多的场景中。其中,人脸美化功能在各类社交平台更是成为了一种较为重要的功能,故图像处理方法是否合理便影响了用户图像的美化程度。
发明内容
本公开提出了一种图像处理技术方案。
根据本公开的一方面,提供了一种图像的处理方法,所述处理方法包括:获取目标图像,所述目标图像包含目标对象;检测所述目标图像中所述目标对象所属的脸型类别;基于所述脸型类别,确定所述目标对象的面部区域的修正参数;基于所述修正参数,调节所述目标图像中的面部区域。
在一种可能的实施方式中,所述检测所述目标图像中所述目标对象所属的脸型类别,包括:识别所述目标对象中面部区域的面部关键点;基于所述面部关键点之间的位置关系,确定所述目标图像中所述目标对象所属的脸型类别。
在一种可能的实施方式中,所述基于所述面部关键点之间的位置关系,确定所述目标图像中所述目标对象所属的脸型类别,包括:基于所述面部关键点,生成面部的至少两个特征参数;所述至少两个特征参数包括面部长度参数、面部宽度参数以及下巴形状参数中的至少两个;根据所述至少两个特征参数,确定所述目标图像中所述目标对象所属的脸型类别。
在一种可能的实施方式中,所述特征参数包括以下至少两个:用于表示面部长度参数的第一标识,所述第一标识为长型脸标识、自然脸型标识,或短型脸标识;用于表示面部宽度参数的第二标识,所述第二标识为方型脸标识、或非方型脸标识;用于表示下巴形状参数的第三标识,所述第二标识为圆下巴标识、或非圆下巴标识。
在一种可能的实施方式中,所述特征参数包括用于表示面部为长型脸的第一标识,所述基于所述面部关键点,生成面部的至少两个特征参数,包括:基于所述面部关键点中额头关键点与下巴关键点,确定面部长度;基于所述目标图像中分别位于面部侧面区域的第一关键点,确定面部宽度;当所述面部长度与所述面部宽度的比值大于预设比值时,确定所述第一标识为长型脸标识。
在一种可能的实施方式中,所述特征参数包括用于表示面部为非方型脸的第二标识,所述基于所述面部关键点,生成面部的至少两个特征参数,包括:基于所述面部关键点中至少三个下颌骨关键点,确定面部的第一夹角;当至少一个所述第一夹角大于或等于第一预设角度时,确定所述第二标识为非方型脸标识。
在一种可能的实施方式中,所述特征参数包括表示面部为圆下巴的第三标识,所述基于所述面部关键点,生成面部的至少两个特征参数,包括:基于所述面部关键点中的下巴关键点、位于面部侧面区域的至少两个第二关键点,确定面部的第二夹角;当至少一个所述第二夹角大于或等于第二预设角度时,确定所述第三标识为圆下巴标识。
在一种可能的实施方式中,所述根据所述至少两个特征参数,确定所述目标图像中所述目标对象所属的脸型类别,包括以下中的一项:在第一标识为短型脸标识或自然脸型标识、第二标识为非方型脸标识、第三标识为圆下巴标识的情况下,确定所述目标图像中所述目标对象所属的脸型类别为圆脸脸型;在第一标识为短型脸标识或自然脸型标识、第二标识为非方型脸标识、第三标识为非圆下巴标识的情况下,确定所述目标图像中所述目标对象所属的脸型类别为自然脸脸型;在第一标识为短型脸标识、第二标识为方型脸标识的情况下,确定所述目标图像中所述目标对象所属的脸型类别为方脸脸型;在第一标识为长型脸标识或自然脸型标识、第二标识为方型脸标识的情况下,确定所述目标图像中所述目标对象所属的脸型类别为长方脸脸型;在第一标识为长型脸标识、第二标识为非方型脸标识的情况下,确定所述目标图像中所述目标对象所属的脸型类别为长脸脸型。
在一种可能的实施方式中,所述获取目标图像,包括:检测获取的图像序列中的图像是否包括目标对象;在检测到包括所述目标对象的图像后,检测所述图像中目标对象是否包括正脸区域;将包括正脸区域的图像确定为所述目标图像。
在一种可能的实施方式中,所述修正参数包括:美颜参数、微整形参数中的至少一项。
根据本公开的一方面,提供了一种图像的处理装置,所述处理装置包括:目标图像获取模块,用以获取目标图像,所述目标图像包含目标对象;脸型类别检测模块,用以检测所述目标图像中所述目标对象所属的脸型类别;修正参数确定模块,用以基于所述脸型类别,确定所述目标对象的面部区域的修正参数;面部区域调节模块,用以基于所述修正参数,调节所述目标图像中的面部区域。
根据本公开的一方面,提供了一种电子设备,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为调用所述存储器存储的指令,以执行上述方法。
根据本公开的一方面,提供了一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述方法。
在本公开实施例中,通过获取目标图像,以检测所述目标图像中所述目标对象所属的脸型类别,而后基于所述脸型类别,确定所述目标对象的面部区域的修正参数,最终基于所述修正参数,调节所述目标图像中的面部区域。由于目标图像所使用的修正参数是基于用户的脸型所得到的,故能够提高调节后的目标图像中用户面部区域的视觉适配性。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,而非限制本公开。根据下面参考附图对示例性实施例的详细说明,本公开的其它特征及方面将变得清楚。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,这些附图示出了符合本公开的实施例,并与说明书一起用于说明本公开的技术方案。
图1示出了根据本公开实施例提供的图像的处理方法的流程图。
图2示出了根据本公开实施例提供的图像的处理方法的流程图。
图3示出了根据本公开实施例提供的面部关键点的参考示意图。
图4示出了根据本公开实施例提供的图像的处理方法的参考示意图。
图5示出了根据本公开实施例提供的图像的处理装置的框图。
图6示出了根据本公开实施例提供的一种电子设备的框图。
图7示出了根据本公开实施例提供的一种电子设备的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面,但是除非特别指出,不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
本文中术语“和/或”,仅仅是一种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。另外,本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合,例如,包括A、B、C中的至少一种,可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
另外,为了更好地说明本公开,在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解,没有某些具体细节,本公开同样可以实施。在一些实例中,对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述,以便于凸显本公开的主旨。
相关技术中,图像处理的方法由终端中的应用程序执行,修正参数(例如:美颜参数、微整形参数等)通常只有一套,即不同用户均使用同一修正参数进行图像调节。但是由于不同用户的脸型并不相同,故默认的修正参数可能并不适配每个人的脸型。例如:如果默认的修正参数能够极大地使用户的脸部区域缩小,那么在用户脸型原本就瘦小的情况下,应用该修正参数可能会使调节后的图像中用户的脸型过于瘦小,而显得不自然,进而背离用户的意愿。
有鉴于此,本公开实施例通过获取目标图像,以检测所述目标图像中所述目标对象所属的脸型类别,而后基于所述脸型类别,确定所述目标对象的面部区域的修正参数,最终基于所述修正参数,调节所述目标图像中的面部区域。由于目标图像所使用的修正参数是基于用户的脸型所得到的,故能够提高调节后的目标图像中用户面部区域的视觉适配性。
在一种可能的实现方式中,所述图像的处理方法可以由终端设备或服务器等电子设备执行,终端设备可以为用户设备(User Equipment,UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字助理(Personal Digital Assistant,PDA)、手持设备、计算设备、车载设备、可穿戴设备等,所述方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现,或者,可通过服务器执行所述方法。
参阅图1所示,图1示出了根据本公开实施例提供的图像的处理方法的流程图。如图1所示,所述处理方法包括:
步骤S100,获取目标图像。所述目标图像包含目标对象。上述目标图像可通过上述电子设备的摄像头进行采集,也可由外置摄像头采集后,传输至该电子设备中。目标图像可以是本地存储的视频中或实时采集的视频中的视频帧图像,或连续拍摄的照片图像等等。
目标图像可以是上述视频中,能够用于确定脸型类别的至少一张图像。目标图像的一种示例性的确定方式可参阅图2,图2示出了根据本公开实施例提供的图像的处理方法的流程图,在一种可能的实施方式中,步骤S100可包括:
步骤S110,检测获取的图像序列中的图像是否包括目标对象。上述图像序列可以是本地存储的视频或实时采集的视频流。步骤S120,在检测到包括所述目标对象的图像后,检测所述图像中目标对象是否包括正脸区域。示例性地,图像是否包括正脸区域可由相关技术中的人脸识别算法确定,或由机器学习模型确定。例如:可输入上述图像序列中的图像至机器学习模型中,而后机器学习模型通过将上述图像进行二分类(即上述图像的类别为正脸图像或非正脸图像),以确定上述图像是否包括正脸区域。再例如:可通过相关技术中的人脸角度检测算法,在人脸角度接近一基准角度值时,确定上述图像包括正脸区域。示例性地,也可在图像中设定一个参考区域,即电子设备在采集图像时,提示用户在该参考区域中展示面部区域,而后电子设备可基于每个图像中的参考区域,以确定图像是否包括正脸区域,进而降低电子设备的运算负载。
步骤S130,将包括正脸区域的图像确定为所述目标图像。本公开实施例可根据包括正脸区域的目标图像,准确地确定目标图像对应的脸型类别,进而提高调节后的各个目标图像中用户面部区域的视觉适配性。
继续参考图1,步骤S200,检测所述目标图像中所述目标对象所属的脸型类别。示例性地,上述脸型类别可包括:圆脸、自然脸(也称标准脸)、方脸、长方脸、长脸中的至少一项。在一个示例中,上述目标图像的数量可为多个,若如此设置,则在该步骤中可将多个目标图像对应的、数量最多的第一脸型类别作为上述脸型类别,以增加用户脸型类别的准确率。
示例性地,可通过多种方式,确定所述目标图像对应的脸型类别。例如,可将目标图像输入至机器学习模型中进行脸型类别的分类,或者,也可以基于目标图像中提取的面部关键点,确定目标图像对应的脸型类别,等等。
结合图2所示,在一个示例中,步骤S200可包括:步骤S210,识别所述目标对象中面部区域的面部关键点。上述面部关键点可由相关技术中的面部关键点检测算法得到,例如:面部106个关键点检测算法、面部135个关键点检测算法等,本公开在此不作赘述。
步骤S220,基于所述面部关键点之间的位置关系,确定所述目标图像中所述目标对象所属的脸型类别。面部关键点位于可代表面部特征的位置,通过面部关键点之间的位置关系,能够确定目标图像对应的脸型类别。在一个示例中,步骤S220可包括:基于所述面部关键点,生成面部的至少两个特征参数;所述至少两个特征参数包括面部长度参数、面部宽度参数以及下巴形状参数中的至少两个。根据所述至少两个特征参数,确定所述目标图像中所述目标对象所属的脸型类别。通过上述特征参数中的至少两项,可准确地表示用户的脸型特征。
在一种可能的实施方式中,所述特征参数包括以下至少两个:用于表示面部长度参数的第一标识,所述第一标识为长型脸标识、自然脸型标识,或短型脸标识;用于表示面部宽度参数的第二标识,所述第二标识为方型脸标识、或非方型脸标识;用于表示下巴形状参数的第三标识,所述第二标识为圆下巴标识、或非圆下巴标识。本公开实施例可以对典型的脸型类别进行准确地分类,使得所获得的修正参数适应于各种典型的脸型类别。
在一种可能的实施方式中,所述特征参数包括用于表示面部为长型脸的第一标识,所述基于所述面部关键点,生成面部的至少两个特征参数可包括:基于所述面部关键点中额头关键点与下巴关键点,确定面部长度。基于所述目标图像中分别位于面部侧面区域的第一关键点,确定面部宽度。当所述面部长度与所述面部宽度的比值大于预设比值时,确定所述第一标识为长型脸标识。上述面部侧面区域可为面部区域中脸颊附近的区域。示例性地,上述第一关键点的数量可为多个,即在用户两个面部侧面区域均选取多个第一关键点,而后计算不同面部侧面区域中第一关键点之间的距离,将最大的距离值作为上述面部宽度,若如此设置,即可提高第一标识的准确率,进而提高得到的脸型类别的准确率。
上述面部关键点中的下巴关键点、额头关键点、第一关键点可由开发人员定义,例如:面部关键点检测算法所得到的面部关键点可自动对应一个编号,相同编号的面部关键点通常情况下,在不同用户的面部区域中代表了相同的区域(如:编号为74的关键点对应了每个面部区域中的瞳孔位置、编号为45的关键点对应了每个面部区域中的鼻尖位置等)。若如此设置,则可将特定编号的关键点作为额头关键点、下巴关键点、第一关键点(后续所提及的下颌骨关键点、下巴关键点、第二关键点均可如此设置,也可理解为面部关键点的点位固定)。示例性地,上述额头关键点的选取范围在面部区域中的额头区域,上述下巴关键点的选取范围在面部区域中的下巴区域。上述预设比值的具体数值,本公开实施例在此不作限制。参阅图3所示,图3示出了根据本公开实施例提供的面部关键点的参考示意图。例如:结合图3所示,若额头关键点为图3中关键点A,下巴关键点为关键点B,第一关键点为关键点C1、C2,则以目标图像中关键点A、B之间的距离,作为上述面部长度,以目标图像中关键点C1、C2之间的距离,作为上述面部宽度,而后再将上述面部长度、面部宽度二者的比值与上述预设比值进行比较,以确定第一标识。
在一种可能的实施方式中,所述特征参数包括用于表示面部为非方型脸的第二标识,所述基于所述面部关键点,生成面部的至少两个特征参数,包括:基于所述面部关键点中至少三个下颌骨关键点,确定面部的第一夹角。当至少一个所述第一夹角大于或等于第一预设角度时,确定所述第二标识为非方型脸标识。
上述下颌骨关键点的具体位置、第一预设角度的具体数值,本公开实施例在此不作限定,上述下颌骨关键点在面部图像的下颌骨区域即可。示例性地,上述下颌骨关键点可分别在面部区域的左右两侧分别选取三个关键点,也即可生成两个第一夹角,而后再确定所述第二标识是否为非方型脸标识。上述第一夹角的生成方式,本公开在此不作限定,例如;结合图3,若三个下颌骨关键点由上至下,依序为关键点D1、D2、D3,则可生成向量D2D1、向量D2D3,两个向量之间的夹角(也即角D1D2D3)即为上述第一夹角。
在一种可能的实施方式中,所述特征参数包括表示面部为圆下巴的第三标识,所述基于所述面部关键点,生成面部的至少两个特征参数,包括:基于所述面部关键点中的下巴关键点、位于面部侧面区域的至少两个第二关键点,确定面部的第二夹角。当至少一个所述第二夹角大于或等于第二预设角度时,确定所述第三标识为圆下巴标识。示例性地,上述下巴关键点、第二关键点的具体位置以及上述第二预设角度的具体数值,本公开实施例在此不作限定,上述下巴关键点在面部图像的下巴区域即可,上述第二关键点在面部图像的侧面区域即可。
在一个示例中,结合图3,若上述第二关键点分别选取自不同的面部侧面区域(即面部区域的左侧面与右侧面),则可基于第二关键点E1、下巴关键点B,生成向量BE1,基于第二关键点E2、下巴关键点B,生成向量BE2,两个向量之间的夹角(也即角E1BE2)即为上述第二夹角。
在一个示例中,结合图3,若上述第二关键点选取自相同的面部侧面区域,同一面部侧面区域的第二关键点由上至下,依序为关键点E2、E3,且E2、E3在下巴关键点B之上,则可基于第二关键点E2、E3,生成向量E3E2,基于第二关键点E3、下巴关键点B,生成向量E3B,两个向量之间的夹角(也即角E2E3B)即为上述第二夹角。示例性地,每个面部侧面区域均可生成至少一个第二夹角,以与上述第二预设角度比较,进而提升用户脸型类别的生成准确性。
在一种可能的实施方式中,所述根据所述至少两个特征参数,确定所述目标图像中所述目标对象所属的脸型类别,可包括以下中的一项:
在第一标识为短型脸标识或自然脸型标识、第二标识为非方型脸标识、第三标识为圆下巴标识的情况下,确定所述目标图像中所述目标对象所属的脸型类别为圆脸脸型;
在第一标识为短型脸标识或自然脸型标识、第二标识为非方型脸标识、第三标识为非圆下巴标识的情况下,确定所述目标图像中所述目标对象所属的脸型类别为自然脸脸型;
在第一标识为短型脸标识、第二标识为方型脸标识的情况下,确定所述目标图像中所述目标对象所属的脸型类别为方脸脸型;
在第一标识为长型脸标识或自然脸型标识、第二标识为方型脸标识的情况下,确定所述目标图像中所述目标对象所属的脸型类别为长方脸脸型;
在第一标识为长型脸标识、第二标识为非方型脸标识的情况下,确定所述目标图像中所述目标对象所属的脸型类别为长脸脸型。
以上仅作出示例性的表示,开发人员可根据实际需求,确定第一、第二、第三标识中的标识内容以及各类脸型类别与之对应的关系。例如:上例中第一标识为长型脸标识、短型脸标识,则当第一标识为长型脸标识、第二标识为方型脸标识时,生成所述目标图像对应的脸型类别为长方脸脸型。
继续参阅图1,步骤S300,基于所述脸型类别,确定所述目标对象的面部区域的修正参数。示例性地,上述每个脸型类别对应一类修正参数,修正参数可包括:眼睛、鼻子、嘴巴、眉毛、下巴等微整形参数,也可包括:磨皮、美白等美颜参数,本公开在此不作限制。上述脸型类别与修正参数的对应关系可存储于电子设备的应用程序中,即用户可自行为每个脸型类别设定不同的修正参数,以增加用户的操作自由度。
步骤S400,基于所述修正参数,调节所述目标图像中的面部区域。示例性地,电子设备可自动为用户分配对应脸型类别的修正参数,以调节上述面部区域,进而增加了面部图像的视觉适配性。
在实时拍摄并修正的场景下(例如视频直播场景等),可对目标图像的面部区域进行调节。或者在视频剪辑的场景下,也可以对图像序列中的全部、或指定的部分图像的面部区域进行调节。
本公开实施例在此提供了一种应用场景以供参考,结合图3、图4,上述图像的处理方法可由终端设备(例如:手机)执行,在终端设备调用该处理方法时,终端设备的显示屏幕可提示给用户一个脸型提取框(如图3中的圆形框),而后用户调整面部角度、位置,以使自身正脸落入上述脸型提取框的范围中,终端设备通过调用脸型检测方法相关的应用程序编程接口(也称API),检测出用户对应的脸型,而后为用户分配相应的美颜参数、微整形参数等,以实时调整每张图像。
可以理解,本公开提及的上述各个方法实施例,在不违背原理逻辑的情况下,均可以彼此相互结合形成结合后的实施例,限于篇幅,本公开不再赘述。本领域技术人员可以理解,在具体实施方式的上述方法中,各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
此外,本公开还提供了图像的处理装置、电子设备、计算机可读存储介质、程序,上述均可用来实现本公开提供的任一种图像的处理方法,相应技术方案和描述和参见方法部分的相应记载,不再赘述。
图5示出根据本公开实施例的图像的处理装置的框图,如图5所示,处理装置100包括:目标图像获取模块110,用以获取目标图像,所述目标图像包含目标对象;脸型类别检测模块120,用以检测所述目标图像中所述目标对象所属的脸型类别;修正参数确定模块130,用以基于所述脸型类别,确定所述目标对象的面部区域的修正参数;面部区域调节模块140,用以基于所述修正参数,调节所述目标图像中的面部区域。
在一种可能的实施方式中,所述检测所述目标图像中所述目标对象所属的脸型类别,包括:识别所述目标对象中面部区域的面部关键点;基于所述面部关键点之间的位置关系,确定所述目标图像中所述目标对象所属的脸型类别。
在一种可能的实施方式中所述基于所述面部关键点之间的位置关系,确定所述目标图像中所述目标对象所属的脸型类别,包括:基于所述面部关键点,生成面部的至少两个特征参数;所述至少两个特征参数包括面部长度参数、面部宽度参数以及下巴形状参数中的至少两个;根据所述至少两个特征参数,确定所述目标图像中所述目标对象所属的脸型类别。
在一种可能的实施方式中,所述特征参数包括以下至少两个:用于表示面部长度参数的第一标识,所述第一标识为长型脸标识、自然脸型标识,或短型脸标识;用于表示面部宽度参数的第二标识,所述第二标识为方型脸标识、或非方型脸标识;用于表示下巴形状参数的第三标识,所述第二标识为圆下巴标识、或非圆下巴标识。
在一种可能的实施方式中,所述特征参数包括用于表示面部为长型脸的第一标识,所述基于所述面部关键点,生成面部的至少两个特征参数,包括:基于所述面部关键点中额头关键点与下巴关键点,确定面部长度;基于所述目标图像中分别位于面部侧面区域的第一关键点,确定面部宽度;当所述面部长度与所述面部宽度的比值大于预设比值时,确定所述第一标识为长型脸标识。
在一种可能的实施方式中,所述特征参数包括用于表示面部为非方型脸的第二标识,所述基于所述面部关键点,生成面部的至少两个特征参数,包括:基于所述面部关键点中至少三个下颌骨关键点,确定面部的第一夹角;当至少一个所述第一夹角大于或等于第一预设角度时,确定所述第二标识为非方型脸标识。
在一种可能的实施方式中,所述特征参数包括表示面部为圆下巴的第三标识,所述基于所述面部关键点,生成面部的至少两个特征参数,包括:基于所述面部关键点中的下巴关键点、位于面部侧面区域的至少两个第二关键点,确定面部的第二夹角;当至少一个所述第二夹角大于或等于第二预设角度时,确定所述第三标识为圆下巴标识。
在一种可能的实施方式中,所述根据所述至少两个特征参数,确定所述目标图像中所述目标对象所属的脸型类别,包括以下中的一项:当第一标识为短型脸标识或自然脸型标识、第二标识为非方型脸标识、第三标识为圆下巴标识时,确定所述目标图像中所述目标对象所属的脸型类别为圆脸脸型;当第一标识为短型脸标识或自然脸型标识、第二标识为非方型脸标识、第三标识为非圆下巴标识时,确定所述目标图像中所述目标对象所属的脸型类别为自然脸脸型;当第一标识为短型脸标识、第二标识为方型脸标识时,确定所述目标图像中所述目标对象所属的脸型类别为方脸脸型;当第一标识为长型脸标识或自然脸型标识、第二标识为方型脸标识时,确定所述目标图像中所述目标对象所属的脸型类别为长方脸脸型;当第一标识为长型脸标识、第二标识为非方型脸标识时,确定所述目标图像中所述目标对象所属的脸型类别为长脸脸型。
在一种可能的实施方式中,所述获取目标图像,包括:检测获取的图像序列中的图像是否包括目标对象;在检测到包括所述目标对象的图像后,检测所述图像中目标对象是否包括正脸区域;将包括正脸区域的图像确定为所述目标图像。
在一种可能的实施方式中,所述修正参数包括:美颜参数、微整形参数中的至少一项。
在一些实施例中,本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法,其具体实现可以参照上文方法实施例的描述,为了简洁,这里不再赘述。
本公开实施例还提出一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是易失性或非易失性计算机可读存储介质。
本公开实施例还提出一种电子设备,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为调用所述存储器存储的指令,以执行上述方法。
本公开实施例还提供了一种计算机程序产品,包括计算机可读代码,或者承载有计算机可读代码的非易失性计算机可读存储介质,当所述计算机可读代码在电子设备的处理器中运行时,所述电子设备中的处理器执行上述方法。
电子设备可以被提供为终端、服务器或其它形态的设备。
图6示出了根据本公开实施例提供的一种电子设备800的框图。例如,电子设备800可以是用户设备(User Equipment,UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字处理(Personal Digital Assistant,PDA)、手持设备、计算设备、车载设备、可穿戴设备等终端设备。
参照图6,电子设备800可以包括以下一个或多个组件:处理组件802,存储器804,电源组件806,多媒体组件808,音频组件810,输入/输出(I/O)接口812,传感器组件814,以及通信组件816。
处理组件802通常控制电子设备800的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件802可以包括一个或多个模块,便于处理组件802和其他组件之间的交互。例如,处理组件802可以包括多媒体模块,以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统,一个或多个电源,及其他与为电子设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如,音频组件810包括一个麦克风(MIC),当电子设备800处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中,音频组件810还包括一个扬声器,用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器,用于为电子设备800提供各个方面的状态评估。例如,传感器组件814可以检测到电子设备800的打开/关闭状态,组件的相对定位,例如所述组件为电子设备800的显示器和小键盘,传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变,用户与电子设备800接触的存在或不存在,电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器,如互补金属氧化物半导体(CMOS)或电荷耦合装置(CCD)图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件814还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络,如无线网络(Wi-Fi)、第二代移动通信技术(2G)、第三代移动通信技术(3G)、第四代移动通信技术(4G)、通用移动通信技术的长期演进(LTE)、第五代移动通信技术(5G)或它们的组合。在一个示例性实施例中,通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件816还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器804,上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。
图7示出根据本公开实施例的一种电子设备1900的框图。例如,电子设备1900可以被提供为一服务器。参照图7,电子设备1900包括处理组件1922,其进一步包括一个或多个处理器,以及由存储器1932所代表的存储器资源,用于存储可由处理组件1922的执行的指令,例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件1922被配置为执行指令,以执行上述方法。
电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理,一个有线或无线网络接口1950被配置为将电子设备1900连接到网络,和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统,例如微软服务器操作系统(Windows ServerTM),苹果公司推出的基于图形用户界面操作系统(Mac OSXTM),多用户多进程的计算机操作系统(UnixTM),自由和开放原代码的类Unix操作系统(LinuxTM),开放原代码的类Unix操作系统(FreeBSDTM)或类似。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器1932,上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是(但不限于)电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中,所述计算机程序产品具体体现为计算机存储介质,在另一个可选实施例中,计算机程序产品具体体现为软件产品,例如软件开发包(Software Development Kit,SDK)等等。
以上已经描述了本公开的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (13)
1.一种图像的处理方法,其特征在于,所述处理方法包括:
获取目标图像,所述目标图像包含目标对象;
检测所述目标图像中所述目标对象所属的脸型类别;
基于所述脸型类别,确定所述目标对象的面部区域的修正参数;
基于所述修正参数,调节所述目标图像中的面部区域。
2.如权利要求1所述的处理方法,其特征在于,所述检测所述目标图像中所述目标对象所属的脸型类别,包括:
识别所述目标对象中面部区域的面部关键点;
基于所述面部关键点之间的位置关系,确定所述目标图像中所述目标对象所属的脸型类别。
3.如权利要求2所述的处理方法,其特征在于,所述基于所述面部关键点之间的位置关系,确定所述目标图像中所述目标对象所属的脸型类别,包括:
基于所述面部关键点,生成面部的至少两个特征参数;所述至少两个特征参数包括面部长度参数、面部宽度参数以及下巴形状参数中的至少两个;
根据所述至少两个特征参数,确定所述目标图像中所述目标对象所属的脸型类别。
4.如权利要求3所述的处理方法,其特征在于,所述特征参数包括以下至少两个:
用于表示面部长度参数的第一标识,所述第一标识为长型脸标识、自然脸型标识,或短型脸标识;
用于表示面部宽度参数的第二标识,所述第二标识为方型脸标识、或非方型脸标识;
用于表示下巴形状参数的第三标识,所述第二标识为圆下巴标识、或非圆下巴标识。
5.如权利要求4所述的处理方法,其特征在于,所述特征参数包括用于表示面部为长型脸的第一标识,所述基于所述面部关键点,生成面部的至少两个特征参数,包括:
基于所述面部关键点中额头关键点与下巴关键点,确定面部长度;
基于所述目标图像中分别位于面部侧面区域的第一关键点,确定面部宽度;
当所述面部长度与所述面部宽度的比值大于预设比值时,确定所述第一标识为长型脸标识。
6.如权利要求4或5所述的处理方法,其特征在于,所述特征参数包括用于表示面部为非方型脸的第二标识,所述基于所述面部关键点,生成面部的至少两个特征参数,包括:
基于所述面部关键点中至少三个下颌骨关键点,确定面部的第一夹角;
当至少一个所述第一夹角大于或等于第一预设角度时,确定所述第二标识为非方型脸标识。
7.如权利要求4至6中任意一项所述的处理方法,其特征在于,所述特征参数包括表示面部为圆下巴的第三标识,所述基于所述面部关键点,生成面部的至少两个特征参数,包括:
基于所述面部关键点中的下巴关键点、位于面部侧面区域的至少两个第二关键点,确定面部的第二夹角;
当至少一个所述第二夹角大于或等于第二预设角度时,确定所述第三标识为圆下巴标识。
8.如权利要求3至6中任意一项所述的处理方法,其特征在于,所述根据所述至少两个特征参数,确定所述目标图像中所述目标对象所属的脸型类别,包括以下中的一项:
在第一标识为短型脸标识或自然脸型标识、第二标识为非方型脸标识、第三标识为圆下巴标识的情况下,确定所述目标图像中所述目标对象所属的脸型类别为圆脸脸型;
在第一标识为短型脸标识或自然脸型标识、第二标识为非方型脸标识、第三标识为非圆下巴标识的情况下,确定所述目标图像中所述目标对象所属的脸型类别为自然脸脸型;
在第一标识为短型脸标识、第二标识为方型脸标识的情况下,确定所述目标图像中所述目标对象所属的脸型类别为方脸脸型;
在第一标识为长型脸标识或自然脸型标识、第二标识为方型脸标识的情况下,确定所述目标图像中所述目标对象所属的脸型类别为长方脸脸型;
在第一标识为长型脸标识、第二标识为非方型脸标识的情况下,确定所述目标图像中所述目标对象所属的脸型类别为长脸脸型。
9.如权利要求1至8中任意一项所述的处理方法,其特征在于,所述获取目标图像,包括:
检测获取的图像序列中的图像是否包括目标对象;
在检测到包括所述目标对象的图像后,检测所述图像中目标对象是否包括正脸区域;
将包括正脸区域的图像确定为所述目标图像。
10.如权利要求1至9中任意一项所述的处理方法,其特征在于,所述修正参数包括:美颜参数、微整形参数中的至少一项。
11.一种图像的处理装置,其特征在于,所述处理装置包括:
目标图像获取模块,用以获取目标图像,所述目标图像包含目标对象;
脸型类别检测模块,用以检测所述目标图像中所述目标对象所属的脸型类别;
修正参数确定模块,用以基于所述脸型类别,确定所述目标对象的面部区域的修正参数;
面部区域调节模块,用以基于所述修正参数,调节所述目标图像中的面部区域。
12.一种电子设备,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中所述处理器被配置为调用所述存储器存储的指令,以执行权利要求1至10中任意一项所述的处理方法。
13.一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,所述计算机程序指令被处理器执行时实现权利要求1至10中任意一项所述的处理方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210106803.XA CN114445298A (zh) | 2022-01-28 | 2022-01-28 | 图像的处理方法、装置、电子设备及存储介质 |
PCT/CN2022/115272 WO2023142474A1 (zh) | 2022-01-28 | 2022-08-26 | 图像的处理方法、装置、电子设备、存储介质及计算机程序产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210106803.XA CN114445298A (zh) | 2022-01-28 | 2022-01-28 | 图像的处理方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114445298A true CN114445298A (zh) | 2022-05-06 |
Family
ID=81371172
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210106803.XA Pending CN114445298A (zh) | 2022-01-28 | 2022-01-28 | 图像的处理方法、装置、电子设备及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN114445298A (zh) |
WO (1) | WO2023142474A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023142474A1 (zh) * | 2022-01-28 | 2023-08-03 | 上海商汤智能科技有限公司 | 图像的处理方法、装置、电子设备、存储介质及计算机程序产品 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107705248A (zh) * | 2017-10-31 | 2018-02-16 | 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 |
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 |
CN107835367A (zh) * | 2017-11-14 | 2018-03-23 | 维沃移动通信有限公司 | 一种图像处理方法、装置及移动终端 |
CN109584177A (zh) * | 2018-11-26 | 2019-04-05 | 北京旷视科技有限公司 | 人脸修饰方法、装置、电子设备及计算机可读存储介质 |
CN112419143A (zh) * | 2020-11-20 | 2021-02-26 | 广州繁星互娱信息科技有限公司 | 图像处理方法、特效参数设置方法、装置、设备及介质 |
CN114445298A (zh) * | 2022-01-28 | 2022-05-06 | 北京大甜绵白糖科技有限公司 | 图像的处理方法、装置、电子设备及存储介质 |
-
2022
- 2022-01-28 CN CN202210106803.XA patent/CN114445298A/zh active Pending
- 2022-08-26 WO PCT/CN2022/115272 patent/WO2023142474A1/zh unknown
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023142474A1 (zh) * | 2022-01-28 | 2023-08-03 | 上海商汤智能科技有限公司 | 图像的处理方法、装置、电子设备、存储介质及计算机程序产品 |
Also Published As
Publication number | Publication date |
---|---|
WO2023142474A1 (zh) | 2023-08-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2977959B1 (en) | Method and device for adjusting skin color | |
CN107692997B (zh) | 心率检测方法及装置 | |
CN109816764B (zh) | 图像生成方法及装置、电子设备和存储介质 | |
CN109087238B (zh) | 图像处理方法和装置、电子设备以及计算机可读存储介质 | |
EP3200125B1 (en) | Fingerprint template input method and device | |
CN111553864B (zh) | 图像修复方法及装置、电子设备和存储介质 | |
CN110569777B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN112465843A (zh) | 图像分割方法及装置、电子设备和存储介质 | |
CN107944367B (zh) | 人脸关键点检测方法及装置 | |
CN109446912B (zh) | 人脸图像的处理方法及装置、电子设备和存储介质 | |
CN109377446B (zh) | 人脸图像的处理方法及装置、电子设备和存储介质 | |
CN109325908B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN110490164B (zh) | 生成虚拟表情的方法、装置、设备及介质 | |
CN110933488A (zh) | 视频剪辑方法及装置 | |
CN112184787A (zh) | 图像配准方法及装置、电子设备和存储介质 | |
CN110415258B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN113807253A (zh) | 人脸识别方法及装置、电子设备和存储介质 | |
EP3438924A1 (en) | Method and device for processing picture | |
CN114445298A (zh) | 图像的处理方法、装置、电子设备及存储介质 | |
CN111783752A (zh) | 人脸识别方法及装置、电子设备和存储介质 | |
CN112102300A (zh) | 计数方法及装置、电子设备和存储介质 | |
CN112613447A (zh) | 关键点检测方法及装置、电子设备和存储介质 | |
CN111310664A (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN110659625A (zh) | 物体识别网络的训练方法及装置、电子设备和存储介质 | |
CN110969569A (zh) | 试镜视频的生成方法及装置 |
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 | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40067428 Country of ref document: HK |