CN115294320B - 图像旋转角度的确定方法、装置、电子设备及存储介质 - Google Patents

Abstract

本申请提供了一种图像旋转角度的确定方法、装置、电子设备及存储介质，涉及图像处理技术领域，包括：将目标图像沿着预设方向分别按照多个不同的旋转角度进行旋转，得到目标图像在每个旋转角度下的旋转图像；将多个旋转图像输入人脸关键点检测模块，得到多组人脸关键点集合；使用预设筛选机制对多组人脸关键点集合进行筛选，确定至少一组目标人脸关键点集合；确定每组目标人脸关键点集合对应的人脸特征向量；利用每组目标人脸关键点集合对应的人脸特征向量，确定目标图像的目标旋转角度。本申请通过图像中蕴含的计算人脸特征向量信息确定旋转角度，无需标注数据和训练模型，减小工作量的同时提高检测效率和检测精度。

Description

图像旋转角度的确定方法、装置、电子设备及存储介质

技术领域

本申请涉及图像处理技术领域，尤其涉及一种图像旋转角度的确定方法、装置、电子设备及存储介质。

背景技术

对于一些需要用户进行实名信息认证的相关业务，常常需要采集用户相关摄影图像并作为敏感信息存储至影像库，以便于后续对业务进行相关处理。但由于用户在拍摄姿势、拍摄设备种类等方面存在的差异性和不可控性，导致存储至影像库的摄影图像有一部分已经丢失掉其正确的角度信息，人像旋转检测是利用摄影图像中的人脸信息，分析出摄影图像当前的旋转状态，从而可以将摄影人像旋转回正确的角度，保障后续对摄影人像所进行的操作。

现有技术中，一般直接采用基于深度学习的方法来进行图像旋转角度的检测，首先该种方法需要在摄影图像上标注大量数据，再以标注出的大量书库训练深度学习模型，这样的图像检测方式，增加工作量的同时降低了图像检测效率，且无法保证检测精度和质量。

发明内容

有鉴于此，本申请的目的在于至少提供一种图像旋转角度的确定方法、装置、电子设备及存储介质，通过图像中蕴含的计算人脸特征向量信息确定旋转角度，无需标注数据和训练模型，减小工作量的同时提高检测效率和检测精度。

本申请主要包括以下几个方面：

第一方面，本申请实施例提供一种图像旋转角度的确定方法，方法包括：

获取处于任意旋转状态的目标图像；将目标图像沿着预设方向分别按照多个不同的旋转角度进行旋转，得到目标图像在每个旋转角度下的旋转图像；将多个旋转图像输入人脸关键点检测模块，得到多组人脸关键点集合，每组人脸关键点集合包括多个人脸关键点，多个人脸关键点包括鼻子关键点、左眼关键点和右眼关键点；使用预设筛选机制对多组人脸关键点集合进行筛选，确定至少一组目标人脸关键点集合；确定每组目标人脸关键点集合对应的人脸特征向量，人脸特征向量为鼻子关键点相对于左眼关键点和右眼键点之间的连线的法向量的单位向量；利用每组目标人脸关键点集合对应的人脸特征向量，确定目标图像相对于参考图像的目标旋转角度，参考图像为处于正常角度的目标图像。

在一种可能的实施方式中，预设筛选机制包括不正常尺寸筛选机制，若预设筛选机制为不正常尺寸筛选机制，通过以下方式确定至少一组目标人脸关键点集合：确定目标图像对应的图像尺寸范围；针对每组人脸关键点集合，判断该组人脸关键点集合中是否存在超出图像尺寸范围的人脸关键点，若该组人脸关键点集合中存在超出图像尺寸范围的人脸关键点，则将该组人脸关键点集合从多组人脸关键点集合中剔除，若该组人脸关键点集合中不存在超出图像尺寸范围的人脸关键点，则确定该组人脸关键点集合对应的外接矩形尺寸，利用外接矩形尺寸确定该组人脸关键点集合是否为目标人脸关键点集合。

在一种可能的实施方式中，外接矩形尺寸包括外接矩形长度和外接矩形宽度，其中，利用外接矩形尺寸确定该组人脸关键点集合是否为目标人脸关键点集合的步骤包括：判断该组人脸关键点集合对应的外接矩形长度是否满足第一预设阈值；若该组人脸关键点集合对应的外接矩形长度满足第一预设阈值，则判断该组人脸关键点集合对应的外接矩形宽度是否满足第二预设阈值；若该组人脸关键点集合对应的外接矩形宽度满足第二预设阈值，则将该组人脸关键点集合确定为目标人脸关键点集合。

在一种可能的实施方式中，预设筛选机制还包括不正常分布筛选机制，不正常分布筛选机制包括多个关键点分布条件，其中，使用预设筛选机制对多个旋转图像对应的多组人脸关键点集合进行筛选，确定至少一组目标人脸关键点集合的步骤包括：针对每组人脸关键点集合，依次判断该组人脸关键点集合是否满足多个关键点分布条件，若该组人脸关键点集合不满足多个关键点分布条件中的任意一项，则将该组人脸关键点集合从多组人脸关键点集合中剔除，若该组人脸关键点集合满足所有关键点分布条件，则将若该组人脸关键点集合确定为目标人脸关键点集合。

在一种可能的实施方式中，多个人脸关键点还包括左耳关键点和右耳关键点，多个关键点分布条件包括：左耳关键点到鼻子关键点的第一距离与右耳关键点到鼻子关键点的第二距离之间的第一比值处于第一预设范围，左眼关键点到鼻子关键点的第三距离与右眼关键点到鼻子关键点的第四距离之间的第二比值处于第一预设范围，左眼关键点与右眼关键点之间的第五距离小于或等于左耳关键点到右耳关键点之间的第六距离，第三距离与第四距离的和值与第六距离之间的第三比值处于第二预设范围，第五距离小于第三距离与第四距离的和值，鼻子关键点在左眼关键点与右眼关键点之间连线上的投影处于左眼关键点与右眼关键点之间，左眼关键点与右眼关键点之间的连线与左耳关键点与右耳关键点之间的连线的夹角处于预设角度范围。

在一种可能的实施方式中，利用每组目标人脸关键点集合对应的人脸特征向量，确定目标图像相对于参考图像的目标旋转角度的步骤包括：针对每组目标人脸关键点集合，确定该组目标人脸关键点集合所属的旋转图像针对目标图像的旋转角度，控制人脸特征向量按照其所在的旋转图像对应的旋转角度，沿着与预设方向相反的方向，旋转至目标图像对应的原始位置，确定该组目标人脸关键点集合对应的人脸特征向量在原始位置下对应的原始人脸特征向量；将各组目标人脸关键点集合对应的原始人脸特征向量进行累加求和，确定人脸特征和向量；利用人脸特征和向量以及反正切函数公式，确定目标图像相对于参考图像的目标旋转角度。

在一种可能的实施方式中，方法还包括：控制目标图像按照所确定的目标旋转角度进行旋转，以使目标图像处恢复至正常角度；利用处于正常角度的目标图像进行后续图像分析处理。

第二方面，本申请实施例还提供一种图像旋转角度的确定装置，装置包括：获取模块，用于获取处于任意旋转状态的目标图像；旋转模块，用于将目标图像沿着预设方向分别按照多个不同的旋转角度进行旋转，得到目标图像在每个旋转角度下的旋转图像；关键点检测模块，用于将多个旋转图像输入人脸关键点检测模块，得到多组人脸关键点集合，每组人脸关键点集合包括多个人脸关键点，多个人脸关键点包括鼻子关键点、左眼关键点和右眼关键点；筛选模块，用于使用预设筛选机制对多组人脸关键点集合进行筛选，确定至少一组目标人脸关键点集合；向量确定模块，用于确定每组目标人脸关键点集合对应的人脸特征向量，人脸特征向量为鼻子关键点相对于左眼关键点和右眼键点之间的连线的法向量的单位向量；确定模块，用于利用每组目标人脸关键点集合对应的人脸特征向量，确定目标图像相对于参考图像的目标旋转角度，参考图像为处于正常角度的目标图像。

第三方面，本申请实施例还提供一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过所述总线进行通信，所述机器可读指令被所述处理器运行时执行上述第一方面或第一方面中任一种可能的实施方式中所述的图像旋转角度的检测方法的步骤。

第四方面，本申请实施例还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上存储有计算机程序，所述计算机程序被处理器运行时执行上述第一方面或第一方面中任一种可能的实施方式中所述的图像旋转角度的检测的步骤。

本申请实施例提供的一种图像旋转角度的确定方法、装置、电子设备及存储介质，方法包括：获取处于任意旋转状态的目标图像；将目标图像沿着预设方向分别按照多个不同的旋转角度进行旋转，得到目标图像在每个旋转角度下的旋转图像；将多个旋转图像输入人脸关键点检测模块，得到多组人脸关键点集合；使用预设筛选机制对多组人脸关键点集合进行筛选，确定至少一组目标人脸关键点集合；确定每组目标人脸关键点集合对应的人脸特征向量；利用每组目标人脸关键点集合对应的人脸特征向量，确定目标图像的目标旋转角度。本申请通过图像中蕴含的计算人脸特征向量信息确定旋转角度，无需标注数据和训练模型，减小工作量的同时提高检测效率和检测精度。

为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。

图1示出了本申请实施例所提供的一种图像旋转角度的确定方法的流程图；

图2示出了本申请实施例提供的一种利用外接矩形尺寸确定目标人脸关键点集合的示意图；

图3示出了本申请实施例提供的一种确定原始人脸特征向量的示意图；

图4示出了本申请实施例提供的一种图像旋转角度的测量流程图一；

图5示出了本申请实施例提供的一种图像旋转角度的测量流程图二；

图6示出了本申请实施例提供的一种图像旋转角度的测量流程图三；

图7示出了本申请实施例提供的一种图像旋转角度的确定装置的结构示意图；

图8示出了本申请实施例所提供的一种电子设备的结构示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，应当理解，本申请中的附图仅起到说明和描述的目的，并不用于限定本申请的保护范围。另外，应当理解，示意性的附图并未按实物比例绘制。本申请中使用的流程图示出了根据本申请的一些实施例实现的操作。应当理解，流程图的操作可以不按顺序实现，没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外，本领域技术人员在本申请内容的指引下，可以向流程图添加一个或多个其他操作，也可以从流程图中移除一个或多个操作。

另外，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的全部其他实施例，都属于本申请保护的范围。

在信用卡相关业务领域，某些情况下需要采集用户与业务员的合影图像并将其作为敏感信息存储至影像库备查，但由于业务员或客户在拍摄姿势、拍摄设备种类或隐私设置等方面存在较大区别和不可控性，导致存储至影像库的部分图像可能已经丢失掉其正确的拍摄角度信息，以至于拍摄图像处于相对于正确姿态的0度、90度、180度或270度中的某一种状态下。

人像旋转检测的目标是利用信用卡进件合影图像中一定含有的人脸信息，分析出图像当前的旋转状态，从而可以将倒置或横置的人像旋转回正确的角度，保障后续人像比对、人像伪冒检测等多种图像算法能更好运算。传统基于图像本身携带exif信息的角度转正方法，需要设备开启相关权限，这一点无法适用于现有业务场景，也无法处理因为特殊拍摄姿势导致的人脸横置的情况。而直接采用基于深度学习的方法来做图像旋转角度的检测，需要先标注大量数据，再以此训练深度学习模型，工作量较大且在分布不同的新数据域的检测质量容易下降。

基于此，本申请实施例提供了一种图像旋转角度的确定方法、装置、电子设备及存储介质，通过图像中蕴含的计算人脸特征向量信息确定旋转角度，无需标注数据和训练模型，减小工作量的同时提高检测效率和检测精度，具体如下：

请参阅图1，图1示出了本申请实施例所提供的一种图像旋转角度的确定方法的流程图。如图1所示，本申请实施例提供的方法，包括以下步骤：

S100、获取目标图像。

具体的，可以从影像库中的多张图像中提取目标图像，此时，由于图像的拍摄姿势、拍摄设备或用户拍摄时所开启的不同权限，导致影像库中的某些图像可能已经丢失了图像原本正确的角度信息，也就是说，当图像的旋转角度的相关信息丢失后，所提取的目标图像的旋转角度是不确定的，可能处于相对于原始图像0°、90°、180°、270°中的某一种旋转角度，在信用卡相关业务场景中，影像库中的图像可以为用户和业务人员的合影图像。

S110、将目标图像沿着预设方向分别按照多个不同的旋转角度进行旋转，得到目标图像在每个旋转角度下的旋转图像。

在一具体实施例中，预设方向可以为顺时针方向或逆时针方向，例如可以将目标图像沿着顺时针方向依次旋转0°、90°、180°、270°，以得到目标图像分别在0°、90°、180°、270°下对应的旋转图像。

S120、将多个旋转图像输入人脸关键点检测模块，得到多组人脸关键点集合。

其中，每组人脸关键点集合包括多个人脸关键点，多个人脸关键点包括鼻子关键点、左眼关键点、右眼关键点、左耳关键点和右耳关键点，人脸关键点检测模块为预先选择的能够检测出鼻子关键点、左眼关键点、右眼关键点、左耳关键点和右耳关键点等的开源人脸检测模块，一般的开源人脸检测模块通常都是由不加旋转角度的人脸或者身体的图像训练得到的，因此一般的开源人脸检测模块并不能很好检测到处于旋转状态下的人脸关键点，因此，需要获取多个旋转角度下的旋转图像，以便于能够识别得到需要的多组人脸关键点集合。

每个旋转图像输入人脸关键点检测模块后，会输出每个人脸关键点在旋转图像中对应的坐标，例如，某一旋转角度下的旋转图像，以该旋转图像左上角为坐标原点，向右为x轴正方向，向下为y轴正方向，以图像上的单位像素作为坐标系中的单位坐标，人脸关键点检测模块识别到的该旋转图像中其中一张人脸对应的人脸关键点集合为{（223.11505，150.98203），（251.35747，169.8103），（235.66724, 135.2918），（245.08138，251.39949），（207.42482，138.42984）}，其中，（223.11505，150.98203），（251.35747，169.8103），（235.66724, 135.2918），（245.08138，251.39949），（207.42482，138.42984）分别表示鼻子关键点、左眼关键点、右眼关键点、左耳关键点和右耳关键点对应的坐标。

在一优选实施例中，将多个旋转图像输入人脸关键点检测模块的方式包括：将多个旋转图像逐张输入人脸关键点检测模块，依次获取每张旋转图像对应的多组人脸关键点集合；或者，对多个旋转图像进行拼接处理，形成一张拼接图像，再将该拼接图像输入人脸关键点检测模块，一次性获取多个旋转图像对应的多组人脸关键点集合；或者，将将多个旋转图像封装成一个批量包，将批量包输入人脸关键点检测模块，一次性获取多个旋转图像对应的多组人脸关键点集合。

S130、使用预设筛选机制对多组人脸关键点集合进行筛选，确定至少一组目标人脸关键点集合。

预设筛选机制包括不正常尺寸筛选机制和不正常分布筛选机制，具体的，得到多组人脸关键点集合后，需要通过预设筛选机制剔除不符合要求的人脸关键点集合，以得到用于进行后续处理的至少一组目标人脸关键点集合。

若预设筛选机制为不正常尺寸筛选机制，通过以下方式确定至少一组目标人脸关键点集合：

确定目标图像对应的图像尺寸范围，图像尺寸范围是由目标图像长度和目标图像宽度所形成的矩形区域，随着目标图像的旋转，每个旋转图像对应的矩形区域也会发生变化。

针对每组人脸关键点集合，判断该组人脸关键点集合中是否存在超出图像尺寸范围的人脸关键点，若该组人脸关键点集合中存在超出图像尺寸范围的人脸关键点，则将该组人脸关键点集合从多组人脸关键点集合中剔除，若该组人脸关键点集合中不存在超出图像尺寸范围的人脸关键点，则确定该组人脸关键点集合对应的外接矩形尺寸，利用外接矩形尺寸确定该组人脸关键点集合是否为目标人脸关键点集合。

在具体实施中，针对旋转图像中的某张人脸，人脸关键点检测模块在进行人脸关键点检测时，由于坐标系是根据旋转图像建立的，例如，以旋转图像左上角为坐标原点，向右为x轴正方向，向下为y轴正方向，且旋转图像对应的图像尺寸范围是一定的，以目标图像为5×3的矩形举例，那么，若人脸关键点集合中的人脸关键点对应的横坐标应该在[0，5]之间，横坐标应该为所处的范围应该在[0，3]之间，一旦存在超出该范围的点，例如（0，-3），即可认为人脸关键点此时，无法识别出的人脸关键点不符合对应的图像尺寸范围的要求，需要删除该人脸关键点所在的人脸关键点集合。

进一步的，若该组人脸关键点集合中不存在超出所述图像尺寸范围的人脸关键点，需要进一步判断该组人脸关键点集合对应的外接矩形尺寸是否符合要求。

外接矩形尺寸包括外接矩形长度和外接矩形宽度，其中，若预设筛选机制为不正常分布筛选机制，则利用外接矩形尺寸确定该组人脸关键点集合是否为目标人脸关键点集合的步骤包括：

判断该组人脸关键点集合对应的外接矩形长度是否满足第一预设阈值，若该组人脸关键点集合对应的外接矩形长度满足第一预设阈值，则判断该组人脸关键点集合对应的外接矩形宽度是否满足第二预设阈值，若该组人脸关键点集合对应的外接矩形宽度满足第二预设阈值，则将该组人脸关键点集合确定为目标人脸关键点集合。

请参阅图2，图2示出了本申请实施例提供的一种利用外接矩形尺寸确定目标人脸关键点集合的示意图。如图2所示，在旋转图像A中，通过人脸关键点检测模块，检测到4组对应的人脸关键点集合，4组人脸关键点集合对应的外接矩形分别为a，b，c，d，其中，旋转图像A的图像长度为100像素，旋转图像A的图像宽度为60像素，且外接矩形a的外接矩形长度为2.6像素，外接矩形a的外接矩形宽度为1.9像素，外接矩形b的外接矩形长度为14.4像素，外接矩形b的外接矩形宽度为1.8像素，外接矩形c的外接矩形长度为18.5像素，外接矩形c的外接矩形宽度为4.6像素，外接矩形d的外接矩形长度为13.6像素，外接矩形d的外接矩形宽度为8.8像素。

若第一预设阈值确定为100×5%=5，第二预设阈值为60×5%=3，则说明人脸关键点组成的外接矩形长度至少需5像素，的外接矩形宽度至少需3像素，则如图2所示，外接矩形a、外接矩形b和外接矩形c均不满足要求，因此，外接矩形a、外接矩形b和外接矩形c对应的人脸关键点集合应该被剔除，因此如图2所示，仅有外接矩形d符合要求，将外接矩形d对应的人脸关键点集合确定为目标人脸关键点集合。

在另一优选实施例中，不正常分布筛选机制包括多个关键点分布条件，其中，使用预设筛选机制对多个旋转图像对应的多组人脸关键点集合进行筛选，确定至少一组目标人脸关键点集合的步骤包括：

针对每组人脸关键点集合，依次判断该组人脸关键点集合是否满足多个关键点分布条件，若该组人脸关键点集合不满足多个关键点分布条件中的任意一项，则将该组人脸关键点集合从多组人脸关键点集合中剔除，若该组人脸关键点集合满足所有关键点分布条件，则将若该组人脸关键点集合确定为目标人脸关键点集合。

在一具体实施例中，多个关键点分布条件包括：

左耳关键点到鼻子关键点的第一距离与右耳关键点到鼻子关键点的第二距离之间的第一比值处于第一预设范围，例如，第一预设范围可以为

。

左眼关键点到鼻子关键点的第三距离与右眼关键点到鼻子关键点的第四距离之间的第二比值处于第一预设范围。

左眼关键点与右眼关键点之间的第五距离小于或等于左耳关键点到右耳关键点之间的第六距离。

第三距离与第四距离的和值与第六距离之间的第三比值处于第二预设范围，例如，第二预设范围可以为

。

第五距离小于第三距离与第四距离的和值。

鼻子关键点在左眼关键点与右眼关键点之间连线上的投影处于左眼关键点与右眼关键点之间。

左眼关键点与右眼关键点之间的连线与左耳关键点与右耳关键点之间的连线的夹角处于预设角度范围，例如，预设角度范围为

。

针对每个人脸关键点集合，若该人脸关键点集合不满足上述任一项关键点分布条件，则将该人脸关键点集合剔除。

在另一优选实施方式中，还可以采用不正常尺寸筛选机制和不正常分布筛选机制相结合的方式执行筛选。

返回图1，S140、确定每组目标人脸关键点集合对应的人脸特征向量。

人脸特征向量为鼻子关键点相对于左眼关键点和右眼键点之间的连线的法向量的单位向量。

在一具体实施例中，以旋转图像左上角为坐标原点，向右为x轴正向，向下为y轴正向，设左眼关键点坐标为l= (175.44，150.56)，右眼关键点坐标为r=(136.40，166.18)，鼻子关键点坐标为n=(155.92, 179.84)，则过鼻子关键点向左眼关键点与右眼关键点之间的连线lr作垂线，与连线lr相交于p点(148.52，161.33)，则可得到鼻子关键点相对于左眼关键点和右眼键点之间的连线lr的法向量pn=(7.40，18.51)，法向量pn对应的单位向量为(0.37, 0.93)，即(0.37, 0.93)为旋转图像对应的人脸特征向量。

S150、利用每组目标人脸关键点集合对应的人脸特征向量，确定目标图像相对于参考图像的目标旋转角度。

在一优选实施例中，参考图像为处于正常角度的目标图像，利用每组目标人脸关键点集合对应的人脸特征向量，确定目标图像相对于参考图像的目标旋转角度的步骤包括：

针对每组目标人脸关键点集合，确定该组目标人脸关键点集合所属的旋转图像针对目标图像的旋转角度，控制人脸特征向量按照其所在的旋转图像对应的旋转角度，沿着与预设方向相反的方向，旋转至目标图像对应的原始位置，确定该组目标人脸关键点集合对应的人脸特征向量在原始位置下对应的原始人脸特征向量，将各组目标人脸关键点集合对应的原始人脸特征向量进行累加求和，确定人脸特征和向量；利用人脸特征和向量以及反正切函数公式，确定目标图像相对于参考图像的目标旋转角度。

请参阅图3，图3示出了本申请实施例提供的一种确定原始人脸特征向量的示意图。如图3所示，对于包括人脸的目标图像10，其分别顺时针旋转0°、90°、180°、270°后，得到对应的旋转图像11、12、13和14，且经过上述处理后，得到旋转图像11、12、13和14对应的人脸特征向量，分别将旋转图像11、12、13和14中对应的人脸特征向量逆时针旋转0°90°、180°、270°，得到对应的原始人脸特征向量21、22、23和24，若 原始人脸特征向量21、22、23和24分别为(0.37，0.93)、(0.22， 0.97)、(-0.1，0.99)和(-0.15，0.99)，那么将原始人脸特征向量21、22、23和24相加即可得到人脸特征和向量(0.34，3.88)，计算人脸特征和向量(0.34，3.88)对应的反正切函数值，即arctan（0.34/3.88）=5.01°，即目标旋转角度为=5.01°。

返回图1，方法还包括：

S160、控制目标图像按照所确定的目标旋转角度进行旋转，以使目标图像处于参考位置。

S170、利用处于正常角度的目标图像进行后续图像分析处理。

在一具体实施例中，按检测出的目标旋转角度控制目标图像恢复至正常角度，利用恢复至正常角度的图像能够最有利于后续人像比对、人像伪冒检测等多种图像算法的运算。

请参阅图4，图4示出了本申请实施例提供的一种图像旋转角度的测量流程图一，如图4所示，该实施例中，采用的是能够反映旋转方向的人脸关键点检测模块，针对获取到的处于正常角度的目标图像e，确定目标图像e相对于参考图像的目标旋转角度的方法包括：

S200、将目标图像e分别顺时针旋转0°、90°、180°和270°，分别得到旋转图像e1、旋转图像e2、旋转图像e3和旋转图像e4。

S201、将旋转图像e1、旋转图像e2、旋转图像e3和旋转图像e4输入人脸关键点检测模块，获取人脸关键点检测模块输出的与旋转图像e1对应的至少一组人脸关键点集合e11、与旋转图像e2对应的至少一组人脸关键点集合e21、与旋转图像e3对应的至少一组人脸关键点集合e31以及与旋转图像e4对应的至少一组人脸关键点集合e41。

S202、按照预设筛选机制分别对至少一组人脸关键点集合e11、至少一组人脸关键点集合e21、至少一组人脸关键点集合e31以及至少一组人脸关键点集合e41进行筛选，获取筛选后得到的与旋转图像e1对应的两组目标人脸关键点集合e111和e112、与旋转图像e2对应的目标人脸关键点集合e211、与旋转图像e3对应的目标人脸关键点集合e311以及与旋转图像e4对应的目标人脸关键点集合e411。

S203、计算得到旋转图像e1对应的人脸特征向量E1、E2、旋转图像e2对应的人脸特征向量E3、旋转图像e3对应的人脸特征向量E4、旋转图像e4对应的人脸特征向量E5。

S204、分别将人脸特征向量E1、E2逆时针旋转0°、人脸特征向量E3逆时针旋转90°、人脸特征向量E4逆时针旋转180°以及人脸特征向量E5逆时针旋转270°，分别得到原始人脸特征向量E11、E21、E31、E41和E51。

S205、将原始人脸特征向量E11、E21、E31、E41和E51相加得到人脸特征和向量E，并利用反正切函数公式将人脸特征和向量E转换成目标旋转角度。

请参阅图5，图5示出了本申请实施例提供的一种图像旋转角度的测量流程图二，如图5所示，该实施例中，采用的是能够反映旋转方向的人脸关键点检测模块，针对获取到的处于目标图像f，目标图像f相对于参考图像逆时针旋转了90°，确定目标图像f相对于参考图像的目标旋转角度的方法包括：

S300、将目标图像f分别顺时针旋转0°、90°、180°和270°，分别得到旋转图像f1、旋转图像f2、旋转图像f3和旋转图像f4。

S301、将旋转图像f1、旋转图像f2、旋转图像f3和旋转图像f4输入人脸关键点检测模块，获取人脸关键点检测模块输出的与旋转图像f1对应的至少一组人脸关键点集合f11、与旋转图像f2对应的至少一组人脸关键点集合f21、与旋转图像f3对应的至少一组人脸关键点集合f31以及与旋转图像f4对应的至少一组人脸关键点集合f41。

S302、按照预设筛选机制分别对至少一组人脸关键点集合f11、至少一组f21、至少一组f31以及至少一组f41进行筛选，获取筛选后得到的与旋转图像f1对应的两组目标人脸关键点集合f111、与旋转图像f2对应的目标人脸关键点集合f211和f212、与旋转图像f3对应的目标人脸关键点集合f311以及与旋转图像f4对应的目标人脸关键点集合f411。

S303、计算得到旋转图像f1对应的人脸特征向量F1、旋转图像f2对应的人脸特征向量F2、F3、旋转图像f3对应的人脸特征向量F4、旋转图像f4对应的人脸特征向量F5。

S304、分别将人脸特征向量F1逆时针旋转0°、人脸特征向量F2、F3逆时针旋转90°、人脸特征向量F4逆时针旋转180°以及人脸特征向量F5逆时针旋转270°，分别得到原始人脸特征向量F11、F21、F31、F41和F51。

S305、将原始人脸特征向量F11、F21、F31、F41和F51相加得到人脸特征和向量F，并利用反正切函数公式将人脸特征和向量F转换成目标旋转角度。

请参阅图6，图6示出了本申请实施例提供的一种图像旋转角度的测量流程图三，如图6所示，该实施例中，采用的是不能反映旋转方向的人脸关键点检测模块，针对获取到的处于目标图像g，目标图像g相对于参考图像逆时针旋转了90°，确定目标图像g相对于参考图像的目标旋转角度的方法包括：

S400、将目标图像g分别顺时针旋转0°、90°、180°和270°，分别得到旋转图像g1、旋转图像g2、旋转图像g3和旋转图像g4。

S402、将旋转图像g1、旋转图像g2、旋转图像g3和旋转图像g4输入人脸关键点检测模块，获取人脸关键点检测模块输出的与旋转图像g1对应的至少一组人脸关键点集合g11、与旋转图像g2对应的至少一组人脸关键点集合g21、与旋转图像g3对应的至少一组人脸关键点集合g31以及与旋转图像g4对应的至少一组人脸关键点集合g41。

S403、按照预设筛选机制分别对至少一组人脸关键点集合g11、至少一组g21、至少一组g31以及至少一组g41进行筛选，获取筛选后得到的与旋转图像g1对应的两组目标人脸关键点集合g111、与旋转图像g2对应的目标人脸关键点集合g211和g212、与旋转图像g3对应的目标人脸关键点集合g311以及与旋转图像g4对应的目标人脸关键点集合g411。

S404、计算得到旋转图像g1对应的人脸特征向量G1、旋转图像g2对应的人脸特征向量G2、G3、旋转图像g3对应的人脸特征向量G4、旋转图像g4对应的人脸特征向量G5。

S405、分别将人脸特征向量G1逆时针旋转0°、人脸特征向量G2、G3逆时针旋转90°、人脸特征向量G4逆时针旋转180°以及人脸特征向量G5逆时针旋转270°，分别得到原始人脸特征向量G11、G21、G31、G41和G51。

S407、将原始人脸特征向量G11、G21、G31、G41和G51相加得到人脸特征和向量G，并利用反正切函数公式将人脸特征和向量G转换成目标旋转角度。

具体的，一些人脸关键点检测模块输出的检测结果能反映旋转方向，例如人脸横置后检测结果也横置，一些人脸关键点检测模块输出的检测结果则不能反映旋转方向，例如人脸横置后检测结果依然是竖置的，需要注意的是，本申请在这种情况更适用于图像中的人脸数大于1的目标图像。

本申请能够利用信用卡合影图像中必须要出现的人脸信息，通过筛选后的人脸关键点计算向量信息，再求和转换成角度后得出检测结果，由此可见，在丢失拍摄设备自身携带的Exif信息的情况下，本申请可以分析出图像的旋转角度，同时本申请无需标注数据和训练模型，大大减小工作量的同时避免了因为数据分布不同导致的跨数据域迁移时准确率下降的问题。

基于同一申请构思，本申请实施例中还提供了与上述实施例提供的图像旋转角度的确定方法对应的图像旋转角度的确定装置，由于本申请实施例中的装置解决问题的原理与本申请上述实施例的图像旋转角度的确定方法相似，因此装置的实施可以参见方法的实施，重复之处不再赘述。

请参阅图7，图7示出了本申请实施例提供的一种图像旋转角度的确定装置的结构示意图。如图7所示，装置包括：

获取模块510，用于获取目标图像；

旋转模块520，用于将目标图像沿着预设方向分别按照多个不同的旋转角度进行旋转，得到目标图像在每个旋转角度下的旋转图像；

关键点检测模块530，用于将多个旋转图像输入人脸关键点检测模块，得到多组人脸关键点集合，每组人脸关键点集合包括多个人脸关键点，多个人脸关键点包括鼻子关键点、左眼关键点和右眼关键点；

筛选模块540，用于使用预设筛选机制对多组人脸关键点集合进行筛选，确定至少一组目标人脸关键点集合；

向量确定模块550，用于确定每组目标人脸关键点集合对应的人脸特征向量，人脸特征向量为鼻子关键点相对于左眼关键点和右眼键点之间的连线的法向量的单位向量；

确定模块560，用于利用每组目标人脸关键点集合对应的人脸特征向量，确定目标图像相对于参考图像的目标旋转角度，参考图像为处于正常角度的目标图像。

控制模块（图中未示出），用于控制目标图像按照所确定的目标旋转角度进行旋转，以使目标图像处恢复至正常角度。

分析模块（图中未示出），用于利用处于正常角度的目标图像进行后续图像分析处理。

基于同一申请构思，请参阅图8，图8示出了本申请实施例提供的一种电子设备的结构示意图，电子设备600包括：处理器610、存储器620和总线630，所述存储器620存储有所述处理器610可执行的机器可读指令，当电子设备600运行时，所述处理器610与所述存储器620之间通过所述总线630进行通信，所述机器可读指令被所述处理器610运行时执行如上述实施例中任一所述的图像旋转角度的确定方法的步骤。

基于同一申请构思，本申请实施例还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上存储有计算机程序，所述计算机程序被处理器运行时执行上述实施例提供的图像旋转角度的确定方法的步骤。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。在本申请所提供的几个实施例中，应所述理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。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，又例如，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通信接口，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。

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。

所述功能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，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者所述技术方案的部分可以以软件产品的形式体现出来，所述计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（Read-Only Memory，ROM）、随机存取存储器（Random Access Memory，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。

以上仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (9)

1.一种图像旋转角度的确定方法，其特征在于，所述方法包括：

获取目标图像；

将所述目标图像沿着预设方向分别按照多个不同的旋转角度进行旋转，得到目标图像在每个旋转角度下的旋转图像；

将多个旋转图像输入人脸关键点检测模块，得到多组人脸关键点集合，每组人脸关键点集合包括多个人脸关键点，多个人脸关键点包括鼻子关键点、左眼关键点和右眼关键点；

使用预设筛选机制对所述多组人脸关键点集合进行筛选，确定至少一组目标人脸关键点集合；

确定每组目标人脸关键点集合对应的人脸特征向量，所述人脸特征向量为鼻子关键点相对于左眼关键点和右眼关键点之间的连线的法向量的单位向量；

利用每组目标人脸关键点集合对应的人脸特征向量，确定目标图像相对于参考图像的目标旋转角度，参考图像为处于正常角度的目标图像；

其中，利用每组目标人脸关键点集合对应的人脸特征向量，确定目标图像相对于参考图像的目标旋转角度的步骤包括：

针对每组目标人脸关键点集合，确定该组目标人脸关键点集合所属的旋转图像针对目标图像的旋转角度，控制人脸特征向量按照其所在的旋转图像对应的旋转角度，沿着与预设方向相反的方向，旋转至目标图像对应的原始位置，确定该组目标人脸关键点集合对应的人脸特征向量在原始位置下对应的原始人脸特征向量；

将各组目标人脸关键点集合对应的原始人脸特征向量进行累加求和，确定人脸特征和向量；

利用所述人脸特征和向量以及反正切函数公式，确定目标图像相对于参考图像的目标旋转角度。

2.根据权利要求1所述的方法，其特征在于，预设筛选机制包括不正常尺寸筛选机制，

若预设筛选机制为不正常尺寸筛选机制，通过以下方式确定至少一组目标人脸关键点集合：

确定目标图像对应的图像尺寸范围；

针对每组人脸关键点集合，判断该组人脸关键点集合中是否存在超出所述图像尺寸范围的人脸关键点，若该组人脸关键点集合中存在超出所述图像尺寸范围的人脸关键点，则将该组人脸关键点集合从所述多组人脸关键点集合中剔除，若该组人脸关键点集合中不存在超出所述图像尺寸范围的人脸关键点，则确定该组人脸关键点集合对应的外接矩形尺寸，利用所述外接矩形尺寸确定该组人脸关键点集合是否为目标人脸关键点集合。

3.根据权利要求2所述的方法，其特征在于，所述外接矩形尺寸包括外接矩形长度和外接矩形宽度，

其中，利用所述外接矩形尺寸确定该组人脸关键点集合是否为目标人脸关键点集合的步骤包括：

判断该组人脸关键点集合对应的外接矩形长度是否满足第一预设阈值；

若该组人脸关键点集合对应的外接矩形长度满足第一预设阈值，则判断该组人脸关键点集合对应的外接矩形宽度是否满足第二预设阈值；

若该组人脸关键点集合对应的外接矩形宽度满足第二预设阈值，则将该组人脸关键点集合确定为目标人脸关键点集合。

4.根据权利要求1所述的方法，其特征在于，预设筛选机制还包括不正常分布筛选机制，所述不正常分布筛选机制包括多个关键点分布条件，

其中，使用预设筛选机制对所述多个旋转图像对应的多组人脸关键点集合进行筛选，确定至少一组目标人脸关键点集合的步骤包括：

针对每组人脸关键点集合，依次判断该组人脸关键点集合是否满足多个关键点分布条件，若该组人脸关键点集合不满足多个关键点分布条件中的任意一项，则将该组人脸关键点集合从所述多组人脸关键点集合中剔除，若该组人脸关键点集合满足所有关键点分布条件，则将若该组人脸关键点集合确定为目标人脸关键点集合。

5.根据权利要求4所述的方法，其特征在于，所述多个人脸关键点还包括左耳关键点和右耳关键点，所述多个关键点分布条件包括：

左耳关键点到鼻子关键点的第一距离与右耳关键点到鼻子关键点的第二距离之间的第一比值处于第一预设范围，

左眼关键点到鼻子关键点的第三距离与右眼关键点到鼻子关键点的第四距离之间的第二比值处于第一预设范围，

左眼关键点与右眼关键点之间的第五距离小于或等于左耳关键点到右耳关键点之间的第六距离，

所述第三距离与所述第四距离的和值与所述第六距离之间的第三比值处于第二预设范围，

所述第五距离小于第三距离与第四距离的和值，

鼻子关键点在左眼关键点与右眼关键点之间连线上的投影处于左眼关键点与右眼关键点之间，

左眼关键点与右眼关键点之间的连线与左耳关键点与右耳关键点之间的连线的夹角处于预设角度范围。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

控制目标图像按照所确定的目标旋转角度进行旋转，以使目标图像处恢复至正常角度；

利用处于正常角度的目标图像进行后续图像分析处理。

7.一种图像旋转角度的确定装置，其特征在于，所述装置包括：

获取模块，用于获取目标图像；

旋转模块，用于将所述目标图像沿着预设方向分别按照多个不同的旋转角度进行旋转，得到目标图像在每个旋转角度下的旋转图像；

关键点检测模块，用于将多个旋转图像输入人脸关键点检测模块，得到多组人脸关键点集合，每组人脸关键点集合包括多个人脸关键点，多个人脸关键点包括鼻子关键点、左眼关键点和右眼关键点；

筛选模块，用于使用预设筛选机制对所述多组人脸关键点集合进行筛选，确定至少一组目标人脸关键点集合；

向量确定模块，用于确定每组目标人脸关键点集合对应的人脸特征向量，所述人脸特征向量为鼻子关键点相对于左眼关键点和右眼关键点之间的连线的法向量的单位向量；

确定模块，用于利用每组目标人脸关键点集合对应的人脸特征向量，确定目标图像相对于参考图像的目标旋转角度，参考图像为处于正常角度的目标图像；

其中，所述确定模块还用于：

针对每组目标人脸关键点集合，确定该组目标人脸关键点集合所属的旋转图像针对目标图像的旋转角度，控制人脸特征向量按照其所在的旋转图像对应的旋转角度，沿着与预设方向相反的方向，旋转至目标图像对应的原始位置，确定该组目标人脸关键点集合对应的人脸特征向量在原始位置下对应的原始人脸特征向量；

将各组目标人脸关键点集合对应的原始人脸特征向量进行累加求和，确定人脸特征和向量；

利用所述人脸特征和向量以及反正切函数公式，确定目标图像相对于参考图像的目标旋转角度。

8.一种电子设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过所述总线进行通信，所述机器可读指令被所述处理器运行时执行如权利要求1至6任一所述的图像旋转角度的确定方法的步骤。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如权利要求1至6任一所述的图像旋转角度的确定方法的步骤。

Images