CN104123741A - 生成人脸素描的方法和装置 - Google Patents
生成人脸素描的方法和装置 Download PDFInfo
- Publication number
- CN104123741A CN104123741A CN201410286120.2A CN201410286120A CN104123741A CN 104123741 A CN104123741 A CN 104123741A CN 201410286120 A CN201410286120 A CN 201410286120A CN 104123741 A CN104123741 A CN 104123741A
- Authority
- CN
- China
- Prior art keywords
- sketch
- facial image
- face organ
- treat
- face
- 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
Landscapes
- Processing Or Creating Images (AREA)
- Image Processing (AREA)
Abstract
本公开是关于一种生成人脸素描的方法和装置。所述方法包括:生成待素描人脸图像的各个面部器官图像;根据预先保存在训练库中的人脸图像的面部器官图像和所述待素描人脸图像的同一面部器官的相似度,生成所述待素描人脸图像的每个面部器官的素描图像;根据所述每个面部器官的素描图像生成所述待素描人脸图像的人脸素描。通过本公开的技术方案,可以更加准确的生成人脸素描。
Description
技术领域
本公开涉及图像处理技术领域,尤其涉及人脸素描的方法和装置。
背景技术
随着移动设备自拍、个人照片分享等网络互联分享技术的快速发展,人脸脸部素描技术越来越流行。如何根据用户输入的人脸图片来更真实地绘制人脸部的素描图片已成为人脸素描技术领域重要的研发课题。
相关技术中,对于人脸素描,先通过人脸特征点定位算法定位出人脸五官以及外部轮廓的重要特征点,然后计算人脸图像上各个重要特征点处与训练库中人脸图像相应特征点处的灰度相似度,根据各个重要特征点处的灰度相似度加权叠加训练库中人脸图像的素描模板,进而生成人脸的素描图片。然而,相关技术仅仅考虑了人脸图像里面重要特征点与训练库中人脸图像中相应特征点之间的相似度,因此生成的人脸素描不够精确。
发明内容
为克服相关技术中存在的问题,本公开提供生成人脸素描的方法和装置,以解决相关技术中人脸素描不够精确的问题。
根据本公开实施例的第一方面,提供一种生成人脸素描的方法,包括:
生成待素描人脸图像的各个面部器官图像;
根据预先保存在训练库中的人脸图像的面部器官图像和所述待素描人脸图像的同一面部器官的相似度,生成所述待素描人脸图像的每个面部器官的素描图像;
根据所述每个面部器官的素描图像生成所述待素描人脸图像的人脸素描。
可选的,所述根据预先保存在训练库中的人脸图像的面部器官图像和所述待素描人脸图像的同一面部器官的相似度,生成所述待素描人脸图像的每个面部器官的素描图像包括:
分别计算所述训练库中所有人脸图像和所述待素描人脸图像的同一面部器官的器官距离变换;
根据所述器官距离变换分别计算训练库中所有人脸图像和所述待素描人脸图像的同一面部器官的相似度;
根据所述相似度加权叠加所述训练库中人脸图像的素描模板中同一面部器官后,生成所述待素描人脸图像的每个面部器官的素描图像。
可选的,所述分别计算所述训练库中所有人脸图像和所述待素描人脸图像的同一面部器官的器官距离变换包括:
将所述待素描人脸图像的面部器官图像转换为二值边缘图像;
计算所述二值边缘图像中的非边缘像素点到边缘像素点的距离变换值;
分别将所述训练库中人脸图像的同一面部器官的特征点映射到所述二值边缘图像中;
分别计算所述二值边缘图像中所述训练库中人脸图像的同一面部器官的特征点连线的距离变换值之和作为所述器官距离变换。
可选的,所述根据所述器官距离变换分别计算训练库中所有人脸图像和所述待素描人脸图像的同一面部器官的相似度包括:
计算训练库中所有人脸图像和所述待素描人脸图像的同一面部器官的器官距离变换的平均值avg;
计算训练库中第i张人脸图像和所述待素描人脸图像的同一面部器官的相似度Simi,所述其中,所述Sumi是训练库中第i张人脸图像和所述待素描人脸图像的同一面部器官的器官距离变换,所述i为不超过N的自然数,所述N为所述训练库中人脸图像的个数。
可选的,所述根据所述相似度加权叠加所述训练库中人脸图像的人脸素描模板中同一面部器官后,生成所述待素描人脸图像的每个面部器官的素描图像包括:
按照所述相似度从高到低的顺序选择预设数量的训练库人脸图像的素描模板;
加权叠加所述预设数量的训练库人脸图像的素描模板中所述同一面部器官后,生成所述待素描人脸图像的每个面部器官的素描图像。
可选的,所述生成待素描人脸图像的各个面部器官图像包括:
定位所述待素描人脸图像的人脸特征点;
根据所述人脸特征点生成所述待素描人脸图像的各个面部器官图像。
根据本公开实施例的第二方面,提供一种生成人脸素描的装置,包括:
器官图像生成单元,用于生成待素描人脸图像的各个面部器官图像;
器官素描生成单元,用于根据预先保存在训练库中的人脸图像的面部器官图像和所述待素描人脸图像的同一面部器官的相似度,生成所述待素描人脸图像的每个面部器官的素描图像;
人脸素描生成单元,用于根据所述每个面部器官的素描图像生成所述待素描人脸图像的人脸素描。
可选的,所述器官素描生成单元包括:
变换计算子单元,用于分别计算所述训练库中所有人脸图像和所述待素描人脸图像的同一面部器官的器官距离变换;
相似度计算子单元,用于根据所述器官距离变换分别计算训练库中所有人脸图像和所述待素描人脸图像的同一面部器官的相似度;
加权叠加子单元,用于根据所述相似度加权叠加所述训练库中人脸图像的素描模板中同一面部器官后,生成所述待素描人脸图像的每个面部器官的素描图像。
可选的,所述变换计算子单元包括:
二值转换模块,用于将所述待素描人脸图像的面部器官图像转换为二值边缘图像;
二值计算模块,用于计算所述二值边缘图像中的非边缘像素点到边缘像素点的距离变换值;
特征点映射模块,用于分别将所述训练库中人脸图像的同一面部器官的特征点映射到所述二值边缘图像中;
变换计算模块,用于分别计算所述二值边缘图像中所述训练库中人脸图像的同一面部器官的特征点连线的距离变换值之和作为所述器官距离变换。
可选的,所述相似度计算子单元包括:
平均值计算模块,用于计算训练库中所有人脸图像和所述待素描人脸图像的同一面部器官的器官距离变换的平均值avg;
相似度计算模块,用于计算训练库中第i张人脸图像和所述待素描人脸图像的同一面部器官的相似度Simi,所述其中,所述Sumi是训练库中第i张人脸图像和所述待素描人脸图像的同一面部器官的器官距离变换,所述i为不超过N的自然数,所述N为所述训练库中人脸图像的个数。
可选的,所述加权叠加子单元包括:
模板选取模块,用于按照所述相似度从高到低的顺序选择预设数量的训练库人脸图像的素描模板;
加权叠加模块,用于加权叠加所述预设数量的训练库人脸图像的素描模板中所述同一面部器官后,生成所述待素描人脸图像的每个面部器官的素描图像。
可选的,所述器官图像生成单元包括:
人脸特征定位子单元,用于定位所述待素描人脸图像的人脸特征点;
器官图像生成子单元,用于根据所述人脸特征点生成所述待素描人脸图像的各个面部器官图像。
根据本公开实施例的第三方面,提供一种生成人脸素描的装置,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:
生成待素描人脸图像的各个面部器官图像;
根据预先保存在训练库中的人脸图像的面部器官图像和所述待素描人脸图像的同一面部器官的相似度,生成所述待素描人脸图像的每个面部器官的素描图像;
根据所述每个面部器官的素描图像生成所述待素描人脸图像的人脸素描。
本公开的实施例提供的技术方案可以包括以下有益效果:
本公开通过将待素描人脸图像进行面部器官分类,从而可以从整体上考虑待素描人脸图像和训练库中人脸图像的同一面部器官的相似度,根据该相似度生成待素描人脸图像的同一面部器官的素描图像,然后通过全局调整待素描人脸图像的每个面部器官的素描图像,以生成待素描人脸图像的整体人脸素描,有效提高了人脸素描的精确度。
本公开可以通过加权叠加相似度较高的训练库中人脸图像的素描模板来生成待素描人脸图像同一面部器官的素描图像,从而有效提高人脸各个面部器官素描的精确度。
本公开对于每一个面部器官,可以只计算一次待素描人脸图像的该面部器官的二值边缘图像上每个像素点的距离变换值,然后通过将训练库中同一面部器官的特征点映射到所述待素描人脸图像的该面部器官的二值边缘图像中来计算所述训练库中人脸图像的同一面部器官的器官距离变换,减少了数据处理量。
本公开可以通过计算常数e的指数函数将训练库中人脸图像和待素描人脸图像的同一面部器官的器官距离变换转换成0到1之间的相似度,从而能够通过数据更直观地展现出训练库中人脸图像和待素描人脸图像的同一面部器官的相似程度。
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,并不能限制本公开。
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,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1是根据一示例性实施例示出的一种生成人脸素描的方法的流程图。
图2是根据一示例性实施例示出的另一种生成人脸素描的方法的流程图。
图3是根据一示例性实施例示出的一种训练库人脸图像及其素描模板的示意图。
图4(a)是根据一示例性实施例示出的一种待素描人脸图像的右眼图像的二值图像示意图。
图4(b)是根据一示例性实施例示出的一种待素描人脸图像的右眼图像的二值边缘图像示意图。
图4(c)是根据一示例性实施例示出的训练库中第i张人脸图像的右眼下眼睑特征点映射到待素描人脸图像的右眼二值边缘图像的示意图。
图4(d)是根据一示例性实施例示出的训练库中第i张人脸图像的右眼下眼睑特征点映射到待素描人脸图像的右眼二值边缘图像后的连线示意图。
图5是根据一示例性实施例示出的一种生成人脸素描的装置的框图。
图6是根据一示例性实施例示出的另一种生成人脸素描的装置的框图。
图7是根据一示例性实施例示出的另一种生成人脸素描的装置的框图。
图8是根据一示例性实施例示出的另一种生成人脸素描的装置的框图。
图9是根据一示例性实施例示出的另一种生成人脸素描的装置的框图。
图10是根据一示例性实施例示出的另一种生成人脸素描的装置的框图。
图11是根据一示例性实施例示出的一种用于生成人脸素描的装置的一结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
在本公开使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本公开。在本公开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。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本公开可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本公开范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。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”。
图1是根据一示例性实施例示出的一种生成人脸素描的方法的流程图。
如图1所示,该生成人脸素描的方法可以用于手机、电脑、平板设备等终端中,包括以下步骤:
在步骤S101中,生成待素描人脸图像的各个面部器官图像。
在本实施例中,获取到待素描人脸图像后,可以根据人脸五官将待素描人脸图像进行面部器官的划分,生成所述待素描人脸图像的各个面部器官图像。
在步骤S102中,根据预先保存在训练库中的人脸图像的面部器官图像和所述待素描人脸图像的同一面部器官的相似度,生成所述待素描人脸图像的每个面部器官的素描图像。
在本实施例中,所述训练库中人脸图像的面部器官图像通常是开发人员预先存储的各种真实人脸图像的面部器官图像,用于与待素描人脸图像进行比对。
在步骤S103中,根据所述每个面部器官的素描图像生成所述待素描人脸图像的人脸素描。
在本实施例中,通过将待素描人脸图像进行面部器官分类,从而可以从整体上考虑待素描人脸图像和训练库中人脸图像的同一面部器官的相似度,根据该相似度生成待素描人脸图像的同一面部器官的素描图像,然后通过全局调整待素描人脸图像的每个面部器官的素描图像,以生成待素描人脸图像的整体人脸素描,有效提高了人脸素描的精确度。
图2是根据一示例性实施例示出的另一种生成人脸素描的方法的流程图。
如图2所示,该生成人脸素描的方法可以用于手机、电脑、平板设备等终端中,包括以下步骤:
在步骤S201中,定位所述待素描人脸图像的人脸特征点。
在本实施例中,所示待素描人脸图像可以是用户使用终端拍摄的照片,也可以是用户在终端的相册中选取的照片,只要存在人脸即可。
在本实施例中,定位所述待素描人脸图像的人脸特征点可以使用相关技术中的各种定位算法,诸如:SDM(Supervised Descent Method,监督下降方法)、AAM(Active AppearanceModel,主动表项模型)算法、ASM(Active Shape Model,主动形状模型)算法等等。本公开对此不作特殊限制。
在步骤S202中,根据所述人脸特征点生成所述待素描人脸图像的各个面部器官图像。
基于前述步骤S201,在定位了所述待素描人脸图像的人脸特征点后,根据该特征点的定位结果,将所述待素描人脸图像进行面部器官的划分,生成面部器官图像。比如:可以分别生成左眼、右眼、左眉、右眉、鼻、口、左耳、右耳这八个面部器官图像。在生成面部器官图像之后,对所述待素描人脸图像和训练库中人脸图像的同一面部器官图像进行几何变换,统一调整为同样大小的图像,以便于后续进行器官距离变换的处理。
请参考图3,根据一示例性实施例示出一种训练库人脸图像及其素描模板的示意图。所示训练库中人脸图像通常是开发人员预先存储的各种真实人脸图像,用于与待素描人脸图像进行比对。同时,开发人员还会预先存储所述训练库中人脸图像的素描模板,也就是上述各种真实人脸图像的素描模板,以为生成人脸素描提供基础。在本实施例中,开发人员还可以预先保存所述训练库中的人脸图像的各个面部器官图像以及对应的素描图像,以避免后续生成训练库中人脸图像的面部器官图像的过程,提高处理效率。
在本实施例中,通过将待素描人脸图像按照面部器官进行划分,从而可以在整体上考虑待素描人脸图像和训练库中人脸图像同一面部器官的相似度,有效提高了人脸素描的精确度。
在步骤S203中,分别计算所述训练库中所有人脸图像和所述待素描人脸图像的同一面部器官的器官距离变换;
在本实施例中,假定训练库中有100张人脸图像,需要分别计算这100张人脸图像中每一张人脸图像和所述待素描人脸图像的同一面部器官的器官距离变换。
计算该器官距离变换可以包括:
1.将所述待素描人脸图像的面部器官图像转换为二值边缘图像。
以待素描人脸图像中的右眼图像为例,将其进行二值化,如图4(a)所示,得到该右眼图像的二值图像。然后,对所述右眼图像的二值图像进行边缘检测,如图4(b)所示,得到所述右眼图像的二值边缘图像。
2.计算所述二值边缘图像中的非边缘像素点到边缘像素点的距离变换值。
计算上述二值边缘图像中非边缘像素点到边缘像素点的距离变换值也就是图4(b)中白色区域像素点到黑色线条上像素点的距离变换值。其中,(xi,yi)为所述二值边缘图像中非边缘像素点的坐标。所述非边缘像素点距离边缘像素点越远,其距离变换值越大。相反,所述非边缘像素点距离边缘像素点越近,其距离变换值越小。
3.分别将所述训练库中人脸图像的同一面部器官的特征点映射到所述二值边缘图像中。
基于前述步骤S202,已经将待素描人脸图像和训练库中人脸图像的同一面部器官图像进行了几何变换,大小相同,所以可以将训练库中人脸图像的同一面部器官的特征点映射到前述二值边缘图像中。
图4(c)是训练库中第i张人脸图像的右眼下眼睑特征点映射到待素描人脸图像的右眼二值边缘图像的示意图。如图4(c)所示,其中,圆点表示训练库中第i张人脸图像的右眼下眼睑特征点。需要说明的是,图4(c)仅示出了训练库中人脸图像右眼的下眼睑特征点,并以此为例,而在实际映射中,需要将右眼的全部特征点映射到上述待素描人脸图像的右眼二值边缘图像中。
仍以训练库中有100张人脸图像为例,分别将100张人脸图像的右眼图像的特征点映射到所述待素描人脸图像的右眼二值边缘图像中。
4.计算所述二值边缘图像中所述训练库中人脸图像的同一面部器官特征点连线的距离变换值之和作为所述器官距离变换。
本步骤中,将映射到上述二值边缘图像中的训练库人脸图像同一面部器官的特征点连线,然后将该连线上像素点的距离变换值相加,作为训练库中人脸图像和所述待素描人脸图像的同一面部器官的器官距离变换。
图4(d)是训练库中第i张人脸图像的右眼下眼睑特征点映射到所述待素描人脸图像的右眼二值边缘图像后连线示意图。如图4(d)所示,将前面计算得到的该特征点连线上的各个像素点的距离变换值相加,其中,(xi,yi)为训练库中第i张人脸图像的右眼下眼睑特征点连线上的各个像素点的坐标。需要说明的是,图4(d)仅示出了训练库中人脸图像右眼的下眼睑,并以此为例,而在实际计算的过程中,需要将右眼的所有特征点连线,(xi,yi)为所有特征点连线上的各个像素点的坐标。这样,就可以得到训练库中第i张人脸图像的右眼图像与待素描人脸图像的右眼图像的器官距离变换。不难看出,训练库中人脸图像和所述待素描人脸图像的同一面部器官的器官距离变换越小,说明训练库中人脸图像和所述待素描人脸图像的相同面部器官越像,相反器官距离变换越大,说明训练库中人脸图像和所述待素描人脸图像的相同面部器官越不像。
在本实施例中,对于每一个面部器官,可以只计算一次待素描人脸图像的该面部器官的二值边缘图像上每个像素点的距离变换值,然后通过将训练库中同一面部器官的特征点映射到所述待素描人脸图像的该面部器官的二值边缘图像中来计算所述训练库中人脸图像的同一面部器官的器官距离变换,减少了数据处理量。
在步骤S204中,根据所述器官距离变换分别计算训练库中所有人脸图像和所述待素描人脸图像的同一面部器官的相似度。
在本实施例中,仍假定训练库中有100张人脸图像,则需要分别计算这100张人脸图像中每一张人脸图像和所述待素描人脸图像的同一面部器官的相似度。
计算所述相似度可以包括:
1.计算训练库中所有人脸图像和所述待素描人脸图像的同一面部器官的器官距离变换的平均值avg。
基于前述步骤S203,分别得到训练库中所有人脸图像和所述待素描人脸图像的同一面部器官的器官距离变换。假定,所述训练库中第i张人脸图像和所述待素描人脸图像的右眼器官距离变换为Sumi,则所述平均值
2.计算训练库中第i张人脸图像和所述待素描人脸图像的同一面部器官的相似度Simi。
所述
所述i为不超过N的自然数,所述N为所述训练库中人脸图像的个数。
在本实施例中,通过计算常数e的指数函数将所述器官距离变换Sumi转换成0到1之间的相似度,从而能够通过数据更直观地展现出训练库中人脸图像和待素描人脸图像的同一面部器官的相似程度。
在本实施例中,通过计算训练库中人脸图像和待素描人脸图像的同一面部器官的器官距离变换来计算所述同一面部器官的相似度,从而有效提高素描各个面部器官素描的精确度。
在步骤S205中,根据所述相似度加权叠加所述训练库中人脸图像的人脸素描模板中同一面部器官后,生成所述待素描人脸图像的每个面部器官的素描图像。
在本实施例中,加权叠加训练库中人脸图像的人脸素描模板中同一面部器官可以包括:
1.按照所述相似度从高到低的顺序选择预设数量的训练库人脸图像的素描模板。
基于前述步骤S204可以看出,相似度越高说明训练库中人脸图像和待素描人脸图像的同一面部器官越像,所以,在生成人脸素描的时候,按照所述相似度从高到底的顺序选择部分或者全部训练库人脸图像的素描模板。其中,选取素描模板的个数可以由开发人员根据训练库中人脸图像的数量进行设定。以训练库中有100张人脸图像为例,经试验测得,按照相似度从高到底的顺序选取前20张训练库中人脸图像的素描模板生成素描图像的效果最好。当然,如果训练库中人脸图像的数量不到20个,也可以考虑全部选取,本公开对此不作特殊限制。
2.加权叠加所述素描模板中所述同一面部器官后,生成所述待素描人脸图像的每个面部器官的素描图像。
在本实施例中,根据前述步骤S204计算的相似度来计算训练库中人脸图像和待素描人脸图像同一面部器官的权重。假定选取20个训练库中人脸图像,所述20个训练库人脸图像同一面部器官的相似度分别为{S1,S2,...,S20},则训练库中第k张人脸图像同一面部器官的权重根据所述权重Wk,加权叠加所述训练库中人脸图像的素描模板同一面部器官后,就可以生成所述待素描人脸图像该面部器官的素描图像。
在本实施例中,通过加权叠加相似度较高的训练库中人脸图像的素描模板来生成待素描人脸图像同一面部器官的素描图像,从而有效提高人脸各个面部器官素描的精确度。
在步骤S206中,根据所述每个面部器官的素描图像生成所述待素描人脸图像的人脸素描。
在本实施例中,基于前述步骤S205生成的待素描人脸图像的每个面部器官的素描图像,将所有面部器官的素描图像进行全局调整,以生成所述待素描人脸图像的人脸素描。
由上述实施例可见,通过将待素描人脸图像进行面部器官分类,从而可以从整体上考虑待素描人脸图像和训练库中人脸图像的同一面部器官的相似度,根据该相似度生成待素描人脸图像的同一面部器官的素描图像,然后通过全局调整待素描人脸图像的每个面部器官的素描图像,以生成待素描人脸图像的整体人脸素描,有效提高了人脸素描的精确度。
与上述生成人脸素描的方法实施例相对应,本公开还提供了生成人脸素描的装置以及终端设备的实施例。
图5是本公开根据一示例性实施例示出的一种生成人脸素描的装置的框图。
如图5所示,所述装置包括:器官图像生成单元501、器官素描生成单元502和人脸素描生成单元503。
其中,所述器官图像生成单元501被配置为:生成待素描人脸图像的各个面部器官图像。
所述器官素描生成单元502被配置为:根据预先保存在训练库中的人脸图像的面部器官图像和所述待素描人脸图像的同一面部器官的相似度,生成所述待素描人脸图像的每个面部器官的素描图像。
所述人脸素描生成单元503被配置为:根据所述每个面部器官的素描图像生成所述待素描人脸图像的人脸素描。
上述实施例中,通过将待素描人脸图像进行面部器官分类,从而可以从整体上考虑待素描人脸图像和训练库中人脸图像的同一面部器官的相似度,根据该相似度生成待素描人脸图像的同一面部器官的素描图像,然后通过全局调整待素描人脸图像的每个面部器官的素描图像,以生成待素描人脸图像的整体人脸素描,有效提高了人脸素描的精确度。
图6是根据一示例性实施例示出的另一种生成人脸素描的装置的框图,如图6所示,该实施例在前述图5所示的实施例的基础上,所述器官素描生成单元502可以包括:变换计算子单元5021、相似度计算子单元5022和加权叠加子单元5023。
其中,所述变换计算子单元5021被配置为:分别计算所述训练库中所有人脸图像和所述待素描人脸图像的同一面部器官的器官距离变换。
所述相似度计算子单元5022被配置为:根据所述器官距离变换分别计算训练库中所有人脸图像和所述待素描人脸图像的同一面部器官的相似度。
所述加权叠加子单元5023被配置为:根据所述相似度加权叠加所述训练库中人脸图像的素描模板中同一面部器官后,生成所述待素描人脸图像的每个面部器官的素描图像。
上述实施例中,通过计算训练库中人脸图像和待素描人脸图像的同一面部器官的器官距离变换来计算所述同一面部器官的相似度,从而有效提高人脸各个面部器官素描的精确度。
图7是根据一示例性实施例示出的另一种生成人脸素描的装置的框图,如图7所示,该实施例在前述图6所示的实施例的基础上,所述变换计算子单元5021可以包括:二值转换模块5021a,二值计算模块5021b、特征点映射模块5021c和变换计算模块5021d。
其中,所述二值转换模块5021a被配置为:将所述待素描人脸图像的面部器官图像转换为二值边缘图像。
所述二值计算模块5021b被配置为:计算所述二值图像中的非边缘像素点到边缘像素点的距离变换值。
所述特征点映射模块5021c被配置为:分别将所述训练库中人脸图像的同一面部器官的特征点映射到所述二值图像中。
所述变换计算模块5021d被配置为:计算所述二值图像中所述训练库中人脸图像的同一面部器官特征点连线的距离变换值之和作为所述器官距离变换。
上述实施例中,对于每一个面部器官,可以只计算一次待素描人脸图像的该面部器官的二值边缘图像上每个像素点的距离变换值,然后通过将训练库中同一面部器官的特征点映射到所述待素描人脸图像的该面部器官的二值边缘图像中来计算所述训练库中人脸图像的同一面部器官的器官距离变换,减少了数据处理量。
图8是根据一示例性实施例示出的另一种生成人脸素描的装置的框图,如图8所示,该实施例在前述图6所示的实施例的基础上,所述相似度计算子单元5022可以包括:平均值计算模块5022a和相似度计算模块5022b。
其中,所述平均值计算模块5022a被配置为:计算训练库中所有人脸图像和所述待素描人脸图像的同一面部器官的器官距离变换的平均值avg。
所述相似度计算模块5022b被配置为:计算训练库中第i张人脸图像和所述待素描人脸图像的同一面部器官的相似度Sim(i),所述其中Sum(i)是训练库中第i张人脸图像和所述待素描人脸图像的同一面部器官的器官距离变换,所述i为不超过N的自然数,所述N为所述训练库中人脸图像的个数。
上述实施例中,通过计算常数e的指数函数将训练库中人脸图像和待素描人脸图像的同一面部器官的器官距离变换转换成0到1之间的相似度,从而能够通过数据更直观地展现出训练库中人脸图像和待素描人脸图像的同一面部器官的相似程度。
需要说明的是,上述图8所示的装置实施例中的相似度计算子单元5022的结构也可以包含在前述图7的装置实施例中,对此本公开不进行限制。
图9是根据一示例性实施例示出的另一种生成人脸素描的装置的框图,如图9所示,该实施例在前述图6所示的实施例的基础上,所述加权叠加子单元5023可以包括:模板选取模块5023a和加权叠加模块5023b。
其中,所述模板选取模块5023a被配置为:按照所述相似度从高到低的顺序选择预设数量的训练库人脸图像的素描模板。
所述加权叠加模块5023b被配置为:加权叠加所述预设数量的训练库人脸图像的素描模板中所述同一面部器官后,生成所述待素描人脸图像的每个面部器官的素描图像。
上述实施例中,通过加权叠加相似度较高的训练库中人脸图像的素描模板来生成待素描人脸图像同一面部器官的素描图像,从而有效提高人脸各个面部器官素描的精确度。
需要说明的是,上述图9所示的装置实施例中的加权叠加子单元5023的结构也可以包含在前述图7或图8的装置实施例中,对此本公开不进行限制。
图10是根据一示例性实施例示出的另一种生成人脸素描的装置的框图,如图10所示,该实施例在前述图5所示的实施例的基础上,所述器官图像生成单元501可以包括:人脸特征定位子单元5011和器官图像生成子单元5012。
其中,所述人脸特征定位子单元5011被配置为:定位所述待素描人脸图像的人脸特征点;
所述器官图像生成子单元5012被配置为:根据所述人脸特征点生成所述待素描人脸图像的各个面部器官图像。
上述实施例中,通过将待素描图像按照面部器官进行划分,从而可以在整体上考虑待素描图像的训练库中人脸图像的同一面部器官的相似度,有效提高了人脸素描的精确度。
需要说明的是,上述图10所示的装置实施例中的器官图像生成单元501的结构也可以包含在前述图6至图9的装置实施例中,对此本公开不进行限制。
上述装置中各个单元的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程,在此不再赘述。
对于装置实施例而言,由于其基本对应于方法实施例,所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,其中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模块来实现本公开方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
相应的,本公开还提供一种生成人脸素描的装置,所述装置包括: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:生成待素描人脸图像的各个面部器官图像;根据预先保存在训练库中的人脸图像的面部器官图像和所述待素描人脸图像的同一面部器官的相似度,生成所述待素描人脸图像的每个面部器官的素描图像;根据所述每个面部器官的素描图像生成所述待素描人脸图像的人脸素描。
相应的,本公开还提供一种非临时性计算机可读存储介质,当所述存储介质中的指令由终端设备的处理器执行时,使得终端能够执行一种生成人脸素描的方法,所述方法包括:生成待素描人脸图像的各个面部器官图像;根据预先保存在所述训练库中的人脸图像的面部器官图像和所述待素描人脸图像的同一面部器官的相似度,生成所述待素描人脸图像的每个面部器官的素描图像;根据所述每个面部器官的素描图像生成所述待素描人脸图像的人脸素描。
如图11所示,图11是本公开根据一示例性实施例示出的一种用于生成人脸素描的装置1100的另一结构示意图。例如,装置1100可以是具有路由功能的移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等。
参照图11,装置1100可以包括以下一个或多个组件:处理组件1102,存储器1104,电源组件1106,多媒体组件1108,音频组件1110,输入/输出(I/O)的接口1112,传感器组件1114,以及通信组件1116。
处理组件1102通常控制装置1100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1102可以包括一个或多个处理器1120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1102可以包括一个或多个模块,便于处理组件1102和其他组件之间的交互。例如,处理组件1102可以包括多媒体模块,以方便多媒体组件1108和处理组件1102之间的交互。
存储器1104被配置为存储各种类型的数据以支持在装置1100的操作。这些数据的示例包括用于在装置1100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1104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1106为装置1100的各种组件提供电力。电源组件1106可以包括电源管理***,一个或多个电源,及其他与为装置1100生成、管理和分配电力相关联的组件。
多媒体组件1108包括在所述装置1100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1108包括一个前置摄像头和/或后置摄像头。当装置1100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***或具有焦距和光学变焦能力。
音频组件1110被配置为输出和/或输入音频信号。例如,音频组件1110包括一个麦克风(MIC),当装置1100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1104或经由通信组件1116发送。在一些实施例中,音频组件1110还包括一个扬声器,用于输出音频信号。
I/O接口1112为处理组件1102和***接口模块之间提供接口,上述***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1114包括一个或多个传感器,用于为装置1100提供各个方面的状态评估。例如,传感器组件1114可以检测到装置1100的打开/关闭状态,组件的相对定位,例如所述组件为装置1100的显示器和小键盘,传感器组件1114还可以检测装置1100或装置1100一个组件的位置改变,用户与装置1100接触的存在或不存在,装置1100方位或加速/减速和装置1100的温度变化。传感器组件1114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1114还可以包括光传感器,如CMOS或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1114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,微波传感器或温度传感器。
通信组件1116被配置为便于装置1100和其他设备之间有线或无线方式的通信。装置1100可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信组件1116经由广播信道接收来自外部广播管理***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1116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,装置1100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,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器1104,上述指令可由装置1100的处理器1120执行以完成上述方法。例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本领域技术人员在考虑说明书及实践这里公开的公开后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (13)
1.一种生成人脸素描的方法,其特征在于,包括:
生成待素描人脸图像的各个面部器官图像;
根据预先保存在训练库中的人脸图像的面部器官图像和所述待素描人脸图像的同一面部器官的相似度,生成所述待素描人脸图像的每个面部器官的素描图像;
根据所述每个面部器官的素描图像生成所述待素描人脸图像的人脸素描。
2.根据权利要求1所述的方法,其特征在于,
所述根据预先保存在训练库中的人脸图像的面部器官图像和所述待素描人脸图像的同一面部器官的相似度,生成所述待素描人脸图像的每个面部器官的素描图像包括:
分别计算所述训练库中所有人脸图像和所述待素描人脸图像的同一面部器官的器官距离变换;
根据所述器官距离变换分别计算训练库中所有人脸图像和所述待素描人脸图像的同一面部器官的相似度;
根据所述相似度加权叠加所述训练库中人脸图像的素描模板中同一面部器官后,生成所述待素描人脸图像的每个面部器官的素描图像。
3.根据权利要求2所述的方法,其特征在于,
所述分别计算所述训练库中所有人脸图像和所述待素描人脸图像的同一面部器官的器官距离变换包括:
将所述待素描人脸图像的面部器官图像转换为二值边缘图像;
计算所述二值边缘图像中的非边缘像素点到边缘像素点的距离变换值;
分别将所述训练库中人脸图像的同一面部器官的特征点映射到所述二值边缘图像中;
分别计算所述二值边缘图像中所述训练库中人脸图像的同一面部器官的特征点连线的距离变换值之和作为所述器官距离变换。
4.根据权利要求2所述的方法,其特征在于,
所述根据所述器官距离变换分别计算训练库中所有人脸图像和所述待素描人脸图像的同一面部器官的相似度包括:
计算训练库中所有人脸图像和所述待素描人脸图像的同一面部器官的器官距离变换的平均值avg;
计算训练库中第i张人脸图像和所述待素描人脸图像的同一面部器官的相似度Simi,所述其中,所述Sumi是训练库中第i张人脸图像和所述待素描人脸图像的同一面部器官的器官距离变换,所述i为不超过N的自然数,所述N为所述训练库中人脸图像的个数。
5.根据权利要求2所述的方法,其特征在于,
所述根据所述相似度加权叠加所述训练库中人脸图像的人脸素描模板中同一面部器官后,生成所述待素描人脸图像的每个面部器官的素描图像包括:
按照所述相似度从高到低的顺序选择预设数量的训练库人脸图像的素描模板;
加权叠加所述预设数量的训练库人脸图像的素描模板中所述同一面部器官后,生成所述待素描人脸图像的每个面部器官的素描图像。
6.根据权利要求1所述的方法,其特征在于,
所述生成待素描人脸图像的各个面部器官图像包括:
定位所述待素描人脸图像的人脸特征点;
根据所述人脸特征点生成所述待素描人脸图像的各个面部器官图像。
7.一种生成人脸素描的装置,其特征在于,包括:
器官图像生成单元,用于生成待素描人脸图像的各个面部器官图像;
器官素描生成单元,用于根据预先保存在训练库中的人脸图像的面部器官图像和所述待素描人脸图像的同一面部器官的相似度,生成所述待素描人脸图像的每个面部器官的素描图像;
人脸素描生成单元,用于根据所述每个面部器官的素描图像生成所述待素描人脸图像的人脸素描。
8.根据权利要求7所述的装置,其特征在于,所述器官素描生成单元包括:
变换计算子单元,用于分别计算所述训练库中所有人脸图像和所述待素描人脸图像的同一面部器官的器官距离变换;
相似度计算子单元,用于根据所述器官距离变换分别计算训练库中所有人脸图像和所述待素描人脸图像的同一面部器官的相似度;
加权叠加子单元,用于根据所述相似度加权叠加所述训练库中人脸图像的素描模板中同一面部器官后,生成所述待素描人脸图像的每个面部器官的素描图像。
9.根据权利要求8所述的装置,其特征在于,所述变换计算子单元包括:
二值转换模块,用于将所述待素描人脸图像的面部器官图像转换为二值边缘图像;
二值计算模块,用于计算所述二值边缘图像中的非边缘像素点到边缘像素点的距离变换值;
特征点映射模块,用于分别将所述训练库中人脸图像的同一面部器官的特征点映射到所述二值边缘图像中;
变换计算模块,用于分别计算所述二值边缘图像中所述训练库中人脸图像的同一面部器官的特征点连线的距离变换值之和作为所述器官距离变换。
10.根据权利要求8所述的装置,其特征在于,所述相似度计算子单元包括:
平均值计算模块,用于计算训练库中所有人脸图像和所述待素描人脸图像的同一面部器官的器官距离变换的平均值avg;
相似度计算模块,用于计算训练库中第i张人脸图像和所述待素描人脸图像的同一面部器官的相似度Simi,所述其中,所述Sumi是训练库中第i张人脸图像和所述待素描人脸图像的同一面部器官的器官距离变换,所述i为不超过N的自然数,所述N为所述训练库中人脸图像的个数。
11.根据权利要求8所述的装置,其特征在于,所述加权叠加子单元包括:
模板选取模块,用于按照所述相似度从高到低的顺序选择预设数量的训练库人脸图像的素描模板;
加权叠加模块,用于加权叠加所述预设数量的训练库人脸图像的素描模板中所述同一面部器官后,生成所述待素描人脸图像的每个面部器官的素描图像。
12.根据权利要求7所述的装置,其特征在于,所述器官图像生成单元包括:
人脸特征定位子单元,用于定位所述待素描人脸图像的人脸特征点;
器官图像生成子单元,用于根据所述人脸特征点生成所述待素描人脸图像的各个面部器官图像。
13.一种生成人脸素描的装置,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:
生成待素描人脸图像的各个面部器官图像;
根据预先保存在训练库中的人脸图像的面部器官图像和所述待素描人脸图像的同一面部器官的相似度,生成所述待素描人脸图像的每个面部器官的素描图像;
根据所述每个面部器官的素描图像生成所述待素描人脸图像的人脸素描。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410286120.2A CN104123741A (zh) | 2014-06-24 | 2014-06-24 | 生成人脸素描的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410286120.2A CN104123741A (zh) | 2014-06-24 | 2014-06-24 | 生成人脸素描的方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104123741A true CN104123741A (zh) | 2014-10-29 |
Family
ID=51769138
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410286120.2A Pending CN104123741A (zh) | 2014-06-24 | 2014-06-24 | 生成人脸素描的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104123741A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104700439A (zh) * | 2015-03-12 | 2015-06-10 | 陕西炬云信息科技有限公司 | 基于单张目标画像的人脸画像合成方法 |
CN105512614A (zh) * | 2015-11-26 | 2016-04-20 | 北京像素软件科技股份有限公司 | 一种游戏角色生成方法及装置 |
CN105989584A (zh) * | 2015-01-29 | 2016-10-05 | 北京大学 | 图像风格化重建的方法和装置 |
CN106296569A (zh) * | 2015-06-11 | 2017-01-04 | 腾讯科技(深圳)有限公司 | 绘制人像线条画的方法和装置 |
CN107729840A (zh) * | 2017-10-13 | 2018-02-23 | 深圳市唯特视科技有限公司 | 一种基于稀疏图形表示的面部识别判别分析方法 |
CN107967667A (zh) * | 2017-12-21 | 2018-04-27 | 广东欧珀移动通信有限公司 | 素描的生成方法、装置、终端设备和存储介质 |
CN109785439A (zh) * | 2018-12-27 | 2019-05-21 | 深圳云天励飞技术有限公司 | 人脸素描图像生成方法及相关产品 |
CN110570480A (zh) * | 2019-07-19 | 2019-12-13 | 广东智媒云图科技股份有限公司 | 一种绘画机器人素描绘画方法、电子设备、存储介质 |
CN113222058A (zh) * | 2021-05-28 | 2021-08-06 | 新疆爱华盈通信息技术有限公司 | 一种图像分类方法、装置、电子设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101034481A (zh) * | 2007-04-06 | 2007-09-12 | 湖北莲花山计算机视觉和信息科学研究院 | 一种肖像画的自动生成方法 |
CN101216882A (zh) * | 2007-12-28 | 2008-07-09 | 北京中星微电子有限公司 | 一种人脸眼角与嘴角定位与跟踪的方法及装置 |
CN101159064B (zh) * | 2007-11-29 | 2010-09-01 | 腾讯科技(深圳)有限公司 | 画像生成***以及按照图像生成画像的方法 |
-
2014
- 2014-06-24 CN CN201410286120.2A patent/CN104123741A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101034481A (zh) * | 2007-04-06 | 2007-09-12 | 湖北莲花山计算机视觉和信息科学研究院 | 一种肖像画的自动生成方法 |
CN101159064B (zh) * | 2007-11-29 | 2010-09-01 | 腾讯科技(深圳)有限公司 | 画像生成***以及按照图像生成画像的方法 |
CN101216882A (zh) * | 2007-12-28 | 2008-07-09 | 北京中星微电子有限公司 | 一种人脸眼角与嘴角定位与跟踪的方法及装置 |
Non-Patent Citations (1)
Title |
---|
NAYE JI等: "Local Regression Model for Automatic Face Sketch Generation", 《IMAGE AND GRAPHICS(ICIG),2011 SIXTH INTERNATIONAL CONFERENCE ON》 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105989584A (zh) * | 2015-01-29 | 2016-10-05 | 北京大学 | 图像风格化重建的方法和装置 |
CN105989584B (zh) * | 2015-01-29 | 2019-05-14 | 北京大学 | 图像风格化重建的方法和装置 |
CN104700439B (zh) * | 2015-03-12 | 2017-08-15 | 陕西炬云信息科技有限公司 | 基于单张目标画像的人脸画像合成方法 |
CN104700439A (zh) * | 2015-03-12 | 2015-06-10 | 陕西炬云信息科技有限公司 | 基于单张目标画像的人脸画像合成方法 |
CN106296569B (zh) * | 2015-06-11 | 2019-08-02 | 腾讯科技(深圳)有限公司 | 绘制人像线条画的方法和装置 |
CN106296569A (zh) * | 2015-06-11 | 2017-01-04 | 腾讯科技(深圳)有限公司 | 绘制人像线条画的方法和装置 |
CN105512614A (zh) * | 2015-11-26 | 2016-04-20 | 北京像素软件科技股份有限公司 | 一种游戏角色生成方法及装置 |
CN107729840A (zh) * | 2017-10-13 | 2018-02-23 | 深圳市唯特视科技有限公司 | 一种基于稀疏图形表示的面部识别判别分析方法 |
CN107967667A (zh) * | 2017-12-21 | 2018-04-27 | 广东欧珀移动通信有限公司 | 素描的生成方法、装置、终端设备和存储介质 |
CN109785439A (zh) * | 2018-12-27 | 2019-05-21 | 深圳云天励飞技术有限公司 | 人脸素描图像生成方法及相关产品 |
CN109785439B (zh) * | 2018-12-27 | 2023-08-01 | 深圳云天励飞技术有限公司 | 人脸素描图像生成方法及相关产品 |
CN110570480A (zh) * | 2019-07-19 | 2019-12-13 | 广东智媒云图科技股份有限公司 | 一种绘画机器人素描绘画方法、电子设备、存储介质 |
CN110570480B (zh) * | 2019-07-19 | 2023-03-24 | 广东智媒云图科技股份有限公司 | 一种绘画机器人素描绘画方法、电子设备、存储介质 |
CN113222058A (zh) * | 2021-05-28 | 2021-08-06 | 新疆爱华盈通信息技术有限公司 | 一种图像分类方法、装置、电子设备及存储介质 |
CN113222058B (zh) * | 2021-05-28 | 2024-05-10 | 芯算一体(深圳)科技有限公司 | 一种图像分类方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104123741A (zh) | 生成人脸素描的方法和装置 | |
CN110163048B (zh) | 手部关键点的识别模型训练方法、识别方法及设备 | |
CN109859096A (zh) | 图像风格迁移方法、装置、电子设备及存储介质 | |
CN109614876A (zh) | 关键点检测方法及装置、电子设备和存储介质 | |
CN105205479A (zh) | 人脸颜值评估方法、装置及终端设备 | |
CN108121952A (zh) | 人脸关键点定位方法、装置、设备及存储介质 | |
CN106845398B (zh) | 人脸关键点定位方法及装置 | |
CN105447462A (zh) | 人脸姿态估计方法及装置 | |
CN110807325B (zh) | 谓词识别方法、装置及存储介质 | |
US10326928B2 (en) | Image processing apparatus for determining whether section of target area matches section of person area and control method thereof | |
CN106845377A (zh) | 人脸关键点定位方法及装置 | |
CN104408402A (zh) | 人脸识别方法及装置 | |
CN107958223B (zh) | 人脸识别方法及装置、移动设备、计算机可读存储介质 | |
CN111696570B (zh) | 语音信号处理方法、装置、设备及存储介质 | |
CN107832741A (zh) | 人脸特征点定位的方法、装置及计算机可读存储介质 | |
CN106250921A (zh) | 图片处理方法及装置 | |
CN110147533B (zh) | 编码方法、装置、设备及存储介质 | |
CN108922531B (zh) | 槽位识别方法、装置、电子设备及存储介质 | |
CN104077585A (zh) | 图像校正方法、装置及终端 | |
CN111581958A (zh) | 对话状态确定方法、装置、计算机设备及存储介质 | |
CN105335753A (zh) | 图像识别方法和装置 | |
CN109241875B (zh) | 姿态检测方法及装置、电子设备和存储介质 | |
CN111589138B (zh) | 动作预测方法、装置、设备及存储介质 | |
CN111931946A (zh) | 数据处理方法、装置、计算机设备及存储介质 | |
CN113065591A (zh) | 目标检测方法及装置、电子设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20141029 |