CN106326823B - 一种获取图片中头像的方法和*** - Google Patents
一种获取图片中头像的方法和*** Download PDFInfo
- Publication number
- CN106326823B CN106326823B CN201510394449.5A CN201510394449A CN106326823B CN 106326823 B CN106326823 B CN 106326823B CN 201510394449 A CN201510394449 A CN 201510394449A CN 106326823 B CN106326823 B CN 106326823B
- Authority
- CN
- China
- Prior art keywords
- face
- detection data
- head portrait
- face detection
- original picture
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000001514 detection method Methods 0.000 claims abstract description 136
- 230000000694 effects Effects 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 210000003128 head Anatomy 0.000 description 65
- 210000000887 face Anatomy 0.000 description 30
- 238000005516 engineering process Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 239000003086 colorant Substances 0.000 description 7
- 238000012512 characterization method Methods 0.000 description 4
- 230000014509 gene expression Effects 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 4
- 210000001331 nose Anatomy 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000001815 facial effect Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000002194 synthesizing effect Effects 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000037308 hair color Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Primary Health Care (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Computing Systems (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Processing Or Creating Images (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种获取图片中头像的方法和***，所述方法包括对获取的原始图片中的人脸进行检测，获取所述原始图片中的人脸检测数据；根据预设的截取比例和所述人脸检测数据，获取所述人脸检测数据对应头像的截取区域并显示；对所述截取区域进行剪切保存处理，获取需要的头像并上传到应用网站的页面进行显示。本发明的技术方案能够自动从图片中获得需要的头像，相对现有方法，无需用户进行多次的手动截取，因而能够快速的获得预设截取比例的头像。
Description
技术领域
本发明涉及人脸检测技术领域，特别涉及一种获取图片中头像的方法和***。
背景技术
随着互联网，尤其移动互联网技术的发展，越来越多的用户通过网络社区平台进行交友、聊天、贸易。在这种虚拟化的网络社区平台上，为了区分用户，也为了展示个性，都设置了展示用户头像的功能。
目前，人们越来越多的需要在不同网站上传头像，而由网站页面空间的限制，上传的图像一般会被缩放到一个较小的比例进行显示。因此，为了使上传的照片符合要求，通常需要找到一个只有头部的照片或者手动地对照片进行裁剪。而在手动裁剪照片的过程中，往往需要花费大量的时间选择适合的区域、估计裁剪的比例等，并且在花费大量的时间得到最佳比例的照片后，上传到应用***上还会由于应用***的显示特性使得上传的照片显示效果不理想。
根据以上描述可以看出，现有技术中，用户设置头像的方式主要是手动裁剪图片中头像，将通过裁剪得到的头像上传到网络社区平台上，此方式费时且又效率低下，影响用户体验。
发明内容
本发明提供了一种获取图片中头像的方法和***，以解决现有技术中手动截取图片头像繁杂费时，头像显示效果差的问题。
为达到上述目的，本发明的技术方案是这样实现的：
一方面，本发明提供了一种获取图片中头像的方法，所述方法包括：
对获取的原始图片中的人脸进行检测，获取所述原始图片中的人脸检测数据；
根据预设的截取比例和所述人脸检测数据，获取所述人脸检测数据对应头像的截取区域并显示；
对所述截取区域进行剪切保存处理，获取需要的头像并上传到应用网站的页面进行显示。
其中，所述人脸检测数据至少包括人脸个数以及每个人脸在所述原始图像中的像素坐标，所述根据预设的截取比例和所述人脸检测数据，获取所述人脸检测数据对应头像的截取区域并显示包括：
根据所述人脸检测数据中的人脸个数，在所述原始图片上生成相应数量的可编辑的选择框；
根据预设的截取比例和所述人脸检测数据中的每个人脸在所述原始图像中的像素坐标，获得相应的选择框的小大及其在所述原始图片上的位置；
根据所述选择框的小大及其在所述原始图片上的位置，在所述原始图片上定位每个人脸对应头像的截取区域；
在所述原始图片上突出显示符合条件的人脸对应头像的截取区域。
其中，所述在所述原始图片上突出显示符合条件的人脸对应头像的截取区域包括：
当获得的所述人脸检测数据中的人脸个数为一个时，在所述原始图片上突出显示所述人脸对应的选择框；
当获得的所述人脸检测数据中的人脸个数为两个或两个以上时，将检测到的每个人脸进行人脸识别，获得每个人脸的人脸识别数据，将获得的每个人脸识别数据分别与数据库中的人脸数据进行对比，在所述原始图片上突出显示相似度最高的人脸识别数据对应的选择框。
其中，所述在所述原始图片上突出显示符合条件的人脸对应头像的截取区域具体包括：
通过选择框的颜色和/或线条类型突出显示符合条件的人脸对应头像的截取区域。
优选地，所述根据预设的截取比例和所述人脸检测数据，获取所述人脸检测数据对应头像的截取区域并显示进一步包括：
对所述突出显示的选择框对应的截取区域进行预览显示；
根据预览显示的效果，手动调整所述选择框大小和/或比例；
根据调整后的所述选择框的大小和/或比例，在所述原始图片的相应位置处重新定位所述人脸检测数据对应头像的截取区域。
另一方面，本发明提供了一种获取图片中头像的***，所述***包括：
人脸检测单元，用于对获取的原始图片中的人脸进行检测，获取所述原始图片中的人脸检测数据；
截取单元，用于根据预设的截取比例和所述人脸检测数据，获取所述人脸检测数据对应头像的截取区域并显示；
头像获取单元，用于对所述截取区域进行剪切保存处理，获取需要的头像并上传到应用网站的页面进行显示。
其中，所述人脸检测单元获取的人脸检测数据至少包括人脸个数以及每个人脸在所述原始图像中的像素坐标，所述截取单元包括：
选择框生成模块，用于根据所述人脸检测数据中的人脸个数在所述原始图片上生成相应数量的可编辑的选择框；
位置获取模块，用于根据预设的截取比例和所述人脸检测数据中的每个人脸在所述原始图像中的像素坐标，获得相应的选择框的小大及其在所述原始图片上的位置；
定位模块，用于根据所述选择框的小大及其在所述原始图片上的位置，在所述原始图片上定位每个人脸对应头像的截取区域；
显示模块，用于在所述原始图片上突出显示符合条件的人脸对应头像的截取区域。
其中，所述显示模块进一步用于，
当获得的所述人脸检测数据中的人脸个数为一个时，在所述原始图片上突出显示所述人脸对应的选择框；
当获得的所述人脸检测数据中的人脸个数为两个或两个以上时，将检测到的每个人脸进行人脸识别，获得每个人脸的人脸识别数据，将获得的每个人脸识别数据分别与数据库中的人脸数据进行对比，在所述原始图片上突出显示相似度最高的人脸识别数据对应的选择框。
其中，所述显示模块进一步用于，
通过选择框的颜色和/或线条类型突出显示符合条件的人脸对应头像的截取区域。
优选地，所述截取单元还包括预览模块；
所述预览模块，用于对所述突出显示的选择框对应的截取区域进行预览显示；
所述定位模块，进一步用于根据手动调整后所述选择框的大小和/或比例，在所述原始图片的相应位置处重新定位所述人脸检测数据对应头像的截取区域。
本发明实施例的有益效果是：本发明公开了一种获取图片中头像的方法和***，通过对获取的原始图片中的人脸进行自动检测，获得包括人脸个数和每个人脸在原始图像中的像素坐标的人脸检测数据，根据预设的截取比例和人脸检测数据，获得该人脸检测数据对应头像的截取区域，通过对截取区域进行剪切保存处理，获得需要的头像并上传到所述应用网站的页面进行显示。本发明的技术方案能够自动地从原始图片中获得需要的头像，相比于现有方法，无需用户进行多次的手动截取，因而能够快速的获得预设截取比例的头像。
附图说明
图1为本发明实施例提供的获取图片中头像的方法流程图；
图2为本发明实施例提供的获取图片中头像的***结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。
图1为本发明实施例提供的获取图片中头像的方法流程图，该方法尤其适用于页面空间对上传的头像图片具有尺寸限制的应用网站，图1中获取图片中头像的方法包括：
S10，对获取的原始图片中的人脸进行检测，获取原始图片中的人脸检测数据。其中，获得的人脸检测数据至少包括人脸个数以及每个人脸在原始图像中的像素坐标。
人脸检测(Face Detection)是指在输入图像中确定所有人脸(如果存在)的位置、大小、位姿的过程。人脸检测技术是在人脸识别技术上进一步发展、优化，是自动人脸识别***中的一个关键环节。人脸是一类具有相当复杂的细节变化的自然结构目标，此类目标的检测问题的挑战性在于：人脸由于外貌、表情、肤色等不同，具有模式的可变性；一般意义下的人脸上，可能存在眼镜、胡须等附属物；作为三维物体的人脸的影像不可避免地受由光照产生的阴影的影响。因此，如果能够找到解决这些问题的方法，成功构造出人脸检测与跟踪***，将为解决其它类似的复杂模式检测问题提供重要的启示。
由于人脸图像包含的特征模式十分丰富，例如颜色特征(肤色、发色等)、轮廓特征(椭圆轮廓等)、直方图特征(分布、距离等)、启发式特征(头发、下颚等)、模板特征(均值、方差、距离等)、变换域特征(特征脸、小波特征等)以及结构特征(对称性、投影特征等)，且人脸模式具有复杂而细致的变化，因此一般需要采用多种模式特征综合的方法。其中，根据利用特征的色彩属性可以将人脸检测方法分为：基于肤色特征的方法和基于灰度特征的方法两类，基于肤色特征的方法适用于构造快速的人脸检测和人脸跟踪算法，基于灰度特征的方法利用了人脸区别与其他物体的更为本质的特征，而根据特征综合时采用的不同模型，可以将基于灰度的特征的方法分为基于启发式模式的方法和基于统计模型的方法。由于人脸检测问题的复杂性，无论哪一类方法都无法适应于所有的情况，一般都针对人脸检测领域内某个或某些特定的问题。
由于肤色是人脸的重要信息，不依赖于面部的细节特征，对于旋转、表情等变化情况都能适用，具有相对的稳定性，并且和大多数背景物体的颜色相区别，因此本实施例主要采用肤色为人脸模式的特征。
肤色特征主要由肤色模型描述，常用的肤色模型包括高斯模型、混合高斯模型和直方图模型。使用任何形式的肤色模型与色度空间(Chrominance Space)的选择密切相关，人脸检测常用的色度空间包括：RGB(红、绿、蓝三基色)、rgb(亮度归一化的三基色)、SHI(饱和度、色调、亮度)、YIQ(NTSC制的光亮度和色度模型)、YUV(PAL制的光亮度和色度模型)、YCbCr(CCIR601编码方式的色度模型)等。可以从两个方面考察某种色度空间，其一为在该色度空间中能否用给定的模型描述“肤色”区域的分布，其二为色度空间中“肤色”与“非肤色”区域的重叠度。
在步骤S10中，可以通过输入设备获取原始图片，该输入设备可以是移动智能设备，例如手机，也可以是笔记本或摄像头。
S20，根据预设的截取比例和人脸检测数据，获取人脸检测数据对应头像的截取区域并显示，其中预设的截取比例可以通过数据统计获得，也可以设定为黄金分割比例。
在步骤S20中，根据预设的截取比例和人脸检测数据，获取人脸检测数据对应头像的截取区域并显示具体包括：
根据人脸检测数据中的人脸个数在原始图片上生成相应数量的可编辑的选择框；
根据预设的截取比例和人脸检测数据中的每个人脸在原始图像中的像素坐标，获得相应的选择框的大小及其在原始图片上的位置；
根据选择框的大小及其在原始图片上的位置在原始图片上定位每个人脸对应头像的截取区域；
在原始图片上突出显示符合条件的人脸对应头像的截取区域。
其中，当获得的人脸检测数据中的人脸个数为一个时，在原始图片上突出显示该人脸对应的选择框；当获得的人脸检测数据中的人脸个数为两个或两个以上时，将检测到的每个人脸进行人脸识别，获得每个人脸的人脸识别数据，将获得的每个人脸识别数据分别与数据库中的人脸数据进行对比，在原始图片上突出显示相似度最高的人脸识别数据对应的选择框。
人脸识别(Face Recognition)是一种依据人的面部特征自动进行身份鉴别的一种技术，它综合运用了数字图像/视频处理、模式识别等多种技术。广义上的人脸识别是指人体面部的识别，特指眼、鼻、口以及面颊等部位的识别。人脸识别技术包括四个主要的环节，依次为人脸图像检测、人脸图像预处理、人脸图像特征提取和匹配与识别。其中，
1)人脸图像检测如前所述，即在图像中准确的标定出人脸的位置和大小。
2)由于原始图像受到各种条件的限制和随机干扰，往往不能直接使用，必须在图像处理的早期阶段对它进行灰度校正、噪声过滤等图像预处理，对于人脸图像而言，其预处理过程主要包括人脸图像的光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波以及锐化等。
3)人脸特征提取的方法大致分为基于知识的表征方法和基于代数特征或统计学习的表征方法：基于知识的表征方法主要是根据人脸器官的形状描述以及他们之间的距离特性来获得有助于人脸分类的特征数据，其特征分量通常包括特征点间的欧氏距离、曲率和角度等。人脸由眼睛、鼻子、嘴、下巴等局部构成，对这些局部和它们之间结构关系的几何描述，可作为识别人脸的重要特征，这些特征被称为几何特征，而基于知识的人脸表征主要包括基于几何特征的方法和模板匹配法。
4)人脸图像匹配与识别是指提取的人脸图像的特征数据与数据库中存储的特征模板进行搜索匹配，通过设定一个阈值，当相似度超过这一阈值，则把匹配得到的结果输出。人脸识别就是将待识别的人脸特征与已得到的人脸特征模板进行比较，根据相似程度对人脸的身份信息进行判断。这一过程又分为两类：一类是确认，是一对一进行图像比较的过程，另一类是辨认，是一对多进行图像匹配对比的过程。
本实施例中人脸识别主要采用基于人脸特征点的识别算法(Feature-basedRecognition Algorithms)实现原始图片中人脸的自动识别。
需要说明的是，在原始图片上通过选择框突出显示自动获取到的人脸对应头像的截取区域时，本实施例还提供人机交互的手段，满足用户的个性化需求。用户可以通过编辑突出显示的选择框重新定位满足其需求的截取区域，例如，通过调整自动获得的人脸检测数据对应的选择框的大小或选择框的比例，来调整该人脸检测数据对应头像的截取区域。或者，在用户判断自动识别的相似度最高的人脸识别数据对应头像的截取区域并不是其想要的时候，用户可以手动选择合适的人脸对应的选择框，获得重新选择后的人脸对应头像的截取区域。
进一步地，在步骤S20中，还可以对突出显示的选择框对应的截取区域进行预览显示；
根据预览显示的效果，手动调整选择框大小和/或比例；
根据调整后的选择框的大小和/或比例，在原始图片的相应位置处重新定位人脸检测数据对应的截取区域。
S30，对截取区域进行剪切保存处理，获取需要的头像并长传到应用网站的页面进行显示。
在本步骤中，在对截取区域进行剪切后可以对剪切得到的图片进行相应的处理，例如对头像进行边缘和光线处理，然后将截取到的头像保存到上述数据库中，以充实完善数据库的资源。
本实施例通过对图片进行人脸检测，获得图片中的人脸检测数据，根据预设的截取比例和人脸检测数据得到该人脸检测数据对应头像的截取区域，通过对截取区域进行剪切保存处理后获得需要的头像。本实施例的方法能够自动的获得最佳的截取比例，无需用户进行多次手动截取，能够有效地减少获得预设截取比例头像的时间。
为了更详细的说明本发明获取图片中头像的方法及其有益效果，下面以自动获取原始图片中需要的人脸头像为例进行说明，假设该原始图片中具有3个人脸。
首先，获得肤色模型。
建立肤色样本，该肤色样本包含不同肤色、不同大小的人脸的RGB图像，本实施例从互联网、人脸库和日常的生活照中选择了100幅肤色各不相同的人脸图像，从其中裁剪出人脸皮肤的一小部份作为肤色样本。
考虑肤色模型是在一定色彩空间描述肤色分布规律的数学模型，为了方便描述肤色样本的数学模型，本实施例将RGB色彩空间转换为YCrCb色彩空间，同时将图像像素分为肤色和非肤色像素两类，以提高人脸检测的效率和正确性。
本实施例选用二维高斯分布描述Cb-Cr的色度分布，由于在YCbCr色彩空间中，Y表示亮度，Cb和Cr是颜色差别信号，代表色度。因此，本实施例只选用YCbCr色彩空间中的Cb和Cr色度分量，利用这两个分量建立色度分布图。在对肤色样本进行训练后，得到一个分布中心，根据肤色样本数据距离该分布中心的距离得到一个关于肤色的相似度，计算该相似度的均值和方差即可得到高斯分布模型。本实施例的二维高斯分布的表带式如下：
其中，
为均值，μ为方差，
为二维高斯分布的表达式。
在估计出人脸肤色在YCbCr颜色空间中的肤色模型后，从输入设备获取图片，该输入设备可以是手机、电脑或者摄像头，对输入的原始图片中的检测点的肤色，通过训练的肤色模型检测该点是否属于人脸区域，从而确定输入的原始图片中人脸个数和每个人脸的位置。
接下来在获得的图片上显示需要的人脸检测数据对应头像的截取区域。
根据获得的人脸检测数据的个数，在图片上生成相应数量的可编辑的选择框。假设在人脸检测过程中，检测到全部的三个人脸，则生成三个可编辑的选择框。
根据预设的截取比例和相应的每个人脸检测数据，获得相应的选择框在上述图片中的像素位置。
在上述假设的基础上，为了清楚的区分三个人脸，将三个人脸相应标记为A、B、C。其中，获得人脸A的截取区域的方法为：根据人脸A的人脸检测数据，获得分别位于其四个边角位置处的四个像素点的像素坐标，根据黄金分割比例(当然也可以为其他比例)分别计算四个像素点对应的四个外扩点的像素坐标，则该四个外扩点的像素坐标围成的矩形区域即为人脸A对应的截取区域。人脸B和人脸C的截取区域获取的方法与人脸A的截取区域的获取方法相同。
在获得了每个人脸检测数据对应的选择框后，由于在图片上自动检测到了多个人脸，本实施例采用基于人脸特征点的识别方法，对原始图像上的每个人脸进行人脸识别，将获得的每个人脸的人脸识别数据分别与数据库中的人脸数据进行对比，从而得到与数据库中人脸数据相似度最高的人脸识别数据。仍然基于上述假设，将A、B、C人脸识别数据分别与数据库中的人脸数据对比后，得到人脸A的人脸识别数据为与数据库中人脸数据相似度最高的人脸识别数据，在图片上突出显示人脸A对应的选择框。可以通过选择框的颜色、线条类型等手段突出显示人脸A对应的选择框，本实施例对在图片上突出显示选择框的方法不做限定。
当在图片上通过选择框突出显示截取区域时，用户可以对该截取区域的选择框进行编辑，例如调整选择框的大小、比例或位置，根据用户调整后的选择框，重新在图片上定位该人脸数据对应的截取区域。仍基于上述假设，当在图片上通过选择框突出显示人脸A的截取区域时，用户可以基于当前人脸A对应的选择框调的大小、比例或位置进行相应的调整，获得满足用户需求的显示效果的截取区域。当然，用户也可以将人脸B或人脸C的选择框进行突出显示，获得人脸B或人脸C的人脸检测数据对应的截取区域。
为了更好地显示截取区域，本实施例还提供了预览显示功能。
具体的，对突出显示的选择框对应的截取区域进行预览显示，根据预览显示的效果，手动调整该选择框大小和/或比例，根据调整后的选择框的大小和/或比例在图片的相应位置处重新定位人脸数据对应的截取区域。
在实际应用中，输入的原始图片也可能仅检测到一个人脸，在仅检测到一个人脸时，则无需进一步进行人脸识别，可以直接根据该人脸检测数据和预设的截取比例，自动获得该人脸检测数据对应的截取区域。具体的，在图片上生成一个可编辑的选择框，根据预设的截取比例和该人脸检测数据获得该选择框在图片中的像素位置，根据该选择框的像素位置，在图片上定位该人脸检测数据对应的截取区域。当然，在图片上通过选择框显示该人脸检测数据对应的截取区域时，也可采用上述调整选择框的大小、比例或位置调整该人脸检测数据对应的截取区域。
最后，获得需要的头像，上传头像进行显示。
在对截取区域进行剪切后可以进行相应的处理，例如对头像进行边缘和光线处理，然后将截取到的头像保存到上述数据库中，以丰富完善数据库的数据资源。
与上述获取图片中头像的方法相同的技术构思，本发明的实施例还提供了一种获取图片中头像的***，该***包括人脸检测单元21、截取单元22和头像获取单元23。
人脸检测单元21，用于对获取的原始图片中的人脸进行检测，获取原始图片中的人脸检测数据。其中，人脸检测单元21获取的人脸检测数据至少包括人脸个数以及每个人脸在所述原始图像中的像素坐标。
人脸检测(Face Detection)是指在输入图像中确定所有人脸(如果存在)的位置、大小、位姿的过程。由于人脸图像包含的特征模式十分丰富，且人脸模式具有复杂而细致的变化，因此一般需要采用多种模式特征综合的方法。由于人脸检测问题的复杂性，无论哪一类方法都无法适应于所有的情况，一般都针对人脸检测领域内某个或某些特定的问题。
由于肤色是人脸的重要信息，不依赖于面部的细节特征，对于旋转、表情等变化情况都能适用，具有相对的稳定性，并且和大多数背景物体的颜色相区别。因此，本实施例中的人脸检测单元21主要采用肤色为人脸模式的特征。
肤色特征主要由肤色模型描述，常用的肤色模型包括高斯模型、混合高斯模型和直方图模型。使用任何形式的肤色模型与色度空间(Chrominance Space)的选择密切相关，人脸检测常用的色度空间包括：RGB(红、绿、蓝三基色)、rgb(亮度归一化的三基色)、SHI(饱和度、色调、亮度)、YIQ(NTSC制的光亮度和色度模型)、YUV(PAL制的光亮度和色度模型)、YCbCr(CCIR601编码方式的色度模型)等。可以从两个方面考察某种色度空间，其一为在该色度空间中能否用给定的模型描述“肤色”区域的分布，其二为色度空间中“肤色”与“非肤色”区域的重叠度。
人脸检测单元21可以通过输入设备获取原始图片，该输入设备可以是移动智能设备，例如手机，也可以是笔记本或摄像头。
截取单元22，用于根据预设的截取比例和人脸检测数据，获取人脸检测数据对应头像的截取区域并显示。
在本实施例的一优选方案中，截取单元22具体包括：
选择框生成模块，用于根据人脸检测数据中的人脸个数在原始图片上生成相应数量的可编辑的选择框；
位置获取模块，用于根据预设的截取比例和人脸检测数据中的每个人脸在原始图像中的像素坐标，获得相应的选择框的小大及其在原始图片上的位置；
定位模块，用于根据选择框的小大及其在原始图片上的位置在原始图片上定位每个人脸对应头像的截取区域；
显示模块，用于在原始图片上突出显示符合条件的人脸对应头像的截取区域。
优选地，显示模块，进一步用于通过选择框的颜色和/或线条类型突出显示符合条件的人脸对应头像的截取区域。
其中，显示模块，进一步用于当获得的人脸检测数据中的人脸个数为一个时，在原始图片上突出显示该人脸对应的选择框；
当获得的人脸检测数据中的人脸个数为两个或两个以上时，将检测到的每个人脸进行人脸识别，获得每个人脸的人脸识别数据，将获得的每个人脸识别数据分别与数据库中的人脸数据进行对比，在原始图片上突出显示相似度最高的人脸识别数据对应的选择框。
人脸识别(Face Recognition)是一种依据人的面部特征自动进行身份鉴别的一种技术，广义上的人脸识别是指人体面部的识别，特指眼、鼻、口以及面颊等部位的识别。人脸识别技术包括四个主要的环节，依次为人脸图像检测、人脸图像预处理、人脸图像特征提取和匹配与识别。本实施例中人脸识别主要采用基于人脸特征点的识别算法(Feature-based Recognition Algorithms)实现原始图片中人脸的自动识别。
需要说明的是，在获取图片中头像的***的显示模块通过选择框突出显示自动获取到的人脸对应头像的截取区域时，本实施例的***还提供人机交互的手段，满足用户的个性化需求。用户可以通过编辑突出显示的选择框重新定位满足其需求的截取区域，例如，通过调整自动获得的人脸检测数据对应的选择框的大小或选择框的比例，来调整该人脸检测数据对应头像的截取区域。或者，在用户判断自动识别的相似度最高的人脸识别数据对应头像的截取区域并不是其想要的时候，用户可以手动选择合适的人脸对应的选择框，获得重新选择后的人脸对应头像的截取区域。
在上述优选方案中，截取单元22还包括预览模块，
预览模块，用于对突出显示的选择框对应的截取区域进行预览显示；
定位模块，进一步用于根据手动调整后选择框的大小和/或比例，在原始图片的相应位置处重新定位人脸检测数据对应头像的截取区域。
头像获取单元23，用于对所述截取区域进行剪切保存处理，获取需要的头像并上传到应用网站的页面进行显示。
本实施例的获取图片中头像的***尤其适用于页面空间对上传的头像图片具有尺寸限制的应用网站。
本实施例的***通过对图片进行人脸检测，获得图片中的人脸检测数据，根据预设的截取比例和人脸检测数据得到该人脸检测数据对应头像的截取区域，通过对截取区域进行剪切保存处理后获得需要的头像。本实施例的方法能够自动的获得最佳的截取比例，无需用户进行多次手动截取，能够有效地减少获得预设截取比例头像的时间。
综上所述，本发明公开了一种获取图片中头像的方法和***，通过对获取的原始图片中的人脸进行自动检测，获得包括人脸个数和每个人脸在原始图像中的像素坐标的人脸检测数据，根据预设的截取比例和人脸检测数据，获得该人脸检测数据对应头像的截取区域，通过对截取区域进行剪切保存处理，获得需要的头像并上传到所述应用网站的页面进行显示。本发明的技术方案能够自动地从原始图片中获得需要的头像，相比于现有方法，无需用户进行多次的手动截取，因而能够快速的获得预设截取比例的头像。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。
Claims (8)
1.一种获取图片中头像的方法，其特征在于，所述方法包括：
对获取的原始图片中的检测点通过训练过的肤色模型检测所述检测点是否属于人脸区域，获取所述原始图片中的人脸检测数据；
根据预设的截取比例和所述人脸检测数据，获取所述人脸检测数据对应头像的截取区域并显示；具体是根据每个人脸的所述人脸检测数据，获得分别位于其四个边角位置处的四个像素点的像素坐标，根据预设的截取比例分别计算四个像素点对应的四个外扩点的像素坐标，则该四个外扩点的像素坐标围成的矩形区域即为所述人脸对应的截取区域；
对所述截取区域进行剪切保存处理，获取需要的头像并上传到应用网站的页面进行显示；
其中，所述人脸检测数据至少包括人脸个数以及每个人脸在所述原始图片中的像素坐标，所述根据预设的截取比例和所述人脸检测数据，获取所述人脸检测数据对应头像的截取区域并显示包括：
根据所述人脸检测数据中的人脸个数，在所述原始图片上生成相应数量的可编辑的选择框；
根据预设的截取比例和所述人脸检测数据中的每个人脸在所述原始图片中的像素坐标，获得相应的选择框的小大及其在所述原始图片上的位置；
根据所述选择框的小大及其在所述原始图片上的位置，在所述原始图片上定位每个人脸对应头像的截取区域；
在所述原始图片上通过选择框突出显示符合条件的人脸对应头像的截取区域，以便用户对该截取区域的选择框进行编辑。
2.根据权利要求1所述的方法，其特征在于，所述在所述原始图片上突出显示符合条件的人脸对应头像的截取区域包括：
当获得的所述人脸检测数据中的人脸个数为一个时，在所述原始图片上突出显示所述人脸对应的选择框；
当获得的所述人脸检测数据中的人脸个数为两个或两个以上时，将检测到的每个人脸进行人脸识别，获得每个人脸的人脸识别数据，将获得的每个人脸识别数据分别与数据库中的人脸数据进行对比，在所述原始图片上突出显示相似度最高的人脸识别数据对应的选择框。
3.根据权利要求2所述的方法，其特征在于，所述在所述原始图片上突出显示符合条件的人脸对应头像的截取区域具体包括：
通过选择框的颜色和/或线条类型突出显示符合条件的人脸对应头像的截取区域。
4.根据权利要求3所述的方法，其特征在于，所述根据预设的截取比例和所述人脸检测数据，获取所述人脸检测数据对应头像的截取区域并显示进一步包括：
对所述突出显示的选择框对应的截取区域进行预览显示；
根据预览显示的效果，手动调整所述选择框大小和/或比例；
根据调整后的所述选择框的大小和/或比例，在所述原始图片的相应位置处重新定位所述人脸检测数据对应头像的截取区域。
5.一种获取图片中头像的***，其特征在于，所述***包括：
人脸检测单元，用于对获取的原始图片中的检测点通过训练过的肤色模型检测所述检测点是否属于人脸区域，获取所述原始图片中的人脸检测数据；
截取单元，用于根据预设的截取比例和所述人脸检测数据，获取所述人脸检测数据对应头像的截取区域并显示；具体是根据每个人脸的所述人脸检测数据，获得分别位于其四个边角位置处的四个像素点的像素坐标，根据预设的截取比例分别计算四个像素点对应的四个外扩点的像素坐标，则该四个外扩点的像素坐标围成的矩形区域即为所述人脸对应的截取区域；
头像获取单元，用于对所述截取区域进行剪切保存处理，获取需要的头像并上传到应用网站的页面进行显示；
其中，所述人脸检测单元获取的人脸检测数据至少包括人脸个数以及每个人脸在所述原始图片中的像素坐标，所述截取单元包括：
选择框生成模块，用于根据所述人脸检测数据中的人脸个数在所述原始图片上生成相应数量的可编辑的选择框；
位置获取模块，用于根据预设的截取比例和所述人脸检测数据中的每个人脸在所述原始图片中的像素坐标，获得相应的选择框的小大及其在所述原始图片上的位置；
定位模块，用于根据所述选择框的小大及其在所述原始图片上的位置，在所述原始图片上定位每个人脸对应头像的截取区域；
显示模块，用于在所述原始图片上通过选择框突出显示符合条件的人脸对应头像的截取区域，以便用户对该截取区域的选择框进行编辑。
6.根据权利要求5所述的***，其特征在于，所述显示模块进一步用于，
当获得的所述人脸检测数据中的人脸个数为一个时，在所述原始图片上突出显示所述人脸对应的选择框；
当获得的所述人脸检测数据中的人脸个数为两个或两个以上时，将检测到的每个人脸进行人脸识别，获得每个人脸的人脸识别数据，将获得的每个人脸识别数据分别与数据库中的人脸数据进行对比，在所述原始图片上突出显示相似度最高的人脸识别数据对应的选择框。
7.根据权利要求6所述的***，其特征在于，所述显示模块进一步用于，
通过选择框的颜色和/或线条类型突出显示符合条件的人脸对应头像的截取区域。
8.根据权利要求7所述的***，其特征在于，所述截取单元还包括预览模块；
所述预览模块，用于对所述突出显示的选择框对应的截取区域进行预览显示；
所述定位模块，进一步用于根据手动调整后所述选择框的大小和/或比例，在所述原始图片的相应位置处重新定位所述人脸检测数据对应头像的截取区域。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510394449.5A CN106326823B (zh) | 2015-07-07 | 2015-07-07 | 一种获取图片中头像的方法和*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510394449.5A CN106326823B (zh) | 2015-07-07 | 2015-07-07 | 一种获取图片中头像的方法和*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106326823A CN106326823A (zh) | 2017-01-11 |
| CN106326823B true CN106326823B (zh) | 2020-06-30 |
Family
ID=57725242
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510394449.5A Active CN106326823B (zh) | 2015-07-07 | 2015-07-07 | 一种获取图片中头像的方法和*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106326823B (zh) |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019071386A1 (zh) * | 2017-10-09 | 2019-04-18 | 深圳传音通讯有限公司 | 一种图像数据处理方法及装置 |
| CN108090430B (zh) * | 2017-12-08 | 2020-11-27 | 杭州魔点科技有限公司 | 人脸检测的方法及其装置 |
| CN108154515A (zh) * | 2017-12-27 | 2018-06-12 | 三星电子（中国）研发中心 | 图片展现方法和装置 |
| CN108345842B (zh) * | 2018-01-24 | 2022-03-04 | 中电长城圣非凡信息***有限公司 | 一种基于大数据的处理方法 |
| CN109359508A (zh) * | 2018-08-27 | 2019-02-19 | 贵阳朗玛信息技术股份有限公司 | 一种头像处理方法及装置 |
| CN109189289B (zh) * | 2018-09-03 | 2021-12-24 | 聚好看科技股份有限公司 | 一种基于截屏图像生成图标的方法及装置 |
| CN110334615A (zh) * | 2019-06-20 | 2019-10-15 | 湖北亮诚光电科技有限公司 | 一种有遮挡的人脸识别的方法 |
| CN112487396A (zh) * | 2020-12-08 | 2021-03-12 | 平安国际智慧城市科技股份有限公司 | 图片的处理方法、装置、计算机设备及存储介质 |
| CN112541919A (zh) * | 2020-12-29 | 2021-03-23 | 申建常 | 一种图片分割处理方法及处理*** |
| CN113792671A (zh) * | 2021-09-16 | 2021-12-14 | 平安银行股份有限公司 | 人脸合成图像的检测方法、装置、电子设备及介质 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN100514365C (zh) * | 2007-01-15 | 2009-07-15 | 浙江大学 | 多张人脸照片自动合成方法 |
| CN100463000C (zh) * | 2007-09-27 | 2009-02-18 | 上海交通大学 | 基于级联分类和哈夫圆变换的人眼状态检测方法 |
| CN102982568B (zh) * | 2012-11-12 | 2015-12-16 | 东莞宇龙通信科技有限公司 | 一种自动裁剪图像的方法及装置 |
| CN103914689B (zh) * | 2014-04-09 | 2017-03-15 | 百度在线网络技术（北京）有限公司 | 基于人脸识别的图片裁剪方法及装置 |
| CN104484855B (zh) * | 2014-12-24 | 2018-03-27 | 北京奇虎科技有限公司 | 图片裁剪的方法和装置 |
-
2015
- 2015-07-07 CN CN201510394449.5A patent/CN106326823B/zh active Active
Non-Patent Citations (2)
| Title |
|---|
| Automatic Landmark Detection and Face Recognition for Side-View Face Images;Pinar Santemiz等;《IEEE》;20131003;第1-4页 * |
| 基于整体特征和局部特征的人脸识别方法的研究;李彬彬;《中国优秀硕士学位论文全文数据库 信息科技辑》;20121015;第1-58页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106326823A (zh) | 2017-01-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106326823B (zh) | 一种获取图片中头像的方法和*** | |
| US10304166B2 (en) | Eye beautification under inaccurate localization | |
| US8385638B2 (en) | Detecting skin tone in images | |
| US8520089B2 (en) | Eye beautification | |
| US8902326B2 (en) | Automatic face and skin beautification using face detection | |
| US8983152B2 (en) | Image masks for face-related selection and processing in images | |
| CN106780311B (zh) | 一种结合皮肤粗糙度的快速人脸图像美化方法 | |
| WO2022161009A1 (zh) | 图像处理方法及装置、存储介质、终端 | |
| CN112614060A (zh) | 人脸图像头发渲染方法、装置、电子设备和介质 | |
| KR20120070985A (ko) | 얼굴 특징 기반의 가상 체험 시스템 및 그 방법 | |
| WO2021016896A1 (zh) | 图像处理方法、***、设备、可移动平台和存储介质 | |
| WO2023273247A1 (zh) | 人脸图像处理方法及装置、计算机可读存储介质、终端 | |
| CN114187166A (zh) | 图像处理方法、智能终端及存储介质 | |
| US10354125B2 (en) | Photograph processing method and system | |
| CN114155569B (zh) | 一种化妆进度检测方法、装置、设备及存储介质 | |
| CN113781330A (zh) | 图像处理方法、装置及电子*** | |
| CN113837017B (zh) | 一种化妆进度检测方法、装置、设备及存储介质 | |
| Rahman et al. | Real-time face-based auto-focus for digital still and cell-phone cameras | |
| CN113837020B (zh) | 一种化妆进度检测方法、装置、设备及存储介质 | |
| Porle et al. | Wavelet-based skin segmentation for detecting occluded arms in human body pose modelling system | |
| Shu et al. | Real-Time Face Detection Method Using Wavelet-Based for a Beautification System | |
| CN113837018A (zh) | 一种化妆进度检测方法、装置、设备及存储介质 | |
| CN116017178A (zh) | 图像处理方法、装置及电子设备 | |
| Quanyou et al. | A new facial key features location algorithm in color images |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP02 | Change in the address of a patent holder | ||
| CP02 | Change in the address of a patent holder |
Address after: Room 818, 8 / F, 34 Haidian Street, Haidian District, Beijing 100080 Patentee after: BEIJING ULTRAPOWER SOFTWARE Co.,Ltd. Address before: 100089 Beijing city Haidian District wanquanzhuang Road No. 28 Wanliu new building 6 storey block A Room 601 Patentee before: BEIJING ULTRAPOWER SOFTWARE Co.,Ltd. |