CN109284778A - 人脸颜值计算方法、计算装置及电子设备 - Google Patents

人脸颜值计算方法、计算装置及电子设备 Download PDF

Info

Publication number
CN109284778A
CN109284778A CN201811045723.8A CN201811045723A CN109284778A CN 109284778 A CN109284778 A CN 109284778A CN 201811045723 A CN201811045723 A CN 201811045723A CN 109284778 A CN109284778 A CN 109284778A
Authority
CN
China
Prior art keywords
point
face
following
calculated according
scoring
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
Application number
CN201811045723.8A
Other languages
English (en)
Inventor
张红松
郑冬青
张亮
苏庆瑞
张靖邦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Appearance Space Technology Co Ltd
Original Assignee
Beijing Appearance Space Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Appearance Space Technology Co Ltd filed Critical Beijing Appearance Space Technology Co Ltd
Priority to CN201811045723.8A priority Critical patent/CN109284778A/zh
Publication of CN109284778A publication Critical patent/CN109284778A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • 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
    • G06V40/168—Feature extraction; Face representation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computing Systems (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Evolutionary Biology (AREA)
  • Biomedical Technology (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

本申请提供了一种人脸颜值计算方法、计算装置及电子设备，其中，该方法包括：获取用户的二维脸部图像；将二维脸部图像输入至特征识别模型，以确定脸部特征点；根据脸部特征点的相对位置关系计算人脸颜值评分。本申请实施例通过特征识别模型能够识别出用户脸部的特征点，进而通过各个特征点之间的相对位置关系，计算出用户的人脸颜值评分，与现有技术中的没有统一的颜值评判体系相比，本申请实施例提供了一种统一的颜值评判体系，能够对用户的颜值进行评估。

Description

人脸颜值计算方法、计算装置及电子设备
技术领域
本申请涉及人脸颜值评价领域，具体而言，涉及一种人脸颜值计算方法、计算装置及电子设备。
背景技术
颜值是表示人物颜容英俊或靓丽的数值，用来评价人物容貌。
目前，脸部颜值计算方法主要包括基于形状特征的方法、基于浅层特征的方法和基于卷积神经网络的方法。其中，基于形状特征的颜值计算方法主要利用人脸五官之间的比例作为颜值特征进行计算，如“三庭五眼”；基于浅层特征的颜值计算方法主要利用人脸的局部二值模式(Local Binary Patterns，LBP)、通用搜索树(Generalized SearchTrees，GIST)或者方向梯度直方图(Histogram of Oriented Gradient，HOG)等浅层特征作为颜值特征进行计算；基于卷积神经网络的颜值计算方法主要利用二维人脸形状作为颜值特征进行计算。
但是，现有技术中使用的脸部颜值计算方法，均没有统一的颜值评判体系，而医学美容领域的痛点也在于缺少颜值评判标准，因此需要一种标准统一的人脸颜值计算方法及装置，以统一的颜值评判体系。
发明内容
有鉴于此，本申请的目的在于提供一种人脸颜值计算方法、计算装置及电子设备。
第一方面，本申请实施例提供了一种人脸颜值计算方法，包括：获取用户的二维脸部图像；将二维脸部图像输入至特征识别模型，以确定脸部特征点；根据脸部特征点的相对位置关系计算人脸颜值评分。
第二方面，本申请实施例还提供一种人脸颜值计算装置，包括：获取模块，用于获取用户的二维脸部图像；识别模块，用于将二维脸部图像输入至特征识别模型，以确定脸部特征点；计算模块，用于根据脸部特征点的相对位置关系计算人脸颜值评分。
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，存储器存储有处理器可执行的机器可读指令，当电子设备运行时，处理器与存储器之间通过总线通信，机器可读指令被处理器执行时执行如上述任一项的人脸颜值计算方法的步骤。
本申请实施例提供的人脸颜值计算方法、计算装置及电子设备，通过将获取的用户的二维脸部图像输入至预设的特征识别模型中，能够识别出用户脸部的特征点，进而通过各个特征点之间的相对位置关系，能够计算出用户的人脸颜值评分，与现有技术中的没有统一的颜值评判体系相比，本申请能够根据统一的颜值评判体系，对用户的颜值进行评估。
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人脸颜值计算方法的流程图；
图2示出了本申请实施例所提供的二维正脸脸部图像；
图3示出了本申请实施例所提供的二维90°侧脸图像；
图4示出了本申请实施例所提供的二维45°侧脸图像；
图5示出了本申请实施例所提供的另一种人脸颜值计算方法的流程图；
图6示出了本申请实施例所提供的另一种人脸颜值计算方法的流程图；
图7a-7g示出了本申请实施例所提供的计算特征参数所用到的特征点的脸部图像；
图8示出了本申请实施例所提供的一种人脸颜值计算装置的结构示意图；
图9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。
图标：10-获取模块；20-识别模块；30-计算模块；100-处理器；200-存储器；300-总线。
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附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，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所有其他实施例，都属于本申请保护的范围。
考虑到相关技术中，在整形手术完成后，用户可以通过对比整形前后的照片来判断本次整形是否达到预期的目的，但是这种对比，一般只能是依据肉眼直观看到的照片来完成，缺乏客观的标准，很容易造成用户和整形医生的分歧。而且，没有统一的颜值评判体系，用户无法直观的了解自身的颜值情况，即没有一种标准的颜值评估方法。
本申请实施例提供了一种人脸颜值计算方法、计算装置及电子设备，下面通过实施例进行描述。
本申请第一方面的实施例，提供了一种人脸颜值计算方法，如图1所示，包括如下步骤：
S101，获取用户的二维脸部图像；
S102，将二维脸部图像输入至特征识别模型，以确定脸部特征点；
S103，根据脸部特征点的相对位置关系计算人脸颜值评分。
本申请提供的人脸颜值计算方法，在步骤S101中，获取用户的脸部二维图像可以是通过摄像机从用户脸部的不同视角进行拍摄后直接得到的，二维脸部图像可以是正脸图像、90°侧脸图像(与正脸图像的视角夹角为90度的视角的图像)，也可以是45°侧脸图像，当然，也可以是其他视角的侧脸图像，还可以是多个不同视角的图像，但这三个角度的二维脸部图像(正脸图像、90°侧脸图像和45°侧脸图像)更具有针对性；在步骤S102中，将二维脸部图像输入至特征识别模型，使得特征识别模型可以输出脸部特征点，具体而言，特征识别模型输出的可以是脸部特征点的具体坐标；而后，步骤S103中，可以根据脸部特征点的具体坐标得到脸部各个特征点之间的相对位置关系，比如根据左唇角点的坐标和右唇角点的坐标之间的位置关系可以反应出嘴部的宽度，进而，可以将左唇角点和右唇角点作为计算人脸颜值评分的一个条件，也可以是先根据左唇角点和右唇角点计算出嘴部宽度，进而根据嘴部宽度作为计算人脸颜值评分的一个条件。
需要说明的说，在步骤S102中提到的特征识别模型具体由以下步骤生成：
步骤1021，定义人脸的多个脸部特征点；
步骤1022，采集脸部图像的样本集；其中，样本集为完成特征点标注的脸部图像；
步骤1023，采用训练与学习方法训练样本集，生成识别脸部特征点的特征识别模型。
具体地，在步骤1021中，用户可以手动定义特征点，分别定义正脸图像、90°侧脸图像和45°侧脸图像中的特征点，当然，也可以定义其他视角的侧脸图像的脸部特征点。
其中，正脸图像中的脸部特征点包括以下任意一个或多个群组：外轮廓点群组、正眼部点群组、鼻部点群组、嘴部点群组；
外轮廓点群组包括以下任意一个或多个特征点：额中点、左额角水平外延点、右额角水平外延点、左鬓角凸点、右鬓角凸点、左鬓角凹点、右鬓角凹点、左颧骨高点、右颧骨高点、左颧骨下缘点、右颧骨下缘点、左颌角点、右颌角点和颏底点；
正眼部点群组包括以下任意一个或多个特征点：左上眉头起点、右上眉头起点、左眉尾点、右眉尾点、左上眼眶顶点、右上眼眶顶点、左眼内眦点、右眼内眦点、左上睑缘顶点、右上睑缘顶点、左眼外眦点、右眼外眦点、左下睑缘底点和右下睑缘底点；
鼻部点群组包括以下任意一个或多个特征点：印堂点、左鼻翼宽点、右鼻翼宽点、左鼻孔顶点、右鼻顶点和鼻唇角点；
嘴部点群组包括以下任意一个或多个特征点：唇谷点、左唇角点、右唇角点、下唇底点、唇珠中点和下内唇中点；
其中，90°侧脸图像中的脸部特征点包括以下任意一个或多个群组：侧轮廓点群组、侧眼唇部点群组和耳部点群组；
侧轮廓点群组包括以下任意一个或多个特征点：侧额中点、侧下额过度点、侧额末点、侧印堂点、侧鼻山根点、侧鼻梁起点、侧鼻梁高点、侧鼻头起点、侧鼻头顶点、侧鼻孔顶点、侧鼻小柱中点、侧鼻唇角点、侧人中中点、侧上唇沿顶点、侧下唇下拐点、侧颏唇沟凹点、侧颏过度点、侧颏下缘点、侧颈颚拐点；
侧眼唇部点群组包括以下任意一个或多个特征点：侧眉骨底点、侧上睑外缘顶点、侧下睑外缘底点、侧鼻基底点和侧嘴角点；
耳部点群组包括以下任意一个或多个特征点：侧对耳轮下脚缘点和侧耳垂底点；
其中，45°侧脸图像中的脸部特征点包括斜轮廓点群组：斜轮廓点群组包括以下任意一个或多个特征点：斜上颧点、斜颧骨拐点、斜颧骨过渡点、斜苹果肌高点、斜内面颊起点、斜内面颊点、斜内面颊末点和斜颏起点。
为了更加准确的说明上述各个特征点的位置，下面以列表的形式说明各个特征点在脸上的具***置，如表1-表3所示：
表1：二维正脸脸部图像(如图2所示)
表2：90°侧脸图像(如图3所示)
表3：45°侧脸图像(如图4所示)
具体实现时，表1中的特征点均是根据二维正脸脸部图像(二维脸部图像中的一种)确定的；表2中的特征点均是根据90°侧脸图像(二维脸部图像中的一种)确定的；表3中的特征点均是根据1-89°侧脸图像(二维脸部图像中的一种，如45°侧脸图像)确定的。
通过上述内容可知，不同视角的图像是用来确定不同的特征点的，比如二维正脸脸部图像是用来确定外轮廓点群组中的特征点、正眼部点群组中的特征点、鼻部点群组中的特征点和嘴部点群组中的特征点；90°侧脸图像是用来确定侧轮廓点群组中的特征点、侧眼唇部点群组中的特征点、耳部点群组中的特征点；45°侧脸图像是用来确定斜轮廓点群组中的特征点。
具体地，在步骤1021中，首先，采集大量正脸图像、90°侧脸图像、45°侧脸图像，当然，也可以是其他视角的侧脸图像，进一步地，根据上述定义的特征点，在这些图像上进行特征点标注，并将标注完成的图像作为样本集。
在步骤1023中，对样本集进行训练，得到用于识别脸部特征点的特征识别模型。
下面对得到特征识别模型过程进行简要说明：
步骤1023A，将随机的一个训练样本输入至未完成模型中，以确定训练结果；
步骤1023B，根据训练样本上人工标注出的特征点和训练结果中的特征点，计算训练结果所对应的损失函数；
步骤1023C，判断损失函数是否小于预设的阈值；若是，则执行步骤1023D，若否，则执行步骤1023E；
步骤1023D，将当前的未完成模型作为特征识别模型输出；
步骤1023E，根据损失函数对未完成模型进行训练，并重新执行步骤1023A。
在步骤S102中，可以按照如下任意一种或多种方式执行：
第一种方式：将二维正脸脸部图像输入至特征识别模型，以确定以下任意一个或多个群组中的特征点：外轮廓点群组、正眼部点群组、鼻部点群组和嘴部点群组；第二种方式：将90°侧脸图像输入至特征识别模型，以确定以下任意一个或多个群组中的特征点：侧轮廓点群组、侧眼唇部点群组、耳部点群组；第三种方式：将45°侧脸图像输入至特征识别模型，以确定以下群组中的特征点：斜轮廓点群组。
在步骤S103中，提取用户多个脸部特征点的具体坐标，并通过计算各特征点的位置关系，以反映用户的颜值。例如，可以通过额中点、左额角水平外延点、右额角水平外延点、左颧骨高点、右颧骨高点、左颌角点、右颌角点、颏底点、左眼内眦点、右眼内眦点、左上睑缘顶点、右上睑缘顶点、左眼外眦点、右眼外眦点、左下睑缘底点、右下睑缘底点的坐标，计算出用户眼睛的大小，即通过多个特征点的坐标计算出多个脸部特征点的相对位置关系，以反映出用户的颜值；通过侧对耳轮下脚缘点、侧下睑外缘顶点、侧鼻基底点、侧嘴角点的坐标，计算出用户鼻基底高度，即通过多个特征点的坐标计算出多个脸部特征点的相对位置关系，以反映出用户的颜值。
在本申请的一个实施例中，优选地，提供了一种人脸颜值计算方法，如图1所示，步骤S101获取用户的二维脸部图像包括：
步骤1011，获取用户的三维脸部图像；其中，三维脸部图像是使用三维扫描装置对用户的脸部进行扫描得到的；
步骤1012，对三维脸部图像进行指定角度的映射，以确定二维脸部图像。
在该实施例中，二维脸部图像有两种获取方式，分别是直接通过2D摄像机对人脸进行拍摄后获取到的；以及，先获取用户的三维脸部图像，而后从三维脸部图像中映射出对应的二维脸部图像。
其中，采用获取用户的三维脸部图像得到二维脸部图像的方式包括：首先，先获取用户的三维脸部图像，而后从三维脸部图像中按照指定角度映射出对应的二维脸部图像，映射出的二维脸部图像可以是正脸图像、90°侧脸图像，也可以是45°侧脸图像，当然，二维脸部图像也可以是其他角度的侧脸图像，但这三个角度的二维脸部图像(正脸图像、90°侧脸图像和45°侧脸图像)更具有针对性。
步骤1011中，可以是通过专门的3D人脸扫描装置对用户进行的人脸扫描，3D人脸扫描装置可以是手持式，也可以是落地式，为保证扫描精度，优选使用落地式的3D人脸扫描装置对用户脸部进行扫描，落地式的3D人脸扫描装置在扫描时不需要用户移动或者转动，3D人脸扫描装置中的摄像头会自动的沿某个轨迹围绕人脸进行运动，以完成3D扫描的工作。3D人脸扫描装置上优选设置有LED照明设备和头顶固定单元，该LED照明设备的主要作用是在进行3D拍摄的时候，提供照明；头顶固定单元在使用的时候，可以固定在用户的头部，以使用户的头部不会发生位移，以使用户的头部不会发生位移。通过在3D人脸扫描装置上设置LED照明设备，能够减轻光照变化给颜值计算带来的影响，提升了光照稳定度；通过在3D人脸扫描装置上设置头顶固定单元，能够避免3D人脸扫描装置在进行三维扫描时收到头发的遮挡，能够固定头发及防止头部移动。
步骤1012中，主要是对步骤1011中的三维脸部图像按照指定的角度进行映射，以确定该指定角度所对应的二维脸部图像，映射的角度可以根据用户的实际情况来确定，但需要说明的是，步骤S102中特征识别模型通常只能针对某一个角度的二维脸部图像进行识别，因此，在执行步骤1012的时候，首先需要确定步骤S102中特征识别模型所能够识别的二维脸部图像的角度，并根据该角度确定步骤1012中指定角度的具体数值。
在本申请的一个实施例中，优选地，提供了另一种人脸颜值计算方法，如图5所示，包括如下步骤：
S201，获取用户的二维脸部图像；
S202，将二维脸部图像输入至特征识别模型，以确定脸部特征点；
S203，根据脸部特征点的相对位置关系计算脸部特征参数；
S204，根据脸部特征参数计算人脸颜值评分；
其中，脸部特征参数包括正脸、90°侧脸以及45°侧脸的脸部特征参数中的任意一个或多个：
正脸的脸部特征参数包括以下任意一个或多个脸部特征参数：脸部长宽比、上庭长度、额面宽、颞宽、颧宽、外面颊饱满度、颌宽、下庭长度、下颏长度、对称度、五官分布、眉尾长、眉扬角、眉间距、眉眼间距、眼长、眼裂大小、眼大小、眼扬角、眼间距、中庭长度、鼻翼宽度、鼻孔大小、人中长度、唇分线、唇扬角、唇闭合度、嘴大小、上唇薄厚、下唇薄厚；
90°侧脸的脸部特征参数包括以下任意一个或多个脸部特征参数：额前倾度、额部饱满度、印堂高度、眼凸度、鼻根高度、鼻根形态、鼻梁形态、鼻头高度、鼻基底高、鼻唇角、上唇凸瘪、下唇凸瘪、下颏翘度、下颏前倾度、下颌缘清晰度、颌骨结构；
45°侧脸的脸部特征参数包括以下任意一个或多个脸部特征参数：颧骨高度、苹果肌饱满度、内面颊饱满度。
在该实施例中，在步骤S203中，通过步骤S202中确定的脸部特征点的相对位置关系能够计算脸部特征参数，即通过对被测部位上的特征点进行组合，构成该部位的点、线、面，进而根据该部位的特性，设定一个与其相对应，并且由特征点构成的参考点或参考线，再计算出被测部位上的点、线、面与参考点或参考线的相关数值，得出用于描述面部轮廓和部位形态的特征值，即脸部特征参数，进而在步骤S204中根据这些脸部特征参数计算人脸颜值评分。
需要说明的是，用户可以自行选择使用哪些特征点来计算脸部特征参数，即，计算某些脸部区域的评分。
在本申请的一个实施例中，优选地，提供了另一种人脸颜值计算方法，如图6所示，包括如下步骤：
S301，获取用户的二维脸部图像；
S302，将二维脸部图像输入至特征识别模型，以确定脸部特征点；
S303，根据脸部特征点的相对位置关系计算脸部特征参数；
S304，根据用户的脸部特征参数和预设的标准脸部特征参数的差别，计算用户的人脸颜值评分；用户的人脸颜值评分包括第一类型评分，和/或第二类型评分；其中，第一类型评分包括以下任意一种或多种：正脸外轮廓评分、正脸五官轮廓评分和侧脸轮廓评分；第二类型评分包括以下的任意一种或多种：面部结构评分、额颞部评分、眉眼部评分、颧部评分、鼻部评分、嘴部评分、颌颏部评分。
在该实施例中，用户的人脸颜值评分的计算方法包括两种方式，一种是按照脸部轮廓进行计算的，即第一类型评分，具体地，第一类型评分包括正脸外轮廓评分、正脸五官轮廓评分和侧脸轮廓评分中的任意一种或多种，根据用户的关于脸部轮廓的脸部特征参数和预设的关于脸部轮廓的标准脸部特征参数的差别，可以计算出第一类型评分，即可以得到用户人脸颜值评分；另一种是按照脸部部位进行计算的，即第二类型评分，第一类型评分包括面部结构评分、额颞部评分、眉眼部评分、颧部评分、鼻部评分、嘴部评分、颌颏部评分中的任意一种或多种，根据用户的关于脸部部位的脸部特征参数和预设的关于脸部部位的标准脸部特征参数的差别，可以计算出第二类型评分，即可以得到用户人脸颜值评分。
需要说明的是，预设的标准脸部特征参数是预先存储在***中的，包括标准脸部的全部特征参数，在计算用户的人脸颜值评分时，可以直接调取预设的标准脸部特征参数进行用户人脸颜值的计算。
在本申请的一个实施例中，优选地，获取预设的标准脸部特征参数方法，包括：
获取用户的属性数据，用户的属性数据包括以下数据的至少一种：年龄、种族、性别；
根据用户的属性数据选择对应的标准脸部特征参数；或
根据用户的属性数据选择对应的马夸特面具，提取马夸特面具所对应的标准脸部特征参数。
在该实施例中，为了统一颜值评判体系，本申请实施例提供的获取预设的标准脸部特征参数的方法，优选采用国际上符合黄金分割率(0.618)的马夸特面具作为颜值评判标准，其中，马夸特面具有年龄、种族及性别之分，具体地，可以事先对不同类型(年龄、种族、性别)的马夸特面具通过特征识别模型进行特征点的识别，进一步地，通过上述脸部特征参数的计算方法，计算得出马夸特面具的脸部特征参数，并将计算得出的不同类型的马夸特面具的多个脸部特征参数预先存储在***中，作为预设的标准脸部特征参数，进而可以在计算用户的人脸颜值评分时，直接调取预设的标准脸部特征参数进行用户人脸颜值的计算，或根据用户的属性数据选择对应的马夸特面具，进而提取马夸特面具所对应的标准脸部特征参数进行用户人脸颜值的计算。
需要说明的是，获取预设的标准脸部特征参数方法，也可以采用现有技术中的其他面具或方法获得。
在本申请的一个实施例中，优选地，正脸外轮廓评分是根据以下任意一个或多个脸部特征参数计算得到：脸部长宽比、上庭长度、额面宽、颞宽、颧宽、外面颊饱满度、颌宽、下庭长度、下颏长度；
正脸五官轮廓评分是根据以下任意一个或多个脸部特征参数计算得到：对称度、五官分布、眉尾长、眉扬角、眉间距、眉眼间距、眼长、眼裂大小、眼大小、眼扬角、眼间距、中庭长度、鼻翼宽度、鼻孔大小、人中长度、唇分线、唇扬角、唇闭合度、嘴大小、上唇薄厚、下唇薄厚；
侧脸轮廓评分包括90°侧脸轮廓评分，和/或45°侧脸轮廓评分；
90°侧脸轮廓评分是根据以下任意一个或多个脸部特征参数计算得到：额前倾度、额部饱满度、印堂高度、眼凸度、鼻根高度、鼻根形态、鼻梁形态、鼻头高度、鼻基底高、鼻唇角、上唇凸瘪、下唇凸瘪、下颏翘度、下颏前倾度、下颌缘清晰度、颌骨结构；
45°侧脸轮廓评分是根据以下任意一个或多个脸部特征参数计算得到：颧骨高度、苹果肌饱满度、内面颊饱满度；
面部结构评分是根据以下任意一个或多个脸部特征参数计算得到：脸部长宽比、上庭长度、中庭长度、下庭长度、颌骨结构、对称度、五官分布；
额颞部评分是根据以下任意一个或多个脸部特征参数计算得到：额面宽、额前倾度、额部饱满度、颞宽；眉眼部评分是根据以下任意一个或多个脸部特征参数计算得到：眉尾长、眉扬角、眉间距、眉眼间距、眼长、眼裂大小、眼大小、眼扬角、眼间距、眼凸度；颧部评分是根据以下任意一个或多个脸部特征参数计算得到：颧宽、颧骨高度；鼻部评分是根据以下任意一个或多个脸部特征参数计算得到：印堂高度、鼻根高度、鼻根形态、鼻梁形态、鼻头高度、鼻基底高、鼻翼宽度、鼻孔大小；嘴部评分是根据以下任意一个或多个脸部特征参数计算得到：人中长度、唇分线、唇扬角、唇闭合度、嘴大小、上唇薄厚、下唇薄厚、上唇凸瘪、下唇凸瘪；颌颏部评分是根据以下任意一个或多个脸部特征参数计算得到：颌宽、下颌缘清晰度、下颏长度、下颏翘度、下颏前倾度。
在该实施例中，人脸颜值评分可以根据第一类型评分计算得到，也可以根据第二类型评分计算得到，具体地，第一类型评分包括正脸外轮廓评分、正脸五官轮廓评分和侧脸轮廓评分中的任意一种或多种，其中，侧脸轮廓评分包括90°侧脸轮廓评分，和/或45°侧脸轮廓评分，第二类型评分包括面部结构评分、额颞部评分、眉眼部评分、颧部评分、鼻部评分、嘴部评分、颌颏部评分中的任意一种或多种，各轮廓评分根据相应脸部特征参数计算得到，各部位评分也根据相应脸部特征参数计算得到。
在本申请的一个实施例中，优选地，脸部长宽比是根据以下任意至少一个特征点计算得到的：额中点、颏底点、左颧骨高点、右颧骨高点；上庭长度是根据以下任意至少一个特征点计算得到的：额中点、印堂点、鼻唇角点；额面宽根据以下任意至少一个特征点计算得到的：左鬓角凸点、右鬓角凸点、左颧骨高点、右颧骨高点；颞宽是根据以下任意至少一个特征点计算得到的：左鬓角凹点、右鬓角凹点、左颧骨高点、右颧骨高点；颧宽是根据以下任意至少一个特征点计算得到的：左鬓角凹点、右鬓角凹点、左颧骨高点、右颧骨高点、左颧骨下缘点、右颧骨下缘点；外面颊饱满度是根据以下任意至少一个特征点计算得到的：左颧骨高点、右颧骨高点、左颧骨下缘点、右颧骨下缘点、左颌角点、右颌角点；颌宽是根据以下任意至少一个特征点计算得到的：左颧骨高点、右颧骨高点、左颌角点、右颌角点；下庭长度是根据以下任意至少一个特征点计算得到的：印堂点、鼻唇角点、颏底点；下颏长度是根据以下任意至少一个特征点计算得到的：印堂点、鼻唇角点、下唇底点、颏底点；对称度是根据以下任意至少一个特征点计算得到的：印堂点、鼻唇角点、左唇角点、右唇角点；五官分布是根据以下任意至少一个特征点计算得到的：额中点、左额角水平外延点、右额角水平外延点、左颧骨高点、右颧骨高点、左颌角点、右颌角点、颏底点、左眼外眦点、右眼外眦点、左唇角点、右唇角点；眉尾长是根据以下任意至少一个特征点计算得到的：左上眉头起点、右上眉头起点、左眉尾点、右眉尾点、左颧骨高点、右颧骨高点；眉扬角是根据以下任意至少一个特征点计算得到的：左上眉头起点、右上眉头起点、左眉尾点、右眉尾点；眉间距是根据以下任意至少一个特征点计算得到的：左上眉头起点、右上眉头起点、左颧骨高点、右颧骨高点；眉眼间距是根据以下任意至少一个特征点计算得到的：印堂点、鼻唇角点、左上眼眶顶点、右上眼眶顶点、左上睑缘顶点、右上睑缘顶点；眼长是根据以下任意至少一个特征点计算得到的：左眼内眦点、右眼内眦点、左眼外眦点、右眼外眦点、左颧骨高点、右颧骨高点；眼裂大小是根据以下任意至少一个特征点计算得到的：左上睑缘顶点、右上睑缘顶点、左下睑缘底点、右下睑缘底点、左颧骨高点、右颧骨高点；眼大小是根据以下任意至少一个特征点计算得到的：额中点、左额角水平外延点、右额角水平外延点、左颧骨高点、右颧骨高点、左颌角点、右颌角点、颏底点、左眼内眦点、右眼内眦点、左上睑缘顶点、右上睑缘顶点、左眼外眦点、右眼外眦点、左下睑缘底点、右下睑缘底点；眼扬角是根据以下任意至少一个特征点计算得到的：左眼内眦点、右眼内眦点、左眼外眦点、右眼外眦点；眼间距是根据以下任意至少一个特征点计算得到的：左眼外眦点、右眼外眦点、左颧骨高点、右颧骨高点；中庭长度是根据以下任意至少一个特征点计算得到的：额中点、印堂点、鼻唇角点、颏底点；鼻翼宽度是根据以下任意至少一个特征点计算得到的：左颧骨高点、右颧骨高点、左鼻翼宽点、右鼻翼宽点；鼻孔大小是根据以下任意至少一个特征点计算得到的：左鼻孔顶点、右鼻孔顶点、鼻唇角点；人中长度是根据以下任意至少一个特征点计算得到的：印堂点、鼻唇角点、唇谷点；唇分线是根据以下任意至少一个特征点计算得到的：鼻唇角点、唇珠中点、颏底点；唇扬角是根据以下任意至少一个特征点计算得到的：唇珠中点、左唇角点、右唇角点；唇闭合度是根据以下任意至少一个特征点计算得到的：左唇角点、右唇角点、唇珠中点、下内唇中点；嘴大小是根据以下任意至少一个特征点计算得到的：左颧骨高点、右颧骨高点、左唇角点、右唇角点；上唇薄厚是根据以下任意至少一个特征点计算得到的：印堂点、鼻唇角点、唇谷点、唇珠中点；下唇薄厚是根据以下任意至少一个特征点计算得到的：印堂点、鼻唇角点、下内唇中点、下唇底点；额前倾度是根据以下任意至少一个特征点计算得到的：侧额中点、侧印堂点；额部饱满度是根据以下任意至少一个特征点计算得到的：侧额中点、侧下额过度点、侧额末点；印堂高度是根据以下任意至少一个特征点计算得到的：侧对耳轮下脚缘点、侧下睑外缘底点、侧印堂点；眼凸度是根据以下任意至少一个特征点计算得到的：侧眼眶顶点、侧上睑外缘顶点；鼻根高度是根据以下任意至少一个特征点计算得到的：侧对耳轮下脚缘点、侧下睑外缘底点、侧鼻山根点；鼻根形态是根据以下任意至少一个特征点计算得到的：侧对耳轮下脚缘点、侧下睑外缘底点、侧印堂点、侧鼻山根点；鼻梁形态是根据以下任意至少一个特征点计算得到的：侧鼻梁起点、侧鼻梁高点、侧鼻头起点；鼻头高度是根据以下任意至少一个特征点计算得到的：侧对耳轮下脚缘点、侧下睑外缘底点、侧嘴角点、侧鼻头顶点；鼻基底高是根据以下任意至少一个特征点计算得到的：侧对耳轮下脚缘点、侧下睑外缘底点、侧嘴角点、侧鼻唇角点；鼻唇角是根据以下任意至少一个特征点计算得到的：侧鼻头顶点、侧鼻唇角点、侧上唇沿顶点；上唇凸瘪是根据以下任意至少一个特征点计算得到的：侧对耳轮下脚缘点、侧下睑外缘底点、侧上唇沿顶点、侧颏过度点、侧鼻唇角点；下唇凸瘪是根据以下任意至少一个特征点计算得到的：侧对耳轮下脚缘点、侧下睑外缘底点、侧上唇沿顶点、侧下唇下拐点、侧颏过度点、侧鼻唇角点；下颏翘度是根据以下任意至少一个特征点计算得到的：侧对耳轮下脚缘点、侧下睑外缘底点、侧下睑外缘底点、侧颏唇沟凹点、侧颏过度点；下颏前倾度是根据以下任意至少一个特征点计算得到的：侧对耳轮下脚缘点、侧下睑外缘底点、侧下睑外缘底点、侧颏过度点；下颌缘清晰度是根据以下任意至少一个特征点计算得到的：侧耳垂底点、侧颏下缘点、侧颈颚拐点；颌骨结构是根据以下任意至少一个特征点计算得到的：侧对耳轮下脚缘点、侧下睑外缘底点、侧嘴角点；颧骨高度是根据以下任意至少一个特征点计算得到的：斜上颧点、斜颧骨拐点、斜苹果肌高点；苹果肌饱满度是根据以下任意至少一个特征点计算得到的：斜颧骨过渡点、斜苹果肌高点、斜内面颊起点；内面颊饱满度是根据以下任意至少一个特征点计算得到的：斜内面颊点、斜内面颊末点、斜颏起点。
在该实施例中，用户的各脸部特征参数根据多个特征点的相对位置关系得到。
下面以具体的几个实例来说明正脸的脸部特征参数的计算过程：
实例1：计算眼大小的特征参数：
如图7a所示，图中标记出了如下特征点：MEB(额中点)，LN1(左额角水平外延点)，RN1(右额角水平外延点)，LQ1(左颧骨高点)，RQ1(右颧骨高点)，LH1(左颌角点)，RH1(右颌角点)，MKB(颏底点)，LY1(左眼内眦点)，RY1(右眼内眦点)，LY3(左上睑缘顶点)，RY3(右上睑缘顶点)，LY5(左眼外眦点)，RY5(右眼外眦点)，LY7(左下睑缘底点)，RY7(右下睑缘底点)；
计算公式：
平均眼裂高度YH＝[(LY3-LY7)+(RY3-RY7)]/2＝[((971，698)-(979，760))+((602，692)-(604，755))]/2≈125.21；
平均眼宽YW＝[(LY5-LY1)+(RY1-RY5)]/2＝[((1056，736)-(900，747))+((675，748)-(513，727))]/2≈320.01；
脸部面积MS＝S(MEB，LN1，LQ1，LH1，MKB，RH1，RQ1，RN1)＝[(780，283)，(1117，424)，(1198，788)，(1117，1142)，(799，1393)，(448，1143)，(362，789)，(438，420)]＝560250.47；
眼部面积YS＝2×YH×YW≈20034.28；
眼大小的特征参数K1＝100×YS/MS≈3.58。
实例2：计算中庭长度的特征参数：
如图7b所示，图中标记出了如下特征点：MEB(额中点)，MYT(印堂点)，MBC(鼻唇角点)，MKB(颏底点)；
计算公式：
脸长LL＝MEB-MKB＝(780，283)-(799，1393)≈1110.85；
中庭长度ZL＝MYT-MBC＝(788，624)-(790，1034)≈409.7；
中庭长度的特征参数K2＝ZL/LL≈0.37。
实例3：计算颧宽的特征参数：
如图7c所示，图中标记出了如下特征点：RN3(右鬓角凹点)，LN3(左鬓角凹点)，RQ1(右颧骨高点)，LQ1(左颧骨高点)，RW1(右颧骨下缘点)，LW1(左颧骨下缘点)；
计算公式：
颞宽NW＝RN3-LN3＝(360，620)-(1197，644)≈838.16；
脸宽LW＝RQ1-LQ1＝(362，789)-(1198，788)≈835.3；
外面颊宽WW＝RW1-LW1＝(397，972)-(1162，978)≈764.62；
颧宽的特征参数K3＝(NW+WW)/2/LW≈1；
下面以具体的几个实例来说明90°侧脸的脸部特征参数的计算过程：
实例4：计算鼻基底高的特征参数：
如图7d所示，图中标记出了如下特征点：CE1(侧对耳轮下脚缘点)，CY3(侧下睑外缘顶点)，CBJ(侧鼻基底点)，CC5(侧嘴角点)；
计算公式：
EE线(CE1点与CY3点连线)长度EE＝CE1-CY3≈490.43；
EL线(CY3点与CC5点连线)；
BJ线(CBJ点到EL线)长度BJ≈62.13；
鼻基底的特征参数K4＝BJ/EE≈7.89。
实例5：计算鼻唇角的特征参数：
如图7e所示，图中标记出了如下特征点：CZ1(侧鼻小柱中点)，CZ2(侧鼻唇角点)，CRZ(侧人中中点)；
计算公式：
鼻唇角点CZ1和点CZ2的连线，与点CZ2和点CRZ的连线右侧夹角A；
鼻唇角的特征参数A≈104.14°。
下面以具体的几个实例来说明45°侧脸的脸部特征参数的计算过程：
实例6：计算颧骨高度的特征参数：
如图7f所示，图中标记出了如下特征点：XQ1(斜上颧点)，XQ2(斜颧骨拐点)，XQ4(斜苹果肌高点)；
计算公式：
颧骨高度点XQ1和点XQ2的连线，与点XQ2和点XQ4的连线左侧夹角A；
颧骨高度的特征参数A≈158.74°。
实例7：计算苹果肌饱满度的特征参数：
如图7g所示，图中标记出了如下特征点：XQ3(斜颧骨过渡点)，XQ4(斜苹果肌高点)，XN1(斜内面颊起点)；
计算公式：
苹果肌饱满度点XQ3和点XQ4的连线，与点XQ4和点XN1的连线左侧夹角A；
苹果肌饱满度特征值A≈175.49°。
在本申请的一个实施例中，优选地，步骤根据用户的脸部特征参数和预设的标准脸部特征参数的差别，计算用户的人脸颜值评分包括：
根据第一类型评分中的至少两种评分的加权之和计算用户的人脸颜值评分；或，
根据第二类型评分中的至少两种评分的加权之和计算用户的人脸颜值评分。
在该实施例中，根据用户脸部特征参数计算和预设的标准脸部特征参数计算用户脸部轮廓评分和/或用户脸部部位评分的过程如下：
下面以具体的几个实例来说明脸部轮廓的颜值评分的计算过程：
分别计算用户的正脸外轮廓、正脸五官轮廓、90°侧脸轮廓和45°轮廓的颜值评分；
用户正脸外轮廓总特征参数＝用户正脸脸部外轮廓所属区域内的各特征参数的总和；
用户正脸外轮廓颜值评分＝用户正脸外轮廓总特征参数÷预设的标准正脸外轮廓总特征参数×100；
用户正脸五官轮廓总特征参数＝用户正脸五官轮廓所属区域内的各特征参数的总和；
用户正脸五官轮廓颜值评分＝用户正脸五官轮廓总特征参数÷预设的标准正脸五官轮廓总特征参数×100；
用户90°侧脸轮廓总特征参数＝用户90°侧脸脸部轮廓所属区域内的各特征参数的总和；
用户90°侧脸轮廓颜值评分＝用户90°侧脸轮廓总特征参数÷预设的标准90°侧脸轮廓总特征参数×100；
用户45°侧脸轮廓总特征参数＝用户45°侧脸脸部轮廓所属区域内的各特征参数的总和；
用户45°侧脸轮廓颜值评分＝用户45°侧脸轮廓总特征参数÷预设的标准45°侧脸轮廓总特征参数×100；
优选的，用户人脸颜值评分的计算公式：
用户人脸颜值评分＝用户正脸外轮廓颜值评分×正脸外轮廓权重百分比+用户正脸五官轮廓颜值评分×正脸五官轮廓权重百分比+用户90°侧脸轮廓颜值评分×90°侧脸轮廓权重百分比+用户45°侧脸轮廓颜值评分×45°侧脸轮廓权重百分比。
需要说明的是，各个轮廓的权重百分比可以结合认知神经学、美学和医学，并通过大量实验验证脸部轮廓对人相貌的影响，将影响较大的轮廓的权重分值设为高分，影响较小的轮廓的权重分值设为低分；当然，也可以根据用户或医生的选择进行设置。
下面以具体的几个实例来说明脸部部位的颜值评分的计算过程：
分别计算用户的面部结构、额颞部、眉眼部、颧部、鼻部、嘴部、颌颏部的颜值评分；
用户人脸颜值评分＝面部结构颜值评分×面部结构权重百分比+额颞部颜值评分×额颞部权重百分比+眉眼部颜值评分×眉眼部权重百分比+颧部颜值评分×颧部权重百分比+鼻部颜值评分×鼻部权重百分比+嘴部颜值评分×嘴部权重百分比+颌颏部颜值评分×颌颏部权重百分比；
下面以面部结构颜值评分的计算过程为例：
用户面部结构颜值评分＝用户面部结构所属区域内各特征参数的分值总和÷预设的标准面部结构所属区域内各特征参数的分值总和×面部结构的影响值；
以脸部长宽比为例：
用户脸部长宽比分值＝[1-(用户脸部长宽比特征参数-预设的标准脸部长宽比特征参数)÷预设的标准脸部长宽比特征参数÷脸部长宽比取值幅度]×预设的标准脸部长宽比分值；
脸部长宽比取值幅度＝[(脸部长宽比最大特征参数-预设的标准脸部长宽比特征参数)÷(预设的标准脸部长宽比特征参数×脸部长宽比权重分值)+(预设的标准脸部长宽比特征参数-脸部长宽比最小特征参数)÷(预设的标准脸部长宽比特征参数×脸部长宽比权重分值)]÷2；
预设的标准脸部长宽比分值＝按视觉等级权重设定的分值；
面部结构的影响值＝面部结构部位所包含参数影响值总和×面部结构视觉等级权重值；
根据脸部长宽比的取值幅度，设定不同跨度区间的影响分值，计算用户和预设的标准脸部长宽比特征参数的第二偏差值，与脸部长宽比影响值宽度区间进行比对，得出所在跨度区间的影响值；面部结构权重百分比，根据视觉等级权重，设定面部结构在所有参与颜值计算的区域结构和区域形态所占的百分比值。
基于同一发明构思，本申请第二方面的实施例中还提供了与人脸颜值计算方法对应的计算装置，由于本申请实施例中的计算装置解决问题的原理与本申请实施例上述计算方法相似，因此装置的实施可以参见方法的实施，重复之处不再赘述。
本申请第二方面的实施例，如图8所示，为本申请实施例所提供的一种人脸颜值计算装置的结构示意图，该装置包括：
获取模块10，用于获取用户的二维脸部图像；
识别模块20，用于将二维脸部图像输入至特征识别模型，以确定脸部特征点；
计算模块30，用于根据脸部特征点的相对位置关系计算人脸颜值评分。
在本申请的一个实施例中，优选地，获取模块10包括：获取模块10，还用于获取用户的三维脸部图像；其中，三维脸部图像是使用三维扫描装置对用户的脸部进行扫描得到的；映射模块，用于对三维脸部图像进行指定角度的映射，以确定二维脸部图像。
在本申请的一个实施例中，优选地，计算模块30还用于：根据脸部特征点的相对位置关系计算脸部特征参数；根据脸部特征参数计算人脸颜值评分。
在本申请的一个实施例中，优选地，计算模块30还用于：根据用户的脸部特征参数和预设的标准脸部特征参数的差别，计算用户的人脸颜值评分；用户的人脸颜值评分包括第一类型评分，和/或第二类型评分；其中，第一类型评分包括以下任意一种或多种：正脸外轮廓评分、正脸五官轮廓评分和侧脸轮廓评分；第二类型评分包括以下的任意一种或多种：面部结构评分、额颞部评分、眉眼部评分、颧部评分、鼻部评分、嘴部评分、颌颏部评分。
在本申请的一个实施例中，优选地，装置还包括：获取模块10，还用于获取用户的属性数据，用户的属性数据包括以下数据的至少一种：年龄、种族、性别；选择模块，用于根据用户的属性数据选择对应的标准脸部特征参数；或提取模块，用于根据用户的属性数据选择对应的马夸特面具，提取马夸特面具所对应的标准脸部特征参数。
在本申请的一个实施例中，优选地，计算模块30还用于：根据第一类型评分中的至少两种评分的加权之和计算用户的人脸颜值评分；或，根据第二类型评分中的至少两种评分的加权之和计算用户的人脸颜值评分。
本申请第三方面的实施例，如图9所示，为本申请实施例所提供的一种电子设备示意图，该设备包括：处理器100、存储器200和总线300，存储器200存储有处理器100可执行的机器可读指令，当电子设备运行时，处理器100与存储器200之间通过总线300通信，机器可读指令被处理器100执行时执行如上述任一项的人脸颜值计算方法的步骤。
本申请第四方面的实施例，提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器运行时执行上述任一项的人脸颜值计算方法的步骤。
本申请实施例所提供的进行人脸颜值计算方法的计算机程序产品，包括存储了处理器100可执行的非易失的程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。
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***、装置和单元的具体工作过程，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，应该理解到，所揭露的***、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***，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该技术方案的部分可以以软件产品的形式体现出来，该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-OnlyMemory，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。
最后应说明的是：以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：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，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围，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所述以权利要求的保护范围为准。

Claims (10)

1.一种人脸颜值计算方法，其特征在于，包括：
获取用户的二维脸部图像；
将二维脸部图像输入至特征识别模型，以确定脸部特征点；
根据脸部特征点的相对位置关系计算人脸颜值评分。
2.根据权利要求1所述的方法，其特征在于，步骤获取用户的二维脸部图像包括：
获取用户的三维脸部图像；其中，三维脸部图像是使用三维扫描装置对用户的脸部进行扫描得到的；
对三维脸部图像进行指定角度的映射，以确定二维脸部图像。
3.根据权利要求1所述的方法，其特征在于，步骤根据脸部特征点的相对位置关系计算人脸颜值评分包括：
根据脸部特征点的相对位置关系计算脸部特征参数；
根据脸部特征参数计算人脸颜值评分；
其中，脸部特征参数包括正脸、90°侧脸以及45°侧脸的脸部特征参数中的任意一个或多个：
正脸的脸部特征参数包括以下任意一个或多个脸部特征参数：脸部长宽比、上庭长度、额面宽、颞宽、颧宽、外面颊饱满度、颌宽、下庭长度、下颏长度、对称度、五官分布、眉尾长、眉扬角、眉间距、眉眼间距、眼长、眼裂大小、眼大小、眼扬角、眼间距、中庭长度、鼻翼宽度、鼻孔大小、人中长度、唇分线、唇扬角、唇闭合度、嘴大小、上唇薄厚、下唇薄厚；
90°侧脸的脸部特征参数包括以下任意一个或多个脸部特征参数：额前倾度、额部饱满度、印堂高度、眼凸度、鼻根高度、鼻根形态、鼻梁形态、鼻头高度、鼻基底高、鼻唇角、上唇凸瘪、下唇凸瘪、下颏翘度、下颏前倾度、下颌缘清晰度、颌骨结构；
45°侧脸的脸部特征参数包括以下任意一个或多个脸部特征参数：颧骨高度、苹果肌饱满度、内面颊饱满度。
4.根据权利要求3所述的方法，其特征在于，步骤根据脸部特征参数计算人脸颜值评分包括：
根据用户的脸部特征参数和预设的标准脸部特征参数的差别，计算用户的人脸颜值评分；用户的人脸颜值评分包括第一类型评分，和/或第二类型评分；
其中，第一类型评分包括以下任意一种或多种：正脸外轮廓评分、正脸五官轮廓评分和侧脸轮廓评分；第二类型评分包括以下的任意一种或多种：面部结构评分、额颞部评分、眉眼部评分、颧部评分、鼻部评分、嘴部评分、颌颏部评分。
5.根据权利要求4所述的方法，其特征在于，还包括：
获取用户的属性数据，用户的属性数据包括以下数据的至少一种：年龄、种族、性别；
根据用户的属性数据选择对应的标准脸部特征参数；或
根据用户的属性数据选择对应的马夸特面具，提取马夸特面具所对应的标准脸部特征参数。
6.根据权利要求4所述的方法，其特征在于，
正脸外轮廓评分是根据以下任意一个或多个脸部特征参数计算得到：脸部长宽比、上庭长度、额面宽、颞宽、颧宽、外面颊饱满度、颌宽、下庭长度、下颏长度；
正脸五官轮廓评分是根据以下任意一个或多个脸部特征参数计算得到：对称度、五官分布、眉尾长、眉扬角、眉间距、眉眼间距、眼长、眼裂大小、眼大小、眼扬角、眼间距、中庭长度、鼻翼宽度、鼻孔大小、人中长度、唇分线、唇扬角、唇闭合度、嘴大小、上唇薄厚、下唇薄厚；
侧脸轮廓评分包括90°侧脸轮廓评分，和/或45°侧脸轮廓评分；
90°侧脸轮廓评分是根据以下任意一个或多个脸部特征参数计算得到：额前倾度、额部饱满度、印堂高度、眼凸度、鼻根高度、鼻根形态、鼻梁形态、鼻头高度、鼻基底高、鼻唇角、上唇凸瘪、下唇凸瘪、下颏翘度、下颏前倾度、下颌缘清晰度、颌骨结构；
45°侧脸轮廓评分是根据以下任意一个或多个脸部特征参数计算得到：颧骨高度、苹果肌饱满度、内面颊饱满度；
面部结构评分是根据以下任意一个或多个脸部特征参数计算得到：脸部长宽比、上庭长度、中庭长度、下庭长度、颌骨结构、对称度、五官分布；
额颞部评分是根据以下任意一个或多个脸部特征参数计算得到：额面宽、额前倾度、额部饱满度、颞宽；
眉眼部评分是根据以下任意一个或多个脸部特征参数计算得到：眉尾长、眉扬角、眉间距、眉眼间距、眼长、眼裂大小、眼大小、眼扬角、眼间距、眼凸度；
颧部评分是根据以下任意一个或多个脸部特征参数计算得到：颧宽、颧骨高度；
鼻部评分是根据以下任意一个或多个脸部特征参数计算得到：印堂高度、鼻根高度、鼻根形态、鼻梁形态、鼻头高度、鼻基底高、鼻翼宽度、鼻孔大小；
嘴部评分是根据以下任意一个或多个脸部特征参数计算得到：人中长度、唇分线、唇扬角、唇闭合度、嘴大小、上唇薄厚、下唇薄厚、上唇凸瘪、下唇凸瘪；
颌颏部评分是根据以下任意一个或多个脸部特征参数计算得到：颌宽、下颌缘清晰度、下颏长度、下颏翘度、下颏前倾度。
7.根据权利要求6所述的方法，其特征在于，
脸部长宽比是根据以下任意至少一个特征点计算得到的：额中点、颏底点、左颧骨高点、右颧骨高点；
上庭长度是根据以下任意至少一个特征点计算得到的：额中点、印堂点、鼻唇角点；
额面宽根据以下任意至少一个特征点计算得到的：左鬓角凸点、右鬓角凸点、左颧骨高点、右颧骨高点；
颞宽是根据以下任意至少一个特征点计算得到的：左鬓角凹点、右鬓角凹点、左颧骨高点、右颧骨高点；
颧宽是根据以下任意至少一个特征点计算得到的：左鬓角凹点、右鬓角凹点、左颧骨高点、右颧骨高点、左颧骨下缘点、右颧骨下缘点；
外面颊饱满度是根据以下任意至少一个特征点计算得到的：左颧骨高点、右颧骨高点、左颧骨下缘点、右颧骨下缘点、左颌角点、右颌角点；
颌宽是根据以下任意至少一个特征点计算得到的：左颧骨高点、右颧骨高点、左颌角点、右颌角点；
下庭长度是根据以下任意至少一个特征点计算得到的：印堂点、鼻唇角点、颏底点；
下颏长度是根据以下任意至少一个特征点计算得到的：印堂点、鼻唇角点、下唇底点、颏底点；
对称度是根据以下任意至少一个特征点计算得到的：印堂点、鼻唇角点、左唇角点、右唇角点；
五官分布是根据以下任意至少一个特征点计算得到的：额中点、左额角水平外延点、右额角水平外延点、左颧骨高点、右颧骨高点、左颌角点、右颌角点、颏底点、左眼外眦点、右眼外眦点、左唇角点、右唇角点；
眉尾长是根据以下任意至少一个特征点计算得到的：左上眉头起点、右上眉头起点、左眉尾点、右眉尾点、左颧骨高点、右颧骨高点；
眉扬角是根据以下任意至少一个特征点计算得到的：左上眉头起点、右上眉头起点、左眉尾点、右眉尾点；
眉间距是根据以下任意至少一个特征点计算得到的：左上眉头起点、右上眉头起点、左颧骨高点、右颧骨高点；
眉眼间距是根据以下任意至少一个特征点计算得到的：印堂点、鼻唇角点、左上眼眶顶点、右上眼眶顶点、左上睑缘顶点、右上睑缘顶点；
眼长是根据以下任意至少一个特征点计算得到的：左眼内眦点、右眼内眦点、左眼外眦点、右眼外眦点、左颧骨高点、右颧骨高点；
眼裂大小是根据以下任意至少一个特征点计算得到的：左上睑缘顶点、右上睑缘顶点、左下睑缘底点、右下睑缘底点、左颧骨高点、右颧骨高点；
眼大小是根据以下任意至少一个特征点计算得到的：额中点、左额角水平外延点、右额角水平外延点、左颧骨高点、右颧骨高点、左颌角点、右颌角点、颏底点、左眼内眦点、右眼内眦点、左上睑缘顶点、右上睑缘顶点、左眼外眦点、右眼外眦点、左下睑缘底点、右下睑缘底点；
眼扬角是根据以下任意至少一个特征点计算得到的：左眼内眦点、右眼内眦点、左眼外眦点、右眼外眦点；
眼间距是根据以下任意至少一个特征点计算得到的：左眼外眦点、右眼外眦点、左颧骨高点、右颧骨高点；
中庭长度是根据以下任意至少一个特征点计算得到的：额中点、印堂点、鼻唇角点、颏底点；
鼻翼宽度是根据以下任意至少一个特征点计算得到的：左颧骨高点、右颧骨高点、左鼻翼宽点、右鼻翼宽点；
鼻孔大小是根据以下任意至少一个特征点计算得到的：左鼻孔顶点、右鼻孔顶点、鼻唇角点；
人中长度是根据以下任意至少一个特征点计算得到的：印堂点、鼻唇角点、唇谷点；
唇分线是根据以下任意至少一个特征点计算得到的：鼻唇角点、唇珠中点、颏底点；
唇扬角是根据以下任意至少一个特征点计算得到的：唇珠中点、左唇角点、右唇角点；
唇闭合度是根据以下任意至少一个特征点计算得到的：左唇角点、右唇角点、唇珠中点、下内唇中点；
嘴大小是根据以下任意至少一个特征点计算得到的：左颧骨高点、右颧骨高点、左唇角点、右唇角点；
上唇薄厚是根据以下任意至少一个特征点计算得到的：印堂点、鼻唇角点、唇谷点、唇珠中点；
下唇薄厚是根据以下任意至少一个特征点计算得到的：印堂点、鼻唇角点、下内唇中点、下唇底点；
额前倾度是根据以下任意至少一个特征点计算得到的：侧额中点、侧印堂点；
额部饱满度是根据以下任意至少一个特征点计算得到的：侧额中点、侧下额过度点、侧额末点；
印堂高度是根据以下任意至少一个特征点计算得到的：侧对耳轮下脚缘点、侧下睑外缘底点、侧印堂点；
眼凸度是根据以下任意至少一个特征点计算得到的：侧眼眶顶点、侧上睑外缘顶点；
鼻根高度是根据以下任意至少一个特征点计算得到的：侧对耳轮下脚缘点、侧下睑外缘底点、侧鼻山根点；
鼻根形态是根据以下任意至少一个特征点计算得到的：侧对耳轮下脚缘点、侧下睑外缘底点、侧印堂点、侧鼻山根点；
鼻梁形态是根据以下任意至少一个特征点计算得到的：侧鼻梁起点、侧鼻梁高点、侧鼻头起点；
鼻头高度是根据以下任意至少一个特征点计算得到的：侧对耳轮下脚缘点、侧下睑外缘底点、侧嘴角点、侧鼻头顶点；
鼻基底高是根据以下任意至少一个特征点计算得到的：侧对耳轮下脚缘点、侧下睑外缘底点、侧嘴角点、侧鼻唇角点；
鼻唇角是根据以下任意至少一个特征点计算得到的：侧鼻头顶点、侧鼻唇角点、侧上唇沿顶点；
上唇凸瘪是根据以下任意至少一个特征点计算得到的：侧对耳轮下脚缘点、侧下睑外缘底点、侧上唇沿顶点、侧颏过度点、侧鼻唇角点；
下唇凸瘪是根据以下任意至少一个特征点计算得到的：侧对耳轮下脚缘点、侧下睑外缘底点、侧上唇沿顶点、侧下唇下拐点、侧颏过度点、侧鼻唇角点；
下颏翘度是根据以下任意至少一个特征点计算得到的：侧对耳轮下脚缘点、侧下睑外缘底点、侧下睑外缘底点、侧颏唇沟凹点、侧颏过度点；
下颏前倾度是根据以下任意至少一个特征点计算得到的：侧对耳轮下脚缘点、侧下睑外缘底点、侧下睑外缘底点、侧颏过度点；
下颌缘清晰度是根据以下任意至少一个特征点计算得到的：侧耳垂底点、侧颏下缘点、侧颈颚拐点；
颌骨结构是根据以下任意至少一个特征点计算得到的：侧对耳轮下脚缘点、侧下睑外缘底点、侧嘴角点；
颧骨高度是根据以下任意至少一个特征点计算得到的：斜上颧点、斜颧骨拐点、斜苹果肌高点；
苹果肌饱满度是根据以下任意至少一个特征点计算得到的：斜颧骨过渡点、斜苹果肌高点、斜内面颊起点；
内面颊饱满度是根据以下任意至少一个特征点计算得到的：斜内面颊点、斜内面颊末点、斜颏起点。
8.根据权利要求7所述的方法，其特征在于，步骤根据用户的脸部特征参数和预设的标准脸部特征参数的差别，计算用户的人脸颜值评分包括：
根据第一类型评分中的至少两种评分的加权之和计算用户的人脸颜值评分；或，
根据第二类型评分中的至少两种评分的加权之和计算用户的人脸颜值评分。
9.一种人脸颜值计算装置，其特征在于，包括：
获取模块，用于获取用户的二维脸部图像；
识别模块，用于将二维脸部图像输入至特征识别模型，以确定脸部特征点；
计算模块，用于根据脸部特征点的相对位置关系计算人脸颜值评分。
10.一种电子设备，其特征在于，包括：处理器、存储器和总线，存储器存储有处理器可执行的机器可读指令，当电子设备运行时，处理器与存储器之间通过总线通信，机器可读指令被处理器执行时执行如权利要求1至8中任一项的人脸颜值计算方法的步骤。
CN201811045723.8A 2018-09-07 2018-09-07 人脸颜值计算方法、计算装置及电子设备 Pending CN109284778A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811045723.8A CN109284778A (zh) 2018-09-07 2018-09-07 人脸颜值计算方法、计算装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811045723.8A CN109284778A (zh) 2018-09-07 2018-09-07 人脸颜值计算方法、计算装置及电子设备

Publications (1)

Publication Number Publication Date
CN109284778A true CN109284778A (zh) 2019-01-29

Family

ID=65184344

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811045723.8A Pending CN109284778A (zh) 2018-09-07 2018-09-07 人脸颜值计算方法、计算装置及电子设备

Country Status (1)

Country Link
CN (1) CN109284778A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110784600A (zh) * 2019-11-28 2020-02-11 西南民族大学 一种对人眼与手机距离进行检测的装置及方法
CN111429439A (zh) * 2020-03-31 2020-07-17 北京新氧科技有限公司 一种美学特征评测方法、装置及终端
WO2021057062A1 (zh) * 2019-09-23 2021-04-01 平安科技（深圳）有限公司 颜值判定模型优化方法、装置、电子设备及存储介质
CN113705444A (zh) * 2021-08-27 2021-11-26 成都玻尔兹曼智贝科技有限公司 一种面部发育分析评估方法及***
CN113822171A (zh) * 2021-08-31 2021-12-21 苏州中科先进技术研究院有限公司 一种宠物颜值评分方法、装置、存储介质及设备
CN116580435A (zh) * 2023-04-23 2023-08-11 深圳市爱彼利科技有限公司 用于颜值评分的数据处理方法和装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101305913A (zh) * 2008-07-11 2008-11-19 华南理工大学 一种基于视频的人脸美丽评价方法
CN106264468A (zh) * 2016-08-09 2017-01-04 广州比特软件科技有限公司 基于医学人体美学和个性特征的人脸美丽度评价方法
CN108304811A (zh) * 2018-02-07 2018-07-20 人加智能机器人技术（北京）有限公司 基于rgbd信息的三维人脸颜值评分方法、装置及***

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101305913A (zh) * 2008-07-11 2008-11-19 华南理工大学 一种基于视频的人脸美丽评价方法
CN106264468A (zh) * 2016-08-09 2017-01-04 广州比特软件科技有限公司 基于医学人体美学和个性特征的人脸美丽度评价方法
CN108304811A (zh) * 2018-02-07 2018-07-20 人加智能机器人技术（北京）有限公司 基于rgbd信息的三维人脸颜值评分方法、装置及***

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
韩晓旭: ""东方女性人脸颜值量化算法研究"", 《中国优秀硕士学位论文全文数据库》 *
马燕等: "《二维及三维人脸识别技术》", 31 August 2007, 上海文艺出版社 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021057062A1 (zh) * 2019-09-23 2021-04-01 平安科技（深圳）有限公司 颜值判定模型优化方法、装置、电子设备及存储介质
CN110784600A (zh) * 2019-11-28 2020-02-11 西南民族大学 一种对人眼与手机距离进行检测的装置及方法
CN111429439A (zh) * 2020-03-31 2020-07-17 北京新氧科技有限公司 一种美学特征评测方法、装置及终端
CN113705444A (zh) * 2021-08-27 2021-11-26 成都玻尔兹曼智贝科技有限公司 一种面部发育分析评估方法及***
CN113822171A (zh) * 2021-08-31 2021-12-21 苏州中科先进技术研究院有限公司 一种宠物颜值评分方法、装置、存储介质及设备
CN116580435A (zh) * 2023-04-23 2023-08-11 深圳市爱彼利科技有限公司 用于颜值评分的数据处理方法和装置

Similar Documents

Publication Publication Date Title
CN109284778A (zh) 人脸颜值计算方法、计算装置及电子设备
US10667697B2 (en) Identification of posture-related syncope using head-mounted sensors
JP6960494B2 (ja) 眼画像の収集、選択および組み合わせ
CN108780228B (zh) 利用映像的增强现实***和方法
CN108171789B (zh) 一种虚拟形象生成方法和***
CN101847268B (zh) 一种基于人脸图像的卡通人脸图形生成方法和装置
US20200090392A1 (en) Method of Facial Expression Generation with Data Fusion
CN103488299B (zh) 一种融合人脸和手势的智能终端人机交互方法
JP4692526B2 (ja) 視線方向の推定装置、視線方向の推定方法およびコンピュータに当該視線方向の推定方法を実行させるためのプログラム
CN101779218A (zh) 化妆模拟***、化妆模拟装置、化妆模拟方法以及化妆模拟程序
CN106650654B (zh) 一种基于人体头部彩色点云模型的三维发际线提取方法
CN103761508A (zh) 一种融合人脸和手势的生物识别方法和***
CN104331564B (zh) 基于终端设备的妆饰指导方法和终端设备
CN105874378A (zh) 用于确定定制光学设备的几何定义的方法
Lou et al. A review on automated facial nerve function assessment from visual face capture
CN104573634A (zh) 一种三维人脸识别方法
CN108921148A (zh) 确定正脸倾斜角度的方法及装置
JP2020177620A (ja) アバター用の３ｄ顔モデルを生成する方法及び関連デバイス
CN107422844A (zh) 一种信息处理方法及电子设备
CN109255327A (zh) 人脸特征信息的获取方法、脸部整形手术评价方法及装置
CN109145865A (zh) 人脸标准程度计算方法及装置
CN109255328A (zh) 用户气质确定方法及装置
WO2021049059A1 (ja) 画像処理方法、画像処理装置、及び画像処理プログラム
JP2021135995A (ja) アバター表情生成システム及びアバター表情生成方法
CN109214339A (zh) 人脸脸型、脸部整形手术的计算方法及计算装置

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20190129