CN109840476A - 一种脸型检测方法及终端设备 - Google Patents
一种脸型检测方法及终端设备 Download PDFInfo
- Publication number
- CN109840476A CN109840476A CN201811635950.6A CN201811635950A CN109840476A CN 109840476 A CN109840476 A CN 109840476A CN 201811635950 A CN201811635950 A CN 201811635950A CN 109840476 A CN109840476 A CN 109840476A
- Authority
- CN
- China
- Prior art keywords
- image
- target object
- block
- profile information
- terminal device
- 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.)
- Granted
Links
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例公开了一种脸型检测方法及终端设备,涉及终端技术领域,用以解决现有脸型检测技术的鲁棒性较差的问题。该方法包括:获取目标对象的第一图像和第二图像,该第一图像为深度图像,该第二图像为二维图像,该目标对象包括人脸;根据该第一图像,获取该目标对象的轮廓信息;根据该轮廓信息,处理该第二图像中的该目标对象,得到第三图像;根据该第三图像中的该目标对象的特征信息,生成脸型检测结果。该方案具体应用于脸型检测的场景中。
Description
技术领域
本发明实施例涉及终端技术领域,尤其涉及一种脸型检测方法及终端设备。
背景技术
随着终端技术的不断发展,终端设备的应用越来越广泛。例如,很多场景下都需要进行人脸属性分析,而脸型检测是人脸属性分析的常见算法之一。
目前,比较常用的脸型检测方法包括:基于几何局部特征模板匹配的方法和基于参数寻优的方法进行脸型检测。上述两种方法均需要对输入的二维人脸图像进行特征建模,然而,在拍摄二维图像的过程中,因受光照,背景等影响(强光照或者弱光照都会使人像区域模糊,类人像背景会对人像区域造成干扰),可能会弱化人像边缘特征,从而对特征建模影响非常大。因此,导致现有脸型检测技术的鲁棒性较差。
发明内容
本发明实施例提供一种脸型检测方法及终端设备,以解决现有脸型检测技术的鲁棒性较差的问题。
为了解决上述技术问题,本发明是这样实现的:
第一方面,本发明实施例提供了一种脸型检测方法,该方法包括:获取目标对象的第一图像和第二图像,该第一图像为深度图像,该第二图像为二维图像,该目标对象包括人脸;根据该第一图像,获取该目标对象的轮廓信息;根据该轮廓信息,处理该第二图像中的该目标对象,得到第三图像;根据该第三图像中的该目标对象的特征信息,生成脸型检测结果。
第二方面,本发明实施例提供了一种终端设备,该终端设备包括:获取模块、处理模块和生成模块;该获取模块,用于获取目标对象的第一图像和第二图像,该第一图像为深度图像,该第二图像为二维图像,该目标对象包括人脸;根据该第一图像,获取该目标对象的轮廓信息;该处理模块,用于根据该获取模块获取的该轮廓信息,处理该第二图像中的该目标对象,得到第三图像;该生成模块,用于根据该处理模块得到的该第三图像中的该目标对象的特征信息,生成脸型检测结果。
第三方面,本发明实施例提供了一种终端设备,包括处理器、存储器及存储在该存储器上并可在该处理器上运行的计算机程序,该计算机程序被该处理器执行时实现如第一方面中的脸型检测方法的步骤。
第四方面,本发明实施例提供了一种计算机可读存储介质,该计算机可读存储介质上存储计算机程序,该计算机程序被处理器执行时实现如第一方面中的脸型检测方法的步骤。
在本发明实施例中,终端设备可以先根据包括目标对象的深度图像,获得目标对象的轮廓信息,再根据轮廓信息,对包括目标对象的二维图像进行处理,以得到第三图像,最后对第三图像中的人脸区域进行脸型检测,生成脸型检测结果。通过该方案,由于光照和类背景等因素虽然对二维图像中的人像特征影响很大,但是对深度图像的人像特征几乎没有影响,因此结合第一图像,对第二图像进行处理,然后对得到的第三图像进行脸型检测得到的脸型检测结果,相比直接对第二图像进行脸型检测得到的脸型检测结果更准确,从而可以提高脸型检测技术的鲁棒性。
附图说明
图1为本发明实施例提供的一种可能的安卓操作***的架构示意图;
图2为本发明实施例提供的脸型检测方法的流程图;
图3为本发明实施例提供的终端设备的结构示意图;
图4为本发明实施例提供的终端设备的硬件示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的说明书和权利要求书中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同的对象,而不是用于描述对象的特定顺序。例如,第一图像、第二图像、第三图像和第四图像等是用于区别不同的图像,而不是用于描述图像的特定顺序。
在本发明实施例中,“示例性的”或者“例如”等词用于表示作例子、例证或说明。本发明实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言,使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
在本发明实施例的描述中,除非另有说明,“多个”的含义是指两个或者两个以上,例如,多个处理单元是指两个或者两个以上的处理单元;多个元件是指两个或者两个以上的元件等。
本发明实施例提供一种脸型检测方法,终端设备可以先根据包括目标对象的深度图像,获得目标对象的轮廓信息,再根据轮廓信息,对包括目标对象的二维图像进行处理,以得到第三图像,最后对第三图像中的人脸区域进行脸型检测,生成脸型检测结果。通过该方案,由于光照和类背景等因素虽然对二维图像中的人像特征影响很大,但是对深度图像的人像特征几乎没有影响,因此结合第一图像,对第二图像进行处理,然后对得到的第三图像进行脸型检测得到的脸型检测结果,相比直接对第二图像进行脸型检测得到的脸型检测结果更准确,从而可以提高脸型检测技术的鲁棒性。
下面以安卓操作***为例,介绍一下本发明实施例提供的脸型检测方法所应用的软件环境。
如图1所示,为本发明实施例提供的一种可能的安卓操作***的架构示意图。在图1中,安卓操作***的架构包括4层,分别为:应用程序层、应用程序框架层、***运行库层和内核层(具体可以为Linux内核层)。
其中,应用程序层包括安卓操作***中的各个应用程序(包括***应用程序和第三方应用程序)。
应用程序框架层是应用程序的框架,开发人员可以在遵守应用程序的框架的开发原则的情况下,基于应用程序框架层开发一些应用程序。
***运行库层包括库(也称为***库)和安卓操作***运行环境。库主要为安卓操作***提供其所需的各类资源。安卓操作***运行环境用于为安卓操作***提供软件环境。
内核层是安卓操作***的操作***层,属于安卓操作***软件层次的最底层。内核层基于Linux内核为安卓操作***提供核心***服务和与硬件相关的驱动程序。
以安卓操作***为例,本发明实施例中,开发人员可以基于上述如图1所示的安卓操作***的***架构,开发实现本发明实施例提供的脸型检测方法的软件程序,从而使得该脸型检测方法可以基于如图1所示的安卓操作***运行。即处理器或者终端可以通过在安卓操作***中运行该软件程序实现本发明实施例提供的脸型检测方法。
本发明实施例中的终端设备可以为移动终端设备,也可以为非移动终端设备。移动终端设备可以为手机、平板电脑、笔记本电脑、掌上电脑、车载终端、可穿戴设备、超级移动个人计算机(ultra-mobile personal computer,UMPC)、上网本或者个人数字助理(personal digital assistant,PDA)等;非移动终端设备可以为个人计算机(personalcomputer,PC)、电视机(television,TV)、柜员机或者自助机等;本发明实施例不作具体限定。
本发明实施例提供的脸型检测方法的执行主体可以为上述的终端设备(包括移动终端设备和非移动终端设备),也可以为该终端设备中能够实现该方法的功能模块和/或功能实体,具体的可以根据实际使用需求确定,本发明实施例不作限定。下面以终端设备为例,对本发明实施例提供的脸型检测方法进行示例性的说明。
参考图2所示,本发明实施例提供了一种脸型检测方法,该方法可以包括下述的步骤201-步骤204。
步骤201、终端设备获取目标对象的第一图像和第二图像。
该第一图像为深度图像,该第二图像为二维图像,该目标对象包括人脸区域。
具体的,该第一图像为目标图像的深度图像,该第二图像为该目标图像的二维图像,该目标图像中包括目标对象,该目标对象中包括人脸区域。
目标图像可以理解为第一图像和第二图像的图像内容,即第一图像和第二图像是针对相同的场景,相同的内容拍摄的图像。
深度图像是以目标图像的深度信息的方式存储的图像,二维图像是以目标图像的二维信息的方式存储的图像。二维图像就是不包括深度信息的平面图像,包括灰度图像、彩色图像等,本发明实施例不作限定。其中,彩色图像又包括RGB(红、绿、蓝三原色)彩色图像、YUV(亮度、色度、色度)彩色图像等,发明实施例不作限定。目前,通常情况下,常用的深度图像和二维图像为深度图像(Depth Map)和RGB彩色图像,也称为RGB-D图像。
终端设备可以从其他设备中获取深度图像和二维图像(例如,从网络下载、获取摄像机拍摄的等),也可以通过终端设备上的摄像头(通常为两个摄像头的组合,一个用于拍摄深度图像,例如红外摄像头或结构光摄像头,一个用于拍摄二维图像,例如彩色摄像头)拍摄深度图像和二维图像。需要说明的是:本发明实施例中的深度图像和二维图像是经过配准的,即深度图像与二维图像中的各个像素点的坐标是一一对应的,具体的配准过程参考现有相关技术,此处不予赘述。
该目标对象包括人脸区域,即包括人的脸部区域,可以理解为该目标对象就是脸部区域;或者该目标对象除了包括脸部区域,还包括其他区域,例如脖子区域、身体躯干区域、四肢区域等;本发明实施例不作限定。
在本发明实施例中,深度图像包括人脸区域的深度信息,二维图像包括人脸区域的二维信息。
步骤202、根据该第一图像,终端设备获取该目标对象的轮廓信息。
可选的,轮廓信息可以是轮廓图像,例如去除目标对象以外的背景的图像。该轮廓信息至少包括人脸区域的轮廓信息,还可以包括下述的至少一项:头部区域的轮廓信息、脖子区域的轮廓信息、身体躯干区域的轮廓信息、四肢区域的轮廓信息等,本发明实施例不作限定。
可选的,终端设备可以根据深度图像中的每个像素点的深度值以及深度梯度值等信息,获取该目标对象的边界轮廓的各个像素点,然后将该边界轮廓的各个像素点对应到二维图像(即像素匹配),则可以获得二维图像中的该目标对象的轮廓信息(轮廓图像,该轮廓边界的各个像素点包围的区域即轮廓图像)。具体的实现过程可以参考现有相关技术,本发明实施例不作限定。
可选的,终端设备可以通过对深度图像进行归一化处理,得到该目标对象的轮廓信息。
示例性的,该步骤202具体的可以通过下述的步骤202a实现。
步骤202a、终端设备对该第一图像进行归一化处理,以得到该目标对象的轮廓信息。
在本发明实施例中,对该第一图像进行归一化处理,也可以称为对第一图像进行映射处理,即将深度图像转换为灰度图像,公式如下:其中,di,j为深度图中的像素点(i,j)的深度值,ti,j为深度图经映射处理后得到的灰度图像中的像素点(i,j)的像素值,ti,j为整数,若根据上述公式计算得到的ti,j不是整数,需进行取整处理(上述公式未给出取整处理过程,具体取整处理可以参考现有相关技术,此处不予赘述),range(d)为深度图中各个像素点深度值中的最大值。
然而,深度图像经映射处理后,像素值的取值范围一般较大(例如,像素值的取值范围为0-4096),且其中极大极小值又过于密集,属于无用信息,因此为后续处理简单,在本发明实施例中,对映射后的图像进行截断处理,以去除无用信息,将像素值的取值范围控制在0-255之间。截断处理的公式如下:其中,pi,j为截断处理后得到的灰度图像中的像素点(i,j)的像素值,α、β是经验值,本领域技术人员可以根据经验获得。
终端设备根据上述方法,对该第一图像进行归一化处理后,得到该目标对象的轮廓信息。
可选的,终端设备可以通过对深度图像进行深度一致性划分处理,得到该目标对象的轮廓信息。具体的为:终端设备先对深度图像进行截断处理(预处理),即去掉深度图像中深度值大于第三阈值的像素点,再对截断处理后的深度图像进行归一化处理,具体过程可以参考现有相关技术,此处不予赘述。其中,第三阈值的取值可以是本领域技术人员根据经验获得的,这样先进行截断预处理,再对该第一图像的信息进行归一化处理可以简化处理过程。
由于光照和类背景等因素虽然对二维图像中的人像特征(例如亮度信息)影响很大,但是对深度图像的人像特征(深度信息)几乎没有影响,因此结合目标对象的深度图像,获得的轮廓信息比较精确,进而可以提高脸型检测的鲁棒性。
步骤203、根据该轮廓信息,处理该第二图像中的该目标对象,得到第三图像。
第三图像中的目标对象的人脸区域的对比度大于第二图像中的目标对象的人脸区域的对比度,即处理该第二图像中的目标对象后,可以提高目标对象的人脸区域的对比度,从而可以体高脸型检测的准确性,提高现有脸型检测技术的鲁棒性。
需要说明的是:本发明实施例中,经处理该第二图像中的该目标对象后得到的第三图像,增强了目标对象的人脸区域和人脸周围的区域的对比度,且通过对第三图像进行脸型检测,可以精确地获得人脸区域的脸型。
示例性的,该步骤203可以为:终端设备根据该轮廓信息,对该第二图像中的该目标对象执行下述的至少一项处理:图像增强处理,以及提取该目标对象处理。具体的该步骤203可以通过下述步骤203a-步骤203b、步骤203c-步骤203d、步骤203e或步骤203f实现。
步骤203a、终端设备根据该轮廓信息,对该第二图像中的该目标对象进行图像增强处理。
在步骤202对第一图像进行归一化处理之后,终端设备将获得的轮廓信息的轮廓边界的各个像素点对应到第二图像中,对第二图像中与该轮廓边界的各个像素点包围的区域对应的区域进行图像增强处理。
图像增强处理可以提高第二图像中,与该轮廓边界的各个像素点包围的区域对应的区域的像素值(亮度值),以提高第二图像中目标对象所在区域的对比度,图像亮度,以及图像质量等。
图像增强处理还可以是直方图均衡化增强处理和基于拉普拉斯算子的图像增强等,具体过程可以参考现有相关技术,本发明实施例不作限定。
进一步的,终端设备根据该轮廓信息,对该第二图像中的该目标对象进行图像增强处理还可以包括:终端设备根据该轮廓信息,对该第二图像中的该目标对象人脸的边缘区域进行图像增强处理,例如,人脸的边缘区域是指:人脸的边缘区域的内边界(外边界为人脸轮廓边缘)的各像素点距离人脸轮廓边缘的距离(人脸的边缘区域的内边界的各像素点距离人脸轮廓边缘的最短距离)为第四阈值的区域。第四阈值的取值可以是本领域技术人员根据经验获得的。
通过图像增强处理可以增强第二图像中目标对象的人脸区域的亮度,从而可以在一定程度上提高脸型检测的精确度。
步骤203b、终端设备根据该轮廓信息,从图像增强处理后的该第二图像中提取该目标对象。
从图像增强处理后的该第二图像中提取该目标对象,即去除该图像增强处理后的该第二图像中除目标对象以外的背景图像,以得到包括该目标对象,不包括背景图像的第三图像。从该图像增强处理后的第二图像中提取该目标对象,例如从图像增强处理后的第二图像中提取出与轮廓信息对应的像素点所指示(包围)的图像,还可以是其他方法,本发明实施例不作限定。
通过提取目标对象的处理,可以去除类背景的干扰,从而可以在一定程度上提高脸型检测的精确度。
经过步骤203a-步骤203b处理后,增强了目标对象的人脸区域和人脸周围的区域的对比度,从而可以提高脸型检测的精确度。
步骤203c、终端设备根据该轮廓信息,从该第二图像中提取该目标对象。
终端设备根据上述步骤202获得的轮廓信息,将轮廓信息中的轮廓边界的每个像素点对应到第二图像(像素匹配)中,以从该第二图像中提取该目标对象,即得到包括该目标对象,不包括背景图像的中间图像。从该第二图像中提取该目标对象,例如从第二图像中提取出与轮廓信息对应的像素点所指示(包围)的图像,还可以是其他方法,本发明实施例不作限定。
通过提取目标对象的处理,可以去除类背景的干扰,从而可以在一定程度上提高脸型检测的精确度。
步骤203d、终端设备根据该轮廓信息,对从该第二图像中提取出的该目标对象进行图像增强处理。
终端设备根据该轮廓信息,对从该第二图像中提取出的该目标对象(中间图像中的目标对象)进行图像增强处理,以得到第三图像,具体的描述可以参考对上述步骤203a的相关描述,此处不予赘述。
通过图像增强处理可以增强第二图像中目标对象的人脸区域的亮度,从而可以在一定程度上提高脸型检测的精确度。
通过对第二图像中的目标对象进行图像增强处理和提取目标对象处理,可以增强第二图像中目标对象的人脸区域的亮度,并且可以去除类背景的干扰,从而可以提高脸型检测的精确度。
步骤203e、终端设备根据该轮廓信息,对该第二图像中的该目标对象进行图像增强处理。
终端设备根据该轮廓信息,对该第二图像中的该目标对象进行图像增强处理,得到第三图像。具体的描述可以参考对上述步骤203a的相关描述,此处不予赘述。
通过图像增强处理可以增强第二图像中目标对象的人脸区域的亮度,从而可以在一定程度上提高脸型检测的精确度。
该步骤203e具体的可以通过下述的步骤203e1实现。
步骤203e1、在检测到该第二图像中的人脸区域的亮度小于或等于第一阈值的情况下,根据该轮廓信息,终端设备对该第二图像中的目标对象进行图像增强处理。
第一阈值可以是提前预设的,具体根据实际使用情况确定,本发明实施例不作限定。
终端设备可以根据现有技术中任意一种图像亮度评价算法,获得第二图像的人脸区域的亮度,在亮度小于或等于第一阈值的情况下,根据该轮廓信息,对该第二图像中的目标对象进行图像增强处理。
图像亮度评价算法可以参考现有相关技术,本发明实施例不予赘述。对该第二图像中的目标对象进行图像增强处理的过程可以参考上述步骤203a的相关描述,此处不再赘述。
这样可以在第二图像的目标对象的人脸区域的亮度值不符合要求的情况下,对该第二图像中的目标对象进行图像增强处理。
示例性的,在终端设备判断第二图像中的人脸区域的清晰度较差(面部特征模糊)的情况下,终端设备对该第二图像中的目标对象进行图像增强处理。
这样终端设备可以根据图像存在的问题,对图像进行针对性的处理,以使人脸区域的特征更明显,从而提高脸型检测成功率,提高脸型检测技术的鲁棒性。
步骤203f、终端设备根据该轮廓信息,从该第二图像中提取该目标对象。
终端设备根据该轮廓信息,从该第二图像中提取该目标对象,以得到第三图像。具体的描述可以参考对上述步骤203c的相关描述,此处不予赘述。
通过提取目标对象的处理,可以去除类背景的干扰,从而可以在一定程度上提高脸型检测的精确度。
该步骤203f具体的可以通过下述的步骤203f1实现。
步骤203f1、在检测到该第二图像中的人脸区域与目标区域的相似度大于或等于第二阈值的情况下,根据该轮廓信息,终端设备从该第二图像中提取该目标对象。
该目标区域为该第二图像中处于人脸区域周围的区域。该目标区域可以为该人脸区域的背景区域,距离人脸区域的边界的距离在预设范围(可以是提前预设的)内的其他区域,例如该目标区域可以为脖子区域。
第二阈值可以是提前预设的,具体根据实际使用情况确定,本发明实施例不作限定。
终端设备可以根据现有技术中任意一种图像相似度评价算法,获得第二图像的人脸区域的与目标区域的相似度,在相似度大于或等于第二阈值的情况下,根据该轮廓信息,从该第二图像中提取该目标对象。
图像相似度评价算法可以参考现有相关技术,本发明实施例不予赘述。根据该轮廓信息,从该第二图像中提取该目标对象的过程可以参考上述相关描述,此处不再赘述。
示例性的,在终端设备判断第二图像中的人脸区域的与目标区域的相似度较大(人脸区域与目标区域很难区分)的情况下,终端设备从该第二图像中提取该目标对象,即让第二图像中的目标对象与该目标对象所处的背景分离。
这样终端设备可以根据图像存在的问题,对图像进行针对性的处理,以使人脸区域的特征更明显,从而提高脸型检测成功率,提高脸型检测技术的鲁棒性。
步骤204、终端设备根据该第三图像中的该目标对象的特征信息,生成脸型检测结果。
具体的,终端设备采用脸型检测算法对该第三图像中的人脸区域检测,生成脸型检测结果。该脸型检测结果用于指示该目标对象的脸型。脸型检测结果例如可以包括瓜子脸、长脸、圆脸、鹅蛋脸或梨形脸等。
脸型检测算法可以参考现有相关技术,此处不予赘述。
示例性的,该步骤204具体的可以通过下述的步骤204a-步骤204d实现。
步骤204a、终端设备对该第三图像进行图像对齐处理,以得到第四图像。
具体的图像对齐处理方法可以参考现有相关技术,本发明实施例不作限定。
步骤204b、终端设备将该第四图像划分为N个区块。
可选的,终端设备将该第四图像中的人脸区域划分为N个区块。
N为正整数。该N个区块中的每个区块分别对应一个权重,其中,该N个区块中第一区块的权重大于第二区块的权重,该第一区块为该N个区块中位于该人脸区域的轮廓区域的区块,该第二区块为该N个区块中位于该人脸区域的非轮廓区域的区块。
示例性的,N的可取值可以为5*5,或者8*8,具体根据实际使用情况确定,本发明实施例不作限定。并对各个区块赋予不同权重,边界区块权重较大,其他区块权重较小。
这样人脸区域的轮廓区域的区块的权重大于其他区域的权重,可以进一步增强人脸区域的轮廓区域的特征信息,有利于提高脸型检测的准确性,可以提高现有脸型检测技术的鲁棒性。
步骤204c、终端设备提取该N个区块中的每个区块的特征信息,以得到N组特征信息。
示例性的,终端设备提取每个区块中基于局部圆域的随机像素差特征。每块特征维度为d维,整合可得d*N维特征(即一组特征信息)。其中,d可取值为72,128等,本发明实施例不作限定。
提取该每个区块的特征信息的具体过程可以参考现有相关技术,本发明实施例不作限定。
步骤204d、将该N组特征信息进行分类训练,终端设备以生成脸型检测结果。
具体的分类训练过程可以参考现有相关技术,本发明实施例不作限定。
示例性的,终端设备还可以采用其他脸型检测算法对该第三图像中的人脸区域检测,生成脸型检测结果。例如终端设备还可以采用基于几何局部特征模板匹配的方法和基于参数寻优的方法等,对该第三图像中的人脸区域检测,生成脸型检测结果。具体实现过程可以参考现有相关技术,本发明实施例不作限定。
本发明实施例提供了一种脸型检测方法,终端设备可以先根据包括目标对象的深度图像,获得目标对象的轮廓信息,再根据轮廓信息,对包括目标对象的二维图像进行处理,以得到第三图像,最后对第三图像中的人脸区域进行脸型检测,生成脸型检测结果。通过该方案,由于光照和类背景等因素虽然对二维图像中的人像特征影响很大,但是对深度图像的人像特征几乎没有影响,因此结合第一图像,对第二图像进行处理,然后对得到的第三图像进行脸型检测得到的脸型检测结果,相比直接对第二图像进行脸型检测得到的脸型检测结果更准确,从而可以提高脸型检测技术的鲁棒性。
如图3所示,本发明实施例提供一种终端设备120,该终端设备120包括:获取模块121、处理模块122和生成模块123;该获取模块121,用于获取目标对象的第一图像和第二图像,该第一图像为深度图像,该第二图像为二维图像,该目标对象包括人脸区域;根据该第一图像,获取该目标对象的轮廓信息;该处理模块122,用于根据该获取模块121获取的该轮廓信息,处理该第二图像中的该目标对象,得到第三图像;该生成模块123,用于根据该处理模块122得到的该第三图像中的该目标对象的特征信息,生成脸型检测结果。
可选的,该处理模块122,具体用于根据该获取模块121获取的该轮廓信息,对该第二图像中的该目标对象执行下述的至少一项处理:图像增强处理,以及提取该目标对象处理。
可选的,该处理模块122,具体用于在检测到该第二图像中的人脸区域的亮度小于或等于第一阈值的情况下,根据该获取模块121获取的该轮廓信息,对该第二图像中的目标对象进行图像增强处理;在检测到该第二图像中的人脸区域与目标区域的相似度大于或等于第二阈值的情况下,根据该获取模块121获取的该轮廓信息,从该第二图像中提取该目标对象,该目标区域为该第二图像中处于人脸区域周围的区域。
可选的,该生成模块123,具体用于对该第三图像进行图像对齐处理,以得到第四图像;将该第四图像划分为N个区块;提取该N个区块中的每个区块的特征信息,以得到N组特征信息;将该N组特征信息进行分类训练,以生成脸型检测结果,N为正整数。
可选的,该N个区块中的每个区块分别对应一个权重,其中,该N个区块中第一区块的权重大于第二区块的权重,该第一区块为该N个区块中位于该人脸区域的轮廓区域的区块,该第二区块为该N个区块中位于该人脸区域的非轮廓区域的区块。
可选的,该获取模块121,具体用于对该第一图像进行归一化处理,以得到该目标对象的轮廓信息。
本发明实施例提供的终端设备能够实现上述方法实施例中图2所示的各个过程,为避免重复,此处不再赘述。
本发明实施例提供了一种终端设备,终端设备可以先根据包括目标对象的深度图像,获得目标对象的轮廓信息,再根据轮廓信息,对包括目标对象的二维图像进行处理,以得到第三图像,最后对第三图像中的人脸区域进行脸型检测,生成脸型检测结果。通过该方案,由于光照和类背景等因素虽然对二维图像中的人像特征影响很大,但是对深度图像的人像特征几乎没有影响,因此结合第一图像,对第二图像进行处理,然后对得到的第三图像进行脸型检测得到的脸型检测结果,相比直接对第二图像进行脸型检测得到的脸型检测结果更准确,从而可以提高脸型检测技术的鲁棒性。
图4为实现本发明各个实施例的一种终端设备的硬件结构示意图。如图4所示,该终端设备100包括但不限于:射频单元101、网络模块102、音频输出单元103、输入单元104、传感器105、显示单元106、用户输入单元107、接口单元108、存储器109、处理器110、以及电源111等部件。本领域技术人员可以理解,图4中示出的终端设备结构并不构成对终端设备的限定,终端设备可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。在本发明实施例中,终端设备包括但不限于手机、平板电脑、笔记本电脑、掌上电脑、车载终端设备、可穿戴设备、以及计步器等。
其中,处理器110,用于获取目标对象的第一图像和第二图像,该第一图像为深度图像,该第二图像为二维图像,该目标对象包括人脸区域;根据该第一图像,获取该目标对象的轮廓信息;根据该轮廓信息,处理该第二图像中的该目标对象,得到第三图像;根据该第三图像中的该目标对象的特征信息,生成脸型检测结果。
本发明实施例提供的终端设备,终端设备可以先根据包括目标对象的深度图像,获得目标对象的轮廓信息,再根据轮廓信息,对包括目标对象的二维图像进行处理,以得到第三图像,最后对第三图像中的人脸区域进行脸型检测,生成脸型检测结果。通过该方案,由于光照和类背景等因素虽然对二维图像中的人像特征影响很大,但是对深度图像的人像特征几乎没有影响,因此结合第一图像,对第二图像进行处理,然后对得到的第三图像进行脸型检测得到的脸型检测结果,相比直接对第二图像进行脸型检测得到的脸型检测结果更准确,从而可以提高脸型检测技术的鲁棒性。
应理解的是,本发明实施例中,射频单元101可用于收发信息或通话过程中,信号的接收和发送,具体的,将来自基站的下行数据接收后,给处理器110处理;另外,将上行的数据发送给基站。通常,射频单元101包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器、双工器等。此外,射频单元101还可以通过无线通信***与网络和其他设备通信。
终端设备通过网络模块102为用户提供了无线的宽带互联网访问,如帮助用户收发电子邮件、浏览网页和访问流式媒体等。
音频输出单元103可以将射频单元101或网络模块102接收的或者在存储器109中存储的音频数据转换成音频信号并且输出为声音。而且,音频输出单元103还可以提供与终端设备100执行的特定功能相关的音频输出(例如,呼叫信号接收声音、消息接收声音等等)。音频输出单元103包括扬声器、蜂鸣器以及受话器等。
输入单元104用于接收音频或视频信号。输入单元104可以包括图形处理器(Graphics Processing Unit,GPU)1041和麦克风1042,图形处理器1041对在视频捕获模式或图像捕获模式中由图像捕获装置(如摄像头)获得的静态图片或视频的图像数据进行处理。处理后的图像帧可以显示在显示单元106上。经图形处理器1041处理后的图像帧可以存储在存储器109(或其它存储介质)中或者经由射频单元101或网络模块102进行发送。麦克风1042可以接收声音,并且能够将这样的声音处理为音频数据。处理后的音频数据可以在电话通话模式的情况下转换为可经由射频单元101发送到移动通信基站的格式输出。
终端设备100还包括至少一种传感器105,比如光传感器、运动传感器以及其他传感器。具体地,光传感器包括环境光传感器及接近传感器,其中,环境光传感器可根据环境光线的明暗来调节显示面板1061的亮度,接近传感器可在终端设备100移动到耳边时,关闭显示面板1061和/或背光。作为运动传感器的一种,加速计传感器可检测各个方向上(一般为三轴)加速度的大小,静止时可检测出重力的大小及方向,可用于识别终端设备姿态(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等;传感器105还可以包括指纹传感器、压力传感器、虹膜传感器、分子传感器、陀螺仪、气压计、湿度计、温度计、红外线传感器等,在此不再赘述。
显示单元106用于显示由用户输入的信息或提供给用户的信息。显示单元106可包括显示面板1061,可以采用液晶显示器(Liquid Crystal Display,LCD)、有机发光二极管(Organic Light-Emitting Diode,OLED)等形式来配置显示面板1061。
用户输入单元107可用于接收输入的数字或字符信息,以及产生与终端设备的用户设置以及功能控制有关的键信号输入。具体地,用户输入单元107包括触控面板1071以及其他输入设备1072。触控面板1071,也称为触摸屏,可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板1071上或在触控面板1071附近的操作)。触控面板1071可包括触摸检测装置和触摸控制器两个部分。其中,触摸检测装置检测用户的触摸方位,并检测触摸操作带来的信号,将信号传送给触摸控制器;触摸控制器从触摸检测装置上接收触摸信息,并将它转换成触点坐标,再送给处理器110,接收处理器110发来的命令并加以执行。此外,可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板1071。除了触控面板1071,用户输入单元107还可以包括其他输入设备1072。具体地,其他输入设备1072可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆,在此不再赘述。
进一步的,触控面板1071可覆盖在显示面板1061上,当触控面板1071检测到在其上或附近的触摸操作后,传送给处理器110以确定触摸事件的类型,随后处理器110根据触摸事件的类型在显示面板1061上提供相应的视觉输出。虽然在图4中,触控面板1071与显示面板1061是作为两个独立的部件来实现终端设备的输入和输出功能,但是在某些实施例中,可以将触控面板1071与显示面板1061集成而实现终端设备的输入和输出功能,具体此处不做限定。
接口单元108为外部装置与终端设备100连接的接口。例如,外部装置可以包括有线或无线头戴式耳机端口、外部电源(或电池充电器)端口、有线或无线数据端口、存储卡端口、用于连接具有识别模块的装置的端口、音频输入/输出(I/O)端口、视频I/O端口、耳机端口等等。接口单元108可以用于接收来自外部装置的输入(例如,数据信息、电力等等)并且将接收到的输入传输到终端设备100内的一个或多个元件或者可以用于在终端设备100和外部装置之间传输数据。
存储器109可用于存储软件程序以及各种数据。存储器109可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器109可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
处理器110是终端设备的控制中心,利用各种接口和线路连接整个终端设备的各个部分,通过运行或执行存储在存储器109内的软件程序和/或模块,以及调用存储在存储器109内的数据,执行终端设备的各种功能和处理数据,从而对终端设备进行整体监控。处理器110可包括一个或多个处理单元;可选的,处理器110可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作***、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器110中。
终端设备100还可以包括给各个部件供电的电源111(比如电池),可选的,电源111可以通过电源管理***与处理器110逻辑相连,从而通过电源管理***实现管理充电、放电、以及功耗管理等功能。
另外,终端设备100包括一些未示出的功能模块,在此不再赘述。
可选的,本发明实施例还提供一种终端设备,可以包括上述如图4所示的处理器110,存储器109,以及存储在存储器109上并可在该处理器110上运行的计算机程序,该计算机程序被处理器110执行时实现上述方法实施例中图2所示的脸型检测方法的各个过程,且能达到相同的技术效果,为避免重复,此处不再赘述。
本发明实施例还提供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,该计算机程序被处理器执行时实现上述方法实施例中图2所示的脸型检测方法的各个过程,且能达到相同的技术效果,为避免重复,此处不再赘述。其中,所述的计算机可读存储介质,如只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random AccessMemory,RAM)、磁碟或者光盘等。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献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(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
上面结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,均属于本发明的保护之内。
Claims (10)
1.一种脸型检测方法,其特征在于,所述方法包括:
获取目标对象的第一图像和第二图像,所述第一图像为深度图像,所述第二图像为二维图像,所述目标对象包括人脸区域;
根据所述第一图像,获取所述目标对象的轮廓信息;
根据所述轮廓信息,处理所述第二图像中的所述目标对象,得到第三图像;
根据所述第三图像中的所述目标对象的特征信息,生成脸型检测结果。
2.根据权利要求1所述的方法,其特征在于,所述根据所述轮廓信息,处理所述第二图像中的所述目标拍摄对象,包括:
根据所述轮廓信息,对所述第二图像中的所述目标对象执行下述的至少一项处理:图像增强处理,以及提取所述目标对象处理。
3.根据权利要求2所述的方法,其特征在于,所述根据所述轮廓信息,对所述第二图像中的所述目标对象执行下述的至少一项处理:图像增强处理,以及提取所述目标对象处理,包括:
在检测到所述第二图像中的人脸区域的亮度小于或等于第一阈值的情况下,根据所述轮廓信息,对所述第二图像中的目标对象进行图像增强处理;
在检测到所述第二图像中的人脸区域与目标区域的相似度大于或等于第二阈值的情况下,根据所述轮廓信息,从所述第二图像中提取所述目标对象,所述目标区域为所述第二图像中处于人脸区域周围的区域。
4.根据权利要求1至3中任一项所述的方法,其特征在于,所述根据所述第三图像中的所述目标对象的特征信息,生成脸型检测结果,包括:
对所述第三图像进行图像对齐处理,以得到第四图像;
将所述第四图像划分为N个区块;
提取所述N个区块中的每个区块的特征信息,以得到N组特征信息;
将所述N组特征信息进行分类训练,以生成脸型检测结果,N为正整数。
5.根据权利要求4所述的方法,其特征在于,所述N个区块中的每个区块分别对应一个权重,其中,所述N个区块中第一区块的权重大于第二区块的权重,所述第一区块为所述N个区块中位于所述人脸区域的轮廓区域的区块,所述第二区块为所述N个区块中位于所述人脸区域的非轮廓区域的区块。
6.根据权利要求1至3中任一项所述的方法,其特征在于,所述根据所述第一图像,获取所述目标对象的轮廓信息,包括:
对所述第一图像进行归一化处理,以得到所述目标对象的轮廓信息。
7.一种终端设备,其特征在于,所述终端设备包括:获取模块、处理模块和生成模块;
所述获取模块,用于获取目标对象的第一图像和第二图像,所述第一图像为深度图像,所述第二图像为二维图像,所述目标对象包括人脸区域;根据所述第一图像,获取所述目标对象的轮廓信息;
所述处理模块,用于根据所述获取模块获取的所述轮廓信息,处理所述第二图像中的所述目标对象,得到第三图像;
所述生成模块,用于根据所述处理模块得到的所述第三图像中的所述目标对象的特征信息,生成脸型检测结果。
8.根据权利要求7所述的终端设备,其特征在于,所述处理模块,具体用于根据所述获取模块获取的所述轮廓信息,对所述第二图像中的所述目标对象执行下述的至少一项处理:图像增强处理,以及提取所述目标对象处理。
9.根据权利要求8所述的终端设备,其特征在于,所述处理模块,具体用于在检测到所述第二图像中的人脸区域的亮度小于或等于第一阈值的情况下,根据所述获取模块获取的所述轮廓信息,对所述第二图像中的目标对象进行图像增强处理;在检测到所述第二图像中的人脸区域与目标区域的相似度大于或等于第二阈值的情况下,根据所述获取模块获取的所述轮廓信息,从所述第二图像中提取所述目标对象,所述目标区域为所述第二图像中处于人脸区域周围的区域。
10.根据权利要求7至9中任一项所述的终端设备,其特征在于,所述生成模块,具体用于对所述第三图像进行图像对齐处理,以得到第四图像;将所述第四图像划分为N个区块;提取所述N个区块中的每个区块的特征信息,以得到N组特征信息;将所述N组特征信息进行分类训练,以生成脸型检测结果,N为正整数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811635950.6A CN109840476B (zh) | 2018-12-29 | 2018-12-29 | 一种脸型检测方法及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811635950.6A CN109840476B (zh) | 2018-12-29 | 2018-12-29 | 一种脸型检测方法及终端设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109840476A true CN109840476A (zh) | 2019-06-04 |
CN109840476B CN109840476B (zh) | 2021-12-21 |
Family
ID=66883499
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811635950.6A Active CN109840476B (zh) | 2018-12-29 | 2018-12-29 | 一种脸型检测方法及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109840476B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112991210A (zh) * | 2021-03-12 | 2021-06-18 | Oppo广东移动通信有限公司 | 图像处理方法及装置、计算机可读存储介质和电子设备 |
WO2021190387A1 (zh) * | 2020-03-25 | 2021-09-30 | 维沃移动通信有限公司 | 检测结果输出的方法、电子设备及介质 |
CN115170536A (zh) * | 2022-07-22 | 2022-10-11 | 北京百度网讯科技有限公司 | 图像检测方法、模型的训练方法和装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101339612A (zh) * | 2008-08-19 | 2009-01-07 | 陈建峰 | 一种脸型轮廓的检测与分类方法 |
JP2010098567A (ja) * | 2008-10-17 | 2010-04-30 | Seiko Epson Corp | 頭部顔面装着型画像表示装置 |
CN106203263A (zh) * | 2016-06-27 | 2016-12-07 | 辽宁工程技术大学 | 一种基于局部特征的脸型分类方法 |
CN106648042A (zh) * | 2015-11-04 | 2017-05-10 | 重庆邮电大学 | 一种识别控制方法以及装置 |
CN106909875A (zh) * | 2016-09-12 | 2017-06-30 | 湖南拓视觉信息技术有限公司 | 人脸脸型分类方法和*** |
CN107480613A (zh) * | 2017-07-31 | 2017-12-15 | 广东欧珀移动通信有限公司 | 人脸识别方法、装置、移动终端和计算机可读存储介质 |
CN108053210A (zh) * | 2017-11-20 | 2018-05-18 | 胡研 | 一种脸型支付方法、脸型预约方法及交易设备 |
CN108734676A (zh) * | 2018-05-21 | 2018-11-02 | Oppo广东移动通信有限公司 | 图像处理方法和装置、电子设备、计算机可读存储介质 |
-
2018
- 2018-12-29 CN CN201811635950.6A patent/CN109840476B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101339612A (zh) * | 2008-08-19 | 2009-01-07 | 陈建峰 | 一种脸型轮廓的检测与分类方法 |
JP2010098567A (ja) * | 2008-10-17 | 2010-04-30 | Seiko Epson Corp | 頭部顔面装着型画像表示装置 |
CN106648042A (zh) * | 2015-11-04 | 2017-05-10 | 重庆邮电大学 | 一种识别控制方法以及装置 |
CN106203263A (zh) * | 2016-06-27 | 2016-12-07 | 辽宁工程技术大学 | 一种基于局部特征的脸型分类方法 |
CN106909875A (zh) * | 2016-09-12 | 2017-06-30 | 湖南拓视觉信息技术有限公司 | 人脸脸型分类方法和*** |
CN107480613A (zh) * | 2017-07-31 | 2017-12-15 | 广东欧珀移动通信有限公司 | 人脸识别方法、装置、移动终端和计算机可读存储介质 |
CN108053210A (zh) * | 2017-11-20 | 2018-05-18 | 胡研 | 一种脸型支付方法、脸型预约方法及交易设备 |
CN108734676A (zh) * | 2018-05-21 | 2018-11-02 | Oppo广东移动通信有限公司 | 图像处理方法和装置、电子设备、计算机可读存储介质 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021190387A1 (zh) * | 2020-03-25 | 2021-09-30 | 维沃移动通信有限公司 | 检测结果输出的方法、电子设备及介质 |
CN112991210A (zh) * | 2021-03-12 | 2021-06-18 | Oppo广东移动通信有限公司 | 图像处理方法及装置、计算机可读存储介质和电子设备 |
CN115170536A (zh) * | 2022-07-22 | 2022-10-11 | 北京百度网讯科技有限公司 | 图像检测方法、模型的训练方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109840476B (zh) | 2021-12-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109034102A (zh) | 人脸活体检测方法、装置、设备及存储介质 | |
CN108989678A (zh) | 一种图像处理方法、移动终端 | |
CN108537776A (zh) | 一种图像风格迁移模型生成方法及移动终端 | |
CN107707827A (zh) | 一种高动态图像拍摄方法及移动终端 | |
CN107231529A (zh) | 图像处理方法、移动终端及存储介质 | |
CN107835367A (zh) | 一种图像处理方法、装置及移动终端 | |
CN108234882A (zh) | 一种图像虚化方法及移动终端 | |
CN107833178A (zh) | 一种图像处理方法、装置及移动终端 | |
CN108108704A (zh) | 人脸识别方法及移动终端 | |
CN107682639B (zh) | 一种图像处理方法、装置及移动终端 | |
CN107566749A (zh) | 拍摄方法及移动终端 | |
CN111310575B (zh) | 一种人脸活体检测的方法、相关装置、设备及存储介质 | |
CN110213485A (zh) | 一种图像处理方法及终端 | |
CN107909583A (zh) | 一种图像处理方法、装置及终端 | |
CN110490897A (zh) | 模仿视频生成的方法和电子设备 | |
CN109840476A (zh) | 一种脸型检测方法及终端设备 | |
CN107886321A (zh) | 一种支付方法及移动终端 | |
CN109272466A (zh) | 一种牙齿美化方法和装置 | |
CN107846583A (zh) | 一种图像阴影补偿方法及移动终端 | |
CN108462826A (zh) | 一种辅助拍照的方法及移动终端 | |
CN110807405A (zh) | 一种偷拍装置检测方法及电子设备 | |
CN110070129A (zh) | 一种图像检测方法、装置及存储介质 | |
CN109241832A (zh) | 一种人脸活体检测的方法及终端设备 | |
CN107786811A (zh) | 一种拍照方法及移动终端 | |
CN107749046A (zh) | 一种图像处理方法及移动终端 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |