CN110097001A - 生成最佳多人脸图像的方法、***、设备及存储介质 - Google Patents
生成最佳多人脸图像的方法、***、设备及存储介质 Download PDFInfo
- Publication number
- CN110097001A CN110097001A CN201910358663.3A CN201910358663A CN110097001A CN 110097001 A CN110097001 A CN 110097001A CN 201910358663 A CN201910358663 A CN 201910358663A CN 110097001 A CN110097001 A CN 110097001A
- Authority
- CN
- China
- Prior art keywords
- face
- image
- human faces
- quality
- human
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
- G06F18/2193—Validation; Performance evaluation; Active pattern learning techniques based on specific statistical tests
-
- 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
- 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
- G06V40/172—Classification, e.g. identification
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Human Computer Interaction (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种生成最佳多人脸图像的方法、***、设备及存储介质,该方法包括:获取连续拍摄的多张多人脸图像,并对多张所述多人脸图像进行全局质量分析得到全局最佳图像;对多张所述多人脸图像进行人脸检测与人脸质量分析,识别出每个人所对应的最佳人脸质量的人脸图像;将每个人所对应最佳人脸质量的人脸图像合成到全局最佳图像中得到最佳多人脸图像。相比于采用PS手段而言,能够得到全局图像质量最优,无需人为主观判断和后期PS,大大提高了拍摄合照的效果与效率。
Description
技术领域
本发明涉及图像处理技术领域,特别是涉及一种生成最佳多人脸图像的方法、***、设备及存储介质。
背景技术
在多人合照的过程中,往往需要根据采光条件来让所有人脸都接收到均匀且方向一致的光照,并且会让所有人排列成特定的队形,然而会让所有人或面带微笑或选择其他合适的造型及表情。并且,为了防止出现闭眼、表情怪异、头部转动时人脸出现的运动模糊等问题,还会要求被拍摄人员在按快门前几秒钟内都保持固定的造型及表情,即俗称的“摆pose”。
然而,随着被拍摄的人员数量增多,如,集体照,就更加难以保证每个人在按快门的瞬间都在“摆pose”,就往往会在多人脸合照中出现部分人闭眼、表情怪异、运动模糊等问题等情形,现有常规处理方式通过摄像装置连拍多张,从中筛选效果较佳的照片进行PS。
发明内容
鉴于以上所述现有技术的缺点,本发明的目的在于提供一种生成最佳多人脸图像的方法、***、设备及存储介质,用于解决现有技术中生成最佳多人脸图像时采用人工PS工作量大的问题。
为实现上述目的及其他相关目的,本申请的第一方面,本发明提供一种生成最佳多人脸图像的方法,包括:
获取连续拍摄的多张多人脸图像,并对多张所述多人脸图像进行全局质量分析得到全局最佳图像;
对多张所述多人脸图像进行人脸检测与人脸质量分析,识别出每个人所对应的最佳人脸质量的人脸图像;
将每个人所对应最佳人脸质量的人脸图像合成到全局最佳图像中得到最佳多人脸图像。
本申请的第二方面,提供一种生成最佳多人脸图像的***,包括:
图像全局质量分析模块,用于获取连续拍摄的多张多人脸图像,并对多张所述多人脸图像进行全局质量分析得到全局最佳图像;
人脸质量分析模块,用于对多张所述多人脸图像进行人脸检测与人脸质量分析,识别出每个人所对应的最佳人脸质量的人脸图像;
人脸合成模块,用于将每个人所对应最佳人脸质量的人脸图像合成到全局最佳图像中得到最佳多人脸图像。
本申请的第三方面,提供一种电子设备,包括:
一个或多个处理器;
存储器;以及
一个或多个程序,其中所述一个或多个程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行指令,所述一个或多个处理器执行所述执行指令使得所述电子设备执行上述的生成最佳多人脸图像的方法。
本申请的第四方面,提供一种存储介质,包括:
所述存储介质包括存储的程序,其中,所述程序在被调用执行时实现上述的生成最佳多人脸图像的方法。
如上所述,本发明的生成最佳多人脸图像的方法、***、设备及存储介质,具有以下有益效果:
通过采用人脸检测和人脸识别算法,来精确定位和标记图像中的所有人脸,并通过采用人脸质量分析算法来检测每个图像中每个人脸的人脸质量分,实现了自动对图像中人脸质量的快速、有效检测;采用人脸合成算法将每个人在多张图像中人脸质量最高的人脸ROI图像合成到全局最佳图像得到最佳多人脸图像,相比于采用PS手段而言,能够得到全局图像质量最优,无需人为主观判断和后期PS,大大提高了拍摄合照的效果与效率。
附图说明
图1显示为本发明提供的一种生成最佳多人脸图像的方法流程图;
图2显示为本发明提供的一种生成最佳多人脸图像的方法中步骤S1流程图;
图3显示为本发明提供的一种生成最佳多人脸图像的方法中步骤S2流程图;
图4显示为本发明提供的一种生成最佳多人脸图像的方法中步骤S3流程图;
图5显示为本发明提供的一种生成最佳多人脸图像的***结构框图;
图6显示为本发明提供的一种生成最佳多人脸图像的***完整结构框图;
图7显示为本发明提供的一种生成最佳多人脸图像的电子设备结构框图。
具体实施方式
以下由特定的具体实施例说明本申请的实施方式,熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本申请的其他优点及功效。
在下述描述中,参考附图,附图描述了本申请的若干实施例。应当理解,还可使用其他实施例,并且可以在不背离本公开的精神和范围的情况下进行机械组成、结构、电气以及操作上的改变.下面的详细描述不应该被认为是限制性的,并且本申请的实施例的范围仅由公布的专利的权利要求书所限定.这里使用的术语仅是为了描述特定实施例,而并非旨在限制本申请。空间相关的术语,例如“上”、“下”、“左”、“右”、“下面”、“下方”、“下部”、“上方”、“上部”等,可在文中使用以便于说明图中所示的一个元件或特征与另一元件或特征的关系。
虽然在一些实例中术语第一、第二等在本文中用来描述各种元件,但是这些元件不应当被这些术语限制。这些术语仅用来将一个元件与另一个元件进行区分。例如,第一预设阈值可以被称作第二预设阈值,并且类似地,第二预设阈值可以被称作第一预设阈值,而不脱离各种所描述的实施例的范围。第一预设阈值和预设阈值均是在描述一个阈值,但是除非上下文以其他方式明确指出,否则它们不是同一个预设阈值。相似的情况还包括第一音量与第二音量。
再者,如同在本文中所使用的,单数形式“一”、“一个”和“该”旨在也包括复数形式,除非上下文中有相反的指示.应当进一步理解,术语“包含”、“包括”表明存在所述的特征、步骤、操作、元件、组件、项目、种类、和/或组,但不排除一个或多个其他特征、步骤、操作、元件、组件、项目、种类、和/或组的存在、出现或添加.此处使用的术语“或”和“和/或”被解释为包括性的,或意味着任一个或任何组合.因此,“A、B或C”或者“A、B和/或C”意味着“以下任一个:A;B;C;A和B;A和C;B和C;A、B和C”仅当元件、功能、步骤或操作的组合在某些方式下内在地互相排斥时,才会出现该定义的例外。
请参阅图1,为本发明提供的一种生成最佳多人脸图像的方法流程图,包括:
步骤S1,获取连续拍摄的多张多人脸图像,并对多张所述多人脸图像进行全局质量分析得到全局最佳图像;
步骤S2,对多张所述多人脸图像进行人脸检测与人脸质量分析,识别出每个人所对应的最佳人脸质量的人脸图像;
步骤S3,将每个人所对应最佳人脸质量的人脸图像合成到全局最佳图像中得到最佳多人脸图像。
在本实施例中,相对于传统的PS方式,一方面,本发明设计有评价标准,无需为主观判断,挑选全局最佳图像、最佳人脸质量的人脸图像时,准确性极高,另一方面,无需人工采用PS合成,不管多人脸图像中人数限制,生成最佳多人脸图像的效率极高。
请参阅图2,为本发明提供的一种生成最佳多人脸图像的方法中步骤S1流程图,详述如下:
利用摄像装置连续拍摄多张多人脸图像;
例如,摄像装置可为智能手机、摄像头或数码相机等,利用智能手机的摄像头进行连拍,获取多张包含多个人脸的多人脸图像;
利用质量评分算法根据图像全局的模糊度、光照一致性与队形对称性对每张多人脸图像质量评分;
例如,质量评分算法为图像全局质量分析算法;
将所有多人脸图像中全局质量评分最高的视为全局最佳图像。
具体地,步骤S201,选取第一张图像;
即从输入的多张多人脸图像中任意选择第一张图。
步骤S202,计算图像全局质量分;
使用图像全局质量分析算法,分析图片中除了人脸质量外的质量信息,例如模糊度、光源一致性、队形对称性,得到图像全局质量分。
图像全局质量分析算法可根据质量信息选择一种或多种算法组合,例如:模糊度分析算法的实现形式包括但不限于梯度函数、Laplace函数;光源一致性分析算法和队形对称性算法的实现形式,例如,首先,使用人脸检测算法,分析图片中是否有人脸,以及得到所有人脸的位置、尺寸和角度,利用人脸质量评分算法,计算出所有人脸的人脸质量分;综合人脸的尺寸、位置和人脸质量分,计算出所有人脸的权重;综合所有人脸质量分和人脸权重,计算出人脸综合评分,其次,根据光源一致性分析算法,计算出光源一致性评分,以此来评判每张人脸上的光源角度是否一致;再次,根据队形分析算法,计算出队形评分,以此来评判所有人脸是否具有一定的对称排列模式;最后,结合人脸综合评分、光源一致性评分、队形评分,计算出多人脸图像的总评分,即,得到总评分最高的为全局最佳图像。
步骤S203,是否图像处理完成的判断;
对于已完成处理的图像序列,从中选取全局最佳图像;对于未处理完成的图像序列,选择下一张图像进行新的分析。
步骤S204,选取下一张图像;
对于未处理完成的图像序列,选择下一张图像进行新的分析。
步骤S205,选择全局最佳图像;
从输入的所有图像中,将图像全局质量分最高那张图像标记为全局最佳图像,用作后续合成图像时用到的基本图像。
在本实施例中,通过质量评分算法评估多张多人脸图像中全局质量评分最高的为全局最佳图像,使得后续合成的基本图像能够达到最优,相比PS方式,有一套评价标准,无需人为主观判断。
请参阅图3,为本发明提供的一种生成最佳多人脸图像的方法中步骤S2流程图,详述如下:
利用人脸检测算法检测所述多人脸图像的人脸区域,得到每张多人脸图像中所有人脸的图像坐标及人脸尺寸;
利用人脸质量分析算法检测所述多人脸图像的人脸质量,得到每张多人脸图像中每个人脸的人脸质量分;
按照人脸ID将多张所述多人脸图像中的人脸区域与人脸质量分关联存储到人脸库;
其中,人脸库保存来自多张多人脸图像中关于同一人脸ID的多个人脸区域与人脸质量分,或,人脸库通过更新方式保存同一人脸ID只有人脸质量分最高的人脸区域,后续通过人脸识别后直接调用人脸库即可。
识别所述多人脸图像中每个人脸ID,根据所述人脸ID匹配人脸质量分最高的人脸区域视为最佳人脸质量的人脸图像。
具体地,步骤S301,选取第一张图像;
从输入的多张多人脸图像中任意选择第一张图。
步骤S302,人脸检测;
使用人脸检测算法检测待验证图片中出现的所有人脸区域,得到当前图像中每个人脸的图像坐标以及人脸尺寸。其中,人脸检测算法包括但不限于AdaBoost、深度学习算法。
步骤S303,人脸质量分析;
使用人脸质量分析算法分析待验证图片中出现的所有人脸的质量,得到当前图像中每个人脸的人脸质量分。
人脸质量分析算法包括深度学习算法,还包括利用人脸是否闭眼、人脸轮廓和五官清晰度来计算综合分的规则算法。例如,首先,对人脸图像进行预处理(人脸检测、人脸图像质量检测、图像分割),其次,对人脸图像进行评分(使用表情分析算法,分析图片中人脸是否愉悦,以及愉悦的程度,得到人脸表情分数项;分别对左右眼的开合情况进行识别,然后转换为眼睛开合分数项;利用肤色异常检测算法来识别出肤色异常情形(包括高光、阴阳脸、过曝、肤色黑暗等情形),然后转换为肤色分数项),通过统计各个分数项之和得到人脸质量分。
步骤S304,是否是首张图像的判断;
对于首张图像,***建立人脸库,实现人脸库数据初始化的目的;对于非首张图像,由于人脸库已经初始化,有了各人脸的之前图像中的数据,因此在本步骤中需要进行人脸识别,并更新相应人脸ID的数据。
步骤S305,人脸识别;
对于从S304中得到的所有人脸图像,***利用人脸识别算法在人脸库中进行查找,得到每个人脸在人脸库中对应的人脸ID。
人脸识别算法包括但不限于深度神经网络算法、模板匹配算法。
步骤S306,更新人脸库;
***将S302中得到的所有人脸ROI图像以及对应的人脸质量分存到人脸库中,并且人脸ROI图像与步骤S308得到的人脸ID对应。
步骤S307,建立人脸库;
对S302中得到的所有人脸图像进行保存并编号,即为人脸ROI(Region OfInterest,感兴趣区)图像与人脸ID(IDentity,身份标识号码)。此外,对S305中得到的每个人脸质量分以及对应的图像编号保存到人脸库中。
步骤S308,是否图像处理完成的判断;
对于已完成处理的图像序列,从中选取最佳人脸质量的人脸图像;对于未处理完成的图像序列,选择下一张图像进行新的分析。
步骤S309,选取下一张图像;
对于未处理完成的图像序列,选择下一张图像进行新的分析。
在本实施例中,通过从多张多人脸图像中所有人脸进行质量分析,筛选每个人脸ID对应的最佳人脸质量的人脸图像,使得后续合成的人脸数据源均为最佳,大量节省了PS时间,既保证了人脸的质量,又提高了后续合成图像的效率。
请参阅图4,为本发明提供的一种生成最佳多人脸图像的方法中步骤S3流程图,详述如下:
识别全局最佳图像中人脸ID,并按所述人脸ID在人脸库内匹配人脸质量分最高的人脸ROI图像;
采用人脸合成算法将全局最佳图像中每张人脸按人脸ID替换成人脸质量分最高的人脸ROI图像得到最佳多人脸图像。
具体地,步骤S401,选取全局最佳图像;
其中,选择S205中得到的全局最佳图像作为待合成的基础图像。
步骤S402,人脸检测;
同步骤S302相同,使用人脸检测算法检测待验证图片中出现的所有人脸区域,得到当前图像中每个人脸图像的坐标以及人脸尺寸。其中,人脸检测算法包括但不限于AdaBoost、深度学习算法。
步骤S404,人脸识别;
从S402中得到的所有人脸图像,利用人脸识别算法在人脸库中进行查找,得到每个人脸在人脸库中对应的人脸ID。人脸识别算法包括但不限于深度神经网络算法、模板匹配算法。
步骤S405,获取质量分最佳的人脸;
对于从S404中得到的人脸ID,在人脸库中查找每个人脸ID对应的人脸质量分最高的人脸ROI图像。
步骤S406,人脸合成;
根据从S402中得到的每个人脸图像的坐标以及人脸尺寸,并全局最佳图像为基础图像,将从步骤S405中得到的每个人质量分最高的人脸ROI图像利用人脸合成算法合成到基础图像中,实现了换脸的效果。其中,人脸合成算法包括但不限于泊松融合算法。
在本实施例中,创新性的通过人脸合成算法,自动将每个人在多张图像图片中人脸质量最高的人脸ROI图像选出并合成为新图像。在新图像中,不仅保证了全局图像质量最优,并且还保证了每个人的人脸ROI图像都是最优,这是传统靠PS技术难以实现的。
请参阅图5,为本发明提供的一种生成最佳多人脸图像的***结构框图,包括:
图像全局质量分析模块1,用于获取连续拍摄的多张多人脸图像,并对多张所述多人脸图像进行全局质量分析得到全局最佳图像;
具体地,图像全局质量分析模块1进一步包括:利用摄像装置连续拍摄多张多人脸图像;
利用质量评分算法根据图像全局的模糊度、光照一致性与队形对称性对每张多人脸图像质量评分;
将所有多人脸图像中全局质量评分最高的视为全局最佳图像。
人脸质量分析模块2,用于对多张所述多人脸图像进行人脸检测与人脸质量分析,识别出每个人所对应的最佳人脸质量的人脸图像;
人脸合成模块3,用于将每个人所对应最佳人脸质量的人脸图像合成到全局最佳图像中得到最佳多人脸图像。
人脸合成模块3进一步包括:
识别全局最佳图像中人脸ID,并按所述人脸ID在人脸库内匹配人脸质量分最高的人脸ROI图像;
采用人脸合成算法将全局最佳图像中每张人脸按人脸ID替换成人脸质量分最高的人脸ROI图像得到最佳多人脸图像。
请参阅图6,为本发明提供的一种生成最佳多人脸图像的***完整结构框图,详述如下:
图像全局质量分析模块1,用于获取连续拍摄的多张多人脸图像,并对多张所述多人脸图像进行全局质量分析得到全局最佳图像;
人脸质量分析模块2,用于对多张所述多人脸图像进行人脸检测与人脸质量分析,识别出每个人所对应的最佳人脸质量的人脸图像;
人脸合成模块3,用于将每个人所对应最佳人脸质量的人脸图像合成到全局最佳图像中得到最佳多人脸图像;
其中,人脸质量分析模块2进一步包括:
人脸检测单元21,利用人脸检测算法检测所述多人脸图像的人脸区域,得到每张多人脸图像中所有人脸的图像坐标及人脸尺寸;
人脸质量分析单元22,还利用人脸质量分析算法检测所述多人脸图像的人脸质量,得到每张多人脸图像中每个人脸的人脸质量分;
人脸库23,用于按照人脸ID将多张所述多人脸图像中的人脸区域与人脸质量分关联存储;
人脸识别单元24,用于识别所述多人脸图像中每个人脸ID,根据所述人脸ID匹配人脸质量分最高的人脸区域视为最佳人脸质量的人脸图像。
由于生成最佳多人脸图像的***与生成最佳多人脸图像的方法为一一对应关系,其涉及的技术细节与效果相同,在此不一一赘述。
请参阅图7,为本发明提供一种电子设备,包括:
一个或多个处理器41;
存储器42;以及
一个或多个程序,其中所述一个或多个程序被存储在所述存储器中42并被配置为由所述一个或多个处理器41执行指令,所述一个或多个处理器执行所述执行指令使得所述电子设备执行如上述的生成最佳多人脸图像的方法。
所述处理器41可操作地与存储器和/或非易失性存储设备耦接。更具体地,处理器41可执行在存储器和/或非易失性存储设备中存储的指令以在计算设备中执行操作,诸如生成图像数据和/或将图像数据传输到电子显示器。如此,处理器可包括一个或多个通用微处理器、一个或多个专用处理器(ASIC)、一个或多个现场可编程逻辑阵列(FPGA)、或它们的任何组合。
本申请提供一种存储介质,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行上项所述的生成最佳多人脸图像的方法。
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。
于本申请提供的实施例中,所述计算机可读写存储介质可以包括只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,RandomAccessMemory)、EEPROM、CD-ROM或其它光盘存储装置、磁盘存储装置或其它磁存储设备、闪存、U盘、移动硬盘、或者能够用于存储具有指令或数据结构形式的期望的程序代码并能够由计算机进行存取的任何其它介质。另外,任何连接都可以适当地称为计算机可读介质。例如,如果指令是使用同轴电缆、光纤光缆、双绞线、数字订户线(DSL)或者诸如红外线、无线电和微波之类的无线技术,从网站、服务器或其它远程源发送的,则所述同轴电缆、光纤光缆、双绞线、DSL或者诸如红外线、无线电和微波之类的无线技术包括在所述介质的定义中。
综上所述,本发明通过采用人脸检测和人脸识别算法,来精确定位和标记图像中的所有人脸,并通过采用人脸质量分析算法来检测每个图像中每个人脸的人脸质量分,实现了自动对图像中人脸质量的快速、有效检测;采用人脸合成算法将每个人在多张图像中人脸质量最高的人脸ROI图像合成到全局最佳图像得到最佳多人脸图像,相比于采用PS手段而言,能够得到全局图像质量最优,无需人为主观判断和后期PS,大大提高了拍摄合照的效果与效率。本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (10)
1.一种生成最佳多人脸图像的方法,其特征在于,包括:
获取连续拍摄的多张多人脸图像,并对多张所述多人脸图像进行全局质量分析得到全局最佳图像;
对多张所述多人脸图像进行人脸检测与人脸质量分析,识别出每个人所对应的最佳人脸质量的人脸图像;
将每个人所对应最佳人脸质量的人脸图像合成到全局最佳图像中得到最佳多人脸图像。
2.根据权利要求1所述的生成最佳多人脸图像的方法,其特征在于,所述获取连续拍摄的多张多人脸图像,并对多张所述多人脸图像进行全局质量分析得到全局最佳图像的步骤,包括:
利用摄像装置连续拍摄多张多人脸图像;
利用质量评分算法根据图像全局的模糊度、光照一致性与队形对称性对每张多人脸图像质量评分;
将所有多人脸图像中全局质量评分最高的视为全局最佳图像。
3.根据权利要求1所述的生成最佳多人脸图像的方法,其特征在于,所述对多张所述多人脸图像进行人脸检测与人脸质量分析,识别出每个人所对应的最佳人脸质量的人脸图像的步骤,包括:
利用人脸检测算法检测所述多人脸图像的人脸区域,得到每张多人脸图像中所有人脸的图像坐标及人脸尺寸;
利用人脸质量分析算法检测所述多人脸图像的人脸质量,得到每张多人脸图像中每个人脸的人脸质量分;
按照人脸ID将多张所述多人脸图像中的人脸区域与人脸质量分关联存储到人脸库;
识别所述多人脸图像中每个人脸ID,根据所述人脸ID匹配人脸质量分最高的人脸区域视为最佳人脸质量的人脸图像。
4.根据权利要求1所述的生成最佳多人脸图像的方法,其特征在于,将每个人所对应最佳人脸质量的人脸图像合成到全局最佳图像中得到最佳多人脸图像的步骤,包括:
识别全局最佳图像中人脸ID,并按所述人脸ID在人脸库内匹配人脸质量分最高的人脸ROI图像;
采用人脸合成算法将全局最佳图像中每张人脸按人脸ID替换成人脸质量分最高的人脸ROI图像得到最佳多人脸图像。
5.一种生成最佳多人脸图像的***,其特征在于,包括:
图像全局质量分析模块,用于获取连续拍摄的多张多人脸图像,并对多张所述多人脸图像进行全局质量分析得到全局最佳图像;
人脸质量分析模块,用于对多张所述多人脸图像进行人脸检测与人脸质量分析,识别出每个人所对应的最佳人脸质量的人脸图像;
人脸合成模块,用于将每个人所对应最佳人脸质量的人脸图像合成到全局最佳图像中得到最佳多人脸图像。
6.根据权利要求5所述的生成最佳多人脸图像的***,其特征在于,所述图像全局质量分析模块进一步包括:
利用摄像装置连续拍摄多张多人脸图像;
利用质量评分算法根据图像全局的模糊度、光照一致性与队形对称性对每张多人脸图像质量评分;
将所有多人脸图像中全局质量评分最高的视为全局最佳图像。
7.根据权利要求5所述的生成最佳多人脸图像的***,其特征在于,所述人脸质量分析模块包括:
人脸检测单元,利用人脸检测算法检测所述多人脸图像的人脸区域,得到每张多人脸图像中所有人脸的图像坐标及人脸尺寸;
人脸质量分析单元,还利用人脸质量分析算法检测所述多人脸图像的人脸质量,得到每张多人脸图像中每个人脸的人脸质量分;
人脸库,用于按照人脸ID将多张所述多人脸图像中的人脸区域与人脸质量分关联存储;
人脸识别单元,用于识别所述多人脸图像中每个人脸ID,根据所述人脸ID匹配人脸质量分最高的人脸区域视为最佳人脸质量的人脸图像。
8.根据权利要求5所述的生成最佳多人脸图像的***,其特征在于,所述人脸合成模块包括:
识别全局最佳图像中人脸ID,并按所述人脸ID在人脸库内匹配人脸质量分最高的人脸ROI图像;
采用人脸合成算法将全局最佳图像中每张人脸按人脸ID替换成人脸质量分最高的人脸ROI图像得到最佳多人脸图像。
9.一种电子设备,其特征在于,所述电子设备包括:
一个或多个处理器;
存储器;以及
一个或多个程序,其中所述一个或多个程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行指令,所述一个或多个处理器执行所述执行指令使得所述电子设备执行如权利要求1~4任一项所述的生成最佳多人脸图像的方法。
10.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,所述程序在被调用执行时实现如权利要求1-4中任一所述的生成最佳多人脸图像的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910358663.3A CN110097001A (zh) | 2019-04-30 | 2019-04-30 | 生成最佳多人脸图像的方法、***、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910358663.3A CN110097001A (zh) | 2019-04-30 | 2019-04-30 | 生成最佳多人脸图像的方法、***、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110097001A true CN110097001A (zh) | 2019-08-06 |
Family
ID=67446571
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910358663.3A Pending CN110097001A (zh) | 2019-04-30 | 2019-04-30 | 生成最佳多人脸图像的方法、***、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110097001A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111212223A (zh) * | 2020-01-10 | 2020-05-29 | 深圳奥比中光科技有限公司 | 一种设定成像参数的方法、***及计算机可读存储介质 |
CN111401206A (zh) * | 2020-03-11 | 2020-07-10 | 恒睿(重庆)人工智能技术研究院有限公司 | 一种全景图共享方法、***、设备和介质 |
CN111444770A (zh) * | 2020-02-26 | 2020-07-24 | 北京大米未来科技有限公司 | 图像处理方法、装置、电子设备及介质 |
CN111507889A (zh) * | 2020-04-13 | 2020-08-07 | 北京字节跳动网络技术有限公司 | 图像处理方法、装置、电子设备及计算机可读存储介质 |
CN111814840A (zh) * | 2020-06-17 | 2020-10-23 | 恒睿(重庆)人工智能技术研究院有限公司 | 一种人脸图像质量评估方法、***、设备和介质 |
CN112085688A (zh) * | 2020-09-16 | 2020-12-15 | 蒋芳 | 一种拍照时去除行人遮挡的方法和*** |
CN112488973A (zh) * | 2020-12-01 | 2021-03-12 | 深圳市巨烽显示科技有限公司 | 图像智能合成方法、装置、计算机设备及存储介质 |
CN112529864A (zh) * | 2020-12-07 | 2021-03-19 | 维沃移动通信有限公司 | 图片处理方法、装置、设备及介质 |
CN113033344A (zh) * | 2021-03-10 | 2021-06-25 | 咪咕文化科技有限公司 | 图像处理方法、装置及电子设备 |
CN113538542A (zh) * | 2021-07-21 | 2021-10-22 | 维沃移动通信(杭州)有限公司 | 图像编辑方法和图像编辑装置 |
CN113630552A (zh) * | 2021-07-16 | 2021-11-09 | 深圳全王科技有限公司 | 一种集体照拍摄*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105303161A (zh) * | 2015-09-21 | 2016-02-03 | 广东欧珀移动通信有限公司 | 一种多人拍照的方法及装置 |
US20170223265A1 (en) * | 2014-10-10 | 2017-08-03 | Alibaba Group Holding Limited | Methods and devices for establishing photographing template database and providing photographing recommendation information |
CN107734253A (zh) * | 2017-10-13 | 2018-02-23 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、移动终端和计算机可读存储介质 |
CN108960087A (zh) * | 2018-06-20 | 2018-12-07 | 中国科学院重庆绿色智能技术研究院 | 一种基于多维度评估标准的人脸图像质量评估方法及*** |
CN109151325A (zh) * | 2018-10-26 | 2019-01-04 | 昆山亿趣信息技术研究院有限公司 | 一种合成笑脸的处理方法及处理装置 |
-
2019
- 2019-04-30 CN CN201910358663.3A patent/CN110097001A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170223265A1 (en) * | 2014-10-10 | 2017-08-03 | Alibaba Group Holding Limited | Methods and devices for establishing photographing template database and providing photographing recommendation information |
CN105303161A (zh) * | 2015-09-21 | 2016-02-03 | 广东欧珀移动通信有限公司 | 一种多人拍照的方法及装置 |
CN107734253A (zh) * | 2017-10-13 | 2018-02-23 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、移动终端和计算机可读存储介质 |
CN108960087A (zh) * | 2018-06-20 | 2018-12-07 | 中国科学院重庆绿色智能技术研究院 | 一种基于多维度评估标准的人脸图像质量评估方法及*** |
CN109151325A (zh) * | 2018-10-26 | 2019-01-04 | 昆山亿趣信息技术研究院有限公司 | 一种合成笑脸的处理方法及处理装置 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111212223B (zh) * | 2020-01-10 | 2021-01-22 | 奥比中光科技集团股份有限公司 | 一种设定成像参数的方法、***及计算机可读存储介质 |
CN111212223A (zh) * | 2020-01-10 | 2020-05-29 | 深圳奥比中光科技有限公司 | 一种设定成像参数的方法、***及计算机可读存储介质 |
CN111444770A (zh) * | 2020-02-26 | 2020-07-24 | 北京大米未来科技有限公司 | 图像处理方法、装置、电子设备及介质 |
CN111401206A (zh) * | 2020-03-11 | 2020-07-10 | 恒睿(重庆)人工智能技术研究院有限公司 | 一种全景图共享方法、***、设备和介质 |
CN111507889A (zh) * | 2020-04-13 | 2020-08-07 | 北京字节跳动网络技术有限公司 | 图像处理方法、装置、电子设备及计算机可读存储介质 |
CN111814840A (zh) * | 2020-06-17 | 2020-10-23 | 恒睿(重庆)人工智能技术研究院有限公司 | 一种人脸图像质量评估方法、***、设备和介质 |
CN112085688A (zh) * | 2020-09-16 | 2020-12-15 | 蒋芳 | 一种拍照时去除行人遮挡的方法和*** |
CN112488973A (zh) * | 2020-12-01 | 2021-03-12 | 深圳市巨烽显示科技有限公司 | 图像智能合成方法、装置、计算机设备及存储介质 |
CN112529864A (zh) * | 2020-12-07 | 2021-03-19 | 维沃移动通信有限公司 | 图片处理方法、装置、设备及介质 |
CN113033344A (zh) * | 2021-03-10 | 2021-06-25 | 咪咕文化科技有限公司 | 图像处理方法、装置及电子设备 |
CN113033344B (zh) * | 2021-03-10 | 2024-04-12 | 咪咕文化科技有限公司 | 图像处理方法、装置及电子设备 |
CN113630552A (zh) * | 2021-07-16 | 2021-11-09 | 深圳全王科技有限公司 | 一种集体照拍摄*** |
CN113538542A (zh) * | 2021-07-21 | 2021-10-22 | 维沃移动通信(杭州)有限公司 | 图像编辑方法和图像编辑装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110097001A (zh) | 生成最佳多人脸图像的方法、***、设备及存储介质 | |
CN106951867B (zh) | 基于卷积神经网络的人脸识别方法、装置、***及设备 | |
RU2617557C1 (ru) | Способ воздействия на виртуальные объекты дополненной реальности | |
KR102443026B1 (ko) | 가상 아바타 발생 방법 및 장치, 및 저장 매체 | |
US10360710B2 (en) | Method of establishing virtual makeup data and electronic device using the same | |
Yampolskiy et al. | Face recognition in the virtual world: recognizing avatar faces | |
CN108875540A (zh) | 图像处理方法、装置和***及存储介质 | |
Monteiro et al. | Deep neural networks for kitchen activity recognition | |
KR20120005587A (ko) | 컴퓨터 시스템에서 얼굴 애니메이션 생성 방법 및 장치 | |
CN110348358A (zh) | 一种肤色检测***、方法、介质和计算设备 | |
Mal et al. | Facial expression detection using facial expression model | |
Hassan et al. | SIPFormer: Segmentation of multiocular biometric traits with transformers | |
CN116091667B (zh) | 一种基于aigc技术的人物艺术形象生成*** | |
CN113392769A (zh) | 人脸图像的合成方法、装置、电子设备及存储介质 | |
Heo et al. | Performance evaluation of face recognition using visual and thermal imagery with advanced correlation filters | |
JP7438690B2 (ja) | 情報処理装置、画像認識方法及び学習モデル生成方法 | |
CN108875445A (zh) | 一种行人再识别方法及装置 | |
Chu et al. | Semi-supervised 3d human pose estimation by jointly considering temporal and multiview information | |
CN110287765A (zh) | 基于人脸识别的宝宝长相预测方法、装置及存储介质 | |
Gu et al. | Infrared-visible synthetic data from game engine for image fusion improvement | |
Qi et al. | Fusing visual saliency for material recognition | |
CN113793409A (zh) | 虚拟道具展示方法及装置 | |
Brown | Faster upper body pose recognition and estimation using Compute Unified Device Architecture | |
Komalasari et al. | Shape analysis using generalized Procrustes analysis on Active Appearance Model for facial expression recognition | |
Said et al. | Face Recognition System |
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: 20190806 |