CN111222448A - 图像转换方法及相关产品 - Google Patents
图像转换方法及相关产品 Download PDFInfo
- Publication number
- CN111222448A CN111222448A CN201911426180.9A CN201911426180A CN111222448A CN 111222448 A CN111222448 A CN 111222448A CN 201911426180 A CN201911426180 A CN 201911426180A CN 111222448 A CN111222448 A CN 111222448A
- Authority
- CN
- China
- Prior art keywords
- image
- sketch
- distance
- template
- sub
- 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
- 238000006243 chemical reaction Methods 0.000 title claims abstract description 65
- 238000000034 method Methods 0.000 title claims abstract description 55
- 230000015654 memory Effects 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 9
- 230000000007 visual effect Effects 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 5
- 231100000241 scar Toxicity 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 3
- 230000002349 favourable effect Effects 0.000 abstract 1
- 238000009877 rendering Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 210000001747 pupil Anatomy 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 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
- G06V40/168—Feature extraction; Face representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Human Computer Interaction (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Processing Or Creating Images (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例公开了一种图像转换方法及相关产品,该方法包括:获取素描图像中任意两个预设特征点之间的距离,得到N个第一距离;获取每个人脸图像模板上所述任意两个预设特征点之间的距离,得到N个第二距离;将所述N个第一距离与每个人脸图像模板的N个第二距离进行一一比对,得到与每个人脸图像模板对应的N个距离误差;根据每个人脸图像模板对应的N个距离误差确定所述素描图像对应的目标人脸图像模板。采用本申请实施例有利于提高素描图像的转换效率。
Description
技术领域
本申请涉及图像识别技术领域,具体涉及一种图像转换方法及相关产品。
背景技术
目前,肖像合成技术近年来引起人们的关注。例如,在司法领域,用素描肖像在警方的图像数据库中搜索犯罪嫌疑人是十分重要的应用。其搜索过程就是使用绘制好的素描图像与警方的图像数据库中每个人脸模板图像进行匹配,得到最匹配的目标人脸模板图像,进而将该目标人脸模板图像对应的身份作为该犯罪嫌疑人。具体来说,就是在进行图像匹配时,对素描图像进行分块处理,对每块素描图像进行匹配,得到整体匹配度最高的作为目标人脸模板图像。但是基于分块匹配的方式算法复杂度较高,导致图像转换效率较慢。
发明内容
本申请实施例提供了一种图像转换方法及相关产品,通过对特征点之间距离的比对,快速匹配出素描图像的目标人脸图像模板,提高图像转换效率。
第一方面,本申请实施例提供一种图像转换方法,包括:
获取素描图像中任意两个预设特征点之间的距离,得到N个第一距离;
获取每个人脸图像模板上所述任意两个预设特征点之间的距离,得到N个第二距离;
将所述N个第一距离与每个人脸图像模板的N个第二距离进行一一比对,得到与每个人脸图像模板对应的N个距离误差;
根据每个人脸图像模板对应的N个距离误差确定所述素描图像对应的目标人脸图像模板。
第二方面,本申请实施例提供一种图像转换装置,包括:
第一获取单元,用于获取素描图像中任意两个预设特征点之间的距离,得到N个第一距离;
第二获取单元,获取每个人脸图像模板上所述任意两个预设特征点之间的距离,得到N个第二距离;
比对单元,用于将所述N个第一距离与每个人脸图像模板的N个第二距离进行一一比对,得到与每个人脸图像模板对应的N个距离误差;
确定单元,用于根据每个人脸图像模板对应的N个距离误差确定所述素描图像对应的目标人脸图像模板。
第三方面,本申请实施例提供一种电子设备,包括处理器、存储器、通信接口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,并且被配置由所述处理器执行,所述程序包括用于执行如第一方面所述的方法中的步骤的指令。
第四方面,本申请实施例提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序使得计算机执行如第一方面所述的方法。
第五方面,本申请实施例提供一种计算机程序产品,所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,所述计算机可操作来使计算机执行如第一方面所述的方法。
实施本申请实施例,具有如下有益效果:
可以看出,在本申请实施例中,通过计算素描图像中任意两个预设特征点之间的第一距离,并将该第一距离与各个人脸图像模板上该两个预设特征点之间的第二距离进行一一比对,从而得到各个人脸图像模板对应的距离误差,进而根据各个人脸图像模板对应的距离误差确定出目标人脸模板,实现对素描图像进行整体匹配,进而提高了对素描图像的转化效率。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,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的附图。
图1为本申请实施例提供的一种图像转换方法的流程示意图;
图2为本申请实施例提供的另一种图像转换方法的流程示意图;
图3为本申请实施例提供的另一种图像转换方法的流程示意图;
图4为本申请实施例提供的一种图像转换装置的结构示意图;
图5为本申请实施例提供的一种图像转换装置的功能单元组成框图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
本申请的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、***、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结果或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
本申请中的图像转换装置可以包括智能手机(如Android手机、iOS手机、WindowsPhone手机等)、平板电脑、掌上电脑、笔记本电脑、移动互联网设备MID(Mobile InternetDevices,简称:MID)或穿戴式设备等。上述电子设备仅是举例,而非穷举,包含但不限于上述图像转换装置。在实际应用中,上述图像转换装置还可以包括:智能车载终端、计算机设备等等。
参阅图1,图1为本申请实施例提供的一种图像转换方法的流程示意图,该方法应用于图像转换装置。本实施例方法包括但不限于以下步骤:
101:图像转换装置获取素描图像中任意两个预设特征点之间的距离,得到N个第一距离。
该任意两个预设特征点为人脸上的两个特征点。
可选的,在人脸上预先划分若干个特征点。一般来讲,可将人脸划分出68个特征点。例如,人脸上的特征点包括瞳孔中心、鼻孔、嘴巴,酒窝,等等。
102:图像转换装置获取每个人脸图像模板上所述任意两个预设特征点之间的距离,得到N个第二距离。
其中,每个人脸图像模板上的任意两个预设特征点之间的距离可以为预先计算好,直接读取出来的,也可是实时计算出来的,本申请对此不作限定。
103:图像转换装置将所述N个第一距离与每个人脸图像模板的N个第二距离进行一一比对,得到与每个人脸图像模板对应的N个距离误差。
具体来说,图像转换装置将每个第一距离和与该第一距离对应的第二距离进行比对,得到与该第一距离对应的距离误差。其中,该对应关系是指在素描图像和人脸模板图像上位置相同的两个预设特征点对应的第一距离和第二距离成对应关系。例如,在第一距离为素描图像上两个瞳孔之间的距离时,则对应的第二距离为人脸图像模板上的两个瞳孔之间的距离。
104:图像转换装置根据每个人脸图像模板对应的N个距离误差确定所述素描图像对应的目标人脸图像模板。
可选的,对每个人脸图像模板对应的N个距离误差进行加权处理,得到每个人脸图像模板对应的最终的距离误差,然后,将最终的距离误差最小的人脸图像模板作为与该素描图像匹配的目标人脸图像模板。
其中,每个距离误差对应的权重系数与该距离误差所对应的两个预设特征点之间的距离成反比例关系。因为,两个特征点距离越远,出误差的几率越大,为了减少这种误差的存在,则需要设置较小的权重系数。
具体来说,权重系数ai=α*(1/di),其中,ai为每个人脸图像模板对应的N个距离误差中的第i个距离误差,α为预设参数,di为与该第i个距离误差对应的两个预设特征点之间的距离。在得到每个距离误差对应的权重系数后,对N个距离误差对应的权重系数进行归一化处理,得到每个距离误差对应的目标权重系数。
可以看出,在本申请实施例中,通过计算素描图像中任意两个预设特征点之间的第一距离,并将该第一距离与各个人脸图像模板上该两个预设特征点之间的第二距离进行一一比对,从而得到各个人脸图像模板对应的距离误差,进而根据各个人脸图像模板对应的距离误差确定出目标人脸模板,实现对素描图像进行整体匹配,进而提高了对素描图像的转化效率。
在一种可能的实施方式中,获取素描图像中任意两个预设特征点之间的距离,得到N个第一距离的实现过程可以为:
对所述素描图像进行三维模型构建,得到三维图像;
确定所述素描图像中任意一个预设特征点在所述三维图像上的三维坐标;
根据所述素描图像中任意两个预设特征点的三维坐标确定所述任意两个预设特征点之间的距离,得到N个第一距离,即计算两个预设特征点之间的欧式距离,将该欧式距离作为该两个预设特征点之间的距离。
可选的,素描图像包括与M个观测视角对应的M个子素描图像。该M个观测视角为用户观测目标人物时的视线角度。例如,M个角度可以包括侧面角度、正面角度以及俯视角度等。其中,目标人物为目标人脸模板对应的人物。
下面提供一种基于M个子素描图像构建三维图像的过程。
对每个子素描图像进行栅格划分,得到每个子素描图像上的预设特征点对应的栅格图像。即按照像素点对每个子素描图像进行栅格的划分,得到每个像素点对应的栅格图像,也即得到每个子素描图上的预设特征点的栅格图像。,其中可以将N个像素点划分为一个栅格图像,N为大于等于1的正偶数。
进一步地,对每个子素描图像上的预设特征点对应的栅格图像进行分解和压缩,得到每个子素描图像上的预设特征点的表面光场数据。
具体来说,每个预设特征点的表面光场数据可以由一个四维函数来表示,即D=F(u,v,x,y),其中,(u,v)为预设特征点在子素描图像上的像素坐标,(x,y)为预设特征点在子素描图像上的视图方向(即光线的照射方向,也就相当于在使用相机进行图像拍摄时,拍摄得到子素描图像时的拍摄方向),该拍摄方向可以通过子素描图对应的观测视角所表征,即将拍摄方向投影到xoy面,得到该投影在xoy面上的单位向量,将该单位向量作为预设特征点在子素描图像上的视图方向。F为预先构造好的表面光场函数。
然后,根据每个子素描图像上的预设特征点的表面光场数据,得到人脸上的每个预设特征点的深度信息;并根据人脸上的每个预设特征点的深度信息,构建所述三维图像。
其中,通过表面光场数据得到深度信息为现有技术,不再叙述。
需要说明的是,在素描图像包括M个子素描图像时,由于,各个子素描图像对应的目标人物一致,且各个子素描图像上所表示的预设特征点是一致的。因此,本申请中所提到的素描图像可以为M个子素描图像中的任意一个子素描图像上,也就是说可以计算任意一个子素描图像上的任意两个预设特征点的距离,得到N个第一距离。
在一种可能的实施方式中,对所述M个子素描图像中每个子素描图像进行栅格划分之前,所述方法还包括:
对每个子素描图像进行调整,得到每个子素描图像在预设方向下的目标素描图像,所述预设方向为人脸的正方向;
获取每个子素描图像的目标素描图像上的对称轴,并根据该对称轴将每个子素描图像的目标素描图像划分为第一区域和第二区域;
对所述第一区域和所述第二区域进行特征点的补全,以使所述第一区域和所述第二区域包含的预设特征点的位置和数量相同;
采用补全后的M个子素描图像进行三维模型构建,得到所述三维图像。其中,采用补全后的M个子素描图像进行三维模型构建与上述构建三维图像的过程相同或类似,在此不再赘述。
具体来说,采用第一区域的预设特征点,对第二区域中进行预设特征点的补全;然后,再采用第二区域中的预设特征点对第一区域进行预设特征点的补全,以使第一区域和第二区域中的预设特征点的位置对称以及预设特征点的数量相同。
例如,如第一区域中包含有瞳孔中心,而第二区域中不包含瞳孔中心,则在第二区域中与该瞳孔中心对称的位置补全该瞳孔中心;如第二区域中包含有酒窝,而第一区域中不包含,则在第一区域中与该酒窝对称的位置补全该酒窝。
在本实施方式中,对特征点进行补全,进而使每个子素描图像上均包含有丰富的特征点,从而使构建出的三维图像更加精确,进而提高图像匹配精度。
在一种可能的实施方式中,该素描图像可以为一个正脸的素描图像。
下面提供一种基于正脸的素描图像构建三维图像的过程。
获取该素描图像对应的像素矩阵;
将该像素矩阵输入到预先训练好的三维模型,得到该三维图像。
可选的,该三维模型是采用样本数据进行训练得到的。具体来说,获取多个人脸样本图像,每个人脸样本图像对应一帧三维点云数据(三维图像),对每个人脸样本图像对应的三维点云数据在xoy面进行投影,得到每个人脸样本图像对应的RGB像素矩阵,也就得到每个人脸样本对应的二维图像;然后,将每个人脸样本图像对应的RGB像素矩阵作为训练数据,将每个人脸样本图像对应的三维点云数据作为监督信息,采用训练数据与监督信息对初始模型进行训练,得到该预先训练好的三维模型。其中,采用交叉熵损失函数以及梯度下降法对训练过程进行训练,训练过程为现有技术,不再叙述。
在一种可能的实施方式中,该素描图像还可以是一个包含有人脸的RGB图像,下面提供另外一种构建三维图像的过程,包括但不限于以下步骤:
获取素描图像中的人脸区域;
将所述素描图像中的人脸区域作为第一区域,将其他区域作为第二区域,并分别生成与第一区域对应的第一直方图与第二区域对应的第二直方图;
根据所述第一直方图与所述第二直方图,得到所述素描图像的深度图;即获取所述第一直方图与所述第二直方图中对应的像素点的差值,得到该深度图。
根据所述深度图得到目标素描图像;
对所述目标素描图像与所述素描图像进行融合,得到三维图像。
在本实施方式中,通过简单的构建直方图的方式,即可得到该素描图像的深度信息,进而快速的得到该素描图像的三维图像,提高图像转化效率。
在一种可能的实施方式中,在得到与该素描图像对应的目标人脸模板之后,所述方法还包括:
获取所述素描图像上的辅助特征,所述辅助特征包括佩饰、纹身或者伤疤中的一种或几种的组合;
将所述辅助特征添加到所述目标人脸模板,得到新的目标人脸模板;
同步显示所述目标人脸模板和所述新的目标人脸模板。
具体来说,由于人脸模板可能是之前存储的,而素描图像是根据观测人员的描绘实时绘制出来的。因此,素描图像中可能包含有目标人脸模板中不存在的特征,故在获取到的目标人脸模板后,将上述的辅助特征添加到该目标人脸模板中,并对目标人脸模板和该添加有辅助特征点目标人脸模板同步展示,以提高人物识别的准确度。
参阅图2,图2为本申请实施例提供的另一种图像转换方法的流程示意图,该方法应用于图像转换装置。该实施例中与图1所示的实施例相同的内容,此处不再重复描述。本实施例方法包括但不限于以下步骤:
201:图像转换装置对每个子素描图像进行调整,得到每个子素描图像在预设方向下的目标素描图像。
202:图像转换装置获取每个子素描图像的目标素描图像上的对称轴,并根据该对称轴将每个子素描图像的目标素描图像划分为第一区域和第二区域。
203:图像转换装置对所述第一区域和所述第二区域进行特征点的补全,以使所述第一区域和所述第二区域中的预设特征点的位置对称以及预设特征点的数量相同。
204:图像转换装置采用补全后的M个子素描图像进行三维模型构建,得到三维图像。
205:图像转换装置获取所述素描图像上任意一个预设特征点在所述三维图像上的三维坐标,根据所述素描图像上任意两个预设特征点在所述三维图像上的三维坐标确定所述素描图像上任意两个预设特征点之间的距离,得到N个第一距离。
206:图像转换装置获取每个人脸图像模板上所述任意两个预设特征点之间的距离,得到N个第二距离。
207:图像转换装置将所述N个第一距离与每个人脸图像模板的N个第二距离进行一一比对,得到与每个人脸图像模板对应的N个距离误差。
208:图像转换装置根据每个人脸图像模板对应的N个距离误差确定所述素描图像对应的目标人脸图像模板。
可以看出,在本申请实施例中,通过计算素描图像中任意两个预设特征点之间的第一距离,并将该第一距离与各个人脸图像模板上该两个预设特征点之间的第二距离进行一一比对,从而得到各个人脸图像模板对应的距离误差,进而根据各个人脸图像模板对应的距离误差确定出目标人脸模板,实现对素描图像进行整体匹配,进而提高了对素描图像的转化效率;并且,在计算预设特征点之间的距离之前,先进行特征点的补全,从而使计算出的第一距离更加丰富,进而使匹配出的目标人脸模板更加精确,提高了素描图像的转化精度。
参阅图3,图3为本申请实施例提供的另一种图像转换方法的流程示意图,该方法应用于图像转换装置。该实施例中与图1、图2所示的实施例相同的内容,此处不再重复描述。本实施例方法包括但不限于以下步骤:
301:图像转换装置对每个子素描图像进行调整,得到每个子素描图像在预设方向下的目标素描图像。
302:图像转换装置获取每个子素描图像的目标素描图像上的对称轴,并根据该对称轴将每个子素描图像的目标素描图像划分为第一区域和第二区域。
303:图像转换装置对所述第一区域和所述第二区域进行特征点的补全,以使所述第一区域和所述第二区域中的预设特征点的位置对称以及预设特征点的数量相同。
304:图像转换装置采用补全后的M个子素描图像进行三维模型构建,得到三维图像。
305:图像转换装置获取所述素描图像上任意一个预设特征点在所述三维图像上的三维坐标,根据所述素描图像上任意两个预设特征点在所述三维图像上的三维坐标确定所述所述素描图像上任意两个预设特征点之间的距离,得到N个第一距离。
306:图像转换装置获取每个人脸图像模板上所述任意两个预设特征点之间的距离,得到N个第二距离。
307:图像转换装置将所述N个第一距离与每个人脸图像模板的N个第二距离进行一一比对,得到与每个人脸图像模板对应的N个距离误差。
308:图像转换装置根据每个人脸图像模板对应的N个距离误差确定所述素描图像对应的目标人脸图像模板。
309:图像转换装置获取所述素描图像上的辅助特征。
其中,该辅助特征包括佩饰、纹身或者伤疤中的一种或几种的组合。
310:图像转换装置将所述辅助特征添加到所述目标人脸模板,得到新的目标人脸模板,并同步显示所述目标人脸模板和所述新的目标人脸模板。
可以看出,在本申请实施例中,通过计算素描图像中任意两个预设特征点之间的第一距离,并将该第一距离与各个人脸图像模板上该两个预设特征点之间的第二距离进行一一比对,从而得到各个人脸图像模板对应的距离误差,进而根据各个人脸图像模板对应的距离误差确定出目标人脸模板,实现对素描图像进行整体匹配,进而提高了对素描图像的转化效率;并且,在计算预设特征点之间的距离之前,先进行特征点的补全,从而使计算出的第一距离更加丰富,进而使匹配出的目标人脸模板更加精确,提高了素描图像的转化精度;而且,还获取素描图像中的辅助特征,并将辅助特征添加到目标人脸模板,进一步提高素描图像的转化精度。
参阅图4,图4为本申请实施例提供的一种图像转换装置的结构示意图。如图4所示,图像转换装置400包括处理器、存储器、通信接口以及一个或多个程序,且上述一个或多个程序被存储在上述存储器中,并且被配置由上述处理器执行,上述程序包括用于执行以下步骤的指令:
获取素描图像中任意两个预设特征点之间的距离,得到N个第一距离;
获取每个人脸图像模板上所述任意两个预设特征点之间的距离,得到N个第二距离;
将所述N个第一距离与每个人脸图像模板的N个第二距离进行一一比对,得到与每个人脸图像模板对应的N个距离误差;
根据每个人脸图像模板对应的N个距离误差确定所述素描图像对应的目标人脸图像模板。
在一种可能的实施方式中,在获取素描图像中任意两个预设特征点之间的距离,得到N个第一距离方面,上述程序具体用于执行以下步骤的指令:
对所述素描图像进行三维模型构建,得到三维图像;
获取所述素描图像上任意一个预设特征点在所述三维图像上的三维坐标;
根据所述素描图像上任意两个预设特征点在所述三维图像上的三维坐标确定所述素描图像上任意两个预设特征点之间的距离,得到N个第一距离。
在一种可能的实施方式中,所述素描图像包括与M个观测视角对应的M个子素描图像,在对素描图像进行三维模型构建,得到三维图像方面,上述程序具体用于执行以下步骤的指令:
对所述M个子素描图像中每个子素描图像进行栅格划分,得到每个子素描图像上的预设特征点对应的栅格图像;
根据每个子素描图像的观测视角以及每个子素描图像上的预设特征点对应的栅格图像,确定每个子素描图像上的预设特征点的表面光场数据;
根据每个子素描图像上的预设特征点的表面光场数据,得到人脸上的每个预设特征点的深度信息;
根据人脸上的每个预设特征点的深度信息,构建所述三维图像。
在一种可能的实施方式中,在对所述M个子素描图像中每个子素描图像进行栅格划分之前,上述程序还用于执行以下步骤的指令:
根据每个子素描图像的观测视角对每个子素描图像进行调整,得到每个子素描图像在预设方向下的目标素描图像,所述预设方向为人脸的正方向;
获取每个子素描图像的目标素描图像上的对称轴,并根据该对称轴将每个子素描图像的目标素描图像划分为第一区域和第二区域;
对所述第一区域和所述第二区域进行特征点的补全,以使所述第一区域和所述第二区域中的预设特征点的位置对称以及预设特征点的数量相同。
在一种可能的实施方式中,在根据每个人脸图像模板对应的N个距离误差确定所述素描图像对应的目标人脸图像模板方面,上述程序具体用于执行以下步骤的指令:
确定所述N个距离误差中每个距离误差对应的权重系数,所述权重系数与该距离误差所对应的两个预设特征点之间的距离成反比例关系;
对每个距离误差对应的权重系数进行归一化处理,得到每个距离误差对应的目标权重系数;
根据每个距离误差对应的目标权重系数对每个人脸图像模板对应的N个距离误差进行加权处理,得到最终的距离误差;
根据每个人脸图像模板的最终的距离误差,确定所述素描图像对应的目标人脸图像模板。
在一种可能的实施方式中,上述程序还用于执行以下步骤的指令:
获取所述素描图像上的辅助特征,所述辅助特征包括佩饰、纹身或者伤疤中的一种或几种的组合;
将所述辅助特征添加到所述目标人脸模板,得到新的目标人脸模板;
同步显示所述目标人脸模板和所述新的目标人脸模板。
参阅图5,图5本申请实施例提供的一种图像转换装置的功能单元组成框图。图像转换装置500包括:第一获取单元510、第二获取单元520、比对单元530和确定单元540,其中:
第一获取单元510,用于获取素描图像中任意两个预设特征点之间的距离,得到N个第一距离;
第二获取单元520,获取每个人脸图像模板上所述任意两个预设特征点之间的距离,得到N个第二距离;
比对单元530,用于将所述N个第一距离与每个人脸图像模板的N个第二距离进行一一比对,得到与每个人脸图像模板对应的N个距离误差;
确定单元540,用于根据每个人脸图像模板对应的N个距离误差确定所述素描图像对应的目标人脸图像模板。
在一种可能的实施方式中,在获取素描图像中任意两个预设特征点之间的距离,得到N个第一距离方面,第一获取单元540,具体用于:
对所述素描图像进行三维模型构建,得到三维图像;
获取所述素描图像上任意一个预设特征点在所述三维图像上的三维坐标;
根据所述素描图像上任意两个预设特征点在所述三维图像上的三维坐标确定所述素描图像上任意两个预设特征点之间的距离,得到N个第一距离。
在一种可能的实施方式中,所述素描图像包括与M个观测视角对应的M个子素描图像,在对素描图像进行三维模型构建,得到三维图像方面,第一获取单元540,具体用于:
对所述M个子素描图像中每个子素描图像进行栅格划分,得到每个子素描图像上的预设特征点对应的栅格图像;
根据每个子素描图像的观测视角以及每个子素描图像上的预设特征点对应的栅格图像,确定每个子素描图像上的预设特征点的表面光场数据;
根据每个子素描图像上的预设特征点的表面光场数据,得到人脸上的每个预设特征点的深度信息;
根据人脸上的每个预设特征点的深度信息,构建所述三维图像。
在一种可能的实施方式中,图像转换装置500还包括调整单元5,50;
在对所述M个子素描图像中每个子素描图像进行栅格划分之前,调整单元550,用于根据每个子素描图像的观测视角对每个子素描图像进行调整,得到每个子素描图像在预设方向下的目标素描图像,所述预设方向为人脸的正方向;
获取每个子素描图像的目标素描图像上的对称轴,并根据该对称轴将每个子素描图像的目标素描图像划分为第一区域和第二区域;
对所述第一区域和所述第二区域进行特征点的补全,以使所述第一区域和所述第二区域中的预设特征点的位置对称以及预设特征点的数量相同。
在一种可能的实施方式中,在根据每个人脸图像模板对应的N个距离误差确定所述素描图像对应的目标人脸图像模板方面,确定单元540,具体用于:
确定所述N个距离误差中每个距离误差对应的权重系数,所述权重系数与该距离误差所对应的两个预设特征点之间的距离成反比例关系;
对每个距离误差对应的权重系数进行归一化处理,得到每个距离误差对应的目标权重系数;
根据每个距离误差对应的目标权重系数对每个人脸图像模板对应的N个距离误差进行加权处理,得到最终的距离误差;
根据每个人脸图像模板的最终的距离误差,确定所述素描图像对应的目标人脸图像模板。
在一种可能的实施方式中,图像转换装置500还包括添加单元560,;
添加单元560,用于:
获取所述素描图像上的辅助特征,所述辅助特征包括佩饰、纹身或者伤疤中的一种或几种的组合;
将所述辅助特征添加到所述目标人脸模板,得到新的目标人脸模板;
同步显示所述目标人脸模板和所述新的目标人脸模板。
本申请实施例还提供一种计算机存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行以实现如上述方法实施例中记载的任何一种图像转换方法的部分或全部步骤。
本申请实施例还提供一种计算机程序产品,所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,所述计算机程序可操作来使计算机执行如上述方法实施例中记载的任何一种图像转换方法的部分或全部步骤。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于可选实施例,所涉及的动作和模块并不一定是本申请所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
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,可通过其它的方式实现。例如,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,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接口,装置或单元的间接耦合或通信连接,可以是电性或其它的形式。
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。上述集成的单元既可以采用硬件的形式实现,也可以采用软件程序模块的形式实现。
所述集成的单元如果以软件程序模块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器中。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全部或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器中,包括若干指令用以使得一台计算机设备(可为个人计算机、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。而前述的存储器包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储器中,存储器可以包括:闪存盘、只读存储器(英文:Read-Only Memory,简称:ROM)、随机存取器(英文:Random Access Memory,简称:RAM)、磁盘或光盘等。
以上对本申请实施例进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种图像转换方法,其特征在于,包括:
获取素描图像中任意两个预设特征点之间的距离,得到N个第一距离;
获取每个人脸图像模板上所述任意两个预设特征点之间的距离,得到N个第二距离;
将所述N个第一距离与每个人脸图像模板的N个第二距离进行一一比对,得到与每个人脸图像模板对应的N个距离误差;
根据每个人脸图像模板对应的N个距离误差确定所述素描图像对应的目标人脸图像模板。
2.根据权利要求1所述的方法,其特征在于,所述获取素描图像中任意两个预设特征点之间的距离,得到N个第一距离,包括:
对所述素描图像进行三维模型构建,得到三维图像;
获取所述素描图像上任意一个预设特征点在所述三维图像上的三维坐标;
根据所述素描图像上任意两个预设特征点在所述三维图像上的三维坐标确定所述素描图像上任意两个预设特征点之间的距离,得到N个第一距离。
3.根据权利要求2所述的方法,其特征在于,所述素描图像包括与M个观测视角对应的M个子素描图像,所述对素描图像进行三维模型构建,得到三维图像,包括:
对所述M个子素描图像中每个子素描图像进行栅格划分,得到每个子素描图像上的预设特征点对应的栅格图像;
根据每个子素描图像的观测视角以及每个子素描图像上的预设特征点对应的栅格图像,确定每个子素描图像上的预设特征点的表面光场数据;
根据每个子素描图像上的预设特征点的表面光场数据,得到人脸上的每个预设特征点的深度信息;
根据人脸上的每个预设特征点的深度信息,构建所述三维图像。
4.根据权利要求3所述的方法,其特征在于,对所述M个子素描图像中每个子素描图像进行栅格划分之前,所述方法还包括:
根据每个子素描图像的观测视角对每个子素描图像进行调整,得到每个子素描图像在预设方向下的目标素描图像,所述预设方向为人脸的正方向;
获取每个子素描图像的目标素描图像上的对称轴,并根据该对称轴将每个子素描图像的目标素描图像划分为第一区域和第二区域;
对所述第一区域和所述第二区域进行特征点的补全,以使所述第一区域和所述第二区域中的预设特征点的位置对称以及预设特征点的数量相同。
5.根据权利要求1-4中任一项所述的方法,其特征在于,所述根据每个人脸图像模板对应的N个距离误差确定所述素描图像对应的目标人脸图像模板,包括:
确定所述N个距离误差中每个距离误差对应的权重系数,所述权重系数与该距离误差所对应的两个预设特征点之间的距离成反比例关系;
对每个距离误差对应的权重系数进行归一化处理,得到每个距离误差对应的目标权重系数;
根据每个距离误差对应的目标权重系数对每个人脸图像模板对应的N个距离误差进行加权处理,得到最终的距离误差;
根据每个人脸图像模板的最终的距离误差,确定所述素描图像对应的目标人脸图像模板。
6.根据权利要求1-5中任一项所述的方法,其特征在于,所述方法还包括:
获取所述素描图像上的辅助特征,所述辅助特征包括佩饰、纹身或者伤疤中的一种或几种的组合;
将所述辅助特征添加到所述目标人脸模板,得到新的目标人脸模板;
同步显示所述目标人脸模板和所述新的目标人脸模板。
7.一种图像转换装置,其特征在于,包括:
第一获取单元,用于获取素描图像中任意两个预设特征点之间的距离,得到N个第一距离;
第二获取单元,获取每个人脸图像模板上所述任意两个预设特征点之间的距离,得到N个第二距离;
比对单元,用于将所述N个第一距离与每个人脸图像模板的N个第二距离进行一一比对,得到与每个人脸图像模板对应的N个距离误差;
确定单元,用于根据每个人脸图像模板对应的N个距离误差确定所述素描图像对应的目标人脸图像模板。
8.根据权利要求7所述的装置,其特征在于,
在获取素描图像中任意两个预设特征点之间的距离,得到N个第一距离方面,所述第二获取单元,具体用于:
对所述素描图像进行三维模型构建,得到三维图像;
确定所述素描图像中任意一个预设特征点在所述三维图像上的三维坐标;
根据所述素描图像中任意两个预设特征点的三维坐标确定所述任意两个预设特征点之间的距离,得到N个第一距离。
9.一种电子设备,其特征在于,包括处理器、存储器、通信接口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,并且被配置由所述处理器执行,所述程序包括用于执行权利要求1-6任一项方法中的步骤的指令。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行以实现如权利要求1-6任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911426180.9A CN111222448B (zh) | 2019-12-31 | 2019-12-31 | 图像转换方法及相关产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911426180.9A CN111222448B (zh) | 2019-12-31 | 2019-12-31 | 图像转换方法及相关产品 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111222448A true CN111222448A (zh) | 2020-06-02 |
CN111222448B CN111222448B (zh) | 2023-05-12 |
Family
ID=70829253
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911426180.9A Active CN111222448B (zh) | 2019-12-31 | 2019-12-31 | 图像转换方法及相关产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111222448B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112001889A (zh) * | 2020-07-22 | 2020-11-27 | 杭州依图医疗技术有限公司 | 医学影像处理方法、装置及医学影像显示方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101510257A (zh) * | 2009-03-31 | 2009-08-19 | 华为技术有限公司 | 一种人脸相似度匹配方法及装置 |
CN109145737A (zh) * | 2018-07-18 | 2019-01-04 | 新乡医学院 | 一种快速人脸识别方法、装置、电子设备及存储介质 |
CN109376596A (zh) * | 2018-09-14 | 2019-02-22 | 广州杰赛科技股份有限公司 | 人脸匹配方法、装置、设备及存储介质 |
CN110414452A (zh) * | 2019-07-31 | 2019-11-05 | 中国工商银行股份有限公司 | 一种基于面部特征位置信息的人脸搜索方法及*** |
-
2019
- 2019-12-31 CN CN201911426180.9A patent/CN111222448B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101510257A (zh) * | 2009-03-31 | 2009-08-19 | 华为技术有限公司 | 一种人脸相似度匹配方法及装置 |
CN109145737A (zh) * | 2018-07-18 | 2019-01-04 | 新乡医学院 | 一种快速人脸识别方法、装置、电子设备及存储介质 |
CN109376596A (zh) * | 2018-09-14 | 2019-02-22 | 广州杰赛科技股份有限公司 | 人脸匹配方法、装置、设备及存储介质 |
CN110414452A (zh) * | 2019-07-31 | 2019-11-05 | 中国工商银行股份有限公司 | 一种基于面部特征位置信息的人脸搜索方法及*** |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112001889A (zh) * | 2020-07-22 | 2020-11-27 | 杭州依图医疗技术有限公司 | 医学影像处理方法、装置及医学影像显示方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111222448B (zh) | 2023-05-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109558764B (zh) | 人脸识别方法及装置、计算机设备 | |
WO2020228389A1 (zh) | 一种创建脸部模型的方法、装置、电子设备及计算机可读存储介质 | |
CN108875524B (zh) | 视线估计方法、装置、***和存储介质 | |
CN110147744B (zh) | 一种人脸图像质量评估方法、装置及终端 | |
US11288837B2 (en) | Method of influencing virtual objects of augmented reality | |
CN106897675B (zh) | 双目视觉深度特征与表观特征相结合的人脸活体检测方法 | |
US11238272B2 (en) | Method and apparatus for detecting face image | |
WO2020103700A1 (zh) | 一种基于微表情的图像识别方法、装置以及相关设备 | |
CN108509915A (zh) | 人脸识别模型的生成方法和装置 | |
CN107463865B (zh) | 人脸检测模型训练方法、人脸检测方法及装置 | |
CN113822982B (zh) | 一种人体三维模型构建方法、装置、电子设备及存储介质 | |
CN113822977A (zh) | 图像渲染方法、装置、设备以及存储介质 | |
CN111325846B (zh) | 表情基确定方法、虚拟形象驱动方法、装置及介质 | |
CN109376518A (zh) | 基于人脸识别的防止隐私泄露方法及相关设备 | |
CN109271930B (zh) | 微表情识别方法、装置与存储介质 | |
CN109214366A (zh) | 局部目标重识别方法、装置及*** | |
CN109948397A (zh) | 一种人脸图像校正方法、***及终端设备 | |
JP2022550948A (ja) | 3次元顔モデル生成方法、装置、コンピュータデバイス及びコンピュータプログラム | |
CN107292299B (zh) | 基于内核规范相关分析的侧面人脸识别方法 | |
CN108470178B (zh) | 一种结合深度可信度评价因子的深度图显著性检测方法 | |
CN111369428A (zh) | 虚拟头像生成方法和装置 | |
CN110909634A (zh) | 可见光与双红外线相结合的快速活体检测方法 | |
CN111815768B (zh) | 三维人脸重建方法和装置 | |
CN107368817B (zh) | 人脸识别方法和装置 | |
CN111222448B (zh) | 图像转换方法及相关产品 |
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 |