CN111311661A - 人脸图像处理方法、装置、电子设备及存储介质 - Google Patents

人脸图像处理方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN111311661A
CN111311661A CN202010146774.0A CN202010146774A CN111311661A CN 111311661 A CN111311661 A CN 111311661A CN 202010146774 A CN202010146774 A CN 202010146774A CN 111311661 A CN111311661 A CN 111311661A
Authority
CN
China
Prior art keywords
depth
face image
equal
information
depth information
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
CN202010146774.0A
Other languages
English (en)
Inventor
刘海敏
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 Kuangshi Technology Co Ltd
Beijing Megvii Technology Co Ltd
Original Assignee
Beijing Kuangshi 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 Kuangshi Technology Co Ltd filed Critical Beijing Kuangshi Technology Co Ltd
Priority to CN202010146774.0A priority Critical patent/CN111311661A/zh
Publication of CN111311661A publication Critical patent/CN111311661A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G06T2207/30201—Face

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本公开涉及一种人脸图像处理方法、装置、电子设备及存储介质，其中，人脸图像处理方法包括：获取人脸图像，以及人脸图像的深度信息；基于深度信息，在人脸图像上确定多条等深线；其中，位于同一条等深线上的像素点的深度信息相同，等深线具有表示等深线的深度信息的指示信息。通过在人脸图像上确定多条等深线，可以快速获得人脸图像中的任意两个像素点之间的绝对深度差关系。

Description

人脸图像处理方法、装置、电子设备及存储介质
技术领域
本公开涉及人脸检测技术领域，具体是涉及一种人脸图像处理方法、装置、电子设备及存储介质。
背景技术
在基于深度图对图片进行图像展示的机制中，采用黑白灰的对比度来表示。其中，距离摄像头近的像素点，在深度图中呈现的颜色越白；距离摄像头越远的像素点，在深度图中呈现的颜色越黑；中间的过渡区域用灰色来表示。
基于深度图中两个像素点之间的颜色的差异度，用户只能知道图像中两个像素点的相对深度差关系，而无法知道两个像素点之间的绝对深度差关系。
发明内容
为了克服现有技术中存在的问题，本公开提供一种人脸图像处理方法、装置、电子设备及存储介质。
第一方面，本公开实施例提供一种人脸图像处理方法，其中，获取人脸图像，以及人脸图像的深度信息；基于深度信息，在人脸图像上确定多条等深线；其中，位于同一条等深线上的像素点的深度信息相同，等深线具有表示等深线的深度信息的指示信息。
在一种实施方式中，人脸图像包括深度图像；获取人脸图像的深度信息包括：基于深度图像，获取人脸图像的深度信息。
在另一种实施方式中，人脸图像包括至少一张人脸图片；获取人脸图像的深度信息包括：基于至少一张人脸图片，通过神经网络算法，获取人脸图像的深度信息。
在又一种实施方式中，基于深度信息，在人脸图像上确定多条等深线包括：在人脸图像中确定基准像素点，以及基准像素点的深度信息；确定任意相邻两条等深线之间的深度差；基于基准像素点的深度信息、深度差，以及人脸图像上除基准像素点之外的其他像素点的深度信息，在人脸图像上确定多条等深线。
在又一种实施方式中，深度差包括预设深度差。
在又一种实施方式中，确定任意相邻两条等深线之间的深度差包括：基于人脸图像的深度信息，确定深度值最大的像素点为最高点，深度值最小的像素点为最低点；基于最高点的深度值与最低点的深度值之间的差值，和等深线的预设个数，确定任意相邻两条等深线之间的深度差。
在又一种实施方式中，指示信息为等深线上任意一像素点的深度值，或指示信息为转化深度值，其中，转化深度值为等深线上任意一像素点的深度值与基准像素点的深度值之间的差值。
在一种实施方式中，等深线具有表示等深线的深度信息的指示信息，通过以下方式实现：在等深线上涂覆有不同的颜色，通过在等深线上涂覆的颜色来表示等深线的深度信息；其中，在等深线上涂覆的颜色与等深线的深度信息相对应。
第二方面，本公开实施例提供一种人脸图像处理装置，其中，人脸图像处理装置包括：获取模块，用于获取人脸图像，以及人脸图像的深度信息；处理模块，用于基于深度信息，在人脸图像上确定多条等深线；其中，位于同一条等深线上的像素点的深度信息相同，等深线具有表示等深线的深度信息的指示信息。
第三方面，本公开实施例提供一种电子设备，其中，电子设备包括：存储器，用于存储指令；以及处理器，用于调用存储器存储的指令执行本公开第一方面或第一方面任意一种实施方式中所述的人脸图像处理方法。
第四方面，本公开实施例提供一种计算机可读存储介质，其中，计算机可读存储介质存储有计算机可执行指令，计算机可执行指令在由处理器执行时，执行第一方面或第一方面任意一种实施方式中所述的人脸图像处理方法。
本公开提供一种人脸图像处理方法，通过获取人脸图像以及人脸图像的深度信息，并基于深度信息，在人脸图像上确定多条等深线。通过在人脸图像上确定多条等深线，可以快速获得人脸图像中的任意两个像素点之间的绝对深度差关系。
附图说明
通过参考附图阅读下文的详细描述，本公开实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本公开的实施方式，其中：
图1示出了本公开实施例提供的一种人脸图像处理方法的流程图；
图2示出了本公开实施例提供的一种人脸图像处理方法中基于深度信息，在人脸图像上确定多条等深线的步骤的流程图；
图3示出了本公开实施例提供的一种人脸图像处理装置的示意图；
图4示出了本公开实施例提供的一种电子设备示意图。
具体实施方式
下面将参考若干示例性实施方式来描述本公开的原理和精神。应当理解，给出这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本公开，而并非以任何方式限制本公开的范围。
需要注意，虽然本文中使用“第一”、“第二”等表述来描述本公开的实施方式的不同模块、步骤和数据等，但是“第一”、“第二”等表述仅是为了在不同的模块、步骤和数据等之间进行区分，而并不表示特定的顺序或者重要程度。实际上，“第一”、“第二”等表述完全可以互换使用。
目前，在基于深度图对图片进行图像展示的机制中，采用黑白灰的对比度来表示。基于深度图中两个像素点之间的颜色的差异度，用户只能知道图像中两个像素点的相对深度差关系，而无法知道两个像素点之间的绝对深度差关系。
本公开涉及的一种人脸图像处理方法，通过在人脸图像上确定多条等深线，可以快速获得人脸图像中的任意两个像素点之间的绝对深度差关系。
图1示出了本公开实施例提供的一种人脸图像处理方法的流程图。
如图1所示，在本公开一示例性实施例中，人脸图像处理方法包括步骤S101和步骤S102。下面将分别介绍步骤S101和步骤S102。
在步骤S101中，获取人脸图像，以及人脸图像的深度信息。
人脸图像的深度信息包括人脸图像上各个像素点的深度信息。
深度信息可以是通过拍摄组件获取的图像，用以表明各个像素点到拍摄组件的摄像头的距离。其中，拍摄组件可以是TOF模组，还可以是结构光、双目相机等。在本公开，不对拍摄组件作具体限定。
人脸图像上各个像素点的深度信息可以通过与人脸图像对应的深度图像而获取。
在步骤S102中，基于深度信息，在人脸图像上确定的多条等深线。
多条等深线可以直接显示在人脸图像上。
等深线是一条封闭的曲线。其中，位于同一条等深线上的像素点的深度信息相同。
等深线还可以具有表示该等深线的深度信息的指示信息。通过指示信息，可以方便用户直观得获取此等深线与其他等深线之间的深度信息的不同，可以获得两个等深线之间的绝对深度差关系。进而，可以直观得获取分别位于这两条等深线上的像素点之间的绝对深度差值。
本公开提供一种人脸图像处理方法，通过获取人脸图像以及人脸图像的深度信息，并基于深度信息，在人脸图像上确定多条等深线。通过在人脸图像上确定多条等深线，可以快速获得人脸图像中的任意两个像素点之间的绝对深度差关系。
在本公开一示例性实施例中，人脸图像包括深度图像。可以基于与人脸图像对应的深度图像，获取人脸图像的深度信息。
在一实施例中，人脸图像还可以包括3D人脸图像。
由于3D人脸图像可以根据一个深度图像和一个2D图像而获得。因此，基于3D人脸图像，还可以获得与该3D人脸图像对应的深度图像。
基于通过3D人脸图像获得的深度图像，获取人脸图像的深度信息。
在一实施例中，还可以基于多张2D人脸图像，通过3D人脸重建算法，可以获取到与该2D人脸图像对应的3D人脸图像。
基于重建后获得的3D人脸图像，提取出与3D人脸图像对应的深度图像，基于深度图像获得人脸图像的深度信息。
在本公开一示例性实施例中，人脸图像包括至少一张人脸图片。基于至少一张人脸图片，通过神经网络算法，获取人脸图像的深度信息。
在一实施例中，可以获取一张人脸主图片，其中，人脸主图片为人脸正对镜头的照片；和多张人脸辅图片，其中，人脸辅图片为人脸除正对镜头之外的其他角度的照片。基于一张人脸主图片和多张人脸辅图片，通过卷积神经网络算法，可以获取人脸图像的深度信息。
通过此种方式，基于多张2D人脸图片，也可以实现在2D人脸图片的人脸图像上构建多条等深线，进而可以确定2D人脸图片的人脸图像的任意一像素点与其他像素点之间的绝对深度差值。
图2示出了本公开实施例提供的一种人脸图像处理方法中基于深度信息，在人脸图像上确定多条等深线的步骤的流程图。
如图2所示，在步骤S102基于深度信息，在人脸图像上确定多条等高线包括步骤S1021、步骤S1022和步骤S1023。下面将分别介绍步骤S1021、步骤S1022和步骤S1023。
在步骤S1021中，在人脸图像中确定基准像素点，以及基准像素点的深度信息。
在步骤S1022中，确定任意相邻两条等深线之间的深度差。
在一种实施例中，深度差可以是预设深度差。例如，可以将深度差设置为10mm。
预设深度差可以根据实际情况进行调整，在本公开中，不对预设高度差的具体值做限定。
在步骤S1023中，基于基准像素点的深度信息、深度差，以及人脸图像上除基准像素点之外的其他像素点的深度信息，在人脸图像上确定多条等深线。
在一实施例中，若深度差为10mm，基准像素点的深度值为10mm，则基于基准像素点的深度信息和深度差，可以依次确定深度值为20mm、30mm、40mm……的像素点。
进一步的，基于人脸图像上除基准像素点之外的其他像素点的深度信息，可以将深度值为20mm的各个像素点相连形成一条曲线；将深度值为30mm的各个像素点相连形成一条曲线；将深度值为40mm的各个像素点相连形成一条曲线，以此类推。进而，可以在人脸图像上确定等深线上像素点的深度值分别为20mm、30mm、40mm……的等深线。
在一实施例中，基于基准像素点的深度信息，以及除基准像素点之外的其他像素点的深度信息，可以在人脸图像上确定一条深度信息为基准像素点的深度信息的等深线。
若基准像素点的深度值为10mm，则可以将人脸图像上深度值为10mm的所有像素点连接形成一条闭合的曲线，该曲线即为深度信息为基准像素点的深度信息的等深线。
在一实施例中，可以将人脸图像上的各个像素点的深度信息，基于基准像素点的深度信息进行转化，得到转化后的深度信息，也即转化深度值，并利用转化后的深度信息或转化深度值，在人脸图像上确定多条等深线。
为了便于说明上述实施例，现以下例进行说明。
令基准像素点的深度值为10mm。
转化后的基准像素点对应的深度值，即转化深度值为(10-10)mm。
令人脸图像上除基准像素点之外的其他像素点的深度值为H，则转化深度值为(H-10)mm。
基于基准像素点的转化深度值0mm、深度差，以及人脸图像上除基准像素点之外的其他像素点的转化深度值(H-10)mm，可以在人脸图像上确定多条等深线。其中，基准像素点所在的等深线的转化深度值为0mm。
在本公开一示例性实施例中，确定任意相邻两条等深线之间的深度差还可以通过以下方式实现。
基于人脸图像的深度信息，确定深度值最大的像素点为最高点，深度值最小的像素点为最低点。
基于最高点的深度值与最低点的深度值之间的差值，和等深线的预设个数，确定任意相邻两条等深线之间的深度差。
在一实施例中，若等深线的预设个数为10个，最高点的深度值为400mm，最低点的深度值为50mm，那么任意相邻两条等深线之间的深度差为(400mm-50mm)/10。
通过此种方式，可以根据实际情况，确定可设定的等深线的个数，并基于可设定的等深线的个数，以及最高点的深度值与最低点点的深度值之间的差值，确定相邻两条等深线之间的深度差。进而，可以确定多条等深线。为确定人脸图像的多条等深线提供了多样的方式。
为了便于直观获得人脸图像上任意两个等深线之间的深度差值，可以在人脸图像上的各个等深线上添加表示等深线的深度信息的指示信息。
在本公开一示例性实施例中，等深线具有的表示等深线的深度信息的指示信息，可以是等深线上任意一像素点的深度值。
若等深线上任意一像素点的深度值为430mm，则在等深线的指示信息为430mm。通过此方式，可以令用户直观得获取到等深线上任意一像素点的深度值。进而可以直观得获得位于不同等深线上的像素点之间的绝对深度值差。
在一种实施方式中，等深线具有的表示等深线的深度信息的指示信息还可以是等深线上任意一像素点的转化深度值。其中，转化深度值为等深线上任意一像素点的深度值与基准像素点的深度值之间的差值。
基于基准像素点的深度信息，以及除基准像素点之外的其他像素点的深度信息，在人脸图像上确定一条深度信息为基准像素点的深度信息的等深线，可以作为基准等深线。
通过上述方式，可以将基准等深线的指示信息设置为相应的转化深度值，即基准等深线上任意一像素点的深度值与基准像素点的深度值之间的差值，为0mm。
以下述实施例，对本公开的人脸图像处理方法进行说明。
现以3D图像中双耳耳孔中心点这一像素点作为基准像素点。相应的，基于基准像素点的深度信息，以及除基准像素点之外的其他像素点的深度信息，在人脸图像上确定一条深度信息为基准像素点的深度信息的等深线，即为基准等深线。
等深线具有表示等深线的深度信息的指示信息。其中，指示信息为转化深度值。转化深度值为等深线上任意一像素点的深度值与基准像素点的深度值之间的差值。
由于双耳耳孔中心点所在的等深线为基准等深线，则双耳耳孔中心点所在的等深线的指示信息为0mm。
确定人脸图像中的深度值最大的像素点为最高点。例如，位于人脸鼻尖的一像素点为最高点。
由于最高点的深度值与双耳耳孔中心点这一像素点的深度值之间的差值为430mm，那么，可以将深度值与双耳耳孔中心点的深度值的差值为430mm的像素点连接起来，形成一个封闭的曲线，即可构成指示信息为430mm的等深线。
若深度差为10mm，则与指示信息为430mm的等深线相邻的等深线，其指示信息为420mm。
依次在人脸图像上确定指示信息分别为410mm、400mm、390mm……的等深线。
通过此种方式，基于人脸图像上任意两个像素点所处的等深线的指示信息，可以确定任意两个像素点之间的绝对深度差。
在本公开一示例性实施例中，等深线具有表示等深线的深度信息的指示信息，可以通过以下方式实现。
可以在等深线上涂覆有不同的颜色，通过在等深线上涂覆的颜色来表示等深线的深度信息。
其中，在等深线上涂覆的颜色与等深线的深度信息相对应。
通过此种方式，便于用户直观了解等深线的深度信息。
图3示出了本公开实施例提供的一种人脸图像处理装置的示意图。
基于相同的发明构思，如图3所示，本公开实施例还提供一种人脸图像处理装置。
人脸图像处理装置包括：获取模块201和处理模块202。下面将分别介绍获取模块201和处理模块202。
获取模块201，用于获取人脸图像，以及人脸图像的深度信息。
处理模块202，用于基于深度信息，在人脸图像上确定多条等深线。
其中，位于同一条等深线上的像素点的深度信息相同，等深线具有表示等深线的深度信息的指示信息。
在本公开一示例性实施例中，人脸图像包括深度图像。获取模块201用于：基于深度图像，获取人脸图像的深度信息。
在本公开一示例性实施例中，人脸图像包括至少一张人脸图片。获取模块201用于：基于至少一张人脸图片，通过神经网络算法，获取人脸图像的深度信息。
在本公开一示例性实施例中，处理模块202用于：在人脸图像中确定基准像素点，以及基准像素点的深度信息；确定任意相邻两条等深线之间的深度差；基于基准像素点的深度信息、深度差，以及人脸图像上除基准像素点之外的其他像素点的深度信息，在人脸图像上确定多条等深线。
在本公开一示例性实施例中，深度差包括预设深度差。
在本公开一示例性实施例中，处理模块202用于：基于人脸图像的深度信息，确定深度值最大的像素点为最高点，深度值最小的像素点为最低点；基于最高点的深度值与最低点的深度值之间的差值，和等深线的预设个数，确定任意相邻两条等深线之间的深度差。
在本公开一示例性实施例中，指示信息为所述等深线上任意一像素点的深度值，或指示信息为转化深度值，其中，所述转化深度值为所述等深线上任意一像素点的深度值与基准像素点的深度值之间的差值。
在本公开一示例性实施例中，处理模块202用于：在等深线上涂覆有不同的颜色，通过在等深线上涂覆的颜色来表示等深线的深度信息。
其中，在等深线上涂覆的颜色与等深线的深度信息相对应。
图4示出了本公开的一个实施方式提供的一种电子设备30。
如图4所示，本公开的一个实施方式提供的一种电子设备30，其中，该电子设备30包括存储器310、处理器320、输入/输出(Input/Output，I/O)接口330。其中，存储器310，用于存储指令。处理器320，用于调用存储器310存储的指令执行本公开人脸图像处理方法。其中，处理器320分别与存储器310、I/O接口330连接，例如可通过总线***和/或其他形式的连接机构(未示出)进行连接。存储器310可用于存储程序和数据，包括本公开实施例中涉及的人脸图像处理的程序，处理器320通过运行存储在存储器310的程序从而执行电子设备30的各种功能应用以及数据处理。
本公开实施例中处理器320可以采用数字信号处理器(Digital SignalProcessing，DSP)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)、可编程逻辑阵列(Programmable Logic Array，PLA)中的至少一种硬件形式来实现，所述处理器320可以是中央处理单元(Central Processing Unit，CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元中的一种或几种的组合。
本公开实施例中的存储器310可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(Random Access Memory，RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(Read-OnlyMemory，ROM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive，HDD)或固态硬盘(Solid-State Drive，SSD)等。
本公开实施例中，I/O接口330可用于接收输入的指令(例如数字或字符信息，以及产生与电子设备30的用户设置以及功能控制有关的键信号输入等)，也可向外部输出各种信息(例如，图像或声音等)。本公开实施例中I/O接口330可包括物理键盘、功能按键(比如音量控制按键、开关按键等)、鼠标、操作杆、轨迹球、麦克风、扬声器、和触控面板等中的一个或多个。
在一些实施方式中，本公开提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机可执行指令，计算机可执行指令在由处理器执行时，执行上文所述的任何方法。
尽管在附图中以特定的顺序描述操作，但是不应将其理解为要求按照所示的特定顺序或是串行顺序来执行这些操作，或是要求执行全部所示的操作以得到期望的结果。在特定环境中，多任务和并行处理可能是有利的。
本公开的方法和装置能够利用标准编程技术来完成，利用基于规则的逻辑或者其他逻辑来实现各种方法步骤。还应当注意的是，此处以及权利要求书中使用的词语“装置”和“模块”意在包括使用一行或者多行软件代码的实现和/或硬件实现和/或用于接收输入的设备。
此处描述的任何步骤、操作或程序可以使用单独的或与其他设备组合的一个或多个硬件或软件模块来执行或实现。在一个实施方式中，软件模块使用包括包含计算机程序代码的计算机可读介质的计算机程序产品实现，其能够由计算机处理器执行用于执行任何或全部的所描述的步骤、操作或程序。
出于示例和描述的目的，已经给出了本公开实施的前述说明。前述说明并非是穷举性的也并非要将本公开限制到所公开的确切形式，根据上述教导还可能存在各种变形和修改，或者是可能从本公开的实践中得到各种变形和修改。选择和描述这些实施例是为了说明本公开的原理及其实际应用，以使得本领域的技术人员能够以适合于构思的特定用途来以各种实施方式和各种修改而利用本公开。

Claims (11)

1.一种人脸图像处理方法，其特征在于，所述人脸图像处理方法包括：
获取人脸图像，以及所述人脸图像的深度信息；
基于所述深度信息，在所述人脸图像上确定多条等深线；
其中，位于同一条所述等深线上的像素点的深度信息相同，所述等深线具有表示所述等深线的深度信息的指示信息。
2.根据权利要求1所述的人脸图像处理方法，其特征在于，
所述人脸图像包括深度图像；
获取所述人脸图像的深度信息包括：
基于所述深度图像，获取所述人脸图像的深度信息。
3.根据权利要求1所述的人脸图像处理方法，其特征在于，
所述人脸图像包括至少一张人脸图片；
获取所述人脸图像的深度信息包括：
基于所述至少一张人脸图片，通过神经网络算法，获取所述人脸图像的深度信息。
4.根据权利要求1所述的人脸图像处理方法，其特征在于，所述基于所述深度信息，在所述人脸图像上确定多条等深线包括：
在所述人脸图像中确定基准像素点，以及所述基准像素点的深度信息；
确定任意相邻两条等深线之间的深度差；
基于所述基准像素点的深度信息、所述深度差，以及所述人脸图像上除所述基准像素点之外的其他像素点的深度信息，在所述人脸图像上确定多条等深线。
5.根据权利要求4所述的人脸图像处理方法，其特征在于，
所述深度差包括预设深度差。
6.根据权利要求4所述的人脸图像处理方法，其特征在于，所述确定任意相邻两条等深线之间的深度差包括：
基于所述人脸图像的深度信息，确定深度值最大的像素点为最高点，深度值最小的像素点为最低点；
基于所述最高点的深度值与所述最低点的深度值之间的差值，和等深线的预设个数，确定所述任意相邻两条等深线之间的深度差。
7.根据权利要求1所述的人脸图像处理方法，其特征在于，
所述指示信息为所述等深线上任意一像素点的深度值，或
所述指示信息为转化深度值，其中，所述转化深度值为所述等深线上任意一像素点的深度值与基准像素点的深度值之间的差值。
8.根据权利要求1所述的人脸图像处理方法，其特征在于，所述等深线具有表示所述等深线的深度信息的指示信息，通过以下方式实现：
在所述等深线上涂覆有不同的颜色，通过在所述等深线上涂覆的所述颜色来表示所述等深线的深度信息；
其中，在所述等深线上涂覆的所述颜色与所述等深线的深度信息相对应。
9.一种人脸图像处理装置，其特征在于，所述人脸图像处理装置包括：
获取模块，用于获取人脸图像，以及所述人脸图像的深度信息；
处理模块，用于基于所述深度信息，在所述人脸图像上确定多条等深线；
其中，位于同一条所述等深线上的像素点的深度信息相同，所述等深线具有表示所述等深线的深度信息的指示信息。
10.一种电子设备，其特征在于，所述电子设备包括：
存储器，用于存储指令；以及
处理器，用于调用所述存储器存储的指令执行权利要求1-8中任一项所述人脸图像处理方法。
11.一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可执行指令，所述计算机可执行指令在由处理器执行时，执行权利要求1-8中任一项所述人脸图像处理方法。
CN202010146774.0A 2020-03-05 2020-03-05 人脸图像处理方法、装置、电子设备及存储介质 Pending CN111311661A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010146774.0A CN111311661A (zh) 2020-03-05 2020-03-05 人脸图像处理方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010146774.0A CN111311661A (zh) 2020-03-05 2020-03-05 人脸图像处理方法、装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN111311661A true CN111311661A (zh) 2020-06-19

Family

ID=71160504

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010146774.0A Pending CN111311661A (zh) 2020-03-05 2020-03-05 人脸图像处理方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN111311661A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0991451A (ja) * 1995-09-26 1997-04-04 Matsushita Electric Ind Co Ltd 画像編集装置
CN102779269A (zh) * 2012-06-13 2012-11-14 合肥工业大学 基于图像传感器成像***的人脸识别算法
CN108052912A (zh) * 2017-12-20 2018-05-18 安徽信息工程学院 一种基于矩傅里叶描述子的立体面像识别方法
CN108830892A (zh) * 2018-06-13 2018-11-16 北京微播视界科技有限公司 人脸图像处理方法、装置、电子设备及计算机可读存储介质
US20200065562A1 (en) * 2018-04-28 2020-02-27 Guangdong Oppo Mobile Telecommunications Corp., Ltd. Method and Device for Processing Image, Computer Readable Storage Medium and Electronic Device

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0991451A (ja) * 1995-09-26 1997-04-04 Matsushita Electric Ind Co Ltd 画像編集装置
CN102779269A (zh) * 2012-06-13 2012-11-14 合肥工业大学 基于图像传感器成像***的人脸识别算法
CN108052912A (zh) * 2017-12-20 2018-05-18 安徽信息工程学院 一种基于矩傅里叶描述子的立体面像识别方法
US20200065562A1 (en) * 2018-04-28 2020-02-27 Guangdong Oppo Mobile Telecommunications Corp., Ltd. Method and Device for Processing Image, Computer Readable Storage Medium and Electronic Device
CN108830892A (zh) * 2018-06-13 2018-11-16 北京微播视界科技有限公司 人脸图像处理方法、装置、电子设备及计算机可读存储介质

Similar Documents

Publication Publication Date Title
CN110705583B (zh) 细胞检测模型训练方法、装置、计算机设备及存储介质
EP3767520B1 (en) Method, device, equipment and medium for locating center of target object region
JP6685827B2 (ja) 画像処理装置、画像処理方法及びプログラム
KR20200118076A (ko) 생체 검출 방법 및 장치, 전자 기기 및 저장 매체
CN108463823B (zh) 一种用户头发模型的重建方法、装置及终端
CN110796600B (zh) 一种图像超分重建方法、图像超分重建装置及电子设备
CN109005368B (zh) 一种高动态范围图像的生成方法、移动终端及存储介质
CN110648296B (zh) 一种瞳孔颜色修正方法、修正装置、终端设备及存储介质
CN109145970B (zh) 基于图像的问答处理方法和装置、电子设备及存储介质
CN112967381B (zh) 三维重建方法、设备和介质
CN108564550B (zh) 图像处理方法、装置及终端设备
US20210248723A1 (en) Image brightness statistical method and imaging device
WO2019205937A1 (zh) 瞳孔中心定位装置和方法、虚拟现实设备
CN111444555A (zh) 一种测温信息显示方法、装置及终端设备
CN110717914A (zh) 人体抠像的方法和装置
CN109981989B (zh) 渲染图像的方法、装置、电子设备和计算机可读存储介质
CN111275648B (zh) 人脸图像处理方法、装置、设备及计算机可读存储介质
CN110047126B (zh) 渲染图像的方法、装置、电子设备和计算机可读存储介质
CN110070017B (zh) 一种人脸假眼图像生成方法及装置
JP6896811B2 (ja) 画像処理装置、画像処理方法、およびプログラム
CN112489144A (zh) 图像处理方法、图像处理装置、终端设备及存储介质
CN111311661A (zh) 人脸图像处理方法、装置、电子设备及存储介质
CN111340722A (zh) 图像处理方法、处理装置、终端设备及可读存储介质
CN111222446A (zh) 人脸识别方法、人脸识别装置及移动终端
US10424236B2 (en) Method, apparatus and system for displaying an image having a curved surface display effect on a flat display panel

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