CN112188091A - 人脸信息识别方法、装置、电子设备及存储介质 - Google Patents
人脸信息识别方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112188091A CN112188091A CN202011017794.4A CN202011017794A CN112188091A CN 112188091 A CN112188091 A CN 112188091A CN 202011017794 A CN202011017794 A CN 202011017794A CN 112188091 A CN112188091 A CN 112188091A
- Authority
- CN
- China
- Prior art keywords
- face
- target image
- information
- attribute information
- image frame
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/61—Control of cameras or camera modules based on recognised objects
- H04N23/611—Control of cameras or camera modules based on recognised objects where the recognised objects include parts of the human body
-
- 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
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Studio Devices (AREA)
- Image Processing (AREA)
Abstract
本公开关于一种人脸信息识别方法、装置、电子设备及存储介质,方法包括:在第一拍摄过程中检测到第一人脸的情况下,获取连续N个包含所述第一人脸的目标图像帧中每个所述目标图像帧的人脸信息,其中,所述人脸信息包括所述第一人脸的图像信息和所述第一人脸的属性信息,N为大于1的整数;确定每个所述目标图像帧的所述第一人脸的属性信息的置信级别,其中,每个所述目标图像帧的所述置信级别是依据每个所述目标图像帧的所述第一人脸的图像信息确定;基于N个目标图像帧的所述第一人脸的属性信息和所述置信级别,确定所述第一人脸的目标属性信息。本公开能够提高人脸属性信息的识别准确性。
Description
技术领域
本公开涉及人脸识别技术领域,尤其涉及一种人脸信息识别方法、装置、电子设备及存储介质。
背景技术
随着图像处理技术的不断发展,人脸识别被广泛应用于生产生活的各个方面。比如,在拍摄业务中,通常需要在拍摄过程中识别出人脸的属性信息,以根据该人脸的属性信息进行相应处理,如在拍摄过程中根据人脸的属性信息匹配相应的拍摄道具或者根据人脸的属性信息做相应的美颜处理。
在拍摄业务中进行人脸属性信息的识别时,通常是对拍摄过程中出现的人脸进行实时识别,然而,在拍摄过程中经常会遇到各种无法预测的情况,如人脸模糊、人脸转动角度大和半脸等,这些情况可能会导致拍摄过程中输出的人脸属性信息错误。
可见,现有技术中人脸属性信息的识别方式存在准确性比较低的问题。
发明内容
本公开提供一种人脸信息识别方法、装置、电子设备及存储介质,以至少解决相关技术中人脸属性信息的识别方式存在准确性比较低的问题。本公开的技术方案如下:
根据本公开实施例的第一方面,提供一种人脸信息识别方法,包括:
在第一拍摄过程中检测到第一人脸的情况下,获取连续N个包含所述第一人脸的目标图像帧中每个所述目标图像帧的人脸信息,其中,所述人脸信息包括所述第一人脸的图像信息和所述第一人脸的属性信息,N为大于1的整数;
确定每个所述目标图像帧的所述第一人脸的属性信息的置信级别,其中,每个所述目标图像帧的所述置信级别是依据每个所述目标图像帧的所述第一人脸的图像信息确定;
基于N个目标图像帧的所述第一人脸的属性信息和所述置信级别,确定所述第一人脸的目标属性信息。
可选的,所述确定每个所述目标图像帧的所述第一人脸的属性信息的置信级别的步骤包括:
基于每个所述目标图像帧的所述第一人脸的图像信息确定每个所述目标图像帧中所述第一人脸的状态信息;其中,所述状态信息包括表征所述第一人脸在所述目标图像帧中的人脸姿态的欧拉角、模糊程度,以及所述第一人脸在所述目标图像帧中的区域面积相对于所述第一人脸的完整区域面积的目标比例中一种或多种;
基于每个所述目标图像帧中所述第一人脸的状态信息,确定每个所述目标图像帧的所述第一人脸的属性信息的置信级别。
可选的,所述基于每个所述目标图像帧中所述第一人脸的状态信息,确定每个所述目标图像帧的所述第一人脸的属性信息的置信级别的步骤包括:
分别确定所述状态信息对应的所述目标图像帧的权重;其中,所述状态信息对应的所述目标图像帧的权重包括第一权重、第二权重和第三权重中一种或多种,所述第一权重与所述目标比例呈正比,所述第二权重与所述欧拉角呈反比,所述第三权重与所述模糊程度呈反比;
基于所述状态信息对应的所述目标图像帧的权重,确定所述目标图像帧的权重结果;
基于所述权重结果,确定所述目标图像帧的所述第一人脸的属性信息的置信级别;其中,所述目标图像帧的所述第一人脸的属性信息的置信级别与所述权重结果呈正比。
可选的,所述基于所述状态信息对应的所述目标图像帧的权重,确定所述目标图像帧的权重结果,包括:
在所述状态信息对应的所述目标图像帧的权重包括所述第一权重、第二权重和第三权重中任一种的情况下,将所述状态信息对应的所述目标图像帧的权重作为所述目标图像帧的权重结果;
在所述状态信息对应的所述目标图像帧的权重包括所述第一权重、第二权重和第三权重中多种的情况下,将所述状态信息对应的所述目标图像帧的多种权重相乘,将相乘的结果确定为所述目标图像帧的权重结果。
可选的,所述基于每个所述目标图像帧中所述第一人脸的状态信息,确定每个所述目标图像帧的所述第一人脸的属性信息的置信级别的步骤包括:
在所述目标比例小于或等于第一阈值,所述欧拉角大于或等于第二阈值,或者,所述模糊程度大于或等于第三阈值的情况下,确定所述目标图像帧中所述第一人脸的属性信息的置信级别为不可信的置信级别;
在所述目标比例大于第一阈值、所述欧拉角小于第二阈值,并且所述模糊程度小于第三阈值的情况下,确定所述目标图像帧中所述第一人脸的属性信息的置信级别为可信的置信级别。
可选的,所述基于N个目标图像帧的所述第一人脸的属性信息和所述置信级别,确定所述第一人脸的目标属性信息的步骤包括:
剔除所述N个目标图像帧中置信级别表征所述第一人脸的属性信息不可信的第一目标图像帧,获得第二目标图像帧;
基于图像帧集合中每个图像帧的所述第一人脸的属性信息和所述置信级别,确定所述第一人脸的目标属性信息;其中,所述图像帧集合中包括所述第二目标图像帧。
可选的,所述基于图像帧集合中每个图像帧的所述第一人脸的属性信息和所述置信级别,确定所述第一人脸的目标属性信息的步骤之前,所述方法还包括:
获取第三目标图像帧;其中,所述第三目标图像帧为在所述N个目标图像帧之后连续采集的包含所述第一人脸的图像帧,且所述第三目标图像帧中所述第一人脸的属性信息的置信级别为可信的置信级别;
确定所述第三目标图像帧中所述第一人脸的属性信息和所述第一人脸的属性信息的置信级别;
在所述第三目标图像帧和所述第二目标图像帧的数量之和等于N的情况下,执行所述基于图像帧集合中每个图像帧的所述第一人脸的属性信息和所述置信级别,确定所述第一人脸的目标属性信息的步骤;其中,所述图像帧集合中还包括所述第三目标图像帧。
可选的,所述基于N个目标图像帧的所述第一人脸的属性信息和所述置信级别,确定所述第一人脸的目标属性信息的步骤之后,所述方法还包括:
提取所述N个目标图像帧中所述第一人脸的第一特征信息;
将所述第一特征信息与所述目标属性信息关联存储至属性匹配列表中;其中,所述属性匹配列表用于对第二拍摄过程中检测到的人脸进行属性信息识别,所述第二拍摄过程为所述第一人脸退出所述第一拍摄过程后重新启动的拍摄过程。
可选的,所述将所述第一特征信息与所述目标属性信息关联存储至属性匹配列表中的步骤之后,所述方法还包括:
在所述第二拍摄过程中检测到第二人脸的情况下,获取所述第二人脸的第二特征信息;
将所述第二人脸的第二特征信息与所述属性匹配列表中所述第一人脸的第一特征信息进行匹配;
在匹配成功的情况下,将所述目标属性信息确定为所述第二人脸的属性信息。
可选的,所述将所述第一特征信息与所述目标属性信息关联存储至属性匹配列表中的步骤之后,所述方法还包括:
在检测到退出所述第一拍摄过程对应的应用程序的情况下,将所述属性匹配列表中关联存储的信息存储至本地的预设列表中;其中,所述预设列表用于存储拍摄过程中人脸的属性信息和特征信息;
所述将所述第二人脸的第二特征信息与所述属性匹配列表中所述第一人脸的第一特征信息进行匹配的步骤之前,所述方法还包括:
将所述预存列表加载至所述属性匹配列表中。
可选的,所述第一人脸的图像信息包括所述第一人脸的关键点信息和/或图像参数信息;所述基于每个所述目标图像帧的所述第一人脸的图像信息确定每个所述目标图像帧中所述第一人脸的状态信息的步骤包括:
基于每个所述目标图像帧的所述第一人脸的关键点信息和/或图像参数信息,确定每个所述目标图像帧中所述第一人脸的状态信息;
其中,所述关键点信息中包括关键点的数量和/或关键点的二维坐标,所述图像参数信息中包括图像模糊度,所述目标比例为所述第一人脸在所述目标图像帧中的关键点的数量与所述第一人脸的所有关键点的数量的比值,所述欧拉角基于所述关键点的二维坐标经过三维换算得到,所述模糊程度为所述图像模糊度。
根据本公开实施例的第二方面,提供一种人脸信息识别装置,包括:
第一获取模块,被配置为执行在第一拍摄过程中检测到第一人脸的情况下,获取连续N个包含所述第一人脸的目标图像帧中每个所述目标图像帧的人脸信息,其中,所述人脸信息包括所述第一人脸的图像信息和所述第一人脸的属性信息,N为大于1的整数;
第一确定模块,被配置为执行确定每个所述目标图像帧的所述第一人脸的属性信息的置信级别,其中,每个所述目标图像帧的所述置信级别是依据每个所述目标图像帧的所述第一人脸的图像信息确定;
第二确定模块,被配置为执行基于N个目标图像帧的所述第一人脸的属性信息和所述置信级别,确定所述第一人脸的目标属性信息。
可选的,所述第一确定模块包括:
第一确定单元,被配置为执行基于每个所述目标图像帧的所述第一人脸的图像信息确定每个所述目标图像帧中所述第一人脸的状态信息;其中,所述状态信息包括表征所述第一人脸在所述目标图像帧中的人脸姿态的欧拉角、模糊程度,以及所述第一人脸在所述目标图像帧中的区域面积相对于所述第一人脸的完整区域面积的目标比例中一种或多种;
第二确定单元,被配置为执行基于每个所述目标图像帧中所述第一人脸的状态信息,确定每个所述目标图像帧的所述第一人脸的属性信息的置信级别。
可选的,所述第二确定单元,具体被配置为执行分别确定所述状态信息对应的所述目标图像帧的权重;其中,所述状态信息对应的所述目标图像帧的权重包括第一权重、第二权重和第三权重中一种或多种,所述第一权重与所述目标比例呈正比,所述第二权重与所述欧拉角呈反比,所述第三权重与所述模糊程度呈反比;基于所述状态信息对应的所述目标图像帧的权重,确定所述目标图像帧的权重结果;基于所述权重结果,确定所述目标图像帧的所述第一人脸的属性信息的置信级别;其中,所述目标图像帧的所述第一人脸的属性信息的置信级别与所述权重结果呈正比。
可选的,所述第二确定单元,具体被配置为执行在所述状态信息对应的所述目标图像帧的权重包括所述第一权重、第二权重和第三权重中任一种的情况下,将所述状态信息对应的所述目标图像帧的权重作为所述目标图像帧的权重结果;在所述状态信息对应的所述目标图像帧的权重包括所述第一权重、第二权重和第三权重中多种的情况下,将所述状态信息对应的所述目标图像帧的多种权重相乘,将相乘的结果确定为所述目标图像帧的权重结果。
可选的,所述第二确定单元,具体被配置为执行在所述目标比例小于或等于第一阈值,所述欧拉角大于或等于第二阈值,或者,所述模糊程度大于或等于第三阈值的情况下,确定所述目标图像帧中所述第一人脸的属性信息的置信级别为不可信的置信级别;在所述目标比例大于第一阈值、所述欧拉角小于第二阈值,并且所述模糊程度小于第三阈值的情况下,确定所述目标图像帧中所述第一人脸的属性信息的置信级别为可信的置信级别。
可选的,所述第二确定模块包括:
剔除单元,被配置为执行剔除所述N个目标图像帧中置信级别表征所述第一人脸的属性信息不可信的第一目标图像帧,获得第二目标图像帧;
第三确定单元,被配置为执行基于图像帧集合中每个图像帧的所述第一人脸的属性信息和所述置信级别,确定所述第一人脸的目标属性信息;其中,所述图像帧集合中包括所述第二目标图像帧。
可选的,所述装置还包括:
第二获取模块,被配置为执行获取第三目标图像帧;其中,所述第三目标图像帧为在所述N个目标图像帧之后连续采集的包含所述第一人脸的图像帧,且所述第三目标图像帧中所述第一人脸的属性信息的置信级别为可信的置信级别;
第三确定模块,被配置为执行确定所述第三目标图像帧中所述第一人脸的属性信息和所述第一人脸的属性信息的置信级别;
触发模块,被配置为执行在所述第三目标图像帧和所述第二目标图像帧的数量之和等于N的情况下,触发所述第三确定单元。
可选的,所述装置还包括:
提取模块,被配置为执行提取所述N个目标图像帧中所述第一人脸的第一特征信息;
第一存储模块,被配置为执行将所述第一特征信息与所述目标属性信息关联存储至属性匹配列表中;其中,所述属性匹配列表用于对第二拍摄过程中检测到的人脸进行属性信息识别,所述第二拍摄过程为所述第一人脸退出所述第一拍摄过程后重新启动的拍摄过程。
可选的,所述装置还包括:
第三获取模块,被配置为执行在所述第二拍摄过程中检测到第二人脸的情况下,获取所述第二人脸的第二特征信息;
匹配模块,被配置为执行将所述第二人脸的第二特征信息与所述属性匹配列表中所述第一人脸的第一特征信息进行匹配;
第四确定模块,被配置为执行在匹配成功的情况下,将所述目标属性信息确定为所述第二人脸的属性信息。
可选的,所述装置还包括:
第二存储模块,被配置为执行在检测到退出所述第一拍摄过程对应的应用程序的情况下,将所述属性匹配列表中关联存储的信息存储至本地的预设列表中;其中,所述预设列表用于存储拍摄过程中人脸的属性信息和特征信息;
加载模块,被配置为执行将所述预存列表加载至所述属性匹配列表中。
可选的,所述第一人脸的图像信息包括所述第一人脸的关键点信息和/或图像参数信息;所述第一确定单元,具备被配置为执行基于每个所述目标图像帧的所述第一人脸的关键点信息和/或图像参数信息,确定每个所述目标图像帧中所述第一人脸的状态信息;其中,所述关键点信息中包括关键点的数量和/或关键点的二维坐标,所述图像参数信息中包括图像模糊度,所述目标比例为所述第一人脸在所述目标图像帧中的关键点的数量与所述第一人脸的所有关键点的数量的比值,所述欧拉角基于所述关键点的二维坐标经过三维换算得到,所述模糊程度为所述图像模糊度。
根据本公开实施例的第三方面,提供一种电子设备,包括:
处理器;
用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述指令,以实现第一方面中任一项所述的人脸信息识别方法。
根据本公开实施例的第四方面,提供一种存储介质,当所述存储介质中的指令由电子设备的处理器执行时,使得所述电子设备能够执行第一方面中任一项所述的人脸信息识别方法。
根据本公开实施例的第五方面,提供一种计算机程序产品,包括:可执行指令,当所述可执行指令在计算机上运行时,使得计算机能够执行第一方面中任一项所述的人脸信息识别方法。
本公开的实施例提供的技术方案至少带来以下有益效果:
在针对第一人脸的拍摄过程中,通过获取多个图像帧中每个图像帧的第一人脸的属性信息,以及每个图像帧中第一人脸的属性信息的置信级别,并结合多个图像帧中第一人脸的属性信息以及置信级别,来确定拍摄过程中第一人脸的属性结果。这样,在人脸属性识别过程中,可以减弱人脸拍摄质量差的图像帧对第一人脸的属性结果的干扰,从而可以提高人脸属性信息的识别准确性。并且,通过结合多个图像帧中第一人脸的属性信息以及置信级别,来确定拍摄过程中第一人脸的属性结果,还可以避免在拍摄过程中第一人脸的属性出现跳变的情况发生,从而可以提高人脸属性识别的稳定性。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理,并不构成对本公开的不当限定。
图1是根据一示例性实施例示出的一种人脸信息识别方法的流程图;
图2是根据一示例性实施例示出的一种人脸信息识别装置的框图;
图3是根据一示例性实施例示出的一种电子设备的框图。
具体实施方式
为了使本领域普通人员更好地理解本公开的技术方案,下面将结合附图,对本公开实施例中的技术方案进行清楚、完整地描述。
需要说明的是,本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
首先,介绍本公开的人脸信息识别方法的应用场景,所述人脸信息识别方法可以应用于具有拍摄业务的场景,比如视频拍摄场景和活体检测场景等。
以视频拍摄场景为例,在视频拍摄过程中,为了提高用户的体验,可以对用户的人脸属性信息进行识别,以使电子设备可以根据识别出的人脸属性信息智能地向用户推荐拍摄道具,或者智能地向该用户进行美颜。如针对人脸属性为女性的用户,可以向该用户推荐可爱的魔法表情,而针对人脸属性为男性的用户,可以向该用户推荐帅气的魔法表情,又如,针对人脸属性为脸型比较圆的用户,在拍摄过程中可以智能地给该用户进行瘦脸美颜。
图1是根据一示例性实施例示出的一种人脸信息识别方法的流程图,如图1所示,包括以下步骤。
在步骤S101中,在第一拍摄过程中检测到第一人脸的情况下,获取连续N个包含所述第一人脸的目标图像帧中每个所述目标图像帧的人脸信息,其中,所述人脸信息包括所述第一人脸的图像信息和所述第一人脸的属性信息,N为大于1的整数;
在步骤S102中,确定每个所述目标图像帧的所述第一人脸的属性信息的置信级别,其中,每个所述目标图像帧的所述置信级别是依据每个所述目标图像帧的所述第一人脸的图像信息确定;
在步骤S103中,基于N个目标图像帧的所述第一人脸的属性信息和所述置信级别,确定所述第一人脸的目标属性信息。
在步骤S101中,所述N个目标图像帧为针对第一人脸的第一拍摄过程中拍摄的部分图像帧,N可以根据实际情况进行设置,比如,在针对第一人脸的第一拍摄过程中,若检测到拍摄质量差,则N可以设置的大一些,若检测到拍摄质量好,则N可以设置的小一些。当然,N也可以固定设置,比如,固定设置为10。以下N以10为例进行说明。
所述N个目标图像帧可以为连续的且包含所述第一人脸的图像帧,比如,可以为在检测到第一人脸开始的前N个图像帧,也可以在拍摄中间过程采集的N个包含有第一人脸的图像帧,也可以为拍摄结束前的N个图像帧。
在一可选实施方式中,为了在拍摄开始时可以尽快地根据人脸的属性信息进行相应应用,以提升用户的体验,所述N个目标图像帧可以为在检测到第一人脸开始的前N个图像帧,这样,可以通过前N个图像帧,即可确定第一人脸的属性结果,在后续针对第一人脸的第一拍摄过程中,均可以使用之前确定的第一人脸的属性结果。
具体的,在用户进入至拍摄界面的情况下,可以采用人脸识别技术检测拍摄界面中是否存在人脸,在检测到第一人脸的情况下,可以获取检测到第一人脸开始的前面10个图像帧。可以获取这10个图像帧的每个图像帧中人脸的标识信息faceid,并通过faceid跟踪这10个图像帧中的人脸是否为同一个用户的人脸即第一人脸。当然,在实时视频处理过程中,也可以设置一个跟踪标识,以对第一拍摄过程中的人脸进行跟踪,确定第一拍摄过程中拍摄的多个图像帧中是否为同一个用户的人脸即第一人脸。
在实时拍摄过程中,针对这10个图像帧中每个图像帧,可以获取当前拍摄的图像帧的人脸信息,其中,人脸信息可以包括第一人脸的图像信息和第一人脸的属性信息。第一人脸的图像信息可以包括第一人脸的关键点信息和/或图像参数信息,第一人脸的关键点信息可以指的是第一人脸的五官和轮廓的像素点的位置信息,第一人脸的图像参数信息可以指的是第一人脸的图像模糊度。为了从各个方面评估当前拍摄的图像帧针对第一人脸的拍摄质量,第一人脸的图像信息可以包括第一人脸的关键点信息和图像参数信息。
针对所述N个目标图像帧,可以基于现有的或者新的人脸识别模型对所述目标图像帧中所述第一人脸的属性信息进行识别,以获取所述目标图像帧中所述第一人脸的属性信息。
在步骤S102中,在实时拍摄过程中,针对这10个图像帧中每个图像帧,可以基于当前拍摄的图像帧的第一人脸的关键点信息和图像参数信息,确定该图像帧的所述第一人脸的属性信息的置信级别。其中,置信级别可以分为可信和不可信,在可信的情况下,还可以根据不同的值表征可信程度。
置信级别可以直接用置信度来表征,可以根据图像帧的第一人脸的图像信息,直接确定当前拍摄的图像帧的第一人脸的属性信息的可信度,其可以用0至1中的任一值表征。其中,0表征当前拍摄的图像帧的第一人脸的属性信息不可信,1表征当前拍摄的图像帧的第一人脸的属性信息非常可信,而0至1之间的任一值表征当前拍摄的图像帧的第一人脸的属性信息的可信度介于不可信和非常可信之间。如置信度为0.8,则表征图像帧的第一人脸的属性信息的可信度为80%,若该图像帧的第一人脸的属性信息为男性,则表征图像帧的第一人脸为男性用户的脸的概率为80%。
具体的,所述步骤S102具体包括:
基于每个所述目标图像帧的所述第一人脸的图像信息确定每个所述目标图像帧中所述第一人脸的状态信息;其中,所述状态信息包括表征所述第一人脸在所述目标图像帧中的人脸姿态的欧拉角、模糊程度,以及所述第一人脸在所述目标图像帧中的区域面积相对于所述第一人脸的完整区域面积的目标比例中一种或多种;
基于每个所述目标图像帧中所述第一人脸的状态信息,确定每个所述目标图像帧的所述第一人脸的属性信息的置信级别。
在步骤S102中,在实时拍摄过程中,可以针对当前拍摄的图像帧,确定当前拍摄的图像帧中所述第一人脸的状态信息,其中,所述状态信息表征所述第一人脸在所述图像帧中的拍摄质量。
所述状态信息包括半脸程度(用所述目标比例来表征)、模糊程度和人脸姿态(用欧拉角来表征),当半脸程度表征第一人脸处于图像帧中的部分越多,拍摄质量越好,否则拍摄质量越差,当模糊程度表征第一人脸在图像帧中越清晰时,拍摄质量越好,否则越差,当人脸姿态表征第一人脸在图像帧的偏转角度越小时,拍摄质量越好,否则越差。
在所述状态信息表征当前图像帧针对第一人脸的拍摄质量越好时,当前图像帧的权重越大,在所述状态信息表征当前图像帧针对第一人脸的拍摄质量越差时,当前图像帧的权重越小。这样,通过基于第一人脸的拍摄质量确定第一人脸的属性信息的置信级别,将拍摄质量差的图像帧的权重设置相对小,而将拍摄质量好的图像帧的权重设置相对大,从而可以减弱拍摄质量差的图像帧对第一人脸的属性结果的干扰,提高人脸属性识别的准确性。
其中,所述基于每个所述目标图像帧的所述第一人脸的图像信息确定每个所述目标图像帧中所述第一人脸的状态信息的步骤包括:
基于每个所述目标图像帧的所述第一人脸的关键点信息和/或图像参数信息,确定每个所述目标图像帧中所述第一人脸的状态信息;
其中,所述关键点信息中包括关键点的数量和/或关键点的二维坐标,所述图像参数信息中包括图像模糊度,所述目标比例为所述第一人脸在所述目标图像帧中的关键点的数量与所述第一人脸的所有关键点的数量的比值,所述欧拉角基于所述关键点的二维坐标经过三维换算得到,所述模糊程度为所述图像模糊度。
上述可以根据第一人脸的关键点信息确定所述第一人脸在所述目标图像帧中的区域面积相对于所述第一人脸的完整区域面积的目标比例,以及表征第一人脸在当前拍摄的图像帧中的人脸姿态的欧拉角。并可以根据第一人脸的图像参数信息确定第一人脸在当前拍摄的图像帧中的模糊程度,其中,模糊程度可以由图像参数信息中的图像模糊度确定,其值可以为0-100。
结合所述第一人脸在所述目标图像帧中的区域面积相对于所述第一人脸的完整区域面积的目标比例、表征第一人脸在当前拍摄的图像帧中的人脸姿态的欧拉角和模糊程度,综合确定图像帧的第一人脸的属性信息的置信度。
比如,若目标比例比较小,即表征第一人脸的大部分处于图像帧之外,或者处于遮挡状态,或者,模糊程度比较大,即表征第一人脸在当前拍摄的图像帧中非常模糊,或者,欧拉角比较大,即表征第一人脸在当前拍摄的图像帧中的偏转角度(该偏转角度包括向左右偏转,向上下偏转或向其他方向上偏转)比较大,则当前图像帧的第一人脸的属性信息的置信度比较低,或者可以设置其置信度为0。否则,根据半脸程度、模糊程度和人脸姿态,确定一个表征第一人脸的属性信息的置信度,其中,半脸程度表征第一人脸处于图像帧的部分越多,或者模糊程度表征第一人脸在图像帧中越清晰,或者人脸姿态表征第一人脸在图像帧中的偏转角度越小,则置信度越高。
在实际应用中,置信级别也可以用图像帧的权重来表征,每个图像帧的权重初始默认为1,即每个图像帧的第一人脸的属性信息的可信度一样。针对每个图像帧,可以根据当前拍摄的图像帧的第一人脸的图像信息,来确定该图像帧的权重。且图像信息表征该图像帧针对第一人脸的拍摄质量越好,确定的权重越大,第一人脸的属性信息可信度越大,图像信息表征该图像帧针对第一人脸的拍摄质量越差,确定的权重越小,第一人脸的属性信息可信度越小。当图像信息表征该图像帧针对第一人脸的拍摄质量非常差时,可以设置该图像帧的权重为0,表征该图像帧的第一人脸的属性信息不可信。
具体的,所述基于每个所述目标图像帧中所述第一人脸的状态信息,确定每个所述目标图像帧的所述第一人脸的属性信息的置信级别的步骤包括:
分别确定所述状态信息对应的所述目标图像帧的权重;其中,所述状态信息对应的所述目标图像帧的权重包括第一权重、第二权重和第三权重中一种或多种,所述第一权重与所述目标比例呈正比,所述第二权重与所述欧拉角呈反比,所述第三权重与所述模糊程度呈反比;
基于所述状态信息对应的所述目标图像帧的权重,确定所述目标图像帧的权重结果;
基于所述权重结果,确定所述目标图像帧的所述第一人脸的属性信息的置信级别;其中,所述目标图像帧的所述第一人脸的属性信息的置信级别与所述权重结果呈正比。
可以基于图像帧的第一人脸的关键点信息确定第一人脸的半脸程度,并可以基于第一人脸的半脸程度设置图像帧的权重。比如,设第一人脸的关键点的总个数为n个,第一人脸的关键点在图像帧中的个数为m个,则第一人脸的半脸程度为m/n,该图像帧针对第一人脸的半脸程度的权重可以设置为m/n,其表征第一人脸处于图像帧的部分越多,拍摄质量越好,则半脸程度的权重越大。当然,上述基于关键点的个数确定图像帧针对第一人脸的半脸程度的权重只是举例说明,当然还有其他的方式,如基于第一人脸的轮廓区域在图像帧中的大小确定权重,这里不进行一一举例说明。
还可以基于图像帧的第一人脸的关键点信息计算得到第一人脸在图像帧的人脸姿态,该人脸姿态可以用欧拉角来表征,其包括航向角、俯仰角和横滚角,可以根据其偏转角度设置该图像帧针对第一人脸的人脸姿态的权重。比如,当航向角(表征第一人脸向左右偏转的角度)小于10度时,权重yw可以设置为4,当航向角大于10度且小于30度时,权重yw可以设置为2,当航向角大于30度且小于50度时,权重yw可以设置为1,表征第一人脸向左右偏转的角度越大,则拍摄质量越差,权重越小。当然,上述基于航向角的偏转角度确定权重只是举例说明,在实际应用中,还可以结合俯仰角和横滚角确定权重,且依据航向角确定权重的方式也存在多种,这里不进行一一举例说明。
另外,还可以基于图像帧的第一人脸的图像参数信息,确定第一人脸的模糊程度,并可以根据第一人脸的模糊程度设置图像帧的权重。比如,设图像模糊度为k,则模糊程度为k,对应权重为1/k,表征第一人脸的模糊程度越模糊,拍摄质量越差,其图像帧针对第一人脸的模糊程度的权重相应越小。当然,上述将权重设置为模糊程度的倒数只是一种举例说明,其设置原则通常是图像帧中第一人脸越模糊,其权重可以设置的越小,反之亦然。
结合第一人脸的半脸程度、模糊程度和人脸姿态的权重,可以确定当前拍摄的图像帧的权重结果。
具体的,所述基于所述状态信息对应的所述目标图像帧的权重,确定所述目标图像帧的权重结果,包括:
在所述状态信息对应的所述目标图像帧的权重包括所述第一权重、第二权重和第三权重中任一种的情况下,将所述状态信息对应的所述目标图像帧的权重作为所述目标图像帧的权重结果;
在所述状态信息对应的所述目标图像帧的权重包括所述第一权重、第二权重和第三权重中多种的情况下,将所述状态信息对应的所述目标图像帧的多种权重相乘,将相乘的结果确定为所述目标图像帧的权重结果。
比如,在所述状态信息对应的所述目标图像帧的权重包括所述第一权重、第二权重和第三权重的情况下,当前拍摄的图像帧的权重结果可以基于公式m/n*1/k*yw计算得到。
这样,通过获取图像帧中第一人脸的关键点信息和图像参数信息,可以计算得到所述第一人脸在目标图像帧中的半脸程度和人脸姿态,以及所述第一人脸的模糊程度,进而计算当前拍摄图像帧针对第一人脸的半脸程度的权重,针对第一人脸的模糊程度的权重,以及针对人脸姿态的权重,并结合第一人脸的半脸程度、模糊程度和人脸姿态的权重,确定当前拍摄的图像帧的权重结果,以确定当前拍摄图像帧的置信级别。
可以有多种方式基于所述权重结果确定所述目标图像帧的所述第一人脸的属性信息的置信级别,其原则设置为目标图像帧的权重结果越大,则置信级别越高。在一可选实施方式中,可以将权重结果最大的目标图像帧中的第一人脸的属性信息设置为1,而其他的目标图像帧中的第一人脸的属性信息可以基于该权重结果进行归一化,比如,最大的权重结果为10,则可以将该目标图像帧的第一人脸的属性信息设置为1,当某个目标图像帧的权重结果为8时,其可以根据权重结果10来进行归一化,相应的,该目标图像帧的第一人脸的属性信息的置信级别则为0.8。
在步骤S103中,在实时拍摄过程中,在识别出从检测到第一人脸开始的第10个图像帧的所述第一人脸的属性信息,以及当前图像帧的第一人脸的置信级别之后,可以对这10个图像帧的第一人脸的属性信息,以及置信级别做加权平均,得到第一人脸的目标属性信息,即第一人脸的属性结果,可以对其进行输出,或者根据该属性结果进行相应应用。
在实际应用中,由于目标图像帧的第一人脸的置信级别也可以通过目标图像帧的权重来表征,因此,也可以对这10个图像帧的第一人脸的属性信息,以及权重做加权平均,得到第一人脸的目标属性信息。
在第10个图像帧后,可以不再实时运行人脸识别模型识别第一人脸的属性信息,可以根据faceid或跟踪标识确定当前拍摄过程中是否为第一人脸,若是,则将基于前面10个图像帧获取的第一人脸的属性结果作为后续同一个用户人脸的人脸属性信息。同时,可以将第一人脸的faceid、第一人脸的多个特征信息以及目标属性信息存储于属性匹配列表,该属性匹配列表用于对进入至拍摄界面的人脸进行属性信息识别。其中,第一人脸的多个特征信息可以从这10个图像帧的第一人脸提取获得。
本实施例中,在针对第一人脸的拍摄过程中,通过获取多个图像帧中每个图像帧的第一人脸的属性信息,以及每个图像帧中第一人脸的属性信息的置信级别,并结合多个图像帧中第一人脸的属性信息以及置信级别,来确定拍摄过程中第一人脸的属性结果。这样,在人脸属性识别过程中,可以减弱人脸拍摄质量差的图像帧对第一人脸的属性结果的干扰,从而可以提高人脸属性信息的识别准确性。
并且,通过结合多个图像帧中第一人脸的属性信息以及置信级别,来确定拍摄过程中第一人脸的属性结果,还可以避免在拍摄过程中第一人脸的属性出现跳变的情况发生,如可以避免拍摄过程中一会把用户识别成男性,一会识别成女性的情况发生,从而可以提高人脸属性识别的稳定性。
进一步的,在拍摄过程中,得到第一人脸的属性结果之后,可以不需要实时运行人脸识别模型进行人脸属性识别,而是将得到的属性结果作为拍摄过程中后续同一个用户的人脸属性信息,这样,可以减少性能开销,提升用户体验。
另外,用户准确且稳定的人脸属性信息,可以为用户画像提供信息基础,具体的,可以将用户的faceid和人脸属性信息(如年龄、性别和胡子等)与用户的行为***时喜欢用哪些拍摄道具,或者根据其脸型在美颜过程中的瘦脸程度。这样,在实际应用中,可以基于用户的faceid和人脸属性信息进行信息聚合,如聚合用户比较常用或喜欢的拍摄道具,又如聚合具有相同人脸属性的用户常用或喜欢的拍摄道具,或者美颜程度,以基于聚合的信息进行相应应用。
比如,聚合用户比较常用或喜欢的拍摄道具和美颜程度等信息,这样,可以根据该用户喜欢的拍摄道具向该用户推荐类似的拍摄道具,或者根据其平时的美颜程度,智能地对该用户进行瘦脸美颜。
又比如,聚合具有相同人脸属性的用户常用或喜欢的拍摄道具等信息,这样,可以根据具有相同人脸属性的其他用户常用或喜欢的拍摄道具向该用户进行拍摄道具的推荐,如,年龄段在20岁左右的用户比较喜欢可爱的拍摄道具,则针对年龄段在20岁的用户通常可以向其推荐可爱的拍摄道具,或者男性的用户比较喜欢帅气的拍摄道具,则针对男性的用户可以向其推荐帅气的拍摄道具,或者,圆脸的女性通常比较喜欢瘦脸美颜,则针对圆脸的女性在拍摄过程中可以给其智能地进行瘦脸美颜。
还比如,针对一用户,可以为其寻找用户画像比较像的用户,以向其推荐好友,或者向该用户推荐用户画像比较像的其他用户喜欢的拍摄道具或视频等。
可选的,所述N个目标图像帧的拍摄质量并不是每个都很好,在拍摄质量非常差的情况下,通常拍摄的图像帧的第一人脸的属性信息是不可信的,比如,拍摄的过程中第一人脸仅露出一个额头,或者第一人脸非常模糊,或者第一人脸偏转的角度比较大,在该种情况下,图像帧中的第一人脸的属性信息是不可信的。
具体的,基于上述实施例,所述基于每个所述目标图像帧中所述第一人脸的状态信息,确定每个所述目标图像帧的所述第一人脸的属性信息的置信级别的步骤包括:
在所述目标比例小于或等于第一阈值,所述欧拉角大于或等于第二阈值,或者,所述模糊程度大于或等于第三阈值的情况下,确定所述目标图像帧中所述第一人脸的属性信息的置信级别为不可信的置信级别;
在所述目标比例大于第一阈值、所述欧拉角小于第二阈值,并且所述模糊程度小于第三阈值的情况下,确定所述目标图像帧中所述第一人脸的属性信息的置信级别为可信的置信级别。
本实施例中,所述第一阈值可以设置的相对比较小如0.3,表征第一人脸处于图像帧的部分很少,导致无法通过该图像帧来识别准确的第一人脸的属性信息,在该种情况下,若当前图像帧中第一人脸的半脸程度表征第一人脸处于图像帧的部分比第一阈值还少,则确定当前图像帧的第一人脸的属性信息不可信,权重设置为0。
所述第二阈值可以设置的相对比较大如80,表征第一人脸在图像帧中非常模糊,导致无法通过该图像帧来识别准确的第一人脸的属性信息。在该种情况下,若当前图像帧中第一人脸的模糊程度表征第一人脸在图像帧中比第二阈值表征的模糊程度还模糊,则确定当前图像帧的第一人脸的属性信息不可信,权重设置为0。
所述第三阈值可以设置的相对比较大如50度,表征第一人脸在图像帧中的偏转角度很大,导致无法通过该图像帧来识别准确的第一人脸的属性信息。在该种情况下,若当前图像帧中第一人脸的人脸姿态表征第一人脸在图像帧中的偏转角度比第三阈值还大,则确定当前图像帧的第一人脸的属性信息不可信,权重设置为0。
而在目标比例大于第一阈值、所述欧拉角小于第二阈值,并且所述模糊程度小于第三阈值的情况下,可以确定所述目标图像帧中所述第一人脸的属性信息的置信级别为可信的置信级别。
进一步的,所述基于N个目标图像帧的所述第一人脸的属性信息和所述置信级别,确定所述第一人脸的目标属性信息的步骤包括:
剔除所述N个目标图像帧中置信级别表征所述第一人脸的属性信息不可信的第一目标图像帧,获得第二目标图像帧;
基于图像帧集合中每个图像帧的所述第一人脸的属性信息和所述置信级别,确定所述第一人脸的目标属性信息;其中,所述图像帧集合中包括所述第二目标图像帧。
所述图像帧集合可以仅包括第二目标图像帧,也可以在包括第二目标图像帧的同时,包括第三目标图像帧,这里不做具体限定。其中,所述第三目标图像帧为在所述N个目标图像帧之后连续采集的包含所述第一人脸的图像帧,且所述第三目标图像帧中所述第一人脸的属性信息的置信级别为可信的置信级别。
本实施例中,针对权重为0的图像帧的第一人脸的属性信息,可以不参与目标属性信息的确定,这样可以避免人脸拍摄质量非常差的图像帧对目标属性信息的确定产生的干扰,从而提高了人脸属性识别的准确性。
可选的,基于上述实施例,所述基于图像帧集合中每个图像帧的所述第一人脸的属性信息和所述置信级别,确定所述第一人脸的目标属性信息的步骤之前,所述方法还包括:
获取第三目标图像帧;其中,所述第三目标图像帧为在所述N个目标图像帧之后连续采集的包含所述第一人脸的图像帧,且所述第三目标图像帧中所述第一人脸的属性信息的置信级别为可信的置信级别;
确定所述第三目标图像帧中所述第一人脸的属性信息和所述第一人脸的属性信息的置信级别;
在所述第三目标图像帧和所述第二目标图像帧的数量之和等于N的情况下,执行所述基于图像帧集合中每个图像帧的所述第一人脸的属性信息和所述置信级别,确定所述第一人脸的目标属性信息的步骤;其中,所述图像帧集合中还包括所述第三目标图像帧。
本实施例中,在所述第二目标图像帧的数量小于N的情况下,为了保证第一拍摄过程中第一人脸的属性结果更加准确,可以继续采集包含第一人脸的图像帧,并按照上式方式确定之后采集的图像帧的第一人脸的属性信息和置信级别,且在置信级别为可信的置信级别的情况下,可以确定采集的图像帧为第三目标图像帧。
在所述第三目标图像帧和所述第二目标图像帧的数量之和等于N的情况下,基于第二目标图像帧和第三目标图像帧中每个图像帧的所述第一人脸的属性信息和所述置信级别,确定所述第一人脸的目标属性信息,如此,可以进一步提高人脸属性信息识别的准确性。
可选的,基于实施例一,所述步骤S103之后,所述方法还包括:
提取所述N个目标图像帧中所述第一人脸的第一特征信息;
将所述第一特征信息与所述目标属性信息关联存储至属性匹配列表中;其中,所述属性匹配列表用于对第二拍摄过程中检测到的人脸进行属性信息识别,所述第二拍摄过程为所述第一人脸退出所述第一拍摄过程后重新启动的拍摄过程。
在所述第一拍摄过程中,可以提取所述N个目标图像帧中所述第一人脸的第一特征信息,并将所述第一特征信息与所述目标属性信息关联存储至属性匹配列表,以用于对第二拍摄过程中检测到的人脸进行属性信息识别,所述第二拍摄过程为所述第一人脸退出所述第一拍摄过程后重新启动的拍摄过程。
进一步的,所述将所述第一特征信息与所述目标属性信息关联存储至属性匹配列表中的步骤之后,所述方法还包括:
在所述第二拍摄过程中检测到第二人脸的情况下,获取所述第二人脸的第二特征信息;
将所述第二人脸的第二特征信息与所述属性匹配列表中所述第一人脸的第一特征信息进行匹配;
在匹配成功的情况下,将所述目标属性信息确定为所述第二人脸的属性信息。
本实施例中,当基于faceid或跟踪标识未跟踪到第一人脸之后,即第一人脸退出拍摄界面之后,若用户在不关闭应用程度的情况下再次检测到第二人脸进入至该拍摄界面,此时,在第二拍摄过程中检测到第二人脸后,可以提取第二人脸的第二特征信息,并将第二人脸的第二特征信息与属性匹配列表中第一人脸的多个特征信息进行匹配,以确定第二人脸与第一人脸是否是同一个人,若匹配成功,则将属性匹配列表中第一人脸的目标属性信息赋予第二人脸对应用户。从而无需再运行人脸识别模型,这样可以减少性能开销,同时,提升了人脸属性识别的稳定性,不会出现同一个人,第一次进入拍摄界面和之后第二次进入拍摄界面输出的人脸属性结果不一致的情况,并且也在一定程度上避免了出错,提高了人脸属性识别的准确性。
可选的,基于上述实施例,所述将所述第一特征信息与所述目标属性信息关联存储至属性匹配列表中的步骤之后,所述方法还包括:
在检测到退出所述第一拍摄过程对应的应用程序的情况下,将所述属性匹配列表中关联存储的信息存储至本地的预设列表中;其中,所述预设列表用于存储拍摄过程中人脸的属性信息和特征信息;
所述将所述第二人脸的第二特征信息与所述属性匹配列表中所述第一人脸的第一特征信息进行匹配的步骤之前,所述方法还包括:
将所述预存列表加载至所述属性匹配列表中。
本实施例中,若用户关闭应用程序,可以在检测到退出应用程序的情况下,将属性匹配列表存储于本地,待用户再次打开该应用程序进入至拍摄界面时,可以从本地加载该属性匹配列表,将进入至拍摄界面的第二人脸的特征信息与第一人脸的多个特征信息进行匹配,匹配上了,则将目标属性信息作为第二人脸的属性信息进行输出。这样,可以保证用户在使用这个应用程序的过程中,其人脸属性始终是稳定且准确的状况,同时,采用特征信息进行匹配也能避免多个用户同时使用一个账号可能会出现错误的问题。
当然,在匹配失败的情况下,采用实施例一的方式重新对第二人脸的属性结果进行识别即可。
图2是根据一示例性实施例示出的一种人脸信息识别装置的框图。参照图2,该装置包括第一获取模块201,第一确定模块202和第二确定模块203。
第一获取模块201,被配置为执行在第一拍摄过程中检测到第一人脸的情况下,获取连续N个包含所述第一人脸的目标图像帧中每个所述目标图像帧的人脸信息,其中,所述人脸信息包括所述第一人脸的图像信息和所述第一人脸的属性信息,N为大于1的整数;
第一确定模块202,被配置为执行确定每个所述目标图像帧的所述第一人脸的属性信息的置信级别,其中,每个所述目标图像帧的所述置信级别是依据每个所述目标图像帧的所述第一人脸的图像信息确定;
第二确定模块203,被配置为执行基于N个目标图像帧的所述第一人脸的属性信息和所述置信级别,确定所述第一人脸的目标属性信息。
可选的,所述第一确定模块202包括:
第一确定单元,被配置为执行基于每个所述目标图像帧的所述第一人脸的图像信息确定每个所述目标图像帧中所述第一人脸的状态信息;其中,所述状态信息包括表征所述第一人脸在所述目标图像帧中的人脸姿态的欧拉角、模糊程度,以及所述第一人脸在所述目标图像帧中的区域面积相对于所述第一人脸的完整区域面积的目标比例中一种或多种;
第二确定单元,被配置为执行基于每个所述目标图像帧中所述第一人脸的状态信息,确定每个所述目标图像帧的所述第一人脸的属性信息的置信级别。
可选的,所述第二确定单元,具体被配置为执行分别确定所述状态信息对应的所述目标图像帧的权重;其中,所述状态信息对应的所述目标图像帧的权重包括第一权重、第二权重和第三权重中一种或多种,所述第一权重与所述目标比例呈正比,所述第二权重与所述欧拉角呈反比,所述第三权重与所述模糊程度呈反比;基于所述状态信息对应的所述目标图像帧的权重,确定所述目标图像帧的权重结果;基于所述权重结果,确定所述目标图像帧的所述第一人脸的属性信息的置信级别;其中,所述目标图像帧的所述第一人脸的属性信息的置信级别与所述权重结果呈正比。
可选的,所述第二确定单元,具体被配置为执行在所述状态信息对应的所述目标图像帧的权重包括所述第一权重、第二权重和第三权重中任一种的情况下,将所述状态信息对应的所述目标图像帧的权重作为所述目标图像帧的权重结果;在所述状态信息对应的所述目标图像帧的权重包括所述第一权重、第二权重和第三权重中多种的情况下,将所述状态信息对应的所述目标图像帧的多种权重相乘,将相乘的结果确定为所述目标图像帧的权重结果。
可选的,所述第二确定单元,具体被配置为执行在所述目标比例小于或等于第一阈值,所述欧拉角大于或等于第二阈值,或者,所述模糊程度大于或等于第三阈值的情况下,确定所述目标图像帧中所述第一人脸的属性信息的置信级别为不可信的置信级别;在所述目标比例大于第一阈值、所述欧拉角小于第二阈值,并且所述模糊程度小于第三阈值的情况下,确定所述目标图像帧中所述第一人脸的属性信息的置信级别为可信的置信级别。
可选的,所述第二确定模块203包括:
剔除单元,被配置为执行剔除所述N个目标图像帧中置信级别表征所述第一人脸的属性信息不可信的第一目标图像帧,获得第二目标图像帧;
第三确定单元,被配置为执行基于图像帧集合中每个图像帧的所述第一人脸的属性信息和所述置信级别,确定所述第一人脸的目标属性信息;其中,所述图像帧集合中包括所述第二目标图像帧。
可选的,所述装置还包括:
第二获取模块,被配置为执行获取第三目标图像帧;其中,所述第三目标图像帧为在所述N个目标图像帧之后连续采集的包含所述第一人脸的图像帧,且所述第三目标图像帧中所述第一人脸的属性信息的置信级别为可信的置信级别;
第三确定模块,被配置为执行确定所述第三目标图像帧中所述第一人脸的属性信息和所述第一人脸的属性信息的置信级别;
触发模块,被配置为执行在所述第三目标图像帧和所述第二目标图像帧的数量之和等于N的情况下,触发所述第三确定单元。
可选的,所述装置还包括:
提取模块,被配置为执行提取所述N个目标图像帧中所述第一人脸的第一特征信息;
第一存储模块,被配置为执行将所述第一特征信息与所述目标属性信息关联存储至属性匹配列表中;其中,所述属性匹配列表用于对第二拍摄过程中检测到的人脸进行属性信息识别,所述第二拍摄过程为所述第一人脸退出所述第一拍摄过程后重新启动的拍摄过程。
可选的,所述装置还包括:
第三获取模块,被配置为执行在所述第二拍摄过程中检测到第二人脸的情况下,获取所述第二人脸的第二特征信息;
匹配模块,被配置为执行将所述第二人脸的第二特征信息与所述属性匹配列表中所述第一人脸的第一特征信息进行匹配;
第四确定模块,被配置为执行在匹配成功的情况下,将所述目标属性信息确定为所述第二人脸的属性信息。
可选的,所述装置还包括:
第二存储模块,被配置为执行在检测到退出所述第一拍摄过程对应的应用程序的情况下,将所述属性匹配列表中关联存储的信息存储至本地的预设列表中;其中,所述预设列表用于存储拍摄过程中人脸的属性信息和特征信息;
加载模块,被配置为执行将所述预存列表加载至所述属性匹配列表中。
可选的,所述第一人脸的图像信息包括所述第一人脸的关键点信息和/或图像参数信息;所述第一确定单元,具备被配置为执行基于每个所述目标图像帧的所述第一人脸的关键点信息和/或图像参数信息,确定每个所述目标图像帧中所述第一人脸的状态信息;其中,所述关键点信息中包括关键点的数量和/或关键点的二维坐标,所述图像参数信息中包括图像模糊度,所述目标比例为所述第一人脸在所述目标图像帧中的关键点的数量与所述第一人脸的所有关键点的数量的比值,所述欧拉角基于所述关键点的二维坐标经过三维换算得到,所述模糊程度为所述图像模糊度。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
图3是根据一示例性实施例示出的一种电子设备的框图,电子设备300可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等。
参照图3,电子设备300可以包括以下一个或多个组件:处理组件302,存储器304,电力组件306,多媒体组件308,音频组件310,输入/输出(I/O)的接口312,传感器组件314,以及通信组件316。
处理组件302通常控制电子设备300的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件302可以包括一个或多个处理器320来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件302可以包括一个或多个模块,便于处理组件302和其他组件之间的交互。例如,处理组件302可以包括多媒体模块,以方便多媒体组件308和处理组件302之间的交互。
存储器304被配置为存储各种类型的数据以支持在电子设备300的操作。这些数据的示例包括用于在电子设备300上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器304可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件306为电子设备300的各种组件提供电力。电源组件306可以包括电源管理***,一个或多个电源,及其他与为电子设备300生成、管理和分配电力相关联的组件。
多媒体组件308包括在所述电子设备300和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件308包括一个前置摄像头和/或后置摄像头。当电子设备300处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜***或具有焦距和光学变焦能力。
音频组件310被配置为输出和/或输入音频信号。例如,音频组件310包括一个麦克风(MIC),当电子设备300处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器304或经由通信组件316发送。在一些实施例中,音频组件310还包括一个扬声器,用于输出音频信号。
I/O接口312为处理组件302和***接口模块之间提供接口,上述***接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件314包括一个或多个传感器,用于为电子设备300提供各个方面的状态评估。例如,传感器组件314可以检测到电子设备300的打开/关闭状态,组件的相对定位,例如所述组件为电子设备300的显示器和小键盘,传感器组件314还可以检测电子设备300或电子设备300一个组件的位置改变,用户与电子设备300接触的存在或不存在,电子设备300方位或加速/减速和电子设备300的温度变化。传感器组件314可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件314还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件314还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件316被配置为便于电子设备300和其他设备之间有线或无线方式的通信。电子设备300可以接入基于通信标准的无线网络,如WiFi,运营商网络(如2G、3G、4G或5G),或它们的组合。在一个示例性实施例中,通信组件316经由广播信道接收来自外部广播管理***的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件316还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,电子设备300可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种包括指令的存储介质,例如包括指令的存储器304,上述指令可由电子设备300的处理器320执行以完成上述方法。可选地,存储介质可以是非临时性计算机可读存储介质,例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (10)
1.一种人脸信息识别方法,其特征在于,包括:
在第一拍摄过程中检测到第一人脸的情况下,获取连续N个包含所述第一人脸的目标图像帧中每个所述目标图像帧的人脸信息,其中,所述人脸信息包括所述第一人脸的图像信息和所述第一人脸的属性信息,N为大于1的整数;
确定每个所述目标图像帧的所述第一人脸的属性信息的置信级别,其中,每个所述目标图像帧的所述置信级别是依据每个所述目标图像帧的所述第一人脸的图像信息确定;
基于N个目标图像帧的所述第一人脸的属性信息和所述置信级别,确定所述第一人脸的目标属性信息。
2.根据权利要求1所述的方法,其特征在于,所述确定每个所述目标图像帧的所述第一人脸的属性信息的置信级别的步骤包括:
基于每个所述目标图像帧的所述第一人脸的图像信息确定每个所述目标图像帧中所述第一人脸的状态信息;其中,所述状态信息包括表征所述第一人脸在所述目标图像帧中的人脸姿态的欧拉角、模糊程度,以及所述第一人脸在所述目标图像帧中的区域面积相对于所述第一人脸的完整区域面积的目标比例中一种或多种;
基于每个所述目标图像帧中所述第一人脸的状态信息,确定每个所述目标图像帧的所述第一人脸的属性信息的置信级别。
3.根据权利要求2所述的方法,其特征在于,所述基于每个所述目标图像帧中所述第一人脸的状态信息,确定每个所述目标图像帧的所述第一人脸的属性信息的置信级别的步骤包括:
在所述目标比例小于或等于第一阈值,所述欧拉角大于或等于第二阈值,或者,所述模糊程度大于或等于第三阈值的情况下,确定所述目标图像帧中所述第一人脸的属性信息的置信级别为不可信的置信级别;
在所述目标比例大于第一阈值、所述欧拉角小于第二阈值,并且所述模糊程度小于第三阈值的情况下,确定所述目标图像帧中所述第一人脸的属性信息的置信级别为可信的置信级别。
4.根据权利要求3所述的方法,其特征在于,所述基于N个目标图像帧的所述第一人脸的属性信息和所述置信级别,确定所述第一人脸的目标属性信息的步骤包括:
剔除所述N个目标图像帧中置信级别表征所述第一人脸的属性信息不可信的第一目标图像帧,获得第二目标图像帧;
基于图像帧集合中每个图像帧的所述第一人脸的属性信息和所述置信级别,确定所述第一人脸的目标属性信息;其中,所述图像帧集合中包括所述第二目标图像帧。
5.根据权利要求4所述的方法,其特征在于,所述基于图像帧集合中每个图像帧的所述第一人脸的属性信息和所述置信级别,确定所述第一人脸的目标属性信息的步骤之前,所述方法还包括:
获取第三目标图像帧;其中,所述第三目标图像帧为在所述N个目标图像帧之后连续采集的包含所述第一人脸的图像帧,且所述第三目标图像帧中所述第一人脸的属性信息的置信级别为可信的置信级别;
确定所述第三目标图像帧中所述第一人脸的属性信息和所述第一人脸的属性信息的置信级别;
在所述第三目标图像帧和所述第二目标图像帧的数量之和等于N的情况下,执行所述基于图像帧集合中每个图像帧的所述第一人脸的属性信息和所述置信级别,确定所述第一人脸的目标属性信息的步骤;其中,所述图像帧集合中还包括所述第三目标图像帧。
6.根据权利要求1所述的方法,其特征在于,所述基于N个目标图像帧的所述第一人脸的属性信息和所述置信级别,确定所述第一人脸的目标属性信息的步骤之后,所述方法还包括:
提取所述N个目标图像帧中所述第一人脸的第一特征信息;
将所述第一特征信息与所述目标属性信息关联存储至属性匹配列表中;其中,所述属性匹配列表用于对第二拍摄过程中检测到的人脸进行属性信息识别,所述第二拍摄过程为所述第一人脸退出所述第一拍摄过程后重新启动的拍摄过程。
7.根据权利要求6所述的方法,其特征在于,所述将所述第一特征信息与所述目标属性信息关联存储至属性匹配列表中的步骤之后,所述方法还包括:
在所述第二拍摄过程中检测到第二人脸的情况下,获取所述第二人脸的第二特征信息;
将所述第二人脸的第二特征信息与所述属性匹配列表中所述第一人脸的第一特征信息进行匹配;
在匹配成功的情况下,将所述目标属性信息确定为所述第二人脸的属性信息。
8.一种人脸信息识别装置,其特征在于,包括:
第一获取模块,被配置为执行在第一拍摄过程中检测到第一人脸的情况下,获取连续N个包含所述第一人脸的目标图像帧中每个所述目标图像帧的人脸信息,其中,所述人脸信息包括所述第一人脸的图像信息和所述第一人脸的属性信息,N为大于1的整数;
第一确定模块,被配置为执行确定每个所述目标图像帧的所述第一人脸的属性信息的置信级别,其中,每个所述目标图像帧的所述置信级别是依据每个所述目标图像帧的所述第一人脸的图像信息确定;
第二确定模块,被配置为执行基于N个目标图像帧的所述第一人脸的属性信息和所述置信级别,确定所述第一人脸的目标属性信息。
9.一种电子设备,其特征在于,包括:
处理器;
用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述指令,以实现如权利要求1至7中任一项所述的人脸信息识别方法。
10.一种存储介质,当所述存储介质中的指令由电子设备的处理器执行时,使得所述电子设备能够执行如权利要求1至7中任一项所述的人脸信息识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011017794.4A CN112188091B (zh) | 2020-09-24 | 2020-09-24 | 人脸信息识别方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011017794.4A CN112188091B (zh) | 2020-09-24 | 2020-09-24 | 人脸信息识别方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112188091A true CN112188091A (zh) | 2021-01-05 |
CN112188091B CN112188091B (zh) | 2022-05-06 |
Family
ID=73956201
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011017794.4A Active CN112188091B (zh) | 2020-09-24 | 2020-09-24 | 人脸信息识别方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112188091B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112990167A (zh) * | 2021-05-19 | 2021-06-18 | 北京焦点新干线信息技术有限公司 | 图像处理方法及装置、存储介质及电子设备 |
CN113139919A (zh) * | 2021-05-08 | 2021-07-20 | 广州繁星互娱信息科技有限公司 | 特效显示方法、装置、计算机设备及存储介质 |
CN113923372A (zh) * | 2021-06-25 | 2022-01-11 | 荣耀终端有限公司 | 曝光调整方法及相关设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105740758A (zh) * | 2015-12-31 | 2016-07-06 | 上海极链网络科技有限公司 | 基于深度学习的互联网视频人脸识别方法 |
CN108229322A (zh) * | 2017-11-30 | 2018-06-29 | 北京市商汤科技开发有限公司 | 基于视频的人脸识别方法、装置、电子设备及存储介质 |
CN109063580A (zh) * | 2018-07-09 | 2018-12-21 | 北京达佳互联信息技术有限公司 | 人脸识别方法、装置、电子设备及存储介质 |
CN109190449A (zh) * | 2018-07-09 | 2019-01-11 | 北京达佳互联信息技术有限公司 | 年龄识别方法、装置、电子设备及存储介质 |
CN110163171A (zh) * | 2019-05-27 | 2019-08-23 | 北京字节跳动网络技术有限公司 | 用于识别人脸属性的方法和装置 |
CN110276277A (zh) * | 2019-06-03 | 2019-09-24 | 罗普特科技集团股份有限公司 | 用于检测人脸图像的方法和装置 |
-
2020
- 2020-09-24 CN CN202011017794.4A patent/CN112188091B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105740758A (zh) * | 2015-12-31 | 2016-07-06 | 上海极链网络科技有限公司 | 基于深度学习的互联网视频人脸识别方法 |
CN108229322A (zh) * | 2017-11-30 | 2018-06-29 | 北京市商汤科技开发有限公司 | 基于视频的人脸识别方法、装置、电子设备及存储介质 |
US20190318153A1 (en) * | 2017-11-30 | 2019-10-17 | Beijing Sensetime Technology Development Co., Ltd | Methods and apparatus for video-based facial recognition, electronic devices, and storage media |
CN109063580A (zh) * | 2018-07-09 | 2018-12-21 | 北京达佳互联信息技术有限公司 | 人脸识别方法、装置、电子设备及存储介质 |
CN109190449A (zh) * | 2018-07-09 | 2019-01-11 | 北京达佳互联信息技术有限公司 | 年龄识别方法、装置、电子设备及存储介质 |
CN110163171A (zh) * | 2019-05-27 | 2019-08-23 | 北京字节跳动网络技术有限公司 | 用于识别人脸属性的方法和装置 |
CN110276277A (zh) * | 2019-06-03 | 2019-09-24 | 罗普特科技集团股份有限公司 | 用于检测人脸图像的方法和装置 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113139919A (zh) * | 2021-05-08 | 2021-07-20 | 广州繁星互娱信息科技有限公司 | 特效显示方法、装置、计算机设备及存储介质 |
CN112990167A (zh) * | 2021-05-19 | 2021-06-18 | 北京焦点新干线信息技术有限公司 | 图像处理方法及装置、存储介质及电子设备 |
CN112990167B (zh) * | 2021-05-19 | 2021-08-10 | 北京焦点新干线信息技术有限公司 | 图像处理方法及装置、存储介质及电子设备 |
CN113923372A (zh) * | 2021-06-25 | 2022-01-11 | 荣耀终端有限公司 | 曝光调整方法及相关设备 |
Also Published As
Publication number | Publication date |
---|---|
CN112188091B (zh) | 2022-05-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109670397B (zh) | 人体骨骼关键点的检测方法、装置、电子设备及存储介质 | |
US9674395B2 (en) | Methods and apparatuses for generating photograph | |
CN105430262B (zh) | 拍摄控制方法及装置 | |
CN104156947B (zh) | 图像分割方法、装置及设备 | |
CN106408603B (zh) | 拍摄方法及装置 | |
CN105654039B (zh) | 图像处理的方法和装置 | |
CN112188091B (zh) | 人脸信息识别方法、装置、电子设备及存储介质 | |
CN107480665B (zh) | 文字检测方法、装置及计算机可读存储介质 | |
CN107944367B (zh) | 人脸关键点检测方法及装置 | |
CN105631803B (zh) | 滤镜处理的方法和装置 | |
CN108154466B (zh) | 图像处理方法及装置 | |
CN108921178B (zh) | 获取图像模糊程度分类的方法、装置、电子设备 | |
CN107967459B (zh) | 卷积处理方法、装置及存储介质 | |
CN108462833B (zh) | 拍摄方法、装置及计算机可读存储介质 | |
CN109784164B (zh) | 前景识别方法、装置、电子设备及存储介质 | |
CN109509195B (zh) | 前景处理方法、装置、电子设备及存储介质 | |
CN107220614B (zh) | 图像识别方法、装置及计算机可读存储介质 | |
CN107025441B (zh) | 肤色检测方法及装置 | |
CN112258605A (zh) | 特效添加方法、装置、电子设备及存储介质 | |
CN107424130B (zh) | 图片美颜方法和装置 | |
CN109145878B (zh) | 图像提取方法及装置 | |
CN112004020B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN111340690B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN110110742B (zh) | 多特征融合方法、装置、电子设备及存储介质 | |
CN106469446B (zh) | 深度图像的分割方法和分割装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |