CN112686126A - 一种人脸建模方法及装置 - Google Patents
一种人脸建模方法及装置 Download PDFInfo
- Publication number
- CN112686126A CN112686126A CN202011568167.XA CN202011568167A CN112686126A CN 112686126 A CN112686126 A CN 112686126A CN 202011568167 A CN202011568167 A CN 202011568167A CN 112686126 A CN112686126 A CN 112686126A
- Authority
- CN
- China
- Prior art keywords
- face
- image data
- detection
- preset
- face image
- 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
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000001514 detection method Methods 0.000 claims abstract description 160
- 238000004590 computer program Methods 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 8
- 230000001815 facial effect Effects 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 abstract description 12
- 230000003247 decreasing effect Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
Images
Landscapes
- Image Processing (AREA)
Abstract
本申请实施例提供了一种人脸建模方法及装置。包括:获取待建模的人脸图像数据;按照预设人脸检测规则对人脸图像数据进行人脸检测;若检测成功,基于人脸检测所得到的人脸信息和人脸图像数据进行人脸建模,该预设人脸检测规则包括在检测失败时,调整人脸图像数据的像素大小后对人脸图像数据再次进行人脸检测,直至满足预设结束条件时停止,上述预设结束条件包括人脸检测的检测次数达到预设次数或者人脸检测成功;本申请实施例,通过调整人脸图像数据的像素大小的方式可以实现对人脸图像数据中的人脸区域宽度的调整,从而使得人脸区域宽度位于人脸检测算法所要求的人脸区域宽度的范围内,从而提高人脸检测的成功率,进而提高人脸建模成功率。
Description
技术领域
本申请涉及图像处理技术领域,尤其涉及一种人脸建模方法及装置。
背景技术
目前,随着图像处理技术的发展,人脸识别技术受到广泛关注。如人脸识别技术应用于到考勤、门禁等领域。所谓人脸识别是指基于人的脸部特征信息对人脸进行身份识别,因此,实现人脸识别的基础则是基于人脸图像进行脸部特征信息的提取,也即基于人脸图像进行人脸建模。
一般的,则是基于人脸建模算法进行人脸建模,但是,对于人脸建模算法而言,其在进行人脸建模时,可能会对人脸图像中的人脸区域的宽度等参数存在一定要求,但是,在进行建模时,无法保证输入的人脸图像中的人脸区域的宽度等参数能够满足建模算法的要求。因此,现有技术中在进行人脸建模时,经常出现人脸建模失败的情况的发生。
由此可知,利用现有技术在进行人脸建模时,经常会存在人脸建模失败的情况的发生。
申请内容
本申请实施例采用下述技术方案:
第一方面,本申请实施例提供一种人脸建模方法,包括:
获取待建模的人脸图像数据;
按照预设人脸检测规则对所述人脸图像数据进行人脸检测;其中,所述预设人脸检测规则包括在所述人脸检测失败时,调整所述人脸图像数据的像素大小后对所述人脸图像数据再次进行人脸检测,直至满足预设结束条件时停止,所述预设结束条件包括所述人脸检测的检测次数达到预设次数或者所述人脸检测成功;
若所述人脸检测成功,则基于所述人脸检测所得到的人脸信息和所述人脸图像数据进行人脸建模。
可选地,所述基于所述人脸检测所得到的人脸信息和所述人脸图像数据进行人脸建模,包括:
基于所述人脸信息确定所述人脸图像数据所对应的脸部区域图像数据;
基于所述脸部区域图像数据进行人脸建模;
若是人脸建模失败,基于所述人脸信息和所述脸部区域图像数据再次进行人脸建模。
可选的,所述人脸信息包括人脸关键点在第一坐标系中的第一坐标信息,其中,所述第一坐标系为基于所述人脸图像数据所建立的坐标系;
相应的,所述基于所述人脸信息和所述脸部区域图像数据再次进行人脸建模,包括:
基于各个所述人脸关键点的第一坐标信息,确定所述人脸关键点在第二坐标系中的第二坐标信息;其中,所述第二坐标系为基于所述脸部区域图像数据所建立的坐标系;
基于所述人脸关键点的第二坐标信息和所述脸部区域图像数据进行人脸建模。
可选的,所述人脸信息包括人脸所在方框信息;
所述基于所述人脸信息确定所述人脸图像数据所对应的脸部区域图像数据,包括:
基于所述人脸所在方框信息从所述人脸图像数据中裁剪人脸所在方框区域的图像数据;
将所述人脸所在方框区域的图像数据确定为所述脸部区域图像数据。
可选的,所述按照预设人脸检测规则对所述人脸图像数据进行人脸检测,包括:
对所述人脸图像数据进行人脸检测;
若是所述人脸检测失败,按照预设步长增大或者减小所述人脸图像数据的像素大小,并对执行像素增大或者减小操作后的人脸图像数据进行人脸检测,直至满足所述预设结束条件时停止。
可选的,所述预设步长包括预设宽度步长和预设高度步长;
相应的,所述预设步长通过如下方式确定:
计算所述人脸图像数据所对应的像素宽度调整范围中的最大像素宽度值与所述人脸图像数据的最小像素宽度值的第一差值,计算所述第一差值与所述预设次数的第一比值,将所述第一比值确定为所述预设宽度步长;
以及,
计算所述人脸图像数据所对应的像素高度调整范围中的最大高度像素值与所述人脸图像数据的最小像素高度值的第二差值,计算所述第二差值与所述预设次数的第二比值,将所述第二比值确定为所述预设高度步长。
可选的,所述获取待建模的人脸图像数据,包括:
获取输入的目标人脸图像;
对所述目标人脸图像进行解码处理,得到所述人脸图像数据;其中,所述人脸图像数据为YUV数据或RGB数据。
第二方面,本申请实施例还提供了一种人脸建模装置,所述装置包括:
获取模块,用于获取待建模的人脸图像数据;
人脸检测模块,用于按照预设人脸检测规则对所述人脸图像数据进行人脸检测;其中,所述预设人脸检测规则包括在所述人脸检测失败时,调整所述人脸图像数据的像素大小后对所述人脸图像数据再次进行人脸检测,直至满足预设结束条件时停止,所述预设结束条件包括所述人脸检测的检测次数达到预设次数或者所述人脸检测成功;
人脸建模模块,用于若所述人脸检测成功,则基于所述人脸检测所得到的人脸信息和所述人脸图像数据进行人脸建模。
第三方面,本申请实施例还提供了一种计算机设备,包括处理器、通信接口、存储器和通信总线;其中,所述处理器、所述通信接口以及所述存储器通过总线完成相互间的通信;所述存储器,用于存放计算机程序;所述处理器,用于执行所述存储器上所存放的程序,实现上述第一方面任一所述的方法步骤。
第四方面,本申请实施例还提供了一种计算机可读存储介质,所述存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述第一方面任一所述的方法步骤。
本申请实施例采用的上述至少一个技术方案能够达到以下有益效果:
采用本申请实施例提供的技术方案,在基于所获取到的人脸图像数据进行人脸检测时,若是出现人脸检测失败的情况,则在调整人脸图像数据的像素大小后再次进行人脸检测,由于通过调整人脸图像数据的像素大小的方式可以实现对人脸图像数据中的人脸区域宽度的调整,从而可以使得人脸区域宽度可能位于人脸检测算法所要求的最佳人脸区域宽度的范围内,从而可以提高人脸检测的成功率,进而提高人脸建模成功率。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请实施例提供的人脸建模方法的第一种流程示意图;
图2为本申请实施例提供的人脸建模方法的第二种流程示意图;
图3为本申请实施例提供的人脸建模方法的第三种流程示意图;
图4为本申请实施例提供的人脸建模装置的模块组成示意图;
图5为本申请实施例提供的网络设备的模块组成示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅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做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。
以下结合附图,详细说明本申请各实施例提供的技术方案。
首先,本申请实施例提供了一种人脸建模方法,该方法应用于人脸建模装置,具体的,该人脸建模装置可以应用于人脸考勤设备、人脸识别设备、人脸门禁设备等,当然,在某些实施方式中,上述人脸建模装置还可以应用于服务器,如通过服务器生成人脸模型底库等;当然,此处只是示例性列举几种可能的人脸建模装置的具体应用场景,并不构成对本申请实施例的限定。
图1为本申请实施例提供的人脸建模方法的第一种流程示意图,如图1所示,该方法至少包括如下步骤:
步骤102,获取待建模的人脸图像数据。
其中,上述人脸图像数据为RGB(Red、Green、Blue,红、绿、蓝)或者YUV格式的数据。当然,还可以为其他格式的图像数据,只要是人脸建模设备可以识别的数据格式即可,此处只是示例性说明,并不构成对本申请实施例的限定。
步骤104,按照预设人脸检测规则对人脸图像数据进行人脸检测;其中,上述预设人脸检测规则包括在人脸检测失败时,调整人脸图像数据的像素大小后对人脸图像数据再次进行人脸检测,直至满足预设结束条件时停止,该预设结束条件包括人脸检测的检测次数达到预设次数或者人脸检测成功。
步骤106,若人脸检测成功,则基于人脸检测所得到的人脸信息和人脸图像数据进行人脸建模。
本申请实施例提供的方法,在对人脸图像数据进行人脸检测时,在人脸检测失败时,通过调整人脸图像数据的像素大小可以调整人脸图像数据中的人脸区域的大小,从而使得人脸区域的大小能够更适合人脸检测算法所需要的像素大小,从而提高人脸检测的成功率,进而提高人脸建模成功率。
为便于理解本申请实施例提供的方法,下述将详细介绍上述各个步骤的具体实现方式。
可选的,在一种具体实施方式中,上述步骤102中,获取待建模的人脸图像数据,包括:
获取输入的目标人脸图像;对目标人脸图像进行解码处理,得到人脸图像数据;其中,人脸图像数据为YUV数据或RGB数据。
其中,上述输入的目标人脸图像可以为JPG(Joint Photo graphic ExpertsGroup)格式的图片,当然,还可以为其他图片格式,只要是人脸建模设备可以识别的并且可以进行解码的图片格式均可,此处只是示例性说明,并不构成对本申请实施例的限定。
可选的,在一种具体实施方式中,当人脸建模设备接收到采集的或者用户输入的目标人脸图像后,对该目标人脸图像进行解码处理,以得到解码后的人脸图像数据。其中,上述解码后的人脸图像数据可以为YUV数据,也可以为RGB数据,当然,还可以为其他数据,此处只是示例性说明,并不构成对本申请实施例的限定。
例如,上述人脸建模设备为门禁设备,当用户A需要通过门禁设备时,该门禁设备采集用户A的人脸图像,并在采集到用户A的人脸图像后,通过解码算法,将所采集的用户A的人脸图像解码为YUV格式的数据或者RGB格式的数据。
可选的,上述步骤104中,按照预设人脸检测规则对人脸图像数据进行人脸检测,具体包括如下步骤一和步骤二:
步骤一、对人脸图像数据进行人脸检测;
步骤二、若是人脸检测失败,按照预设步长增大或者减小人脸图像数据的像素大小,并对执行像素增大或者减小操作后的人脸图像数据进行人脸检测,直至满足上述预设结束条件时停止。
其中,本申请实施例中进行人脸检测的检测算法可以为CNN算法,当然也可以为其他算法,本申请实施例并不对此进行限定。
可选的,在一种具体实施方式中,可以每次对人脸图像数据的像素大小进行增加或者减小操作后,执行一次人脸检测操作;若是依然是人脸检测失败,则再次对人脸图像数据的像素大小进行增加或者减小操作,之后再执行一次人脸检测操作,以此类推,直至人脸检测成功或者人脸检测的检测次数达到预设次数时则结束。
为便于理解,下述将举例进行说明。
例如,在一种具体实施方式中,假设步骤102中所获取的人脸图像数据的像素大小为A1×B1,预设步长为C1×C2,若是对人脸图像数据进行人脸检测失败,则对人脸图像数据的像素大小增加预设步长,所得到的人脸图像数据的像素大小为(A1+C1)×(B1+C2),对该像素大小的人脸图像数据进行人脸检测,若是人脸检测失败,则继续对第一次增加预设步长后的人脸图像数据的像素大小增加预设步长,所得到的人脸图像数据的像素大小为(A1+C1+C1)×(B1+C2+C2),对该像素大小的人脸图像数据进行人脸检测,若是人脸检测成功,则结束;若是人脸检测结果依然为检测失败,且当前人脸图像数据的像素大小已经达到像素最大值,则继续对A1×B1的人脸图像数据进行减小预设步长的操作,进行减小后得到的人脸图像数据的像素大小为(A1-C1)×(B1-C2),然后对该人脸图像数据进行人脸检测,以此类推,直至人脸检测成功或者对人脸图像数据进行像素增大或者减小的次数达到预设次数时结束。
可选的,在一种具体实施方式中,上述预设步长包括预设宽度步长和预设高度步长;相应的,在本申请实施例中,上述预设步长则是通过如下方式确定的:
计算人脸图像数据所对应的像素宽度调整范围中的最大像素宽度值与人脸图像数据的最小宽度像素值的第一差值,计算第一差值与预设次数的第一比值,将第一比值确定为预设宽度步长;
以及,
计算人脸图像数据所对应的像素高度调整范围中的最大高度像素值与人脸图像数据的最小高度像素值的第二差值,计算第二差值与预设次数的第二比值,将第二比值确定为预设高度步长。
为便于理解,下述将举例进行说明。
例如,在一种具体实施方式中,人脸图像数据所对应的像素宽度调整范围为60-960,也即该像素宽度调整范围中的最大像素宽度值为960,最小像素宽度值为60,预设次数为9次,因此,可以通过如下公式计算预设宽度步长;
也即,预设宽度步长为100,其中,上述数值的单位均为像素。
当然,上述预设高度步长的具体计算过程可参考预设宽度步长的具体计算过程,此处不再赘述。
图2示出了本申请实施例提供的人脸建模方法的第二种流程示意图,如图2所示,该方法至少包括如下步骤:
步骤202,获取输入的人脸图像。
步骤204,对上述人脸图像进行解码处理,得到YUV或者RGB格式的人脸图像数据。
步骤206,对解码得到的人脸图像数据进行人脸检测;若是人脸检测成功,则执行步骤212;若人脸检测失败,则执行步骤208。
步骤208,按照预设步长增大或者减小人脸图像数据的像素大小。
步骤210,对执行像素增大或者减小操作后的人脸图像进行人脸检测;若是人脸检测成功,则执行步骤212;否则,执行步骤208。
步骤212,基于人脸检测所得到的人脸信息和人脸图像数据进行人脸建模。
其中,图2所示流程示意图中各个方法步骤的具体实现过程可参考前述论述,此处不再赘述。
可选的,在一种具体实施方式中,上述步骤106中,基于人脸检测所得到的人脸信息和人脸图像数据进行人脸建模,具体包括如下步骤(1)、步骤(2)和步骤(3):
步骤(1)、基于人脸信息确定人脸图像数据所对应的脸部区域图像数据;
步骤(2)、基于脸部区域图像数据进行人脸建模;
步骤(3)、若是人脸建模失败,基于人脸信息和脸部区域图像数据再次进行人脸建模。
可选的,在一种具体实施方式中,上述人脸信息包括人脸所在方框信息;相应的,上述步骤(1)中,基于人脸信息确定人脸图像数据所对应的脸部区域图像数据,具体包括如下过程:
基于人脸所在方框信息从人脸图像数据中裁剪人脸所在方框区域的图像数据;将人脸所在方框区域的图像数据确定为脸部区域图像数据。
其中,上述人脸所在方框信息可以理解为人脸所在方框在人脸图像数据中的位置信息。为便于理解,下述将举例进行说明。
例如,在一种具体实施方式中,假设所获取的人脸图像数据的像素大小为1000×1000,人脸所在方框的左上角位于人脸图像数据的(385,468)像素处,人脸所在方框的右上角位于人脸图像数据的(385,764)像素处,人脸所在方框的左下角位于人脸图像数据的(642,468)像素处,人脸所在方框的右下角位于人脸图像数据的(642,764)像素处。因此,基于人脸所在方框的四个角的位置信息从人脸图像数据中抠选出人脸所在方框,所抠选出的人脸所在方框的区域的大小为257×296。
可选的,在一种具体实施方式中,当上述人脸建模是通过一个设备完成时,则直接将从人脸图像数据中裁剪出来的人脸所在方框区域的图像数据作为脸部区域图像数据;
当然,在一些其他实施方式中,上述人脸建模可能是通过两个设备完成的,如通过第一设备执行人脸检测的操作,通过第二设备执行人脸建模的操作,在该种情况下则需要将裁剪得到的脸部区域图像数据进行编码以得到JPG格式的脸部区域图像,然后将得到的JPG格式的脸部区域图像输入到第二设备中,第二设备对输入的JPG格式的脸部区域图像进行解码,以得到解码后的YUV或者RGB格式的脸部区域图像数据。
其中,需要说明的是,在上述步骤(2)中,基于脸部区域图像数据进行人脸建模的具体过程包括:对脸部区域图像数据进行人脸检测,若是人脸检测成功,则基于所检测到的人脸信息进行人脸建模。
可选的,在一种具体实施方式中,上述人脸信息包括人脸关键点在第一坐标系中的第一坐标信息;其中,第一坐标系为基于人脸图像数据所建立的坐标系。
具体的,可以将人脸图像数据的左上角像素点作为第一坐标系的原点,沿着人脸图像数据的第一行像素的方向建立第一坐标系的横轴,以沿着人脸图像数据的第一列像素的方向建立第一坐标系的纵轴。
具体的,上述步骤(3)中,基于人脸信息和脸部区域图像数据再次进行人脸建模,包括:
基于各个人脸关键点的第一坐标信息,确定人脸关键点所对应的第二坐标信息;基于人脸关键点的第二坐标信息和脸部区域图像数据进行人脸建模;其中,第二坐标系为基于脸部区域图像数据所建立的坐标系。
具体的,在建立第二坐标系时,可以将脸部区域图像数据的左上角像素点作为第二坐标系的原点,沿着脸部区域图像数据的第一行像素的方向建立第二坐标系的横轴,沿着脸部区域图像数据的第一列像素的方向建立第二坐标系的纵轴。
因此,基于上述描述可知,第二坐标系的原点实际上为脸部区域图像数据的左上角相对人脸图像数据的坐标点。例如,继续沿用上例,人脸所在方框的左上角位于人脸图像数据的(385,468)像素处,因此,第二坐标系的原点实际上为第一坐标系中的坐标点(385,468)。
所以,在基于各个人脸关键点的第一坐标信息,确定人脸关键点所对应的第二坐标信息时,实际上是基于第二坐标系的原点相对第一坐标系中的位置信息对各个人脸关键点进行坐标转换得到的。
为便于理解,下述将举例进行说明。
例如,继续沿用上例,第二坐标系的原点实际上为第一坐标系中的坐标点(385,468),假设某人脸关键点1在第一坐标系中的第一坐标信息为(432,563),但是由于(432,563)相当于第二坐标系中的原点,也即(0,0)点,因此,对于每个人脸关键点信息均需要减去(432,563)才为其在第二坐标系中的第二坐标信息;因此,上述人脸关键点1在第二坐标系中的第二坐标为(47,95)。
按照上述方式确定出每个人脸关键点所对应的第二坐标系,这样,实际上相当于确定出了脸部区域图像数据中的人脸关键点信息。
因此,则基于人脸关键点的第二坐标信息和脸部区域图像数据进行人脸建模即可。
在本申请实施例中,由于在从人脸图像数据中裁剪脸部区域图像数据时,实际上相当于对人脸图像数据进行了处理,因此可能会导致后续在进行人脸建模失败;因此,在本申请实施例中,则在人脸建模失败时,通过对人脸图像数据进行人脸检测所得到的人脸关键点信息映射至脸部区域图像中,使得可以成功检测到脸部区域图像中的人脸关键点,从而成功建模;也即,通过进行人脸关键点映射的方式,可以提高人脸建模成功率。
图3示出了本申请实施例提供的人脸建模方法的第三种流程示意图,如图3所示,该方法至少包括如下步骤:
步骤302,获取输入的人脸图像。
步骤304,对上述人脸图像进行解码处理,得到YUV或者RGB格式的人脸图像数据。
步骤306,对解码得到的人脸图像数据进行人脸检测;若是人脸检测成功,则执行步骤312;若人脸检测失败,则执行步骤308。
步骤308,按照预设步长增大或者减小人脸图像数据的像素大小。
步骤310,对执行像素增大或减小操作后的人脸图像进行人脸检测;若是人脸检测成功,则执行步骤312;否则,执行步骤308。
步骤312,基于人脸检测所得到的人脸所在方框信息从人脸图像数据中裁剪人脸所在方框区域的图像数据。
步骤314,将人脸所在方框区域的图像数据确定为脸部区域图像数据。
步骤316,基于所确定出的脸部区域图像数据进行人脸建模;若是人脸建模成功,则结束;若是人脸建模失败,则执行步骤318。
步骤318,基于各个人脸关键点在第一坐标系中的第一坐标信息,确定该人脸关键点所对应的第二坐标信息。
其中,第一坐标系为基于人脸图像数据所建立的坐标系,第二坐标系为基于脸部区域图像数据所建立的坐标系。
步骤320,基于人脸关键点所对应的第二坐标信息和脸部区域图像数据进行人脸建模。
本申请实施例提供的人脸建模方法,在基于所获取到的人脸图像数据进行人脸检测时,若是出现人脸检测失败的情况,则在调整人脸图像数据的像素大小后再次进行人脸检测,由于通过调整人脸图像数据的像素大小的方式可以实现对人脸图像数据中的人脸区域宽度的调整,从而可以使得人脸区域宽度可能位于人脸检测算法所要求的最佳人脸区域宽度的范围内,从而可以提高人脸检测的成功率,进而提高人脸建模成功率。
对应于本申请图1-图3所示实施例提供的人脸建模方法,基于相同的思路,本申请实施例还提供了一种人脸建模装置,用于执行本申请图1-图3所示实施例提供的人脸建模方法。图4为本申请实施例提供的人脸建模装置的结构示意图,如图4所示,该人脸建模装置至少包括:
获取模块402,用于获取待建模的人脸图像数据;
人脸检测模块404,用于按照预设人脸检测规则对所述人脸图像数据进行人脸检测;其中,所述预设人脸检测规则包括在所述人脸检测失败时,调整所述人脸图像数据的像素大小后对所述人脸图像数据再次进行人脸检测,直至满足预设结束条件时停止,所述预设结束条件包括所述人脸检测的检测次数达到预设次数或者所述人脸检测成功;
人脸建模模块406,用于若所述人脸检测成功,则基于所述人脸检测所得到的人脸信息和所述人脸图像数据进行人脸建模。
可选的,所述人脸建模模块406,包括:
确定单元,用于基于所述人脸信息确定所述人脸图像数据所对应的脸部区域图像数据;
第一人脸建模单元,用于基于所述脸部区域图像数据进行人脸建模;
第二人脸建模单元,用于若是所述第一人脸建模单元进行人脸建模失败,基于所述人脸信息和所述脸部区域图像数据再次进行人脸建模。
可选的,所述人脸信息包括人脸关键点在第一坐标系中的第一坐标信息,其中,所述第一坐标系为基于所述人脸图像数据所建立的坐标系;
所述第二人脸建模单元,具体用于:
基于各个所述人脸关键点的第一坐标信息,确定所述人脸关键点在第二坐标系中的第二坐标信息;其中,所述第二坐标系为基于所述脸部区域图像数据所建立的坐标系;基于所述人脸关键点的第二坐标信息和所述脸部区域图像数据进行人脸建模。
可选的,所述人脸信息包括人脸所在方框信息;
所述确定单元,具体用于:
基于所述人脸所在方框信息从所述人脸图像数据中裁剪人脸所在方框区域的图像数据;
将所述人脸所在方框区域的图像数据确定为所述脸部区域图像数据。
可选的,所述人脸检测模块404,包括:
第一人脸检测单元,用于对所述人脸图像数据进行人脸检测;
第二人脸检测单元,用于若是所述人脸检测失败,按照预设步长增大或者减小所述人脸图像数据的像素大小,并对执行像素增大或者减小操作后的人脸图像数据进行人脸检测,直至满足所述预设结束条件时停止。
可选的,所述预设步长包括预设宽度步长和预设高度步长;
本申请实施例提供的装置还包括:
第一计算模块,用于计算所述人脸图像数据所对应的像素宽度调整范围中的最大像素宽度值与所述人脸图像数据的最小像素宽度值的第一差值,计算所述第一差值与所述预设次数的第一比值,将所述第一比值确定为所述预设宽度步长;
第二计算模块,用于计算所述人脸图像数据所对应的像素高度调整范围中的最大高度像素值与所述人脸图像数据的最小像素高度值的第二差值,计算所述第二差值与所述预设次数的第二比值,将所述第二比值确定为所述预设高度步长。
可选的,所述获取模块402,包括:
获取单元,用于获取输入的目标人脸图像;
解码单元,用于对所述目标人脸图像进行解码处理,得到所述人脸图像数据;其中,所述人脸图像数据为YUV数据或RGB数据。
本申请实施例提供的人脸建模装置可实现图1-图3所示实施例的全部方法步骤,此处不再赘述。
本申请实施例提供的人脸建模装置,在基于所获取到的人脸图像数据进行人脸检测时,若是出现人脸检测失败的情况,则在调整人脸图像数据的像素大小后再次进行人脸检测,由于通过调整人脸图像数据的像素大小的方式可以实现对人脸图像数据中的人脸区域宽度的调整,从而可以使得人脸区域宽度可能位于人脸检测算法所要求的最佳人脸区域宽度的范围内,从而可以提高人脸检测的成功率,进而提高人脸建模成功率。
相应于本申请实施例提供的人脸建模方法,本申请实施例提供一种网络设备,参见图5所示,网络设备包括处理器510、收发机520、存储器530和总线接口。其中:
在本申请实施例中,网络设备500还包括:存储在存储器530上并可在所述处理器510上运行的计算机程序,所述计算机程序被所述处理器510执行时实现上述人脸建模方法的各个方法步骤,且能达到相同的技术效果,为避免重复,这里不再赘述。
在图5中,总线架构可以包括任意数量的互联的总线和桥,具体由处理器510代表的一个或多个处理器和存储器530代表的存储器的各种电路链接在一起。总线架构还可以将诸如***设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口提供接口。收发机520可以是多个元件,即包括发送机和接收机,提供用于在传输介质上与各种其他装置通信的单元。
处理器510负责管理总线架构和通常的处理,存储器530可以存储处理器510在执行操作时所使用的数据。
本申请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的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。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 Access Memory,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(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例所述的方法。
上面结合附图对本申请的实施例进行了描述,但是本申请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申请的启示下,在不脱离本申请宗旨和权利要求所保护的范围情况下,还可做出很多形式,均属于本申请的保护之内。
Claims (10)
1.一种人脸建模方法,其特征在于,所述方法包括:
获取待建模的人脸图像数据;
按照预设人脸检测规则对所述人脸图像数据进行人脸检测;其中,所述预设人脸检测规则包括在所述人脸检测失败时,调整所述人脸图像数据的像素大小后对所述人脸图像数据再次进行人脸检测,直至满足预设结束条件时停止,所述预设结束条件包括所述人脸检测的检测次数达到预设次数或者所述人脸检测成功;
若所述人脸检测成功,则基于所述人脸检测所得到的人脸信息和所述人脸图像数据进行人脸建模。
2.如权利要求1所述的方法,其特征在于,所述基于所述人脸检测所得到的人脸信息和所述人脸图像数据进行人脸建模,包括:
基于所述人脸信息确定所述人脸图像数据所对应的脸部区域图像数据;
基于所述脸部区域图像数据进行人脸建模;
若是人脸建模失败,基于所述人脸信息和所述脸部区域图像数据再次进行人脸建模。
3.如权利要求2所述的方法,其特征在于,所述人脸信息包括人脸关键点在第一坐标系中的第一坐标信息,其中,所述第一坐标系为基于所述人脸图像数据所建立的坐标系;
相应的,所述基于所述人脸信息和所述脸部区域图像数据再次进行人脸建模,包括:
基于各个所述人脸关键点的第一坐标信息,确定所述人脸关键点在第二坐标系中的第二坐标信息;其中,所述第二坐标系为基于所述脸部区域图像数据所建立的坐标系;
基于所述人脸关键点的第二坐标信息和所述脸部区域图像数据进行人脸建模。
4.如权利要求2所述的方法,其特征在于,所述人脸信息包括人脸所在方框信息;
所述基于所述人脸信息确定所述人脸图像数据所对应的脸部区域图像数据,包括:
基于所述人脸所在方框信息从所述人脸图像数据中裁剪人脸所在方框区域的图像数据;
将所述人脸所在方框区域的图像数据确定为所述脸部区域图像数据。
5.如权利要求1所述的方法,其特征在于,所述按照预设人脸检测规则对所述人脸图像数据进行人脸检测,包括:
对所述人脸图像数据进行人脸检测;
若是所述人脸检测失败,按照预设步长增大或者减小所述人脸图像数据的像素大小,并对执行像素增大或者减小操作后的人脸图像数据进行人脸检测,直至满足所述预设结束条件时停止。
6.如权利要求5所述的方法,其特征在于,所述预设步长包括预设宽度步长和预设高度步长;
相应的,所述预设步长通过如下方式确定:
计算所述人脸图像数据所对应的像素宽度调整范围中的最大像素宽度值与所述人脸图像数据的最小像素宽度值的第一差值,计算所述第一差值与所述预设次数的第一比值,将所述第一比值确定为所述预设宽度步长;
以及,
计算所述人脸图像数据所对应的像素高度调整范围中的最大高度像素值与所述人脸图像数据的最小像素高度值的第二差值,计算所述第二差值与所述预设次数的第二比值,将所述第二比值确定为所述预设高度步长。
7.如权利要求1所述的方法,其特征在于,所述获取待建模的人脸图像数据,包括:
获取输入的目标人脸图像;
对所述目标人脸图像进行解码处理,得到所述人脸图像数据;其中,所述人脸图像数据为YUV数据或RGB数据。
8.一种人脸建模装置,其特征在于,所述装置包括:
获取模块,用于获取待建模的人脸图像数据;
人脸检测模块,用于按照预设人脸检测规则对所述人脸图像数据进行人脸检测;其中,所述预设人脸检测规则包括在所述人脸检测失败时,调整所述人脸图像数据的像素大小后对所述人脸图像数据再次进行人脸检测,直至满足预设结束条件时停止,所述预设结束条件包括所述人脸检测的检测次数达到预设次数或者所述人脸检测成功;
人脸建模模块,用于若所述人脸检测成功,则基于所述人脸检测所得到的人脸信息和所述人脸图像数据进行人脸建模。
9.一种计算机设备,其特征在于,包括处理器、通信接口、存储器和通信总线;其中,所述处理器、所述通信接口以及所述存储器通过总线完成相互间的通信;所述存储器,用于存放计算机程序;所述处理器,用于执行所述存储器上所存放的程序,实现权利要求1-7任一所述的方法步骤。
10.一种计算机可读存储介质,其特征在于,所述存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-7任一所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011568167.XA CN112686126A (zh) | 2020-12-25 | 2020-12-25 | 一种人脸建模方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011568167.XA CN112686126A (zh) | 2020-12-25 | 2020-12-25 | 一种人脸建模方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112686126A true CN112686126A (zh) | 2021-04-20 |
Family
ID=75453405
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011568167.XA Pending CN112686126A (zh) | 2020-12-25 | 2020-12-25 | 一种人脸建模方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112686126A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102819734A (zh) * | 2012-08-15 | 2012-12-12 | 广东非思智能科技股份有限公司 | 多模式切换的人脸检测装置及方法 |
CN107527029A (zh) * | 2017-08-18 | 2017-12-29 | 卫晨 | 一种改进的Faster R‑CNN人脸检测方法 |
CN107729880A (zh) * | 2017-11-15 | 2018-02-23 | 北京小米移动软件有限公司 | 人脸检测方法及装置 |
CN108090417A (zh) * | 2017-11-27 | 2018-05-29 | 上海交通大学 | 一种基于卷积神经网络的人脸检测方法 |
CN108229281A (zh) * | 2017-04-25 | 2018-06-29 | 北京市商汤科技开发有限公司 | 神经网络的生成方法和人脸检测方法、装置及电子设备 |
-
2020
- 2020-12-25 CN CN202011568167.XA patent/CN112686126A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102819734A (zh) * | 2012-08-15 | 2012-12-12 | 广东非思智能科技股份有限公司 | 多模式切换的人脸检测装置及方法 |
CN108229281A (zh) * | 2017-04-25 | 2018-06-29 | 北京市商汤科技开发有限公司 | 神经网络的生成方法和人脸检测方法、装置及电子设备 |
CN107527029A (zh) * | 2017-08-18 | 2017-12-29 | 卫晨 | 一种改进的Faster R‑CNN人脸检测方法 |
CN107729880A (zh) * | 2017-11-15 | 2018-02-23 | 北京小米移动软件有限公司 | 人脸检测方法及装置 |
CN108090417A (zh) * | 2017-11-27 | 2018-05-29 | 上海交通大学 | 一种基于卷积神经网络的人脸检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108038422B (zh) | 摄像装置、人脸识别的方法及计算机可读存储介质 | |
EP3916627A1 (en) | Living body detection method based on facial recognition, and electronic device and storage medium | |
US20200074646A1 (en) | Method for obtaining image tracking points and device and storage medium thereof | |
WO2020215283A1 (zh) | 人脸识别方法、处理芯片以及电子设备 | |
CN110807110B (zh) | 结合局部和全局特征的图片搜索方法、装置及电子设备 | |
CN113378764B (zh) | 基于聚类算法的视频人脸采集方法、装置、设备及介质 | |
CN113033524B (zh) | 遮挡预测模型训练方法、装置、电子设备及存储介质 | |
CN112541484A (zh) | 人脸抠图方法、***、电子装置及存储介质 | |
CN113486881B (zh) | 一种文本识别方法、装置、设备及介质 | |
CN115798056A (zh) | 人脸对抗样本生成方法、装置、***及存储介质 | |
CN113177941B (zh) | 一种钢卷边裂识别方法、***、介质和终端 | |
WO2024104144A1 (zh) | 图像合成方法和装置、存储介质及电子设备 | |
CN112669244B (zh) | 人脸图像增强方法、装置、计算机设备以及可读存储介质 | |
CN115761827A (zh) | 一种化妆进度检测方法、装置、设备及存储介质 | |
CN117496019A (zh) | 一种驱动静态图像的图像动画处理方法及*** | |
CN112686126A (zh) | 一种人脸建模方法及装置 | |
CN111476095A (zh) | 一种表情属性识别方法、装置、计算机设备及存储介质 | |
US10354125B2 (en) | Photograph processing method and system | |
CN115222621A (zh) | 图像校正方法、电子设备、存储介质及计算机程序产品 | |
CN115690934A (zh) | 基于批量人脸识别的师生考勤打卡方法及装置 | |
CN112149463B (zh) | 图像处理方法和装置 | |
CN110097622B (zh) | 渲染图像的方法、装置、电子设备和计算机可读存储介质 | |
CN111414864A (zh) | 一种人脸活体检测方法和相关装置 | |
CN112560705A (zh) | 人脸检测方法和装置,电子设备 | |
CN112149598A (zh) | 一种侧脸评估方法、装置、电子设备及存储介质 |
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: 20210420 |