CN112967299B - 图像裁剪方法、装置、电子设备和计算机可读介质 - Google Patents

图像裁剪方法、装置、电子设备和计算机可读介质 Download PDF

Info

Publication number
CN112967299B
CN112967299B CN202110537060.7A CN202110537060A CN112967299B CN 112967299 B CN112967299 B CN 112967299B CN 202110537060 A CN202110537060 A CN 202110537060A CN 112967299 B CN112967299 B CN 112967299B
Authority
CN
China
Prior art keywords
information
image
iris
generate
target
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.)
Active
Application number
CN202110537060.7A
Other languages
English (en)
Other versions
CN112967299A (zh
Inventor
张玲
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.)
Shenzhen Zhuanxin Intellectual Property Service Co.,Ltd.
Original Assignee
Beijing Missfresh Ecommerce 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 Missfresh Ecommerce Co Ltd filed Critical Beijing Missfresh Ecommerce Co Ltd
Priority to CN202110537060.7A priority Critical patent/CN112967299B/zh
Publication of CN112967299A publication Critical patent/CN112967299A/zh
Application granted granted Critical
Publication of CN112967299B publication Critical patent/CN112967299B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G06F3/013—Eye tracking input arrangements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • G06V40/18—Eye characteristics, e.g. of the iris
    • G06V40/19—Sensors therefor
    • 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
    • G06T2207/20081—Training; Learning
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20112—Image segmentation details
    • G06T2207/20132—Image cropping

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Biophysics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Ophthalmology & Optometry (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

本公开的实施例公开了图像裁剪方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括：响应于确定目标用户打开目标界面并注视该目标界面，控制目标终端上安装的前置摄像头拍摄预设时长的视频，作为候选视频；确定该候选视频包括的每帧图像对应的虹膜信息，得到虹膜信息集合；基于该虹膜信息集合中的每个虹膜信息，确定注视点信息，得到注视点信息集合；根据该注视点信息集合，确定注视区域；根据该注视区域，对该目标界面中展示的物品展示图像进行裁剪，以生成裁剪后的物品展示图像。该实施方式提高了信息展示效率。

Description

图像裁剪方法、装置、电子设备和计算机可读介质
技术领域
本公开的实施例涉及计算机技术领域，具体涉及图像裁剪方法、装置、电子设备和计算机可读介质。
背景技术
随着智能终端广泛地普及。越来越多的用户开始使用智能终端进行信息的展示。图像作为一种信息传播和展示的媒介，具有着直接的信息展示能力。因此，越来越多的用户开始通过智能终端展示图像信息。
然而，当采用图像进行信息展示时，经常会存在如下技术问题：
第一，由于智能终端的屏幕尺寸往往固定，当通过图像进行信息展示的物品包含较多细节时，往往无法直观的向用户展示细节信息，信息展示效率较低；
第二，不能根据用户所希望浏览的细节信息，对图像进行动态裁剪，信息展示不够灵活且信息展示效率低下。
发明内容
本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了图像裁剪方法、装置、电子设备和计算机可读介质，来解决以上背景技术部分提到的技术问题中的一项或多项。
第一方面，本公开的一些实施例提供了一种图像裁剪方法，该方法包括：响应于确定目标用户打开目标界面并注视上述目标界面，控制目标终端上安装的前置摄像头拍摄预设时长的视频，作为候选视频，其中，上述候选视频为录制存在上述目标用户的面部的视频；确定上述候选视频包括的每帧图像对应的虹膜信息，得到虹膜信息集合，其中，上述虹膜信息集合中的虹膜信息包括：上述目标用户的虹膜位置信息和上述目标用户的注视方向信息；基于上述虹膜信息集合中的每个虹膜信息，确定注视点信息，得到注视点信息集合，其中，上述注视点信息集合中的注视点信息包括：注视点坐标；根据上述注视点信息集合，确定注视区域；根据上述注视区域，对上述目标界面中展示的物品展示图像进行裁剪，以生成裁剪后的物品展示图像。
在一些实施例中，所述根据所述注视点信息集合，确定注视区域，包括：
根据所述注视点信息集合，通过以下公式，确定所述注视区域：
Figure 199032DEST_PATH_IMAGE001
其中，
Figure 568702DEST_PATH_IMAGE002
表示所述注视点信息集合中的注视点信息包括的注视点坐标中的横坐标，
Figure 20543DEST_PATH_IMAGE003
表示所述注视点信息集合中的注视点信息包括的注视点坐标中的纵坐标，
Figure 337124DEST_PATH_IMAGE004
表示预设阈值，
Figure 948234DEST_PATH_IMAGE005
表示所述注视点信息集合中的第1个注视点信息包括的注视点坐标中的横坐标，
Figure 442800DEST_PATH_IMAGE006
表示所述注视点信息集合中的第2个注视点信息包括的注视点坐标中的横坐标，
Figure 365626DEST_PATH_IMAGE007
表示所述注视点信息集合中的第3个注视点信息包括的注视点坐标中的横坐标，
Figure 361264DEST_PATH_IMAGE008
表示所述注视点信息集合中的第4个注视点信息包括的注视点坐标中的横坐标，
Figure 702246DEST_PATH_IMAGE009
表示所述注视点信息集合中的第1个注视点信息包括的注视点坐标中的纵坐标，
Figure 616982DEST_PATH_IMAGE010
表示所述注视点信息集合中的第2个注视点信息包括的注视点坐标中的纵坐标，
Figure 43415DEST_PATH_IMAGE011
表示所述注视点信息集合中的第3个注视点信息包括的注视点坐标中的纵坐标，
Figure 577164DEST_PATH_IMAGE012
表示所述注视点信息集合中的第4个注视点信息包括的注视点坐标中的纵坐标，
Figure 21921DEST_PATH_IMAGE013
表示自变量，
Figure 123869DEST_PATH_IMAGE014
表示因变量。
第二方面，本公开的一些实施例提供了一种图像裁剪装置，装置包括：控制单元，被配置成响应于确定目标用户打开目标界面并注视上述目标界面，控制目标终端上安装的前置摄像头拍摄预设时长的视频，作为候选视频，其中，上述候选视频为录制存在上述目标用户的面部的视频；第一确定单元，被配置成确定上述候选视频包括的每帧图像对应的虹膜信息，得到虹膜信息集合，其中，上述虹膜信息集合中的虹膜信息包括：上述目标用户的虹膜位置信息和上述目标用户的注视方向信息；第二确定单元，被配置成基于上述虹膜信息集合中的每个虹膜信息，确定注视点信息，得到注视点信息集合，其中，上述注视点信息集合中的注视点信息包括：注视点坐标；第三确定单元，被配置成根据上述注视点信息集合，确定注视区域；裁剪单元，被配置成根据上述注视区域，对上述目标界面中展示的物品展示图像进行裁剪，以生成裁剪后的物品展示图像。
第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
本公开的上述各个实施例中具有如下有益效果：通过本公开的一些实施例的图像裁剪方法，提高了信息展示效率。具体来说，造成信息展示效率低下的原因在于：由于智能终端的屏幕尺寸往往固定，当通过图像进行信息展示的物品包含较多细节时，往往无法直观的向用户展示细节信息。基于此，本公开的一些实施例的图像裁剪方法，首先，响应于确定目标用户打开目标界面并注视上述目标界面，控制目标终端上安装的前置摄像头拍摄预设时长的视频，作为候选视频，其中，上述候选视频为录制存在上述目标用户的面部的视频。实际情况中，当用户浏览一张图像时，往往会先概览性的浏览图片中的用户感兴趣的细节信息。因此通过录制候选视频，可以确定图像中用户感兴趣的区域。其次，确定上述候选视频包括的每帧图像对应的虹膜信息，得到虹膜信息集合，其中，上述虹膜信息集合中的虹膜信息包括：上述目标用户的虹膜位置信息和上述目标用户的注视方向信息。然后，基于上述虹膜信息集合中的每个虹膜信息，确定注视点信息，得到注视点信息集合，其中，上述注视点信息集合中的注视点信息包括：注视点坐标。实际情况中，当用户浏览图像时，眼球会进行转动，以使得用户感兴趣的区域在用户视线的正前方。因此，通过确定虹膜信息，可以精确地定位图像中的用户感兴趣的区域。此外，根据上述注视点信息集合，确定注视区域。最后，根据上述注视区域，对上述目标界面中展示的物品展示图像进行裁剪，以生成裁剪后的物品展示图像。通过此种方式，可以根据用户感兴趣的信息，对图像进行裁剪，在屏幕尺寸固定的情况下，向用户展示更多用户感兴趣的细节信息。大大提高了信息展示效率。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。
图1是本公开的一些实施例的图像裁剪方法的一个应用场景的示意图；
图2是根据本公开的图像裁剪方法的一些实施例的流程图；
图3是物品信息展示界面的示意图；
图4是目标用户的左眼图像的示意图；
图5是根据注视点信息集合中的注视点信息构建连通区域的示意图；
图6是候选图像的示意图；
图7是根据本公开的图像裁剪方法的另一些实施例的流程图；
图8是预先训练的注视点确定模型的模型结构示意图；
图9是待展示图像的示意图；
图10是根据本公开的图像裁剪装置的一些实施例的结构示意图；
图11是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1是本公开的一些实施例的图像裁剪方法的一个应用场景的示意图。
在图1的应用场景中，首先，计算设备101可以响应于确定目标用户102打开目标界面并注视上述目标界面，控制目标终端上安装的前置摄像头拍摄预设时长的视频，作为候选视频103，其中，上述候选视频103为录制存在上述目标用户102的面部的视频；其次，计算设备101可以确定上述候选视频103包括的每帧图像对应的虹膜信息，得到虹膜信息集合104，其中，上述虹膜信息集合104中的虹膜信息包括：上述目标用户102的虹膜位置信息和上述目标用户102的注视方向信息；然后，计算设备101可以基于上述虹膜信息集合104中的每个虹膜信息，确定注视点信息，得到注视点信息集合105，其中，上述注视点信息集合105中的注视点信息包括：注视点坐标；此外，计算设备101可以根据上述注视点信息集合105，确定注视区域106；最后，计算设备101可以根据上述注视区域106，对上述目标界面中展示的物品展示图像107进行裁剪，以生成裁剪后的物品展示图像108。
需要说明的是，上述计算设备101可以是硬件，也可以是软件。当计算设备为硬件时，可以实现成多个服务器或终端设备组成的分布式集群，也可以实现成单个服务器或单个终端设备。当计算设备体现为软件时，可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解，图1中的计算设备的数目仅仅是示意性的。根据实现需要，可以具有任意数目的计算设备。
继续参考图2，示出了根据本公开的图像裁剪方法的一些实施例的流程200。该图像裁剪方法，包括以下步骤：
步骤201，响应于确定目标用户打开目标界面并注视目标界面，控制目标终端上安装的前置摄像头拍摄预设时长的视频，作为候选视频。
在一些实施例中，图像裁剪方法的执行主体（例如图1所示的计算设备101）可以响应于确定目标用户打开目标界面并注视目标界面，控制目标终端上安装的前置摄像头拍摄预设时长的视频，作为候选视频。其中，首先，上述执行主体可以根据上述目标界面的状态码，以此确定上述目标界面是否被打开。然后，响应于确定上述目标界面被打开，上述执行主体可以通过Adaboost算法对上述目标用户进行人眼检测，响应于确定上述目标用户注视上述目标界面，控制上述目标终端上安装的前置摄像头拍摄预测预设时长的视频，作为候选视频。其中，上述候选视频可以为录制存在上述目标用户的面部的视频。上述目标终端可以是登录有上述目标用户账号的终端。
作为示例，上述状态码可以是“200”。其中，“200”可以表征上述目标界面被打开。上述预设时长可以是4秒。上述候选视频可以包括4帧图像。其中，上述执行主体可以每隔1秒采集1张图像，以生成上述候选视频。
作为又一示例，如图3所示，其中，图3可以包括：物品信息展示界面301。物品信息展示界面301可以包括：目标界面302，物品特点展示区域303，物品规格信息展示区域304和操作区域305。上述物品信息展示界面301可以是物品的信息展示页面。上述目标界面302可以用于展示物品的外观图像。上述物品特点展示区域303可以用于展示例如，物品的价格，型号等特点信息。上述物品规格信息展示区域304可以用于展示物品的规格数据，例如，物品容量和产品尺寸等信息。上述操作区域305可以用于展示价值操作控件。例如，上述价值操作控件可以是“按钮”。价值操作可以是“加入购物车”操作，“收藏”操作和“购买”操作。
步骤202，确定候选视频包括的每帧图像对应的虹膜信息，得到虹膜信息集合。
在一些实施例中，上述执行主体可以确定候选视频包括的每帧图像对应的虹膜信息，得到虹膜信息集合。其中，上述虹膜信息集合中的虹膜信息可以包括：上述目标用户的虹膜位置信息和上述目标用户的注视方向信息。首先，上述执行主体可以通过Hough变换的两步定位算法，确定每帧图像中包括的目标用户的虹膜，以此得到上述图像对应的虹膜信息包括的的虹膜位置信息。然后，根据虹膜位置信息确定上述虹膜信息包括的注视方向信息。
作为示例，上述目标用户的左眼图像可以如图4所示。其中，图4包括上述目标用户的左眼的巩膜图像401，虹膜图像404，瞳孔图像402和瞳孔中心点403。上述执行主体可以将瞳孔中心点403对应的坐标作为上述虹膜位置信息。上述执行主体首先，可以将巩膜图像401的中心点作为目标向量的起点。然后，将上述瞳孔中心点403作为目标向量的终点。最后，将上述目标向量作为注视方向信息。
步骤203，基于虹膜信息集合中的每个虹膜信息，确定注视点信息，得到注视点信息集合。
在一些实施例中，上述执行主体基于虹膜信息集合中的每个虹膜信息，确定注视点信息，得到注视点信息集合，可以包括以下步骤：
第一步，对上述虹膜信息进行特征向量转换，以生成特征向量。
其中，上述执行主体可以通过对上述虹膜信息进行独热编码处理，以实现对上述虹膜信息进行特征向量转换。
第二步，将上述特征向量输入预先训练的目标模型中，以生成注视点信息。
其中，上述目标模型可以是用于确定上述目标用户注视点的模型。上述目标模型可以通过训练样本集合训练得到。上述训练样本集合中的训练样本可以包括用户的虹膜信息和对应注视点坐标。上述注视点信息可以表征上述目标用户在上述目标界面注视的位置的坐标。
作为示例，上述注视点信息可以是[34，12]。
步骤204，根据注视点信息集合，确定注视区域。
在一些实施例中上述执行主体根据注视点信息集合，确定注视区域，可以包括以下步骤：
第一步，根据上述注视点信息集合中的注视点信息构建连通区域，得到至少一个连通区域。
其中，上述至少一个连通区域中的连通区域可以是依次将上述注视点信息集合中各个注视点信息对应的坐标点连接而成的区域。
作为示例，如图5所示，其中，图5可以包括4个注视点信息对应的坐标点501。可以生成不同的3个连通区域。
第二步，将上述至少一个连通区域中面积最大的连通区域确定为上述注视区域。
其中，上述执行主体可以通过确定上述至少一个连通区域中的连通区域中像素点的个数，以此确定连通区域的面积。
步骤205，根据注视区域，对目标界面中展示的物品展示图像进行裁剪，以生成裁剪后的物品展示图像。
在一些实施例中，上述执行主体对目标界面中展示的物品展示图像进行裁剪，以生成裁剪后的物品展示图像，可以包括以下步骤：
第一步，将上述物品展示图像中注视区域内的子图像，确定为候选图像。
作为示例，上述候选图像可以如图6所示。
第二步，将上述候选图像放大目标倍数，以生成待呈现图像。
作为示例，上述目标倍数可以是0.75倍。
第三步，将上述待呈现图像置于空白图像中心位置，以生成上述裁剪后的物品展示图像。
本公开的上述各个实施例中具有如下有益效果：通过本公开的一些实施例的图像裁剪方法，提高了信息展示效率。具体来说，造成信息展示效率低下的原因在于：由于智能终端的屏幕尺寸往往固定，当通过图像进行信息展示的物品包含较多细节时，往往无法直观的向用户展示细节信息。基于此，本公开的一些实施例的图像裁剪方法，首先，响应于确定目标用户打开目标界面并注视上述目标界面，控制目标终端上安装的前置摄像头拍摄预设时长的视频，作为候选视频，其中，上述候选视频为录制存在上述目标用户的面部的视频。实际情况中，当用户浏览一张图像时，往往会先概览性的浏览图片中的用户感兴趣的细节信息。因此通过录制候选视频，可以确定图像中用户感兴趣的区域。其次，确定上述候选视频包括的每帧图像对应的虹膜信息，得到虹膜信息集合，其中，上述虹膜信息集合中的虹膜信息包括：上述目标用户的虹膜位置信息和上述目标用户的注视方向信息。然后，基于上述虹膜信息集合中的每个虹膜信息，确定注视点信息，得到注视点信息集合，其中，上述注视点信息集合中的注视点信息包括：注视点坐标。实际情况中，当用户浏览图像时，眼球会进行转动，以使得用户感兴趣的区域在用户视线的正前方。因此，通过确定虹膜信息，可以精确地定位图像中的用户感兴趣的区域。此外，根据上述注视点信息集合，确定注视区域。最后，根据上述注视区域，对上述目标界面中展示的物品展示图像进行裁剪，以生成裁剪后的物品展示图像。通过此种方式，可以根据用户感兴趣的信息，对图像进行裁剪，在屏幕尺寸固定的情况下，向用户展示更多用户感兴趣的细节信息。大大提高了信息展示效率。
进一步参考图7，其示出了图像裁剪方法的另一些实施例的流程700。该图像裁剪方法的流程700，包括以下步骤：
步骤701，响应于确定目标用户打开目标界面并注视目标界面，控制目标终端上安装的前置摄像头拍摄预设时长的视频，作为候选视频。
在一些实施例中，步骤701的具体实现及其所带来的技术效果，可以参考图2对应的那些实施例中的步骤201，在此不再赘述。
步骤702，对图像进行局部二值化处理，以生成局部二值化处理后的图像。
在一些实施例中，上述执行主体可以通过OTSU（大津）算法，对上述图像中包括的眼部图像进行局部二值化处理，以生成上述局部二值化处理后的图像。
在一些实施例的一些可选的实现方式中，上述执行主体对图像进行局部二值化处理，以生成局部二值化处理后的图像，可以包括以下步骤：
第一步，确定上述图像中的目标区域。
其中，上述目标区域可以包含上述目标用户的眼球的区域。上述执行主体可以通过YOLOv2算法确定上述目标区域。
第二步，对上述目标区域进行二值化处理，以生成上述局部二值化处理后的图像。
其中，上述执行主体可以通过自适应阈值二值化算法，对上述目标区域进行二值化处理，以生成上述局部二值化处理后的图像。
步骤703，对局部二值化处理后的图像进行图像增强处理，以生成图像增强处理后的图像。
其中，上述执行主体可以通过图像增强算法，对局部二值化处理后的图像进行图像增强处理，以生成图像增强处理后的图像。上述图像增强算法可以包括但不限于以下至少一项：直方图均衡化算法，对数图像增强算法，指数图像增强算法，基于拉普拉斯算子的图像增强算法和伽马变换算法。
步骤704，通过虹膜定位算法，确定图像增强处理后的图像中的目标用户的虹膜位置，以生成虹膜信息包括的虹膜位置信息。
在一些实施例中，上述执行主体可以通过虹膜定位算法，确定图像增强处理后的图像中的目标用户的虹膜位置，以生成虹膜信息包括的虹膜位置信息。其中，上述虹膜定位算法可以包括但不限于以下任意一项：微积分定位算法，基于sober算子的虹膜定位算法，基于pewit算子的虹膜定位算法，基于log算子的虹膜定位算法，基于canny算子的虹膜定位算法和基于投影的虹膜定位算法。
步骤705，确定图像增强处理后的图像中的目标用户的眼球中心坐标。
在一些实施例中，上述执行主体首先，可以通过边缘检测算法确定图像增强处理后的图像中的目标用户的眼球轮廓。然后，将上述眼球轮廓的中心点对应的坐标，确定为上述眼球中心坐标。其中，上述边缘检测算法可以是但不限于以下任意一项：sobel边缘检测算法和基于拉普拉斯算子的边缘检测算法。
步骤706，根据眼球中心坐标和虹膜位置信息，确定虹膜信息包括的注视方向信息。
在一些实施例中，上述执行主体可以根据眼球中心坐标和虹膜位置信息，确定虹膜信息包括的注视方向信息。其中，上述执行主体首先，可以将眼球中心坐标作为向量的起始点。然后，将上述虹膜位置信息对应的坐标作为向量的结束点。最后，将上述向量确定为上述注视方向信息。
步骤707，基于虹膜信息集合中的每个虹膜信息，确定注视点信息，得到注视点信息集合。
在一些实施例中，上述执行主体基于虹膜信息集合中的每个虹膜信息，确定注视点信息，可以包括以下步骤：
第一步，将上述虹膜信息包括的虹膜位置信息输入至预先训练的注视点确定模型包括的第一子网络中，以生成第一特征信息。
其中，上述第一子网络可以包括：第一卷积层、第二卷积层和第三卷积层，上述第一子网络可以采用线性整流函数作为激活函数。
第二步，将上述虹膜信息包括的注视方向信息输入至预先训练的上述注视点确定模型包括的第二子网络中，以生成第二特征信息。
其中，上述第二子网络可以包括：第四卷积层、第五卷积层和第六卷积层。上述第一子网络和上述第二子网络参数共享。上述第二子网络可以采用线性整流函数作为激活函数。
第三步，将上述局部二值化处理后的图像输入至预先训练的上述注视点确定模型包括的第三子网络中，以生成第三特征信息。其中，上述第三子网络可以包括：第七卷积层、第八卷积层和第九卷积层。
第四步，将上述第一特征信息、第二特征信息和第三特征进行拼接，以生成第四特征信息。
作为示例，上述第一特征信息可以是“00010”。上述第二特征信息可以是“00111”。上述第三特征信息可以是“01000”。上述第四特征信息可以是“000100011101000”。
第五步，将上述第四特征信息输入至预先训练的上述注视点确定模型包括的全连接层，以生成上述注视点信息。
作为示例，上述预先训练的注视点确定模型的模型结构示意图可以如图8所示。上述预先训练的注视点确定模型可以包括：第一子网络801、第二子网络802、第三子网络803和全连接层804。其中，上述第一子网络801可以包括：第一卷积层8011、第二卷积层8012和第三卷积层8013。上述第二子网络802可以包括：第四卷积层8021、第五卷积层8022和第六卷积层8023。上述第三子网络可以包括：第七卷积层8031、第八卷积层8032和第九卷积层8033。
步骤708，根据注视点信息集合，确定注视区域。
在一些实施例中，上述执行主体可以根据上述注视点信息集合中的各个注视点信息包括的注视点坐标，依次确定上边界、下边界、左边界和右边界，以此确定上述注视区域。
在一些实施例的一些可选地实现方式中，上述执行主体可以根据上述注视点信息集合，通过以下公式，确定上述注视区域：
Figure 286866DEST_PATH_IMAGE015
其中，
Figure 358727DEST_PATH_IMAGE002
表示上述注视点信息集合中的注视点信息包括的注视点坐标中的横坐标。
Figure 408723DEST_PATH_IMAGE003
表示上述注视点信息集合中的注视点信息包括的注视点坐标中的纵坐标。
Figure 275048DEST_PATH_IMAGE004
表示预设阈值。
Figure 659762DEST_PATH_IMAGE005
表示上述注视点信息集合中的第1个注视点信息包括的注视点坐标中的横坐标。
Figure 269735DEST_PATH_IMAGE006
表示上述注视点信息集合中的第2个注视点信息包括的注视点坐标中的横坐标。
Figure 174237DEST_PATH_IMAGE007
表示上述注视点信息集合中的第3个注视点信息包括的注视点坐标中的横坐标。
Figure 477042DEST_PATH_IMAGE008
表示上述注视点信息集合中的第4个注视点信息包括的注视点坐标中的横坐标。
Figure 83473DEST_PATH_IMAGE009
表示上述注视点信息集合中的第1个注视点信息包括的注视点坐标中的纵坐标。
Figure 497137DEST_PATH_IMAGE010
表示上述注视点信息集合中的第2个注视点信息包括的注视点坐标中的纵坐标。
Figure 256145DEST_PATH_IMAGE011
表示上述注视点信息集合中的第3个注视点信息包括的注视点坐标中的纵坐标。
Figure 729852DEST_PATH_IMAGE012
表示上述注视点信息集合中的第4个注视点信息包括的注视点坐标中的纵坐标。
Figure 823579DEST_PATH_IMAGE013
表示自变量。
Figure 775354DEST_PATH_IMAGE014
表示因变量。
其中，上述注视点信息集合中的注视点信息可以按照注视点信息包括的注视点坐标，自左上角顺时针排序，以此为第1个注视点信息，第2个注视点信息，第3个注视点信息和第4个注视点信息。
作为示例，上述预设阈值可以是10。
步骤709，根据注视区域，对目标界面中展示的物品展示图像进行裁剪，以生成裁剪后的物品展示图像。
在一些实施例中，步骤709的具体实现及其所带来的技术效果，可以参考图2对应的那些实施例中的步骤205，在此不再赘述。
步骤710，对物品展示图像进行模糊化处理，以生成模糊化处理后的物品展示图像。
在一些实施例中，上述执行主体可以对上述物品展示图像进行像素化模糊化处理，以生成上述模糊化处理后的物品展示图像。上述执行主体也可以对上述物品展示图像进行通过高斯模糊处理，以生成上述模糊化处理后的物品展示图像。
步骤711，对裁剪后的物品展示图像进行放大处理，以生成目标图像。
在一些实施例中，上述执行主体可以对裁剪后的物品展示图像进行放大处理，以生成目标图像。
其中，上述执行主体可以将上述裁剪后的物品展示图像放大5倍像素，以生成上述目标图像。
步骤712，将目标图像叠加至模糊化处理后的物品展示图像上，以生成待展示图像。
在一些实施例中，上述执行主体可以将目标图像叠加至模糊化处理后的物品展示图像上，以生成待展示图像。
作为示例，可以如图9所示。其中，图9可以包括待展示图像903。上述待展示图像903可以包括：目标图像901和模糊化处理后的物品展示图像902。
步骤713，将待展示图像在目标终端上进行显示。
在一些实施例中，上述执行主体可以通过无线连接方式，将上述待展示图像推送至上述目标终端，并在上述目标终端上进行显示。
从图7可以看出，与图2对应的一些实施例的描述相比，本公开首先，对图像进行局部二值化处理，以生成局部二值化处理后的图像。为了保证虹膜定位算法能够准确地提取图像中眼部图像的特征信息，往往需要对图像进行二值化处理，但是实际情况中，虹膜定位算法仅需要从图像中包括的眼部区域提取特征信息，对整张图像进行二值化处理，会增加数据处理量。因此，通过对图像进行局部二值化处理，能够大大减少数据处理量。其次，通过预先训练的注视点确定模型，确定注视点信息集合。本公开的预先训练的注视点确定模型的模型结构简洁，因此，对硬件要求不高，从而可以适用于各种移动终端。此外，上述预先训练的注视点确定模型可以并行的提取虹膜位置信息、注视方向信息和局部二值化处理后的图像中的特征信息，大大提高了生成注视点信息的速度。此外，通过本公开的注视区域生成公式，可以对注视区域进行适当地放大，从而保证用户感兴趣的信息均可以囊括在上述注视区域中，提高了信息展示效率。
进一步参考图10，作为对上述各图所示方法的实现，本公开提供了一种图像裁剪装置的一些实施例，这些装置实施例与图2所示的那些方法实施例相对应，该装置具体可以应用于各种电子设备中。如图10所示，一些实施例的图像裁剪装置1000包括：控制单元1001、第一确定单元1002、第二确定单元1003、第三确定单元1004和裁剪单元1005。其中，控制单元1001，被配置成响应于确定目标用户打开目标界面并注视上述目标界面，控制目标终端上安装的前置摄像头拍摄预设时长的视频，作为候选视频，其中，上述候选视频为录制存在上述目标用户的面部的视频；第一确定单元1002，被配置成确定上述候选视频包括的每帧图像对应的虹膜信息，得到虹膜信息集合，其中，上述虹膜信息集合中的虹膜信息包括：上述目标用户的虹膜位置信息和上述目标用户的注视方向信息；第二确定单元1003，被配置成基于上述虹膜信息集合中的每个虹膜信息，确定注视点信息，得到注视点信息集合，其中，上述注视点信息集合中的注视点信息包括：注视点坐标；第三确定单元1004，被配置成根据上述注视点信息集合，确定注视区域；裁剪单元1005，被配置成根据上述注视区域，对上述目标界面中展示的物品展示图像进行裁剪，以生成裁剪后的物品展示图像。
可以理解的是，该装置1000中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置1000及其中包含的单元，在此不再赘述。
下面参考图11，其示出了适于用来实现本公开的一些实施例的电子设备（如图1所示的计算设备101）1100的结构示意图。图11示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
如图11所示，电子设备1100可以包括处理装置（例如中央处理器、图形处理器等）1101，其可以根据存储在只读存储器（ROM）1102中的程序或者从存储装置1108加载到随机访问存储器（RAM）1103中的程序而执行各种适当的动作和处理。在RAM 1103中，还存储有电子设备1100操作所需的各种程序和数据。处理装置1101、ROM 1102以及RAM 1103通过总线1104彼此相连。输入/输出（I/O）接口1105也连接至总线1104。
通常，以下装置可以连接至I/O接口1105：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置1106；包括例如液晶显示器（LCD）、扬声器、振动器等的输出装置1107；包括例如磁带、硬盘等的存储装置1108；以及通信装置1109。通信装置1109可以允许电子设备1100与其他设备进行无线或有线通信以交换数据。虽然图11示出了具有各种装置的电子设备1100，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图11中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置1109从网络上被下载和安装，或者从存储装置1108被安装，或者从ROM 1102被安装。在该计算机程序被处理装置1101执行时，执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是，本公开的一些实施例中记载的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、光纤、便携式紧凑磁盘只读存储器（CD-ROM）、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF（射频）等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP（HyperText TransferProtocol，超文本传输协议）之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信（例如，通信网络）互连。通信网络的示例包括局域网（“LAN”），广域网（“WAN”），网际网（例如，互联网）以及端对端网络（例如，ad hoc端对端网络），以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：响应于确定目标用户打开目标界面并注视上述目标界面，控制目标终端上安装的前置摄像头拍摄预设时长的视频，作为候选视频，其中，上述候选视频为录制存在上述目标用户的面部的视频；
确定上述候选视频包括的每帧图像对应的虹膜信息，得到虹膜信息集合，其中，上述虹膜信息集合中的虹膜信息包括：上述目标用户的虹膜位置信息和上述目标用户的注视方向信息；基于上述虹膜信息集合中的每个虹膜信息，确定注视点信息，得到注视点信息集合，其中，上述注视点信息集合中的注视点信息包括：注视点坐标；根据上述注视点信息集合，确定注视区域；根据上述注视区域，对上述目标界面中展示的物品展示图像进行裁剪，以生成裁剪后的物品展示图像。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网（LAN）或广域网（WAN）——连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。
附图中的流程图和框图，图示了按照本公开各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的***来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括控制单元、第一确定单元、第二确定单元、第三确定单元和裁剪单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，控制单元还可以被描述为“响应于确定目标用户打开目标界面并注视上述目标界面，控制目标终端上安装的前置摄像头拍摄预设时长的视频，作为候选视频的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列（FPGA）、专用集成电路（ASIC）、专用标准产品（ASSP）、片上***（SOC）、复杂可编程逻辑设备（CPLD）等等。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的（但不限于）具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (6)

1.一种图像裁剪方法，包括：
响应于确定目标用户打开目标界面并注视所述目标界面，控制目标终端上安装的前置摄像头拍摄预设时长的视频，作为候选视频，其中，所述候选视频为录制存在所述目标用户的面部的视频；
确定所述候选视频包括的每帧图像对应的虹膜信息，得到虹膜信息集合，其中，所述虹膜信息集合中的虹膜信息包括：所述目标用户的虹膜位置信息和所述目标用户的注视方向信息，其中，虹膜位置信息表征瞳孔中心的坐标，注视方向信息表征以巩膜图像的中心点为起点、瞳孔中心点为终点的向量；
基于所述虹膜信息集合中的每个虹膜信息，确定注视点信息，得到注视点信息集合，其中，所述注视点信息集合中的注视点信息包括：注视点坐标；
根据所述注视点信息集合，确定注视区域；
根据所述注视区域，对所述目标界面中展示的物品展示图像进行裁剪，以生成裁剪后的物品展示图像，其中，确定所述候选视频包括的每帧图像对应的虹膜信息，包括：
对所述图像进行局部二值化处理，以生成局部二值化处理后的图像；
对所述局部二值化处理后的图像进行图像增强处理，以生成图像增强处理后的图像；
通过虹膜定位算法，确定所述图像增强处理后的图像中的目标用户的虹膜位置，以生成所述虹膜信息包括的虹膜位置信息；
确定所述图像增强处理后的图像中的所述目标用户的眼球中心坐标；
根据所述眼球中心坐标和所述虹膜位置信息，确定所述虹膜信息包括的注视方向信息，其中，对所述图像进行局部二值化处理，以生成局部二值化处理后的图像，包括：
确定所述图像中的目标区域，其中，所述目标区域为包含所述目标用户的眼球的区域；
对所述目标区域进行二值化处理，以生成所述局部二值化处理后的图像，其中，基于所述虹膜信息集合中的每个虹膜信息，确定注视点信息，包括：
将所述虹膜信息包括的虹膜位置信息输入至预先训练的注视点确定模型包括的第一子网络中，以生成第一特征信息，其中，所述第一子网络包括：第一卷积层、第二卷积层和第三卷积层，所述第一子网络采用线性整流函数作为激活函数；
将所述虹膜信息包括的注视方向信息输入至预先训练的所述注视点确定模型包括的第二子网络中，以生成第二特征信息，其中，所述第二子网络包括：第四卷积层、第五卷积层和第六卷积层，所述第一子网络和所述第二子网络参数共享，所述第二子网络采用线性整流函数作为激活函数；
将所述局部二值化处理后的图像输入至预先训练的所述注视点确定模型包括的第三子网络中，以生成第三特征信息，其中，所述第三子网络包括：第七卷积层、第八卷积层和第九卷积层；
将所述第一特征信息、第二特征信息和第三特征进行拼接，以生成第四特征信息；
将所述第四特征信息输入至预先训练的所述注视点确定模型包括的全连接层，以生成所述注视点信息。
2.根据权利要求1所述的方法，其中，所述方法还包括：
对所述物品展示图像进行模糊化处理，以生成模糊化处理后的物品展示图像；
对所述裁剪后的物品展示图像进行放大处理，以生成目标图像；
将所述目标图像叠加至所述模糊化处理后的物品展示图像上，以生成待展示图像；
将所述待展示图像在所述目标终端上进行显示。
3.根据权利要求1所述的方法，其中，所述根据所述注视点信息集合，确定注视区域，包括：
根据所述注视点信息集合中的各个注视点信息包括的注视点坐标，依次确定上边界、下边界、左边界和右边界，以此确定所述注视区域。
4.一种图像裁剪装置，包括：
控制单元，被配置成响应于确定目标用户打开目标界面并注视所述目标界面，控制目标终端上安装的前置摄像头拍摄预设时长的视频，作为候选视频，其中，所述候选视频为录制存在所述目标用户的面部的视频；
第一确定单元，被配置成确定所述候选视频包括的每帧图像对应的虹膜信息，得到虹膜信息集合，其中，所述虹膜信息集合中的虹膜信息包括：所述目标用户的虹膜位置信息和所述目标用户的注视方向信息，其中，虹膜位置信息表征瞳孔中心的坐标，注视方向信息表征以巩膜图像的中心点为起点、瞳孔中心点为终点的向量；
第二确定单元，被配置成基于所述虹膜信息集合中的每个虹膜信息，确定注视点信息，得到注视点信息集合，其中，所述注视点信息集合中的注视点信息包括：注视点坐标；
第三确定单元，被配置成根据所述注视点信息集合，确定注视区域；
裁剪单元，被配置成根据所述注视区域，对所述目标界面中展示的物品展示图像进行裁剪，以生成裁剪后的物品展示图像，其中，确定所述候选视频包括的每帧图像对应的虹膜信息，包括：
对所述图像进行局部二值化处理，以生成局部二值化处理后的图像；
对所述局部二值化处理后的图像进行图像增强处理，以生成图像增强处理后的图像；
通过虹膜定位算法，确定所述图像增强处理后的图像中的目标用户的虹膜位置，以生成所述虹膜信息包括的虹膜位置信息；
确定所述图像增强处理后的图像中的所述目标用户的眼球中心坐标；
根据所述眼球中心坐标和所述虹膜位置信息，确定所述虹膜信息包括的注视方向信息，其中，对所述图像进行局部二值化处理，以生成局部二值化处理后的图像，包括：
确定所述图像中的目标区域，其中，所述目标区域为包含所述目标用户的眼球的区域；
对所述目标区域进行二值化处理，以生成所述局部二值化处理后的图像，其中，基于所述虹膜信息集合中的每个虹膜信息，确定注视点信息，包括：
将所述虹膜信息包括的虹膜位置信息输入至预先训练的注视点确定模型包括的第一子网络中，以生成第一特征信息，其中，所述第一子网络包括：第一卷积层、第二卷积层和第三卷积层，所述第一子网络采用线性整流函数作为激活函数；
将所述虹膜信息包括的注视方向信息输入至预先训练的所述注视点确定模型包括的第二子网络中，以生成第二特征信息，其中，所述第二子网络包括：第四卷积层、第五卷积层和第六卷积层，所述第一子网络和所述第二子网络参数共享，所述第二子网络采用线性整流函数作为激活函数；
将所述局部二值化处理后的图像输入至预先训练的所述注视点确定模型包括的第三子网络中，以生成第三特征信息，其中，所述第三子网络包括：第七卷积层、第八卷积层和第九卷积层；
将所述第一特征信息、第二特征信息和第三特征进行拼接，以生成第四特征信息；
将所述第四特征信息输入至预先训练的所述注视点确定模型包括的全连接层，以生成所述注视点信息。
5.一种电子设备，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1至3中任一所述的方法。
6.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1至3中任一所述的方法。
CN202110537060.7A 2021-05-18 2021-05-18 图像裁剪方法、装置、电子设备和计算机可读介质 Active CN112967299B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110537060.7A CN112967299B (zh) 2021-05-18 2021-05-18 图像裁剪方法、装置、电子设备和计算机可读介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110537060.7A CN112967299B (zh) 2021-05-18 2021-05-18 图像裁剪方法、装置、电子设备和计算机可读介质

Publications (2)

Publication Number Publication Date
CN112967299A CN112967299A (zh) 2021-06-15
CN112967299B true CN112967299B (zh) 2021-08-31

Family

ID=76279803

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110537060.7A Active CN112967299B (zh) 2021-05-18 2021-05-18 图像裁剪方法、装置、电子设备和计算机可读介质

Country Status (1)

Country Link
CN (1) CN112967299B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113762266B (zh) * 2021-09-01 2024-04-26 北京中星天视科技有限公司 目标检测方法、装置、电子设备和计算机可读介质
CN115225926B (zh) * 2022-06-27 2023-12-12 广州博冠信息科技有限公司 游戏直播的画面处理方法、装置、计算机设备和存储介质

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102212209B1 (ko) * 2014-04-10 2021-02-05 삼성전자주식회사 시선 추적 방법, 장치 및 컴퓨터 판독가능한 기록 매체
US10943115B2 (en) * 2018-07-24 2021-03-09 Apical Ltd. Processing image data to perform object detection
SE1950758A1 (en) * 2019-06-19 2020-10-27 Tobii Ab Method and system for determining a refined gaze point of a user
CN111443965B (zh) * 2020-03-10 2023-08-22 Oppo广东移动通信有限公司 画面显示方法及装置、终端、存储介质
CN112711984B (zh) * 2020-12-09 2022-04-12 北京航空航天大学 注视点定位方法、装置和电子设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Biased image cropping and non-independent samples;John F. Y. Brookfield;《BMC Biology 2016》;20161231;第1-2页 *

Also Published As

Publication number Publication date
CN112967299A (zh) 2021-06-15

Similar Documents

Publication Publication Date Title
US20210158533A1 (en) Image processing method and apparatus, and storage medium
US11436863B2 (en) Method and apparatus for outputting data
CN110188719B (zh) 目标跟踪方法和装置
US11443438B2 (en) Network module and distribution method and apparatus, electronic device, and storage medium
CN110827378A (zh) 虚拟形象的生成方法、装置、终端及存储介质
CN109993150B (zh) 用于识别年龄的方法和装置
CN110136054B (zh) 图像处理方法和装置
CN112967299B (zh) 图像裁剪方法、装置、电子设备和计算机可读介质
CN111368685A (zh) 关键点的识别方法、装置、可读介质和电子设备
CN110784754A (zh) 视频显示方法、装置和电子设备
CN111369427A (zh) 图像处理方法、装置、可读介质和电子设备
WO2021190625A1 (zh) 拍摄方法和设备
CN111784712A (zh) 图像处理方法、装置、设备和计算机可读介质
CN113542902A (zh) 一种视频处理方法、装置、电子设备和存储介质
US20230421857A1 (en) Video-based information displaying method and apparatus, device and medium
CN113033677A (zh) 视频分类方法、装置、电子设备和存储介质
CN112418249A (zh) 掩膜图像生成方法、装置、电子设备和计算机可读介质
CN110349108B (zh) 处理图像的方法、装置、电子设备、及存储介质
CN110189364B (zh) 用于生成信息的方法和装置，以及目标跟踪方法和装置
CN110765304A (zh) 图像处理方法、装置、电子设备及计算机可读介质
CN111369475A (zh) 用于处理视频的方法和装置
US11810336B2 (en) Object display method and apparatus, electronic device, and computer readable storage medium
CN111258414A (zh) 用于调整屏幕的方法和装置
CN114399590A (zh) 一种基于人脸解析图的人脸遮挡移除和三维模型生成方法
CN114399696A (zh) 一种目标检测方法、装置、存储介质及电子设备

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20231109

Address after: 518000 807, No. 121, Minsheng Avenue, Shangcun Community, Gongming Street, Guangming District, Shenzhen, Guangdong

Patentee after: Shenzhen Zhuanxin Intellectual Property Service Co.,Ltd.

Address before: 100102 room 076, no.1-302, 3 / F, commercial building, No.9 Wangjing street, Chaoyang District, Beijing

Patentee before: BEIJING MISSFRESH E-COMMERCE Co.,Ltd.