CN113344837A - 人脸图像处理方法及装置、计算机可读存储介质、终端 - Google Patents

人脸图像处理方法及装置、计算机可读存储介质、终端 Download PDF

Info

Publication number
CN113344837A
CN113344837A CN202110722304.9A CN202110722304A CN113344837A CN 113344837 A CN113344837 A CN 113344837A CN 202110722304 A CN202110722304 A CN 202110722304A CN 113344837 A CN113344837 A CN 113344837A
Authority
CN
China
Prior art keywords
eye shadow
face
face image
processed
makeup
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
Application number
CN202110722304.9A
Other languages
English (en)
Other versions
CN113344837B (zh
Inventor
谢富名
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.)
Spreadtrum Communications Shanghai Co Ltd
Original Assignee
Spreadtrum Communications Shanghai 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 Spreadtrum Communications Shanghai Co Ltd filed Critical Spreadtrum Communications Shanghai Co Ltd
Priority to CN202110722304.9A priority Critical patent/CN113344837B/zh
Publication of CN113344837A publication Critical patent/CN113344837A/zh
Priority to PCT/CN2021/141467 priority patent/WO2023273247A1/zh
Application granted granted Critical
Publication of CN113344837B publication Critical patent/CN113344837B/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
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • 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
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging
    • 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

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

Abstract

一种人脸图像处理方法及装置、计算机可读存储介质、终端，所述人脸图像处理方法，包括：对待处理人脸图像进行面部识别，得到眼影感兴趣区域；将获取的眼影妆容模板进行姿态变换，以对齐至所述眼影感兴趣区域；根据所述待处理人脸图像的人脸属性信息，确定眼影试妆效果强度系数；采用所述眼影试妆效果强度系数对所述姿态变换后的眼影妆容模板及所述待处理人脸图像进行图像融合，得到眼影试妆图像。上述方案，能够提高眼影妆容模板与待处理人脸图像的图像融合效果，进而可以提高眼影试妆图像的自然性。

Description

人脸图像处理方法及装置、计算机可读存储介质、终端
技术领域
本发明实施例涉及图像处理领域，尤其涉及一种人脸图像处理方法及装置、计算机可读存储介质、终端。
背景技术
随着美妆行业规模的稳步增长与人工智能(Artificial Intelligence，AI)技术的普及，虚拟人脸美妆正引领美妆行业的变革，美妆消费呈现潜力巨大。在人脸美妆过程中，眼影是眼妆妆容中最重要的一个环节，可以使眼睛更具神采且显得美丽动人。为了降低化妆品的营销成本，虚拟试妆应用而生，然后，目前的虚拟眼影试妆的效果不自然，从而影响用户体验。
发明内容
本发明实施例解决的技术问题是虚拟眼影试妆效果不自然，从而影响用户体验。
为解决上述技术问题，本发明实施例提供一种人脸图像处理方法，包括：对待处理人脸图像进行面部识别，得到眼影感兴趣区域；将获取的眼影妆容模板进行姿态变换，以对齐至所述眼影感兴趣区域；根据所述待处理人脸图像的人脸属性信息，确定眼影试妆效果强度系数；采用所述眼影试妆效果强度系数对所述姿态变换后的眼影妆容模板及所述待处理人脸图像进行图像融合，得到眼影试妆图像。
可选的，所述对待处理人脸图像进行面部识别，得到眼影感兴趣区域，包括：对所述待处理人脸图像进行面部识别，得到人脸关键点的位置信息；根据所述人脸关键点的位置信息确定所述眼影感兴趣区域。
可选的，所述根据人脸关键点的位置信息确定所述眼影感兴趣区域，包括：根据所述人脸关键点中的眼睛关键点的位置信息以及眉毛关键点的位置信息，确定所述眼影感兴趣区域，所述眼影感兴趣区域位于所述眼睛关键点周围的预设区域，且不越过所述眉毛关键点。
可选的，所述将获取的眼影妆容模板进行姿态变换，以对齐至所述眼影感兴趣区域，包括：根据获取的眼影妆容模板的标准人脸姿态以及所述待处理人脸图像的人脸姿态，计算姿态变换信息；根据所述姿态变换信息对所述眼影妆容模板进行姿态变换，使得姿态变换后的眼影妆容模板对齐至所述眼影感兴趣区域。
可选的，所述根据获取的眼影妆容模板的人脸姿态以及所述待处理人脸图像的人脸姿态，计算姿态变换信息，包括：根据人脸关键点的位置信息，在距离所述人脸关键点中的眼部关键点设定距离的位置处，生成眼影辅助关键点，所述眼影辅助关键点用于限制眼影上妆的边界；采用预设的三角化数组，计算用于将所述眼影妆容模板对应的标准人脸的各人脸关键点与所述待处理人脸图像中对应的人脸关键点对齐的姿态变换信息，所述姿态变换信息用于表征所述标准人脸的各人脸关键点与所述待处理人脸图像中对应的人脸关键点的偏移量。
可选的，所述计算用于将所述眼影妆容模板对应的各标准人脸的人脸关键点与所述待处理人脸图像中对应的人脸关键点之间对齐的姿态变换信息，包括：当所述眼影妆容模板对应的标准人脸的尺寸与所述待处理人脸图像的尺寸不同时，对所述标准人脸或者所述待处理人脸图像中的任一个进行尺寸变换，使得变换后的尺寸相同；基于变换后的标准人脸图像或者待处理人脸图像，计算所述姿态变换信息。
可选的，所述根据所述姿态变换信息对所述眼影妆容模板进行姿态变换，包括：根据所述姿态变换信息，结合所述眼影妆容模板，采用变形插值算法计算得到所述姿态变换后的眼影妆容模板。
可选的，所述采用所述眼影试妆效果强度系数对所述姿态变换后的眼影妆容模板及所述待处理人脸图像进行图像融合，包括：采用所述眼影试妆效果强度系数，根据所述姿态变换后的眼影妆容模板以及所述待处理人脸图像在RGB颜色空间域的通道信息，对所述姿态变换后的眼影妆容模板及所述待处理人脸图像进行图像融合，其中，所述眼影试妆效果强度系数的取值范围为[0，1]。
可选的，所述人脸图像处理方法还包括：得到所述眼影试妆图像之后，判断所述眼影试妆图像的RGB颜色空间域的通道信息是否符合设定的范围；如不符合，则丢弃所述眼影试妆图像。
可选的，所述眼影妆容模板基于用户的选择确定，或者所述眼影妆容模板根据面部识别结果确定。
可选的，所述眼影妆容模板根据所述面部识别结果确定，包括：根据所述面部识别结果，得到所述待处理人脸图像中的人脸肤色信息，根据所述肤色信息，选择与所述肤色相适配的眼影妆容模板，所述肤色信息包括：肤色亮度和/或肤色颜色。
可选的，在对待处理人脸图像进行面部识别，得到眼影感兴趣区域之前，还包括：对所述待处理人脸图像进行尺寸缩放，计算缩放后的待处理人脸图像距离采集所述待处理人脸图像的终端设备的距离是否满足设定距离；若满足，则对所述待处理人脸图像进行人脸识别，得到所述眼影感兴趣区域；若不满足，则丢弃所述待处理人脸图像，继续获取下一图像作为所述待处理人脸图像。
可选的，所述眼影妆容模板采用如下方式得到：获取绘制的眼影图像样本以及标准人脸图像；根据所述眼影图像样本在RGB颜色空间域的通道信息与所述标准人脸图像在所述RGB颜色空间域的通道信息，提取得到所述眼影妆容模板在RGB颜色空间域的通道信息。
本发明实施例还提供一种人脸图像处理装置，包括：眼影感兴趣区域确定单元，用于对待处理人脸图像进行面部识别，得到眼影感兴趣区域；姿态变换单元计算单元，用于根据获取的眼影妆容模板的标准人脸姿态以及所述待处理人脸图像的人脸姿态，计算姿态变换信息；对齐单元，用于根据所述姿态变换信息对所述眼影妆容模板进行姿态变换，使得姿态变换后的眼影妆容模板对齐至所述眼影感兴趣区域；融合单元，用于采用眼影试妆效果强度系数对所述姿态变换后的眼影妆容模板及所述待处理人脸图像进行图像融合，得到眼影试妆图像，所述眼影试妆效果强度系数根据所述待处理人脸图像的人脸属性信息确定。
本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质为非易失性存储介质或非瞬态存储介质，其上存储有计算机程序，所述计算机程序被处理器运行时执上述任一种人脸图像处理方法的步骤。
本发明实施例还提供一种终端，包括存储器和处理器，所述存储器上存储有能够在所述处理器上运行的计算机程序，所述处理器运行所述计算机程序时执行上述任一种人脸图像处理方法的步骤。
与现有技术相比，本发明实施例的技术方案具有以下有益效果：
对待处理人脸图像进行面部识别，得到眼影感兴趣区域，将眼影妆容模板对齐至眼影感兴趣区域，根据待处理人脸图像的人脸属性信息，确定眼影试妆效果强度，采用眼影试妆效果强度系数对姿态变换后的眼影妆容模板及待处理人脸图像进行图像融合，得到眼影试妆图像。由于对姿态变换后的眼影妆容模板及待处理人脸图像进行图像融合时采用了眼影试妆效果强度系数，而眼影试妆效果强度是根据待处理人脸图像的人脸属性信息确定的，通过根据每个用户的待处理人脸图像确定的人脸属性信息为每个用户自适应地确定与之相适配的眼影试妆效果强度系数，从而可以提高眼影妆容模板与待处理人脸图像的图像融合效果，进而可以提高眼影试妆图像的自然性，提高用户体验。
进一步，通过对眼影妆容模板的标准人脸姿态与待处理人脸图像的人脸姿态，计算姿态变换信息，从而通过姿态变换信息对眼影妆容模板进行姿态变换，可以将姿态变换后的眼影妆容模板对齐至眼影感兴趣区域，这为提高大姿态下的眼影妆容模板与待处理人脸图像的图像融合效果提供基础。
附图说明
图1是本发明实施例中的一种人脸图像处理方法的流程图；
图2是本发明实施例中的一种人脸关键点的位置示意图；
图3是本发明实施例中的另一种人脸图像处理方法的流程图；
图4是本发明实施例中的一种人脸图像处理装置的结构示意图。
具体实施方式
如上所述，在一些场景中需要使用虚拟人脸美妆，然而，现有的虚拟人脸美妆效果不自然，导致人脸美妆效果不够理想。
为了解决上述问题，在本发明实施例中，对待处理人脸图像进行面部识别，得到眼影感兴趣区域，将眼影妆容模板对齐至眼影感兴趣区域，根据待处理人脸图像的人脸属性信息，确定眼影试妆效果强度，采用眼影试妆效果强度系数对姿态变换后的眼影妆容模板及待处理人脸图像进行图像融合，得到眼影试妆图像。由于对姿态变换后的眼影妆容模板及待处理人脸图像进行图像融合时采用了眼影试妆效果强度系数，而眼影试妆效果强度是根据待处理人脸图像的人脸属性信息确定的，通过根据每个用户的待处理人脸图像确定的人脸属性信息为每个用户自适应地确定与之相适配的眼影试妆效果强度系数，从而可以提高眼影妆容模板与待处理人脸图像的图像融合效果，进而可以提高眼影试妆图像的自然性，并可以提高用户体验。
为使本发明实施例的上述目的、特征和有益效果能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。
本发明实施例提供一种人脸图像处理方法，人脸图像处理方法可以用于多种场景下的虚拟人脸美妆，如试妆应用场景，如图像美颜应用场景，如视频美颜应用场景等。人脸图像处理方法的执行主体可以为终端中的芯片，也可以为能够用于终端的控制芯片、处理芯片等芯片或者其他各种恰当的元器件等。
参照图1，给出了本发明实施例中的一种人脸图像处理方法的流程图，具体可以包括如下步骤：
步骤S11，对待处理人脸图像进行面部识别，得到眼影感兴趣区域。
在具体实施中，可以通过多种方式得到眼影感兴趣区域(region of interest，ROI)。眼影感兴趣区域用于指示可能进行眼影上妆的区域。
在本发明一非限制性实施例中，对待处理人脸图像进行人工智能(ArtificialIntelligence，AI)面部识别，根据AI面部识别结果，可以确定眼影感兴趣区域。
在本发明另一非限制性实施例中，可以对所述待处理人脸图像进行面部识别，得到人脸关键点的位置信息；根据所述人脸关键点的位置信息确定所述眼影感兴趣区域。
进一步地，为了提高眼部感兴趣区域定位的精度，可以通过提高人脸对齐的精度，采用高精度人脸对齐技术，提高所得到的人脸关键点的位置的精度。通过提高人脸关键点的位置的精度，来提高眼影感兴趣区域的确定的精度。
参照图2，给出了本发明实施例中的一种人脸关键点的位置示意图，图2中示意的人脸关键点的数目104个(也即图中标号为1至104的灰色点)。在实际应用中，根据对人脸区域所需的特征信息不同，还可以在其他区域增加其他人脸关键点，如在额头区域或者发际线区域等增设人脸关键点，从而人脸关键点的数目不限于此，还可以为其他数目，此处不再赘述。
在具体实施中，眼睛关键点可以用于限制眼睛的轮廓。如图2所示，眼部关键点可以包括图中标号为67至74，以及76至83的人脸关键点。其中眉毛关键点可以包括图中标号为34至42，以及43至51的人脸关键点。
具体而言，可以根据所述人脸关键点中的眼睛关键点的位置信息以及眉毛关键点的位置信息，确定所述眼影感兴趣区域。所述眼影感兴趣区域位于所述眼睛关键点周围的预设区域，且不越过所述眉毛关键点，也即眼影感兴趣关键点位于眉毛与眼睛之间的区域以及眼睛下方的预设区域。例如，眼影感兴趣区域通常是位于上眼皮以上且位于眉毛以下的部分区域以及部下眼皮以下的预设区域。
进一步，在步骤S11执行之前，还可以对获取到的待处理人脸图像进行检验，判断待处理人脸图像是否满足一定的要求。例如，对待处理人脸图像进行尺度缩放后进行面部识别，计算放大后的最大人脸距离终端设备的距离。若是满足设定的距离，则判定满足要求；若是不满足设定的距离，则判定不满足要求。若待处理人脸图像中的人脸区域在整体人脸图像的占比较小时，即使对待处理人脸图像进行眼影美妆处理，也会出现因眼部区域占比较小，眼影美妆效果不够明显，而通过对待处理人脸图像进行缩放，当放大后的最大人脸距离终端设备的距离不满足设定距离时，则出现待处理人脸图像中的人脸占比较小，可以不做眼影美妆处理，也即不执行后续的步骤。
进一步，在步骤S11之前，还可以对待处理人脸图像的人脸姿态进行检测，若待处理人脸图像的人脸姿态角度超出设定角度，则判定人脸姿态角度过大，舍弃不做处理。例如，对于人脸姿态为90度时，也即呈侧脸，此时，即使处理进行眼影美妆，所得到的眼妆美颜效果不够明显，可以不做眼影美妆处理，也即不执行后续的步骤。又如，对于人脸姿态为背影，无法识别到人脸的情景下，也可以不做眼影美妆处理，也即不执行后续的步骤。
通过在执行步骤S11之前，对待处理人脸图像进行检验，对于满足要求的待处理人脸图像，可以执行后续的步骤S12至步骤S14。对于不满足条件的待处理人脸图像则不执行后续的步骤S12至步骤S14。可以在提高图像处理效果的同时，还可以节约算力资源。
步骤S12，将获取的眼影妆容模板进行姿态变换，以对齐至所述眼影感兴趣区域。
在具体实施中，步骤S12可以通过如下方式实现：根据获取的眼影妆容模板的标准人脸姿态以及所述待处理人脸图像的人脸姿态，计算姿态变换信息；根据所述姿态变换信息对所述眼影妆容模板进行姿态变换，使得姿态变换后的眼影妆容模板对齐至所述眼影感兴趣区域。
进一步，可以通过如下方式计算姿态变换信息：
根据人脸关键点的位置信息，在距离所述人脸关键点中的眼部关键点设定距离的位置处，生成眼影辅助关键点。也即，可以实现根据眼部关键点的位置信息，自适应地的在各眼部关键点的相距设定距离的位置处，生成眼影辅助关键点。眼影辅助关键点用于限制眼影上妆的边界。尤其是在视频中，人脸可能出现不同角度姿态，在人脸大姿态时可能存在人脸自遮挡，而眼影辅助关键点可以避免眼影因人脸角度过大而效果异常的问题，通过眼影辅助关键点可以有效地协助确定眼影妆容模板的迁移区域，以提高眼影上妆效果。人脸大姿态指人脸角度相比正脸时偏转角度超出设定角度时的姿态，如超出30度。
在一些非限制性实施例中，部分眼影辅助关键点位于眉毛下方且位于上眼皮上方，以及部分眼影辅助关键点位于下眼皮下方，具体通常位于外眼角与下眼皮中心之间的部分下眼皮的下方。如图2中的黑色点为眼影辅助关键点。
在一些非限制性实施例中，采用预设的三角化数组，计算将所述眼影妆容模板对应的标准人脸的各人脸关键点与所述待处理人脸图像中对应的人脸关键点对齐时的姿态变换信息，所述姿态变换信息用于表征所述标准人脸的各人脸关键点与所述待处理人脸图像中对应的人脸关键点的偏移量。
在具体实施中，三角化数组中记录有各人脸关键点三角化之后的相对位置信息。三角化数组为根据眼影妆容模板对应的标准人脸的人脸关键点三角化之后的相对位置信息。
进一步地，还可以根据标准人脸的人脸关键点的位置信息，在标准人脸确定眼影辅助关键点，从而对标准人脸图像中的人脸关键点以及眼影辅助关键点进行三角化，得到三角化数组。将得到的三角化数组存储，后续可以共享给后续的待处理人脸图像处理时使用，而无需再次对待处理人脸图像进行三角化，可以减小算力需求，还可以提高图像处理效率。
进一步，为进一步减小三角化数组的数据大小，以及提高算法性能，可以在保留眼影感兴趣区域的三角化数组时并减小其他非眼影感兴趣区域的三角化数组的数量。
在一些非限制性实施例中，在计算姿态变换信息时，可能存在所述眼影妆容模板对应的标准人脸的尺寸与所述待处理人脸图像的尺寸不同的情况，此时，可以对眼影妆容模板对应的标准人脸的尺寸进行变换，使得变换后的标准人脸与待处理人脸图像的尺寸相同。或者对待处理人脸图像的尺寸进行变换，使得变换后的待处理人脸图像的尺寸与标准人脸图像的尺寸相同。基于变换后的标准人脸图像或者待处理人脸图像，计算所述姿态变换信息。
在一些非限制性实施例中，可以采用上采样或者下采样的方式变换图像的尺寸的大小。
例如，眼影妆容模板对应的标准人脸的尺寸小于所述待处理人脸图像的尺寸时，可以对眼影妆容模板的标准人脸进行上采样，以使得上采样后的眼影妆容模板的标准人脸的尺寸和目标人脸图像的尺寸相同。可以理解的是，还有其他情形下的一些尺寸变换方式，此处不再一一举例。
在一些实施例中，姿态变换信息可以为姿态变换矩阵，也可以为位置关系映射(Map)图。可以理解的是，姿态变换信息还可以有其他的表现形式，此处不再一一举例。
在具体实施中，可以根据姿态变换信息，结合眼影妆容模板，采用变形插值算法计算得到姿态变换后的眼影妆容模板。
在一些实施例中，可以采用双线性插值或者其他插值算法计算姿态变换后的眼影妆容模板。
具体而言，在根据姿态变换信息对眼影妆容模板进行姿态变换时，可以根据眼影妆容模板对应的标准人脸图像的尺寸与待处理人脸图像的尺寸之间的关心，确定对眼影妆容模板进行姿态变换时所采用的插值算法，以及对眼影妆容模板的插值情况，以使得经过插值以及姿态变换后的眼影妆容模板的人脸姿态与待处理人脸图像的人脸姿态相同，且经过插值以及姿态换后的眼影妆容模板的尺寸与待处理人脸图像的尺寸适配。
步骤S13，根据所述待处理人脸图像的人脸属性信息，确定眼影试妆效果强度系数。
在具体实施中，可以对待处理图人脸图像进行人脸属性检测，得到待处理人脸图像的人脸属性信息。人脸属性信息可以包括性别属性信息。
由于不同性别的人群对眼影美妆的要求不同，通过对待处理人脸图像进行人脸属性检测，可以根据人脸属性检测结果，自适应为不同人群确定相适配的眼影试妆效果强度系数。眼影试妆效果强度系数用于控制眼影试妆效果的强度，眼影试妆效果强度系数的取值范围为[0，1]，眼影试妆效果强度系数越大，眼影试妆效果的强度越大，进行图像融合后，所呈现的眼影的上妆效果越明显；相应地，眼影试妆效果强度系数越小，所呈现的眼影的上妆效果的明显度越小。
例如，人脸属性检测结果指示待处理人脸图像中的人脸为男性时，可以选择较小眼影试妆效果强度系数或者取眼影试妆效果强度系数为零，以提高图像融合后的效果。
又如，人脸属性检测结果指示待处理人脸图像中的人脸为女性时，可以选择较大眼影试妆强度系数，以提高图像融合后的效果。
进一步，人脸属性信息还可以包括肤色信息，可以根据肤色信息自适应为不同人群确定相适配的眼影试妆效果强度系数。其中肤色信息可以包括肤色亮度、肤色颜色中的一种或多种。例如，肤色亮度较大的则表征肤色越偏向白皙，此时配置相对较小的眼影试妆效果强度系数，即可呈现出较为明显的眼影上妆效果。而肤色亮度较小的则表征肤色越偏暗沉，此时配置相对较大的眼影试妆效果强度系数，才可呈现出明显的眼影上妆效果。由于肤色亮度以及肤色颜色等肤色信息会影响眼影的上妆效果，因此，通过考虑肤色信息来自适应为不同人群确定相适配的眼影试妆效果强度系数，可以提高不同人群均具有较自然的眼影上妆效果，所得到的图像融合效果较好。
进一步，还可以综合考虑人脸属性信息中的性别属性信息以及肤色信息等因素确定眼影试妆效果强度系数。
在一些实施例中，用户可以选择眼影试妆效果强度系数，当检测到用户选择眼影试妆效果强度系数时，则采用用户配置的眼影试妆效果强度系数进行后续的图像融合。其中，可以在显示界面上配置有眼影试妆效果强度系数调整按键或者强度条，用户可以通过相应的按键或者拖拉强度条来选择眼影试妆效果强度系数，以满足不同用户的个性化需求。
在另一些实施例中，当检测到用户选择眼影妆容效果强度系数时，可以综合用户选择的眼影妆容效果强度系数以及人脸属性信息检测结果确定的眼影妆容效果强度系数，确定最终在图像融合时采用的眼影妆容效果强度系数。
例如，可以分别为用户选择的眼影妆容效果强度系数以及基于人脸属性信息检测结果确定的眼影妆容强度系数分配对应的权重。根据用户选择的眼影妆容效果强度系数与其对应的权重，以及基于人脸属性信息检测结果确定的眼影妆容强度系数与其对应的权重进行加权计算，将加权计算结果作为最终在图像融合时采用的眼影妆容效果强度系数。
步骤S14，采用所述眼影试妆效果强度系数对所述姿态变换后的眼影妆容模板及所述待处理人脸图像进行图像融合，得到眼影试妆图像。
进一步地，步骤S14可以通过如下方式实现：采用所述眼影试妆效果强度系数，根据所述姿态变换后的眼影妆容模板以及所述待处理人脸图像在RGB颜色空间域的通道信息，对所述姿态变换后的眼影妆容模板及所述待处理人脸图像进行图像融合。可以在RGB颜色空间进行图像融合，可以保证眼影妆容模板的眼影色调和饱和度效果的同时，还可以保留亮度通道的纹理信息，并能够降低算法复杂度。其中，R为红色，G为绿色，B为蓝色。可以理解的是，也可以在其他类型的颜色空间上对姿态变换后的眼影妆容模板以及所述待处理人脸图像进行融合，此处不再一一举例。
进一步，以在RGB颜色空间域进行图像融合为例，可以采用如下公式(1)、(2)及(3)对姿态变换后的眼影妆容模板及所述待处理人脸图像进行图像融合：
Rdst＝Ro·k·(Re-255)+255)/255； (1)
Gdst＝Go·k·(Ge-255)+255)/255； (2)
Bdst＝Bo·k·(Be-255)+255)/255； (3)
其中，k为眼影试妆效果强度系数，k∈[0,1]；Ro、Go及Bo表示待处理人脸图像在RGB颜色空间域的通道信息，其中，Ro为待处理人脸图像在RGB颜色空间域的红色通道信息，Go为待处理人脸图像在RGB颜色空间域的绿色的通道信息，Bo为待处理人脸图像在RGB颜色空间域的蓝色通道信息；Re、Ge及Be表示姿态变换后的眼影妆容模板在RGB颜色空间域的通道信息，其中，Re为姿态变换后的眼影妆容模板在RGB颜色空间域的红色通道信息，Ge为姿态变换后的眼影妆容模板在RGB颜色空间域的绿色通道信息，Be为姿态变换后的眼影妆容模板在RGB颜色空间域的蓝色通道信息；Rdst、Gdst及Bdst表示眼影试妆图像在RGB颜色空间域的通道信息，其中，Rdst为眼影试妆图像在RGB颜色空间域的红色通道信息，Gdst为眼影试妆图像在RGB颜色空间域的绿色通道信息，Bdst为眼影试妆图像在RGB颜色空间域的蓝色通道信息。
进一步，得到所述眼影试妆图像之后，可以对眼影试妆图像进行验证，以确保得到的眼影试妆图像是正确的。
具体而言，可以通过判断所述眼影试妆图像的RGB颜色空间域通道信息是否符合设定的范围来对眼影试妆图像进行验证；如不符合，则丢弃所述眼影试妆图像。其中设定的范围可以为[0,255]。
在一些实施例中，在上述公式(1)至(3)的基础上，可以采用如下公式(4)至(6)判断眼影试妆图像的RGB颜色空间域通道信息是否符合设定的范围。
Rdst＝CLIP(Ro·k·(Re-255)+255)/255),0,255) (4)
Gdst＝CLIP(Go·k·(Ge-255)+255)/255),0,255)； (5)
Bdst＝CLIP(Bo·k·(Be-255)+255)/255),0,255)； (6)
其中，CLIP()用于限制取值范围，CLIP(x,0,255)表示将x的取值范围限制在[0,255]，也即将Rdst、Gdst以及Bdst的取值范围限制在[0,255]。
由上可知，对待处理人脸图像进行面部识别，得到眼影感兴趣区域，将眼影妆容模板对齐至眼影感兴趣区域，根据待处理人脸图像的人脸属性信息，确定眼影试妆效果强度，采用眼影试妆效果强度系数对姿态变换后的眼影妆容模板及待处理人脸图像进行图像融合，得到眼影试妆图像。由于对姿态变换后的眼影妆容模板及待处理人脸图像进行图像融合时采用了眼影试妆效果强度系数，而眼影试妆效果强度是根据待处理人脸图像的人脸属性信息确定的，通过根据每个用户的待处理人脸图像确定的人脸属性信息为每个用户自适应地确定与之相适配的眼影试妆效果强度系数，从而可以提高眼影妆容模板与待处理人脸图像的图像融合效果，进而可以提高眼影试妆图像的自然性。
在具体实施中，可以根据不同的应用场景，配置与应用场景相对应的眼影妆容模板的选择方式。
上述实施例中的眼影妆容模板可以基于用户的选择确定。具体而言，可以在用户操作界面上配置有眼影妆容模板的选项，用户可以根据实际需求选择所需的眼影妆容模板。
上述实施例中的眼影妆容模板也可以根据人脸属性信息确定。具体而言，根据所述人脸属性信息，得到所述待处理人脸图像中的人脸肤色信息，根据所述肤色信息，选择与所述肤色相适配的眼影妆容模板，所述肤色信息包括：肤色亮度和/或肤色颜色。其中肤色信息与眼影妆容模板之间的映射关系可以预先设定。
根据不同场景需求，可以采用不同方式选择眼影妆容模板。例如，在眼影试妆应用场景中，可以由用户选择眼影妆容模板。对于不知道如何选择适合自己的眼影的用户，可以通过面部识别的方式，根据面部识别结果为用户选择眼影妆容模板。通过面部识别的方式确定眼影妆容模板可以在综合考虑用户的面部其他妆容的情况以及考虑用户肤色等影响，使得选择的眼影妆容模板与用户更加适配。而眼影妆容模板与面部识别结果之间的匹配关系，可以基于大数据研究而确定。
又如，在采用相机对图像进行美妆或者对视频进行美妆时，可以由用户选择确定眼影妆容模板，也可以根据对用户的面部识别结果确定眼影妆容模板。
在具体实施中，上述实施例中的眼影妆容模板可以存储于眼影数据库中。在眼影数据库中可以存储有若干个不同类型的眼影妆容模板。
在一些非限制性实施例中，眼影妆容模板可以采用如下方式得到：获取绘制的眼影图像样本以及标准人脸图像；采用所述眼影图像样本在RGB颜色空间域的通道信息与所述标准人脸图像在所述RGB颜色空间域的通道信息，提取得到所述眼影妆容模板在RGB颜色空间域的通道信息。
具体而言，采用所述眼影图像样本在RGB颜色空间域的R通道信息与标准人脸图像在RGB颜色空间域的R通道信息，提取得到所述眼影妆容模板在RGB颜色空间域的R通道信息。相应地，采用所述眼影图像样本在RGB颜色空间域的G通道信息与标准人脸图像在RGB颜色空间域的G通道信息，提取得到所述眼影妆容模板在RGB颜色空间域的G通道信息。采用所述眼影图像样本在RGB颜色空间域的B通道信息与标准人脸图像在RGB颜色空间域的B通道信息，提取得到所述眼影妆容模板在RGB颜色空间域的B通道信息。
其中，绘制的眼影图像样本可以在标准人脸图像的基础上，采用一些制图软件绘制得到，后续若有新的眼影妆容或者有新的眼影，只需在标准人脸图像的基础上绘制新的眼影图像样本，并提取出相应的眼影妆容模板即可，以此方式丰富眼影数据库中的眼影妆容模板，可以降低眼影图像样本的获取成本。
此外，在存储眼影妆容模板时，可以存储眼影感兴趣区域内的眼影妆容模板，这样在存储眼影妆容模板的同时，可以降低数据所占用的内存。
在一些非限制性实施例中，可以采用如下公式(7)、(8)及(9)，提取得到眼影妆容模板在RGB颜色空间域的通道信息。
Rd＝255·Rs/Ra； (7)
Gd＝255·Gs/Ga； (8)
Bd＝255·Bs/Ba； (9)
其中，Ra、Ga及Ba表示标准人脸图像在RGB颜色空间域的通道信息，其中，Ra为标准人脸图像在RGB颜色空间域的红色通道信息，Ga为标准人脸图像在RGB颜色空间域的绿色通道信息，Ba为标准人脸图像在RGB颜色空间域的蓝色通道信息；Rs、Gs及Bs表示某个绘制眼影后的图像样本在RGB颜色空间域的通道信息；Rs为某个绘制眼影后的图像样本在RGB颜色空间域的红色通道信息，Gs为某个绘制眼影后的图像样本在RGB颜色空间域的绿色通道信息，Bs为某个绘制眼影后的图像样本在RGB颜色空间域的蓝色通道信息；Rd、Gd及Bd表示当前制作的眼影妆容模板在RGB颜色空间域的通道信息，其中，Rd为某个绘制眼影后的图像样本在RGB颜色空间域的红色通道信息，Gd为某个绘制眼影后的图像样本在RGB颜色空间域的绿色通道信息，Bd为某个绘制眼影后的图像样本在RGB颜色空间域的蓝色通道信息。
进一步，为确定所得到的眼影妆容模板是否正确，在本发明实施例中，还可以对通过判断眼影妆容模板的RGB颜色空间域通道信息是否符合设定的范围来对眼影妆容模板进行验证。
在一些非限制性实施例中，可以在上述公式(7)至(9)的基础上，采用如下公式(10)至(12)判断眼影妆容模板的RGB颜色空间域通道信息是否符合设定的范围。其中设定的范围可以为[0,255]。
Rd＝CLIP(255·Rs/Ra,0,255)； (10)
Gd＝CLIP(255·Gs/Ga,0,255)； (11)
Bd＝CLIP(255·Bs/Ba,0,255)； (12)
其中，CLIP()用于限制取值范围，CLIP(x,0,255)表示将x的取值范围限制在[0,255]，也即将Rd、Gd及Bd的取值范围限制在[0,255]。
需要说明的是，上述公式以及实施例中出现的255，为图像的色深采用8bit时，对应的色深范围为[0,255]，255即为最大色深。可以理解的是，当采用其他取值的比特(bit)表示时，色深的范围不同，相应地最大色深取值也不同，只需相应地将255调整为其他比特下对应的最大色深即可。
为了便于本领域技术人员更好的理解和实现本发明实施例，参照图3，给出了本发明实施例提供的另一种人脸图像处理方法的流程图，具体可以包括如下步骤：
步骤S301，对待处理人脸图像进行面部识别。
步骤S302，判断最大人脸与摄像头的建立是否符合要求。
当判断结果为是时，执行步骤S303；当判断结果为否时，执行步骤S304。
步骤S303，不进行眼影试妆，并结束流程。
步骤S304，对待处理人脸图像进行人脸关键点检测。
步骤S305，获取眼影感兴趣区域。
具体而言，可以根据人脸关键点检测结果确定眼影感兴趣区域。
步骤S306，生成眼影辅助关键点。
步骤S307，将眼影妆容模板变换之与待处理人脸图像的人脸姿态一致。
在具体实施中，可以通过步骤S310制作眼影妆容模板。并通过步骤S311，生成眼影数据库。存储于眼影数据库中的眼影妆容模板可以供用户使用。且步骤S307中的眼影妆容模板来自于眼影数据库。
步骤S308，在图像融合时，控制眼影效果强度。
在具体实施中，在通过步骤S312，对待处理人脸图像进行人脸属性分析。通过步骤S313，根据人脸属性分析结果，确定眼影效果强度系数。进而在步骤S308中，根据眼影效果强度系数，控制姿态转换后的眼影妆容模板与待处理人脸图像在图像融合时，眼影效果强度。
步骤S309，输出眼影试妆图像。
图像融合后得到的眼影试妆图像可以显示在显示终端，以供用户直观的获知眼影试妆效果。
在具体实施中，上述步骤S301至S313的具体实现过程，可以参照上述实施例中提供的人脸图像处理方法中的相关描述，此处不做赘述。
采用本发明上述方案，根据当前人脸属性信息，确定眼影试妆效果强度系数，实现自适应眼影融合算法，可实现自然的眼影效果，且效果强度可调。
进一步，通过对标准人脸图像绘制眼影数据库，可以将丰富的眼影妆容迁移到任意人脸图像上，眼影妆容模板的拓展性强，后续只需丰富眼影数据库，便可将数据库中的眼影妆容迁移给任意人脸图像。此外，眼影妆容模板可以仅保存眼影ROI区域，可有效降低数据内存使用率。
进一步，使用自动面部识别和高精度人脸关键点对齐技术，可对人脸眼睛位置准确定位，以提高眼影感兴趣区域的确定的精度，为后续提高图像融合精度提供支撑。
进一步，将标准人脸图像与目标人脸图像进行人脸关键点对齐后，使用插值映射方法迁移眼影妆容模板，实现对眼影装通模板的姿态变换，可提高大姿态人脸眼影的效果。
进一步，在RGB颜色空间进行转换后的眼影妆容模板与目标人脸图像的融合，可大大降低算法复杂度，以能够用于终端上。
本发明实施例还提供一种人脸图像处理装置，参照图4，给出了本发明实施例中的一种人脸图像处理装置的结构示意图。人脸图像处理装置40可以包括：
眼影感兴趣区域确定单元41，用于对待处理人脸图像进行面部识别，得到眼影感兴趣区域；
姿态变换单元计算单元42，用于根据获取的眼影妆容模板的标准人脸姿态以及所述待处理人脸图像的人脸姿态，计算姿态变换信息；
对齐单元43，用于根据所述姿态变换信息对所述眼影妆容模板进行姿态变换，使得姿态变换后的眼影妆容模板对齐至所述眼影感兴趣区域；
融合单元44，用于采用眼影试妆效果强度系数对所述姿态变换后的眼影妆容模板及所述待处理人脸图像进行图像融合，得到眼影试妆图像，所述眼影试妆效果强度系数根据所述待处理人脸图像的人脸属性信息确定。
在具体实施中，人脸图像处理装置40的具体工作原理及工作流程，可以参考本发明上述任一实施例中提供的人脸图像处理方法中的描述，此处不再赘述。
在具体实施中，人脸图像处理装置40可以对应于终端中具有人脸图像处理功能的芯片；或者对应于具有数据处理功能的芯片；或者对应于终端包括具有人脸图像处理功能的芯片的芯片模组；或者对应于具有数据处理功能芯片的芯片模组，或者对应于终端。
在具体实施中，关于上述实施例中描述的各个装置、产品包含的各个模块/单元，其可以是软件模块/单元，也可以是硬件模块/单元，或者也可以部分是软件模块/单元，部分是硬件模块/单元。
例如，对于应用于或集成于芯片的各个装置、产品，其包含的各个模块/单元可以都采用电路等硬件的方式实现，或者，至少部分模块/单元可以采用软件程序的方式实现，该软件程序运行于芯片内部集成的处理器，剩余的(如果有)部分模块/单元可以采用电路等硬件方式实现；对于应用于或集成于芯片模组的各个装置、产品，其包含的各个模块/单元可以都采用电路等硬件的方式实现，不同的模块/单元可以位于芯片模组的同一组件(例如芯片、电路模块等)或者不同组件中，或者，至少部分模块/单元可以采用软件程序的方式实现，该软件程序运行于芯片模组内部集成的处理器，剩余的(如果有)部分模块/单元可以采用电路等硬件方式实现；对于应用于或集成于终端的各个装置、产品，其包含的各个模块/单元可以都采用电路等硬件的方式实现，不同的模块/单元可以位于终端内同一组件(例如，芯片、电路模块等)或者不同组件中，或者，至少部分模块/单元可以采用软件程序的方式实现，该软件程序运行于终端内部集成的处理器，剩余的(如果有)部分模块/单元可以采用电路等硬件方式实现。
本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质为非易失性存储介质或非瞬态存储介质，其上存储有计算机程序，所述计算机程序被处理器运行时执行上述任一实施例提供的人脸图像处理方法中的步骤。
本发明实施例还提供一种终端，包括存储器和处理器，所述存储器上存储有能够在所述处理器上运行的计算机程序，所述处理器运行所述计算机程序时执行上述任一实施例提供的人脸图像处理方法中的步骤。
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，该程序可以存储于任一计算机可读存储介质中，存储介质可以包括：ROM、RAM、磁盘或光盘等。
虽然本发明披露如上，但本发明并非限定于此。任何本领域技术人员，在不脱离本发明的精神和范围内，均可作各种更动与修改，因此本发明的保护范围应当以权利要求所限定的范围为准。

Claims (16)

1.一种人脸图像处理方法，其特征在于，包括：
对待处理人脸图像进行面部识别，得到眼影感兴趣区域；
将获取的眼影妆容模板进行姿态变换，以对齐至所述眼影感兴趣区域；
根据所述待处理人脸图像的人脸属性信息，确定眼影试妆效果强度系数；采用所述眼影试妆效果强度系数对所述姿态变换后的眼影妆容模板及所述待处理人脸图像进行图像融合，得到眼影试妆图像。
2.如权利要求1所述的人脸图像处理方法，其特征在于，所述对待处理人脸图像进行面部识别，得到眼影感兴趣区域，包括：
对所述待处理人脸图像进行面部识别，得到人脸关键点的位置信息；
根据所述人脸关键点的位置信息确定所述眼影感兴趣区域。
3.如权利要求2所述的人脸图像处理方法，其特征在于，所述根据人脸关键点的位置信息确定所述眼影感兴趣区域，包括：
根据所述人脸关键点中的眼睛关键点的位置信息以及眉毛关键点的位置信息，确定所述眼影感兴趣区域，所述眼影感兴趣区域位于所述眼睛关键点周围的预设区域，且不越过所述眉毛关键点。
4.如权利要求1所述的人脸图像处理方法，其特征在于，所述将获取的眼影妆容模板进行姿态变换，以对齐至所述眼影感兴趣区域，包括：
根据获取的眼影妆容模板的标准人脸姿态以及所述待处理人脸图像的人脸姿态，计算姿态变换信息；
根据所述姿态变换信息对所述眼影妆容模板进行姿态变换，使得姿态变换后的眼影妆容模板对齐至所述眼影感兴趣区域。
5.如权利要求4所述的人脸图像处理方法，其特征在于，所述根据获取的眼影妆容模板的人脸姿态以及所述待处理人脸图像的人脸姿态，计算姿态变换信息，包括：
根据人脸关键点的位置信息，在距离所述人脸关键点中的眼部关键点设定距离的位置处，生成眼影辅助关键点，所述眼影辅助关键点用于限制眼影上妆的边界；
采用预设的三角化数组，计算用于将所述眼影妆容模板对应的标准人脸的各人脸关键点与所述待处理人脸图像中对应的人脸关键点对齐的姿态变换信息，所述姿态变换信息用于表征所述标准人脸的各人脸关键点与所述待处理人脸图像中对应的人脸关键点的偏移量。
6.如权利要求5所述的人脸图像处理方法，其特征在于，所述计算用于将所述眼影妆容模板对应的各标准人脸的人脸关键点与所述待处理人脸图像中对应的人脸关键点之间对齐的姿态变换信息，包括：
当所述眼影妆容模板对应的标准人脸的尺寸与所述待处理人脸图像的尺寸不同时，对所述标准人脸或者所述待处理人脸图像中的任一个进行尺寸变换，使得变换后的尺寸相同；
基于变换后的标准人脸图像或者待处理人脸图像，计算所述姿态变换信息。
7.如权利要求1至6任一项所述的人脸图像处理方法，其特征在于，所述根据所述姿态变换信息对所述眼影妆容模板进行姿态变换，包括：
根据所述姿态变换信息，结合所述眼影妆容模板，采用变形插值算法计算得到所述姿态变换后的眼影妆容模板。
8.如权利要求1至6任一项所述的人脸图像处理方法，其特征在于，所述采用所述眼影试妆效果强度系数对所述姿态变换后的眼影妆容模板及所述待处理人脸图像进行图像融合，包括：
采用所述眼影试妆效果强度系数，根据所述姿态变换后的眼影妆容模板以及所述待处理人脸图像在RGB颜色空间域的通道信息，对所述姿态变换后的眼影妆容模板及所述待处理人脸图像进行图像融合，其中，所述眼影试妆效果强度系数的取值范围为[0，1]。
9.如权利要求8所述的人脸图像处理方法，其特征在于，还包括：
得到所述眼影试妆图像之后，判断所述眼影试妆图像的RGB颜色空间域的通道信息是否符合设定的范围；
如不符合，则丢弃所述眼影试妆图像。
10.如权利要求1所述的人脸图像处理方法，其特征在于，所述眼影妆容模板基于用户的选择确定，或者所述眼影妆容模板根据所述人脸属性信息确定。
11.如权利要求10所述的人脸图像处理方法，其特征在于，所述眼影妆容模板根据所述人脸属性信息确定，包括：
根据所述人脸属性信息，得到所述待处理人脸图像中的人脸肤色信息，根据所述肤色信息，选择与所述肤色相适配的眼影妆容模板，所述肤色信息包括：肤色亮度和/或肤色颜色。
12.如权利要求1所述的人脸图像处理方法，其特征在于，在对待处理人脸图像进行面部识别，得到眼影感兴趣区域之前，还包括：
对所述待处理人脸图像进行尺寸缩放，计算缩放后的待处理人脸图像距离采集所述待处理人脸图像的终端设备的距离是否满足设定距离；
若满足，则对所述待处理人脸图像进行人脸识别，得到所述眼影感兴趣区域；
若不满足，则丢弃所述待处理人脸图像，继续获取下一图像作为所述待处理人脸图像。
13.如权利要求1所述的人脸图像处理方法，其特征在于，所述眼影妆容模板采用如下方式得到：
获取绘制的眼影图像样本以及标准人脸图像；
根据所述眼影图像样本在RGB颜色空间域的通道信息与所述标准人脸图像在所述RGB颜色空间域的通道信息，提取得到所述眼影妆容模板在RGB颜色空间域的通道信息。
14.一种人脸图像处理装置，其特征在于，包括：
眼影感兴趣区域确定单元，用于对待处理人脸图像进行面部识别，得到眼影感兴趣区域；
姿态变换单元计算单元，用于根据获取的眼影妆容模板的标准人脸姿态以及所述待处理人脸图像的人脸姿态，计算姿态变换信息；
对齐单元，用于根据所述姿态变换信息对所述眼影妆容模板进行姿态变换，使得姿态变换后的眼影妆容模板对齐至所述眼影感兴趣区域；
融合单元，用于采用眼影试妆效果强度系数对所述姿态变换后的眼影妆容模板及所述待处理人脸图像进行图像融合，得到眼影试妆图像，所述眼影试妆效果强度系数根据所述待处理人脸图像的人脸属性信息确定。
15.一种计算机可读存储介质，所述计算机可读存储介质为非易失性存储介质或非瞬态存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器运行时执行权利要求1至13中任一项所述的人脸图像处理方法的步骤。
16.一种终端，包括存储器和处理器，所述存储器上存储有能够在所述处理器上运行的计算机程序，其特征在于，所述处理器运行所述计算机程序时执行权利要求1至13中任一项所述的人脸图像处理方法的步骤。
CN202110722304.9A 2021-06-28 2021-06-28 人脸图像处理方法及装置、计算机可读存储介质、终端 Active CN113344837B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202110722304.9A CN113344837B (zh) 2021-06-28 2021-06-28 人脸图像处理方法及装置、计算机可读存储介质、终端
PCT/CN2021/141467 WO2023273247A1 (zh) 2021-06-28 2021-12-27 人脸图像处理方法及装置、计算机可读存储介质、终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110722304.9A CN113344837B (zh) 2021-06-28 2021-06-28 人脸图像处理方法及装置、计算机可读存储介质、终端

Publications (2)

Publication Number Publication Date
CN113344837A true CN113344837A (zh) 2021-09-03
CN113344837B CN113344837B (zh) 2023-04-18

Family

ID=77481145

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110722304.9A Active CN113344837B (zh) 2021-06-28 2021-06-28 人脸图像处理方法及装置、计算机可读存储介质、终端

Country Status (2)

Country Link
CN (1) CN113344837B (zh)
WO (1) WO2023273247A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023273247A1 (zh) * 2021-06-28 2023-01-05 展讯通信（上海）有限公司 人脸图像处理方法及装置、计算机可读存储介质、终端

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117036157B (zh) * 2023-10-09 2024-02-20 易方信息科技股份有限公司 可编辑的仿真数字人形象设计方法、***、设备及介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109063560A (zh) * 2018-06-28 2018-12-21 北京微播视界科技有限公司 图像处理方法、装置、计算机可读存储介质和终端
CN109584180A (zh) * 2018-11-30 2019-04-05 深圳市脸萌科技有限公司 人脸图像处理方法、装置、电子设备及计算机存储介质
CN112669233A (zh) * 2020-12-25 2021-04-16 北京达佳互联信息技术有限公司 图像处理方法、装置、电子设备、存储介质及程序产品
CN112819718A (zh) * 2021-02-01 2021-05-18 深圳市商汤科技有限公司 图像处理方法及装置、电子设备及存储介质

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111783511A (zh) * 2019-10-31 2020-10-16 北京沃东天骏信息技术有限公司 美妆处理方法、装置、终端以及存储介质
CN111369644A (zh) * 2020-02-28 2020-07-03 北京旷视科技有限公司 人脸图像的试妆处理方法、装置、计算机设备和存储介质
CN111583102B (zh) * 2020-05-14 2023-05-16 抖音视界有限公司 人脸图像处理方法、装置、电子设备及计算机存储介质
CN112784773B (zh) * 2021-01-27 2022-09-27 展讯通信（上海）有限公司 图像处理方法及装置、存储介质、终端
CN113344837B (zh) * 2021-06-28 2023-04-18 展讯通信（上海）有限公司 人脸图像处理方法及装置、计算机可读存储介质、终端

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109063560A (zh) * 2018-06-28 2018-12-21 北京微播视界科技有限公司 图像处理方法、装置、计算机可读存储介质和终端
CN109584180A (zh) * 2018-11-30 2019-04-05 深圳市脸萌科技有限公司 人脸图像处理方法、装置、电子设备及计算机存储介质
CN112669233A (zh) * 2020-12-25 2021-04-16 北京达佳互联信息技术有限公司 图像处理方法、装置、电子设备、存储介质及程序产品
CN112819718A (zh) * 2021-02-01 2021-05-18 深圳市商汤科技有限公司 图像处理方法及装置、电子设备及存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023273247A1 (zh) * 2021-06-28 2023-01-05 展讯通信（上海）有限公司 人脸图像处理方法及装置、计算机可读存储介质、终端

Also Published As

Publication number Publication date
WO2023273247A1 (zh) 2023-01-05
CN113344837B (zh) 2023-04-18

Similar Documents

Publication Publication Date Title
CN108229278B (zh) 人脸图像处理方法、装置和电子设备
JP7413400B2 (ja) 肌質測定方法、肌質等級分類方法、肌質測定装置、電子機器及び記憶媒体
CN108229279B (zh) 人脸图像处理方法、装置和电子设备
US9142054B2 (en) System and method for changing hair color in digital images
CN112784773B (zh) 图像处理方法及装置、存储介质、终端
JP3779570B2 (ja) 化粧シミュレーション装置、化粧シミュレーション制御方法、化粧シミュレーションプログラムを記録したコンピュータ読み取り可能な記録媒体
CN108012081B (zh) 智能美颜方法、装置、终端和计算机可读存储介质
CN106056064B (zh) 一种人脸识别方法及人脸识别装置
KR101259662B1 (ko) 얼굴 분류 방법, 얼굴 분류 장치, 분류맵, 얼굴 분류프로그램, 및 상기 프로그램이 기록된 기록매체
EP3992919B1 (en) Three-dimensional facial model generation method and apparatus, device, and medium
WO2022095721A1 (zh) 参数估算模型的训练方法、装置、设备和存储介质
EP1847968A1 (en) Generating a three dimensional model of a face from a single two-dimensional image: adaption of a generic hair model
CN113344837B (zh) 人脸图像处理方法及装置、计算机可读存储介质、终端
WO2020177434A1 (zh) 图像处理方法及装置、图像设备及存储介质
JP2001109913A (ja) 画像処理装置および画像処理方法ならびに画像処理プログラムを記録した記録媒体
CN110866139A (zh) 一种化妆处理方法、装置及设备
WO2023066120A1 (zh) 图像处理方法、装置、电子设备及存储介质
CN114187166A (zh) 图像处理方法、智能终端及存储介质
CN114155569B (zh) 一种化妆进度检测方法、装置、设备及存储介质
JP4893968B2 (ja) 顔画像の合成方法
Saiwaeo et al. A comparative study of image enhancement methods for human skin image
JP2003030684A (ja) 顔３次元コンピュータグラフィック生成方法及び装置及び顔３次元コンピュータグラフィック生成プログラム及び顔３次元コンピュータグラフィック生成プログラムを格納した記憶媒体
CN113421197B (zh) 一种美颜图像的处理方法及其处理***
CN117389676B (zh) 一种基于显示界面的智能发型适配展示方法
CN116580445B (zh) 一种大语言模型人脸特征分析方法、***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