本申请实施例涉及计算机技术领域，具体涉及用于处理面部图像的方法和装置。
背景技术：
图像处理，通常包括图像处理，是利用计算机对图像进行分析，以达到所需结果的技术。现有的图像处理，通常利用边缘锐化、伪彩色处理、干扰抑制等方法，从颜色、对比度等方面改变原始图像的成像效果。
现有的面部图像处理中，通常是根据用户所选择的滤镜效果、磨皮技术、面部轮廓改变等方式对面部图像进行处理以达到面部图像美化效果。
技术实现要素：
本申请实施例提出了用于处理面部图像的方法和装置。
第一方面，本申请实施例提供了一种用于处理面部图像的方法，该方法包括：获取目标用户的面部图像；提取面部图像的至少一个面部特征信息，其中，至少一个面部特征信息中的每一个面部特征信息包括面部特征标识；从预设面部特征信息集合中选择与所提取的面部特征标识对应的面部特征信息；确定目标用户的面部特征信息与所选择的面部特征信息之间的相似度是否小于预设阈值；响应于相似度小于预设阈值，对面部图像进行处理，生成处理后的面部图像。
在一些实施例中，面部特征信息包括面部轮廓点；以及确定目标用户的面部特征信息与所选择的面部特征信息之间的相似度是否小于预设阈值，包括：分别基于目标用户的面部轮廓点以及所选择的面部特征信息的面部轮廓点，确定目标用户的面部轮廓角度以及所选择的面部特征信息的面部轮廓角度；确定目标用户的面部轮廓角度与所选择的面部特征信息的面部轮廓角度之间的差值是否小于预设阈值。
在一些实施例中，面部特征信息包括面部特征图像；以及确定目标用户的面部特征信息与所选择的面部特征信息之间的相似度是否小于预设阈值，包括：确定目标用户的面部图像的面部特征值与所选择的面部特征图像的面部特征值之间的差值是否小于预设阈值。
在一些实施例中，对面部图像进行处理，生成处理后的图像，包括：实时获取目标用户的面部图像；基于实施获取到的图像，对目标用户的面部定位，以确定目标用户的面部在预设的世界坐标系中的坐标；将目标用户的面部在预设的世界坐标系中的坐标映射至预设的显示屏幕坐标系中，建立目标用户的面部的世界坐标与目标用户的面部的屏幕坐标之间的对应关系；基于对应关系，将所选择的面部特征信息叠加至呈现在显示屏幕的面部图像中；对叠加面部特征信息后的面部图像进行柔化处理，生成处理后的面部图像。
在一些实施例中，对面部图像进行处理，生成处理后的面部图像，包括：将面部图像输入至预先训练的面部图像处理模型中，得到处理后的面部图像，其中，面部图像处理模型用于表征面部图像与处理后的面部图像之间的对应关系。
在一些实施例中，面部图像处理模型包括第一子面部图像处理模型以及第二子面部图像处理模型；以及将面部图像输入至预先训练的面部图像处理模型中，得到处理后的面部图像，包括：将面部图像输入至第一子面部图像处理模型中，得到面部图像对应的面部轮廓的面部轮廓修改信息，其中，第一子面部图像处理模型用于表征面部图像与面部轮廓修改信息之间的对应关系；将面部图像以及面部轮廓修改信息输入至第二子面部图像处理模型中，得到处理后的面部图像，其中，第二子面部图像处理模型用于表征面部图像以及面部轮廓修改信息二者与处理后的面部图像之间的对应关系。
第二方面，本申请实施例提供了一种用于处理面部图像的装置，装置包括：获取单元，配置用于获取目标用户的面部图像；提取单元，配置用于提取面部图像的至少一个面部特征信息，其中，至少一个面部特征信息中的每一个面部特征信息包括面部特征标识；选择单元，配置用于从预设面部特征信息集合中选择与所提取的面部特征标识对应的面部特征信息；确定单元，配置用于确定目标用户的面部特征信息与所选择的面部特征信息之间的相似度是否小于预设阈值；生成单元，配置用于响应于相似度小于预设阈值，对面部图像进行处理，生成处理后的面部图像。
在一些实施例中，面部特征信息包括面部轮廓点；以及确定单元进一步配置用于：分别基于目标用户的面部轮廓点以及所选择的面部特征信息的面部轮廓点，确定目标用户的面部轮廓角度以及所选择的面部特征信息的面部轮廓角度；确定目标用户的面部轮廓角度与所选择的面部特征信息的面部轮廓角度之间的差值是否小于预设阈值。
在一些实施例中，面部特征信息包括面部特征图像；以及确定单元进一步配置用于：确定目标用户的面部图像的面部特征值与所选择的面部特征图像的面部特征值之间的差值是否小于预设阈值。
在一些实施例中，生成单元进一步配置用于：实时获取目标用户的面部图像；基于实施获取到的图像，对目标用户的面部定位，以确定目标用户的面部在预设的世界坐标系中的坐标；将目标用户的面部在预设的世界坐标系中的坐标映射至预设的显示屏幕坐标系中，建立目标用户的面部的世界坐标与目标用户的面部的屏幕坐标之间的对应关系；基于对应关系，将所选择的面部特征信息叠加至呈现在显示屏幕的面部图像中；对叠加面部特征信息后的面部图像进行柔化处理，生成处理后的面部图像。
在一些实施例中，生成单元还包括：面部图像处理模型处理单元，配置用于将面部图像输入至预先训练的面部图像处理模型中，得到处理后的面部图像，其中，面部图像处理模型用于表征面部图像与处理后的面部图像之间的对应关系。
在一些实施例中，面部图像处理模型包括第一子面部图像处理模型以及第二子面部图像处理模型；以及面部图像处理模型处理单元进一步配置用于：将面部图像输入至第一子面部图像处理模型中，得到面部图像对应的面部轮廓的面部轮廓修改信息，其中，第一子面部图像处理模型用于表征面部图像与面部轮廓修改信息之间的对应关系；将面部图像以及面部轮廓修改信息输入至第二子面部图像处理模型中，得到处理后的面部图像，其中，第二子面部图像处理模型用于表征面部图像以及面部轮廓修改信息二者与处理后的面部图像之间的对应关系。
第三方面，本申请实施例提供了一种电子设备，该电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序；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如第一方面中任一实现方式描述的方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
本申请实施例提供的用于处理面部图像的方法和装置，通过获取目标用户的面部图像，而后对提取到的目标用户的面部特征信息与预设面部特征信息集合中的面部特征信息进行相似度匹配后，确定该相似度是否小于预设阈值，并在该相似度小于预设阈值的情况下进行处理，从而提高了面部图像的处理效果。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1是本申请可以应用于其中的示例性系统架构图；
图2是根据本申请的用于处理面部图像的方法的一个实施例的流程图；
图3是根据本申请的用于处理面部图像的方法的一个应用场景的示意图；
图4是根据本申请的用于处理面部图像的方法的又一个实施例的流程图；
图5是根据本申请的用于处理面部图像的装置的一个实施例的结构示意图；
图6是适于用来实现本申请实施例的服务器的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。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。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的用于处理面部图像的方法或用于处理面部图像的装置的实施例的示例性系统架构100。
如图1所示，系统架构100可以包括终端设备101、102、103，网络104，服务器105和数据库服务器106。网络104用以在终端设备101、102、103、服务器105和数据库服务器106之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户110可以使用终端设备101、102、103拍摄用户的面部图像，并通过网络104将拍摄的面部图像发送至服务器105中。终端设备101、102、103可以是具有各种功能的终端设备，例如照相功能、摄像功能等。
终端设备101、102、103可以是各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机、相机、摄像机和摄像头等。
数据库服务器106可以是存储预设面部特征信息集合的服务器。
服务器105可以是提供各种服务的服务器，例如服务器105可以对接收到的终端设备101、102、103发送的面部图像进行处理的后台图像处理服务器。后台图像处理服务器可以从数据库服务器106中获取预设面部特征信息集合，并对接收到的待处理面部图像和预设面部特征信息集合等数据进行分析等处理，并输出处理结果(例如处理后的面部图像)。
需要说明的是，本申请实施例所提供的用于处理面部图像的方法一般由服务器105执行，相应地，用于处理面部图像的装置一般设置于服务器105中。
需要说明的是，服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，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中的终端设备、网络和服务器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终端设备、网络和服务器。
继续参考图2，示出了根据本申请的用于处理面部图像的方法的一个实施例的流程200。该用于处理面部图像的方法，包括以下步骤：
步骤201，获取目标用户的面部头像。
在本实施例中，用于处理面部图像的方法的执行主体(例如图1所示的服务器)可以通过有线连接方式或者无线连接方式获取目标用户的面部图像。在这里，目标用户的面部图像可以是通过手机、相机、摄像机、摄像头等所获取的静态人脸图像、动态人脸图像、基于面部图像的实时视频等。该面部图像例如可以为目标用户的正面人脸图像、左45度人脸图像、右45度人脸图像等。
步骤202，提取面部图像的至少一个面部特征信息。
在本实施例中，基于步骤201获取到的面部图像，执行主体可以提取面部图像的至少一个面部特征信息。在这里，该面部特征信息例如可以包括面部比例信息、各部位例如眼睛、鼻子、嘴巴、眉毛等的形状信息以及在面部中的位置信息、脸型信息、五官形状信息等。上述至少一个面部特征信息中的每一个面部特征信息包括面部特征标识。在这里，面部特征标识例如可以包括脸型标识、眼睛标识、鼻子标识、嘴巴标识等。作为示例，当上述面部特征信息为眼睛形状信息时，该眼睛形状信息对应的面部特征标识为眼睛标识；当上述面部特征信息为脸型信息时，该脸型信息对应的面部特征标识为脸型标识。在这里，面部特征标识可以为图像、文本等。
在本实施例中，上述面部特征信息提取的方法例如可以先对所获取到的面部图像进行特征点定位，然后利用主成分分析方法等对定位的特征点进行提取，从而得到面部图像的至少一个面部特征信息。在这里，可以通过asm(activeshapemodel，主动形状模型)算法或aam(activeappearancemodel，主动外观模型)算法对面部图像的特征点定位。以asm算法为例，首先利用人工标注的面部特征点图像样本对asm模型进行训练，得到特征点图像。然后，根据特征点图像的特征在面部图像上搜索匹配的特征点位置。最后，再依据先验形状模型进行矫正，使得特征点位置满足人脸轮廓形状约束条件。
在本实施例中，面部特征提取的方法还可以包括基于知识的表征方法以及基于代数特征或统计学习的表征方法。其中，基于知识的表征方法主要是根据人脸器官的形状描述以及人脸器官之间的距离特性来获得有助于人脸分类的特征数据。特征数据通常可以包括人脸器官间的欧氏距离、曲率和角度等。
步骤203，从预设面部特征信息集合中选择与所提取的面部特征标识对应的面部特征信息。
在本实施例中，执行主体中可以设置有预设面部特征信息集合。该预设面部特征信息集合中包括预设面部特征信息。该预设面部特征信息例如可以包括至少一个预设脸型信息、与每一个预设脸型信息匹配的五官形状信息等。作为示例，该预设脸型信息例如可以包括“倒三角脸”、“方形脸”等；与“倒三角脸”匹配的眼睛形状例如可以为“杏状眼”、“桃花眼”等；与“方形脸”匹配的眼睛形状例如可以为“丹凤眼”等。预设面部特征集合中的预设面部特征信息还包括面部特征标识。
在本实施例中，根据步骤202确定的面部特征标识，执行主体可以从预设面部特征信息集合中选择与所提取的面部特征标识对应的面部特征信息。
作为示例，当所提取的面部特征标识包括眼睛标识、脸型标识时，执行主体可以从预设面部特征信息集合中选择与眼睛标识以及脸型标识对应的面部特征信息。
步骤204，确定目标用户的面部特征信息与所选择的面部特征信息之间的相似度是否小于预设阈值。
在本实施例中，上述执行主体根据与面部特征标识对应的目标用户的面部特征信息以及从预设面部特征信息集合中选择的目标用户的面部特征信息，确定二者之间的相似度是否小于预设阈值。在这里，确定二者之间的相似度的方法可以利用余弦相似度算法或最小哈希算法。其中，最小哈希是lsh(localitysensitivehash，局部敏感哈希)的一种，可以用来快速估算两个集合的相似度。
作为示例，当上述执行主体提取的面部图像的面部特征信息为眼睛形状信息时，与眼睛形状信息对应的面部特征标识为眼睛标识。执行主体可以从预设面部特征信息集合中选择与眼睛标识对应的全部眼睛特征信息，并分别与面部图像中的眼睛形状信息进行相似度计算。从而，根据所有的计算结果，确定目标用户面部特征信息与所选择的面部特征信息之间的相似度是否小于预设阈值。
在本实施例中，当目标用户的面部特征信息包括多个(也即至少两个时)，可以首先确定其中一个面部特征信息的面部特征标识；然后从预设面部特征信息集合中选择与该面部特征标识对应的面部特征信息；确定二者之间的相似度是否小于预设阈值。当相似度大于预设阈值时，该执行主体可以进一步确定目标用户的面部特征信息，并确定该面部特征信息的面部特征标识；然后从预设面部特征信息集合中选择与该面部特征标识以及之前所选择的面部特征信息均对应的面部特征信息；计算进一步确定的目标用户的面部特征信息与预设面部特征信息集合中的面部特征信息之间的相似度是否小于预设阈值。
在本实施例的一些可选的实现方式中，上述面部特征信息还可以包括面部轮廓点。上述执行主体还可以分别基于目标用户的面部轮廓点以及所选择的面部特征信息的面部轮廓点，确定目标用户的面部轮廓角度以及所选择的面部特征信息的面部轮廓角度。在这里，该面部轮廓角度例如可以包括下颌角度、鼻头最高点与额头之间的角度等。最后，确定目标用户的面部轮廓角度与所选择的面部特征信息的面部轮廓角度之间的差值是否小于预设阈值。当该差值小于预设阈值时，则确定目标用户的面部特征信息与所选择的面部特征信息之间的相似度小于预设阈值；当该差值大于预设阈值时，则确定目标用户的面部特征信息与所选择的面部特征信息之间的相似度大于预设阈值。
步骤205，响应于相似度小于预设阈值，对面部图像进行处理，生成处理后的面部图像。
在本实施例中，根据步骤205确定的相似度值，上述执行主体响应于相似度小于预设阈值时，可以对面部图像进行处理，从而生成处理后的面部图像。在这里，对面部图像进行处理的方法可以包括：可以对将面部图像中与小于预设阈值的面部特征信息对应的五官替换为预设面部特征信息集合中的面部特征信息对应的五官。
在本实施例的一些可选的实现方式中，可以实时获取目标用户的面部图像。然后，基于实时获取到的面部图像，对目标用户的面部定位，从而根据定位结果，确定目标用户的面部在预设的世界坐标系中的坐标。接着，将目标用户的面部在预设的世界坐标系中的坐标映射至预设的显示屏幕坐标系中。在这里，可以先将目标用户的面部在预设的世界坐标系中的坐标转换为拍摄设备的摄像机坐标，然后再将摄像机坐标转换为显示屏幕坐标，从而建立目标用户的面部的世界坐标与目标用户的面部的屏幕坐标之间的对应关系。而后，基于该对应关系，将所选择的面部特征信息叠加至呈现在显示屏幕的面部图像中。在这里，所述选择的面部特征信息中可以包括面部特征图像。该面部特征图像例如可以包括眼睛图像、鼻子图像、嘴巴图像、面部轮廓图像等。也即是说，将所选择的面部特征图像在屏幕中的坐标转换为世界坐标系的坐标，并叠加至面部图像中。最后，对叠加面部特征信息后的面部图像进行柔化处理，生成处理后的图像。在这里，该柔化处理例如可以包括对于面部中有棱角的线条转换为有弧度的线条。
在本实施例中，可以将目标用户的面部图像输入至预先训练的面部图像处理模型中，得到处理后的图像。在这里，该面部图像处理模型可以用于表征面部图像与处理后的面部图像之间的对应关系。作为一种实现方式，该面部图像处理模型可以为记录有各种面部图像与处理方式之间的对应关系的列表。上述执行主体获取到目标用户的面部图像后，可以将该目标用户的面部图像面部特征点与列表中的面部图像的面部特征点进行相似度计算。基于计算结果，选择与列表中的相似度值最大的面部图像对应的处理方式对面部图像进行处理，生成处理后的图像。在这里，该处理方式例如可以为对下颌角度调整，对眼睛大小进行调整，对鼻翼、鼻头进行调整等。
继续参见图3，图3是根据本实施例的用于处理面部图像的方法的一个示意性的应用场景300。在图3的应用场景中，首先，摄像机301可以获取目标用户的面部图像，并将获取到的面部图像提供至服务器302。服务器302可以对提取面部图像的面部轮廓信息、眼睛信息、眉毛信息、嘴型信息以及五官在面部的分布信息等，并根据提取到的各信息设置面部特征标识。例如，面部轮廓标识、眼睛标识、眉毛标识等。接着，服务器302从预设面部特征信息集合中分别选择与眼睛标识、眉毛标识、面部轮廓标识等分别对应的眼睛信息、眉毛信息、面部轮廓信息。然后，服务器302将所提取的目标用户的面部特征信息与从预设面部特征信息集合中提取的面部特征信息进行比较，以确定相似度是否小于预设阈值。也即将相同或相似部位进行比较，从而确定相同或相似部位之间的相似度是否小于预设阈值。例如，将目标用户的面部轮廓信息与从预设面部特征信息集合中提取的面部轮廓信息进行比较，确定二者之间的相似度是否小于预设阈值；将目标用户的眼睛信息与从预设面部特征信息集合中提取的眼睛信息进行比较，确定二者之间的相似度是否小于预设阈值。服务器302确定目标用户的面部特征信息与从预设面部特征信息集合中提取的面部特征信息之间的相似度小于预设阈值时，可以对目标用户的面部图像进行处理，从而生成处理后的面部图像。附图标记303为目标用户的面部图像处理前后的对比。
本申请实施例提供的用于处理面部图像的方法，通过获取目标用户的面部图像，而后对提取到的目标用户的面部特征信息与预设面部特征信息集合中的面部特征信息进行相似度匹配后，确定该相似度是否小于预设阈值，并在该相似度小于预设阈值的情况下进行处理，从而提高了面部图像的处理效果。
进一步参考图4，其示出了用于处理面部图像的方法的又一个实施例的流程400。该用于处理面部图像的方法的流程400，包括以下步骤：
步骤401，获取目标用户的面部图像。
在本实施例中，用于处理面部图像的方法的执行主体(例如图1所示的服务器)可以通过有线连接方式或者无线连接方式获取目标用户的面部图像。在这里，目标用户的面部图像可以是通过手机、相机、摄像机、摄像头等所获取的静态人脸图像、动态人脸图像等。
步骤402，提取面部图像的至少一个面部特征信息。
在本实施例中，基于步骤201获取到的面部图像，执行主体可以提取面部图像的至少一个面部特征信息。在这里，该面部特征信息例如可以包括面部比例信息、各部位例如眼睛、鼻子、嘴巴、眉毛等的形状信息以及在面部中的位置信息、脸型信息、五官形状信息等。上述至少一个面部特征信息中的每一个面部特征信息包括面部特征标识。
步骤403，从预设面部特征信息集合中选择与所提取的面部特征标识对应的面部特征信息。
在本实施例中，执行主体中可以设置有预设面部特征信息集合。该预设面部特征信息集合中包括预设面部特征信息。该预设面部特征信息例如可以包括多个面部特征图像。上述执行主体可以从预设面部特征信息集合中选择与所提取的面部特征标识对应的面部特征图像。
步骤404，确定目标用户的面部特征信息与所选择的面部特征信息之间的相似度是否小于预设阈值。
在本实施例中，上述执行主体根据与面部特征标识对应的目标用户的面部特征信息以及从预设面部特征信息集合中选择的目标用户的面部特征信息，确定二者之间的相似度是否小于预设阈值。
在本实施例中，上述执行主体可以利用特征脸的方法确定目标用户的面部特征值以及从预设面部特征信息集合中所选择的面部特征信息的面部特征值。在这里，从预设面部特征信息集合中所选择的面部特征信息为面部特征图像。
以特征脸的方法为例对该步骤进行阐述。首先将预设面部特征信息结合中的每一张面部特征图像按照像素数目转换成多维向量。然后，对转换成向量的面部特征图像进行平均值计算，得到平均人脸图像。而后，确定预设面部特征信息集合中与面部特征标识对应的面部特征图像和平均人脸图像之间的差值，并将该差值确定为与面部特征标识对应的面部特征图像的面部特征值。接着，将目标用户的面部图像按照像素数目转换成向量作为目标用户的面部特征值，并将该面部特征值与面部特征标识对应的面部特征图像的面部特征值进行欧式距离计算，同时将该欧式距离确定为目标用户的面部特征值与所选择的面部特征信息的面部特征值之间的差值。最后，确定该差值是否小于预设阈值。当该差值小于预设阈值时，则确定目标用户的面部特征信息与所选择的面部特征信息之间的相似度小于预设阈值；当该差值大于预设阈值时，则确定目标用户的面部特征信息与所选择的面部特征信息之间的相似度大于预设阈值。
步骤405，响应于相似度小于预设阈值，将面部图像输入至第一子面部图像处理模型中，得到面部图像对应的面部轮廓的面部轮廓修改信息。
在本实施例中，根据步骤404所确定的目标用户的面部特征信息与所选择的面部特征信息之间的相似度值。当目标用户的面部特征信息与所选择的面部特征信息之间的相似度值小于预设阈值时，上述执行主体可以将目标用户的面部图像输入至第一子面部图像处理模型中，得到目标用户的面部图像对应的面部轮廓的面部轮廓修改信息。在这里，该第一子面部图像处理模型用于表征面部图像与面部轮廓修改信息之间的对应关系。
作为一种实现方式，该第一子面部图像处理模型可以为记录有各种面部图像与面部轮廓修改信息之间的对应关系的列表，并将该列表作为第一子面部图像处理模型。上述执行主体获取到目标用户的面部图像后，可以将该目标用户的面部图像面部特征点与列表中的面部图像的面部特征点进行相似度计算。基于计算结果，选择与列表中的相似度值最大的面部图像对应的面部轮廓修改信息。在这里，该面部轮廓修改信息例如可以为修改下颌角度、修改颧骨高度等。
作为另一种实现方式，上述第一子面部图像处理模型可以通过以下步骤训练得到：
获取第一初始模型以及第一训练样本集合。在这里，该第一初始模型可以为卷积神经网络。该第一训练样本集合中包含多个面部图像样本以及与面部图像样本对应的面部轮廓修改信息样本。例如，面部图像中的下颌角度为195度时，该面部轮廓修改信息为将下颌角度修改为120度。接着，将每一个面部图像样本作为输入，与该面部图像样本对应的面部轮廓修改信息作为输出，对该第一初始模型进行训练，得到第一子面部图像处理模型。例如，可以将每一个面部图像样本作为卷积神经网络的输入，将面部轮廓修改信息作为输出，对卷积神经网络的各个卷积层进行训练，并将训练后的卷积神经网络作为第一子面部图像处理模型。
步骤406，将面部图像以及面部轮廓修改信息输入至第二子面部图像处理模型中，得到处理后的面部图像。
在本实施例中，面部图像处理模型还可以包括第二子面部图像处理模型。上述执行主体可以将目标用户的面部图像以及步骤405中得到的面部轮廓修改信息输入至第二子面部图像处理模型，得到处理后的面部图像。在这里，该第二面部图像处理模型用于表征面部图像以及面部轮廓修改信息二者与处理后的面部图像之间的对应关系。
第二子面部图像处理模型同样也可以为记录有各种面部图像、面部轮廓修改信息二者与处理后的面部图像之间的对应关系的列表，并将该列表作为第二子面部图像处理模型。上述执行主体可以从列表中选择与目标用户的面部图像以及与该面部图像对应的面部轮廓修改信息相同或相似的面部图像以及面部轮廓修改信息，并将该相同或相似的面部图像以及面部轮廓修改信息所对应的处理后的面部图像作为目标用户的处理后的面部图像。
作为另一种实现方式，上述第二子面部图像处理模型可以通过以下步骤训练得到：
获取第二初始模型以及第二训练样本集合。在这里，该第二初始模型可以为全卷积神经网络。该第二训练样本集合中包含多个面部图像样本、与面部图像样本对应的面部轮廓修改信息样本以及与面部图像样本对应的处理后的面部图像样本。接着，将每一个面部图像样本以及与面部图像样本对应的面部轮廓修改信息作为输入，与该面部图像样本对应的处理后的面部图像作为输出，对该第二初始模型进行训练，得到第二子面部图像处理模型。例如，可以将每二个面部图像样本、与面部图像样本对应的面部轮廓修改信息样本作为全卷积神经网络的输入，将处理后的面部图像作为输出，对全卷积神经网络的各个卷积层进行训练，并将训练后的全卷积神经网络作为第二子面部图像处理模型。
从图4中可以看出，与图2所示的实施例不同的是，本实施例突出了利用第一子面部图像处理模型以及第二子面部图像处理模型对目标用户的面部图像进行处理的步骤，从而进一步提高了对面部图像处理的效果。
进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种处理面部图像的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图5所示，本实施例的用于处理面部图像的500可以包括：获取单元501、提取单元502、选择单元503、确定单元504和生成单元505。其中，获取单元501配置用于获取目标用户的面部图像；提取单元502配置用于提取面部图像的至少一个面部特征信息，其中，至少一个面部特征信息中的每一个面部特征信息包括面部特征标识；选择单元503配置用于从预设面部特征信息集合中选择与所提取的面部特征标识对应的面部特征信息；确定单元504配置用于确定目标用户的面部特征信息与所选择的面部特征信息之间的相似度是否小于预设阈值；而生成单元505配置用于响应于相似度小于预设阈值，对面部图像进行处理，生成处理后的面部图像。
在本实施例中，用于处理面部图像的装置500中：获取单元501、提取单元502、选择单元503、确定单元504和生成单元505的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201、步骤202、步骤203、步骤204和步骤205的相关说明，在此不再赘述。
在本实施例的一些可选的实现方式中，面部特征信息包括面部轮廓点；以及确定单元504进一步配置用于：分别基于目标用户的面部轮廓点以及所选择的面部特征信息的面部轮廓点，确定目标用户的面部轮廓角度以及所选择的面部特征信息的面部轮廓角度；确定目标用户的面部轮廓角度与所选择的面部特征信息的面部轮廓角度之间的差值是否小于预设阈值。
在本实施例的一些可选的实现方式中，面部特征信息包括面部特征图像；以及确定单元504进一步配置用于：确定目标用户的面部图像的面部特征值与所选择的面部特征图像的面部特征值之间的差值是否小于预设阈值。
在本实施例的一些可选的实现方式中，生成单元505进一步配置用于：利用拍摄设备获取目标用户的位姿信息；确定目标用户的位姿在拍摄设备中的坐标；将坐标映射至屏幕中，建立坐标与屏幕坐标之间的对应关系；基于对应关系，将所选择的面部特征信息叠加至面部图像中；对叠加面部特征信息后的面部图像进行柔化处理，生成处理后的面部图像。
在本实施例的一些可选的实现方式中，生成单元505还包括：面部图像处理模型处理单元(未示出)，配置用于将面部图像输入至预先训练的面部图像处理模型中，得到处理后的面部图像，其中，面部图像处理模型用于表征面部图像与处理后的面部图像之间的对应关系。
在本实施例的一些可选的实现方式中，面部图像处理模型包括第一子面部图像处理模型以及第二子面部图像处理模型；以及面部图像处理模型处理单元(未示出)进一步配置用于：将面部图像输入至第一子面部图像处理模型中，得到面部图像对应的面部轮廓的面部轮廓修改信息，其中，第一子面部图像处理模型用于表征面部图像与面部轮廓修改信息之间的对应关系；将面部图像以及面部轮廓修改信息输入至第二子面部图像处理模型中，得到处理后的面部图像，其中，第二子面部图像处理模型用于表征面部图像以及面部轮廓修改信息二者与处理后的面部图像之间的对应关系。
下面参考图6，其示出了适于用来实现本申请实施例的电子设备的计算机系统600的结构示意图。图6示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示，计算机系统600包括中央处理单元(cpu)601，其可以根据存储在只读存储器(rom)602中的程序或者从存储部分608加载到随机访问存储器(ram)603中的程序而执行各种适当的动作和处理。在ram603中，还存储有系统600操作所需的各种程序和数据。cpu601、rom602以及ram603通过总线604彼此相连。输入/输出(i/o)接口605也连接至总线604。
以下部件连接至i/o接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至i/o接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地，根据本公开的实施例，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。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(cpu)601执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请所述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、或半导体的系统、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。在本申请中，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系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的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。计算机可读的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，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、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：无线、电线、光缆、rf等等，或者上述的任意合适的组合。
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申请的操作的计算机程序代码，所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++、python，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，图示了按照本申请各种实施例的系统、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系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到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：一种处理器包括获取单元、提取单元、选择单元、确定单元和生成单元。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，获取单元还可以被描述为“获取目标用户的面部图像的单元”。
作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的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：获取目标用户的面部图像；提取面部图像的至少一个面部特征信息，其中，至少一个面部特征信息中的每一个面部特征信息包括面部特征标识；从预设面部特征信息集合中选择与所提取的面部特征标识对应的面部特征信息；确定目标用户的面部特征信息与所选择的面部特征信息之间的相似度是否小于预设阈值；响应于相似度小于预设阈值，对面部图像进行处理，生成处理后的面部图像。
以上描述仅为本申请的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，本申请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。例如上述特征与本申请中公开的(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。