一种人脸图像的处理方法及装置的制造方法
【技术领域】
[0001] 本发明涉及计算机图像处理领域，尤其涉及一种人脸图像的处理方法及装置。
【背景技术】
[0002] 随着数码相机、智能手机、摄像头等可拍摄终端的普及，用户对拍摄终端拍摄到的 照片的需求不再局限于记录照片，还在于编辑照片，例如，对于人脸图像，用户可进行美白、 磨皮等编辑操作，进而美化人脸图像。人脸识别技术的不断发展，使得人脸图像的编辑更加 灵活，可将人脸图像与设定的人脸模型进行匹配，例如明星脸等。
[0003] 现有技术中，用户对人脸图像的美貌度进行评价，可通过人脸识别技术得到人脸 图像中例如眼睛、鼻子、嘴唇等元素的中心位置点，再以此中心位置点计算各元素之间的距 离比例，例如眼睛到鼻子的距离与鼻子到嘴唇的距离的比值等，再分别计算与人脸美学标 准值的偏差，进而进行人脸图像美貌度的评价。现有技术中，对人脸图像中各元素的位置定 位为一个点，计算精度低，再计算各点之间的距离的比值，再分别计算与人脸美学标准值的 偏差，计算维度较为粗略，降低了对人脸图像的美貌度评价的精准度以及灵活性。
【发明内容】
[0004] 本发明实施例提供一种人脸图像的处理方法及装置。可计算预设人脸元素的特征 值与对应的正/负样本特征值的偏差值，再进行加权得到人脸图像处理结果，提高了人像 处理的精度和对人脸图像的美貌度评价的灵活性。
[0005] 本发明第一方面提供一种人脸图像的处理方法，可包括：
[0006] 获取人像图像中预设人脸元素的多个特征点，并根据所述获取到的预设人脸元素 的多个特征点计算所述预设人脸元素的特征值；
[0007] 获取与所述预设人脸元素对应的正/负样本图像的正/负样本特征值，并计算所 述预设人脸元素的特征值与所述正/负样本特征值的偏差值，得到目标特征值；
[0008] 根据预设的加权策略对所述目标特征值进行加权，确定人脸图像处理结果，并在 显示屏幕显示所述人脸图像处理结果。
[0009] 本发明第二方面提供一种人脸图像的处理装置，可包括：
[0010] 人脸元素处理模块，用于获取人像图像中预设人脸元素的多个特征点，并根据所 述获取到的预设人脸元素的多个特征点计算所述预设人脸元素的特征值；
[0011] 特征值处理模块，用于获取与所述预设人脸元素对应的正/负样本图像的正/负 样本特征值，并计算所述预设人脸元素的特征值与所述正/负样本特征值的偏差值，得到 目标特征值；
[0012] 图像结果处理模块，用于根据预设的加权策略对所述目标特征值进行加权，确定 人脸图像处理结果，并在显示屏幕显示所述人脸图像处理结果。
[0013] 实施本发明实施例，具有如下有益效果：
[0014] 本发明实施例可根据预设人脸元素的多个特征点计算预设人脸元素的特征值，计 算预设人脸元素的特征值与正/负样本特征值的偏差值，根据预设的加权策略进行加权得 到人脸图像处理结果，并在显示屏幕显示人脸图像处理结果，提高了人像处理的精度和对 人脸图像的美貌度评价的灵活性。
【附图说明】
[0015] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现 有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本 发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以 根据这些附图获得其他的附图。
[0016] 图1为本发明实施例提供的一种人脸图像的处理方法的流程图；
[0017] 图2为本发明实施例提供的人脸图像的特征点的示意图；
[0018] 图3为本发明实施例提供的一种人脸图像的处理装置的结构示意图；
[0019] 图4为本发明实施例提供的人脸元素处理模块的结构示意图。
【具体实施方式】
[0020] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完 整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于 本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他 实施例，都属于本发明保护的范围。
[0021] 本发明实施例中，人脸图像的处理装置包括但不局限于：数码相机、摄像机、智能 手机、平板电脑、个人数字助理（PDA,PersonalDigitalAssistant,又名掌上电脑）等可拍 摄终端设备，人脸图像的处理装置还可以为拍摄终端设备中的客户端模块，例如：图像处理 客户端等。人脸图像可以为通过可拍摄终端设备进行拍摄得到的包括人脸的图像，或者通 过其他途径(例如绘制等）获取到的包括人脸的图像，也可以为经过终端设备识别到的包括 人脸的图像，具体的，人脸图像的处理装置识别到包括人脸的图像的过程可以包括：
[0022] (1)通过人脸检测系统的离线训练模块采集大量(万级以上）的人脸图像与非人脸 图像，分别提取haar(哈尔)特征，通过自适应boosting(-种提高弱分类算法准确度的方 法）分类器挑选最佳的haar特征及相应的阈值和权重组合成级联强分类器。
[0023] (2)输入一张图像，对图像进行解码，将解码后的图像数据发送到人脸检测系统。
[0024] (3)人脸检测系统的在线分类模块对解码后的图像数据以不同大小和位置的窗 口进行多尺度空间搜索并提取haar特征，将每个搜索窗口的特征输入级联强分类器判断 窗口内是否包含人脸图像，最后合并所有的判别结果，将人脸位置和大小输出，得到人脸图 像。
[0025] 本发明实施例提供一种人脸图像的处理方法及装置，可根据预设人脸元素的多个 特征点计算预设人脸元素的特征值，计算预设人脸元素的特征值与正/负样本特征值的偏 差值，根据预设的加权策略进行加权得到人脸图像处理结果，并在显示屏幕显示人脸图像 处理结果，提高了人像处理的精度和对人脸图像的美貌度评价的灵活性。例如，本发明实施 例的人脸图像的处理方法可以应用于对照片中的人脸进行评分等等。
[0026] 下面将结合附图1-附图2,对本发明实施例提供的人脸图像的处理方法进行详细 介绍。
[0027] 请参见图1，为本发明实施例提供的一种人脸图像的处理方法的流程图；该方法 可包括以下步骤：SlOl~S103。
[0028]S101，获取人像图像中预设人脸元素的多个特征点，并根据获取到的预设人脸元 素的多个特征点计算预设人脸元素的特征值。
[0029] 作为一种可选的实施方式，步骤SlOl中，获取人像图像中预设人脸元素的多个特 征点，其中，预设人脸元素包括但不局限于：左眼睛、右眼睛、左眉毛、右眉毛、鼻子、嘴巴和 人脸边缘。
[0030] 作为一种可选的实施方式，预设人脸元素的多个特征点可以为通过预设的人脸匹 配模板对人脸图像中的预设人脸元素进行处理得到的多个特征点，其中，预设的人脸匹配 模板为通过现有技术中的主动形状模型（ASM,ActiveShapeModel)实现。
[0031]ASM(主动形状模型）建立在PDM(PointDistributionModel，点分布模型）基础 上，通过训练图像样本获取训练图像样本的特征点分布的统计信息，且获取特征点允许存 在的变化方向，实现在目标图像上寻找对应的特征点的位置。对于训练样本，需手动标记所 有特征点的位置，记录特征点的坐标，并计算每一个特征点对应的局部灰度模型作为局部 特征点调整用的特征向量。将训练好的模型放在目标图像上，寻找每一个特征点的下一个 位置时，采用局部灰度模型寻找在当前特征点指定方向上局部灰度模型马氏距离最小的特 征点作为当前特征点即将移动到的位置，称为suggestedpoint(建议特征点)，找到所有的 suggestedpoints就可以获得一个搜索的suggestedshape(建议形状)，然后将当前的模 型通过调整参数使得当前的模型最可能相似的调整到suggestshape，重复迭代直到实现 收敛。本发明实施例中人脸图像为目标图像，进而通过预设的人脸匹配模板对人脸图像中 的预设人脸元素进行处理得到的多个特征点。
[0032] 作为一种可选的实施方式，人像图像中预设人脸元素的特征点的个数可以为预设 的数量，例如总共88个、99个、155个等，具体特征点的数量与预设的人脸匹配模板中采取 的训练图像样本相关，若预设的人脸匹配模板中采取的训练图像样本中的特征点总共为88 个，则人像图像中预设人脸元素的特征点的个数总共也为88个，具体的，特征点的数量越 多图像处理越精确。
[0033] 作为一种可选的实施方式，如图2所示，为本发明实施例提供的人脸图像的特征 点的示意图，图2 (a)为人脸图像全部特征点示意图，该人脸图像中共包括88个特征点，图 2 (b)为人脸边缘的特征点示意图，包括特征点68~特征点88共21个特征点，图2 (c) 为左眉毛的特征点示意图，包括特征点1~特征点8共8个特征点，图2 (d)为右眉毛的特 征点示意图，包括特征点9~特征点16共8个特征点，图2 (e)为左眼睛的特征点示意图， 包括特征点17~特征点24共8个特征点，图2 (f)为右眼睛的特征点示意图,包括特征点 25~特征点32共8个特征点，图2(g)为鼻子的特征点示意图，包括特征点33~特征点 45共13个特征点，图2 (h)为嘴巴的特征点示意图，包括特征点46~特征点67共22个特 征点。
[0034] 作为一种可选的实施方式，步骤SlOl中，根据获取到的预设人脸元素的多个特征 点计算预设人脸元素的特征值，具体的，根据预设人脸元素的多个特征点可以计算对应的 面积、灰度值等，例如，如图2 (c)所示，为左眉毛的特征点示意图，包括特征点1~特征点8 共8个特征点，以特征点8为顶点，分别与特征点1~7中的两特征点构成三角形，计算各 个三角形的面积，再求和，得到左眉毛