七特征值-第七负样本特征值）/(第七正样本特征值-第七负样本特征值)。
[0106] 作为一种可选的实施方式，如图2 (h)所示，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，计算嘴巴的左嘴角与右嘴角的中心距离，即特征 点46与特征点52之间的长度，得到嘴角中心宽度值，记为L1。如图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，如图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，计算左右眼睛的中心距离，可先分别计算左 眼睛、有眼睛的中心位置，即可通过特征点17与特征点21得到左眼睛的中心位置01，可通 过特征点25与特征点29得到右眼睛的中心位置02, 01与02的距离记为左右眼睛的中心 距离，记为L2,则第七特征值为D07=L1/L2。小嘴巴图像对应的第七正样本特征值P71，大嘴 巴图像对应的第七负样本特征值P72,则嘴巴特征值T07= (D07-P72)/ (P71-P72)。
[0107] 可选的，小嘴巴图像对应的第七正样本特征值P71的计算方法与第七特征值为 D07的计算方法相同，大嘴巴图像对应的第七负样本特征值P72的计算方法与第七特征值 为D07的计算方法相同，不再重复。
[0108] 进一步可选的，还可以计算三停均匀对应的第八特征值，如图2所示，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，计算两眼内眼角的中心位置，可通 过特征点21与特征点29得到内眼角的中心位置03。如图2(g)所示，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，计算内眼角的中心位置03与鼻尖点即特 征点33之间的距离，记为L3。如图2 (h)所示，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，计算图2(g)中特征点33与图2 (h)中的下嘴唇上沿中点即特 征点60之间的距离，记为L4。如图2 (b)所示，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，计算图2 (h)中的下嘴唇上沿中点即特征点60与图2 (b) 中下巴最低点即特征点78之间的距离，记为L5。则第八特征值D08为L3、L4以及L5的方 差，￡>08 = [(/3 -Z：)2 + (L4 -Z：)2 + (L5 -Z：)2 ] / 3，其中，Z： =(ZJ十M十L5) / 3。三停均匀图像对 应的第八正样本特征值P81，三停不均匀图像对应的第八负样本特征值P82,则三停均匀特 征值T08= (D08-P82)/ (P81-P82)。
[0109] 可选的，三停均匀图像对应的第八正样本特征值P81的计算方法与第八特征值 D08的计算方法相同，三停不均匀图像对应的第八负样本特征值P82的计算方法与第八特 征值D08的计算方法相同，不再重复。
[0110] 进一步可选的，还可以计算脸胖瘦对应的第九特征值，如图2所示，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，计算特征点68、特征点 88与特征点78的夹角（以特征点78为顶点)，记为a，则第九特征值为D09=a，脸瘦图像对 应的第九正样本特征值P91，脸胖图像对应的第九负样本特征值P92,则脸胖瘦特征值T09= (D09-P92)/ (P91-P92)。
[0111] 可选的，脸瘦图像对应的第九正样本特征值P91的计算方法与第九特征值D09的 计算方法相同，脸胖图像对应的第九负样本特征值P92与第九特征值D09的计算方法相同， 不再重复。
[0112] 进一步可选的，上述计算得到人脸图像的目标特征值包括：眼睛特征值T01、眉毛 特征值T02、鼻子特征值T03、瞳孔特征值T04、皮肤白皙特征值T05、皮肤光滑特征值T06和 嘴巴特征值T07,进一步可选的，目标特征值还可以包括三停均匀特征值T08和脸胖瘦特征 值T09。其中，上述计算得到的目标特征值的绝对值在0与1之间，越接近0,则与负样本特 征值越接近，越接近1，则与正样本特征值越接近。具体的，例如，若眼睛特征值为负数，则人 脸图像中的眼睛比大眼睛正样本图像的眼睛还大。
[0113] 作为一种可选的实施方式，可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，其中，预设的加权策略包括：根据人像图像的性别从目标特征值中 的眼睛特征值、瞳孔特征值、眉毛特征值、鼻子特征值、嘴巴特征值、皮肤白皙特征值、皮肤 光滑特征值中确定加权项。预设的加权策略例如下表所示，其中，y表示为对应该性别的人 脸图像选择该加权项，n表示对应该性别的人脸图像不选择该加权项。
[0114]
【主权项】
1. 一种人脸图像的处理方法，其特征在于，所述方法包括： 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； 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； 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。
2. 如权利要求1所述的方法，其特征在于，所述目标特征值的计算式子为；（所述预设 人脸元素的特征值-所述负样本特征值）/(所述正样本特征值-所述负样本特征值)。
3. 如权利要求2所述的方法，其特征在于，所述预设人脸元素包括；左眼睛、右眼睛、左 眉毛、右眉毛、鼻子、嘴己和人脸边缘； 所述目标特征值包括：眼睛特征值、瞳孔特征值、眉毛特征值、鼻子特征值、嘴己特征 值、皮肤白暂特征值或皮肤光滑特征值。
4. 如权利要求3所述的方法，其特征在于，所述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，包括： 根据所述预设人脸元素的多个特征点分别计算所述左眼睛的特征区域面积、所述右眼 睛的特征区域面积和所述人脸边缘的特征区域面积； 比较所述左眼睛的特征区域面积和所述右眼睛的特征区域面积，将特征区域面积大的 左眼睛/右眼睛确定为目标眼睛； 计算所述目标眼睛对应的特征区域面积与所述人脸边缘的特征区域面积的比值，得到 第一特征值； 所述预设人脸元素对应的正/负样本图像的正/负样本特征值包括；大眼睛图像对应 的第一正样本特征值和小眼睛图像对应的第一负样本特征值； 所述眼睛特征值的计算式子为：(所述第一特征值-所述第一负样本特征值)/(所述第 一正样本特征值-所述第一负样本特征值)。
5. 如权利要求3所述的方法，其特征在于，所述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，包括： 根据所述预设人脸元素的多个特征点分别计算所述左眉毛的特征区域面积、所述右眉 毛的特征区域面积和所述人脸边缘的特征区域面积； 比较所述左眉毛的特征区域面积和所述右眉毛的特征区域面积，将特征区域面积大的 左眉毛/右眉毛确定为目标眉毛； 计算所述目标眉毛对应的特征区域面积与所述人脸边缘的特征区域面积的比值，得到 第二特征值； 所述预设人脸元素对应的正/负样本图像的正/负样本特征值包括；粗眉毛图像对应 的第二正样本特征值和细眉毛图像对应的第二负样本特征值； 所述眉毛特征值的计算式子为：(所述第二特征值-所述第二负样本特征值)/(所述第 二正样本特征值-所述第二负样本特征值)。
6. 如权利要求3所述的方法，其特征在于，所述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，包括： 根据所述预设人脸元素的多个特征点分别计算所述鼻子特征区域面积和所述人脸边 缘的特征区域面积； 计算所述鼻子特征区域面积与所述人脸边缘的特征区域面积的比值，得到第H特征 值； 所述预设人脸元素对应的正/负样本图像的正/负样本特征值包括：大鼻子图像对应 的第H正样本特征值和小鼻子图像对应的第H负样本特征值； 所述鼻子特征值的计算式子为；(所述第H特征值-所述第H负样本特征值)/(所述第 H正样本特征值-所述第H负样本特征值)。
7. 如权利要求3所述的方法，其特征在于，所述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，包括： 根据所述预设人脸元素的多个特征点分别计算所述左眼睛的特征区域面积和所述右 眼睛的特征区域面积； 比较所述左眼睛的特征区域面积和所述右眼睛的特征区域面积，将特征区域面积大的 左眼睛/右眼睛确定为目标眼睛； 根据所述预设人脸元素的多个特征点获取所述目标眼睛的灰度值和所述目标眼睛对 应的瞳孔的灰度值，并计算所述瞳孔的灰度值与所述目标眼睛的灰度值的比值，得到第四 特征值； 所述预设人脸元素对应的正/负样本图像的正/负样本特征值包括：大瞳孔图像对应 的第四正样本特征值和小瞳孔图像对应的第四负样本特征值； 所述瞳孔特征值的计算式子为：(所述第四特征值-所述第四负样本特征值)/(所述第 四正样本特征值-所述第四负样本特征值)。
8. 如权利要求3所述的方法，其特征在于，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，包括： 根据所述预设人脸元素的多个特征点获取皮肤特征区域； 获取所述皮肤特征区域的平均灰度值，得到第五特征值； 所述预设人脸元素对应的正/负样本图像的正/负样本特征值包括：皮肤白图像对应 的第五正样本特征值和皮肤黑图像对应的第五负样本特征值； 所述皮肤白暂特征值的计算式子为：(所述第五特征值-所述第五负样本特征值)/(所 述第五正样本特征值-所述第五负样本特征值)。
9. 如权利要求3所述的方法，其特征在于，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，包括： 根据所述预设人脸元素的多个特征点获取边缘特征区域； 获取所述边缘特征区域的平均灰度值，得到第六特征值；