的数值范围。其中，该预设姿态判定模型可以通过采用预设训练算法对多个姿态偏转角度下的样本人脸进行训练得到。该预设训练算法可以为SVM(Support Vector Machine，支持向量机)算法或者其他算法，本实施例对此不做限定。
[0106]2022、根据当前的至少一个变换参数，对该通用三维人脸模型进行变换，得到变换后的三维人脸模型，根据当前的偏转角度参数，对该变换后的三维人脸模型进行投影，得到与当前的偏转角度参数对应的测试人脸图像。
[0107]确定至少一个变换参数之后，该图像处理装置即可根据该至少一个变换参数，对该通用三维人脸模型进行变换，得到变换后的三维人脸模型，变换后的三维人脸模型中包括各个偏转角度下的人脸数据，根据每个偏转角度，对该三维人脸模型进行投影，均可获取到对应的人脸图像。该图像处理装置可以根据当前的偏转角度参数，对该变换后的三维人脸模型进行投影，得到与当前的偏转角度参数对应的测试人脸图像。
[0108]例如，该通用三维人脸模型为6(11，12-^-1，7)，该至少一个变换参数为[&1，&^..ambhb为偏转角度参数。其中η为该通用三维人脸模型的维度数目，前η个维度分别对应于除偏转角度参数以外的η个变换参数，第η个维度对应于偏转角度参数维度，则该图像处理装置根据该至少一个变换参数，对该通用三维模型进行变换，变换后的三维人脸模型为G(am，a2X2，by)，即为偏转角度参数为b时的三维人脸模型，对该三维人脸模型进行投影，可以得到测试人脸图像。而且，另偏转角度参数为任意值c时，也可以得到对应的三维人脸模型6(&1?咖2^^1，(^)，进行投影也可以得到偏转角度参数(3对应的测试人脸图像。
[0109]2023、如果当前得到的测试人脸图像与该原始人脸图像不满足预设条件，则对该至少一个变换参数进行调整，基于调整后的至少一个变换参数继续执行上述步骤2022，获取测试人脸图像，直至获取到的测试人脸图像与该原始人脸图像满足该预设条件时，将当前变换得到的三维人脸模型确定为该指定三维人脸模型，并将当前的偏转角度参数确定为该原始人脸图像的姿态偏转角度。
[0110]实际应用中，如果当前变换得到的三维人脸模型为该原始人脸图像对应的三维人脸模型，则根据当前的偏转角度参数对该三维人脸模型进行投影后得到的人脸图像应当与该原始人脸图像相同。
[0111]为此，该图像处理装置可以设定测试人脸图像与该原始人脸图像应当满足的预设条件，在得到测试人脸图像时，判断该测试人脸图像与该原始人脸图像是否满足该预设条件。
[0112]如果满足该预设条件，即可确定当前变换得到的三维人脸模型即为该原始人脸图像对应的三维人脸模型，当前的偏转角度参数即为该原始人脸图像的姿态偏转角度，则将该三维人脸模型作为指定三维人脸模型，将该偏转角度参数作为原始人脸图像姿态偏转角度。
[0113]而如果不满足该预设条件，可以确定当前变换得到的三维人脸模型不是该原始人脸图像对应的三维人脸模型，则该图像处理装置可以对该至少一个变换参数进行调整，基于调整后的至少一个变换参数，继续执行上述步骤2022，获取测试人脸图像，判断该测试人脸图像与该原始人脸图像是否满足预设条件，直至获取到的测试人脸图像与该原始人脸图像满足该预设条件时为止，将当前变换得到的三维人脸模型作为指定三维人脸模型，将当前的偏转角度参数作为原始人脸图像姿态偏转角度。
[0114]本实施例中，该预设条件可以为该测试人脸图像与该原始人脸图像之间的误差小于预设阈值，该预设阈值可以根据对指定三维人脸模型的精确度需求确定。
[0115]相应地，该步骤2023可以包括以下步骤3A:
[0116]3A、图像处理装置获取该测试人脸图像与该原始人脸图像之间的误差，判断该误差是否小于该预设阈值。如果该误差小于该预设阈值，则根据该误差对该至少一个变换参数进行调整，基于调整后的至少一个变换参数继续获取当前得到的测试人脸图像与该原始人脸图像之间的误差，直至获取到的误差小于该预设阈值时，将当前变换得到的三维人脸模型确定为该指定三维人脸模型，并将当前的偏转角度参数确定为该原始人脸图像的姿态偏转角度。
[0117]其中，获取该测试人脸图像与该原始人脸图像之间的误差可以包括:获取该原始人脸图像中的多个图像特征点，并在该测试人脸图像中的相同位置，获取多个测试特征点，根据该多个图像特征点和该多个测试特征点，计算该测试人脸图像与该原始人脸图像之间的纹理误差。
[0118]例如，该图像处理装置可以对该原始人脸图像进行特征点定位，得到多个图像特征点，并在测试人脸图像中，与该多个图像特征点的位置相同的位置处，获取多个测试特征点，根据该多个图像特征点，将该原始人脸图像划分为多个第一图像区域，并根据该多个测试特征点，将该测试人脸图像划分为多个第二图像区域，分别计算每个第一图像区域与对应的第二图像区域之间的纹理误差，得到多个纹理误差，判断每个纹理误差是否小于预设阈值。
[0119]在划分图像区域时，该图像处理装置可以根据多个特征点中相邻的三个特征点将原始人脸图像和测试人脸图像划分为多个三角形区域，或者根据多个特征点中相邻的四个特征点，将原始人脸图像和测试人脸图像划分为多个四边形区域，本实施例对划分的图像区域的形状不做限定。
[0120]且，图像处理装置可以仅在多个纹理误差中的每个纹理误差均小于该预设阈值时确定该测试人脸图像与该原始人脸图像满足预设条件，也可以在多个纹理误差中的任一纹理误差小于该预设阈值时确定该测试人脸图像与该原始人脸图像满足预设条件，本实施例对此不做限定。
[0121]另外，该预设条件也可以为该测试人脸图像与该原始人脸图像的相似度大于预设相似度，该预设相似度可以根据对指定三维人脸模型的精确度需求确定。该图像处理装置可以获取该测试人脸图像与该原始人脸图像的相似度，判断该相似度是否大于该预设相似度，从而确定该测试人脸图像与该原始人脸图像是否满足预设条件，以便获取指定三维人脸模型和原始人脸图像的姿态偏转角度，具体过程与步骤3A类似，在此不再赘述。
[0122]本实施例中，该图像处理装置还可以根据该通用三维人脸模型，采用梯度下降算法或者其他算法，对至少一个变换参数进行调整训练，以确定该指定三维人脸模型和该原始人脸图像的姿态偏转角度，本实施例对所采用的训练算法不做限定。
[0123]在步骤203中，如果该姿态偏转角度大于预设角度，则图像处理装置根据该指定三维人脸模型，获取与该原始人脸图像对应的正面人脸图像。
[0124]其中，该预设角度可以根据对轮廓点定位的精确度需求确定，可以为0°、30°或者其他数值，本实施例对此不做限定。
[0125]图像处理装置确定该原始人脸图像的姿态偏转角度后，判断该姿态偏转角度是否大于预设角度。其中，当姿态偏转角度所属的预设数值范围为[0°，360°]时，姿态偏转角度大于预设角度是指姿态偏转角度本身大于该预设角度，而当姿态偏转角度所属的预设数值范围为[-180°，180°]时，姿态偏转角度大于预设角度是指姿态偏转角度的绝对值大于该预设角度。
[0126]如果该姿态偏转角度大于该预设角度，表示原始人脸图像的姿态过大，直接进行轮廓点定位会导致定位不准确，则该图像处理装置根据该指定三维人脸模型，将该指定三维人脸模型投影至正面方向，得到与该原始人脸图像对应的正面人脸图像。也即是，将该指定三维人脸模型的偏转角度参数设置为0°，得到处于正面姿态的指定三维人脸模型，再对处于正面姿态的指定三维人脸模型进行投影，得到正面人脸图像。
[0127]在步骤204中，图像处理装置对该正面人脸图像进行轮廓点定位，得到多个正面轮廓点，根据该姿态偏转角度，将得到的多个正面轮廓点映射到该原始人脸图像上，得到多个轮廓点。
[0128]图像处理装置可以采用预设定位算法，对该正面人脸图像进行轮廓点定位，得到多个正面轮廓点。该预设定位算法可以为SDM、ASM或者AAM算法等，本实施例对此不做限定。
[0129]之后，图像处理装置可以根据多个正面轮廓点的坐标数据以及该原始人脸图像的姿态偏转角度，将每个正面轮廓点映射到该姿态偏转角度所对应的方向，即映射到该原始人脸图像上，即可确定该原始人脸图像中的多个轮廓点，实现轮廓点定位。
[0130]在本实施例提供的另一实施例中，上述步骤203-204可以由以下步骤代替:如果该姿态偏转角度不大于该预设角度，该图像处理装置直接对该原始人脸图像进行定位，得到多个轮廓点。
[0131]该姿态偏转角度不大于该预设角度时，表示原始人脸图像的姿态不大，直接进行轮廓点定位不会影响定位准确度，则该图像处理装置可以直接对该原始人脸图像进行定位，得到多个轮廓点。
[0132]例如，参见图2B，图像处理装置获取到右转90°姿态下的原始人脸图像，直接对原始人脸图像进行轮廓点定位可能会不准确，则该图像处理装置获取原始人脸图像对应的指定三维人脸模型，将该指定三维人脸模型投影至正面方向，得到如图2C所示的正面人脸图像，对正面人脸图像进行轮廓点定位后，得到图2C所示的轮廓点，将这些轮廓点映射至原始人脸图像中，可以得到图2B所示的轮廓点。
[0133]需要说明的是，本实施例仅以对一个原始人脸图像进行轮廓点定位为例进行说明，而在实际应用中，可以采用本实施例提供的方法，对多个人脸图像进行轮廓点定位。尤其是，可以对视频中的每一帧人脸图像的轮廓点进行跟踪定位，避免了人脸姿态过大而导致的定位失败的问题。
[0134]相关技术中通常采用仿射变换对图像进行处理，该仿射变换主要针对于二维图像，可以包括对图像进行平移、缩放、旋转、分割等处理方式。但仿射变换无法将未处于正面姿态的人脸图像调整为正面人脸图像，因此也无法进行后续的轮廓点定位或人脸识别等操作。而本实施例中，利用预先训练的通用三维人脸模型，获