[发明专利]用于输出数据的方法和装置在审
申请号: | 201810875904.7 | 申请日: | 2018-08-03 |
公开(公告)号: | CN109086719A | 公开(公告)日: | 2018-12-25 |
发明(设计)人: | 何茜 | 申请(专利权)人: | 北京字节跳动网络技术有限公司 |
主分类号: | G06K9/00 | 分类号: | G06K9/00 |
代理公司: | 北京英赛嘉华知识产权代理有限责任公司 11204 | 代理人: | 王达佐;马晓亚 |
地址: | 100041 北京市石景山区*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 人眼 人脸 点数据 人眼特征 方法和装置 大小识别 输出数据 集合 表征目标 人脸图像 外形特征 关键点 有效地 输出 申请 | ||
本申请实施例公开了用于输出数据的方法和装置。该方法的一具体实施方式包括:获取人脸关键点数据集合,其中,人脸关键点数据用于表征目标人脸图像中的人脸关键点的位置;基于人脸关键点数据集合,确定用于表征人眼的外形特征的人眼特征数据;将人眼特征数据输入预先训练的人眼大小识别模型,得到表征人眼大小程度的程度值,以及输出程度值,其中,人眼大小识别模型用于表征人眼特征数据与程度值的对应关系。该实施方式有效地利用了人脸关键点数据来确定人眼的大小程度,提高了对人眼的大小进行识别的准确性。
技术领域
本申请实施例涉及计算机技术领域,具体涉及用于输出数据的方法和装置。
背景技术
随着计算机技术的发展,目前,出现了很多图像处理类的应用。这些应用可以对拍摄的人脸图像进行变形、调色等处理。例如,一些图像处理应用可以从人的脸部图像中,识别出眼睛图像,并对眼睛图像进行放大。
发明内容
本申请实施例提出了用于输出数据的方法和装置。
第一方面,本申请实施例提供了一种用于输出数据的方法,该方法包括:获取人脸关键点数据集合,其中,人脸关键点数据用于表征目标人脸图像中的人脸关键点的位置;基于人脸关键点数据集合,确定用于表征人眼的外形特征的人眼特征数据;将人眼特征数据输入预先训练的人眼大小识别模型,得到表征人眼大小程度的程度值,以及输出程度值,其中,人眼大小识别模型用于表征人眼特征数据与程度值的对应关系。
在一些实施例中,获取人脸关键点数据集合,包括:获取目标人脸图像;将目标人脸图像输入预先训练的人脸关键点提取模型,得到人脸关键点数据集合,其中,人脸关键点提取模型用于表征人脸图像和人脸关键点数据集合的对应关系。
在一些实施例中,基于人脸关键点数据集合,确定用于表征人眼的外形特征的人眼特征数据,包括:从人脸关键点数据集合中提取表征人眼区域的人脸关键点数据作为人眼关键点数据,以及基于人眼关键点数据,确定至少两个距离值,其中,距离值用于表征两个人眼关键点数据分别指示的人眼关键点的距离;基于至少两个距离值,确定至少一个距离比值作为人眼特征数据。
在一些实施例中,在输出程度值之后,该方法还包括:基于程度值,确定用于将目标人脸图像中的人眼图像进行放大的放大系数,以及输出放大系数。
在一些实施例中,人眼大小识别模型通过如下步骤训练得到:获取训练样本集合,其中,训练样本包括用于表征训练样本指示的人眼的外形特征的样本人眼特征数据,以及对样本人眼特征数据进行标注的、表征训练样本指示的人眼的大小程度的标注程度值,样本人眼特征数据是预先基于训练样本对应的人脸关键点数据集合所确定的;利用机器学习方法,将所确定的样本人眼特征数据作为输入,将与输入的样本人眼特征数据对应的标注程度值作为期望输出,训练得到人眼大小识别模型。
在一些实施例中,训练样本包括的标注程度值表征样本人眼特征数据指示的人眼的大小为大或中等或小。
第二方面,本申请实施例提供了一种用于输出数据的装置,该装置包括:获取单元,被配置成获取人脸关键点数据集合,其中,人脸关键点数据用于表征目标人脸图像中的人脸关键点的位置;第一确定单元,被配置成基于人脸关键点数据集合,确定用于表征人眼的外形特征的人眼特征数据;识别单元,被配置成将人眼特征数据输入预先训练的人眼大小识别模型,得到表征人眼大小程度的程度值,以及输出程度值,其中,人眼大小识别模型用于表征人眼特征数据与程度值的对应关系。
在一些实施例中,获取单元包括:获取模块,被配置成获取目标人脸图像;提取模块,被配置成将目标人脸图像输入预先训练的人脸关键点提取模型,得到人脸关键点数据集合,其中,人脸关键点提取模型用于表征人脸图像和人脸关键点数据集合的对应关系。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京字节跳动网络技术有限公司,未经北京字节跳动网络技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810875904.7/2.html,转载请声明来源钻瓜专利网。