[发明专利]一种图片处理方法和装置

权利要求书

1.一种图片处理方法，其特征在于，该方法包括：

获取图片中的人脸图像；

提取人脸图像中人脸的面部特征数据；

使用面部特征数据与预设人脸特征分量进行比较，确定人脸图像中是否存在被遮挡面部特征；

当确定人脸图像中存在被遮挡的面部特征时，使用预设的深度学习网络模型确定图片中每个人脸的边界信息；

根据被遮挡面部特征的人脸的边界信息，以及与被遮挡面部特征的人脸相邻的人脸的边界信息，确定被遮挡面部特征的人脸可调整的区域；

在可调整的区域内对被遮挡面部特征的人脸图像进行修复，生成处理后的图片。

2.根据权利要求1所述的方法，其特征在于，

面部特征数据包括：人脸图像中未被遮挡的面部特征对应的特征点；

预设人脸特征分量包括：面部特征对应的特征点，以及特征点间的几何关系。

3.根据权利要求1所述的方法，其特征在于，所述预设的深度学习网络模型的建立，包括：

获取多张多人合拍的图片，以及每张图片中每个人对应的位置信息作为样本数据；

训练初始深度学习网络模型，得到预设的深度学习网络模型。

4.根据权利要求1所述的方法，其特征在于，所述对被遮挡面部特征的人脸图像进行修复，包括：

针对一人脸图像，当被遮挡的面部特征与未被遮挡的面部特征之间存在对称关系时，提取未被遮挡的面部特征的内外轮廓；

确定面部特征的轮廓的缺失点；

根据对称性，确定内外轮廓的关键点，进行内外轮廓的重构；

并对重构的图像进行色彩、纹理、平滑性处理，生成完整面部特征的人脸图像。

5.根据权利要求1所述的方法，其特征在于，所述对被遮挡面部特征的人脸图像进行修复，包括：

针对一人脸图像，当被遮挡的面部特征为人脸下部的面部特征时，使用预设的深度生成模型生成完整面部特征的人脸图像，其中，所述预设的深度生成模型为根据人脸轮廓特征构建的局部生成模型。

6.根据权利要求1-5任一项所述的方法，其特征在于，所述方法进一步包括：

处理图片时，保留一张原图。

7.一种图片处理装置，其特征在于，该装置包括：获取单元、提取单元、第一确定单元、第二确定单元和修复单元；

所述获取单元，用于获取图片中的人脸图像；

所述提取单元，用于提取所述获取单元获取的人脸图像中人脸的面部特征数据；

所述第一确定单元，用于使用所述提取单元提取的面部特征数据与预设人脸特征分量进行比较，确定人脸图像中是否存在被遮挡面部特征；

所述第二确定单元，用于当所述第一确定单元确定人脸图像中存在被遮挡的面部特征时，使用预设的深度学习网络模型确定图片中每个人脸的边界信息；根据被遮挡面部特征的人脸的边界信息，以及与被遮挡面部特征的人脸相邻的人脸的边界信息，确定被遮挡面部特征的人脸可调整的区域；

所述修复单元，用于在所述第二确定单元确定的可调整的区域内对被遮挡面部特征的人脸图像进行修复，生成处理后的图片。

8.根据权利要求7所述的装置，其特征在于，

面部特征数据包括：人脸图像中未被遮挡的面部特征对应的特征点；

预设人脸特征分量包括：面部特征对应的特征点，以及特征点间的几何关系。

9.根据权利要求7所述的装置，其特征在于，所述预设的深度学习网络模型的建立，包括：获取多张多人合拍的图片，以及每张图片中每个人对应的位置信息作为样本数据；训练初始深度学习网络模型，得到预设的深度学习网络模型。