[發明專利]人臉區域分割方法、裝置、計算機設備及存儲介質

有效

• 申請號: 202110298488.0
• 申請日: 2021-03-19
• 公開（公告）號: CN112819841B
• 公開（公告）日: 2021-09-28
• 發明（設計）人: 楊光遠;郝凡昌;張凱;孔妍
• 申請（專利權）人: 廣東眾聚人工智能科技有限公司
• 主分類號: G06T7/12
• 分類號: G06T7/12;G06T7/174
• 代理公司: 北京中和立達知識產權代理事務所(普通合伙) 11756
• 代理人: 祝妍

本發明公開了一種人臉區域分割方法、裝置、計算機設備及存儲介質。該方法包括：獲取平均人臉模板，獲取圖像質量需求描述圖譜；獲取多幅高分辨率人臉圖像，構建當前人臉圖像的邊界域多維數據體；對每個邊界域多維數據體進行像素級手工標注；選擇分類器模型，以標注后的多個邊界域多維數據體為數據集，對所述分類器模型進行訓練；獲取待分割的高分辨率人臉圖像，構建當前人臉圖像的邊界域多維數據體；利用所述訓練好的分類器模型，對所述待分割的高分辨率人臉圖像的邊界域多維數據體進行分割。本發明使人臉區域分割更具有針對性、分割結果更加準確，并最大可能保留感興趣子區域的局部豐富的細節信息。

技術領域

本發明實施例涉及人臉識別技術領域，尤其涉及一種人臉區域分割方法、裝置、計算機設備及存儲介質。

背景技術

本部分的陳述僅僅是提供了與本發明相關的背景技術信息，不必然構成在先技術。

通常提到人臉感興趣區域（Region Of Interest，ROI），只得是人臉區域。近年來越來越多的工作不僅要求分割出精確的人臉ROI，還要求對面部部件做精細化分割，分割出人臉圖像上的感興趣子區域（也稱為“面部部件ROI”），或直接成為分割人臉部件。精細化分割人臉感興趣子區域在人臉識別、微表情識別、美顏（自動美化修圖）、動態視頻換臉技術、虛擬現實、增強現實技術中，有重要應用價值。

在人臉識別系統中，當測試人臉圖像被大幅降噪時，會出現分辨率低的問題。一種可能的結果就是抹掉了面部圖像中一些特殊局部（如眼睛周圍、或某個微表情涉及的發生微小肌肉形變的區域）包含的重要信息。這個問題會影響到人臉識別系統，尤其是在諸如監控視頻的應用中。

圖像局部質量越好，才能進行越精細化的分割。如果圖像質量不好，則無法進行精細化分割。圖像局部質量比較好的情況下，細節會比較豐富，但這些細節又特別容易被常規的濾波或者平滑操作抹掉。相關技術中的人臉圖像分析處理方法往往不能兼顧去除噪聲和保留必要的細節。同時，基于人臉圖像的各種分析處理方法（如人臉識別、微表情識別、美顏、等等）對于人臉不同局部區域的圖像質量要求并不相同。在相關技術中，也不能同時考慮人臉圖像質量分布以及人臉圖像處理需求來進行圖像處理。

發明內容

本發明提供一種人臉區域分割方法、裝置、計算機設備及存儲介質，以解決現有技術中存在的上述問題。

第一方面，本發明實施例提供了一種人臉區域分割方法。該方法包括：

S10：獲取平均人臉模板；基于所述平均人臉模板，獲取圖像質量需求描述圖譜；

S20：獲取多幅高分辨率人臉圖像；對于每幅高分辨率人臉圖像，基于所述圖像質量需求描述圖譜，構建當前人臉圖像的邊界域多維數據體，其中，所述邊界域多維數據體為包括所述當前人臉圖像的色彩、圖像質量需求、圖像質量狀況和邊界域信息的多維向量；

S30：對每個邊界域多維數據體進行像素級手工標注，其中，所述手工標注包括：人臉感興趣區域和感興趣子區域標注；

S40：選擇分類器模型，以標注后的多個邊界域多維數據體為數據集，對所述分類器模型進行訓練，使訓練好的分類器模型學習到人臉感興趣區域和感興趣子區域的劃分；

S50：獲取待分割的高分辨率人臉圖像；對于所述待分割的高分辨率人臉圖像，基于所述圖像質量需求描述圖譜，構建當前人臉圖像的邊界域多維數據體；

S60：利用所述訓練好的分類器模型，對所述待分割的高分辨率人臉圖像的邊界域多維數據體進行分割，得到所述待分割的高分辨率人臉圖像的感興趣區域和感興趣子區域的邊界。

在一實施例中，步驟S20和S50中，所述基于所述圖像質量需求描述圖譜，構建當前人臉圖像的邊界域多維數據體，包括：

S210：獲取所述當前人臉圖像的質量圖譜；