人像目标区域识别方法、装置、设备、存储介质及产品制造方法及图纸

本申请实施例提供了一种人像图像目标区域识别方法、装置、设备及存储介质，该方法包括：获取待识别的人像图像，对所述人像图像进行人脸检测确定人脸区域；根据所述人脸区域的区域特征、颜色特征和纹理特征计算得到所述人脸区域内每个像素点对应的区域可能性度量值、颜色可能性度量值和纹理可能性度量值；对所述区域可能性度量值、所述颜色可能性度量值以及所述纹理可能性度量值进行融合计算得到每个所述像素点的目标可能性度量值，以确定所述人像图像中的目标区域。本方案通过多特征结合的方式，实现对人像目标区域的准确识别。并且，相较于深度学习，多特征融合计算的计算量较小，可实现对人像目标区域的快速识别，适用于实时性要求较高的场景。性要求较高的场景。性要求较高的场景。

【技术实现步骤摘要】
人像目标区域识别方法、装置、设备、存储介质及产品


[0001]本申请实施例涉及图像识别
，尤其涉及一种人像目标区域识别方法、装置、设备、存储介质及产品。

技术介绍

[0002]随着图像处理技术的日渐成熟，人像视频美颜在短视频、直播以及各类拍照软件中发挥着重要的作用。人像视频美颜的核心在于呈现更好的肤色肤质效果，而其中最重要的一点就是进行肤色检测，然后对肤色区域进行提亮、美白、磨皮等。在直播场景下，传统的基于色彩空间的肤色检测方法由于其具有实时性的优势仍被广泛应用。
[0003]然而，当人像中出现类肤色区域时，相关技术中的肤色检测方法在实施过程中，考虑到光照等环境因素以及人种因素，其所判定的肤色范围通常会偏大，导致类肤色区域也会被判定肤色区域，例如，金黄色、偏粉色等类肤色的刘海也会被判定为属于肤色区域。若基于该判定结果进行磨皮美白，会导致类肤色区域变得模糊，使得图像处理效果不真实，需要改进。而采用基于深度学习对类肤色区域进行识别的方法，虽然检测精度高但是速度较慢，不适用于对于实时性要求较高的场景。

技术实现思路

[0004]本申请实施例提供了一种人像目标区域识别方法、装置、设备、存储介质及产品，解决了相关技术中图像处理效果不真实，适用场景受限的问题，实现对人像目标区域的快速识别，准确性高，适用于实时性要求高的应用场景。
[0005]第一方面，本申请实施例提供了一种人像目标区域识别方法，该方法包括：
[0006]获取待识别的人像图像，对所述人像图像进行人脸检测确定人脸区域；<br/>[0007]根据所述人脸区域的区域特征、颜色特征和纹理特征计算得到所述人脸区域内每个像素点对应的区域可能性度量值、颜色可能性度量值和纹理可能性度量值；
[0008]对所述区域可能性度量值、所述颜色可能性度量值以及所述纹理可能性度量值进行融合计算得到每个所述像素点的目标可能性度量值，以确定所述人像图像中的目标区域。
[0009]第二方面，本申请实施例还提供了一种人像目标区域识别装置，包括：
[0010]获取模块，配置为获取待识别的人像图像；
[0011]区域确定模块，配置为对所述人像图像进行人脸检测确定人脸区域；
[0012]第一计算模块，配置为根据所述人脸区域的区域特征、颜色特征和纹理特征计算得到所述人脸区域内每个像素点对应的区域可能性度量值、颜色可能性度量值和纹理可能性度量值；
[0013]第二计算模块，配置为对所述区域可能性度量值、所述颜色可能性度量值以及所述纹理可能性度量值进行融合计算得到每个所述像素点的目标可能性度量值，以确定所述人像图像中的目标区域。
[0014]第三方面，本申请实施例还提供了一种人像目标区域识别设备，该设备包括：
[0015]一个或多个处理器；
[0016]存储装置，配置为存储一个或多个程序，
[0017]当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本申请实施例所述的人像目标区域识别方法。
[0018]第四方面，本申请实施例还提供了一种存储计算机可执行指令的非易失性存储介质，所述计算机可执行指令在由计算机处理器执行时配置为执行本申请实施例所述的人像目标区域识别方法。
[0019]第五方面，本申请实施例还提供了一种计算机程序产品，该计算机程序产品包括计算机程序，该计算机程序存储在计算机可读存储介质中，设备的至少一个处理器从计算机可读存储介质读取并执行计算机程序，使得设备执行本申请实施例所述的人像目标区域识别方法。
[0020]本申请实施例中，通过获取待识别的人像图像，对人像图像进行人脸检测确定人脸区域，再根据人脸区域的区域特征、颜色特征和纹理特征计算得到人脸区域内每个像素点对应的区域可能性度量值、颜色可能性度量值和纹理可能性度量值，之后对所区域可能性度量值、颜色可能性度量值以及纹理可能性度量值进行融合计算得到每个所述像素点的目标可能性度量值，以确定所述人像图像中的目标区域。采用上述技术手段，在分别得到多个不同特征的度量值后，采用将其进行融合的方式，基于融合计算的结果来实现对人像目标区域的识别，其准确度更高。相较于深度学习，多特征融合计算的方式无需进行大量的推理工作，计算量较小，可实现对人像目标区域的快速识别，适用于实时性要求较高的场景。
附图说明
[0021]图1为本申请实施例提供的一种人像目标区域识别方法的流程图；
[0022]图2为本申请实施例提供的一种计算区域可能性度量值的方法的流程图；
[0023]图3为本申请实施例提供的一种标定第一目标区域的示意图；
[0024]图4为本申请实施例提供的另一种确定区域可能性度量值的方法的流程图；
[0025]图5为本申请实施例提供的一种计算颜色可能性度量值的方法的流程图；
[0026]图6为本申请实施例提供的一种计算纹理可能性度量值的方法的流程图；
[0027]图7为本申请实施例提供的另一种人像目标区域识别方法的流程图；
[0028]图8为本申请实施例提供的一种人像目标区域识别装置的结构框图；
[0029]图9为本申请实施例提供的一种人像目标区域识别设备的结构示意图。
具体实施方式
[0030]下面结合附图和实施例对本申请实施例作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本申请实施例，而非对本申请实施例的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请实施例相关的部分而非全部结构。
[0031]本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象，而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施，且“第一”、
“
第二”等所区分的对象通常为一类，并不限定对象的个数，例如第一对象可以是一个，也可以是多个。此外，说明书以及权利要求中“和/或”表示所连接对象的至少其中之一，字符“/”，一般表示前后关联对象是一种“或”的关系。
[0032]本申请实施例提供的人像目标区域识别方法，适用于多种不同应用场景下的人像目标区域识别，具体应用场景可以包括：拍摄、短视频制作、视频编辑以及直播等等，而本申请实施例中的人像目标区域为人脸区域中的特征区域，例如刘海、眉毛等等。前述罗列的几种应用场景以及人像目标区域仅是示例性和解释性的，在实际应用中，还可以在其他场景下用到人像目标区域识别，本申请实施例对此不作限定。本申请旨在提供一种人像目标区域识别方法，能够对人像目标区域的快速识别，准确性高，适用于实时性要求高的应用场景。
[0033]本申请实施例提供的人像目标区域识别方法，各步骤的执行主体可以是计算机设备，该计算机设备是指任何具备数据计算、处理和存储能力的电子设备，如手机、PC(Personal Computer，个人计算机)、平板电脑等终端设备，也可以是服务器等设备，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.人像目标区域识别方法，其特征在于，包括：获取待识别的人像图像，对所述人像图像进行人脸检测确定人脸区域；根据所述人脸区域的区域特征、颜色特征和纹理特征计算得到所述人脸区域内每个像素点对应的区域可能性度量值、颜色可能性度量值和纹理可能性度量值；对所述区域可能性度量值、所述颜色可能性度量值以及所述纹理可能性度量值进行融合计算得到每个所述像素点的目标可能性度量值，以确定所述人像图像中的目标区域。2.根据权利要求1所述的人像目标区域识别方法，其特征在于，所述根据所述人脸区域的区域特征计算所述人脸区域内每个像素点对应的区域可能性度量值，包括：对所述人脸区域进行关键点检测确定人脸关键点；根据所述人脸关键点以及设置的区域选取规则确定所述人脸区域中的第一目标区域；根据所述第一目标区域的区域范围确定所述人脸区域内每个像素点的区域可能性度量值。3.根据权利要求2所述的人像目标区域识别方法，其特征在于，所述根据所述第一目标区域的区域范围确定所述人脸区域内每个像素点的区域可能性度量值，包括：确定所述第一目标区域中的过渡区域；对所述第一目标区域外的像素点的区域可能性度量值设置为第一预设值，对所述第一目标区域中非所述过渡区域的像素点的区域可能性度量值设置为第二预设值；对所述过渡区域的像素点的区域可能性度量值设置为过渡预设值，所述过渡预设值基于平滑计算得到。4.根据权利要求1所述的人像目标区域识别方法，其特征在于，所述颜色特征包括区域颜色特征和像素颜色特征，其中，根据所述人脸区域的颜色特征计算每个像素点对应的颜色可能性度量值，包括：计算每个像素点的像素颜色特征与所述区域颜色特征的相似度；根据相似度计算结果确定每个像素点的颜色可能性度量值。5.根据权利要求4所述的人像目标区域识别方法，其特征在于，在根据所述人脸区域的颜色特征计算每个像素点对应的颜色可能性度量值之前，还包括：根据所述人脸区域的像素均值计算得到区域颜色特征，所述区域颜色特征包括所述像素均值的均值和方差；根据所述人脸区域内每个像素点的像素分量值计算得到像素颜色特征，所述像素颜色特征包括像素分量值的均值和方差。6.根据权利要求4所述的人像目标区域识别方法，其特征在于，在根据所述人脸区域的颜色特征计算每个像素点对应的颜色可能性度量值之前，还包括：获取参考图像集，计算所述参考图像集中每个人脸区域的颜色特征，并进行统计得到颜色特征最小值和颜色特征最大值；相应的，所述根据所述人脸区域的颜色特征计算每个像素点对应的颜色可能性度量值，包括：根据所述颜色特征最小值和所述颜色特征最大值对所述人脸区域的颜色特征进行归一化处理得到归一化颜色特征；根据所述归一化颜色特征进行相似度计算得到每个像素点的颜色可能性度量值。
7.根据权利要求1所述的人像目标区域识...

【专利技术属性】
技术研发人员：陈莉莉，
申请(专利权)人：百果园技术新加坡有限公司，
类型：发明
国别省市：