图像处理方法、装置、计算机设备及存储介质制造方法及图纸

本申请公开了一种图像处理方法、装置、计算机设备及存储介质，有效地提高了增广得到的真实的三维人脸数据的数量。上述方法部分包括：获取第一深度人脸图像数据、第二深度人脸图像数据；对第一、第二深度人脸图像数据进行坐标转换以获得第一人脸的第一向量和第二人脸的第二向量；根据第一向量以及第一变换参数确定第一变换矩阵，根据第二向量以及第二变换参数确定第二变换矩阵；根据第一变换矩阵对第一向量进行向量变换以获得第一差异向量，根据第二变换矩阵对第二向量进行向量变换以获得第二差异向量；根据第一差异向量和第二差异向量确定目标差异向量；将目标差异向量作为新的深度人脸图像数据。

【技术实现步骤摘要】
图像处理方法、装置、计算机设备及存储介质
本申请涉及图像处理领域，尤其涉及一种图像处理方法、装置、计算机设备及存储介质。
技术介绍
随着人脸识别技术的快速发展，人们对于人脸识别技术的精确性、快速性要求越来越高，从二维人脸识别，继而发展到三维人脸识别，三维人脸作为一种反馈人脸在现实中的三维数据，相比于二维人脸数据，能反馈更多人脸上的信息。但是，目前的深度人脸图像的公开数据库非常少，然而进行深度学习等复杂算法对深度人脸图像数据进行训练时，通常需要大量的深度人脸图像数据，所以在深度人脸图像的训练常常会对现有深度人脸图像数据进行数据增广。因此，传统技术上提出了一种数据增广技术，是基于人脸线性模型进行数据增广，其中，人脸的线性模型是对多个三维人脸通过对齐，求平均等简单操作制作出来的线性平均人脸，但线性模型适用于二维人脸数据处理，不适用于三维人脸数据，使用线性模型增广出来的三维人脸数据是线性平均人脸数据，导致失去部分人脸数据，增广得到导致脸部扭曲，最终使得增广得到的真实的三维人脸数据较少。
技术实现思路
基于此，有必要针对上述技术问题，提供一种可以有效地提高了增广得到的真实的三维人脸数据的数量的图像处理方法、装置、计算机设备及存储介质。一种图像处理方法，包括：获取第一深度人脸图像数据以及第二深度人脸图像数据，其中，第一深度人脸图像数据和第二深度人脸图数据分别为第一人脸和第二人脸的深度人脸图像数据；对第一深度人脸图像数据进行坐标转换以获得第一人脸的第一向量，并对第二深度人脸图像数据进行坐标转换以获得第二人脸的第二向量；根据第一向量以及第一变换参数确定第一变换矩阵，并根据第二向量以及第二变换参数确定第二变换矩阵；根据第一变换矩阵对第一向量进行向量变换以获得第一差异向量，并根据第二变换矩阵对第二向量进行向量变换以获得第二差异向量；根据第一差异向量和第二差异向量确定目标差异向量；将目标差异向量作为三维人脸图像数据。一种图像处理装置，包括：获取模块，用于获取第一深度人脸图像数据以及第二深度人脸图像数据，其中，第一深度人脸图像数据和第二深度人脸图数据分别为第一人脸和第二人脸的深度人脸图像数据；转换模块，用于对获取模块获取的第一深度人脸图像数据进行坐标转换以获得第一人脸的第一向量，并对获取模块获取的第二深度人脸图像数据进行坐标转换以获得第二人脸的第二向量；第一确定模块，用于根据转换模块转换的第一向量，以及第一变换参数确定第一变换矩阵，并根据转换模块转换的第二向量，以及第二变换参数确定第二变换矩阵；变换模块，用于根据第一确定模块确定的第一变换矩阵对第一向量进行向量变换以获得第一差异向量，并根据第一确定模块确定的第二变换矩阵对第二向量进行向量变换以获得第二差异向量；第二确定模块，用于根据变换模块变换的第一差异向量和第二差异向量确定目标差异向量；第三确定模块，用于将目标差异向量作为新的深度人脸图像数据。一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述图像处理方法的步骤。一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述图像处理方法的步骤。本申请提出了一种图像处理方法，以及该图像处理方法对应的图像装置、计算机设备及存储介质，在上述图像处理方法中，先是采集一组深度人脸图像数据以得到深度人脸图像数据对应的向量，再通过变换矩阵对该组深度人脸图像数据对应的向量进行向量变换，将经过向量变换后的一组向量得到新的三维人脸图像数据，也就是说，在本方案中，结合了深度人脸图像数据的三维坐标进行变换，在处理过程中是针两张深度人脸图像数据的三维坐标数据进行变换处理，不是简单的对一张深度人脸图像数据进行对齐，求平均等线性变换操作制作出来的，可以有效地降低了丢失人脸数据，降低人脸脸部扭曲，人脸数据比较真实，实现了人脸数据的数量扩展，有效地提高了增广得到的真实的深度人脸图像数据的数量。附图说明为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1是本申请一实施例中图像处理方法的一应用环境示意图；图2是本申请一实施例中图像处理方法的流程示意图；图3是本申请一实施例中图像处理装置的结构示意图；图4是本申请一实施例中计算机设备的结构示意图。具体实施方式下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。本申请提供的图像处理方法、以及该图像处理方法所对应的图像处理装置，计算机设备及存储介质可应用在如图1的所示的应用环境示意图中，其中，图像处理装置用于实现上述图像处理方法，在上述图像处理方法中，通过获取大量深度人脸图像数据，并大量深度人脸图像数据两两进行变换计算等处理，从而得到新的三维人脸数据，而不是简单的对齐，求平均等操作制作出来的线性平均人脸，得到的三维人脸数据脸部扭曲较少，人脸数据比较真实，并且能够实现了数量的扩展，达到数据增广的目的。另外，服务器是指独立的服务器或者是多个服务器组成的服务器集群来实现，具体不做限定。下面通过具体的实施例对本申请中的图像处理方法、以及该图像处理方法所对应的图像处理装置，计算机设备及存储介质进行介绍。在一实施例中，请参阅图2所示，图2为本申请一实施例中图像处理方法的流程示意图，包括如下步骤：S10、获取第一深度人脸图像数据以及第二深度人脸图像数据，其中，第一深度人脸图像数据和第二深度人脸图数据分别为第一人脸和第二人脸的深度人脸图像数据；其中，在本方案中，第一深度人脸图像数据以及第二深度人脸图像数据是一种三维图像数据，第一深度人脸图像数据和第二深度人脸图数据分别为第一人脸和第二人脸的深度人脸图像数据。在本方案的实际应用中，可以利用深度相机(depthcamera)获取大量深度人脸图像数据以构建预设深度人脸图像数据库，再从该预设深度人脸图像数据库中随机获取上述第一深度人脸图像数据以及第二深度人脸图像数据，该第一深度人脸图像数据以及第二深度人脸图像数据为该预设深度人脸图像数据库中的任意两个深度人脸图像数据。其中，深度相机指的是一种图像传感器，该图像传感器能够观察到物体或人物在空间中的位置，具体的，该深度相机可以是主动式、被动式，接触式或非接触式深度相机，其中，主动式是指向目标对象发射能量束(如激光、电磁波或超声波等)，被动式深度相机主要利用目标对象的周围环境的条件成像，接触式深度相机是指需与目标对象接触或比较靠近，非接触式是指不需要与目标对象接触。示例性的，上述深度相机具体可以是指TOF(time-of-flight)深度相机，除此之外，还可以是kinect深度相机，XTion深度相机或RealSense深度相机，具体不做限定。S20、对第一深度人脸图像数据进行坐标转换以获得第一人脸的第一向量，并对第二深度人脸图像本文档来自技高网...

【技术保护点】
1.一种图像处理方法，其特征在于，包括：获取第一深度人脸图像数据以及第二深度人脸图像数据，其中，所述第一深度人脸图像数据和所述第二深度人脸图数据分别为第一人脸和第二人脸的深度人脸图像数据；对所述第一深度人脸图像数据进行坐标转换以获得所述第一人脸的第一向量，并对所述第二深度人脸图像数据进行坐标转换以获得所述第二人脸的第二向量；根据所述第一向量以及第一变换参数确定第一变换矩阵，并根据所述第二向量以及第二变换参数确定第二变换矩阵；根据所述第一变换矩阵对所述第一向量进行向量变换以获得第一差异向量，并根据所述第二变换矩阵对所述第二向量进行向量变换以获得第二差异向量；根据所述第一差异向量和所述第二差异向量确定目标差异向量；将所述目标差异向量作为新的深度人脸图像数据。

【技术特征摘要】
1.一种图像处理方法，其特征在于，包括：获取第一深度人脸图像数据以及第二深度人脸图像数据，其中，所述第一深度人脸图像数据和所述第二深度人脸图数据分别为第一人脸和第二人脸的深度人脸图像数据；对所述第一深度人脸图像数据进行坐标转换以获得所述第一人脸的第一向量，并对所述第二深度人脸图像数据进行坐标转换以获得所述第二人脸的第二向量；根据所述第一向量以及第一变换参数确定第一变换矩阵，并根据所述第二向量以及第二变换参数确定第二变换矩阵；根据所述第一变换矩阵对所述第一向量进行向量变换以获得第一差异向量，并根据所述第二变换矩阵对所述第二向量进行向量变换以获得第二差异向量；根据所述第一差异向量和所述第二差异向量确定目标差异向量；将所述目标差异向量作为新的深度人脸图像数据。2.如权利要求1所述的图像处理方法，其特征在于，所述根据第一向量以及第一变换参数确定第一变换矩阵，包括：根据以下公式确定出所述第一变换矩阵：其中，所述A1＝||Fia-Fib||2log||Fia-Fib||，a,b∈[1,n]，所述B1＝[1,xp,yp,zp]，所述T1为第一变换参数，所述M1为所述第一变换矩阵，所述Fi为所述第一向量，所述所述n为正整数。3.如权利要求2所述的图像处理方法，其特征在于，所述根据所述第一变换矩阵对所述第一向量进行向量变换以获得第一差异向量，包括：根据以下公式对所述第一向量进行向量变换以获得所述第一差异向量：其中，所述M1为所述第一变换矩阵，所述αij为所述第一差异向量。4.如权利要求1-3任一项所述的图像处理方法，其特征在于，所述根据第二向量以及第二变换参数确定第二变换矩阵，包括：根据以下公式确定出上述第二变换矩阵：其中，所述a',b'∈[1,m]，所述B2＝[1,xk,yk,zk]，所述T2为所述第二变换参数，所述M2为所述第二变换矩阵，所述Fj为所述第二向量，所述Fj＝[xk,yk,zk],k∈[1,m]，所述m为正整数。5.如权利要求4所述的图像处理方法，其特征在于，所述根据所述第二变换矩阵对所述第二向量进行向量...

【专利技术属性】
技术研发人员：周衍鑫，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东,44