本申请提供了一种图像处理方法、装置、设备及计算机可读存储介质；方法包括：获取待处理图像、训练好的第一模型和训练好的第二模型；利用所述训练好的第一模型对所述待处理图像进行预测处理，得到第一关键点集合；基于所述第一关键点集合从所述待处理图像中确定目标区域图像；利用所述训练好的第二模型对所述目标区域图像进行预测处理，得到第二关键点集合，所述第一关键点集合为所述第二关键点集合的子集；基于所述第二关键点集合对所述目标区域图像进行特效处理，得到处理后的图像。通过本申请，能够提高图像处理精度。能够提高图像处理精度。能够提高图像处理精度。
【技术实现步骤摘要】
图像处理方法、装置、设备及计算机可读存储介质
[0001]本申请涉及图像处理技术，尤其涉及一种图像处理方法、装置、设备及计算机可读存储介质。
技术介绍
[0002]随着移动通信技术的发展，特别是移动网络和智能终端的推广应用，移动互联网领域发展迅猛。目前来说，智能终端的功能早已不是单纯用来满足人们的相互联系，而成为人们日常生活中十分重要的移动个人娱乐终端。
[0003]如今拍照、录像功能已成为智能终端必不可少的功能，人们可以随时随地的记录精彩瞬间。而目前的智能终端大多都包括前置摄像头，方便用户进行自拍。爱美是人们的天性，大家都想要自己拍出来的照片更加好看，因此就催生了各种美颜方法。目前相关技术中进行美颜时，首先需要确定出五官的关键点，进而再基于关键点进行美颜特效。因此五官的关键点的精确度与对美颜效果的贴合度和真实度紧密相关。
技术实现思路
[0004]本申请实施例提供一种图像处理方法、装置及计算机可读存储介质，能够提高图像处理精度。
[0005]本申请实施例的技术方案是这样实现的：本申请实施例提供一种图像处理方法，包括：获取待处理图像、训练好的第一模型和训练好的第二模型；利用所述训练好的第一模型对所述待处理图像进行预测处理，得到第一关键点集合；基于所述第一关键点集合从所述待处理图像中确定目标区域图像；利用所述训练好的第二模型对所述目标区域图像进行预测处理，得到第二关键点集合，所述第一关键点集合为所述第二关键点集合的子集；基于所述第二关键点集合对所述目标区域图像进行特效处理，得到处理后的图像。
[0006]本申请实施例提供一种图像处理装置，包括：第一获取模块，用于获取待处理图像、训练好的第一模型和训练好的第二模型；第一预测模块，用于利用所述训练好的第一模型对所述待处理图像进行预测处理，得到第一关键点集合；第一确定模块，用于基于所述第一关键点集合从所述待处理图像中确定目标区域图像；第二预测模块，用于利用所述训练好的第二模型对所述目标区域图像进行预测处理，得到第二关键点集合，所述第一关键点集合为所述第二关键点集合的子集；特效处理模块，用于基于所述第二关键点集合对所述目标区域图像进行特效处
理，得到处理后的图像。
[0007]在一些实施例中，目标区域图像包括对称的第一目标子区域图像和第二目标子区域图像，该第二预测模块，还用于：利用所述训练好的第二模型对所述第一目标子区域图像进行预测处理，得到第一预测点集合；对所述第二目标子区域图像进行翻转处理，得到处理后的第二目标子区域图像；利用所述训练好的第二模型对所述处理后的第二目标子区域图像进行预测处理，得到第二预测点集合；将所述第一预测点集合和所述第二预测点集合的并集确定为所述第二关键点集合。
[0008]在一些实施例中，该装置还包括：第二获取模块，用于获取预设的第一模型和训练数据，所述训练数据包括多个训练图像和所述训练图像中的标注关键点集合，所述标注关键点集合包括第一标注关键点子集合；第一处理模块，用于对所述训练图像进行对正和增强处理，得到处理后的训练图像；第三预测模块，用于利用所述预设的第一模型对所述处理后的训练图像进行预测处理，得到所述处理后的训练图像对应的预测关键点；第一训练模块，用于基于各个处理后的训练图像的预测关键点和所述第一标注关键点子集合对所述第一模型进行训练，得到训练好的第一模型。
[0009]在一些实施例中，该第一处理模块，还用于：获取参考图像中参考关键点集合；基于所述训练图像的标注关键点集合和所述参考关键点集合，确定用于进行对正处理的仿射矩阵；利用所述仿射矩阵对所述训练图像进行对正处理，得到对正后的训练图像；基于所述对正后的训练图像的中心坐标、旋转角度和缩放因子确定增强矩阵；利用所述增强矩阵对所述对正后的训练图像进行增强处理，得到处理后的训练图像。
[0010]在一些实施例中，该装置还包括：第三获取模块，用于获取预设的第二模型和训练数据，所述训练数据包括多个训练图像和所述训练图像中的标注关键点集合；第二确定模块，用于基于各个训练图像的标注关键点集合从所述各个训练图像中确定出训练区域图像；第二处理模块，用于对所述训练区域图像进行对正和增强处理，得到处理后的训练区域图像；第四预测模块，用于利用所述预设的第二模型对所述处理后的训练区域图像进行预测处理，得到所述处理后的训练区域图像对应的预测关键点；第二训练模块，用于基于各个处理后的训练区域图像的预测关键点和所述标注关键点集合对所述第二模型进行训练，得到训练好的第二模型。
[0011]在一些实施例中，该装置还包括：第四获取模块，用于获取多个人工标注的训练图像和各个人工标注的训练图像的人工标注信息；第三训练模块，用于利用所述各个人工标注的训练图像和所述各个人工标注的训练图像的人工标注信息对预设的标注模型进行训练，得到训练好的标注模型；第五获取模块，用于获取多个待标注的训练图像；第五预测模块，用于利用所述训练好的标注模型对所述多个待标注的训练图像进行预测处理，得到所述多个待标注的训练图像的预测标注信息；第三确定模块，用于当待标注的训练图像的预测标注信息满足标注条件，将所述各个人工标注的训练图像、所述各个人工标注的训练图像的人工标注信息、所述待标注的训练图像和所述待标注的训练图像的预测标注信息确定为训练数据。
[0012]在一些实施例中，该装置还包括：第四确定模块，用于当待标注的训练图像不满足标注条件时，将所述待标注的训练图像确定为目标训练图像，获取针对所述目标训练图像的预测标注信息的更新操作；更新模块，用于响应于所述更新操作，对所述目标训练图像的预测标注信息进行更新，得到更新后的预测标注信息；第四确定模块，用于将所述各个人工标注的训练图像、所述各个人工标注的训练图像的人工标注信息、满足标注条件的待标注的训练图像、所述满足标注条件的待标注的训练图像的预测标注信息、所述目标训练图像和所述目标训练图像的更新后的预测标注信息确定为训练数据。
[0013]在一些实施例中，该装置还包括：第六获取模块，用于获取原始图像，对所述原始图像进行人脸检测，得到检测结果；第五确定模块，用于确定所述检测结果表征所述原始图像中包括人脸区域图像，将所述原始图像确定为待处理图像。
[0014]本申请实施例提供一种计算机设备，包括：存储器，用于存储可执行指令；处理器，用于执行所述存储器中存储的可执行指令时，实现本申请实施例提供的方法。
[0015]本申请实施例提供一种计算机可读存储介质，存储有可执行指令，用于引起处理器执行时，实现本申请实施例提供的方法。
[0016]本申请实施例提供一种计算机程序产品，包括计算机程序或指令，所述计算机程序或指令被处理器执行时实现本申请实施例提供的方法。
[0017]本申请实施例具有以下有益效果：在获取到待处理图像之后，首先利用训练好的第一模型对所述待处理图像进行预测处理，得到第一关键点集合，然后再基于所述第一关键点集合从所述待处理图像中确定目标区域图像，并利用训练好的第二模型对所述目标区域图像进行预测处理，得到第二关键点集合本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种图像处理方法，其特征在于，所述方法包括：获取待处理图像、训练好的第一模型和训练好的第二模型；利用所述训练好的第一模型对所述待处理图像进行预测处理，得到第一关键点集合；基于所述第一关键点集合从所述待处理图像中确定目标区域图像；利用所述训练好的第二模型对所述目标区域图像进行预测处理，得到第二关键点集合，所述第一关键点集合为所述第二关键点集合的子集；基于所述第二关键点集合对所述目标区域图像进行特效处理，得到处理后的图像。2.根据权利要求1中所述的方法，其特征在于，所述目标区域图像包括对称的第一目标子区域图像和第二目标子区域图像，所述利用所述训练好的第二模型对所述目标区域图像进行预测处理，得到第二关键点集合，包括：利用所述训练好的第二模型对所述第一目标子区域图像进行预测处理，得到第一预测点集合；对所述第二目标子区域图像进行翻转处理，得到处理后的第二目标子区域图像；利用所述训练好的第二模型对所述处理后的第二目标子区域图像进行预测处理，得到第二预测点集合；将所述第一预测点集合和所述第二预测点集合的并集确定为所述第二关键点集合。3.根据权利要求1中所述的方法，其特征在于，所述方法还包括：获取预设的第一模型和训练数据，所述训练数据包括多个训练图像和所述训练图像中的标注关键点集合，所述标注关键点集合包括第一标注关键点子集合；对所述训练图像进行对正和增强处理，得到处理后的训练图像；利用所述预设的第一模型对所述处理后的训练图像进行预测处理，得到所述处理后的训练图像对应的预测关键点；基于各个处理后的训练图像的预测关键点和所述第一标注关键点子集合对所述第一模型进行训练，得到训练好的第一模型。4.根据权利要求3所述的方法，其特征在于，所述对所述训练图像进行对正和增强处理，得到处理后的训练图像，包括：获取参考图像中参考关键点集合；基于所述训练图像的标注关键点集合和所述参考关键点集合，确定用于进行对正处理的仿射矩阵；利用所述仿射矩阵对所述训练图像进行对正处理，得到对正后的训练图像；基于所述对正后的训练图像的中心坐标、旋转角度和缩放因子确定增强矩阵；利用所述增强矩阵对所述对正后的训练图像进行增强处理，得到处理后的训练图像。5.根据权利要求1中所述的方法，其特征在于，所述方法还包括：获取预设的第二模型和训练数据，所述训练数据包括多个训练图像和所述训练图像中的标注关键点集合；基于各个训练图像的标注关键点集合从所述各个训练图像中确定出训练区域图像；对所述训练区域图像进行对正和增强处理，得到处理后的训练区域图像；利用所述预设的第二模型对所述处理后的训练区域图像进行预测处理，得到所述处理后的训练区域图像对应的预测关键点；
基于各个处理后的训练区域图像的预测关键点和所述标注关键点集...
【专利技术属性】
技术研发人员：康洋，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。