公开/公告号CN112183172A
专利类型发明专利
公开/公告日2021-01-05
原文格式PDF
申请/专利权人 广州虎牙科技有限公司;
申请/专利号CN201910604526.3
申请日2019-07-05
分类号G06K9/00(20060101);
代理机构11332 北京品源专利代理有限公司;
代理人孟金喆
地址 511400 广东省广州市番禺区钟村街(汉溪商业中心)泽溪街13号1301
入库时间 2023-06-19 09:26:02
技术领域
本发明实施例涉及直播技术,尤其涉及容貌评估模型的训练及其美颜参数的推送方法和相关装置。
背景技术
在直播平台中,主播用户可以在进行节目直播时,使用直播平台所提供的人脸处理工具,对该节目所对应的直播视频流中的人脸图像进行图像处理,以实现调整主播用户在直播视频流中的容貌。具体的,该调整所实现的功能,可以包括:人脸整形、人脸美颜、换脸等。其中,人脸整形可以是瘦脸、调整鼻子高度、调整眼睛大小等;人脸美颜可以是美白、去除红眼、化妆等;换脸为将主播用户的人脸图像换成其他的人脸图像。
一般的,在该人脸处理工具中设置有各调整功能对应的美颜参数,主播用户可以修改该美颜参数,从而更改人脸图像的调整程度。虽然可以实现所显示的人脸图像根据美颜参数的变化而变化,但主播用户难以确定出合适的美颜参数。
发明内容
本发明提供一种容貌评估模型的训练及其美颜参数的推送方法和相关装置,以实现对图像数据中的人脸进行关于人脸容貌的容貌值,进一步的,可以是以该容貌值确定为对图像数据中的人脸进行调整提供一个评判标准,起到辅助的作用。
第一方面,本发明实施例提供了一种容貌评估模型的训练方法,该方法包括:
确定样本图像数据;
将所述样本图像数据输入至预置的特征提取器中进行处理,以输出人脸特征;
将所述人脸特征输入至预置的分类器中进行处理,以输出第一容貌级别,所述第一容貌级别用于预估人脸容貌所处的级别;
将所述人脸特征输入至预置的回归器中进行处理,以输出第一容貌值,所述第一容貌值用于预估人脸容貌的评分;
根据所述第一容貌级别与所述第一容貌值训练所述特征提取器、所述分类器与所述回归器;
当训练完成时,输出所述特征提取器与所述回归器为容貌评估模型。
进一步的,所述确定样本图像数据,包括:
从直播视频数据中提取包括人脸图像的直播图像数据,作为样本图像数据;
从观众行为数据中确定所述直播图像数据的第二容貌值,所述观众行为数据与所述直播视频数据关联设置,所述第二容貌值用于标记人脸容貌的评分。
进一步的,所述样本图像数据关联有第二容貌值、第二容貌级别,所述第二容貌值用于标记人脸容貌的评分;所述第二容貌级别用于标记人脸容貌所处的级别;
所述根据所述第一容貌级别与所述第一容貌值训练所述特征提取器、所述分类器与所述回归器,包括:
计算所述第一容貌级别与所述第二容貌级别之间的第一损失值;
计算所述第一容貌值与所述第二容貌值之间的第二损失值;
结合所述第一损失值与所述第二损失值计算目标损失值;
判定所述目标损失值是否符合预设的训练目标;
若是,则确定所述特征提取器与所述回归器为容貌评估模型;
若否,则更新所述特征提取器、所述分类器与所述回归器,返回执行所述确定样本图像数据。
进一步的,所述结合所述第一损失值与所述第二损失值计算目标损失值,包括:
获取预设的损失权重,所述损失权重包括和值为1的第一损失权重和第二损失权重;
计算所述第一损失权重和所述第一损失值的第一乘积,作为第一加权损失值;
计算所述第二损失权重和所述第二损失值的第二乘积,作为第二加权损失值;
将所述第一加权损失值和所述第二加权损失值的和,作为目标损失值。
进一步的,所述样本图像数据关联有属性信息;
在所述当训练完成时,输出所述特征提取器与所述回归器为容貌评估模型之后,包括:
当所述容貌评估模型由归属于同一属性信息的样本图像数据训练得到时,建立所述容貌评估模型与所述属性信息的关联关系。
进一步的,所述样本图像数据为人脸图像,关联有第二容貌值;
所述确定样本图像数据,包括:
获取样本图像数据;
确定与所述样本图像数据相关联的至少一个第二容貌值;
计算关于所有所述第二容貌值的平均值;
对所述平均值进行取整操作,作为所述样本图像数据的第二容貌级别。
第二方面,本发明实施例还提供了一种美颜参数的推送方法,该方法包括:
接收主播客户端发送的直播视频数据,所述直播视频数据中包括直播图像数据;
获取候选美颜参数;
分别根据所述候选美颜参数对所述直播图像数据进行图像处理,得到候选图像数据;
分别将所述候选图像数据输入至预置的容貌评估模型中进行处理,以输出容貌值,所述容貌值用于预估人脸容貌的评分;
依据所述容貌值从所述候选美颜参数中选取目标美颜参数;
将所述目标美颜参数发送至所述主播客户端。
进一步的,所述依据所述容貌值从所述候选美颜参数中选取目标美颜参数,包括:
对所述候选美颜参数按照所述容貌值进行排序;
根据所述排序的结果中,从所述美颜参数中选取预设数量的目标美颜参数。
进一步的,登录所述主播客户端的主播用户包括属性信息,预置的所述容貌评估模型与所述属性信息具有关联关系。
第三方面,本发明实施例还提供了一种美颜参数的推送方法,该方法包括:
向服务器发送直播视频数据,所述直播视频数据包括直播图像数据,所述服务器用于根据所述直播图像数据确定目标美颜参数;
从所述服务器接收所述目标美颜参数;
其中,所述目标美颜参数的确定方法,包括:获取候选美颜参数;分别根据所述候选美颜参数对所述直播图像数据进行图像处理,得到候选图像数据;分别将所述候选图像数据输入至预置的容貌评估模型中进行处理,以输出容貌值,所述容貌值用于预估人脸容貌的评分;依据所述容貌值从所述候选美颜参数中选取目标美颜参数。
进一步的,在所述从所述服务器接收所述目标美颜参数之后,还包括:
从所述目标美颜参数中选取指定美颜参数;
播放使用所述指定美颜参数进行图像处理的直播视频数据。
进一步的,从所述目标美颜参数中选取指定美颜参数,包括:
显示效果图像数据,所述效果图像数据与所述目标美颜参数具有关联关系;
接收选择操作;
将所述选择操作所作用的效果图像数据,作为指定的效果图像数据;
将指定的所述效果图像数据所关联设置的目标美颜参数,确定为指定美颜参数;
所述播放使用所述指定美颜参数进行图像处理的直播视频数据,包括:
向所述服务器发送所述指定美颜参数,所述服务器用于使用所述指定美颜参数对所述直播视频数据中的直播图像数据进行图像处理,得到指定的直播视频数据;
从所述服务器拉取指定的所述直播视频数据,并进行播放。
第四方面,本发明实施例还提供了一种容貌评估模型的训练装置,该装置包括:
样本确定模块,用于确定样本图像数据;
特征输出模块,用于将所述样本图像数据输入至预置的特征提取器中进行处理,以输出人脸特征;
容貌级别输出模块,用于将所述人脸特征输入至预置的分类器中进行处理,以输出第一容貌级别,所述第一容貌级别用于预估人脸容貌所处的级别;
容貌值输出模块,用于将所述人脸特征输入至预置的回归器中进行处理,以输出第一容貌值,所述第一容貌值用于预估人脸容貌的评分;
训练模块,用于根据所述第一容貌级别与所述第一容貌值训练所述特征提取器、所述分类器与所述回归器;
模型输出模块,用于当训练完成时,输出所述特征提取器与所述回归器为容貌评估模型。
第五方面,本发明实施例还提供了一种美颜参数的推送装置,该装置包括:
视频数据接收模块,用于接收主播客户端发送的直播视频数据,所述直播视频数据中包括直播图像数据;
候选美颜参数获取模块,用于获取候选美颜参数;
候选图像数据获取模块,用于分别根据所述候选美颜参数对所述直播图像数据进行图像处理,得到候选图像数据;
容貌评估模块,用于分别将所述候选图像数据输入至预置的容貌评估模型中进行处理,以输出容貌值,所述容貌值用于预估人脸容貌的评分;
目标美颜参数选取模块,用于依据所述容貌值从所述候选美颜参数中选取目标美颜参数;
目标美颜参数发送模块,用于将所述目标美颜参数发送至所述主播客户端。
第六方面,本发明实施例还提供了一种美颜参数的推送装置,该装置包括:
直播视频数据发送模块,用于向服务器发送直播视频数据,所述直播视频数据包括直播图像数据,所述服务器用于根据所述直播图像数据确定目标美颜参数;
目标美颜参数接收模块,用于从所述服务器接收所述目标美颜参数;
其中,所述目标美颜参数的确定方法,包括:获取候选美颜参数;分别根据所述候选美颜参数对所述直播图像数据进行图像处理,得到候选图像数据;分别将所述候选图像数据输入至预置的容貌评估模型中进行处理,以输出容貌值,所述容貌值用于预估人脸容貌的评分;依据所述容貌值从所述候选美颜参数中选取目标美颜参数。
第七方面,本发明实施例还提供了一种容貌评估模型的训练设备,该设备包括:存储器以及一个或多个处理器;
所述存储器,用于存储一个或多个程序;
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如第一方面中任一所述的容貌评估模型的训练方法。
第八方面,本发明实施例还提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如第一方面中任一所述的容貌评估模型的训练方法。
第九方面,本发明实施例还提供了一种美颜参数的推送设备,该设备包括:存储器以及一个或多个处理器;
所述存储器,用于存储一个或多个程序;
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如第二方面或第三方面中任一所述的美颜参数的推送方法。
第十方面,本发明实施例还提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如第二方面或第三方面中任一所述的美颜参数的推送方法。
本发明实施例通确定样本图像数据;将所述样本图像数据输入至预置的特征提取器中进行处理,以输出人脸特征;将所述人脸特征输入至预置的分类器中进行处理,以输出第一容貌级别,所述第一容貌级别用于预估人脸容貌所处的级别;将所述人脸特征输入至预置的回归器中进行处理,以输出第一容貌值,所述第一容貌值用于预估人脸容貌的评分;根据所述第一容貌级别与所述第一容貌值训练所述特征提取器、所述分类器与所述回归器;当训练完成时,输出所述特征提取器与所述回归器为容貌评估模型,解决因在针对调整人脸容貌值的图像处理中难以确定合适的美颜参数的问题,实现对图像数据中的人脸进行关于人脸容貌的容貌值的评估,进一步的,可以是以该容貌值确定为对图像数据中的人脸进行调整提供一个评判标准,起到辅助的作用。
附图说明
图1A为本发明实施例一提供的一种容貌评估模型的训练方法的流程图;
图1B为本发明实施例一提供的一种容貌评估模型的结构示意图;
图1C为本发明实施例一提供的另一种容貌评估模型的训练方法的流程图;
图2为本发明实施例二提供的容貌评估模型的训练方法的流程图;
图3为本发明实施例三提供的一种美颜参数的推送方法的流程图;
图4为本发明实施例四提供的一种美颜参数的推送方法的流程图;
图5为本发明实施例五提供的一种美颜参数的推送方法的流程图;
图6为本发明实施例六提供的一种容貌评估模型的训练装置的结构示意图;
图7为本发明实施例七提供的一种美颜参数的推送装置的结构示意图;
图8为本发明实施例八提供的一种美颜参数的推送装置的结构示意图;
图9为本发明实施例九提供的一种容貌评估模型的训练设备的结构示意图;
图10为本发明实施例十提供的一种美颜参数的推送设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明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发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1A为本发明实施例一提供的一种容貌评估模型的训练方法的流程图,图1B为本发明实施例一提供的一种容貌评估模型的结构示意图,图1C为本发明实施例一提供的另一种容貌评估模型的训练方法的流程图。本实施例可适用于针对人脸容貌的图像处理的情况,具体的,可以使用容貌评估模型对图像数据中的人脸容貌进行容貌值的确定。进一步的,本实施例将对该容貌评估模型的训练方法进行描述,可以由容貌评估模型的训练设备来执行。
本实施例中,在训练过程中,容貌评估模型包括特征提取器、回归器和分类器。在一实施例中,参照图1B,特征提取器10分别与回归器11和分类器12进行连接,也就是说,回归器11和分类器12可以共用一个特征提取器10。其中,该特征提取器10与回归器11可以构成该容貌评估模型的第一分支网络;该特征提取器10和分类器12可以构成该容貌评估模型的第二分支网络。即在在训练过程中,需要对第一分支网络和第二分支网络同时进行模型训练。
具体的,参照图1A,该容貌评估模型的训练方法,具体包括如下步骤:
S110、确定样本图像数据。
本实施例中,该样本图像数据为包括人脸的图像。示例性的,该样本图像数据还可以关联有第二容貌值,该第二容貌值可以用于标记人脸容貌的评分。
本实施例中,该样本图像数据的获取方式,可以是通过主动采集、采用已有的数据集等。
第一种方式:主动采集
对于直播平台的应用场景,该样本图像数据可以来源于直播视频数据中,该直播视频数据可以是主播用户所上传的视频流。具体的,可以从直播视频数据中提取包括人脸图像的直播图像数据,作为样本图像数据。其中,直播图像数据为直播视频数据中的、包括人脸的图像帧。
进一步的,本实施例中,可以从观众行为数据中确定直播图像数据的第二容貌值,该观众行为数据与直播视频数据关联设置。其中,该观众行为数据为观众用户在观看主播用户上传的直播视频数据时,所产生的交互数据。例如,该观众行为数据可以是观众用户针对直播视频数据中的弹幕。进一步的,可以在弹幕中提取评价人脸容貌的关键词;获取该关键词的出现频次;计算该出现频次和该关键词对应的权重分的乘积,作为直播视频数据中各帧直播图像数据的第二容貌值。又例如,该观众数据还可以是通过直播平台提供的评分界面,在该评分界面中,观众用户可以针对直播视频数据中的人脸所给出针对人脸容貌的评分。
第二种方式:采用已有的数据集
一般的,公共有众多的用于人脸容貌打分的数据集,也就是说,该数据集包括关联有第二容貌值的样本图像数据。示例性的,如现有公开的SCUT-FBP数据库,该SCUT-FBP数据库包含有两部分:人脸图片数据和分数统计数据,对应的,该人脸图像数据可以作为本实施例中的样本图像数据,每张人脸图片数据所对应的分数统计数据,可以作为本实施例中的样本图像数据所关联的第二容貌值。
需要注意的是,还可以对获取的样本图像数据进行预处理,该预处理可以包括:裁剪出人脸所在区域的图像、调整样本图像数据的形状等。示例性的,在获取样本图像数据之后,可以从该样本图像数据中裁剪出人脸所在区域的裁剪图像,并调整该裁剪图像的形状,得到具有统一形状的样本图像数据。
本实施例中,样本图像数据除了关联有第二容貌值,还关联有第二容貌级别,所述第二容貌级别用于标记人脸容貌所处的级别。具体的,该第二容貌级别可以根据第二容貌值得到。示例性的,可以规定每个容貌级别所对应的容貌值的范围。进一步的,根据第二容貌值所归属的范围,确定第二容貌级别。如,容貌值为4-4.9的范围均属于容貌级别4,则当第二容貌值为4.5时,由于4<4.5<4.9,所以该第二容貌值4.5属于第二容貌级别4。
在一实施例中,若样本图像数据相关联的至少一个第二容貌值,则第二容貌级别是样本图像数据关于第二容貌值的统计量。该统计量可以是平均数、中位数等。以该统计量为平均数为例进行说明,可以通过获取样本图像数据;确定与样本图像数据相关联的至少一个第二容貌值;计算关于所有第二容貌值的平均值;对平均值进行取整操作,作为样本图像数据的第二容貌级别。如,以样本图像数据所关联的第二容貌值,分别为6、7、8,则该样本图像数据所关联的第二容貌级别为6、7、8的平均数7。
本实施例中,由于采用样本图像数据所关联的第二容貌值具有人为的主观成分,进一步的,使用第二容貌级别这一统计量标记样本图像数据,可以减少第二容貌值中的主观成分,从而增加样本图像数据的客观性。
S120、将所述样本图像数据输入至预置的特征提取器中进行处理,以输出人脸特征。
本实施例中,该特征提取器可以使用常见的神经网络模型,如卷积神经网络等,该卷积神经网络可以是残差神经网络。需要注意的是,特征提取器所提取的人脸特征是对样本图像数据中的人脸所抽象出来的特征。进一步的,该人脸特征可以使用特征向量进行表示,可以理解为是将样本图像数据映射到人脸特征所对应的向量空间。示例性的,该人脸特征可以用于表示样本图像数据中的人脸的边缘信息、轮廓信息、关键点信息、五官分布信息等可以人为理解的信息。当然,该人脸特征还可以是表示样本图像数据中的人脸的像素级别的分布信息。该像素级别的分布信息虽然是不能被认为所理解的表征方式,但同样可以用于样本图像数据中的人脸的特点。
S130、将所述人脸特征输入至预置的分类器中进行处理,以输出第一容貌级别。
本实施例中,分类器是数据挖掘中对样本进行分类的算法的统称,可以包含决策树、逻辑回归、朴素贝叶斯、神经网络等算法。本实施例中,以使用神经网络构建分类器为例进行说明。进一步的,该分类器可以将人脸特征映射为第一容貌级别。该第一容貌级别用于预估人脸容貌所处的级别。第一容貌级别和第二容貌级别的级别划分是一致的,该第一容貌级别与容貌值的对应关系,可以参考上述的第二容貌级别。
S140、将所述人脸特征输入至预置的回归器中进行处理,以输出第一容貌值。
本实施例中,回归器是数据挖掘中对样本进行回归的算法的统称,可以分为线性回归算法或非线性回归算法,同样可以使用决策树、逻辑回归、朴素贝叶斯、神经网络等算法进行实现。本实施例中,以使用神经网络构建回归器为例进行说明。进一步的,该回归器可以将人脸特征映射为第一容貌值。该第一容貌值用于预估人脸容貌的评分。
S150、根据所述第一容貌级别与所述第一容貌值训练所述特征提取器、所述分类器与所述回归器。
本实施例中,以都使用神经网络构建特征提取器、分类器与回归器为例进行说明,进一步的,可以获取的样本图像数据对特征提取器、分类器与回归器进行模型训练。
具体的,在一实施例中,参照图1C,可以进一步将步骤S150细化为包括步骤S151-S155:
S151、计算所述第一容貌级别与所述第二容貌级别之间的第一损失值。
其中,第一损失值可以使用第一容貌级别与第二容貌级别之间的距离进行表示。
S152、计算所述第一容貌值与所述第二容貌值之间的第二损失值。
其中,第二损失值可以使用第一容貌值与第二容貌值之间的距离进行表示。
S153、结合所述第一损失值与所述第二损失值计算目标损失值。
本实施例中,可以通过获取预设的损失权重,损失权重包括和值为1的第一损失权重和第二损失权重;计算第一损失权重和第一损失值的第一乘积,作为第一加权损失值;计算第二损失权重和第二损失值的第二乘积,作为第二加权损失值;将第一加权损失值和第二加权损失值的和,作为目标损失值。示例性的,目标损失值使用l表示,第一损失值使用l
S154、判定所述目标损失值是否符合预设的训练目标。
示例性的,当预设数量的样本图像数据所对应的目标损失值的平均值小于预设阈值时,可以确定符合预设的训练目标。
若是,则表示训练完成,并确定所述特征提取器与所述回归器为容貌评估模型,即执行步骤S160。若否,则执行步骤S155。
S155、更新所述特征提取器、所述分类器与所述回归器,返回执行步骤S110。
由于该目标损失值结合了第一损失值与第二损失值,进一步的,使用该目标损失值更新特征提取器、分类器与回归器,一方面,可以使用第一容貌级别和第二容貌级别对特征提取器、分类器与回归器进行容貌级别维度的模型训练。另一方面,还可以使用第一容貌值和第二容貌值对特征提取器、分类器与回归器进行容貌值维度的模型训练。
S160、当训练完成时,输出所述特征提取器与所述回归器为容貌评估模型。
需要注意的,在容貌评估模型训练完成之后,只需要将特征提取器和回归器的连接结构作为容貌评估模型即可,即在使用过程中,该容貌评估模型包括上述的第一分支网络。其中,分类器用于辅助回归器和特征提取器的训练,增加输入该容貌评估模型的图像数据、和该容貌评估模型的输出的容貌值之间的相关性,并提高了使用容貌评估模型评估容貌值的准确性。
本实施例的技术方案,通过确定样本图像数据;将所述样本图像数据输入至预置的特征提取器中进行处理,以输出人脸特征;将所述人脸特征输入至预置的分类器中进行处理,以输出第一容貌级别,所述第一容貌级别用于预估人脸容貌所处的级别;将所述人脸特征输入至预置的回归器中进行处理,以输出第一容貌值,所述第一容貌值用于预估人脸容貌的评分;根据所述第一容貌级别与所述第一容貌值训练所述特征提取器、所述分类器与所述回归器;当训练完成时,输出所述特征提取器与所述回归器为容貌评估模型,解决因在针对调整人脸容貌值的图像处理中难以确定合适的美颜参数的问题,实现对图像数据中的人脸进行关于人脸容貌的容貌值的评估,进一步的,可以是以该容貌值确定为对图像数据中的人脸进行调整提供一个评判标准,起到辅助的作用。进一步的,区别于在训练过程中,仅使用特征提取器和回归器进行模型训练的情况,本实施例中所提供的技术方案中,在训练过程中,使用特征提取器、分类器与回归器进行同时训练,并只输出特征提取器、回归器的连接结构作为容貌评估模型,起到使用分类器辅助特征提取器、回归器的模型训练的效果。可以进一步保证容貌评估模型,不至于受到由于样本图像数据所关联的第二容貌值具有主观成分,并分布太广等的影响,从而增加输入该容貌评估模型的图像数据、和该容貌评估模型的输出的容貌值之间的相关性,并提高了使用容貌评估模型评估容貌值的准确性。
实施例二
图2为本发明实施例二提供的容貌评估模型的训练方法的流程图。在上述实施例的基础上,增加对属性信息的描述,具体的,该训练方法包括如下步骤:
S210、确定样本图像数据。
本实施例中,该样本图像数据关联有属性信息。示例性的,该属性信息可以表示样本图像数据中人脸的属性。如该属性信息可以是地域属性信息,则可以用于表示样本图像数据中人脸是属于某个地域的人的人脸。又如,该属性信息可以是性别信息,则可以用于表示样本图像数据中人脸是属于男生或女生的人脸。本实施例中,可以使用关联有同一属性信息的样本图像数据对特征提取器、分类器与回归器进行模型训练。
S220、将所述样本图像数据输入至预置的特征提取器中进行处理,以输出人脸特征。
S230、将所述人脸特征输入至预置的分类器中进行处理,以输出第一容貌级别。
其中,该第一容貌级别用于预估人脸容貌所处的级别。
S240、将所述人脸特征输入至预置的回归器中进行处理,以输出第一容貌值。
其中,该第一容貌值用于预估人脸容貌的评分。
S250、根据所述第一容貌级别与所述第一容貌值训练所述特征提取器、所述分类器与所述回归器。
S260、当训练完成时,输出所述特征提取器与所述回归器为容貌评估模型
S270、当所述容貌评估模型由归属于同一属性信息的样本图像数据训练得到时,建立所述容貌评估模型与所述属性信息的关联关系。
本实施例中,可以通过建立以属性信息命名的文件夹,并将输出的容貌评估模型保存在对应的文件夹中,以建立容貌评估模型与属性信息的关联关系。
在又一实施例中,可以通过根据容貌评估模型所归属的属性信息,为该容貌评估模型进行命名,以建立容貌评估模型与属性信息的关联关系。
本实施例中,通过建立容貌评估模型与属性信息的关联关系,可以增加对属性信息的考虑,以提高容貌评估模型的评估容貌值的准确性。
实施例三
图3为本发明实施例三提供的一种美颜参数的推送方法的流程图。本实施例可适用于针对人脸容貌的图像处理的情况,具体的,用于为主播客户端推送美颜参数,该美颜参数为图像处理时所采用的参数,可以用于调整图像数据中的人脸容貌确定。示例性的,该美颜参数可以用于包括:人脸整形、人脸美颜、换脸等调整。其中,人脸整形可以是瘦脸、调整鼻子高度、调整眼睛大小等;人脸美颜可以是美白、去除红眼、化妆等;换脸为将主播用户的人脸图像换成其他的人脸图像。示例性的,对应于瘦脸,该美颜参数为脸部轮廓所在的像素点距离鼻尖所在像素点的距离;对应于调整眼睛大小,该美颜参数为眼睛轮廓所在的像素点距离眼睛中心所在像素点的距离;对于美白,该美颜参数为图像的亮度。该方法可以由美颜参数的推送设备来执行,该推送设备可以是服务器端。
参照图3,该方法具体包括如下步骤:
S310、接收主播客户端发送的直播视频数据,所述直播视频数据中包括直播图像数据。
本实施例中,对于直播平台的应用场景,该直播视频数据可以是主播客户端所上传的视频流。进一步的,可以从直播视频数据中提取包括人脸图像的直播图像数据。其中,直播图像数据为直播视频数据中的、包括人脸的图像帧。
进一步的,可以在检测到主播客户端开始录制直播视频数据时,接收该直播视频数据,用于为该主播客户端推送美颜参数。
S320、获取候选美颜参数。
本实施例中,当接收到直播视频数据之后,可以执行步骤S320。进一步的,该候选美颜参数可以是由服务器端随机生成,也可以是从该主播客户端的美颜参数使用记录中获取。
进一步的,该候选美颜参数还可以是多个美颜参数的组合。对应的,可以为主播客户端推送美颜参数的组合。示例性的,候选美颜参数可以是美白参数和瘦脸参数的组合,其中,美白参数用于限定图像的亮度,瘦脸参数用于限定脸部轮廓所在的像素点距离鼻尖所在像素点的距离。
S330、分别根据所述候选美颜参数对所述直播图像数据进行图像处理,得到候选图像数据。
本实施例中,可以对直播图像数据进行图像处理,使得处理后的直播图像数据符合该候选美颜参数。各候选美颜参数对应有各自的候选图像数据。
S340、分别将所述候选图像数据输入至预置的容貌评估模型中进行处理,以输出容貌值,所述容貌值用于预估人脸容貌的评分。
本实施例中,使用容貌评估模型评估每个候选图像数据的容貌值。容貌值越高,则表示该候选图像数据中的人脸容貌的评分越高,则表示该候选美颜参数的处理效果越符合人的审美。
在一实施例中,登录所述主播客户端的主播用户包括属性信息,预置的所述容貌评估模型与所述属性信息具有关联关系。本实施例考虑到,具有不同属性信息的主播用户,其对人脸容貌的审美标准不同。进一步的,使用与属性信息具有关联关系的容貌评估模型所评估出的容貌值,更加符合该主播用户的审美标准。如该属性信息可以是地域属性信息,则可以用于表示样本图像数据中人脸是属于某个地域的人的人脸。又如,该属性信息可以是性别信息,则可以用于表示样本图像数据中人脸是属于男生或女生的人脸。
需要注意的是,该主播用户的属性信息,除了表示主播用户自身的属性外,还可以表示访问该主播用户的观众用户的属性。进一步的,可以根据观众用户的属性,确定出符合观众用户的审美标准的美颜参数,并推送给主播用户。当访问该主播用户的观众用户中有超过预设比例的观众用户的属性信息为目标属性信息时,则使用与该目标属性信息有关联关系的容貌评估模型进行容貌值评估。
S350、依据所述容貌值从所述候选美颜参数中选取目标美颜参数。
本实施例中,可以通过对候选美颜参数按照容貌值进行排序;根据排序的结果中,从美颜参数中选取预设数量的目标美颜参数。
S360、将所述目标美颜参数发送至所述主播客户端。
本实施例中,将目标美颜参数发送至主播客户端,主播客户端可以使用该目标美颜参数对录制的直播视频数据进行图像处理,以调整该主播视频数据中的主播用户的人脸容貌。进一步的,增加访问该主播用户的观众用户的数量,增加访问时长。
实施例四
图4为本发明实施例四提供的一种美颜参数的推送方法的流程图。本实施例可适用于针对人脸容貌的图像处理的情况,具体的,用于为主播客户端推送美颜参数,该美颜参数为图像处理时所采用的参数,可以用于调整图像数据中的人脸容貌确定。示例性的,该美颜参数可以用于包括:人脸整形、人脸美颜、换脸等调整。其中,人脸整形可以是瘦脸、调整鼻子高度、调整眼睛大小等;人脸美颜可以是美白、去除红眼、化妆等;换脸为将主播用户的人脸图像换成其他的人脸图像。示例性的,对应于瘦脸,该美颜参数为脸部轮廓所在的像素点距离鼻尖所在像素点的距离;对应于调整眼睛大小,该美颜参数为眼睛轮廓所在的像素点距离眼睛中心所在像素点的距离;对于美白,该美颜参数为图像的亮度。该方法可以由美颜参数的推送设备来执行,该美颜参数的推送设备可以是移动终端、电脑等,可以运行有直播平台提供的主播客户端。
参照图4,该美颜参数的推送方法具体包括如下步骤:
S410、向服务器发送直播视频数据,所述直播视频数据包括直播图像数据,所述服务器用于根据所述直播图像数据确定目标美颜参数。
本实施例中,对于直播平台的应用场景,该直播视频数据可以是主播客户端所录制的视频流。进一步的,直播图像数据为直播视频数据中的、包括人脸的图像帧。
S420、从所述服务器接收所述目标美颜参数。
本实施例中,主播客户端从服务器接收该目标美颜参数后,主播客户端可以使用该目标美颜参数对录制的直播视频数据进行图像处理,以调整该主播视频数据中的主播用户的人脸容貌。进一步的,增加访问该主播用户的观众用户的数量,增加访问时长。
本实施例中,目标美颜参数的确定方法,包括:获取候选美颜参数;分别根据所述候选美颜参数对所述直播图像数据进行图像处理,得到候选图像数据;分别将所述候选图像数据输入至预置的容貌评估模型中进行处理,以输出容貌值,所述容貌值用于预估人脸容貌的评分;依据所述容貌值从所述候选美颜参数中选取目标美颜参数。需要注意的是,该目标美颜参数的确定方法可以在服务器中执行,也可以在在主播客户端中执行。
实施例五
图5为本发明实施例五提供的一种美颜参数的推送方法的流程图。本实施例在上述实施例的基础上进一步细化,包括如何使用该指定美颜参数。
参照图5,该美颜参数的推送方法具体包括如下步骤:
S510、向服务器发送直播视频数据,所述直播视频数据包括直播图像数据,所述服务器用于根据所述直播图像数据确定目标美颜参数。
S520、从所述服务器接收所述目标美颜参数。
S530、从所述目标美颜参数中选取指定美颜参数。
本实施例中,可以通过显示效果图像数据,该效果图像数据与目标美颜参数具有关联关系,即该效果图像数据为使用该目标美颜参数对直播图像数据进行图像处理所得到;接收选择操作,该选择操作为作用于效果图像数据上的用户操作,可以是轻触、点击等;将选择操作所作用的效果图像数据,作为指定的效果图像数据;将指定的效果图像数据所关联设置的目标美颜参数,确定为指定美颜参数。示例性的,主播用户可以观看根据目标美颜参数所生成的效果图像数据,进一步的,当主播用户可以点击认可人脸容貌的效果图像数据,使得将该效果图像数据所对应的目标美颜参数作为制定美颜参数。
S540、播放使用所述指定美颜参数进行图像处理的直播视频数据。
本实施例中,主播客户端可以通过向服务器发送指定美颜参数,服务器用于使用指定美颜参数对直播视频数据中的直播图像数据进行图像处理,得到指定的直播视频数据;从服务器拉取指定的直播视频数据,并进行播放。
本技术方案中,服务器可以为主播客户端推荐目标美颜参数,而且,主播客户端可以从目标美颜参数中选取指定美颜参数,并使用该指定美颜参数调整主播用户在直播视频数据中的人脸容貌,在实现对图像数据中的人脸进行关于人脸容貌的容貌值的评估,进一步的,可以是以该容貌值确定为对图像数据中的人脸进行调整提供一个评判标准,起到辅助的作用
实施例六
图6为本发明实施例六提供的一种容貌评估模型的训练装置的结构示意图,本实施例可适用于针对人脸容貌的图像处理的情况,具体的,用于对图像数据中的人脸容貌进行容貌值的确定。该装置可以集成于容貌评估模型的训练设备中。
参照图6,该种容貌评估模型的训练装置,具体包括如下结构:样本确定模块610、特征输出模块620、容貌级别输出模块630、容貌值输出模块640、训练模块650和模型输出模块660。
样本确定模块610,用于确定样本图像数据。
特征输出模块620,用于将所述样本图像数据输入至预置的特征提取器中进行处理,以输出人脸特征。
容貌级别输出模块630,用于将所述人脸特征输入至预置的分类器中进行处理,以输出第一容貌级别,所述第一容貌级别用于预估人脸容貌所处的级别。
容貌值输出模块640,用于将所述人脸特征输入至预置的回归器中进行处理,以输出第一容貌值,所述第一容貌值用于预估人脸容貌的评分。
训练模块650,用于根据所述第一容貌级别与所述第一容貌值训练所述特征提取器、所述分类器与所述回归器。
模型输出模块660,用于当训练完成时,输出所述特征提取器与所述回归器为容貌评估模型。
在上述技术方案的基础上,样本确定模块610,包括:
图像数据提取单元,用于从直播视频数据中提取包括人脸图像的直播图像数据,作为样本图像数据。
第二容貌值关联单元,用于从观众行为数据中确定所述直播图像数据的第二容貌值,所述观众行为数据与所述直播视频数据关联设置,所述第二容貌值用于标记人脸容貌的评分。
在上述技术方案的基础上,所述样本图像数据关联有第二容貌值、第二容貌级别,所述第二容貌值用于标记人脸容貌的评分;所述第二容貌级别用于标记人脸容貌所处的级别。
训练模块650,包括:
第一损失值计算单元,用于计算所述第一容貌级别与所述第二容貌级别之间的第一损失值。
第二损失值计算单元,用于计算所述第一容貌值与所述第二容貌值之间的第二损失值。
目标损失值计算单元,用于结合所述第一损失值与所述第二损失值计算目标损失值。
目标判定单元,用于判定所述目标损失值是否符合预设的训练目标。若是,则确定所述特征提取器与所述回归器为容貌评估模型;若否,则更新所述特征提取器、所述分类器与所述回归器,返回执行所述确定样本图像数据。
在上述技术方案的基础上,目标损失值计算单元,包括:
损失权重获取子单元,用于获取预设的损失权重,所述损失权重包括和值为1的第一损失权重和第二损失权重。
第一加权损失值计算子单元,用于计算所述第一损失权重和所述第一损失值的第一乘积,作为第一加权损失值。
第二加权损失值计算子单元,用于计算所述第二损失权重和所述第二损失值的第二乘积,作为第二加权损失值。
目标损失值计算子单元,用于将所述第一加权损失值和所述第二加权损失值的和,作为目标损失值。
在上述技术方案的基础上,所述样本图像数据关联有属性信息;该装置还包括:属性关联模块,用于在所述当训练完成时,输出所述特征提取器与所述回归器为容貌评估模型之后,当所述容貌评估模型由归属于同一属性信息的样本图像数据训练得到时,建立所述容貌评估模型与所述属性信息的关联关系。
在上述技术方案的基础上,所述样本图像数据为人脸图像,关联有第二容貌值;样本确定模块610,包括:
样本图像数据获取单元,用于获取样本图像数据;
第二容貌值确定单元,用于确定与所述样本图像数据相关联的至少一个第二容貌值;
平均值计算单元,用于计算关于所有所述第二容貌值的平均值;
第二容貌级别确定单元,用于对所述平均值进行取整操作,作为所述样本图像数据的第二容貌级别。
实施例七
图7为本发明实施例七提供的一种美颜参数的推送装置的结构示意图。本实施例可适用于针对人脸容貌的图像处理的情况,具体的,用于为主播客户端推送美颜参数,该美颜参数为图像处理时所采用的参数,可以用于调整图像数据中的人脸容貌确定。该装置可以集成于美颜参数的推送设备中。
参照图7,该美颜参数的推送装置,具体包括如下结构:视频数据接收模块710、候选美颜参数获取模块720、候选图像数据获取模块730、容貌评估模块740、目标美颜参数选取模块750和目标美颜参数发送模块760。
视频数据接收模块710,用于接收主播客户端发送的直播视频数据,所述直播视频数据中包括直播图像数据。
候选美颜参数获取模块720,用于获取候选美颜参数。
候选图像数据获取模块730,用于分别根据所述候选美颜参数对所述直播图像数据进行图像处理,得到候选图像数据。
容貌评估模块740,用于分别将所述候选图像数据输入至预置的容貌评估模型中进行处理,以输出容貌值,所述容貌值用于预估人脸容貌的评分。
目标美颜参数选取模块750,用于依据所述容貌值从所述候选美颜参数中选取目标美颜参数。
目标美颜参数发送模块760,用于将所述目标美颜参数发送至所述主播客户端。
在上述技术方案的基础上,目标美颜参数选取模块750,包括:
排序单元,用于对所述候选美颜参数按照所述容貌值进行排序。
目标美颜参数选取单元,用于根据所述排序的结果中,从所述美颜参数中选取预设数量的目标美颜参数。
在上述技术方案的基础上,登录所述主播客户端的主播用户包括属性信息,预置的所述容貌评估模型与所述属性信息具有关联关系。
实施例八
图8为本发明实施例八提供的一种美颜参数的推送装置的结构示意图。本实施例可适用于针对人脸容貌的图像处理的情况,具体的,用于为主播客户端推送美颜参数,该美颜参数为图像处理时所采用的参数,可以用于调整图像数据中的人脸容貌确定。该装置可以集成于美颜参数的推送设备中,该美颜参数的推送设备可以是移动终端、电脑等,可以运行有直播平台提供的主播客户端。
参照图8,该美颜参数的推送装置,具体包括如下结构:直播视频数据发送模块810和目标美颜参数接收模块820。
直播视频数据发送模块810,用于向服务器发送直播视频数据,所述直播视频数据包括直播图像数据,所述服务器用于根据所述直播图像数据确定目标美颜参数。
目标美颜参数接收模块820,用于从所述服务器接收所述目标美颜参数。
其中,所述目标美颜参数的确定方法,包括:获取候选美颜参数;分别根据所述候选美颜参数对所述直播图像数据进行图像处理,得到候选图像数据;分别将所述候选图像数据输入至预置的容貌评估模型中进行处理,以输出容貌值,所述容貌值用于预估人脸容貌的评分;依据所述容貌值从所述候选美颜参数中选取目标美颜参数。
在上述技术方案的基础上,该装置还包括:
指定美颜参数选取模块,用于在所述从所述服务器接收所述目标美颜参数之后,从所述目标美颜参数中选取指定美颜参数。
播放模块,用于播放使用所述指定美颜参数进行图像处理的直播视频数据。
在上述技术方案的基础上,指定美颜参数选取模块,包括:
效果图像数据显示单元,用于显示效果图像数据,所述效果图像数据与所述目标美颜参数具有关联关系。
选择操作接收单元,用于接收选择操作。
指定效果单元,用于将所述选择操作所作用的效果图像数据,作为指定的效果图像数据。
指定美颜参数确定单元,用于将指定的所述效果图像数据所关联设置的目标美颜参数,确定为指定美颜参数。
播放模块,包括:
指定美颜参数发送单元,用于向所述服务器发送所述指定美颜参数,所述服务器用于使用所述指定美颜参数对所述直播视频数据中的直播图像数据进行图像处理,得到指定的直播视频数据。
播放单元,用于从所述服务器拉取指定的所述直播视频数据,并进行播放。
实施例九
图9为本发明实施例九提供的一种容貌评估模型的训练设备的结构示意图。如图9所示,该容貌评估模型的训练设备包括:处理器91、存储器92、输入装置93以及输出装置94。该容貌评估模型的训练设备中处理器91的数量可以是一个或者多个,图9中以一个处理器91为例。该容貌评估模型的训练设备中存储器92的数量可以是一个或者多个,图9中以一个存储器92为例。该容貌评估模型的训练设备的处理器91、存储器92、输入装置93以及输出装置94可以通过总线或者其他方式连接,图9中以通过总线连接为例。该容貌评估模型的训练设备可以是电脑和服务器等。本实施例以容貌评估模型的训练设备为服务器进行详细说明,该服务器可以是独立服务器或集群服务器。
存储器92作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明任意实施例所述的容貌评估模型的训练方法对应的程序指令/模块(例如,容貌评估模型的训练装置中的样本确定模块610、特征输出模块620、容貌级别输出模块630、容貌值输出模块640、训练模块650和模型输出模块660)。存储器92可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据设备的使用所创建的数据等。此外,存储器92可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器92可进一步包括相对于处理器91远程设置的存储器,这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置93可用于接收输入的数字或者字符信息,以及产生与容貌评估模型的训练设备的观众用户设置以及功能控制有关的键信号输入,还可以是用于获取图像的摄像头以及获取音频数据的拾音设备。输出装置94可以包括扬声器等音频设备。需要说明的是,输入装置93和输出装置94的具体组成可以根据实际情况设定。
处理器91通过运行存储在存储器92中的软件程序、指令以及模块,从而执行设备的各种功能应用以及数据处理,即实现上述的容貌评估模型的训练方法。
实施例十
图10为本发明实施例十提供的一种美颜参数的推送设备的结构示意图。如图10所示,该美颜参数的推送设备包括:处理器101、存储器102、输入装置103以及输出装置104。该美颜参数的推送设备中处理器101的数量可以是一个或者多个,图10中以一个处理器101为例。该美颜参数的推送设备中存储器102的数量可以是一个或者多个,图10中以一个存储器102为例。该美颜参数的推送设备的处理器101、存储器102、输入装置103以及输出装置104可以通过总线或者其他方式连接,图10中以通过总线连接为例。该美颜参数的推送设备可以是电脑和服务器等。本实施例以美颜参数的推送设备为服务器进行详细说明,该服务器可以是独立服务器或集群服务器。
存储器102作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明任意实施例所述的美颜参数的推送方法对应的程序指令/模块(例如,美颜参数的推送装置中的视频数据接收模块710、候选美颜参数获取模块720、候选图像数据获取模块730、容貌评估模块740、目标美颜参数选取模块750和目标美颜参数发送模块760;又例如,美颜参数的推送装置中的直播视频数据发送模块810和目标美颜参数接收模块820)。存储器102可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据设备的使用所创建的数据等。此外,存储器102可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器102可进一步包括相对于处理器101远程设置的存储器,这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置103可用于接收输入的数字或者字符信息,以及产生与美颜参数的推送设备的观众用户设置以及功能控制有关的键信号输入,还可以是用于获取图像的摄像头以及获取音频数据的拾音设备。输出装置104可以包括扬声器等音频设备。需要说明的是,输入装置103和输出装置104的具体组成可以根据实际情况设定。
处理器101通过运行存储在存储器102中的软件程序、指令以及模块,从而执行设备的各种功能应用以及数据处理,即实现上述的美颜参数的推送方法。
实施例十一
本发明实施例十一还提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行一种容貌评估模型的训练方法。
该方法包括:
确定样本图像数据;
将所述样本图像数据输入至预置的特征提取器中进行处理,以输出人脸特征;
将所述人脸特征输入至预置的分类器中进行处理,以输出第一容貌级别,所述第一容貌级别用于预估人脸容貌所处的级别;
将所述人脸特征输入至预置的回归器中进行处理,以输出第一容貌值,所述第一容貌值用于预估人脸容貌的评分;
根据所述第一容貌级别与所述第一容貌值训练所述特征提取器、所述分类器与所述回归器;
当训练完成时,输出所述特征提取器与所述回归器为容貌评估模型。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的容貌评估模型的训练方法操作,还可以执行本发明任意实施例所提供的容貌评估模型的训练方法中的相关操作,且具备相应的功能和有益效果。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台计算机设备(可以是机器人,个人计算机,服务器,或者网络设备等)执行本发明任意实施例所述的容貌评估模型的训练方法。
值得注意的是,上述容貌评估模型的训练装置中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
实施例十二
本发明实施例十二还提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行一种美颜参数的推送方法。
在一实施例中,该方法包括:
接收主播客户端发送的直播视频数据,所述直播视频数据中包括直播图像数据;
获取候选美颜参数;
分别根据所述候选美颜参数对所述直播图像数据进行图像处理,得到候选图像数据;
分别将所述候选图像数据输入至预置的容貌评估模型中进行处理,以输出容貌值,所述容貌值用于预估人脸容貌的评分;
依据所述容貌值从所述候选美颜参数中选取目标美颜参数;
将所述目标美颜参数发送至所述主播客户端。
在又一实施例中,该方法包括:
向服务器发送直播视频数据,所述直播视频数据包括直播图像数据,所述服务器用于根据所述直播图像数据确定目标美颜参数;
从所述服务器接收所述目标美颜参数;
其中,所述目标美颜参数的确定方法,包括:获取候选美颜参数;分别根据所述候选美颜参数对所述直播图像数据进行图像处理,得到候选图像数据;分别将所述候选图像数据输入至预置的容貌评估模型中进行处理,以输出容貌值,所述容貌值用于预估人脸容貌的评分;依据所述容貌值从所述候选美颜参数中选取目标美颜参数。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的美颜参数的推送方法操作,还可以执行本发明任意实施例所提供的美颜参数的推送方法中的相关操作,且具备相应的功能和有益效果。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台计算机设备(可以是机器人,个人计算机,服务器,或者网络设备等)执行本发明任意实施例所述的美颜参数的推送方法。
值得注意的是,上述美颜参数的推送装置中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
上述产品可执行本发明任意实施例所提供的方法,具备执行方法相应的功能模块和有益效果。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
机译: 多参数镜片系统和方法的不相关性,用于椭圆延迟法和偏光法中用于镜片延迟的参数化数学模型方程中的参数评估
机译: 椭偏和偏光系统中用于镜头延迟的参数化数学模型方程中参数的不相关评估方法
机译: 椭偏仪和旋光仪系统中用于窗口延迟的参数化数学模型方程中参数的不相关评估方法