一種評估圖片中人臉顏值的方法和裝置的制造方法
【技術領域】
[0001 ]本發明的實施方式涉及計算機技術領域，更具體地，本發明的實施方式涉及一種評估圖片中人臉顏值的方法和裝置。
【背景技術】
[0002]本部分旨在為權利要求書中陳述的本發明的實施方式提供背景或上下文。此處的描述不因為包括在本部分中就承認是現有技術。
[0003]人的顏值表示人臉在視覺上的漂亮程度。顏值的計算，主要是指人臉部的五官比例是否協調，臉型和五官是否協調。
[0004]目前，計算圖片中人臉顏值的方法主要有以下幾種:
[0005]基于形狀特征的計算方法、基于局部特征的計算方法、基于淺層特征的計算方法和基于深度特征的計算方法。其中，基于形狀特征的計算方法是指通過人臉五官之間的比例進行計算;基于局部特征的計算方法是指通過Sift，Surf等局部特征進行計算;基于淺層特征的計算方法是指通過人臉的LBP、GIST或者HOG等淺層特征進行計算;基于深度特征的計算方法是指通過神經網絡，尤其是卷積神經網絡訓練進行計算。
【發明內容】
[0006]但是，目前的圖片中人臉顏值評估方法對于不同年齡段的人群，或者不同性別的人群采用統一的判斷標準，因此，存在準確度較低的缺陷，這是非常令人煩惱的過程。
[0007]為此，非常需要一種改進的評估圖片中人臉顏值的方法，解決現有技術中存在的準確度較低的缺陷。
[0008]在本上下文中，本發明的實施方式期望提供一種評估圖片中人臉顏值的方法和裝置。
[0009]在本發明實施方式的第一方面中，提供了一種評估圖片中人臉顏值的方法，包括:獲取參考人臉圖片以及所述參考人臉圖片對應的標記;根據所獲取的參考人臉圖片和所述標記進行神經網絡數據訓練以建立用于獲得特征參數的神經網絡模型，其中所述神經網絡模型的輸出層的輸出對象對應相應的所述標記;對待評估圖片通過所述神經網絡模型進行計算，以獲得多個目標特征參數;選擇標準模板圖片，并采用所述神經網絡模型對所述標準模板圖片進行計算，以獲得多個參考特征參數；以及基于所述多個目標特征參數和所述多個參考特征參數進行顏值評估。
[0010]在一個實施例中，根據本發明的上述實施例所述的方法，其中基于所述多個目標特征參數和所述多個參考特征參數進行顏值評估的方法包括:計算所述多個目標特征參數中至少部分目標特征參數與對應所述參考特征參數的相似度；以及計算所述相似度的加權值，并根據所述加權值進行顏值評估。
[0011]在一些實施例中，在根據本發明的上述任一實施例的評估圖片中人臉顏值的方法中，計算所述相似度的加權值的方法包括:調節權重系數來設置顏值評估的偏好，并根據調節后的權重系數計算所述相似度的加權值。
[0012]在一些實施例中，在根據本發明的上述任一實施例的評估圖片中人臉顏值的方法中，所述標記包括所述參考人臉圖片對應的人物標識、性別和年齡。
[0013]在一些實施例中，在根據本發明的上述任一實施例的評估圖片中人臉顏值的方法進一步包括:在神經網絡數據訓練之前對所述參考人臉圖片進行預處理；以及在通過所述神經網絡模型進行計算之前對所述待評估圖片和所述標準模板圖片進行預處理;其中所述預處理包括將圖片轉化為灰度圖片、檢測圖片中人臉的位置、校正圖片中人臉的位置、校正圖片中人臉的尺寸、截取圖片中人臉的全臉部分及五官部分中的至少一種。
[0014]在一些實施例中，在根據本發明的上述任一實施例的評估圖片中人臉顏值的方法中，獲取參考人臉圖片以及所述參考人臉圖片對應的標記的方法包括:從開源數據庫獲得所述參考人臉圖片以及所述標記，其中一個所述標記對應一幅或多幅所述參考人臉圖片。
[0015]在一些實施例中，在根據本發明的上述任一實施例的評估圖片中人臉顏值的方法中，根據所獲取的參考人臉圖片和所述標記進行神經網絡數據訓練以獲得所述神經網絡模型的方法包括:根據多個第一參考人臉圖片和對應的年齡進行神經網絡數據訓練以獲得年齡特征提取神經網絡模型，所述第一參考人臉圖片的標記包括年齡和性別;根據所述多個第一參考人臉圖片和對應的性別進行神經網絡數據訓練以獲得性別特征提取神經網絡模型；以及根據多個第二參考人臉圖片和對應的人物標識進行神經網絡數據訓練以獲得人臉特征提取神經網絡模型，所述第二參考人臉圖片的標記包括人物標識。
[0016]在一個實施例中，其中所述根據多個第二參考人臉圖片和對應的人物標識進行神經網絡數據訓練以獲得人臉特征提取模型神經網絡模型的方法包括:對所述第二參考人臉圖片進行預處理獲得所述第二參考人臉圖片的全臉部分以及五官部分;根據所述第二參考人臉圖片的全臉部分和對應的人物標識進行神經網絡數據訓練以獲得全局特征提取神經網絡模型；以及根據所述第二參考人臉圖片的五官部分和對應的人物標識進行神經網絡數據訓練以獲得多個五官特征提取神經網絡模型。
[0017]在一些實施例中，在根據本發明的上述任一實施例的評估圖片中人臉顏值的方法中，對待評估圖片通過所述神經網絡模型進行計算，以獲得多個目標特征參數的方法包括:采用所述性別特征提取神經網絡模型計算所述待評估圖片中人物的性別;采用所述年齡特征提取神經網絡模型計算所述待評估圖片中人物的年齡;采用所述人臉特征提取神經網絡模型計算所述待評估圖片的人臉特征參數Χ1、Χ2...Χη，其中所述待評估圖片的人臉特征參數Χ1、Χ2...Χη取自所述人臉特征提取神經網絡模型的中間層；以及其中選擇標準模板圖片的方法包括:根據對所述待評估圖片的計算得到的性別、年齡和人臉特征參數中的部分選擇所述標準模板圖片。
[0018]在一些實施例中，在根據本發明的上述任一實施例的評估圖片中人臉顏值的方法中，其中基于所述多個目標特征參數和所述多個參考特征參數進行顏值評估的方法包括:采用所述人臉特征提取神經網絡模型計算所述標準模板圖片的人臉特征參數Υ1、Υ2...Υη，其中所述標準模板圖片的人臉特征參數Υ1、Υ2...Υη取自所述人臉特征提取神經網絡模型的中間層;計算所述待評估圖片的人臉特征參數ΧΚ? = 1、2...η)與對應的所述標準模板圖片的人臉特征參數Y:?(? = 1、2...η)的相似度Si (? = 1、2...η);以及計算所述相似度的加權值F=2SiRi(i = l、2...]!)，以及以進行顏值評估，其中Ri為各人臉特征參數對應的權重系數。
[0019]在一些實施例中，在根據本發明的上述任一實施例的評估圖片中人臉顏值的方法中，其中所述多個人臉特征參數包括全局特征參數、眼睛特征參數、鼻子特征參數和/或嘴巴特征參數。
[0020]在一些實施例中，在根據本發明的上述任一實施例的評估圖片中人臉顏值的方法中，其中計算所述相似度的方法包括:計算所述待評估圖片的人臉特征參數與所述標準模板圖片的人臉特征參數的余弦距離，根據所述余弦距離計算所述相似度。
[0021]在一些實施例中，根據本發明的上述任一實施例的評估圖片中人臉顏值的方法中，進一步包括:通過調節各人臉特征參數對應的權重系數來設置顏值評估的偏好。
[0022]在一些實施例中，在根據本發明的上述任一實施例的評估圖片中人臉顏值的方法中，其中所述第一參考人臉圖片所屬的數據庫包括Adience collect1n of unfilteredfaces for gender and age classificat1n數據庫，所述第二參考人臉圖片所屬的數據庫包括CASIA WebFace數據庫。
[0023]在本發明實施方式的第二方面中，一種評估圖片中人臉顏值的裝置，包括:圖片和標記獲取模塊，被配置為獲取參考人臉圖片以及所述參考人臉圖片對應的標記;神經網絡模型建立模塊，被配置為根據所獲取的參考人臉圖片和所述標記進行神經網絡數據訓練以建立用于獲得特征參數的神經網絡模型，其中所述神經網絡模型的輸出層的輸出對象對應相應的所述標記；目標特征參數獲得模塊，被配置為對待評估圖片通過所述神經網絡模型進行計算，以獲得多個目標特征參數;標準模板圖片選擇模塊，被配置為選擇標準模板圖片；參考特征參數獲得模塊，被配置為采用所述神經網絡模型對所述標準模板圖片進行計算，以獲得多個參考特征參數；以及顏值評估模塊，被配置為基于所述多個目標特征參數和所述多個參考特征參數進行顏值評估。
[0024]在一個實施例中，在根據本發明的上述實施例的評估圖片中人臉顏值的裝置中，其中所述顏值評估模塊包括:相似度計算模塊，被配置為計算所述多個目標特征參數中至少部分目標特征參數與對應所述參考特征參數的相似度；以及加權值顏值評估模塊，被配置為計算所述相似度的加權值，并根據所述加權值進行顏值評估。
[0025]在一些實施例中，在根據本發明的上述任一實施例的評估圖片中人臉顏值的裝置中，所述加權值顏值評估模塊包括:權重系數調節模塊，被配置為調節權重系數來設置顏值評估的偏好;以及計算模塊，被配置為根據調節后的權重系數計算所述相似度的加權值。
[0026]在一些實施例中，在根據本發明的上述任一實施例的評估圖片中人臉顏值的裝置中，其中所述標記包括所述參考人臉圖片對應的人物標識、性別和年齡。
[0027]在一些實施例中，在根據本發明的上述任一實施例的評估圖片中人臉顏值的裝置中，所述裝置還包括預處理模塊，被配置為在神經網絡數據訓練之前對所述參考人臉圖片進行預處理；以及，在通過所述神經網絡模型進行計算之前對所述待評估圖片和所述標準模板圖片進行預處理;其中:所述預處理包括將圖片轉化為灰度圖片、檢測圖片中人臉的位置、校正圖片中人臉的位置、校正圖片中人臉的尺寸、截取圖片中人臉的全臉部分及五官部分中的至少一種。
[0028]在一些實施例中，在根據本發明的上述任一實施例的評估圖片中人臉顏值的裝置中，其中所述圖片和標記獲取模塊具體被配置為:從開源數據庫獲得所述參考人臉圖片以及所述標記，其中一個所述標記對應一幅或多幅所述參考人臉圖片。
[0029]在一些實施例中，在根據本發明的上述任一實施例的評估圖片中人臉顏值的裝置中，經網絡模型建立模塊包括年齡特征提取神經網絡模型建立模塊、性別特征提取神經網絡模型建立模塊和人臉特征提取神經網絡模型建立模塊，其中:所述年齡特征提取神經網絡模型建立模塊，被配置為根據多個第一參考人臉圖片和對應的年齡進行神經網絡數據訓練以獲得年齡特征提取神經網絡模型，所述第一參考人臉圖片的標記包括年齡和性別;所述性別特征提取神經網絡模型建立模塊，被配置為根據所述多個第一參考人臉圖片和對應的性別進行神經網絡數據訓練以獲得性別特征提取神經網絡模型；以及所述人臉特征提取神經網絡模型建立模塊，被配置為根據多個第二參考人臉圖片和對應的人物標識進行神經網絡數據訓練以獲得人臉特征提取神經網絡模型，所述第二參考人臉圖片的標記