[发明专利]图像处理方法、装置和系统及存储介质

说明书

本发明的实施例提供了一种图像处理方法、装置和系统及存储介质。该方法包括：获取初始人脸图像；基于初始人脸图像进行三维重建，以获得三维人头模型；在三维人头模型上预定义人脸关键点信息；对三维人头模型进行变换；将经变换的三维人头模型渲染为二维人脸图像；以及根据经变换的三维人头模型与二维人脸图像之间的投影关系以及人脸关键点信息，确定二维人脸图像中的二维人脸关键点并获得二维人脸关键点的位置信息作为人脸关键点标注数据。利用上述方法、装置和系统及存储介质能够非常简单快速地生成大量的、各种不同场景下的人脸图像及人脸关键标注数据。

技术领域

本发明涉及人工智能(AI)领域，更具体地涉及一种图像处理方法、装置和系统及存储介质。

背景技术

人脸关键点定位在人脸识别、表情识别、姿态识别中都有重要的应用。目前主流的人脸关键点定位方法主要利用机器学习算法从人脸关键点标注数据中学习。当前的人脸关键点标注数据主要依赖于人工标注，即需要以人工方式标注获得大量的、在不同场景下(例如各种不同姿态、光照、表情下)的人脸关键点标注数据。这种人工标注方式效率低、成本高。

发明内容

考虑到上述问题而提出了本发明。本发明提供了一种图像处理方法、装置和系统及存储介质。

根据本发明一方面，提供了一种图像处理方法。该方法包括：获取初始人脸图像；基于初始人脸图像进行三维重建，以获得三维人头模型；在三维人头模型上预定义人脸关键点信息；对三维人头模型进行变换；将经变换的三维人头模型渲染为二维人脸图像；以及根据经变换的三维人头模型与二维人脸图像之间的投影关系以及人脸关键点信息，确定二维人脸图像中的二维人脸关键点并获得二维人脸关键点的位置信息作为人脸关键点标注数据。

示例性地，在将经变换的三维人头模型渲染为二维人脸图像之前，图像处理方法还包括：在经变换的三维人头模型上添加附加信息，其中，附加信息包括背景、头发和光照中的一项或多项。

示例性地，在经变换的三维人头模型上添加附加信息包括：在经变换的三维人头模型上随机添加附加信息。

示例性地，人脸关键点信息包括与人脸内部关键点相关的内部点信息，二维人脸关键点包括二维内部关键点。

示例性地，内部点信息包括三维人头模型中的三维内部关键点的位置信息，根据经变换的三维人头模型与二维人脸图像之间的投影关系以及人脸关键点信息，确定二维人脸图像中的二维人脸关键点并获得二维人脸关键点的位置信息作为人脸关键点标注数据包括：根据投影关系以及三维内部关键点的位置信息，确定三维内部关键点在二维人脸图像所在的成像平面中投影获得的二维内部关键点并获得二维内部关键点的位置信息。

示例性地，人脸关键点信息包括与人脸轮廓关键点相关的轮廓点信息，二维人脸关键点包括二维轮廓关键点。

示例性地，轮廓点信息包括三维人头模型中的、可能成为人脸轮廓关键点的三维轮廓点集的位置信息，根据经变换的三维人头模型与二维人脸图像之间的投影关系以及人脸关键点信息，确定二维人脸图像中的二维人脸关键点并获得二维人脸关键点的位置信息作为人脸关键点标注数据包括：确定三维轮廓点集与三维人头模型中的预定义的起点平面的交集为三维起点候选集；根据投影关系以及三维轮廓点集的位置信息，确定三维轮廓点集和三维起点候选集在二维人脸图像所在的成像平面中投影获得的二维轮廓点集和二维起点候选集及二维轮廓点集和二维起点候选集的位置；从二维起点候选集中选择轮廓起点和轮廓终点；基于轮廓起点、轮廓终点和二维轮廓点集的外轮廓线确定人脸轮廓线；以及基于人脸轮廓线确定二维人脸图像中的二维轮廓关键点并获得二维轮廓关键点的位置信息。

示例性地，基于人脸轮廓线确定二维人脸图像中的二维轮廓关键点并获得二维轮廓关键点的位置信息包括：根据预定义的人脸部位剔除条件剔除人脸轮廓线中的、属于特定人脸部位的点，以获得新的人脸轮廓线；将新的人脸轮廓线等分；以及确定获得的等分点为二维人脸图像中的二维轮廓关键点并获得二维轮廓关键点的位置信息。