[发明专利]一种面部特征的有效性判定方法及电子设备

说明书

一种面部特征的有效性判定方法及电子设备，用以解决基于机器学习的方法判定复杂度高的问题。通过第一视频图像的面部特征确定姿态信息和/或面部变化信息；其中，姿态信息用于表征所述第一视频图像中面部特征所指示的人物头部的偏转度，所述面部变化信息用于表征所述人物头部在所述第一视频图像与第二视频图像中的位置变化情况，所述第二视频图像为所述第一视频图像所属的视频流中所述第一视频图像的前一帧图像；然后根据所述姿态信息和/或所述面部变化信息，确定所述面部特征是否为无效特征，进而再确定是否对第一视频图像的人物面部进行三维重建处理，无需预先训练模型，复杂度较低，处理时间较短。

技术领域

本申请实施例涉及图像处理技术领域，尤其涉及一种面部特征的有效性判定方法及电子设备。

背景技术

目前有些笔记本电脑上的摄像头为隐藏式设计，其位于屏幕下方。用户通过笔记本上的摄像头采集图像时，画面中的人脸存在向上仰角，用户体验较差。因此需要对人脸角度进行校正。现一般三维重建技术对单帧的人脸图像进行三维重建，比如，采用三维可变形模型(3d morphable model，3DMM)技术，进而实现对摄像头画面中的面部校正，以增强用户体验。三维重建技术一般基于识别到的面部特征，对面部进行重构、调整。因此三维重建技术的面部效果依赖于面部特征中特征点识别的准确性。

现有一般通过机器学习的方法来判断面部特征的有效性，但是机器学习依据预先训练的模型，而模型的可信度依赖于训练样本，因此判定的可信度无法确定，并且机器学习的判定方式复杂度高。

发明内容

本申请实施例提供一种面部特征的有效性判定方法及电子设备，用以解决基于机器学习的方法判定复杂度高的问题。

第一方面，本申请实施例提供一种面部特征的有效性判定方法，该方法可以由任何电子设备执行，也可以由电子设备中的芯片或处理器执行，包括获取第一视频图像的面部特征；根据所述第一视频图像的面部特征确定姿态信息和/或面部变化信息；其中，姿态信息用于表征所述第一视频图像中面部特征所指示的人物头部的偏转度，所述面部变化信息用于表征所述人物头部在所述第一视频图像与第二视频图像中的位置变化情况，所述第二视频图像为在所述第一视频图像所属的视频流中，位于所述第一视频图像前面的一帧图像，第二视频图像与所述第一视频图像间隔的视频图像数量位于预设数量范围内；根据所述姿态信息和/或所述面部变化信息，确定所述面部特征是否为无效特征。

通过上述方案，通过面部特征确定姿态信息和/或面部变化信息，从而确定面部特征是否为无效特征，无需依赖训练模型，复杂度较低。

在一种可能的设计中，根据所述第一视频图像的面部特征确定姿态信息和/或面部变化信息，包括：在所述面部特征中不包括位于所述第一视频图像的边缘区域内的特征点时，再进而根据所述第一视频图像的面部特征确定姿态信息和/或面部变化信息。

由于面部特征中包括位于边缘区域的特征点时，三维重建后的图像边缘可能会留下空白，效果较差，示例性地，在某一特征点过度靠近图像边缘时，可以判定面部特征为无效特征，无需再执行根据所述第一视频图像的面部特征确定姿态信息和/或面部变化信息，以及后续操作。提高的三维重建的准确度，并且可以减少判定时间。

在一种可能的设计中，所述姿态信息可以包括用于表征所述人物头部左右转动的水平偏转度、用于表征所述人物头部抬头或者低头的垂直偏转度和用于表征所述人物头部歪斜程度的倾斜度中的至少一项，所述面部变化信息可以包括所述人物头部在所述第一视频图像的位置相比第二视频图像中的人物头部的位置之间的位移、所述第一视频图像的面部图像与所述第二视频图像的面部图像之间的图像相似度中的至少一项。

在一种可能的设计中，根据所述姿态信息和/或所述面部变化信息，确定所述面部特征是否为无效特征，可以在确定满足如下至少一个条件时，确定所述第一视频图像中的面部特征为无效特征；

上述提及的位移大于第一阈值；

上述提及的图像相似度大于第二阈值；