一種判定正臉圖像的方法和裝置的制造方法
【專利摘要】本公開是關于一種判定正臉圖像的方法和裝置，屬于電子技術領域。所述方法包括：獲取待判別的面部圖像；基于預先存儲的左側臉/正臉分類模型，對所述面部圖像進行左側臉/正臉的判別，得到所述面部圖像的第一判別結果，基于預先存儲的右側臉/正臉分類模型，對所述面部圖像進行右側臉/正臉的判別，得到所述面部圖像的第二判別結果；如果所述第一判別結果與所述第二判別結果均為正臉圖像，則判定所述面部圖像為正臉圖像，如果所述第一判別結果為左側臉或所述第二判別結果為右側臉圖像，則判定所述面部圖像為非正臉圖像。采用本公開，可以提高處理面部圖像的效率。
【專利說明】
-種判定正臉圖像的方法和裝置
技術領域
[0001] 本公開是關于電子技術領域，尤其是關于一種判定正臉圖像的方法和裝置。
【背景技術】
[0002] 隨著電子技術的發展，各種各樣的終端得到了廣泛的應用，相應的終端上的應用 程序的種類越來越多、功能越來越豐富。比如，顏值打分應用程序即是一種很常用的面部識 別類應用程序。
[0003] 用戶通過面部識別類應用程序進行顏值打分時，比如，用戶為自己的顏值進行打 分時，往往終端在顏值打分前會判斷獲取的面部圖像中的人臉是否是用戶的正臉，即面部 圖像是否是正臉圖像，目前，判斷面部圖像是否是正臉圖像的方法是:首先利用面部姿態算 法檢測面部圖像中的人臉相對于正臉的偏移角度，然后，判斷檢測到的偏移角度與預設角 度闊值的關系，如果小于預設角度闊值，則判定面部圖像是正臉圖像，否則，判定面部圖像 是非正臉圖像。例如，終端對面部圖像判斷出的偏移角度是向左偏移36度，預設角度闊值是 5度，則可W判定該面部圖像是非正臉圖像。
[0004] 在實現本公開的過程中，發明人發現至少存在W下問題：
[0005] 往往可W檢測出人臉的偏移角度的面部姿態算法比較復雜，需要的處理時間比較 長，一般處理一幅面部圖像需要幾分鐘，從而，導致處理面部圖像的效率較低。

【發明內容】

[0006] 為了克服相關技術中存在的問題，本公開提供了一種判定正臉圖像的方法和裝 置。所述技術方案如下：
[0007] 根據本公開實施例的第一方面，提供一種判定正臉圖像的方法，所述方法包括： [000引獲取待判別的面部圖像；
[0009] 基于預先存儲的左側臉/正臉分類模型，對所述面部圖像進行左側臉/正臉的判 另IJ，得到所述面部圖像的第一判別結果，基于預先存儲的右側臉/正臉分類模型，對所述面 部圖像進行右側臉/正臉的判別，得到所述面部圖像的第二判別結果；
[0010] 如果所述第一判別結果與所述第二判別結果均為正臉圖像，則判定所述面部圖像 為正臉圖像，如果所述第一判別結果為左側臉或所述第二判別結果為右側臉圖像，則判定 所述面部圖像為非正臉圖像。
[0011] 可選的，所述方法還包括：
[0012] 基于預先存儲的上側臉/正臉分類模型，對所述面部圖像進行上側臉/正臉的判 另IJ，得到所述面部圖像的第=判別結果，基于預先存儲的下側臉/正臉分類模型，對所述面 部圖像進行下側臉/正臉的判別，得到所述面部圖像的第四判別結果；
[0013] 所述如果所述第一判別結果與所述第二判別結果均為正臉圖像，則判定所述面部 圖像為正臉圖像，如果所述第一判別結果為左側臉或所述第二判別結果為右側臉圖像，貝U 判定所述面部圖像為非正臉圖像，包括：
[0014] 如果所述第一判別結果、所述第二判別結果、所述第=判別結果與所述第四判別 結果均為正臉圖像，則判定所述面部圖像為正臉圖像，如果所述第一判別結果為左側臉、所 述第二判別結果為右側臉圖像、所述第=判別結果為上側臉圖像或所述第四判別結果為下 側臉圖像，則判定所述面部圖像為非正臉圖像。
[0015] 運樣，可W適用于對更多類型的面部圖像進行判別，從而，可W提高對面部圖像的 判定的正確率。
[0016] 可選的，所述基于預先存儲的左側臉/正臉分類模型，對所述面部圖像進行左側 臉/正臉的判別，得到所述面部圖像的第一判別結果，基于預先存儲的右側臉/正臉分類模 型，對所述面部圖像進行右側臉/正臉的判別，得到所述面部圖像的第二判別結果，包括：
[0017] 根據預設的面部關鍵點提取算法，獲取所述面部圖像的面部關鍵點位置信息；
[0018] 基于預先存儲的左側臉/正臉分類模型和所述面部關鍵點位置信息，對所述面部 圖像進行左側臉/正臉的判別，得到所述面部圖像的第一判別結果；基于預先存儲的右側 臉/正臉分類模型和所述面部關鍵點位置信息，對所述面部圖像進行右側臉/正臉的判別， 得到所述面部圖像的第二判別結果。
[0019] 運樣，通過將面部關鍵點位置信息作為面部圖像的特征，對光照都有較好的魯棒 性，即判別結果受面部圖像的光照等條件的影響較小。
[0020] 可選的，所述方法還包括：
[0021] 對所述面部關鍵點位置信息進行歸一化處理，得到歸一化后的面部關鍵點位置信 息；
[0022] 所述基于預先存儲的左側臉/正臉分類模型和所述面部關鍵點位置信息，對所述 面部圖像進行左側臉/正臉的判別，得到所述面部圖像的第一判別結果;基于預先存儲的右 側臉/正臉分類模型和所述面部關鍵點位置信息，對所述面部圖像進行右側臉/正臉的判 另IJ，得到所述面部圖像的第二判別結果，包括：
[0023] 基于預先存儲的左側臉/正臉分類模型和所述歸一化后的面部關鍵點位置信息， 對所述面部圖像進行左側臉/正臉的判別，得到所述面部圖像的第一判別結果;基于預先存 儲的右側臉/正臉分類模型和所述歸一化后的面部關鍵點位置信息，對所述面部圖像進行 右側臉/正臉的判別，得到所述面部圖像的第二判別結果。
[0024] 運樣，可W將不同尺度的面部圖像歸一化為同一尺度，從而，可W提高判別的正確 率。
[0025] 可選的，所述基于預先存儲的左側臉/正臉分類模型和所述歸一化后的面部關鍵 點位置信息，對所述面部圖像進行左側臉/正臉的判別，得到所述面部圖像的第一判別結 果;基于預先存儲的右側臉/正臉分類模型和所述歸一化后的面部關鍵點位置信息，對所述 面部圖像進行右側臉/正臉的判別，得到所述面部圖像的第二判別結果，包括：
[0026] 將所述歸一化后的面部關鍵點位置信息作為自變量帶入預先存儲的第一線性分 類函數中，根據所述第一線性分類函數的函數值，對所述面部圖像進行左側臉/正臉的判 另IJ，得到所述面部圖像的第一判別結果，其中，所述第一線性分類函數是基于預設的左側臉 圖像樣本集和正臉圖像樣本集，對SVM函數進行訓練得到的；
[0027] 將所述歸一化后的面部關鍵點位置信息作為自變量帶入預先存儲的第二線性分 類函數中，根據所述第二線性分類函數的函數值，對所述面部圖像進行右側臉/正臉的判 另IJ，得到所述面部圖像的第二判別結果，其中，所述第二線性分類函數是基于預設的右側臉 圖像樣本集和正臉圖像樣本集，對SVM函數進行訓練得到的。
[0028] 運樣，采用線性SVM對面部圖像進行判別，模型文件較小，計算復雜度低，可W提高 面部圖像的處理效率。
[0029] 根據本公開實施例的第二方面，提供了一種判定正臉圖像的裝置，所述裝置包括：
[0030] 獲取模塊，用于獲取待判別的面部圖像；
[0031] 判別模塊，用于基于預先存儲的左側臉/正臉分類模型，對所述面部圖像進行左側 臉/正臉的判別，得到所述面部圖像的第一判別結果，基于預先存儲的右側臉/正臉分類模 型，對所述面部圖像進行右側臉/正臉的判別，得到所述面部圖像的第二判別結果；
[0032] 判定模塊，用于如果所述第一判別結果與所述第二判別結果均為正臉圖像，則判 定所述面部圖像為正臉圖像，如果所述第一判別結果為左側臉或所述第二判別結果為右側 臉圖像，則判定所述面部圖像為非正臉圖像。
[0033] 可選的，所述判別模塊，還用于：
[0034] 基于預先存儲的上側臉/正臉分類模型，對所述面部圖像進行上側臉/正臉的判 另IJ，得到所述面部圖像的第=判別結果，基于預先存儲的下側臉/正臉分類模型，對所述面 部圖像進行下側臉/正臉的判別，得到所述面部圖像的第四判別結果；
[0035] 所述判定模塊，用于：
[0036] 如果所述第一判別結果、所述第二判別結果、所述第=判別結果與所述第四判別 結果均為正臉圖像，則判定所述面部圖像為正臉圖像，如果所述第一判別結果為左側臉、所 述第二判別結果為右側臉圖像、所述第=判別結果為上側臉圖像或所述第四判別結果為下 側臉圖像，則判定所述面部圖像為非正臉圖像。
[0037] 可選的，所述判別模塊，包括：
[0038] 獲取子模塊，用于根據預設的面部關鍵點提取算法，獲取所述面部圖像的面部關 鍵點位置信息；
[0039] 判別子模塊，用于基于預先存儲的左側臉/正臉分類模型和所述面部關鍵點位置 信息，對所述面部圖像進行左側臉/正臉的判別，得到所述面部圖像的第一判別結果;基于 預先存儲的右側臉/正臉分類模型和所述面部關鍵點位置信息，對所述面部圖像進行右側 臉/正臉的判別，得到所述面部圖像的第二判別結果。
[0040] 可選的，所述判別模塊還包括：
[0041] 歸一化子模塊，用于對所述面部關鍵點位置信息進行歸一化處理，得到歸一化后 的面部關鍵點位置信息；
[0042] 所述判別子模塊，用于：
[0043] 基于預先存儲的左側臉/正臉分類模型和所述歸一化后的面部關鍵點位置信息， 對所述面部圖像進行左側臉/正臉的判別，得到所述面部圖像的第一判別結果;基于預先存 儲的右側臉/正臉分類模型和所述歸一化后的面部關鍵點位置信息，對所述面部圖像進行 右側臉/正臉的判別，得到所述面部圖像的第二判別結果。
[0044] 可選的，所述判別子模塊，用于：
[0045] 將所述歸一化后的面部關鍵點位置信息作為自變量帶入預先存儲的第一線性分 類函數中，根據所述第一線性分類函數的函數值，對所述面部圖像進行左側臉/正臉的判 另IJ，得到所述面部圖像的第一判別結果，其中，所述第一線性分類函數是基于預設的左側臉 圖像樣本集和正臉圖像樣本集，對SVM函數進行訓練得到的；
[0046] 將所述歸一化后的面部關鍵點位置信息作為自變量帶入預先存儲的第二線性分 類函數中，根據所述第二線性分類函數的函數值，對所述面部圖像進行右側臉/正臉的判 另IJ，得到所述面部圖像的第二判別結果，其中，所述第二線性分類函數是基于預設的右側臉 圖像樣本集和正臉圖像樣本集，對SVM函數進行訓練得到的。
[0047] 根據本公開實施例的第=方面，提供了一種判定正臉圖像的裝置，包括：
[004引處理器；
[0049] 用于存儲處理器可執行指令的存儲器；
[0050] 其中，所述處理器被配置為：
[0051] 獲取待判別的面部圖像；
[0052] 基于預先存儲的左側臉/正臉分類模型，對所述面部圖像進行左側臉/正臉的判 另IJ，得到所述面部圖像的第一判別結果，基于預先存儲的右側臉/正臉分類模型，對所述面 部圖像進行右側臉/正臉的判別，得到所述面部圖像的第二判別結果；
[0053] 如果所述第一判別結果與所述第二判別結果均為正臉圖像，則判定所述面部圖像 為正臉圖像，如果所述第一判別結果為左側臉或所述第二判別結果為右側臉圖像，則判定 所述面部圖像為非正臉圖像。
[0054] 本公開的實施例提供的技術方案可W包括W下有益效果：
[0055] 本公開實施例中，獲取到待判別的面部圖像后，終端分別用兩種預先存儲的分類 模型(左側臉/正臉分類模型和右側臉/正臉分類模型)對面部圖像進行判別，其中，左側臉/ 正臉分類模型的判別結果不是正臉圖像就是左側臉圖像，右側臉/正臉分類模型的判別結 果不是正臉圖像就是右側臉圖像，進而，可W根據兩種分類模型的判別結果判定待判別的 面部圖像是正臉圖像還是非正臉圖像。運樣，終端即可通過簡單的分類模型判定面部圖像 是否是正臉圖像，無需判斷面部圖像中的人臉的偏移角度，需要的處理時間比較短，一般處 理一幅面部圖像需要幾毫秒即可，從而，可W提高處理面部圖像的效率。
[0056] 應當理解的是，W上的一般描述和后文的細節描述僅是示例性和解釋性的，并不 能限制本公開。
【附圖說明】
[0057] 此處的附圖被并入說明書中并構成本說明書的一部分，示出了符合本公開的實施 例，并與說明書一起用于解釋本公開的原理。在附圖中：
[0058] 圖1是根據一示例性實施例示出的一種判定正臉圖像的方法的流程圖；
[0059] 圖2(a)是根據一示例性實施例示出的一種面部關鍵點示意圖；
[0060] 圖2(b)是根據一示例性實施例示出的一種面部關鍵點示意圖；
[0061] 圖3是根據一示例性實施例示出的一種判定正臉圖像的裝置的示意圖；
[0062] 圖4是根據一示例性實施例示出的一種判定正臉圖像的裝置的示意圖；
[0063] 圖5是根據一示例性實施例示出的一種判定正臉圖像的裝置的示意圖；
[0064] 圖6是根據一示例性實施例示出的一種終端的結構示意圖。
[0065] 通過上述附圖，已示出本公開明確的實施例，后文中將有更詳細的描述。運些附圖 和文字描述并不是為了通過任何方式限制本公開構思的范圍，而是通過參考特定實施例為 本領域技術人員說明本公開的概念。
【具體實施方式】
[0066] 運里將詳細地對示例性實施例進行說明，其示例表示在附圖中。下面的描述設及 附圖時，除非另有表示，不同附圖中的相同數字表示相同或相似的要素。W下示例性實施例 中所描述的實施方式并不代表與本公開相一致的所有實施方式。相反，它們僅是與如所附 權利要求書中所詳述的、本公開的一些方面相一致的裝置和方法的例子。
[0067] 本公開一示例性實施例提供了一種判定正臉圖像的方法，如圖1所示，該方法可W 用于終端中，其中，終端可W是具有面部識別功能的終端，可W是安裝有具有面部識別功能 的應用程序的手機、平板電腦等移動終端，也可W是具有面部識別功能的PC(Personal Computer,個人電腦）。例如，顏值打分類應用程序，其中設置有拍攝圖像的功能，通過對拍 攝的面部的圖像進行面部識別，來為用戶的顏值進行打分。該終端中可W設置有處理器、存 儲器，其中，處理器可W用于對待判別的面部進行判別，確定面部圖像是否是正臉圖像的相 關處理，存儲器可W用于對下述處理過程中需要和產生的數據。可W設置有攝像頭、屏幕等 輸入輸出設備，攝像頭可W用于面部的圖像的拍攝，屏幕可W用于拍攝的面部的圖像等的 顯示，可W是觸控式的屏幕。本實施例中，W終端為手機為例進行方案的詳細說明，其它情 況與之類似，本實施例不再累述。
[0068] 下面將結合實施方式，對圖1所示的處理流程進行詳細的說明，內容可W如下：
[0069] 在步驟101中，獲取待判別的面部圖像。
[0070] 其中，面部圖像可W是人臉圖像，也可W是小貓等動物的面部圖像。
[0071] 在實施中，終端中可W安裝有具有面部識別功能的應用程序，比如顏值打分、人臉 驗證、表情識別等應用程序，W顏值打分類應用程序為例進行方案的詳細說明，其它情況與 之類似，本實施例不再累述。
[0072] 用戶想要為自己的顏值進行打分時，可W在上述應用程序中進入拍攝圖像功能， 終端則會開啟攝像頭，通過攝像頭拍攝圖像，并顯示在屏幕上。用戶可W操作終端將攝像頭 對準自己的面部，并基于屏幕顯示的圖像對終端的位置進行調節。在此過程中，終端可W獲 取拍攝到的面部圖像，即獲取待判別的面部圖像。
[0073] 在步驟102中，基于預先存儲的左側臉/正臉分類模型，對面部圖像進行左側臉/正 臉的判別，得到面部圖像的第一判別結果，基于預先存儲的右側臉/正臉分類模型，對面部 圖像進行右側臉/正臉的判別，得到面部圖像的第二判別結果。
[0074] 在實施中，終端中可W預先存儲有左側臉/正臉分類模型和右側臉/正臉分類模 型，W便獲取到待判別的面部圖像后，對面部圖像進行判別。終端獲取到待判別的面部圖像 后，可W分別用預先存儲的左側臉/正臉分類模型和右側臉/正臉分類模型，對面部圖像進 行判別。具體的，首先，終端可W用左側臉/正臉分類模型判別面部圖像是正臉圖像還是左 側臉圖像，得到面部圖像經過左側臉/正臉分類模型判別后的判別結果（即第一判別結果）， 然后，終端可W用右側臉/正臉分類模型判別面部圖像是正臉圖像還是右側臉圖像，得到面 部圖像經過右側臉/正臉分類模型判別后的判別結果（即第二判別結果），其中，兩種分類模 型的判別時間無先后之分，可W同時進行，也可W先利用其中的一個分類模型進行判別，再 利用另一個分類模型進行判別。
[0075] 可選的，獲取到面部圖像后，可W先獲取面部圖像的面部關鍵點位置信息，再進行 上述判別，相應的，步驟102的處理過程可W如下:根據預設的面部關鍵點提取算法，獲取面 部圖像的面部關鍵點位置信息;基于預先存儲的左側臉/正臉分類模型和面部關鍵點位置 信息，對面部圖像進行左側臉/正臉的判別，得到面部圖像的第一判別結果;基于預先存儲 的右側臉/正臉分類模型和面部關鍵點位置信息，對面部圖像進行右側臉/正臉的判別，得 到面部圖像的第二判別結果。
[0076] 其中，面部關鍵點位置信息可W是各面部關鍵點的位置信息，可W是各面部關鍵 點的坐標（比如是像素位置），面部關鍵點可W是用于定位面部的關鍵區域的一些點，比如 可W是用于定位眼睛、鼻子、嘴己、臉部輪廓的一些點。
[0077] 在實施中，終端中可W預先存儲有用于提取面部圖像的面部關鍵點位置信息的面 部關鍵點提取算法，其中，面部關鍵點提取算法可W是有監督的梯度下降方法SDM。終端獲 取到面部圖像后，可W基于預先存儲的面部關鍵點提取算法，檢測面部圖像中的各面部關 鍵點，得到的面部關鍵點如圖2(a)和2(b)所示。具體的，可W基于有監督的梯度下降方法， 獲取面部圖像中的各面部關鍵點的坐標，可W將由各個面部關鍵點的坐標組成的向量作為 待識別的面部圖像的特征向量（即面部關鍵點位置信息），可W記為（Xl，yi，X2，y2，-，，Xn, yn)，其中，n為面部關鍵點的個數，（xi，yi)表示第i個面部關鍵點的坐標，可W是像素位置 (比如，Xi表示第i個面部關鍵點所在的行數，yi表示第i個面部關鍵點所在的列數），i的取值 為1-n的任意整數。終端得到面部圖像的特征向量后，可W分別用預先存儲的左側臉/正臉 分類模型和右側臉/正臉分類模型，對面部圖像進行判別。具體的，首先，終端可W用左側 臉/正臉分類模型判別面部圖像是正臉圖像還是左側臉圖像，得到面部圖像經過左側臉/正 臉分類模型判別后的第一判別結果，然后，終端可W用右側臉/正臉分類模型判別面部圖像 是正臉圖像還是右側臉圖像，得到面部圖像經過右側臉/正臉分類模型判別后的第二判別 結果。
[0078] 可選的，還可W對面部關鍵點位置信息進行歸一化處理，將歸一化后的面部關鍵 點位置信息作為特征向量，相應的，處理過程可W如下:對面部關鍵點位置信息進行歸一化 處理，得到歸一化后的面部關鍵點位置信息;基于預先存儲的左側臉/正臉分類模型和歸一 化后的面部關鍵點位置信息，對面部圖像進行左側臉/正臉的判別，得到面部圖像的第一判 別結果;基于預先存儲的右側臉/正臉分類模型和歸一化后的面部關鍵點位置信息，對面部 圖像進行右側臉/正臉的判別，得到所述面部圖像的第二判別結果。
[0079] 在實施中，終端得到面部關鍵點位置信息后，可W對其進行歸一化處理，具體的， 終端得到面部圖像的面部關鍵點的坐標后，可W分別計算橫坐標(即X坐標)的均值(可W記 為iix)和標準差(可W記為Ox)、W及縱坐標（即y坐標)的均值(可W記為％)和標準差(可W記 為聽），進而，可W對于每個面部關鍵點的坐標中的Xi按照公式（1)進行歸一化得到i，yi按 照公式(2)進行歸一化得到/i,對于每個面部關鍵點得到歸一化的坐標i，/i)。
[0080] ( 1 )
[0081] (2 )
[0082] 得到歸一化后的面部關鍵點的坐標后，可W將由各個歸一化后的面部關鍵點的坐 標組成的向量作為待識別的面部圖像的特征向量(即歸一化后的面部關鍵點位置信息），可 W記為(X' 1，y' 1，X' 2，y' 2，…，X' n，y' n)。終端得到由歸一化后的坐標組成的特征向量后，可 W分別用預先存儲的左側臉/正臉分類模型和右側臉/正臉分類模型，對面部圖像進行判 另IJ。具體的，首先，終端可W用左側臉/正臉分類模型判別面部圖像是正臉圖像還是左側臉 圖像，得到面部圖像經過左側臉/正臉分類模型判別后的第一判別結果，然后，終端可W用 右側臉/正臉分類模型判別面部圖像是正臉圖像還是右側臉圖像，得到面部圖像經過右側 臉/正臉分類模型判別后的第二判別結果。
[0083] 可選的，可W通過將歸一化后的面部關鍵點位置信息作為自變量帶入預先存儲的 線性分類函數中來判別面部圖像，相應的，處理過程可W如下:將歸一化后的面部關鍵點位 置信息作為自變量帶入預先存儲的第一線性分類函數中，根據第一線性分類函數的函數 值，對面部圖像進行左側臉/正臉的判別，得到面部圖像的第一判別結果，其中，第一線性分 類函數是基于預設的左側臉圖像樣本集和正臉圖像樣本集，對SVM(S叩port Vector Machine,支持向量機）函數進行訓練得到的；將歸一化后的面部關鍵點位置信息作為自變 量帶入預先存儲的第二線性分類函數中，根據第二線性分類函數的函數值，對面部圖像進 行右側臉/正臉的判別，得到面部圖像的第二判別結果，其中，第二線性分類函數是基于預 設的右側臉圖像樣本集和正臉圖像樣本集，對SVM函數進行訓練得到的。
[0084] 在實施中，終端中可W預先存儲有第一線性分類函數和第二線性分類函數，其中， 第一線性分類函數可W用于判別面部圖像是正臉圖像還是左側臉圖像，第二線性分類函數 可W用于判別面部圖像是正臉圖像還是右側臉圖像。第一線性分類函數和第二線性分類函 數的函數形式一致，可W是f(q)= ?T ? q+b，其中的O T表示權重向量W的轉置向量，b為偏 置項，q為自變量，f(q)為因變量，《和6均是預先經過訓練得到的訓練值，其中的訓練過程 可W是技術人員預先進行的，不是終端進行的處理。第一線性分類函數可W是基于預設的 左側臉圖像樣本集和正臉圖像樣本集，對SVM函數進行訓練得到的，即預先存儲的第一線性 分類函數中的《和6可W是基于預設的左側臉圖像樣本集和正臉圖像樣本集，對SVM函數進 行訓練得到的，具體的訓練過程可W是:分別對左側臉圖像樣本集和正臉圖像樣本集中的 每幅面部圖像，提取面部圖像的面部關鍵點位置信息，然后按照上述待識別的面部圖像的 面部關鍵點位置信息的歸一化方法，對每幅面部圖像的面部關鍵點位置信息進行歸一化處 理，得到歸一化后的面部關鍵點位置信息，即得到每幅面部圖像的特征向量，另外，可W使 左側臉圖像樣本集中的每帖面部圖像對應的類別值為-1，正臉圖像樣本集中的每帖面部圖 像對應的類別值為1，進而，可W基于對左側臉圖像樣本集和正臉圖像樣本集中的每幅面部 圖像的特征向量和對應的類別值，對SVM函數進行訓練，得到第一線性分類函數中的CO和b， 其中，SVM函數為：
[0085]
[0086] 其中，m為訓練樣本的個數，Pi為第i幅面部圖像的類別值，qi為第i幅面部圖像的 特征向量。根據對左側臉圖像樣本集和正臉圖像樣本集中的每幅面部圖像的特征向量和對 應的類別值，使用二次規劃（qua化atic programming)算法可W對SVM函數進行求解，得到 第一線性分類函數的權重向量W和偏置項b。同理，可W基于相同的方法，基于預設的右側臉 圖像樣本集和正臉圖像樣本集，對SVM函數進行訓練得到第二線性分類函數的權重向量W和 偏置項b，其中，可W使右側臉圖像樣本集中的每帖面部圖像對應的類別值為-1，正臉圖像 樣本集中的每帖面部圖像對應的類別值為1。
[0087] 終端獲取到歸一化后的面部關鍵點位置信息后，可W將歸一化后的面部關鍵點位 置信息（即特征向量)作為自變量，分別帶入第一線性分類函數和第二線性分類函數中，得 到第一線性分類函數的函數值和第一線性分類函數的函數值，當第一線性分類函數的函數 值大于加寸，第一判別結果為正臉圖像，當第一線性分類函數的函數值小于加寸，第一判別結 果為左側臉圖像，當第二線性分類函數的函數值大于0時，第一判別結果為正臉圖像，當第 二線性分類函數的函數值小于加寸，第一判別結果為右側臉圖像。
[0088] 可選的，終端中還可W預先存儲上側臉/正臉分類模型和下側臉/正臉分類模型， 相應的，處理過程可W如下：基于預先存儲的上側臉/正臉分類模型，對面部圖像進行上側 臉/正臉的判別，得到面部圖像的第=判別結果，基于預先存儲的下側臉/正臉分類模型，對 面部圖像進行下側臉/正臉的判別，得到面部圖像的第四判別結果。
[0089] 在實施中，終端中可W預先存儲有上側臉/正臉分類模型和下側臉/正臉分類模 型，W便獲取到待判別的面部圖像后，對面部圖像進行判別。終端獲取到待判別的面部圖像 后，可W分別用預先存儲的上側臉/正臉分類模型和下側臉/正臉分類模型，對面部圖像進 行判別。具體的，首先，終端可W用上側臉/正臉分類模型判別面部圖像是正臉圖像還是上 側臉圖像，得到面部圖像經過上側臉/正臉分類模型判別后的判別結果（即第=判別結果）， 然后，終端可W用下側臉/正臉分類模型判別面部圖像是正臉圖像還是下側臉圖像，得到面 部圖像經過下側臉/正臉分類模型判別后的判別結果（即第四判別結果），其中，上述四種分 類模型的判別時間無先后之分，可W同時進行，也可W先利用其中的一個分類模型進行判 另IJ，再利用其他分類模型進行判別。
[0090] 在步驟103中，如果第一判別結果與第二判別結果均為正臉圖像，則判定面部圖像 為正臉圖像，如果第一判別結果為左側臉或第二判別結果為右側臉圖像，則判定面部圖像 為非正臉圖像。
[0091] 在實施中，終端得到第一判別結果和第二判別結果后，可W根據第一判別結果和 第二判別結果，確定待識別的面部圖像是否為正臉圖像。具體的，如果第一判別結果與第二 判別結果均為正臉圖像，則可W判定面部圖像為正臉圖像，如果第一判別結果為左側臉或 第二判別結果為右側臉圖像，則可W判定面部圖像為非正臉圖像。終端獲取的待識別的面 部圖像一般是正臉、左側臉或者是右側臉，分別將面部圖像經過左側臉/正臉分類模型和右 側臉/正臉分類模型進行判別，若面部圖像是正臉圖像，則第一判別結果和第二判別結果都 是正臉圖像，若面部圖像是左側臉圖像，第一判別結果是左側臉圖像，無論第二判別結果是 什么，即可判定面部圖像是非正臉圖像，若面部圖像是右側臉圖像，第二判別結果是右側臉 圖像，無論第一判別結果是什么，即可判定面部圖像是非正臉圖像。也就是說，通過兩種分 類模型的組合應用，可W根據第一判別結果和第二判別結果判定面部圖像是否是正臉圖 像。
[0092] 可選的，針對還包括上側臉/正臉分類模型和下側臉/正臉分類模型的情況，步驟 103的處理過程可W如下：如果第一判別結果、第二判別結果、第=判別結果與第四判別結 果均為正臉圖像，則判定面部圖像為正臉圖像，如果第一判別結果為左側臉、第二判別結果 為右側臉圖像、第=判別結果為上側臉圖像或第四判別結果為下側臉圖像，則判定面部圖 像為非正臉圖像。
[0093] 在實施中，針對終端獲取的待識別的面部圖像除正臉、左側臉或者是右側臉之外， 還可W是上側臉、下側臉的情況，分別將面部圖像經過左側臉/正臉分類模型、右側臉/正臉 分類模型、上側臉/正臉分類模型和下側臉/正臉分類模型進行判別，若面部圖像是正臉圖 像，則第一判別結果、第二判別結果、第=判別結果、第四判別結果都是正臉圖像，若面部圖 像是左側臉圖像，第一判別結果是左側臉圖像，無論第二、=、四判別結果是什么，即可判定 面部圖像是非正臉圖像，若面部圖像是右側臉圖像，第二判別結果是右側臉圖像，無論第 一、=、四判別結果是什么，即可判定面部圖像是非正臉圖像，若面部圖像是上側臉圖像，第 =判別結果是上側臉圖像，無論第一、二、四判別結果是什么，即可判定面部圖像是非正臉 圖像，若面部圖像是下側臉圖像，第四判別結果是下側臉圖像，無論第一、二、=判別結果是 什么，即可判定面部圖像是非正臉圖像。也就是說，通過四種分類模型的組合應用，可W根 據第一判別結果、第二判別結果、第=判別結果和第四判別結果判定面部圖像是否是正臉 圖像。
[0094] 本公開實施例中，獲取到待判別的面部圖像后，終端分別用兩種預先存儲的分類 模型(左側臉/正臉分類模型和右側臉/正臉分類模型)對面部圖像進行判別，其中，左側臉/ 正臉分類模型的判別結果不是正臉圖像就是左側臉圖像，右側臉/正臉分類模型的判別結 果不是正臉圖像就是右側臉圖像，進而，可W根據兩種分類模型的判別結果判定待判別的 面部圖像是正臉圖像還是非正臉圖像。運樣，終端即可通過簡單的分類模型判定面部圖像 是否是正臉圖像，無需判斷面部圖像中的人臉的偏移角度，需要的處理時間比較短，一般處 理一幅面部圖像需要幾毫秒即可，從而，可W提高處理面部圖像的效率。
[00%]本公開又一示例性實施例提供了一種判定正臉圖像的裝置，如圖3所示，該裝置包 括：
[0096] 獲取模塊310,用于獲取待判別的面部圖像；
[0097] 判別模塊320,用于基于預先存儲的左側臉/正臉分類模型，對所述面部圖像進行 左側臉/正臉的判別，得到所述面部圖像的第一判別結果，基于預先存儲的右側臉/正臉分 類模型，對所述面部圖像進行右側臉/正臉的判別，得到所述面部圖像的第二判別結果；
[0098] 判定模塊330,用于如果所述第一判別結果與所述第二判別結果均為正臉圖像，貝U 判定所述面部圖像為正臉圖像，如果所述第一判別結果為左側臉或所述第二判別結果為右 側臉圖像，則判定所述面部圖像為非正臉圖像。
[0099] 可選的，所述判別模塊320,還用于：
[0100] 基于預先存儲的上側臉/正臉分類模型，對所述面部圖像進行上側臉/正臉的判 另IJ，得到所述面部圖像的第=判別結果，基于預先存儲的下側臉/正臉分類模型，對所述面 部圖像進行下側臉/正臉的判別，得到所述面部圖像的第四判別結果；
[0101] 所述判定模塊330,用于：
[0102] 如果所述第一判別結果、所述第二判別結果、所述第=判別結果與所述第四判別 結果均為正臉圖像，則判定所述面部圖像為正臉圖像，如果所述第一判別結果為左側臉、所 述第二判別結果為右側臉圖像、所述第=判別結果為上側臉圖像或所述第四判別結果為下 側臉圖像，則判定所述面部圖像為非正臉圖像。
[0103] 可選的，如圖4所示，所述判別模塊320,包括：
[0104] 獲取子模塊3201，用于根據預設的面部關鍵點提取算法，獲取所述面部圖像的面 部關鍵點位置信息；
[0105] 判別子模塊3202,用于基于預先存儲的左側臉/正臉分類模型和所述面部關鍵點 位置信息，對所述面部圖像進行左側臉/正臉的判別，得到所述面部圖像的第一判別結果； 基于預先存儲的右側臉/正臉分類模型和所述面部關鍵點位置信息，對所述面部圖像進行 右側臉/正臉的判別，得到所述面部圖像的第二判別結果。
[0106] 可選的，如圖5所示，所述判別模塊320，還包括：
[0107] 歸一化子模塊3203,用于對所述面部關鍵點位置信息進行歸一化處理，得到歸一 化后的面部關鍵點位置信息；
[0108] 所述判別子模塊3202，用于：
[0109] 基于預先存儲的左側臉/正臉分類模型和所述歸一化后的面部關鍵點位置信息， 對所述面部圖像進行左側臉/正臉的判別，得到所述面部圖像的第一判別結果;基于預先存 儲的右側臉/正臉分類模型和所述歸一化后的面部關鍵點位置信息，對所述面部圖像進行 右側臉/正臉的判別，得到所述面部圖像的第二判別結果。
[0110] 可選的，所述判別子模塊3202，用于：
[0111] 將所述歸一化后的面部關鍵點位置信息作為自變量帶入預先存儲的第一線性分 類函數中，根據所述第一線性分類函數的函數值，對所述面部圖像進行左側臉/正臉的判 另IJ，得到所述面部圖像的第一判別結果，其中，所述第一線性分類函數是基于預設的左側臉 圖像樣本集和正臉圖像樣本集，對SVM函數進行訓練得到的；
[0112] 將所述歸一化后的面部關鍵點位置信息作為自變量帶入預先存儲的第二線性分 類函數中，根據所述第二線性分類函數的函數值，對所述面部圖像進行右側臉/正臉的判 另IJ，得到所述面部圖像的第二判別結果，其中，所述第二線性分類函數是基于預設的右側臉 圖像樣本集和正臉圖像樣本集，對SVM函數進行訓練得到的。
[0113] 關于上述實施例中的裝置，其中各個模塊執行操作的具體方式已經在有關該方法 的實施例中進行了詳細描述，此處將不做詳細闡述說明。
[0114] 本公開實施例中，獲取到待判別的面部圖像后，終端分別用兩種預先存儲的分類 模型(左側臉/正臉分類模型和右側臉/正臉分類模型)對面部圖像進行判別，其中，左側臉/ 正臉分類模型的判別結果不是正臉圖像就是左側臉圖像，右側臉/正臉分類模型的判別結 果不是正臉圖像就是右側臉圖像，進而，可W根據兩種分類模型的判別結果判定待判別的 面部圖像是正臉圖像還是非正臉圖像。運樣，終端即可通過簡單的分類模型判定面部圖像 是否是正臉圖像，無需判斷面部圖像中的人臉的偏移角度，需要的處理時間比較短，一般處 理一幅面部圖像需要幾毫秒即可，從而，可W提高處理面部圖像的效率。
[0115] 需要說明的是：上述實施例提供的判定正臉圖像的裝置在判定正臉圖像時，僅W 上述各功能模塊的劃分進行舉例說明，實際應用中，可W根據需要而將上述功能分配由不 同的功能模塊完成，即將終端的內部結構劃分成不同的功能模塊，W完成W上描述的全部 或者部分功能。另外，上述實施例提供的判定正臉圖像的裝置與判定正臉圖像的方法實施 例屬于同一構思，其具體實現過程詳見方法實施例，運里不再寶述。
[0116] 本公開再一示例性實施例示出了一種終端的結構示意圖。該終端可W是手機等。
[0117] 參照圖6,終端600可W包括W下一個或多個組件:處理組件602,存儲器604,電源 組件606，多媒體組件608，音頻組件610，輸入/輸出（I/O)的接口612，傳感器組件614，W及 通信組件616。
[0118] 處理組件602通常控制終端600的整體操作，諸如與顯示，電話呼叫，數據通信，相 機操作和記錄操作相關聯的操作。處理元件602可W包括一個或多個處理器620來執行指 令，W完成上述的方法的全部或部分步驟。此外，處理組件602可W包括一個或多個模塊，便 于處理組件602和其他組件之間的交互。例如，處理部件602可W包括多媒體模塊，W方便多 媒體組件608和處理組件602之間的交互。
[0119] 存儲器604被配置為存儲各種類型的數據W支持在終端600的操作。運些數據的示 例包括用于在終端600上操作的任何應用程序或方法的指令，聯系人數據，電話簿數據，消 息，圖片，視頻等。存儲器604可W由任何類型的易失性或非易失性存儲設備或者它們的組 合實現，如靜態隨機存取存儲器(SRAM)，電可擦除可編程只讀存儲器化EPROM)，可擦除可編 程只讀存儲器化PROM)，可編程只讀存儲器(PROM)，只讀存儲器(ROM)，磁存儲器，快閃存儲 器，磁盤或光盤。
[0120] 電力組件606為終端600的各種組件提供電力。電力組件606可W包括電源管理系 統，一個或多個電源，及其他與為音頻輸出設備600生成、管理和分配電力相關聯的組件。
[0121] 多媒體組件608包括在所述終端600和用戶之間的提供一個輸出接口的屏幕。在一 些實施例中，屏幕可W包括液晶顯示器化CD)和觸摸面板(TP)。如果屏幕包括觸摸面板，屏 幕可W被實現為觸摸屏，W接收來自用戶的輸入信號。觸摸面板包括一個或多個觸摸傳感 器W感測觸摸、滑動和觸摸面板上的手勢。所述觸摸傳感器可W不僅感測觸摸或滑動動作 的邊界，而且還檢測與所述觸摸或滑動操作相關的持續時間和壓力。在一些實施例中，多媒 體組件608包括一個前置攝像頭和/或后置攝像頭。當終端600處于操作模式，如拍攝模式或 視頻模式時，前置攝像頭和/或后置攝像頭可W接收外部的多媒體數據。每個前置攝像頭和 后置攝像頭可W是一個固定的光學透鏡系統或具有焦距和光學變焦能力。
[0122] 音頻組件610被配置為輸出和/或輸入音頻信號。例如，音頻組件610包括一個麥克 風(MIC)，當音頻輸出設備600處于操作模式，如呼叫模式、記錄模式和語音識別模式時，麥 克風被配置為接收外部音頻信號。所接收的音頻信號可W被進一步存儲在存儲器604或經 由通信組件616發送。
[012引I/O接口 612為處理組件602和外圍接口模塊之間提供接口，上述外圍接口模塊可 W是鍵盤，點擊輪，按鈕等。運些按鈕可包括但不限于：主頁按鈕、音量按鈕、啟動按鈕和鎖 定按鈕。
[0124]傳感器組件614包括一個或多個傳感器，用于為終端600提供各個方面的狀態評 估。例如，傳感器組件614可W檢測到終端600的打開/關閉狀態，組件的相對定位，例如所述 組件為終端600的顯示器和小鍵盤，傳感器組件614還可W檢測終端600或終端600-個組件 的位置改變，用戶與終端600接觸的存在或不存在，終端600方位或加速/減速和終端600的 溫度變化。傳感器組件614可W包括接近傳感器，被配置用來在沒有任何的物理接觸時檢測 附近物體的存在。傳感器組件614還可W包括光傳感器，如CMOS或CCD圖像傳感器，用于在成 像應用中使用。在一些實施例中，該傳感器組件614還可W包括加速度傳感器，巧螺儀傳感 器，磁傳感器，壓力傳感器或溫度傳感器。
[0125] 通信組件616被配置為便于終端600和其他設備之間有線或無線方式的通信。終端 600可W接入基于通信標準的無線網絡，如WiFiJG或3G，或它們的組合。在一個示例性實施 例中，通信部件616經由廣播信道接收來自外部廣播管理系統的廣播信號或廣播相關信息。 在一個示例性實施例中，所述通信部件616還包括近場通信(NFC)模塊，W促進短程通信。例 如，在NFC模塊可基于射頻識別(RFID)技術，紅外數據協會(IrDA)技術，超寬帶(UWB)技術， 藍牙(BT)技術和其他技術來實現。
[0126] 在示例性實施例中，終端600可W被一個或多個應用專用集成電路(ASIC)、數字信 號處理器（DSP)、數字信號處理設備（DSPD)、可編程邏輯器件（PLD)、現場可編程口陣列 (FPGA)、控制器、微控制器、微處理器或其他電子元件實現，用于執行上述方法。
[0127] 在示例性實施例中，還提供了一種包括指令的非臨時性計算機可讀存儲介質，例 如包括指令的存儲器604,上述指令可由終端600的處理器620執行W完成上述方法。例如， 所述非臨時性計算機可讀存儲介質可W是ROM、隨機存取存儲器(RAM) XD-R0M、磁帶、軟盤 和光數據存儲設備等。
[0128] -種非臨時性計算機可讀存儲介質，當所述存儲介質中的指令由終端的處理器執 行時，使得終端能夠執行判定正臉圖像的方法，該方法包括：
[0129] 獲取待判別的面部圖像；
[0130] 基于預先存儲的左側臉/正臉分類模型，對所述面部圖像進行左側臉/正臉的判 另IJ，得到所述面部圖像的第一判別結果，基于預先存儲的右側臉/正臉分類模型，對所述面 部圖像進行右側臉/正臉的判別，得到所述面部圖像的第二判別結果；
[0131] 如果所述第一判別結果與所述第二判別結果均為正臉圖像，則判定所述面部圖像 為正臉圖像，如果所述第一判別結果為左側臉或所述第二判別結果為右側臉圖像，則判定 所述面部圖像為非正臉圖像。
[0132] 可選的，所述方法還包括：
[0133] 基于預先存儲的上側臉/正臉分類模型，對所述面部圖像進行上側臉/正臉的判 另IJ，得到所述面部圖像的第=判別結果，基于預先存儲的下側臉/正臉分類模型，對所述面 部圖像進行下側臉/正臉的判別，得到所述面部圖像的第四判別結果；
[0134] 所述如果所述第一判別結果與所述第二判別結果均為正臉圖像，則判定所述面部 圖像為正臉圖像，如果所述第一判別結果為左側臉或所述第二判別結果為右側臉圖像，貝U 判定所述面部圖像為非正臉圖像，包括：
[0135] 如果所述第一判別結果、所述第二判別結果、所述第=判別結果與所述第四判別 結果均為正臉圖像，則判定所述面部圖像為正臉圖像，如果所述第一判別結果為左側臉、所 述第二判別結果為右側臉圖像、所述第=判別結果為上側臉圖像或所述第四判別結果為下 側臉圖像，則判定所述面部圖像為非正臉圖像。
[0136] 可選的，所述基于預先存儲的左側臉/正臉分類模型，對所述面部圖像進行左側 臉/正臉的判別，得到所述面部圖像的第一判別結果，基于預先存儲的右側臉/正臉分類模 型，對所述面部圖像進行右側臉/正臉的判別，得到所述面部圖像的第二判別結果，包括：
[0137] 根據預設的面部關鍵點提取算法，獲取所述面部圖像的面部關鍵點位置信息；
[0138] 基于預先存儲的左側臉/正臉分類模型和所述面部關鍵點位置信息，對所述面部 圖像進行左側臉/正臉的判別，得到所述面部圖像的第一判別結果；基于預先存儲的右側 臉/正臉分類模型和所述面部關鍵點位置信息，對所述面部圖像進行右側臉/正臉的判別， 得到所述面部圖像的第二判別結果。
[0139] 可選的，所述方法還包括：
[0140] 對所述面部關鍵點位置信息進行歸一化處理，得到歸一化后的面部關鍵點位置信 息；
[0141] 所述基于預先存儲的左側臉/正臉分類模型和所述面部關鍵點位置信息，對所述 面部圖像進行左側臉/正臉的判別，得到所述面部圖像的第一判別結果;基于預先存儲的右 側臉/正臉分類模型和所述面部關鍵點位置信息，對所述面部圖像進行右側臉/正臉的判 另IJ，得到所述面部圖像的第二判別結果，包括：
[0142] 基于預先存儲的左側臉/正臉分類模型和所述歸一化后的面部關鍵點位置信息， 對所述面部圖像進行左側臉/正臉的判別，得到所述面部圖像的第一判別結果;基于預先存 儲的右側臉/正臉分類模型和所述歸一化后的面部關鍵點位置信息，對所述面部圖像進行 右側臉/正臉的判別，得到所述面部圖像的第二判別結果。
[0143] 可選的，所述基于預先存儲的左側臉/正臉分類模型和所述歸一化后的面部關鍵 點位置信息，對所述面部圖像進行左側臉/正臉的判別，得到所述面部圖像的第一判別結 果;基于預先存儲的右側臉/正臉分類模型和所述歸一化后的面部關鍵點位置信息，對所述 面部圖像進行右側臉/正臉的判別，得到所述面部圖像的第二判別結果，包括：
[0144] 將所述歸一化后的面部關鍵點位置信息作為自變量帶入預先存儲的第一線性分 類函數中，根據所述第一線性分類函數的函數值，對所述面部圖像進行左側臉/正臉的判 另IJ，得到所述面部圖像的第一判別結果，其中，所述第一線性分類函數是基于預設的左側臉 圖像樣本集和正臉圖像樣本集，對SVM函數進行訓練得到的；
[0145] 將所述歸一化后的面部關鍵點位置信息作為自變量帶入預先存儲的第二線性分 類函數中，根據所述第二線性分類函數的函數值，對所述面部圖像進行右側臉/正臉的判 另IJ，得到所述面部圖像的第二判別結果，其中，所述第二線性分類函數是基于預設的右側臉 圖像樣本集和正臉圖像樣本集，對SVM函數進行訓練得到的。
[0146] 本公開實施例中，獲取到待判別的面部圖像后，終端分別用兩種預先存儲的分類 模型(左側臉/正臉分類模型和右側臉/正臉分類模型)對面部圖像進行判別，其中，左側臉/ 正臉分類模型的判別結果不是正臉圖像就是左側臉圖像，右側臉/正臉分類模型的判別結 果不是正臉圖像就是右側臉圖像，進而，可W根據兩種分類模型的判別結果判定待判別的 面部圖像是正臉圖像還是非正臉圖像。運樣，終端即可通過簡單的分類模型判定面部圖像 是否是正臉圖像，無需判斷面部圖像中的人臉的偏移角度，需要的處理時間比較短，一般處 理一幅面部圖像需要幾毫秒即可，從而，可W提高處理面部圖像的效率。
[0147] 本領域技術人員在考慮說明書及實踐運里公開的公開后，將容易想到本公開的其 它實施方案。本申請旨在涵蓋本公開的任何變型、用途或者適應性變化，運些變型、用途或 者適應性變化遵循本公開的一般性原理并包括本公開未公開的本技術領域中的公知常識 或慣用技術手段。說明書和實施例僅被視為示例性的，本公開的真正范圍和精神由下面的 權利要求指出。
[0148] 應當理解的是，本公開并不局限于上面已經描述并在附圖中示出的精確結構，并 且可W在不脫離其范圍進行各種修改和改變。本公開的范圍僅由所附的權利要求來限制。
【主權項】
1. 一種判定正臉圖像的方法，其特征在于，所述方法包括： 獲取待判別的面部圖像； 基于預先存儲的左側臉/正臉分類模型，對所述面部圖像進行左側臉/正臉的判別，得 到所述面部圖像的第一判別結果，基于預先存儲的右側臉/正臉分類模型，對所述面部圖像 進行右側臉/正臉的判別，得到所述面部圖像的第二判別結果； 如果所述第一判別結果與所述第二判別結果均為正臉圖像，則判定所述面部圖像為正 臉圖像，如果所述第一判別結果為左側臉或所述第二判別結果為右側臉圖像，則判定所述 面部圖像為非正臉圖像。2. 根據權利要求1所述的方法，其特征在于，所述方法還包括： 基于預先存儲的上側臉/正臉分類模型，對所述面部圖像進行上側臉/正臉的判別，得 到所述面部圖像的第三判別結果，基于預先存儲的下側臉/正臉分類模型，對所述面部圖像 進行下側臉/正臉的判別，得到所述面部圖像的第四判別結果； 所述如果所述第一判別結果與所述第二判別結果均為正臉圖像，則判定所述面部圖像 為正臉圖像，如果所述第一判別結果為左側臉或所述第二判別結果為右側臉圖像，則判定 所述面部圖像為非正臉圖像，包括： 如果所述第一判別結果、所述第二判別結果、所述第三判別結果與所述第四判別結果 均為正臉圖像，則判定所述面部圖像為正臉圖像，如果所述第一判別結果為左側臉、所述第 二判別結果為右側臉圖像、所述第三判別結果為上側臉圖像或所述第四判別結果為下側臉 圖像，則判定所述面部圖像為非正臉圖像。3. 根據權利要求1所述的方法，其特征在于，所述基于預先存儲的左側臉/正臉分類模 型，對所述面部圖像進行左側臉/正臉的判別，得到所述面部圖像的第一判別結果，基于預 先存儲的右側臉/正臉分類模型，對所述面部圖像進行右側臉/正臉的判別，得到所述面部 圖像的第二判別結果，包括： 根據預設的面部關鍵點提取算法，獲取所述面部圖像的面部關鍵點位置信息； 基于預先存儲的左側臉/正臉分類模型和所述面部關鍵點位置信息，對所述面部圖像 進行左側臉/正臉的判別，得到所述面部圖像的第一判別結果;基于預先存儲的右側臉/正 臉分類模型和所述面部關鍵點位置信息，對所述面部圖像進行右側臉/正臉的判別，得到所 述面部圖像的第二判別結果。4. 根據權利要求3所述的方法，其特征在于，所述方法還包括： 對所述面部關鍵點位置信息進行歸一化處理，得到歸一化后的面部關鍵點位置信息； 所述基于預先存儲的左側臉/正臉分類模型和所述面部關鍵點位置信息，對所述面部 圖像進行左側臉/正臉的判別，得到所述面部圖像的第一判別結果；基于預先存儲的右側 臉/正臉分類模型和所述面部關鍵點位置信息，對所述面部圖像進行右側臉/正臉的判別， 得到所述面部圖像的第二判別結果，包括： 基于預先存儲的左側臉/正臉分類模型和所述歸一化后的面部關鍵點位置信息，對所 述面部圖像進行左側臉/正臉的判別，得到所述面部圖像的第一判別結果;基于預先存儲的 右側臉/正臉分類模型和所述歸一化后的面部關鍵點位置信息，對所述面部圖像進行右側 臉/正臉的判別，得到所述面部圖像的第二判別結果。5. 根據權利要求4所述的方法，其特征在于，所述基于預先存儲的左側臉/正臉分類模 型和所述歸一化后的面部關鍵點位置信息，對所述面部圖像進行左側臉/正臉的判別，得到 所述面部圖像的第一判別結果;基于預先存儲的右側臉/正臉分類模型和所述歸一化后的 面部關鍵點位置信息，對所述面部圖像進行右側臉/正臉的判別，得到所述面部圖像的第二 判別結果，包括： 將所述歸一化后的面部關鍵點位置信息作為自變量帶入預先存儲的第一線性分類函 數中，根據所述第一線性分類函數的函數值，對所述面部圖像進行左側臉/正臉的判別，得 到所述面部圖像的第一判別結果，其中，所述第一線性分類函數是基于預設的左側臉圖像 樣本集和正臉圖像樣本集，對SVM函數進行訓練得到的； 將所述歸一化后的面部關鍵點位置信息作為自變量帶入預先存儲的第二線性分類函 數中，根據所述第二線性分類函數的函數值，對所述面部圖像進行右側臉/正臉的判別，得 到所述面部圖像的第二判別結果，其中，所述第二線性分類函數是基于預設的右側臉圖像 樣本集和正臉圖像樣本集，對SVM函數進行訓練得到的。6. -種判定正臉圖像的裝置，其特征在于，所述裝置包括： 獲取模塊，用于獲取待判別的面部圖像； 判別模塊，用于基于預先存儲的左側臉/正臉分類模型，對所述面部圖像進行左側臉/ 正臉的判別，得到所述面部圖像的第一判別結果，基于預先存儲的右側臉/正臉分類模型， 對所述面部圖像進行右側臉/正臉的判別，得到所述面部圖像的第二判別結果； 判定模塊，用于如果所述第一判別結果與所述第二判別結果均為正臉圖像，則判定所 述面部圖像為正臉圖像，如果所述第一判別結果為左側臉或所述第二判別結果為右側臉圖 像，則判定所述面部圖像為非正臉圖像。7. 根據權利要求6所述的裝置，其特征在于，所述判別模塊，還用于： 基于預先存儲的上側臉/正臉分類模型，對所述面部圖像進行上側臉/正臉的判別，得 到所述面部圖像的第三判別結果，基于預先存儲的下側臉/正臉分類模型，對所述面部圖像 進行下側臉/正臉的判別，得到所述面部圖像的第四判別結果； 所述判定模塊，用于： 如果所述第一判別結果、所述第二判別結果、所述第三判別結果與所述第四判別結果 均為正臉圖像，則判定所述面部圖像為正臉圖像，如果所述第一判別結果為左側臉、所述第 二判別結果為右側臉圖像、所述第三判別結果為上側臉圖像或所述第四判別結果為下側臉 圖像，則判定所述面部圖像為非正臉圖像。8. 根據權利要求6所述的裝置，其特征在于，所述判別模塊，包括： 獲取子模塊，用于根據預設的面部關鍵點提取算法，獲取所述面部圖像的面部關鍵點 位置信息； 判別子模塊，用于基于預先存儲的左側臉/正臉分類模型和所述面部關鍵點位置信息， 對所述面部圖像進行左側臉/正臉的判別，得到所述面部圖像的第一判別結果;基于預先存 儲的右側臉/正臉分類模型和所述面部關鍵點位置信息，對所述面部圖像進行右側臉/正臉 的判別，得到所述面部圖像的第二判別結果。9. 根據權利要求8所述的裝置，其特征在于，所述判別模塊，還包括： 歸一化子模塊，用于對所述面部關鍵點位置信息進行歸一化處理，得到歸一化后的面 部關鍵點位置信息； 所述判別子模塊，用于： 基于預先存儲的左側臉/正臉分類模型和所述歸一化后的面部關鍵點位置信息，對所 述面部圖像進行左側臉/正臉的判別，得到所述面部圖像的第一判別結果;基于預先存儲的 右側臉/正臉分類模型和所述歸一化后的面部關鍵點位置信息，對所述面部圖像進行右側 臉/正臉的判別，得到所述面部圖像的第二判別結果。10. 根據權利要求9所述的裝置，其特征在于，所述判別子模塊，用于： 將所述歸一化后的面部關鍵點位置信息作為自變量帶入預先存儲的第一線性分類函 數中，根據所述第一線性分類函數的函數值，對所述面部圖像進行左側臉/正臉的判別，得 到所述面部圖像的第一判別結果，其中，所述第一線性分類函數是基于預設的左側臉圖像 樣本集和正臉圖像樣本集，對SVM函數進行訓練得到的； 將所述歸一化后的面部關鍵點位置信息作為自變量帶入預先存儲的第二線性分類函 數中，根據所述第二線性分類函數的函數值，對所述面部圖像進行右側臉/正臉的判別，得 到所述面部圖像的第二判別結果，其中，所述第二線性分類函數是基于預設的右側臉圖像 樣本集和正臉圖像樣本集，對SVM函數進行訓練得到的。11. 一種判定正臉圖像的裝置，其特征在于，包括： 處理器； 用于存儲處理器可執行指令的存儲器； 其中，所述處理器被配置為： 獲取待判別的面部圖像； 基于預先存儲的左側臉/正臉分類模型，對所述面部圖像進行左側臉/正臉的判別，得 到所述面部圖像的第一判別結果，基于預先存儲的右側臉/正臉分類模型，對所述面部圖像 進行右側臉/正臉的判別，得到所述面部圖像的第二判別結果； 如果所述第一判別結果與所述第二判別結果均為正臉圖像，則判定所述面部圖像為正 臉圖像，如果所述第一判別結果為左側臉或所述第二判別結果為右側臉圖像，則判定所述 面部圖像為非正臉圖像。
【文檔編號】G06K9/62GK106022272SQ201610346383
【公開日】2016年10月12日
【申請日】2016年5月23日
【發明人】楊松, 張旭華, 萬韶華
【申請人】北京小米移動軟件有限公司