人脸特征库的构建方法、人物风格图像的识别方法及装置与流程

1.本技术涉及人脸识别领域，尤其涉及一种人脸特征库的构建方法、人物风格图像的识别方法及装置。


背景技术：

2.人脸识别技术作为一种已经比较成熟的技术，已经被广泛应用于包括安防、身份验证、防沉迷系统等各种生活场景。目前的人脸识别技术，通常通过接收用户上传的图像，对用户上传的图像进行人脸检测、人脸矫正和人脸特征提取，然后将提取出来的人脸特征与人脸特征库中存储的特征进行比对，从而实现人脸识别。
3.但是，由于目前的人脸识别技术的主要目的是对人物进行身份认证，因此，人脸特征库中通常只存储有人物的正常图片的人脸特征，从而无法对用户针对特定人员恶意发布的风格图像进行识别。


技术实现要素：

4.本技术公开一种人脸特征库的构建方法、人物风格图像的识别方法及装置，以解决目前的人脸特征库无法对用户针对特定人员恶意发布的风格图像进行识别的问题。
5.为了解决上述问题，本技术采用下述技术方案：
6.第一方面，本技术实施例提供了一种人脸特征库的构建方法，包括：获取目标人物图像和至少一张风格图像；根据所述目标人物图像和至少一张所述风格图像，生成至少一张与目标人物对应的目标风格图像，其中，所述目标风格图像为包括所述目标人物图像的至少部分人物特征和所述风格图像的风格特征的图像；根据至少一张所述目标风格图像，获取至少一张与所述目标人物对应的目标人脸图像；分别提取至少一张所述目标人脸图像中的各张所述目标人脸图像的目标人脸特征；将至少一个与所述目标人物对应的所述目标人脸特征存入人脸特征库，所述人脸特征库中存储目标人物与至少一个目标人脸特征之间的对应关系。
7.第二方面，本技术实施例提供了一种人物风格图像的识别方法，包括：接收待测图像，其中，所述待测图像为包括至少部分人物特征和风格特征的图像；根据所述待测图像，获取与所述待测图像对应的待测人脸图像；提取所述待测人脸图像的待测人脸特征；将所述待测人脸特征与人脸特征库存储的目标人脸特征进行对比；在所述待测人脸特征与所述人脸特征库中存储的任一目标人脸特征的相似度大于预设阈值的情况下，将所述待测图像识别为与所述目标人脸特征相对应的目标人物的目标风格图像，其中，所述人脸特征库中存储目标人物与至少一个目标人脸特征之间的对应关系；其中，所述人脸特征库根据上述第一方面所述的人脸特征库的构建方法构建得到。
8.第三方面，本技术实施例提供了一种人脸特征库的构建装置，包括：第一获取模块，用于获取目标人物图像和至少一张风格图像；生成模块，用于根据所述目标人物图像和至少一张所述风格图像，生成至少一张与目标人物对应的目标风格图像，其中，所述目标风
格图像为包括所述目标人物图像的至少部分人物特征和所述风格图像的风格特征的图像；第二获取模块，用于根据至少一张所述目标风格图像，获取至少一张与所述目标人物对应的目标人脸图像；提取模块，用于分别提取至少一张所述目标人脸图像中的各张所述目标人脸图像的目标人脸特征；存储模块，用于将至少一个与所述目标人物对应的所述目标人脸特征存入人脸特征库，所述人脸特征库中存储目标人物与至少一个目标人脸特征之间的对应关系。
9.第四方面，本技术实施例提供了一种人物风格图像的识别装置，包括：接收模块，用于接收待测图像，其中，所述待测图像为包括至少部分人物特征和风格特征的图像；获取模块，用于根据所述待测图像，获取与所述待测图像对应的待测人脸图像；提取模块，用于提取所述待测人脸图像的待测人脸特征；对比模块，用于将所述待测人脸特征与人脸特征库存储的目标人脸特征进行对比；识别模块，用于在所述待测人脸特征与所述人脸特征库中存储的任一目标人脸特征的相似度大于预设阈值的情况下，将所述待测图像识别为与所述目标人脸特征相对应的目标人物的目标风格图像，其中，所述人脸特征库中存储目标人物与至少一个目标人脸特征之间的对应关系；其中，所述人脸特征库根据上述第一方面所述的人脸特征库的构建方法构建得到。
10.第五方面，本技术实施例提供了一种电子设备，该电子设备包括处理器和存储器，所述存储器存储可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如第一方面或第二方面所述的方法的步骤。
11.第六方面，本技术实施例提供了一种可读存储介质，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如第一方面或第二方面所述的方法的步骤。
12.第七方面，本技术实施例提供了一种芯片，所述芯片包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现如第一方面或第二方面所述的方法。
13.第八方面，本技术实施例提供一种计算机程序产品，该程序产品被存储在存储介质中，该程序产品被至少一个处理器执行以实现如第一方面或第二方面所述的方法。
14.本技术实施例提供了一种人脸特征库的构建方法，通过获取目标人物图像和至少一张风格图像，根据目标人物图像和至少一张风格图像，生成至少一张与目标人物对应的包括目标人物图像的至少部分人物特征和风格图像的风格特征的目标风格图像，然后根据至少一张目标风格图像，获取至少一张与目标人物对应的目标人脸图像，分别提取至少一张目标人脸图像中的各张目标人脸图像的目标人脸特征，将至少一个与目标人物对应的目标人脸特征存入人脸特征库，并且人脸特征库中存储目标人物与至少一个目标人脸特征之间的对应关系，使得人脸特征库中存储有根据包括目标人物图像的至少部分人物特征和风格图像的风格特征的目标风格图像提取的与目标人物对应的目标人脸特征，以及存储有目标人物与目标人脸特征之间的对应关系，进而能够通过人脸特征库，对用户输入的针对目标人物恶意发布的目标风格图像进行识别。
15.本技术实施例提供了一种人物风格图像的识别方法，通过接收包括至少部分人物特征和风格特征的待测图像，并根据待测图像，获取与待测图像对应的待测人脸图像，然后提取待测人脸图像的待测人脸特征，将待测人脸特征与人脸特征库中存储的目标人脸特征
进行对比，在待测人脸特征与人脸特征库中存储的任一目标人脸特征的相似度大于预设阈值的情况下，将待测图像识别为与目标人脸特征相对应的目标人物的目标风格图像，进而实现对恶意发布的人物风格图像的准确识别。
附图说明
16.图1为本技术实施例公开的一种人脸特征库的构建方法的流程示意图；
17.图2为本技术实施例公开的一种人脸特征库的构建及人物风格图像识别的流程图；
18.图3为本技术实施例公开的一种人物风格图像的识别方法的流程示意图；
19.图4为本技术实施例公开的一种人脸特征库的构建装置的结构示意图；
20.图5为本技术实施例公开的一种人物风格图像的识别装置的结构示意图；
21.图6为本技术实施例公开的电子设备的一种结构示意图。
具体实施方式
22.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员获得的所有其他实施例，都属于本技术保护的范围。
23.本技术的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象，而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便本技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施，且“第一”、“第二”等所区分的对象通常为一类，并不限定对象的个数，例如第一对象可以是一个，也可以是多个。此外，说明书以及权利要求中“和/或”表示所连接对象的至少其中之一，字符“/”，一般表示前后关联对象是一种“或”的关系。
24.下面结合附图，通过具体的实施例及其应用场景对本技术实施例提供的人脸特征库的构建方法、人物风格图像的识别方法及装置进行详细地说明。
25.本技术实施例提供了一种人脸特征库的构建方法，图1为本技术实施例公开的一种人脸特征库的构建方法的流程示意图。如图1所示，该方法包括如下步骤。
26.s110、获取目标人物图像和至少一张风格图像。
27.其中，目标人物图像为特定人物的图像，风格图像可以包括漫画类型风格图像、卡通类型风格图像和恶搞类型风格图像等，但不限于此。
28.需要说明的是，目标人物图像的数量可以为多个，至少一张风格图像可以包括不同风格的风格图像和同一风格不同类型的风格图像。
29.s120、根据所述目标人物图像和至少一张所述风格图像，生成至少一张与目标人物对应的目标风格图像，其中，所述目标风格图像为包括所述目标人物图像的至少部分人物特征和所述风格图像的风格特征的图像。
30.也就是说，可以根据目标人物图像和至少一张风格图像，生成至少一张与目标人物对应的包括目标人物图像的至少部分人物特征和风格图像的风格特征的图像。示例性的，在目标人物图像为特定人物a的图像，风格图像为僵尸风格图像的情况下，生成的与特定人物a对应的目标风格图像可以为包括特定人物a的眼睛、鼻子、嘴巴和僵尸风格特征的
图像。
31.s130、根据至少一张所述目标风格图像，获取至少一张与所述目标人物对应的目标人脸图像。
32.s140、分别提取至少一张所述目标人脸图像中的各张所述目标人脸图像的目标人脸特征。
33.在一种实现方式中，在获取到与目标人物对应的目标人脸图像的情况下，可以将目标人脸图像输入人脸矫正模块，人脸矫正模块首先对目标人脸图像中的人脸关键特征点进行位置预测，然后通过仿射变换把检测到的人脸矫正到标准位置，得到与目标人脸图像对应的矫正图像，通过人脸矫正，可以降低由于初始人脸角度不同对识别准确率带来的负面影响。在得到与目标人脸图像对应的矫正图像后，对矫正图像进行人脸特征提取，具体为将矫正图像中的像素信息提炼为低维向量特征(通常为512维)，得到目标人脸特征。
34.需要说明的是，由同一个人的不同人脸图像提取的特征之间的距离应较近(即相似度较高)，由不同的人的人脸图像提取的特征间的距离应较远(即相似度较低)。
35.s150、将至少一个与所述目标人物对应的所述目标人脸特征存入人脸特征库，所述人脸特征库中存储目标人物与至少一个目标人脸特征之间的对应关系。
36.需要说明的是，人脸特征库中存储有多个人物的人脸特征，并且，人脸特征库中存储多个人物中的各个人物与人脸特征之间的对应关系。示例性的，人脸特征a是与特定人物a对应的人脸特征，人脸特征b和人脸特征c是与特定人物b对应的人脸特征，则人脸特征库中存储人脸特征a、人脸特征b和人脸特征c、特定人物a与人脸特征a之间的对应关系以及特定人物b与人脸特征b和人脸特征c之间的对应关系。
37.本技术实施例提供了一种人脸特征库的构建方法，通过获取目标人物图像和至少一张风格图像，根据目标人物图像和至少一张风格图像，生成至少一张与目标人物对应的包括目标人物图像的至少部分人物特征和风格图像的风格特征的目标风格图像，然后根据至少一张目标风格图像，获取至少一张与目标人物对应的目标人脸图像，分别提取至少一张目标人脸图像中的各张目标人脸图像的目标人脸特征，将至少一个与目标人物对应的目标人脸特征存入人脸特征库，并且人脸特征库中存储目标人物与至少一个目标人脸特征之间的对应关系，使得人脸特征库中存储有根据包括目标人物图像的至少部分人物特征和风格图像的风格特征的目标风格图像提取的与目标人物对应的目标人脸特征，以及存储有目标人物与目标人脸特征之间的对应关系，进而能够通过人脸特征库，对用户输入的针对目标人物恶意发布的目标风格图像进行识别。
38.在本技术实施例中，所述目标风格图像包括第一图像，所述根据所述目标人物图像和至少一张所述风格图像，生成至少一张与目标人物对应的目标风格图像，可以包括：通过分别将至少一张所述风格图像中的各张所述风格图像与所述目标人物图像共同输入目标模型，获取所述目标模型输出的至少一张第一图像，其中，所述目标模型用于输出包括输入的人物图像的至少部分人物特征和输入的风格图像的风格特征的图像。
39.也就是说，可以通过将目标人物图像和风格图像共同输入目标模型，获取到包括输入的目标人物图像的至少部分人物特征和输入的风格图像的风格特征的第一图像。示例性的，在目标人物图像为特定人物a的图像，风格图像为僵尸风格图像的情况下，通过将特定人物a的图像和僵尸风格图像输入目标模型，目标模型输出包括特定人物a的眼睛、鼻子、
嘴巴和僵尸风格的图像。
40.在一种实现方式中，目标模型可以为stylegan模型，stylegan模型是生成对抗网络(generative adversarial network，gan)模型的一种，通过输入图片a(内容图)和图片b(风格图)，能够在将图片a的内容迁移到图片b的风格的同时，保留图片a的主要信息，最终输出合成的新图片c。
41.由于用户在针对特定人员恶意发布风格图像时，为了躲避审核机制，往往会对正常图片作出如镜像等类型的处理，以增加识别难度，因此，在本技术实施例中，所述目标风格图像还包括第二图像。如图2所示，在所述获取所述目标模型输出的至少一张第一图像之后，还可以包括：通过对至少一张所述第一图像中的各张所述第一图像进行图片镜像处理，获取至少一张与所述第一图像对应的第二图像。也就是说，人脸特征库中存储有根据目标模型输出的第一图像提取得到的与目标人物对应的人脸特征，以及根据与第一图像镜像的第二图像提取得到的与目标人物对应的人脸特征。通过将根据与第一图像镜像的第二图像提取得到的与目标人物对应的人脸特征也存入人脸特征库，能够有效提高对目标人物的镜像形象的识别能力。
42.需要说明的是，图片镜像处理即为将图片进行左右镜像处理。
43.在一种实现方式中，如图2所示，所述根据至少一张所述目标风格图像，获取至少一张与所述目标人物对应的目标人脸图像，可以包括：通过将至少一张所述目标风格图像中的各张所述目标风格图像分别输入人脸检测模型，获取所述人脸检测模型输出的至少一张包括人脸检测框和人脸关键特征点的目标检测图像；基于至少一张所述目标检测图像包括的人脸检测框，得到至少一张与所述目标人物对应的目标人脸图像。需要说明的是，人脸检测框中包括的图像，即为与目标人物对应的目标人脸图像。
44.本技术中的人脸检测模型为使用了retinaface的深度学习模型结构，可以同时对不同大小的人脸同时预测人脸检测框(即人脸图像)和人脸关键点。
45.在本技术实施例中，在所述通过将至少一张所述目标风格图像中的各张所述目标风格图像分别输入人脸检测模型，获取所述人脸检测模型输出的至少一张包括人脸检测框和人脸关键特征点的目标检测图像之前，还可以包括：获取多组目标训练数据，其中，所述目标训练数据包括第三图像、在所述第三图像中标注人脸检测框和人脸关键特征点得到的第三标注图像、第四图像、以及在所述第四图像中标注人脸检测框和人脸关键特征点得到的第四标注图像，其中，所述第三图像为包括样本人物图像的至少部分人物特征和风格图像的风格特征的图像，所述样本人物图像包括所述目标人物图像，所述第四图像为对所述第三图像随机旋转得到的图像；通过将多组所述目标训练数据输入待训练的人脸检测模型，对待训练的所述人脸检测模型进行迭代训练，得到所述人脸检测模型。
46.通过上述多组目标训练数据对待训练的人脸检测模型进行迭代训练，能够使得人脸检测模型对于包括样本人物图像的至少部分人物特征和风格图像的风格特征的第三图像(即针对特定人员恶意发布的目标风格图像)，以及对第三图像随机旋转得到的第四图像具有检出能力，且识别的准确率较高。
47.需要说明的是，由于风格图像的类型和形式是不断增加的，因此，人脸特征库所包括的目标人脸特征也是不断增加的。
48.本技术实施例提供了一种人物风格图像的识别方法，图3为本技术实施例公开的
一种人物风格图像的识别方法的流程示意图。如图3所示，该方法包括如下步骤。
49.s310、接收待测图像，其中，所述待测图像为包括至少部分人物特征和风格特征的图像。
50.需要说明的是，待测图像即为需要检测是否为针对特定人员恶意发布的图像。
51.s320、根据所述待测图像，获取与所述待测图像对应的待测人脸图像。
52.示例性的，可以将待测图像输入人脸检测模型，获取人脸检测模型输出的包括人脸检测框和人脸关键特征点的检测图像，基于检测图像包括的人脸检测框，得到与待测图像对应的待测人脸图像。
53.可选地，此处的人脸检测模型与上述人脸特征库的构建方法中的人脸检测模型可以为通过相同数据训练得到的人脸检测模型，以保证对同一图像的检测结果相同，能够有效提高对针对特定人员恶意发布的风格图像进行识别的准确率。
54.s330、提取所述待测人脸图像的待测人脸特征。
55.在得到与待测图像对应的待测人脸图像的情况下，将待测人脸图像输入人脸矫正模块，人脸矫正模块首先对待测人脸图像中的人脸关键特征点进行位置预测，然后通过仿射变换把检测到的人脸矫正到标准位置，得到与待测人脸图像对应的矫正图像，然后对与待测人脸图像对应的矫正图像进行人脸特征提取，得到待测人脸特征。
56.s340、将所述待测人脸特征与人脸特征库存储的目标人脸特征进行对比。
57.需要说明的是，此处所说的人脸特征库为根据上述人脸特征库的构建方法得到的人脸特征库。
58.s350、在所述待测人脸特征与所述人脸特征库中存储的任一目标人脸特征的相似度大于预设阈值的情况下，将所述待测图像识别为与所述目标人脸特征相对应的目标人物的目标风格图像，其中，所述人脸特征库中存储目标人物与至少一个目标人脸特征之间的对应关系。
59.而在待测人脸特征与人脸特征库中存储的目标人脸特征之间的相似度均小于或等于预设阈值的情况下，则待测图像不是与目标人脸特征相对应的目标人物的目标风格图像。
60.需要说明的是，预设阈值的具体数值可以根据实际需要进行设置，本技术对此不作具体限定。
61.本技术实施例提供了一种人物风格图像的识别方法，通过接收包括至少部分人物特征和风格特征的待测图像，并根据待测图像，获取与待测图像对应的待测人脸图像，然后提取待测人脸图像的待测人脸特征，将待测人脸特征与人脸特征库中存储的目标人脸特征进行对比，在待测人脸特征与人脸特征库中存储的任一目标人脸特征的相似度大于预设阈值的情况下，将待测图像识别为与目标人脸特征相对应的目标人物的目标风格图像，进而实现对恶意发布的人物风格图像的准确识别。
62.此外，如图2所示，人物风格图像的识别可以包括离线部分和在线部分，其中，离线部分属于前期准备(即人脸特征库的构建)，可以在不必重新迭代、训练人脸检测模型的情况下实现对新的风格图像的风格的识别，而在线部分属于实时部分，即对用户上传的图像进行实时分析。
63.本技术实施例提供的人脸特征库的构建方法，执行主体可以为人脸特征库的构建
装置。本技术实施例中以人脸特征库的构建装置执行人脸特征库的构建方法为例，说明本技术实施例提供的人脸特征库的构建装置。
64.图4为本技术实施例公开的一种人脸特征库的构建装置的结构示意图。如图4所示，人脸特征库的构建装置400包括：第一获取模块410、生成模块420、第二获取模块430、提取模块440和存储模块450。
65.在本技术中，第一获取模块410，用于获取目标人物图像和至少一张风格图像；生成模块420，用于根据所述目标人物图像和至少一张所述风格图像，生成至少一张与目标人物对应的目标风格图像，其中，所述目标风格图像为包括所述目标人物图像的至少部分人物特征和所述风格图像的风格特征的图像；第二获取模块430，用于根据至少一张所述目标风格图像，获取至少一张与所述目标人物对应的目标人脸图像；提取模块440，用于分别提取至少一张所述目标人脸图像中的各张所述目标人脸图像的目标人脸特征；存储模块450，用于将至少一个与所述目标人物对应的所述目标人脸特征存入人脸特征库，所述人脸特征库中存储目标人物与至少一个目标人脸特征之间的对应关系。
66.在一种实现方式中，所述目标风格图像包括第一图像，所述生成模块420根据所述目标人物图像和至少一张所述风格图像，生成至少一张与目标人物对应的目标风格图像，包括：通过分别将至少一张所述风格图像中的各张所述风格图像与所述目标人物图像共同输入目标模型，获取所述目标模型输出的至少一张第一图像，其中，所述目标模型用于输出包括输入的人物图像的至少部分人物特征和输入的风格图像的风格特征的图像。
67.在一种实现方式中，所述目标风格图像还包括第二图像，所述构建装置还包括：第三获取模块，用于在所述获取所述目标模型输出的至少一张第一图像之后，通过对至少一张所述第一图像中的各张所述第一图像进行图片镜像处理，获取至少一张与所述第一图像对应的第二图像。
68.在一种实现方式中，所述第二获取模块430根据至少一张所述目标风格图像，获取至少一张与所述目标人物对应的目标人脸图像，包括：通过将至少一张所述目标风格图像中的各张所述目标风格图像分别输入人脸检测模型，获取所述人脸检测模型输出的至少一张包括人脸检测框和人脸关键特征点的目标检测图像；基于至少一张所述目标检测图像包括的人脸检测框，得到至少一张与所述目标人物对应的目标人脸图像。
69.在一种实现方式中，所述构建装置还包括：第四获取模块，用于在所述通过将至少一张所述目标风格图像中的各张所述目标风格图像分别输入人脸检测模型，获取所述人脸检测模型输出的至少一张包括人脸检测框和人脸关键特征点的目标检测图像之前，获取多组目标训练数据，其中，所述目标训练数据包括第三图像、在所述第三图像中标注人脸检测框和人脸关键特征点得到的第三标注图像、第四图像、以及在所述第四图像中标注人脸检测框和人脸关键特征点得到的第四标注图像，其中，所述第三图像为包括样本人物图像的至少部分人物特征和风格图像的风格特征的图像，所述样本人物图像包括所述目标人物图像，所述第四图像为对所述第三图像随机旋转得到的图像；训练模块，用于通过将多组所述目标训练数据输入待训练的人脸检测模型，对待训练的所述人脸检测模型进行迭代训练，得到所述人脸检测模型。
70.本技术实施例中的人脸特征库的构建装置可以是电子设备，也可以是电子设备中的部件，例如集成电路或芯片。该电子设备可以是终端，也可以为除终端之外的其他设备。
71.本技术实施例提供的人脸特征库的构建装置能够实现人脸特征库的构建方法实施例实现的各个过程，为避免重复，这里不再赘述。
72.本技术实施例提供的人物风格图像的识别方法，执行主体可以为人物风格图像的识别装置。本技术实施例中以人物风格图像的识别装置执行人物风格图像的识别方法为例，说明本技术实施例提供的人物风格图像的识别装置。
73.图5为本技术实施例公开的一种人物风格图像的识别装置的结构示意图。如图5所示，人物风格图像的识别装置500包括：接收模块510、获取模块520、提取模块530、对比模块540和识别模块550。
74.在本技术中，接收模块510，用于接收待测图像，其中，所述待测图像为包括至少部分人物特征和风格特征的图像；获取模块520，用于根据所述待测图像，获取与所述待测图像对应的待测人脸图像；提取模块530，用于提取所述待测人脸图像的待测人脸特征；对比模块540，用于将所述待测人脸特征与人脸特征库存储的目标人脸特征进行对比；识别模块550，用于在所述待测人脸特征与所述人脸特征库中存储的任一目标人脸特征的相似度大于预设阈值的情况下，将所述待测图像识别为与所述目标人脸特征相对应的目标人物的目标风格图像，其中，所述人脸特征库中存储目标人物与至少一个目标人脸特征之间的对应关系；其中，所述人脸特征库根据上述人脸特征库的构建方法构建得到。
75.本技术实施例中的人物风格图像的识别装置可以是电子设备，也可以是电子设备中的部件，例如集成电路或芯片。该电子设备可以是终端，也可以为除终端之外的其他设备。
76.本技术实施例提供的人物风格图像的识别装置能够实现人物风格图像的识别方法实施例实现的各个过程，为避免重复，这里不再赘述。
77.可选地，如图6所示，本技术实施例还提供一种电子设备600，包括处理器601和存储器602，存储器602上存储有可在所述处理器601上运行的程序或指令，该程序或指令被处理器601执行时实现上述人脸特征库的构建方法或人物风格图像的识别方法实施例的各个步骤，且能达到相同的技术效果，为避免重复，这里不再赘述。
78.需要说明的是，本技术实施例中的电子设备包括上述所述的移动电子设备和非移动电子设备。
79.本技术实施例还提供一种可读存储介质，所述可读存储介质上存储有程序或指令，该程序或指令被处理器执行时实现上述人脸特征库的构建方法或人物风格图像的识别方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
80.其中，所述处理器为上述实施例中所述的电子设备中的处理器。所述可读存储介质，包括计算机可读存储介质，如计算机只读存储器rom、随机存取存储器ram、磁碟或者光盘等。
81.本技术实施例另提供了一种芯片，所述芯片包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现上述人脸特征库的构建方法或人物风格图像的识别方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
82.应理解，本技术实施例提到的芯片还可以称为系统级芯片、系统芯片、芯片系统或片上系统芯片等。
83.本技术实施例提供一种计算机程序产品，该程序产品被存储在存储介质中，该程序产品被至少一个处理器执行以实现如上述人脸特征库的构建方法或人物风格图像的识别方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
84.需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。此外，需要指出的是，本技术实施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能，还可包括根据所涉及的功能按基本同时的方式或按相反的顺序来执行功能，例如，可以按不同于所描述的次序来执行所描述的方法，并且还可以添加、省去、或组合各种步骤。另外，参照某些示例所描述的特征可在其他示例中被组合。
85.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本技术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计算机软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，或者网络设备等)执行本技术各个实施例所述的方法。
86.上面结合附图对本技术的实施例进行了描述，但是本技术并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本技术的启示下，在不脱离本技术宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本技术的保护之内。