图像处理方法及装置与流程

1.本发明涉及图像处理技术领域，具体而言，涉及一种图像处理方法及装置。


背景技术：

2.随着图像处理技术的发展，在互动娱乐场景中，越来越多的人物特效设计涌现，尤其是头部特效，例如，头发换色、人脸区域特效、人脸五官特效等。
3.需要说明的是，在进行头部特效之前，需要在给定的图中获取头发区域、人脸区域、以及人脸五官组件。为了实现上述功能，相关技术中分别通过独立的模块预测人头、人脸、头发，以及预测人脸五官组件，预测的过程图像处理资源消耗较多，且时间消耗较长。
4.针对上述的问题，目前尚未提出有效的解决方案。


技术实现要素：

5.本发明实施例提供了一种图像处理方法及装置，以至少解决相关技术中预测头部区域以及脸部五官时的图像处理资源消耗较多，时间消耗较长的技术问题。
6.根据本发明实施例的一个方面，提供了一种图像处理方法，包括：获取包含目标对象的头部信息的待处理图像；通过分割模型的编码网络对待处理图像进行编码处理，得到编码特征；通过分割模型的第一解码网络对编码特征进行解码处理，得到头部区域图像，其中，头部区域图像中包含脸部区域特征；通过分割模型的第二解码网络对编码特征和头部区域图像进行解码处理，得到脸部器官图像，其中，脸部器官图像中包含脸部器官特征。
7.可选地，编码特征中包括多个不同分辨率的编码特征，头部区域图像中包括多个不同分辨率的头部区域图像，通过分割模型的第二解码网络对编码特征和头部区域图像进行解码处理，得到脸部器官图像包括：通过第二解码网络对多个不同分辨率的编码特征和多个不同分辨率的头部区域图像进行组合，并对组合后的特征进行解码处理，得到脸部器官图像。
8.可选地，在通过分割模型的编码网络对待处理图像进行编码处理，得到编码特征之前，该方法还包括：获取多组第一样本数据，并根据多组第一样本数据训练预设编码网络和预设第一解码网络，得到预训练的编码网络和预训练的第一解码网络，其中，第一样本数据为包含目标对象的头部信息的第一样本图像以及第一标注图像，第一标注图像为在第一样本图像中标注脸部区域特征的图像；获取多组第二样本数据，并根据多组第二样本数据训练预设第二解码网络，得到预训练的第二解码网络，其中，第二样本数据为包含目标对象的头部信息的第二样本图像以及第二标注图像，第二标注图像为在第二样本图像中标注脸部器官特征的图像；由预训练的编码网络、预训练的第一解码网络以及预训练的第二解码网络，得到分割模型。
9.可选地，由预训练的编码网络、预训练的第一解码网络以及预训练的第二解码网络，得到分割模型包括：获取多组第三样本数据，并根据多组第三样本数据训练预训练的编码网络、预训练的第一解码网络以及预训练的第二解码网络，得到编码网络、第一解码网络
以及第二解码网络，其中，第三样本数据为包含目标对象的头部信息的样本图像以及第三标注图像，第三标注图像为在样本图像中标注脸部区域特征和脸部器官特征的图像；由编码网络、第一解码网络以及第二解码网络构成分割模型。
10.可选地，第一标注图像为在第一样本图像中标注头部区域特征、脸部区域特征以及头发区域特征的图像，通过分割模型的第一解码网络对编码特征进行解码处理，得到头部区域图像包括：将编码特征输入第一解码网络进行处理，得到第一头部区域图像、第二头部区域图像以及第三头部区域头像，其中，第一头部区域图像包括头部区域特征，第二头部区域图像包括脸部区域特征，第三头部区域图像包括头发区域特征。
11.可选地，在获取包含目标对象的头部信息的待处理图像之前，该方法还包括：获取包含目标对象的图像，并从包含目标对象的图像中定位头部位置，其中，人体信息包括头部信息和躯干信息；根据头部位置从包含目标对象的图像中获取包含目标对象的头部信息的待处理图像。
12.根据本发明实施例的另一方面，还提供了一种图像处理方法，包括：采集包含目标对象的头部信息的待处理图像，并在用户界面中展示待处理图像；在用户界面展示待处理图像通过分割模型处理后得到的头部区域图像，其中，头部区域图像中包含脸部区域特征；在用户界面展示头部区域图像通过分割模型处理后得到的脸部器官图像，其中，脸部器官图像中包含脸部器官特征。
13.根据本发明实施例的另一方面，还提供了一种图像处理方法，包括：云服务器接收包含目标对象的头部信息的待处理图像；云服务器采用分割模型的编码网络对待处理图像进行编码处理，得到编码特征；采用分割模型的第一解码网络对编码特征进行解码处理，得到头部区域图像，其中，头部区域图像包含脸部区域特征；采用分割模型的第二解码网络对编码特征和头部区域图像进行解码处理，得到脸部器官图像，其中，脸部器官图像包含脸部器官特征；云服务器返回脸部器官图像至客户端。
14.根据本发明实施例的另一方面，还提供了一种图像处理装置，包括：获取单元，用于获取包含目标对象的头部信息的待处理图像；编码单元，用于通过分割模型的编码网络对待处理图像进行编码处理，得到编码特征；第一解码单元，用于通过分割模型的第一解码网络对编码特征进行解码处理，得到头部区域图像，其中，头部区域图像中包含脸部区域特征；第二解码单元，用于通过分割模型的第二解码网络对编码特征和头部区域图像进行解码处理，得到脸部器官图像，其中，脸部器官图像中包含脸部器官特征。
15.根据本发明实施例的另一方面，还提供了一种存储介质，其中，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行上述任意一项的图像处理方法。
16.根据本发明实施例的另一方面，还提供了一种处理器，其中，处理器用于运行程序，其中，程序运行时执行上述中任意一项的图像处理方法。
17.在本发明实施例中，获取包含目标对象的头部信息的待处理图像；通过分割模型的编码网络对待处理图像进行编码处理，得到编码特征；通过分割模型的第一解码网络对编码特征进行解码处理，得到头部区域图像，其中，头部区域图像中包含脸部区域特征；通过分割模型的第二解码网络对编码特征和头部区域图像进行解码处理，得到脸部器官图像，其中，脸部器官图像中包含脸部器官特征，通过采用包含一个编码网络、两个解码网络的分割模型对待处理图像进行处理，达到了在处理得到头部区域图像的基础上进一步处理
得到脸部器官图像的目的，从而实现了降低预测头部区域以及脸部五官时的资源消耗和时间消耗的技术效果，进而解决了相关技术中预测头部区域以及脸部五官时的图像处理资源消耗较多，时间消耗较长的技术问题。
附图说明
18.此处所说明的附图用来提供对本发明的进一步理解，构成本技术的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
19.图1是根据本发明实施例的计算机终端的硬件结构框图；
20.图2是根据本发明实施例一提供的图像处理方法的流程图；
21.图3是根据本发明实施例一提供的图像处理方法的示意图；
22.图4是根据本发明实施例二提供的图像处理方法的流程图；
23.图5是根据本发明实施例三提供的图像处理方法的流程图；
24.图6是根据本发明实施例四提供的图像处理装置的示意图；以及
25.图7是根据本发明实施例的可选的计算机终端的结构框图。
具体实施方式
26.为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
27.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必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，以便这里描述的本发明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。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
28.首先，在对本技术实施例进行描述的过程中出现的部分名词或术语适用于如下解释：
29.图像分割；给定一张可视化图像，预测出显著性前景。
30.实施例1
31.根据本发明实施例，提供了一种图像处理方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
32.本技术实施例一所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。图1示出了一种用于实现图像处理方法的计算机终端(或移动设备)的硬件结构框图。如图1所示，计算机终端10(或移动设备10)可以包括一个或多个(图中采用102a、
102b，
……
，102n来示出)处理器102(处理器102可以包括但不限于微处理器mcu或可编程逻辑器件fpga等的处理装置)、用于存储数据的存储器104、以及用于通信功能的传输装置。除此以外，还可以包括：显示器、输入/输出接口(i/o接口)、通用串行总线(usb)端口(可以作为i/o接口的端口中的一个端口被包括)、网络接口、电源和/或相机。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，计算机终端10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。
33.应当注意到的是上述一个或多个处理器102和/或其他数据处理电路在本文中通常可以被称为“数据处理电路”。该数据处理电路可以全部或部分的体现为软件、硬件、固件或其他任意组合。此外，数据处理电路可为单个独立的处理模块，或全部或部分的结合到计算机终端10(或移动设备)中的其他元件中的任意一个内。如本技术实施例中所涉及到的，该数据处理电路作为一种处理器控制(例如与接口连接的可变电阻终端路径的选择)。
34.存储器104可用于存储应用软件的软件程序以及模块，如本发明实施例中的图像处理方法对应的程序指令/数据存储装置，处理器102通过运行存储在存储器104内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的应用程序的图像处理方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至计算机终端10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
35.传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机终端10的通信供应商提供的无线网络。在一个实例中，传输装置106包括一个网络适配器(network interface controller，nic)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置106可以为射频(radio frequency，rf)模块，其用于通过无线方式与互联网进行通讯。
36.显示器可以例如触摸屏式的液晶显示器(lcd)，该液晶显示器可使得用户能够与计算机终端10(或移动设备)的用户界面进行交互。
37.在上述运行环境下，本技术提供了如图2所示的图像处理方法。图2是根据本发明实施例一的图像处理方法的流程图。
38.s21，获取包含目标对象的头部信息的待处理图像。
39.具体地的，目标对象可以为人体，可以为动物体，还可以为机器人，头部信息包括头发信息、皮肤信息、五官信息等，待处理图像可以为包含目标对象的头部信息和躯干信息的图像，待处理图像也可以为包含目标对象的头部信息而不包含躯干信息的图像。
40.在待处理图像为包含目标对象的头部信息而不包含躯干信息的图像的情况下，可选地，在获取包含目标对象的头部信息的待处理图像之前，该方法还包括：获取包含目标对象的图像，并从包含目标对象的图像中定位头部位置，其中，目标对象包括头部信息和躯干信息；根据头部位置从包含目标对象的图像中获取包含目标对象的头部信息的待处理图像。
41.具体地，给定一张包含目标对象的图像，先从中定位头部位置，并根据头部位置获取包含目标对象的头部信息而不包含躯干信息的待处理图像，例如，给定一张包含人体信息的图像，从中定位人体的头部位置后获取的待处理图像可以为头部区域所在的最小矩形
区域，需要说明的是，头部区域包括头发区域和人脸区域。
42.s22，通过分割模型的编码网络对待处理图像进行编码处理，得到编码特征。
43.需要说明的是，本实施例中的分割模型包括编码网络、第一解码网络和第二解码网络，编码网络对待处理图像进行处理得到的编码特征分别作为两个解码网络的输入，如图3所示，可以将包含目标对象的头部信息的待处理图像输入编码网络，得到编码特征。
44.s23，通过分割模型的第一解码网络对编码特征进行解码处理，得到头部区域图像，其中，头部区域图像中包含脸部区域特征。
45.具体地，通过第一解码网络对编码特征进行解码处理的过程，即为进行头部区域预测的过程，头部区域的预测可以包括脸部区域的预测、头发区域的预测，以及由脸部区域和头发区域共同构成区域的预测。
46.在一种可选的实施方式中，若图像处理任务为对五官进行调整，在进行头部区域预测时，可以只进行脸部区域的预测。
47.s24，通过分割模型的第二解码网络对编码特征和头部区域图像进行解码处理，得到脸部器官图像，其中，脸部器官图像中包含脸部器官特征。
48.具体地，第二解码网络对编码特征和头部区域图像进行解码处理的过程，即为在包含脸部区域特征的头部区域图像的基础上进行脸部器官的预测，其中，脸部器官为眉毛、眼睛、鼻子、嘴巴中的一个或多个，如图3所示，将编码特征和头部区域图像输入第二解码网络，得到脸部器官图像。
49.通过本实施例，采用编码网络共享，头部区域解码网络与人脸五官解码网络共存结构的分割模型，实现给定一张包含目标对象的头部信息的待处理图像，完成头部区域预测与脸部五官预测的功能，其中，脸部五官预测引用头部区域预测的结果，提高了脸部器官预测的速度和准确性。
50.为了提高预测的性能，可选地，编码特征中包括多个不同分辨率的编码特征，头部区域图像中包括多个不同分辨率的头部区域图像，通过分割模型的第二解码网络对编码特征和头部区域图像进行解码处理，得到脸部器官图像包括：通过第二解码网络对多个不同分辨率的编码特征和多个不同分辨率的头部区域图像进行组合，并对组合后的特征进行解码处理，得到脸部器官图像。
51.具体地，分割模型的编码网络可以对待处理图像进行不同分辨率的编码，输出不同分辨率的编码特征，例如，输出与待处理图像相同分辨率的编码特征，输出待处理图像的1/4分辨率的编码特征，输出待处理图像的1/8分辨率的编码特征。
52.相应的，分割模型的第一解码网络对不同分辨率的编码特征进行解码处理，得到不同分辨率的头部区域图像，例如，如图3所示，可以得到与待处理图像相同分辨率的头部区域图像，待处理图像的1/4分辨率的头部区域图像，待处理图像的1/8分辨率的头部区域图像。
53.进一步的，得到多个不同分辨率的头部区域图像后，如图3所示，将多个不同分辨率的头部区域图像和多个不同分辨率的编码特征均输入分割模型的第二解码网络进行解码处理，具体地，第二解码网络的解码处理包括特征融合和解码两部分，实现在多尺寸多分辨率的头部区域图像的基础上不断预测脸部器官，最终得到高分辨率的脸部器官图像的目的。
54.在通过分割模型对待处理图像进行处理之前，需要进行模型的训练，可选地，在通过分割模型的编码网络对待处理图像进行编码处理，得到编码特征之前，该方法还包括：获取多组第一样本数据，并根据多组第一样本数据训练预设编码网络和预设第一解码网络，得到预训练的编码网络和预训练的第一解码网络，其中，第一样本数据为包含目标对象的头部信息的第一样本图像以及第一标注图像，第一标注图像为在第一样本图像中标注脸部区域特征的图像；获取多组第二样本数据，并根据多组第二样本数据训练预设第二解码网络，得到预训练的第二解码网络，其中，第二样本数据为包含目标对象的头部信息的第二样本图像以及第二标注图像，第二标注图像为在第二样本图像中标注脸部器官特征的图像；由预训练的编码网络、预训练的第一解码网络以及预训练的第二解码网络，得到分割模型。
55.具体地，分割模型包括编码网络 第一解码网络的训练，以及第二解码网络的训练。具体地，先采用多组第一样本图像和标注脸部区域特征的第一标注图像训练搭建好的预设编码网络和预设第一解码网络，获取训练后的预设编码网络和预设第一解码网络的网络参数，也即，得到预训练的编码网络和预训练的第一解码网络。
56.需要说明的是，在训练编码网络 第一解码网络时，第一样本图像可以为包含目标对象的头部信息和躯干信息的图像，也可以为包含目标对象的头部信息而不包含躯干信息的图像，在第一样本图像同时包含头部信息和躯干信息的情况下，在标注第一样本图像得到第一标注图像时，需要先在第一样本图像上定位头部位置，再进行脸部区域特征的标注；在第一样本图像包含头部信息而不包含躯干信息情况下，可以在第一样本图像上直接标注脸部区域特征，得到第一标注图像。
57.进一步的，在预训练的编码网络和预训练的第一解码网络的基础上，采用多组第二样本图像和标注脸部器官特征的第二标注图像训练搭建好的预设第二解码网络，需要说明的是，训练预设第二解码网络时，预训练的编码网络和预训练的第一解码网络的网络参数已给出，获取训练后的预设第二解码网络的网络参数，也即，得到预训练的第二解码网络。
58.此外，需要说明的是，第二标注图像标注的脸部器官特征随图像处理任务而定，可以标注眉毛、眼睛、鼻子、嘴巴中的一个或多个，例如，图像处理任务为五官一键风格化，第二标注图像标注眉毛、眼睛、鼻子、嘴巴，图像处理任务为眼部放大，第二标注图像标注眼睛，本技术实施例不限定标注的脸部器官特征的个数或类型，采用本技术的第二样本图像和第二标注图像训练的第二解码网络，可以实现脸部器官的单独预测，也可以实现脸部器官的整体预测。
59.为了进一步提高分割模型的性能，可选地，由预训练的编码网络、预训练的第一解码网络以及预训练的第二解码网络，得到分割模型包括：获取多组第三样本数据，并根据多组第三样本数据训练预训练的编码网络、预训练的第一解码网络以及预训练的第二解码网络，得到编码网络、第一解码网络以及第二解码网络，其中，第三样本数据为包含目标对象的头部信息的样本图像以及第三标注图像，第三标注图像为在样本图像中标注脸部区域特征和脸部器官特征的图像；由编码网络、第一解码网络以及第二解码网络构成分割模型。
60.具体地，在获取预训练的编码网络、预训练的第一解码网络以及预训练的第二解码网络后，采用多组第三样本图像和同时标注了脸部区域特征和脸部器官特征的第三标注对预训练的编码网络、预训练的第一解码网络以及预训练的第二解码网络进行训练，调整
预训练的各个网络的网络参数，得到编码网络、第一解码网络以及第二解码网络，也即，得到分割模型，提高了分割模型的图像预测的准确性。
61.编码网络和第一解码网络除了可以预测脸部区域，还可以预测头部中的其他区域，可选地，第一标注图像为在第一样本图像中标注头部区域特征、脸部区域特征以及头发区域特征的图像，通过分割模型的第一解码网络对编码特征进行解码处理，得到头部区域图像包括：将编码特征输入第一解码网络进行处理，得到第一头部区域图像、第二头部区域图像以及第三头部区域头像，其中，第一头部区域图像包括头部区域特征，第二头部区域图像包括脸部区域特征，第三头部区域图像包括头发区域特征。
62.具体地，第一解码网络的输出与第一样本图像和第一标注图像的标注情况有关，在第一标注图像仅标注脸部区域特征时，编码网络和第一解码网络可以对待处理图像中的脸部区域特征进行预测。如图3所示，在第一标注图像同时标注头部区域特征、脸部区域特征以及头发区域特征时，编码网络和第一解码网络可以对待处理图像中的头部区域特征、脸部区域特征以及头发区域特征分别进行预测，实现多输出，具体地，同时输出包括头部区域特征的第一头部区域图像，包括脸部区域特征的第二头部区域图像，包括头发区域特征的第三头部区域图像。此外，第一标注图像还可以仅标注头部区域特征、或头发区域特征时，实现编码网络和第一解码网络对头部区域特征或头发区域特征的单独预测。
63.通过本实施例，根据对第一标注图像的标注特征的不同，第一解码网络的输出不同，第一解码网络可以根据任务类型不同进行单信息或多信息的输出，分割模型的各个网络可以根据任务的不同进行拆解、合并，可以单独拿第一解码网络配合编码网络做头部区域预测，也可以对编码网络、第一解码网络和第二解码网络进行合并，将第一解码网络的输出作为第二解码网络的部分输入，实现脸部五官的预测，图像预测的方式更灵活和轻便。
64.需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
65.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根据上述实施例的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，本发明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设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
66.实施例2
67.在上述实施例一所描述的运行环境下，本技术提供了如图4所示的图像处理方法，图4是根据本发明实施例二的图像处理方法的流程图：
68.s41，云服务器接收包含目标对象的头部信息的待处理图像。
69.具体地的，客户端将包含目标对象的头部信息的待处理图像发送至云服务器，目标对象可以为人体，可以为动物体，还可以为机器人，头部信息包括头发信息、皮肤信息、五官信息等，待处理图像可以为包含目标对象的头部信息和躯干信息的图像，待处理图像也
可以为包含目标对象的头部信息而不包含躯干信息的图像。
70.s42，云服务器采用分割模型的编码网络对待处理图像进行编码处理，得到编码特征；采用分割模型的第一解码网络对编码特征进行解码处理，得到头部区域图像，其中，头部区域图像包含脸部区域特征；采用分割模型的第二解码网络对编码特征和头部区域图像进行解码处理，得到脸部器官图像，其中，脸部器官图像包含脸部器官特征。
71.需要说明的是，云服务器中存储有分割模型，分割模型包括编码网络、第一解码网络和第二解码网络，编码网络对待处理图像进行处理得到的编码特征分别作为两个解码网络的输入。具体地，第一解码网络对编码特征进行解码处理，得到包含脸部区域特征的头部区域，第一解码网络对编码特征以及包含脸部区域特征的头部区域进行解码处理，得到脸部器官图像，其中，脸部器官为眉毛、眼睛、鼻子、嘴巴中的一个或多个。
72.s43，云服务器返回脸部器官图像至客户端。
73.具体地，云服务器通过存储的分割模型对包含目标对象的头部信息的待处理图像进行编码和解码的处理，得到脸部器官图像，并将脸部器官图像发送至客户端进行展示。
74.实施例3
75.在上述实施例一所描述的运行环境下，本技术提供了如图5所示的图像处理方法，图5是根据本发明实施例三的图像处理方法的流程图：
76.s51，采集包含目标对象的头部信息的待处理图像，并在用户界面中展示待处理图像。
77.具体地的，目标对象可以为人体，可以为动物体，还可以为机器人，待处理图像可以为包含目标对象的头部信息和躯干信息的图像，待处理图像也可以为包含目标对象的头部信息而不包含躯干信息的图像，头部信息包括头发信息、皮肤信息、五官信息等。
78.在用户界面中展示待处理图像，即为展示包含所有头部信息的细节信息的原始图像，该原始图像可以为彩色图像。
79.s52，在用户界面展示待处理图像通过分割模型处理后得到的头部区域图像，其中，头部区域图像中包含脸部区域特征。
80.需要说明的是，分割模型包括编码网络、第一解码网络和第二解码网络，通过编码网络对待处理图像进行处理得到的编码特征，第一解码网络对编码特征进行解码处理，得到包含脸部区域特征的头部区域。
81.具体地，在用户界面展示的头部区域图像可以为仅包括皮肤信息、五官信息等脸部特征，不包括头发信息的图像，头部区域图像可以为二值图。
82.s53，在用户界面展示头部区域图像通过分割模型处理后得到的脸部器官图像，其中，脸部器官图像中包含脸部器官特征。
83.需要说明的是，通过分割模型的第一解码网络对编码特征以及包含脸部区域特征的头部区域进行解码处理，得到脸部器官图像。
84.具体地，脸部器官为眉毛、眼睛、鼻子、嘴巴中的一个或多个，在用户界面展示的脸部区域图像可以为仅包括脸部器官特征、不包含皮肤等其他脸部特征的图像。
85.实施例4
86.根据本发明实施例，还提供了一种用于实施上述图像处理方法的装置，如图6所示，该装置包括：
87.获取单元61，用于获取包含目标对象的头部信息的待处理图像。
88.编码单元62，用于通过分割模型的编码网络对待处理图像进行编码处理，得到编码特征。
89.第一解码单元63，用于通过分割模型的第一解码网络对编码特征进行解码处理，得到头部区域图像，其中，头部区域图像中包含脸部区域特征。
90.第二解码单元64，用于通过分割模型的第二解码网络对编码特征和头部区域图像进行解码处理，得到脸部器官图像，其中，脸部器官图像中包含脸部器官特征。
91.可选地，编码特征中包括多个不同分辨率的编码特征，头部区域图像中包括多个不同分辨率的头部区域图像，第二解码单元64用于通过第二解码网络对多个不同分辨率的编码特征和多个不同分辨率的头部区域图像进行组合，并对组合后的特征进行解码处理，得到脸部器官图像。
92.可选地，该装置还包括：第一训练单元，用于在通过分割模型的编码网络对待处理图像进行编码处理，得到编码特征之前，获取多组第一样本数据，并根据多组第一样本数据训练预设编码网络和预设第一解码网络，得到预训练的编码网络和预训练的第一解码网络，其中，第一样本数据为包含目标对象的头部信息的第一样本图像以及第一标注图像，第一标注图像为在第一样本图像中标注脸部区域特征的图像；第二训练单元，用于获取多组第二样本数据，并根据多组第二样本数据训练预设第二解码网络，得到预训练的第二解码网络，其中，第二样本数据为包含目标对象的头部信息的第二样本图像以及第二标注图像，第二标注图像为在第二样本图像中标注脸部器官特征的图像；模型构建单元，用于由预训练的编码网络、预训练的第一解码网络以及预训练的第二解码网络，得到分割模型。
93.可选地，模型构建单元包括：训练模块，用于获取多组第三样本数据，并根据多组第三样本数据训练预训练的编码网络、预训练的第一解码网络以及预训练的第二解码网络，得到编码网络、第一解码网络以及第二解码网络，其中，第三样本数据为包含目标对象的头部信息的样本图像以及第三标注图像，第三标注图像为在样本图像中标注脸部区域特征和脸部器官特征的图像；模型构建模块，用于由编码网络、第一解码网络以及第二解码网络构成分割模型。
94.可选地，第一标注图像为在第一样本图像中标注头部区域特征、脸部区域特征以及头发区域特征的图像，第一解码单元63包括：将编码特征输入第一解码网络进行处理，得到第一头部区域图像、第二头部区域图像以及第三头部区域头像，其中，第一头部区域图像包括头部区域特征，第二头部区域图像包括脸部区域特征，第三头部区域图像包括头发区域特征。
95.可选地，该装置还包括：定位单元，用于在获取包含目标对象的头部信息的待处理图像之前，获取包含目标对象的图像，并从包含目标对象的图像中定位头部位置，其中，目标对象包括头部信息和躯干信息；获取单元，用于根据头部位置从包含目标对象的图像中获取包含目标对象的头部信息的待处理图像。
96.此处需要说明的是，上述获取单元61、编码单元62、第一解码单元63和第二解码单元64对应于实施例1中的步骤s21至步骤s24，两个模块与对应的步骤所实现的实例和应用场景相同，但不限于上述实施例一所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在实施例一提供的计算机终端10中。
97.实施例5
98.本发明的实施例可以提供一种计算机终端，该计算机终端可以是计算机终端群中的任意一个计算机终端设备。可选地，在本实施例中，上述计算机终端也可以替换为移动终端等终端设备。
99.可选地，在本实施例中，上述计算机终端可以位于计算机网络的多个网络设备中的至少一个网络设备。
100.在本实施例中，上述计算机终端可以执行应用程序的图像处理方法中以下步骤的程序代码：获取包含目标对象的头部信息的待处理图像；通过分割模型的编码网络对待处理图像进行编码处理，得到编码特征；通过分割模型的第一解码网络对编码特征进行解码处理，得到头部区域图像，其中，头部区域图像中包含脸部区域特征；通过分割模型的第二解码网络对编码特征和头部区域图像进行解码处理，得到脸部器官图像，其中，脸部器官图像中包含脸部器官特征。
101.可选地，图7是根据本发明实施例的一种计算机终端的结构框图。如图7所示，该计算机终端a可以包括：一个或多个(图中仅示出一个)处理器、存储器、以及传输装置。
102.其中，存储器可用于存储软件程序以及模块，如本发明实施例中的图像处理方法和装置对应的程序指令/模块，处理器通过运行存储在存储器内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的图像处理方法。存储器可包括高速随机存储器，还可以包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器可进一步包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至终端a。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
103.处理器可以通过传输装置调用存储器存储的信息及应用程序，以执行下述步骤：获取包含目标对象的头部信息的待处理图像；通过分割模型的编码网络对待处理图像进行编码处理，得到编码特征；通过分割模型的第一解码网络对编码特征进行解码处理，得到头部区域图像，其中，头部区域图像中包含脸部区域特征；通过分割模型的第二解码网络对编码特征和头部区域图像进行解码处理，得到脸部器官图像，其中，脸部器官图像中包含脸部器官特征。
104.采用本发明实施例，获取包含目标对象的头部信息的待处理图像；通过分割模型的编码网络对待处理图像进行编码处理，得到编码特征；通过分割模型的第一解码网络对编码特征进行解码处理，得到头部区域图像，其中，头部区域图像中包含脸部区域特征；通过分割模型的第二解码网络对编码特征和头部区域图像进行解码处理，得到脸部器官图像，其中，脸部器官图像中包含脸部器官特征，通过采用包含一个编码网络、两个解码网络的分割模型对待处理图像进行处理，达到了在处理得到头部区域图像的基础上进一步处理得到脸部器官图像的目的，从而实现了降低预测头部区域以及脸部五官时的资源消耗和时间消耗的技术效果，进而解决了相关技术中预测头部区域以及脸部五官时的图像处理资源消耗较多，时间消耗较长的技术问题。
105.本领域普通技术人员可以理解，图7所示的结构仅为示意，计算机终端也可以是智能手机(如android手机、ios手机等)、平板电脑、掌声电脑以及移动互联网设备(mobile internet devices，mid)、pad等终端设备。图7其并不对上述电子装置的结构造成限定。例
如，计算机终端10还可包括比图7中所示更多或者更少的组件(如网络接口、显示装置等)，或者具有与图7所示不同的配置。
106.本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：闪存盘、只读存储器(read-only memory，rom)、随机存取器(random access memory，ram)、磁盘或光盘等。
107.实施例6
108.本发明的实施例还提供了一种存储介质。可选地，在本实施例中，上述存储介质可以用于保存上述实施例一所提供的图像处理方法所执行的程序代码。
109.可选地，在本实施例中，上述存储介质可以位于计算机网络中计算机终端群中的任意一个计算机终端中，或者位于移动终端群中的任意一个移动终端中。
110.可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：获取包含目标对象的头部信息的待处理图像；通过分割模型的编码网络对待处理图像进行编码处理，得到编码特征；通过分割模型的第一解码网络对编码特征进行解码处理，得到头部区域图像，其中，头部区域图像中包含脸部区域特征；通过分割模型的第二解码网络对编码特征和头部区域图像进行解码处理，得到脸部器官图像，其中，脸部器官图像中包含脸部器官特征。
111.上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
112.在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
113.在本技术所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
114.所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
115.另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
116.所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以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中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、只读存储器(rom，read-only memory)、随机存取存
储器(ram，random access memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
117.以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。