图像处理方法、装置、电子设备及存储介质

技术领域

本公开涉及图像处理技术领域，尤其涉及一种图像处理方法、装置、电子设备及存储介质。

背景技术

在目前常见的短视频应用或者相机应用中，为人脸进行上妆(如口红、眼影、腮红等)是一项常见的技术。相关技术中，最常见的上妆方案是利用人脸关键点，如嘴唇区域的关键点，拟合出相应的曲线并进行渲染上妆。当人脸轮廓内部存在遮挡物时，通过人脸语义分割技术，可以对人脸与遮挡物区域进行区分，结合关键点渲染上妆，可以达到妆容只在未被遮挡的区域上妆，实现更具真实感的上妆体验。

但是，相关技术中的上妆方案无法满足人脸轮廓外的上妆需求，不能解决人脸轮廓外部的防遮挡上妆问题。

发明内容

本公开提供一种图像处理方法、装置、电子设备及存储介质，以至少解决相关技术中不能解决人脸轮廓外部防遮挡上妆的问题。本公开的技术方案如下：

根据本公开实施例的第一方面，提供一种图像处理方法，包括：

对待处理人脸图像进行人脸关键点检测，得到关键点检测结果；

根据所述关键点检测结果，确定所述待处理人脸图像中的目标部位区域；

对目标部位区域进行上妆处理，得到中间上妆图像；

通过人脸膨胀分割模型对所述待处理人脸图像进行人脸膨胀分割处理，得到所述待处理人脸图像中的可上妆区域，所述可上妆区域包括未被遮挡物遮挡的人脸区域和未被所述遮挡物遮挡的人脸外扩区域，所述人脸外扩区域为人脸轮廓外的部分区域，所述未被遮挡物遮挡的人脸区域包括未被所述遮挡物遮挡的目标部位区域；

根据所述可上妆区域，对所述中间上妆图像进行修正，得到目标上妆图像。

可选的，所述方法还包括所述人脸膨胀分割模型的训练过程，所述人脸膨胀分割模型的训练过程包括：

通过多类别语义分割模型对人脸图像样本进行多类别语义分割处理，得到所述人脸图像样本中的人脸区域、遮挡物区域和头发区域；

对所述人脸图像样本中的人脸区域进行膨胀处理，得到人脸膨胀区域，所述人脸膨胀区域包括所述人脸图像样本中的人脸区域和人脸外扩区域；

根据所述遮挡物区域、所述头发区域和所述人脸膨胀区域，确定所述人脸图像样本中的可上妆区域标注；

根据所述人脸图像样本和所述可上妆区域标注，对初始的人脸膨胀分割模型进行训练，得到训练完成的人脸膨胀分割模型。

可选的，所述根据所述遮挡物区域、所述头发区域和所述人脸膨胀区域，确定所述人脸图像样本中的可上妆区域标注，包括：

确定所述人脸膨胀区域与所述遮挡物区域之间的第一重叠区域，并确定所述人脸膨胀区域与所述头发区域之间的第二重叠区域；

在所述人脸膨胀区域中去除所述第一重叠区域和所述第二重叠区域，得到所述可上妆区域标注。

可选的，所述通过人脸膨胀分割模型对所述待处理人脸图像进行人脸膨胀分割处理，得到所述待处理人脸图像中的可上妆区域，包括：

通过所述人脸膨胀分割模型对所述待处理人脸图像进行人脸膨胀分割处理，得到所述待处理人脸图像中的可上妆区域和未遮挡头发区域，所述未遮挡头发区域是未被遮挡物遮挡的头发区域；

所述根据所述可上妆区域，对所述中间上妆图像进行修正，得到目标上妆图像，包括：

根据所述可上妆区域，对所述中间上妆图像进行修正，并对修正后的中间上妆图像中未遮挡头发区域进行上妆处理，得到所述目标上妆图像。

可选的，所述根据所述人脸图像样本和所述可上妆区域标注，对初始的人脸膨胀分割模型进行训练，得到训练完成的人脸膨胀分割模型之前，所述方法还包括：

确定所述头发区域与所述遮挡物区域之间的第三重叠区域；

在所述头发区域中去除所述第三重叠区域，得到未遮挡头发区域标注；

所述根据所述人脸图像样本和所述可上妆区域标注，对初始的人脸膨胀分割模型进行训练，得到训练完成的人脸膨胀分割模型，包括：

根据所述人脸图像样本、所述可上妆区域标注和所述未遮挡头发区域标注，对初始的人脸膨胀分割模型进行训练，得到训练完成的人脸膨胀分割模型。

可选的，所述方法还包括所述多类别语义分割模型的训练过程，所述多类别语义分割模型的训练过程包括：

获取人脸分割图像、遮挡物分割图像和头发分割图像，所述人脸分割图像、遮挡物分割图像和头发分割图像分别为二分类分割数据；

根据所述人脸分割图像、遮挡物分割图像和头发分割图像，对初始的多类别语义分割模型进行训练，得到训练完成的多类别语义分割模型。

可选的，所述根据所述人脸图像样本和所述可上妆区域标注，对初始的人脸膨胀分割模型进行训练，得到训练完成的人脸膨胀分割模型，包括：

将所述人脸图像样本输入所述初始的人脸膨胀分割模型，得到所述人脸图像样本的可上妆区域；

根据所述可上妆区域标注和所述人脸图像样本的可上妆区域，确定类别平衡损失函数值；

根据所述类别平衡损失函数值，对所述人脸膨胀分割模型的网络参数进行调整，获得训练完成的人脸膨胀分割模型。

可选的，所述根据所述可上妆区域，对所述中间上妆图像进行修正，得到目标上妆图像，包括：

确定所述可上妆区域与所述目标部位区域之间的第四重叠区域；

在所述目标部位区域中确定所述第四重叠区域之外的剩余区域；

在所述中间上妆图像中去除所述剩余区域的上妆效果，得到所述目标上妆图像。

根据本公开实施例的第二方面，提供一种图像处理装置，包括：

关键点检测模块，被配置为执行对待处理人脸图像进行人脸关键点检测，得到关键点检测结果；

目标部位区域确定模块，被配置为执行根据所述关键点检测结果，确定所述待处理人脸图像中的目标部位区域；

目标部位上妆模块，被配置为执行对所述目标部位区域进行上妆处理，得到中间上妆图像；

人脸膨胀分割模块，被配置为执行通过人脸膨胀分割模型对所述待处理人脸图像进行人脸膨胀分割处理，得到所述待处理人脸图像中的可上妆区域，所述可上妆区域包括未被遮挡物遮挡的人脸区域和未被所述遮挡物遮挡的人脸外扩区域，所述人脸外扩区域为人脸轮廓外的部分区域，所述未被遮挡物遮挡的人脸区域包括未被所述遮挡物遮挡的目标部位区域；

上妆修正模块，被配置为执行根据所述可上妆区域，对所述中间上妆图像进行修正，得到目标上妆图像。

可选的，所述装置还包括膨胀分割模型训练模块，所述膨胀分割模型训练模块包括：

多类别分割处理单元，被配置为执行通过多类别语义分割模型对人脸图像样本进行多类别语义分割处理，得到所述人脸图像样本中的人脸区域、遮挡物区域和头发区域；

膨胀处理单元，被配置为执行对所述人脸图像样本中的人脸区域进行膨胀处理，得到人脸膨胀区域，所述人脸膨胀区域包括所述人脸图像样本中的人脸区域和人脸外扩区域；

可上妆区域标注确定单元，被配置为执行根据所述遮挡物区域、所述头发区域和所述人脸膨胀区域，确定所述人脸图像样本中的可上妆区域标注；

膨胀分割模型训练单元，被配置为执行根据所述人脸图像样本和所述可上妆区域标注，对初始的人脸膨胀分割模型进行训练，得到训练完成的人脸膨胀分割模型。

可选的，所述可上妆区域标注确定单元被配置为执行：

确定所述人脸膨胀区域与所述遮挡物区域之间的第一重叠区域，并确定所述人脸膨胀区域与所述头发区域之间的第二重叠区域；

在所述人脸膨胀区域中去除所述第一重叠区域和所述第二重叠区域，得到所述可上妆区域标注。

可选的，所述人脸膨胀分割模块被配置为执行：

通过所述人脸膨胀分割模型对所述待处理人脸图像进行人脸膨胀分割处理，得到所述待处理人脸图像中的可上妆区域和未遮挡头发区域，所述未遮挡头发区域是未被遮挡物遮挡的头发区域；

所述上妆修正模块被配置为执行：

根据所述可上妆区域，对所述中间上妆图像进行修正，并对修正后的中间上妆图像中未遮挡头发区域进行上妆处理，得到所述目标上妆图像。

可选的，所述膨胀分割模型训练模块还包括：

第三重叠区域确定模块，被配置为执行确定所述头发区域与所述遮挡物区域之间的第三重叠区域；

未遮挡头发区域标注确定模块，被配置为执行在所述头发区域中去除所述第三重叠区域，得到未遮挡头发区域标注；

所述膨胀分割模型训练单元被配置为执行：

根据所述人脸图像样本、所述可上妆区域标注和所述未遮挡头发区域标注，对初始的人脸膨胀分割模型进行训练，得到训练完成的人脸膨胀分割模型。

可选的，所述装置还包括多类别语义分割模型训练模块，所述多类别语义分别模型训练模块包括：

二分类分割数据获取单元，被配置为执行获取人脸分割图像、遮挡物分割图像和头发分割图像，所述人脸分割图像、遮挡物分割图像和头发分割图像分别为二分类分割数据；

多类别语义分割模型训练单元，被配置为执行根据所述人脸分割图像、遮挡物分割图像和头发分割图像，对初始的多类别语义分割模型进行训练，得到训练完成的多类别语义分割模型。

可选的，所述膨胀分割模型训练单元被配置为执行：

将所述人脸图像样本输入所述初始的人脸膨胀分割模型，得到所述人脸图像样本的可上妆区域；

根据所述可上妆区域标注和所述人脸图像样本的可上妆区域，确定类别平衡损失函数值；

根据所述类别平衡损失函数值，对所述人脸膨胀分割模型的网络参数进行调整，获得训练完成的人脸膨胀分割模型。

可选的，所述上妆修正模块包括：

第四重叠区域确定单元，被配置为执行确定所述可上妆区域与所述目标部位区域之间的第四重叠区域；

在所述目标部位区域中确定所述第四重叠区域之外的剩余区域；

上妆修正单元，被配置为执行在所述中间上妆图像中去除所述剩余区域的上妆效果，得到所述目标上妆图像。

根据本公开实施例的第三方面，提供一种电子设备，包括：

处理器；

用于存储所述处理器可执行指令的存储器；

其中，所述处理器被配置为执行所述指令，以实现如第一方面所述的图像处理方法。

根据本公开实施例的第四方面，提供一种计算机可读存储介质，当所述计算机可读存储介质中的指令由电子设备的处理器执行时，使得所述电子设备能够执行如第一方面所述的图像处理方法。

根据本公开实施例的第五方面，提供一种计算机程序产品，包括计算机程序或计算机指令，所述计算机程序或计算机指令被处理器执行时实现如第一方面所述的图像处理方法。

本公开的实施例提供的技术方案至少带来以下有益效果：

本公开实施例通过对待处理人脸图像进行关键点检测，得到关键点检测结果，根据关键点检测结果，确定待处理人脸图像中的目标部位区域，并对目标部位区域进行上妆处理，得到中间上妆图像，通过人脸膨胀分割模型对待处理人脸图像进行人脸膨胀分割处理，得到待处理人脸图像中的可上妆区域，根据可上妆区域对中间上妆图像进行修正，得到目标上妆图像，由于可上妆区域包括未被遮挡物遮挡的人脸区域和人脸外扩区域，在基于可上妆区域对中间上妆图像进行修正时，可以保留人脸轮廓内的上妆效果，对于添加在人脸轮廓外的上妆效果也可以保留，这样可以满足人脸轮廓外的上妆需求，同时具有防遮挡效果，解决了人脸轮廓外部的防遮挡上妆问题。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理，并不构成对本公开的不当限定。

图1是根据一示例性实施例示出的一种图像处理方法的流程图；

图2是根据一示例性实施例示出的人脸膨胀分割模型的训练过程的流程图；

图3a是本公开实施例中人脸区域的示意图；

图3b是本公开实施例中可上妆区域标注的示意图；

图4是根据一示例性实施例示出的一种图像处理装置的框图；

图5是根据一示例性实施例示出的一种电子设备的框图。

具体实施方式

为了使本领域普通人员更好地理解本公开的技术方案，下面将结合附图，对本公开实施例中的技术方案进行清楚、完整地描述。

需要说明的是，本公开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，以便这里描述的本公开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。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

相关技术中，在人脸防遮挡上妆时，是结合了人脸关键点和人脸分割来实现的，即对于人脸图像，通过人脸关键点检测技术，定位上妆区域如鼻子区域、眼睛区域、嘴巴区域等等，并在上妆区域内上妆，通过人脸分割技术，分割出被遮挡的人脸区域和未被遮挡的人脸区域，基于被遮挡的人脸区域来去除上妆区域内被遮挡的上妆效果，即可实现在人脸轮廓内部不被遮挡的区域进行上妆。

然而随着日益增长的用户需求，妆容已经不局限在人脸轮廓内部，例如人脸轮廓外的“胡子妆”等，已经超出了人脸外轮廓。而相关技术的人脸语义分割防遮挡方案，仅会分割出人脸轮廓内部的区域，对于人脸轮廓以外的区域不存在分割效果，由于人脸语义分割会认为人脸轮廓外区域属于“非人脸区域”，因此会将妆容抑制掉，导致人脸轮廓外无上妆效果，例如，对于胡子妆，人脸轮廓内部的胡子可以正常上妆，人脸轮廓外部的胡子会被抑制掉，不能正常上妆。因此，相关技术存在着不能解决人脸轮廓外部的防遮挡上妆问题。为了解决该问题，本公开实施例提供了如下的技术方案。

图1是根据一示例性实施例示出的一种图像处理方法的流程图，如图1所示，该图像处理方法可以用于手机、平板电脑等电子设备中，包括以下步骤。

在步骤S11中，对待处理人脸图像进行人脸关键点检测，得到关键点检测结果。

将待处理人脸图像输入人脸关键点检测模型，通过人脸关键点检测模型对待处理人脸图像进行人脸关键点检测，得到待处理人脸图像中的关键点检测结果。所述关键点检测结果包括每个人脸关键点在待处理人脸图像中的位置。待处理人脸图像可以是在整个输入图像中截取出的具有人脸区域的图像。

在步骤S12中，根据所述关键点检测结果，确定所述待处理人脸图像中的目标部位区域。

获取目标部位所对应的多个关键点标识，根据关键点检测结果，确定目标部位每个关键点标识所对应关键点在待处理人脸图像中的位置，进而基于多个关键点标识在待处理人脸图像中的位置得到待处理人脸图像中的目标部位区域。

在步骤S13中，对所述目标部位区域进行上妆处理，得到中间上妆图像。

对目标部位区域进行目标部位所对应的上妆处理，得到中间上妆图像。例如，目标部位为嘴唇时，上妆处理可以是对嘴唇区域涂抹目标颜色的口红妆等；目标部位为下巴时，上妆处理可以是对下巴区域添加胡子妆等。在对目标部位区域进行上妆处理时，有可能会对人脸轮廓外的区域添加了上妆效果。例如，对于胡子妆，既有人脸轮廓内的上妆效果，如下巴区域中的上妆效果，也有人脸轮廓外的上妆效果，如下巴区域轮廓外的上妆效果；对于有人脸轮廓外上妆需求的皮肤妆，也可以有人脸轮廓内的上妆效果以及人脸轮廓外的上妆效果。通过上述方式进行上妆处理得到的中间上妆图像可能对遮挡物也进行了上妆处理，这样可以通过后续基于可上妆区域进行修正，去除被遮挡物遮挡的上妆效果，以使得上妆效果更佳自然。

在步骤S14中，通过人脸膨胀分割模型对所述待处理人脸图像进行人脸膨胀分割处理，得到所述待处理人脸图像中的可上妆区域，所述可上妆区域包括未被遮挡物遮挡的人脸区域和未被所述遮挡物遮挡的人脸外扩区域，所述人脸外扩区域为人脸轮廓外的部分区域，所述未被遮挡物遮挡的人脸区域包括未被所述遮挡物遮挡的目标部位区域。

其中，人脸膨胀分割模型是一种人脸语义分割模型，可以是基于二分类分割数据进行训练得到的，二分类分割数据是对可上妆区域和不可上妆区域的分割，可上妆区域包括未被遮挡物遮挡的人脸区域和人脸外扩区域，人脸外扩区域是对人脸区域进行膨胀处理得到的。其中，二分类分割数据中的可上妆区域是对人脸图像样本中的人脸区域进行膨胀处理后，去除遮挡物遮挡区域和头发遮挡区域后的区域。

将待处理人脸图像输入人脸膨胀分割模型，通过人脸膨胀分割模型对待处理人脸图像进行人脸膨胀分割处理，得到待处理人脸图像中的可上妆区域和不可上妆区域。在有遮挡物时，不可上妆区域中包括被遮挡物遮挡的区域。

需要说明的是，步骤S13可以与步骤S11和S12并行执行，以提高处理效率。

在步骤S15中，根据所述可上妆区域，对所述中间上妆图像进行修正，得到目标上妆图像。

基于可上妆区域对中间上妆图像进行修正，以去除在可上妆区域外的上妆效果，即去除目标部位区域中被遮挡物遮挡的上妆效果，得到目标上妆图像。

本示例性实施例提供的图像处理方法，通过对待处理人脸图像进行关键点检测，得到关键点检测结果，根据关键点检测结果，确定待处理人脸图像中的目标部位区域，并对目标部位区域进行上妆处理，得到中间上妆图像，通过人脸膨胀分割模型对待处理人脸图像进行人脸膨胀分割处理，得到待处理人脸图像中的可上妆区域，根据可上妆区域对中间上妆图像进行修正，得到目标上妆图像，由于可上妆区域包括未被遮挡物遮挡的人脸区域和人脸外扩区域，在基于可上妆区域对中间上妆图像进行修正时，可以保留人脸轮廓内的上妆效果，对于添加在人脸轮廓外的上妆效果也可以保留，这样可以满足人脸轮廓外的上妆需求，同时具有防遮挡效果，解决了人脸轮廓外部的防遮挡上妆问题。

图2是根据一示例性实施例示出的人脸膨胀分割模型的训练过程的流程图，如图2所示，所述人脸膨胀分割模型的训练过程包括如下步骤：

在步骤S21中，通过多类别语义分割模型对人脸图像样本进行多类别语义分割处理，得到所述人脸图像样本中的人脸区域、遮挡物区域和头发区域。

其中，多类别语义分割模型可以是基于二分类的分割数据进行训练得到，也可以是基于多分类的分割数据进行训练得到。二分类的分割数据可以是在一张图像样本中标注出了人脸区域，在另一张图像样本中标注出了遮挡物区域，在又一张图像样本中标注出了头发区域，使用多张这三个种类标注的图像样本对初始的多类别语义分割模型进行训练得到。多分类的分割数据可以是在同一张图像样本中同时标注出了人脸区域、遮挡物区域和头发区域，使用多张该图像样本对初始的多类别语义分割模型进行训练得到。

将人脸图像样本输入多类别语义分割模型，通过多类别语义分割模型对人脸图像样本进行多类别语义分割处理，可以分割出人脸图像样本中的人脸区域、遮挡物区域和头发区域。其中，分割出的人脸区域、遮挡物区域和头发区域可以是掩码(mask)数据。

在步骤S22中，对所述人脸图像样本中的人脸区域进行膨胀处理，得到人脸膨胀区域，所述人脸膨胀区域包括所述人脸图像样本中的人脸区域和人脸外扩区域。

对人脸图像样本中的人脸区域的掩码数据进行膨胀操作，即将人脸区域外扩一圈，得到人脸膨胀区域，即人脸膨胀区域包括原来的人脸区域和进行外扩得到的人脸外扩区域，这样可以使得妆容被上在人脸轮廓外的区域。

在步骤S23中，根据所述遮挡物区域、所述头发区域和所述人脸膨胀区域，确定所述人脸图像样本中的可上妆区域标注。

根据所述遮挡物区域，在所述人脸膨胀区域中去除被遮挡物遮挡的区域，并根据所述头发区域，在所述人脸膨胀区域中去除被头发遮挡的区域，将将头发区域和遮挡物区域反贴到人脸膨胀区域所在图像中，得到人脸图像样本中的可上妆区域标注。

图3a是本公开实施例中人脸区域的示意图，图3b是本公开实施例中可上妆区域标注的示意图，如图3a和图3b所示，可上妆区域标注2相对于人脸区域1外扩了一圈，基于这样的标注数据训练得到的人脸膨胀分割模型可以分割出未被遮挡物遮挡的包括人脸区域和人脸外扩区域的可上妆区域，可以使得妆容上在人脸轮廓内部和人脸轮廓外部。

在一个示例性实施例中，所述根据所述遮挡物区域、所述头发区域和所述人脸膨胀区域，确定所述人脸图像样本中的可上妆区域标注，包括：确定所述人脸膨胀区域与所述遮挡物区域之间的第一重叠区域，并确定所述人脸膨胀区域与所述头发区域之间的第二重叠区域；在所述人脸膨胀区域中去除所述第一重叠区域和所述第二重叠区域，得到所述可上妆区域标注。

根据人脸膨胀区域的区域边界位置和遮挡物区域的区域边界位置，确定人脸膨胀区域与遮挡物区域之间的重叠区域，得到第一重叠区域；并根据人脸膨胀区域的区域边界位置和头发区域的区别边界位置，确定人脸膨胀区域与头发区域之间的重叠区域，得到第二重叠区域；在人脸膨胀区域中去除第一重叠区域和第二重叠区域，从而实现在人脸膨胀区域中去除被遮挡物遮挡的区域和被头发遮挡的区域，得到可上妆区域标注。可上妆区域标注中包括未被遮挡物和头发遮挡的人脸区域和人脸外扩区域。对于人脸图像样本中可上妆区域标注以外的区域可以是不可上妆区域标注。

通过确定人脸膨胀区域与遮挡物区域之间的第一重叠区域，以及人脸膨胀区域与头发区域之间的第二重叠区域，在人脸膨胀区域中去除第一重叠区域和第二重叠区域，得到可上妆区域标注，这样得到的可上妆区域标注是未被遮挡物和头发遮挡的人脸区域和人脸外扩区域，从而使用该可上妆区域标注来监督人脸膨胀分割模型的训练，使得训练完成的人脸膨胀分割模型可以分割出未被遮挡物和头发遮挡的人脸区域和人脸外扩区域，从而可以实现对人脸轮廓外的上妆处理。

在步骤S24中，根据所述人脸图像样本和所述可上妆区域标注，对初始的人脸膨胀分割模型进行训练，得到训练完成的人脸膨胀分割模型。

人脸膨胀分割模型可以是一个二分类的语义分割模型。将人脸图像样本输入初始的人脸膨胀分割模型，通过初始的人脸膨胀分割模型对人脸图像样本进行人脸膨胀分割处理，得到处理结果，基于处理结果与可上妆区域标注，对初始的人脸膨胀分割模型的网络参数进行调整，迭代执行基于人脸图像样本对人脸膨胀分割模型的训练过程，直至满足训练结束条件，得到训练完成的人脸膨胀分割模型。

通过上述方式训练得到的人脸膨胀分割模型在对人脸图像进行处理时，可以分割出人脸图像中未被遮挡物遮挡的人脸区域和人脸外扩区域，从而可以达到在人脸轮廓外上妆的目的。

在一个示例性实施例中，所述通过人脸膨胀分割模型对所述待处理人脸图像进行人脸膨胀分割处理，得到所述待处理人脸图像中的可上妆区域，包括：通过所述人脸膨胀分割模型对所述待处理人脸图像进行人脸膨胀分割处理，得到所述待处理人脸图像中的可上妆区域和未遮挡头发区域，所述未遮挡头发区域是未被遮挡物遮挡的头发区域；

所述根据所述可上妆区域，对所述中间上妆图像进行修正，得到目标上妆图像，包括：根据所述可上妆区域，对所述中间上妆图像进行修正，并对修正后的中间上妆图像中未遮挡头发区域进行上妆处理，得到所述目标上妆图像。

人脸膨胀分割模型还可以是多类别语义分割模型，能够在待处理人脸图像中分割出可上妆区域和未遮挡头发区域，除了可上妆区域和未遮挡头发区域外的区域为不可上妆区域，也就是背景区域。如果需要对头发进行上妆时，可以使用该人脸膨胀分割模型来对待处理人脸图像进行人脸膨胀分割处理，得到可上妆区域和未遮挡头发区域，之后可以基于可上妆区域对中间上妆图像进行修正，并基于待处理人脸图像中的未遮挡头发区域确定中间上妆图像中的未遮挡头发区域，并对修正后的中间上妆图像中的未遮挡头发区域进行上妆处理，得到目标上妆图像。其中，对未遮挡头发区域进行上妆处理，可以是对未遮挡头发区域的颜色进行改变，例如将未遮挡头发区域中的黑色头发处理为红色头发。目标上妆图像可以是同时对目标部位进行上妆和对头发上妆后的图像，例如，目标上妆图像可以是增加了胡子妆和头发妆的图像。

通过使用人脸膨胀分割模型在待处理人脸图像中分割出可上妆区域和未遮挡头发区域，并基于可上妆区域对中间上妆图像进行修正，并对未遮挡头发区域进行上妆处理，满足了同时对人脸轮廓内部、外部和头发区域的上妆需求。

在上述技术方案的基础上，所述根据所述人脸图像样本和所述可上妆区域标注，对初始的人脸膨胀分割模型进行训练，得到训练完成的人脸膨胀分割模型之前，所述方法还包括：确定所述头发区域与所述遮挡物区域之间的第三重叠区域；在所述头发区域中去除所述第三重叠区域，得到未遮挡头发区域标注；

所述根据所述人脸图像样本和所述可上妆区域标注，对初始的人脸膨胀分割模型进行训练，得到训练完成的人脸膨胀分割模型，包括：根据所述人脸图像样本、所述可上妆区域标注和所述未遮挡头发区域标注，对初始的人脸膨胀分割模型进行训练，得到训练完成的人脸膨胀分割模型。

确定头发区域与遮挡物区域之间的重叠区域，得到第三重叠区域，在头发区域中去除第三重叠区域，实现了在头发区域中将遮挡物区域去除，得到未遮挡头发区域标注。在对人脸膨胀分割模型进行训练时，将人脸图像样本输入初始的人脸膨胀分割模型，通过初始的人脸膨胀分割模型对人脸图像样本进行多类别的人脸膨胀分割处理，得到可上妆区域预测结果和未遮挡头发区域预测结果，并根据可上妆区域预测结果、未遮挡头发区域预测结果、可上妆区域标注和未遮挡头发区域标注，对初始的人脸膨胀分割模型的网络参数进行调整，迭代执行该训练过程，直至满足训练结束条件，得到训练完成的人脸膨胀分割模型。通过该方式训练得到的人脸膨胀分割模型可以分割出待处理人脸图像中的可上妆区域和未遮挡头发区域，便于同时对可上妆区域和未遮挡头发区域进行上妆，而且具有防遮挡效果，使得上妆效果更加自然。

在一个示例性实施例中，所述方法还包括所述多类别语义分割模型的训练过程，所述多类别语义分割模型的训练过程包括：获取人脸分割图像、遮挡物分割图像和头发分割图像，所述人脸分割图像、遮挡物分割图像和头发分割图像分别为二分类分割数据；根据所述人脸分割图像、遮挡物分割图像和头发分割图像，对初始的多类别语义分割模型进行训练，得到训练完成的多类别语义分割模型。

人脸分割图像是将人脸图像中的人脸区域单独分割出来的二分类分割数据，遮挡物分割图像是将人脸图像中的遮挡物区域单独分割出来的二分类分割数据，头发分割图像是将人脸图像中的头发区域单独分割处理的二分类分割数据，这些数据可以使用已有的二分类分割数据。使用人脸分割图像、遮挡物分割图像和头发分割图像，对包括至少三个输出分支的人脸膨胀分割模型进行训练，得到训练完成的多类别语义分割模型。三个输出分支分别输出人脸区域、遮挡物区域和头发区域。

通过使用二分类分割数据来对多类别语义分割模型进行训练，可以利用现有独立的二分类分割数据，进行多任务联合训练，无需额外收集3类语义分割数据，可以显著加快训练进度，降低数据成本。

在一个示例性实施例中，所述根据所述人脸图像样本和所述可上妆区域标注，对初始的人脸膨胀分割模型进行训练，得到训练完成的人脸膨胀分割模型，包括：将所述人脸图像样本输入所述初始的人脸膨胀分割模型，得到所述人脸图像样本的可上妆区域；根据所述可上妆区域标注和所述人脸图像样本的可上妆区域，确定类别平衡损失函数值；根据所述类别平衡损失函数值，对所述人脸膨胀分割模型的网络参数进行调整，获得训练完成的人脸膨胀分割模型。

人脸膨胀分割模型可以是二分类的语义分割模型，将可上妆区域和不可上妆区域抽象成2个类别的语义分割任务，来训练2分类的语义分割模型，为了应对人脸外扩区域学习难度大(由于人脸外扩区域要远远小于不可上妆区域，导致人脸外扩区域与不可上妆区域之间不平衡，进而导致学习难度大)的问题，使用了类别平衡损失函数(focal loss)，对外扩区域进行强化监督。

在基于人脸图像样本对初始的人脸膨胀分割模型进行训练时，将人脸图像样本输入人脸膨胀分割模型，通过人脸膨胀分割模型对人脸图像样本进行人脸膨胀分割处理，得到人脸图像样本中的可上妆区域，即得到人脸图像样本中每一像素点属于可上妆区域的概率，进而基于可上妆区域标注和人脸图像样本中每一像素点属于可上妆区域的概率，按照如下公式确定每一像素点的类别平衡损失函数值：

FL(p

其中，FL(p

在得到每一像素点的类别平衡损失函数值后，对于所有像素点的类别平衡损失函数值进行累加，得到可上妆区域相对于可上妆区域标注的类别平衡损失函数值，进而基于该类别平衡损失函数值对人脸膨胀分割模型的网络参数进行调整，得到训练完成的人脸膨胀分割模型。

通过基于类别平衡损失函数，来监督人脸膨胀分割模型的训练，使得人脸膨胀分割模型更容易学习到人脸外扩部分，可以提高人脸膨胀分割模型对人脸外扩区域的分割效果。

本公开实施例旨在解决人脸轮廓外部防遮挡上妆的问题，采用人脸区域、头发区域、遮挡物区域3类别的语义分割技术，在训练阶段进行多分类(3类)的语义分割，构造人脸轮廓内部和人脸轮廓外部的可上妆区域，在推理阶段仅通过2分类的语义分割模型，判断可上妆区域与不可上妆区域，降低推理的复杂性，提高推理效率，同时能够解决人脸轮廓外部防遮挡上妆的问题。

在一个示例性实施例中，所述根据所述可上妆区域，对所述中间上妆图像进行修正，得到目标上妆图像，包括：确定所述可上妆区域与所述目标部位区域之间的第四重叠区域；在所述目标部位区域中确定所述第四重叠区域之外的剩余区域；在所述中间上妆图像中去除所述剩余区域的上妆效果，得到所述目标上妆图像。

确定可上妆区域与目标部位区域之间的第四重叠区域，在中间上妆图像中保留第四重叠区域的上妆效果，目标部位区域中第四重叠区域之外的区域为被遮挡物遮挡的区域，即剩余区域是目标部位区域中被遮挡物遮挡的区域，不应具有上妆效果，可以在中间上妆图像中去除剩余区域的上妆效果，得到目标上妆图像，这样处理后得到的目标上妆图像具有防遮挡效果，从而使得上妆效果更加逼近自然，可以提高用户体验。

图4是根据一示例性实施例示出的一种图像处理装置的框图。参照图4，该装置包括关键点检测模块41、目标部位区域确定模块42、目标部位上妆模块43、人脸膨胀分割模块44和上妆修正模块45。

关键点检测模块41，被配置为执行对待处理人脸图像进行人脸关键点检测，得到关键点检测结果；

目标部位区域确定模块42，被配置为执行根据所述关键点检测结果，确定所述待处理人脸图像中的目标部位区域；

目标部位上妆模块43，被配置为执行对所述目标部位区域进行上妆处理，得到中间上妆图像；

人脸膨胀分割模块44，被配置为执行通过人脸膨胀分割模型对所述待处理人脸图像进行人脸膨胀分割处理，得到所述待处理人脸图像中的可上妆区域，所述可上妆区域包括未被遮挡物遮挡的人脸区域和未被所述遮挡物遮挡的人脸外扩区域，所述人脸外扩区域为人脸轮廓外的部分区域，所述未被遮挡物遮挡的人脸区域包括未被所述遮挡物遮挡的目标部位区域；

上妆修正模块45，被配置为执行根据所述可上妆区域，对所述中间上妆图像进行修正，得到目标上妆图像。

可选的，所述装置还包括膨胀分割模型训练模块，所述膨胀分割模型训练模块包括：

多类别分割处理单元，被配置为执行通过多类别语义分割模型对人脸图像样本进行多类别语义分割处理，得到所述人脸图像样本中的人脸区域、遮挡物区域和头发区域；

膨胀处理单元，被配置为执行对所述人脸图像样本中的人脸区域进行膨胀处理，得到人脸膨胀区域，所述人脸膨胀区域包括所述人脸图像样本中的人脸区域和人脸外扩区域；

可上妆区域标注确定单元，被配置为执行根据所述遮挡物区域、所述头发区域和所述人脸膨胀区域，确定所述人脸图像样本中的可上妆区域标注；

膨胀分割模型训练单元，被配置为执行根据所述人脸图像样本和所述可上妆区域标注，对初始的人脸膨胀分割模型进行训练，得到训练完成的人脸膨胀分割模型。

可选的，所述可上妆区域标注确定单元被配置为执行：

确定所述人脸膨胀区域与所述遮挡物区域之间的第一重叠区域，并确定所述人脸膨胀区域与所述头发区域之间的第二重叠区域；

在所述人脸膨胀区域中去除所述第一重叠区域和所述第二重叠区域，得到所述可上妆区域标注。

可选的，所述人脸膨胀分割模块被配置为执行：

通过所述人脸膨胀分割模型对所述待处理人脸图像进行人脸膨胀分割处理，得到所述待处理人脸图像中的可上妆区域和未遮挡头发区域，所述未遮挡头发区域是未被遮挡物遮挡的头发区域；

所述上妆修正模块被配置为执行：

根据所述可上妆区域，对所述中间上妆图像进行修正，并对修正后的中间上妆图像中未遮挡头发区域进行上妆处理，得到所述目标上妆图像。

可选的，所述膨胀分割模型训练模块还包括：

第三重叠区域确定模块，被配置为执行确定所述头发区域与所述遮挡物区域之间的第三重叠区域；

未遮挡头发区域标注确定模块，被配置为执行在所述头发区域中去除所述第三重叠区域，得到未遮挡头发区域标注；

所述膨胀分割模型训练单元被配置为执行：

根据所述人脸图像样本、所述可上妆区域标注和所述未遮挡头发区域标注，对初始的人脸膨胀分割模型进行训练，得到训练完成的人脸膨胀分割模型。

可选的，所述装置还包括多类别语义分割模型训练模块，所述多类别语义分别模型训练模块包括：

二分类分割数据获取单元，被配置为执行获取人脸分割图像、遮挡物分割图像和头发分割图像，所述人脸分割图像、遮挡物分割图像和头发分割图像分别为二分类分割数据；

多类别语义分割模型训练单元，被配置为执行根据所述人脸分割图像、遮挡物分割图像和头发分割图像，对初始的多类别语义分割模型进行训练，得到训练完成的多类别语义分割模型。

可选的，所述膨胀分割模型训练单元被配置为执行：

将所述人脸图像样本输入所述初始的人脸膨胀分割模型，得到所述人脸图像样本的可上妆区域；

根据所述可上妆区域标注和所述人脸图像样本的可上妆区域，确定类别平衡损失函数值；

根据所述类别平衡损失函数值，对所述人脸膨胀分割模型的网络参数进行调整，获得训练完成的人脸膨胀分割模型。

可选的，所述上妆修正模块包括：

第四重叠区域确定单元，被配置为执行确定所述可上妆区域与所述目标部位区域之间的第四重叠区域；

剩余区域确定单元，被配置为执行在所述目标部位区域中确定所述第四重叠区域之外的剩余区域；

上妆修正单元，被配置为执行在所述中间上妆图像中去除所述剩余区域的上妆效果，得到所述目标上妆图像。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

图5是根据一示例性实施例示出的一种电子设备的框图。例如，电子设备500可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。

参照图5，电子设备500可以包括以下一个或多个组件：处理组件502，存储器504，电源组件506，多媒体组件508，音频组件510，输入/输出(I/O)的接口512，传感器组件514，以及通信组件516。

处理组件502通常控制电子设备500的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件502可以包括一个或多个处理器520来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件502可以包括一个或多个模块，便于处理组件502和其他组件之间的交互。例如，处理组件502可以包括多媒体模块，以方便多媒体组件508和处理组件502之间的交互。

存储器504被配置为存储各种类型的数据以支持在电子设备500的操作。这些数据的示例包括用于在电子设备500上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器504可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电源组件506为电子设备500的各种组件提供电力。电源组件506可以包括电源管理系统，一个或多个电源，及其他与为电子设备500生成、管理和分配电力相关联的组件。

多媒体组件508包括在所述电子设备500和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件508包括一个前置摄像头和/或后置摄像头。当电子设备500处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件510被配置为输出和/或输入音频信号。例如，音频组件510包括一个麦克风(MIC)，当电子设备500处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器504或经由通信组件516发送。在一些实施例中，音频组件510还包括一个扬声器，用于输出音频信号。

I/O接口512为处理组件502和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件514包括一个或多个传感器，用于为电子设备500提供各个方面的状态评估。例如，传感器组件514可以检测到电子设备500的打开/关闭状态，组件的相对定位，例如所述组件为电子设备500的显示器和小键盘，传感器组件514还可以检测电子设备500或电子设备500一个组件的位置改变，用户与电子设备500接触的存在或不存在，电子设备500方位或加速/减速和电子设备500的温度变化。传感器组件514可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件514还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件514还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件516被配置为便于电子设备500和其他设备之间有线或无线方式的通信。电子设备400可以接入基于通信标准的无线网络，如WiFi，运营商网络(如2G、3G、4G或5G)，或它们的组合。在一个示例性实施例中，通信组件516经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件516还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，电子设备500可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述图像处理方法。

在示例性实施例中，还提供了一种包括指令的计算机可读存储介质，例如包括指令的存储器504，上述指令可由电子设备500的处理器520执行以完成上述图像处理方法。可选地，计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

在示例性实施例中，还提供一种计算机程序产品，包括计算机程序或计算机指令，所述计算机程序或计算机指令被处理器执行时实现上述的图像处理方法。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。

应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。