图像处理方法及装置、电子设备和存储介质

技术领域

本公开涉及计算机技术领域，尤其涉及一种图像处理方法及装置、电子设备和存储介质。

背景技术

随着互联网的加速发展，网购己经成为人们购物的首选途径，然而网购具有无法亲身体验效果的天然劣势。为满足用户对于口红试色的体验需求，各种虚拟口红试妆技术应运而生，然而相关技术中，通常是用户挑选口红颜色进行虚拟上妆，可能一直无法选中适合自身的口红颜色，而产生较差的虚拟试妆体验。

发明内容

本公开提出了一种图像处理技术方案。

根据本公开的一方面，提供了一种图像处理方法，包括：获取待处理的人脸图像；对所述人脸图像进行人脸元素分割，得到所述人脸图像中人脸的嘴唇区域与皮肤区域；根据所述皮肤区域处的肤色，确定推荐的目标口红颜色；在所述嘴唇区域处叠加所述目标口红颜色，生成试妆图像并进行显示。

在一种可能的实现方式中，所述根据所述皮肤区域处的肤色，确定推荐的目标口红颜色，包括：根据所述皮肤区域内像素点的像素值，确定所述肤色对应的肤色值，所述肤色值包括所述像素值的平均值和/或方差值；根据预设的第一推荐列表以及所述肤色值，得到与所述肤色值匹配的目标口红颜色，所述第一推荐列表用于指示各种肤色值与各种口红颜色之间的匹配关系。

在一种可能的实现方式中，所述根据所述皮肤区域处的肤色，确定推荐的目标口红颜色，还包括：根据所述皮肤区域处的肤色与所述嘴唇区域处的唇色，确定所述目标口红颜色。

在一种可能的实现方式中，根据所述皮肤区域处的肤色与所述嘴唇区域处的唇色，确定推荐的目标口红颜色，包括：根据所述皮肤区域处肤色的肤色值以及第一推荐列表，确定与所述肤色值匹配的第一口红颜色，所述第一推荐列表用于指示各种肤色值与各种口红颜色之间的匹配关系；根据所述嘴唇区域处唇色的唇色值以及第二推荐列表，确定是否存在与所述唇色值匹配的第二口红颜色，所述第二推荐列表用于指示各种唇色值与各种口红颜色之间的匹配关系，所述唇色值包括所述嘴唇区域内像素值的平均值和/或方差值；在存在与所述唇色值匹配的第二口红颜色的情况下，根据所述第一口红颜色与所述第二口红颜色，确定所述目标口红颜色。

在一种可能的实现方式中，所述第一口红颜色包括至少一种，所述第二口红颜色包括至少一种，其中，所述根据所述第一口红颜色与所述第二口红颜色，确定所述目标口红颜色，包括：根据至少一种所述第一口红颜色的色号与至少一种所述第二口红颜色的色号，从所述第一口红颜色与所述第二口红颜色中确定出颜色相同的第三口红颜色；将所述第三口红颜色确定为所述目标口红颜色。

在一种可能的实现方式中，所述方法还包括：在不存在与所述唇色值匹配的第二口红颜色的情况下，将所述第一口红颜色确定为所述目标口红颜色。

在一种可能的实现方式中，所述目标口红颜色包括至少一种颜色，所述方法还包括：显示至少一种所述目标口红颜色；其中，所述在所述嘴唇区域处叠加所述目标口红颜色，生成试妆图像并进行显示，包括：响应于针对目标口红颜色的选择操作，在所述嘴唇区域处叠加被选中的目标口红颜色，生成所述试妆图像并进行显示。

在一种可能的实现方式中，所述目标口红颜色包括至少一种颜色，其中，所述在所述嘴唇区域处叠加所述目标口红颜色，生成试妆图像并进行显示，包括：在所述嘴唇区域处叠加至少一种所述目标口红颜色，得到至少一个试妆图像；将至少一个所述试妆图像输入至图像评分模型中，得到各个试妆图像对应的评分值，所述图像评分模型是根据样本用户的上妆前图像与上妆后图像，以及上妆后图像对应的评分标注进行训练得到的模型；显示评分值最高的试妆图像以及对应的目标口红颜色，或，显示评分值超过预设阈值的试妆图像以及对应的目标口红颜色。

在一种可能的实现方式中，所述获取待处理的人脸图像，包括：获取图像采集设备采集的实景图像；对所述实景图像进行人脸检测，得到所述实景图像中的人脸区域；根据所述人脸区域，对所述实景图像进行裁剪，得到所述人脸图像。

在一种可能的实现方式中，所述方法还包括：对指定的人脸元素分割模型进行量化，得到量化后的人脸元素分割模型；其中，所述对所述人脸图像进行人脸元素分割，得到所述人脸图像中人脸的嘴唇区域与皮肤区域，包括：通过所述量化后的人脸元素分割模型，对所述人脸图像进行人脸元素分割，得到所述人脸图像中人脸的嘴唇区域与皮肤区域。

根据本公开的一方面，提供了一种图像处理装置，包括：获取模块，用于获取待处理的人脸图像；分割模块，用于对所述人脸图像进行人脸元素分割，得到所述人脸图像中人脸的嘴唇区域与皮肤区域；推荐模块，用于根据所述皮肤区域处的肤色，确定推荐的目标口红颜色；生成模块，用于在所述嘴唇区域处叠加所述目标口红颜色，生成试妆图像并进行显示。

在一种可能的实现方式中，所述推荐模块，包括：肤色值确定子模块，用于根据所述皮肤区域内像素点的像素值，确定所述肤色对应的肤色值，所述肤色值包括所述像素值的平均值和/或方差值；第一口红推荐子模块，用于根据预设的第一推荐列表以及所述肤色值，得到与所述肤色值匹配的目标口红颜色，所述第一推荐列表用于指示各种肤色值与各种口红颜色之间的匹配关系。

在一种可能的实现方式中，所述推荐模块，还包括：第二口红推荐子模块，用于根据所述皮肤区域处的肤色与所述嘴唇区域处的唇色，确定所述目标口红颜色。

在一种可能的实现方式中，根据所述皮肤区域处的肤色与所述嘴唇区域处的唇色，确定推荐的目标口红颜色，包括：根据所述皮肤区域处肤色的肤色值以及第一推荐列表，确定与所述肤色值匹配的第一口红颜色，所述第一推荐列表用于指示各种肤色值与各种口红颜色之间的匹配关系；根据所述嘴唇区域处唇色的唇色值以及第二推荐列表，确定是否存在与所述唇色值匹配的第二口红颜色，所述第二推荐列表用于指示各种唇色值与各种口红颜色之间的匹配关系，所述唇色值包括所述嘴唇区域内像素值的平均值和/或方差值；在存在与所述唇色值匹配的第二口红颜色的情况下，根据所述第一口红颜色与所述第二口红颜色，确定所述目标口红颜色。

在一种可能的实现方式中，所述第一口红颜色包括至少一种，所述第二口红颜色包括至少一种，其中，所述根据所述第一口红颜色与所述第二口红颜色，确定所述目标口红颜色，包括：根据至少一种所述第一口红颜色的色号与至少一种所述第二口红颜色的色号，从所述第一口红颜色与所述第二口红颜色中确定出颜色相同的第三口红颜色；将所述第三口红颜色确定为所述目标口红颜色。

在一种可能的实现方式中，所述装置还包括：颜色确定模块，用于在不存在与所述唇色值匹配的第二口红颜色的情况下，将所述第一口红颜色确定为所述目标口红颜色。

在一种可能的实现方式中，所述目标口红颜色包括至少一种颜色，所述生成模块还用于：显示至少一种所述目标口红颜色；其中，所述生成模块，包括：第一生成子模块，用于响应于针对目标口红颜色的选择操作，在所述嘴唇区域处叠加被选中的目标口红颜色，生成所述试妆图像并进行显示。

在一种可能的实现方式中，所述目标口红颜色包括至少一种颜色，其中，所述生成模块，包括：第二生成子模块，用于在所述嘴唇区域处叠加至少一种所述目标口红颜色，得到至少一个试妆图像；评分子模块，用于将至少一个所述试妆图像输入至图像评分模型中，得到各个试妆图像对应的评分值，所述图像评分模型是根据样本用户的上妆前图像与上妆后图像，以及上妆后图像对应的评分标注进行训练得到的模型；显示子模块，用于显示评分值最高的试妆图像以及对应的目标口红颜色，或，显示评分值超过预设阈值的试妆图像以及对应的目标口红颜色。

在一种可能的实现方式中，所述获取模块，包括：图像获取子模块，用于获取图像采集设备采集的实景图像；检测子模块，用于对所述实景图像进行人脸检测，得到所述实景图像中的人脸区域；裁剪子模块，用于根据所述人脸区域，对所述实景图像进行裁剪，得到所述人脸图像。

在一种可能的实现方式中，所述装置还包括：量化模块，用于对指定的人脸元素分割模型进行量化，得到量化后的人脸元素分割模型；其中，所述对所述人脸图像进行人脸元素分割，得到所述人脸图像中人脸的嘴唇区域与皮肤区域，包括：通过所述量化后的人脸元素分割模型，对所述人脸图像进行人脸元素分割，得到所述人脸图像中人脸的嘴唇区域与皮肤区域。

根据本公开的一方面，提供了一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行上述方法。

根据本公开的一方面，提供了一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。

在本公开实施例中，能够实现根据人脸的皮肤区域处的肤色，向用户推荐适合用户的目标口红颜色，并且通过显示叠加目标口红颜色的试妆图像，能够向用户展示推荐的目标口红颜色的上妆效果，从而便于用户更快捷地挑选到合适自己的口红颜色，提高口红试妆效率，有助于提升用户的虚拟试妆体验。

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，而非限制本公开。根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。

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，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。

图1示出根据本公开实施例的图像处理方法的流程图。

图2示出根据本公开实施例的一种人脸元素分割结果的示意图。

图3示出根据本公开实施例的图像处理装置的框图。

图4示出根据本公开实施例的电子设备的框图。

具体实施方式

以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。

在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。

本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。

另外，为了更好地说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。

图1示出根据本公开实施例的图像处理方法的流程图，所述图像处理方法可以由终端设备执行，终端设备可以包括用户设备(User Equipment，UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字助理(Personal Digital Assistant，PDA)、手持设备、计算设备、车载设备、可穿戴设备等，所述方法可以通过终端设备的处理器调用存储器中存储的计算机可读指令的方式来实现。如图1所示，所述图像处理方法包括：

在步骤S11中，获取待处理的人脸图像。

在一种可能的实现方式中，该人脸图像可以是由图像采集设备采集的用户人脸的图像，还可以是由其它电子设备传输的人脸图像，或还可以是终端设备本地存储的人脸图像，对于人脸图像的来源，本公开实施例不作限制。

其中，图像采集设备可以是各种摄像头，例如单目摄像头、双目摄像头等，对此本公开实施例不作限制。应理解的是，图像采集设备可以是上述终端设备上设置的摄像头，例如手机上的摄像头，当然还可以是独立于终端设备的摄像头，例如与终端设备外部连接的摄像头，对此本公开实施例不作限制。

在一种可能的实现方式中，本公开实施例的人脸图像可以是图像采集设备采集的视频流中的任一帧视频帧，或者说，本公开实施例的图像处理方法可以应用于对视频流的视频帧中人脸的口红试妆，也即对视频帧进行人脸元素分割，得到视频帧中人脸的嘴唇区域与皮肤区域，进而在嘴唇区域处叠加与皮肤区域处肤色匹配的目标口红颜色，生成试妆视频帧并进行显示。其中，本公开实施例的图像处理方法可以应用到每帧视频帧，也可以应用到视频中筛选出的关键帧。通过该方式，可以实现动态的虚拟口红试妆效果。

考虑到，在实际应用中，图像采集设备采集的图像中人脸区域占比可能较小，或还可能存在无关的路人脸，在一种可能的实现方式中，获取待处理的人脸图像，可以包括：

获取图像采集设备采集的实景图像；对实景图像进行人脸检测，得到实景图像中的人脸区域；根据人脸区域，对实景图像进行裁剪，得到人脸图像。

在一种可能的实现方式中，可以通过人脸检测模型对实景图像进行人脸检测，得到实景图像中的人脸区域，人脸检测模型例如可以采用人脸识别网络MTCNN、人脸识别算法Retinaface等，对此本公开实施例不作限制。

在一种可能的实现方式中，可以用检测框指示实景图像中的人脸区域，根据人脸区域，对实景图像进行裁剪，得到人脸图像，可以包括：根据人脸区域的检测框，对实景图像进行裁剪，得到人脸图像。应理解的是，可以采用本领域已知的图像裁剪技术，实现对实景图像的裁剪。

在一种可能的实现方式中，在实景图像中存在多个人脸区域的情况下，可以显示各个人脸区域的检测框，这样用户可以选中任一检测框，并根据用户选中的检测框，对实景图像进行裁剪，得到人脸图像；或直接根据多个检测框中面积最大的检测框，对实景图像进行裁剪，得到人脸图像，对此本公开实施例不作限制。

考虑到，裁剪得到的人脸图像的尺寸可能较小，为便于之后人脸元素分割以及生成试妆图像，在一种可能的实现方式中，可以对裁剪得到的人脸图像进行放大，例如放大到指定尺寸，进而基于放大的人脸图像进行人脸元素分割并生成试妆图像。

在步骤S12中，对人脸图像进行人脸元素分割，得到人脸图像中人脸的嘴唇区域与皮肤区域。

在一种可能的实现方式中，可以通过本领域已知的人脸元素分割模型，例如语义分割模型，对人脸图像进行人脸元素分割，可以至少得到人脸图像中人脸的皮肤区域与嘴唇区域。其中，嘴唇区域可以包括上嘴唇与下嘴唇，通过该方式，可以排除牙齿、口腔等区域的影响。应理解的是，本公开实施例对于人脸元素分割模型的模型结构、训练方式等不作限制。

其中，对人脸图像进行人脸元素分割，还可以分割得到鼻子区域、左眼区域、右眼区域、左眉区域、右眉区域、左耳区域、右耳区域、牙齿区域、头发区域、颈部区域、配饰区域(例如至少包括帽子、眼镜、耳环、项链、衣服等)和背景区域中至少部分区域。其中，通过对人脸图像进行多人脸元素的分割，有利于减少人脸图像中干扰元素对嘴唇区域与皮肤区域的影响，并提高嘴唇区域与皮肤区域处的分割精度。图2示出根据本公开实施例的一种人脸元素分割结果的示意图，如图2所示，通过人脸元素分割模型，可以将人脸图像中的各个区域分割出来。

在一种可能的实现方式中，上述语义分割模型例如可以采用Unet、SegNet、BiseNet等网络类型。其中，BiseNet类型下的语义分割模型，可以包括空间通道上的特征提取支路与上下文通道上的特征提取支路，在上下文通道上的特征提取支路中可以包括注意力优化模块，该注意力优化模块可以辅助增强图像特征中的上下文信息，进而将这两个支路提取的图像特征，通过特征融合模块进行融合，得到人脸图像的分割结果；进一步地，还可以将分割结果可视化地显示在原人脸图像上。

其中，通过空间通道上的特征提取支路，能够保留原输入的人脸图像的空间尺度，并编码丰富的空间特征信息；通过上下文通道的特征提取支路，能够兼顾感受野以及运行速度；通过注意力优化模块，能够优化上下文通道上的特征提取支路输出的图像特征，进而便于整合全局语义信息，所需的计算成本较小。

为便于将人脸元素分割模型部署到边缘设备或运算能力不高的终端设备上，在一种可能的实现方式中，所述方法还包括：对指定的人脸元素分割模型进行量化，得到量化后的人脸元素分割模型。通过该方式，能够减少人脸元素分割模型中的计算参数量，便于部署到边缘设备或运算能力不高的终端设备上。其中，指定的人脸元素分割模型，可以是通过样本人脸图像对上述任一种语义分割模型进行训练得到的，本公开实施例对于语义分割模型的训练过程不作限制。

基于上述量化后的人脸元素分割模型，在一种可能的实现方式中，在步骤S12中，对人脸图像进行人脸元素分割，得到人脸图像中人脸的嘴唇区域与皮肤区域，可以包括：通过量化后的人脸元素分割模型，对人脸图像进行人脸元素分割，得到人脸图像中人脸的嘴唇区域与皮肤区域。通过该方式，能够提高量化后的人脸匀速分割模型的推理运算效率，也即提高人脸元素分割效率。

在一种可能的实现方式中，可以采用本领域已知的模型量化技术，例如TensorRT(一个高性能的深度学习推理优化器)，对指定的人脸元素分割模型进行量化，例如可以将人脸元素分割模型量化至fp16精度或fp32精度等，对此本公开实施例不作限制，其中，fp16是指采用2字节(16位)进行编码存储的一种数据类型，fp32是指采用4字节(32位)进行编码存储的一种数据类型。通过该方式，能够使量化后的人脸元素分割模型平衡运算性能与运算速度，从而适配于各种电子设备，尤其是运算能力不强的电子设备。

在一种可能的实现方式中，还可以结合终端设备的硬件资源(例如中央处理器CPU、显卡等)，在终端设备上有显卡的情况下，使用终端设备的显卡执行人脸元素分割模型的推理运算，如使用显卡的CUDA(Compute Unified Device Architecture，统一计算设备架构)执行模型的推理运算，来降低人脸元素分割模型的推理运算时长，提高人脸元素分割效率。

在步骤S13中，根据皮肤区域处的肤色，确定推荐的目标口红颜色。

在一种可能的实现方式中，可以通过皮肤区域处的像素值，表征皮肤区域处的肤色。应理解的是，人脸肤色可能不均匀，因此可以采用皮肤区域处像素值的平均值和/或方差值，表征皮肤区域处的肤色，对此本公开实施例不作限制。

在一种可能的实现方式中，可以预先设置各种肤色值与各种口红颜色之间的匹配关系，并根据该匹配关系，确定出与人脸图像中皮肤区域处的肤色匹配的口红颜色，也即得到推荐的目标口红颜色。应理解的是，一种肤色值可以对应至少一种口红颜色，也即，该推荐的目标口红颜色可以包括至少一种颜色。

在一种可能的实现方式中，可以将检测的皮肤区域图像或提取的皮肤区域特征输入预先训练好的神经网络中进行匹配，输出肤色与口红颜色的匹配程度(如置信度)，根据匹配程度确定推荐的目标口红颜色。例如，将匹配程度最高的口红颜色，或者匹配程度超过预设阈值的口红颜色，作为目标口红颜色。

在步骤S14中，在嘴唇区域处叠加目标口红颜色，生成试妆图像并进行显示。

在一种可能的实现方式中，可以采用本领域已知的计算机视觉技术，如OpenCV技术，实现在人脸图像的嘴唇区域叠加目标口红颜色，或者说，对分割出的嘴唇区域填充目标口红颜色。

考虑到，有些人脸图像中人脸的嘴唇可能已涂有口红，在该情况下，若直接在原有人脸图像的嘴部区域处叠加口红颜色，可能会影响目标口红颜色的上妆效果，在一种可能的实现方式中，在嘴唇区域处叠加目标口红颜色，生成试妆图像并进行显示，可以包括：在嘴唇区域处叠加一层白底图层，应理解的是，叠加该白底图层的嘴唇区域处显示为白色；在该白底图层上填充目标口红颜色，生成试妆图像；在终端设备的显示界面中显示试妆图像。通过该方式，能够获得更好的口红上妆效果。

应理解的是，上述图像处理方法可以至少应用于各种虚拟试妆软件、美颜软件、网购软件等软件中，该些软件可以部署于终端设备上，该些软件可以对应有图形交互界面，通过该些软件的图形交互界面可以在线显示试妆图像；当然，生成的试妆图像还可以保存至终端设备本地，通过终端设备自带的图像查看功能(例如手机相册)显示试妆图像，对此本公开实施例不作限制。

在本公开实施例中，能够实现根据人脸的皮肤区域处的肤色，向用户推荐适合用户的目标口红颜色，并且通过显示叠加目标口红颜色的试妆图像，能够向用户展示推荐的目标口红颜色的上妆效果，从而便于用户更快捷地挑选到合适自己的口红颜色，提高口红试妆效率，有助于提升用户的虚拟试妆体验。

在一种可能的实现方式中，在步骤S13中，根据皮肤区域处的肤色，确定推荐的目标口红颜色，可以包括：

根据皮肤区域内像素点的像素值，确定肤色对应的肤色值，肤色值包括像素值的平均值和/或方差值；

根据预设的第一推荐列表以及肤色值，得到与肤色值匹配的目标口红颜色，第一推荐列表用于指示各种肤色值与各种口红颜色之间的匹配关系。

在一种可能的实现方式中，可以是根据历史经验从大量用户的上妆图像中，得到各种肤色值与各种口红颜色之间的匹配关系，并基于该匹配关系建立第一推荐列表。其中，第一推荐列表中还可记录有与每一种肤色值匹配的口红颜色的推荐度，这样在向用户展示推荐的目标口红颜色时，可以基于口红颜色的推荐度，优先显示推荐度高的目标口红颜色以及该推荐度高的目标口红颜色的试妆图像。通过该方式，可以便于用户更快捷的找到合适自身的口红颜色。

如上所述，一种肤色值可以对应至少一种口红颜色，任一种肤色值对应的至少一种口红颜色可以分别设置有对应的推荐度，某种肤色值下某种口红颜色对应的推荐度可以表征该种口红颜色在该种肤色值下的合适程度。换句话说，一种肤色可以涂多种口红颜色的口红，而不同口红颜色对于该肤色的合适程度可能不同，例如某种口红颜色最适合某种肤色，另一种口红颜色对于该种肤色的合适度可能次之。

在一种可能的实现方式中，每一种肤色值下的不同口红颜色对应的推荐度，例如可以根据每一种肤色值匹配的各种口红颜色的上妆人数确定，当然也可以根据历史经验确定，对此本公开实施例不作限制。其中，每一种肤色值下的各种口红颜色的上妆人数，可以分别从上述大量用户的上妆图像中统计得到。应理解的是，某种口红颜色在某种肤色值下的上妆人数越多，可以代表该种肤色值下的该种口红颜色的推荐度越高。

应理解的是，不同商家所售卖口红的口红颜色不同，可以基于不同商家所售卖口红的口红颜色与肤色值之间的匹配关系，建立至少一个第一推荐列表，并基于每一第一推荐列表确定出与某肤色值匹配的目标口红颜色，对此本公开实施例不作限制。

考虑到，在实际应用中，还能存在第一推荐列表中未记录有某种肤色值以及与该肤色值匹配的目标口红颜色的情况，该情况可以理解为，人脸图像中皮肤区域的肤色值可能较为特殊，在建立第一推荐列表时没有统计到该种肤色值。在该情况下，可以从第一推荐列表中选取与该未统计肤色值最接近的肤色值；并将与该最接近的肤色值相匹配的口红颜色，作为目标口红颜色。

在本公开实施例中，可以快速有效地基于皮肤区域处的肤色，确定出推荐的目标口红颜色。

考虑到，在实际口红试妆场景中，除了肤色可以影响口红的上妆效果，唇色也会对口红的上妆效果产生影响，例如同一种口红颜色在同一肤色下的不同唇色上的上妆效果也不同。在一种可能的实现方式中，在步骤S13中，根据皮肤区域处的肤色，确定推荐的目标口红颜色，还包括：根据皮肤区域处的肤色与嘴唇区域处的唇色，确定目标口红颜色。通过该方式，可以结合肤色与唇色，向用户推荐更合适的口红颜色。

在一种可能的实现方式中，可以将检测的皮肤区域和嘴唇区域图像或提取的皮肤区域和嘴唇区域特征输入预先训练好的神经网络中进行匹配，输出肤色和唇色与不同口红颜色的匹配程度(如置信度)，根据匹配程度确定推荐的目标口红颜色。例如，可以使用两个神经网络分别确定肤色和唇色与不同口红颜色的匹配程度，然后分别取匹配程度最高或者匹配程度超过预设阈值的口红颜色，作为目标口红颜色。又例如，可以将包含皮肤区域和嘴唇区域的一张图像输入神经网络中进行匹配，或者将提取的皮肤区域和嘴唇区域的特征进行合并后，输入神经网络中进行匹配，根据神经网络输出的不同口红颜色的匹配程度(如置信度)，取匹配程度最高或者匹配程度超过预设阈值的口红颜色，作为目标口红颜色。

在一种可能的实现方式中，根据皮肤区域处的肤色与嘴唇区域处的唇色，确定推荐的目标口红颜色，包括：

根据皮肤区域处肤色的肤色值以及第一推荐列表，确定与肤色值匹配的第一口红颜色，第一推荐列表用于指示各种肤色值与各种口红颜色之间的匹配关系；

根据嘴唇区域处唇色的唇色值以及第二推荐列表，确定是否存在与唇色值匹配的第二口红颜色，第二推荐列表用于指示各种唇色值与各种口红颜色之间的匹配关系，唇色值包括嘴唇区域内像素值的平均值和/或方差值；

在存在与唇色值相匹配的第二口红颜色的情况下，根据第一口红颜色与第二口红颜色，确定目标口红颜色。

如上所述，肤色值可以包括皮肤区域处像素值的平均值和/或方差值，第一推荐列表可以是根据历史经验从大量用户的上妆图像中，得到的各种肤色值与各种口红颜色之间的匹配关系所建立的列表。基于该第一推荐列表，可以参照上述本公开实施例记载的实现方式，得到与人脸图像中皮肤区域处的肤色值相匹配的第一口红颜色。

如上所述，在实际应用中，还能存在第一推荐列表中未记录有某种肤色值以及与该肤色值匹配的第一口红颜色的情况，该情况可以理解为，人脸图像中皮肤区域的肤色值可能较为特殊，在建立第一推荐列表时没有统计到该种肤色值。在该情况下，可以从第一推荐列表中选取与该未统计肤色值最接近的肤色值；并将与该最近接的肤色值相匹配的口红颜色，作为第一口红颜色。

如上所述，一种肤色值可以对应至少一种口红颜色，一种唇色值可以对应至少一种口红颜色，也即，第一口红颜色可以是至少一种，第二口红颜色也可以是至少一种。

考虑到，大量上妆图像中用户的嘴唇区域处显示的已涂有的口红颜色，而非用户本身未涂口红的唇色，在一种可能的实现方式中，例如可以通过人工实验的方式，测试大量不同未涂口红的唇色，对于不同口红颜色的上妆效果，并基于同一唇色下的上妆前图像与上妆后图像，手动设置与每一种未涂口红的唇色值相匹配的口红颜色，以及还可以设置与唇色值匹配的不同口红颜色所对应的推荐度，应理解的是，上妆效果越好的口红颜色，该种口红颜色的推荐度越高。

基于此，第二推荐列表指示的可以是各种未涂口红嘴唇的唇色值与各种口红颜色之间的匹配关系。应理解的是，人脸图像中的嘴唇上可能已涂有口红，在该情况下，基于人脸图像中嘴唇区域处的唇色值，可能无法从第二推荐列表中找到匹配的第二口红颜色，因此，可以先判断第二推荐列表中是否记录有该唇色值以及相匹配的第二口红颜色。

其中，在存在与唇色值相匹配的第二口红颜色的情况，也即，第二推荐列表中记录有该唇色值以及对应匹配的第二口红颜色。在该情况下，在一种可能的实现方式中，根据至少一种第一口红颜色与至少一种第二口红颜色，确定目标口红颜色，可以包括：将第一口红颜色与第二口红颜色中颜色相同的口红颜色，确定为目标口红颜色；或，还可以将全部第一口红颜色，以及全部第二口红颜色，确定为目标口红颜色；或，还可以根据第一口红颜色对应的推荐度，从第一口红颜色中挑选部分口红颜色，以及根据第二口红颜色对应的推荐度，从第二口红颜色中挑选部分口红颜色，将挑选的两部分口红颜色确定为目标口红颜色，对此本公开实施例不作限制。

可以理解的是，还可能出现不存在与嘴唇区域处的唇色值相匹配的第二口红颜色的情况，也即，第二推荐列表中未记录有该唇色值以及对应匹配的第二口红颜色，在一种可能的实现方式中，在不存在与唇色值匹配的第二口红颜色的情况下，可以将第一口红颜色确定为目标口红颜色。也即，直接将与肤色值匹配的第一口红颜色确定为目标口红颜色。通过该方式，能够有效应对无法根据唇色值确定第二口红颜色的情况，有利于快速确定出目标口红颜色。

在本公开实施例中，能够实现基于肤色值与口红颜色之间的匹配关系，以及唇色值与口红颜色之间的匹配关系，向用户推荐合适的口红颜色。

如上所述，目标口红颜色可以包括第一口红颜色与第二口红颜色之间颜色相同的口红颜色。在一种可能的实现方式中，根据至少一种第一口红颜色与至少一种第二口红颜色，确定目标口红颜色，可以包括：

根据至少一种第一口红颜色的色号与至少一种第二口红颜色的色号，从第一口红颜色与第二口红颜色中确定出颜色相同的第三口红颜色；将第三口红颜色确定为目标口红颜色。

应理解的是，通常可以用色号表征不同的口红颜色，色号相同也即颜色相同，在一种可能的实现方式中，该色号可以是用户自定义设置的，还可以是口红颜色实际的色值，对此本公开实施例不作限制。

其中，将第三口红颜色确定为目标口红颜色，可以理解为，人脸图像中人脸的唇色与肤色均匹配了同一种口红颜色，也即该同一种口红颜色的推荐程度高，那么可以认为该同一种口红颜色是更适合用户的口红颜色。

考虑到，还可能出现上述第一口红颜色与第二口红颜色中不存在颜色相同的第三口红颜色的情况，在该情况下，根据至少一种第一口红颜色与至少一种第二口红颜色，确定目标口红颜色，可以包括：可以将全部第一口红颜色，以及全部第二口红颜色，确定为目标口红颜色；或，还可以根据第一口红颜色对应的推荐度，从第一口红颜色中挑选推荐度高的部分口红颜色，以及根据第二口红颜色对应的推荐度，从第二口红颜色中挑选推荐度高的部分口红颜色，将挑选的两部分口红颜色确定为目标口红颜色。

其中，推荐度高可以理解为推荐度大于指定阈值，或按照推荐度排序的前n个推荐度，或按照推荐度排序的、占全部推荐度的前m％个推荐度等，对此本公开实施例不作限制。

在本公开实施例中，能够结合肤色与唇色，向用户推荐更适合的口红颜色，提高口红颜色推荐的准确度。

如上所述，目标口红颜色包括至少一种颜色，在一种可能的实现方式中，所述方法还包括：显示至少一种目标口红颜色。

如上所述，某种肤色值下的不同口红颜色可以对应有推荐度，在一种可能的实现方式中，显示至少一种目标口红颜色，可以包括：按照至少一种目标口红颜色的推荐度，顺序显示目标口红颜色，例如，推荐度越高的，目标口红颜色显示的越靠前。

在一种可能的实现方式中，可以在应用了所述图像处理方法的各种软件的图形用户界面中，显示至少一种目标口红颜色，从而可以便于用户手动选择任一目标口红颜色以进行虚拟试妆。对于目标口红颜色的显示方式，本公开实施例不作限制。

在一种可能的实现方式中，上述图形用户界面中例如还可以显示各种目标口红颜色对应的色号、名称、价格、品牌等口红信息，可以便于用户了解口红信息并购买，提高购买体验。

基于界面中显示的至少一种目标口红颜色，在一种可能的实现方式中，在步骤S14中，在嘴唇区域处叠加目标口红颜色，生成试妆图像并进行显示，包括：

响应于针对目标口红颜色的选择操作，在嘴唇区域处叠加被选中的目标口红颜色，生成试妆图像并进行显示。

在一种可能的实现方式中，例如可以是通过上述图形用户界面实现针对目标口红颜色的选择操作。应理解的是，图形用户界面中可以提供用于实现该选择操作的相关控件，用户可以选择任一显示的目标口红颜色，以显示试妆图像，从而实现在线虚拟试妆该目标口红颜色。

其中，可以参照上述本公开实施例中步骤S14的相关记载，实现在嘴唇区域处叠加被选中的目标口红颜色，生成试妆图像并进行显示，在此不做赘述。

在本公开实施例中，可以基于用户选择的目标口红颜色，生成试妆图像并进行显示，从而满足用户尝试不同目标口红颜色的虚拟试妆需求，有利于提高用户的虚拟试妆体验。

如上所述，目标口红颜色包括至少一种颜色，在一种可能的实现方式中，在步骤S14中，在嘴唇区域处叠加目标口红颜色，生成试妆图像并进行显示，包括：

在嘴唇区域处叠加至少一种目标口红颜色，得到至少一个试妆图像；

将至少一个试妆图像输入至图像评分模型中，得到各个试妆图像对应的评分值，图像评分模型是根据样本用户的上妆前图像与上妆后图像，以及上妆后图像对应的评分标注进行训练得到的模型；

显示评分值最高的试妆图像以及对应的目标口红颜色，或，显示评分值超过预设阈值的试妆图像以及对应的目标口红颜色。

其中，可以参照上述本公开实施例中步骤S14的相关记载，实现在嘴唇区域处叠加至少一种目标口红颜色，得到至少一个试妆图像，其中，一个试妆图像对应嘴唇区域处叠加一种目标口红颜色，生成一个试妆图像，在此不做赘述。

在一种可能的实现方式中，图像评分模型用于对试妆图像进行评分，得到试妆图像的评分值，评分值可以表征各种试妆图像与实际上妆效果的接近程度，其中，接近程度越高，评分值越高，代表该试妆图像的上妆效果越好，该试妆图像对应的目标口红颜色越合适。通过该方式，可以进一步向用户自动推荐出上妆效果更好的目标口红颜色。

应理解的是，对于图像评分模型的模型种类、训练方式等不作限制，例如图像评分模型可以采用各种神经网络模型，或随机森林模型、逻辑回归模型等算法模型等，对此本公开实施例不作限制。

其中，训练图像评分模型所用的上妆前图像与上妆后图像，可以理解为，样本用户未涂有口红的上妆前图像，以及涂有各种口红颜色的口红的上妆后图像。上妆后图像对应的评分标注，可以是人工标注的评分值，对上妆后图像的评分标注方式，本公开实施例不作限制。

其中，显示评分值最高的试妆图像以及对应的目标口红颜色，可以理解为，例如在上述图形用户界面中直接显示评分值最高的一张试妆图像以及对应的一种目标口红颜色。通过该方式，可以向用户展示最合适的目标口红颜色的上妆效果，便于用户快速选出合适的口红颜色。

其中，显示评分值超过预设阈值的试妆图像以及对应的目标口红颜色，可以理解为，在上述图形用户界面中直接显示评分值超过阈值的至少一张试妆图像以及对应的至少一种目标口红颜色。通过该方式，可以向用户同时展示多种目标口红颜色的上妆效果，便于用户对比挑选出自己喜欢的口红颜色。

在本公开实施例中，能够向用户自动推荐目标口红颜色，以及自动显示目标口红颜色的上妆效果，有利于提高用户的虚拟试妆体验。

根据本公开的实施例，可以应用于娱乐软件、图像处理软件、拍照软件、游戏软件、动画软件、影视软件、电子商务软件、教育软件等各种软件产品中。

根据本公开的实施例，不仅可以对单张图像进行口红虚拟试妆，还可以对视频流进行人脸检测，实现实时在线的口红虚拟试妆；通过采用语义分割的方法将人脸元素进行全分割，可以区分出眼镜、衣服等干扰因素，同时可以排除牙齿、口腔的影响；所需的算法参数量和计算量小，可支持在边缘设备上运行。

根据本公开的实施例，用户不需要新购置专业设备，就可以实现线上进行口红虚拟试妆，同时可以尝试各种口红颜色，找到最适合自己的口红颜色、口红色号；不同商家可以根据口红色号设定对应口红颜色，来实现不同口红颜色的虚拟试妆，从而节约口红试用成本以及提供给用户更好、更快捷、更直接的用户试妆体验。

根据本公开的实施例，可以应用于各种美颜软件产品，能够对用户上传的人脸图像进行唇彩美颜，提升用户美颜体验以及产品好感度。用户可以直接在边缘设备或者手机终端，利用设备自身的图像拍摄功能，实现实时在线的口红试妆功能。

在一种可能的实现方式中，所述图像处理方法可以应用于针对人工智能技术的教育编程课程的教学场景中。其中，例如可以使用教学实验平台进行编程实验，得到所述图像处理方法对应的代码；教学实验平台可以将该代码，发送至与该教学实验平台连接的教学实验设备中，从而可以使用算力有限的教学实验设备，如Jetson nano开发板，执行所述图像处理方法。通过该方式，能够实现软硬结合的实验教学方式，有助于提高学生对于人工智能技术的学习兴趣与学习效果。

可以理解，本公开提及的上述各个方法实施例，在不违背原理逻辑的情况下，均可以彼此相互结合形成结合后的实施例，限于篇幅，本公开不再赘述。本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。

此外，本公开还提供了图像处理装置、电子设备、计算机可读存储介质、程序，上述均可用来实现本公开提供的任一种图像处理方法，相应技术方案和描述和参见方法部分的相应记载，不再赘述。

图3示出根据本公开实施例的图像处理装置的框图，如图3所示，所述装置包括：

获取模块101，用于获取待处理的人脸图像；

分割模块102，用于对所述人脸图像进行人脸元素分割，得到所述人脸图像中人脸的嘴唇区域与皮肤区域；

推荐模块103，用于根据所述皮肤区域处的肤色，确定推荐的目标口红颜色；

生成模块104，用于在所述嘴唇区域处叠加所述目标口红颜色，生成试妆图像并进行显示。

在一种可能的实现方式中，所述推荐模块，包括：肤色值确定子模块，用于根据所述皮肤区域内像素点的像素值，确定所述肤色对应的肤色值，所述肤色值包括所述像素值的平均值和/或方差值；第一口红推荐子模块，用于根据预设的第一推荐列表以及所述肤色值，得到与所述肤色值匹配的目标口红颜色，所述第一推荐列表用于指示各种肤色值与各种口红颜色之间的匹配关系。

在一种可能的实现方式中，所述推荐模块，还包括：第二口红推荐子模块，用于根据所述皮肤区域处的肤色与所述嘴唇区域处的唇色，确定所述目标口红颜色。

在一种可能的实现方式中，根据所述皮肤区域处的肤色与所述嘴唇区域处的唇色，确定推荐的目标口红颜色，包括：根据所述皮肤区域处肤色的肤色值以及第一推荐列表，确定与所述肤色值匹配的第一口红颜色，所述第一推荐列表用于指示各种肤色值与各种口红颜色之间的匹配关系；根据所述嘴唇区域处唇色的唇色值以及第二推荐列表，确定是否存在与所述唇色值匹配的第二口红颜色，所述第二推荐列表用于指示各种唇色值与各种口红颜色之间的匹配关系，所述唇色值包括所述嘴唇区域内像素值的平均值和/或方差值；在存在与所述唇色值匹配的第二口红颜色的情况下，根据所述第一口红颜色与所述第二口红颜色，确定所述目标口红颜色。

在一种可能的实现方式中，所述第一口红颜色包括至少一种，所述第二口红颜色包括至少一种，其中，所述根据所述第一口红颜色与所述第二口红颜色，确定所述目标口红颜色，包括：根据至少一种所述第一口红颜色的色号与至少一种所述第二口红颜色的色号，从所述第一口红颜色与所述第二口红颜色中确定出颜色相同的第三口红颜色；将所述第三口红颜色确定为所述目标口红颜色。

在一种可能的实现方式中，所述装置还包括：颜色确定模块，用于在不存在与所述唇色值匹配的第二口红颜色的情况下，将所述第一口红颜色确定为所述目标口红颜色。

在一种可能的实现方式中，所述目标口红颜色包括至少一种颜色，所述生成模块还用于：显示至少一种所述目标口红颜色；其中，所述生成模块，包括：第一生成子模块，用于响应于针对目标口红颜色的选择操作，在所述嘴唇区域处叠加被选中的目标口红颜色，生成所述试妆图像并进行显示。

在一种可能的实现方式中，所述目标口红颜色包括至少一种颜色，其中，所述生成模块，包括：第二生成子模块，用于在所述嘴唇区域处叠加至少一种所述目标口红颜色，得到至少一个试妆图像；评分子模块，用于将至少一个所述试妆图像输入至图像评分模型中，得到各个试妆图像对应的评分值，所述图像评分模型是根据样本用户的上妆前图像与上妆后图像，以及上妆后图像对应的评分标注进行训练得到的模型；显示子模块，用于显示评分值最高的试妆图像以及对应的目标口红颜色，或，显示评分值超过预设阈值的试妆图像以及对应的目标口红颜色。

在一种可能的实现方式中，所述获取模块，包括：图像获取子模块，用于获取图像采集设备采集的实景图像；检测子模块，用于对所述实景图像进行人脸检测，得到所述实景图像中的人脸区域；裁剪子模块，用于根据所述人脸区域，对所述实景图像进行裁剪，得到所述人脸图像。

在一种可能的实现方式中，所述装置还包括：量化模块，用于对指定的人脸元素分割模型进行量化，得到量化后的人脸元素分割模型；其中，所述对所述人脸图像进行人脸元素分割，得到所述人脸图像中人脸的嘴唇区域与皮肤区域，包括：通过所述量化后的人脸元素分割模型，对所述人脸图像进行人脸元素分割，得到所述人脸图像中人脸的嘴唇区域与皮肤区域。

在本公开实施例中，能够实现根据人脸的皮肤区域处的肤色，向用户推荐适合用户的目标口红颜色，并且通过显示叠加目标口红颜色的试妆图像，能够向用户展示推荐的目标口红颜色的上妆效果，从而便于用户更快捷地挑选到合适自己的口红颜色，提高口红试妆效率，有助于提升用户的虚拟试妆体验。

在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。

本公开实施例还提出一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是易失性或非易失性计算机可读存储介质。

本公开实施例还提出一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行上述方法。

本公开实施例还提供了一种计算机程序产品，包括计算机可读代码，或者承载有计算机可读代码的非易失性计算机可读存储介质，当所述计算机可读代码在电子设备的处理器中运行时，所述电子设备中的处理器执行上述方法。

电子设备可以被提供为终端或其它形态的设备。

图4示出根据本公开实施例的一种电子设备800的框图。例如，电子设备800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，个人数字助理等终端。

参照图4，电子设备800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。

处理组件802通常控制电子设备800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802可以包括一个或多个处理器820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802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。

存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800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804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806为电子设备800的各种组件提供电力。电源组件806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800生成、管理和分配电力相关联的组件。

多媒体组件808包括在所述电子设备800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808包括一个前置摄像头和/或后置摄像头。当电子设备800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810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当电子设备800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804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。

I/O接口812为处理组件802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814包括一个或多个传感器，用于为电子设备800提供各个方面的状态评估。例如，传感器组件814可以检测到电子设备800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800的显示器和小键盘，传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变，用户与电子设备800接触的存在或不存在，电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814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814还可以包括光传感器，如互补金属氧化物半导体(CMOS)或电荷耦合装置(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814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816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络，如无线网络(Wi-Fi)、第二代移动通信技术(2G)、第三代移动通信技术(3G)、第四代移动通信技术(4G)、通用移动通信技术的长期演进(LTE)、第五代移动通信技术(5G)或它们的组合。在一个示例性实施例中，通信组件816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816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800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，用于执行上述方法。

在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器804，上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。

本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是(但不限于)电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。

这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。

这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。

这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。

也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中，所述计算机程序产品具体体现为计算机存储介质，在另一个可选实施例中，计算机程序产品具体体现为软件产品，例如软件开发包(Software Development Kit，SDK)等等。

以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。