本申请实施例涉及计算机技术领域，具体涉及用于获取信息的方法及装置。
背景技术：
发型对人的形象具有重要影响。适合的发型能够提升用户的整体形象。用户可以根据自己的喜好需要的发型，之后，理发师根据用户的要求为用户设置发型。
技术实现要素：
本申请实施例提出了用于获取信息的方法及装置。
第一方面，本申请实施例提供了一种网页生成方法，该方法包括：将获取的待处理人脸图像划分为至少一个人脸区域图像；对于上述至少一个人脸区域图像中的人脸区域图像，获取该人脸区域图像对应的特征标签，上述特征标签用于标识人脸区域图像对应的人脸特征的分类；将上述至少一个人脸区域图像对应的至少一个特征标签导入预先训练的人脸匹配模型，得到对应上述待处理人脸图像的至少一张目标人脸图像，上述人脸匹配模型用于表征特征标签与人脸图像库中目标人脸图像之间的对应关系；对于上述至少一张目标人脸图像中的目标人脸图像，获取该目标人脸图像对应的发型信息。
在一些实施例中，上述获取该人脸区域图像对应的特征标签，包括：为该人脸区域图像设置位置参考点，上述位置参考点用于标识人脸特征的结构特征，上述结构特征包括以下至少一项：大、小、高、低、长、短、圆、方；根据位置参考点确定该人脸区域图像对应的人脸特征的分类。
在一些实施例中，上述人脸匹配模型通过以下步骤构建：获取多个样本人脸图像和对应多个样本人脸图像中每个样本人脸图像的样本特征标签；将上述多个样本人脸图像中每个样本人脸图像作为输入，将上述多个样本人脸图像中每个样本人脸图像的样本特征标签作为输出，训练得到人脸匹配模型。
在一些实施例中，上述将上述多个样本人脸图像中每个样本人脸图像作为输入，将上述多个样本人脸图像中每个样本人脸图像的样本特征标签作为输出，训练得到人脸匹配模型，包括：执行以下训练步骤：将上述多个样本人脸图像中每个样本人脸图像依次输入至初始人脸匹配模型，得到上述多个样本人脸图像中每个样本人脸图像所对应的预测特征标签，将上述多个样本人脸图像中每个样本人脸图像所对应的预测特征标签与该样本人脸图像所对应的样本特征标签进行比较，得到上述初始人脸匹配模型的预测准确率，确定上述预测准确率是否大于预设准确率阈值，若大于上述预设准确率阈值，则将上述初始人脸匹配模型作为训练完成的人脸匹配模型。
在一些实施例中，上述将上述多个样本人脸图像中每个样本人脸图像作为输入，将上述多个样本人脸图像中每个样本人脸图像的样本特征标签作为输出，训练得到人脸匹配模型，包括：响应于不大于上述预设准确率阈值，调整上述初始人脸匹配模型的参数，并继续执行上述训练步骤。
在一些实施例中，上述方法还包括：根据发型信息显示对应上述待处理人脸图像的发型效果图。
第二方面，本申请实施例提供了一种用于获取信息的装置，该装置包括：人脸区域图像获取单元，被配置成将获取的待处理人脸图像划分为至少一个人脸区域图像；特征标签获取单元，对于上述至少一个人脸区域图像中的人脸区域图像，被配置成获取该人脸区域图像对应的特征标签，上述特征标签用于标识人脸区域图像对应的人脸特征的分类；目标人脸图像获取单元，被配置成将上述至少一个人脸区域图像对应的至少一个特征标签导入预先训练的人脸匹配模型，得到对应上述待处理人脸图像的至少一张目标人脸图像，上述人脸匹配模型用于表征特征标签与人脸图像库中目标人脸图像之间的对应关系；发型信息获取单元，被配置成对于上述至少一张目标人脸图像中的目标人脸图像，获取该目标人脸图像对应的发型信息。
在一些实施例中，上述特征标签获取单元包括：位置参考点设置子单元，被配置成为该人脸区域图像设置位置参考点，上述位置参考点用于标识人脸特征的结构特征，上述结构特征包括以下至少一项：大、小、高、低、长、短、圆、方；分类信息获取子单元，被配置成根据位置参考点确定该人脸区域图像对应的人脸特征的分类。
在一些实施例中，上述装置还包括人脸匹配模型构建单元，被配置成构建人脸匹配模型，上述人脸匹配模型构建单元包括：样本获取子单元，被配置成获取多个样本人脸图像和对应多个样本人脸图像中每个样本人脸图像的样本特征标签；人脸匹配模型构建子单元，被配置成将上述多个样本人脸图像中每个样本人脸图像作为输入，将上述多个样本人脸图像中每个样本人脸图像的样本特征标签作为输出，训练得到人脸匹配模型。
在一些实施例中，上述人脸匹配模型构建子单元包括：人脸匹配模型构建模块，被配置成将上述多个样本人脸图像中每个样本人脸图像依次输入至初始人脸匹配模型，得到上述多个样本人脸图像中每个样本人脸图像所对应的预测特征标签，将上述多个样本人脸图像中每个样本人脸图像所对应的预测特征标签与该样本人脸图像所对应的样本特征标签进行比较，得到上述初始人脸匹配模型的预测准确率，确定上述预测准确率是否大于预设准确率阈值，若大于上述预设准确率阈值，则将上述初始人脸匹配模型作为训练完成的人脸匹配模型。
在一些实施例中，上述人脸匹配模型构建子单元包括：参数调整模块，响应于不大于上述预设准确率阈值，被配置成调整上述初始人脸匹配模型的参数，并继续执行上述训练步骤。
在一些实施例中，上述装置还包括：效果图显示单元，被配置成根据发型信息显示对应上述待处理人脸图像的发型效果图。
第三方面，本申请实施例提供了一种服务器，包括：一个或多个处理器；存储器，其上存储有一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行时，使得上述一个或多个处理器执行上述第一方面的用于获取信息的方法。
第四方面，本申请实施例提供了一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现上述第一方面的用于获取信息的方法。
本申请实施例提供的用于获取信息的方法及装置，首先将获取的待处理人脸图像划分为至少一个人脸区域图像；然后对于上述至少一个人脸区域图像中的人脸区域图像，查询该人脸区域图像对应的特征标签，其中，特征标签用于标识人脸区域图像对应的人脸特征的分类；之后，将上述至少一个人脸区域图像对应的至少一个特征标签导入预先训练的人脸匹配模型，得到对应上述待处理人脸图像的至少一张目标人脸图像，能够获取到与待处理图像对应的目标人脸图像。其中，人脸匹配模型用于表征特征标签与人脸图像库中目标人脸图像之间的对应关系；最后获取该目标人脸图像对应的发型信息。本技术方案通过人脸区域图像对应的特征标签导入人脸匹配模型，能够找到与待处理人脸图像最相似的目标人脸图像，并获取目标人脸图像对应的发型信息，提高了获取与待处理人脸图像匹配的发型信息的准确性和有效性。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1是本申请的一个实施例可以应用于其中的示例性系统架构图；
图2是根据本申请的用于获取信息的方法的一个实施例的流程图；
图3是根据本申请的用于获取信息的方法的一个应用场景的示意图；
图4是根据本申请的人脸匹配模型训练方法的一个实施例的流程图；
图5是根据本申请的用于获取信息的装置的一个实施例的结构示意图；
图6是适于用来实现本申请实施例的服务器的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请实施例的用于获取信息的方法或用于获取信息的装置的示例性系统架构100。
如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种图像处理应用，例如图像采集应用、光线检测应用、曝光控制应用、图像亮度调整应用、图像编辑应用、图像发送应用等。
终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有显示屏并且支持图像显示的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块，在此不做具体限定。
服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103发来的待处理人脸图像进行处理的服务器。服务器可以对接收到的待处理人脸图像等数据进行分析等处理，以确定对应待处理人脸图像的发型信息。
需要说明的是，本申请实施例所提供的用于获取信息的方法可以由终端设备101、102、103单独执行，或者也可以由终端设备101、102、103和服务器105共同执行。相应地，用于获取信息的装置可以设置于终端设备101、102、103中，也可以设置于服务器105中。
需要说明的是，服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块，在此不做具体限定。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
继续参考图2，示出了根据本申请的用于获取信息的方法的一个实施例的流程200。该用于获取信息的方法包括以下步骤：
步骤201，将获取的待处理人脸图像划分为至少一个人脸区域图像。
在本实施例中，用于获取信息的方法的执行主体(例如图1所示的终端设备101、102、103或服务器105)可以通过有线连接方式或者无线连接方式从用户利用其进行图像采集的终端接收待处理人脸图像。需要指出的是，上述无线连接方式可以包括但不限于3g/4g连接、wifi连接、蓝牙连接、wimax连接、zigbee连接、uwb(ultrawideband)连接、以及其他现在已知或将来开发的无线连接方式。
通常，由于用户个体的不同，不同的用户适用于不同的发型。用户可以自己决定想要的发型，但想要的发型不一定适合用户本人。有些发型反而影响了用户的整体形象，起到负面效果。
本申请的执行主体在获取到待处理人脸图像后，可以将待处理人脸图像中划分至少一个人脸区域图像。待处理人脸图像通常还包括除人脸以外的图像(例如可以是上衣、头发、帽子等)。执行主体可以确定待处理人脸图像中的人脸图像。然后，执行主体可以通过人脸识别等方法进一步确定该人脸图像上的眼睛、额头、鼻子、眉毛、嘴等人脸特征对应的图像位置。最后，执行主体根据该人脸图像上的眼睛、额头、鼻子、眉毛、嘴等对应的图像位置将待处理人脸图像划分为至少一个人脸区域图像。在至少一个人脸区域图像。中的每个人脸区域图像内都包含上述的眼睛、额头、鼻子、眉毛、嘴等的一个图像。例如，人脸区域图像可以只包括左眼对应的图像。
步骤202，对于上述至少一个人脸区域图像中的人脸区域图像，获取该人脸区域图像对应的特征标签。
得到人脸区域图像后，执行主体可以进一步对该人脸区域图像包含的人脸特征进行识别，进而获取到对应该人脸特征的特征标签。其中，上述特征标签用于标识人脸区域图像对应的人脸特征的分类。对于不同的人脸特征，分类可以不同。例如，当人脸特征为眼睛时，分类可以是：“双眼皮”、“单眼皮”等；当人脸特征为鼻子时，分类可以是：“高鼻梁”、“低鼻梁”等。分类还可以是他的内容，此处不再一一赘述。
在本实施例的一些可选的实现方式中，上述获取该人脸区域图像对应的特征标签，可以包括以下步骤：
第一步，为该人脸区域图像设置位置参考点。
人脸特征的分类可以通过人脸区域图像的结构来体现。为了确定人脸区域图像内人脸特征的分类，执行主体可以为该人脸区域图像设置位置参考点。其中，上述位置参考点可以用于标识人脸特征的结构特征。上述结构特征包括以下至少一项：大、小、高、低、长、短、圆、方。例如，当人脸特征为眼睛时，结构特征可以是：大、小、长、短等。对于不同的人脸特征，结构特征可以不同，此处不再一一赘述。
第二步，根据位置参考点确定该人脸区域图像对应的人脸特征的分类。
确定了位置参考点后，人脸特征的结构就能体现出来了。执行主体可以根据位置参考点之间的距离信息来确定对应的人脸特征的分类。例如，人脸特征为眼睛时，位置参考点可以分别在大眼角、小眼角、连接大眼角和小眼角之间的连线。当位于眼睛上部有两条连线时，则眼睛的分类可以为“双眼皮”。此时的特征标签可以是：{眼睛；双眼皮}；当位于眼睛上部有一条连线时，则眼睛的分类可以为“单眼皮”。此时的特征标签可以是：{眼睛；单眼皮}。需要说明的是，位置参考点越多，得到的人脸特征的结构特征越多，根据结构特征确定人脸特征的分类越准确。
步骤203，将上述至少一个人脸区域图像对应的至少一个特征标签导入预先训练的人脸匹配模型，得到对应上述待处理人脸图像的至少一张目标人脸图像。
每个人脸区域图像都对应一个人脸特征，每个人脸特征都对应一个特征标签。则有多少人脸区域图像就有多少特征标签。执行主体可以将特征标签导入预先训练的人脸匹配模型。人脸匹配模型可以查找人脸图像库中的与特征标签最接近的人脸图像。本申请的人脸图像库中的人脸图像都具有对应的特征标签，人脸匹配模型可以将最接近的人脸图像作为目标人脸图像。其中，上述人脸匹配模型可以用于表征特征标签与人脸图像库中目标人脸图像之间的对应关系。人脸图像库中的人脸图像都匹配有对应的特征标签。例如，某一人脸图像包含有多条特征标签：{眼睛；双眼皮}；{鼻子；高鼻梁}；{嘴；小}；{眉毛；长}等。当将多条特征标签导入人脸匹配模型后，人脸匹配模型可以从人脸图像库中查找到与导入的多条特征标签最接近的人脸图像。
在本实施例的一些可选的实现方式中，上述人脸匹配模型通过以下步骤构建：
第一步，获取多个样本人脸图像和对应多个样本人脸图像中每个样本人脸图像的样本特征标签。
执行主体可以获取到多个样本人脸图像。多个样本人脸图像中的每个样本人脸图像都匹配有对应的样本特征标签。其中，样本特征标签可以是技术人员根据经验或量化标准为每个人脸特征配置的。
第二步，将上述多个样本人脸图像中每个样本人脸图像作为输入，将上述多个样本人脸图像中每个样本人脸图像的样本特征标签作为输出，训练得到人脸匹配模型。
执行主体可以将上述多个样本人脸图像中每个样本人脸图像作为输入，将上述多个样本人脸图像中每个样本人脸图像的样本特征标签作为输出，训练得到人脸匹配模型。本申请的人脸匹配模型可以是人工神经网络，它从信息处理角度对人脑神经元网络进行抽象，建立某种简单模型，按不同的连接方式组成不同的网络。人工神经网络通常由大量的节点(或称神经元)之间相互联接构成，每个节点代表一种特定的输出函数，称为激励函数。每两个节点间的连接都代表一个对于通过该连接信号的加权值，称之为权重(又叫做参数)，网络的输出则依网络的连接方式、权重值和激励函数的不同而不同。人脸匹配模型通常包括多个层，每个层包括多个节点，通常，同一层的节点的权重可以相同，不同层的节点的权重可以不同，故人脸匹配模型的多个层的参数也可以不同。
步骤204，对于上述至少一张目标人脸图像中的目标人脸图像，获取该目标人脸图像对应的发型信息。
获取到目标人脸图像后，执行主体可以进一步获取目标人脸图像对应的发型信息。其中，目标人脸图像通常可以对应的至少一条发型信息。发型信息可以包括发型名称和对应发型名称的发型图像。例如，目标人脸图像是某男明星，该男明星在不同的场合的发型不同，则执行主体可以获取到这些发型信息。例如，目标人脸图像是某男明星，该男明星的发型信息可以是：发型名称：“高反差对比”，发型图像1；发型名称：“鲜肉大作战”，发型图像2；发型名称：“持久有型”，发型图像3等。
在本实施例的一些可选的实现方式中，上述方法还可以包括：根据发型信息显示对应上述待处理人脸图像的发型效果图。
当获取到发型信息后，执行主体可以向用户显示发型信息。当检测到用户选择对应某一发型信息的选择信号后，执行主体可以根据发型信息显示对应上述待处理人脸图像的发型效果图，以便用户进一步进行确认。发型效果图可以是将待处理人脸图像和发型图像合成后的图像。例如，将待处理人脸图像中的脸部区域图像和发型图像中的头发区域图像组合在一起得到发型效果图。
继续参见图3，图3是根据本实施例的用于获取信息的方法的应用场景的一个示意图。在图3的应用场景中，用户通过终端设备102采集用户本人的人脸图像，并通过网络104发送给服务器105。服务器105获取该待处理人脸图像，得到对应的至少一个人脸区域图像。然后，服务器105获取每个人脸区域图像的特征标签：{眼睛；双眼皮}；{鼻子；高鼻梁}；{嘴；小}；{眉毛；长}等。之后，执行主体将特征标签：{眼睛；双眼皮}；{鼻子；高鼻梁}；{嘴；小}；{眉毛；长}导入人脸匹配模型得到至少一张目标人脸图像。最后，执行主体可以获取到至少一张目标人脸图像中每一张目标人脸图像的发型信息。
本申请的上述实施例提供的方法首先将获取的待处理人脸图像划分为至少一个人脸区域图像；然后对于上述至少一个人脸区域图像中的人脸区域图像，查询该人脸区域图像对应的特征标签，其中，特征标签用于标识人脸区域图像对应的人脸特征的分类；之后，将上述至少一个人脸区域图像对应的至少一个特征标签导入预先训练的人脸匹配模型，得到对应上述待处理人脸图像的至少一张目标人脸图像，能够获取到与待处理图像对应的目标人脸图像。其中，人脸匹配模型用于表征特征标签与目标人脸图像之间的对应关系；最后获取该目标人脸图像对应的发型信息。本技术方案通过人脸区域图像对应的特征标签导入人脸匹配模型，能够找到与待处理人脸图像最相似的目标人脸图像，并获取目标人脸图像对应的发型信息，提高了获取与待处理人脸图像匹配的发型信息的准确性和有效性。
进一步参考图4，其示出了人脸匹配模型训练方法的又一个实施例的流程400。该人脸匹配模型训练方法的流程400，包括以下步骤：
步骤401，获取多个样本人脸图像和对应多个样本人脸图像中每个样本人脸图像的样本特征标签。
在本实施例中，人脸匹配模型训练方法执行主体(例如图1所示的服务器105)可以通过有线连接方式或者无线连接方式获取多个样本人脸图像和对应多个样本人脸图像中每个样本人脸图像的样本特征标签。
步骤402，将上述多个样本人脸图像中每个样本人脸图像依次输入至初始人脸匹配模型，得到上述多个样本人脸图像中每个样本人脸图像所对应的预测特征标签。
在本实施例中，执行主体可以将多个样本人脸图像中每个样本人脸图像依次输入至初始人脸匹配模型，从而得到多个样本人脸图像中每个样本人脸图像所对应的预测特征标签。这里，执行主体可以将每个样本人脸图像从初始人脸匹配模型的输入侧输入，依次经过初始人脸匹配模型中的各层的参数的处理，并从初始人脸匹配模型的输出侧输出，输出侧输出的信息即为该样本人脸图像所对应预测特征标签。其中，初始人脸匹配模型可以是未经训练的人脸匹配模型或未训练完成的人脸匹配模型，其各层设置有初始化参数，初始化参数在人脸匹配模型的训练过程中可以被不断地调整。
步骤403，将上述多个样本人脸图像中每个样本人脸图像所对应的预测特征标签与该样本人脸图像所对应的样本特征标签进行比较，得到上述初始人脸匹配模型的预测准确率。
在本实施例中，基于步骤402所得到的多个样本人脸图像中每个样本人脸图像所对应的预测特征标签，执行主体可以将多个样本人脸图像中每个样本人脸图像所对应的预测特征标签与该样本人脸图像所对应的样本特征标签进行比较，从而得到初始人脸匹配模型的预测准确率。具体地，若一个样本人脸图像所对应的预测特征标签与该样本人脸图像所对应的样本特征标签相同或相近，则初始人脸匹配模型预测正确；若一个样本人脸图像所对应的预测特征标签与该样本人脸图像所对应的样本特征标签不同或不相近，则初始人脸匹配模型预测错误。这里，执行主体可以计算预测正确的数目与样本总数的比值，并将该比值作为初始人脸匹配模型的预测准确率。
步骤404，确定上述预测准确率是否大于预设准确率阈值。
在本实施例中，基于步骤403所得到的初始人脸匹配模型的预测准确率，执行主体可以将初始人脸匹配模型的预测准确率与预设准确率阈值进行比较。若大于预设准确率阈值，则执行步骤405；若不大于预设准确率阈值，则执行步骤406。
步骤405，将上述初始人脸匹配模型作为训练完成的人脸匹配模型。
在本实施例中，在初始人脸匹配模型的预测准确度大于预设准确率阈值的情况下，说明该人脸匹配模型训练完成。此时，执行主体可以将初始人脸匹配模型作为训练完成的人脸匹配模型。
步骤406，调整上述初始人脸匹配模型的参数。
在本实施例中，在初始人脸匹配模型的预测准确率不大于预设准确率阈值的情况下，执行主体可以调整初始人脸匹配模型的参数，并返回执行步骤402，直至训练出能够表征特征标签与人脸图像之间的对应关系的人脸匹配模型为止。
进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种用于获取信息的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图5所示，本实施例的用于获取信息的装置500可以包括：人脸区域图像获取单元501、特征标签获取单元502、目标人脸图像获取单元503和发型信息获取单元504。其中，人脸区域图像获取单元501被配置成将获取的待处理人脸图像划分为至少一个人脸区域图像；特征标签获取单元502，对于上述至少一个人脸区域图像中的人脸区域图像，被配置成获取该人脸区域图像对应的特征标签，上述特征标签用于标识人脸区域图像对应的人脸特征的分类；目标人脸图像获取单元503被配置成将上述至少一个人脸区域图像对应的至少一个特征标签导入预先训练的人脸匹配模型，得到对应上述待处理人脸图像的至少一张目标人脸图像，上述人脸匹配模型用于表征特征标签与人脸图像库中目标人脸图像之间的对应关系；发型信息获取单元504被配置成对于上述至少一张目标人脸图像中的目标人脸图像，获取该目标人脸图像对应的发型信息。
在本实施例的一些可选的实现方式中，上述特征标签获取单元502可以包括：位置参考点设置子单元(图中未示出)和分类信息获取子单元(图中未示出)。其中，位置参考点设置子单元被配置成为该人脸区域图像设置位置参考点，上述位置参考点用于标识人脸特征的结构特征，上述结构特征包括以下至少一项：大、小、高、低、长、短、圆、方；分类信息获取子单元被配置成根据位置参考点确定该人脸区域图像对应的人脸特征的分类。
在本实施例的一些可选的实现方式中，上述用于获取信息的装置500还可以包括人脸匹配模型构建单元(图中未示出)，被配置成构建人脸匹配模型。上述人脸匹配模型构建单元可以包括：样本获取子单元(图中未示出)和人脸匹配模型构建子单元(图中未示出)。其中，样本获取子单元被配置成获取多个样本人脸图像和对应多个样本人脸图像中每个样本人脸图像的样本特征标签；人脸匹配模型构建子单元被配置成将上述多个样本人脸图像中每个样本人脸图像作为输入，将上述多个样本人脸图像中每个样本人脸图像的样本特征标签作为输出，训练得到人脸匹配模型。
在本实施例的一些可选的实现方式中，上述人脸匹配模型构建子单元可以包括：人脸匹配模型构建模块(图中未示出)，被配置成将上述多个样本人脸图像中每个样本人脸图像依次输入至初始人脸匹配模型，得到上述多个样本人脸图像中每个样本人脸图像所对应的预测特征标签，将上述多个样本人脸图像中每个样本人脸图像所对应的预测特征标签与该样本人脸图像所对应的样本特征标签进行比较，得到上述初始人脸匹配模型的预测准确率，确定上述预测准确率是否大于预设准确率阈值，若大于上述预设准确率阈值，则将上述初始人脸匹配模型作为训练完成的人脸匹配模型。
在本实施例的一些可选的实现方式中，上述人脸匹配模型构建子单元可以包括：参数调整模块(图中未示出)，响应于不大于上述预设准确率阈值，被配置成调整上述初始人脸匹配模型的参数，并继续执行上述训练步骤。
在本实施例的一些可选的实现方式中，上述用于获取信息的装置500还可以包括：效果图显示单元(图中未示出)，被配置成根据发型信息显示对应上述待处理人脸图像的发型效果图。
本实施例还提供了一种服务器，包括：一个或多个处理器；存储器，其上存储有一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行时，使得上述一个或多个处理器执行上述的用于获取信息的方法。
本实施例还提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现上述的用于获取信息的方法。
下面参考图6，其示出了适于用来实现本申请实施例的服务器(例如，图1中的服务器105)的计算机系统600的结构示意图。图6示出的服务器仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示，计算机系统600包括中央处理单元(cpu)601，其可以根据存储在只读存储器(rom)602中的程序或者从存储部分608加载到随机访问存储器(ram)603中的程序而执行各种适当的动作和处理。在ram603中，还存储有系统600操作所需的各种程序和数据。cpu601、rom602以及ram603通过总线604彼此相连。输入/输出(i/o)接口605也连接至总线604。
以下部件连接至i/o接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至i/o接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(cpu)601执行时，执行本申请的方法中限定的上述功能。
需要说明的是，本申请上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、rf等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本申请各种实施例的系统、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、或代码的一部分，该模块、程序段、或代码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。也应当注意，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，两个接连地表示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操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。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括人脸区域图像获取单元、特征标签获取单元、目标人脸图像获取单元和发型信息获取单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，发型信息获取单元还可以被描述为“用于显示对应目标人脸图像的发型信息的单元”。
作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的装置中所包含的；也可以是单独存在，而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该装置执行时，使得该装置：将获取的待处理人脸图像划分为至少一个人脸区域图像；对于上述至少一个人脸区域图像中的人脸区域图像，获取该人脸区域图像对应的特征标签，上述特征标签用于标识人脸区域图像对应的人脸特征的分类；将上述至少一个人脸区域图像对应的至少一个特征标签导入预先训练的人脸匹配模型，得到对应上述待处理人脸图像的至少一张目标人脸图像，上述人脸匹配模型用于表征特征标签与人脸图像库中目标人脸图像之间的对应关系；对于上述至少一张目标人脸图像中的目标人脸图像，获取该目标人脸图像对应的发型信息。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
1.一种用于获取信息的方法，包括：
将获取的待处理人脸图像划分为至少一个人脸区域图像；
对于所述至少一个人脸区域图像中的人脸区域图像，获取该人脸区域图像对应的特征标签，所述特征标签用于标识人脸区域图像对应的人脸特征的分类；
将所述至少一个人脸区域图像对应的至少一个特征标签导入预先训练的人脸匹配模型，得到对应所述待处理人脸图像的至少一张目标人脸图像，所述人脸匹配模型用于表征特征标签与人脸图像库中目标人脸图像之间的对应关系；
对于所述至少一张目标人脸图像中的目标人脸图像，获取该目标人脸图像对应的发型信息。
2.根据权利要求1所述的方法，其中，所述获取该人脸区域图像对应的特征标签，包括：
为该人脸区域图像设置位置参考点，所述位置参考点用于标识人脸特征的结构特征，所述结构特征包括以下至少一项：大、小、高、低、长、短、圆、方；
根据位置参考点确定该人脸区域图像对应的人脸特征的分类。
3.根据权利要求1所述的方法，其中，所述人脸匹配模型通过以下步骤构建：
获取多个样本人脸图像和对应多个样本人脸图像中每个样本人脸图像的样本特征标签；
将所述多个样本人脸图像中每个样本人脸图像作为输入，将所述多个样本人脸图像中每个样本人脸图像的样本特征标签作为输出，训练得到人脸匹配模型。
4.根据权利要求3所述的方法，其中，所述将所述多个样本人脸图像中每个样本人脸图像作为输入，将所述多个样本人脸图像中每个样本人脸图像的样本特征标签作为输出，训练得到人脸匹配模型，包括：
执行以下训练步骤：将所述多个样本人脸图像中每个样本人脸图像依次输入至初始人脸匹配模型，得到所述多个样本人脸图像中每个样本人脸图像所对应的预测特征标签，将所述多个样本人脸图像中每个样本人脸图像所对应的预测特征标签与该样本人脸图像所对应的样本特征标签进行比较，得到所述初始人脸匹配模型的预测准确率，确定所述预测准确率是否大于预设准确率阈值，若大于所述预设准确率阈值，则将所述初始人脸匹配模型作为训练完成的人脸匹配模型。
5.根据权利要求4所述的方法，其中，所述将所述多个样本人脸图像中每个样本人脸图像作为输入，将所述多个样本人脸图像中每个样本人脸图像的样本特征标签作为输出，训练得到人脸匹配模型，包括：
响应于不大于所述预设准确率阈值，调整所述初始人脸匹配模型的参数，并继续执行所述训练步骤。
6.根据权利要求1至5任意一项所述的方法，其中，所述方法还包括：
根据发型信息显示对应所述待处理人脸图像的发型效果图。
7.一种用于获取信息的装置，包括：
人脸区域图像获取单元，被配置成将获取的待处理人脸图像划分为至少一个人脸区域图像；
特征标签获取单元，对于所述至少一个人脸区域图像中的人脸区域图像，被配置成获取该人脸区域图像对应的特征标签，所述特征标签用于标识人脸区域图像对应的人脸特征的分类；
目标人脸图像获取单元，被配置成将所述至少一个人脸区域图像对应的至少一个特征标签导入预先训练的人脸匹配模型，得到对应所述待处理人脸图像的至少一张目标人脸图像，所述人脸匹配模型用于表征特征标签与人脸图像库中目标人脸图像之间的对应关系；
发型信息获取单元，被配置成对于所述至少一张目标人脸图像中的目标人脸图像，获取该目标人脸图像对应的发型信息。
8.根据权利要求7所述的装置，其中，所述特征标签获取单元包括：
位置参考点设置子单元，被配置成为该人脸区域图像设置位置参考点，所述位置参考点用于标识人脸特征的结构特征，所述结构特征包括以下至少一项：大、小、高、低、长、短、圆、方；
分类信息获取子单元，被配置成根据位置参考点确定该人脸区域图像对应的人脸特征的分类。
9.根据权利要求7所述的装置，其中，所述装置还包括人脸匹配模型构建单元，被配置成构建人脸匹配模型，所述人脸匹配模型构建单元包括：
样本获取子单元，被配置成获取多个样本人脸图像和对应多个样本人脸图像中每个样本人脸图像的样本特征标签；
人脸匹配模型构建子单元，被配置成将所述多个样本人脸图像中每个样本人脸图像作为输入，将所述多个样本人脸图像中每个样本人脸图像的样本特征标签作为输出，训练得到人脸匹配模型。
10.根据权利要求9所述的装置，其中，所述人脸匹配模型构建子单元包括：
人脸匹配模型构建模块，被配置成将所述多个样本人脸图像中每个样本人脸图像依次输入至初始人脸匹配模型，得到所述多个样本人脸图像中每个样本人脸图像所对应的预测特征标签，将所述多个样本人脸图像中每个样本人脸图像所对应的预测特征标签与该样本人脸图像所对应的样本特征标签进行比较，得到所述初始人脸匹配模型的预测准确率，确定所述预测准确率是否大于预设准确率阈值，若大于所述预设准确率阈值，则将所述初始人脸匹配模型作为训练完成的人脸匹配模型。
11.根据权利要求10所述的装置，其中，所述人脸匹配模型构建子单元包括：
参数调整模块，响应于不大于所述预设准确率阈值，被配置成调整所述初始人脸匹配模型的参数，并继续执行所述训练步骤。
12.根据权利要求7至11任意一项所述的装置，其中，所述装置还包括：
效果图显示单元，被配置成根据发型信息显示对应所述待处理人脸图像的发型效果图。
13.一种服务器，包括：
一个或多个处理器；
存储器，其上存储有一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行权利要求1至6中任一所述的方法。
14.一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至6中任一所述的方法。
技术总结