CN109389015A - 脸部相似度评估方法与电子装置 - Google Patents

Abstract

本发明提出一种脸部相似度评估方法与电子装置。此方法包括：取得第一图像；取得所述第一图像与至少一第二图像各自对应的多个特征系数；根据所述第一图像与所述至少一第二图像各自对应的所述多个特征系数取得对应所述至少一第二图像的总相似度分数，并且根据对应所述至少一第二图像的所述总相似度分数产生评估结果；以及根据所述评估结果输出通知信息。

Description

脸部相似度评估方法与电子装置

技术领域

本发明涉及一种脸部识别的技术，尤其涉及一种基于脸部识别的脸部相似度评估方法与电子装置。

背景技术

目前的脸部识别技术可针对识别出脸部图像中的多个特征点，使用者可通过目前的技术而了解有关自己脸部的信息。然而，就目前的技术与市面上的产品而言，使用者无法得知自己的长相与他人或名人的长相的相似程度。因此，如何判断使用者的长相与他人或名人的长相的相似程度，进而推出更具实用性与趣味性的产品，便是本领域技术人员致力发展的课题。

发明内容

本发明提供一种脸部相似度评估方法与电子装置，可通过取得脸部各区域的特征系数来识别出两张脸部图像的相似程度。据此可让使用者得知自己的长相与他人或名人的相似程度。

本发明的一实施例提出一种脸部相似度评估方法。本方法包括：取得第一图像；取得所述第一图像与至少一第二图像各自对应的多个特征系数；根据所述第一图像与所述至少一第二图像各自对应的所述多个特征系数取得对应所述至少一第二图像的总相似度分数，并且根据对应所述至少一第二图像的所述总相似度分数产生评估结果；以及根据所述评估结果输出通知信息。

本发明的一实施例提出电子装置，包括存储单元与处理器。所述处理器耦接所述存储单元，存取并执行存储于所述存储单元的所述多个模块。所述多个模块包括图像取得模块、特征系数取得模块、比对模块与输出模块。所述图像取得模块取得第一图像。所述特征系数取得模块取得所述第一图像与至少一第二图像各自对应的多个特征系数。所述比对模块根据所述第一图像与所述至少一第二图像各自对应的所述多个特征系数取得对应所述至少一第二图像的总相似度分数，并且根据对应所述至少一第二图像的所述总相似度分数产生评估结果。所述输出模块根据所述评估结果输出通知信息。

基于上述，本发明通过两个图像各自对应的特征系数来取得对应各特征系数的差异，再依据各特征系数的差异来取得对应脸部的各区域的区域相似度分数，据此可取得对应脸部图像的总相似度分数。由此，可让使用者得知自己的长相与他人或名人的相似程度。

为让本发明的上述特征和优点能更明显易懂，下文特举实施例，并配合附图作详细说明如下。

附图说明

图1是根据本发明一实施例所示出的电子装置的示意图。

图2A与2B是根据本发明一实施例所示出的脸部相似度评估方法的示意图。

图3是根据本发明一实施例所示出的脸部图像的区域的示意图。

图4A与4B是根据本发明一实施例所示出的眉毛区域的特征系数的示意图。

图5A与5B是根据本发明一实施例所示出的眼睛区域的特征系数的示意图。

图6是根据本发明一实施例所示出的鼻子区域的特征系数的示意图。

图7是根据本发明一实施例所示出的嘴唇区域的特征系数的示意图。

图8是根据本发明一实施例所示出的脸型区域的特征系数的示意图。

图9是根据本发明另一实施例所示出的脸部相似度评估方法的示意图。

附图标号说明

10：电子装置

110：处理器

120：存储单元

121：图像取得模块

122：特征系数取得模块

123：比对模块

124：输出模块

130：图像获取单元

S201～S209、S221～S225、S901～S907：步骤

300：第一图像

400：眉毛区域

500：眼睛区域

600：鼻子区域

700：嘴唇区域

800：脸型区域

L1、L2、L52、L53、L62、L72、L81、L82、L83、L84：水平线

L41、L42、L44、L51：垂直线

L43、L61、L63、L71、L73、L85、L86：参考线

Fw：脸部宽度

Fh：脸部高度

EBw：眉毛宽度

EBh：眉毛高度

Ed：眼睛距离

Ew：眼睛宽度

Eh：眼睛高度

Nw：鼻子宽度

Nh：鼻子高度

Lw：嘴唇宽度

Lh：嘴唇高度

TLh：上嘴唇高度

BLh：下嘴唇高度

310a、310b、410、420、430、440、510a、510b、520、530、540、610a、610b、620、630、710、720、730、740a、740b、810a、810b、820a、820b、830a、830b：端点

θ1、θ2、θ2’、θ3、θ3’：角度

具体实施方式

图1是根据本发明一实施例所示出的电子装置的示意图。

请参照图1，本实施例的电子装置10至少包括处理器110与存储单元120，其中处理器110耦接存储单元120。此外，在一实施例中，电子装置10还可包括图像获取单元130，并且处理器110耦接图像获取单元130。本发明实施例的电子装置10可以设置在化妆台的镜子上，而可在用户照镜子的同时，获取并分析用户的脸部图像，并利用配置于镜子后方的显示器(未示出)提供反馈信息，例如脸部相似度评估结果。需说明的是，在其他实施例中，电子装置10也可以是智慧型手机、平板电脑、桌上型电脑等电子产品，或是与可携式镜子结合而成的携带型镜盒。

处理器110可以是中央处理单元(Central Processing Unit，CPU)、微处理器(Microprocessor)、数字信号处理器、可程序化控制器、特殊应用积体电路(ApplicationSpecific Integrated Circuits，ASIC)、可程序化逻辑装置(Programmable LogicDevice，PLD)或其他具有数据运算功能的装置。

存储单元120可以是任何型态的固定式或可移动式随机存取存储器(randomaccess memory，RAM)、只读存储器(read-only memory，ROM)、快闪存储器(flash memory)或类似元件或上述元件的组合。在本实施例中，存储单元120是用以记录图像取得模块121、特征系数取得模块122、比对模块123与输出模块124。在其他实施例中，存储单元120还可用以存储数据库，而可供电子装置10从数据库中取得已存储的图像及对应此图像的特征系数。上述的模块例如是存储在存储单元120中的电脑程序，其可载入处理器110，而由处理器110据以执行本申请实施例脸部相似度评估方法的功能。

图像获取单元130可以是配备有电荷耦合元件(Charge Coupled Device，CCD)、互补性氧化金属半导体(Complementary Metal-Oxide Semiconductor，CMOS)元件或其他种类的感光元件的相机，而可用以获取当前使用者的脸部图像。以下即举实施例说明此方法的详细步骤。

图2A与2B是根据本发明一实施例所示出的脸部相似度评估方法的示意图。请同时参照图1、图2A与2B，本实施例的方法适用于上述图1的电子装置10，以下即搭配图1中电子装置10的各项元件，说明本实施例的脸部相似度评估方法的详细步骤。此外，为方便说明，在以下的实施例中，第一图像表示一使用者的脸部图像，而第二图像表示不同于第一图像的脸部图像。

请参照图2A，首先，在步骤S201中，处理器110执行图像取得模块121而取得第一图像。在本实施例中，当使用者使用电子装置10时，处理器110执行图像取得模块121而控制图像获取单元130获取使用者的脸部图像以产生第一图像。然而，在其他实施例中，图像取得模块121也可从存储在存储单元130的数据库或是其他电子装置取得待评估的使用者的脸部图像作为第一图像。

接着，在步骤S203中，处理器110执行特征系数取得模块122而对第一图像执行分析操作以取得对应第一图像的第一特征系数。在本实施例中，特征系数取得模块122所执行的分析操作包括根据第一图像的多个特征点来计算出对应第一图像的第一特征系数。然而，在其他实施例中，特征系数取得模块122可从存储在存储单元130的数据库或是其他电子装置直接取得预先存储的对应第一图像的第一特征系数。

此外，在步骤S205中，处理器110执行特征系数取得模块122而取得对应多个第二图像中的每一者的第二特征系数。在本实施例中，特征系数取得模块122可以从存储在存储单元130的数据库中取得对应各第二图像的第二特征系数。各第二图像的第二特征系数可以根据图2B的步骤而预先被记录在数据库中。请参照图2B，在步骤S221中，处理器110执行图像取得模块121而取得第二图像。接着，在步骤S223中，处理器110执行特征系数取得模块122而对第二图像执行分析操作以取得对应第二图像的第二特征系数。之后，在步骤S225中，处理器110会将对应此第二图像的第二特征系数记录在数据库中。此数据库是存储在存储单元130中。藉此，电子装置10可预先存储多个第二图像与对应各第二图像的第二特征系数，以供后续执行脸部相似度评估的操作。

在本实施例中，脸部图像(例如第一图像与第二图像)可包括多个区域。具体而言，处理器110可运行套用Dlib数据库的脸部检测系统(Dlib Face Landmark)来检测并分析脸部图像的194个特征点。在其他实施例中，也可以仅分析脸部图像的119个脸部特征点，或者使用其他检测脸部特征点的演算法来获取脸部图像中的特征点。据此，脸部图像的多个区域可基于取得的特征点而被识别出。此外，处理器110还可定义一个坐标系统，并且给予每个特征点一个坐标，例如(x,y)。在以下的实施例中，水平线可指平行于x轴的直线，而垂直线可指平行于y轴的直线。之后，特征系数取得模块122可对脸部图像执行分析操作以根据各区域的特征点来取得各区域的特征系数。或者，特征系数取得模块122也可根据从数据库中直接取得对应某个脸部图像中各区域的特征系数。以下将举实施例来说明各区域的特征系数。

图3是根据本发明一实施例所示出的脸部图像的区域的示意图。为简化说明，在以下的实施例中，将以特征系数取得模块122对第一图像执行分析操作来取得第一图像的特征系数为例来说明。然而，本发明并不以此为限，特征系数取得模块122也可对各第二图像执行相同的分析操作来取得其特征系数。

请参照图3，第一图像300的多个区域可包括眉毛区域400、眼睛区域500、鼻子区域600与嘴唇区域700。在一实施例中，第一图像300还可包括对应全脸的脸型区域800。然而，本发明并不以上述的区域为限，在其他的实施例中，也可依应用上的需求而定义出其他的区域。此外，虽然本实施例是以一个眉毛作为眉毛区域400的示意并以一个眼睛作为眼睛区域500的示意，但实际上，也可以两个眉毛作为眉毛区域400并以两个眼睛作为眼睛区域500。特征系数取得模块122可以对第一图像300执行分析操作而根据属于各区域的多个特征点来取得各区域的一个或多个特征系数。

图4A与4B是根据本发明一实施例所示出的眉毛区域的特征系数的示意图。在以下的实施例中，各端点(point)可指上述由脸部检测系统所检测出的特征点，或是由特征系数取得模块122根据各部位的特征点所另外定义出的特征点。

请参照图4A，特征系数取得模块122会取得第一图像300的脸部宽度Fw与脸部高度Fh。更详细地说，特征系数取得模块122会取得第一图像300中与眼睛的下缘切齐的水平线在两侧脸颊边缘之间的距离作为脸部宽度Fw。此外，特征系数取得模块122会取得通过表示眉尾的端点420的水平线L1至通过表示嘴角的端点310a的水平线L2之间的垂直距离作为脸部高度Fh。然而，由于一般的脸部图像会包括两个眉尾与两个嘴角，因此，在其他的实施例中，表示眉尾的端点可为两个眉尾的端点之中的其中任一者，而表示嘴角的端点也可为两个嘴角的端点之中的其中任一者。

在一实施例中，用以计算脸部高度Fh的水平线L1也可例如是取在两个眉尾的端点的高度平均处，而水平线L2可例如是取在两个嘴角的端点310a、310b的高度平均处，并且以水平线L1与水平线L2之间的垂直距离作为脸部高度Fh。

请参照图4B，特征系数取得模块122会取得眉毛宽度EBw与眉毛高度EBh。更详细地说，特征系数取得模块122会取得通过表示眉头的端点410的垂直线L41至通过表示眉尾的端点420的垂直线L42之间的距离作为眉毛宽度EBw。特征系数取得模块122还会取得眉毛的端点430与端点440之间的垂直距离作为眉毛高度EBh。在一实施例中，同时通过端点430与端点440的直线可为平行于垂直线L41与垂直线L42的垂直线。并且，端点430至垂直线L41的水平距离可相同于端点430至垂直线L42的水平距离。

此外，特征系数取得模块122还会取得眉毛角度。眉毛角度可指参考线L43与水平线L44之间的夹角的角度θ1。参考线L43是指同时通过端点410与端点420的直线，水平线L44是指通过端点410的水平线。虽然，在本实施例中，眉毛角度是根据一个眉毛的特征点而取得，然而，在其他的实施例中，眉毛角度也可根据两个眉毛的特征点而取得。例如，特征系数取得模块122可依据上述的方式取得第一图像300中两个眉毛的两个眉毛角度，并且以所取得的两个眉毛角度的平均值作为第一图像300的眉毛角度。

接着，特征系数取得模块122会根据脸部宽度Fw、脸部高度Fh、眉毛宽度EBw、眉毛高度EBh与眉毛角度(例如角度θ1)来取得对应眉毛区域400的多个特征系数。例如，特征系数取得模块122会计算眉毛宽度EBw与眉毛高度EBh的比值、眉毛角度的正切(tangent)值、眉毛宽度EBw与一半的脸部宽度Fw的比值、以及眉毛高度EBh与脸部高度Fh的比值等多个数值来作为对应眉毛区域400的特征系数。

图5A与5B是根据本发明一实施例所示出的眼睛区域的特征系数的示意图。

请参照图5A，特征系数取得模块122会取得第一图像300中两个眼睛之间的眼睛距离Ed、眼睛宽度Ew与眼睛高度Eh。更详地说，特征系数取得模块122会取得表示眼头的端点510a至表示眼头的端点510b的距离作为眼睛距离Ed。特征系数取得模块122会取得表示眼头的端点510a至通过表示眼尾的端点520的垂直线L51的水平距离作为眼睛宽度Ew。特征系数取得模块122可取得通过端点530的水平线L52与通过端点540的水平线之间的垂直距离作为眼睛高度Eh。在一实施例中，端点530可为眼睛上缘的最高点，而端点540可为眼睛下缘的最低点。然而，由于一般的脸部图像会包括两个眼睛，因此，在其他的实施例中，特征系数取得模块122可根据两个眼睛之中的其中任一者的特征点来取得第一图像300眼睛宽度Ew与眼睛高度Eh。

类似地，在一实施例中，用以计算眼睛高度Eh的水平线L52也可例如是取在两个眼睛上缘最高点的高度平均处，而水平线L53可例如是取在两个眼睛下缘最低点的高度平均处，并且以水平线L52与水平线L53之间的垂直距离作为眼睛高度Eh。

接着，特征系数取得模块122会根据脸部宽度Fw、脸部高度Fh、眼睛宽度Ew、眼睛高度Eh与眼睛距离Ed来取得对应眼睛区域500的多个特征系数。例如，特征系数取得模块122会计算眼睛宽度Ew与眼睛高度Eh的比值、眼睛宽度Ew与一半的脸部宽度Fw的比值、眼睛高度Eh与脸部高度Fh的比值、与眼睛距离Ed与脸部宽度Fw的比值等多个数值来作为对应眼睛区域500的特征系数。

图6是根据本发明一实施例所示出的鼻子区域的特征系数的示意图。

请参照图6，特征系数取得模块122会取得第一图像300中鼻子宽度Nw与鼻子高度Nh。更详细地说，特征系数取得模块122会取得在鼻子的端点610a至端点610b的距离作为鼻子宽度Nw。端点610a可为鼻子边缘上位于最右边位置的端点，端点610b可为鼻子边缘上位于最左边位置的端点。再者，特征系数取得模块122会取得表示鼻梁的端点620至表示鼻子最下端的鼻小柱的端点630的距离作为鼻子高度Nh。在一实施例中，特征系数取得模块122可取得如图5A中的表示两个眼头的端点510a与端点510b的中间点作为上述的端点620。

此外，特征系数取得模块122还会取得鼻子角度。鼻子角度可指参考线L61与水平线L62之间的夹角的角度θ2。参考线L61是指同时通过端点630与端点610a的直线，且水平线L62是指通过端点630的水平线。然而，在一实施例中，特征系数取得模块122还可取得同时通过端点630与端点610b的直线与水平线L62之间的夹角的角度θ2’，并且以角度θ2与角度θ2’的平均值作为鼻子角度。

接着，特征系数取得模块122会根据脸部宽度Fw、脸部高度Fh、鼻子宽度Nw、鼻子高度Nh与鼻子角度(例如角度θ2)来取得对应鼻子区域600的多个特征系数。例如，特征系数取得模块122会计算鼻子宽度Nw与鼻子高度Nh的比值、鼻子高度Nh与脸部高度Fh的比值、鼻子宽度Nw与脸部宽度Fw的比值、以及鼻子角度的正切值等多个数值来作为对应鼻子区域600的特征系数。

图7是根据本发明一实施例所示出的嘴唇区域的特征系数的示意图。

请参照图7，特征系数取得模块122会取得第一图像300中嘴唇宽度Lw与嘴唇高度Lh。更详细地说，特征系数取得模块122会取得表示嘴角的端点310a至表示嘴角的端点310b的距离作为嘴唇宽度Lw。再者，特征系数取得模块122会取得上嘴唇高度TLh与下嘴唇高度BLh，并且以上嘴唇高度TLh与下嘴唇高度BLh的总和作为嘴唇高度Lh。上嘴唇高度TLh可以指上嘴唇的中间位置的高度。在一实施例中，特征系数取得模块122可以根据端点310a与端点310b来识别通过嘴唇的中间位置的垂直线，并且识别出在通过嘴唇的中间位置的垂直线上的端点710、端点720以及端点730。特征系数取得模块122会取得端点710至端点720的距离作为上嘴唇高度TLh，并且取得端点720至端点730的距离作为下嘴唇高度BLh。端点710可以是通过嘴唇的中间位置的垂直线上位于上嘴唇上缘的端点、端点720可以是通过嘴唇的中间位置的垂直线上位于上嘴唇与下嘴唇交界的端点、而端点730可以是通过嘴唇的中间位置的垂直线上位于下嘴唇下缘的端点。

此外，特征系数取得模块122还会取得嘴唇角度。嘴唇角度可指参考线L71与水平线L72之间的夹角的角度θ3。参考线L71是指同时通过端点710与表示唇峰的端点740a的直线，且水平线L72是指通过端点730的水平线。然而，在一实施例中，特征系数取得模块122还可取得同时通过端点710与表示唇峰的端点740b的直线L73与水平线L72之间的夹角的角度θ3’，并且以角度θ3与角度θ3’的平均值作为嘴唇角度。

接着，特征系数取得模块122会根据脸部宽度Fw、嘴唇宽度Lw、嘴唇高度Lh、上嘴唇高度TLh、下嘴唇高度BLh与嘴唇角度(例如角度θ3)来取得对应嘴唇区域700的多个特征系数。例如，特征系数取得模块122会计算嘴唇宽度Lw与嘴唇高度Lh的比值、嘴唇宽度Lw与脸部宽度Fw的比值、上嘴唇高度TLh与下嘴唇高度BLh的比值、以及嘴唇角度的正切值等多个数值来作为对应嘴唇区域700的特征系数。

图8是根据本发明一实施例所示出的脸型区域的特征系数的示意图。

请参照图8，特征系数取得模块122会取得第一图像300中额头宽度FHw与额头高度FHh。更详细地说，特征系数取得模块122会取得通过表示眉峰的端点830a的水平线L81与通过发际线的水平线L82之间的距离作为额头高度FHh。在一实施例中，水平线L81也可为通过表示眉峰的端点830b的直线。再者，特征系数取得模块122会识别出平行于水平线L81的另一条水平线L83，其中水平线L83与水平线L82之间的垂直距离为额头高度FHh的三分之一。特征系数取得模块122会取得水平线L83界于额头的两侧的发际线之间的距离作为额头宽度FHw。

再者，特征系数取得模块122还会取得下巴宽度Jw与下巴高度Jh。更详细地说，特征系数取得模块122会取得端点810a至端点810b的距离作为下巴宽度Jw。端点810a与端点810b是指通过下嘴唇下缘的水平线L84与两侧的脸颊交界处的端点。特征系数取得模块122会取得水平线L84至下巴下缘的垂直距离作为下巴高度Jh。

此外，特征系数取得模块122还会取得下巴角度。更详细地说，特征系数取得模块122会取得同时通过端点810a与端点820a的参考线L85与水平线L84之间的角度θ4作为下巴角度。然而，在一实施例中，特征系数取得模块122还可取得同时通过端点810b与端点820b的参考线L86与水平线L84之间的夹角的角度θ4’，并且以角度θ4与角度θ4’的平均值作为下巴角度。

接着，特征系数取得模块122会根据脸部宽度Fw、脸部高度Fh、额头宽度FHw、额头高度FHh、下巴宽度Jw、下巴高度Jh与下巴角度(例如角度θ4)来取得对应脸型区域800的多个特征系数。例如，特征系数取得模块122会计算脸部高度Fh、额头高度FHh与下巴高度Jh的总和来取得脸型高度。进一步地，特征系数取得模块122会计算脸部宽度Fw与脸型高度的比值、额头宽度FHw与脸部宽度Fw的比值、额头高度FHh与脸部高度Fh的比值、下巴宽度Jw与脸部宽度Fw的比值、下巴高度Jh与脸部高度Fh的比值、下巴角度的正切值等多个数值来作为对应脸型区域800的特征系数。

此外，第二图像的特征值也可依据上述图3～图8的方式来取得，于此便不再赘述。也就是说，第一图像的特征系数(也称为第一特征系数)与第二图像的特征系数(也称为第二特征系数)是基于相同的定义而取得。

请再参照图2A，在执行步骤S205之后，在步骤S207中，处理器110执行比对模块123而根据第一特征系数与第二特征系数执行第一图像与各第二图像之间的比对操作以取得对应各第二图像的区域相似度分数与总相似度分数，并且产生评估结果。在本步骤中，比对模块123会比对第一图像的第一特征系数与各第二图像的第二特征系数，并且根据比对结果产生对应各第二图像的区域相似度分数与总相似度分数。

具体而言，比对模块123会根据以下的公式(1)取得第一图像与第二图像的每一组特征系数的特征差异参数Sim(f,i)。每一组特征系数包括基于相同定义而取得的一个第一特征系数与一个第二特征系数。

在上述的公式(1)中，user(f)是指第一图像的一个第一特征系数，celeb_i(f)是指各第二图像的一个第二特征系数。也就是说，比对模块123会计算出对应每一组特征系数的特征差异参数。

接着，比对模块123会根据以下的公式(2)取得对应各第二图像的各区域的区域相似度分数AreaSim(i)。

在上述的公式(2)中，Wf是表示对应每一个特征差异参数的权重值。具体而言，属于脸部图像的各区域中的每一个特征差异参数Sim(f,i)会具有对应的权重值，并且各区域中的所有特征差异参数Sim(f,i)的权重值的总和(也即公式(2)中的∑f∈AreaFactor^Wf)会符合一个预设值。各权重值与对应权重值的总和的预设值可依据实际应用的需求而调整。根据公式(2)，比对模块123会针对各区域，取得各区域中的每个特征差异参数Sim(f,i)与其对应的权重值w_f的乘积，进而取得上述乘积的总和∑_{f∈AreaFactor}w_fxSim(f,i)，并计算上述乘积的总和∑_{f∈AreaFactor}w_fxSim(f,i)与权重总和∑_{f∈AreaFactor}w_f的比值的百分比来取得区域相似度分数AreaSim(i)。区域相似度分数可以表示两个图像中的脸部的某个区域的相似程度。

之后，比对模块123会根据以下的公式(3)取得对应各第二图像的总相似度分数similarity(Celeb_i)。

根据公式(3)，比对模块123会取得对应所有区域的区域相似度分数的总和∑AreaSim(i)，并且将总和∑AreaSim(i)除以所有区域的数量N(Area)以取得对应各第二图像的总相似度分数similarity(Celeb_i)。换句话说，比对模块123会取得对应各第二图像的所有区域相似度分数的平均值作为对应各第二图像的总相似度分数。总相似度分数可以表示两个图像的全脸相似程度。

在经由上述的公式(1)(2)(3)取得对应各第二图像的区域相似度分数与总相似度分数之后，比对模块123会根据对应各第二图像的总相似度分数决定出与第一图像最相似的第二图像作为评估结果。在本实施例中，一个第一图像的每一个区域会对应一个最高的区域相似度分数，并且一个第一图像会对应一个最高的总相似度分数。

以眼睛区域500为例，请参照下列表一。假设第一图像表示当前的使用者的图像，而第二图像(a)表示一位名人的图像。而“Eye W/H”、“Eye-Face W”、“Eye-Face H”与“EyeDistance”分别表示图5A与5B的实施例中所述的眼睛宽度Ew与眼睛高度Eh的比值、眼睛宽度Ew与一半的脸部宽度Fw的比值、眼睛高度Eh与脸部高度Fh的比值、以及眼睛距离Ed与脸部宽度Fw的比值等对应眼睛区域500的4个特征系数。

如下列表一所示，比对模块123会根据上述的公式(1)分别计算出第一图像与第二图像(a)之间，对应眼睛区域的4个特征系数的特征差异参数Sim(f,i)分别为0.7、0.93、0.89与0.96。接着，比对模块123会根据上述的公式(2)取得对应第二图像(a)的眼睛区域的区域相似度分数为85％。

表一

类似地，比对模块123还可将第一图像与其他的第二图像比对以取得对应其他的第二图像的区域相似度分数。例如，比对模块123取得对应另一个第二图像(b)的眼睛区域的区域相似度参数为93％，且对应另一个第二图像(c)的眼睛区域的区域相似度分数为89％。因此，针对眼睛区域，比对模块123会判断出第二图像(b)对应最高的区域相似度分数而产生表示第一图像的眼睛区域与第二图像的眼睛区域最相似的评估结果。在一实施例中，评估结果可包括对应最高的区域相似度分数的第二图像(b)的信息。

除了眼睛区域以外，比对模块123还可依据上述的方式分别判断出针对其他区域的最高的区域相似度分数，进而产生对应的评估结果。此外，比对模块123还可依据公式(3)计算出对应各第二图像的总相似度分数，并且判断出最高的总相似度分数，进而产生表示第一图像与对应最高的总相似度分数的第二图像最相似的评估结果。在一实施例中，评估结果可包括对应最高的总相似度分数的第二图像的信息。

请再参考图2A。在执行步骤S207而产生评估结果之后，在步骤S209中，处理器110执行输出模块124而根据评估结果输出通知信息。例如，评估结果包括对应最高的总相似度分数的第二图像的信息，因此输出模块124可根据评估结果输出对应最高的总相似度分数的第二图像的相关信息。然而，在另一实施例中，评估结果还可包括对应最高的区域相似度分数的第二图像的信息。因此，输出模块124还可根据评估结果针对脸部的每一个区域输出对应最高的区域相似度分数的第二图像的相关信息。以第二图像为名人的脸部图像为例，通知信息可包括最高的总相似度分数、对应最高的总相似度分数的图像与名人名字。另外，通知信息还可对应各区域的最高的区域相似度分数、对应各最高的区域相似度分数的图像与名人名字等数据。

图9是根据本发明另一实施例所示出的脸部相似度评估方法的示意图。

请参照图9，首先，在步骤S901中，处理器110会执行图像取得模块121而取得第一图像。接着，在步骤S903中，处理器110会执行特征系数取得模块122而取得第一图像与至少一第二图像各自对应的多个特征系数。之后，在步骤S905中，处理器110会执行比对模块123而根据第一图像与各第二图像各自对应的多个特征系数取得对应各第二图像的总相似度分数，并且根据对应各第二图像的总相似度分数产生评估结果。最后，在步骤S907中，处理器110会执行输出模块124而根据评估结果输出通知信息。图9中的各步骤已于前述的实施例中详细说明，于此便不再赘述。

综上所述，本发明通过每个脸部图像的特征点取得对应每个图像的特征系数，并根据两个图像各自对应的特征系数来取得各特征系数之间的差异，进而依据各特征系数的差异来取得对应脸部的各区域的区域相似度分数，据此可取得对应脸部图像的总相似度分数。由此，可让使用者得知自己的长相与他人或名人的相似程度。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (18)

1.一种脸部相似度评估方法，包括：

取得第一图像；

取得所述第一图像与至少一第二图像各自对应的多个特征系数；

根据所述第一图像与所述至少一第二图像各自对应的所述多个特征系数取得对应所述至少第二图像的总相似度分数，并且根据对应所述至少一第二图像的所述总相似度分数产生评估结果；以及

根据所述评估结果输出通知信息。

2.根据权利要求1所述的脸部相似度评估方法，其中根据对应所述至少一第二图像的所述总相似度分数产生所述评估结果的步骤包括：

从对应所述至少一第二图像的所述总相似度分数中决定最高的总相似度分数以产生所述评估结果。

3.根据权利要求1所述的脸部相似度评估方法，其中所述第一图像与所述至少一第二图像各自具有至少一区域，

其中根据所述第一图像与所述至少一第二图像各自对应的所述多个特征系数取得对应所述至少一第二图像的所述总相似度分数的步骤包括：

根据所述第一图像与所述至少一第二图像各自对应的所述多个特征系数取得对应所述至少一第二图像的至少一区域相似度分数，其中所述至少一区域相似度分数对应所述至少一区域；以及

根据对应所述至少一第二图像的所述至少一区域相似度分数取得对应所述至少一第二图像的所述总相似度分数。

4.根据权利要求3所述的脸部相似度评估方法，其中根据对应所述至少一第二图像的所述至少一区域相似度取得对应所述至少一第二图像的所述总相似度分数的步骤包括：

计算对应所述至少一第二图像的所述至少一区域相似度分数的平均值以取得对应所述至少一第二图像的所述总相似度分数。

5.根据权利要求3所述的脸部相似度评估方法，还包括：

根据对应所述至少一第二图像的所述至少一区域相似度分数输出所述通知信息。

6.根据权利要求5所述的脸部相似度评估方法，其中所述至少一第二图像之中其中根据对应所述至少一第二图像的所述总相似度分数产生所述评估结果的步骤包括：

从对应所述至少一第二图像的所述至少一区域相似度分数中决定至少一最高的区域相似度分数以产生所述评估结果，其中所述至少一最高的区域相似度分数对应所述至少一区域。

7.根据权利要求3所述的脸部相似度评估方法，其中所述多个特征系数包括属于所述至少一区域的至少一特征系数，

其中根据所述第一图像与所述至少一第二图像各自对应的所述多个特征系数取得对应所述至少一第二图像的所述至少一区域相似度分数的步骤包括：

根据所述第一图像与所述至少一第二图像各自对应的属于所述至少一区域的所述至少一特征系数计算对应所述至少一第二图像的至少一特征差异参数；以及

根据所述至少一特征差异参数与至少一权重值计算对应所述至少一第二图像的所述至少一区域相似度分数。

8.根据权利要求3所述的脸部相似度评估方法，其中所述至少一区域包括眉毛区域、眼睛区域、鼻子区域、嘴唇区域与脸型区域。

9.根据权利要求1所述的脸部相似度评估方法，其中取得所述第一图像与所述至少一第二图像各自对应的所述多个特征系数的步骤包括：

对所述第一图像执行分析操作以取得所述第一图像对应的多个第一特征系数；以及

从数据库中取得所述至少一第二图像通过所述分析操作所取得的对应所述至少一第二图像的多个第二特征系数。

10.一种电子装置，包括：

存储单元，存储多个模块；以及

处理器，耦接所述存储单元，存取并执行存储于所述存储单元的所述多个模块，所述多个模块包括：

图像取得模块，取得第一图像；

特征系数取得模块，取得所述第一图像与至少一第二图像各自对应的多个特征系数；

比对模块，根据所述第一图像与所述至少一第二图像各自对应的所述多个特征系数取得对应所述至少一第二图像的总相似度分数，并且根据对应所述至少一第二图像的所述总相似度分数产生评估结果；以及

输出模块，根据所述评估结果输出通知信息。

11.根据权利要求10所述的电子装置，其中所述比对模块根据对应所述至少一第二图像的所述总相似度分数产生所述评估结果的运作包括：

从对应所述至少一第二图像的所述总相似度分数中决定最高的总相似度分数以产生所述评估结果。

12.根据权利要求10所述的电子装置，其中所述第一图像与所述至少一第二图像各自具有至少一区域，其中所述比对模块根据所述第一图像与所述至少一第二图像各自对应的所述多个特征系数取得对应所述至少一第二图像的所述总相似度分数的运作包括：

根据所述第一图像与所述至少一第二图像各自对应的所述多个特征系数取得对应所述至少一第二图像的至少一区域相似度分数，其中所述至少一区域相似度分数对应所述至少一区域；以及

根据对应所述至少一第二图像的所述至少一区域相似度分数取得对应所述至少一第二图像的所述总相似度分数。

13.根据权利要求12所述的电子装置，其中所述比对模块根据对应所述至少一第二图像的所述至少一区域相似度分数取得对应所述至少一第二图像的所述总相似度分数的运作包括：

计算对应所述至少一第二图像的所述至少一区域相似度分数的平均值以取得对应所述至少一第二图像的所述总相似度分数。

14.根据权利要求12所述的电子装置，其中所述输出模块还根据对应所述至少一第二图像的所述至少一区域相似度分数输出所述通知信息。

15.根据权利要求14所述的电子装置，其中所述比对模块根据对应所述至少一第二图像的所述总相似度分数产生所述评估结果的运作包括：

从对应所述至少一第二图像的所述至少一区域相似度分数中决定至少一最高的区域相似度分数以产生所述评估结果，其中所述至少一最高的区域相似度分数对应所述至少一区域。

16.根据权利要求12所述的电子装置，其中所述多个特征系数包括属于所述至少一区域的至少一特征系数，其中所述比对模块根据所述第一图像与所述至少一第二图像各自对应的所述多个特征系数取得对应所述至少一第二图像的所述至少一区域相似度分数的运作包括：

根据所述第一图像与所述至少一第二图像各自对应的属于所述至少一区域的所述至少一特征系数计算对应所述至少一第二图像的至少一特征差异参数；以及

根据所述至少一特征差异参数与至少一权重值计算对应所述至少一第二图像的所述至少一区域相似度分数。

17.根据权利要求12所述的电子装置，其中所述至少一区域包括眉毛区域、眼睛区域、鼻子区域、嘴唇区域与脸型区域。

18.根据权利要求10所述的电子装置，其中所述图像特征系数取得模块取得所述第一图像与所述至少一第二图像各自对应的所述多个特征系数的运作包括：

对所述第一图像执行分析操作以取得所述第一图像对应的多个第一特征系数；以及

从数据库中取得所述至少一第二图像通过所述分析操作所取得的对应所述至少一第二图像的多个第二特征系数。