一种证件照头发颜色矫正方法、装置及介质

摘要

本发明提供了一种证件照头发颜色矫正方法，其包括如下步骤：S1，使用头发分割卷积神经网络对证件照进行头发分割，获取第一分割图像，所述第一分割图像为仅包含头发区域的图像；S2，使用头发颜色合格判断模型判断第一分割图像的头发颜色是否合格；S3，在所述头发颜色不合格时，对所述证件照中的头发颜色进行染色以获取矫正后的证件照。本发明首先对证件照进行分割以获取头发区域，并判断证件照中的头发是否符合拍照标准，以及对不符合标准的头发颜色进行自动校正，可以提高用户的操作体验，节省用户的拍摄时间，为染发的用户带来方便。

权利要求

1.一种证件照头发颜色矫正方法，其包括如下步骤：S1，使用头发分割卷积神经网络对证件照进行头发分割，获取第一分割图像，所述第一分割图像为仅包含头发区域的图像；所述头发分割卷积神经网络是使用MobileNetV2替换SegNet网络中的encoder网络结构；

S2，使用头发颜色合格判断模型判断第一分割图像的头发颜色是否合格；

S3，在所述头发颜色不合格时，对所述证件照中的头发颜色进行染色以获取矫正后的证件照；

对所述证件照的头发颜色进行染色包括如下步骤：S31，对所述证件照的头发区域进行去色处理，将头发区域颜色的色相和饱和度信息去掉，只保留亮度信息；

S32，对去掉色相和饱和度信息的头发区域进行亮度调整；

所述步骤S32，在亮度调整时，先统计头发区域颜色亮色像素或者是暗色像素的占比，当所述亮色像素占比大于第一预设值时，对所述亮度进行调节；直至所述亮色像素占比小于第一预设值，结束亮度调整；

所述亮度调整公式如下：

其中， 为像素的生成的像素值，P为像素的原像素值，B为明亮系数取值范围为[‑1,

1]，k为约束系数。

2.根据权利要求1所述的方法，所述步骤S2具体为：S21、获取所述第一分割图像中头发区域总像素N；

S22、创建长宽为（n，n）的三通道图像O，其中 ；

S23、将所述头发区域的像素按照顺序填充到所述三通道图像O中；

S24、将所述三通道图像O输入头发颜色合格判断模型判断所述头发的颜色是否合格。

3.一种证件照拍照机，所述拍照机包括如下单元：头发分割单元，用于使用头发分割卷积神经网络对证件照进行头发分割，获取第一分割图像，所述第一分割图像为仅包含头发区域的图像；所述头发分割卷积神经网络是使用MobileNetV2替换SegNet网络中的encoder网络结构；

头发颜色合格判断单元，用于使用头发颜色合格判断模型判断第一分割图像的头发颜色是否合格；

头发颜色矫正单元，用于在所述头发颜色不合格时，对所述证件照中的头发颜色进行染色以获取矫正后的证件照；

所述证件照还包括如下单元：

去色单元，用于对所述证件照的头发区域进行去色处理，将头发区域颜色的色相和饱和度信息去掉，只保留亮度信息；

亮度调整单元，对去掉色相和饱和度信息的头发区域进行亮度调整；

所述亮度调整单元，在亮度调整时，先统计头发区域颜色亮色像素或者是暗色像素的占比，当所述亮色像素占比大于第一预设值时，对所述亮度进行调节；直至所述亮色 像素占比小于第一预设值，结束亮度调整；

所述亮度调整公式如下：

其中， 为像素的生成的像素值，P为像素的原像素值，B为明亮系数取值范围为[‑1,

1]，k为约束系数。

4.一种非易失性存储介质，所述介质上存储有指令，所述指令在被执行时，用以实现如权利要求1‑2中任一项所述的证件照头发颜色矫正方法。

说明书

一种证件照头发颜色矫正方法、装置及介质

技术领域

[0001] 本发明涉及图像技术领域，具体来说，涉及一种证件照头发颜色矫正方法、装置及介质。

背景技术

[0002] 在使用证件照进行拍摄时，用户必须严格按照证件照的标准进行梳妆打扮，在拍摄身份证等证件照时，由于不能染发，导致很多染发的用户无法通过检测，从而无法在证件
照拍照机上当场拍摄合格的身份证相片。

[0003] 在现有的技术中，参考文献1提供了一种证件照片的生成方法、客户端及服务端。其中，方法包括：在接收到预设指令的情况下，获取初始图像；初始图像为待生成证件照片
的图像；将初始图像发送给服务端；接收服务端发送的目标图像；目标图像为服务端通过训
练后的卷积神经网络模型，对初始图像进行人物识别和背景去除得到的图像；训练后的卷
积神经网络模型为通过深度学习技术对预设的卷积神经网络模型训练得到；获取目标图像
处理参数；目标图像处理参数至少包括：头像占比、背景填充颜色和图像比例；依据目标图
像处理参数，对目标图像进行背景填充与裁剪，得到证件照片。该技术缺少对头发的细致评
判，导致即便是机检通过之后，染发的客户照片仍然不符合证件照的要求。

[0004] 参考文献2提供了一种SegNet分割网络，用于实现图片的分割。

[0005] 参考文献1：CN202010191062.0

[0006] 参考文献2：SegNet: A Deep Convolutional Encoder‑Decoder Architecture for Image Segmentation，Vijay Badrinarayanan，et al.

[0007] 本文提供的背景描述用于总体上呈现本公开的上下文的目的。除非本文另外指示，在该章节中描述的资料不是该申请的权利要求的现有技术并且不要通过包括在该章节
内来承认其成为现有技术。

发明内容

[0008] 针对相关技术中的上述技术问题，本发明提出一种证件照头发颜色矫正方法，其包括如下步骤：

[0009] S1，使用头发分割卷积神经网络对证件照进行头发分割，获取第一分割图像，所述第一分割图像为仅包含头发区域的图像；

[0010] S2，使用头发颜色合格判断模型判断第一分割图像的头发颜色是否合格；

[0011] S3，在所述头发颜色不合格时，对所述证件照中的头发颜色进行染色以获取矫正后的证件照。

[0012] 具体的，所述头发分割卷积神经网络是使用MobileNetV2替换SegNet网络中的encoder网络结构。

[0013] 具体的，所述步骤S2具体为：

[0014] S21、获取所述第一分割图像中头发区域总像素N；

[0015] S22、创建长宽为（n，n）的三通道图像O，其中 ；

[0016] S23、将所述头发区域的像素按照顺序填充到所述三通道图像O中；

[0017] S24、将所述三通道图像O输入头发颜色合格判断模型判断所述头发的颜色是否合格。

[0018] 具体的，对所述证件照的头发颜色进行染色包括如下步骤：

[0019] S31，对所述证件照的头发区域进行去色处理，将头发区域颜色的色相和饱和度信息去掉，只保留亮度信息；

[0020] S32，对去掉色相和饱和度信息的头发区域进行亮度调整。

[0021] 具体的，在亮度调整时，先统计头发区域颜色亮色像素或者是暗色像素的占比，当所述亮色像素占比大于第一预设值时，对所述亮度进行调节。直至所述亮色像素占比小于
第一预设值，结束亮度调整。

[0022] 具体的，所述亮度调整公式如下：

[0023]

[0024] 其中， 为像素的生成的像素值，P为像素的原像素值，B为明亮系数取值范围为[‑1,1]，k为约束系数。

[0025] 第二方面，本发明的另一个实施例公开了一种证件照拍照机，所述拍照机包括如下单元：

[0026] 头发分割单元，用于使用头发分割卷积神经网络对证件照进行头发分割，获取第一分割图像，所述第一分割图像为仅包含头发区域的图像；

[0027] 头发颜色合格判断单元，用于使用头发颜色合格判断模型判断第一分割图像的头发颜色是否合格；

[0028] 头发颜色矫正单元，用于在所述头发颜色不合格时，对所述证件照中的头发颜色进行染色以获取矫正后的证件照。

[0029] 具体的，所述头发分割卷积神经网络是使用MobileNetV2替换SegNet网络中的encoder网络结构。

[0030] 具体的，对所述证件照还包括如下单元：

[0031] 去色单元，用于对所述证件照的头发区域进行去色处理，将头发区域颜色的色相和饱和度信息去掉，只保留亮度信息；

[0032] 亮度调整单元，对去掉色相和饱和度信息的头发区域进行亮度调整。

[0033] 具体的，在亮度调整时，先统计头发区域颜色亮色像素或者是暗色像素的占比，当所述亮色像素占比大于第一预设值时，对所述亮度进行调节。直至所述亮色像素占比小于
第一预设值，结束亮度调整。

[0034] 第三方面，本发明的另一个实施例提供了一种非易失性存储介质，所述介质上存储有指令，所述指令在被执行时，用以实现上述的证件照头发颜色矫正方法。

[0035] 本发明首先对证件照进行分割以获取头发区域，并判断证件照中的头发是否符合拍照标准，以及对不符合标准的头发颜色进行自动校正，可以提高用户的操作体验，节省用
户的拍摄时间，为染发的用户带来方便。此外，本实施例使用mobileNetV2代替SegNet的
encoder网络，从而使得本实施例的头发卷积分割网络可以满足嵌入式的要求。

附图说明

[0036] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施
例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获
得其他的附图。

[0037] 图1是本发明实施例提供一种证件照头发颜色矫正方法的流程图；

[0038] 图2是本发明实施例提供的SegNet网络结构示意图；

[0039] 图3是本发明实施例提供的一种证件照拍照机示意图；

[0040] 图4是本发明实施例提供的一种证件照头发颜色矫正设备示意图。

具体实施方式

[0041] 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所获得的所有其他实施例，都属于本发明保护的
范围。

[0042] 实施例一

[0043] 参考图1，本实施例提供了一种证件照颜色校正方法，其包括如下步骤：

[0044] S1，使用头发分割卷积神经网络对证件照进行头发分割，获取第一分割图像，所述第一分割图像为仅包含头发区域的图像；

[0045] 参考图2，图2是SegNet网络结构示意图，SegNet网络主要有两部分组成：encoder与decoder。encoder是一个沿用VGG16的网络模型，主要对物体信息进行解析。decoder将解
析后的信息对应成最终的图像形式，即每个像素都用对应其物体信息的颜色（或者是
label）来表示。

[0046] 本实施例使用卷积神经网络对头发进行分割。此外由于拍照机的头发颜色判断和矫正需要本地部署，本实施例采用SegNet对证件照头发部分进行精细分割，但由于需要保
证分割质量的情况下兼顾速度，所以本实施例利用MobileNetV2对SegNet的主干网络进行
改进，确保精度可以满足需求的情况下，在速度上满足嵌入式要求。

[0047] 本实施例的头发分割卷积神经网络是使用MobileNetV2替换SegNet网络中的encoder网络结构。

[0048] 本实施例使用头发分割卷积神经网络对证件照进行头发分割具体为：将输入待分割的样本图 长宽用resize函数变换成（224,224,3）的图片。使用（1,1,3,32,2）的卷积核
对输入图片进行卷积得到（112,112,32）的特征图，再经过尺寸为（6,16,1,1）的bottleneck
卷积得到（112,112,16）的特征图，继续经过尺寸为（6,24,2,2）的bottleneck卷积得到（56,
56,24）的特征图，继续经过尺寸为（6,32,3,2）的bottleneck卷积得到（28,28,32）的特征
图，再继续经过尺寸为（6,64,4,2）的bottleneck卷积得到（28,28,64）的特征图，再继续经
过（6,96,3,1）的bottleneck卷积得到（14,14,96）的特征图，继续经过（6,160,3,2）的
bottleneck卷积得到（7,7,160）的特征图。将最后得到的（7,7,160）尺寸的特征图拼接至
SegNet的Decoder的Zeropad部分，SegNet的Decoder部分还是用原来的网络结构。

[0049] 具体的所述头发分割卷积神经网络的训练过程如下：

[0050] （1）头发分割数据集制作

[0051] （1a）采用拍照机对500个志愿者不头发同状态下进行拍照，例如头发散乱、头发规整等不同情况，每个人共计10张照片，总计5000张照片，得到样本集 ，
其中， 为第i张照片。

[0052] （1b）利用图像标注工具对样本集 进行像素级标注得到 ，其中， 为第i张样本的标注图片。

[0053] （2）头发分割数据集扩充

[0054] （2a）将训练集样本对 和 进行平移操作，即将 数据集中的每个样本对的任意像素（ ）沿着x轴随机平移 个像素，沿着y轴随机平移 个像素，得到（ ），其中
， ，W和H分别为图像的宽和高。

[0055] （2b）将训练集样本对 和 进行旋转操作，即将 数据集中的每个样本的任意像素（ ）以图像中心（ ，）为旋转点沿着顺时针方向随机旋转A度，得到（ ），其中A
。

[0056] 采用交叉熵作为损失函数，利用SGD作为优化器，将 数据集以每个批次128对图像送入网络进行模型训练，以每个批次32对图像进行模型验证。

[0057] S2，使用头发颜色合格判断模型判断所述头发的颜色是否合格；

[0058] 本实施例的头发颜色合格判断模型为mobilenetV2。

[0059] 获取步骤S1输出的头发区域的图像，统计出所述头发区域总像素为N，创建长宽为（n，n）的三通道图像O，其中 ，并将所述三通道图像O作为头发颜色合格判断模
型的输入。所述头发区域的像素按照顺序填充到所述三通道图像O，具体的可以是遍历分割
出来头发区域的像素并将其按照顺序填充至图像。

[0060] 具体的，步骤S2为，将所述第一分割图像中的头发区域作为头发颜色合格判断模型的输入；即步骤S2为，使用头发颜色合格判断模型判断所述第一分割图像中的头发区域
的所述头发的颜色是否合格。

[0061] 本步骤S2包括：S21、获取所述第一分割图像中头发区域总像素N；

[0062] S22、创建长宽为（n，n）的三通道图像O，其中 ；

[0063] S23、将所述头发区域的像素按照顺序填充到所述三通道图像O中；

[0064] S24、将所述三通道图像O输入头发颜色合格判断模型判断所述头发的颜色是否合格。

[0065] 本实施例重新将分割出来的头发区域进行图像像素的排列，一方面可以减少待输入图像的大小，另一方面还可以提高对头发颜色识别的准确性。因识别出来的每一个图像
的头发区域的大小不同，如果直接以头发区域作为模板或者是仅保留头发区域但其他区域
置为0，其一方面会增大输入图像的大小，也带来一些对于0的计算。因此，本实施通过上述
处理可以仅保留头发区域，并且仅包含头发区域的像素，可以有效的提高对头发颜色识别
的准确性。

[0066] 将三通道图像O长宽用resize函数变换成（224,224,3）的图片。使用（1,1,3,32,2）的卷积核对输入图片进行卷积得到（112,112,32）的特征图，再经过尺寸为（6,16,1,1）的
bottleneck卷积得到（112,112,16）的特征图，继续经过尺寸为（6,24,2,2）的bottleneck卷
积得到（56,56,24）的特征图，继续经过尺寸为（6,32,3,2）的bottleneck卷积得到（28,28,
32）的特征图，再继续经过尺寸为（6,64,4,2）的bottleneck卷积得到（28,28,64）的特征图，
再继续经过（6,96,3,1）的bottleneck卷积得到（14,14,96）的特征图，继续经过（6,160,3,
2）的bottleneck卷积得到（7,7,160）的特征图。经过（6,320,1,1）的bottleneck卷积得到
（7,7,320）的特征图，继续使用（1,1,1280,1）的卷积核进行卷积得到尺寸为（7,7,1280）的
特征图，使用（7,7）大小的avgpool得到尺寸为（1,1,1280）的特征图，再使用（1,1,1280,2,
1）的卷积核得到尺寸为（1,1,2）的特征图，最后再用交叉熵作为训练损失函数，其计算方式
如下：

[0067]

[0068] 具体的头发颜色合格判断模型的训练过程如下：

[0069] （3）头发颜色合格判定数据集制作

[0070] （3a）对X数据集按照证件照的头发颜色评判标准进行分类标注，头发颜色合格的分为一类，头发颜色不合格的分为另外一类。

[0071] （3b）统计出头发区域总像素为N，创建长宽为（n，n）的三通道图像 ，其中。遍历分割出来头发区域的像素将其按照顺序填充至图像 ，并将其长宽变换
成（224,224）,则整个X数据集可制作成 ，其中 为尺寸为（224,224,3）
的头发颜色输入图片，其标注信息记作 ，为头发是否标准的分类信
息，标准记为1，不标准记为0，编码形式为OneHot编码。

[0072] 利用SGD作为优化器，将 数据集以每个批次128对图像送入头发分类网络进行模型训练，以每个批次32对图像进行模型验证。

[0073] S3，在所述头发颜色不合格时，对所述证件照中的头发颜色进行染色以获取矫正后的证件照。

[0074] 具体的，对所述证件照的头发颜色进行染色包括如下步骤：

[0075] S31，对所述证件照的头发区域进行去色处理，将头发区域颜色的色相和饱和度信息去掉，只保留亮度信息。

[0076] 本步骤的具体公式如下：

[0077]

[0078] 其中， 为像素的生成的R、G、B颜色值，R为像素的红色通道值、G为像素的绿色通道值、B为像素的蓝色通道值。

[0079] S32，对去掉色相和饱和度信息的头发区域进行亮度调整。

[0080] 具体本步骤的亮度调整公式如下：

[0081]

[0082] 其中， 为像素的生成的像素值，P为像素的原像素值，B为明亮系数取值范围为[‑1,1]，k为约束系数。

[0083] 具体的，在亮度调整时，先统计头发区域颜色亮色像素或者是暗色像素的占比，当所述亮色像素占比大于第一预设值时，对所述亮度进行调节。直至所述亮色像素占比小于
第一预设值，结束亮度调整。

[0084] 具体的，第一预设值为10%。所述亮色像素为像素值大于第二预设值的像素，一般的第二预设值为50。

[0085] 本实施例的调整亮度的时候一般采用试探性策略，即先统计头发区域颜色亮色像素或者是暗色像素的占比，其分界线为50，即像素值小于50的为暗色像素，大于50的为亮色
像素。当亮色像素占比大于10%的时候，将明亮系数调低一个档次，进行计算，再判断所占比
例是否大于10%，若大于10%，则继续调低一个档次，若占比小于10%，则调整完毕。

[0086] 本实施例可以判别证件照用户拍照时头发是否符合拍照标准，以及对不符合标准的头发颜色进行自动校正，可以提高用户的操作体验，节省用户的拍摄时间，为染发的用户
带来方便。此外，本实施例使用mobileNetV2代替SegNet的encoder网络，从而使得本实施例
的头发卷积分割网络可以满足嵌入式的要求。

[0087] 实施例二

[0088] 参考图3，本实施例公开了一种证件照拍照机，所述证件照拍摄机包括如下单元：

[0089] 头发分割单元，用于使用头发分割卷积神经网络对证件照进行头发分割，获取第一分割图像，所述第一分割图像为仅包含头发区域的图像；

[0090] 本实施例的所述头发分割卷积神经网络是使用MobileNetV2替换SegNet网络中的encoder网络结构。

[0091] 头发颜色合格判断单元，用于使用头发颜色合格判断模型判断第一分割图像的头发颜色是否合格；

[0092] 本实施例的头发颜色合格判断模型为mobileNetV2。

[0093] 本实施例的头发颜色合格判断单元，获取头发分割单元输出的头发区域的图像，统计出所述头发区域总像素为N，创建长宽为（n，n）的三通道图像O，其中 ，并
将所述三通道图像O作为头发颜色合格判断模型的输入。所述头发区域的像素按照顺序填
充到所述三通道图像O，具体的可以是遍历分割出来头发区域的像素并将其按照顺序填充
至图像。

[0094] 具体的，头发颜色合格判断单元，用于将所述第一分割图像中的头发区域作为头发颜色合格判断模型的输入；即头发颜色合格判断单元，用于使用头发颜色合格判断模型
判断所述第一分割图像中的头发区域的所述头发的颜色是否合格。

[0095] 头发颜色合格判断单元还包括：头发总像素获取单元、用于获取所述第一分割图像中头发区域总像素N；

[0096] 三通道图像创建单元、用于创建长宽为（n，n）的三通道图像O，其中 ；

[0097] 像素填充单元、用于将所述头发区域的像素按照顺序填充到所述三通道图像O中；

[0098] 头发颜色判断子单元、用于将所述三通道图像O输入头发颜色合格判断模型判断所述头发的颜色是否合格。

[0099] 头发颜色矫正单元，用于在所述头发颜色不合格时，对所述证件照中的头发颜色进行染色以获取矫正后的证件照。

[0100] 对所述证件照还包括如下单元：

[0101] 去色单元，用于对所述证件照的头发区域进行去色处理，将头发区域颜色的色相和饱和度信息去掉，只保留亮度信息；

[0102] 去色单元的具体公式如下：

[0103]

[0104] 其中， 为像素的生成的R、G、B颜色值，R为像素的红色通道值、G为像素的绿色通道值、B为像素的蓝色通道值。

[0105] 亮度调整单元，对去掉色相和饱和度信息的头发区域进行亮度调整。

[0106] 亮度调整公式如下：

[0107]

[0108] 其中， 为像素的生成的像素值，P为像素的原像素值，B为明亮系数取值范围为[‑1,1]，k为约束系数。

[0109] 具体的，在亮度调整时，先统计头发区域颜色亮色像素或者是暗色像素的占比，当所述亮色像素占比大于第一预设值时，对所述亮度进行调节。直至所述亮色像素占比小于
第一预设值，结束亮度调整。

[0110] 具体的，第一预设值为10%。所述亮色像素为像素值大于第二预设值的像素，一般的第二预设值为50。

[0111] 本实施例的调整亮度的时候一般采用试探性策略，即先统计头发区域颜色亮色像素或者是暗色像素的占比，其分界线为50，即像素值小于50的为暗色像素，大于50的为亮色
像素。当亮色像素占比大于10%的时候，将明亮系数调低一个档次，进行计算，再判断所占比
例是否大于10%，若大于10%，则继续调低一个档次，若占比小于10%，则调整完毕。

[0112] 本实施例的证件照拍照机可以判别证件照用户拍照时头发是否符合拍照标准，以及对不符合标准的头发颜色进行自动校正，可以提高用户的操作体验，节省用户的拍摄时
间，为染发的用户带来方便。此外，本实施例使用mobileNetV2代替SegNet的encoder网络，
从而使得本实施例的头发卷积分割网络可以满足嵌入式的要求。

[0113] 实施例三

[0114] 参考图4，图4是本实施例的一种证件照头发研发矫正设备的结构示意图。该实施例的证件照头发研发矫正设备20包括处理器21、存储器22以及存储在所述存储器22中并可
在所述处理器21上运行的计算机程序。所述处理器21执行所述计算机程序时实现上述方法
实施例中的步骤。或者，所述处理器21执行所述计算机程序时实现上述各装置实施例中各
模块/单元的功能。

[0115] 示例性的，所述计算机程序可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器22中，并由所述处理器21执行，以完成本发明。所述一个
或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描
述所述计算机程序在所述证件照头发研发矫正设备20中的执行过程。例如，所述计算机程
序可以被分割成实施例二中的各个模块,各模块具体功能请参考上述实施例所述的装置的
工作过程，在此不再赘述。

[0116] 所述证件照头发研发矫正设备20可包括，但不仅限于，处理器21、存储器22。本领域技术人员可以理解，所述示意图仅仅是证件照头发研发矫正设备20的示例，并不构成对
证件照头发研发矫正设备20的限定，可以包括比图示更多或更少的部件，或者组合某些部
件，或者不同的部件，例如所述证件照头发研发矫正设备20还可以包括输入输出设备、网络
接入设备、总线等。

[0117] 所述处理器21可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器  (Digital Signal Processor，DSP)、专用集成电路 
(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列 (Field‑
Programmable Gate Array，FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器
件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理
器等，所述处理器21是所述证件照头发研发矫正设备20的控制中心，利用各种接口和线路
连接整个证件照头发研发矫正设备20的各个部分。

[0118] 所述存储器22可用于存储所述计算机程序和/或模块，所述处理器21通过运行或执行存储在所述存储器22内的计算机程序和/或模块，以及调用存储在存储器22内的数据，
实现所述证件照头发研发矫正设备20的各种功能。所述存储器22可主要包括存储程序区和
存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序（比如声音
播放功能、图像播放功能等）等；存储数据区可存储根据手机的使用所创建的数据（比如音
频数据、电话本等）等。此外，存储器22可以包括高速随机存取存储器，还可以包括非易失性
存储器，例如硬盘、内存、插接式硬盘，智能存储卡（Smart Media Card, SMC），安全数字
（Secure Digital, SD）卡，闪存卡（Flash Card）、至少一个磁盘存储器件、闪存器件、或其
他易失性固态存储器件。

[0119] 其中，所述证件照头发研发矫正设备20集成的模块/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，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序
来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算
机程序在被处理器21执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包
括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或
某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实
体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM，Read‑
Only Memory）、随机存取存储器（RAM，Random Access Memory）、电载波信号、电信信号以及
软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内
立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计
算机可读介质不包括电载波信号和电信信号。

[0120] 需说明的是，以上所描述的装置实施例仅仅是示意性的，其中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模块来实现本实施例方案的目的。另外，本发明提供的装置
实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或
多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解
并实施。

[0121] 以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。