一种基于机器学习的人脸风格化方法及电子设备技术

本发明专利技术公开了一种基于机器学习的人脸风格化方法，所述方法包括：对人脸图像，预设的人脸图库中的所有图像以及与所述预设的人脸库对应的风格化图像库中的所有风格化图像按照相同的规则进行分片；对于所述人脸图像中的每个分片，在预设的人脸库中查找与其最相近的N个图像分片；根据查找到的N个图像分片与所述人脸图像中对应分片的相似度分别计算每个图像分片的权重；获取所述N个图像分片在风格化图像库中对应的N个风格化图像分片；根据所述权重将所述N个风格化图像分片合成为所述人脸图像分片的风格化分片；将所述人脸图像的所有分片的风格化分片合成为所述人脸图像的风格化图像。该方法具有算法简单，具有效率高、速度快的优点。

A method of face stylization based on machine learning and electronic equipment

The invention discloses a machine learning based face style method, the method includes: the face image, all the style style image database for all images in the gallery face default and default and the corresponding database in accordance with the same rules for each of the parts; the face image slice, and find the most similar N image slices in the face database default; the weight of each image slice were calculated according to the similarity search to the N image slice and the image of the face of the corresponding slice; obtain the N image slice of N a stylized image corresponding to the slice image library in style; according to the weight of the N style image slice synthesis for the face image slice style slice; the face image of all the fragments of the style The slice is synthesized into a stylized image of the face image. This method has the advantages of simple algorithm, high efficiency and fast speed.

【技术实现步骤摘要】
一种基于机器学习的人脸风格化方法及电子设备
本专利技术涉及人脸风格化领域，特别涉及一种基于机器学习的人脸风格化方法及电子设备。
技术介绍
现有的基于机器学习的人脸风格化生成方法，采用了贝叶斯模型，考虑像素点的先验/后验概率，并且结合了马尔可夫模型，因此计算时间较长，完全不能满足手机应用的需求，另外求解完备方程也消耗了较长的时间。
技术实现思路
为了解决上述问题，本专利技术提供一种基于机器学习的人脸风格化方法及电子设备。所述技术方案如下：第一方面，提供了一种基于机器学习的人脸风格化方法，所述方法包括：对人脸图像，预设的人脸图库中的所有图像以及与所述预设的人脸库对应的风格化图像库中的所有风格化图像按照相同的规则进行分片；对于所述人脸图像中的每个分片，在预设的人脸库中查找与其最相近的N个图像分片；根据查找到的N个图像分片与所述人脸图像中对应分片的相似度分别计算每个图像分片的权重；获取所述N个图像分片在风格化图像库中对应的N个风格化图像分片；根据所述权重将所述N个风格化图像分片合成为所述人脸图像分片的风格化分片；将所述人脸图像的所有分片的风格化分片合成为所述人脸图像的风格化图像。结合第一方面，在第一种可能的实现方式中，所述分片的大小为32像素×32像素。结合第一方面，在第二种可能的实现方式中，所述对于所述人脸图像中的每个分片，在预设的人脸库中查找与其最相近的N个图像分片包括：对于所述人脸图像中的每个分片，根据k近邻算法在预设的人脸库中查找与其最相近的N个图像分片。结合第一方面，在第三种可能的实现方式中，所述根据查找到的N个图像分片与所述人脸图像中对应分片的相似度分别计算每个图像分片的权重包括：根据查找到的N个图像分片与所述人脸图像中对应分片的相似度，通过多元线性回归算法分别计算每个图像分片的权重。结合第一方面，在第四种可能的实现方式中，所述将所述人脸图像的所有分片的风格化分片合成为所述人脸图像的风格化图像包括：将所述人脸图像的所有分片的风格化分片以线性组合的方式合成为所述人脸图像的风格化图像。第二方面，提供了一种电子设备，所述电子设备包括：分割模块，用于对人脸图像，预设的人脸图库中的所有图像以及与所述预设的人脸库对应的风格化图像库中的所有风格化图像按照相同的规则进行分片；查找模块，用于对于所述人脸图像中的每个分片，在预设的人脸库中查找与其最相近的N个图像分片；计算模块，用于根据查找到的N个图像分片与所述人脸图像中对应分片的相似度分别计算每个图像分片的权重；获取模块，用于获取所述N个图像分片在风格化图像库中对应的N个风格化图像分片；合成模块，用于根据所述权重将所述N个风格化图像分片合成为所述人脸图像分片的风格化分片；所述合成模块还用于将所述人脸图像的所有分片的风格化分片合成为所述人脸图像的风格化图像。结合第二方面，在第一种可能的实现方式中，所述分片的大小为32像素×32像素。结合第二方面，在第二种可能的实现方式中，所述查找模块具体用于：对于所述人脸图像中的每个分片，根据k近邻算法在预设的人脸库中查找与其最相近的N个图像分片。结合第二方面，在第三种可能的实现方式中，所述计算模块具体用于：根据查找到的N个图像分片与所述人脸图像中对应分片的相似度，通过多元线性回归算法分别计算每个图像分片的权重。结合第二方面，在第四种可能的实现方式中，所述合成模块具体用于：将所述人脸图像的所有分片的风格化分片以线性组合的方式合成为所述人脸图像的风格化图像。第三方面，提供了一种电子设备，所述设备包括存储器、摄像头以及与所述存储器、摄像头连接的处理器，其中，所述存储器用于存储一组程序代码，所述处理器调用所述存储器所存储的程序代码用于执行以下操作：对人脸图像，预设的人脸图库中的所有图像以及与所述预设的人脸库对应的风格化图像库中的所有风格化图像按照相同的规则进行分片；对于所述人脸图像中的每个分片，在预设的人脸库中查找与其最相近的N个图像分片；根据查找到的N个图像分片与所述人脸图像中对应分片的相似度分别计算每个图像分片的权重；获取所述N个图像分片在风格化图像库中对应的N个风格化图像分片；根据所述权重将所述N个风格化图像分片合成为所述人脸图像分片的风格化分片；将所述人脸图像的所有分片的风格化分片合成为所述人脸图像的风格化图像。结合第三方面，在第一种可能的实现方式中，所述分片的大小为32像素×32像素。结合第三方面，在第二种可能的实现方式中，所述处理器调用所述存储器所存储的程序代码用于执行以下操作：对于所述人脸图像中的每个分片，根据k近邻算法在预设的人脸库中查找与其最相近的N个图像分片。结合第三方面，在第三种可能的实现方式中，所述处理器调用所述存储器所存储的程序代码用于执行以下操作：根据查找到的N个图像分片与所述人脸图像中对应分片的相似度，通过多元线性回归算法分别计算每个图像分片的权重。结合第三方面，在第四种可能的实现方式中，所述处理器调用所述存储器所存储的程序代码用于执行以下操作：将所述人脸图像的所有分片的风格化分片以线性组合的方式合成为所述人脸图像的风格化图像。本专利技术实施例提供了一种基于机器学习的人脸风格化方法，能够实时的通过输入图片来生成对应的个性化人脸，图像分块可以使得生成图像具有灵活自动的特点，多元线性回归可以找到合适的系数，从而使得在样本库中对应的到较准确的眼睛，鼻子和嘴的结果，同时算法简单，具有效率高、速度快的优点。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述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专利技术的一些实施例，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。图1是本专利技术实施例提供的一种基于机器学习的人脸风格化方法的流程图；图2是本专利技术实施例提供的一种基于机器学习的人脸风格化方法的流程图；图3是本专利技术实施例提供的一种电子设备的结构示意图；图4是本专利技术实施例提供的一种电子设备的结构示意图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述。本专利技术实施例提供了一种基于机器学习的人脸风格化方法，能够实时的通过输入图片来生成对应的个性化人脸，图像分块可以使得生成图像具有灵活自动的特点，多元线性回归可以找到合适的系数，从而使得在样本库中对应的到较准确的眼睛，鼻子和嘴的结果，同时算法简单，具有效率高、速度快的优点。实施例一本专利技术实施例提供了一种基于机器学习的人脸风格化方法，参照图1所示，方法流程包括：101、对人脸图像，预设的人脸图库中的所有图像以及与所述预设的人脸库对应的风格化图像库中的所有风格化图像按照相同的规则进行分片。具体的，该过程可以包括：将人脸图像，预设的人脸图库中的所有图像以及与所述预设的人脸库对应的风格化图像库中的所有风格化图像按照相同的规则分为大小为32像素×32像素的分片。102、对于所述人脸图像中的每个分片，在预设的人脸库中查找与其最相近的N个图像分片。具体的，该过程可以包括：根据K最近邻(k-NearestNeighbor，KNN)分类算法，取出欧式距离最小的N个图像分片。示例性的，N＝5。103、根据查找到的N个图像分本文档来自技高网...

【技术保护点】
一种基于机器学习的人脸风格化方法，其特征在于，所述方法包括：对人脸图像，预设的人脸图库中的所有图像以及与所述预设的人脸库对应的风格化图像库中的所有风格化图像按照相同的规则进行分片；对于所述人脸图像中的每个分片，在预设的人脸库中查找与其最相近的N个图像分片；根据查找到的N个图像分片与所述人脸图像中对应分片的相似度分别计算每个图像分片的权重；获取所述N个图像分片在风格化图像库中对应的N个风格化图像分片；根据所述权重将所述N个风格化图像分片合成为所述人脸图像分片的风格化分片；将所述人脸图像的所有分片的风格化分片合成为所述人脸图像的风格化图像。

【技术特征摘要】
1.一种基于机器学习的人脸风格化方法，其特征在于，所述方法包括：对人脸图像，预设的人脸图库中的所有图像以及与所述预设的人脸库对应的风格化图像库中的所有风格化图像按照相同的规则进行分片；对于所述人脸图像中的每个分片，在预设的人脸库中查找与其最相近的N个图像分片；根据查找到的N个图像分片与所述人脸图像中对应分片的相似度分别计算每个图像分片的权重；获取所述N个图像分片在风格化图像库中对应的N个风格化图像分片；根据所述权重将所述N个风格化图像分片合成为所述人脸图像分片的风格化分片；将所述人脸图像的所有分片的风格化分片合成为所述人脸图像的风格化图像。2.根据权利要求1所述的方法，其特征在于，所述分片的大小为32像素×32像素。3.根据权利要求1所述方法，其特征在于，所述对于所述人脸图像中的每个分片，在预设的人脸库中查找与其最相近的N个图像分片包括：对于所述人脸图像中的每个分片，根据k近邻算法在预设的人脸库中查找与其最相近的N个图像分片。4.根据权利要求1所述方法，其特征在于，所述根据查找到的N个图像分片与所述人脸图像中对应分片的相似度分别计算每个图像分片的权重包括：根据查找到的N个图像分片与所述人脸图像中对应分片的相似度，通过多元线性回归算法分别计算每个图像分片的权重。5.根据权利要求1所述方法，其特征在于，所述将所述人脸图像的所有分片的风格化分片合成为所述人脸图像的风格化图像包括：将所述人脸图像的所有分片的风格化分片以线性...

【专利技术属性】
技术研发人员：张辉，
申请(专利权)人：掌赢信息科技上海有限公司，
类型：发明
国别省市：上海,31