一种移动终端的人脸与发型匹配模型，基于移动终端的人脸与发型匹配模型包括手机移动终端和服务器两部分，其中，手机移动终端采集人脸轮廓特征向量并发送给服务器，服务器向手机移动终端反馈给手机移动终端。手机移动终端采集人脸图像，图像是选取已有照片或者拍照获得并自动计算人脸轮廓，提取人脸轮廓特征向量；将特征向量提交给服务器，接收服务器返回的脸型类别；根据脸型类别推荐发型。服务器接收手机发来的人脸轮廓特征向量，基于K近邻算法判断脸型类别，将脸型类别结果发送给手机客户端。借助人脸识别和K近邻算法对脸型分类，计算模型简洁高效。根据脸型推荐发型，并应用于移动手机平台，操作简单，适用性强。
【技术实现步骤摘要】
本专利技术属于移动应用开发和图像识别领域，涉及一种基于移动终端的人脸脸型识 别和发型匹配模型。
技术介绍
传统的人脸识别技术主要是基于可见光图像的人脸识别，这也是人们熟悉的识别 方式，已有30多年的研发历史。但这种方式有着难以克服的缺陷，尤其在环境光照发生变 化时，识别效果会急剧下降，无法满足实际系统的需要。解决光照问题的方案有三维图像人 脸识别，和热成像人脸识别。但这两种技术还远不成熟，识别效果不尽人意。 迅速发展起来的一种解决方案是基于主动近红外图像的多光源人脸识别技术。它 可以克服光线变化的影响，已经取得了卓越的识别性能，在精度、稳定性和速度方面的整体 系统性能超过三维图像人脸识别。这项技术在近两三年发展迅速，使人脸识别技术逐渐走 向实用化。 人脸与人体的其它生物特征（指纹、虹膜等）一样与生俱来，它的唯一性和不易被 复制的良好特性为身份鉴别提供了必要的前提，与其它类型的生物识别比较人脸识别具有 如下特点：非强制性：用户不需要专门配合人脸采集设备，几乎可以在无意识的状态下就 可获取人脸图像，这样的取样方式没有"强制性";非接触性：用户不需要和设备直接接触就 能获取人脸图像；并发性：在实际应用场景下可以进行多个人脸的分拣、判断及识别；除此 之外，还符合视觉特性："以貌识人"的特性，以及操作简单、结果直观、隐蔽性好等特点。 当前，移动应用领域存在一些发型设计软件，例如基于Android平台的发型屋、臭 美发型和基于IOS平台的改发型等，这些应用或向用户推荐当下流行的发型，或可以让用 户通过拍照试用发型，功能也基本包括选取照片（通过拍摄或本地获得），选择发型，放置 发型，拖拽发型，调整发型等。 移动终端借助人脸识别技术的发型推荐应用还处于研宄阶段，成熟产品较少。因 此，适时适当的提出和改进现有的人脸识别方法，同时将其与移动终端相匹配具有非常重 要的研宄意义。
技术实现思路
基于移动终端的人脸与发型匹配模型是在手机的照片上添加发型，自动识别照片 中人物脸型，根据脸型推荐发型。经过适当调整发型素材（或照片）的大小及其位置，旋转 其角度，真实完美地体验发型试戴效果。模型借助了人脸识别技术，具有人性化的功能设 计，操作简洁，是移动终端领域的新应用。解决的技术问题主要有： (1)人脸脸型识别； (2)不同脸型的发型推荐； (3)友好的移动终端操作：为增加用户体验，设计了灵活多样的手势操作，方便用 户选取照片和调整发型。 为实现上述目的，本专利技术采用的技术方案为一种移动终端的人脸与发型匹配模 型，基于移动终端的人脸与发型匹配模型包括手机移动终端和服务器两部分，其中，手机移 动终端采集人脸轮廓特征向量并发送给服务器，服务器向手机移动终端反馈给手机移动终 端。 手机移动终端采集人脸图像，图像是选取已有照片或者拍照获得并自动计算人脸 轮廓，提取人脸轮廓特征向量；将特征向量提交给服务器，接收服务器返回的脸型类别；根 据脸型类别推荐发型。 服务器接收手机发来的人脸轮廓特征向量，基于K近邻算法判断脸型类别，将脸 型类别结果发送给手机客户端。 基于移动终端的人脸与发型匹配模型包括以下步骤： 步骤一，手机移动客户端获取人脸图像，图像来源于已有照片或者启动拍照功能 拍摄完成。 步骤二，手机移动客户端通过ASM(主动形状模型）算法获得人脸轮廓，提取人脸 轮廓特征向量。由于可能有刘海，脸的上部会遮挡，因此人脸轮廓特征向量采用脸部下方轮 廓，由 20 个像素组成，。 步骤三，手机移动客户端将人脸轮廓特征向量发送给服务器。 步骤四，服务器接收人脸轮廓特征向量，分析脸型类别。分析方法如下： (1)特征向量归一化；计算特征向量的中心位置（X。，y。）【主权项】1. 一种移动终端的人脸与发型匹配模型，其特征在于：基于移动终端的人脸与发型匹 配模型包括手机移动终端和服务器两部分，其中，手机移动终端采集人脸轮廓特征向量并 发送给服务器，服务器向手机移动终端反馈给手机移动终端。 手机移动终端采集人脸图像，图像是选取已有照片或者拍照获得并自动计算人脸轮 廓，提取人脸轮廓特征向量；将特征向量提交给服务器，接收服务器返回的脸型类别；根据 脸型类别推荐发型。 服务器接收手机发来的人脸轮廓特征向量，基于K近邻算法判断脸型类别，将脸型类 别结果发送给手机客户端。 基于移动终端的人脸与发型匹配模型包括W下步骤： 步骤一，手机移动客户端获取人脸图像，图像来源于已有照片或者启动拍照功能拍摄 完成。 步骤二，手机移动客户端通过ASM(主动形状模型）算法获得人脸轮廓，提取人脸轮廓 特征向量。由于可能有刘海，脸的上部会遮挡，因此人脸轮廓特征向量采用脸部下方轮廓， 由 20 个像素组成，。 步骤=，手机移动客户端将人脸轮廓特征向量发送给服务器。 步骤四，服务器接收人脸轮廓特征向量，分析脸型类别。分析方法如下： (1) 特征向量归一化；计算特征向量的中屯、位置（Xt，y。）式中，X。表示人脸特征向量的横向中屯、点；y。表示人脸特征向量的纵向中屯、点；i表示 人脸特征向量各个位置点， 每个点做平移变换，计算新位置（X'i，y' 1) X'i=Xi_Xc l'i=li~lc X'i表示人脸特征向量平移变换后的横向中屯、点；y'i表示人脸特征向量平移变换后 的纵向中屯、点； 向量归一化至的范围，归一化方法如下：式中，Xmi。表示人脸特征向量归一化的横向最小点，Xm。读示人脸特征向量归一化的横 向最大点；ymi。表示人脸特征向量归一化的纵向最小点，y表示人脸特征向量归一化的纵 向最大点； (2) 采用K近邻算法分析人脸轮廓所属类别，方法如下： 服务器端存储了已标好类别的圆形、楠圆形、方形和=角形人脸的特征向量样本库。待 分类样本与样本库中的所有特征向量计算欧式距离，选取前K个距离最近的样本。K个样本 中，将类别最多的标识为未知样本的脸型类别。 步骤五，服务器将脸型分析结果发送给手机客户端。 步骤六，移动客户端接收脸型类别结果，根据脸型推荐发型。 步骤走，发型展示，支持手势操作，包括发型推荐或者自由选取发型，图片放大、缩小、 旋转、平移。【专利摘要】一种移动终端的人脸与发型匹配模型，基于移动终端的人脸与发型匹配模型包括手机移动终端和服务器两部分，其中，手机移动终端采集人脸轮廓特征向量并发送给服务器，服务器向手机移动终端反馈给手机移动终端。手机移动终端采集人脸图像，图像是选取已有照片或者拍照获得并自动计算人脸轮廓，提取人脸轮廓特征向量；将特征向量提交给服务器，接收服务器返回的脸型类别；根据脸型类别推荐发型。服务器接收手机发来的人脸轮廓特征向量，基于K近邻算法判断脸型类别，将脸型类别结果发送给手机客户端。借助人脸识别和K近邻算法对脸型分类，计算模型简洁高效。根据脸型推荐发型，并应用于移动手机平台，操作简单，适用性强。【IPC分类】G06F17-50, G06K9-00【公开号】CN104794275【申请号】CN201510182209【专利技术人】刘畅, 孙连英, 岑福燕 【申请人】北京联合大学【公开日】2015年7月22日【申请日】2015年4月16日本文档来自技高网...
【技术保护点】
一种移动终端的人脸与发型匹配模型，其特征在于：基于移动终端的人脸与发型匹配模型包括手机移动终端和服务器两部分，其中，手机移动终端采集人脸轮廓特征向量并发送给服务器，服务器向手机移动终端反馈给手机移动终端。手机移动终端采集人脸图像，图像是选取已有照片或者拍照获得并自动计算人脸轮廓，提取人脸轮廓特征向量；将特征向量提交给服务器，接收服务器返回的脸型类别；根据脸型类别推荐发型。服务器接收手机发来的人脸轮廓特征向量，基于K近邻算法判断脸型类别，将脸型类别结果发送给手机客户端。基于移动终端的人脸与发型匹配模型包括以下步骤：步骤一，手机移动客户端获取人脸图像，图像来源于已有照片或者启动拍照功能拍摄完成。步骤二，手机移动客户端通过ASM(主动形状模型)算法获得人脸轮廓，提取人脸轮廓特征向量。由于可能有刘海，脸的上部会遮挡，因此人脸轮廓特征向量采用脸部下方轮廓，由20个像素组成，[x1,y1,x2,y2,x3,y3,…x20,y20]。步骤三，手机移动客户端将人脸轮廓特征向量发送给服务器。步骤四，服务器接收人脸轮廓特征向量，分析脸型类别。分析方法如下：(1)特征向量归一化；计算特征向量的中心位置(xc,yc)xc=1nΣi=1nxi]]>yc=1nΣi=1nyi]]>式中，xc表示人脸特征向量的横向中心点；yc表示人脸特征向量的纵向中心点；i表示人脸特征向量各个位置点，每个点做平移变换，计算新位置(x′i，y′i)x′i＝xi‑xcy′i＝yi‑ycx′i表示人脸特征向量平移变换后的横向中心点；y′i表示人脸特征向量平移变换后的纵向中心点；向量归一化至[0‑1]的范围，归一化方法如下：xi′=xi-xminxmax-xmin]]>yi′=yi-yminymax-ymin]]>式中，xmin表示人脸特征向量归一化的横向最小点，xmax表示人脸特征向量归一化的横向最大点；ymin表示人脸特征向量归一化的纵向最小点，ymax表示人脸特征向量归一化的纵向最大点；(2)采用K近邻算法分析人脸轮廓所属类别，方法如下：服务器端存储了已标好类别的圆形、椭圆形、方形和三角形人脸的特征向量样本库。待分类样本与样本库中的所有特征向量计算欧式距离，选取前K个距离最近的样本。K个样本中，将类别最多的标识为未知样本的脸型类别。步骤五，服务器将脸型分析结果发送给手机客户端。步骤六，移动客户端接收脸型类别结果，根据脸型推荐发型。步骤七，发型展示，支持手势操作，包括发型推荐或者自由选取发型，图片放大、缩小、旋转、平移。...
【技术特征摘要】
【专利技术属性】
技术研发人员：刘畅，孙连英，岑福燕，
申请(专利权)人：北京联合大学，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。