人脸编辑方法技术

本发明专利技术公开了一种人脸编辑方法，包括：对初始的人脸图像数据集合进行预处理，对图像进行关键点检测，并通过关键点对齐人脸，获得预处理后的人脸图像数据集合S；对人脸图像数据集合S构造人脸形状先验P；利用人脸图像数据集合S与人脸形状先验P训练深度神经网络模型；利用训练好的深度神经网络模型，对获取到的人脸图像及对应的人脸形状先验，来预测人脸分割标签，进而完成人脸编辑操作。

【技术实现步骤摘要】
人脸编辑方法
本专利技术涉及人脸图像处理
，尤其涉及一种人脸编辑方法。
技术介绍
自1837年达盖尔专利技术了摄影术起，图像就开始逐渐走进我们的生活。随着计算机技术和通信技术的快速发展，图像作为一种便捷的信息传递方式，成为了人们获取信息的重要手段。由于包含人的图像在很多领域，例如身份验证、人机交互、监控、取证、医疗诊断和治疗等都有着广泛的应用，促使其成为机器识别和计算机视觉的主要课题之一。更进一步，人脸作为身体中最有代表性的部分，人们能够仅凭面部信息就能够获得极为丰富的含义，如人的性别，种族、年龄、健康、情绪，甚至职业等等。在过去，只有少数训练有素的人可以自由地使用图像处理软件，如使用AdobePhotoshop来编辑脸部图像。然而，它需要一段时间的专业培训，即使对于专业人士，仍然费力和费时。现在，有部分软件公司，基于手机这类便携式移动工具，开发了功能简单的程序，例如，美图秀秀、天天P图等。这类软件虽然上手比较容易，但一键式美化是对整张图像操作，存在调整过度和损失细节的问题，若是用户手工调整，则仍是一个费时的过程。大多数用户需要用最少数量的操作，进行高质量的人脸编辑操作。因此，本文档来自技高网...

【技术保护点】
一种人脸编辑方法，其特征在于，包括：对初始的人脸图像数据集合进行预处理，对图像进行关键点检测，并通过关键点对齐人脸，获得预处理后的人脸图像数据集合S；对人脸图像数据集合S构造人脸形状先验P；利用人脸图像数据集合S与人脸形状先验P训练深度神经网络模型；利用训练好的深度神经网络模型，对输入的人脸图像及对应的人脸形状先验，进行人脸分割标签预测，进而完成人脸编辑操作。

【技术特征摘要】
1.一种人脸编辑方法，其特征在于，包括：对初始的人脸图像数据集合进行预处理，对图像进行关键点检测，并通过关键点对齐人脸，获得预处理后的人脸图像数据集合S；对人脸图像数据集合S构造人脸形状先验P；利用人脸图像数据集合S与人脸形状先验P训练深度神经网络模型；利用训练好的深度神经网络模型，对输入的人脸图像及对应的人脸形状先验，进行人脸分割标签预测，进而完成人脸编辑操作。2.根据权利要求1所述的一种人脸编辑方法，其特征在于，所述人脸图像数据集合S中包括：若干彩色人脸图像以及对应的人脸标签图像；每一彩色人脸图像均为RGB三通道图像；人脸标签图像为单通道图像，分为11类：背景、头发、脸部皮肤、左眉毛、右眉毛、左眼、右眼、鼻子、上嘴唇、口腔与下嘴唇。3.根据权利要求1或2所述的一种人脸编辑方法，其特征在于，将人脸图像数据集合S划分为三个集合：训练集、测试集以及验证集；每一集合中均包含一定数量的彩色人脸图像及对应的人脸标签图像。4.根据权利要求3所述的一种人脸编辑方法，其特征在于，所述对人脸图像数据集合S构造人脸形状先验P包括：给定人脸图像k，利用人脸关键点检测技术，检测人脸图像k和验证集中所有图像的关键点；将验证集中所有图像通过相似变换对齐到人脸图像k，得到转换后的人脸图像数据集合；比较验证集中每一张图像与人脸图像k关于人脸关键点的欧几里得距离li，选择出距离最近的n张图像对应的人脸标签图像；提取每一张人脸标签图像中的8类标签，并将每一类转换为0-1标签，单独作为一个通道，组成新的多通道标签图φi；对多通道标签图φi加权αi，最终获得人脸形状先验P，相关计算公式如下：

【专利技术属性】
技术研发人员：张举勇，李真熙，
申请(专利权)人：中国科学技术大学，
类型：发明
国别省市：安徽,34