【技术实现步骤摘要】
人脸简笔画生成方法及装置
本专利技术涉及计算机
，具体涉及一种人脸简笔画生成方法及装置。
技术介绍
将人脸图像转换为简笔画，在公共安全领域和数字娱乐领域均具有很重要的应用价值。在传统图像处理方法中，如果要使生成的简笔画效果好，需要图像处理方法的运算复杂度很高，这难以满足实时性的需求，随着机器学习技术的发展，基于机器学习的图像处理技术比传统的图像处理技术运算速度高且精确度也高，因此衍生出很多由人脸图像生成简笔画的机器学习模型。然而，这些机器学习模型由人脸图像生成的简笔画的鲁棒性很差，人脸不同区域在图像和简笔画中的外在表达存在很大差异，合成效果不佳。
技术实现思路
本专利技术的目的是针对上述现有技术的不足提出的一种人脸简笔画生成方法及装置，该目的是通过以下技术方案实现的。本专利技术的第一方面提出了一种人脸简笔画生成方法，所述方法包括：从接收到的图像中裁剪出人脸图像，并识别所述人脸图像中人脸各部位区域；复制所述人脸图像并从复制的人脸图像中裁剪出每一部位区域对应的图像...
【技术保护点】
1.一种人脸简笔画生成方法，其特征在于，所述方法包括：/n从接收到的图像中裁剪出人脸图像，并识别所述人脸图像中人脸各部位区域；/n复制所述人脸图像并从复制的人脸图像中裁剪出每一部位区域对应的图像块；/n将所述人脸图像输入已训练的全局肖像生成模型，以使所述全局肖像生成模型生成所述人脸图像的全局人脸简笔画；/n针对每一部位区域的图像块，将该图像块输入该部位区域对应的局部肖像生成模型，以使所述局部肖像生成模型生成该部位区域的局部人脸简笔画；/n将所述全局人脸简笔画和各个局部人脸简笔画进行融合，得到最终人脸简笔画。/n
【技术特征摘要】
1.一种人脸简笔画生成方法，其特征在于，所述方法包括：
从接收到的图像中裁剪出人脸图像，并识别所述人脸图像中人脸各部位区域；
复制所述人脸图像并从复制的人脸图像中裁剪出每一部位区域对应的图像块；
将所述人脸图像输入已训练的全局肖像生成模型，以使所述全局肖像生成模型生成所述人脸图像的全局人脸简笔画；
针对每一部位区域的图像块，将该图像块输入该部位区域对应的局部肖像生成模型，以使所述局部肖像生成模型生成该部位区域的局部人脸简笔画；
将所述全局人脸简笔画和各个局部人脸简笔画进行融合，得到最终人脸简笔画。
2.根据权利要求1所述的方法，其特征在于，从接收到的图像中裁剪出人脸图像，包括：
将所述图像输入已训练的人脸检测模型，以使所述人脸检测模型检测所述图像中的人脸，并预测人脸关键点的位置；
依据所述人脸关键点的位置对所述图像进行仿射变换，以校正所述图像中的人脸；
从仿射变换后的图像中裁剪出设定尺寸的人脸图像。
3.根据权利要求1所述的方法，其特征在于，识别人脸图像中人脸各部位区域，包括：
将所述人脸图像输入已训练的人脸解析模型，以使所述人脸解析模型对所述人脸图像中的人脸各部位区域进行分割，得到各部位区域在人脸图像中的位置。
4.根据权利要求1所述的方法，其特征在于，所述全局肖像生成模型生成所述人脸图像的全局人脸简笔画，包括：
通过本全局肖像生成模型中的输入模块获取简笔画风格图像，并将所述简笔画风格图像和所述人脸图像输出给本全局肖像生成模型中的编码模块；
所述编码模块分别提取所述简笔画风格图像的第一特征图和所述人脸图像的第二特征图并输出给本全局肖像生成模型中的风格自适应模块；
所述风格自适应模块基于所述第一特征图和所述第二特征图获得风格特征图并输出给本全局肖像生成模型中的解码模块；
所述解码模块基于所述风格特征图合成全局人脸简笔画。
5.根据权利要求1所述的方法，其特征在于，各部位区域对应的局部肖像生成模型的训练采用生成对抗网络GAN的模型结构进行训练。
6.根据权利要求5所述的方法，其特征在于，各部位区域对应的局部肖像生成模型的训练过程包括：
获取包括人脸样本和对应的人脸简笔画样本的训练样本集；
针对所述训练样本集中的每一人脸样本，识别该人脸样本中人脸各部位区域，并从该人脸样本中裁剪出每一部位区域对应的图像样本块p，并从对应的人脸简笔画样本中裁剪出每一部位区域对应的简笔画样本块q；
针对每一部位...
【专利技术属性】
技术研发人员：高飞，朱静洁，李鹏，俞泽远，王韬，
申请(专利权)人：浙江省北大信息技术高等研究院，杭州未名信科科技有限公司，
类型：发明
国别省市：浙江;33
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。