【技术实现步骤摘要】
一种基于人脸识别技术的实时面部老化模拟方法
本专利技术属于计算机图像处理
，尤其涉及一种基于人脸识别技术的实时面部老化模拟方法。
技术介绍
随着计算机视觉领域与人工智能的发展，越来越多基于深度学习机器学习的项目推陈出新，近年来各大图像模拟图像处理领域研究也出了许多的成果。人脸老化模拟属于深度学习领域，需要用到深度学习知识进行人脸特征点的识别，人脸老化模拟也越来越多的应用在刑侦预测以及娱乐领域。但是就目前的人脸老化模拟技术而言多数是以单一图像处理为主，而缺少实时处理，一是因为实时处理需要计算的数据量庞大，二是因为计算量大而导致的时延问题。比如，公开号CN111275610A的专利技术专利申请公开了一种人脸变老图像处理方法及系统，处理方法包括：S1、对老人皱纹图进行高斯模糊，获取老人无皱纹图；S2、检测待处理用户图、所述老人皱纹图、老人无皱纹图的人脸关键点；S3、基于所述人脸关键点对待处理用户图、老人皱纹图、老人无皱纹图进行三角剖分；S4、基于所述三角剖分将老人皱纹图、老人无皱纹图的人脸关键点对齐到...
【技术保护点】
1.一种基于人脸识别技术的实时面部老化模拟方法，其特征在于：对于每一人脸图像帧执行以下操作：将人脸图像存储为矩阵M
【技术特征摘要】
1.一种基于人脸识别技术的实时面部老化模拟方法，其特征在于：对于每一人脸图像帧执行以下操作：将人脸图像存储为矩阵Mx，矩阵包含图像的像素值信息；对图像进行人脸的特征点识别；对人脸图像进行皮肤老化松弛下垂的局部变形处理；采用皱纹素材进行遮罩的制作，并给遮罩标记特征点；对皱纹素材与矩阵图像根据特征点对齐规则进行仿射变换、图像融合处理，羽化边缘和调整Alpha值。
2.根据权利要求1所述的基于人脸识别技术的实时面部老化模拟方法，其特征在于，对人脸图像的处理包括以下步骤：
步骤S1：将人脸图像存储为矩阵Mx，矩阵包含图像的像素值信息；
步骤S2：对人脸图像进行人脸特征点识别；
步骤S3：对人脸图像进行皮肤老化松弛下垂的局部变形处理；
步骤S4：对不同年龄段的皱纹素材进行遮罩的制作，保留素材的人面部，裁剪掉眼睛、嘴巴、鼻头位置，并给素材标记特征点；
步骤S5：对皱纹素材与矩阵图像根据特征点对齐规则进行仿射变换、图像融合处理，羽化边缘和调整Alpha值。
3.根据权利要求2所述的基于人脸识别技术的实时面部老化模拟方法，其特征在于，步骤S2具体包括以下步骤：
步骤S21：采用深度学习方法将矩阵Mx中包含人脸像素的矩形范围设置为感兴趣区域ROI；
步骤S22：采用深度学习方法对ROI区域内的人脸进行特征点识别，将特征点的坐标记录在数组A中；
步骤S23：根据步骤S22得到的数组A计算出鼻子特征首尾点的坐标差L，之后利用数组A中检测出的眉毛特征点取眉毛首尾点T1、T2、T3、T4以及中间点M1、M2共六个点坐标以及鼻子坐标差L对额头特征点进行定位，其采用的坐标为：
P1（（M1.x+M2.x）/2+L.x，（M1.y+M2.y）/2+L.y），
P2（T1.x+L.x，T1.y+L.y），
P3（T2.x+L.x，T2.y+L.y），
P4（T3.x+L.x，T3.y+L.y），
P5（T4.x+L.x，T4.y+L.y）。
...
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。