头发分类方法、装置、设备及存储介质制造方法及图纸

本申请提出一种头发分类方法、装置、设备及存储介质，该方法包括：获取训练集，训练集包括多个标注有头发类别的人脸头像图片；根据人脸头像图片对应的头发区域，对人脸头像图片进行数据增强处理；根据数据增强处理后的人脸头像图片，对预设分类网络进行训练，得到训练好的头发分类模型。本申请基于语义分割结果来标注头发类别，提高了标注的准确性，加快标注速度，缩短获得训练集的时间。基于语义分割结果进行数据增强，增加数据多样性，提高正确的难样本比例，提高模型性能。在虚拟换装之前先利用头发分类模型识别用户图像对应的头发类别，基于识别的头发类别采取相应的措施能够减少头发类别对换装效果的不良影响，提高换装效果。果。果。

【技术实现步骤摘要】
头发分类方法、装置、设备及存储介质


[0001]本申请属于图像处理
，具体涉及一种头发分类方法、装置、设备及存储介质。

技术介绍

[0002]虚拟换装是指将用户图像中的服装图像替换为服装模板图像中的服装图像。若用户图像中头发为披肩发，则换装后头发区域和服装之间可能出现缝隙，影响换装效果。因此在换装之前需要先识别用户图像中的头发类别，然后才能依据头发类别采取相应措施减少头发类别对换装效果的影响。

技术实现思路

[0003]本申请提出头发分类方法、装置、设备及存储介质，根据头发区域对训练集中的人脸头像图像进行数据增强，增加数据多样性，提高正确的难样本比例，提高模型性能。在虚拟换装之前先利用训练的头发分类模型识别头发类别，基于识别的头发类别采取相应的措施能够减少头发类别对换装效果的不良影响，提高换装效果。
[0004]本申请第一方面实施例提出了头发分类方法，包括：获取训练集，所述训练集包括多个标注有头发类别的人脸头像图片；根据所述人脸头像图片对应的头发区域，对所述人脸头像图片进行数据增强处理；根据数据增强处理后的人脸头像本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种头发分类方法，其特征在于，包括：获取训练集，所述训练集包括多个标注有头发类别的人脸头像图片；根据所述人脸头像图片对应的头发区域，对所述人脸头像图片进行数据增强处理；根据数据增强处理后的人脸头像图片，对预设分类网络进行训练，得到训练好的头发分类模型。2.根据权利要求1所述的方法，其特征在于，所述获取训练集，包括：获取包含人脸头像的人物图像；根据所述人物图像对应的人脸关键点，对所述人物图像进行人脸对齐处理；从对齐后的所述人物图像中截取出所述人脸头像对应的人脸头像图片；基于预设语义分割模型，在所述人脸头像图片中标注头发类别；将标注了头发类别的人脸头像图片组成训练集。3.根据权利要求2所述的方法，其特征在于，所述基于预设语义分割模型，在所述人脸头像图片中标注头发类别，包括：通过预设语义分割模型对所述人脸头像图片进行语义分割，得到所述人脸头像图片包括的头发区域和衣服区域；根据所述头发区域和所述衣服区域，确定所述头发区域对应的头发类别；在所述人脸头像图片中标注出确定的所述头发类别。4.根据权利要求3所述的方法，其特征在于，所述根据所述头发区域和所述衣服区域，确定所述头发区域对应的头发类别，包括：若所述头发区域和所述衣服区域不相邻，则确定所述头发区域对应的头发类别为短发；若所述头发区域和所述衣服区域相邻，则根据所述头发区域和所述衣服区域，分别确定出人脸左侧的头发对应的头发类别及人脸右侧的头发对应的头发类别。5.根据权利要求4所述的方法，其特征在于，所述根据所述头发区域和所述衣服区域，分别确定出人脸左侧的头发对应的头发类别及人脸右侧的头发对应的头发类别，包括：确定所述衣服区域最上侧的边界线及所述衣服区域的竖直中轴线；统计所述边界线以下所述竖直中轴线左侧的第一头发像素面积以及所述边界线以下所述竖直中轴线右侧的第二头发像素面积；计算所述第一头发像素面积与所述边界线以下所述竖直中轴线左侧的衣服像素面积之间的第一比值；计算所述第二头发像素面积与所述边界线以下所述竖直中轴线右侧的衣服像素面积之间的第二比值；若所述第一比值大于预设阈值，则确定人脸左侧的头发对应的头发类别为左侧向前批发；否则，确定人脸左侧的头发对应的头发类别为左侧向后批发；若所述第二比值大于所述预设阈值，确定人脸右侧的头发对应的头发类别为右侧向前批发；否则，确定人脸右侧的头发对应的头发类别为右侧向后批发。6.根据权利要求2
‑
5任一项所述的方法，其特征在于，所述基于预设语义分割模型，在所述人脸头像图片中标注头发类别之前，还包括：确定所述人脸头像图片中人脸头...

【专利技术属性】
技术研发人员：苗锋，刘聪，杨浩杰，张梦洁，
申请(专利权)人：北京新氧科技有限公司，
类型：发明
国别省市：