一种基于卷积神经网络的头发分割方法及系统技术方案

本发明专利技术涉及图像处理技术领域，具体是一种基于卷积神经网络的头发分割方法及系统，方法包括：获取视频流图像步骤：从摄像头中获取视频流，将视频流分帧，形成一张张图像，方面后续处理；确定人脸区域步骤：利用人脸检测模型检测人脸位置，确定人脸区域。本发明专利技术的有益效果通过全新的卷积神经网络模型(头发全卷积网络模型)，并结合图片中图像中头发位置信息、头发的频率信息及头发的颜色信息，便可以准确地识别图像的头发区域，通过人脸检测算法RetinaFace检测人脸，确定头发区域大致位置，防止大背景下其他类似头发目标的干扰，利用BiSeNet双通道分割网络实时实现头发分割，可以实现自动识别，无需人工参与。无需人工参与。无需人工参与。

【技术实现步骤摘要】
一种基于卷积神经网络的头发分割方法及系统


[0001]本专利技术涉及图像处理
，具体是一种基于卷积神经网络的头发分割方法及系统。

技术介绍

[0002]图像分割是一种重要的图像处理技术，随着人工智能、计算机视觉的不断发展，图像分割在理论研究和实际应用中得到了人们的广泛关注。现如今，图像分割主要用于辅助定位、辅助识别的作用。比较常见的应用就是用分割技术确定或排除某些区域下的目标，现在应用较多的有人脸美化中的肤色美白、发型发色变换等等。
[0003]经检索，中国专利号CN106611160B公开了一种基于卷积神经网络的图像头发识别方法及其装置，其中，该方法包括：收集图集；对图集中的每一张图片进行标记；对图集中的每一张图片进行预处理；检测图集中每一张图片的人像头部位置，获得训练图集对应的头部位置信息和测试图集对应的头部位置信息；基于全卷积网络构造头发全卷积网络；对头发全卷积网络进行训练；将输出的结果与头发区域遮蔽测试图集相比较，获得对头发全卷积网络的评估结果；将欲获取头发遮蔽图的图片输入头发全卷积网络，获得该图像头发区域的遮蔽图。...

【技术保护点】

【技术特征摘要】
1.一种基于卷积神经网络的头发分割方法，其特征在于，包括以下步骤：获取视频流图像步骤：获取并将视频流分帧处理；确定人脸区域步骤：利用人脸检测模型检测确定人脸区域；图像处理步骤：基于人脸区域裁剪出人脸图片，输入头发分割网络BiSeNet，得到与输入人脸图片相同尺寸的二值化图像；得到二值化图像步骤：将人脸图片和二值化图像用canny算子求边缘，得到头发边缘二值化图像；扩充增加边缘区域步骤：根据边缘二值化图像的像素点位置向周边扩充增加边缘区域；做k
‑
means聚类步骤：利用人脸图片的扩充边缘区域位置的颜色值为特征做k
‑
means聚类；合并结果步骤：合并k
‑
means聚类结果与BiSeNet二值化分割结果，合并二值化图像中像素值为1的位置是为头发区域，在人脸图片中相应区域做对应标记以分割头发区域。2.根据权利要求1所述的一种基于卷积神经网络的头发分割方法，其特征在于：所述确定人脸区域步骤包括：确定人脸初步区域子步骤：使用人脸检测算法RetinaFace首先确定人脸初步区域；检测到人脸子步骤：图像中如果有人脸，会返回人脸区域bbox，bbox坐标为(x1，y1，x2，y2)，分别对应人脸左上、右下两个点的坐标。3.根据权利要求2所述的一种基于卷积神经网络的头发分割方法，其特征在于：图像处理步骤包括：训练子步骤：利用人脸图片及标注了头发区域的二值图片训练BiSeNet；生成二值化图像步骤：输入人脸图片到BiSeNet，完成推理，生成与输入人脸图片相同尺寸的二值化图像；裁剪包含头发的人脸图片的步骤如下：裁剪子步骤：根据检测到人脸步骤得到的人脸矩形框bbox，裁剪完全包含头发区域的人脸，其中bbox的宽w等于x2‑
x1，高h等于y2‑
y1，设定裁剪尺度为s倍，所以裁剪坐标为(x1‑
sw/4,y1‑
sh/4,x2+sw/4,y2+sh/4)。4.根据权利要求3所述的一种基于卷积神经网络的头发分割方法，其特征在于：在所述训练子步骤中，对应图片标注的步骤如下：图片标注孙子步骤：标注时头发区域的像素点为正样本，人脸图像除头发区域的其他部分均做背景，为负样本。5.根据权利要求3所述的一种基于卷积神经网络的头发分割方法，其特征在于：在所述训练子步骤中，对应二值图片训练BiSeNet的步骤如下：训练图像增强过渡孙子步骤：训练从磁盘读入的图片及对应二值标注图片大小均为1024*1024，通过设置scales变换参数为[0.1,0.5]，cropsize为；在训练中先随机从0.1到0.5均匀分布取值S，再将图片及对应二值标注同时resize到(1024*S)*(1024*S)的大小；若1024*S大于256，则需在图片及对应二值标注中随机裁剪出256*256的图像块参与训练，若1024*S小于256，则需在图片及对应二值标注周围补0，四周补零像素点个数为(256
‑
1024*S)/2；水平翻转孙子步骤：把图片及对应二值标注的像素点左右对调；
颜色抖动孙子步骤：对图片做亮度、对比度、饱和度的调整增强，涉及到图片亮度、对比度、饱和度的调整。6.根据权利要求3所述的一种基于卷积神经网络的头发分割方法，其特征在于：在所述生成二值化图像步骤中，输入人脸图片到BiSeNet的步骤包括：二值图像子步骤：将人脸图片resize到256*256尺寸，输入BiSeNet，将在网络的最后一层得到256*256的二值图像。7.根据权利要求1所述的一种基于卷积神经网络的头发分割方法，其特征在于：所述扩充增加边缘区域步骤包括：得到边缘二值图子步骤：设点p坐标为(x，y)，根据点P的24领域扩展生成边缘二值图。8.根据权利要求1所述的一种基于卷积神经网络的头发分割方法，其特征在于：所述做k
‑
means聚类步骤包括：图像叠加子步骤：扩展边缘后二值图像和原人脸图像叠加图，取图中白色区域所在原图的RGB像素值作为k
‑
means聚类的特征，设定类别k＝2。9.根据权利要求1所述的一种基于卷积神经网络的头发分割方法，其特征在于：所述合并结果步骤包括：合并结果子步骤：在BiSeNet分割结果的二值图像上面，修改扩展边缘位置的像素值，若k
‑
means聚类结果为头发，则设定像素值为255，若聚类结果为非头发，则设定像素值为0；合并结果。10.一种基于卷积神经网络的...

【专利技术属性】
技术研发人员：李山路，王和平，陈海涛，洪志阳，付磊，欧阳一村，
申请(专利权)人：盛视科技股份有限公司，
类型：发明
国别省市：