一种基于表观分析的人脸妆容推荐方法技术

本发明专利技术公开了一种基于表观分析的人脸妆容推荐方法，步骤如下：建立妆容模板库；从妆容模板库中选择一张人脸妆容图像，对输入图像和人脸妆容图像进行颜色空间转换；基于表观分析的图层分解，分别得到输入图像和人脸妆容图像的细节层、结构层和颜色层；利用CNN神经网络对细节层、结构层和颜色层进行特征提取，分别得到细节特征、结构特征和颜色特征；比较输入图像和人脸妆容图像的细节特征、结构特征和颜色特征的相似度；从妆容模板库中选择下一张人脸妆容图像，将妆容模板库中与输入图像的细节特征、结构特征和颜色特征的相似度最大的妆容图像作为推荐结果。本发明专利技术针对低光图像增强质量评价，考虑了图像光照信息，提高评价效果和评价性能。价性能。价性能。

【技术实现步骤摘要】
一种基于表观分析的人脸妆容推荐方法


[0001]本专利技术涉及图像处理与推荐
，尤其涉及人脸妆容推荐
，具体涉及一种基于表观分析的人脸妆容推荐方法。

技术介绍

[0002]化妆，是通过化妆品和工具，根据一系列的步骤，去改变外貌，变得更加美丽动人。化妆已成为广大女性表现自我、追求美丽的一个重要途径。随着女性对自己外貌的要求越来越高，对化妆的需求也水涨船高，化妆也成为了众多女性生活中不可或缺的一部分。但是如今市面上化妆品种类繁多，琳琅满目，各种精致美丽的妆容也层出不穷。如何选购合适自己的化妆品、选择合适自己的妆容也成为了一个问题。
[0003]妆容推荐系统能够根据不同用户的外貌特点和个人偏好，结合人脸的细节、结构和肤色信息，推荐不同的妆容，既能凸显用户个性，又可以节省用户花费在搭配妆容、选择妆容的时间，消除了人们为自己搭配合适妆容的烦恼，为人们在追求美的道路上提供了便捷。但是，现有方法没有全面综合考虑人脸的细节、结构和颜色信息，导致妆容推荐结果不合适。

技术实现思路

[0004]本专利技术的目的是为了解决现有技术中的上述缺陷，提供一种基于表观分析的人脸妆容推荐方法。
[0005]本专利技术的目的可以通过采取如下技术方案达到：
[0006]一种基于表观分析的人脸妆容推荐方法，所述人脸妆容推荐方法包括以下步骤：
[0007]收集各类人脸妆容图像，建立妆容模板库；
[0008]从所述妆容模板库中选择一张人脸妆容图像，对输入图像和所述人脸妆容图像进行颜色空间转换；
[0009]根据颜色空间转换后的输入图像和人脸妆容图像，进行基于表观分析的图层分解，得到各自的细节层、结构层和颜色层；
[0010]根据输入图像和人脸妆容图像的细节层、结构层和颜色层，利用CNN神经网络对细节层、结构层和颜色层进行特征提取，分别得到细节特征、结构特征和颜色特征；
[0011]根据细节特征、结构特征和颜色特征，计算输入图像和人脸妆容图像的细节特征、结构特征和颜色特征的相似度；
[0012]从所述妆容模板库中遍历选择下一张人脸妆容图像，计算与所述输入图像的所述细节特征、结构特征和颜色特征的相似度；
[0013]将妆容模板库中与所述输入图像的细节特征、结构特征和颜色特征的相似度最大的人脸妆容图像作为推荐结果。
[0014]进一步地，通过人工和相关经验，对所述妆容模板库中人脸妆容图像进行分类，妆容图像可以分为少女妆容、古风妆容、欧美风妆容、烟熏妆和浓妆五种类别。
[0015]进一步地，为了进行下一步处理，需要对所述图像进行颜色空间转换。所述颜色空间转换为从RGB空间转换到CIELAB空间，RGB颜色空间并不能直接转换到CIELAB空间上，必须利用XYZ空间作为中间桥梁来转换。
[0016]将RGB空间转换到XYZ空间，通过下式实现：
[0017][0018]R、G和B分别是RGB空间中R、G和B三个颜色通道的值，X、Y和Z分别是XYZ空间中X、Y和Z通道的值；
[0019]将XYZ空间进行一个非线性变换转换到CIELAB空间，公式如下：
[0020][0021]其中，L
*
、a
*
和b
*
是最终CIELAB空间上三个颜色通道的值，X
N
、Y
N
和Z
N
分别是标准白光在XYZ空间中X、Y和Z通道的值，分别默认取95.047、100.0和108.883，f(x)是一个非线性转换函数，x是非线性转换函数f(x)的输入，具体形式如下：
[0022][0023]进一步地，所述基于表观分析的图层分解为CIELAB颜色空间上进行图层分离，分离出细节层d、结构层s和颜色层c，不同的层携带了不同的图像信息，分层便于针对不同的图像信息进行相应的处理。
[0024]其中，细节层d和结构层s都是通过CIELAB空间上的L
*
通道经过导向滤波后分离得到，将人脸图像在CIELAB空间上的L
*
通道分别作为导向滤波的输入图像p和引导图像I，经过导向滤波后，得到的输出图像作为人脸图像的结构层s，而细节层d是通过L
*
通道减去人脸图像的结构层得到：
[0025]s＝guided(L
*
)
[0026]d＝L
*
‑
s
[0027]其中，s是人脸图像的结构层，d是人脸图像的细节层，L
*
表示CIELAB空间的L
*
通道，guided()表示导向滤波，进行导向滤波处理时，导向滤波的输入图像p是L
*
通道，同时，使用L
*
通道本身作为导向滤波的引导图像I，引导滤波处理，经过处理，得到的输出q则是所要得到的结构层s；
[0028]导向滤波guided()的计算公式为：
[0029][0030]其中，w
k
是以坐标位置k为中心的滤波窗口，i表示滤波窗口w
k
中第i个像素点，q
i
表示在滤波窗口w
k
中第i个像素点的滤波输出结果，I
i
表示引导图像在滤波窗口w
k
中第i个像素点，a
k
和b
k
是滤波窗口w
k
内的第一、第二线性参数，只与w
k
有关，a
k
和b
k
的表达式：
[0031][0032][0033]其中，p
i
表示输入图像p在滤波窗口w
k
中第i个像素点，μ
k
代表引导图像I在滤波窗口w
k
内的像素的均值，σ
k
是引导图像I在滤波窗口w
k
内所有像素的方差，|w|表示滤波窗口w
k
内的像素个数，则是输入图像p在在滤波窗口w
k
内的像素的均值，ε表示正则化参数，用来控制整体的滤波效果；
[0034]颜色层c则是将a
*
和b
*
通道结合起来得到：
[0035]c＝a
*
‑
b
*
[0036]其中，c表示的是图像的颜色层，a
*
表示CIELAB空间的a
*
通道，b
*
表示CIELAB空间的b
*
通道。
[0037]进一步地，所述CNN神经网络对细节层、结构层和颜色层进行特征提取，分别得到细节特征、结构特征和颜色特征，细节特征、结构特征和颜色特征是图像细节信息结构特征和颜色特征的具体表达。特征提取过程如下：
[0038]通过VGGFace CNN神经网络(Parkhi O M,Vedaldi A,Zisserman A.De本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于表观分析的人脸妆容推荐方法，其特征在于，所述人脸妆容推荐方法包括以下步骤：收集各类人脸妆容图像，建立妆容模板库；从所述妆容模板库中选择一张人脸妆容图像，对输入图像和所述人脸妆容图像进行颜色空间转换；根据颜色空间转换后的输入图像和人脸妆容图像，进行基于表观分析的图层分解，得到各自的细节层、结构层和颜色层；根据输入图像和人脸妆容图像的细节层、结构层和颜色层，利用CNN神经网络对细节层、结构层和颜色层进行特征提取，分别得到细节特征、结构特征和颜色特征；根据细节特征、结构特征和颜色特征，计算输入图像和人脸妆容图像的细节特征、结构特征和颜色特征的相似度；从所述妆容模板库中遍历选择下一张人脸妆容图像，计算与所述输入图像的所述细节特征、结构特征和颜色特征的相似度；将妆容模板库中与所述输入图像的细节特征、结构特征和颜色特征的相似度最大的人脸妆容图像作为推荐结果。2.根据权利要求1所述的一种基于表观分析的人脸妆容推荐方法，其特征在于，所述妆容模板库中人脸妆容图像分为少女妆容、古风妆容、欧美风妆容、烟熏妆和浓妆。3.根据权利要求1所述的一种基于表观分析的人脸妆容推荐方法，其特征在于，所述颜色空间转换为从RGB空间转换到CIELAB空间，过程如下：将RGB空间转换到XYZ空间，通过下式实现：R、G和B分别是RGB空间中R、G和B三个颜色通道的值，X、Y和Z分别是XYZ空间中X、Y和Z通道的值；将XYZ空间进行一个非线性变换转换到CIELAB空间，公式如下：其中，L
*
、a
*
和b
*
是最终CIELAB空间上三个颜色通道的值，X
N
、Y
N
和Z
N
分别是标准白光在XYZ空间中X、Y和Z通道的值，分别默认取95.047、100.0和108.883，f(x)是一个非线性转换函数，x是非线性转换函数f(x)的输入，具体形式如下：4.根据权利要求3所述的一种基于表观分析的人脸妆容推荐方法，其特征在于，所述基于表观分析的图层分解为CIELAB颜色空间上进行图层分离，分离出细节层d、结构层s和颜
色层c，其中，细节层d和结构层s都是通过CIELAB空间上的L
*
通道经过导向滤波后分离得到，将人脸图像在CIELAB空间上的L
*
通道分别作为导向滤波的输入图像p和引导图像I，经过导向滤波后，得到的输出图像作为人脸图像的结构层s，而细节层d是通过L
*
通道减去人脸图像的结构层得到：s＝guided(L
*
)d＝L
*
‑
s其中，s是人脸图像的结构层，d是人脸图像的细节层，L
*
表示CIELAB空间的L
*
通道，guided()表示导向滤波，进行导向滤波处理时，导向滤波的输入图像p是L
*
通道，同时，使用L
*
通道本身作为导向滤波的引导图像I，引导滤波处理，经过处理，得到的输出q则是所要得到的结构层s；导向滤波guided()的计算公式为：其中，w
k
是以坐标位置k为中心的滤波窗口，i表示滤波窗口w
k
中第i个像素点，q
i
表示在滤波窗口w
k

【专利技术属性】
技术研发人员：梁凌宇，何淇昌，许勇，
申请(专利权)人：中新国际联合研究院，
类型：发明
国别省市：