【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 ...
【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
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。