基于人工智能的人脸图像美颜处理方法及系统技术方案

本发明专利技术涉及人工智能技术领域，涉及一种基于人工智能的人脸图像美颜处理方法及系统。本发明专利技术采集构建待分析人脸图像的人脸图像关系分布网；基于多帧参考人脸图像中的至少一帧参考人脸图像和对应的真实人脸图像标识信息，对初始神经网络进行网络优化处理得到目标神经网络并利用目标神经网络输出待美颜的待分析人脸图像识别结果。本发明专利技术利用图像处理神经网络搭建人脸图像美颜处理系统，更便于后续对待分析人脸图像识别结果进一步进行美颜处理，从而使得该基于人工智能的人脸图像美颜处理系统实现了跨平台多终端实时运行的目的，提高了人脸图像美颜处理效率，使人脸图像美颜美型美妆呈现更加自然。妆呈现更加自然。妆呈现更加自然。

【技术实现步骤摘要】
基于人工智能的人脸图像美颜处理方法及系统


[0001]本专利技术涉及人工智能
，具体而言，涉及一种基于人工智能的人脸图像美颜处理方法及系统。

技术介绍

[0002]人工智能（英语：Artificial Intelligence，缩写为AI）亦称智械、机器智能，指由人制造出来的机器所表现出来的智能，通常人工智能是指通过普通计算机程序来呈现人类智能的技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习、自动驾驶、智慧交通等几大方向。其中，机器学习(Machine Learning，ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。机器学习是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。机器学习和深度学习通常包括人工神经网络、置信网络、强化学习、迁移学习、归纳学习、式教学习等技术。
[0003]在人工智能的诸多应用中，一般包括基于人工智能对图像进行处理，如对人脸图像进行美颜识别等处理，但是，在现有技术中，基于人工智能对人脸图像进行处理的过程中，存在着处理的可靠度不佳的问题。

技术实现思路

[0004]有鉴于此，本专利技术的目的在于提供一种基于人工智能的人脸图像美颜处理方法及系统，以在一定程度上提高人脸图像异常识别的可靠度。
[0005]为实现上述目的，本专利技术实施例采用如下技术方案：一种基于人工智能的人脸图像美颜处理方法，包括：构建出人脸图像关系分布网，所述人脸图像关系分布网包括多帧参考人脸图像，所述多帧参考人脸图像中任意一帧参考人脸图像与至少一帧其它的参考人脸图像匹配；基于所述多帧参考人脸图像中的至少一帧参考人脸图像和该参考人脸图像对应的真实人脸图像标识信息，对搭建的初始人脸图像异常识别神经网络进行网络优化处理，以形成该初始人脸图像异常识别神经网络对应的目标人脸图像异常识别神经网络，所述真实人脸图像标识信息用于反映对应的所述参考人脸图像的真实异常类型和/或真实异常程度；在所述多帧参考人脸图像中，筛查出与待分析人脸图像最相似的第一参考人脸图像，以及，从所述人脸图像关系分布网中，确定出所述第一参考人脸图像对应的局部人脸图像关系分布网；基于所述局部人脸图像关系分布网，利用所述目标人脸图像异常识别神经网络进行异常识别处理，以输出所述待分析人脸图像对应的目标人脸异常识别结果，所述目标人脸异常识别结果用于反映所述待分析人脸图像的异常类型和/或异常程度。
[0006]在一些优选的实施例中，在上述基于人工智能的人脸图像美颜处理方法中，所述基于所述多帧参考人脸图像中的至少一帧参考人脸图像和该参考人脸图像对应的人脸图像标识信息，对搭建的初始人脸图像异常识别神经网络进行网络优化处理，以形成该初始人脸图像异常识别神经网络对应的目标人脸图像异常识别神经网络的步骤，包括：在所述多帧参考人脸图像中，筛选出示例性参考人脸图像；在所述人脸图像关系分布网中，提取到所述示例性参考人脸图像对应的示例性局部人脸图像关系分布网，所述示例性参考人脸图像配置有对应的真实人脸图像标识信息；将所述示例性局部人脸图像关系分布网中的图像匹配信息进行图像匹配指向确定操作，形成具有图像匹配指向信息的更新示例性局部人脸图像关系分布网；利用搭建的初始人脸图像异常识别神经网络，结合所述图像匹配指向信息，将所述更新示例性局部人脸图像关系分布网进行图像关键信息融合操作，输出所述更新示例性局部人脸图像关系分布网中各参考人脸图像对应的代表图像关键信息；依据所述代表图像关键信息和所述真实人脸图像标识信息，将所述初始人脸图像异常识别神经网络进行网络权重的优化操作，输出对应的目标人脸图像异常识别神经网。
[0007]在一些优选的实施例中，在上述基于人工智能的人脸图像美颜处理方法中，所述在所述人脸图像关系分布网中，提取到所述示例性参考人脸图像对应的示例性局部人脸图像关系分布网的步骤，包括：从所述人脸图像关系分布网中，确定出与所述示例性参考人脸图像之间的图像匹配偏离程度不大于预先配置的参考图像匹配偏离程度的参考人脸图像；依据所述示例性参考人脸图像与确定出的参考人脸图像之间的图像匹配信息，组建形成所述示例性参考人脸图像对应的示例性局部人脸图像关系分布网。
[0008]在一些优选的实施例中，在上述基于人工智能的人脸图像美颜处理方法中，所述从所述人脸图像关系分布网中，确定出与所述示例性参考人脸图像之间的图像匹配偏离程度不大于预先配置的参考图像匹配偏离程度的参考人脸图像的步骤，包括：对所述初始人脸图像异常识别神经网络包括的图像滤波单元的单元级联层级进行统计处理；对与所述单元级联层级一致的数量进行标记处理，以标记形成对应的参考图像匹配偏离程度，使得所述参考图像匹配偏离程度等于对应的所述单元级联层级；从所述人脸图像关系分布网中查找出与所述示例性参考人脸图像之间的图像匹配偏离程度不大于所述参考图像匹配偏离程度的参考人脸图像。
[0009]在一些优选的实施例中，在上述基于人工智能的人脸图像美颜处理方法中，所述利用搭建的初始人脸图像异常识别神经网络，结合所述图像匹配指向信息，将所述更新示例性局部人脸图像关系分布网进行图像关键信息融合操作，输出所述更新示例性局部人脸图像关系分布网中各参考人脸图像对应的代表图像关键信息的步骤，包括：轮询所述更新示例性局部人脸图像关系分布网中的参考人脸图像，并筛选出当前轮询到的参考人脸图像在所述更新示例性局部人脸图像关系分布网中的相邻参考人脸图像；利用搭建的初始人脸图像异常识别神经网络，基于所述当前轮询到的参考人脸图像与每一帧所述相邻参考人脸图像之间的图像匹配指向信息，对所述当前轮询到的参考人
脸图像与每一帧所述相邻参考人脸图像的人脸图像关键信息进行融合操作，输出所述当前轮询到的参考人脸图像对应的融合人脸图像关键信息；依据所述当前轮询到的参考人脸图像对应的融合人脸图像关键信息，确定出所述更新示例性局部人脸图像关系分布网中各参考人脸图像对应的代表图像关键信息。
[0010]在一些优选的实施例中，在上述基于人工智能的人脸图像美颜处理方法中，所述利用搭建的初始人脸图像异常识别神经网络，基于所述当前轮询到的参考人脸图像与每一帧所述相邻参考人脸图像之间的图像匹配指向信息，对所述当前轮询到的参考人脸图像与每一帧所述相邻参考人脸图像的人脸图像关键信息进行融合操作，输出所述当前轮询到的参考人脸图像对应的融合人脸图像关键信息的步骤，包括：分析出所述当前轮询到的参考人脸图像与所述相邻参考人脸图像之间的每一个图像匹配指向信息的位置朝向；将位置朝向的末端位置属于所述当前轮询到的参考人脸图像的图像匹配指向信息进行标记，以标记为对应的第一图像匹配指向信息；在所述当前轮询到的参考人脸图像与所述相邻参考人脸图像中，分析出所述第一图像匹配指向信息的位置朝向的初始位置对应的参考人脸图像，并对该参考人脸图像进行标记，以标记为对应的需融合参考人脸图像；利用搭建的初始本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的人脸图像美颜处理方法，其特征在于，包括：构建出人脸图像关系分布网，所述人脸图像关系分布网包括多帧参考人脸图像，所述多帧参考人脸图像中任意一帧参考人脸图像与至少一帧其它的参考人脸图像匹配；基于所述多帧参考人脸图像中的至少一帧参考人脸图像和该参考人脸图像对应的真实人脸图像标识信息，对搭建的初始人脸图像异常识别神经网络进行网络优化处理，以形成该初始人脸图像异常识别神经网络对应的目标人脸图像异常识别神经网络，所述真实人脸图像标识信息用于反映对应的所述参考人脸图像的真实异常类型和/或真实异常程度；在所述多帧参考人脸图像中，筛查出与待分析人脸图像最相似的第一参考人脸图像，以及，从所述人脸图像关系分布网中，确定出所述第一参考人脸图像对应的局部人脸图像关系分布网；基于所述局部人脸图像关系分布网，利用所述目标人脸图像异常识别神经网络进行异常识别处理，以输出所述待分析人脸图像对应的目标人脸异常识别结果，所述目标人脸异常识别结果用于反映所述待分析人脸图像的异常类型和/或异常程度。2.如权利要求1所述的基于人工智能的人脸图像美颜处理方法，其特征在于，所述基于所述多帧参考人脸图像中的至少一帧参考人脸图像和该参考人脸图像对应的人脸图像标识信息，对搭建的初始人脸图像异常识别神经网络进行网络优化处理，以形成该初始人脸图像异常识别神经网络对应的目标人脸图像异常识别神经网络的步骤，包括：在所述多帧参考人脸图像中，筛选出示例性参考人脸图像；在所述人脸图像关系分布网中，提取到所述示例性参考人脸图像对应的示例性局部人脸图像关系分布网，所述示例性参考人脸图像配置有对应的真实人脸图像标识信息；将所述示例性局部人脸图像关系分布网中的图像匹配信息进行图像匹配指向确定操作，形成具有图像匹配指向信息的更新示例性局部人脸图像关系分布网；利用搭建的初始人脸图像异常识别神经网络，结合所述图像匹配指向信息，将所述更新示例性局部人脸图像关系分布网进行图像关键信息融合操作，输出所述更新示例性局部人脸图像关系分布网中各参考人脸图像对应的代表图像关键信息；依据所述代表图像关键信息和所述真实人脸图像标识信息，将所述初始人脸图像异常识别神经网络进行网络权重的优化操作，输出对应的目标人脸图像异常识别神经网络。3.如权利要求2所述的基于人工智能的人脸图像美颜处理方法，其特征在于，所述在所述人脸图像关系分布网中，提取到所述示例性参考人脸图像对应的示例性局部人脸图像关系分布网的步骤，包括：从所述人脸图像关系分布网中，确定出与所述示例性参考人脸图像之间的图像匹配偏离程度不大于预先配置的参考图像匹配偏离程度的参考人脸图像；依据所述示例性参考人脸图像与确定出的参考人脸图像之间的图像匹配信息，组建形成所述示例性参考人脸图像对应的示例性局部人脸图像关系分布网。4.如权利要求3所述的基于人工智能的人脸图像美颜处理方法，其特征在于，所述从所述人脸图像关系分布网中，确定出与所述示例性参考人脸图像之间的图像匹配偏离程度不大于预先配置的参考图像匹配偏离程度的参考人脸图像的步骤，包括：对所述初始人脸图像异常识别神经网络包括的图像滤波单元的单元级联层级进行统计处理；
对与所述单元级联层级一致的数量进行标记处理，以标记形成对应的参考图像匹配偏离程度，使得所述参考图像匹配偏离程度等于对应的所述单元级联层级；从所述人脸图像关系分布网中查找出与所述示例性参考人脸图像之间的图像匹配偏离程度不大于所述参考图像匹配偏离程度的参考人脸图像。5.如权利要求2所述的基于人工智能的人脸图像美颜处理方法，其特征在于，所述利用搭建的初始人脸图像异常识别神经网络，结合所述图像匹配指向信息，将所述更新示例性局部人脸图像关系分布网进行图像关键信息融合操作，输出所述更新示例性局部人脸图像关系分布网中各参考人脸图像对应的代表图像关键信息的步骤，包括：轮询所述更新示例性局部人脸图像关系分布网中的参考人脸图像，并筛选出当前轮询到的参考人脸图像在所述更新示例性局部人脸图像关系分布网中的相邻参考人脸图像；利用搭建的初始人脸图像异常识别神经网络，基于所述当前轮询到的参考人脸图像与每一帧所述相邻参考人脸图像之间的图像匹配指向信息，对所述当前轮询到的参考人脸图像与每一帧所述相邻参考人脸图像的人脸图像关键信息进行融合操作，输出所述当前轮询到的参考人脸图像对应的融合人脸图像关键信息；依据所述当前轮询到的参考人脸图像对应的融合人脸图像关键信息，确定出所述更新示例性局部人脸图像关系分布网中各参考人脸图像对应的代表图像关键...

【专利技术属性】
技术研发人员：请求不公布姓名，
申请(专利权)人：广州佰锐网络科技有限公司，
类型：发明
国别省市：