一种基于人像识别的粤剧匹配化妆系统及其方法技术方案

本发明专利技术涉及识别图形技术领域，具体涉及一种基于人像识别的粤剧匹配化妆系统及其方法，该方法采集粤剧戏妆演员化妆后的灰度图像，构成训练集；将交叉熵损失函数作为第一损失函数；对于训练集中的灰度图像，获取灰度图像对应的模板图像，将灰度图像与对应的模板图像进行匹配得到匹配可能值，根据匹配可能值获取第二损失函数；结合第一损失函数和第二损失函数得到人像识别神经网络的损失函数；基于损失函数，利用训练集对人像识别神经网络进行训练，得到训练好的人像识别神经网络；将采集的实时人像图像的灰度图像输入到训练好的人像识别神经网络得到对应的角色类型；训练好的人像识别神经网络获取的角色类型更准确。别神经网络获取的角色类型更准确。别神经网络获取的角色类型更准确。

【技术实现步骤摘要】
一种基于人像识别的粤剧匹配化妆系统及其方法


[0001]本专利技术涉及识别图形
，具体涉及一种基于人像识别的粤剧匹配化妆系统及其方法。

技术介绍

[0002]粤剧演员化妆的步骤为：涂底油、上底色、打腮红、画鼻侧影、勾画眼晴、画咀唇、修整化妆各部位；其次，演员亦应把手也涂上底色，务求协调。俊扮又称为素面、洁面或白面，特点是用脂粉以达到美化的效果。传统俊扮指生角的一种化妆方式，有别于净、丑的花面、挂须及小白面的化妆。因此对于不熟悉粤剧的人来说，对于各式各样的粤剧妆容很难知道其对应的角色，所以需要一种可以自动化将演员所化妆容即表演的角色识别出来的方法，以便观众了解，可以更好地观看表演。
[0003]现有技术是通过采集粤剧演员化妆后的图像，将图像输入人像识别神经网络来确认粤剧演员化妆后的角色，但是由于人像识别神经网络需要大量的训练集，即需要大量的同一个角色的粤剧演员化妆后的图像数量来训练人像识别神经网络，而现实中扮演同一个角色的演员化妆后的图像数量太少，进而使得人像识别神经网络的训练结果较差，从而会导致人像识别神经网络在识别角色时出现较大的误识率，使得人像识别神经网络获取的角色与实际角色不对应。

技术实现思路

[0004]为了解决现有人像识别神经网络的训练结果较差而导致不能准确获取粤剧演员化妆后扮演的角色的问题，本专利技术的目的在于提供一种基于人像识别的粤剧匹配化妆系统及其方法，所采用的技术方案具体如下：第一方面，本专利技术一个实施例提供了一种基于人像识别的粤剧匹配化妆方法，该方法包括以下步骤：采集粤剧戏妆演员化妆后的人像图像的灰度图像，构成训练集；构建人像识别神经网络的损失函数，基于损失函数，利用训练集对人像识别神经网络进行训练，得到训练好的人像识别神经网络；将采集的实时人像图像的灰度图像输入到训练好的人像识别神经网络得到对应的角色类型；其中，人像识别神经网络的损失函数的构建方法，包括：将交叉熵损失函数作为第一损失函数；对于训练集中的任意一张灰度图像，获取灰度图像对应角色类型的模板图像，根据灰度图像与模板图像之间的灰度分布差异获取灰度图像与模板图像的灰度不相似值；分别对灰度图像与模板图像进行边缘检测获取边缘线，根据灰度图像与模板图像中的边缘线之间的分布差异获得边缘线相似值；根据边缘线相似值与灰度不相似值获得匹配可能值，根据匹配可能值获取第二损失函数；
结合第一损失函数和第二损失函数得到人像识别神经网络的损失函数。
[0005]进一步的，所述根据灰度图像与模板图像之间的灰度分布差异获取灰度图像与模板图像的灰度不相似值的方法，包括：获取模板图像的灰度直方图，根据灰度直方图获取模板图像的模板聚类簇，根据模板聚类簇确定灰度图像的目标聚类簇，获取每个目标聚类簇中的最大灰度值、最小灰度值以及目标聚类簇中的像素点总数量，获取每个模板聚类簇中的最大灰度值、最小灰度值以及模板聚类簇中的像素点总数量；基于灰度值从小到大的顺序，将第i个目标聚类簇与第i个模板聚类簇作为第i个匹配对，获取第i个匹配对之间的最大灰度值差值绝对值与最小灰度值差值绝对值的相加结果作为第二结果，将第二结果的相反数代入以自然常数e为底数的指数函数所得的结果作为第三结果，计算第i个匹配对之间对应的像素点总数量的差值绝对值与第三结果的比值作为第四结果，将所有匹配对的第四结果相加的结果作为灰度图像与模板图像的灰度不相似值。
[0006]进一步的，所述根据模板聚类簇确定灰度图像的目标聚类簇的方法，包括：获取模板聚类簇的数量，将模板聚类簇的数量作为K
‑
means聚类算法中的K值，利用K
‑
means聚类算法根据灰度图像中的灰度值获取灰度图像的目标聚类簇。
[0007]进一步的，所述根据灰度图像与模板图像中的边缘线之间的分布差异获得边缘线相似值的方法，包括：分别对灰度图像与模板图像进行边缘检测获取边缘线，分别对灰度图像与模板图像的眼睛设定预设大小的区域，根据灰度图像和模板图像中的边缘线上的像素点在区域中的分布差异，分别获取左眼边缘线不相似值与右眼边缘线不相似值；计算左眼边缘线不相似值与右眼边缘线不相似值相加结果作为第一结果，将第一结果的相反数代入以自然常数e为底数的指数函数所得的值作为边缘线相似值。
[0008]进一步的，所述获取左眼边缘线不相似值的方法，包括：分别以灰度图像与模板图像中的左眼中心为原点设定预设大小的区域，对区域建立相同的极坐标，在两个极坐标上将每个区域划分为相同的至少两个子区域，将两个区域中对应的相同位置的两个子区域作为一个匹配对，统计每个子区域中包含的边缘线上的像素点的数量作为第一数量，计算每个匹配对所对应的两个子区域的第一数量的差值绝对值，将所有匹配对的差值绝对值相加的结果作为左眼边缘线不相似值。
[0009]进一步的，所述获取右眼边缘线不相似值的方法，包括：分别以灰度图像与模板图像中的右眼中心为原点设定预设大小的区域，对区域建立相同的极坐标，在两个极坐标上将每个区域划分为相同的至少两个子区域，将两个区域中对应的相同位置的两个子区域作为一个匹配对，统计每个子区域中包含的边缘线上的像素点的数量作为第二数量，计算每个匹配对所对应的两个子区域的第二数量的差值绝对值，将所有匹配对的差值绝对值相加的结果作为右眼边缘线不相似值。
[0010]进一步的，所述根据边缘线相似值与灰度不相似值获得匹配可能值的方法，包括：计算边缘线相似值与灰度不相似值的比值作为匹配可能值。
[0011]进一步的，所述根据匹配可能值获取第二损失函数的方法，包括：将匹配可能值进行归一化，获取归一化后的匹配可能值，将常数1与归一化后的匹
配可能值相减的结果作为第二损失函数。
[0012]进一步的，所述结合第一损失函数和第二损失函数得到人像识别神经网络的损失函数的方法，包括：将第一损失函数与第二损失函数相加的结果作为人像识别神经网络的损失函数。
[0013]第二方面，本专利技术另一个实施例提供了一种基于人像识别的粤剧匹配化妆系统，该系统包括：存储器、处理器以及存储在所述存储器中并可在处理器上运行的计算机程序，处理器执行所述计算机程序时，实现上述任意一项方法的步骤。
[0014]本专利技术具有如下有益效果：获取粤剧戏妆演员化妆后的人像图像的灰度图像，去除了背景的干扰，确保后续分析的灰度图像一定是粤剧戏妆的人像图像；考虑到利用单一的交叉熵损失函数训练的人像识别神经网络存在训练效果较差的问题，所以本方案首先将灰度图像构成训练集，将交叉熵损失函数作为第一损失函数，然后对于训练集中的任意一张灰度图像，获取灰度图像对应角色类型的模板图像，以通过对比分析灰度图像和模板图像之间的灰度信息差异，实现灰度图像和模板图像的灰度匹配，即根据灰度图像与模板图像之间的灰度分布差异获取灰度图像与模板图像的灰度不相似值；其次，分别对灰度图像与模板图像进行边缘检测获取边缘线，根据灰度图像与模板图像中的边缘线之间的分布差异获得边缘线相似值，利用图像中的边缘线来表征人像的轮廓信息，通过对比灰度图像和模板图像的轮廓信息实现轮廓匹配，进而根本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人像识别的粤剧匹配化妆方法，其特征在于，该方法包括以下步骤：采集粤剧戏妆演员化妆后的人像图像的灰度图像，构成训练集；构建人像识别神经网络的损失函数，基于损失函数，利用训练集对人像识别神经网络进行训练，得到训练好的人像识别神经网络；将采集的实时人像图像的灰度图像输入到训练好的人像识别神经网络得到对应的角色类型；其中，人像识别神经网络的损失函数的构建方法，包括：将交叉熵损失函数作为第一损失函数；对于训练集中的任意一张灰度图像，获取灰度图像对应角色类型的模板图像，根据灰度图像与模板图像之间的灰度分布差异获取灰度图像与模板图像的灰度不相似值；分别对灰度图像与模板图像进行边缘检测获取边缘线，根据灰度图像与模板图像中的边缘线之间的分布差异获得边缘线相似值；根据边缘线相似值与灰度不相似值获得匹配可能值，根据匹配可能值获取第二损失函数；结合第一损失函数和第二损失函数得到人像识别神经网络的损失函数。2.如权利要求1所述的一种基于人像识别的粤剧匹配化妆方法，其特征在于，所述根据灰度图像与模板图像之间的灰度分布差异获取灰度图像与模板图像的灰度不相似值的方法，包括：获取模板图像的灰度直方图，根据灰度直方图获取模板图像的模板聚类簇，根据模板聚类簇确定灰度图像的目标聚类簇，获取每个目标聚类簇中的最大灰度值、最小灰度值以及目标聚类簇中的像素点总数量，获取每个模板聚类簇中的最大灰度值、最小灰度值以及模板聚类簇中的像素点总数量；基于灰度值从小到大的顺序，将第i个目标聚类簇与第i个模板聚类簇作为第i个匹配对，获取第i个匹配对之间的最大灰度值差值绝对值与最小灰度值差值绝对值的相加结果作为第二结果，将第二结果的相反数代入以自然常数e为底数的指数函数所得的结果作为第三结果，计算第i个匹配对之间对应的像素点总数量的差值绝对值与第三结果的比值作为第四结果，将所有匹配对的第四结果相加的结果作为灰度图像与模板图像的灰度不相似值。3.如权利要求2所述的一种基于人像识别的粤剧匹配化妆方法，其特征在于，所述根据模板聚类簇确定灰度图像的目标聚类簇的方法，包括：获取模板聚类簇的数量，将模板聚类簇的数量作为K
‑
means聚类算法中的K值，利用K
‑
means聚类算法根据灰度图像中的灰度值获取灰度图像的目标聚类簇。4.如权利要求1所述的一种基于人像识别的粤剧匹配化妆方法，其特征在于，所述根据灰度图像与模板图像中的边缘线之间的分布差异获得边缘线相似值的方法，包括：分别对灰度图像与模板图像进行边缘检测获取边缘线，分别对灰度图...

【专利技术属性】
技术研发人员：秦铭谦，曾衍文，李燕霞，
申请(专利权)人：广州番禺职业技术学院，
类型：发明
国别省市：