【技术实现步骤摘要】
一种遮挡人脸解析方法、系统、设备及计算机存储介质
[0001]本申请涉及计算机视觉
,更具体地说,涉及一种遮挡人脸解析方法、系统、设备及计算机存储介质。
技术介绍
[0002]当前,在人脸分析、人脸编辑、人脸交换或人脸识别等人脸图像处理过程中,需要对人脸图像进行人脸解析,人脸解析也即基于像素语义预测人脸图像中每个像素的标签。
[0003]在人脸解析过程中,可以通过全局方法或局部方法进行人脸解析,其中,基于全局的人脸解析方法分析整个图像并直接预测每个像素的语义标签,早期的工作集中于开发一个模型来表示整个图像的空间关系,随着CNN(Convolutional Neural Network,卷积神经网络)的快速发展,人脸解析模型倾向于使用具有多个损失函数的网络设计;基于局部的人脸解析方法分别为每个面部组件训练模型,以便分别预测每个部分的掩膜,基于局部的人脸解析方法的早期工作分别预测所有面部成分,然后根据空间相关性将它们组合起来。
[0004]虽然基于全局的人脸解析方法可以更好地标记背景和头发,但由于缺乏对面部 ...
【技术保护点】
【技术特征摘要】
1.一种遮挡人脸解析方法,其特征在于,包括:获取待解析的目标遮挡人脸图像;检测出所述目标遮挡人脸图像中的人脸感兴趣区域;以所述人脸感兴趣区域为基准,对所述目标遮挡人脸图像进行Tanh极坐标系转换,得到目标数量的目标转换图像,所述目标数量的值大于等于2;对各个所述目标转换图像中的像素类型进行解析,得到对应的目标解析图像;对所有的所述目标解析图像进行合并及Tanh笛卡尔坐标系转换,得到所述目标遮挡人脸图像的人脸皮肤解析结果,所述人脸皮肤解析结果用于表征所述目标遮挡人脸图像中各个像素的类型信息。2.根据权利要求1所述的方法,其特征在于,所述以所述人脸感兴趣区域为基准,对所述目标遮挡人脸图像进行Tanh极坐标系转换,得到目标数量的目标转换图像,包括:将所述人脸感兴趣区域的四个角点均作为目标原点;对于每个所述目标原点,将所述人脸感兴趣区域中所述目标原点所在的两条区域边界线的延伸线作为分割线,将所述目标遮挡人脸图像中所述分割线以内且包含所述人脸感兴趣区域的图像作为所述目标原点对应的待转换图像;确定所述人脸感兴趣区域的宽度值及高度值;对于每个所述待转换图像,基于所述宽度值及高度值,对所述待转换图像进行Tanh极坐标系转换,得到对应的所述目标转换图像。3.根据权利要求2所述的方法,其特征在于,所述对于每个所述待转换图像,基于所述宽度值及高度值,对所述待转换图像进行Tanh极坐标系转换,得到对应的所述目标转换图像,包括:对于每个所述待转换图像,通过Tanh极坐标系转换公式,基于所述宽度值及高度值,对所述待转换图像进行Tanh极坐标系转换,得到对应的所述目标转换图像;所述Tanh极坐标系转换公式包括:w=x2–
x1;h=y2–
y1;;;其中,I
′
表示所述目标转换图像;I
x
表示所述待转换图像中的横坐标值;I
y
表示所述待转换图像中的纵坐标值;w表示所述宽度值;h表示所述高度值;x1表示所述人脸感兴趣区域的最小横坐标值;x2表示所述人脸感兴趣区域的最大横坐标值;y1表示所述人脸感兴趣区域的最小纵坐标值;y2表示所述人脸感兴趣区域的最大纵坐标值;θ表示极角;ρ表示极径;(i,
j)表示所述待转换图像中的一个像素点的坐标;(i
′
,j
′
)表示所述目标转换图像中与(i,j)对应的坐标;tanh表示双曲正切函数;P表示插值函数。4.根据权利要求3所述的方法,其特征在于,所述对各个所述目标转换图像中的像素类型进行解析,得到对应的目标解析图像,包括:基于预先训练好的遮挡感知卷积神经网络对各个所述目标转换图像中的像素类型进行解析,得到对应的所述目标解析图像;其中,所述遮挡感知卷积神经网络包括遮挡感知损失网络及与所述遮挡感知损失网络连接的解码器;所述遮挡感知卷积神经网络包括与第一输入层顺次连接的Stem层、ResBlock层、第一FPB层、第二FPB层、第三FPB层...
【专利技术属性】
技术研发人员:左勇,刘伟华,林超超,李娇娇,
申请(专利权)人:智慧眼科技股份有限公司,
类型:发明
国别省市:
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。