【技术实现步骤摘要】
基于高斯过程与随机变换的面部皱纹三维评价方法及系统
[0001]本专利技术涉及面部皱纹检测领域,特别是涉及一种基于高斯过程与随机变换的面部皱纹三维评价方法及系统。
技术介绍
[0002]近年来,面部皱纹检测被应用于以下几个方面:一是在相关的人脸识别、表情识别以及表情合成方面;二是应用于面部修饰,面部修饰广泛应用于媒体和娱乐行业,用以消除面部皱纹和瑕疵,使皮肤看起来美观平滑;三是应用于年龄估计、年龄模拟和老龄化识别等方面。面部皱纹检测可以为上述相关应用研究提供部分基础信息,因此,面部皱纹检测具有极大的研究意义。
[0003]大多数面部皱纹检测方法是将皱纹视为皮肤纹理,但其与皮肤纹理完全不同。皮肤纹理具有天生性、均匀性和重复性,与生理年龄相关性较低。而皱纹是由皮肤老化和面部肌肉长期收缩引起,后天形成。因此皱纹是具有一定强度和几何约束的曲线对象,其长度、宽度、深度、分布率均与皮肤老化程度密切相关。
[0004]目前,主要的面部皱纹检测方法有以下几种:一是使用马尔科夫过程的皱纹生成随机模型,该模型具有定位结果良好的优点,但需要大量计算时间,并且算法准确性取决于初始线段的位置。为了改进这一问题,提出了第二种检测方法,基于图像形态学的确定性方法。由于该方法实现了面部皱纹的快速定位,其准确性和计算量明显优于使用马尔科夫过程的皱纹生成随机模型。然而,对于粗糙皮肤图像或分辨率较高的图像,干扰信息较多,导致皱纹特征提取较差,检测率低。第三种方法是指使用混合Hessian滤波器检测皱纹的方法,该方法仅适用于检测水平方向的粗 ...
【技术保护点】
【技术特征摘要】
1.一种基于高斯过程与随机变换的面部皱纹三维评价方法,其特征在于,包括:读取一张受试者的正面人脸原图,并对正面人脸原图进行标准化处理,得到正面标准人脸图;基于自定义神经网络模型,在正面标准人脸图中定位面部五官及面部轮廓,得到面部五官坐标数据和面部轮廓坐标数据;根据面部五官坐标数据和面部轮廓坐标数据,将面部五官区域和背景区域从正面标准人脸图中去除,得到面部皮肤图;基于高斯过程与随机变换算法,对面部皮肤图进行面部皱纹检测,得到皱纹检测结果图;提取正面人脸原图中的脸部位置信息,并根据脸部位置信息,从皱纹检测结果图中裁剪出人脸区域;对人脸区域进行图像处理,得到皱纹区域,并确定皱纹区域内的皱纹数量以及每条皱纹的长度、宽度和深度;根据皱纹区域内的皱纹数量以及每条皱纹的长度、宽度和深度,计算全脸皱纹体等级数,并根据全脸皱纹体等级数和人脸区域计算三维皱纹体密度;根据三维皱纹体密度,对受试者面部皱纹进行三维评价。2.根据权利要求1所述的一种基于高斯过程与随机变换的面部皱纹三维评价方法,其特征在于,对正面人脸原图进行标准化处理,得到正面标准人脸图,具体包括:若正面人脸原图的尺寸小于标准尺寸,则采用二维插值算法对正面人脸原图进行标准化处理,得到正面标准人脸图;若正面人脸原图的尺寸大于标准尺寸,则采用二维降采样算法对正面人脸原图进行标准化处理,得到正面标准人脸图;若正面人脸原图的尺寸等于标准尺寸,则将正面人脸原图确定为正面标准人脸图。3.根据权利要求1所述的一种基于高斯过程与随机变换的面部皱纹三维评价方法,其特征在于,自定义神经网络模型是将公共数据集输入到人脸解析分层聚合网络中进行模型训练后得到的。4.根据权利要求1所述的一种基于高斯过程与随机变换的面部皱纹三维评价方法,其特征在于,基于高斯过程与随机变换算法,对面部皮肤图进行面部皱纹检测,得到皱纹检测结果图,具体包括:在面部灰度图上随机选择一个种子点,并使用随机变换算法计算选择的种子点所对应的特征向量;将特征向量作为高斯过程的输入,将皱纹曲率和皱纹直径作为先验信息,预测皱纹方向变化,并将预测的皱纹方向变化添加到皱纹前进方向,计算新的皱纹方向;沿着新的皱纹方向向前移动一步,继续预测皱纹方向变化,直到到达皱纹的末端,当一条皱纹检测完成后,再从面部灰度图上随机选择一个种子点,直到所有皱纹检测完成,得到皱纹检测结果图。5.根据权利要求1所述的一种基于高斯过程与随机变换的面部皱纹三维评价方法,其特征在于,提取正面人脸原图中的脸部位置信息,具体包括:利用人脸关键点检测技术,提取正面人脸原图中的脸部位置信息;所述脸部位置信息
包括脸部额头最高点的位置、脸部下巴最低点的位置、脸部最左侧点的位置和脸部最右侧点的位置。6.根据权利要求1所述的一种基于高斯过程与随机变换的面部皱纹三维评...
【专利技术属性】
技术研发人员:钟佳璇,张榆锋,郎恂,郭振宇,张梅,张宁涛,
申请(专利权)人:妮贝上海科技有限公司云南云科特色植物提取实验室有限公司,
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。