一种人脸表情图像的增强方法、获取方法和系统技术方案

本发明专利技术公开了一种人脸表情图像的增强方法、获取方法和系统，包括：基于监控设备获取人脸图像视频数据，将所述人脸图像视频数据进行逐帧抽取，获得人脸姿态图像；对所述人脸姿态图像进行特征点检测，获得人脸图像特征点数据集，基于所述人脸图像特征点数据集进行模型构建，获得人脸孪生模型；基于所述人脸孪生模型对人脸表情进行模拟计算，获得模拟人脸表情，对所述模拟人脸表情进行提取，获得人脸表情增强图像。本发明专利技术提出了一种在实际应用中，针对人脸姿态与表情的自动化数据增强方法，能够在不同应用场景生成人脸不同姿态与表情的图像集，解决样本数据不足问题，并降低样本数据采集与标注的工作量。集与标注的工作量。集与标注的工作量。

【技术实现步骤摘要】
一种人脸表情图像的增强方法、获取方法和系统


[0001]本专利技术属于人脸识别领域，特别是涉及一种人脸表情图像的增强方法、获取方法和系统。

技术介绍

[0002]人脸识别特指利用分析比较人脸视觉特征信息进行身份鉴别的计算机技术。人脸识别是一项热门的计算机技术研究领域，它属于生物特征识别技术，是对生物体(一般特指人)本身的生物特征来区分生物体个体。随着计算机视觉技术的不断发展，人脸识别相关算法层出不穷，基于深度学习的人脸识别算法在理想的实验环境下，已达到相当高的识别准确率，但这样的高识别准确率，需要采集与标注大量的人脸样本数据集进行模型的训练。
[0003]目前，样本数据的采集与人工标注需要花费大量的人力与物力，目前的样本数据远不能满足人脸识别模型的训练需求，同时无法智能获取样本数据，极大的降低了准确率。

技术实现思路

[0004]本专利技术的目的是提供一种人脸表情图像的增强方法、获取方法和系统，以解决上述现有技术存在的问题。
[0005]为实现上述目的，本专利技术提供了一种人脸表情图像的增强方法，包括：
[0006]基于监控设备获取人脸图像视频数据，将所述人脸图像视频数据进行逐帧抽取，获得人脸姿态图像；
[0007]对所述人脸姿态图像进行特征点检测，获得人脸图像特征点数据集，基于所述人脸图像特征点数据集进行模型构建，获得人脸孪生模型；
[0008]基于所述人脸孪生模型对人脸表情进行模拟计算，获得模拟人脸表情，对所述模拟人脸表情进行提取，获得人脸表情增强图像。r/>[0009]优选地，所述获得人脸姿态图像的过程包括：
[0010]基于所述监控设备获取人脸图像视频数据；
[0011]基于灰度值将所述人脸图像视频数据进行排列，获得排列图像数据，基于校正系数将所述排列图像数据进行校正，获得校正数据；
[0012]将所述校正数据进行逐帧抽取，获得所述人脸姿态图像。
[0013]优选地，所述获得人脸图像特征点数据集的过程包括；
[0014]将所述人脸姿态图像中人脸数据进行标注并标记，获得标记图像数据；
[0015]将所述标记图像数据进行特征识别，获得人脸图像特征点；
[0016]将所述人脸图像特征点进行特征点得分计算，获得标记图像得分，基于所述标记图像得分构建数据集，获得所述人脸图像特征点数据集。
[0017]优选地，所述获得人脸孪生模型的过程包括：
[0018]构建人脸模型框架，对所述人脸模型框架进行参数优化，获得优化框架；
[0019]将所述人脸图像特征点数据集输入至所述优化框架中进行模型构建，获得所述人
脸孪生模型。
[0020]优选地，所述获得人脸表情增强图像的过程包括：
[0021]对所述人脸孪生模型进行衍生计算，获得衍生表情图像；
[0022]基于所述衍生表情图像进行标准化校正计算，获得所述模拟人脸表情；
[0023]基于表情分类对所述人脸模拟表情进行提取，获得所述人脸表情增强图像。
[0024]为实现上述目的，本专利技术还提供了一种人脸表情图像的获取方法，包括：
[0025]获取人脸图像视频数据，将所述人脸图像视频数据进行处理，获得人脸姿态图像；
[0026]基于人脸姿态图像构建人脸孪生模型，基于所述人脸孪生模型对人脸表情进行模拟计算，获得模拟人脸表情，对所述模拟人脸表情进行提取，获得人脸表情增强图像；
[0027]对所述人脸表情增强图像进行特征点识别，获得特征增强数据集；
[0028]构建特征识别模型，将所述特征增强数据集输入至所述特征识别模型中进行训练，获得人脸表情特征获取模型，基于所述人脸表情特征获取模型进行人脸表情图像的获取。
[0029]优选地，所述特征增强数据集包括眼睛轮廓数据、鼻尖数据、嘴唇轮廓数据。
[0030]为实现上述目的，本专利技术提供了一种人脸表情图像的增强系统，包括：
[0031]图像获取模块，用于基于监控设备获取人脸图像视频数据，将所述人脸图像视频数据进行逐帧抽取，获得人脸姿态图像；
[0032]模型构建模块，与所述图像获取模块连接，用于对所述人脸姿态图像进行特征点检测，获得人脸图像特征点数据集，基于所述人脸图像特征点数据集进行模型构建，获得人脸孪生模型；
[0033]图像增强模块，与所述模型构建模块连接，用于基于所述人脸孪生模型对人脸表情进行模拟计算，获得模拟人脸表情，对所述模拟人脸表情进行提取，获得人脸表情增强图像。
[0034]为实现上述目的，本专利技术还提供了一种人脸表情图像的获取系统，包括：
[0035]人脸识别模块，用于获取人脸图像视频数据，将所述人脸图像视频数据进行处理，获得人脸姿态图像；
[0036]图像计算生成模块，与所述人脸识别模块连接，用于基于人脸姿态图像构建人脸孪生模型，基于所述人脸孪生模型对人脸表情进行模拟计算，获得模拟人脸表情，对所述模拟人脸表情进行提取，获得人脸表情增强图像；
[0037]数据集构建模块，与所述图像计算生成模块连接，用于对所述人脸表情增强图像进行特征点识别，获得特征增强数据集；
[0038]人脸表情获取模块，与所述数据集构建模块连接，用于构建特征识别模型，将所述特征增强数据集输入至所述特征识别模型中进行训练，获得人脸表情特征获取模型，基于所述人脸表情特征获取模型进行人脸表情图像的获取。
[0039]本专利技术的技术效果为：
[0040]1.本专利技术提出了一种在实际应用中，针对人脸姿态与表情的自动化数据增强方法，能够在不同应用场景生成人脸不同姿态与表情的图像集，解决样本数据不足问题，并降低样本数据采集与标注的工作量；
[0041]2.本专利技术通过数字孪生模型对人脸表情进行模拟，可以获取到更多的特征点，通
过更多的特征点样本可以对人脸图像进行更好的采集。
附图说明
[0042]构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0043]图1为本专利技术实施例中的人脸表情图像增强方法流程图；
[0044]图2为本专利技术实施例中的人脸表情图像获取方法流程图；
[0045]图3为本专利技术实施例中的人脸表情图像增强系统示意图；
[0046]图4为本专利技术实施例中的人脸表情图像获取系统示意图。
具体实施方式
[0047]需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
[0048]需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
[0049]实施例一
[0050]如图1所示，本实施例中提供一种人脸表情图像的增强方法，包本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人脸表情图像的增强方法，其特征在于，包括以下步骤：基于监控设备获取人脸图像视频数据，将所述人脸图像视频数据进行逐帧抽取，获得人脸姿态图像；对所述人脸姿态图像进行特征点检测，获得人脸图像特征点数据集，基于所述人脸图像特征点数据集进行模型构建，获得人脸孪生模型；基于所述人脸孪生模型对人脸表情进行模拟计算，获得模拟人脸表情，对所述模拟人脸表情进行提取，获得人脸表情增强图像。2.根据权利要求1所述的人脸表情图像的增强方法，其特征在于，所述获得人脸姿态图像的过程包括：基于所述监控设备获取人脸图像视频数据；基于灰度值将所述人脸图像视频数据进行排列，获得排列图像数据，基于校正系数将所述排列图像数据进行校正，获得校正数据；将所述校正数据进行逐帧抽取，获得所述人脸姿态图像。3.根据权利要求1所述的人脸表情图像的增强方法，其特征在于，所述获得人脸图像特征点数据集的过程包括；将所述人脸姿态图像中人脸数据进行标注并标记，获得标记图像数据；将所述标记图像数据进行特征识别，获得人脸图像特征点；将所述人脸图像特征点进行特征点得分计算，获得标记图像得分，基于所述标记图像得分构建数据集，获得所述人脸图像特征点数据集。4.根据权利要求1所述的人脸表情图像的增强方法，其特征在于，所述获得人脸孪生模型的过程包括：构建人脸模型框架，对所述人脸模型框架进行参数优化，获得优化框架；将所述人脸图像特征点数据集输入至所述优化框架中进行模型构建，获得所述人脸孪生模型。5.根据权利要求1所述的人脸表情图像的增强方法，其特征在于，所述获得人脸表情增强图像的过程包括：对所述人脸孪生模型进行衍生计算，获得衍生表情图像；基于所述衍生表情图像进行标准化校正计算，获得所述模拟人脸表情；基于表情分类对所述人脸模拟表情进行提取，获得所述人脸表情增强图像。6.一种人脸表情图像的获取方法，其特征在于，包括以下步骤：获取人脸图像视频数据，将所述人脸图像视频数据进行处理...

【专利技术属性】
技术研发人员：杨勇，张龙，黄淑英，
申请(专利权)人：苏州合之木智能科技有限公司，
类型：发明
国别省市：