[發明專利]一種基于無監督學習的人臉輪廓特征風格化生成方法

有效

• 申請號: 202010480494.3
• 申請日: 2020-05-30
• 公開（公告）號: CN111667400B
• 公開（公告）日: 2021-03-30
• 發明（設計）人: 范林龍;李毅;張笑欽;陳舒
• 申請（專利權）人: 溫州大學大數據與信息技術研究院
• 主分類號: G06T3/00
• 分類號: G06T3/00;G06T7/13;G06T7/136;G06T7/90;G06K9/00;G06K9/62
• 代理公司: 溫州名創知識產權代理有限公司 33258
• 代理人: 陳加利

1.一種基于無監督學習的人臉輪廓特征風格化生成方法，其特征在于，包括以下步驟：

獲取人臉圖片，并在所述人臉圖片中，利用人臉輪廓及關鍵特征點進行特征提取，以及結合顏色特征信息限定關鍵人臉風格化區域后，通過局部區域二值化處理生成特征區域人臉處理后的采樣圖像；

基于CycleGAN生成對抗網絡，構建風格化圖像生成模型，并將所述采樣圖像導入所述風格化圖像生成模型中，得到人臉輪廓特征區域卡通風格化的圖像；

所述在所述人臉圖片中，利用人臉輪廓及關鍵特征點進行特征提取，以及結合顏色特征信息限定關鍵人臉風格化區域后，通過局部區域二值化處理生成特征區域人臉處理后的采樣圖像的步驟，具體包括：

在所述人臉圖片中，利用預設人臉檢測算法中的梯度方向直方圖檢測人臉區域，得到包圍人臉區域的頂點坐標，并根據所述包圍人臉區域的頂點坐標，確定人臉矩形框；

在所述人臉矩形框中，計算獲得一個最小化人臉橢圓特征區域并記為第一標記區；

在所述人臉矩形框中，通過預設的關鍵點算法采用人臉關鍵點，得到人臉特征關鍵點區域并記為第二標記區；

在所述人臉矩形框中，通過采集計算臉部區域膚色，獲得人臉學習的感興趣區域并記為第三標記區，并對所述第三標記區進行局部區域二值化處理；

將局部區域二值化處理后的第三標記區與所述第一標記區及所述第二標記區進行合并，得到所述采樣圖像。

2.如權利要求1所述的基于無監督學習的人臉輪廓特征風格化生成方法，其特征在于，通過公式G_x(x，y)＝H(x+1，y)-H(x-1，y)、公式G_y(x，y)＝H(x，y+1)-H(x，y-1)及公式計算得到所述包圍人臉區域的頂點坐標G(x，y)；其中，

Gx、Gy分別表示像素點(x，y)在水平方向及垂直方向的梯度；H(x，y)表示像素的灰度值；

3.如權利要求1所述的基于無監督學習的人臉輪廓特征風格化生成方法，其特征在于，所述預設的關鍵點算法的步驟通過建立一個級聯的殘差回歸樹來使人臉形狀從當前形狀一步一步回歸到真實形狀來實現，具體為：

每一個殘差回歸樹的每一個葉子節點上都存儲著一個殘差回歸量，當輸入落到一個節點上時，就將殘差加到該輸入上，最終將所有殘差疊加在一起，就完成了人臉對齊。

4.如權利要求3所述的基于無監督學習的人臉輪廓特征風格化生成方法，其特征在于，所述預設的關鍵點算法根據公式來實現；其中，

表示第t級回歸器的形狀，是一個由坐標組成的向量；t表示級聯的級數；I為圖像，即所述人臉矩形框；r_t更新策略采用殘差回歸樹梯度提升決策樹，即每級回歸器學習的都是當前形狀。

5.如權利要求1所述的基于無監督學習的人臉輪廓特征風格化生成方法，其特征在于，所述局部區域二值化是通過將RGB圖像轉換到YCrCb顏色空間后，提取Cr分量圖像，并在所述Cr分量圖像中采用Otsu算法自動選取閾值進行二值化來實現的。

6.如權利要求1所述的基于無監督學習的人臉輪廓特征風格化生成方法，其特征在于，所述方法進一步包括：

若所述采樣圖像的人臉特征區域不夠明顯，則利用均值濾波操作對所提取人臉特征區域的邊緣輪廓進行平滑羽化處理，并相應的擴展風格化生成圖像的過渡區域。