[发明专利]一种人脸五官美化处理的方法及系统

权利要求书

1.一种人脸五官美化处理的方法，其特征在于，包括，

读取人脸图像数据；

人脸区域定位与脸部特征点检测及对齐；

用户脸部特征点进行优化；

人脸进行形变处理，得到五官美化；

其中，所述用户脸部特征点进行优化，包括：

选择标准脸模；

根据用户人脸特征点P_client和所述标准脸模上的特征点P_model计算各自中心坐标位置C_client和C_model；

将所述标准脸模上特征点以中心坐标为原点进行缩放，并平移到用户人脸中心，调整后的特征点集用Pm表示，计算公式如下：Pm＝P_model*m_scale+(C_client-C_model)其中，m_scale是特征点集的缩放比例；

保持原始五官轮廓，将Pm中的每个五官区域的特征点集Pmf作为一个整体，分别计算每个五官位置的中心点及其长宽比，然后将P_client中对应五官点集Pcf分别在x、y方向上进行缩放处理，然后移动其中心至Pmf的中心位置C_Pmf，调整后的特征点集用Pc_FA表示，计算公式如下：

Pc_FA＝(Pcf.x*m_scaleX，Pcf.y*m_scaleY)+C_Pmf

其中，Pcf.x，Pcf.y分别为点集Pcf每个特征点的x和y坐标，m_scaleX，m_scaleY分别为X、Y方向上的缩放比例参数；

改变原始五官轮廓，将P_client中的每个特征点作为一个相对独立的整体，求取每一个特征点与标准点集中对应的特征点之间的偏移量，并根据优化程度参数进行处理，计算公式如下：

P＝P_client+(P_model-P_client)*m_factor

其中，m_factor代表优化形变程度，其取值范围为[0,1]，m_factor越大，优化程度就越大，用户五官特征信息保留就越少。

2.如权利要求1所述的方法，其特征在于，所述人脸图像数据，包括，人脸的图片、人的半身、全身图像。

3.如权利要求1所述的方法，其特征在于，所述脸部特征，包括，眉毛、眼睛、鼻子、嘴巴和脸部轮廓。

4.如权利要求1所述的方法，其特征在于，所述脸部特征点检测是使用机器学习的方式对人脸五官的特征进行学习训练，从而定位检测图像的五官位置。

5.如权利要求1所述的方法，其特征在于，所述人脸进行形变处理，包括：

对用户图像以人脸特征点为网格顶点划分三角网格；

创建与用户图像尺寸大小一致的空白图像，并对该图像以优化后的人脸特征点为顶点划分三角网格；

建立两个三角网格之间的一一对应关系；

利用上一步骤的对应关系，通过三角形之间仿射关系计算空白图像中每一个像素的灰度值，得到形变后的人脸。

6.一种人脸五官美化处理的系统，其特征在于，包括，

读取模块，读取人脸图像数据；

识别模块，人脸区域定位与脸部特征点检测及对齐模块；

优化模块，用户脸部特征点进行优化模块；

人脸进行形变处理，得到五官美化；

其中所述优化模块具体用于：

选择标准脸模；

根据用户人脸特征点P_client和所述标准脸模上的特征点P_model计算各自中心坐标位置C_client和C_model；

将所述标准脸模上特征点以中心坐标为原点进行缩放，并平移到用户人脸中心，调整后的特征点集用Pm表示，计算公式如下：Pm＝P_model*m_scale+(C_client-C_model)其中，m_scale是特征点集的缩放比例；

保持原始五官轮廓，将Pm中的每个五官区域的特征点集Pmf作为一个整体，分别计算每个五官位置的中心点及其长宽比，然后将P_client中对应五官点集Pcf分别在x、y方向上进行缩放处理，然后移动其中心至Pmf的中心位置C_Pmf，调整后的特征点集用Pc_FA表示，计算公式如下：

Pc_FA＝(Pcf.x*m_scaleX，Pcf.y*m_scaleY)+C_Pmf

其中，Pcf.x，Pcf.y分别为点集Pcf每个特征点的x和y坐标，m_scaleX，m_scaleY分别为X、Y方向上的缩放比例参数；

改变原始五官轮廓，将P_client中的每个特征点作为一个相对独立的整体，求取每一个特征点与标准点集中对应的特征点之间的偏移量，并根据优化程度参数进行处理，计算公式如下：

P＝P_client+(P_model-P_client)*m_factor

其中，m_factor代表优化形变程度，其取值范围为[0,1]，m_factor越大，优化程度就越大，用户五官特征信息保留就越少。