[发明专利]一种基于面部表情的联合作画方法及系统在审

专利信息
申请号: 201811471926.3 申请日: 2018-12-04
公开(公告)号: CN109558851A 公开(公告)日: 2019-04-02
发明(设计)人: 邓立邦 申请(专利权)人: 广东智媒云图科技股份有限公司
主分类号: G06K9/00 分类号: G06K9/00
代理公司: 广州三环专利商标代理有限公司 44202 代理人: 颜希文;宋静娜
地址: 510000 广东省广州市*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 面部表情 人脸图像 面部表情识别 绘制 作画 样本数据库 相对位移 微调 浮动 表情类别 绘画效果 面部器官 模型识别 统计分析 训练图像 自动识别 联合 器官 输出
【说明书】:

发明公开了一种基于面部表情的联合作画方法及系统,该方法包括:步骤S1,建立面部表情识别模型,并利用面部表情样本数据库的训练图像进行反复训练,以使所述面部表情识别模型能实现面部表情类别自动识别,并根据所述面部表情样本数据库统计分析获得各面部表情类别对应的各器官相对位移对应的浮动区间;步骤S2,获取绘制的人脸图像;步骤S3,利用所述面部表情识别模型识别出该绘制人脸图像的面部表情类别;步骤S4,根据识别出的面部表情类别,获得该表情类别对应的各面部器官所属相对位移的浮动区间,对该绘制人脸图像进行微调;步骤S5,输出微调后的绘制人脸图像,本发明可实现基于面部表情的联合作画达到以形传神的绘画效果。

技术领域

本发明涉及图象识别处理技术领域,特别是涉及一种基于面部表情的联合作画方法及系统。

背景技术

随着社会经济和科技的不断发展,人类生活水平不断提高,对物质和精神需求也越来越高。为了提高生活娱乐性以及满足人类需求,各种休闲娱乐项目应运而生。

休闲娱乐,是指在非劳动及非工作时间内以各种“玩”的方式实现身心调节与放松,达到生命保健、体能恢复、身心愉悦目的的一种业余生活,展示形式主要有:绘画、摄影、旅游、唱歌、跳舞等。其中,绘画集微妙观察能力、形象思维能力、高效记忆力、创造想象力、丰富表达能力于一体,受到广大人民青睐。

绘图是一种在二维的平面上以手工方式临摹自然的艺术。传统的绘画方式,普遍所采用的是画笔、取色盘以及画板,所进行的是实体的绘画。人物绘画则是绘画者们经常练习的一种,然而,对于人物绘画,由于绘画水平限制,一般绘画者的人物绘画效果普遍只会画五官,不会画表情,容易导致所有人物都是同一个表情;看起来就像只是换了个发型,换了件衣服,但内壳都是相同,实在无趣,影响了人们学习绘画的积极性。

面部表情是通过眼部肌肉、颜面肌肉和口部肌肉的变化来表现各种情绪状态,包括:高兴、伤心、害怕、愤怒、厌恶、惊讶以及轻蔑等,是人类情感信息沟通运用最多的一种体语形式,人物绘画中若加入面部表情,则会大大提高绘画的水平,然而,以形传神的绘画技巧,不仅要熟悉人物的基本结构和特征,还要通过面部表情理解人物的内心情感,并且还需要绘画者具备专业绘画知识,并通过长期培养绘画技术,实现门槛高,因此实有必要提出一种技术手段,以解决上述问题。

发明内容

为克服上述现有技术存在的不足,本发明之目的在于提供一种基于面部表情的联合作画方法及系统,以实现基于面部表情的联合作画达到以形传神的绘画效果,使绘画效果更满足用户需求,降低了绘画技术的实现门槛。

为达上述目的,本发明提出一种基于面部表情的联合作画方法,包括如下步骤:

步骤S1,建立面部表情识别模型,并利用面部表情样本数据库的训练图像进行反复训练,以使所述面部表情识别模型能实现面部表情类别自动识别,并根据所述面部表情样本数据库统计分析获得各面部表情类别对应的各器官相对位移对应的浮动区间;

步骤S2,获取绘制的人脸图像;

步骤S3,利用所述面部表情识别模型识别出该绘制人脸图像的面部表情类别;

步骤S4,根据识别出的面部表情类别,获得该表情类别对应的各面部器官所属相对位移的浮动区间,对该绘制人脸图像进行微调;

步骤S5,输出微调后的绘制人脸图像。

优选地,步骤S1进一步包括:

步骤S100,获取大量带有面部表情的人脸图像,基于面部表情类别特征分类后,建立面部表情样本数据库;

步骤S101,统计分析所述面部表情样本数据库中所有图像各面部器官所属关键点产生的相对位移,获得各表情类别各器官相对位移对应的浮动区间;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广东智媒云图科技股份有限公司,未经广东智媒云图科技股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201811471926.3/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top