[发明专利]一种特定动漫人脸生成方法、终端设备及存储介质

说明书

本发明涉及一种特定动漫人脸生成方法、终端设备及存储介质，在该方法中结合现有的基于卷积神经网络的神经风格迁移技术，实现真实人脸到动漫人脸的颜色像素风格迁移，初步动漫风格化；结合现有的基于生成对抗网络的风格迁移技术，实现初步动漫风格化的真实人脸到特定动漫人脸的域风格迁移，得到特定动漫人物的动漫化真人人脸图像。本发明既能够提取颜色特征、又能够保持面部结构特征，减少面部变形；并且可以针对特定动漫人物，生成需要的图像。

技术领域

本发明涉及动漫图像生成技术领域，尤其涉及一种特定动漫人脸生成方法、终端设备及存储介质。

背景技术

动漫作为一项休闲和爱好活动，陪伴了大批青少年的成长。动漫因其故事丰富性、画面细腻度、人物饱满性，一直深受大家的喜爱。名侦探柯南、海贼王、神奇宝贝等等经典动漫更是有很高的知名度和传播度。因此出现需求：很多人有意愿将自己的真人人脸图像进行动漫化，创作出动漫化的真人人脸图像，甚至是特定动漫人物的动漫化真人人脸图像。

但现况是：由漫画作家进行真人人脸动漫化创作费时又费力，而且目前还没有可以将真人人脸图像直接转变为特定动漫人物人脸的技术。

现有基础技术包括两种：2014年卷积神经网络(Convolutional NeuralNetworks)得到快速发展，随之出现神经风格迁移(Neural Style Transfer)技术，该技术能够实现单独抽取两张图像的内容、风格，重组之后可以得到同时融合图像A内容、图像B风格的新图像C。现有的基于卷积神经网络的神经风格迁移技术，虽然可以实现真实人脸到动漫人脸的颜色像素风格的单一迁移，但在捕捉动漫人脸的夸张化风格上存在很大困难，因此会导致面部变形，无法有效实现真实人脸的动漫化。

2015年生成对抗网络(Generative Adversarial Networks，GAN)强势崛起，次年诞生的cycleGAN技术(出自论文《Unsupervised Cross-Domain Image Generation》，即不成对跨领域图像生成技术)能够实现在两个不同领域的图像之间进行转换，生成新图像。现有的基于生成对抗网络的风格迁移技术，虽然可以通过随机噪声生成动漫人脸，但没有结合真实人脸来生成，也不能针对生成特定动漫人物；虽然已经能够将真实场景生成动漫化场景，但应用于人脸上会导致面部变形等问题，无法准确生成真实人脸的动漫化图像。

在此基础上，又延伸发展出很多新的技术，实现照片素描化、照片动漫风格化、漫画头像风格迁移等等，但都存在各自的缺点，无法实现特定动漫人物的动漫化真人人脸图像。

发明内容

针对上述问题，本发明旨在提供一种特定动漫人脸生成方法、终端设备及存储介质，既能够提取颜色特征、又能够保持面部结构特征，减少面部变形，并且可以针对特定动漫人物，生成需要的图像。

具体方案如下：

一种特定动漫人脸生成方法，包括：

模型训练阶段：

S110：采集多个真人人脸图像，组成真人人脸数据集，采集多个动漫人脸图像，组成动漫人脸数据集；

S120：将真人人脸数据集中的每个真人人脸数据均进行第一次图像膨胀处理，使真人人脸数据对应的人脸的大小与动漫人脸数据对应的人脸的大小相匹配；

S130：以第一次图像膨胀处理后的真人人脸数据集作为内容图像，以采集的动漫人脸数据集作为风格图像，通过神经风格迁移模型，输出初步动漫化的真人人脸数据集；

S140：将初步动漫化的真人人脸数据集进行第二次图像膨胀处理，使真人人脸数据对应的五官的大小与动漫人脸数据对应的五官的大小相匹配；

S150：采集具有特定名字的动漫角色的多个人脸数据组成特定动漫人脸数据集；