[发明专利]一种基于不同发型的RGBD头发分割方法

权利要求书

1.一种基于不同发型的RGBD头发分割方法，其特征在于，包括如下步骤：

步骤S1：头发噪声学习，对头发分角度的RGBD图像进行分析，将所述头发进行分区，得到所述头发在所述分区的噪声直方分布，并获取所述图像的方差图，最后对所述分区的denseCRF参数进行学习；

步骤S2：头发数据采集，对头部进行360度环绕式采集；对每幅图像的头发所述分区和面部的进行绘制，确定两耳的二维坐标点；对所述头发的流向信息进行标注；

步骤S3：深度学习训练，包括发型学习步骤和分割学习步骤；

所述发型学习步骤，通过image-to-image网络，对所述图像进行训练，获得用特定的向量表示的发型信息；

所述分割学习步骤，通过输入头发的RGBD图像以及所述图像的所述发型信息，获得头发不同区域的分割结果信息；

步骤S4：denseCRF分步优化，通过输入所述头发分割结果信息，作为denseCRF的初始值，加入所述图像的方差图，经过所述denseCRF的优化，得到优化的头发分割结果信息；

步骤S5：模型查找替换，用户输入图像与所述头发模型库中的msak进行对比，查找输出相似的头发模型，并通过手机渲染，在手机端显示用户人体头部的三维模型。

2.如权利要求1所述的基于不同发型的RGBD头发分割方法，其特征在于，所述分区为四个，分别为顶部、左侧、右侧和后部。

3.如权利要求2所述的基于不同发型的RGBD头发分割方法，其特征在于，所述环绕式采集通过每6度采集一张所述头部的RGBD图像的方式，采集样本数量大于100人。

4.如权利要求3所述的基于不同发型的RGBD头发分割方法，其特征在于，所述头发的流向分为左斜、右斜、竖直和横向四个方向。

5.如权利要求4所述的基于不同发型的RGBD头发分割方法，其特征在于，所述向量为64*64向量。

6.如权利要求5所述的基于不同发型的RGBD头发分割方法，其特征在于，所述分割学习步骤还包括深度处理模块，通过对深度信息进行平滑加工，主动识别噪声，用于增大头发输出概率。

7.如权利要求5所述的基于不同发型的RGBD头发分割方法，其特征在于，所述分割学习步骤还包括梯度处理模块，用于获取头发梯度信息。

8.如权利要求5所述的基于不同发型的RGBD头发分割方法，其特征在于，所述分割学习步骤还包括Endocer-Decoder网络模块，对所述头发的彩色图通过encoder网络获取头发编码，并通过decoder网络获取最终分割的参数信息。

9.如权利要求5所述的基于不同发型的RGBD头发分割方法，其特征在于，所述分割学习步骤还包括并行处理模块，包括头发分割，流向分割，面部分割，耳朵位置确定子模块，同步获取信息。

10.如权利要求1所述的基于不同发型的RGBD头发分割方法，其特征在于，所述denseCRF的公式如下：

P为对应的位置信息，I为对应的像素值，v为方差信息。