[发明专利]人脸简笔画生成方法及装置在审

专利信息
申请号: 202010016612.5 申请日: 2020-01-08
公开(公告)号: CN111275778A 公开(公告)日: 2020-06-12
发明(设计)人: 高飞;朱静洁;李鹏;俞泽远;王韬 申请(专利权)人: 浙江省北大信息技术高等研究院;杭州未名信科科技有限公司
主分类号: G06T11/00 分类号: G06T11/00;G06T5/50;G06T5/30;G06N3/04;G06K9/00
代理公司: 北京辰权知识产权代理有限公司 11619 代理人: 刘广达
地址: 311200 浙江省杭州市*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 简笔画 生成 方法 装置
【说明书】:

发明公开了一种人脸简笔画生成方法及装置,包括:识别人脸图像中人脸各部位区域;从人脸图像中裁剪出每一部位区域对应的图像块;将人脸图像输入已训练的全局肖像生成模型,以使全局肖像生成模型生成所述人脸图像的全局人脸简笔画;针对每一部位区域的图像块,将该图像块输入该部位区域对应的局部肖像生成模型,以使局部肖像生成模型生成该部位区域的局部人脸简笔画;将全局人脸简笔画和各个局部人脸简笔画进行融合得到最终人脸简笔画。本发明旨在将人脸不同部位之间的差异性考虑在内,以克服人脸不同部位图像域表示对简笔画合成质量的影响,结合不同部位区域在简笔画中的表示模式,合成清晰美观、纹理逼真的高质量人脸简笔画。

技术领域

本发明涉及计算机技术领域,具体涉及一种人脸简笔画生成方法及装置。

背景技术

将人脸图像转换为简笔画,在公共安全领域和数字娱乐领域均具有很重要的应用价值。

在传统图像处理方法中,如果要使生成的简笔画效果好,需要图像处理方法的运算复杂度很高,这难以满足实时性的需求,随着机器学习技术的发展,基于机器学习的图像处理技术比传统的图像处理技术运算速度高且精确度也高,因此衍生出很多由人脸图像生成简笔画的机器学习模型。

然而,这些机器学习模型由人脸图像生成的简笔画的鲁棒性很差,人脸不同区域在图像和简笔画中的外在表达存在很大差异,合成效果不佳。

发明内容

本发明的目的是针对上述现有技术的不足提出的一种人脸简笔画生成方法及装置,该目的是通过以下技术方案实现的。

本发明的第一方面提出了一种人脸简笔画生成方法,所述方法包括:

从接收到的图像中裁剪出人脸图像,并识别所述人脸图像中人脸各部位区域;

复制所述人脸图像并从复制的人脸图像中裁剪出每一部位区域对应的图像块;

将所述人脸图像输入已训练的全局肖像生成模型,以使所述全局肖像生成模型生成所述人脸图像的全局人脸简笔画;

针对每一部位区域的图像块,将该图像块输入该部位区域对应的局部肖像生成模型,以使所述局部肖像生成模型生成该部位区域的局部人脸简笔画;

将所述全局人脸简笔画和各个局部人脸简笔画进行融合,得到最终人脸简笔画。

本发明的第二方面提出了一种人脸简笔画生成装置,所述装置包括:

识别模块,用于从接收到的图像中裁剪出人脸图像,并识别所述人脸图像中人脸各部位区域;

裁剪模块,用于复制所述人脸图像并从复制的人脸图像中裁剪出每一部位区域对应的图像块;

全局合成模块,用于将所述人脸图像输入已训练的全局肖像生成模型,以使所述全局肖像生成模型生成所述人脸图像的全局人脸简笔画;

局部合成模块,用于针对每一部位区域的图像块,将该图像块输入该部位区域对应的局部肖像生成模型,以使所述局部肖像生成模型生成该部位区域的局部人脸简笔画;

融合模块,用于将所述全局人脸简笔画和各个局部人脸简笔画进行融合,得到最终人脸简笔画。

在本发明实施例中,通过识别出人脸图像中人脸各不同部位区域,并生成各个部位区域对应的局部人脸简笔画,然后通过将全局人脸简笔画和不同部位区域的局部人脸简笔画融合得到最终的人脸简笔画,以克服人脸不同部位图像域表示对简笔画合成质量的影响,从而结合不同部位区域在简笔画中的表示模式,可以合成清晰美观、纹理逼真的高质量人脸简笔画。

附图说明

此处所说明的附图用来提供对本发明的进一步理解,构成本发明的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:

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浙江省北大信息技术高等研究院;杭州未名信科科技有限公司,未经浙江省北大信息技术高等研究院;杭州未名信科科技有限公司许可,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/202010016612.5/2.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