[发明专利]具有虚拟人物上妆功能的化妆品直播系统及方法在审

专利信息
申请号: 202010367344.1 申请日: 2020-04-30
公开(公告)号: CN111586428A 公开(公告)日: 2020-08-25
发明(设计)人: 刘谋容;王国强;王慧仙 申请(专利权)人: 永康精信软件开发有限公司
主分类号: H04N21/2187 分类号: H04N21/2187;H04N21/431;H04N21/4415;G06K9/00;G06K9/34;G06K9/62
代理公司: 杭州恒翌专利代理事务所(特殊普通合伙) 33298 代理人: 柯奇君
地址: 321306 浙江省金华市永康市芝*** 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: 具有 虚拟 人物 功能 化妆品 直播 系统 方法
【权利要求书】:

1.一种具有虚拟人物上妆功能的化妆品直播系统,其特征在于,包括:

妆前特征提取模块,用于从获取到的用户上传的面部图像或视频中提取出用户的妆前面部特征;

面部模型匹配模块,用于将所述妆前面部特征与预先建立的各面部模型的面部特征进行比对,确定出与用户面部的匹配度最高的最相似面部模型;

妆后特征获取模块,用于基于选择的化妆品将所述最相似面部模型的面部特征输入对应的上妆效果虚拟器,得到用户的妆后面部特征;

妆后图像生成模块,用于依据所述妆后面部特征生成虚拟的用户妆后图像或视频;

妆后图像反馈模块,用于将所述用户妆后图像或视频反馈给用户。

2.如权利要求1所述的系统,其特征在于,所述妆前特征提取模块包括:

特征值计算单元,用于利用积分图对用户上传的面部图像进行矩形区域遍历,计算出各个矩形区域的Haar-like特征值;

图像分类筛选单元,用于将所述各个矩形区域的Haar-like特征值输入预先训练好的AdaBoost级联分类器,筛选出面部区域图像;其中,

所述AdaBoost级联分类器包括多个串联的弱分类器,所述弱分类器的训练样本包括面部具有一定偏转角度的图像、面部被部分遮挡的图像以及面部具有表情的正样本图像。

3.如权利要求1或2所述的系统,其特征在于,所述妆前特征提取模块还包括:

粗定位子模块,用于利用可变形部件模型对面部关键点进行粗定位,得到粗定位坐标信息;

精定位子模块,用于将所述粗定位坐标信息作为主动外观模型的初始位置信息进行拟合,得到面部关键点的精定位信息。

4.如权利要求3所述的系统,其特征在于,所述粗定位子模块包括:

相似度计算单元,用于利用不同尺寸的方向梯度直方图特征滤波器对用户上传的图像进行滤波,得到各个预先训练好且相互关联的面部特征模板对应区域的相似度;

面部判定单元,用于将得到的所述相似度与相似阈值进行比较,相似度大于相似阈值则判定为检测到面部,否则判定为未检测到面部。

5.如权利要求4所述的系统,其特征在于,所述精定位子模块包括:

模型构建单元,用于建立形状模型以及纹理模型,并依据所述形状模型和所述纹理模型构建主动外观模型;

模型拟合单元,用于基于所述粗定位坐标信息,利用能量函数计算模型实例与待测图像之间的误差,利用该误差对模型进行优化,得到精定位的面部关键点。

6.一种具有虚拟人物上妆功能的化妆品直播方法,其特征在于,包括:

从获取到的用户上传的面部图像或视频中提取出用户的妆前面部特征;

将所述妆前面部特征与预先建立的各面部模型的面部特征进行比对,确定出与用户面部的匹配度最高的最相似面部模型;

基于选择的化妆品将所述最相似面部模型的面部特征输入对应的上妆效果虚拟器,得到用户的妆后面部特征;

依据所述妆后面部特征生成虚拟的用户妆后图像或视频;

将所述用户妆后图像或视频反馈给用户。

7.如权利要求6所述的方法,其特征在于,所述提取出用户的妆前面部特征包括:

利用积分图对用户上传的面部图像进行矩形区域遍历,计算出各个矩形区域的Haar-like特征值;

将所述各个矩形区域的Haar-like特征值输入预先训练好的AdaBoost级联分类器,筛选出面部区域图像;其中,

所述AdaBoost级联分类器包括多个串联的弱分类器,所述弱分类器的训练样本包括面部具有一定偏转角度的图像、面部被部分遮挡的图像以及面部具有表情的正样本图像。

8.如权利要求7所述的方法,其特征在于,所述提取出用户的妆前面部特征还包括:

利用可变形部件模型对面部关键点进行粗定位,得到粗定位坐标信息;

将所述粗定位坐标信息作为主动外观模型的初始位置信息,利用主动外观模型进行拟合,得到面部关键点的精定位信息。

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永康精信软件开发有限公司,未经永康精信软件开发有限公司许可,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/202010367344.1/1.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