[发明专利]人脸图像处理方法、装置及电子设备在审

专利信息
申请号: 202011588167.6 申请日: 2020-12-29
公开(公告)号: CN112686818A 公开(公告)日: 2021-04-20
发明(设计)人: 刘行 申请(专利权)人: 维沃移动通信有限公司
主分类号: G06T5/00 分类号: G06T5/00;G06T7/13;G06T7/44;G06N3/04;G06N3/08
代理公司: 北京银龙知识产权代理有限公司 11243 代理人: 许静;曹娜
地址: 523863 广东*** 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: 图像 处理 方法 装置 电子设备
【权利要求书】:

1.一种人脸图像处理方法,其特征在于,包括:

确定第一人脸图像中的眉毛区域;

对所述眉毛区域中的杂毛区域进行边缘检测,获得杂毛掩膜图像;

在所述第一人脸图像中去除所述杂毛掩膜图像,得到第二人脸图像;

将所述第二人脸图像输入至皮肤生成器模型,以在所述第二人脸图像中所述杂毛掩膜图像的位置生成皮肤纹理,得到目标修正图像。

2.根据权利要求1所述的人脸图像处理方法,其特征在于,所述皮肤生成器模型是基于生成对抗网络模型训练得到的,基于生成对抗网络模型训练所述皮肤生成器模型的步骤,具体包括:

获取第一人脸样本集;

通过在所述第一人脸样本集中的各张人脸图像中随机生成掩膜图像线条,模拟真实的杂毛区域皮肤缺损,获得第二人脸样本集;

将所述第二人脸样本集输入至所述生成对抗网络模型的生成器网络模型,得到修复缺损皮肤后的生成样本集;

将所述生成样本集和所述第一人脸样本集输入至所述生成对抗网络模型的判别器网络模型,得到判别结果;

利用所述判别结果更新所述生成器网络模型,并继续将所述第二人脸样本集输入至所述生成器网络模型,得到修复缺损皮肤后的生成样本集,进行迭代训练;

在所述判别结果满足迭代训练结束条件后,将更新后的所述生成器网络模型作为所述皮肤生成器模型。

3.根据权利要求2所述的人脸图像处理方法,其特征在于,所述生成器网络模型是基于U-Net网络结构加跳层连接的方式构建的。

4.根据权利要求2所述的人脸图像处理方法,其特征在于,所述判别器网络模型是基于光谱归一化构建的。

5.根据权利要求1所述的人脸图像处理方法,其特征在于,所述对所述眉毛区域中的杂毛区域进行边缘检测,获得杂毛掩膜图像的步骤之前,还包括:

在检测到所述眉毛区域中存在画眉区域的情况下,根据所述画眉区域确定杂毛区域,且确定的所述杂毛区域为与所述画眉区域不重叠的区域。

6.一种人脸图像处理装置,其特征在于,包括:

第一确定模块,用于确定第一人脸图像中的眉毛区域;

检测模块,用于对所述眉毛区域中的杂毛区域进行边缘检测,获得杂毛掩膜图像;

第一处理模块,用于在所述第一人脸图像中去除所述杂毛掩膜图像,得到第二人脸图像;

第二处理模块,用于将所述第二人脸图像输入至皮肤生成器模型,以在所述第二人脸图像中所述杂毛掩膜图像的位置生成皮肤纹理,得到目标修正图像。

7.根据权利要求6所述的人脸图像处理装置,其特征在于,所述皮肤生成器模型是基于生成对抗网络模型训练得到的,所述装置还包括:

第一获取模块,用于获取第一人脸样本集;

第二获取模块,用于通过在所述第一人脸样本集中的各张人脸图像中随机生成掩膜图像线条,模拟真实的杂毛区域皮肤缺损,获得第二人脸样本集;

生成模块,用于将所述第二人脸样本集输入至所述生成对抗网络模型的生成器网络模型,得到修复缺损皮肤后的生成样本集;

判别模块,用于将所述生成样本集和所述第一人脸样本集输入至所述生成对抗网络模型的判别器网络模型,得到判别结果;

训练更新模块,用于利用所述判别结果更新所述生成器网络模型,并继续将所述第二人脸样本集输入至所述生成器网络模型,得到修复缺损皮肤后的生成样本集,进行迭代训练;

第三处理模块,用于在所述判别结果满足迭代训练结束条件后,将更新后的所述生成器网络模型作为所述皮肤生成器模型。

8.根据权利要求7所述的人脸图像处理装置,其特征在于,所述生成器网络模型是基于U-Net网络结构加跳层连接的方式构建的。

9.根据权利要求7所述的人脸图像处理装置,其特征在于,所述判别器网络模型是基于光谱归一化构建的。

10.根据权利要求6所述的人脸图像处理装置,其特征在于,还包括:

第二确定模块,用于在检测到所述眉毛区域中存在画眉区域的情况下,根据所述画眉区域确定杂毛区域,且确定的所述杂毛区域为与所述画眉区域不重叠的区域。

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维沃移动通信有限公司,未经维沃移动通信有限公司许可,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/202011588167.6/1.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