[发明专利]一种基于人脸识别技术的实时面部老化模拟方法

说明书

本发明提出一种基于人脸识别技术的实时面部老化模拟方法：对于每一人脸图像帧执行以下操作：将人脸图像存储为矩阵M_x，矩阵包含图像的像素值信息；对图像进行人脸的特征点识别；对人脸图像进行皮肤老化松弛下垂的局部变形处理；采用皱纹素材进行遮罩的制作，并给遮罩标记特征点；对皱纹素材与矩阵图像根据特征点对齐规则进行仿射变换、图像融合处理，羽化边缘和调整Alpha值。其简化了人脸老化的过程，利用深度学习来检测人脸特征点，对素材进行预处理，对图像进行融合处理，并运用简单的公式来进行像素坐标转换，极大地缩短了计算时间减少了计算量。

技术领域

本发明属于计算机图像处理技术领域，尤其涉及一种基于人脸识别技术的实时面部老化模拟方法。

背景技术

随着计算机视觉领域与人工智能的发展，越来越多基于深度学习机器学习的项目推陈出新，近年来各大图像模拟图像处理领域研究也出了许多的成果。

人脸老化模拟属于深度学习领域，需要用到深度学习知识进行人脸特征点的识别，人脸老化模拟也越来越多的应用在刑侦预测以及娱乐领域。

但是就目前的人脸老化模拟技术而言多数是以单一图像处理为主，而缺少实时处理，一是因为实时处理需要计算的数据量庞大，二是因为计算量大而导致的时延问题。

比如，公开号CN111275610A的发明专利申请公开了一种人脸变老图像处理方法及系统，处理方法包括：S1、对老人皱纹图进行高斯模糊，获取老人无皱纹图；S2、检测待处理用户图、所述老人皱纹图、老人无皱纹图的人脸关键点；S3、基于所述人脸关键点对待处理用户图、老人皱纹图、老人无皱纹图进行三角剖分；S4、基于所述三角剖分将老人皱纹图、老人无皱纹图的人脸关键点对齐到待处理用户图；S5、将老人皱纹迁移到所述待处理用户图中，生成第一变老图像；S6、基于所述第一变老图像、待处理用户图，通过调节变老程度，生成对应的第二变老图像。

但是上述发明仅仅是针对单一图片进行人脸老化模拟，无法实现实时的人脸老化模拟，并且仅通过基于脸部特征点对齐原则对皱纹素材与待用户处理图进行叠加，只能得到面部肌肤的近似老化，而面部结构的老化并不能实现。

因此，在本领域内如何实现更加逼真的老化效果、如何让用户得到及时的老化反馈以及如何尽可能地减少数据计算量还是尚需解决的问题。

发明内容

有鉴于此，本发明的目的在于提供一种基于人脸识别技术的实时面部老化模拟方法，基于最基础的深度学习人脸识别模块，能够用较少的计算量来实现人脸老化的模拟，减少时延。该方法利用简单的公式计算来实现人脸老化面部结构变形的效果，又基于人脸识别技术来展现实时的人脸老化。简化了数据计算过程也实现了更加逼真的老化效果。

本发明具体采用以下技术方案：

一种基于人脸识别技术的实时面部老化模拟方法，其特征在于：对于每一人脸图像帧执行以下操作：将人脸图像存储为矩阵M_x，矩阵包含图像的像素值信息；对图像进行人脸的特征点识别；对人脸图像进行皮肤老化松弛下垂的局部变形处理；采用皱纹素材进行遮罩的制作，并给遮罩标记特征点；对皱纹素材与矩阵图像根据特征点对齐规则进行仿射变换、图像融合处理，羽化边缘和调整Alpha值。

优选地，对人脸图像的处理包括以下步骤：

步骤S1：将人脸图像存储为矩阵M_x，矩阵包含图像的像素值信息；

步骤S2：对人脸图像进行人脸特征点识别；

步骤S3：对人脸图像进行皮肤老化松弛下垂的局部变形处理；

步骤S4：对不同年龄段的皱纹素材进行遮罩的制作，保留素材的人面部，裁剪掉眼睛、嘴巴、鼻头位置，并给素材标记特征点；

步骤S5：对皱纹素材与矩阵图像根据特征点对齐规则进行仿射变换、图像融合处理，羽化边缘和调整Alpha值。