[发明专利]一种基于深度学习的人脸美颜方法

说明书

本发明提供了图像处理技术领域的一种基于深度学习的人脸美颜方法，包括：步骤S10、获取大量的人脸图像，对各人脸图像进行预处理得到人脸数据集；步骤S20、创建人脸关键点检测模型，利用人脸数据集对人脸关键点检测模型进行训练；步骤S30、利用人脸关键点检测模型对待美颜图像进行检测，得到68个人脸关键点，利用移动最小二乘法以及人脸关键点对待美颜图像进行瘦脸操作，得到瘦脸图像；步骤S40、获取妆容图像，基于三角剖分算法将妆容图像与瘦脸图像对齐；步骤S50、利用皮肤美白算法对瘦脸图像进行美白；步骤S60、将妆容图像与美白后的瘦脸图像进行融合，得到人脸美颜图像。本发明的优点在于：极大的提升了人脸图像美化的抗干扰性以及成像效果。

技术领域

本发明涉及图像处理技术领域，特别指一种基于深度学习的人脸美颜方法。

背景技术

随着计算机视觉领域的飞速发展，人脸图像的美化技术渐趋成熟，在拍照后对人脸细节的显示和成像也越发细致。为了展示更加完美的皮肤，去除如皱纹、雀斑等瑕疵，通过对一些妆容进行提取和迁移，给予用户对人脸美颜的建议和适合妆容的推荐，逐渐成为一个深受大家喜爱的功能。

针对人脸美颜，传统上是采用妆容模板对人脸图像进行美颜，但是存在妆容模板过于单一、人脸图像加工后不够平滑自然、去除瑕疵后容易对边缘皮肤造成一定损伤的缺点。因此，出现了以颜色、空间模型作为基础，将人脸美型和妆容美化结合起来的方法，但是存在美颜的人脸图像容易受图像噪声、姿态转变以及光照变化的影响，尤其是侧脸，相比于以妆容模板为基础的美颜方法效果还要差。

综上所述，传统美颜方法的美颜效果不尽如人意，因此，如何提供一种基于深度学习的人脸美颜方法，实现提升人脸图像美化的抗干扰性以及成像效果，成为一个亟待解决的问题。

发明内容

本发明要解决的技术问题，在于提供一种基于深度学习的人脸美颜方法，实现提升人脸图像美化的抗干扰性以及成像效果。

本发明是这样实现的：一种基于深度学习的人脸美颜方法，包括如下步骤：

步骤S10、获取大量的人脸图像，对各所述人脸图像进行预处理得到人脸数据集；

步骤S20、基于卷积神经网络创建一人脸关键点检测模型，利用所述人脸数据集对人脸关键点检测模型进行训练；

步骤S30、利用训练后的所述人脸关键点检测模型对待美颜图像进行检测，得到68个人脸关键点，利用移动最小二乘法以及所述人脸关键点对待美颜图像进行瘦脸操作，得到瘦脸图像；

步骤S40、获取一妆容图像，基于三角剖分算法将所述妆容图像与瘦脸图像对齐；

步骤S50、利用皮肤美白算法对所述瘦脸图像进行美白；

步骤S60、将所述妆容图像与美白后的瘦脸图像进行融合，得到人脸美颜图像。

进一步地，所述步骤S10具体为：

获取大量的人脸图像，通过SSD算法检测各所述人脸图像中单个人脸的人脸区域，利用正方形截取各所述人脸区域，对各所述人脸区域进行68个人脸关键点的标注后，归一化处理各所述标注的坐标，得到人脸数据集。

进一步地，所述步骤S20中，所述人脸关键点检测模型采用5层卷积层以及最大池化操作，卷积核大小为2×2，步长为2，并采用Relu函数作为激活函数。

进一步地，所述步骤S20中，所述利用所述人脸数据集对人脸关键点检测模型进行训练具体为：

基于预设比例将所述人脸数据集划分为训练集以及验证集，并设定一准确率阈值；

利用所述训练集对人脸关键点检测模型进行训练，利用所述验证集对训练后的人脸关键点检测模型进行验证，判断检测准确率是否大于所述准确率阈值，若是，则结束训练，并进入步骤S30；若否，则扩充所述人脸数据集，继续进行训练。