[发明专利]一种基于深度学习的戏曲脸谱生成方法及系统

权利要求书

1.一种基于深度学习的戏曲脸谱生成方法，其特征在于，包括：

步骤S1：对人脸图片进行数据清洗与预处理，构建戏曲脸谱图像数据集；

步骤S2：根据素颜人脸图像和戏曲脸谱图像的人脸关键点，建立二者的映射关系；将对应所述人脸关键点进行融合，得到具有素颜人脸结构的伪戏曲脸谱图像；

步骤S3：将所述素颜人脸图像和所述戏曲脸谱图像输入深度学习生成网络，生成结果图像；

步骤S4：根据所述戏曲脸谱图像、所述伪戏曲脸谱图像以及所述结果图像，并根据人脸特征关键点映射关系计算生成指定大小的K个局部戏曲妆容特征区域，输入所述深度学习生成网络，构建K个重叠人脸局部鉴别器，同时采用边缘感知处理实现面部色彩纹理高频细节增强，与所述深度学习生成网络生成的所述结果图像同步进行对抗，实现对戏曲脸谱高频细节的提取和鉴别，最终输出目标戏曲脸谱图像。

2.根据权利要求1所述的基于深度学习的戏曲脸谱生成方法，其特征在于，所述步骤S1：对人脸图片进行数据清洗与预处理，构建戏曲脸谱图像数据集，具体包括：

步骤S11：去除低质量的人脸图像，所述低质量的人脸图像包括：分辨率过低、图像尺寸过小的人脸图像；

步骤S12：删除非法格式和不符合要求的人脸图像，所述不符合要求的人脸图像包括：大角度、有遮挡、人脸区域模糊和夸张人脸表情的人脸图像；

步骤S13：将所剩的合格人脸图像进行预处理，根据级联分类器自动定位人脸中心位置，并指定大小对所述人脸图像进行切割，将其变换为预设尺寸的人脸图像。

3.根据权利要求1所述的基于深度学习的戏曲脸谱生成方法，其特征在于，所述步骤S2：根据素颜人脸图像和戏曲脸谱图像的人脸关键点，建立二者的映射关系；将对应所述人脸关键点进行融合，得到具有素颜人脸结构的伪戏曲脸谱图像，具体包括：

步骤S21：分别提取所述素颜人脸图像和所述戏曲脸谱图像的人脸特征关键点，并建立二者的映射关系；

步骤S22：根据所述素颜人脸图像和所述戏曲脸谱图像的人脸特征关键点的映射关系，将所述素颜人脸图像的人脸结构信息和所述戏曲脸谱图像的戏曲脸谱色彩纹理特征利用泊松融合方法进行融合，得到具有素颜人脸结构的伪戏曲脸谱图像。

4.根据权利要求1所述的基于深度学习的戏曲脸谱生成方法，其特征在于，所述步骤S4：根据所述戏曲脸谱图像、所述伪戏曲脸谱图像以及所述结果图像，并根据人脸特征关键点映射关系计算生成指定大小的K个局部戏曲妆容特征区域，输入所述深度学习生成网络，构建K个重叠人脸局部鉴别器，同时采用边缘感知处理实现面部色彩纹理高频细节增强，与所述深度学习生成网络生成的所述结果图像同步进行对抗，实现对戏曲脸谱高频细节的提取和鉴别，最终输出目标戏曲脸谱图像，具体包括：

步骤S41：根据所述戏曲脸谱图像、所述伪戏曲脸谱图像以及所述结果图像，并根据所述人脸特征关键点映射关系，计算生成指定大小的K个局部戏曲妆容特征区域，得到K个局部戏曲脸谱特征矩阵向量；

步骤S42：将K个所述局部戏曲脸谱特征矩阵向量输入所述深度学习生成网络，对每个戏曲脸谱人脸子区域单独控制，为每个指定区域创建空间上不同的归一化参数，通过归一化方式保证所述戏曲脸谱图像、所述伪戏曲脸谱图像和所述结果图像对应相同子区域的色彩、纹理具有相似性；

步骤S43：通过对所述K个局部戏曲脸谱特征矩阵进行计算平均值并输出相同戏曲脸谱风格的图像对应的概率值，采用边缘感知处理实现增强面部色彩纹理高频细节，输出最终目标戏曲脸谱图像。

5.一种基于深度学习的戏曲脸谱生成系统，其特征在于，包括下述模块：

获取数据集模块，用于对人脸图片进行数据清洗与预处理，构建戏曲脸谱图像数据集；

获取伪戏曲脸谱图像模块，用于根据素颜人脸图像和戏曲脸谱图像的人脸关键点，建立二者的映射关系；将对应所述人脸关键点进行融合，得到具有素颜人脸结构的伪戏曲脸谱图像；

生成结果图像模块，用于将所述素颜人脸图像和所述戏曲脸谱图像输入深度学习生成网络，生成结果图像；

获取目标戏曲脸谱图像模块，根据所述戏曲脸谱图像、所述伪戏曲脸谱图像以及所述结果图像，并根据人脸特征关键点映射关系计算生成指定大小的K个局部戏曲妆容特征区域，输入所述深度学习生成网络，构建K个重叠人脸局部鉴别器，同时采用边缘感知处理实现面部色彩纹理高频细节增强，与所述深度学习生成网络生成的所述结果图像同步进行对抗，实现对戏曲脸谱高频细节的提取和鉴别，最终输出目标戏曲脸谱图像。