[发明专利]一种基于深度学习的戏曲脸谱生成方法及系统

说明书

本发明涉及一种基于深度学习的戏曲脸谱生成方法及系统，其方法包括：S1：对人脸图片进行数据清洗与预处理，构建数据集；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；将对应人脸关键点进行融合，得到具有素颜人脸结构的伪戏曲艺术人脸图像；S3：将素颜人脸图像和戏曲艺术人脸图像输入深度学习生成网络，生成结果图像；S4：构建K个重叠人脸局部鉴别器，与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，最终输出目标戏曲艺术人脸图像。本发明提供的方法基于深度学习进行不同域之间的戏曲脸谱建模，对戏曲脸谱的高频色彩、纹理特征进行生成，获得逼真的戏曲脸谱效果。

技术领域

本发明为图像处理领域，具体涉及一种基于深度学习的戏曲脸谱生成方法及系统。

背景技术

近年来，随着AI智能领域技术的发展和应用，科技不断的更新，深度学习也日趋成熟，其应用范围也在不断的创新，逐渐朝着传统文化方向发展，成为了计算机视觉领域热门的研究方向之一，因此，模拟生成戏曲脸谱技术也显得尤为重要。

中国专利文献号CN 111950432 A公开(公告)日2020.11.17，公开了一种基于区域风格一致性的妆容风格迁移方法及系统，该方法包括：获取妆容风格区域，其中妆容风格区域包括整个妆容的不同子区域的分割近似结果；构建生成对抗网络；以及依据归一化方式增强远距离相似妆容区域一致性生成目标图像。该方法虽然能够提取和生成细节，但是需要获取多个分割子区域，同时需要人工打标签的方式，这是非常耗时且麻烦的，而且提取的特征直接影响最终的生成结果，不适用于戏曲脸谱艺术场景，方法的鲁棒性也不够好。

总之，现有方法普遍适用于生活常见人脸图像，并且主要依赖于生成对抗网络，该过程麻烦且难以收敛，而且所构建的模型在戏曲脸谱的细节表现上较差，在实际戏曲脸谱艺术场景上还不能很好的实现，并且应用场景的局限性较强，泛化能力差。

发明内容

为了解决上述技术问题，本发明提供一种基于深度学习的戏曲脸谱生成方法及系统。

本发明技术解决方案为：一种基于深度学习的戏曲脸谱生成方法，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。

本发明与现有技术相比，具有以下优点：

1、本发明提供的方法训练简单方便，省去了人工方式打标签进行图像建模的模式，直接通过基于深度学习的技术进行不同域之间的戏曲脸谱建模。

2、本发明提供的方法实用性、泛化能力强，解决了相关技术存在的不同人脸场景的局限性。

3、本发明提供的方法可对戏曲脸谱的高频色彩、纹理特征进行迁移，生成逼真的戏曲脸谱艺术生成效果。

附图说明

图1为本发明实施例中一种基于深度学习的戏曲脸谱生成方法的流程图；

图2为本发明实施例中一种基于深度学习的戏曲脸谱生成方法中步骤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的流程图；