发型演示图像的生成的方法、装置、终端及存储介质制造方法及图纸

本发明专利技术公开了一种发型演示图像的生成的方法、装置、终端及存储介质，其中，所述方法包括：获取设计发型的掩膜图像和待变换人脸重建模型图像；计算掩膜图像和待变换人脸重建模型图像中的交叉区域，作为参考区域；将掩膜图像和待变换人脸重建模型图像输入至发型演示图像编码

【技术实现步骤摘要】
发型演示图像的生成的方法、装置、终端及存储介质


[0001]本专利技术涉及图像处理
，尤其涉及一种发型演示图像的生成的方法、装置、终端及存储介质。

技术介绍

[0002]发型设计是一门综合的艺术，利用头发的长度，分区，角度，色彩搭配，结合被设计人的喜好以及习惯，一款好的发型设计不仅可以很好修饰脸型，还能使人心情愉悦。随着时代的进步，人们对审美的要求越来越高，现在的发型设计已经包括了各种场合变换不同的发型，根据服装，职业，环境来变换不同的发型设计。
[0003]随着人工智能(artificial intelligence，AI)技术的发展，可以将AI应用于发型设计。具体的，可通过将大量包含目标人物的人脸的图像作为训练集对神经网络进行训练，通过向训练后的神经网络输入参考人脸姿态图像(即包含人脸姿态信息的图像)和包含目标人物的人脸的参考人脸图像可获得一张目标图像，该目标图像中的人脸姿态为参考人脸图像中的人脸姿态，该目标图像中的人脸纹理为目标人物的人脸纹理。利用该种方式，可为每个顾客生成相应的发型设计图像，供顾客参考选择。
[0004]在实现本专利技术的过程中，专利技术人发现如下技术问题：采用上述方式则需要较多的发型样本图像进行充分训练后，才能得到效果较好的发型融合图像。然而，在新发型设计后，短时间内会很难有数量足够的采用该发型的样本图像，进而使得在生成发型设计图像时，皮肤和头发融合度较差，生成的发型设计图像无法达到实际模拟效果。

技术实现思路

[0005]本专利技术实施例提供了一种发型演示图像的生成的方法、装置、终端备及存储介质，以解决现有技术中由于样本数量过少导致生成的发型设计图像质量较差的技术问题。
[0006]第一方面，本专利技术实施例提供了一种发型演示图像的生成的方法，包括：获取设计发型的掩膜图像和待变换人脸重建模型图像；计算所述掩膜图像和待变换人脸重建模型图像中的交叉区域，作为参考区域；将所述掩膜图像和待变换人脸重建模型图像输入至发型演示图像编码
‑
解码模型，得到发型人脸融合图像；获取所述发型人脸融合图像中每个参考区域的图像，并对所述参考区域的图像进行卷积高频特征提取，并根据所述卷积高频特征判断每个参考区域的可信度；计算所有参考区域的可信度的平均值，在平均值大于预设的平均值阈值时，将发型人脸融合图像作为发型演示图像。
[0007]第二方面，本专利技术实施例还提供了一种发型演示图像的生成的装置，包括：获取模块，用于获取设计发型的掩膜图像和待变换人脸重建模型图像；计算模块，用于计算所述掩膜图像和待变换人脸重建模型图像中的交叉区域，作为参考区域；
输入模块，用于将所述掩膜图像和待变换人脸重建模型图像输入至发型演示图像编码
‑
解码模型，得到发型人脸融合图像；判断模块，用于获取所述发型人脸融合图像中每个参考区域的图像，并对所述参考区域的图像进行卷积高频特征提取，并根据所述卷积高频特征判断每个参考区域的可信度；作为模块，用于计算所有参考区域的可信度的平均值，在平均值大于预设的平均值阈值时，将发型人脸融合图像作为发型演示图像。
[0008]第三方面，本专利技术实施例还提供了一种终端，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述实施例提供的发型演示图像的生成的方法。
[0009]第四方面，本专利技术实施例还提供了包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如上述实施例提供的发型演示图像的生成的方法。
[0010]本专利技术实施例提供的发型演示图像的生成的方法、装置、终端及存储介质，通过获取设计发型的掩膜图像和待变换人脸重建模型图像；计算所述掩膜图像和待变换人脸重建模型图像中的交叉区域，作为参考区域；将所述掩膜图像和待变换人脸重建模型图像输入至发型演示图像编码
‑
解码模型，得到发型人脸融合图像；获取所述发型人脸融合图像中每个参考区域的图像，并对所述参考区域的图像进行卷积高频特征提取，并根据所述卷积高频特征判断每个参考区域的可信度；计算所有参考区域的可信度的平均值，在平均值大于预设的平均值阈值时，将发型人脸融合图像作为发型演示图像。利用编码
‑
解码模型，充分提取人脸和发型的图像特征，并在融合后，根据融合区域的卷积高频特征确定融合后的图像是否能够体现出交叠区域的图像特征，以使得生成的发型演示图像能够更加生动，避免由于新发型样本图像过少导致的皮肤和头发融合度较差的情况，能够为客户提供接近于实际情况的发型演示图像供客户参考。
附图说明
[0011]通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本专利技术的其它特征、目的和优点将会变得更明显：图1是本专利技术实施例一提供的发型演示图像的生成的方法的流程示意图；图2是本专利技术实施例二提供的发型演示图像的生成的方法的流程示意图；图3是本专利技术实施例三提供的发型演示图像的生成的装置的结构示意图；图4是本专利技术实施例四提供的终端的结构图。
具体实施方式
[0012]下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部结构。
[0013]实施例一图1是本专利技术实施例一提供的发型演示图像的生成的方法的流程图，本实施例可适用于利用发型图像和人脸图像生成符合要求的发型图像的情况，该方法可以由发型演示图像的生成的装置来执行，由于运算具有轻量化的特定，可集成于终端或者服务器中，具体包括如下步骤：步骤110, 获取设计发型的掩膜图像和待变换人脸重建模型图像。
[0014]在本实施例中，设计发型的掩膜图像可以由以下两种方式获得：第一种可以是由相应的程序设计得到的三维矢量模型，或者二维图像，如果是三维矢量模型，则可以将其转换为对应的二维图像。
[0015]示例性的，所述获取设计发型的掩膜图像，可以包括：基于头发识别神经网络模型计算头发的图像区域；将所述图像区域设定为设计发型的掩膜图像。
[0016]所述头发识别神经网络模型可以为语义分割模型也是建立是分类模型基础上的，即利用 CNN 网络来提取特征进行分类。并还可基于分割模型，给出图像不同位置的分类概率和相对的图像位置坐标。通过分类可从图像中得到头发，并基于分割模型得到头发的准确坐标。进而得到头发的图像区域，将发型图像从图像中取出。通过上述方式，可以实现绝大多数场景的发丝级分割效果。得到设计发型的掩膜图像。
[0017]相应的，所述获取待变换人脸重建模型图像，还可以包括：将所述掩膜图像中的像素灰度置为0，并与原图像相乘，得到人脸图像；对所述人脸图像的关键点进行识别，得到人脸图像关键点；根据所述人脸图像关键点构建脸部特征向量，并根据所述脸部特征向量构建变换人脸重建模型图像。由于拍摄得到的图像中，既包括人脸也包括头发，因此，可利用前述采用的方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种发型演示图像的生成方法，其特征在于，包括：获取设计发型的掩膜图像和待变换人脸重建模型图像；计算所述掩膜图像和待变换人脸重建模型图像中的交叉区域，作为参考区域；将所述掩膜图像和待变换人脸重建模型图像输入至发型演示图像编码
‑
解码模型，得到发型人脸融合图像；获取所述发型人脸融合图像中每个参考区域的图像，并对所述参考区域的图像进行卷积高频特征提取，并根据所述卷积高频特征判断每个参考区域的可信度；计算所有参考区域的可信度的平均值，在平均值大于预设的平均值阈值时，将发型人脸融合图像作为发型演示图像。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：在平均值小于预设的平均值阈值时，调整所述发型演示图像编码
‑
解码模型中训练采用的损失函数中Feature loss的权重值。3.根据权利要求1所述的方法，其特征在于，所述获取设计发型的掩膜图像，包括：基于头发识别神经网络模型计算头发的图像区域；将所述图像区域设定为设计发型的掩膜图像。4.根据权利要求3所述的方法，其特征在于，获取待变换人脸重建模型图像，包括：将所述掩膜图像中的像素灰度置为0，并与原图像相乘，得到人脸图像；对所述人脸图像的关键点进行识别，得到人脸图像关键点；根据所述人脸图像关键点构建脸部特征向量，并根据所述脸部特征向量构建变换人脸重建模型图像。5.根据权利要求4所述的方法，其特征在于，所述根据所述脸部特征向量构建变换人脸重建模型图像，包括：根据所述脸部特征向量中脸部外围轮廓构建基础脸型；根据所述脸部特征向量中器官特征点构建表情基础脸型；根据输入的表情权重和脸型权重生成人脸三维模型图像。6.根据权利要求5所述的方法，其特征在于，所述根据所述脸部特征向量构建变换人脸重建模型图像，还包括：接收输入的表情参数、脸型参数和对...

【专利技术属性】
技术研发人员：车宏图，
申请(专利权)人：美众天津科技有限公司，
类型：发明
国别省市：