CN106447720B - 一种构建黄金比例脸型的方法 - Google Patents
一种构建黄金比例脸型的方法 Download PDFInfo
- Publication number
- CN106447720B CN106447720B CN201610753056.3A CN201610753056A CN106447720B CN 106447720 B CN106447720 B CN 106447720B CN 201610753056 A CN201610753056 A CN 201610753056A CN 106447720 B CN106447720 B CN 106447720B
- Authority
- CN
- China
- Prior art keywords
- face
- occupation
- characteristic information
- quantization characteristic
- facial
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/757—Matching configurations of points or features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
Abstract
本发明公开了一种构建黄金比例脸型的方法,包括如下步骤:运用大数据方法,分类采集各职业人员的人脸图像,对分类后的各职业人员的人脸图像采集量化特征信息并求取平均值,以量化特征信息的平均值构建各职业的职业参照脸谱的量化特征信息;根据各职业的职业参照脸谱的量化特征信息,结合黄金比例进行调整,生成各职业的黄金脸谱的量化特征信息;采集求职者的量化特征信息,选定面试的目标职业;将求职者人脸图像与目标职业的黄金脸谱的量化特征信息进行比对,给出各量化特征信息的匹配度;给出求职者人脸图像的量化特征信息的调整方案;结合求职者人脸图像的量化特征信息的调整方案,提供所需的化妆建议。
Description
技术领域
本发明涉及一种构建黄金比例脸型的方法。
背景技术
化妆,是运用化妆品和工具,采取合乎规则的步骤和技巧,对人体的面部、五官及其他部位进行渲染、描画、整理,增强立体印象,调整形色,掩饰缺陷,表现神采,从而达到美化视觉感受的目的。
面试化妆是成功应聘的敲门砖,如今,大部分求职者不得不承认,外表在面试中起到不可忽视的影响。国内外的多项相关研究都表明,相比那些形象不佳的人,外貌形象较佳的求职者更容易获得工作机会。一项调查结果显示,19%的女性认为身高和容貌成为求职障碍,甚至有10.9%的男性认为自己受到了“容貌歧视”。想在面试时给人留下神采奕奕的良好印象,一定要化妆,因为一个清新、淡雅、精神饱满的妆容绝对会为你的面试增分不少!
但是现有的面试妆容市场存在着一定的不足或缺陷。首先,现有的面试妆容软件大多集中在一两个部位上的颜色修饰(常见的有加黑眉毛、添加眼影、添加唇彩这三部位),而不是所有部位的协调修整。其次,脸型是妆容的基础,但现阶段的妆容指导并不理会求职者整体脸型的修饰。最后,如何协调脸型与各部位的整体修饰,也是现阶段所欠缺的。最后,女为悦己者容,从印象管理理论考虑,化妆需要从欣赏者的角度考虑,因此提供欣赏者群体的职业黄金脸谱就非常重要了。
发明内容
本发明的目的是提供一种构建黄金比例脸型的方法,通过大数据技术以及图像处理技术获取各职业的职业参照脸谱的量化特征信息,根据该职业参照脸谱的量化特征信息结合黄金比例原理构建该职业的黄金脸谱量化特征信息,根据该职业的黄金脸谱量化特征信息给出求职者人脸图像的调整方案或化妆建议。
为了达到上述目的,本发明采取如下技术方案,一种构建黄金比例脸型的方法,其关键在于,包括如下步骤:
步骤a:运用大数据方法,分类采集各职业人员的人脸图像,对分类后的各职业人员的人脸图像逐一采集量化特征信息,该量化特征信息包括脸部轮廓形状、尺寸以及构成五官的线条、五官的位置、形状、尺寸、角度、比例,对各类职业人员的人脸图像量化特征信息求取平均值,以量化特征信息的平均值构建各职业的职业参照脸谱的量化特征信息;
步骤b:根据各职业的职业参照脸谱的量化特征信息,结合黄金比例进行调整,生成各职业的黄金脸谱的量化特征信息;
步骤c:采集求职者人脸图像并采用步骤a相同方法获取求职者对应的量化特征信息,选定求职者面试的目标职业;
步骤d:将求职者人脸图像的量化特征信息与目标职业的黄金脸谱的量化特征信息进行比对,给出求职者人脸图像与目标职业的黄金脸谱在各量化特征信息上的匹配度;
步骤e:给出求职者人脸图像的量化特征信息的调整方案;
步骤f:结合求职者人脸图像的量化特征信息的调整方案,提供所需的化妆建议。
本发明通过大数据技术,从印象管理理论出发,收集各行各业的职业人脸,建立职业参照常模,即“职业参照脸谱”;同时,在职业参照脸谱的基础上,结合黄金比例原理,打造该职业的“黄金脸谱”(即分别以“左眉中线”、“右眉中线”、“左眼中线”、“右眼中线”、“鼻中线”、“唇中线”为基准,使人脸上的各线条之间均以及五官的位置、形状、尺寸、角度、比例符合黄金比例)。然后,通过将求职者人脸图像与该职业的黄金脸谱的量化特征信息相比较,量化出求职者的职业“颜值”。“颜值”即求职者人脸图像的量化特征信息与黄金脸谱的量化特征信息的匹配度,最后,结合求职者人脸图像与该职业的“黄金脸谱”的对比,及其“颜值”信息,给出具体调整方案(如五官长度调整、眼睛眉毛角度调整等),并提供相应的化妆建议(如嘴唇颜色,眉毛颜色,眼线拉长,嘴唇轮廓修饰等),也可以对求职人员的照片进行美化处理。
所述步骤a包括:
步骤a1:采集各职业人员的人脸图像并按职业进行分类;
步骤a2:将同一类职业的人脸图像处理成相同格式的人脸图像后,再进行编码,存储到该类职业的人脸数据库中;
步骤a3:对该类职业的人脸数据库中的人脸图像,采用图像处理软件逐一提取各人脸图像的量化特征信息,将人脸数据库中所有人脸图像的量化特征信息求取平均值,得出该职业的职业参照脸谱的量化特征信息。
运用大数据方法,从印象管理理论出发,充分采集各行各业人员的面部信息,在量化分析的基础上,构建职业参照常模(即“职业参照脸谱”),并量化出“职业参照脸谱”的量化特征信息(包括构成五官的线条、五官的位置、形状、长度、比例、角度等);
所述步骤a3包括:
步骤a31:采用图像二值化法对人脸图像进行二值化处理;
步骤a32:对二值化处理后的人脸图像分别进行水平投影和垂直投影;并以人脸图像的左上角为原点,确定人脸轮廓边界以及五官的区域位置坐标;
步骤a33:根据确定的人脸轮廓边界与五官区域位置坐标,对五官区域位置内五官的边缘分别进行提取;
步骤a34:对提取后的五官的边缘再次提取构成五官边缘的特征点;
步骤a35:根据五官边缘的特征点获取构成五官边缘的各条连线,计算构成五官的各条连线的长度、角度、起点、终点,以及根据五官的各条连线的长度、角度、起点、终点确定的五官的位置、形状、尺寸、角度、比例,整理生成该人脸图像的量化特征信息;
步骤a36:对该类职业的所有人脸图像的量化特征信息进行平均值处理,得到该类职业的职业参照脸谱的量化特征信息。
步骤a32用于提取人脸轮廓边界以及五官区域位置坐标(即眼睛、眉毛、鼻子、嘴巴、以及人中等在脸上的大致区域),步骤a33用于在确定的五官区域内确定五官的边缘(即眼睛、眉毛、鼻子、嘴巴、人中甚至瞳孔的边缘),步骤a34用于提取构成五官的边缘的特征点(兴趣点、角点);步骤a35用于根据构成五官边缘的特征点确定构成五官的直线段,曲线段,圆弧等以此来量化人脸图像的脸部信息,根据这些直线段,曲线段,圆弧等可以进一步确定五官的位置、形状、尺寸、角度、比例。
所述步骤a33运用Canny边缘检测算法对五官区域位置内五官的边缘分别进行提取;
所述步骤a34运用GoodFeaturesToTrack角点提取算法对提取后的五官的边缘再次构成提取五官边缘的特征点;
所述步骤a35运用霍夫变换法根据五官边缘的特征点获取构成五官的各条连线。
所述步骤a35所述的量化特征信息还包括:
左眉中线、右眉中线、左眼中线、右眼中线、鼻中线、唇中线这6条基准中线的起点、终点坐标以及长度。
以该6条基准中线的长度为基础使构成五官的各条连线的长度以及五官的位置、形状、尺寸、角度均符合黄金比例,将经黄金比例调整后的五官各条连线的长度以及五官的位置、形状、尺寸、角度作为该职业的黄金脸谱的量化特征信息。
将经过黄金比例调整后的五官各条连线的长度结合黄金比例调整后的五官的位置、形状、尺寸、角度、比例重新进行拟合,即可得到该类职业的黄金脸谱图像。
所述步骤c包括:
步骤c1:通过拍摄工具或者图片导入装置采集求职者人脸图像;
步骤c2:对求职者人脸图像采用步骤a31-步骤a35提取求职者人脸图像的量化特征信息。
所述步骤d包括:
步骤d1:将求职者人脸图像的量化特征信息与目标职业的黄金脸谱的量化特征信息进行逐一对比;
步骤d2:根据对比结果,给出求职者人脸图像与目标职业的黄金脸谱在各量化特征信息之间的具体数据差异,即构成五官的各条连线长度以及五官的位置、形状、尺寸、角度、比例的具体数据差异。
所述步骤e包括:
根据获取的构成五官的各条连线长度以及五官的位置、形状、尺寸、角度、比例的具体数据差异,给出求职者人脸图像上五官的位置、形状、尺寸、角度、比例的调整方案。
本发明根据各职业的“职业参照脸谱”,结合黄金比例,生成各职业的“黄金脸谱”;
利用“黄金脸谱APP”,采集求职者标准格式人脸图像,并选定需要面试的目标职业(如:会计、HR等);
将求职者标准人脸图像与该职业的“黄金脸谱”进行比对,给出颜值的量化结果(颜值=求职者人脸图像与“职业黄金脸谱”在各量化特征信息上的匹配度);
将求职者人脸图像与该职业的“黄金脸谱”进行比对,给出具体调整方案(包括长度、角度差异调整等方案);
结合这些调整方案,提供所需的化妆建议(如嘴唇颜色,眉毛颜色,眼线拉长,嘴唇化小等)。
本发明通过开发出一款能够量化某一具体人脸在某职业从业者中“颜值”高低的专业软件;同时,本发明又融入了黄金比例原理,结合大数据技术和人脸识别技术,从印象管理理论出发,收集各行各业的职业人脸,量化职业参照常模(即“职业参照脸谱”),对求职者面部信息给出个性化的修饰建议,使之更加贴合黄金比例的APP软件,其优点如下:
1)传统的职业化妆软件,大多没有数据支持或理论指导,娱乐性质大于专业操作性质,趣味性大于专业性;而本发明从黄金比例这一主线出发,结合印象管理理论,在量化人脸特征信息的基础上,结合大数据技术,创造出新型人脸化妆思路;
2)本发明相较于传统的化妆软件,不仅能针对人脸图片进行修饰,还能够提供现实情境下的具体化妆建议,使该职业的“黄金脸谱”从电子图片等的化妆应用上,迁移到现实生活中来;
3)本发明在传统的眉眼唇部位进行信息采集和修饰的基础上,拓展了量化信息的范围,实现了对人脸各个部位的详细采集,从而涵盖了更多的人脸部位;
4)传统的化妆软件,不涉及整体脸型及各部位比例关系的修整;而本发明将黄金比例这一标准,贯穿到人脸修饰的始终,使求职者面部的局部与整体都更加的符合黄金比例。
有益效果:本发明提供了一种构建黄金比例脸型的方法,通过大数据技术以及图像处理技术获取各职业的职业参照脸谱的量化特征信息,根据该职业参照脸谱的量化特征信息结合黄金比例原理构建该职业的黄金脸谱量化特征信息,根据该职业的黄金脸谱量化特征信息给出求职者人脸图像的调整方案或化妆建议。
附图说明
图1为本发明的方法流程图;
图2为某职业参照脸谱及其量化特征信息示意图。
图3为某职业的职业参照脸谱转化为黄金脸谱示意图。
图4为某求职者的人脸图像及其量化特征信息示意图。
图5为某求职者的人脸图像与其职业黄金脸谱的比较示意图;
图6为某求职者的人脸图像与黄金脸谱比较后的调整方案示意图;
图7为结合黄金脸谱对求职者的化妆建议示意图;
图8为6条基准中线的位置示意图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步详细说明。
如图1-图8所示,本发明提供了一种构建黄金比例脸型的方法,包括如下步骤:
步骤a:运用大数据方法,分类采集各职业人员的人脸图像,对分类后的各职业人员的人脸图像逐一采集量化特征信息,该量化特征信息包括脸部轮廓形状、尺寸以及构成五官的线条、五官的位置、形状、尺寸、角度、比例,对各类职业人员的人脸图像量化特征信息求取平均值,以量化特征信息的平均值构建各职业的职业参照脸谱的量化特征信息;
步骤b:根据各职业的职业参照脸谱的量化特征信息,结合黄金比例进行调整,生成各职业的黄金脸谱的量化特征信息;
步骤c:采集求职者人脸图像并采用步骤a相同方法获取求职者对应的量化特征信息,选定求职者面试的目标职业;
步骤d:将求职者人脸图像的量化特征信息与目标职业的黄金脸谱的量化特征信息进行比对,给出求职者人脸图像与目标职业的黄金脸谱在各量化特征信息上的匹配度;
步骤e:给出求职者人脸图像的量化特征信息的调整方案;
步骤f:结合求职者人脸图像的量化特征信息的调整方案,提供所需的化妆建议。
本发明通过大数据技术,从印象管理理论出发,收集各行各业的职业人脸,建立职业参照常模,即“职业参照脸谱”;同时,在职业参照脸谱的基础上,结合黄金比例原理,打造该职业的“黄金脸谱”(即分别以“左眉中线11”、“右眉中线12”、“左眼中线13”、“右眼中线14”、“鼻中线15”、“唇中线16”为基准,使人脸上的各线条之间均符合黄金比例)。然后,通过求职者人脸图像同“职业黄金脸谱”的比较,量化出求职者的职业“颜值”。“颜值”即求职者的量化特征信息,最后,结合求职者人脸图像与该职业的“黄金脸谱”的对比,及其“颜值”信息,给出具体调整方案(如五官长度调整、眼睛眉毛角度调整等),并提供相应的化妆建议(如嘴唇颜色,眉毛颜色,眼线拉长,嘴唇轮廓修饰等),也可以对求职人员的照片进行美化处理。
人脸图像的量化特征信息包括:
1、五官的线条:包括左眉左线、左眉中线、左眉右线、左眼(上)左线、左眼中线、左眼(上)右线、左眼(下)左线、左眼(下)右线、唇(上)左线、唇中线、唇(上)右线、唇(下)左线、唇(下)右线……鼻中线等。图8中脸部各线条即为其一部分。
2、五官的位置、形状、尺寸、角度、比例:包括左眉宽度、右眉宽度、眉间距、左右眉宽比例、眉间距与左右眉宽平均数比例、左眉形状平直度、右眉形状平直度、左发际线到左眼宽度、右发际线到右眼宽度、左眼宽度、右眼宽度、左眼高度、右眼高度、两眼间距、两瞳孔间距、两眼宽度比例、左眉宽与左眼宽比例、右眉宽与右眼宽比例、两眼间距与左右眼宽平均数比例、两眼间距与左右边界到左右眼宽平均数比例、鼻高、鼻宽、鼻偏角、鼻子右偏向、人中高度等。
所述步骤a包括:
步骤a1:采集各职业人员的人脸图像并按职业进行分类;
步骤a2:将同一类职业的人脸图像处理成相同格式的人脸图像后,再进行编码,存储到该类职业的人脸数据库中;
步骤a3:对该类职业的人脸数据库中的人脸图像,采用图像处理软件逐一提取各人脸图像的量化特征信息,将人脸数据库中所有人脸图像的量化特征信息求取平均值,得出该职业的职业参照脸谱的量化特征信息。
所述步骤a3包括:
步骤a31:采用图像二值化法对人脸图像进行二值化处理;
步骤a32:对二值化处理后的人脸图像分别进行水平投影和垂直投影;并以人脸图像的左上角为原点,确定人脸轮廓边界以及五官的区域位置坐标;
步骤a33:根据确定的人脸轮廓边界与五官区域位置坐标,对五官区域位置内五官的边缘分别进行提取;
步骤a34:对提取后的五官的边缘再次提取构成五官边缘的特征点;
步骤a35:根据五官边缘的特征点获取构成五官边缘的各条连线,计算构成五官的各条连线的长度、角度、起点、终点,以及根据五官的各条连线的长度、角度、起点、终点确定的五官的位置、形状、尺寸、角度、比例,整理生成该人脸图像的量化特征信息;
步骤a36:对该类职业的所有人脸图像的量化特征信息进行平均值处理,得到该类职业的职业参照脸谱的量化特征信息。
所述步骤a33运用Canny边缘检测算法对五官区域位置内五官的边缘分别进行提取;
所述步骤a34运用GoodFeaturesToTrack角点提取算法对提取后的五官的边缘再次提取构成五官边缘的特征点;
所述步骤a35运用霍夫变换法根据五官边缘的特征点获取构成五官的各条连线。
Canny边缘检测算法、GoodFeaturesToTrack角点提取算法、霍夫变换法都属于成熟技术。
(1)图像二值化(“图像二值化”就是将图像上的像素点的灰度值设置为0或255,本文件中采用的是将灰度设置为255的二值化方法),提取人脸的主要轮廓;
(2)对二值化的人脸图像,分别进行水平投影(将图片的像素点在水平方向上进行叠加)和垂直投影(将图片的像素点在垂直方向上进行叠加);并以人脸图像的左上角为原点,确定人脸主要部位(包括人脸的长宽、五官等)区域的起止坐标范围(水平投影中,第一个谷波为眼睛所在区域,第一个峰波为鼻子所在区域等);
(3)运用Canny边缘检测算法(图像的边缘检测,就是用离散化梯度逼近函数,根据二维灰度矩阵梯度向量,来寻找图像灰度矩阵的灰度跃变位置,然后在图像中将这些位置的点连起来,构成图像边缘),对二值化图像进行边缘提取;
(4)结合GoodFeaturesToTrack角点提取算法(角点就是在水平、竖直两个方向上变化均较大的点;GoodFeaturesToTrack角点提取算法,是基于图像灰度的方法,通过计算点的曲率及梯度来检测角点),定位关键特征点(或称为兴趣点、角点);
(5)运用霍夫变换(霍夫变换是图像处理中的一种特征提取技术,它通过一种投票算法检测具有特定形状的物体。该过程在一个参数空间中通过计算累计结果的局部最大值,得到一个符合该特定形状的集合作为霍夫变换结果),计算长宽厚度及其比例关系,并整理生成“职业参照脸谱”的量化文件(表格格式)。
运用Canny边缘检测算法对二值化图像进行边缘提取,Canny算法的实现步骤:
Step1:用高斯滤波器平滑图像,去除图像噪声。一般选择方差为1.4的高斯函数模板和图像进行卷积运算。
Step2:用一阶偏导的有限差分来计算梯度的幅值和方向。使用的梯度算子计算x和y方向的偏导数、方向角和梯度幅值。
Step3:对梯度幅值应用非极大值抑制。幅值M越大,其对应的图像梯度值也越大,但这还不足以确定边缘,因为这里仅把图像快速变化的问题转化成求幅值局部最大值问题,为确定边缘,必须细化幅值图像中的屋脊带,只保留幅值局部变化最大的点,生成细化的边缘。
Step4:用双阈值算法检测并且连接边缘。双阈值法使Canny算子提取的边缘点更具有鲁棒性(抗变换性),高低阈值分别表示为Hth和Lth,对于高阈值Hth的选择,基于计算出的图像梯度值对应的直方图进行选取。在一幅图像中,非边缘点数目在总图像像素点数目中占的比例表示为Hratio,根据图像梯度值对应的直方图累加,累加数目达到总像素数目的Hratio时,对应的图像梯度值设置为Hth,在文中设定Hratio为0.7。低阈值Lth的选择通过Lth=Lratio*Hth得到,文中Lratio设定为0.4。最后通过对边缘点的标记和领域关系进行连接得到最后的边缘检测图。
所述步骤a35所述的量化特征信息还包括:
左眉中线11、右眉中线12、左眼中线13、右眼中线14、鼻中线15、唇中线16这6条基准中线的起点、终点坐标以及长度。
以该6条基准中线的长度为基础使构成五官的各条连线的长度以及五官的位置、形状、尺寸、角度均符合黄金比例,将经黄金比例调整后的五官各条连线的长度以及五官的位置、形状、尺寸、角度作为该职业的黄金脸谱的量化特征信息。
1、左眉左线17:左眉中线11=黄金比例;
2、左眉右线18:左眉左线17=黄金比例;
3、左眼(上)左线:左眼中线=黄金比例;
4、左眼(上)右线:左眼(上)左线=黄金比例;
5、左眼(下)左线:左眼中线=黄金比例;
6、左眼(下)右线:左眼(下)左线=黄金比例;
7、唇(上)左线:唇中线=黄金比例;
8、唇(上)右线:唇(上)左线=黄金比例。
9、唇(下)左线:唇中线=黄金比例;
10、唇(下)右线:唇(下)左线=黄金比例;
……
m、唇中线:鼻中线=黄金比例;
n、左(右)眼中线:唇中线=黄金比例。
五官的位置、形状、尺寸、角度、比例的调整方法同上。
所述各线参见图8。
将经过黄金比例调整后的五官各条连线的长度结合黄金比例调整后的五官的位置、形状、尺寸、角度、比例重新进行拟合,即可得到图3右图的该类职业的黄金脸谱图像。
所述步骤c包括:
步骤c1:通过拍摄工具或者图片导入装置采集求职者人脸图像;
步骤c2:对求职者人脸图像采用步骤a31-步骤a35提取求职者人脸图像的量化特征信息。
所述步骤d包括:
步骤d1:将求职者人脸图像的量化特征信息与目标职业的黄金脸谱的量化特征信息进行逐一对比;
步骤d2:根据对比结果,给出求职者人脸图像与目标职业的黄金脸谱在各量化特征信息之间的具体数据差异,即构成五官的各条连线长度以及五官的位置、形状、尺寸、角度的具体数据差异。
所述步骤e包括:
根据获取构成五官的各条连线长度以及五官的位置、形状、尺寸、角度的具体数据差异,给出求职者人脸图像上五官的位置、形状、尺寸、角度的调整方案。
根据图6所示,该调整方案包括:
1、左眉毛长度增加0.3cm;
2、左眉尾角度增大2度;
3、右眉毛长度减少0.2cm;
4、右眉尾角度减少1度;
5、…………。
根据图7所示,结合求职者人脸图像的量化特征信息的调整方案,提供所需的化妆建议。
该化妆建议包括:
1、左眉毛长度增加0.3cm;——眉笔将其拉长0.3cm;
2、左眉尾角度增大2度;——眉笔上勾2度;
3、右眉毛长度减少0.2cm;——眉刀将其尾剔除0.2cm;
……——……。
注:实施例中图2-图7的人脸图像均经过一定处理,不涉及具体某人。
综上所述:本发明提供了一种构建黄金比例脸型的方法,通过大数据技术以及图像处理技术获取各职业的职业参照脸谱的量化特征信息,根据该职业参照脸谱的量化特征信息结合黄金比例原理构建该职业的黄金脸谱量化特征信息,根据该职业的黄金脸谱量化特征信息给出求职者人脸图像的调整方案或化妆建议。
Claims (5)
1.一种构建黄金比例脸型的方法,其特征在于,包括如下步骤:
步骤a:运用大数据方法,分类采集各职业人员的人脸图像,对分类后的各职业人员的人脸图像逐一采集量化特征信息,该量化特征信息包括脸部轮廓形状、尺寸以及构成五官的线条、五官的位置、形状、尺寸、角度、比例,对各类职业人员的人脸图像量化特征信息求取平均值,以量化特征信息的平均值构建各职业的职业参照脸谱的量化特征信息;
步骤b:根据各职业的职业参照脸谱的量化特征信息,结合黄金比例进行调整,生成各职业的黄金脸谱的量化特征信息;
步骤c:采集求职者人脸图像并采用步骤a相同方法获取求职者对应的量化特征信息,选定求职者面试的目标职业;
步骤d:将求职者人脸图像的量化特征信息与目标职业的黄金脸谱的量化特征信息进行比对,给出求职者人脸图像与目标职业的黄金脸谱在各量化特征信息上的匹配度;
步骤e:给出求职者人脸图像的量化特征信息的调整方案;
步骤f:结合求职者人脸图像的量化特征信息的调整方案,提供所需的化妆建议;
所述步骤a包括:
步骤a1:采集各职业人员的人脸图像并按职业进行分类;
步骤a2:将同一类职业的人脸图像处理成相同格式的人脸图像后,再进行编码,并存储到该类职业的人脸数据库中;
步骤a3:对该类职业的人脸数据库中的人脸图像,采用图像处理软件逐一提取各人脸图像的量化特征信息,将人脸数据库中所有人脸图像的量化特征信息求取平均值,得出该职业的职业参照脸谱的量化特征信息;
所述步骤a3包括:
步骤a31:采用图像二值化法对人脸图像进行二值化处理;
步骤a32:对二值化处理后的人脸图像分别进行水平投影和垂直投影;并以人脸图像的左上角为原点,确定人脸轮廓边界以及五官的区域位置坐标;
步骤a33:根据确定的人脸轮廓边界与五官区域位置坐标,对五官区域位置内五官的边缘分别进行提取;
步骤a34:对提取后的五官的边缘再次提取构成五官边缘的特征点;
步骤a35:根据五官边缘的特征点获取构成五官边缘的各条连线,计算构成五官的各条连线的长度、角度、起点、终点,以及根据五官的各条连线的长度、角度、起点、终点确定的五官的位置、形状、尺寸、角度、比例,整理生成该人脸图像的量化特征信息;
步骤a36:对该类职业的所有人脸图像的量化特征信息进行平均值处理,得到该类职业的职业参照脸谱的量化特征信息;
五官的线条:包括左眉左线、左眉中线、左眉右线、左眼上左线、左眼中线、左眼上右线、左眼下左线、左眼下右线、唇上左线、唇中线、唇上右线、唇下左线、唇下右线、鼻中线;
五官的位置、形状、尺寸、角度、比例:包括左眉宽度、右眉宽度、眉间距、左右眉宽比例、眉间距与左右眉宽平均数比例、左眉形状平直度、右眉形状平直度、左发际线到左眼宽度、右发际线到右眼宽度、左眼宽度、右眼宽度、左眼高度、右眼高度、两眼间距、两瞳孔间距、两眼宽度比例、左眉宽与左眼宽比例、右眉宽与右眼宽比例、两眼间距与左右眼宽平均数比例、两眼间距与左右边界到左右眼宽平均数比例、鼻高、鼻宽、鼻偏角、鼻子右偏向、人中高度;
所述步骤a35所述的量化特征信息还包括:
左眉中线、右眉中线、左眼中线、右眼中线、鼻中线、唇中线这6条基准中线的起点、终点坐标以及长度;
以该6条基准中线的长度为基础使构成五官的各条连线的长度以及五官的位置、形状、尺寸、角度、比例均符合黄金比例,将经黄金比例调整后的五官各条连线的长度以及五官的位置、形状、尺寸、角度、比例作为该职业的黄金脸谱的量化特征信息。
2.根据权利要求1所述的一种构建黄金比例脸型的方法,其特征在于:所述步骤a33运用Canny边缘检测算法对五官区域位置内五官的边缘分别进行提取;
所述步骤a34运用GoodFeaturesToTrack角点提取算法对提取后的五官的边缘再次提取构成五官边缘的特征点;
所述步骤a35运用霍夫变换法根据五官边缘的特征点获取构成五官的各条连线。
3.根据权利要求1所述的一种构建黄金比例脸型的方法,其特征在于:所述步骤c包括:
步骤c1:通过拍摄工具或者图片导入装置采集求职者人脸图像;
步骤c2:对求职者人脸图像采用步骤a31-步骤a35提取求职者人脸图像的量化特征信息。
4.根据权利要求1或3所述的一种构建黄金比例脸型的方法,其特征在于:所述步骤d包括:
步骤d1:将求职者人脸图像的量化特征信息与目标职业的黄金脸谱的量化特征信息进行逐一对比;
步骤d2:根据对比结果,给出求职者人脸图像与目标职业的黄金脸谱在各量化特征信息之间的具体数据差异,即构成五官的各条连线长度以及五官的位置、形状、尺寸、角度、比例的具体数据差异。
5.根据权利要求4所述的一种构建黄金比例脸型的方法,其特征在于:所述步骤e包括:
根据获取的构成五官的各条连线长度以及五官的位置、形状、尺寸、角度的具体数据差异,给出求职者人脸图像上五官的位置、形状、尺寸、角度、比例的调整方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610753056.3A CN106447720B (zh) | 2016-08-29 | 2016-08-29 | 一种构建黄金比例脸型的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610753056.3A CN106447720B (zh) | 2016-08-29 | 2016-08-29 | 一种构建黄金比例脸型的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106447720A CN106447720A (zh) | 2017-02-22 |
CN106447720B true CN106447720B (zh) | 2019-06-25 |
Family
ID=58090038
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610753056.3A Active CN106447720B (zh) | 2016-08-29 | 2016-08-29 | 一种构建黄金比例脸型的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106447720B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106548156A (zh) * | 2016-10-27 | 2017-03-29 | 江西瓷肌电子商务有限公司 | 一种根据人脸图像提供整容建议的方法 |
CN107730444B (zh) * | 2017-10-31 | 2022-02-01 | Oppo广东移动通信有限公司 | 图像处理方法、装置、可读存储介质和计算机设备 |
CN107833177A (zh) * | 2017-10-31 | 2018-03-23 | 维沃移动通信有限公司 | 一种图像处理方法及移动终端 |
CN107945188A (zh) * | 2017-11-20 | 2018-04-20 | 北京奇虎科技有限公司 | 基于场景分割的人物装扮方法及装置、计算设备 |
CN108629303A (zh) * | 2018-04-24 | 2018-10-09 | 杭州数为科技有限公司 | 一种脸型缺陷识别方法及系统 |
CN109858382A (zh) * | 2019-01-04 | 2019-06-07 | 广东智媒云图科技股份有限公司 | 一种根据口述内容绘制人像的方法 |
CN110378839A (zh) * | 2019-06-28 | 2019-10-25 | 北京字节跳动网络技术有限公司 | 人脸图像处理方法、装置、介质及电子设备 |
TWI736116B (zh) * | 2020-01-22 | 2021-08-11 | 中國醫藥大學 | 臉部特徵長度量測方法及其裝置 |
CN113780251B (zh) * | 2021-11-11 | 2022-01-25 | 聊城中超智能设备有限公司 | 一种眼科检测设备的定位方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102693288A (zh) * | 2012-04-27 | 2012-09-26 | 上海申视汽车新技术有限公司 | 一种化妆方案自动推荐方法 |
CN103236066A (zh) * | 2013-05-10 | 2013-08-07 | 苏州华漫信息服务有限公司 | 一种基于人脸特征分析的虚拟试妆方法 |
CN104298753A (zh) * | 2014-10-17 | 2015-01-21 | 重庆市云日信息技术有限公司 | 基于人脸图像处理的人才测评方法 |
CN105160312A (zh) * | 2015-08-27 | 2015-12-16 | 南京信息工程大学 | 基于人脸相似度匹配的明星脸装扮推荐方法 |
CN105761239A (zh) * | 2015-12-30 | 2016-07-13 | 中南大学 | 一种黄金比例引导的三维人脸模型重建方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102357326B1 (ko) * | 2014-11-19 | 2022-01-28 | 삼성전자주식회사 | 얼굴 특징 추출 방법 및 장치, 얼굴 인식 방법 및 장치 |
KR102290392B1 (ko) * | 2014-12-02 | 2021-08-17 | 삼성전자주식회사 | 얼굴 등록 방법 및 장치, 얼굴 인식 방법 및 장치 |
-
2016
- 2016-08-29 CN CN201610753056.3A patent/CN106447720B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102693288A (zh) * | 2012-04-27 | 2012-09-26 | 上海申视汽车新技术有限公司 | 一种化妆方案自动推荐方法 |
CN103236066A (zh) * | 2013-05-10 | 2013-08-07 | 苏州华漫信息服务有限公司 | 一种基于人脸特征分析的虚拟试妆方法 |
CN104298753A (zh) * | 2014-10-17 | 2015-01-21 | 重庆市云日信息技术有限公司 | 基于人脸图像处理的人才测评方法 |
CN105160312A (zh) * | 2015-08-27 | 2015-12-16 | 南京信息工程大学 | 基于人脸相似度匹配的明星脸装扮推荐方法 |
CN105761239A (zh) * | 2015-12-30 | 2016-07-13 | 中南大学 | 一种黄金比例引导的三维人脸模型重建方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106447720A (zh) | 2017-02-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106447720B (zh) | 一种构建黄金比例脸型的方法 | |
CN108765273B (zh) | 人脸拍照的虚拟整容方法和装置 | |
CN104850825B (zh) | 一种基于卷积神经网络的人脸图像颜值计算方法 | |
CN104834898B (zh) | 一种人物摄影图像的质量分类方法 | |
CN101359365B (zh) | 一种基于最大类间方差和灰度信息的虹膜定位方法 | |
CN103914676B (zh) | 一种在人脸识别中使用的方法和装置 | |
CN104680121B (zh) | 一种人脸图像的处理方法及装置 | |
CN106778468B (zh) | 3d人脸识别方法及设备 | |
US7970212B2 (en) | Method for automatic detection and classification of objects and patterns in low resolution environments | |
CN106446779B (zh) | 身份识别方法和装置 | |
Sablatnig et al. | Hierarchical classification of paintings using face-and brush stroke models | |
CN105469076B (zh) | 基于多示例学习的人脸比对验证方法 | |
Iga et al. | A gender and age estimation system from face images | |
CN104298753B (zh) | 基于人脸图像处理的人才测评方法 | |
TW201123081A (en) | Method and system for picture segmentation and method for image matting of a picture | |
CN105813548A (zh) | 用于评估至少一个面部临床体征的方法 | |
CN108197534A (zh) | 一种人头部姿态检测方法、电子设备及存储介质 | |
CN110110637A (zh) | 一种人脸皮肤皱纹自动识别和皱纹严重程度自动分级的方法 | |
CN109934118A (zh) | 一种手背静脉身份识别方法 | |
CN106127181A (zh) | 一种虚拟试戴美甲方法、系统 | |
CN105469064B (zh) | 一种皮肤老化趋势的获取方法及装置 | |
Vishwakarma et al. | Simple and intelligent system to recognize the expression of speech-disabled person | |
CN109028237A (zh) | 基于双区域图像采集进行风速调节的油烟机 | |
CN106778491B (zh) | 人脸3d特征信息的获取方法及设备 | |
CN104573628A (zh) | 一种三维人脸识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |