CN106875329A - 一种人脸替换方法及装置 - Google Patents
一种人脸替换方法及装置 Download PDFInfo
- Publication number
- CN106875329A CN106875329A CN201611183715.0A CN201611183715A CN106875329A CN 106875329 A CN106875329 A CN 106875329A CN 201611183715 A CN201611183715 A CN 201611183715A CN 106875329 A CN106875329 A CN 106875329A
- Authority
- CN
- China
- Prior art keywords
- face
- replaced
- data
- image data
- result
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 63
- 230000001815 facial effect Effects 0.000 claims abstract description 44
- 238000013506 data mapping Methods 0.000 claims abstract description 19
- 238000000605 extraction Methods 0.000 claims abstract description 17
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 6
- 238000003786 synthesis reaction Methods 0.000 claims abstract description 6
- 239000000284 extract Substances 0.000 claims abstract description 5
- 238000013507 mapping Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 description 8
- 230000003993 interaction Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008921 facial expression Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000010297 mechanical methods and process Methods 0.000 description 1
- 230000005226 mechanical processes and functions Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/14—Transformations for image registration, e.g. adjusting or mapping for alignment of images
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Processing Or Creating Images (AREA)
- Image Processing (AREA)
Abstract
一种人脸替换方法及装置,其中,该方法包括:人脸特征点提取步骤,获取人脸图像数据,并根据人脸图像数据提取对应的人脸特征点;数据匹配步骤,基于人脸特征点和待替换面部图像数据的面部特征点,对人脸图像数据和待替换面部图像数据分区域进行匹配,得到匹配结果;数据映射步骤,根据匹配结果,将待替换面部图像数据映射到人脸图像数据,得到数据替换结果;人脸图像生成步骤,根据数据替换结果生成替换后的人脸图像并输出。本方法在对两张面部图像进行替换时,采用区域匹配的方式来实现,其基于不同面部的局部三角区域的匹配关系来建立两张不同的面部图像之间的对应关系,该方法能够提升替换速度,其实现过程不需要依托高性能的硬件设备。
Description
技术领域
本发明涉及机器人技术领域,具体地说,涉及一种人脸替换方法及装置。
背景技术
随着科学技术的不断发展,信息技术、计算机技术以及人工智能技术的引入,机器人的研究已经逐步走出工业领域,逐渐扩展到了医疗、保健、家庭、娱乐以及服务行业等领域。而人们对于机器人的要求也从简单重复的机械动作提升为具有拟人问答、自主性及与其他机器人进行交互的智能机器人,人机交互也就成为决定智能机器人发展的重要因素。
目前,用户对智能机器人的交互需求多种多样,而基于视觉进行的交互,能够给用户带来很高的趣味性,为了使智能机器人的用户体验越来越好,与用户的交互趣味性更高,需要不断提高智能机器人的交互能力,特别是基于视觉的交互能力。
发明内容
为解决上述问题,本发明提供了一种人脸替换方法,其包括:
人脸特征点提取步骤,获取人脸图像数据,并根据所述人脸图像数据提取对应的人脸特征点;
数据匹配步骤,基于所述人脸特征点和待替换面部图像数据的面部特征点,对所述人脸图像数据和待替换面部图像数据分区域进行匹配,得到匹配结果;
数据映射步骤,根据所述匹配结果,将所述待替换面部图像数据映射到所述人脸图像数据,得到数据替换结果;
人脸图像生成步骤,根据所述数据替换结果生成替换后的人脸图像并输出。
根据本发明的一个实施例,所述人脸特征点包括68个特征点。
根据本发明的一个实施例,在所述数据匹配步骤中,
根据所述人脸特征点,基于Delaunay三角网对所述人脸图像数据进行区域划分,得到人脸图像区域划分结果;
根据所述面部特征点,基于Delaunay三角网对所述待替换面部图像数据进行区域划分,得到待替换面部图像区域划分结果;
根据所述人脸特征点和面部特征点,对所述人脸图像区域划分结果和待替换面部图像区域划分结果中的各三角区域进行匹配,得到所述匹配结果。
根据本发明的一个实施例,在所述数据映射步骤中,根据所述匹配结果,对所述人脸图像数据和待替换面部图像数据进行像素点映射。
根据本发明的一个实施例,在所述数据映射步骤中,将待替换面部图像区域划分结果中的各个三角区域对应的像素填充到所述人脸图像区域划分结果中各自对应的三角区域中,得到所述数据替换结果。
根据本发明的一个实施例,所述方法通过智能机器人的上位机执行。
本发明还提供了一种人脸替换装置,其包括:
人脸特征点提取模块,其用于获取人脸图像数据,并根据所述人脸图像数据提取对应的人脸特征点;
数据匹配模块,其用于基于所述人脸特征点和待替换面部图像数据的面部特征点,对所述人脸图像数据和待替换面部图像数据分区域进行匹配,得到匹配结果;
数据映射模块,其用于根据所述匹配结果,将所述待替换面部图像数据映射到所述人脸图像数据,得到数据替换结果;
人脸图像生成模块,其用于根据所述数据替换结果生成替换后的人脸图像并输出。
根据本发明的一个实施例,所述人脸特征点包括68个特征点。
根据本发明的一个实施例,所述数据匹配模块配置为:
根据所述人脸特征点,基于Delaunay三角网对所述人脸图像数据进行区域划分,得到人脸图像区域划分结果;
根据所述面部特征点,基于Delaunay三角网对所述待替换面部图像数据进行区域划分,得到待替换面部图像区域划分结果;
根据所述人脸特征点和面部特征点,对所述人脸图像区域划分结果和待替换面部图像区域划分结果中的各三角区域进行匹配,得到所述匹配结果。
根据本发明的一个实施例,所述数据映射模块配置为根据所述匹配结果,对所述人脸图像数据和待替换面部图像数据进行像素点映射。
根据本发明的一个实施例,所述数据映射步模块配置为将待替换面部图像区域划分结果中的各个三角区域对应的像素填充到所述人脸图像区域划分结果中各自对应的三角区域中,得到所述数据替换结果。
根据本发明的一个实施例,所述装置集成在智能机器人的上位机中。
本发明所提供的人脸替换方法在对两张面部图像进行替换时,采用区域匹配的方式来实现,其基于不同面部的局部三角区域的匹配关系来建立两张不同的面部图像之间的对应关系。基于上述对应关系,该方法采用像素点映射的方式来进行数据替换,该方法能够极大提升替换速度,从而使得整个人脸替换的实现过程不需要依托高性能的硬件设备,这样也就使得该方法能够在前端(例如智能机器人的上位机)运行。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要的附图做简单的介绍:
图1是根据本发明一个实施例的人脸替换方法的实现流程示意图;
图2是根据本发明一个实施例的得到人脸区域划分结果和待替换面部图像区域划分结果的匹配结果的实现流程示意图;
图3是根据本发明一个实施例的人脸替换装置的结构示意图。
具体实施方式
以下将结合附图及实施例来详细说明本发明的实施方式,借此对本发明如何应用技术手段来解决技术问题,并达成技术效果的实现过程能充分理解并据以实施。需要说明的是,只要不构成冲突,本发明中的各个实施例以及各实施例中的各个特征可以相互结合,所形成的技术方案均在本发明的保护范围之内。
同时,在以下说明中,出于解释的目的而阐述了许多具体细节,以提供对本发明实施例的彻底理解。然而,对本领域的技术人员来说显而易见的是,本发明可以不用这里的具体细节或者所描述的特定方式来实施。
另外,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
随着社会经济的发展以及智能机器人技术的提高,人们对于智能机器人交互能力(特别是基于视觉的交互能力)的要求也越来越高。现阶段,智能机器人所具有的基于视觉的交互能力往往只是图像信息的获取,其无法将所获取到的图像信息更好地应用到人机交互过程中。
针对现有技术中所存在的上述问题,本发明提供了一种人脸替换方法,该方法能够基于智能机器人所获取到的人脸图像信息来进行人脸替换,这有助于提高智能机器人的人机交互能力。
图1示出了本实施例所提供的人脸替换方法的实现流程示意图。
如图1所示,本实施例所提供的人脸替换方法优选地在步骤S101中获取人脸图像数据,并根据该人脸图像数据提取对应的人脸特征点。需要指出的是,在本发明的不同实施例中,根据实际需要,该方法既可以通过智能机器人所配置的图像采集设备(例如摄像头)来获取人脸图像数据,也可以通过接收其他设备传输来的数据来获取人脸图像数据,抑或是通过其他合理方式来获取人脸图像数据,本发明不限于此。
人脸检测是人脸分析的第一步,在实际操作过程中,光照强度、面部表情以及脸部遮挡物等因素会增加人脸检测的难度。到目前为止,人脸检测具有很多种较好的方法,其中主要包括:基于几何特征的识别方法、模板匹配法、特征脸方法、奇异值分解(SVD)的方法、隐马尔可夫模型、神经网络方法、弹性图匹配方法等。彩色图像中的肤色信息不受形状、大小以及姿态的影响。与RGB彩色空间相比,YCbCr彩色空间将亮度与色彩信息分离,并且肤色信息在该空间的分布具有集中性。因此,本实施例中,该方法在步骤S101中优选地基于YcbCr彩色空间来对所获取到的人脸图像数据进行人脸识别。
在识别得到人脸图像后,该方法会对该人脸图像进行特征点提取,从而得到对应的人脸特征点。具体地,本实施例中,该方法在步骤S101中所提取到的人脸特征点的数量优选地为68个。需要指出的是,在本发明的其他实施例中,根据实际需要,该方法在步骤S101中所提取的人脸特征点的数量还可以为其他合理值,本发明不限于此。
在得到人脸特征点后,该方法会在步骤S102中基于上述人脸特征点和待替换面部图像数据的面部特征点,来对步骤S101中所获取到的人脸图像数据和待替换面部图像数据分区域地进行匹配,从而得到相应的匹配结果。
具体地,图2示出了本实施例中基于人脸特征特征点和待替换面部图像数据的面部特征点对人脸图像数据和待替换面部图像数据分区域地进行匹配的具体实现流程示意图。
如图2所示,本实施例中,该方法会在步骤S201中根据步骤S101中所提取到的人脸图像数据所对应的人脸特征点,来基于Delaunay(德洛内)三角网对上述人脸图像数据进行区域划分,从而得到人脸图像区域划分结果。
目前比较常用的二维三角剖分的优化标准主要包括:最大-最小距离标准、圆标准、最大-最小角标准、最大-最小高标准以及Thiessen标准等。这些标准的一个基本出发点就是尽量避免平面三角形出现太尖的情况。因为根据近逼近论的分析结果,三角曲面的逼近误差与三角区域的最小内角有关,避免过尖的三角形就可以提高逼近精度,这一问题在有限元分析中显得尤为重要。
本实施例采用Delaunay(德洛内)三角剖分法来根据所提取到的人脸特征点对人脸图像数据进行区域划分,从而得到人脸图像区域划分结果。Delaunay(德洛内)三角剖分法具有最小内角最大以及平均形态比较大的性质。
如图2所示,本实施例中,该方法还在步骤S202中根据面部特征点,同样基于Delaunay(德洛内)三角网来对待替换面部图像数据进行区域划分,从而得到待替换面部图像区域划分结果。
需要指出的是,本实施例中,与人脸特征点相对应地,上述待替换面部图像的特征点的数量优选地同样为68个。当然,在本发明的其他实施例中,根据人脸特征点的数量的不同,上述待替换面部图像的特征点的数量也可以为其他合理数值,本发明不限于此。
同时,还需要指出的是,本发明并不对得到人脸图像区域划分结果以及得到待替换面部图形区域划分结果的具体顺序进行限定。在本发明的不同实施例中,根据实际需要,该方法既可以先得到人脸图像区域划分结果再得到待替换面部图形区域划分结果,也可以先得到待替换面部图形区域划分结果再得到人脸图像区域划分结果,抑或是同时得到人脸图像区域划分结果和待替换面部图形区域划分结果。
在得到人脸图像区域划分结果和待替换面部图形区域划分结果后,该方法会在步骤S203中对人脸图像区域划分结果和待替换面部图像区域划分结果中的各个三角区域进行匹配,从而得到匹配结果。
具体地,本实施例中,由于人脸图像区域划分结果和待替换面部图像区域划分结果中的各个三角区域均是由对应的特征点组合形成地,因此该方法在步骤S203中可以根据人脸特征点以及待替换图像数据的面部特征点的对应关系,来对人脸图像区域划分结果和待替换面部图像区域划分结果中的各个三角区域进行匹配,得到人脸图像区域划分结果与待替换面部图像区域中具有一一对应关系的三角区域,从而匹配结果。
再次如图1所示,在得到匹配结果后,该方法会在步骤S103中根据步骤S102中所得到的上述匹配结果,将替换面部图像数据映射到上述人脸图像数据,从而得到数据替换结果。
本实施例中,该方法在步骤S103中根据步骤S102中所得到的匹配结果,来对人脸图像数据和待替换面部图像数据进行像素点映射,从而得到数据替换结果。具体地,该方法优选地将待替换面部图像区域划分结果中各个三角区域对应的像素填充到人脸图像区域划分结果中各自对应的三角区域中,得到数据替换结果。
在得到数据替换结果后,该方法会在步骤S104中根据步骤S103中所得到的上述数据替换结果生成替换后的人脸图像并输出。
从上述描述中可以看出,本发明所提供的人脸替换方法在对两张面部图像进行替换时,采用区域匹配的方式来实现,其基于不同面部的局部三角区域的匹配关系来建立两张不同的面部图像之间的对应关系。基于上述对应关系,该方法采用像素点映射的方式来进行数据替换,该方法能够极大提升替换速度,从而使得整个人脸替换的实现过程不需要依托高性能的硬件设备,这样也就使得该方法能够在前端(例如智能机器人的上位机)运行。
本发明还提供了一种人脸替换装置,图3示出了本实施例中该装置的结果示意图。
本实施例中,该人脸替换装置优选地集成在智能机器人的上位机中,其组成结构优选地包括:人脸特征点提取模块301、数据匹配模块302、数据映射模块303以及人脸图像生成模块304。其中,人脸特征提取模块301用于获取人脸图像数据,并根据该人脸图像数据提取对应的人脸图像特征点。
本实施例中,人脸特征提取模块301首先会对获取到的人脸图像数据进行人脸检测,从而定位出人脸。具体地,人脸特征提取模块301优选地基于YcbCr彩色空间来对所获取到的人脸图像数据进行人脸识别。
在识别得到人脸图像后,人脸特征提取模块301会对人脸图像进行特征点提取,从而得到对应的人脸特征点。本实施例中,人脸特征提取模块301所提取到的人脸特征点的数量优选地为68个。
需要指出的是,在本发明的其他实施例中,人脸特征提取模块301进行人脸识别是所采用的方法可以为其他合理方法,同时,人脸特征提取模块301所提取出的人脸特征点的数量也可以根据实际需要而为其他合理值,本发明不限于此。
在提取得到人脸特征点后,人脸特征提取模块301会将上述人脸特征点传输至与之相连的数据匹配模块302。数据处理模块302在接收到上述人脸特征点后,会基于上述人脸特征点以及待替换面部图像数据的面部特征点,对人脸图像数据和待替换面部图像数据分区域进行匹配,从而得到匹配结果。
本实施例中,数据处理模块302根据人脸图像数据和待替换面部图像数据分区域进行匹配的实现原理以及实现过程与上述图2步骤S201至步骤S203所涉及的内容相同,故在此不再对数据处理模块302的具体内容进行赘述。
在得到人脸图像数据和待替换面部图像数据的匹配结果后,数据处理模块302会将上述匹配结果传输至数据映射模块303。其中,数据映射模块303能够根据上述匹配结果,来对人脸图像数据和待替换面部图像数据进行像素点映射,从而得到数据替换结果。具体地,数据映射模块303优选地将待替换面部图像区域划分结果中各个三角区域对应的像素填充到人脸图像区域划分结果中各自对应的三角区域中,得到数据替换结果。
人脸图像生成模块304与数据映射模块303连接,其会根据数据映射模块303传输来的数据替换结果来生成替换后的人脸图像并输出,这样也就完成了人脸替换输出过程。
应该理解的是,本发明所公开的实施例不限于这里所公开的特定结构或处理步骤,而应当延伸到相关领域的普通技术人员所理解的这些特征的等同替代。还应当理解的是,在此使用的术语仅用于描述特定实施例的目的,而并不意味着限制。
说明书中提到的“一个实施例”或“实施例”意指结合实施例描述的特定特征、结构或特性包括在本发明的至少一个实施例中。因此,说明书通篇各个地方出现的短语“一个实施例”或“实施例”并不一定均指同一个实施例。
虽然上述示例用于说明本发明在一个或多个应用中的原理,但对于本领域的技术人员来说,在不背离本发明的原理和思想的情况下,明显可以在形式上、用法及实施的细节上作各种修改而不用付出创造性劳动。因此,本发明由所附的权利要求书来限定。
Claims (12)
1.一种人脸替换方法,其特征在于,包括:
人脸特征点提取步骤,获取人脸图像数据,并根据所述人脸图像数据提取对应的人脸特征点;
数据匹配步骤,基于所述人脸特征点和待替换面部图像数据的面部特征点,对所述人脸图像数据和待替换面部图像数据分区域进行匹配,得到匹配结果;
数据映射步骤,根据所述匹配结果,将所述待替换面部图像数据映射到所述人脸图像数据,得到数据替换结果;
人脸图像生成步骤,根据所述数据替换结果生成替换后的人脸图像并输出。
2.如权利要求1所述的方法,其特征在于,所述人脸特征点包括68个特征点。
3.如权利要求1或2所述的方法,其特征在于,在所述数据匹配步骤中,
根据所述人脸特征点,基于Delaunay三角网对所述人脸图像数据进行区域划分,得到人脸图像区域划分结果;
根据所述面部特征点,基于Delaunay三角网对所述待替换面部图像数据进行区域划分,得到待替换面部图像区域划分结果;
根据所述人脸特征点和面部特征点,对所述人脸图像区域划分结果和待替换面部图像区域划分结果中的各三角区域进行匹配,得到所述匹配结果。
4.如权利要求1~3中任一项所述的方法,其特征在于,在所述数据映射步骤中,根据所述匹配结果,对所述人脸图像数据和待替换面部图像数据进行像素点映射。
5.如权利要求4所述的方法,其特征在于,在所述数据映射步骤中,将待替换面部图像区域划分结果中的各个三角区域对应的像素填充到所述人脸图像区域划分结果中各自对应的三角区域中,得到所述数据替换结果。
6.如权利要求1~5中任一项所述的方法,其特征在于,所述方法通过智能机器人的上位机执行。
7.一种人脸替换装置,其特征在于,包括:
人脸特征点提取模块,其用于获取人脸图像数据,并根据所述人脸图像数据提取对应的人脸特征点;
数据匹配模块,其用于基于所述人脸特征点和待替换面部图像数据的面部特征点,对所述人脸图像数据和待替换面部图像数据分区域进行匹配,得到匹配结果;
数据映射模块,其用于根据所述匹配结果,将所述待替换面部图像数据映射到所述人脸图像数据,得到数据替换结果;
人脸图像生成模块,其用于根据所述数据替换结果生成替换后的人脸图像并输出。
8.如权利要求7所述的装置,其特征在于,所述人脸特征点包括68个特征点。
9.如权利要求7或8所述的装置,其特征在于,所述数据匹配模块配置为:
根据所述人脸特征点,基于Delaunay三角网对所述人脸图像数据进行区域划分,得到人脸图像区域划分结果;
根据所述面部特征点,基于Delaunay三角网对所述待替换面部图像数据进行区域划分,得到待替换面部图像区域划分结果;
根据所述人脸特征点和面部特征点,对所述人脸图像区域划分结果和待替换面部图像区域划分结果中的各三角区域进行匹配,得到所述匹配结果。
10.如权利要求7~9中任一项所述的装置,其特征在于,所述数据映射模块配置为根据所述匹配结果,对所述人脸图像数据和待替换面部图像数据进行像素点映射。
11.如权利要求10所述的装置,其特征在于,所述数据映射步模块配置为将待替换面部图像区域划分结果中的各个三角区域对应的像素填充到所述人脸图像区域划分结果中各自对应的三角区域中,得到所述数据替换结果。
12.如权利要求7~11中任一项所述的装置,其特征在于,所述装置集成在智能机器人的上位机中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611183715.0A CN106875329A (zh) | 2016-12-20 | 2016-12-20 | 一种人脸替换方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611183715.0A CN106875329A (zh) | 2016-12-20 | 2016-12-20 | 一种人脸替换方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106875329A true CN106875329A (zh) | 2017-06-20 |
Family
ID=59164715
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611183715.0A Pending CN106875329A (zh) | 2016-12-20 | 2016-12-20 | 一种人脸替换方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106875329A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107481190A (zh) * | 2017-07-04 | 2017-12-15 | 腾讯科技(深圳)有限公司 | 一种图像数据处理方法以及装置 |
CN107734207A (zh) * | 2017-09-28 | 2018-02-23 | 北京奇虎科技有限公司 | 视频对象变换处理方法、装置及计算设备 |
CN108648142A (zh) * | 2018-05-21 | 2018-10-12 | 北京微播视界科技有限公司 | 图像处理方法及装置 |
CN108681719A (zh) * | 2018-05-21 | 2018-10-19 | 北京微播视界科技有限公司 | 视频图像处理方法及装置 |
CN108932693A (zh) * | 2018-06-15 | 2018-12-04 | 中国科学院自动化研究所 | 基于人脸几何信息的人脸编辑补全方法及装置 |
CN109285205A (zh) * | 2018-10-29 | 2019-01-29 | 重庆中科云丛科技有限公司 | 一种人脸互换方法、系统、计算机可读存储介质及设备 |
CN110418146A (zh) * | 2018-04-27 | 2019-11-05 | 武汉斗鱼网络科技有限公司 | 应用于直播场景的换脸方法、存储介质、电子设备及系统 |
CN110472459A (zh) * | 2018-05-11 | 2019-11-19 | 华为技术有限公司 | 提取特征点的方法和装置 |
CN111476727A (zh) * | 2020-03-26 | 2020-07-31 | 南京信息工程大学 | 一种面向换脸视频检测的视频运动增强方法 |
WO2022006693A1 (en) * | 2020-07-06 | 2022-01-13 | Polycom Communications Technology (Beijing) Co. Ltd. | Videoconferencing systems with facial image rectification |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1797474A (zh) * | 2004-12-30 | 2006-07-05 | 中国科学院自动化研究所 | 电子游戏中玩家快速置入方法 |
CN101770649A (zh) * | 2008-12-30 | 2010-07-07 | 中国科学院自动化研究所 | 一种人脸图像自动合成方法 |
CN103810687A (zh) * | 2014-02-28 | 2014-05-21 | 北京京东尚科信息技术有限公司 | 一种图像处理方法及装置 |
CN103839223A (zh) * | 2012-11-21 | 2014-06-04 | 华为技术有限公司 | 图像处理方法及装置 |
CN104657974A (zh) * | 2013-11-25 | 2015-05-27 | 腾讯科技(上海)有限公司 | 一种图像处理方法及装置 |
-
2016
- 2016-12-20 CN CN201611183715.0A patent/CN106875329A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1797474A (zh) * | 2004-12-30 | 2006-07-05 | 中国科学院自动化研究所 | 电子游戏中玩家快速置入方法 |
CN101770649A (zh) * | 2008-12-30 | 2010-07-07 | 中国科学院自动化研究所 | 一种人脸图像自动合成方法 |
CN103839223A (zh) * | 2012-11-21 | 2014-06-04 | 华为技术有限公司 | 图像处理方法及装置 |
CN104657974A (zh) * | 2013-11-25 | 2015-05-27 | 腾讯科技(上海)有限公司 | 一种图像处理方法及装置 |
CN103810687A (zh) * | 2014-02-28 | 2014-05-21 | 北京京东尚科信息技术有限公司 | 一种图像处理方法及装置 |
Non-Patent Citations (1)
Title |
---|
车建峰等: "基于人脸特征的多风格卡通系统", 《第十届中国虚拟现实大会(CHINAVR"2010)》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107481190B (zh) * | 2017-07-04 | 2018-12-07 | 腾讯科技(深圳)有限公司 | 一种图像数据处理方法以及装置 |
CN107481190A (zh) * | 2017-07-04 | 2017-12-15 | 腾讯科技(深圳)有限公司 | 一种图像数据处理方法以及装置 |
CN107734207A (zh) * | 2017-09-28 | 2018-02-23 | 北京奇虎科技有限公司 | 视频对象变换处理方法、装置及计算设备 |
CN110418146A (zh) * | 2018-04-27 | 2019-11-05 | 武汉斗鱼网络科技有限公司 | 应用于直播场景的换脸方法、存储介质、电子设备及系统 |
CN110418146B (zh) * | 2018-04-27 | 2022-02-08 | 武汉斗鱼网络科技有限公司 | 应用于直播场景的换脸方法、存储介质、电子设备及系统 |
CN110472459A (zh) * | 2018-05-11 | 2019-11-19 | 华为技术有限公司 | 提取特征点的方法和装置 |
CN108648142A (zh) * | 2018-05-21 | 2018-10-12 | 北京微播视界科技有限公司 | 图像处理方法及装置 |
CN108681719A (zh) * | 2018-05-21 | 2018-10-19 | 北京微播视界科技有限公司 | 视频图像处理方法及装置 |
CN108932693B (zh) * | 2018-06-15 | 2020-09-22 | 中国科学院自动化研究所 | 基于人脸几何信息的人脸编辑补全方法及装置 |
CN108932693A (zh) * | 2018-06-15 | 2018-12-04 | 中国科学院自动化研究所 | 基于人脸几何信息的人脸编辑补全方法及装置 |
CN109285205A (zh) * | 2018-10-29 | 2019-01-29 | 重庆中科云丛科技有限公司 | 一种人脸互换方法、系统、计算机可读存储介质及设备 |
CN111476727A (zh) * | 2020-03-26 | 2020-07-31 | 南京信息工程大学 | 一种面向换脸视频检测的视频运动增强方法 |
WO2022006693A1 (en) * | 2020-07-06 | 2022-01-13 | Polycom Communications Technology (Beijing) Co. Ltd. | Videoconferencing systems with facial image rectification |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106875329A (zh) | 一种人脸替换方法及装置 | |
CN108319957A (zh) | 一种基于超点图的大规模点云语义分割方法 | |
Jiang et al. | Gesture recognition based on binocular vision | |
CN108182441B (zh) | 平行多通道卷积神经网络、构建方法及图像特征提取方法 | |
WO2021082480A1 (zh) | 一种图像分类的方法及相关装置 | |
Du et al. | Stereo vision-based object recognition and manipulation by regions with convolutional neural network | |
CN103927511B (zh) | 基于差异特征描述的图像识别方法 | |
CN109344813A (zh) | 一种基于rgbd的目标识别和场景建模方法及装置 | |
CN110135277B (zh) | 一种基于卷积神经网络的人体行为识别方法 | |
CN109360175A (zh) | 一种红外与可见光的图像融合方法 | |
CN108009557A (zh) | 一种基于共享权重卷积网络的三维模型局部特征描述方法 | |
CN108052894A (zh) | 一种目标对象的多属性识别方法、设备、介质及神经网络 | |
CN104952093B (zh) | 虚拟染发方法和装置 | |
CN104331412B (zh) | 一种在规格化三维人脸库中进行人脸检索的方法 | |
Chen et al. | 2D facial landmark model design by combining key points and inserted points | |
CN104361573B (zh) | 融合颜色信息和全局信息的sift特征匹配算法 | |
CN104123008B (zh) | 一种基于静态手势的人机交互方法及系统 | |
CN104636728A (zh) | 一种图像处理方法 | |
CN103985149B (zh) | 三维彩色点云点特征描述方法 | |
Zhao et al. | Multi-purpose tactile perception based on deep learning in a new tendon-driven optical tactile sensor | |
Ichinose et al. | Pipeline-based processing of the deep learning framework caffe | |
CN108347363A (zh) | 一种智能家居系统 | |
CN110325940A (zh) | 一种飞行控制方法、设备、系统及存储介质 | |
Martinez-Berti et al. | Dual quaternions as constraints in 4d-dpm models for pose estimation | |
CN113963420A (zh) | 一种基于深度学习的三维人脸识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170620 |
|
RJ01 | Rejection of invention patent application after publication |