CN107945244A - 一种基于人脸照片的简笔画生成方法 - Google Patents
一种基于人脸照片的简笔画生成方法 Download PDFInfo
- Publication number
- CN107945244A CN107945244A CN201711474849.2A CN201711474849A CN107945244A CN 107945244 A CN107945244 A CN 107945244A CN 201711474849 A CN201711474849 A CN 201711474849A CN 107945244 A CN107945244 A CN 107945244A
- Authority
- CN
- China
- Prior art keywords
- face
- human face
- picture
- sketch
- generation method
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明一种基于人脸照片的简笔画生成方法属于图像处理领域;包括人脸数据库的收集,利用网上开源的数据库作为训练对象;利用收集到的数据库对人脸识别和关键点检测模型进行训练;对真实人脸图片进行特征点提取;将输入的图片素描化;基于所提取的特征点,对人脸、五官、头发、服饰等进行定位和分割;对分割后的图像进行平滑、强化、灰度化、二值化操作;将处理完的部件重新组合,形成最终结果;本发明与现有技术相比,使五官定位更加准确;不需要大量的样本用于训练,所需要的图片数据更少;训练所需时间更短,而且对硬件要求低,不会导致成本提高;训练模型非常充分,规避了容易出错的细节环节;能够提供给巧克力3D打印机打印,且能够广泛应用。
Description
技术领域
本发明一种基于人脸照片的简笔画生成方法属于图像处理领域。
背景技术
由计算机生成人脸卡通肖像或称为漫画肖像,它主要包括两种方法:一是对照片人脸的轮廓进行夸张变形方法,二是对人脸纹理的卡通化处理方法。
对照片人脸的轮廓进行夸张变形主要是通过人脸轮廓提取,获得表示人脸的线条特征,然后对线条进行一些变形,从而生成人脸的“卡通线条画”。比如文献1,孙红玉、屠长河、孟祥旭,基于形状演化的线条画风格转换与变形。公开自:计算机辅助设计与图形学学报,Vol.18,No.3。
第二种方法通过对人脸的额纹理进行处理,可以进一步丰富卡通效果的表达,比如油画效果、铅笔画和其他效果等。比如文献2,陈洪,郑南宁,梁林,徐迎庆,沈向洋,基于样本学习的肖像画自动生成算法。公开自:计算机学报,2003年2期。
由于处理结果带有人脸阴影,所以目前已有的人脸处理方法无法将其结果直接用到巧克力3D打印机中,这将会使打印出来的效果无法满足客户的要求。并且已有的技术处理时间较长。
发明内容
针对上述问题,本发明提供了一种基于人脸照片的简笔画生成方法。
本发明的目的是这样实现的:
一种基于人脸照片的简笔画生成方法,包括以下步骤:
步骤a、人脸数据库的收集,利用网上开源的数据库作为训练对象;
步骤b、利用收集到的数据库对人脸识别和关键点检测模型进行训练;
步骤c、对真实人脸图片进行特征点提取;
步骤d、将输入的图片素描化;
步骤e、基于所提取的特征点,对人脸、五官、头发、服饰等进行定位和分割;
步骤f、对分割后的图像进行平滑、强化、灰度化、二值化操作;
步骤g、将处理完的部件重新组合,形成最终结果。
进一步地,所述一种基于人脸照片的简笔画生成方法,所述步骤c中对真实人脸图片进行特征点提取,包括以下步骤:
步骤c1、使用HOG特征检测和一个线性分类器或线性SVM实现一个人脸检测模型;
步骤c2、利用HOG特征检测算法,找到人脸的HOG特征或者梯度特征,通过HOG特征和线性分类器,找到一部分的人脸边缘,也就是人脸的位置;用一个方框去框出图片中的人脸,称此方框为人脸方框;
步骤c3、选择一个已训练好的开源形状预测模型,存于dat文件中,将人脸方框内的图片输入到开源形状预测模型,得到68个关键点。
进一步地,所述一种基于人脸照片的简笔画生成方法,所述步骤d中将输入的图片素描化,包括以下步骤:
步骤d1、用一个小的真实人脸数据库和人脸素描库进行素描化模型的训练;
步骤d2、真实人脸与人脸素描存在一一对应的关系,利用Haar特征检测算法分别对两者进行Haar特征检测,使用K近邻算法找到素描图的特征周围最近的K个像素的信息,包括位置、灰度值,并记录下来,找到素描图与真实人脸之间的隐性关系;
步骤d3、将训练好的模型运用到输入的图片上,从而进行素描化。
进一步地,所述一种基于人脸照片的简笔画生成方法,所述步骤e中基于所提取的特征点,对人脸、五官、头发、服饰等进行定位和分割,是利用特征点在坐标系中的坐标,我们能够找到近似于某个五官中心的点,以这个点作为五官中心,向四个方向扩展不同的参数作为方框的边界所在,由此形成能够框选出人脸、五官的长方形方框,用于后续的图像强化;对于头发服饰定位和分割,通过实际实验,确定2号通道能够较好地与后续代码配合,得到头发和服饰的边缘,实现了定位和分割,为了方便编写代码,也将头发和服饰的灰度化、二值化放到了get_cloth_hair模块中,对应的结果便被放到了一张新的画板中。
进一步地,所述一种基于人脸照片的简笔画生成方法,所述步骤f中对分割后的图像进行平滑、强化、灰度化、二值化操作,操作如下:
平滑:
使用开源库OpenCV的代码能快速地将BGR通道中的图像进行平滑,降低灰度图的边缘梯度,得到更好的效果,方便找出边缘,因为有些部位的梯度过高,会使模型认为是边缘,其实只是一些由于光线导致的错误结果;
强化、二值化:
在五官的定位、分割操作得到的方框中,对五官进行各别的二值化,由于照片的采集效果,想要使五官的二值化效果得到最佳,需要对各个五官使用不同的阈值进行二值化;
灰度化:
使用开源库OpenCV的代码便能快速地得到灰度图。
进一步地,所述一种基于人脸照片的简笔画生成方法,所述步骤g中将处理完的部件重新组合,形成最终结果,是能够将各个强化的五官,加深各个五官的边缘,分别放到已有头发和服饰的画板中,并且位置与输入图片相对应。
有益效果:
本发明一种基于人脸照片的简笔画生成方法,与现有技术相比,具有以下优势:
1、五官定位更加准确;
2、本发明不需要大量的样本用于训练,所需要的图片数据更少;
3、本发明训练所需时间更短,而且对硬件要求低,不会导致成本提高;
4、本发明训练模型非常充分,规避了容易出错的细节环节;
5、能够提供给巧克力3D打印机打印,且能够广泛应用。
附图说明
图1是一种基于人脸照片的简笔画生成方法流程图。
图2是真实人脸图片提取特征点图。
图3是真实人脸转换灰度图。
图4是真实人脸图片提取衣服轮廓图。
图5是真实人脸图片转缩小灰度图。
图6是真实人脸图片转缩小灰度图中提取人脸图。
图7是真实人脸图片转换素描图。
图8是五官效果图。
图9是期望结果图。
具体实施方式
下面结合附图对本发明具体实施方式作进一步详细描述。
一种基于人脸照片的简笔画生成方法,如图1所示,包括以下步骤:
步骤a、人脸数据库的收集,利用网上开源的数据库作为训练对象;
步骤b、利用收集到的数据库对人脸识别和关键点检测模型进行训练;
步骤c、对真实人脸图片进行特征点提取;
步骤d、将输入的图片素描化;
步骤e、基于所提取的特征点,对人脸、五官、头发、服饰等进行定位和分割;
步骤f、对分割后的图像进行平滑、强化、灰度化、二值化操作;
步骤g、将处理完的部件重新组合,形成最终结果。
具体地,所述一种基于人脸照片的简笔画生成方法,所述步骤c中对真实人脸图片进行特征点提取,包括以下步骤:
步骤c1、使用HOG特征检测和一个线性分类器或线性SVM实现一个人脸检测模型;
步骤c2、利用HOG特征检测算法,找到人脸的HOG特征或者梯度特征,通过HOG特征和线性分类器,找到一部分的人脸边缘,也就是人脸的位置;用一个方框去框出图片中的人脸,称此方框为人脸方框;
步骤c3、选择一个已训练好的开源形状预测模型,存于dat文件中,将人脸方框内的图片输入到开源形状预测模型,得到68个关键点。
具体地,所述一种基于人脸照片的简笔画生成方法,所述步骤d中将输入的图片素描化,包括以下步骤:
步骤d1、用一个小的真实人脸数据库和人脸素描库进行素描化模型的训练;
步骤d2、真实人脸与人脸素描存在一一对应的关系,利用Haar特征检测算法分别对两者进行Haar特征检测,使用K近邻算法找到素描图的特征周围最近的K个像素的信息,包括位置、灰度值,并记录下来,找到素描图与真实人脸之间的隐性关系;
步骤d3、将训练好的模型运用到输入的图片上,从而进行素描化,由于数据库较小,但是数据较为优秀,所以能够快速、杰出地完成素描化。
具体地,所述一种基于人脸照片的简笔画生成方法,所述步骤e中基于所提取的特征点,对人脸、五官、头发、服饰等进行定位和分割,是利用特征点在坐标系中的坐标,我们能够找到近似于某个五官中心的点,以这个点作为五官中心,向四个方向扩展不同的参数作为方框的边界所在,由此形成能够框选出人脸、五官的长方形方框,用于后续的图像强化;对于头发服饰定位和分割,通过实际实验,确定2号通道能够较好地与后续代码配合,得到头发和服饰的边缘,实现了定位和分割,为了方便编写代码,也将头发和服饰的灰度化、二值化放到了get_cloth_hair模块中,对应的结果便被放到了一张新的画板中。
具体地,所述一种基于人脸照片的简笔画生成方法,所述步骤f中对分割后的图像进行平滑、强化、灰度化、二值化操作,操作如下:
平滑:
使用开源库OpenCV的代码能快速地将BGR通道中的图像进行平滑,降低灰度图的边缘梯度,得到更好的效果,方便找出边缘,因为有些部位的梯度过高,会使模型认为是边缘,其实只是一些由于光线导致的错误结果;
强化、二值化:
在五官的定位、分割操作得到的方框中,对五官进行各别的二值化,由于照片的采集效果,想要使五官的二值化效果得到最佳,需要对各个五官使用不同的阈值进行二值化;
灰度化:
使用开源库OpenCV的代码便能快速地得到灰度图。
所述一种基于人脸照片的简笔画生成方法,所述步骤g中将处理完的部件重新组合,形成最终结果,是能够将各个强化的五官,加深各个五官的边缘,分别放到已有头发和服饰的画板中,并且位置与输入图片相对应。
本发明组合了照片素描化、特征提取、灰度化、二值化、平滑处理、图像分割等步骤,生成了人物简笔画,为了能够准确提取人脸的特征,本发明对输入的人脸图片数据提取特征点的数目至少为64,收集的数据库中至少包括88幅。
本次实施方式本发明以88幅图片作为训练集,训练了提取64和198个特征点的模型。
对于真实人脸照片的处理过程如下:
步骤1、将训练完成的模型应用到输入的真实人脸图片上,得到特征点;如图2所示,是输入的真实图片和提取出来的特征点。
步骤2、将输入的图像和背景转换成灰度图,如图3所示,是转换后的灰度图;
步骤3、通过特定算法,将人和衣服进行平滑处理、灰度化、二值化,然后将边缘提取出来,如图4所示,是提取出来的衣服轮廓;
步骤4、将输入的图片进行缩小,提取出人脸后转换成素描图;如图5所示,是转缩小后的灰度,图6是从图5中提取的人脸,如图5所示,如图7所示,是转换后的素描图;
步骤5、根据得到的特征点,将所需要重点处理的五官:眼睛、鼻子、眉毛、嘴巴等提取出来并进行强化,然后作相应的灰度化和二值化处理,如图8所示,五官处理的效果图;
步骤6、将得到的轮廓、五官等进行处理,得到最终结果,如图9所示,是最终效果图。
Claims (6)
1.一种基于人脸照片的简笔画生成方法,其特征在于,包括以下步骤:
步骤a、人脸数据库的收集,利用网上开源的数据库作为训练对象;
步骤b、利用收集到的数据库对人脸识别和关键点检测模型进行训练;
步骤c、对真实人脸图片进行特征点提取;
步骤d、将输入的图片素描化;
步骤e、基于所提取的特征点,对人脸、五官、头发、服饰等进行定位和分割;
步骤f、对分割后的图像进行平滑、强化、灰度化、二值化操作;
步骤g、将处理完的部件重新组合,形成最终结果。
2.根据权利要求1所述一种基于人脸照片的简笔画生成方法,其特征在于,所述步骤c中对真实人脸图片进行特征点提取,包括以下步骤:
步骤c1、使用HOG特征检测和一个线性分类器或线性SVM实现一个人脸检测模型;
步骤c2、利用HOG特征检测算法,找到人脸的HOG特征或者梯度特征,通过HOG特征和线性分类器,找到一部分的人脸边缘,也就是人脸的位置;用一个方框去框出图片中的人脸,称此方框为人脸方框;
步骤c3、选择一个已训练好的开源形状预测模型,存于dat文件中,将人脸方框内的图片输入到开源形状预测模型,得到68个关键点。
3.根据权利要求1所述一种基于人脸照片的简笔画生成方法,其特征在于,所述步骤d中将输入的图片素描化,包括以下步骤:
步骤d1、用一个小的真实人脸数据库和人脸素描库进行素描化模型的训练;
步骤d2、真实人脸与人脸素描存在一一对应的关系,利用Haar特征检测算法分别对两者进行Haar特征检测,使用K近邻算法找到素描图的特征周围最近的K个像素的信息,包括位置、灰度值,并记录下来,找到素描图与真实人脸之间的隐性关系;
步骤d3、将训练好的模型运用到输入的图片上,从而进行素描化。
4.根据权利要求1所述一种基于人脸照片的简笔画生成方法,其特征在于,所述步骤e中基于所提取的特征点,对人脸、五官、头发、服饰等进行定位和分割,是利用特征点在坐标系中的坐标,我们能够找到近似于某个五官中心的点,以这个点作为五官中心,向四个方向扩展不同的参数作为方框的边界所在,由此形成能够框选出人脸、五官的长方形方框,用于后续的图像强化;对于头发服饰定位和分割,通过实际实验,确定2号通道能够较好地与后续代码配合,得到头发和服饰的边缘,实现了定位和分割,为了方便编写代码,也将头发和服饰的灰度化、二值化放到了get_cloth_hair模块中,对应的结果便被放到了一张新的画板中。
5.根据权利要求1所述一种基于人脸照片的简笔画生成方法,其特征在于,所述步骤f中对分割后的图像进行平滑、强化、灰度化、二值化操作,操作如下:
平滑:
使用开源库OpenCV的代码能快速地将BGR通道中的图像进行平滑,降低灰度图的边缘梯度,得到更好的效果,方便找出边缘,因为有些部位的梯度过高,会使模型认为是边缘,其实只是一些由于光线导致的错误结果;
强化、二值化:
在五官的定位、分割操作得到的方框中,对五官进行各别的二值化,由于照片的采集效果,想要使五官的二值化效果得到最佳,需要对各个五官使用不同的阈值进行二值化;
灰度化:
使用开源库OpenCV的代码便能快速地得到灰度图。
6.根据权利要求1所述一种基于人脸照片的简笔画生成方法,其特征在于,所述步骤g中将处理完的部件重新组合,形成最终结果,是能够将各个强化的五官,加深各个五官的边缘,分别放到已有头发和服饰的画板中,并且位置与输入图片相对应。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711474849.2A CN107945244A (zh) | 2017-12-29 | 2017-12-29 | 一种基于人脸照片的简笔画生成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711474849.2A CN107945244A (zh) | 2017-12-29 | 2017-12-29 | 一种基于人脸照片的简笔画生成方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107945244A true CN107945244A (zh) | 2018-04-20 |
Family
ID=61937009
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711474849.2A Pending CN107945244A (zh) | 2017-12-29 | 2017-12-29 | 一种基于人脸照片的简笔画生成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107945244A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108710853A (zh) * | 2018-05-21 | 2018-10-26 | 深圳市梦网科技发展有限公司 | 人脸识别方法及装置 |
CN109215099A (zh) * | 2018-08-27 | 2019-01-15 | 北京奇虎科技有限公司 | 一种制作漫画的方法及装置 |
CN109359541A (zh) * | 2018-09-17 | 2019-02-19 | 南京邮电大学 | 一种基于深度迁移学习的素描人脸识别方法 |
CN109849576A (zh) * | 2019-02-28 | 2019-06-07 | 浙江大学 | 一种参考灰度图辅助绘画的方法 |
CN110517200A (zh) * | 2019-08-28 | 2019-11-29 | 厦门美图之家科技有限公司 | 人脸草绘图的获取方法、装置、设备及存储介质 |
CN111243051A (zh) * | 2020-01-08 | 2020-06-05 | 浙江省北大信息技术高等研究院 | 基于肖像照片的简笔画生成方法、系统及存储介质 |
CN111243050A (zh) * | 2020-01-08 | 2020-06-05 | 浙江省北大信息技术高等研究院 | 肖像简笔画生成方法、系统及绘画机器人 |
CN112907438A (zh) * | 2021-03-01 | 2021-06-04 | 中国科学院半导体研究所 | 肖像生成方法、装置、电子设备及存储介质 |
CN113223103A (zh) * | 2021-02-02 | 2021-08-06 | 杭州妙绘科技有限公司 | 素描画生成的方法、装置、电子设备及介质 |
CN112907438B (zh) * | 2021-03-01 | 2024-05-31 | 中国科学院半导体研究所 | 肖像生成方法、装置、电子设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050100243A1 (en) * | 2001-11-19 | 2005-05-12 | Microsoft Corporation | Automatic sketch generation |
CN101551911A (zh) * | 2009-05-07 | 2009-10-07 | 上海交通大学 | 人脸素描肖像画自动生成方法 |
CN103080979B (zh) * | 2010-09-03 | 2015-12-09 | 王晓刚 | 从照片合成肖像素描的系统和方法 |
CN107316333A (zh) * | 2017-07-07 | 2017-11-03 | 华南理工大学 | 一种自动生成日漫肖像的方法 |
-
2017
- 2017-12-29 CN CN201711474849.2A patent/CN107945244A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050100243A1 (en) * | 2001-11-19 | 2005-05-12 | Microsoft Corporation | Automatic sketch generation |
CN101551911A (zh) * | 2009-05-07 | 2009-10-07 | 上海交通大学 | 人脸素描肖像画自动生成方法 |
CN103080979B (zh) * | 2010-09-03 | 2015-12-09 | 王晓刚 | 从照片合成肖像素描的系统和方法 |
CN107316333A (zh) * | 2017-07-07 | 2017-11-03 | 华南理工大学 | 一种自动生成日漫肖像的方法 |
Non-Patent Citations (2)
Title |
---|
万里红 等: "人物肖像画及其卡通动画仿真系统的建立", 《计算机仿真》 * |
陈洪 等: "基于样本学习的肖像画自动生成算法", 《计算机学报》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108710853B (zh) * | 2018-05-21 | 2021-01-01 | 深圳市梦网科技发展有限公司 | 人脸识别方法及装置 |
CN108710853A (zh) * | 2018-05-21 | 2018-10-26 | 深圳市梦网科技发展有限公司 | 人脸识别方法及装置 |
CN109215099A (zh) * | 2018-08-27 | 2019-01-15 | 北京奇虎科技有限公司 | 一种制作漫画的方法及装置 |
CN109359541A (zh) * | 2018-09-17 | 2019-02-19 | 南京邮电大学 | 一种基于深度迁移学习的素描人脸识别方法 |
CN109849576A (zh) * | 2019-02-28 | 2019-06-07 | 浙江大学 | 一种参考灰度图辅助绘画的方法 |
CN109849576B (zh) * | 2019-02-28 | 2020-04-28 | 浙江大学 | 一种参考灰度图辅助绘画的方法 |
CN110517200A (zh) * | 2019-08-28 | 2019-11-29 | 厦门美图之家科技有限公司 | 人脸草绘图的获取方法、装置、设备及存储介质 |
CN110517200B (zh) * | 2019-08-28 | 2022-04-12 | 厦门美图之家科技有限公司 | 人脸草绘图的获取方法、装置、设备及存储介质 |
CN111243050A (zh) * | 2020-01-08 | 2020-06-05 | 浙江省北大信息技术高等研究院 | 肖像简笔画生成方法、系统及绘画机器人 |
CN111243051A (zh) * | 2020-01-08 | 2020-06-05 | 浙江省北大信息技术高等研究院 | 基于肖像照片的简笔画生成方法、系统及存储介质 |
WO2021139557A1 (zh) * | 2020-01-08 | 2021-07-15 | 杭州未名信科科技有限公司 | 肖像简笔画生成方法、系统及绘画机器人 |
CN111243051B (zh) * | 2020-01-08 | 2023-08-18 | 杭州未名信科科技有限公司 | 基于肖像照片的简笔画生成方法、系统及存储介质 |
CN111243050B (zh) * | 2020-01-08 | 2024-02-27 | 杭州未名信科科技有限公司 | 肖像简笔画生成方法、系统及绘画机器人 |
CN113223103A (zh) * | 2021-02-02 | 2021-08-06 | 杭州妙绘科技有限公司 | 素描画生成的方法、装置、电子设备及介质 |
CN112907438A (zh) * | 2021-03-01 | 2021-06-04 | 中国科学院半导体研究所 | 肖像生成方法、装置、电子设备及存储介质 |
CN112907438B (zh) * | 2021-03-01 | 2024-05-31 | 中国科学院半导体研究所 | 肖像生成方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107945244A (zh) | 一种基于人脸照片的简笔画生成方法 | |
CN101477696B (zh) | 一种人物漫画图像生成方法及装置 | |
CN110378985B (zh) | 一种基于gan的动漫绘画辅助创作方法 | |
CN107844795B (zh) | 基于主成分分析的卷积神经网络特征提取方法 | |
CN104794693B (zh) | 一种人脸关键区域自动检测蒙版的人像优化方法 | |
CN111046763B (zh) | 一种人像卡通化的方法和装置 | |
CN101556699A (zh) | 一种基于脸型的人脸衰老图像合成方法 | |
CN108629338A (zh) | 一种基于lbp和卷积神经网络的人脸美丽预测方法 | |
CN107886558A (zh) | 一种基于RealSense的人脸表情动画驱动方法 | |
CN110097626A (zh) | 一种基于rgb单目图像的浅浮雕物体识别处理方法 | |
CN111243050A (zh) | 肖像简笔画生成方法、系统及绘画机器人 | |
CN102024156A (zh) | 彩色人脸图像中的唇部区域定位方法 | |
CN109325903A (zh) | 图像风格化重建的方法及装置 | |
CN100487732C (zh) | 一种基于人脸照片的卡通肖像生成方法 | |
CN101354743A (zh) | 用于人脸图像合成的图像库 | |
CN108257194A (zh) | 基于卷积神经网络的人脸简笔画生成方法 | |
CN105069742B (zh) | 一种基于书写特征编辑的软笔汉字变换方法 | |
Zhang et al. | Portrait relief generation from 3D Object | |
CN103093211A (zh) | 基于深度核信息图像特征的人体运动跟踪方法 | |
Lin et al. | Video stylization: painterly rendering and optimization with content extraction | |
CN113724273B (zh) | 一种基于神经网络区域目标分割的边缘光影融合方法 | |
Zhang et al. | An empirical study on the artificial intelligence-aided quantitative design of art images | |
Kim et al. | Automated hedcut illustration using isophotes | |
He et al. | Text-based image style transfer and synthesis | |
Tomar et al. | An Effective Cartoonifying of an Image using Machine Learning |
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: 20180420 |
|
RJ01 | Rejection of invention patent application after publication |