CN109002763B - 基于同源连续性的模拟人脸老化的方法及装置 - Google Patents

基于同源连续性的模拟人脸老化的方法及装置 Download PDF

Info

Publication number
CN109002763B
CN109002763B CN201810619267.7A CN201810619267A CN109002763B CN 109002763 B CN109002763 B CN 109002763B CN 201810619267 A CN201810619267 A CN 201810619267A CN 109002763 B CN109002763 B CN 109002763B
Authority
CN
China
Prior art keywords
face
feature vector
age
shape feature
age group
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
Application number
CN201810619267.7A
Other languages
English (en)
Other versions
CN109002763A (zh
Inventor
李卫军
宁欣
董肖莉
徐健
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Institute of Semiconductors of CAS
Original Assignee
Institute of Semiconductors of CAS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Institute of Semiconductors of CAS filed Critical Institute of Semiconductors of CAS
Priority to CN201810619267.7A priority Critical patent/CN109002763B/zh
Publication of CN109002763A publication Critical patent/CN109002763A/zh
Application granted granted Critical
Publication of CN109002763B publication Critical patent/CN109002763B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/04—Texture mapping
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • 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
    • 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
    • G06V40/178—Human faces, e.g. facial parts, sketches or expressions estimating age from face image; using age information for improving recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Computer Graphics (AREA)
  • Human Computer Interaction (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Geometry (AREA)
  • Processing Or Creating Images (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于同源连续性的模拟人脸老化的方法及装置，方法包括：获取人脸图像的特征点；根据特征点构建形状特征向量并计算度量标准，将度量标准与预设度量标准匹配计算，获取各年龄段对应的与预设数量相等的相匹配人脸图像；获取各年龄段对应的纹理增强人脸原型；确定人脸图像所处的源目标年龄段；根据人脸原型对应的形状特征向量、年龄相关和目标形状特征向量获取模拟人脸形状老化的第一模拟图像；根据人脸原型对应的像素点构建出的纹理特征向量获取模拟人脸纹理老化的第二模拟图像。装置包括：由处理器、存储器和总线完成通信的电子设备；非暂态计算机可读存储介质。所述装置执行上述方法。该方法及装置，能够真实自然的模拟人脸老化。

Description

基于同源连续性的模拟人脸老化的方法及装置
技术领域
本发明涉及图像处理技术领域，尤其涉及一种基于同源连续性的模拟人脸老化的方法及装置。
背景技术
近年来，随着图形图像和计算机技术的迅猛发展，关于模拟人脸老化的研究在戏剧表演、刑事侦查等方面有着极其重要的应用价值。
目前，模拟人脸老化的方法是将源人脸图像直接线性模拟到目标人脸图像，无论源人脸图像与目标人脸图像中人的年龄跨度有多大，都直接模拟出目标年龄的人脸图像，例如：现有技术直接将少年的人脸图像直接模拟到中年或老年人脸图像。但是，真实的人脸老化是一个缓慢的、连续的、不可避免的过程，历经少年、青年、中年、老年等各个年龄段，每个年龄段的变化具有不同的规律，现有技术并没有考虑到这种自然规律，因此，对人脸老化的模拟显得不够真实、自然。
因此，如何避免上述缺陷，能够真实、自然地模拟人脸老化的过程，成为亟须解决的问题。
发明内容
针对现有技术存在的问题，本发明实施例提供一种基于同源连续性的模拟人脸老化的方法及装置。
第一方面，本发明实施例提供一种基于同源连续性的模拟人脸老化的方法，所述方法包括：
预处理待模拟的人脸图像，获取反映所述人脸图像中人脸形状特征的特征点；
根据所述特征点构建出形状特征向量，再利用所述形状特征向量计算与脸型匹配的度量标准，将所述度量标准与人脸数据库中的预设度量标准进行匹配计算，根据匹配计算结果，获取各年龄段分别对应的与预设数量相等的相匹配人脸图像，所述预设度量标准是根据预设年龄区间进行预先计算的各年龄段中各人脸图像对应的度量标准；
对所述相匹配人脸图像分别进行人脸纹理增强处理，以获取各年龄段对应的纹理增强的人脸原型；
获取所述人脸图像所处的源年龄段，确定与所述源年龄段对应的目标年龄段；所述目标年龄段是与所述源年龄段相邻的后一段年龄段；
根据不同年龄段的人脸原型所分别对应的年龄相关形状特征向量及所述形状特征向量，计算目标形状特征向量，所述不同年龄段包括所述源年龄段和所述目标年龄段；
根据所述形状特征向量、所述年龄相关形状特征向量和所述目标形状特征向量获取模拟人脸形状老化的第一模拟图像；
根据由所述人脸原型对应的像素点构建出的纹理特征向量对所述第一模拟图像进行纹理老化处理，以获取模拟人脸纹理老化的第二模拟图像。
第二方面，本发明实施例提供一种基于同源连续性的模拟人脸老化的装置，所述装置包括：
处理单元，用于预处理待模拟的人脸图像；获取反映所述人脸图像中人脸形状特征的特征点；
匹配单元，用于根据所述特征点构建出形状特征向量，再利用所述形状特征向量计算与脸型匹配的度量标准，将所述度量标准与人脸数据库中的预设度量标准进行匹配计算，根据匹配计算结果，获取各年龄段分别对应的与预设数量相等的相匹配人脸图像，所述预设度量标准是根据预设年龄区间进行预先计算的各年龄段中各人脸图像对应的度量标准；
获取单元，用于对所述相匹配人脸图像分别进行人脸纹理增强处理，以获取各年龄段对应的纹理增强的人脸原型；
确定单元，用于获取所述人脸图像所处的源年龄段，确定与所述源年龄段对应的目标年龄段，所述目标年龄段是与所述源年龄段相邻的后一段年龄段；
计算单元，用于根据不同年龄段的人脸原型所分别对应的年龄相关形状特征向量及所述形状特征向量，计算目标形状特征向量；所述不同年龄段包括所述源年龄段和所述目标年龄段；
第一模拟单元，用于根据所述形状特征向量、所述年龄相关形状特征向量和所述目标形状特征向量获取模拟人脸形状老化的第一模拟图像；
第二模拟单元，用于根据由所述人脸原型对应的像素点构建出的纹理特征向量对所述第一模拟图像进行纹理老化处理，以获取模拟人脸纹理老化的第二模拟图像。
第三方面，本发明实施例提供一种电子设备，包括：处理器、存储器和总线，其中，
所述处理器和所述存储器通过所述总线完成相互间的通信；
所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如下方法：
预处理待模拟的人脸图像，获取反映所述人脸图像中人脸形状特征的特征点；
根据所述特征点构建出形状特征向量，再利用所述形状特征向量计算与脸型匹配的度量标准，将所述度量标准与人脸数据库中的预设度量标准进行匹配计算，根据匹配计算结果，获取各年龄段分别对应的与预设数量相等的相匹配人脸图像，所述预设度量标准是根据预设年龄区间进行预先计算的各年龄段中各人脸图像对应的度量标准；
对所述相匹配人脸图像分别进行人脸纹理增强处理，以获取各年龄段对应的纹理增强的人脸原型；
获取所述人脸图像所处的源年龄段，确定与所述源年龄段对应的目标年龄段；所述目标年龄段是与所述源年龄段相邻的后一段年龄段；
根据不同年龄段的人脸原型所分别对应的年龄相关形状特征向量及所述形状特征向量，计算目标形状特征向量，所述不同年龄段包括所述源年龄段和所述目标年龄段；
根据所述形状特征向量、所述年龄相关形状特征向量和所述目标形状特征向量获取模拟人脸形状老化的第一模拟图像；
根据由所述人脸原型对应的像素点构建出的纹理特征向量对所述第一模拟图像进行纹理老化处理，以获取模拟人脸纹理老化的第二模拟图像。
第四方面，本发明实施例提供一种非暂态计算机可读存储介质，包括：
所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如下方法：
预处理待模拟的人脸图像，获取反映所述人脸图像中人脸形状特征的特征点；
根据所述特征点构建出形状特征向量，再利用所述形状特征向量计算与脸型匹配的度量标准，将所述度量标准与人脸数据库中的预设度量标准进行匹配计算，根据匹配计算结果，获取各年龄段分别对应的与预设数量相等的相匹配人脸图像，所述预设度量标准是根据预设年龄区间进行预先计算的各年龄段中各人脸图像对应的度量标准；
对所述相匹配人脸图像分别进行人脸纹理增强处理，以获取各年龄段对应的纹理增强的人脸原型；
获取所述人脸图像所处的源年龄段，确定与所述源年龄段对应的目标年龄段；所述目标年龄段是与所述源年龄段相邻的后一段年龄段；
根据不同年龄段的人脸原型所分别对应的年龄相关形状特征向量及所述形状特征向量，计算目标形状特征向量，所述不同年龄段包括所述源年龄段和所述目标年龄段；
根据所述形状特征向量、所述年龄相关形状特征向量和所述目标形状特征向量获取模拟人脸形状老化的第一模拟图像；
根据由所述人脸原型对应的像素点构建出的纹理特征向量对所述第一模拟图像进行纹理老化处理，以获取模拟人脸纹理老化的第二模拟图像。
本发明具有以下有益效果：
本发明实施例提供的基于同源连续性的模拟人脸老化的方法及装置，通过同源连续性原理对人脸进行基于不同年龄段的形体老化和纹理老化模拟，能够真实、自然地模拟人脸老化的过程。
附图说明
为了更清楚的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使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例基于同源连续性的模拟人脸老化的方法流程示意图；
图2(a)为本发明实施例输入图像；输入图像对应于待模拟的人脸图像；
图2(b)为本发明实施例人脸对齐后的图像；
图3为本发明实施例人脸关键点的位置图；
图4(a)-图4(d)为本发明实施例脸型匹配的四张人脸图像；
图5(a)为本发明实施例未经过纹理增强的人脸原型；
图5(b)为本发明实施例经过纹理增强的人脸原型；
图6为本发明实施例经过人脸对齐后人脸图像进行三角剖分的效果图；
图7(a)为本发明实施例输入的人脸图像；
图7(b)为本发明实施例经过形状老化模拟后的人脸图像人脸形状老化模拟的效果图；
图8(a)为本发明实施例输入的人脸图像；图8(b)为本发明实施例经过皮肤检测后输出的二值图像；
图9(a)为本发明实施例输入的人脸图像；
图9(b)为本发明实施例额头部位关键点检测后的三角剖分效果图；
图10(a)为本发明实施例输入的人脸图像；
图10(b)为本发明实施例经过形状及纹理老化模拟后的人脸图像纹理老化的效果图；
图11(a)为本发明实施例输入的人脸图像；
图11(b)为本发明实施例经过泊松融合后最终的老化效果图；
图12为本发明实施例基于同源连续性的模拟人脸老化的装置结构示意图；
图13为本发明实施例提供的电子设备实体结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明作进一步的详细说明。
对同源连续性原理解释说明如下：
发明人发现真实的人脸老化过程符合“同源连续性原理”，即根据高维空间同源连续性原理，将人脸老化问题转化为一系列同源点的定位问题。源人脸和目标人脸可看作高维空间中的同源点，具有类似的属性但又不完全相同，则它们之间存在一个渐变且连续的过程，使得源人脸变换到目标人脸，以实现人脸老化过程的模拟。
需要作如下预先处理：
(1)收集一批不同年龄、不同性别且具有不同脸型的人脸图像。这些图像采集的标准为：正面免冠、面部光照均匀且无遮挡、图像背景单一。将这批图像按照性别分为两组，且基于同源连续性原理，为了更加符合人脸逐渐老化的自然规律，每组又按照不同年龄进行细致划分，以10岁为间隔分为7个年龄段，分别为：20～30、30～40、40～50、50～60、60～70、70～80、80～90，并保证每个年龄段内尽可能包含多种不同脸型的人脸图像。
(2)脸型对于人脸老化的影响效果是非常明显的。所以，为了保证人脸老化的个性化特征，同时为了满足人脸老化的同源连续性原理，我们需要将输入图像与源、目标年龄段之间所有年龄段内的库图像进行脸型匹配，从中挑选出脸型相似度较大的多张人脸图像用于合成各个年龄段的人脸原型。
图1为本发明实施例基于同源连续性的模拟人脸老化的方法流程示意图，如图1所示，本发明实施例提供的一种基于同源连续性的模拟人脸老化的方法，包括以下步骤：
S101：预处理待模拟的人脸图像；获取反映所述人脸图像中人脸形状特征的特征点。
具体的，可以为：预处理待模拟的人脸图像；获取反映所述人脸图像中人脸形状特征的特征点。预处理待模拟的人脸图像包括：在构建的人脸老化模拟数据库(对应人脸数据库)中，任意选择一张正面人脸照作为人脸对齐的模板，并将数据库中所有的人脸图像都与该模板进行对齐，图2(a)为本发明实施例输入图像；输入图像对应于待模拟的人脸图像，图2(b)为本发明实施例人脸对齐后的图像，如图2(a)和图2(b)所示。图3为本发明实施例人脸关键点的位置图，如图3所示，对所有对齐后的人脸图像进行特征点定位，并将检测到的1～17个特征点(具体是脸型特征)用于脸型匹配。对这17个特征点使用三次样条曲线进行拟合，求得每个特征点在拟合曲线上的曲率(K1，K2，...，K17)，再分别求得特征点3～8，7～11，10～15处曲率值的标准差，依次记为d11、d2、d12，且令
Figure BDA0001697647990000071
最终，将形状特征向量v＝(d1，d2)作为脸型匹配的度量标准，数据库中所有的人脸图像均有其对应的脸型匹配度量标准v。
S102：根据所述特征点构建出形状特征向量，再利用所述形状特征向量计算与脸型匹配的度量标准，将所述度量标准与人脸数据库中的预设度量标准进行匹配计算，根据匹配计算结果，获取各年龄段分别对应的与预设数量相等的相匹配人脸图像；所述预设度量标准是根据预设年龄区间进行预先计算的各年龄段中各人脸图像对应的度量标准。
具体的，可以根据所述特征点构建出形状特征向量，再利用所述形状特征向量计算与脸型匹配的度量标准，将所述度量标准与人脸数据库中的预设度量标准进行匹配计算，根据匹配计算结果，获取各年龄段分别对应的与预设数量相等的相匹配人脸图像；所述预设度量标准是根据预设年龄区间进行预先计算的各年龄段中各人脸图像对应的度量标准。
对于一张需要进行老化模拟的输入图像，首先，需要对其进行特征点定位、人脸对齐等处理(对应预处理)。其次，利用对齐后的特征点位置计算出脸型匹配的度量标准v。最后，求得该向量与源年龄段和目标年龄段内各人脸图像脸型匹配度量标准之间的欧氏距离d，距离越小则两张图像的脸型越匹配。
需要在每个年龄段找出5(对应预设数量)张脸型较为匹配的人脸图像，用于合成该年龄段的人脸原型。首先，设定一个阈值T(对应预设阈值)，并将所有欧式距离d进行一个从小到大的排序。只要满足d＜T这个条件，就可以将该库图像作为合成原型的候选图像。若选择的图像数小于5，则将阈值T增加t0，并重复上述操作。图4(a)-图4(d)为本发明实施例脸型匹配的几张人脸图像；脸型匹配的结果如图4(a)-图4(d)所示。
S103：对所述相匹配人脸图像分别进行人脸纹理增强处理，以获取各年龄段对应的纹理增强的人脸原型。
具体的，可以对对所述相匹配人脸图像分别进行人脸纹理增强处理，以获取各年龄段对应的纹理增强的人脸原型。进一步的可以包括如下步骤：
小波分解：
由于Gabor滤波器最主要的优势体现在对物体纹理特征的提取上，所以使用Gabor滤波器在水平和竖直两个方向上对用于合成原型的各图像进行高频分解，提取出高频纹理信息。
高频信息增强：
对分离出的各高频子带进行平滑叠加等处理，合成更能代表各图像边缘特征的高频子带；
图像重构：
利用新合成的高频子带进行图像重构，即可以得到具有纹理增强效果的人脸原型，对应的像素点构成了纹理特征向量。图5(a)为本发明实施例未经过纹理增强的人脸原型；图5(b)为本发明实施例经过纹理增强的人脸原型；纹理增强前后的对比图像如图5(a)和图5(b)所示。
根据同源连续性原理，人脸老化并不是一个直接线性的过程，所以需要重复上述操作，依次将源、待模拟年龄段之间各个年龄段的人脸原型均进行纹理增强处理。
S104：获取所述人脸图像所处的源年龄段，确定与所述源年龄段对应的目标年龄段；所述目标年龄段是与所述源年龄段相邻的后一段年龄段。
具体的，可以获取所述人脸图像所处的源年龄段，确定与所述源年龄段对应的目标年龄段；所述目标年龄段是与所述源年龄段相邻的后一段年龄段。参照上述举例，假如人脸图像所处的源年龄段为上述7个年龄段中的20～30岁、目标年龄段为上述7个年龄段中30～40岁。需要说明的是：本发明实施例预设年龄区间可以根据实际情况自主设置，这里举例为10年。
S105：根据不同年龄段的人脸原型所分别对应的年龄相关形状特征向量及所述形状特征向量，计算目标形状特征向量；所述不同年龄段包括所述源年龄段和所述目标年龄段。
具体的，可以根据不同年龄段的人脸原型所分别对应的年龄相关形状特征向量及所述形状特征向量，计算目标形状特征向量；所述不同年龄段包括所述源年龄段和所述目标年龄段。可以如下：基于同源连续性的老化模拟过程，为了符合人脸老化的一般规律，首先将输入人脸老化至相邻年龄段。对源年龄段及相邻年龄段合成的人脸原型进行特征点定位，并将其对应的年龄相关形状特征向量分别记为Syoung和Sold。
可以根据如下公式计算所述目标形状特征向量：
Sdst＝Ss+α(Sold-Syoung)
其中，Sdst为所述目标形状特征向量、Ss为输入人脸图像对应的形状特征向量、Syoung为所述源年龄段人脸原型对应的年龄相关形状特征向量、Sold为所述目标年龄段人脸原型对应的年龄相关形状特征向量、α为第一比例系数，用来调节形状衰老的程度。第一比例系数的数值大小可以根据实际情况进行设置。
S106：根据所述年龄相关形状特征向量和所述目标形状特征向量获取模拟人脸形状老化的第一模拟图像。
具体的，可以根据所述年龄相关形状特征向量和所述目标形状特征向量获取模拟人脸形状老化的第一模拟图像。具体可以如下：将求得的输入图像、源年龄段的人脸原型以及目标年龄段的人脸原型的特征点集，利用Delaunay三角剖分分别生成对应的三角网。这个三角网中的三角面均不互相重叠，且不同图像中由相同特征点为顶点所构成的三角面是一一对应的。图6为本发明实施例经过人脸对齐后人脸图像进行三角剖分的效果图；三角剖分的效果图如图6所示。利用图像变形技术，将输入图像和人脸原型对的特征点集Ss、Sold、Syoung均移动到目标特征点集Sdst，从而完成人脸形状的老化模拟，将形状变化后的输入图像及原型对分别记为swap_dst、swap-old-prototype_dst以及swap-young-prototype_dst。图7(a)为本发明实施例输入的人脸图像；图7(b)为本发明实施例经过形状老化模拟后的人脸图像人脸形状老化模拟的效果图，如图7(a)和图7(b)所示。
S107：根据由所述人脸原型对应的像素点构建出的纹理特征向量对所述第一模拟图像进行纹理老化处理，以获取模拟人脸纹理老化的第二模拟图像。
具体的，可以根据由所述人脸原型对应的像素点构建出的纹理特征向量对所述第一模拟图像进行纹理老化处理，以获取模拟人脸纹理老化的第二模拟图像。可以采用如下步骤：
皮肤检测：
由于人脸老化这一自然规律满足同源连续性原理，所以将形状老化后的人脸图像首先纹理老化至相邻年龄段。为了使纹理映射更加真实、自然，首先对输入图像进行皮肤检测。肤色在RGB模型下的范围基本上满足以下约束条件：
R＞95AND G＞40B＞20AND
MAX(R，G，B)-MIN(R，G，B)＞15AND
ABS(R-G)＞15ANDR＞G ANDR＞B
将检测到为皮肤的像素点置为白色，非皮肤的像素点置为黑色，得到一张二值图像。图8(a)为本发明实施例输入的人脸图像；图8(b)为本发明实施例经过皮肤检测后输出的二值图像；图8(a)和图8(b)所示为肤色检测前后的对比图像。
额头部位关键点的选取：
对皮肤检测后得到的二值图像进行canny边缘检测，即可以得到输入图像中皮肤与非皮肤部分的边界。在额头部位的界限上相隔一定像素点的距离取一个点，一共取得20个点(举例说明)。这样不仅能够得到输入人脸图像额头部位的关键点，还能够有效避免对面部被头发遮挡的部分也进行纹理映射。
纹理老化：
参照图3，对检测到的68个关键点(对应于上述特征点)与定位的20个额头部位关键点共同组成的特征点点集进行Delaunay三角剖分，图，9(a)为本发明实施例输入的人脸图像；图9(b)为本发明实施例额头部位关键点检测后的三角剖分效果图；如图9(a)和图9(b)所示。并将swap_dst、swap-old-prototype_dst以及swap-young-prototype_dst图像中对应三角面中的像素点进行叠加，以实现纹理老化模拟；
Tdst＝Ts+β(Told-Tyoung)
其中，Tdst为所述目标纹理特征向量、Ts为所述人脸图像对应的纹理特征向量、Tyoung为所述源年龄段人脸原型对应的年龄相关纹理特征向量、Told为所述目标年龄段人脸原型对应的年龄相关纹理特征向量、β为第二比例系数，用来调节形状衰老的程度。第二比例系数的具体数值可根据实际情况自主设置。图10(a)为本发明实施例输入的人脸图像；图10(b)为本发明实施例经过形状及纹理老化模拟后的人脸图像纹理老化的效果图；如图10所示。
泊松融合
为了使纹理映射的效果更佳，可以使用泊松融合，来使得进行纹理映射部分的肤色与未进行纹理映射部分的肤色尽可能达到一致。图11(a)为本发明实施例输入的人脸图像；图11(b)为本发明实施例经过泊松融合后最终的老化效果图。最终的老化效果图如图11(a)和图11(b)所示。
判断是否已经将输入图像老化至待模拟年龄段，若否，更新所述源年龄段为所述目标年龄段，并采用更新后的源年龄段执行如权利要求1所述的方法，直到所述目标年龄段达到所述待模拟年龄段。若是，则终止该方法继续执行。待模拟年龄段可以根据实际情况自主设置。
本发明实施例提供的基于同源连续性的模拟人脸老化的方法，通过同源连续性原理对人脸进行基于不同年龄段的形状老化和纹理老化模拟，能够真实、自然地模拟人脸老化的过程。
在上述实施例的基础上，所述方法还包括：
获取所述人脸图像的待模拟年龄段。
具体的，装置获取所述人脸图像的待模拟年龄段。可参照上述实施例，不再赘述。
若判断获知所述目标年龄段未达到所述待模拟年龄段，更新所述源年龄段为所述目标年龄段，并采用更新后的源年龄段执行如权利要求1所述的方法，直到所述目标年龄段达到所述待模拟年龄段。
具体的，装置若判断获知所述目标年龄段未达到所述待模拟年龄段，更新所述源年龄段为所述目标年龄段，并采用更新后的源年龄段执行如权利要求1所述的方法，直到所述目标年龄段达到所述待模拟年龄段。可参照上述实施例，不再赘述。
本发明实施例提供的基于同源连续性的模拟人脸老化的方法，通过采用更新后的源年龄段重复执行该方法，进一步能够真实、自然地模拟人脸老化的过程。
在上述实施例的基础上，所述再利用所述形状特征向量计算与脸型匹配的度量标准，将所述度量标准与人脸数据库中的预设度量标准进行匹配计算，根据匹配计算结果，获取各年龄段分别对应的与预设数量相等的相匹配人脸图像，包括：
计算所述度量标准与所述预设度量标准之间的欧氏距离。
具体的，装置计算所述度量标准与所述预设度量标准之间的欧氏距离。可参照上述实施例，不再赘述。
提取所述欧氏距离小于预设阈值的目标欧氏距离。
具体的，装置提取所述欧氏距离小于预设阈值的目标欧氏距离。可参照上述实施例，不再赘述。
将所述目标欧氏距离进行从小到大的顺序排序，在所述各年龄段中选择与所述预设数量相等的前N个目标欧氏距离对应的相匹配人脸图像。
具体的，装置将所述目标欧氏距离进行从小到大的顺序排序，在所述各年龄段中选择与所述预设数量相等的前N个目标欧氏距离对应的相匹配人脸图像。可参照上述实施例，不再赘述。
本发明实施例提供的基于同源连续性的模拟人脸老化的方法，通过采用欧氏距离的方式计算对应的相匹配人脸图像，进一步能够真实、自然地模拟人脸老化的过程。
在上述实施例的基础上，所述方法还包括：
若N的数值小于所述预设数量，则调大所述预设阈值的数值，以使获取到的相匹配人脸图像的数量等于所述预设数量。
具体的，装置若判断获知N的数值小于所述预设数量，则调大所述预设阈值的数值，以使获取到的相匹配人脸图像的数量等于所述预设数量。可参照上述实施例，不再赘述。
本发明实施例提供的基于同源连续性的模拟人脸老化的方法，通过调整预设阈值的数值，进一步保证了算法的合理性。
在上述实施例的基础上，所述对所述相匹配人脸图像分别进行人脸纹理增强处理，以获取各年龄段对应的纹理增强的人脸原型，包括：
采用Gabor滤波器在水平和竖直两个方向上分别对所述相匹配人脸图像进行高频分解，以提取出高频纹理信息。
具体的，装置采用Gabor滤波器在水平和竖直两个方向上分别对所述相匹配人脸图像进行高频分解，以提取出高频纹理信息。可参照上述实施例，不再赘述。
对所述高频纹理信息中的高频子带进行平滑叠加处理，以获取反映图像边缘特征的新合成高频子带。
具体的，装置对所述高频纹理信息中的高频子带进行平滑叠加处理，以获取反映图像边缘特征的新合成高频子带。可参照上述实施例，不再赘述。
对所述新合成高频子带进行图像重构，以获取纹理增强的人脸原型。
具体的，装置对所述新合成高频子带进行图像重构，以获取纹理增强的人脸原型。可参照上述实施例，不再赘述。
本发明实施例提供的基于同源连续性的模拟人脸老化的方法，能够有效地获取纹理增强的人脸原型。
在上述实施例的基础上，所述根据不同年龄段的人脸原型所分别对应的年龄相关形状特征向量及所述形状特征向量，计算目标形状特征向量，包括：
根据如下公式计算所述目标形状特征向量：
Sdst＝Ss+α(Sold-Syoung)
其中，Sdst为所述目标形状特征向量、Ss为所述年龄段对应的形状特征向量、Syoung为所述源年龄段对应的年龄相关形状特征向量、Sold为所述目标年龄段对应的年龄相关形状特征向量、α为第一比例系数，用来调节形状衰老的程度。
具体的，装置根据如下公式计算所述目标形状特征向量：
Sdst＝Ss+α(Sold-Syoung)
其中，Sdst为所述目标形状特征向量、Ss为所述年龄段对应的形状特征向量、Syoung为所述源年龄段对应的年龄相关形状特征向量、Sold为所述目标年龄段对应的年龄相关形状特征向量、α为第一比例系数，用来调节形状衰老的程度。可参照上述实施例，不再赘述。
本发明实施例提供的基于同源连续性的模拟人脸老化的方法，通过具体的公式计算目标形状特征向量，能够合理地获取目标形状特征向量。
在上述实施例的基础上，所述根据所述形状特征向量、所述年龄相关形状特征向量和所述目标形状特征向量获取模拟所述形状老化的第一模拟图像，包括：
对由所述形状特征向量和所述年龄相关形状特征向量组成的特征点集进行三角剖分，并利用三角剖分后各三角面的对应关系将所述特征点集移至所述目标形状特征向量对应的特征点位置，以获取所述第一模拟图像。
具体的，装置对由所述形状特征向量和所述年龄相关形状特征向量组成的特征点集进行三角剖分，并利用三角剖分后各三角面的对应关系将所述特征点集移至所述目标形状特征向量对应的特征点位置，以获取所述第一模拟图像。可参照上述实施例，不再赘述。
本发明实施例提供的基于同源连续性的模拟人脸老化的方法，能够有效地对人脸图像进行形状老化模拟。
图12为本发明实施例基于同源连续性的模拟人脸老化的装置结构示意图，如图12所示，本发明实施例提供了一种基于同源连续性的模拟人脸老化的装置，包括处理单元1201、匹配单元1202、获取单元1203、确定单元1204、计算单元1205、第一模拟单元1206和第二模拟单元1207，其中：
处理单元1201用于预处理待模拟的人脸图像；获取反映所述人脸图像中人脸形状特征的特征点；匹配单元1202用于根据所述特征点构建出形状特征向量，再利用所述形状特征向量计算与脸型匹配的度量标准，将所述度量标准与人脸数据库中的预设度量标准进行匹配计算，根据匹配计算结果，获取各年龄段分别对应的与预设数量相等的相匹配人脸图像；所述预设度量标准是根据预设年龄区间进行预先计算的各年龄段中各人脸图像对应的度量标准；获取单元1203用于对所述相匹配人脸图像分别进行人脸纹理增强处理，以获取各年龄段对应的纹理增强的人脸原型；确定单元1204用于获取所述人脸图像所处的源年龄段，确定与所述源年龄段对应的目标年龄段；所述目标年龄段是与所述源年龄段相邻的后一段年龄段；计算单元1205用于根据不同年龄段的人脸原型所分别对应的年龄相关形状特征向量及所述形状特征向量，计算目标形状特征向量；所述不同年龄段包括所述源年龄段和所述目标年龄段；第一模拟单元1206用于根据所述形状特征向量、所述年龄相关形状特征向量和所述目标形状特征向量获取模拟人脸形状老化的第一模拟图像；第二模拟单元1207用于根据由所述人脸原型对应的像素点构建出的纹理特征向量对所述第一模拟图像进行纹理老化处理，以获取模拟人脸纹理老化的第二模拟图像。
具体的，处理单元1201用于预处理待模拟的人脸图像；获取反映所述人脸图像中人脸形状特征的特征点；匹配单元1202用于根据所述特征点构建出形状特征向量，再利用所述形状特征向量计算与脸型匹配的度量标准，将所述度量标准与人脸数据库中的预设度量标准进行匹配计算，根据匹配计算结果，获取各年龄段分别对应的与预设数量相等的相匹配人脸图像；所述预设度量标准是根据预设年龄区间进行预先计算的各年龄段中各人脸图像对应的度量标准；获取单元1203用于对所述相匹配人脸图像分别进行人脸纹理增强处理，以获取各年龄段对应的纹理增强的人脸原型；确定单元1204用于获取所述人脸图像所处的源年龄段，确定与所述源年龄段对应的目标年龄段；所述目标年龄段是与所述源年龄段相邻的后一段年龄段；计算单元1205用于根据不同年龄段的人脸原型所分别对应的年龄相关形状特征向量及所述形状特征向量，计算目标形状特征向量；所述不同年龄段包括所述源年龄段和所述目标年龄段；第一模拟单元1206用于根据所述形状特征向量、所述年龄相关形状特征向量和所述目标形状特征向量获取模拟人脸形状老化的第一模拟图像；第二模拟单元1207用于根据由所述人脸原型对应的像素点构建出的纹理特征向量对所述第一模拟图像进行纹理老化处理，以获取模拟人脸纹理老化的第二模拟图像。
本发明实施例提供的基于同源连续性的模拟人脸老化的装置，通过同源连续性原理对人脸进行基于不同年龄段的形状老化和纹理老化模拟，能够真实、自然地模拟人脸老化的过程。
本发明实施例提供的基于同源连续性的模拟人脸老化的装置具体可以用于执行上述各方法实施例的处理流程，其功能在此不再赘述，可以参照上述方法实施例的详细描述。
图13为本发明实施例提供的电子设备实体结构示意图，如图13所示，所述电子设备包括：处理器(processor)1301、存储器(memory)1302和总线1303；
其中，所述处理器1301、存储器1302通过总线1303完成相互间的通信；
所述处理器1301用于调用所述存储器1302中的程序指令，以执行上述各方法实施例所提供的方法，例如包括：预处理待模拟的人脸图像；获取反映所述人脸图像中人脸形状特征的特征点；根据所述特征点构建出形状特征向量，再利用所述形状特征向量计算与脸型匹配的度量标准，将所述度量标准与人脸数据库中的预设度量标准进行匹配计算，根据匹配计算结果，获取各年龄段分别对应的与预设数量相等的相匹配人脸图像；所述预设度量标准是根据预设年龄区间进行预先计算的各年龄段中各人脸图像对应的度量标准；对所述相匹配人脸图像分别进行人脸纹理增强处理，以获取各年龄段对应的纹理增强的人脸原型；获取所述人脸图像所处的源年龄段，确定与所述源年龄段对应的目标年龄段；所述目标年龄段是与所述源年龄段相邻的后一段年龄段；根据不同年龄段的人脸原型所分别对应的年龄相关形状特征向量及所述形状特征向量，计算目标形状特征向量；所述不同年龄段包括所述源年龄段和所述目标年龄段；根据所述形状特征向量、所述年龄相关形状特征向量和所述目标形状特征向量获取模拟人脸形状老化的第一模拟图像；根据由所述人脸原型对应的像素点构建出的纹理特征向量对所述第一模拟图像进行纹理老化处理，以获取模拟人脸纹理老化的第二模拟图像。
本实施例公开一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法，例如包括：预处理待模拟的人脸图像；获取反映所述人脸图像中人脸形状特征的特征点；根据所述特征点构建出形状特征向量，再利用所述形状特征向量计算与脸型匹配的度量标准，将所述度量标准与人脸数据库中的预设度量标准进行匹配计算，根据匹配计算结果，获取各年龄段分别对应的与预设数量相等的相匹配人脸图像；所述预设度量标准是根据预设年龄区间进行预先计算的各年龄段中各人脸图像对应的度量标准；对所述相匹配人脸图像分别进行人脸纹理增强处理，以获取各年龄段对应的纹理增强的人脸原型；获取所述人脸图像所处的源年龄段，确定与所述源年龄段对应的目标年龄段；所述目标年龄段是与所述源年龄段相邻的后一段年龄段；根据不同年龄段的人脸原型所分别对应的年龄相关形状特征向量及所述形状特征向量，计算目标形状特征向量；所述不同年龄段包括所述源年龄段和所述目标年龄段；根据所述形状特征向量、所述年龄相关形状特征向量和所述目标形状特征向量获取模拟人脸形状老化的第一模拟图像；根据由所述人脸原型对应的像素点构建出的纹理特征向量对所述第一模拟图像进行纹理老化处理，以获取模拟人脸纹理老化的第二模拟图像。
本实施例提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行上述各方法实施例所提供的方法，例如包括：预处理待模拟的人脸图像；获取反映所述人脸图像中人脸形状特征的特征点；根据所述特征点构建出形状特征向量，再利用所述形状特征向量计算与脸型匹配的度量标准，将所述度量标准与人脸数据库中的预设度量标准进行匹配计算，根据匹配计算结果，获取各年龄段分别对应的与预设数量相等的相匹配人脸图像；所述预设度量标准是根据预设年龄区间进行预先计算的各年龄段中各人脸图像对应的度量标准；对所述相匹配人脸图像分别进行人脸纹理增强处理，以获取各年龄段对应的纹理增强的人脸原型；获取所述人脸图像所处的源年龄段，确定与所述源年龄段对应的目标年龄段；所述目标年龄段是与所述源年龄段相邻的后一段年龄段；根据不同年龄段的人脸原型所分别对应的年龄相关形状特征向量及所述形状特征向量，计算目标形状特征向量；所述不同年龄段包括所述源年龄段和所述目标年龄段；根据所述形状特征向量、所述年龄相关形状特征向量和所述目标形状特征向量获取模拟人脸形状老化的第一模拟图像；根据由所述人脸原型对应的像素点构建出的纹理特征向量对所述第一模拟图像进行纹理老化处理，以获取模拟人脸纹理老化的第二模拟图像。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所描述的电子设备等实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于同源连续性的模拟人脸老化的方法，其特征在于，所述方法包括：
预处理待模拟的人脸图像，获取反映所述人脸图像中人脸形状特征的特征点；
根据所述特征点构建出形状特征向量，再利用所述形状特征向量计算与脸型匹配的度量标准，将所述度量标准与人脸数据库中的预设度量标准进行匹配计算，根据匹配计算结果，获取各年龄段分别对应的与预设数量相等的相匹配人脸图像，所述预设度量标准是根据预设年龄区间进行预先计算的各年龄段中各人脸图像对应的度量标准；
对所述相匹配人脸图像分别进行人脸纹理增强处理，以获取各年龄段对应的纹理增强的人脸原型；
获取所述人脸图像所处的源年龄段，确定与所述源年龄段对应的目标年龄段，所述目标年龄段是与所述源年龄段相邻的后一段年龄段；
根据不同年龄段的人脸原型所分别对应的年龄相关形状特征向量及所述形状特征向量，计算目标形状特征向量，所述不同年龄段包括所述源年龄段和所述目标年龄段；
根据所述形状特征向量、所述年龄相关形状特征向量和所述目标形状特征向量获取模拟人脸形状老化的第一模拟图像；
根据由所述人脸原型对应的像素点构建出的纹理特征向量对所述第一模拟图像进行纹理老化处理，以获取模拟人脸纹理老化的第二模拟图像；
获取所述人脸图像的待模拟年龄段；
若判断所述目标年龄段未达到所述待模拟年龄段，更新所述源年龄段为所述目标年龄段，所述更新过程包括根据所述形状特征向量、所述年龄相关形状特征向量和所述目标形状特征向量获取模拟人脸形状老化的第一模拟图像，根据由所述人脸原型对应的像素点构建出的纹理特征向量对所述第一模拟图像进行纹理老化处理获取模拟人脸纹理老化的第二模拟图像，然后确定更新后的源年龄段对应的目标年龄段并执行所述更新过程，直到所述目标年龄段达到所述待模拟年龄段；
其中，所述根据不同年龄段的人脸原型所分别对应的年龄相关形状特征向量及所述形状特征向量，计算目标形状特征向量，包括：
根据如下公式计算所述目标形状特征向量：
Sdst＝Ss+α(Sold-Svoung)
其中，Sdst为所述目标形状特征向量、Ss为所述年龄段对应的形状特征向量、Syoung为所述源年龄段对应的年龄相关形状特征向量、Sold为所述目标年龄段对应的年龄相关形状特征向量、α为第一比例系数，用来调节形状衰老的程度。
2.根据权利要求1所述的基于同源连续性的模拟人脸老化的方法，其特征在于，所述再利用所述形状特征向量计算脸型匹配的度量标准，将所述度量标准与人脸数据库中的预设度量标准进行匹配计算，根据匹配计算结果，获取各年龄段分别对应的与预设数量相等的相匹配人脸图像，包括：
计算所述度量标准与所述预设度量标准之间的欧氏距离；
提取所述欧氏距离小于预设阈值的目标欧氏距离；
将所述目标欧氏距离进行从小到大的顺序排序，在所述各年龄段中选择与所述预设数量相等的前N个目标欧氏距离对应的相匹配人脸图像。
3.根据权利要求2所述的基于同源连续性的模拟人脸老化的方法，其特征在于，将所述目标欧氏距离进行从小到大的顺序排序，在所述各年龄段中选择与所述预设数量相等的前N个目标欧氏距离对应的相匹配人脸图像的方法还包括：
若N的数值小于所述预设数量，则调大所述预设阈值的数值，以使获取到的相匹配人脸图像的数量等于所述预设数量。
4.根据权利要求1或3中的任一项所述的基于同源连续性的模拟人脸老化的方法，其特征在于，所述对所述相匹配人脸图像分别进行人脸纹理增强处理，以获取各年龄段对应的纹理增强的人脸原型，包括：
采用Gabor滤波器在水平和竖直两个方向上分别对所述相匹配人脸图像进行高频分解，以提取出高频纹理信息；
对所述高频纹理信息中的高频子带进行平滑叠加处理，以获取反映图像边缘特征的新合成高频子带；
对所述新合成高频子带进行图像重构，以获取纹理增强的人脸原型。
5.根据权利要求1或3中的任一项所述的基于同源连续性的模拟人脸老化的方法，其特征在于，所述根据所述形状特征向量、所述年龄相关形状特征向量和所述目标形状特征向量获取模拟所述形状老化的第一模拟图像，包括：
对由所述形状特征向量和所述年龄相关形状特征向量组成的特征点集进行三角剖分，并利用三角剖分后各三角面的对应关系将所述特征点集移至所述目标形状特征向量对应的特征点位置，以获取所述第一模拟图像。
6.一种基于同源连续性的模拟人脸老化的装置，其特征在于，包括：
处理单元，用于预处理待模拟的人脸图像，获取反映所述人脸图像中人脸形状特征的特征点；
匹配单元，用于根据所述特征点构建出形状特征向量，再利用所述形状特征向量计算与脸型匹配的度量标准，将所述度量标准与人脸数据库中的预设度量标准进行匹配计算，根据匹配计算结果，获取各年龄段分别对应的与预设数量相等的相匹配人脸图像，所述预设度量标准是根据预设年龄区间进行预先计算的各年龄段中各人脸图像对应的度量标准；
获取单元，用于对所述相匹配人脸图像分别进行人脸纹理增强处理，以获取各年龄段对应的纹理增强的人脸原型；
确定单元，用于获取所述人脸图像所处的源年龄段，确定与所述源年龄段对应的目标年龄段，所述目标年龄段是与所述源年龄段相邻的后一段年龄段；
计算单元，用于根据不同年龄段的人脸原型所分别对应的年龄相关形状特征向量及所述形状特征向量，计算目标形状特征向量，所述不同年龄段包括所述源年龄段和所述目标年龄段；
第一模拟单元，用于根据所述形状特征向量、所述年龄相关形状特征向量和所述目标形状特征向量获取模拟人脸形状老化的第一模拟图像；
第二模拟单元，用于根据由所述人脸原型对应的像素点构建出的纹理特征向量对所述第一模拟图像进行纹理老化处理，以获取模拟人脸纹理老化的第二模拟图像；
获取所述人脸图像的待模拟年龄段；
若判断所述目标年龄段未达到所述待模拟年龄段，更新所述源年龄段为所述目标年龄段，所述更新过程包括根据所述形状特征向量、所述年龄相关形状特征向量和所述目标形状特征向量获取模拟人脸形状老化的第一模拟图像，根据由所述人脸原型对应的像素点构建出的纹理特征向量对所述第一模拟图像进行纹理老化处理获取模拟人脸纹理老化的第二模拟图像，然后确定更新后的源年龄段对应的目标年龄段并执行所述更新过程，直到所述目标年龄段达到所述待模拟年龄段；
其中，所述根据不同年龄段的人脸原型所分别对应的年龄相关形状特征向量及所述形状特征向量，计算目标形状特征向量，包括：
根据如下公式计算所述目标形状特征向量：
Sdst＝Ss+α(Sold-Syoung)
其中，Sdst为所述目标形状特征向量、Ss为所述年龄段对应的形状特征向量、Syoung为所述源年龄段对应的年龄相关形状特征向量、Sold为所述目标年龄段对应的年龄相关形状特征向量、α为第一比例系数，用来调节形状衰老的程度。
7.一种电子设备，其特征在于，包括处理器、存储器和总线，其中，
所述处理器与所述存储器通过所述总线完成相互间的通信；
所述存储器中的程序指令可被所述处理器执行调用，所述处理器调用所述存储器中的程序指令执行权利要求1至5中的任一种所述的方法。
8.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行权利要求1至5中的任一种所述的方法。
CN201810619267.7A 2018-06-15 2018-06-15 基于同源连续性的模拟人脸老化的方法及装置 Active CN109002763B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810619267.7A CN109002763B (zh) 2018-06-15 2018-06-15 基于同源连续性的模拟人脸老化的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810619267.7A CN109002763B (zh) 2018-06-15 2018-06-15 基于同源连续性的模拟人脸老化的方法及装置

Publications (2)

Publication Number Publication Date
CN109002763A CN109002763A (zh) 2018-12-14
CN109002763B true CN109002763B (zh) 2021-09-24

Family

ID=64600759

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810619267.7A Active CN109002763B (zh) 2018-06-15 2018-06-15 基于同源连续性的模拟人脸老化的方法及装置

Country Status (1)

Country Link
CN (1) CN109002763B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109858364A (zh) * 2018-12-28 2019-06-07 维沃移动通信有限公司 一种人脸图像的处理方法和移动终端
CN109730637B (zh) * 2018-12-29 2021-04-23 中国科学院半导体研究所 一种人脸面部图像定量分析系统及方法
CN110321802B (zh) * 2019-06-10 2021-10-01 达闼机器人有限公司 面部图像生成方法和装置、存储设备和电子设备
CN110322398B (zh) * 2019-07-09 2022-10-28 厦门美图之家科技有限公司 图像处理方法、装置、电子设备及计算机可读存储介质
CN110738112A (zh) * 2019-09-11 2020-01-31 珠海格力电器股份有限公司 人脸图像模拟方法、装置、计算机设备和存储介质
CN111275610B (zh) * 2020-01-08 2023-08-18 杭州小影创新科技股份有限公司 一种人脸变老图像处理方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1979558A (zh) * 2005-11-30 2007-06-13 中国科学院半导体研究所 一种基于高维空间点分布分析法的图像复原方法
CN101556699A (zh) * 2008-11-07 2009-10-14 浙江大学 一种基于脸型的人脸衰老图像合成方法
CN105787974A (zh) * 2014-12-24 2016-07-20 中国科学院苏州纳米技术与纳米仿生研究所 仿生人脸衰老模型建立方法
CN106529378A (zh) * 2015-09-15 2017-03-22 中国科学院声学研究所 一种亚裔人脸的年龄特征模型生成方法及年龄估计方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1979558A (zh) * 2005-11-30 2007-06-13 中国科学院半导体研究所 一种基于高维空间点分布分析法的图像复原方法
CN101556699A (zh) * 2008-11-07 2009-10-14 浙江大学 一种基于脸型的人脸衰老图像合成方法
CN105787974A (zh) * 2014-12-24 2016-07-20 中国科学院苏州纳米技术与纳米仿生研究所 仿生人脸衰老模型建立方法
CN106529378A (zh) * 2015-09-15 2017-03-22 中国科学院声学研究所 一种亚裔人脸的年龄特征模型生成方法及年龄估计方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
A novel partially occluded face recognition method based on biomimetic pattern recognition;Jun-Ying Zeng 等;《2012 International Conference on Wavelet Analysis and Pattern Recognition》;20120906;全文 *
BULDP: Biomimetic Uncorrelated Locality Discriminant Projection for Feature Extraction in Face Recognition;Xin Ning 等;《IEEE TRANSACTIONS ON IMAGE PROCESSING》;20180531;第27卷(第5期);全文 *
人脸年龄估计和年龄面貌合成技术研究进展;潘思宇 等;《刑事技术》;20170821;第42卷(第4期);全文 *

Also Published As

Publication number Publication date
CN109002763A (zh) 2018-12-14

Similar Documents

Publication Publication Date Title
CN109002763B (zh) 基于同源连续性的模拟人脸老化的方法及装置
CN108182384B (zh) 一种人脸特征点定位方法及装置
Yuan et al. Factorization-based texture segmentation
CN111632374B (zh) 游戏中虚拟角色的脸部处理方法、装置及可读存储介质
CN112419487B (zh) 毛发三维重建方法、装置、电子设备及存储介质
US10860755B2 (en) Age modelling method
CN111950430B (zh) 基于颜色纹理的多尺度妆容风格差异度量及迁移方法、系统
CN110909680A (zh) 人脸图像的表情识别方法、装置、电子设备及存储介质
CN111062260B (zh) 一种面部整容推荐方案自动生成方法
CN113570684A (zh) 图像处理方法、装置、计算机设备和存储介质
CN111080592B (zh) 一种基于深度学习的肋骨提取方法及装置
CN110533029A (zh) 确定影像中目标区域的方法及装置
CN109410158B (zh) 一种基于卷积神经网络的多焦点图像融合方法
Zhang et al. Data-driven flower petal modeling with botany priors
CN107194364B (zh) 一种基于分治策略的Huffman-LBP多姿态人脸识别方法
CN110543845B (zh) 一种三维人脸的人脸级联回归模型训练方法及重建方法
CN116777738A (zh) 基于服装区域对齐和风格保持调制的真实性虚拟试穿方法
CN111275610A (zh) 一种人脸变老图像处理方法及系统
CN113239867B (zh) 一种基于掩码区域自适应增强的光照变化人脸识别方法
WO2020085922A1 (en) Digital character blending and generation system and method
CN115909016A (zh) 基于GCN分析fMRI图像的系统、方法、电子设备及介质
Zolfaghari et al. A multiscale lddmm template algorithm for studying ear shape variations
RU2490710C1 (ru) Способ распознавания изображений лиц и система для его осуществления
CN110084110B (zh) 一种近红外人脸图像识别方法、装置、电子设备及存储介质
CN114820907A (zh) 人脸图像卡通化处理方法、装置、计算机设备和存储介质

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
GR01 Patent grant
GR01 Patent grant