CN109146808A - 一种人像美型方法和系统 - Google Patents
一种人像美型方法和系统 Download PDFInfo
- Publication number
- CN109146808A CN109146808A CN201810864160.9A CN201810864160A CN109146808A CN 109146808 A CN109146808 A CN 109146808A CN 201810864160 A CN201810864160 A CN 201810864160A CN 109146808 A CN109146808 A CN 109146808A
- Authority
- CN
- China
- Prior art keywords
- grid
- transformed
- key point
- model
- triangular facet
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000009877 rendering Methods 0.000 claims abstract description 28
- 238000001514 detection method Methods 0.000 claims abstract description 10
- 230000009466 transformation Effects 0.000 claims description 13
- 230000000694 effects Effects 0.000 abstract description 13
- 230000006870 function Effects 0.000 description 36
- 238000004422 calculation algorithm Methods 0.000 description 7
- 230000003796 beauty Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000008602 contraction Effects 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000007634 remodeling Methods 0.000 description 2
- 238000000844 transformation Methods 0.000 description 2
- 241001396014 Priacanthus arenatus Species 0.000 description 1
- 208000029152 Small face Diseases 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 229910003460 diamond Inorganic materials 0.000 description 1
- 239000010432 diamond Substances 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 210000001061 forehead Anatomy 0.000 description 1
- 238000004215 lattice model Methods 0.000 description 1
- 238000011017 operating method Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/77—Retouching; Inpainting; Scratch removal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/005—General purpose rendering architectures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/50—Lighting effects
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Processing Or Creating Images (AREA)
- Image Processing (AREA)
Abstract
本发明公开一种人像美型方法和系统,包括:根据待处理图像的分辨率对所述待处理图像进行网格划分,获取原始网格模型;对所述待处理图像进行人脸关键点检测,获取原始人脸关键点;根据预定的美型功能对所述原始网格模型依次进行变换,获取变换后的网格模型;所述预定的美型功能有一个以上;根据所述变换后的网格模型和所述原始人脸关键点,计算出变换后的人脸关键点;对所述变换后的网格模型进行渲染和/或根据所述变换后的人脸关键点,获取美型图像。本发明提供的技术方案,能够在移动终端进行流畅地实时渲染,且美型效果好。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种人像美型方法和系统。
背景技术
近年来,美颜自拍类相机应用深受广大用户的喜爱,此类应用通常包含面部磨皮、面部液化、美妆、贴纸、滤镜等功能。其中,面部液化(也被称为人像美型)作为此类应用的一个重要现实增强属性,为用户带来很多新的有趣的玩法,例如,眼部重塑(大眼,眼角拉伸,眼距调整等)、面部重塑(瘦脸,小脸,下巴拉伸,额头拉伸等)、五官重塑(宽脸/圆脸/心形脸/菱形脸,夸张趣味脸型等),通过不同的人像面部的液化方法可以实现不同的美型效果。图像液化的原理是将图像中每个像素点的位置进行几何变换(即重新映射),并重新完成采样,从而达到变形的目的。特效设计师会根据识别得到的人脸关键点,制定变形规则(如:将某个点向内侧某个方向推动、基于某个点进行膨胀等),使用一些常用的液化工具和方法(如:向前/左推、膨胀/收缩等)来模拟效果,软件开发人员会将这些规则转换成很多个单步操作(如:一个点推动到另外一个点,一个点膨胀/收缩等),通常要完成一个完整的美型效果需要很多个这样的单步操作,特别是当用户同时开启上面提到的所有美型功能时,在移动终端无法进行流畅的实时渲染。
为了提升美型算法的执行速度,目前主流的优化方法是将图像变形的算法和逻辑通过OpenGL ES着色器脚本语言编程实现,从而通过GPU(Graphics Processing Unit,图形处理器)达到加速算法执行的目的。然而此类方法通常存在以下弊端:(1)部分美型操作需要在上一次操作步骤的基础上反复执行同样的操作,即后一步操作的执行依赖于前一步的结果,这种情况下就需要整张图像执行多次GPU管线渲染,最终耗时也随着渲染次数呈线性增加。(2)部分美型功能(如:瘦脸)通过执行着色器脚本渲染后无法获得变形后人脸关键点的位置信息,对后续的人脸的精确变形和贴纸功能有影响。(3)着色器脚本会在GPU的像素着色器阶段执行,因此图像的每个像素都会执行同样的算法和逻辑代码,而实际中除了面部区域,其他区域像素不需要执行相应的逻辑代码,这势必会进一步影响渲染性能。(4)着色器脚本的执行全部由GPU完成,使得CPU利用率极低。(5)着色器脚本语言不擅长处理循环、分支、位运算和逻辑运算,部分算法和逻辑编程不易实现(如:液化区域羽化蒙版功能)。可见,以上这些弊端均会影响美型的执行速度和美型效果。并且当用户开启的美型功能较多时,上述方法同样无法在移动终端进行流畅地实时渲染。
发明内容
本发明旨在提供一种人像美型方法和系统,能够在移动终端进行流畅地实时渲染,且美型效果好。
为达到上述目的,本发明采用的技术方案如下:
一种人像美型方法,包括:根据待处理图像的分辨率对所述待处理图像进行网格划分,获取原始网格模型;对所述待处理图像进行人脸关键点检测,获取原始人脸关键点;根据预定的美型功能对所述原始网格模型依次进行变换,获取变换后的网格模型;所述预定的美型功能有一个以上;根据所述变换后的网格模型和所述原始人脸关键点,计算出变换后的人脸关键点;对所述变换后的网格模型进行渲染和/或根据所述变换后的人脸关键点,获取美型图像。
优选地,所述原始网格模型的每一个网格面均为正方形,且原始网格模型中每两个网格面的尺寸相等。
优选地,所述根据所述变换后的网格模型和所述原始人脸关键点,计算出变换后的人脸关键点的方法为:获取所述变换后的网格模型的网格顶点集和网格面集;获取所述原始人脸关键点所在的网格面,称为第一网格面;所述第一网格面属于所述变换后的网格模型的网格面集;对所述第一网格面进行对角线划分,获取所述原始人脸关键点所在的三角面;所述原始人脸关键点与所述三角面的每两个顶点分别组成第一三角面,第二三角面,第三三角面;所述三角面的三个顶点属于所述变换后的网格模型的网格顶点集;分别计算出所述第一三角面的面积、所述第二三角面的面积、所述第三三角面的面积;根据所述第一三角面的面积、第二三角面的面积、第三三角面的面积和所述三角面的三个顶点,采用三角形质心坐标公式计算出所述变换后的人脸关键点。
优选地,所述根据预定的美型功能对所述原始网格模型依次进行变换,获取变换后的网格模型的步骤在CPU上执行;所述对所述变换后的网格模型进行渲染和/或根据所述变换后的人脸关键点,获取美型图像的步骤在GPU上执行。
优选地,采用OpenGL ES网格渲染技术对所述变换后的网格模型进行渲染,获取美型图像。
优选地,所述原始网格模型在水平方向的网格面数量与在竖直方向的网格面数量满足以下关系:
min(Nr,Nc)=30
其中,Nc为所述原始网格模型在水平方向的网格面数量,Nr为所述原始网格模型在竖直方向的网格面数量。
一种人像美型系统,包括:网格划分模块,用于根据待处理图像的分辨率对所述待处理图像进行网格划分,获取原始网格模型;人脸检测模块,用于对所述待处理图像进行人脸关键点检测,获取原始人脸关键点;美型功能执行模块,用于根据预定的美型功能对所述原始网格模型依次进行变换,获取变换后的网格模型;所述预定的美型功能有一个以上;第一计算模块,用于根据所述变换后的网格模型和所述原始人脸关键点,计算出变换后的人脸关键点;美型图像获取模块,用于对所述变换后的网格模型进行渲染和/或根据所述变换后的人脸关键点,获取美型图像。
优选地,所述原始网格模型的每一个网格面均为正方形,且原始网格模型中每两个网格面的尺寸相等;所述原始网格模型在水平方向的网格面数量与在竖直方向的网格面数量满足以下关系:
min(Nr,Nc)=30
其中,Nc为所述原始网格模型在水平方向的网格面数量,Nr为所述原始网格模型在竖直方向的网格面数量。
优选地,所述第一计算模块包括:网格模型参数获取模块,用于获取所述变换后的网格模型的网格顶点集和网格面集;人脸关键点定位模块,用于获取所述原始人脸关键点所在的网格面,称为第一网格面;所述第一网格面属于所述变换后的网格模型的网格面集;对角线划分模块,用于对所述第一网格面进行对角线划分,获取所述原始人脸关键点所在的三角面;所述原始人脸关键点与所述三角面的每两个顶点分别组成第一三角面,第二三角面,第三三角面;所述三角面的三个顶点属于所述变换后的网格模型的网格顶点集;第二计算模块,用于分别计算出所述第一三角面的面积、所述第二三角面的面积、所述第三三角面的面积;第三计算模块,用于根据所述第一三角面的面积、第二三角面的面积、第三三角面的面积和所述三角面的三个顶点,采用三角形质心坐标公式计算出所述变换后的人脸关键点。
优选地,所述美型功能执行模块的功能由CPU执行;所述美型图像获取模块的功能由GPU执行。
本发明实施例提供的人像美型方法和系统,通过对待处理图像建立网格模型,对网格模型进行多次变换后再进行最终的网格渲染,避免了在进行多个美型操作时,每一次美型都需要进行一次渲染而造成的对系统资源占用和耗时的问题。并且,在对网格模型进行变换后同时获取变换后的人脸关键点,即对待处理图像的人脸关键点进行重新定位,能够为其余需要人脸关键点数据的美型功能或贴纸功能提供准确的点位信息,提高美型效果。此外,本发明将网格模型的变换操作通过CPU执行,将网格模型的渲染操作通过GPU执行,充分利用了CPU的计算优势和GPU的渲染优势,使得CPU和GPU资源得到充分利用,执行效率大大提升。可见,本发明提供的技术方案,能够对图像进行流畅地实时渲染,且美型效果好。实验表明,本发明的技术方案即使在Android等低端的移动终端上也具有出色的性能表现。
附图说明
图1为本发明实施例的方法流程图;
图2为本发明实施例的系统结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图,对本发明进行进一步详细说明。
图1为本发明实施例的方法流程图,包括:
步骤101,根据待处理图像的分辨率对所述待处理图像进行网格划分,获取原始网格模型;
本实施例中,所述原始网格模型的每一个网格面均为正方形,且原始网格模型中每两个网格面的尺寸相等。原始网格模型的具体生成方法如下:
(1)获取待处理图像的分辨率(w,h),所述待处理图像为当前相机预览帧或某一幅静态图像;设置图像的网格等分距离s,分别得到原始网格模型在水平方向的网格面数量Nc和在竖直方向的网格面数量Nr,其中,本发明实施例中为了保证美型操作的高效率执行,动态调整s的值,使得min(Nr,Nc)=30。
(2)根据上述划分的水平方向的网格面数量Nc和竖直方向的网格面数量Nr创建美型所需的原始网格模型。网格模型主要由网格顶点集Mv和网格面集Mf构成,假设网格顶点集元素个数为Cv,网格面集元素个数为Cf,则Cv=(Nr+1)×(Nc+1),Cf=Nr×Nc,每个网格顶点包含变换前的坐标位置psrc和变换后的坐标位置pdst,即每个网格顶点用Mvi(pisrc,pidst)表示。每个网格面是由网格顶点集中的4个网格顶点连接成面,即每个网格面用Mfi(vi,vi+1,vi+2,vi+3)表示,其中vi,vi+1,vi+2,vi+3为网格顶点在网格顶点集中的索引值。
(3)分别初始化网格顶点集Mv和网格面集Mf,初始化公式如下:
其中,ri、ci分别表示当前网格顶点i在上述划分的网格中所处的行号和列号。
步骤102,对所述待处理图像进行人脸关键点检测,获取原始人脸关键点f;
本实施例中,所述原始人脸关键点是一个集合。
步骤103,根据预定的美型功能对所述原始网格模型依次进行变换,获取变换后的网格模型;所述预定的美型功能有一个以上;
本实施例中,使用上述的原始人脸关键点f,对上述的原始网格模型执行用户已经开启的美型功能的算法逻辑,对上述网格顶点集Mv中的每个顶点进行重新映射。
步骤104,根据所述变换后的网格模型和所述原始人脸关键点,计算出变换后的人脸关键点;
本实施例中,具体计算变换后的人脸关键点的步骤如下:
(1)获取所述变换后的网格模型的网格顶点集和网格面集;
(2)获取所述原始人脸关键点所在的网格面,称为第一网格面,记为Fa;所述第一网格面Fa属于所述变换后的网格模型的网格面集;第一网格面Fa是由(vi,vi+1,vi+2,vi+3)四个顶点顺时针环绕构成的矩形面。
(3)对所述第一网格面Fa进行对角线划分,得到上下两个三角形和获取所述原始人脸关键点所在的三角面;所述原始人脸关键点与所述三角面的每两个顶点分别组成第一三角面,第二三角面,第三三角面;所述三角面的三个顶点属于所述变换后的网格模型的网格顶点集;
(4)分别计算出所述第一三角面的面积、所述第二三角面的面积、所述第三三角面的面积;
(5)根据所述第一三角面的面积、第二三角面的面积、第三三角面的面积和所述三角面的三个顶点,采用三角形质心坐标公式计算出所述变换后的人脸关键点。
本实施例中,假设人脸关键点a属于Δv1v2v3,根据步骤103中变换后的顶点v1,v2,v3,根据三角形质心坐标系公式利用插值算法得到关键点a新的坐标位置a0,计算公式如下:
其中,Sav2v3、Sav1v3、Sav1v2为人脸关键点a和变换后的顶点v1,v2,v3围绕的面积,pdst(vi).x为顶点vi变换后的x坐标,pdst(vi).y为顶点vi变换后的y坐标。
根据当前用户已经开启的美型功能,循环执行上述网格变换步骤和人脸关键点变换步骤,并得到最终网格模型数据和变换后的人脸关键点位信息f0。
步骤105,对所述变换后的网格模型进行渲染和/或根据所述变换后的人脸关键点,获取美型图像。
在图像美型的各种功能中,当多个依赖人脸关键点位置信息的美型功能同时打开时,上一个美型功能执行后会导致人脸关键点位置发生偏移,因此变换后的人脸关键点位置的重新计算,为下一个美型功能提供了更加准确的点位信息,从而提升美型效果。
在对变换后的网格模型进行渲染时,采用OpenGL ES网格渲染技术对所述变换后的网格模型进行渲染,具体渲染方法为:(1)基于当前待处理图像创建OpenGL纹理资源,使用变换后的网格顶点集Mv创建OpenGL ES顶点缓存,使用变换后的网格面集Mf创建OpenGLES索引缓存。(2)配置OpenGL ES管线状态和上传网格渲染所需数据,执行管线渲染。
至此,对当前待处理图像的美型操作完成,对视频图像来说,重复上述步骤,继续下一帧图像的美型处理。
需要说明的是,所述根据预定的美型功能对所述原始网格模型依次进行变换,获取变换后的网格模型的步骤在CPU上执行;所述对所述变换后的网格模型进行渲染和/或根据所述变换后的人脸关键点,获取美型图像的步骤在GPU上执行。如此,充分利用了CPU的计算优势,以及GPU的网格渲染的优势,使得CPU和GPU资源得到充分应用,执行效率有数倍的提升,即使在Android等低端设备中也有出色的性能表现。
本发明还公开一种人像美型系统,包括:网格划分模块,用于根据待处理图像的分辨率对所述待处理图像进行网格划分,获取原始网格模型;人脸检测模块,用于对所述待处理图像进行人脸关键点检测,获取原始人脸关键点;美型功能执行模块,用于根据预定的美型功能对所述原始网格模型依次进行变换,获取变换后的网格模型;所述预定的美型功能有一个以上;第一计算模块,用于根据所述变换后的网格模型和所述原始人脸关键点,计算出变换后的人脸关键点;美型图像获取模块,用于对所述变换后的网格模型进行渲染和/或根据所述变换后的人脸关键点,获取美型图像。
优选地,所述原始网格模型的每一个网格面均为正方形,且原始网格模型中每两个网格面的尺寸相等;所述原始网格模型在水平方向的网格面数量与在竖直方向的网格面数量满足以下关系:
min(Nr,Nc)=30
其中,Nc为所述原始网格模型在水平方向的网格面数量,Nr为所述原始网格模型在竖直方向的网格面数量。
优选地,所述第一计算模块包括:网格模型参数获取模块,用于获取所述变换后的网格模型的网格顶点集和网格面集;人脸关键点定位模块,用于获取所述原始人脸关键点所在的网格面,称为第一网格面;所述第一网格面属于所述变换后的网格模型的网格面集;对角线划分模块,用于对所述第一网格面进行对角线划分,获取所述原始人脸关键点所在的三角面;所述原始人脸关键点与所述三角面的每两个顶点分别组成第一三角面,第二三角面,第三三角面;所述三角面的三个顶点属于所述变换后的网格模型的网格顶点集;第二计算模块,用于分别计算出所述第一三角面的面积、所述第二三角面的面积、所述第三三角面的面积;第三计算模块,用于根据所述第一三角面的面积、第二三角面的面积、第三三角面的面积和所述三角面的三个顶点,采用三角形质心坐标公式计算出所述变换后的人脸关键点。
优选地,所述美型功能执行模块的功能由CPU执行;所述美型图像获取模块的功能由GPU执行。
本发明实施例提供的人像美型方法和系统,通过对待处理图像建立网格模型,对网格模型进行多次变换后再进行最终的网格渲染,避免了在进行多个美型操作时,每一次美型都需要进行一次渲染而造成的对系统资源占用和耗时的问题。并且,在对网格模型进行变换后同时获取变换后的人脸关键点,即对待处理图像的人脸关键点进行重新定位,能够为其余需要进行人脸关键点定位的美型功能或贴纸功能提供准确的点位信息,提高美型效果。此外,本发明将网格模型的变换操作通过CPU执行,将网格模型的渲染操作通过GPU执行,充分利用了CPU的计算优势和GPU的渲染优势,使得CPU和GPU资源得到充分利用,执行效率大大提升。本发明中,由于网格顶点数量可动态调整且较为稀疏,即使有很多个美型变换步骤也能够高效执行;由于将网格变换交由CPU处理,充分克服了现有的着色器脚本语言的弊端(例如,在现有技术中,程序的循环、分支、位运算和逻辑运算不易实现)。可见,本发明提供的技术方案,能够对图像进行流畅地实时渲染,且美型效果好。实验表明,本发明的技术方案即使在Android等低端的移动终端上也具有出色的性能表现。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种人像美型方法,其特征在于,包括:
根据待处理图像的分辨率对所述待处理图像进行网格划分,获取原始网格模型;
对所述待处理图像进行人脸关键点检测,获取原始人脸关键点;
根据预定的美型功能对所述原始网格模型依次进行变换,获取变换后的网格模型;所述预定的美型功能有一个以上;
根据所述变换后的网格模型和所述原始人脸关键点,计算出变换后的人脸关键点;
对所述变换后的网格模型进行渲染和/或根据所述变换后的人脸关键点,获取美型图像。
2.根据权利要求1所述的人像美型方法,其特征在于,所述原始网格模型的每一个网格面均为正方形,且原始网格模型中每两个网格面的尺寸相等。
3.根据权利要求2所述的人像美型方法,其特征在于,所述根据所述变换后的网格模型和所述原始人脸关键点,计算出变换后的人脸关键点的方法为:
获取所述变换后的网格模型的网格顶点集和网格面集;
获取所述原始人脸关键点所在的网格面,称为第一网格面;所述第一网格面属于所述变换后的网格模型的网格面集;
对所述第一网格面进行对角线划分,获取所述原始人脸关键点所在的三角面;所述原始人脸关键点与所述三角面的每两个顶点分别组成第一三角面,第二三角面,第三三角面;所述三角面的三个顶点属于所述变换后的网格模型的网格顶点集;
分别计算出所述第一三角面的面积、所述第二三角面的面积、所述第三三角面的面积;
根据所述第一三角面的面积、第二三角面的面积、第三三角面的面积和所述三角面的三个顶点,采用三角形质心坐标公式计算出所述变换后的人脸关键点。
4.根据权利要求1所述的人像美型方法,其特征在于,所述根据预定的美型功能对所述原始网格模型依次进行变换,获取变换后的网格模型的步骤在CPU上执行;所述对所述变换后的网格模型进行渲染和/或根据所述变换后的人脸关键点,获取美型图像的步骤在GPU上执行。
5.根据权利要求4所述的人像美型方法,其特征在于,采用OpenGL ES网格渲染技术对所述变换后的网格模型进行渲染,获取美型图像。
6.根据权利要求1所述的人像美型方法,其特征在于,所述原始网格模型在水平方向的网格面数量与在竖直方向的网格面数量满足以下关系:
min(Nr,Nc)=30
其中,Nc为所述原始网格模型在水平方向的网格面数量,Nr为所述原始网格模型在竖直方向的网格面数量。
7.一种人像美型系统,其特征在于,包括:
网格划分模块,用于根据待处理图像的分辨率对所述待处理图像进行网格划分,获取原始网格模型;
人脸检测模块,用于对所述待处理图像进行人脸关键点检测,获取原始人脸关键点;
美型功能执行模块,用于根据预定的美型功能对所述原始网格模型依次进行变换,获取变换后的网格模型;所述预定的美型功能有一个以上;
第一计算模块,用于根据所述变换后的网格模型和所述原始人脸关键点,计算出变换后的人脸关键点;
美型图像获取模块,用于对所述变换后的网格模型进行渲染和/或根据所述变换后的人脸关键点,获取美型图像。
8.根据权利要求7所述的人像美型系统,其特征在于,所述原始网格模型的每一个网格面均为正方形,且原始网格模型中每两个网格面的尺寸相等;所述原始网格模型在水平方向的网格面数量与在竖直方向的网格面数量满足以下关系:
min(Nr,Nc)=30
其中,Nc为所述原始网格模型在水平方向的网格面数量,Nr为所述原始网格模型在竖直方向的网格面数量。
9.根据权利要求8所述的人像美型系统,其特征在于,所述第一计算模块包括:
网格模型参数获取模块,用于获取所述变换后的网格模型的网格顶点集和网格面集;
人脸关键点定位模块,用于获取所述原始人脸关键点所在的网格面,称为第一网格面;所述第一网格面属于所述变换后的网格模型的网格面集;
对角线划分模块,用于对所述第一网格面进行对角线划分,获取所述原始人脸关键点所在的三角面;所述原始人脸关键点与所述三角面的每两个顶点分别组成第一三角面,第二三角面,第三三角面;所述三角面的三个顶点属于所述变换后的网格模型的网格顶点集;
第二计算模块,用于分别计算出所述第一三角面的面积、所述第二三角面的面积、所述第三三角面的面积;
第三计算模块,用于根据所述第一三角面的面积、第二三角面的面积、第三三角面的面积和所述三角面的三个顶点,采用三角形质心坐标公式计算出所述变换后的人脸关键点。
10.根据权利要求9所述的人像美型系统,其特征在于,所述美型功能执行模块的功能由CPU执行;所述美型图像获取模块的功能由GPU执行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810864160.9A CN109146808B (zh) | 2018-08-01 | 2018-08-01 | 一种人像美型方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810864160.9A CN109146808B (zh) | 2018-08-01 | 2018-08-01 | 一种人像美型方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109146808A true CN109146808A (zh) | 2019-01-04 |
CN109146808B CN109146808B (zh) | 2022-02-18 |
Family
ID=64799481
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810864160.9A Active CN109146808B (zh) | 2018-08-01 | 2018-08-01 | 一种人像美型方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109146808B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110298327A (zh) * | 2019-07-03 | 2019-10-01 | 北京字节跳动网络技术有限公司 | 一种视觉特效处理方法及装置、存储介质与终端 |
CN110782408A (zh) * | 2019-10-18 | 2020-02-11 | 杭州趣维科技有限公司 | 一种基于卷积神经网络的智能美型方法及系统 |
CN110910308A (zh) * | 2019-12-03 | 2020-03-24 | 广州虎牙科技有限公司 | 图像处理方法、装置、设备和介质 |
CN111028145A (zh) * | 2019-12-10 | 2020-04-17 | 成都品果科技有限公司 | 一种防止背景变形的人物图像处理方法 |
CN111652795A (zh) * | 2019-07-05 | 2020-09-11 | 广州虎牙科技有限公司 | 脸型的调整、直播方法、装置、电子设备和存储介质 |
CN111652024A (zh) * | 2019-07-05 | 2020-09-11 | 广州虎牙科技有限公司 | 一种人脸的显示、直播方法、装置、电子设备和存储介质 |
CN111652791A (zh) * | 2019-06-26 | 2020-09-11 | 广州虎牙科技有限公司 | 人脸的替换显示、直播方法、装置、电子设备和存储介质 |
CN111652793A (zh) * | 2019-07-05 | 2020-09-11 | 广州虎牙科技有限公司 | 牙齿的图像处理、直播方法、装置、电子设备和存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103208133A (zh) * | 2013-04-02 | 2013-07-17 | 浙江大学 | 一种图像中人脸胖瘦的调整方法 |
CN105046657A (zh) * | 2015-06-23 | 2015-11-11 | 浙江大学 | 一种图像拉伸畸变自适应校正方法 |
CN105678252A (zh) * | 2016-01-05 | 2016-06-15 | 安阳师范学院 | 依据人脸三角网格自适应细分和高斯小波的迭代插值方法 |
CN105719248A (zh) * | 2016-01-14 | 2016-06-29 | 深圳市商汤科技有限公司 | 一种实时的人脸变形方法及其系统 |
CN106296571A (zh) * | 2016-07-29 | 2017-01-04 | 厦门美图之家科技有限公司 | 一种基于人脸网格的缩小鼻翼方法、装置和计算设备 |
GB2543893A (en) * | 2015-08-14 | 2017-05-03 | Metail Ltd | Methods of generating personalized 3D head models or 3D body models |
US20180075587A1 (en) * | 2016-09-14 | 2018-03-15 | Omnivision Technologies, Inc. | Array camera image combination with feature-based ghost removal |
CN108062740A (zh) * | 2017-12-12 | 2018-05-22 | 深圳天珑无线科技有限公司 | 一种移动终端及其美颜方法和系统 |
-
2018
- 2018-08-01 CN CN201810864160.9A patent/CN109146808B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103208133A (zh) * | 2013-04-02 | 2013-07-17 | 浙江大学 | 一种图像中人脸胖瘦的调整方法 |
CN105046657A (zh) * | 2015-06-23 | 2015-11-11 | 浙江大学 | 一种图像拉伸畸变自适应校正方法 |
GB2543893A (en) * | 2015-08-14 | 2017-05-03 | Metail Ltd | Methods of generating personalized 3D head models or 3D body models |
CN105678252A (zh) * | 2016-01-05 | 2016-06-15 | 安阳师范学院 | 依据人脸三角网格自适应细分和高斯小波的迭代插值方法 |
CN105719248A (zh) * | 2016-01-14 | 2016-06-29 | 深圳市商汤科技有限公司 | 一种实时的人脸变形方法及其系统 |
CN106296571A (zh) * | 2016-07-29 | 2017-01-04 | 厦门美图之家科技有限公司 | 一种基于人脸网格的缩小鼻翼方法、装置和计算设备 |
US20180075587A1 (en) * | 2016-09-14 | 2018-03-15 | Omnivision Technologies, Inc. | Array camera image combination with feature-based ghost removal |
CN108062740A (zh) * | 2017-12-12 | 2018-05-22 | 深圳天珑无线科技有限公司 | 一种移动终端及其美颜方法和系统 |
Non-Patent Citations (2)
Title |
---|
DALE STRINGER 等: "Correction of Mandibular Asymmetry", 《JOURNAL OF ORAL AND MAXILLOFACIAL SURGERY》 * |
李博: "基于网格的人脸变形方法的研究与实现", 《中国传媒大学学报(自然科学版)》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111652791A (zh) * | 2019-06-26 | 2020-09-11 | 广州虎牙科技有限公司 | 人脸的替换显示、直播方法、装置、电子设备和存储介质 |
CN111652791B (zh) * | 2019-06-26 | 2024-03-08 | 广州虎牙科技有限公司 | 人脸的替换显示、直播方法、装置、电子设备和存储介质 |
CN110298327A (zh) * | 2019-07-03 | 2019-10-01 | 北京字节跳动网络技术有限公司 | 一种视觉特效处理方法及装置、存储介质与终端 |
CN111652024B (zh) * | 2019-07-05 | 2023-09-01 | 广州虎牙科技有限公司 | 一种人脸的显示、直播方法、装置、电子设备和存储介质 |
CN111652795A (zh) * | 2019-07-05 | 2020-09-11 | 广州虎牙科技有限公司 | 脸型的调整、直播方法、装置、电子设备和存储介质 |
CN111652024A (zh) * | 2019-07-05 | 2020-09-11 | 广州虎牙科技有限公司 | 一种人脸的显示、直播方法、装置、电子设备和存储介质 |
CN111652793A (zh) * | 2019-07-05 | 2020-09-11 | 广州虎牙科技有限公司 | 牙齿的图像处理、直播方法、装置、电子设备和存储介质 |
CN111652793B (zh) * | 2019-07-05 | 2023-09-05 | 广州虎牙科技有限公司 | 牙齿的图像处理、直播方法、装置、电子设备和存储介质 |
CN110782408A (zh) * | 2019-10-18 | 2020-02-11 | 杭州趣维科技有限公司 | 一种基于卷积神经网络的智能美型方法及系统 |
CN110910308A (zh) * | 2019-12-03 | 2020-03-24 | 广州虎牙科技有限公司 | 图像处理方法、装置、设备和介质 |
CN110910308B (zh) * | 2019-12-03 | 2024-03-05 | 广州虎牙科技有限公司 | 图像处理方法、装置、设备和介质 |
CN111028145A (zh) * | 2019-12-10 | 2020-04-17 | 成都品果科技有限公司 | 一种防止背景变形的人物图像处理方法 |
CN111028145B (zh) * | 2019-12-10 | 2023-07-07 | 成都品果科技有限公司 | 一种防止背景变形的人物图像处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109146808B (zh) | 2022-02-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109146808A (zh) | 一种人像美型方法和系统 | |
Wang et al. | Nerf-art: Text-driven neural radiance fields stylization | |
CN106778928B (zh) | 图像处理方法及装置 | |
CN110443892B (zh) | 一种基于单张图像的三维网格模型生成方法及装置 | |
CN113178014B (zh) | 场景模型渲染方法、装置、电子设备和存储介质 | |
CN107452049B (zh) | 一种三维头部建模方法及装置 | |
US8351654B2 (en) | Image processing using geodesic forests | |
CN106815808A (zh) | 一种利用分块运算的图像拼接方法 | |
CN110517352B (zh) | 一种物体的三维重建方法、存储介质、终端及系统 | |
CN110533594A (zh) | 模型训练方法、图像重建方法、存储介质及相关设备 | |
CN110264396A (zh) | 视频人脸替换方法、系统及计算机可读存储介质 | |
CN100487732C (zh) | 一种基于人脸照片的卡通肖像生成方法 | |
CN112270332A (zh) | 一种基于子流稀疏卷积的三维目标检测方法及系统 | |
CN106127818A (zh) | 一种基于单幅图像的材质外观获取系统及方法 | |
CN107767357A (zh) | 一种基于多方向字典的深度图像超分辨率方法 | |
CN113592711A (zh) | 点云数据不均匀的三维重建方法、系统、设备及存储介质 | |
CN109461197B (zh) | 一种基于球面uv和重投影的云实时绘制优化方法 | |
CN110910308B (zh) | 图像处理方法、装置、设备和介质 | |
AU2002258107B2 (en) | Generating smooth feature lines for subdivision surfaces | |
CN110838167B (zh) | 模型的渲染方法、装置和存储介质 | |
CN113298821A (zh) | 一种基于Nystrom谱聚类的超像素抠图方法 | |
CN108924528A (zh) | 一种基于深度学习的双目风格化实时渲染方法 | |
CN109300079A (zh) | 基于gpu的遥感影像实时匀光匀色预览技术 | |
CN115908712A (zh) | 基于图像的三维重建及模型训练方法、设备及存储介质 | |
CN109859136A (zh) | 一种在景深渲染中对图像进行模糊处理的方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |