CN109886144B - 虚拟试发方法、装置、计算机设备和存储介质 - Google Patents
虚拟试发方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN109886144B CN109886144B CN201910084590.3A CN201910084590A CN109886144B CN 109886144 B CN109886144 B CN 109886144B CN 201910084590 A CN201910084590 A CN 201910084590A CN 109886144 B CN109886144 B CN 109886144B
- Authority
- CN
- China
- Prior art keywords
- target
- image
- face image
- hair contour
- contour image
- 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
- 238000000034 method Methods 0.000 title claims abstract description 58
- 210000004209 hair Anatomy 0.000 claims abstract description 380
- 238000012545 processing Methods 0.000 claims abstract description 55
- 238000013507 mapping Methods 0.000 claims description 38
- 238000004590 computer program Methods 0.000 claims description 13
- 238000000605 extraction Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 22
- 239000000463 material Substances 0.000 abstract description 10
- 239000000284 extract Substances 0.000 description 8
- 210000003128 head Anatomy 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 210000000744 eyelid Anatomy 0.000 description 6
- 238000010801 machine learning Methods 0.000 description 5
- 239000003086 colorant Substances 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000001815 facial effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 201000004384 Alopecia Diseases 0.000 description 1
- 238000007664 blowing Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000004709 eyebrow Anatomy 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 239000010437 gem Substances 0.000 description 1
- 208000024963 hair loss Diseases 0.000 description 1
- 230000003676 hair loss Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Landscapes
- Processing Or Creating Images (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本申请涉及一种虚拟试发方法、装置、计算机设备和存储介质。该方法包括：获取目标人脸图像，从目标人脸图像中提取目标脸部图像；获取模特人脸图像，从模特人脸图像中获取目标头发轮廓图像；将目标头发轮廓图像进行分层，对分层后的每层目标头发轮廓图像进行形变处理，得到每层形变后的目标头发轮廓图像；将每层形变后的目标头发轮廓图像和目标脸部图像拼合。采用本方法能够使发型素材和人脸更加贴合，使得虚拟试发呈现更自然和真实的效果。
Description
技术领域
本申请涉及计算机技术领域，特别是涉及一种虚拟试发方法、装置、计算机设备和存储介质。
背景技术
随着经济的发展和人们生活水平的提高，人们对自身的形象更加的注重，从而在穿着打扮等方面的消费也不断增多。而发型往往是很多人关注的重点，发型一旦发生改变短时间内难以恢复，而虚拟试发的出现，解决了该问题，使得人们可以通过虚拟试发确定适合自己的发型。
然而，目前的虚拟试发方法，一般是将发型素材贴合到用户人脸上，从而达到试发的效果。但这种方案在发型素材与人脸的贴合程度上明显不足，显得不够真实。
发明内容
基于此，有必要针对上述技术问题，提供一种使发型素材和人脸更加贴合的虚拟试发方法、装置、计算机设备和存储介质。
一种虚拟试发方法，所述方法包括：
获取目标人脸图像，从所述目标人脸图像中提取目标脸部图像；
获取模特人脸图像，从所述模特人脸图像中获取目标头发轮廓图像；
将所述目标头发轮廓图像进行分层，对分层后的每层目标头发轮廓图像进行形变处理，得到每层形变后的目标头发轮廓图像；
将所述每层形变后的目标头发轮廓图像和所述目标脸部图像拼合。
在其中一个实施例中，所述从所述模特人脸图像中获取目标头发轮廓图像，包括：
提取所述模特人脸图像中的初始头发轮廓图像；
检测所述初始头发轮廓图像中头发轮廓存在空缺的部分；
填补所述空缺的部分，得到目标头发轮廓图像。
在其中一个实施例中，所述获取模特人脸图像，从所述模特人脸图像中获取目标头发轮廓图像之后，还包括：
将所述模特人脸图像和所述目标人脸图像建立映射关系；
根据所述映射关系将所述目标头发轮廓图像和目标脸部图像进行拼合。
在另一个是实例中，所述将所述模特人脸图像和所述目标人脸图像建立映射关系，包括：
采集所述模特人脸图像的特征点，并采集所述目标人脸图像的特征点；
将所述模特人脸图像的特征点和所述目标人脸图像的特征点建立映射关系。
在其中一个实施例中，所述将所述目标头发轮廓图像进行分层，对分层后的每层目标头发轮廓图像进行形变处理，得到每层形变后的目标头发轮廓图像，包括：
将所述目标头发轮廓图像进行分层；
确定每层目标头发轮廓图像的形变参数；
根据所述形变参数对所述每层目标头发轮廓图像进行形变处理，得到每层形变后的目标头发轮廓图像。
在另一个实施例中，所述方法还包括：
获取所述目标脸部图像的图像参数和所述目标头发轮廓图像的图像参数；
采用所述目标脸部图像的图像参数替换所述目标头发轮廓图像的图像参数。
在一个实施例中，所述方法还包括：
获取多帧模特人脸图像的目标头发轮廓图像；
选择一帧所述目标头发轮廓图像进行形变处理；
按照所述一帧目标头发轮廓图像的形变方式处理其余多帧目标头发轮廓图像；
将形变处理后的多帧目标头发轮廓图像融合叠加；
将融合叠加后的目标头发轮廓图像与所述目标脸部图像拼合。
一种虚拟试发装置，所述装置包括：
脸部图像提取模块，用于获取目标人脸图像，从所述目标人脸图像中提取目标脸部图像；
目标头发轮廓图像获取模块，用于获取模特人脸图像，从所述模特人脸图像中获取目标头发轮廓图像；
形变处理模块，用于将所述目标头发轮廓图像进行分层，对分层后的每层目标头发轮廓图像进行形变处理，得到每层形变后的目标头发轮廓图像；
拼合模块，用于将所述每层形变后的目标头发轮廓图像和所述目标脸部图像拼合。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述方法的步骤。
上述虚拟试发方法、装置、计算机设备和存储介质，通过获取目标人脸图像，从目标人脸图像中提取目标脸部图像，再获取模特人脸图像，从模特人脸图像中获取目标头发轮廓图像，将目标头发轮廓图像进行分层，对分层后的每层目标头发轮廓图像进行形变处理，得到每层形变后的目标头发轮廓图像，将每层形变后的目标头发轮廓图像和目标脸部图像拼合，使发型素材和人脸更加贴合。
附图说明
图1为一个实施例中虚拟试发方法的应用环境图；
图2为一个实施例中虚拟试发方法的流程示意图；
图3为一个实施例中获取目标头发轮廓图像的步骤的流程示意图；
图4为另一个实施例中目标头发轮廓图像形变处理的步骤的流程示意图；
图5为另一个实施例中目标头发轮廓图像形变处理的步骤的流程示意图；
图6为一个实施例中虚拟试发装置的结构框图；
图7为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请实施例提供的虚拟试发方法，可以应用于如图1所示的应用环境中。其中，其中，终端102可以是一体式虚拟试发设备或分体式虚拟试发设备，可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。
在一个实施例中，如图2所示，提供了一种虚拟试发方法，以该方法应用于图1中的终端为例进行说明，包括以下步骤：
步骤202，获取目标人脸图像，从目标人脸图像中提取目标脸部图像。
其中，目标人脸图像是指包括用户脸部和头发的图像，例如半身图像，也可以只包括用户脸部和头发部分的图像。目标脸部图像是指目标人脸图像中的脸部图像。
具体地，终端可控制摄像头拍摄用户的半身图像，也可从第三方获取用户的目标人脸图像。接着，终端可通过人脸分割法从目标人脸图像中提取出目标脸部图像。例如，可使用神经网络算法或卷积神经网络算法从目标人脸图像中提取出目标脸部图像。
步骤204，获取模特人脸图像，从模特人脸图像中获取目标头发轮廓图像。
其中，模特人脸图像是指包括模特脸部和头发的图像，可以是模特的半身照，也可以只包括模特脸部和头发部分的图像。
具体地，终端获取模特的人脸图像，可以是终端控制摄像头直接拍摄的模特人脸图像，也可以是从第三方获取的模特人脸图像，还可以是从模特拍摄的视频中获取的图像。接着，终端从模特人脸图像中提取出初始头发轮廓图像，再对初始头发轮廓图像的空缺部分进行填补，得到完整的头发轮廓图像，即目标头发轮廓图像。
步骤206，将目标头发轮廓图像进行分层，对分层后的每层目标头发轮廓图像进行形变处理，得到每层形变后的目标头发轮廓图像。
具体地，终端将目标头发轮廓图像分层，可以分为上下两层，也可以按照用户的需求分为多层。分层后的每层目标头发轮廓图像与它的上一层及下一层目标头发轮廓图像都存在可重合的部分。接着，终端对分层后的每层目标头发轮廓图像都进行形变处理，得到形变处理后的上下两层或多层目标头发轮廓图像。
步骤208，将每层形变后的目标头发轮廓图像和目标脸部图像拼合。
其中，拼合是指按照预定规则将头发轮廓图像和没有头发的目标脸部图像进行拼接，得到带有头发的脸部图像。
具体地，终端可先确定形变处理后的需要与目标脸部图像的头部紧密贴合的目标头发轮廓图像，然后将该层目标头发轮廓图像按照预定的规则与目标脸部图像进行拼合，然后再确定该层已与目标脸部图像拼接的下一层目标头发轮廓图像。接着，终端再将下一层目标头发轮廓图像与该层已与目标脸部图像拼接的目标头发轮廓图像完成拼接。直到不存在未拼接的形变后的目标头发轮廓图像时，完成将每层形变后的目标头发轮廓图像和目标脸部图像拼合的操作。
上述虚拟试发方法中，通过获取目标人脸图像，从目标人脸图像中提取目标脸部图像，获取模特人脸图像，从模特人脸图像中获取目标头发轮廓图像，从而得到实现虚拟试发的目标脸部图像和目标头发轮廓图像。再通过将目标头发轮廓图像进行分层，对分层后的每层目标头发轮廓图像进行形变处理，得到每层形变后的目标头发轮廓图像，使得形变处理后的目标头发轮廓图像更适合该目标脸部图像。最后将每层形变后的目标头发轮廓图像和目标脸部图像拼合，使得目标头发轮廓图像和目标脸部图像更贴合，从而使虚拟试发的效果更自然更真实。
在本实施例中，终端还可以根据肤色检测算法从目标人脸图像中提取出目标脸部图像。终端根据检测模特人脸图像中的肤色，则可以确定图像中的哪一部分的颜色不属于肤色范围，将不属于肤色范围的部分剔除，则可得到目标脸部图像。
在其中一个实施例中，终端可将形变处理后的每层目标头发轮廓图像先进行拼接，得到一个完整的形变后的目标头发轮廓图像。接着，终端再将该完整的形变后的目标头发轮廓图像与目标脸部图像拼接，从而实现虚拟试发操作。
在一个实施例中，如图3所示，从模特人脸图像中获取目标头发轮廓图像，包括：
步骤302，提取模特人脸图像中的初始头发轮廓图像。
其中，初始头发轮廓图像是指直接从模特人脸图像中提取的存在部分头发缺失的头发轮廓图像。
具体地，终端根据深度学习模型从模特人脸图像中提取出初始的头发轮廓图像。由于模特人脸图像是包括人的脸部和头发的图像，则存在一部分头发被人脸部遮挡住的情况。终端提取的初始头发轮廓图像就是一部分头发被人脸部遮挡住的图像，提取的初始头发轮廓图像中会存在一部分空缺的头发。终端需要对空缺的部分填充，得到一个具有完整头发的目标头发轮廓图像。
步骤304，检测初始头发轮廓图像中头发轮廓存在空缺的部分。
步骤306，填补空缺的部分，得到目标头发轮廓图像。
其中，目标头发轮廓图像是指完整的、不存在头发缺失的头发轮廓图像。
具体地，终端通过获取该初始头发轮廓图像的多张透明图层，并检测该多张透明图层中的头发边缘，可确定每张透明图层中头发的空缺区域。接着，终端对每张透明图层中头发的空缺区域进行填补，终端可进一步确定该初始头发轮廓图像中某一部分的头发适合空缺区域，并将根据该部分的头发填补空缺部分的头发。将每张透明图层中的头发空缺部分都填补后，终端将该多张填补空缺后的透明图层叠加融合，得到一张具有完整头发轮廓的目标头发轮廓图像。
在本实施例中，终端可通过边缘检测方式检测初始头发轮廓图像中的空缺部分，再通过图像处理软件或者内容识别算法等方式填补初始头发轮廓图像中的空缺部分，得到目标头发轮廓图像。
上述虚拟试发方法，通过提取模特人脸图像中的初始头发轮廓图像，检测初始头发轮廓图像中头发轮廓存在空缺的部分，以确定需要填补的空缺部分。若不填补头发空缺部分，该初始头发轮廓图像直接与目标脸部图像拼合时，可能存在头发的空缺部分未能完全被人脸部遮挡，导致拼合的图像仍存在空缺的问题。再通过填补空缺的部分，得到目标头发轮廓图像，从而得到完整的头发轮廓图像，避免用户的脸部图像与头发轮廓图像拼合时存在头发缺失的情况，使得头发轮廓图像和用户的脸部图像更贴合，从而更贴近用户真实拍摄的图像。
在一个实施例中，获取模特人脸图像，从模特人脸图像中获取目标头发轮廓图像之后，还包括：将模特人脸图像和目标人脸图像建立映射关系；根据映射关系将目标头发轮廓图像和目标脸部图像进行拼合。
具体地，终端通过机器学习模型采集模特人脸图像的特征点，该采集的特征点可以作为模特人脸图像中的目标头发轮廓图像的特征点。例如，模特脸部的发际线的位置所采集的特征点，即可表征模特脸部的特征点，又可表征头发轮廓的特征点。接着，终端同样通过机器学习模型采集目标人脸图像的特征点，并将模特人脸图像的特征点和目标人脸图像的特征点建立映射关系。接着，终端根据特征点的映射关系将目标头发轮廓图像和目标脸部图像进行拼合。进一步地，终端将模特人脸图像的特征点表征到目标头发轮廓图像上，从而将模特人脸图像的特征点和目标人脸图像的特征点的映射关系，转换为目标头发轮廓图像的特征点和目标人脸图像的特征点的映射关系，再按照该特征点的映射关系将目标头发轮廓图像和目标脸部图像拼合起来。通过将模特人脸图像和目标人脸图像建立映射关系，能够知道目标头发轮廓图像和目标脸部图像拼合的具体位置，根据映射关系将目标头发轮廓图像和目标脸部图像进行拼合，使得目标头发轮廓图像更贴合目标脸部图像，也使得生成的虚拟试发的效果图看起来更真实，给用户提供更好的参考。
例如，模特人脸图像的发际线的位置采集了5个特征点，终端将这5个特征点的作为目标头发轮廓图像的特征点。目标人脸图像的发际线位置也采集了5个特征点，这5个特征点也同样是目标脸部图像的特征点。建立模特人脸图像和目标人脸图像这5个特征点的映射关系。终端将模特人脸图像的这5个特征点转换为目标头发轮廓图像的5个特征点，即将模特人脸图像和目标人脸图像这5个特征点的映射关系，转换为目标头发轮廓图像和目标脸部图像的5个特征点的映射关系。接着，终端将目标头发轮廓图像和目标脸部图像的这个5特征点按照映射关系叠加起来，以实现目标头发轮廓图像和目标脸部图像的拼合，得到目标头发轮廓图像和目标脸部图像粗略对齐的效果图。
在其中一个实施例中，将模特人脸图像和目标人脸图像建立映射关系，包括：采集模特人脸图像的特征点，并采集目标人脸图像的特征点；将模特人脸图像的特征点和目标人脸图像的特征点建立映射关系。
具体地，终端通过机器学习模型采集模特人脸图像的特征点和目标人脸图像的特征点。其中，终端可以但不限于通过神经网络算法或卷积神经网络算法采集人脸特征点。终端可先使用训练样本对机器学习模型进行训练，经过训练的机器学习模型可识别出人脸图像的特征点的数量和各个特征点的位置。并将模特人脸图像的特征点和目标人脸图像的特征点按照位置一一匹配，以建立模特人脸图像的特征点和目标人脸图像的特征点映射关系。例如，模特人脸图像的右眼角的特征点与目标人脸图像的右眼角的特征点匹配。通过采集模特人脸图像的特征点和目标人脸图像的特征点，以建立模特人脸图像的特征点和目标人脸图像的特征点之间的映射关系，从而能够确定目标头发轮廓图像和目标脸部图像拼合的具体位置，使得拼合的效果更贴近真实的效果。
在另一个实施例中，如图4所示，将目标头发轮廓图像进行分层，对分层后的每层目标头发轮廓图像进行形变处理，得到每层形变后的目标头发轮廓图像，包括：
步骤402，将目标头发轮廓图像进行分层。
具体地，终端可先将目标头发轮廓图像与目标脸部图像拼合得到初步对齐的图像。接着，终端按照拼合后目标脸部图像上的特征点将目标头发轮廓图像进行分层。为了使分层之后的目标头发轮廓图像重新拼接的效果能达到未分层时的效果，两层目标头发轮廓图像之前可存在一些重合的部分。例如，按照下眼皮的特征点将目标头发轮廓图像分为两层，则上层的目标头发轮廓图像包括下眼皮的特征点以上的部分，下层的目标头发轮廓图像可从上眼皮的特征点开始截取，得到的下层的目标头发轮廓图像则包括上眼皮的特征点以下的部分。则上下两层目标头发轮廓图像的重叠区域就是上眼皮的特征点和下眼皮的特征点之间的部分。
步骤404，确定每层目标头发轮廓图像的形变参数。
其中，形变参数是指特征点和特征点的权重。
具体地，终端可将上层的目标头发轮廓图像中的头型轮廓特征点、发际线特征点、眉毛特征点作为特征点约束项，并给每个特征点赋予不同的权重，以保证了形变后的目标头发轮廓图像与用户头型的吻合程度。并且，终端可选择脸型轮廓特征点作为特征点约束项，同样给每个特征点赋予不同的权重，以保证重叠区域与上层一致以及目标头发轮廓图像与目标脸部图像紧密贴合。
步骤406，根据形变参数对每层目标头发轮廓图像进行形变处理，得到每层形变后的目标头发轮廓图像。
具体地，终端根据上下层的目标头发轮廓图像选定的特征点约束项和特定点的权重，按照形变处理的能量方程计算出每层目标头发轮廓图像的形变程度，并完成形变处理，得到每层形变后的目标头发轮廓图像。
例如，终端可将目标头发轮廓图像划分为多个规则的四边形网格，目标头发轮廓图像形变处理的能量方程如公式(1)：
min||E||＝min||αEf+βEs+γEl|| (1)
其中，Ef为特征点约束，Es为相对刚性约束，El为直线线段约束。α、β、γ分别为特征点约束Ef、βEs、γEl所占的权重。
Ef的计算方式如公式(2)：
其中，Pk为特征点的目标坐标位置，Vk为特征点对应的网格的四个顶点坐标，
为网格的四个权重参数。在实际处理中，终端根据特征点之间的距离给予每个特征点不同的权重。
Es的计算方式如公式(3)：
Es(V1)＝||V1-(V2+u(V3-V2)+v(R90(V3-V2)))||2 (3)
其中，V1、V2、V3为组成任意三角形的三个特征点，u、v为系数。对于任意三角形的一个顶点V1，其与三角形的另外两个顶点V2、V3之间均存在以上关系，因此在计算目标网格顶点位置的过程中添加该能量方程作为约束条件，可保持头发的局部相对刚性。
El的计算方式如公式(4)：
直线线段的检测使用了一种直线分割算法(aline segment detector,LSD)，它在线性的时间内得出亚像素级精度的检测结果，如公式(4)，
其中，Lb，Lc为线段的两个端点坐标，u为系数，N为该线段的等分段数，
为线段等分的坐标位置，j为等分点的数量。实际求解过程中将线段上每个等分点的坐标通过该等分点所在网格的四个顶点进行表示。
上述虚拟试发方法，通过将目标头发轮廓图像进行分层，并确定每层目标头发轮廓图像的形变参数，根据形变参数对每层目标头发轮廓图像进行形变处理，使得形变后的目标头发轮廓图像既能保证与用户头型的吻合程度，又能保证头发下摆的协调性，从而使得虚拟试发更接近用户真实试发的效果。
在本实施例中，可设置目标头发轮廓图像需要分层的数量。终端可以将目标头发轮廓图像与目标脸部图像初步拼合后的目标头发轮廓图像分成预先设定的层数。终端可根据分层的数量给每层目标头发轮廓图像确定特征点和特征点权重，并根据特征点和特征点权重完成对应层数的目标头发轮廓图像的形变处理，得到每层形变后的目标头发轮廓图像。
在另一个实施例中，该虚拟试发方法还包括：获取目标脸部图像的图像参数和目标头发轮廓图像的图像参数；采用目标脸部图像的图像参数替换目标头发轮廓图像的图像参数。
其中，图像参数是指图像的大小，图像的颜色和图像的清晰度。
具体地，终端从目标人脸图像中提取目标脸部图像，并且从模特人脸图像中获取目标头发轮廓图像之后，终端再获取目标脸部图像的图像大小、图像颜色和图像的清晰度等参数数据，图像的清晰度可以包括图像的分辨率等。接着，终端同样获取目标头发轮廓图像的图像参数数据，并用目标脸部图像的图像参数替换目标头发轮廓图像的图像参数，使得两张图像的图像大小、图像颜色和图像的清晰度保持一致，使得最后拼合得到的图像更协调自然。
在本实施例中，终端可以在目标头发轮廓图像分层后或者进行了形变处理后，调整分层后的每层头发轮廓图像的图像参数，使得分层后的每层头发轮廓图像的图像颜色、图像清晰度与目标脸部图像的图像颜色、图像清晰度保持一致。
在其中一个实施例中，终端可以在目标头发轮廓图像进行了形变处理后，调整形变处理后的目标头发轮廓图像的图像参数，使得形变处理后的目标头发轮廓图像的图像颜色、图像清晰度与目标脸部图像的图像颜色、图像清晰度保持一致。
在其中一个实施例中，终端还可以在目标脸部图像和目标头发轮廓图像拼合之后，终端获取目标脸部图像的图像大小、图像颜色和图像的清晰度等参数数据。接着，终端同样获取目标头发轮廓图像的图像大小、图像颜色和图像的清晰度，并将目标头发轮廓图像的图像大小、图像颜色和图像的清晰度调整为目标脸部图像的图像大小、图像颜色和图像的清晰度，使得两张图像的图像大小、图像颜色和图像的清晰度保持一致，从而使最后拼合得到的图像更协调自然。
在另一个实施例中，如图5所示，该虚拟试发方法还包括：
步骤502，获取多帧模特人脸图像的目标头发轮廓图像。
具体地，终端可拍摄模特在非静态环境下的视频，例如，拍摄真实模特在风吹情况下的视频，并从视频中截取连续多帧模特人脸图像。接着，终端从该截取的连续多帧模特人脸图像中提取出多帧目标头发轮廓图像。
步骤504，选择一帧目标头发轮廓图像进行形变处理。
具体地，终端从多帧目标头发轮廓图像中选择任意一帧，并将该一帧目标头发轮廓图像进行分层，对分层后的每层头发轮廓图像分别进行处理。处理完成后，终端将形变处理后的每层头发轮廓图像拼接起来，得到一帧完整的形变后的目标头发轮廓图像。
步骤506，按照一帧目标头发轮廓图像的形变方式处理其余多帧目标头发轮廓图像。
具体地，终端将其余多帧目标头发轮廓图像按照相同的方式先分层，再将每层目标头发轮廓图像进行形变处理，再将形变处理后的每层目标头发轮廓图像拼接，得到多帧完成形变处理后的目标头发轮廓图像。
步骤508，将形变处理后的多帧目标头发轮廓图像融合叠加。
步骤510，将融合叠加后的目标头发轮廓图像与目标脸部图像拼合。
具体地，终端将形变后的多帧目标头发轮廓图像融合叠加，得到具有动态效果的目标头发轮廓图像。接着，终端将目标脸部图像做边缘羽化处理，并将融合叠加后的目标头发轮廓图像与边缘羽化处理后的目标脸部图像拼合，生成可实现目标头发轮廓图像进行变换的虚拟试发的效果。
上述虚拟试发方法中，通过获取多帧模特人脸图像的目标头发轮廓图像，并选择一帧目标头发轮廓图像进行形变处理，使得其余的多帧目标头发轮廓图像可按照相同的处理方式完成形变。再将形变处理后的多帧目标头发轮廓图像融合叠加，得到能够实现切换的目标头发轮廓图像。最后将融合叠加后的目标头发轮廓图像与目标脸部图像拼合，从而实现头发的动态效果，更好地展示试戴的头发的效果。
在本实施例中，终端可选择任意一帧目标头发轮廓图像，无需分层直接将该帧目标头发轮廓图像进行形变处理，并将其余多帧目标头发轮廓图像按照相同的方式都进行形变处理，得到多帧完成形变处理后的目标头发轮廓图像。终端将形变后的多帧目标头发轮廓图像融合叠加，并将融合叠加后的目标头发轮廓图像与目标脸部图像拼合。
在另一个实施例中，终端得到形变处理后的多帧目标头发轮廓图像后，将每一帧目标头发轮廓图像都与目标脸部图像进行拼接，得到多张拼接后的图像。接着，终端将多张拼接后的图像融合叠加，生成可切换的动态图像，实现虚拟试发的动态效果。
在一个实施例中，该虚拟试发方法包括：
终端获取目标人脸图像，从目标人脸图像中提取目标脸部图像。
接着，终端获取模特人脸图像，提取模特人脸图像中的初始头发轮廓图像。
接着，终端检测初始头发轮廓图像中头发轮廓存在空缺的部分。
进一步地，终端填补空缺的部分，得到目标头发轮廓图像。
可选地，终端采集模特人脸图像的特征点，并采集目标人脸图像的特征点。
接着，终端将模特人脸图像的特征点和目标人脸图像的特征点建立映射关系。
接着，终端根据映射关系将目标头发轮廓图像和目标脸部图像进行拼合。
可选地，终端将目标头发轮廓图像进行分层。
接着，终端确定每层目标头发轮廓图像的形变参数。
进一步地，终端根据形变参数对每层目标头发轮廓图像进行形变处理，得到每层形变后的目标头发轮廓图像。
可选地，终端将每层形变后的目标头发轮廓图像和目标脸部图像拼合。
接着，终端获取目标脸部图像的图像参数和目标头发轮廓图像的图像参数。
接着，终端采用目标脸部图像的图像参数替换目标头发轮廓图像的图像参数。
上述虚拟试发方法中，通过获取目标人脸图像，从目标人脸图像中提取目标脸部图像，再获取模特人脸图像，通过提取模特人脸图像中的初始头发轮廓图像，检测初始头发轮廓图像中头发轮廓存在空缺的部分，以确定需要填补的空缺部分。通过填补空缺的部分能够解决初始头发轮廓图像直接与目标脸部脸部图像拼合时，可能存在头发的空缺部分未能完全被人脸部遮挡，导致拼合的图像仍存在空缺的问题。通过采集模特人脸图像的特征点和目标人脸图像的特征点，以建立模特人脸图像的特征点和目标人脸图像的特征点之间的映射关系，从而能够确定目标头发轮廓图像和目标脸部图像拼合的具体位置。根据映射关系将目标头发轮廓图像和目标脸部图像进行拼合，使得目标头发轮廓图像更贴合目标脸部图像。通过将目标头发轮廓图像进行分层，并确定每层目标头发轮廓图像的形变参数，根据形变参数对每层目标头发轮廓图像进行形变处理，使得形变后的目标头发轮廓图像既能保证与用户头型及脸部的吻合程度，又能保证头发下摆的协调性。用目标脸部图像的图像参数替换目标头发轮廓图像的图像参数，使得两张图像的图像大小、图像颜色和图像的清晰度保持一致，使得最后拼合得到的图像更协调自然，从而使得虚拟试发更接近用户真实试发的效果。
上述虚拟试发方法中的头发素材可采用虚拟构造的头发素材，可以是真实的人物的发型素材，还可以是偏动漫的从各种影视、漫画中获取的感兴趣的头发素材。可以将真实的模特的三维头发素材并将其投影到二维空间上，得到二维头发图像。同时，该虚拟试发方法也可应用于头饰、头巾和各种珠宝的试戴方面。
应该理解的是，虽然图2-5的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-5中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图6所示，提供了一种虚拟试发装置，包括：脸部图像提取模块602、目标头发轮廓图像提取模块604、形变处理模块606和拼合模块608，其中：
脸部图像提取模块602，用于获取目标人脸图像，从目标人脸图像中提取目标脸部图像。
目标头发轮廓图像获取模块604，用于获取模特人脸图像，从模特人脸图像中获取目标头发轮廓图像。
形变处理模块606，用于将目标头发轮廓图像进行分层，对分层后的每层目标头发轮廓图像进行形变处理，得到每层形变后的目标头发轮廓图像。
拼合模块608，用于将每层形变后的目标头发轮廓图像和目标脸部图像拼合。
上述虚拟试发装置，通过获取目标人脸图像，从目标人脸图像中提取目标脸部图像，获取模特人脸图像，从模特人脸图像中获取目标头发轮廓图像，从而得到实现虚拟试发的目标脸部图像和目标头发轮廓图像。再通过将目标头发轮廓图像进行分层，对分层后的每层目标头发轮廓图像进行形变处理，得到每层形变后的目标头发轮廓图像，使得形变处理后的目标头发轮廓图像更适合该目标脸部图像。最后将每层形变后的目标头发轮廓图像和目标脸部图像拼合，使得目标头发轮廓图像和目标脸部图像更贴合，从而使虚拟试发的效果更自然更真实。
在一个实施例中，目标头发轮廓图像获取模块604还用于：提取模特人脸图像中的初始头发轮廓图像；检测初始头发轮廓图像中头发轮廓存在空缺的部分；填补空缺的部分，得到目标头发轮廓图像。通过提取模特人脸图像中的初始头发轮廓图像，检测初始头发轮廓图像中头发轮廓存在空缺的部分，以确定需要填补的空缺部分。若不填补头发空缺部分，该初始头发轮廓图像直接与目标脸部图像拼合时，可能存在头发的空缺部分未能完全被人脸部遮挡，导致拼合的图像仍存在空缺的问题。再通过填补空缺的部分，得到目标头发轮廓图像，从而得到完整的头发轮廓图像，避免用户的脸部图像与头发轮廓图像拼合时存在头发缺失的情况，使得头发轮廓图像和用户的脸部图像更贴合，从而更贴近用户真实拍摄的图像。
在一个实施例中，该虚拟试发装置还包括：映射模块。该映射模块用于：将模特人脸图像和目标人脸图像建立映射关系；根据映射关系将目标头发轮廓图像和目标脸部图像进行拼合。通过将模特人脸图像和目标人脸图像建立映射关系，能够知道目标头发轮廓图像和目标脸部图像拼合的具体位置，根据映射关系将目标头发轮廓图像和目标脸部图像进行拼合，使得目标头发轮廓图像更贴合目标脸部图像，也使得生成的虚拟试发的效果图看起来更真实，给用户提供更好的参考。
在一个实施例中，该映射模块还用于：采集模特人脸图像的特征点，并采集目标人脸图像的特征点；将模特人脸图像的特征点和目标人脸图像的特征点建立映射关系。通过采集模特人脸图像的特征点和目标人脸图像的特征点，以建立模特人脸图像的特征点和目标人脸图像的特征点之间的映射关系，从而能够确定目标头发轮廓图像和目标脸部图像拼合的具体位置，使得拼合的效果更贴近真实的效果。
在一个实施例中，形变处理模块606还用于：将目标头发轮廓图像进行分层；确定每层目标头发轮廓图像的形变参数；根据形变参数对每层目标头发轮廓图像进行形变处理，得到每层形变后的目标头发轮廓图像。通过将目标头发轮廓图像进行分层，并确定每层目标头发轮廓图像的形变参数，根据形变参数对每层目标头发轮廓图像进行形变处理，使得形变后的目标头发轮廓图像既能保证与用户头型的吻合程度，又能保证头发下摆的协调性，从而使得虚拟试发更接近用户真实试发的效果。
在一个实施例中，该虚拟试发装置还包括：图像参数调整模块。该图像参数调整模块用于：获取目标脸部图像的图像参数和目标头发轮廓图像的图像参数；采用目标脸部图像的图像参数替换目标头发轮廓图像的图像参数。采用目标脸部图像的图像参数替换目标头发轮廓图像的图像参数，使得两张图像的图像大小、图像颜色和图像的清晰度保持一致，使得最后拼合得到的图像更协调自然。
在一个实施例中，该虚拟试发装置还包括：动态展示模块。该动态展示模块用于：获取多帧模特人脸图像的目标头发轮廓图像；选择一帧目标头发轮廓图像进行形变处理；按照一帧目标头发轮廓图像的形变方式处理其余多帧目标头发轮廓图像；将形变处理后的多帧目标头发轮廓图像融合叠加；将融合叠加后的目标头发轮廓图像与目标脸部图像拼合。通过获取多帧模特人脸图像的目标头发轮廓图像，并选择一帧目标头发轮廓图像进行形变处理，使得其余的多帧目标头发轮廓图像可按照相同的处理方式完成形变。再将形变处理后的多帧目标头发轮廓图像融合叠加，得到能够实现切换的目标头发轮廓图像。最后将融合叠加后的目标头发轮廓图像与目标脸部图像拼合，从而实现头发的动态效果，更好地展示试戴的头发的效果。
关于虚拟试发装置的具体限定可以参见上文中对于虚拟试发方法的限定，在此不再赘述。上述虚拟试发装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种虚拟试发方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述虚拟试发的步骤。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述虚拟试发的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种虚拟试发方法，所述方法包括：
获取目标人脸图像，从所述目标人脸图像中提取目标脸部图像；
获取模特人脸图像，从所述模特人脸图像中获取目标头发轮廓图像；
将所述目标脸部图像和所述目标头发轮廓图像进行初步拼合处理；
基于拼合后的目标脸部图像上的特征点，将所述目标头发轮廓图像进行分层；
针对每层目标头发轮廓图像，将目标头发轮廓图像划分为多个规则的四边形网格，通过min||E||＝min||αEf+βEs+γEl||对所述目标头发轮廓图像进行形变处理，得到每层形变后的目标头发轮廓图像；其中，
Es(V1)＝||V1-(V2+u(V3-V2)+v(R90(V3-V2)))||2，
Ef为特征点约束，Es为相对刚性约束，El为直线线段约束；α、β、γ分别为Ef、Es、El的权重；Pk为特征点的目标坐标位置，Vk为特征点对应的网格的四个顶点坐标，
为网格的四个权重参数，V1、V2、V3为组成任意三角形的三个特征点，R90、u、v为系数；Lb、Lc为线段的两个端点坐标，N为线段的等分段数，
为线段等分的坐标位置；
将所述每层形变后的目标头发轮廓图像和所述目标脸部图像拼合。
2.根据权利要求1所述的方法，其特征在于，所述从所述模特人脸图像中获取目标头发轮廓图像，包括：
提取所述模特人脸图像中的初始头发轮廓图像；
检测所述初始头发轮廓图像中头发轮廓存在空缺的部分；
填补所述空缺的部分，得到目标头发轮廓图像。
3.根据权利要求1所述的方法，其特征在于，所述将所述目标脸部图像和所述目标头发轮廓图像进行初步拼合处理，包括：
将所述模特人脸图像和所述目标人脸图像建立映射关系；
根据所述映射关系将所述目标头发轮廓图像和目标脸部图像进行初步拼合。
4.根据权利要求3所述的方法，其特征在于，所述将所述模特人脸图像和所述目标人脸图像建立映射关系，包括：
采集所述模特人脸图像的特征点，并采集所述目标人脸图像的特征点；
将所述模特人脸图像的特征点和所述目标人脸图像的特征点建立映射关系。
5.根据权利要求1至4任意一项所述的方法，其特征在于，所述方法还包括：
获取所述目标脸部图像的图像参数和所述目标头发轮廓图像的图像参数；
采用所述目标脸部图像的图像参数替换所述目标头发轮廓图像的图像参数。
6.根据权利要求1至4任意一项所述的方法，其特征在于，所述方法还包括：
获取多帧模特人脸图像的目标头发轮廓图像；
选择一帧所述目标头发轮廓图像进行形变处理；
按照所述一帧目标头发轮廓图像的形变方式处理其余多帧目标头发轮廓图像；
将形变处理后的多帧目标头发轮廓图像融合叠加；
将融合叠加后的目标头发轮廓图像与所述目标脸部图像拼合。
7.一种虚拟试发装置，其特征在于，所述装置包括：
脸部图像提取模块，用于获取目标人脸图像，从所述目标人脸图像中提取目标脸部图像；
目标头发轮廓图像获取模块，用于获取模特人脸图像，从所述模特人脸图像中获取目标头发轮廓图像；
形变处理模块，用于将所述目标脸部图像和所述目标头发轮廓图像进行初步拼合处理；基于拼合后的目标脸部图像上的特征点，将所述目标头发轮廓图像进行分层；针对每层目标头发轮廓图像，将目标头发轮廓图像划分为多个规则的四边形网格，通过min||E||＝min||αEf+βEs+γEl||对所述目标头发轮廓图像进行形变处理，得到每层形变后的目标头发轮廓图像；其中，
Es(V1)＝||V1-(V2+u(V3-V2)+v(R90(V3-V2)))||2，
Ef为特征点约束，Es为相对刚性约束，El为直线线段约束；α、β、γ分别为Ef、Es、El的权重；Pk为特征点的目标坐标位置，Vk为特征点对应的网格的四个顶点坐标，
为网格的四个权重参数，V1、V2、V3为组成任意三角形的三个特征点，R90、u、v为系数；Lb、Lc为线段的两个端点坐标，N为线段的等分段数，
为线段等分的坐标位置；
拼合模块，用于将所述每层形变后的目标头发轮廓图像和所述目标脸部图像拼合。
8.根据权利要求7所述的装置，其特征在于，所述目标头发轮廓图像获取模块还用于提取所述模特人脸图像中的初始头发轮廓图像；检测所述初始头发轮廓图像中头发轮廓存在空缺的部分；填补所述空缺的部分，得到目标头发轮廓图像。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910084590.3A CN109886144B (zh) | 2019-01-29 | 2019-01-29 | 虚拟试发方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910084590.3A CN109886144B (zh) | 2019-01-29 | 2019-01-29 | 虚拟试发方法、装置、计算机设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109886144A CN109886144A (zh) | 2019-06-14 |
| CN109886144B true CN109886144B (zh) | 2021-08-13 |
Family
ID=66927268
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910084590.3A Active CN109886144B (zh) | 2019-01-29 | 2019-01-29 | 虚拟试发方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109886144B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111311359A (zh) * | 2020-01-21 | 2020-06-19 | 杭州微洱网络科技有限公司 | 一种基于电商图像实现人形展现效果的拼图方法 |
| CN112489169B (zh) * | 2020-12-17 | 2024-02-13 | 脸萌有限公司 | 人像图像处理方法及装置 |
| CN114693510A (zh) * | 2020-12-31 | 2022-07-01 | 青岛海尔洗衣机有限公司 | 发型更换方法、装置及存储介质 |
| CN113034349B (zh) * | 2021-03-24 | 2023-11-14 | 北京达佳互联信息技术有限公司 | 图像处理方法、装置、电子设备及存储介质 |
| CN114565507A (zh) * | 2022-01-17 | 2022-05-31 | 北京新氧科技有限公司 | 一种头发处理方法、装置、电子设备及存储介质 |
| CN114758391B (zh) * | 2022-04-08 | 2023-09-12 | 北京百度网讯科技有限公司 | 发型图像确定方法、装置、电子设备、存储介质及产品 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2010024486A1 (en) * | 2008-08-29 | 2010-03-04 | Sang Guk Kim | 3d hair style simulation system and method using augmented reality |
| CN103605556A (zh) * | 2013-10-23 | 2014-02-26 | 中国运载火箭技术研究院 | 虚拟试验对象一体化构建系统及方法 |
| CN106033529A (zh) * | 2014-09-12 | 2016-10-19 | 宏达国际电子股份有限公司 | 影像处理方法以及电子装置 |
| CN107274493A (zh) * | 2017-06-28 | 2017-10-20 | 河海大学常州校区 | 一种基于移动平台的三维虚拟试发型人脸重建方法 |
| CN107451950A (zh) * | 2016-05-30 | 2017-12-08 | 北京旷视科技有限公司 | 人脸图像生成方法、人脸识别模型训练方法及相应装置 |
| CN107749084A (zh) * | 2017-10-24 | 2018-03-02 | 广州增强信息科技有限公司 | 一种基于图像三维重建技术的虚拟试戴方法和系统 |
| CN107808136A (zh) * | 2017-10-31 | 2018-03-16 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、可读存储介质和计算机设备 |
| CN108513089A (zh) * | 2017-02-24 | 2018-09-07 | 腾讯科技（深圳）有限公司 | 群组视频会话的方法及装置 |
| CN108830946A (zh) * | 2018-08-31 | 2018-11-16 | 佛山科学技术学院 | 一种三维智能ar试发方法和试发装置 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8660319B2 (en) * | 2006-05-05 | 2014-02-25 | Parham Aarabi | Method, system and computer program product for automatic and semi-automatic modification of digital images of faces |
| JP4874913B2 (ja) * | 2007-09-28 | 2012-02-15 | 富士フイルム株式会社 | 頭頂位置算出装置、それを用いた画像処理装置および頭頂位置算出方法並びにプログラム |
| US8638993B2 (en) * | 2010-04-05 | 2014-01-28 | Flashfoto, Inc. | Segmenting human hairs and faces |
-
2019
- 2019-01-29 CN CN201910084590.3A patent/CN109886144B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2010024486A1 (en) * | 2008-08-29 | 2010-03-04 | Sang Guk Kim | 3d hair style simulation system and method using augmented reality |
| CN103605556A (zh) * | 2013-10-23 | 2014-02-26 | 中国运载火箭技术研究院 | 虚拟试验对象一体化构建系统及方法 |
| CN106033529A (zh) * | 2014-09-12 | 2016-10-19 | 宏达国际电子股份有限公司 | 影像处理方法以及电子装置 |
| CN107451950A (zh) * | 2016-05-30 | 2017-12-08 | 北京旷视科技有限公司 | 人脸图像生成方法、人脸识别模型训练方法及相应装置 |
| CN108513089A (zh) * | 2017-02-24 | 2018-09-07 | 腾讯科技（深圳）有限公司 | 群组视频会话的方法及装置 |
| CN107274493A (zh) * | 2017-06-28 | 2017-10-20 | 河海大学常州校区 | 一种基于移动平台的三维虚拟试发型人脸重建方法 |
| CN107749084A (zh) * | 2017-10-24 | 2018-03-02 | 广州增强信息科技有限公司 | 一种基于图像三维重建技术的虚拟试戴方法和系统 |
| CN107808136A (zh) * | 2017-10-31 | 2018-03-16 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、可读存储介质和计算机设备 |
| CN108830946A (zh) * | 2018-08-31 | 2018-11-16 | 佛山科学技术学院 | 一种三维智能ar试发方法和试发装置 |
Non-Patent Citations (2)
| Title |
|---|
| Virtual Clothes, Hair and Skin for Beautiful;Nadia Magnenat Thalmann等;《Information 1998》;19981231;第1-19页 * |
| 基于单视图人脸重建的移动平台发型置换引擎的研究和应用;王超;《中国优秀硕士学位论文全文数据库（信息科技辑）》;20160215(第02期);第I138-1608页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109886144A (zh) | 2019-06-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109886144B (zh) | 虚拟试发方法、装置、计算机设备和存储介质 | |
| CN109829930B (zh) | 人脸图像处理方法、装置、计算机设备及可读存储介质 | |
| CN109859098B (zh) | 人脸图像融合方法、装置、计算机设备及可读存储介质 | |
| WO2020207270A1 (zh) | 一种三维人脸重建方法及其系统、装置、存储介质 | |
| CN109697688B (zh) | 一种用于图像处理的方法和装置 | |
| CN107507216B (zh) | 图像中局部区域的替换方法、装置及存储介质 | |
| CN105354876B (zh) | 一种基于移动终端的实时立体试衣方法 | |
| CN107220960B (zh) | 一种试妆方法、系统及设备 | |
| CN110390632B (zh) | 基于妆容模板的图像处理方法、装置、存储介质及终端 | |
| CN107564080B (zh) | 一种人脸图像的替换系统 | |
| CN107507217B (zh) | 证件照的制作方法、装置及存储介质 | |
| CN108305312B (zh) | 3d虚拟形象的生成方法和装置 | |
| CN109657583B (zh) | 脸部关键点检测方法、装置、计算机设备和存储介质 | |
| US10366533B2 (en) | Image processing device and image processing method | |
| CN107610202B (zh) | 人脸图像替换方法、设备及存储介质 | |
| CN111435433B (zh) | 信息处理装置、信息处理方法以及存储介质 | |
| CN110197462A (zh) | 一种人脸图像实时美化与纹理合成方法 | |
| CN111861872B (zh) | 图像换脸方法、视频换脸方法、装置、设备和存储介质 | |
| US20150262403A1 (en) | Makeup support apparatus and method for supporting makeup | |
| CN109801380A (zh) | 一种虚拟试衣的方法、装置、存储介质及计算机设备 | |
| CN107452049B (zh) | 一种三维头部建模方法及装置 | |
| KR20170008638A (ko) | 3차원 컨텐츠 생성 장치 및 그 3차원 컨텐츠 생성 방법 | |
| CN113628327B (zh) | 一种头部三维重建方法及设备 | |
| CN111783511A (zh) | 美妆处理方法、装置、终端以及存储介质 | |
| WO2015017687A2 (en) | Systems and methods for producing predictive images |
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 | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240626 Address after: Gao Lou Zhen Hong Di Cun, Rui'an City, Wenzhou City, Zhejiang Province, 325200 Patentee after: Wang Conghai Country or region after: China Address before: 518051 10th floor, Yihua financial technology building, 2388 Houhai Avenue, high tech park, Yuehai street, Nanshan District, Shenzhen City, Guangdong Province Patentee before: SHENZHEN CLOUDREAM INFORMATION TECHNOLOGY CO.,LTD. Country or region before: China |
|
| TR01 | Transfer of patent right |
Effective date of registration: 20240928 Address after: Building 3, No. 28 Tianshan Road, Xinqiao Street, Xinbei District, Changzhou City, Jiangsu Province 213000 Patentee after: Jiangsu Shuihao Technology Co.,Ltd. Country or region after: China Address before: Gao Lou Zhen Hong Di Cun, Rui'an City, Wenzhou City, Zhejiang Province, 325200 Patentee before: Wang Conghai Country or region before: China |