CN115018696B - 基于OpenCV仿射变换的人脸口罩数据生成方法 - Google Patents
基于OpenCV仿射变换的人脸口罩数据生成方法 Download PDFInfo
- Publication number
- CN115018696B CN115018696B CN202210638933.8A CN202210638933A CN115018696B CN 115018696 B CN115018696 B CN 115018696B CN 202210638933 A CN202210638933 A CN 202210638933A CN 115018696 B CN115018696 B CN 115018696B
- Authority
- CN
- China
- Prior art keywords
- mask
- face
- key points
- image
- coordinates
- 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
- 230000009466 transformation Effects 0.000 title claims abstract description 50
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 title claims abstract description 37
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000001514 detection method Methods 0.000 claims abstract description 8
- 230000001815 facial effect Effects 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 239000003086 colorant Substances 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 241000711573 Coronaviridae Species 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 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
- G06T3/02—Affine transformations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- 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)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于OpenCV仿射变换的人脸口罩数据生成方法,它是一种基于Opencv仿射变换的根据人脸图像自动生成佩戴口罩的人脸图像的方法,能够根据需要大批量的制作佩戴口罩的人脸图像数据库,用于一些和口罩相关的人脸检测研究。该方法通过使用mediapipe人脸检测算法,检测到人脸关键点,然后根据关键点的坐标,对口罩图片进行仿射变换,覆盖在选定的关键点处,生成人脸口罩图片。本发明方法的口罩生成方法相比于其他方法,首次通过HSV颜色通道对口罩的亮度进行调整,使生成的口罩图像与人脸图像的亮度平均值相同,使生成图片更真实。
Description
技术领域
本发明涉及数字图像处理技术领域,具体涉及一种基于OpenCV仿射变换的人脸口罩数据生成方法。
背景技术
研究表明,新冠病毒主要依靠呼吸通过空气进行传播,佩戴口罩是防止新冠病毒的传播的主要途径之一,尤其是在新冠经过了多次变异后,佩戴口罩可以很好的对自己和周围的人提供保护,极大降低传染风险。但是随着疫情逐步得到控制,开始有部分人员在外出之时忽略佩戴口罩的重要性,所以对于佩戴口罩的检查仍然是重中之重。人工检查口罩佩戴情况不仅效率低下,而且耗费大量的人力物力。因此,通过人工智能进行口罩佩戴检测成为了一个重要方法。
人工智能训练模型需要大量的数据作为样本进行学习,而口罩佩戴检测,就需要大量的人脸图片以及佩戴口罩的人脸图片。但是现在主要的数据库中有关佩戴口罩的人脸图片数据库相对较少,部分数据库主要还是依靠人工收集然后标定的方法获取,人工收集和标定往往需要耗费大量人力和物力,而且数据集分布往往不够均衡。而通过现有方法生成的人脸口罩图片往往存在口罩样式单一,口罩部分与原图片的光照环境存在较大差异,使得图片不真实,而且对于侧脸的情况生成的结果较差。而且只有佩戴口罩和未佩戴口罩两种情况,因此一些佩戴了口罩但是因为佩戴不标准导致露出了鼻子或嘴的情况无法正确识别。
因此通过Opencv仿射变换自动大批量的生成人脸口罩图片可以很好的减少数据分布不平衡的情况,并且能够根据不同的口罩图片生成不同的人脸佩戴口罩图片数据。
发明内容
本发明的目的是为解决上述问题,本发明提供了一种基于Opencv仿射变换的人脸口罩数据集生成方法,对硬件需求较低,可以在普通的笔记本电脑上进行快速的生成,并且可以根据环境光改变口罩亮度,使生成后的图像更接近真实图像。解决了人工收集数据集和标定所耗费的人力资源以及深度学习对人脸口罩数据集的大量需求。
为实现上述目的,本发明所采用以下的技术方案:
一种基于仿射变换的人脸口罩图片生成方法,其特征在于使用仿射变换作为生成方法,包括:
获取人脸图像,可以选择一些公开数据库或私有数据集中获取的人脸图像;
获取口罩图像,包括各种不同样式,颜色,形状的口罩;通过手动标记的方式对口罩图像进行标记,并获得图像中口罩关键点的坐标;
通过mediapipe的人脸检测算法检测数据集图像中的人脸位置和大小,并获取468个人脸关键点坐标;
将人脸关键点选择包括覆盖鼻梁、覆盖鼻尖、露出鼻子、露出嘴巴等特征,得到需要被口罩覆盖的人脸区域关键点,并与口罩图片上数量相同的关键点进行一一对应,记录对应关键点在人脸图像的坐标和口罩图像的坐标;
根据人脸部分的亮度调整口罩的亮度;
将所述的人脸图像和口罩图像进行关键点选取,每次选取三组对应的关键点,将人脸三个关键点覆盖的部分的像素值置为0,将口罩图像上的三个关键点按照人脸图像的关键点做仿射变换,仿射变换后原本口罩的三个关键点坐标会变成人脸的关键点坐标,将新坐标围成图形的外部像素值全部置为0,将两幅图片合并取最大值,得到局部覆盖口罩的人脸图像。重复此步骤,直到口罩完全覆盖人脸;
手动标记口罩的关键点与人脸选中的关键点一一对应,进行仿射变换,将变换后的口罩覆盖在人脸上;循环处理的仿射变换生成的图像。
在调整口罩的亮度的过程中,使用HSV颜色通道分别获取人脸图像面部区域和口罩图像的亮度信息,并根据人脸图像面部区域的亮度平均值对口罩亮度进行缩放,使得口罩亮度与人脸面部亮度符合,包括:
RGB颜色通道转HSV颜色通道,公式如下:
Max=max(R,G,B)
Min=min(R,G,B)
V=max(R,G,B)
S=(Max-Min)/Max
其中,R,G,B分别对应原图像某一像素点的RGB颜色通道对应的值,H,S,V分别对应变换为HSV通道后三条通道对应的值,max(·)和min(·)分别为求矩阵最大值和最小值。
提取其中V通道的数据,并根据人脸关键点选出人脸区域,计算出该区域V通道的平均值。计算口罩图片的V通道平均值,对口罩图片的V通道值使用下面公式进行缩放,使口罩V通道平均值与人脸图像中人脸区域的V通道平均值相同,公式如下:
Vmask_i_new=Vmask_i*avg(Vface)/avg(Vmask)
其中,Vmask_i表示某一像素点的亮度值,avg(Vface)表示通过关键点选定的人脸区域的亮度平均值,avg(Vmask)表示整个口罩图像口罩部分的亮度平均值,Vmask_i_new表示变换后对应像素的亮度值。
使用计算得到的新口罩V通道数据替换掉原本的V通道数据,并根据如下公式将HSV通道数据转换为RGB通道。获得亮度均值与人脸区域亮度均值的口罩图片,公式如下:
C=V/*S
m=V-C
(R,G,B)=((R'+m)*255,(G'+m)*255,(B'+m)*255)
在上述一种基于仿射变换的人脸口罩生成方法中,根据获取的人脸图像关键点坐标和口罩图像关键点坐标进行仿射变换,将变换后的部分覆盖在人脸部分,公式如下:
其中x,y为变换前点的坐标,对应口罩中选取的关键点坐标,u,v为变换后点的坐标,对应人脸中选取的关键点坐标。其中ai,bi,i∈0,1,2为变换参数,首先根据选取的三组坐标点计算出ai,bi,i∈0,1,2的值,然后再将整个原图像根据变换参数进行变换,得到变换后的图像。
在上述一种基于仿射变换的人脸口罩生成方法,所述的经过仿射变换后的口罩覆盖人脸上,判断是否覆盖全部关键点,若否,继续进行仿射变换直到口罩完全覆盖人脸。
与现有技术相比,本方法生成的图片可以根据关键点的选取不同,生成不同种类佩戴方式的人脸口罩图片,使用mediapipe可以找到人脸上的468个关键点,可以根据需求选择更准确的想要覆盖部位,并且相比于传统的深度学习人脸检测算法,mediapipe更加迅速。仿射变换过程本身仅仅是一个数学计算过程,消耗的时间也相对较短。
附图说明
图1为本方法总体流程图;
图2为mediapipe的人脸468关键点示意图。
具体实施方式
下面结合附图对本发明的技术方案进行具体的说明。
如图1所示,本发明提供了一种基于仿射变换的人脸口罩图像生成方法。其包括:
S1,获取人脸图像,可以选择一些公开数据库和私有数据集中的人脸图像;
S2,获取口罩图像,包括各种不同样式,颜色,形状的口罩,通过手动标记的方式对口罩图片进行标记,并获得图像中口罩的关键点坐标;
S3,通过mediapipe的人脸检测算法检测数据集图像中的人脸位置和大小,并获取468个人脸关键点坐标。
S4,根据获取的人脸关键点坐标分别选中人脸部分和需要用口罩覆盖的部分;
将人脸关键点选择包括覆盖鼻梁、覆盖鼻尖、露出鼻子、露出嘴巴等特征,得到需要被口罩覆盖的人脸区域关键点,并与口罩图片上数量相同的关键点进行一一对应,记录对应关键点在人脸图像的坐标和口罩图像的坐标;
S5,根据人脸部分的亮度调整口罩的亮度;
将所述的人脸图像和口罩图像进行关键点选取,每次选取三组对应的关键点,将人脸三个关键点覆盖的部分的像素值置为0,将口罩图像上的三个关键点按照人脸图像的关键点做仿射变换,仿射变换后原本口罩的三个关键点坐标会变成人脸的关键点坐标,将新坐标围成图形的外部像素值全部置为0,将两幅图片合并取最大值,得到局部覆盖口罩的人脸图像;重复此步骤,直到口罩完全覆盖人脸。
S6,手动标记口罩的关键点并且与人脸选中的关键点一一对应,进行仿射变换,将变换后的口罩覆盖在人脸上。
在步骤S1中,可以在网络上获取人脸图片,或者在一些公开的人脸数据库中获取,也可以从一些影视坐标,视频,录像中截取人脸图像。
在步骤S2中,需要尽可能获得市面上常见的口罩,将口罩展开,也可以将口罩带在脸上,口罩的样式越多,生成的人脸口罩数据集在用于后续佩戴口罩检测的神经网络的训练过程中,效果就会越好。
在步骤S4中,可以通过修改覆盖的关键点,来达到生成错误佩戴口罩图片的效果,并且不需要手动的做标签,可以用于口罩佩戴是否标准的检测的数据集。
在步骤S5中,通过将RGB通道的彩色口罩图像和人脸图像转化为HSV通道,然后根据V通道直接提取人脸和口罩的亮度信息。具体计算公式为:
RGB颜色通道转HSV颜色通道,公式如下:
Max=max(R,G,B)
Min=min(R,G,B)
V=max(R,G,B)
S=(Max-Min)/Max
其中,R,G,B分别对应原图像某一像素点的RGB颜色通道对应的值,H,S,V分别对应变换为HSV通道后三条通道对应的值,max(·)和min(·)分别为求矩阵最大值和最小值。
获取人脸和口罩的V通道值后,根据如下公式调整口罩亮度,使口罩亮度与人脸一致:Vmosk_new=Vmask*avg(Vface)/avg(Vmask)
其中,Vmask_i表示某一像素点的亮度值,avg(Vface)表示通过关键点选定的人脸区域的亮度平均值,avg(Vmask)表示整个口罩图像口罩部分的亮度平均值,Vmask_i_new表示变换后对应像素的亮度值。
最后再将V通道替换后,将HSV通道的数据转化为RGB通道,便得到了一幅亮度与人脸一致的口罩图片,具体计算公式如下:
C=V*S
m=V-C
(R,G,B)=((R′+m)*255,(G′+m)*255,(B′+m)*255)
在步骤S6中,仿射变换的公式如下:
其中x,y为变换前点的坐标,对应口罩中选取的关键点坐标,u,v为变换后点的坐标,对应人脸中选取的关键点坐标。其中ai,bi,i∈0,1,2为变换参数,首先根据选取的三组坐标点计算出ai,bi,i∈0,1,2的值,然后再将整个原图像根据变换参数进行变换,得到变换后的图像。
图2为Mediapipe检测获取的468个人脸关键点的编号和对应的位置。
Claims (4)
1.一种基于仿射变换的人脸口罩图片生成方法,其特征在于:使用仿射变换作为生成方法,包括:
S1.获取人脸图像,选择公开数据库和私有数据集中获取的人脸图片;
S2.获取口罩图像,包括各种不同样式,颜色,形状的口罩;通过手动标记的方式口罩图片进行标记,并获得图片中口罩的关键点坐标;
S3.通过mediapipe的人脸检测算法检测数据集图像中的人脸位置和大小,并获取468个人脸关键点坐标;
S4.根据获取的人脸关键点坐标分别选中人脸部分和需要用口罩覆盖的部分;
将人脸关键点选择包括覆盖鼻梁、覆盖鼻尖、露出鼻子、露出嘴巴特征,得到需要被口罩覆盖的人脸区域关键点,并与口罩图片上数量相同的关键点进行一一对应,记录对应关键点在人脸图像的坐标和口罩图像的坐标;
S5.根据人脸部分的亮度调整口罩的亮度;
将所述的人脸图像和口罩图像进行关键点选取,每次选取三组对应的关键点,将人脸三个关键点覆盖的部分的像素值置为0,将口罩图像上的三个关键点按照人脸图像的关键点做仿射变换,仿射变换后原本口罩的三个关键点坐标会变成人脸的关键点坐标,将新坐标围成图形的外部像素值全部置为0,将两幅图片合并取最大值,得到局部覆盖口罩的人脸图像;重复此步骤,直到口罩完全覆盖人脸;
S6.手动标记口罩的关键点与人脸选中的关键点一一对应,进行仿射变换,将变换后的口罩覆盖在人脸上;循环处理的仿射变换生成的图像。
2.根据权利要求1所述的一种基于仿射变换的人脸口罩生成方法,其特征在于,步骤S5所述的根据人脸部分的亮度调整口罩的亮度,是将人脸面部和口罩使用HSV颜色通道分别获取亮度信息,并且根据亮度平均值对口罩亮度进行缩放,使得口罩亮度与人脸面部亮度符合,包括:
RGB颜色通道转HSV颜色通道,公式如下:
Max=maax(R,G,B)
Min=min(R,G,B)
V=max(R,G,B)
S=(Max-Min)/Max
其中,R,G,B分别对应原图像某一像素点的RGB颜色通道对应的值,H,S,V分别对应变换为HSV通道后三条通道对应的值,max(·)和min(·)分别为求矩阵最大值和最小值;提取其中V通道的数据,并根据人脸关键点选出人脸区域,计算出该区域V通道的平均值;计算口罩图片的V通道平均值,对口罩图片的V通道值使用下面公式进行缩放,使口罩V通道平均值与人脸图像中人脸区域的V通道平均值相同,公式如下:
Vmask_i_new=Vmaskvx*avg(Vface)/avg(Vmask)
其中,Vmask_i表示某一像素点的亮度值,avg(Vface)表示通过关键点选定的人脸区域的亮度平均值,avg(Vmask)表示整个口罩图像口罩部分的亮度平均值,Vmask_i_new表示变换后对应像素的亮度值;
使用计算得到的新口罩V通道数据替换掉原本的V通道数据,并根据如下公式将HSV通道数据转换为RGB通道;
获得亮度均值与人脸区域亮度均值的口罩图片,公式如下:
C=V*S
m=V-C
(R,G,B)=((R′+m)*255,(G′+m)*255,(B′+m)*255)。
3.根据权利要求1或2所述的一种基于仿射变换的人脸口罩生成方法,其特征在于,步骤S6所述的仿射变换,是将对应人脸图像的坐标和口罩图像的坐标进行仿射变换,将变换后的部分覆盖在人脸部分,公式如下:
其中x,y为变换前点的坐标,对应口罩中选取的关键点坐标,u,v为变换后点的坐标,对应人脸中选取的关键点坐标;
其中ai,bi,i∈0,1,2为变换参数,首先根据选取的三组坐标点计算出ai,bi,i∈0,1,2的值,然后再将整个原图像根据变换参数进行变换,得到变换后的图像。
4.根据权利要求2所述的一种基于仿射变换的人脸口罩生成方法,其特征在于,步骤S6所述的经过变换后的口罩覆盖人脸上,判断是否覆盖全部关键点,若否,继续进行仿射变换直到口罩完全覆盖人脸。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210638933.8A CN115018696B (zh) | 2022-06-08 | 2022-06-08 | 基于OpenCV仿射变换的人脸口罩数据生成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210638933.8A CN115018696B (zh) | 2022-06-08 | 2022-06-08 | 基于OpenCV仿射变换的人脸口罩数据生成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115018696A CN115018696A (zh) | 2022-09-06 |
CN115018696B true CN115018696B (zh) | 2024-05-03 |
Family
ID=83073118
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210638933.8A Active CN115018696B (zh) | 2022-06-08 | 2022-06-08 | 基于OpenCV仿射变换的人脸口罩数据生成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115018696B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111667403A (zh) * | 2020-07-02 | 2020-09-15 | 北京爱笔科技有限公司 | 一种有遮挡的人脸图像的生成方法及装置 |
CN112507963A (zh) * | 2020-12-22 | 2021-03-16 | 华南理工大学 | 一种批量口罩人脸样本自动生成以及口罩人脸识别方法 |
CN113052010A (zh) * | 2021-03-05 | 2021-06-29 | 杭州追猎科技有限公司 | 一种基于深度学习的人员口罩佩戴数据集生成方法 |
WO2021238410A1 (zh) * | 2020-05-29 | 2021-12-02 | 北京沃东天骏信息技术有限公司 | 图像处理方法、装置、电子设备和介质 |
CN114373210A (zh) * | 2021-12-31 | 2022-04-19 | 北京工业大学 | 一种存在口罩遮挡场景下的人脸识别方法 |
-
2022
- 2022-06-08 CN CN202210638933.8A patent/CN115018696B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021238410A1 (zh) * | 2020-05-29 | 2021-12-02 | 北京沃东天骏信息技术有限公司 | 图像处理方法、装置、电子设备和介质 |
CN111667403A (zh) * | 2020-07-02 | 2020-09-15 | 北京爱笔科技有限公司 | 一种有遮挡的人脸图像的生成方法及装置 |
CN112507963A (zh) * | 2020-12-22 | 2021-03-16 | 华南理工大学 | 一种批量口罩人脸样本自动生成以及口罩人脸识别方法 |
CN113052010A (zh) * | 2021-03-05 | 2021-06-29 | 杭州追猎科技有限公司 | 一种基于深度学习的人员口罩佩戴数据集生成方法 |
CN114373210A (zh) * | 2021-12-31 | 2022-04-19 | 北京工业大学 | 一种存在口罩遮挡场景下的人脸识别方法 |
Non-Patent Citations (2)
Title |
---|
Piecewise affine warp based frontal face synthesizing and application on face recognition;Shanshan Wang;《2017 29th Chinese Control And Decision Conference (CCDC)》;20170531;全文 * |
遮挡人脸正面图像库的自动生成;郭灼豪;《激光杂志》;20190605;91-95 * |
Also Published As
Publication number | Publication date |
---|---|
CN115018696A (zh) | 2022-09-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20240087097A1 (en) | Domain specific image quality assessment | |
CN103914699B (zh) | 一种基于色彩空间的自动唇彩的图像增强的方法 | |
CN108257084B (zh) | 一种基于移动端的轻量级人脸自动化妆方法 | |
CN1475969B (zh) | 用于增强人像图像的方法和系统 | |
CN108932493B (zh) | 一种面部皮肤质量评价方法 | |
CN106023151B (zh) | 一种开放环境下中医舌象目标检测方法 | |
CN111562010B (zh) | 一种用于自动化图像色彩校准的方法和装置 | |
JP2010507854A (ja) | ビデオイメージシーケンスを仮想シミュレーションする方法及び装置 | |
CN111627076B (zh) | 换脸方法、装置及电子设备 | |
CN109657612A (zh) | 一种基于人脸图像特征的质量排序系统及其使用方法 | |
WO2014183246A1 (zh) | 一种医学影像处理方法与系统 | |
CN113139557B (zh) | 一种基于二维多元经验模态分解的特征提取方法 | |
CN113223140A (zh) | 利用人工神经网络生成牙科正畸治疗效果的图像的方法 | |
CN114565602A (zh) | 基于多通道融合的图像识别方法、装置和存储介质 | |
CN114511567B (zh) | 舌体与舌苔图像识别分离方法 | |
CN112686820A (zh) | 虚拟美妆方法、装置和电子设备 | |
CN109064431B (zh) | 一种图片亮度调节方法、设备及其存储介质 | |
CN115018696B (zh) | 基于OpenCV仿射变换的人脸口罩数据生成方法 | |
CN109345470B (zh) | 人脸图像融合方法和系统 | |
JPH11306325A (ja) | 対象物検出装置及び対象物検出方法 | |
CN112884642B (zh) | 一种基于人脸识别技术的实时面部老化模拟方法 | |
Bethanigtyas et al. | Classification system vocal cords disease using digital image processing | |
CN111160257B (zh) | 一种对光照变换稳健的单目人脸活体检测方法 | |
JP2002117402A (ja) | 画像処理方法及びその装置 | |
CN109446944B (zh) | 手语的视觉语义-结构化解析方法 |
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 |