CN108510500B - 一种基于人脸肤色检测的虚拟人物形象的头发图层处理方法及*** - Google Patents
一种基于人脸肤色检测的虚拟人物形象的头发图层处理方法及*** Download PDFInfo
- Publication number
- CN108510500B CN108510500B CN201810138228.5A CN201810138228A CN108510500B CN 108510500 B CN108510500 B CN 108510500B CN 201810138228 A CN201810138228 A CN 201810138228A CN 108510500 B CN108510500 B CN 108510500B
- Authority
- CN
- China
- Prior art keywords
- skin color
- area
- face
- processing
- feature points
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 32
- 210000004209 hair Anatomy 0.000 title claims abstract description 28
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000009877 rendering Methods 0.000 claims abstract description 13
- 230000007704 transition Effects 0.000 claims abstract description 13
- 230000000694 effects Effects 0.000 claims abstract description 9
- 238000006748 scratching Methods 0.000 claims abstract description 9
- 210000003128 head Anatomy 0.000 claims description 18
- 210000001508 eye Anatomy 0.000 claims description 11
- 210000004709 eyebrow Anatomy 0.000 claims description 7
- 230000002393 scratching effect Effects 0.000 claims description 6
- 230000001815 facial effect Effects 0.000 claims description 4
- 238000010801 machine learning Methods 0.000 claims description 4
- 210000000697 sensory organ Anatomy 0.000 claims description 4
- 238000003672 processing method Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 8
- 239000000126 substance Substances 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 210000000088 lip Anatomy 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/60—Editing figures and text; Combining figures or text
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06V40/161—Detection; Localisation; Normalisation
-
- 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
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
-
- 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
- G06T2207/20036—Morphological image processing
-
- 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)
- Oral & Maxillofacial Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
一种基于人脸肤色检测的虚拟人物形象的头发图层处理方法,其特征在于,包括,检测人脸区域和特征点;肤色区域处理;肤色区域以及特征点轮廓、抠头掩码mask等信息,得到人脸掩码mask;人脸掩码处理,边缘过渡自然;渲染各图层,生成最终的形象。本发明提供了一种基于人脸肤色检测的虚拟人物形象的头发图层处理方法及***。由于在抠头中头发抠图的难度较大,抠头发的效果会由于各种背景和服装的影响而变得不自然,所以本发明采用了让头发放在身体和服装图层的后面的方案,遮盖住不自然的头发部分,使得生成的人物形象更加美观。
Description
技术领域
本发明涉及计算机图像处理领域,尤其涉及一种基于人脸肤色检测的虚拟人物形象的头发图层处理方法及***。
背景技术
随着人工智能技术的不断发展,图像处理在我们的日常生活当中扮演着越来越重要的角色。其中,虚拟人物形象头发处理是图像处理当中比较重要一个领域,而在进行虚拟人物形象头发处理之前需要进行人脸、特征点、肤色区域检测。人脸和特征点检测主要是基于机器学习的检测技术。肤色检测主要是根据皮肤的固有色彩在图像中选取相对应的颜色范围作为皮肤颜色,也即是在图像中选取人体皮肤所在区域的像素点的过程。
现有的方案主要有,方案一:检测图片当前帧图片的人脸信息,根据主动形状模型(Active Shape Model,ASM)算法,得到人脸区域的大概轮廓,依据轮廓区域估计人脸的皮肤区域,规避掉一些可能误导的区域(比如眼睛,眉毛和嘴唇区域),依据估计出的人脸的肤色区域,根据事先设定好的皮肤阈值经验参数,对估计出的人脸的肤色区域进行阈值分割,在不同的肤色区域,均匀选择一定数量的肤色种子,根据选定的种子点,进行周边连通区域的蔓延和检测,从而可以检测到所有连通的肤色区域;方案二:从图片当前帧图片的灰度图中获取人脸区域,计算人脸区域的直方图,并找到该直方图的近似谷点,通过该近似谷点对人脸区域中的肤色区域和非肤色区域进行划分。然而,上述两种方案在抠头中头发抠图的难度较大,抠头发的效果会由于各种背景和服装的影响而变得不自然。
发明内容
本发明提供一种基于人脸肤色检测的虚拟人物形象的头发图层处理方法,包括,
检测人脸区域和特征点;
肤色区域处理;
肤色区域以及特征点轮廓、抠头掩码mask等信息,得到人脸掩码mask;
人脸掩码处理,边缘过渡自然;
渲染各图层,生成最终的形象。
所述的检测图片的人脸区域,使用基于机器学习的人脸区域检测和特征点检测技术,得到五官和脸部轮廓的特征点。
所述的肤色区域处理,包括,
结合特征点和亮度信息得到初始的肤色区域;
结合亮度和颜色信息在初始的肤色区域,得到准确的肤色区域;
基于肤色区域,根据Skin Color Modeling of Digital Photographic Images数字摄影图像的肤色建模的方法估计肤色的椭球空间;
基于肤色椭球空间距离,用图割(graph cut)中的最大流最小割(max flow/mincut)方法求解,得到优化的肤色区域。
所述的结合特征点和亮度信息得到初始的肤色区域,包括,
在特征点0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,45,46,47,42,27,39,40,41,36围成的多边形区域中填充255,在特征点48,49,50,51,52,53,54,55,56,57,58,59围成的多边形区域中填充0;把亮度值L<30的的区域填充0,得到初始的肤色区域。
所述的结合亮度和颜色信息在初始的肤色区域,得到准确的肤色区域,包括,
统计得到肤色区域的亮度点集,其中记录肤色区域中每个像素的亮度和位置信息;
对亮度点集按亮度值从小到大排序,并去掉15%-20%过黑及10%-15%过亮的像素点;
选择肤色区域的中间亮度点集作为种子点集,根据肤色区域的点集,寻找中间的点的位置并选择左右正负5的范围,作为种子点集;
选择新的候选肤色区域,选择特征点1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,27,26,25,24,23,22,21,20,19,18作为外轮廓,把18,19,20,21,22(左眉毛)和23,24,25,26,27(右眉毛)的部分往下拉,去掉31,32,33,34,35,36(鼻子)围成的部分,并且去掉37,38,39,40,41,42(右眼)和43,44,45,46,47,48(左眼)围成的部分;
遍历种子点集,把(d)得到的候选肤色区域里所有与种子点的BGR颜色距离小于50的像素作为新的肤色区域。
所述的基于肤色区域,根据数字摄影图像的肤色建模Skin Color Modeling ofDigital Photographic Images的方法估计肤色的椭球空间,肤色的椭球空间模型为:
Φ(X)=[X-Ψ]TA-l[X-Ψ]
其中,
X1,...,Xn代表肤色区域出现的颜色,f(Xi)代表颜色Xi出现的次数。
基于肤色区域,估计肤色的椭球空间模型;
对抠头掩码mask的每个像素都代入肤色的椭球空间模型求解,得到每个像素与肤色的椭球空间距离。
所述的基于肤色椭球空间距离,用图割(graph cut)中的最大流最小割(maxflow/min cut)方法求解得到更平滑的肤色区域,包括,
设置平滑项,代表相邻点之间的权值,
Dist1代表相邻像素之间的颜色差异,σ1设为15,α设为20;
设置数据项,代表点与源汇点(Source/Sink)之间的权值,
Dist2代表像素离肤色的椭球空间距离(5c),β设为1,δ2设为15。
所述的对人脸掩码处理,边缘过渡自然,包括,
对人脸掩码mask做膨胀7圈再缩小7圈的操作;
再做5x5的高斯模糊2次,保证人脸边缘过渡自然;
得到处理的人脸掩码和人脸四通道图片。
所述的渲染各图层,生成最终的形象,包括,
贴真实的头部图层,抠头掩码得到的四通道图片;
贴虚拟的身体和衣服图层;
顶层贴真实的人脸图层;
最终的形象生成效果。
本发明提供一种基于人脸肤色检测的虚拟人物形象的头发图层处理***,包括,
检测模块,用于检测人脸区域和特征点;
区域处理模块,用于肤色区域处理;
抠头处理模块,用于肤色区域以及特征点轮廓、抠头掩码mask等信息,得到人脸掩码mask;
人脸掩码处理模块,用于人脸掩码处理,边缘过渡自然;
渲染模块,用于渲染各图层,生成最终的形象。
本发明提供一种基于人脸肤色检测的虚拟人物形象的头发图层处理的产品,包括适用于虚拟现实、虚拟试衣、虚拟社交、服装、鞋和配饰、以及非真实接触量体的图像。
有益效果:
本发明提供了一种基于人脸肤色检测的虚拟人物形象的头发图层处理方法及***。由于在抠头中头发抠图的难度较大,抠头发的效果会由于各种背景和服装的影响而变得不自然,所以本发明采用了让头发放在身体和服装图层的后面的方案,遮盖住不自然的头发部分,使得生成的人物形象更加美观。
附图说明:
图1是五官和脸部轮廓的特征点示意图
图2是抠头mask掩码示意图
图3是初始的肤色区域示意图
图4是准确的肤色区域示意图
图5是新的肤色区域示意图
图6是每个像素与肤色的椭球空间距离示意图
图7是优化肤色区域示意图
图8是人脸mask掩码示意图
图9处理后的人脸mask掩码示意图
图10处理后的人脸四通道示意图
图11最终的形象生成效果示意图
具体实施方式
本实施例提供一种基于人脸肤色检测的虚拟人物形象的头发图层处理方法,包括,
检测人脸区域和特征点;
肤色区域处理;
肤色区域以及特征点轮廓、抠头掩码mask等信息,得到人脸掩码mask;
人脸掩码处理,边缘过渡自然;
渲染各图层,生成最终的形象。
优选实施例,本实施例中的检测图片的人脸区域,使用基于机器学习的人脸区域检测和特征点检测技术,得到五官和脸部轮廓的特征点。
优选实施例,本实施例中的肤色区域处理,包括,
结合特征点和亮度信息得到初始的肤色区域;
结合亮度和颜色信息在初始的肤色区域,得到准确的肤色区域;
基于肤色区域,根据Skin Color Modeling of Digital Photographic Images数字摄影图像的肤色建模的方法估计肤色的椭球空间;
基于肤色椭球空间距离,用图割(graph cut)中的最大流最小割(max flow/mincut)方法求解,得到优化的肤色区域。
优选实施例,本实施例中结合特征点和亮度信息得到初始的肤色区域,包括,在特征点0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,45,46,47,42,27,39,40,41,36围成的多边形区域中填充255,在特征点48,49,50,51,52,53,54,55,56,57,58,59围成的多边形区域中填充0;把亮度值L<30的的区域填充0,得到初始的肤色区域。
优选实施例,本实施例中结合亮度和颜色信息在初始的肤色区域,得到准确的肤色区域,包括,
统计得到肤色区域的亮度点集,其中记录肤色区域中每个像素的亮度和位置信息;
对亮度点集按亮度值从小到大排序,并去掉15%-20%过黑及10%-15%过亮的像素点;
选择肤色区域的中间亮度点集作为种子点集,根据肤色区域的点集,寻找中间的点的位置并选择左右正负5的范围,作为种子点集;
选择新的候选肤色区域,选择特征点1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,27,26,25,24,23,22,21,20,19,18作为外轮廓,把18,19,20,21,22(左眉毛)和23,24,25,26,27(右眉毛)的部分往下拉,去掉31,32,33,34,35,36(鼻子)围成的部分,并且去掉37,38,39,40,41,42(右眼)和43,44,45,46,47,48(左眼)围成的部分;
遍历种子点集,把(d)得到的候选肤色区域里所有与种子点的BGR颜色距离小于50的像素作为新的肤色区域。
优选实施例,本实施例中基于肤色区域,根据数字摄影图像的肤色建模SkinColor Modeling of Digital Photographic Images的方法估计肤色的椭球空间,肤色的椭球空间模型为:
Φ(X)=[X-Ψ]TA-l[X-Ψ]
其中,
X1,...,Xn代表肤色区域出现的颜色,f(Xi)代表颜色Xi出现的次数。
基于肤色区域,估计肤色的椭球空间模型;
对抠头掩码mask的每个像素都代入肤色的椭球空间模型求解,得到每个像素与肤色的椭球空间距离。
优选实施例,本实施例中基于肤色椭球空间距离,用图割(graph cut)中的最大流最小割(max flow/min cut)方法求解得到更平滑的肤色区域,包括,
设置平滑项,代表相邻点之间的权值,
Dist1代表相邻像素之间的颜色差异,σ1设为15,α设为20;
设置数据项,代表点与源汇点(Source/Sink)之间的权值,
Dist2代表像素离肤色的椭球空间距离(5c),β设为1,δ2设为15。
优选实施例,本实施例中对人脸掩码处理,边缘过渡自然,包括,
对人脸掩码mask做膨胀7圈再缩小7圈的操作;
再做5x5的高斯模糊2次,保证人脸边缘过渡自然;
得到处理的人脸掩码和人脸四通道图片。
优选实施例,本实施例中渲染各图层,生成最终的形象,包括,
贴真实的头部图层,抠头掩码得到的四通道图片;
贴虚拟的身体和衣服图层;
顶层贴真实的人脸图层;
最终的形象生成效果。
本实施例提供一种基于人脸肤色检测的虚拟人物形象的头发图层处理***,包括,
检测模块,用于检测人脸区域和特征点;
区域处理模块,用于肤色区域处理;
抠头处理模块,用于肤色区域以及特征点轮廓、抠头掩码mask等信息,得到人脸掩码mask;
人脸掩码处理模块,用于人脸掩码处理,边缘过渡自然;
渲染模块,用于渲染各图层,生成最终的形象。
本实施例提供一种基于人脸肤色检测的虚拟人物形象的头发图层处理的产品,包括适用于虚拟现实、虚拟试衣、虚拟社交、服装、鞋和配饰、以及非真实接触量体的图像。
Claims (6)
1.一种基于人脸肤色检测的虚拟人物形象的头发图层处理方法,其特征在于,包括,
检测人脸区域和特征点;
肤色区域处理;
根据肤色区域以及特征点轮廓、抠头掩码mask,得到人脸掩码mask;
人脸掩码处理,边缘过渡自然;
渲染各图层,生成最终的形象;
所述的肤色区域处理,包括:
结合特征点和亮度信息得到初始的肤色区域;
结合亮度和颜色信息在初始的肤色区域,得到准确的肤色区域;
基于肤色区域,根据数字摄影图像的肤色建模的方法估计肤色的椭球空间;
基于肤色椭球空间距离,用图割中的最大流最小割方法求解,得到优化的肤色区域;
所述的结合特征点和亮度信息得到初始的肤色区域,包括:
在脸部外轮廓对应的特征点和左眼下部、右眼下部对应的特征点围成的多边形区域中填充255,在嘴巴对应的特征点围成的多边形区域中填充0;
把亮度值L<30的的区域填充0,得到初始的肤色区域;
渲染各图层,生成最终的形象,包括,
贴真实的头部图层,抠头掩码得到的四通道图片;
贴虚拟的身体和衣服图层;
顶层贴真实的人脸图层,让头发放在身体和服装图层的后面,最终的形象生成效果。
2.如权利要求1所述的一种基于人脸肤色检测的虚拟人物形象的头发图层处理方法,其特征在于,所述的检测图片的人脸区域,使用基于机器学习的人脸区域检测和特征点检测技术,得到五官和脸部轮廓的特征点。
3.如权利要求1所述的一种基于人脸肤色检测的虚拟人物形象的头发图层处理方法,其特征在于,所述的结合亮度和颜色信息在初始的肤色区域,得到准确的肤色区域,包括,
统计得到肤色区域的亮度点集,其中记录肤色区域中每个像素的亮度和位置信息;
对亮度点集按亮度值从小到大排序,并去掉15%-20%过黑及10%-15%过亮的像素点;
选择肤色区域的中间亮度点集作为种子点集,根据肤色区域的点集,寻找中间的点的位置并选择左右正负5的范围,作为种子点集;
选择新的候选肤色区域,选择外轮廓特征点,把左眉毛特征点和右眉毛特征点的部分往下拉,去掉鼻子特征点围成的部分,并且去掉右眼特征点和左眼特征点围成的部分;
遍历种子点集,把候选肤色区域里所有与种子点的BGR颜色距离小于50的像素作为新的肤色区域。
4.如权利要求1所述的一种基于人脸肤色检测的虚拟人物形象的头发图层处理方法,其特征在于,对人脸掩码处理,边缘过渡自然,包括,
对人脸掩码mask做膨胀7圈再缩小7圈的操作;
再做5x5的高斯模糊2次,保证人脸边缘过渡自然;
得到处理的人脸掩码和人脸四通道图片。
5.一种基于人脸肤色检测的虚拟人物形象的头发图层处理***,其特征在于,包括,
检测模块,检测人脸区域和特征点;
区域处理模块,肤色区域处理;
抠头处理模块,根据肤色区域以及特征点轮廓、抠头掩码mask,得到人脸掩码mask;
人脸掩码处理模块,人脸掩码处理,边缘过渡自然;
渲染模块,渲染各图层,生成最终的形象;
所述的肤色区域处理,包括:
结合特征点和亮度信息得到初始的肤色区域;
结合亮度和颜色信息在初始的肤色区域,得到准确的肤色区域;
基于肤色区域,根据数字摄影图像的肤色建模的方法估计肤色的椭球空间;
基于肤色椭球空间距离,用图割中的最大流最小割方法求解,得到优化的肤色区域;
所述的结合特征点和亮度信息得到初始的肤色区域,包括:
在脸部外轮廓对应的特征点和左眼下部、右眼下部对应的特征点围成的多边形区域中填充255,在嘴巴区域对应的特征点围成的多边形区域中填充0;
把亮度值L<30的的区域填充0,得到初始的肤色区域;
所述渲染模块,包括,
贴真实的头部图层,抠头掩码得到的四通道图片;
贴虚拟的身体和衣服图层;
顶层贴真实的人脸图层,让头发放在身体和服装图层的后面,最终的形象生成效果。
6.一种基于人脸肤色检测的虚拟人物形象的头发图层处理的产品,其特征在于,包括适用于虚拟现实、虚拟试衣、虚拟社交、服装、鞋和配饰、以及非真实接触量体的图像,所述的一种基于人脸肤色检测的虚拟人物形象的头发图层处理的产品为权利要求1至4中任意一项所述的一种基于人脸肤色检测的虚拟人物形象的头发图层处理方法及***。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810138228.5A CN108510500B (zh) | 2018-05-14 | 2018-05-14 | 一种基于人脸肤色检测的虚拟人物形象的头发图层处理方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810138228.5A CN108510500B (zh) | 2018-05-14 | 2018-05-14 | 一种基于人脸肤色检测的虚拟人物形象的头发图层处理方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108510500A CN108510500A (zh) | 2018-09-07 |
CN108510500B true CN108510500B (zh) | 2021-02-26 |
Family
ID=63374657
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810138228.5A Active CN108510500B (zh) | 2018-05-14 | 2018-05-14 | 一种基于人脸肤色检测的虚拟人物形象的头发图层处理方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108510500B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109685876B (zh) | 2018-12-21 | 2020-11-03 | 北京达佳互联信息技术有限公司 | 毛发渲染方法、装置、电子设备及存储介质 |
CN111862290B (zh) * | 2020-07-03 | 2021-05-11 | 完美世界(北京)软件科技发展有限公司 | 一种基于径向模糊的绒毛渲染方法、装置及存储介质 |
CN111931908B (zh) * | 2020-07-23 | 2024-06-11 | 北京电子科技学院 | 一种基于人脸轮廓的人脸图像自动生成方法 |
CN112270735B (zh) * | 2020-10-27 | 2023-07-28 | 北京达佳互联信息技术有限公司 | 虚拟形象模型生成方法、装置、电子设备及存储介质 |
CN112465734A (zh) * | 2020-10-29 | 2021-03-09 | 星业(海南)科技有限公司 | 一种图片图层的分离方法和装置 |
CN113426138B (zh) * | 2021-05-28 | 2023-03-31 | 广州三七极创网络科技有限公司 | 虚拟角色的边缘描绘方法、装置和设备 |
CN114155324B (zh) * | 2021-12-02 | 2023-07-25 | 北京字跳网络技术有限公司 | 虚拟角色的驱动方法、装置、电子设备及可读存储介质 |
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 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102236786A (zh) * | 2011-07-04 | 2011-11-09 | 北京交通大学 | 一种光照自适应的人体肤色检测方法 |
CN104902189A (zh) * | 2015-06-24 | 2015-09-09 | 小米科技有限责任公司 | 图片处理方法及装置 |
CN105719234A (zh) * | 2016-01-26 | 2016-06-29 | 厦门美图之家科技有限公司 | 用于人脸区域的自动去油光方法、***及拍摄终端 |
CN107562963A (zh) * | 2017-10-12 | 2018-01-09 | 杭州群核信息技术有限公司 | 一种筛选家装设计渲染图的方法和装置 |
CN107730573A (zh) * | 2017-09-22 | 2018-02-23 | 西安交通大学 | 一种基于特征提取的人物肖像漫画风格化生成方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103116902A (zh) * | 2011-11-16 | 2013-05-22 | 华为软件技术有限公司 | 三维虚拟人头像生成方法、人头像运动跟踪方法和装置 |
CN103456010B (zh) * | 2013-09-02 | 2016-03-30 | 电子科技大学 | 一种基于特征点定位的人脸卡通画生成方法 |
US9928601B2 (en) * | 2014-12-01 | 2018-03-27 | Modiface Inc. | Automatic segmentation of hair in images |
CN106652037B (zh) * | 2015-10-30 | 2020-04-03 | 深圳超多维光电子有限公司 | 一种人脸贴图处理方法及装置 |
-
2018
- 2018-05-14 CN CN201810138228.5A patent/CN108510500B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102236786A (zh) * | 2011-07-04 | 2011-11-09 | 北京交通大学 | 一种光照自适应的人体肤色检测方法 |
CN104902189A (zh) * | 2015-06-24 | 2015-09-09 | 小米科技有限责任公司 | 图片处理方法及装置 |
CN105719234A (zh) * | 2016-01-26 | 2016-06-29 | 厦门美图之家科技有限公司 | 用于人脸区域的自动去油光方法、***及拍摄终端 |
CN107730573A (zh) * | 2017-09-22 | 2018-02-23 | 西安交通大学 | 一种基于特征提取的人物肖像漫画风格化生成方法 |
CN107562963A (zh) * | 2017-10-12 | 2018-01-09 | 杭州群核信息技术有限公司 | 一种筛选家装设计渲染图的方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108510500A (zh) | 2018-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108510500B (zh) | 一种基于人脸肤色检测的虚拟人物形象的头发图层处理方法及*** | |
CN112669447B (zh) | 一种模型头像创建方法、装置、电子设备和存储介质 | |
US8831379B2 (en) | Cartoon personalization | |
US9013489B2 (en) | Generation of avatar reflecting player appearance | |
Liao et al. | Automatic caricature generation by analyzing facial features | |
US8913847B2 (en) | Replacement of a person or object in an image | |
US20090263038A1 (en) | Method for creating photo cutouts and collages | |
CN110390632B (zh) | 基于妆容模板的图像处理方法、装置、存储介质及终端 | |
WO2022095721A1 (zh) | 参数估算模型的训练方法、装置、设备和存储介质 | |
US20080309662A1 (en) | Example Based 3D Reconstruction | |
JP4979033B2 (ja) | オブジェクト・ベース視覚的注意モデルの顕著性推定 | |
CN104794693B (zh) | 一种人脸关键区域自动检测蒙版的人像优化方法 | |
CN108197533A (zh) | 一种基于用户表情的人机交互方法、电子设备及存储介质 | |
TW201123081A (en) | Method and system for picture segmentation and method for image matting of a picture | |
US20220245912A1 (en) | Image display method and device | |
CN105956995B (zh) | 一种基于实时视频本征分解的人脸外观编辑方法 | |
KR20230097157A (ko) | 개인화된 3d 헤드 모델 변형을 위한 방법 및 시스템 | |
CN113628327A (zh) | 一种头部三维重建方法及设备 | |
KR20230085931A (ko) | 얼굴 이미지에서 색상을 추출하기 위한 방법 및 시스템 | |
CN111243051A (zh) | 基于肖像照片的简笔画生成方法、***及存储介质 | |
KR101112142B1 (ko) | 참조 이미지를 이용한 카툰 렌더링 장치 및 방법 | |
JP2024506170A (ja) | 個人化された3d頭部モデルおよび顔モデルを形成するための方法、電子装置、およびプログラム | |
CN113870404B (zh) | 一种3d模型的皮肤渲染方法及显示设备 | |
CN112052843B (zh) | 一种从粗到精的人脸关键点检测方法 | |
Guo | Digital anti-aging in face 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: 20231117 Address after: Gao Lou Zhen Hong Di Cun, Rui'an City, Wenzhou City, Zhejiang Province, 325200 Patentee after: Wang Conghai Address before: 10 / F, Yihua financial technology building, 2388 Houhai Avenue, high tech park, Yuehai street, Nanshan District, Shenzhen, Guangdong 518000 Patentee before: SHENZHEN CLOUDREAM INFORMATION TECHNOLOGY CO.,LTD. |