CN110473295B - 一种基于三维人脸模型进行美颜处理的方法和设备 - Google Patents

Abstract

本发明公开了一种基于三维人脸模型进行美颜处理的方法和设备，该方法包括：扫描获取与真实人脸对应的三维人脸模型；对所述三维人脸模型进行检测，确定预设数量的关键特征点；根据用户的选择确定目标美颜效果，将与所述目标美颜效果对应的关键特征点作为美颜特征点；根据预设调整范围对所述美颜特征点的特征值进行调整，获取美颜处理后的三维人脸模型，从而实现对三维人脸模型进行高效的美颜处理，使用户获得更好的美颜体验。

Description

一种基于三维人脸模型进行美颜处理的方法和设备

技术领域

本发明涉及人像处理技术领域，特别涉及一种基于三维人脸模型进行美颜处理的方法和设备。

背景技术

现有技术中已经有多种美颜技术及美颜软件，但均是基于统一的默认美颜参数对真实人脸进行的美颜，美颜效果千篇一律，而对于通过扫描目标真实人脸生成的三维人脸模型，却由于每个人的特征不同，生成的三维模型的布线也不同，导致难以针对不同的三维人脸模型进行美颜。

发明内容

本发明提供一种基于三维人脸模型进行美颜处理的方法，用以解决现有技术中只能基于统一的默认美颜参数对真实人脸进行美颜，难以针对不同的三维人脸模型进行美颜的问题，所述方法包括：

扫描获取与真实人脸对应的三维人脸模型；

对所述三维人脸模型进行检测，确定预设数量的关键特征点；

根据用户的选择确定目标美颜效果，将与所述目标美颜效果对应的关键特征点作为美颜特征点；

根据预设调整范围对所述美颜特征点的特征值进行调整，获取美颜处理后的三维人脸模型。

优选的，所述扫描获取与真实人脸对应的三维人脸模型，具体为：

扫描所述真实人脸，获取包括所述真实人脸的正面、左面及右面的原始图形；

将所述原始图形作为所述三维人脸模型，和或基于所述原始图形生成模型网格后作为所述三维人脸模型。

优选的，当所述目标美颜效果为美白磨皮时，根据预设调整范围对所述美颜特征点的特征值进行调整，具体为：

基于优化后的表面模糊滤波算法对所述原始图形进行处理，获取第二图形，其中所述优化具体为降低算法复杂度；

对所述原始图形和所述第二图形进行高反差保留处理，获取第三图形；

对所述第三图形进行高光操作并放大对比度，获取第四图形；

通过色阶调整对所述第四图形的阴影部分进行调亮操作并选中脸部皮肤的斑点部分，获取第五图形；

将所述第二图形和所述第五图形进行融合后按所述原始图形的UV纹理贴图坐标展开得到三张UV贴图；

对三张所述UV贴图进行合成操作，获取第六图形；

基于固定遮罩去除所述第六图形中的鼻子阴影；

基于HSV颜色空间的肤色检测平滑算法选中肤色区域遮罩；

基于HSV颜色空间的线性放大操作确定肤色。

优选的，当所述目标美颜效果为大眼时，根据预设调整范围对所述美颜特征点的特征值进行调整，具体为：

步骤A、确定所述模型网格中的人眼布局；

步骤B、根据所述人眼布局和眼睛在人脸上的分布规律确定大眼作用区域；

步骤C、选取所述大眼作用区域中的网格顶点；

步骤D、基于局部缩放扭曲算法对所述网格顶点进行处理；

步骤E、根据大眼参数的预设调整范围对处理后的所述网格顶点的特征值进行调整，其中，基于不同的大眼参数重复执行步骤A至步骤D进行大眼效果调整，根据所述大眼效果调整的结果确定所述大眼参数的预设调整范围。

优选的，当所述目标美颜效果为瘦脸时，根据预设调整范围对所述美颜特征点的特征值进行调整，具体为：

步骤a、基于所述模型网格生成瘦脸模型blendshape；

步骤b、利用混合系数将所述blendshape与所述模型网格混合为瘦脸模型网格；

步骤c、根据瘦脸参数的预设调整范围对所述瘦脸模型网格的特征值进行调整，其中，基于不同的瘦脸参数重复执行步骤a至步骤b进行瘦脸效果调整，根据所述瘦脸效果调整的结果确定所述瘦脸参数的预设调整范围。

相应地，本申请还提出了一种基于三维人脸模型进行美颜处理的设备，包括：

扫描模块，用于扫描获取与真实人脸对应的三维人脸模型；

检测模块，用于对所述三维人脸模型进行检测，确定预设数量的关键特征点；

确定模块，用于根据用户的选择确定目标美颜效果，将与所述目标美颜效果对应的关键特征点作为美颜特征点；

调整模块，用于根据预设调整范围对所述美颜特征点的特征值进行调整，获取美颜处理后的三维人脸模型。

优选的，所述扫描模块，具体用于：

扫描所述真实人脸，获取包括所述真实人脸的正面、左面及右面的原始图形；

将所述原始图形作为所述三维人脸模型，和或基于所述原始图形生成模型网格后作为所述三维人脸模型。

优选的，当所述目标美颜效果为美白磨皮时，所述调整模块，具体用于：

基于优化后的表面模糊滤波算法对所述原始图形进行处理，获取第二图形，其中所述优化具体为降低算法复杂度；

对所述原始图形和所述第二图形进行高反差保留处理，获取第三图形；

对所述第三图形进行高光操作并放大对比度，获取第四图形；

通过色阶调整对所述第四图形的阴影部分进行调亮操作并选中脸部皮肤的斑点部分，获取第五图形；

将所述第二图形和所述第五图形进行融合后按所述原始图形的UV纹理贴图坐标展开得到三张UV贴图；

对三张所述UV贴图进行合成操作，获取第六图形；

基于固定遮罩去除所述第六图形中的鼻子阴影；

基于HSV颜色空间的肤色检测平滑算法选中肤色区域遮罩；

基于HSV颜色空间的线性放大操作确定肤色。

优选的，当所述目标美颜效果为大眼时，所述调整模块，具体用于：

步骤A、确定所述模型网格中的人眼布局；

步骤B、根据所述人眼布局和眼睛在人脸上的分布规律确定大眼作用区域；

步骤C、选取所述大眼作用区域中的网格顶点；

步骤D、基于局部缩放扭曲算法对所述网格顶点进行处理；

步骤E、根据大眼参数的预设调整范围对处理后的所述网格顶点的特征值进行调整，其中，基于不同的大眼参数重复执行步骤A至步骤D进行大眼效果调整，根据所述大眼效果调整的结果确定所述大眼参数的预设调整范围。

优选的，当所述目标美颜效果为瘦脸时，所述调整模块，具体用于：

步骤a、基于所述模型网格生成瘦脸模型blendshape；

步骤b、利用混合系数将所述blendshape与所述模型网格混合为瘦脸模型网格；

步骤c、根据瘦脸参数的预设调整范围对所述瘦脸模型网格的特征值进行调整，其中，基于不同的瘦脸参数重复执行步骤a至步骤b进行瘦脸效果调整，根据所述瘦脸效果调整的结果确定所述瘦脸参数的预设调整范围。

由此可见，通过应用以上技术方案，扫描获取与真实人脸对应的三维人脸模型；对所述三维人脸模型进行检测，确定预设数量的关键特征点；根据用户的选择确定目标美颜效果，将与所述目标美颜效果对应的关键特征点作为美颜特征点；根据预设调整范围对所述美颜特征点的特征值进行调整，获取美颜处理后的三维人脸模型，实现对三维人脸模型进行高效的美颜处理，使用户获得更好的美颜体验。

附图说明

图1为本申请实施例提出的一种基于三维人脸模型进行美颜处理的方法的流程示意图；

图2为本申请实施例提出的一种基于三维人脸模型进行美颜处理的设备的结构示意图；

图3为本申请具体实施例中获取的用于美白磨皮的原始图形；

图4为本申请具体实施例中获取的用于大眼的模型网格；

图5为本申请具体实施例中获取的用于瘦脸的模型网格；

图6为本申请具体实施例中经优化后的表面模糊滤波算法处理后的效果图；

图7为本申请具体实施例中经高反差保留处理后的效果图；

图8为本申请具体实施例中经高光操作处理后的面部阴影效果图；

图9为本申请具体实施例中经色阶调整处理后的效果图；

图10为本申请具体实施例中磨皮祛斑后的效果图；

图11为本申请具体实施例中的第一UV贴图；

图12为本申请具体实施例中的第二UV贴图；

图13为本申请具体实施例中的第三UV贴图；

图14为本申请具体实施例中三张UV贴图合成后的效果图；

图15为本申请具体实施例中去除鼻子阴影后的效果图；

图16为本申请具体实施例中选中肤色区域遮罩后的效果图；

图17为本申请具体实施例中确定肤色后的效果图；

图18为本申请具体实施例中经美白磨皮处理后的人脸三维模型的效果图；

图19为本申请具体实施例中确定大眼作用区域后的效果图；

图20为本申请具体实施例中选取大眼作用区域中网格顶点后的效果图；

图21为本申请具体实施例中经大眼处理后的人脸三维模型的效果图；

图22为本申请具体实施例中经瘦脸处理后的人脸三维模型的效果图。

具体实施方式

如背景技术所述，现有技术中只能基于统一的默认美颜参数对真实人脸进行美颜，难以针对不同的三维人脸模型进行美颜。

为解决上述问题，本申请实施例提出了一种基于三维人脸模型进行美颜处理的方法，通过检测获取人脸的关键特征点，根据预设调整范围对所述关键特征点的特征值进行调整，从而对不同的三维人脸模型进行实时美颜，获得更好的美颜处理效果。

如图1所示，本申请提出的一种基于三维人脸模型进行美颜处理的方法的流程示意图，该方法包括以下步骤：

S101，扫描获取与真实人脸对应的三维人脸模型；

具体的，通过相机或扫描仪等扫描设备对真实人脸进行三维扫描，获取与真实人脸对应的三维人脸模型。

需要说明的是，本领域技术人员可以根据实际情况采用不同的扫描设备对真实人脸进行扫描，这并不影响本申请的保护范围。

考虑到不同的美颜效果需要基于不同的三维人脸模型获得，在本申请的优选实施例中，所述扫描获取与真实人脸对应的三维人脸模型，具体为：

扫描所述真实人脸，获取包括所述真实人脸的正面、左面及右面的原始图形；

将所述原始图形作为所述三维人脸模型，和或基于所述原始图形生成模型网格后作为所述三维人脸模型。

具体的，通过扫描真实人脸，可获取真实人脸的正面、左面及右面的原始图形，将此原始图形作为三维人脸模型，可基于此原始图形进行美白磨皮等美颜处理，和或基于所述原始图形生成模型网格后作为所述三维人脸模型，可基于此模型网格进行大眼及瘦脸等美颜处理。

在基于原始图形生成模型网格时，本领域技术人员可根据实际情况灵活选用不同的方式如AR开发平台ARKit或深度图技术等方式，不同的方式并不影响本申请的保护范围。

S102，对所述三维人脸模型进行检测，确定预设数量的关键特征点。

具体的，对上一步获取的三维人脸模型进行检测，可确定出预设数量的关键特征点，该关键特征点可以是对三维人脸模型的形状具有主要影响的部位对应的特征点，如人脸的轮廓、眼角、鼻尖、鼻翼、眼角、嘴角、眉毛等主要部位对应的特征点。

本领域技术人员可根据实际需要确定不同预设数量的关键特征点，这并不影响本申请的保护范围。

S103，根据用户的选择确定目标美颜效果，将与所述目标美颜效果对应的关键特征点作为美颜特征点。

具体的，用户可以根据自己的需要选择不同的目标美颜效果，例如，当用户想要对三维人脸模型进行美白磨皮时，可选择美白磨皮作为目标美颜效果，基于不同的目标美颜效果会对不同的关键特征点进行处理，因此可将目标美颜效果对应的关键特征点作为美颜特征点，后续对该美颜特征点进行处理即可。

本领域技术人员根据实际需要可对同一目标美颜效果选择不同的关键特征点与之对应，这并不影响本申请的保护范围。

S104，根据预设调整范围对所述美颜特征点的特征值进行调整，获取美颜处理后的三维人脸模型。

具体的，通过调整美颜特征点的特征值进行对应的美颜处理，可预先设定调整范围，根据该调整范围进行美颜特征点的特征值的调整，即可获取美颜处理后的三维人脸模型。

为保证对三维人脸模型进行美白磨皮的美颜效果，在本申请优选的实施例中，当所述目标美颜效果为美白磨皮时，根据预设调整范围对所述美颜特征点的特征值进行调整，具体为：

基于优化后的表面模糊滤波算法对所述原始图形进行处理，获取第二图形，其中所述优化具体为降低算法复杂度；

对所述原始图形和所述第二图形进行高反差保留处理，获取第三图形；

对所述第三图形进行高光操作并放大对比度，获取第四图形；

通过色阶调整对所述第四图形的阴影部分进行调亮操作并选中脸部皮肤的斑点部分，获取第五图形；

将所述第二图形和所述第五图形进行融合后按所述原始图形的UV纹理贴图坐标展开得到三张UV贴图；

对三张所述UV贴图进行合成操作，获取第六图形；

基于固定遮罩去除所述第六图形中的鼻子阴影；

基于HSV颜色空间的肤色检测平滑算法选中肤色区域遮罩；

基于HSV颜色空间的线性放大操作确定肤色。

如上所述，当用户选择的目标美颜效果为美白磨皮时，在预设调整范围对所述美颜特征点的特征值进行调整时，通过利用优化后的表面模糊率波算法对获取原始图形表面模糊率波、并进行高反差保留、高光操作、放大对比度、色阶调整、UV纹理贴图的拆分与合成、基于固定遮罩去除鼻子阴影、基于HSV颜色空间选中肤色区域遮罩和确定肤色等一系列流程进行与美白磨皮对应的调整。

需要说明的是，以上优选实施例的方案仅为本申请所提出的一种具体实现方案，其他在预设调整范围对所述美颜特征点的特征值进行调整的方式均属于本申请的保护范围。

为保证对三维人脸模型进行大眼的美颜效果，在本申请优选的实施例中，当所述目标美颜效果为大眼时，根据预设调整范围对所述美颜特征点的特征值进行调整，具体为：

步骤A、确定所述模型网格中的人眼布局；

步骤B、根据所述人眼布局和眼睛在人脸上的分布规律确定大眼作用区域；

步骤C、选取所述大眼作用区域中的网格顶点；

步骤D、基于局部缩放扭曲算法对所述网格顶点进行处理；

步骤E、根据大眼参数的预设调整范围对处理后的所述网格顶点的特征值进行调整，其中，基于不同的大眼参数重复执行步骤A至步骤D进行大眼效果调整，根据所述大眼效果调整的结果确定所述大眼参数的预设调整范围。

如上所述，当用户选择的目标美颜效果为大眼时，在预设调整范围对所述美颜特征点的特征值进行调整时，A、确定模型网格中的人眼布局，其中，人眼布局表示人眼的位置和旋转；B、通过人眼布局和眼睛在人脸上的分布规律确定大眼作用区域；C、选取大眼作用区域中的网格顶点；D、利用局部缩放扭曲算法对所述网格顶点进行处理；E、利用大眼参数的预设调整范围对处理后的网格顶点进行调整，其中，确定大眼参数的预设调整范围的过程可以为：基于不同的大眼参数重复执行前述A至D的操作进行大眼效果调整，根据大眼效果调整的结果确定大眼参数的预设调整范围。

需要说明的是，以上优选实施例的方案仅为本申请所提出的一种具体实现方案，其他在预设调整范围对所述美颜特征点的特征值进行调整的方式均属于本申请的保护范围。

为保证对三维人脸模型进行瘦脸的美颜效果，在本申请优选的实施例中，当所述目标美颜效果为瘦脸时，根据预设调整范围对所述美颜特征点的特征值进行调整，具体为：

基于所述模型网格生成的瘦脸模型作为融合变形blendshape；

根据混合系数对所述blendshape进行处理得到瘦脸模型网格；

根据预设瘦脸参数的调整范围对所述瘦脸模型网格进行调整。

如上所述，当用户选择的目标美颜效果为瘦脸时，在预设调整范围对所述美颜特征点的特征值进行调整时，a、基于所述模型网格生成瘦脸模型blendshape；b、利用混合系数将所述blendshape与所述模型网格混合为瘦脸模型网格；c、根据瘦脸参数的预设调整范围对所述瘦脸模型网格的特征值进行调整，其中，瘦脸参数的预设调整范围的确定过程可以为：基于不同的瘦脸参数重复执行a至b进行瘦脸效果调整，根据瘦脸效果调整的结果确定瘦脸参数的预设调整范围。

需要说明的是，以上优选实施例的方案仅为本申请所提出的一种具体实现方案，其他在预设调整范围对所述美颜特征点的特征值进行调整的方式均属于本申请的保护范围。

通过应用以上技术方案，扫描获取与真实人脸对应的三维人脸模型；对所述三维人脸模型进行检测，确定预设数量的关键特征点；根据用户的选择确定目标美颜效果，将与所述目标美颜效果对应的关键特征点作为美颜特征点；根据预设调整范围对所述美颜特征点的特征值进行调整，获取美颜处理后的三维人脸模型，实现对三维人脸模型进行高效的美颜处理，使用户获得更好的美颜体验。

为了进一步阐述本发明的技术思想，现结合具体的应用场景，对本发明的技术方案进行说明。

本申请实施例提供了一种基于三维人脸模型进行美颜处理的方法，通过对真实人脸扫描生成三维人脸模型，确定该三维人脸模型的多个关键特征点，根据用户选择的目标美颜效果确定对应的美颜特征点，在预设范围内对美颜特征点对应的特征值进行调整，从而对不同的三维人脸模型进行实时美颜，获得了更好的美颜处理效果。

三维人脸模型的获取过程可以为：通过相机等扫描设备扫描真实人脸，获取真实人脸的正面、左面及右面的原始图形，如图3所示，根据AR开发平台ARKit获取该原始图形的模型网格，如图4和图5所示，本领域技术人员也可通过其他方式如深度图技术获取该模型网格，将该原始图形或该网格模型作为待处理的三维人脸模型。

当根据用户选择的目标美颜效果为美白磨皮时，可通过以下步骤进行美颜处理：

第一步，为了保证原始图形的边缘信息，一般通过表面模糊滤波算法对原始图形进行保边过滤器操作，表面模糊滤波算法的公式原理如下：

其中：

r表示邻域半径；

Y表示阀值，范围为[0-255]；

x表示当前像素值；

x_i表示半径为r的邻域内第i个像素值；

X_out表示表面模糊的输出结果值。

然而，表面模糊滤波的算法复杂度是O(n²)，为提高处理效率，本申请实施例对其进行优化，具体通过基于x86/ARM架构的指令集的向量的加减O(1)运算和基于卷积的直方图的O(1)级运算对表面模糊滤波算法进行优化，将表面模糊滤波算法的算法复杂度变为O(1)，具体的优化过程为现有技术，在此不再赘述，从而通过优化后的表面模糊滤波算法对原始图形进行保边过滤器操作，提高了处理效率，处理后的效果图如图6所示。

第二步，对原始图形和经第一步处理后的图形进行高反差保留操作。

高反差保留，就是过滤出一些高对比的部份进行处理，主要是影像的边缘/轮廓部份。保留图像上像素与周围反差比较大的部分，其它的部分都变为灰色。例如人像就保留了眼睛、嘴、皮肤斑点及轮廓等，处理后的效果图如图7所示。

高反差保留的原理公式如下：

f(x)＝x-blur(x)+0.5

其中，对于每个像素值x范围是[0,1]之间，其中blur函数是上一步中的表面模糊函数。

第三步，将经第二步处理后的图形进行高光操作，放大对比度，得到面部的阴影，处理后的效果图如图8所示。

高光操作的原理公式如下：

f(x)＝2*x*x x<＝0.5

f(x)＝＝1-2*(1-x)(1-x) x>0.5

其中，对于每个像素值x范围是[0,1]之间，若x小于等于0.5，进行f(x)＝2*x*x操作，若x大于0.5，则进行f(x)＝1-2*(1-x)(1-x)，目的是为了让图形的阴影或边缘更加清晰。

对比度指图像中明暗区域最亮的白和最暗的黑之间不同亮度层级的测量，差异范围越大代表对比越大，差异范围越小代表对比越小，通过放大对比度，可提高图像的清晰度、细节表现、灰度层次表现。

第四步，通过色阶调整对经第三步处理后的阴影部分进行调亮操作并选中脸部皮肤的斑点部分，进行直方图调整，处理后的效果图如图9所示。

色阶是表示图像亮度强弱的指数标准，图像的色彩丰满度和精细度是由色阶决定的。色阶指亮度，和颜色无关，但最亮的只有白色，最不亮的只有黑色。

色阶的直方图调整曲线的原理公式如下：

f(x)＝curve(x)

其中，curve(x)具体的形式可参考三角函数或幂函数。

第五步，将经第一步处理后的图形与经第四步处理后的图形进行融合，达到磨皮祛斑效果，处理后的效果图如图10所示，具体的原理公式如下：

f(u,v)＝src(u,v)*a+dest(u,v)(1-a)

其中，对属于[0,1]的纹理贴图坐标u，v，分别基于u和v进行f(u,v)＝src(u,v)*a+dest(u,v)(1-a)操作，其中src指原图中u,v值处的颜色，dest是指u,v值处的目标图的颜色，a是常数。

第六步，将经第五步处理后的图形按原始图形的UV纹理贴图坐标展开得到三张UV贴图，处理后的效果图如图11至图13所示。

UV是指u,v纹理贴图坐标的简称，它定义了图形中每个点的位置的信息，这些点与三维模型是相互联系的,以决定表面纹理贴图的位置。

第七步，将第六步中的三张UV贴图进行合成，处理后的效果图如图14所示。

第八步，基于固定遮罩去除经第七步处理后的图形中的鼻子阴影，处理后的效果图如图15所示。

由于人脸的***，针对照片寻找阴影的算法比较复杂，而对于UV贴图而言，人的五官信息相对固定，则可以使用固定的遮罩来优化阴影，对遮罩部分的图片补充邻近区域的肤色，原理公式如下：

mask＝tex2d(mask,(u,v))

ret＝tex2d(src,((u,v)+mask.a*offset))

其中，对属于[0,1]的u，v进行f(u,v)＝tex2d(mask,(u,v))的操作，取出mask的颜色值。

对属于[0,1]的u，v进行f(u,v)＝tex2d(src,((u,v)+mask.a*offset))的操作,先取出原图色，通过mask的透明通道的值进行偏移，计算出最终颜色，其中tex2d函数是取出贴图颜色的函数。

第九步，基于HSV(Hue,Saturation,Value，色调，饱和度，明度，一种颜色模型)颜色空间的肤色检测平滑算法选中肤色区域遮罩，处理后的效果图如图16所示。

RGB(red，green，blue，红，绿，蓝，一种颜色标准)颜色空间对于颜色的变化不连续，HSV颜色空间对颜色检测处于相对稳定区间，所以RGB转化成HSV之后，对于正常人体肤色的判定就变得简单，在某个区间内的颜色就是肤色，利用颜色对区间的偏移量来软化边缘，原理公式如下：

inverselerp(a,b,x)＝(x-a)/(b-a)；

f(x)＝saturate(min(inverselerp(7-lenth,7,x),inverselerp(20+lenth,20,x)))

f(y)＝saturate(inverselerp(28,28+lenth,y))

f(z)＝saturate(inverselerp(20,20+lenth,z))

skin(x,y,z)＝min(f(x),f(y),f(z))

其中，inverselerp是指f(x)＝(x-a)/(b-a)，表示x在ab区间内的比例

上述公式表示图形中某点的颜色值在HSV空间的取值范围。

对于H通道,使a＝7–length,b＝length，求得f(x)的值，其中length是常数；

对于H通道,使a＝20+length,b＝length，求得f(x)的值，其中length是常数；

对于S通道,使a＝28,b＝28+length，求得f(y)的值，其中length是常数；

对于V通道,使a＝20,b＝20+length，求得f(z)的值，其中length是常数；

求得上述所有值中的最小值，从而方便对结果进行截断操作。

第十步，基于HSV颜色空间的线性放大操作确定肤色，处理后的效果图如图17所示。

对于肤色选区，进行遍历算出HSV空间的平均颜色，对比目标的HSV颜色，算出应该放大或缩小的倍率进行美白，原理公式如下：

color＝tex2d(main,uv)；

hsv＝RGB2HSV(color.rgb)；

value＝skin(hsv)；

light＝hsv*Whitening；

result(r,g,b)＝HSV2RGB(lerp(hsv,light,value)

其中，对属于[0,1]的u，v进行f(u,v)＝src(u,v)，取得原图的颜色；

对属于[0,1]的x,y,z的颜色值，进行f(h,s,v)＝Rgb2hsv(x,y,z)的颜色转换操作；

对属于[0,1]的h,s,v的颜色值，进行f(h,s,v)＝a*(h,s,v)的放大操作；

对属于[0,1]的h,s,v采用上一步的公式进行肤色检测，获得肤色的value值；

将放大后的hsv和原始的hsv进行value值的lerp函数操作。

经过上述一系列处理后得到经美白磨皮处理后的人脸三维模型，效果图如图18所示。

当根据用户选择的目标美颜效果为大眼时，可通过以下步骤进行美颜处理：

第一步，确定所述模型网格中的人眼布局；

第二步，根据人眼布局和眼睛在人脸位置的规律设置xy平面坐标和半径作为大眼作用的区域，处理后的效果图如图19所示；

第三步，基于第二步中设置的区域过滤选取模型网格的网格顶点，处理后的效果图如图20所示；

第四步，基于局部缩放扭曲算法对所述网格顶点进行处理，原理公式如下：

其中，r：像素到圆心的距离；

r_max：变形的最大半径；

a：缩放系数；

f_s(r)：缩放后到圆心的距离。

第五步：通过改变不同的参数值，重复步骤一至步骤四进行调整，设定大眼的最小参数值及最大参数值。

第六步：将参数值转换为0～100的比例，0为模型眼睛初始值，100为模型眼睛大眼后的最大值，通过让用户调整该参数来影响上一步的原始参数，通过将参数值调节为不同的比例进行大眼美颜处理，还可预设用户可调整的最低值至最高值，用户可在此范围内自行进行美颜操作，以达到用户认可的最佳效果，经大眼处理后的人脸三维模型的效果图如图21所示。

当根据用户选择的目标美颜效果为瘦脸时，可通过以下步骤进行美颜处理：

第一步，将模型网格作为参考头，以这个参考头制作瘦脸模型blendshape；

第二步，将所述的blendshape经混合系数混合到第一步的模型网格上，原理公式如下：

V_target＝V_src+dV_blendshape*t

其中，V_target：混合后的顶点位置

V_src：模型网格原始顶点位置

dV_blendshape：瘦脸blendshape顶点位移数据

t：混合系数

第三步，通过改变不同的参数值，重复步骤一至步骤二进行效果调整，设定瘦脸的最小参数值及最大参数值。

第四步，将参数值转换为0～100的比例，0为模型脸型初始值，100为模型脸型瘦脸后的最大值，通过让用户调整该参数来影响上一步的原始参数，通过将参数值调节为不同的比例进行瘦脸美颜处理，还可预设用户可调整的最低值至最高值，用户可在此范围内自行进行美颜操作，以达到用户认可的最佳效果，经瘦脸处理后的人脸三维模型的效果图如图22所示。

以上对基于三维人脸模型进行美白磨皮、大眼及瘦脸的相关美颜处理过程进行了说明，本申请实施例通过检测获取人脸的关键特征点，根据预设调整范围对所述关键特征点的特征值进行调整，还可持续扩展增加其它的美颜功能，如画眉、唇彩、腮红、美瞳等美颜操作，实现对三维人脸模型进行高效的美颜处理，使用户获得更好的美颜体验。

为了达到以上技术目的，本申请提出了一种基于三维人脸模型进行美颜处理的设备，如图2所示，包括：

扫描模块201，用于扫描获取与真实人脸对应的三维人脸模型；

检测模块202，用于对所述三维人脸模型进行检测，确定预设数量的关键特征点；

确定模块203，用于根据用户的选择确定目标美颜效果，将与所述目标美颜效果对应的关键特征点作为美颜特征点；

调整模块204，用于根据预设调整范围对所述美颜特征点的特征值进行调整，获取美颜处理后的三维人脸模型。

在具体的应用场景中，所述扫描模块201，具体用于：

扫描所述真实人脸，获取包括所述真实人脸的正面、左面及右面的原始图形；

将所述原始图形作为所述三维人脸模型，和或基于所述原始图形生成模型网格后作为所述三维人脸模型。

在具体的应用场景中，当所述目标美颜效果为美白磨皮时，所述调整模块204，具体用于：

基于优化后的表面模糊滤波算法对所述原始图形进行处理，获取第二图形，其中所述优化具体为降低算法复杂度；

对所述原始图形和所述第二图形进行高反差保留处理，获取第三图形；

对所述第三图形进行高光操作并放大对比度，获取第四图形；

通过色阶调整对所述第四图形的阴影部分进行调亮操作并选中脸部皮肤的斑点部分，获取第五图形；

将所述第二图形和所述第五图形进行融合后按所述原始图形的UV纹理贴图坐标展开得到三张UV贴图；

对三张所述UV贴图进行合成操作，获取第六图形；

基于固定遮罩去除所述第六图形中的鼻子阴影；

基于HSV颜色空间的肤色检测平滑算法选中肤色区域遮罩；

基于HSV颜色空间的线性放大操作确定肤色。

在具体的应用场景中，当所述目标美颜效果为大眼时，所述调整模块204，具体用于：

步骤A、确定所述模型网格中的人眼布局；

步骤B、根据所述人眼布局和眼睛在人脸上的分布规律确定大眼作用区域；

步骤C、选取所述大眼作用区域中的网格顶点；

步骤D、基于局部缩放扭曲算法对所述网格顶点进行处理；

步骤E、根据大眼参数的预设调整范围对处理后的所述网格顶点的特征值进行调整，其中，基于不同的大眼参数重复执行步骤A至步骤D进行大眼效果调整，根据所述大眼效果调整的结果确定所述大眼参数的预设调整范围。

在具体的应用场景中，当所述目标美颜效果为瘦脸时，所述调整模块204，具体用于：

步骤a、基于所述模型网格生成瘦脸模型blendshape；

步骤b、利用混合系数将所述blendshape与所述模型网格混合为瘦脸模型网格；

步骤c、根据瘦脸参数的预设调整范围对所述瘦脸模型网格的特征值进行调整，其中，基于不同的瘦脸参数重复执行步骤a至步骤b进行瘦脸效果调整，根据所述瘦脸效果调整的结果确定所述瘦脸参数的预设调整范围。

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本发明可以通过硬件实现，也可以借助软件加必要的通用硬件平台的方式来实现。基于这样的理解，本发明的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中，包括以若干指令的形式使一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施场景所述的方法。

本领域技术人员可以理解附图只是一个优选实施场景的示意图，附图中的模块或流程并不一定是实施本发明所必须的。

本领域技术人员可以理解装置中的模块可以按照实施场景描述分布于实施场景的装置中，也可以进行相应变化位于不同于本实施场景的一个或多个装置中。上述实施场景的模块可以合并为一个模块，也可以进一步拆分成多个子模块。

上述本发明序号仅仅为了描述，不代表实施场景的优劣。

以上公开的仅为本发明的几个具体实施场景，但是，本发明并非局限于此，任何本领域的技术人员能思之的变化都应落入本发明的保护范围。

Claims (6)

1.一种基于三维人脸模型进行美颜处理的方法，其特征在于，所述方法包括：

扫描获取与真实人脸对应的三维人脸模型，具体为：

扫描所述真实人脸，获取包括所述真实人脸的正面、左面及右面的原始图形；

将所述原始图形作为所述三维人脸模型，和或基于所述原始图形生成模型网格后作为所述三维人脸模型；

对所述三维人脸模型进行检测，确定预设数量的关键特征点；

根据用户的选择确定目标美颜效果，将与所述目标美颜效果对应的关键特征点作为美颜特征点；

根据预设调整范围对所述美颜特征点的特征值进行调整，获取美颜处理后的三维人脸模型；

当所述目标美颜效果为美白磨皮时，根据预设调整范围对所述美颜特征点的特征值进行调整，具体为：

基于优化后的表面模糊滤波算法对所述原始图形进行处理，获取第二图形，其中所述优化具体为降低算法复杂度；

对所述原始图形和所述第二图形进行高反差保留处理，获取第三图形；

对所述第三图形进行高光操作并放大对比度，获取第四图形；

通过色阶调整对所述第四图形的阴影部分进行调亮操作并选中脸部皮肤的斑点部分，获取第五图形；

将所述第二图形和所述第五图形进行融合后按所述原始图形的UV纹理贴图坐标展开得到三张UV贴图；

对三张所述UV贴图进行合成操作，获取第六图形；

基于固定遮罩去除所述第六图形中的鼻子阴影；

基于HSV颜色空间的肤色检测平滑算法选中肤色区域遮罩；

基于HSV颜色空间的线性放大操作确定肤色。

2.如权利要求1所述的方法，其特征在于，当所述目标美颜效果为大眼时，根据预设调整范围对所述美颜特征点的特征值进行调整，具体为：

步骤A、确定所述模型网格中的人眼布局；

步骤B、根据所述人眼布局和眼睛在人脸上的分布规律确定大眼作用区域；

步骤C、选取所述大眼作用区域中的网格顶点；

步骤D、基于局部缩放扭曲算法对所述网格顶点进行处理；

步骤E、根据大眼参数的预设调整范围对处理后的所述网格顶点的特征值进行调整，其中，基于不同的大眼参数重复执行步骤A至步骤D进行大眼效果调整，根据所述大眼效果调整的结果确定所述大眼参数的预设调整范围。

3.如权利要求1所述的方法，其特征在于，当所述目标美颜效果为瘦脸时，根据预设调整范围对所述美颜特征点的特征值进行调整，具体为：

步骤a、基于所述模型网格生成瘦脸模型blendshape；

步骤b、利用混合系数将所述blendshape与所述模型网格混合为瘦脸模型网格；

步骤c、根据瘦脸参数的预设调整范围对所述瘦脸模型网格的特征值进行调整，其中，基于不同的瘦脸参数重复执行步骤a至步骤b进行瘦脸效果调整，根据所述瘦脸效果调整的结果确定所述瘦脸参数的预设调整范围。

4.一种基于三维人脸模型进行美颜处理的设备，其特征在于，所述设备包括：

扫描模块，用于扫描获取与真实人脸对应的三维人脸模型；

检测模块，用于对所述三维人脸模型进行检测，确定预设数量的关键特征点；

确定模块，用于根据用户的选择确定目标美颜效果，将与所述目标美颜效果对应的关键特征点作为美颜特征点；

调整模块，用于根据预设调整范围对所述美颜特征点的特征值进行调整，获取美颜处理后的三维人脸模型；

所述扫描模块，具体用于：

扫描所述真实人脸，获取包括所述真实人脸的正面、左面及右面的原始图形；

将所述原始图形作为所述三维人脸模型，和或基于所述原始图形生成模型网格后作为所述三维人脸模型；

当所述目标美颜效果为美白磨皮时，所述调整模块，具体用于：

基于优化后的表面模糊滤波算法对所述原始图形进行处理，获取第二图形，其中所述优化具体为降低算法复杂度；

对所述原始图形和所述第二图形进行高反差保留处理，获取第三图形；

对所述第三图形进行高光操作并放大对比度，获取第四图形；

通过色阶调整对所述第四图形的阴影部分进行调亮操作并选中脸部皮肤的斑点部分，获取第五图形；

将所述第二图形和所述第五图形进行融合后按所述原始图形的UV纹理贴图坐标展开得到三张UV贴图；

对三张所述UV贴图进行合成操作，获取第六图形；

基于固定遮罩去除所述第六图形中的鼻子阴影；

基于HSV颜色空间的肤色检测平滑算法选中肤色区域遮罩；

基于HSV颜色空间的线性放大操作确定肤色。

5.如权利要求4所述的设备，其特征在于，当所述目标美颜效果为大眼时，所述调整模块，具体用于：

步骤A、确定所述模型网格中的人眼布局；

步骤B、根据所述人眼布局和眼睛在人脸上的分布规律确定大眼作用区域；

步骤C、选取所述大眼作用区域中的网格顶点；

步骤D、基于局部缩放扭曲算法对所述网格顶点进行处理；

步骤E、根据大眼参数的预设调整范围对处理后的所述网格顶点的特征值进行调整，其中，基于不同的大眼参数重复执行步骤A至步骤D进行大眼效果调整，根据所述大眼效果调整的结果确定所述大眼参数的预设调整范围。

6.如权利要求4所述的设备，其特征在于，当所述目标美颜效果为瘦脸时，所述调整模块，具体用于：

步骤a、基于所述模型网格生成瘦脸模型blendshape；

步骤b、利用混合系数将所述blendshape与所述模型网格混合为瘦脸模型网格；

步骤c、根据瘦脸参数的预设调整范围对所述瘦脸模型网格的特征值进行调整，其中，基于不同的瘦脸参数重复执行步骤a至步骤b进行瘦脸效果调整，根据所述瘦脸效果调整的结果确定所述瘦脸参数的预设调整范围。

Images