CN117496019A - 一种驱动静态图像的图像动画处理方法及*** - Google Patents
一种驱动静态图像的图像动画处理方法及*** Download PDFInfo
- Publication number
- CN117496019A CN117496019A CN202311841510.7A CN202311841510A CN117496019A CN 117496019 A CN117496019 A CN 117496019A CN 202311841510 A CN202311841510 A CN 202311841510A CN 117496019 A CN117496019 A CN 117496019A
- Authority
- CN
- China
- Prior art keywords
- module
- face
- image
- dimensional
- user
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 13
- 230000003068 static effect Effects 0.000 title abstract description 8
- 238000010276 construction Methods 0.000 claims abstract description 58
- 238000005286 illumination Methods 0.000 claims abstract description 52
- 238000012545 processing Methods 0.000 claims abstract description 46
- 238000001914 filtration Methods 0.000 claims abstract description 27
- 230000002146 bilateral effect Effects 0.000 claims abstract description 24
- 238000000034 method Methods 0.000 claims abstract description 20
- 238000012360 testing method Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 9
- 239000013598 vector Substances 0.000 claims description 9
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000003014 reinforcing effect Effects 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 4
- 238000000605 extraction Methods 0.000 abstract description 2
- 238000004364 calculation method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000005477 standard model Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T13/00—Animation
- G06T13/20—3D [Three Dimensional] animation
- G06T13/40—3D [Three Dimensional] animation of characters, e.g. humans, animals or virtual beings
-
- 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
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种驱动静态图像的图像动画处理方法及***,涉及图像处理领域,包括:用户登录模块,所述用户登录模块用于用户登录***;算法读取模块,所述算法读取模块用于读取用户登录模块发出的用户信息,并读取数据库模块内对应用户的人脸三维构建算法;该驱动静态图像的图像动画处理方法及***,通过对图片进行三维重建可以实现驱动静态图像的图像动画处理,同时通过双边滤波对照度分量进行滤波,保持人脸图像中的边缘信息;并使用局部标准差的思想消除人脸增强过程中产生的光晕伪影;进行色调重构,防止图像饱和度和色彩失真,可以保证低照度图片进行人像提取的准确性。
Description
技术领域
本发明涉及图像处理技术,具体涉及一种驱动静态图像的图像动画处理方法及***。
背景技术
随着手机、平板电脑等智能电子设备的普及和应用,尤其伴随摄像头硬件的不断升级,以及人脸识别技术的成熟,越来越多的用户喜欢使用手机来拍照,手机拍照已逐渐取代了相机拍照。虽然现有的手机拍照技术可以对相片进行一些简单的处理,例如,对相片中人物进行美化、调色,或对背景进行虚化等,但是,采用这些图像处理技术处理后的相片还是静态图像。
目前从单张人脸图像重建三维人脸的方法,使用最多的有两大类。一类是基于标准模型变形的方法,即从图像中提取人脸的个性化信息(多为关键点信息),根据这些个性化信息将一个标准人脸模型变形为个性化的人脸模型。在模型变形时没有人脸的先验知识,因而这种方法的真实感不强,容易导致非人脸的产生。第二类方法是基于人脸形变模型的方法,即从真实扫描的人脸模型建立人脸形变模型,通过拟合输入图像,得到人脸的形状与纹理。这种方法可以得到具有真实感的重建结果,缺点是计算量很大,而且无法完全自动化。
发明内容
本发明的目的是提供一种驱动静态图像的图像动画处理方法及***,以解决现有技术中的上述不足之处。
为了实现上述目的,本发明提供如下技术方案:一种驱动静态图像的图像动画处理***,包括:
用户登录模块,所述用户登录模块用于用户登录***;
算法读取模块,所述算法读取模块用于读取用户登录模块发出的用户信息,并读取数据库模块内对应用户的人脸三维构建算法;
人脸图片获取模块,所述人脸图片获取模块用于获取当前登录用户的人脸二维图像;
人脸照度判断模块,所述人脸照度判断模块用于判断人脸图片获取模块获取的人脸二维图像内的人脸照度;
低照度人脸识别模块,所述低照度人脸识别模块用于对人脸照度判断模块内人脸判断结果为低照度的二维图像进行低照度人脸识别;
人脸分类模块,所述人脸分类模块用于根据人脸二维图像内人脸位置以及人脸拍摄角度进行图片分类;
三维构建模块,所述三维构建模块用于根据人脸二维图像构建人脸三维动画;
人像视频获取模块,所述人像视频获取模块用于实时收集当前用户的人像视频;
视频人像采集模块,所述视频人像采集模块用于采集人像视频获取模块获取的人像视频内的用户人像;
对比模块,所述对比模块用于根据视频人像采集模块采集的用户人像与三维构建模块构建的三维人像进行对比;
数据库模块,所述数据库模块用于将对比模块中对比结果通过的三维构建算法进行保存,并与当前用户身份信息进行绑定。
进一步地,所述低照度人脸识别模块包括:
照度增强模块,所述照度增强模块包括:
双边滤波处理模块,所述双边滤波处理模块用于保持图像的边缘和细节信息;
局部标准差处理模块,所述局部标准差处理模块用于处理双边滤波处理模块处理后的图像,消除光照分量的影响,去除光晕和伪影;
色调重构模块,所述色调重构模块用于对照度分量处理后的图像的分量进行重构;
人脸识别模块,所述人脸识别模块用于进行人脸识别。
进一步地,所述照度增强模块的具体工作方法为:
A1,采集低照度人脸图像;
A2,对人脸图像进行对数变换,提取出照度分量,并对照度分量使用Gamma校正进行拉伸,提高图像的整体亮度;
A3,将Gamma校正后的图像作为改进Retinex算法的输入图像,并使用双边滤波处理,使图像保持边缘和细节信息;
A4,通过局部标准差处理双边滤波后的图像,消除光照分量的影响,去除光晕和伪影;
A5,对双边滤波和局部标准差处理后的图像,其照度分量经过处理后,通过自适应色调重构对照度分量处理后的图像的分量进行重构。
进一步地,所述人脸识别模块的具体工作方法为:
B1,获取照度增强模块增强完成的人脸图像;
B2,对照度增强后的人脸图像的边缘区域使用Gabor滤波器提取特征,得到直方图序列;
B3,对人脸图像的光照不变局部区域,在LBP算法的基础上增加4个不同方向的共生矩阵对特征进行提取,得到直方图序列;
B4,将使用Gabor滤波提取的人脸图像边缘特征和改进多阈值提取的局部人脸特征直方图转换为一维的特征向量,将所有的特征向量进行串联融合;
B5,将融合后的直方图特征向量降维,生成最终特征图。
进一步地,所述三维构建模块包括:
三维构建算法输入模块,所述三维构建算法输入模块用于输入针对不同图片的三维构建算法;
三维构建算法选择模块,所述三维构建算法选择模块用于根据当前采集的人脸图片选择合适的三维构建算法;
三维构造模块,所述三维构造模块用于根据三维构建算法选择模块选择的三维构建算法进行当前图片的三维构造。
进一步地,所述人脸分类模块包括:
数据预处理模块,用于将数据图片进行灰度化处理,将多通道转化为单通道的数据;
模板选取模块,用于选取合适的图片模板;
分类模板制作模块,用于根据分类模板选取模块选取的模板制作合适的分类模板;
图片划分模块,用于将图片划分训练集与测试集;
数据集构造模块,用于重新构造数据集;
数据标签模块,用于重新构造数据标签;
数据均衡模块,用于进行数据均衡。
进一步地,所述人脸分类模块的具体工作方法为:
C1,将数据图片进行灰度化处理,将多通道转化为单通道的数据;
C2,将灰度化处理完成的图片划分训练集与测试集;
C3,选取合适的图片模板;
C4,根据图片模板制作合适的分类模板;
C5,将分类模板与训练集和测试集共同构建新数据集;
C6,根据新数据集设置新数据标签;
C7,根据新数据标签进行数据均衡。
一种驱动静态图像的图像动画处理方法,其中驱动静态图像的图像动画处理方法为:
S1,用户通过用户登录模块登录***;
S2,算法读取模块读取用户登录模块发出的用户信息,并读取数据库模块内对应用户的人脸三维构建算法,若算法读取模块读取到对应用户的人脸三维构建算法,执行步骤S7,若算法读取模块未读取到对应用户的人脸三维构建算法,执行步骤S3;
S3,通过人脸图片获取模块获取当前登录用户的人脸二维图像;
S4,通过人脸照度判断模块判断人脸二维图像内的人脸照度,若判断结果为低照度则执行步骤S5,若判断结果为非低照度则执行步骤S6;
S5,通过低照度人脸识别模块对判断结果为低照度的二维图像进行低照度人脸识别;
S6,通过人脸分类模块根据人脸二维图像内人脸位置以及人脸拍摄角度进行图片分类;
S7,通过三维构建模块根据人脸二维图像构建人脸三维动画;
S8,通过人像视频获取模块实时收集当前用户的人像视频;
S9,通过视频人像采集模块采集人像视频获取模块获取的人像视频内的用户人像;
S10,通过对比模块根据视频人像采集模块采集的用户人像与三维构建模块构建的三维人像进行对比,若对比结果通过则执行步骤S11,若对比结果未通过则执行步骤S6;
S11,通过数据库模块将对比模块中对比结果通过的三维构建算法进行保存,并与当前用户身份信息进行绑定。
与现有技术相比,本发明提供的一种驱动静态图像的图像动画处理方法及***,通过对图片进行三维重建可以实现驱动静态图像的图像动画处理,同时通过双边滤波对照度分量进行滤波,保持人脸图像中的边缘信息;并使用局部标准差的思想消除人脸增强过程中产生的光晕伪影;进行色调重构,防止图像饱和度和色彩失真,可以保证低照度图片进行人像提取的准确性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的整体结构示意图;
图2为本发明实施例提供的照度增强模块工作流程结构示意图;
图3为本发明实施例提供的人脸识别模块工作流程结构示意图。
具体实施方式
为了使本领域的技术人员更好地理解本发明的技术方案,下面将结合附图对本发明作进一步的详细介绍。
请参阅图1-图3,一种驱动静态图像的图像动画处理***,包括:
用户登录模块,用户登录模块用于用户登录***;
算法读取模块,算法读取模块用于读取用户登录模块发出的用户信息,并读取数据库模块内对应用户的人脸三维构建算法;
人脸图片获取模块,人脸图片获取模块用于获取当前登录用户的人脸二维图像;
人脸照度判断模块,人脸照度判断模块用于判断人脸图片获取模块获取的人脸二维图像内的人脸照度;
低照度人脸识别模块,低照度人脸识别模块用于对人脸照度判断模块内人脸判断结果为低照度的二维图像进行低照度人脸识别;
人脸分类模块,人脸分类模块用于根据人脸二维图像内人脸位置以及人脸拍摄角度进行图片分类;
三维构建模块,三维构建模块用于根据人脸二维图像构建人脸三维动画;
人像视频获取模块,人像视频获取模块用于实时收集当前用户的人像视频;
视频人像采集模块,视频人像采集模块用于采集人像视频获取模块获取的人像视频内的用户人像;
对比模块,对比模块用于根据视频人像采集模块采集的用户人像与三维构建模块构建的三维人像进行对比;
数据库模块,数据库模块用于将对比模块中对比结果通过的三维构建算法进行保存,并与当前用户身份信息进行绑定。
低照度人脸识别模块包括:
照度增强模块,照度增强模块包括:
双边滤波处理模块,双边滤波处理模块用于保持图像的边缘和细节信息;
其中双边滤波处理模块的具体处理方法为:
其中(i,j)为中心像素点的像素坐标,(k,l)代表图像的邻域像素点的位置坐标,g(i,j)代表双边滤波处理后的图像像素值,f(k,l)代表邻域像素点的像素值,w代表权重比例系数,通过像素值的空间域核与像素范围值域核相乘得到。
其中d代表当前像素点与中心像素点的欧式距离。
其中r值代表的是基于高斯函数计算的图像任意点与中心点之间的像素灰度值的差取绝对值。由空间域核和像素范围值域核的计算公式可以得到权重系数的计算公式为:
其中亮度方差与像素的平滑效果有关,/>较小时,图像中亮度变化大的区域保边能力较稳定。当像素间的距离标准差值/>越大,卷积过程中每个卷积块的像素则越多,使用双边滤波对照度进行估计时对整幅图片的区间覆盖距离更广,平滑光照效果也更好。
局部标准差处理模块,局部标准差处理模块用于处理双边滤波处理模块处理后的图像,消除光照分量的影响,去除光晕和伪影;
色调重构模块,色调重构模块用于对照度分量处理后的图像的分量进行重构;
其中色调重构算法为:
其中v(x,y)是原图像的亮度值分量,v'(x,y)是照度增强后的分量;s(x,y)原图饱和度值分量,s'(x,y)是色调重构后增强的饱和度分量,t代表的是比例常数。
其中w代表图像的像素值范围,vw代表邻域的亮度值,sw代表邻域的饱和度值;
其中代表邻域内所有亮度的均值,/>代表邻域内的饱和度均值,通过均值验证图像的亮度提升效果。
其中和/>代表亮度和饱和度分量的方差,验证图像的质量。
人脸识别模块,人脸识别模块用于进行人脸识别。
这样设置提出利用双边滤波对照度分量进行滤波,保持人脸图像中的边缘信息;并使用局部标准差的思想消除人脸增强过程中产生的光晕伪影;进行色调重构,防止图像饱和度和色彩失真。
照度增强模块的具体工作方法为:
A1,采集低照度人脸图像;
A2,对人脸图像进行对数变换,提取出照度分量,并对照度分量使用Gamma校正进行拉伸,提高图像的整体亮度;
A3,将Gamma校正后的图像作为改进Retinex算法的输入图像,并使用双边滤波处理,使图像保持边缘和细节信息;
A4,通过局部标准差处理双边滤波后的图像,消除光照分量的影响,去除光晕和伪影;
A5,对双边滤波和局部标准差处理后的图像,其照度分量经过处理后,通过自适应色调重构对照度分量处理后的图像的分量进行重构。
人脸识别模块的具体工作方法为:
B1,获取照度增强模块增强完成的人脸图像;
B2,对照度增强后的人脸图像的边缘区域使用Gabor滤波器提取特征,得到直方图序列;
B3,对人脸图像的光照不变局部区域,在LBP算法的基础上增加4个不同方向的共生矩阵对特征进行提取,得到直方图序列;
B4,将使用Gabor滤波提取的人脸图像边缘特征和改进多阈值提取的局部人脸特征直方图转换为一维的特征向量,将所有的特征向量进行串联融合;
B5,将融合后的直方图特征向量降维,生成最终特征图。
三维构建模块包括:
三维构建算法输入模块,三维构建算法输入模块用于输入针对不同图片的三维构建算法;
三维构建算法选择模块,三维构建算法选择模块用于根据当前采集的人脸图片选择合适的三维构建算法;
三维构造模块,三维构造模块用于根据三维构建算法选择模块选择的三维构建算法进行当前图片的三维构造。
人脸分类模块包括:
数据预处理模块,用于将数据图片进行灰度化处理,将多通道转化为单通道的数据;
模板选取模块,用于选取合适的图片模板;
分类模板制作模块,用于根据分类模板选取模块选取的模板制作合适的分类模板;
图片划分模块,用于将图片划分训练集与测试集;
数据集构造模块,用于重新构造数据集;
数据标签模块,用于重新构造数据标签;
数据均衡模块,用于进行数据均衡。
人脸分类模块的具体工作方法为:
C1,将数据图片进行灰度化处理,将多通道转化为单通道的数据;
C2,将灰度化处理完成的图片划分训练集与测试集;
C3,选取合适的图片模板;
C4,根据图片模板制作合适的分类模板;
C5,将分类模板与训练集和测试集共同构建新数据集;
C6,根据新数据集设置新数据标签;
C7,根据新数据标签进行数据均衡。
一种驱动静态图像的图像动画处理方法,其中驱动静态图像的图像动画处理方法为:
S1,用户通过用户登录模块登录***;
S2,算法读取模块读取用户登录模块发出的用户信息,并读取数据库模块内对应用户的人脸三维构建算法,若算法读取模块读取到对应用户的人脸三维构建算法,执行步骤S7,若算法读取模块未读取到对应用户的人脸三维构建算法,执行步骤S3;
S3,通过人脸图片获取模块获取当前登录用户的人脸二维图像;
S4,通过人脸照度判断模块判断人脸二维图像内的人脸照度,若判断结果为低照度则执行步骤S5,若判断结果为非低照度则执行步骤S6;
S5,通过低照度人脸识别模块对判断结果为低照度的二维图像进行低照度人脸识别;
S6,通过人脸分类模块根据人脸二维图像内人脸位置以及人脸拍摄角度进行图片分类;
S7,通过三维构建模块根据人脸二维图像构建人脸三维动画;
S8,通过人像视频获取模块实时收集当前用户的人像视频;
S9,通过视频人像采集模块采集人像视频获取模块获取的人像视频内的用户人像;
S10,通过对比模块根据视频人像采集模块采集的用户人像与三维构建模块构建的三维人像进行对比,若对比结果通过则执行步骤S11,若对比结果未通过则执行步骤S6;
S11,通过数据库模块将对比模块中对比结果通过的三维构建算法进行保存,并与当前用户身份信息进行绑定。
以上只通过说明的方式描述了本发明的某些示范性实施例,毋庸置疑,对于本领域的普通技术人员,在不偏离本发明的精神和范围的情况下,可以用各种不同的方式对所描述的实施例进行修正。因此,上述附图和描述在本质上是说明性的,不应理解为对本发明权利要求保护范围的限制。
Claims (8)
1.一种驱动静态图像的图像动画处理***,其特征在于,包括:
用户登录模块,所述用户登录模块用于用户登录***;
算法读取模块,所述算法读取模块用于读取用户登录模块发出的用户信息,并读取数据库模块内对应用户的人脸三维构建算法;
人脸图片获取模块,所述人脸图片获取模块用于获取当前登录用户的人脸二维图像;
人脸照度判断模块,所述人脸照度判断模块用于判断人脸图片获取模块获取的人脸二维图像内的人脸照度;
低照度人脸识别模块,所述低照度人脸识别模块用于对人脸照度判断模块内人脸判断结果为低照度的二维图像进行低照度人脸识别;
人脸分类模块,所述人脸分类模块用于根据人脸二维图像内人脸位置以及人脸拍摄角度进行图片分类;
三维构建模块,所述三维构建模块用于根据人脸二维图像构建人脸三维动画;
人像视频获取模块,所述人像视频获取模块用于实时收集当前用户的人像视频;
视频人像采集模块,所述视频人像采集模块用于采集人像视频获取模块获取的人像视频内的用户人像;
对比模块,所述对比模块用于根据视频人像采集模块采集的用户人像与三维构建模块构建的三维人像进行对比;
数据库模块,所述数据库模块用于将对比模块中对比结果通过的三维构建算法进行保存,并与当前用户身份信息进行绑定。
2.根据权利要求1所述的一种驱动静态图像的图像动画处理***,其特征在于,所述低照度人脸识别模块包括:
照度增强模块,所述照度增强模块包括:
双边滤波处理模块,所述双边滤波处理模块用于保持图像的边缘和细节信息;
局部标准差处理模块,所述局部标准差处理模块用于处理双边滤波处理模块处理后的图像,消除光照分量的影响,去除光晕和伪影;
色调重构模块,所述色调重构模块用于对照度分量处理后的图像的分量进行重构;
人脸识别模块,所述人脸识别模块用于进行人脸识别。
3.根据权利要求2所述的一种驱动静态图像的图像动画处理***,其特征在于,所述照度增强模块的具体工作方法为:
A1,采集低照度人脸图像;
A2,对人脸图像进行对数变换,提取出照度分量,并对照度分量使用Gamma校正进行拉伸,提高图像的整体亮度;
A3,将Gamma校正后的图像作为改进Retinex算法的输入图像,并使用双边滤波处理,使图像保持边缘和细节信息;
A4,通过局部标准差处理双边滤波后的图像,消除光照分量的影响,去除光晕和伪影;
A5,对双边滤波和局部标准差处理后的图像,其照度分量经过处理后,通过自适应色调重构对照度分量处理后的图像的分量进行重构。
4.根据权利要求3所述的一种驱动静态图像的图像动画处理***,其特征在于,所述人脸识别模块的具体工作方法为:
B1,获取照度增强模块增强完成的人脸图像;
B2,对照度增强后的人脸图像的边缘区域使用Gabor滤波器提取特征,得到直方图序列;
B3,对人脸图像的光照不变局部区域,在LBP算法的基础上增加4个不同方向的共生矩阵对特征进行提取,得到直方图序列;
B4,将使用Gabor滤波提取的人脸图像边缘特征和改进多阈值提取的局部人脸特征直方图转换为一维的特征向量,将所有的特征向量进行串联融合;
B5,将融合后的直方图特征向量降维,生成最终特征图。
5.根据权利要求1所述的一种驱动静态图像的图像动画处理***,其特征在于,所述三维构建模块包括:
三维构建算法输入模块,所述三维构建算法输入模块用于输入针对不同图片的三维构建算法;
三维构建算法选择模块,所述三维构建算法选择模块用于根据当前采集的人脸图片选择合适的三维构建算法;
三维构造模块,所述三维构造模块用于根据三维构建算法选择模块选择的三维构建算法进行当前图片的三维构造。
6.根据权利要求1所述的一种驱动静态图像的图像动画处理***,其特征在于,所述人脸分类模块包括:
数据预处理模块,用于将数据图片进行灰度化处理,将多通道转化为单通道的数据;
模板选取模块,用于选取合适的图片模板;
分类模板制作模块,用于根据分类模板选取模块选取的模板制作合适的分类模板;
图片划分模块,用于将图片划分训练集与测试集;
数据集构造模块,用于重新构造数据集;
数据标签模块,用于重新构造数据标签;
数据均衡模块,用于进行数据均衡。
7.根据权利要求6所述的一种驱动静态图像的图像动画处理***,其特征在于,所述人脸分类模块的具体工作方法为:
C1,将数据图片进行灰度化处理,将多通道转化为单通道的数据;
C2,将灰度化处理完成的图片划分训练集与测试集;
C3,选取合适的图片模板;
C4,根据图片模板制作合适的分类模板;
C5,将分类模板与训练集和测试集共同构建新数据集;
C6,根据新数据集设置新数据标签;
C7,根据新数据标签进行数据均衡。
8.一种驱动静态图像的图像动画处理方法,其适用于权利要求1-7任一项所述的一种驱动静态图像的图像动画处理***,其特征在于,其中驱动静态图像的图像动画处理方法为:
S1,用户通过用户登录模块登录***;
S2,算法读取模块读取用户登录模块发出的用户信息,并读取数据库模块内对应用户的人脸三维构建算法,若算法读取模块读取到对应用户的人脸三维构建算法,执行步骤S7,若算法读取模块未读取到对应用户的人脸三维构建算法,执行步骤S3;
S3,通过人脸图片获取模块获取当前登录用户的人脸二维图像;
S4,通过人脸照度判断模块判断人脸二维图像内的人脸照度,若判断结果为低照度则执行步骤S5,若判断结果为非低照度则执行步骤S6;
S5,通过低照度人脸识别模块对判断结果为低照度的二维图像进行低照度人脸识别;
S6,通过人脸分类模块根据人脸二维图像内人脸位置以及人脸拍摄角度进行图片分类;
S7,通过三维构建模块根据人脸二维图像构建人脸三维动画;
S8,通过人像视频获取模块实时收集当前用户的人像视频;
S9,通过视频人像采集模块采集人像视频获取模块获取的人像视频内的用户人像;
S10,通过对比模块根据视频人像采集模块采集的用户人像与三维构建模块构建的三维人像进行对比,若对比结果通过则执行步骤S11,若对比结果未通过则执行步骤S6;
S11,通过数据库模块将对比模块中对比结果通过的三维构建算法进行保存,并与当前用户身份信息进行绑定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311841510.7A CN117496019B (zh) | 2023-12-29 | 2023-12-29 | 一种驱动静态图像的图像动画处理方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311841510.7A CN117496019B (zh) | 2023-12-29 | 2023-12-29 | 一种驱动静态图像的图像动画处理方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117496019A true CN117496019A (zh) | 2024-02-02 |
CN117496019B CN117496019B (zh) | 2024-04-05 |
Family
ID=89676757
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311841510.7A Active CN117496019B (zh) | 2023-12-29 | 2023-12-29 | 一种驱动静态图像的图像动画处理方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117496019B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118093953A (zh) * | 2024-04-28 | 2024-05-28 | 深度(山东)数字科技集团有限公司 | 一种大数据信息分析管理*** |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102663810A (zh) * | 2012-03-09 | 2012-09-12 | 北京航空航天大学 | 一种基于相位偏移扫描的三维人脸全自动建模方法 |
CN104240293A (zh) * | 2014-09-26 | 2014-12-24 | 上海水晶石视觉展示有限公司 | 一种高逼真虚拟舞台的实现方法 |
CN105069745A (zh) * | 2015-08-14 | 2015-11-18 | 济南中景电子科技有限公司 | 基于普通图像传感器及增强现实技术的带表情变脸***及方法 |
CN106652025A (zh) * | 2016-12-20 | 2017-05-10 | 五邑大学 | 一种基于视频流与人脸多属性匹配的三维人脸建模方法和打印装置 |
CN107066966A (zh) * | 2017-04-17 | 2017-08-18 | 宜宾学院 | 一种基于关键点区域图像的人脸识别方法 |
CN107392866A (zh) * | 2017-07-07 | 2017-11-24 | 武汉科技大学 | 一种光照鲁棒的人脸图像局部纹理增强方法 |
US20190035149A1 (en) * | 2015-08-14 | 2019-01-31 | Metail Limited | Methods of generating personalized 3d head models or 3d body models |
CN111027350A (zh) * | 2018-10-10 | 2020-04-17 | 成都理工大学 | 一种基于人脸三维重建的改进pca算法 |
WO2020140832A1 (zh) * | 2019-01-04 | 2020-07-09 | 北京达佳互联信息技术有限公司 | 人脸三维重建方法、装置、电子设备及存储介质 |
WO2021012647A1 (zh) * | 2019-07-24 | 2021-01-28 | 创新先进技术有限公司 | 人脸校验方法、装置、服务器及可读存储介质 |
CN114299206A (zh) * | 2021-12-31 | 2022-04-08 | 清华大学 | 三维卡通人脸生成方法、装置、电子设备及存储介质 |
CN116884070A (zh) * | 2023-07-17 | 2023-10-13 | 罗国庆 | 高效图像处理算法及其在人脸识别中的应用 |
CN116977547A (zh) * | 2023-04-11 | 2023-10-31 | 腾讯科技(深圳)有限公司 | 一种三维人脸重建方法、装置、电子设备和存储介质 |
-
2023
- 2023-12-29 CN CN202311841510.7A patent/CN117496019B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102663810A (zh) * | 2012-03-09 | 2012-09-12 | 北京航空航天大学 | 一种基于相位偏移扫描的三维人脸全自动建模方法 |
CN104240293A (zh) * | 2014-09-26 | 2014-12-24 | 上海水晶石视觉展示有限公司 | 一种高逼真虚拟舞台的实现方法 |
US20190035149A1 (en) * | 2015-08-14 | 2019-01-31 | Metail Limited | Methods of generating personalized 3d head models or 3d body models |
CN105069745A (zh) * | 2015-08-14 | 2015-11-18 | 济南中景电子科技有限公司 | 基于普通图像传感器及增强现实技术的带表情变脸***及方法 |
CN106652025A (zh) * | 2016-12-20 | 2017-05-10 | 五邑大学 | 一种基于视频流与人脸多属性匹配的三维人脸建模方法和打印装置 |
CN107066966A (zh) * | 2017-04-17 | 2017-08-18 | 宜宾学院 | 一种基于关键点区域图像的人脸识别方法 |
CN107392866A (zh) * | 2017-07-07 | 2017-11-24 | 武汉科技大学 | 一种光照鲁棒的人脸图像局部纹理增强方法 |
CN111027350A (zh) * | 2018-10-10 | 2020-04-17 | 成都理工大学 | 一种基于人脸三维重建的改进pca算法 |
WO2020140832A1 (zh) * | 2019-01-04 | 2020-07-09 | 北京达佳互联信息技术有限公司 | 人脸三维重建方法、装置、电子设备及存储介质 |
WO2021012647A1 (zh) * | 2019-07-24 | 2021-01-28 | 创新先进技术有限公司 | 人脸校验方法、装置、服务器及可读存储介质 |
CN114299206A (zh) * | 2021-12-31 | 2022-04-08 | 清华大学 | 三维卡通人脸生成方法、装置、电子设备及存储介质 |
CN116977547A (zh) * | 2023-04-11 | 2023-10-31 | 腾讯科技(深圳)有限公司 | 一种三维人脸重建方法、装置、电子设备和存储介质 |
CN116884070A (zh) * | 2023-07-17 | 2023-10-13 | 罗国庆 | 高效图像处理算法及其在人脸识别中的应用 |
Non-Patent Citations (3)
Title |
---|
MAYANK SINGHAL: "Cartoon Face to Human Face Translation using Contour Loss based CycleGAN", 《IEEE》, 31 December 2021 (2021-12-31) * |
杜明;赵向军;: "改进Retinex的光照变化人脸图像增强算法", 计算机科学, no. 02, 15 February 2016 (2016-02-15) * |
阳策;李重;任义;刘恒;: "基于标准肤色的人脸图像纹理合成与三维重建应用", 计算机***应用, no. 05, 15 May 2019 (2019-05-15) * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118093953A (zh) * | 2024-04-28 | 2024-05-28 | 深度(山东)数字科技集团有限公司 | 一种大数据信息分析管理*** |
Also Published As
Publication number | Publication date |
---|---|
CN117496019B (zh) | 2024-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ren et al. | Low-light image enhancement via a deep hybrid network | |
CN106778928B (zh) | 图像处理方法及装置 | |
CN108717524B (zh) | 一种基于双摄手机和人工智能***的手势识别*** | |
Li et al. | Visual-salience-based tone mapping for high dynamic range images | |
CN112766160A (zh) | 基于多级属性编码器和注意力机制的人脸替换方法 | |
US20240062530A1 (en) | Deep perceptual image enhancement | |
US20060082849A1 (en) | Image processing apparatus | |
CN109711268B (zh) | 一种人脸图像筛选方法及设备 | |
CN117496019B (zh) | 一种驱动静态图像的图像动画处理方法及*** | |
JP2021531571A (ja) | 証明書画像抽出方法及び端末機器 | |
CN110458792B (zh) | 人脸图像质量的评价方法及装置 | |
CN110674759A (zh) | 一种基于深度图的单目人脸活体检测方法、装置及设备 | |
CN107172354A (zh) | 视频处理方法、装置、电子设备及存储介质 | |
CN110298796B (zh) | 基于改进Retinex与对数图像处理的低照度图像增强方法 | |
CN116681636B (zh) | 基于卷积神经网络的轻量化红外与可见光图像融合方法 | |
CN111222433A (zh) | 自动人脸稽核方法、***、设备及可读存储介质 | |
CN112633221A (zh) | 一种人脸方向的检测方法及相关装置 | |
CN111126250A (zh) | 一种基于ptgan的行人重识别方法及装置 | |
CN112839167B (zh) | 图像处理方法、装置、电子设备及计算机可读介质 | |
Fathy et al. | Benchmarking of pre-processing methods employed in facial image analysis | |
CN111274851A (zh) | 一种活体检测方法及装置 | |
CN109447942A (zh) | 图像模糊度确定方法、装置、计算机设备及存储介质 | |
JP3962517B2 (ja) | 顔面検出方法及びその装置、コンピュータ可読媒体 | |
CN115690934A (zh) | 基于批量人脸识别的师生考勤打卡方法及装置 | |
CN114698398A (zh) | 图像处理方法、图像处理装置、电子设备及可读存储介质 |
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 |