[发明专利]一种基于深度学习的人头部图像提取方法和装置

权利要求书

1.一种基于深度学习的人头部图像提取方法，其特征在于，包括以下步骤：

S1.将包含人像的待提取图片输入到经过预先训练的YOLO神经网络进行处理，从而输出头部区域图像，所述头部区域图像为待提取图片的一部分且包含所述人像的头像；

S2.将头部区域图像输入到经过训练的HED神经网络进行处理，从而输出头部边缘轮廓图像；

S3.将头部区域图像作为内容图像、头部边缘轮廓图像作为风格图像输入到艺术风格迁移神经网络进行处理，从而输出合成图像，所述艺术风格迁移神经网络用于将头部边缘轮廓图像的风格迁移到头部区域图像。

2.根据权利要求1所述的一种基于深度学习的人头部图像提取方法，其特征在于，还包括以下步骤：

S4.将合成图像依次进行二值化和矢量化，从而得到矢量图像。

3.根据权利要求2所述的一种基于深度学习的人头部图像提取方法，其特征在于，还包括以下步骤：

S5.根据矢量图像，驱动绘画机构进行绘画。

4.根据权利要求1-3任一项所述的一种基于深度学习的人头部图像提取方法，其特征在于，所述步骤S1具体包括：

S101.获取待提取图片的特征图，所述特征图具有多个网格单元；

S102.使用YOLO神经网络学习每个网格单元对应的多组参数(t_x,t_y,t_w,t_h)；

S103.根据所述每组参数(t_x,t_y,t_w,t_h)，分别生成对应的预测边界框；

S104.针对每个网格单元，使用非极大值抑制算法在所有预测边界框中选出最优预测边界框；

S105.以最优预测边界框内所包括的图像作为头部区域图像输出。

5.根据权利要求4所述的一种基于深度学习的人头部图像提取方法，其特征在于，所述步骤S103具体包括：

S10301.使用下式计算参数(b_x,b_y,b_w,b_h)：

式中，σ(·)为sigmoid函数，c_x为对应网格单元左上角距离特征图左上角的水平边距，c_y为对应网格单元左上角距离特征图左上角的垂直边距，p_w为对应真实边界框的宽度，p_h为对应真实边界框的高度，所述真实边界框为人头部所在区域手工标注的边界框；

S10302.以b_x为中心点横坐标、b_y为中心点纵坐标、b_w为宽度、b_h为高度生成对应的预测边界框。

6.根据权利要求1-3任一项所述的一种基于深度学习的人头部图像提取方法，其特征在于，所述HED神经网络包括多个阶段、多个卷积层和一个加权融合层；

所述每个阶段分别包括卷积层和分类器，所述每个阶段中的卷积层和分类器相关联形成侧输出层，所述侧输出层用于生成并输出此阶段对应的头部边缘轮廓图像；

所述加权融合层用于组合来自不同阶段输出的头部边缘轮廓图像，从而生成并输出作为最终结果的头部边缘轮廓图像。