[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

说明书

本发明公开了一种基于深度学习的人头部图像提取方法和装置。所述方法包括将包含人像的待提取图片输入到经过预先训练的YOLO神经网络进行处理和输出头部区域图像，将头部区域图像输入到经过训练的HED神经网络进行处理和输出头部边缘轮廓图像，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，从而输出合成图像等步骤；所述装置包括存储器和处理器。本发明能够从头部区域图像中提取出头部边缘轮廓图像，并将头部边缘轮廓图像的风格迁移到头部区域图像中，实现头部边缘轮廓、五官和头发等细节的融合，使得合成图像具有丰富的面部特征和清晰的边缘轮廓。本发明应用于图像识别处理技术领域。

技术领域

本发明涉及图像识别处理技术领域，尤其是一种基于深度学习的人头部图像提取方法和装置。

背景技术

术语解释：

YOLO：You Only Look Once，是一种基于深度学习的目标检测方法，其可以用于训练神经网络，经过YOLO训练的神经网络可以用于解决目标区域预测和类别预测的回归问题，其优点是可以同时保证较高的检测速度和准确率；

HED：Holistically-nested Edge Detection，整体嵌入边缘检测，是一种深度神经网络模型，其用于图像边缘轮廓检测时，输入对象为图片，输出对象为图片中主要形状的边缘轮廓图像。

随着机器人技术的发展，机器人越来越广泛地应用于各个领域。机器人的其中一种应用是肖像机器人，其可以对包含人像的图片进行检测，从整幅图片中提取出仅包含头部图像的区域，然后从这个区域内的图像中提取出头部图像的主要特征，包括图像中头部的边缘轮廓等，根据这些主要特征，驱动画笔等机构进行头像的绘制。肖像机器人可以用于艺术创作，而其效果除了与画笔驱动质量有关外，主要取决于对头部图像的识别、检测和提取的质量。

现有的肖像机器人主要使用基于Haar特征的人脸检测技术进行头部图像所在区域的识别，然后使用Canny边缘检测、全局二值化和局部二值化等方法来进行边缘轮廓的提取。这些现有的检测方法需要人工参与调整检测结果，而且过于关注头部图像的面部细节，容易造成识别结果中面部边缘断裂，这影响了肖像机器人的画像效果。

发明内容

为了解决上述技术问题，本发明的第一目的在于提供一种基于深度学习的人头部图像提取方法，第二目的在于提供一种基于深度学习的人头部图像提取装置。

本发明所采取的第一技术方案是：

一种基于深度学习的人头部图像提取方法，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。

进一步地，本发明一种基于深度学习的人头部图像提取方法还包括以下步骤：

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。

进一步地，本发明一种基于深度学习的人头部图像提取方法还包括以下步骤：

S5.根据矢量图像，驱动绘画机构进行绘画。

进一步地，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；