[发明专利]人脸图像编辑模板的快速生成方法和系统有效

专利信息
申请号: 201811044262.2 申请日: 2018-09-07
公开(公告)号: CN109308726B 公开(公告)日: 2023-04-28
发明(设计)人: 梁凌宇 申请(专利权)人: 华南理工大学
主分类号: G06T11/00 分类号: G06T11/00;G06V10/764;G06V10/74
代理公司: 广州市华学知识产权代理有限公司 44245 代理人: 陈宏升
地址: 510640 广*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 图像编辑 模板 快速 生成 方法 系统
【说明书】:

发明公开了人脸图像编辑模板的快速生成方法,包括:对已知人脸图像编辑模板的初始值R进行分类,得到向量形式的子集Rsubgt;S/subgt;和Rsubgt;C/subgt;,其中R=(Rsubgt;S/subgt;,Rsubgt;C/subgt;);根据待求人脸图像编辑模板T的类型对应的邻接点相似度计算权重矩阵W;根据限定矩阵U和子集Rsubgt;S/subgt;计算待求人脸图像编辑模板T的子集Tsubgt;S/subgt;;根据权重矩阵W和子集Tsubgt;S/subgt;计算待求人脸图像编辑模板T的子集Tsubgt;C/subgt;;将子集Tsubgt;S/subgt;和子集Tsubgt;C/subgt;合成待求人脸图像编辑模板T。本发明把大规模矩阵求解问题转化为小规模矩阵问题,能广泛应用人脸图像编辑系统中,对高分辨率人脸图像编辑能有效提高其计算速度、降低人脸图像编辑模板的计算复杂度。

技术领域

本发明涉及图像处理与渲染技术领域,具体涉及人脸图像编辑模板的快速生成方法和系统。

背景技术

人脸图像编辑涉及对人脸内容与风格的处理,在文化创意产业中有广泛应用,如影视制作、数字娱乐、社交媒体、增强现实与个人图像编辑。

实现人脸图像编辑,利用传统的专业编辑软件(如Adobe Photoshop)一般需要大量的人工调节和繁复的操作。最新的实现方案是利用计算机根据人脸图像特征自动生成人脸图像编辑模板来实现相应的编辑效果。然而,大部分的自动生成人脸图像编辑模板的方法最终会涉及矩阵方程求解,而求解该矩阵方程的计算复杂度会随图像分辨率的提高而指数上升。例如,要生成一个100*100人脸图像的编辑模板需要求解一个10000*10000的矩阵方程。随着高像素图像的广泛使用,目前的模板求解算法在缺乏高性能计算的环境下(如便携式设备)一般无法有效运行。因此,行业内急需解决人脸图像编辑模板生成时高像素图像带来的计算问题。

发明内容

本发明的目的是为了克服以上现有技术存在的不足,提供了人脸图像编辑模板的快速生成方法。

本发明的另一目的是为了克服以上现有技术存在的不足,提供了人脸图像编辑模板的快速生成系统。

本发明的目的通过以下的技术方案实现:

人脸图像编辑模板的快速生成方法,包括:

S1,对已知人脸图像编辑模板的初始值R进行分类,得到向量形式的子集RS和RC,其中R=(RS,RC);

S2,根据待求人脸图像编辑模板T的类型对应的邻接点相似度计算权重矩阵W;

S3,根据限定矩阵U和子集RS计算待求人脸图像编辑模板T的子集TS

S4,根据权重矩阵W和子集TS计算待求人脸图像编辑模板T的子集TC

S5,将子集TS和子集TC合成待求人脸图像编辑模板T。

优选地,所述对已知人脸图像编辑模板的初始值R进行分类,得到向量形式的子集RS和RC包括:在已知人脸图像编辑模板的初始值R中,选取梯度特征变化大于K的点作为集合S;其中K为预设阈值;将集合S以预设规则转换成向量形式的子集RS;和集合S互为补集的集合作为集合C,其中初始值R为集合S和集合C的合集;将集合C以预设规则转换成向量形式的子集RC

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华南理工大学,未经华南理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201811044262.2/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top