[发明专利]一种深度学习模型的鼻部虚拟整形方法

说明书

本发明提供一种深度学习模型的鼻部虚拟整形方法，涉及图像处理领域，所述方法包括步骤1：采集多角度人脸图像，生成位于鼻部轮廓线上的轮廓坐标，并且以隔开规定间隔的方式排列网格组；步骤2：基于轮廓坐标以及网格组提取人脸鼻部特征变量；步骤3：将人脸鼻部特征变量输入训练后的深度学习模型，计算输出鼻部虚拟整形数据；步骤4：基于鼻部虚拟整形数据进行网络组变形，实现鼻部虚拟整形。本发明在整形前对鼻部进行虚拟整形，提高客户满意度，避免进行多次整形调整。

技术领域

本发明涉及图像识别处理领域，尤其涉及一种深度学习模型的鼻部虚拟整形方法。

背景技术

爱美之心人皆有之，整形渐渐被还美人士尝试，但是在整形咨询前，对于五官的调整没有清晰的认知，导致盲目最求高鼻梁、大眼睛等。然而人脸脸型以及五官位置是不同的，导致整形后客户并不满意，可能需要进行多次调整。

特别针对于鼻部整形，鼻部与脸部的相对比例、角度以及高度等与人脸脸型有较大联系，因此需要在整形前进行虚拟整形，才能提高客户满意度，尽量避免进行多次调整。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种深度学习模型的鼻部虚拟整形方法，在整形前对鼻部进行虚拟整形，提高客户满意度，避免进行多次整形调整。

本发明提供一种基于深度学习模型的鼻部虚拟整形方法，所述方法包括以下步骤：

步骤1：采集多角度人脸图像，生成位于鼻部轮廓线上的轮廓坐标，并且以隔开规定间隔的方式排列网格组；

步骤2：基于轮廓坐标以及网格组提取人脸鼻部特征变量；

步骤3：将人脸鼻部特征变量输入训练后的深度学习模型，计算输出鼻部虚拟整形数据；

步骤4：基于鼻部虚拟整形数据进行网络组变形，实现鼻部虚拟整形。

进一步的，多角度人脸图像包括人脸的正面图像和45°角图像。

进一步的，对于人脸的正面图像和45°角图像，均以鼻尖为坐标原点生成位于鼻部轮廓线上的轮廓坐标，并且以坐标原点为中心点将人脸图像排列为多个形状大小相同的正方形网格组。

进一步的，人脸的鼻部特征变量包括鼻部与脸部的相对比例、角度以及关键点坐标。

进一步的，深度学习模型的训练步骤为：

步骤3.1：选择具有黄金比例的人脸图像和普通的人脸图像；

步骤3.2：基于具有黄金比例的人脸图像和普通的人脸图像生成位于鼻部轮廓线上的轮廓坐标，并且以隔开规定间隔的方式排列多个网格组，得到训练集；

步骤3.3：将训练集输入深度学习模型进行模型训练，输出鼻部虚拟整形数据。

进一步的，模型训练是基于算法对具有黄金比例的人脸图像和普通的人脸图像进行相似度对比，并设置相似度对比阀值，同时计算普通的人脸图像相对于黄金比例的人脸图像的鼻部与脸部的相对比例、角度以及关键点坐标的改变量。

进一步的，具有黄金比例的人脸图像和普通的人脸图像是一一对应的，并且是符合鼻部整形接受范围且相似度较高的。

进一步的，鼻部虚拟整形数据为鼻部与脸部的相对比例、角度以及关键点坐标的改变量。

进一步的，基于脸部的相对比例、角度以及坐标的改变量对网络组变形，实现鼻部虚拟整形。

如上所述，本发明的深度学习模型的鼻部虚拟整形方法，具有以下有益效果：

1、本发明通过训练后的深度学习模型对输入的人脸模型进行相似度匹配，并基于最高相似度进行输出鼻部与脸部的相对比例、角度以及关键点坐标的改变量，通过改变量可以制定更加清晰的整形方案。