[发明专利]一种联合流形约束和FB-GAN的人脸变形方法和系统

权利要求书

1.一种联合流形约束和FB-GAN的人脸变形方法，其特征在于：包括以下步骤：

S0：搭建系统，包括依次连接的图像拼接模块、人脸融合网络FB-GAN、人脸变形模型；向图像拼接模块输入源图像和目标图像；

S1：图像拼接模块剪切目标图像中的张开嘴巴部分并覆盖至源图像的闭合嘴巴部分，得到拼接图像并替换源图像；

S2：人脸融合网络FB-GAN通过颜色直方图约束、梯度约束、感知损失约束处理拼接图像，得到与拼接图像语义一致的高分辨率的融合图像作为人脸变形的过渡图像，用于消除拼接区域的边界问题和肤色差异问题；

S3：人脸变形模型通过特征引导的移动流行正则最小二乘模型M²RLS-TPS-FG将融合图像的人脸形状转换为目标图像的人脸形状。

2.根据权利要求1所述的一种联合流形约束和FB-GAN的人脸变形方法，其特征在于：所述的步骤S1中，具体步骤为：设目标图像x_target、源图像x_source、掩码x_mask；掩码x_mask是通过标注得到的；目标图像x_target是嘴巴张开的变形目标图像；源图像x_source是嘴巴闭合的源图像；*表示对应像素的乘积，则拼接图像x_composite为：

x_composite＝x_target*x_mask+x_source*(1-x_mask)。

3.根据权利要求2所述的一种联合流形约束和FB-GAN的人脸变形方法，其特征在于：所述的步骤S2中，设人脸融合网络的生成器为G(·)，则融合图像x_blend为：

x_blend＝G(x_composite)。

4.根据权利要求3所述的一种联合流形约束和FB-GAN的人脸变形方法，其特征在于：所述的步骤S2中，设对抗损失函数L_adv、目标内容损失函数L_content、感知损失函数L_perceptual、梯度损失函数L_gradient、颜色直方图损失函数L_histogram，设λ_adv、λ_content、λ_perceptual、λ_gradient、λ_hisogram分别对应表示上述各个损失函数的权重，则人脸融合网络的损失函数L_g为：

L_g＝λ_advL_adv+λ_contentL_content+λ_perceptualL_perceptual+λ_gradientL_gradient+λ_hisogramL_histogram。