[发明专利]一种基于卷积神经网络的图像头发识别方法及其装置

说明书

本发明实施例公开了一种基于卷积神经网络的图像头发识别方法及其装置，其中，该方法包括：收集图集；对图集中的每一张图片进行标记；对图集中的每一张图片进行预处理；检测图集中每一张图片的人像头部位置，获得训练图集对应的头部位置信息和测试图集对应的头部位置信息；基于全卷积网络构造头发全卷积网络；对头发全卷积网络进行训练；将输出的结果与头发区域遮蔽测试图集相比较，获得对头发全卷积网络的评估结果；将欲获取头发遮蔽图的图片输入头发全卷积网络，获得该图像头发区域的遮蔽图。可以解决现有技术中难以处理背景颜色与头发颜色相似的情况，以及无法在图像人脸偏转角度很大或人背面的情况下无法识别头发的问题。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种基于卷积神经网络的图像头发识别方法及其装置。

背景技术

手机自拍已经成为现代人们生活中非常流行的现象。各种美图工具也孕育而生。很多软件都可以识别人脸的特征，对人脸进行一些有趣的处理。但是人们手机自拍时的背景往往很复杂，当软件想对人像做处理时，比如生成人物的素描图或者将人物动漫化，往往需要将背景分离出去。在分离的过程中，头发分割往往非常困难。在证件照背景替换软件中，头发也是一个非常难处理的问题，往往需要人工的参与。本发明提供一种自动头发分割，从而可以解决这个难题。

2008年，发表在ICIP的论文Frequential and color analysis for hair masksegmentation中，为了自动生成头发区域的遮蔽图，使用了头发区域的三个特征：1)头发分布在头部区域附近；2)头发由于其本身的特征，具有一种特殊的频率分布。3)在2)分析的频率遮蔽图基础上，构建头发颜色的模型，从而进一步优化头发区域遮蔽图。最后使用抠图算法生成头发区域的遮蔽图。虽然这种方法在大部分情况下有效，但是在背景与头发颜色相似的情况下，还是无法达到理想的结果。

2011年，发表在IEEE Automatic Face Gesture Recognition and Workshop的论文A novel coarse-to-fine hair segmentation method，提出了一种简单的方法进行头发分割。这篇论文的思想很简单，通过先使用Active Segmentation with Fixation(ASF)进行粗略的分割，然后使用Graph Cuts(GC)进行更细致的分割。但是该研究结果也无法分辨与头发颜色相似的背景。从而导致分割不准确。

在2016年发表在SIGGRAPH的论文，Autohair：Fully Automatic Hair Modelingfrom A Single Image中，通过先对头发分类，再在每个类中对头发进行分割。这种方法不仅可以分割头发区域，还可以预测头发的方向。但是这种方法不能解决侧脸的情况，因为在侧脸的时候无法检测到人脸的特征。对于人脸背向的情况，也是如此。

发明内容

本发明的目的在于克服现有技术的不足，本发明提供了一种基于卷积神经网络的图像头发识别方法及其装置，可以解决现有技术中难以处理背景颜色与头发颜色相似的情况，以及无法在图像人脸偏转角度很大或人背面的情况下无法识别头发的问题。

为了解决上述问题，本发明提出了一种基于卷积神经网络的图像头发识别方法，所述方法包括：

收集图集，该图集包括训练图集和测试图集；

对图集中的每一张图片进行标记，获得训练图集对应的头发区域遮蔽训练图集和测试图集对应的头发区域遮蔽测试图集；

对图集中的每一张图片进行预处理，获得与训练图集对应的YCrCb训练图集和频率遮蔽训练图集、与测试图集对应的YCrCb测试图集和频率遮蔽测试图集；

检测图集中每一张图片的人像头部位置，获得训练图集对应的头部位置信息和测试图集对应的头部位置信息；

基于全卷积网络构造头发全卷积网络HFCN；