[发明专利]人脸特征添加方法、装置及设备有效

专利信息
申请号: 201611008892.5 申请日: 2016-11-16
公开(公告)号: CN106780658B 公开(公告)日: 2021-03-09
发明(设计)人: 刘宇;周而进 申请(专利权)人: 北京旷视科技有限公司;北京迈格威科技有限公司
主分类号: G06T11/40 分类号: G06T11/40;G06T11/00;G06T3/00;G06T7/11;G06T3/20
代理公司: 北京市柳沈律师事务所 11105 代理人: 于小宁;王娟
地址: 100190 北京市*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 特征 添加 方法 装置 设备
【权利要求书】:

1.一种人脸特征添加方法,包括:

基于给定人脸图像和在给定人脸图像上要添加的特征,生成待叠加图像;以及

将待叠加图像与所述给定人脸图像叠加,生成带有所述要添加的特征的合成人脸图像,

其中,所述生成待叠加图像包括:

根据在给定人脸图像上要添加的特征,从所述给定人脸图像中裁剪出与所述要添加的特征相关的部分图像;

利用人脸特征图像提取网络,基于裁剪出的所述部分图像,提取出人脸特征图像,所述人脸特征图像的尺寸小于所述部分图像的尺寸;以及

基于所述人脸特征图像和与所述要添加的特征相对应的需求特征图像,生成所述待叠加图像。

2.如权利要求1所述的人脸特征添加方法,其中,所述部分图像的通道数量与所述给定人脸图像的通道数量相同,并且所述人脸特征图像的通道数量大于所述部分图像的通道数量,所述待叠加图像的通道数量与所述给定人脸图像的通道数量相同。

3.如权利要求1所述的人脸特征添加方法,其中,基于裁剪出的所述部分图像提取出人脸特征图像包括:

对裁剪出的所述部分图像进行线性变换,得到第一预定尺寸的中间图像,所述中间图像的通道数量与所述部分图像的通道数量相同;

利用所述人脸特征图像提取网络,基于所述第一预定尺寸的中间图像,提取出第二预定尺寸的人脸特征图像,所述第二预定尺寸小于所述第一预定尺寸,并且所述人脸特征图像的通道数量大于所述中间图像的通道数量。

4.如权利要求3所述的人脸特征添加方法,其中,所述人脸特征图像提取网络包括:级联的P层卷积神经网络,其中P为大于等于2的整数,

其中,利用第一层卷积神经网络接收所述第一预定尺寸的中间图像,利用第P层卷积神经网络输出所述第二预定尺寸的人脸特征图像,

其中,第p层卷积神经网络的输出图像的尺寸小于其输入图像的尺寸,并且其输出图像的通道数量大于其输入图像的通道数量,其中p为大于等于1且小于等于P的整数。

5.如权利要求3所述的人脸特征添加方法,其中,基于所述人脸特征图像和需求特征图像生成所述待叠加图像包括:

利用合成特征图像生成网络,基于所述人脸特征图像和所述需求特征图像,生成第三预定尺寸的合成特征图像,所述第三预定尺寸大于所述第二预定尺寸,并且所述第三预定尺寸与所述第一预定尺寸相同或不同;以及

对所述第三预定尺寸的合成特征图像进行与裁剪处理之后的线性变换相对应的逆线性变换,以生成部分待叠加图像,

其中,所述部分待叠加图像的通道数量与所述合成特征图像的通道数量相同,并且所述部分待叠加图像的尺寸与裁剪出的所述部分图像的尺寸相同,并且所述部分待叠加图像的任一通道唯一地与所述给定人脸图像的一个通道相对应。

6.如权利要求5所述的人脸特征添加方法,其中,所述合成特征图像生成网络包括级联的至少一层全连接神经网络和K层集成卷积神经网络,其中K为大于等于2的整数,

其中,利用所述至少一层全连接神经网络接收所述人脸特征图像和所述需求特征图像,利用第一层集成卷积神经网络接收所述全连接神经网络的输出图像,第K层集成卷积神经网络输出所述第三预定尺寸的合成特征图像,

其中,第k层集成卷积神经网络的输出图像的尺寸大于其输入图像的尺寸,并且其输出图像的通道数量小于其输入图像的通道数量,其中k为大于等于1且小于等于K的整数。

7.如权利要求5所述的人脸特征添加方法,其中,将所述部分待叠加图像作为所述待叠加图像,

其中,所述将待叠加图像与所述给定人脸图像叠加以生成合成人脸图像包括:与对所述给定人脸图像进行的裁剪相对应地,将待叠加图像与所述给定人脸图像中对应的通道在裁剪位置处逐像素地叠加,或者将待叠加图像与所述给定人脸图像中对应的通道在裁剪位置处逐像素地进行加权叠加,以生成合成人脸图像,所述合成人脸图像的通道数量与所述给定人脸图像的通道数量相同。

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北京旷视科技有限公司;北京迈格威科技有限公司,未经北京旷视科技有限公司;北京迈格威科技有限公司许可,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/201611008892.5/1.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