[发明专利]一种深度学习模型的鼻部虚拟整形方法

权利要求书

1.一种基于深度学习模型的鼻部虚拟整形方法，其特征在于，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。

2.根据权利要求1所述的基于深度学习模型的鼻部虚拟整形方法，其特征在于：多角度人脸图像包括人脸的正面图像和45°角图像。

3.根据权利要求2所述的基于深度学习模型的鼻部虚拟整形方法，其特征在于：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。

4.根据权利要求1所述的基于深度学习模型的鼻部虚拟整形方法，其特征在于：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。

5.根据权利要求1所述的基于深度学习模型的鼻部虚拟整形方法，其特征在于：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。

6.根据权利要求5所述的基于深度学习模型的鼻部虚拟整形方法，其特征在于：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。

7.根据权利要求5所述的基于深度学习模型的鼻部虚拟整形方法，其特征在于：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。

8.根据权利要求1所述的基于深度学习模型的鼻部虚拟整形方法，其特征在于：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。

9.根据权利要求2所述的基于深度学习模型的鼻部虚拟整形方法，其特征在于：基于鼻部与脸部的相对比例、角度以及关键点坐标的改变量对网络组变形，实现鼻部虚拟整形。