本发明公开了一种基于最小二乘法的人脸图像处理方法，通过对目标图像和变老素材图像脸部特征点识别，对变老素材采用移动最小二乘法的变形融合处理，实现人脸图像变老的滤镜处理，提高图像处理的效率和精度，快速的实现不同年龄不同风格的滤镜处理效果。
目标图像通过人脸识别框架，对人脸面部区域进行分割，识别并获取各个部位关键点坐标，得到第一组特征点数据集；
构建变老素材数据库，根据不同年龄以及老化部分的灰度，描绘并存储图片，通过人脸识别框架，对人脸面部区域进行分割，识别并获取各个部位关键点坐标，得到第二组特征点数据集，并对关键点进行标注；
基于最小二乘法构建变形网格，所述变老素材第二组特征点坐标点数据作为源坐标，以所述目标图像第一组特征点数据坐标作为目标坐标，通过变形网格进行变形处理，调整各个坐标点位置，使变老素材图像和目标图像吻合；
通过变形网格输出的变老素材图片与目标图片，通过Overlay Blend方式融合，并对效果图像渲染输出。
2.根据权利要求1所述方法中，其中，所述第一组特征数据集包括嘴唇区域第一组特征点子数据集，脸颊区域第一组特征点子数据集，眼睛区域第一组特征点子数据集，鼻子区域第一组特征点子数据集，下巴区域第一组特征点子数据集。
3.根据权利要求1所述方法中，其中，所述第二组特征数据集包括嘴唇区域第二组特征点子数据集，脸颊区域第二组特征点子数据集，眼睛区域第二组特征点子数据集，鼻子区域第二组特征点子数据集，下巴区域第二组特征点子数据集。
4.根据权利要求1所述方法中，其中，所述第一组特征点数据集和第二组特征点数据集一一对应；
嘴唇区域第一组特征点子数据集对应嘴唇区域第二组特征点子数据集；
脸颊区域第一组特征点子数据集对应脸颊区域第二组特征点子数据集；
眼睛区域第一组特征点子数据集对应眼睛区域第二组特征点子数据集；
鼻子区域第一组特征点子数据集对应鼻子区域第二组特征点子数据集；
下巴区域第一组特征点子数据集对应下巴区域第二组特征点子数据集。
5.根据权利要求1所述方法中，其中，所述变形网格包括脸颊区域子网格、眼睛区域子网格、鼻子区域子网格、嘴唇区域子网格、下巴区域子网格。
6.根据权利要求1和权利要求5，其中，所述目标图像嘴唇区域第一组特征点数据集与变老素材图像嘴唇区域第二组特征点数据集在嘴唇区域子网格实现变形处理；
目标图像眼睛区域第一组特征点数据集与变老素材图像眼睛区域第二组特征点数据集在眼睛区域子网格实现变形处理；
目标图像脸颊区域第一组特征点数据集与变老素材图像脸颊区域第二组特征点数据集在脸颊区域子网格实现变形处理；
目标图像鼻子区域第一组特征点数据集与变老素材图像鼻子区域第二组特征点数据集在鼻子区域子网格实现变形处理；
目标图像下巴区域第一组特征点数据集与变老素材图像下巴区域第二组特征点数据集在下巴区域子网格实现变形处理。
一种基于最小二乘法的人脸图像处理方法
技术领域
[0001] 本发明涉及人脸图像处理技术领域，尤其是涉及一种基于最小二乘法的人脸图像处理方法。
背景技术
[0002] 目前现有的人脸图像处理技术中，针对人脸变老滤镜的实现，离不开人脸识别这一AI技术，但是具体到实际中使用的方法中，会有所不同，常见的是将人脸识别与变老图像滤镜处理放在服务器端，由客户将用户肖像图片传输至服务器，通过终端的再次请求服务器获得变老的图像。但这一处理方法必须依赖于服务器的帮助，所用的滤镜处理所用的时间取决于设备网格设备状态的好坏，处理效果等更多的依赖于服务器，若服务器不稳定则会导致请求失败，处理效果不佳。
发明内容
[0003] 针对现有的技术缺陷，本发明的实施例提供一种基于最小二乘法的人脸图像处理方法，所述方法在处理人脸图像过程中，减少了变老滤镜的耗时，更多的通过移动终端可以进行交互处理，提高了稳定性，处理效果和风格的多样性，满足用户的需求。
[0004] 本发明提供一种基于最小二乘法的人脸图像处理方法，该方法的内容如下：
[0005] 通过人脸特征点识别框架，识别出用户照片中人脸关键点部位的第一组特征点数据集，然后根据变老素材的图片，标记出对应脸部特征的第二组特征点数据集，将人脸素材图片的皱纹纹理图分割构建网格网格，通过第一组特征点数据集和第二组特征点数据集，将变老素材的图片通过最小二乘法进行网格变形，与原用户图像照片中的人脸吻合。变形后的人脸素材图片用Overlay Blend方式混合的方式与用户照片进行融合，将混合后的效果图渲染输出。
[0006] 通过预设变老素材，提取变老素材脸部特征点，通过人脸识别特征点提取和移动最小二乘法对变老素材进行网格变形，可以更快速的实现，不同年龄段人脸图像处理，耗时短。
附图说明
[0007] 图1示出了本发明的一种基于最小二乘法的人脸图像处理方法流程图；
具体实施方式
[0008] 本发明提供一种基于最小二乘法的人脸图像处理方法，参照图1，对本发明实施方法做详细说明。
[0009] 步骤S1：目标图像通过人脸识别框架，对人脸面部区域进行分割，分为脸颊区域、眼睛区域、鼻子区域、嘴唇区域、下巴区域，识别并获取各个部位关键点坐标，得到第一组特征点数据集。
[0010] 所述人脸识别框架，会对人脸面部各个区域进行分割，并标注各个关键点的坐标，不同区域，对应不同的特征点子数据集：
[0011] 例如，嘴唇区域第一组特征点子数据集，脸颊区域第一组特征点子数据集，眼睛区域第一组特征点子数据集，鼻子区域第一组特征点子数据集，下巴区域第一组特征点子数据集。
[0012] 步骤S2：构建变老素材数据库，根据不同年龄以及老化部分的灰度，描绘并存储图片；
[0013] 图片分辨率为常见图片大小，当需要获取素材图片时，通过Alpha通道，分辨率大小为1024*1024，目标年龄用灰度值表示，比如20岁，30岁，40岁，50岁，60岁，70岁，80岁等不同年龄。为满足变老效果的个性化需求，会详细到51岁、54岁、73岁等具体的年龄。
[0014] 进一步的，获取所述变老素材数据库目标年龄图片，通过人脸识别框架，对素材图片人脸面部区域进行分割，分为脸颊区域、眼睛区域、鼻子区域、嘴唇区域、下巴区域，识别并获取各个部位关键点坐标，得到第二组特征点数据集，并在各个区域部位进行标注。
[0015] 例如，嘴唇区域第二组特征点子数据集，脸颊区域第二组特征点子数据集，眼睛区域第二组特征点子数据集，鼻子区域第二组特征点子数据集，下巴区域第二组特征点子数据集。
[0016] 所述第一组特征点数据集和第二组特征点数据集一一对应。
[0017] 例如，嘴唇区域特征点位置所述区域特征点坐标中，第一组特征点有且对应唯一同一位置区域的第二组特征点坐标。
[0018] 嘴唇区域第一组特征点子数据集对应嘴唇区域第二组特征点子数据集。
[0019] 脸颊区域第一组特征点子数据集对应脸颊区域第二组特征点子数据集。
[0020] 眼睛区域第一组特征点子数据集对应眼睛区域第二组特征点子数据集。
[0021] 鼻子区域第一组特征点子数据集对应鼻子区域第二组特征点子数据集。
[0022] 下巴区域第一组特征点子数据集对应下巴区域第二组特征点子数据集。
[0023] 步骤S3：基于最小二乘法构建变形网格，所述网格分为若干子网格，脸颊区域子网格、眼睛区域子网格、鼻子区域子网格、嘴唇区域子网格、下巴区域子网格。
[0024] 进一步的，所述各个子网格完整包含第一组特征点数据集和第二组特征点数据集。
[0025] 例如，脸颊区域子网格包含脸颊区域第一组特征点子数据集和脸颊区域第二组特征点子数据集。
[0026] 进一步的，所述变老素材第二组特征点坐标点数据作为源坐标，以所述目标图像第一组特征点数据坐标作为目标坐标，通过变形网格进行变形处理。调整各个坐标点位置，使变老素材图像和目标图像吻合。
[0027] 优选的，目标图像嘴唇区域第一组特征点数据集与变老素材图像嘴唇区域第二组特征点数据集在嘴唇区域子网格实现变形处理；
[0028] 目标图像眼睛区域第一组特征点数据集与变老素材图像眼睛区域第二组特征点数据集在眼睛区域子网格实现变形处理；
[0029] 目标图像脸颊区域第一组特征点数据集与变老素材图像脸颊区域第二组特征点数据集在脸颊区域子网格实现变形处理；
[0030] 目标图像鼻子区域第一组特征点数据集与变老素材图像鼻子区域第二组特征点数据集在鼻子区域子网格实现变形处理；
[0031] 目标图像下巴区域第一组特征点数据集与变老素材图像下巴区域第二组特征点数据集在下巴区域子网格实现变形处理。
[0032] 变形后，变老素材的图片与原用户图像照片中的人脸重合，吻合。
[0033] 步骤S4：通过变形网格输出的变老素材图片与目标图片，通过Overlay Blend方式融合，并对效果图像渲染输出。
[0034] 从而实现用户不同年龄段，变老滤镜的图像处理。
[0035] 通过该方法可以快速的实现不同年龄风格的变老滤镜效果，处理过程耗时较少，减少用户的等待时间。
[0036] 以上对本公开的实施例进行了描述。但是，这些实施例仅仅是为了说明的目的，而并非为了限制本公开的范围。尽管在以上分别描述了各实施例，但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围，本领域技术人员可以做出多种替代和修改，这些替代和修改都应落在本公开的范围之内。
